You are on page 1of 198

lgebra Lineal

aplicada a las Ciencias Econmicas


2 edicin
lgebra Lineal
aplicada a las Ciencias Econmicas
2 edicin

Martn Daz Rodrguez


Virgilio Obeso Fernndez
Manuel Navarro Gutirrez
Jorge Velsquez Zapateiro

Barranquilla

2014
"!#
$! #
% !&

' 
 



 

(
% !
"!#
$! #

)
* 
+  #
% 
,-
/ 3 #
Jorge Velsquez Zapatei-
ro&
56
&
77
89
: 
;-  
 
,
5<=>&

=?@
&
A
5?
&
CD
   

E&
=?>F
CG8,
HI?7H@?7I>=7>@>7I
EPDFF

=&
' 
 &
C&
* 
+  #
)&
CC&
,-
/ 3 #
% &

CCC&
)   #
M 
N &
C)&O! &
E@=5&@
"@>5S
:&55F
E*78;,8F

www.uninorte.edu.co
Km 5 va a Puerto Colombia, A.A. 1569,
Barranquilla (Colombia)

Editorial Universidad del Norte, 2014


Martn Daz Rodrguez, Virgilio Obeso Fernndez,
Manuel Navarro Gutirrez y Jorge Velsquez Zapateiro, 2014

Primera edicin, diciembre, 2009


Primera reimpresin, mayo de 2011
Segunda reimpresin, mayo de 2012
Tercera reimpresin, mayo de 2013
Segunda edicin, julio de 2014

Edicin
Martn Daz Rodrguez
Coordinacin editoral
Zoila Sotomayor O.
Correccin de textos
Henry Stein
Diseo de portada
Munir Kharfan de los Reyes
Joaqun Camargo Valle

Hecho en Colombia

Made in Colombia

Reservados todos los derechos. Queda prohibida la reproduccin total o parcial de





 
 
 


 
 !


  


 
 
 

  
 


 


otros sin autorizacin previa y escrita de los titulares del copyright. La violacin de dichos
derechos puede constituir un delito contra la propiedad intelectual.
A mis queridos nietos, Anthony Jos y Emily Mara Daz.
A mi querida esposa, Candelaria Mora Prez
y a mis queridos hijos,
Leslie Johanna, Martn Emilio y Paulo Csar Daz Mora.

A mi querida esposa Rosaura Mrquez


y a mis queridos hijos, Jonatan y Giselle Obeso.

Para mi querida esposa, Mnica de la Hoz.

A mis queridos hijos, que son el palacio de mi vida.


Indice general

Prologo 1
1 Matrices 3
1.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Matrices especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Propiedades de la matriz transpuesta . . . . . . . . . . . . . . . . . 21
1.3.2 Propiedades de la matriz inversa . . . . . . . . . . . . . . . . . . . . 23
1.3.3 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Ejercicios y problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2 Determinantes 59
2.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2 Determinante de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . 59
2.2.1 Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . 63
2.3 Desarrollo del determinante por cofactores . . . . . . . . . . . . . . . . . . 71
2.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.4.1 Autoevaluacion 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.4.2 Autoevaluacion 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.5 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3 Sistemas de ecuaciones lineales 85


3.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2 Ecuacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.3 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3.1 Conjunto solucion de un sistema
de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.2 Matrices asociadas a un sistema de ecuaciones lineales . . . . . . . 90
3.3.3 Metodo de eliminacion de Gauss y Gauss-Jordan . . . . . . . . . . 95
3.4 Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

vii
INDICE GENERAL INDICE GENERAL

3.5 Sistemas homogeneos de ecuaciones lineales . . . . . . . . . . . . . . . . . 100


3.6 Ejercicios y problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.7 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

4 Vectores en Rn 117
4.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2 Espacio Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.3 Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.3.1 Traslacion de un vector con punto inicial en el origen . . . . . . . . 120
4.3.2 Operaciones entre vectores . . . . . . . . . . . . . . . . . . . . . . . 124
4.4 Angulo entre dos vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.4.1 Combinacion e independencia lineal . . . . . . . . . . . . . . . . . . 127
4.4.2 Autovalores y autovectores . . . . . . . . . . . . . . . . . . . . . . . 131
4.4.3 Teoremas sobre valores propios o matrices simetricas . . . . . . . . 137
4.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.6 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157

5 Sistema de desigualdades lineales 159


5.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.2 Desigualdad lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.2.1 Conjunto solucion de una desigualdad lineal . . . . . . . . . . . . . 160
5.2.2 Metodo graco para hallar el conjunto solucion de una
desigualdad lineal en dos variables . . . . . . . . . . . . . . . . . . . 161
5.3 Sistemas de desigualdades lineales . . . . . . . . . . . . . . . . . . . . . . . 162
5.3.1 Conjunto solucion de un sistema de desigualdades lineales . . . . . 163
5.3.2 Punto de esquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
5.3.3 Problema estandar de programacion lineal . . . . . . . . . . . . . . 169
5.4 Ejercicios y problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.5 Actividades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175

Apendice 179

Bibliografa 184

viii
Prologo

Uno de los problemas con los que se enfrenta generalmente el estudiante de Ciencias
Economicas es la falta de libros que cubran plenamente o casi todos los temas estudiados
durante el curso de algebra lineal con ejemplos y ejercicios propios de dichas ciencias.
Lamentablemente, la mayora de los autores no tienen en cuenta el perl de los estu-
diantes de Ciencias Economicas ni ejemplican con problemas pertinentes a dicha carrera.

Este trabajo pretende suplir estas necesidades de los estudiantes en la medida en que
les brinda un material de lectura en consonancia con los asuntos y objetivos de su interes;
de esta manera pueden interrelacionarlo con materias como Investigacion de Operaciones,
a la vez que les sirve de fundamento para el estudio de otras materias muy importantes
para la construccion de sus conocimientos y su perl.

En este texto, los ejemplos y tareas se presentan con el lenguaje propio del estudiante
de Ciencias Economicas.

Se trata, entonces, de un curso introductorio de algebra lineal, que incluye tanto


los ejemplos y ejercicios tradicionales como aquellos propios del campo de las Ciencias
Economicas, que le facilitan al estudiante apropiarse de los conocimientos y construir las
bases para el estudio de otras teoras en general.

Los teoremas cuyas demostraciones no se desarrollan en el captulo correspondi-


ente al tema en mencion pueden encontrarse en el apendice, o en los textos relacionados
en la bibliografa.

En este texto, el conjunto subyacente para el desarrollo de los conceptos es siempre


el conjunto de los numeros reales; en el contexto de las matrices y los vectores, nos
referimos a los numeros reales como escalares.

Ademas, promovemos lo concerniente a la elaboracion de trabajos individuales y en


grupos.

Los autores
Captulo 1
Matrices

1.1 Introduccion
El concepto de matriz es basico en muchos cursos de matematica, sea aplicada o no;
uno de sus usos esta relacionado con la representacion matricial de los sistemas de
ecuaciones lineales y su empleo en el lenguaje de programacion, debido a que facilita la
automatizacion de metodos para resolver estos sistemas y obtener una solucion rapida
(si existe) de un problema determinado.

En el campo economico, una matriz puede representar, por ejemplo, la produccion de


determinados artculos fabricados por un determinado numero de maquinas o el costo
de producir cierta cantidad de artculos en un numero determinado de maquinas; por
mencionar solo dos ejemplos. Por estas y otras razones, que seran evidentes mas adelante,
en este texto son de especial interes el concepto de matriz y algunas de sus propiedades.

1.2 Matrices
Denicion 1.2.1. Una matriz es un arreglo rectangular de elementos distribuidos por las
y columnas. Sus elementos pertenecen a un conjunto con alguna estructura algebraica.

En este texto, los elementos son siempre numeros reales; al conjunto de los numeros
reales lo denotamos R.

Ejemplo 1.2.1

Estos son algunos ejemplos de matrices:

a)
columna 1 columna 2 columna 3 columna 4

f ila 1 1 2 3 4
f ila 2 5 6 7 8 ,
f ila 3 0 4 2 10

3
4 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro


1 0 0
b) 0 1 0
0 0 1
 
c) 1 5 78 35

1 4 3
d)
4 3 2

41
e) 30
23

Representamos las matrices con letras mayusculas, y sus elementos, cuando no esten dados
en forma explcita, con minusculas.

Denicion 1.2.2. Si una matriz tiene m las y n columnas, se dice que es de orden (o
tamano) m n. Si m = n, se dice que la matriz es cuadrada de orden m m (o n n)
o, simplemente, de orden m (o n).

Ejemplo 1.2.2

Si 
3 4 1
A= ,
5 9 0
entonces A es una matriz de orden 2 3, ya que tiene dos las y tres columnas.
Si una matriz tiene una sola la, la llamamos matriz la; en forma analoga, si tiene una
sola columna, la llamamos matriz columna.

En forma general, una matriz que tenga m las y n columnas podemos escribirla
explcitamente as:

a11 a12 a13 . . . a1n
a21 a22 a23 . . . a2n


A = a31 a32 a33 . . . a3n (1.1)
.. .. .. .. ..
. . . . .
am1 am2 am3 . . . amn
Si una matriz de orden m n tiene todos sus elementos iguales a cero, se le llamamatriz
cero de orden m n; por ejemplo:


0 0 0
A= es la matriz cero de orden 2 3
0 0 0

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 5

Para describir la posicion de los elementos en una matriz es usual codicar cada elemento
con una nomenclatura coherente; as, por ejemplo, en la matriz indicada en (1.1), el
primer subndice de las aes senala la la, y el segundo subndice, la columna a la cual
pertenece ese elemento. Por ejemplo, a12 es el elemento de la matriz A ubicado en la -
la 1, columna 2, y en general, aij es elemento de la matriz A ubicado en la la i, columna j.
 
La matriz (1.1) podemos escribirla  en forma abreviada como A = aij i = 1, 2, . . . , m;
j = 1, 2, . . . , n, o tambien, A = aij mn , donde m es el numero de las y n el numero
de columnas.

En el momento en que se introduce un nuevo objeto en matematicas debemos precisar


cuando dos de tales objetos son iguales; por ejemplo, en el conjunto de los numeros
reales, 16
8
y 2 son iguales aunque no esten representados de la misma manera.

En el caso de la igualdad de matrices, se deben cumplir las siguientes condiciones:

1. Que sean del mismo tamano.

2. Que los elementos que ocupan la misma posicion (elementos correspondientes) en


las dos matrices sean iguales; por ejemplo, que el elemento que ocupa la posicion
(1,1) en la matriz A sea igual al elemento que ocupa la posicion (1,1) en la matriz
B, y as sucesivamente; es decir, que el elemento que ocupa la posicion (i, j) en la
matriz A sea igual al elemento que ocupa la posicion (i, j) en la matriz B para todo
i = 1, ..., m y para todo j = 1, ..., n.

Denicion
 1.2.3.
 Igualdad  de matrices
Sean A = aij mn y B = bij mn matrices de orden m n; se dice que las matrices
A y B son iguales si y solo si sus elementos correspondientes son iguales.

En notacion: A = B si y solo si aij = bij para todo i = 1, 2, , m y para todo


j = 1, 2, , n.

Ejemplo 1.2.3

Sean
1 a12 b11 9
A = a21 5 y B = 8 b22
0 7 32
b31 b32 32

si A = B, entonces b11 = 1, a12 = 9, a21 = 8, b22 = 5, b31 = 0 y b32 = 7.


A continuacion deniremos varias operaciones cuyos resultados seran nuevas matrices
obtenidas a partir de matrices dadas, y posteriormente presentaremos una serie de
ejemplos de aplicacion en problemas concretos.

1.2. MATRICES
6 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

1.2.1 Operaciones con matrices


Denicion 1.2.4. Suma de matrices
   
Sean A = aij mn y B = bij mn matrices de orden m n,
se dene la matriz suma de A y B (denotada A + B) as:
 
A + B = aij + bij mn i = 1, 2, . . . , m j = 1, 2, . . . , n.
La denicion anterior dice que para hallar la suma de las matrices A y B ambas deben
ser del mismo orden (en este caso son de orden m n) y que la matriz suma es una
nueva matriz que tiene como elementos la suma de los elementos correspondientes de A y
B; esta matriz suma es una matriz que tiene el mismo tamano de las matrices sumandos,
es decir, es una matriz de orden m n.

Ejemplo 1.2.4

1 4 1 8
Si A = 2 1 y B = 7 6 , entonces
3 2 2 5

1 8 1 4 0 12
A+B = 7 6 + 2 1 = 9 7
2 5 3 2 5 3
Las siguientes matrices no pueden ser sumadas. Por que?

1 4 10 1 8
A= 2 1 45 y B= 7 6
3 2 35 2 5
Denicion 1.2.5.
 Multiplicacion de un escalar por una matriz
Sean A = aij mn y k R, se dene la multiplicacion del escalar k por la matriz A
(denotada kA) as:
 
kA = kaij mn i = 1, 2, . . . , m j = 1, 2, . . . , n
En la denicion anterior mostramos que al multiplicar un escalar k por una matriz A
se forma una nueva matriz del mismo tamano que A y que sus elementos se obtienen
multiplicando cada uno de ellos por k.

Ejemplo 1.2.5


1 4 3
Si k = 3 y A= , entonces
5 2 8 23
  
1 4 3 3(1) 3(4) 3(3) 3 12 9
kA = 3 = =
5 2 8 23
3(5) 3(2) 3(8) 23
15 6 24 23
Presentaremos a continuacion algunas propiedades de la adicion de matrices.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 7

Propiedades de la adicion
Teorema 1.2.1. Sean A, B y C matrices de orden mn y k un numero real, entonces:

i) A+0mn =A, donde 0mn es la matriz cero de orden mn

ii) 0A=0mn

iii) A+B=B+A

iv) A+(B+C)=(A+B)+C

v) k(A+B)=kA+kB

vi) D tal que B+D=A, donde D es una matriz de orden mn.

Observacion 1.2.1

La parte i) del teorema muestra que la suma de cualquier matriz A con la matriz
0 del mismo orden de A da como resultado nuevamente la matriz A. Quiere decir esto
que la matriz cero es el modulo para la adicion de matrices.

La parte ii) muestra que al multiplicar el numero real 0 con cualquier matriz A, el
resultado es la matriz cero de orden igual al de la matriz A.

La parte iii) muestra que la adicion de matrices es conmutativa.

La parte iv) muestra que la adicion de matrices es asociativa.

La parte v) muestra la propiedad distributiva de un escalar respecto de la suma de


matrices.

La parte vi) enuncia la sustraccion entre matrices del mismo orden, y se denota, en vez
de D, por A-B.

Ejemplo 1.2.6

Si
3 2 7 4
A= 5 4 y B= 6 9
2 1 0 3
determinemos los elementos de la matriz C, de modo que 3A+5C=4B.

1.2. MATRICES
8 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Solucion

Debemos hallar una matriz C = (cij )32 tal que



3 2 c11 c12 7 4

3 5 4
+ 5 c21 c22 = 4 6 9
2 1 c31 c32 0 3
deducimos que
9 + 5c11 6 + 5c12 28 16
15 + 5c21 12 + 5c22 = 24 36 ,
6 + 5c31 3 + 5c32 0 12
obtenemos que
9 + 5c11 = 28
6 + 5c12 = 16
15 + 5c21 = 24
12 + 5c22 = 36
6 + 5c31 = 0
3 + 5c32 = -12
entonces,
c11 = 19/5
c12 = 2
c21 = 9/5
c22 = 24/5
c31 = -6/5
c32 = -3

Ejercicios y problemas

Ejercicio. Usando matrices no cuadradas verique cada una de las propiedades


del teorema 1.2.1.

Problema de aplicacion 1.2.1


Hoy, antes de comenzar las actividades academicas en la Universidad del Norte, se han
recargado las cuatro maquinas surtidoras de gaseosa en lata; la maquina 1 tiene una
recarga de 100, 50, 60 y 72 latas de Coca-Cola, cola, naranja y uva, respectivamente; la
maquina 2, de 150, 200, 300 y 75 latas de Coca-Cola, cola, naranja y uva, respectivamente;
la maquina 3, de 80, 50, 45 y 95 latas de Coca-Cola, cola, naranja y uva, respectivamente,
y la de la maquina 4 es de 30, 70, 95 y 15 latas de Coca-Cola, cola, naranja y uva,
respectivamente.
1. Si el da anterior se agotaron todas las existencias, construya una matriz que incluya
la informacion de recargas de las cuatro maquinas (matriz de recarga) antes de
comenzar las actividades en el da de hoy.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 9

2. Si las ventas estimadas al nalizar el da son:


Para la maquina 1: 80, 30, 50 y 22 latas de Coca-Cola, cola, naranja y uva,
respectivamente; para la maquina 2: 140, 180, 250 y 70 latas de Coca-Cola, cola,
naranja y uva, respectivamente; para la maquina 3: 80, 40, 35 y 85 latas de Coca-
Cola, cola, naranja y uva, respectivamente, y para la maquina 4: 30, 50, 60 y 10
latas de Coca-Cola, cola, naranja y uva, respectivamente.

a) Construya una matriz que incluya la informacion de las ventas estimadas


(matriz de ventas) de gaseosas en lata para las cuatro maquinas en el da
de hoy.
b) Construya una matriz que incluya la informacion del inventario (matriz de
inventario) para el da siguiente si cada maquina se recarga con 90, 50, 40 y 20
latas de Coca-Cola, cola, naranja y uva, respectivamente.

Problema de aplicacion 1.2.2


En las mismas maquinas, la cafetera de la Universidad del Norte vende bolsas de agua
pequenas, medianas y grandes, que compra a dos embotelladoras distintas. El volumen
en centmetros cubicos de las bolsas pequenas, medianas y grandes de la embotelladora
1 es de 300, 400 y 800, respectivamente; el de la embotelladora 2 es 150, 250 y 500,
respectivamente. Suponga que los precios por bolsas de agua de la embotelladora 1 son
$150, $200 y $400, respectivamente, y los de la embotelladora 2 son $50, $60 y $100,
respectivamente.

1. Construya la matriz de los productos comprados por la cafetera a las embotelladoras


y la matriz de precios de compra por unidad.

2. Si la embotelladora 1 produce 4000, 5000 y 3000 bolsas de agua pequenas, media-


nas y grandes, respectivamente, y la embotelladora 2 produce 4500, 6000 y 8000,
respectivamente, determine la matriz de produccion de las embotelladoras.

Problema de aplicacion 1.2.3


Si en el problema de aplicacion 1 cada maquina solo contiene un tipo de bebida gaseosa;
por ejemplo, la maquina 1 tiene 300 latas de Coca-Cola; la maquina 2 tiene 250 latas de
cola; la maquina 3 tiene 280 latas de naranjada y la maquina 4 tiene 100 latas de uva.

1. Construya la matriz de inventario de la cafetera. Si la Coca-Cola en lata cuesta


$600, la de cola $500, la naranjada $450 y la de uva $400, construya la matiz de
precio de ventas por unidad de cada producto.

2. Si el precio de venta de cada producto se incrementa en un 18 %, determine la matriz


de precio de venta de la cafetera

3. Determine la matriz de ingreso total si se agota cada uno de los productos.

1.2. MATRICES
10 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Multiplicacion de matrices
Presentaremos inicialmente la denicion de producto entre una matriz la y una matriz
columna, cada una de ellas con igual numero de elementos; luego, la denicion de
multiplicacion de matrices y algunas de sus propiedades.

Denicion 1.2.6. Producto entre una matriz la y una matriz columna



b11
  b21

Sean A = a11 a12 . . . a1n 1n y B = .. matrices de orden 1n y
.
bn1 n1
n 1, respectivamente; se dene el producto de la matriz la A con la matriz columna B
(denotada por AB) as:

b11
 
b21

AB = a11 a12 . . . a1n .. = a11 b11 + a12 b21 + . . . + a1n bn1 (1.2)
.
bn1

La expresion (1.2) podemos escribirla abreviadamente as:


n
AB = a1k bk1 (1.3)
k=1

Por ejemplo, si en (1.3) n = 1, tenemos el primer elemento de la suma en (1.2),


o sea, a11 b11 ; si n=2, tenemos los dos primeros terminos de la suma en (1.2), o
sea, a11 b11 + a12 b21 ; si n = 3, tenemos los tres primeros terminos de la suma en
(1.2), o sea, a11 b11 + a12 b21 + a13 b31 , y as sucesivamente, es decir, en la expresion a1k bk1 ,
de la ecuacion (1.3), reemplacemos k por 1, 2,. . ., n y luego sumamos todos esos productos.

Ejemplo 1.2.7

  1
Si A = 4 3 2 y B = 4 , entonces
7

  1
AB = 4 3 2 4 = 4 1 + 3 4 + 2 7 = 4 + 12 + 14 = 30
7

Observemos que el producto entre una matriz la y una matriz columna es un numero real.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 11

Denicion 1.2.7. Multiplicacion de matrices



a11 a12 a1p A1
a21 a22 a2p A2

Sean A = .. .. .. .. = .. y
. . . . .
am1 am2 amp Am


b11 b12 b1n
b21 b22 b2n  

B = .. .. .. .. = B
(1)
B (2) B (n)
. . . .
bp1 bp2 bpn

b1j
  b2j

con Ai = ai1 ai2 aip , i = 1, . . . , m y B (j) = .. j = 1, . . . , n,
.
bpj
denimos la matriz producto de A y B (denotada por AB) as:

A1 A1 B (1) A1 B (2) . . . A1 B (n)
A2 
 A2 B (1) A2 B (2) . . . A2 B (n)

AB = .. B (1)
B (2)
B (n)
= .. .. ..
. . . ... .
Am Am B (1) Am B (2) . . . Am B (n)

Observe que la matriz AB solo se puede denir cuando el numero de columnas de A es


igual al numero de las de B.
Si A = (aij )n n, entonces se denota A por A1 y AA por A2 ; en general, para n 2 y
n N denotamos AAA n
. . . A por A .
nveces

Ejemplo 1.2.8
  
1 1 2 4 3 5
Si A= , B= y C= , calcule:
1 1 2 4 3 5

a) AB

b) BA

c) AC

1.2. MATRICES
12 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Solucion

a)
   
1 1 2 4 1(2) + (1)2 1(4) + (1)4 0 0
AB = = =
1 1 2 4 1(2) + (1)2 1(4) + (1)4 0 0

b)
   
2 4 1 1 2(1) + 4(1) 2(1) + 4(1) 6 6
BA = = =
2 4 1 1 2(1) + 4(1) 2(1) + 4(1) 6 6

0 0
= = AB,
0 0
es decir, el producto de matrices no es conmutativo.


0 0
c) AC = = AB
0 0
Es decir, que AB = AC; sin embargo, la matriz B no es igual a la matriz C, o sea, no se
cumple la propiedad cancelativa.

Propiedades de la multiplicacion de matrices


Teorema 1.2.2. Sean
         
A = aij , B = bij , C = cij , D = dij y E= eij pq
mp pq qn mp

matrices, entonces:
i) (AB)C=A(BC)

ii) (A+D)B=AB+DB

iii) A(B+E)=AB+AE
Como la multiplicacion de matrices es asociativa, podemos denotar los productos (AB)C,
A(BC) por ABC.

Como ejercicio, usando matrices no cuadradas, verique cada una de las propiedades del
teorema 1.2.2.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 13

Ejemplo 1.2.9
 
1 2 4 2
Si A = y B=
3 4 3 1
calcule:

a) (A + B)2

b) A2 + 2AB + B 2

c) A2 B 2

d) (A + B)(A B).

Solucion

a)
  
4 21 2 5 4
A+B = + = , entonces
3 1
3 4 6 3
 2   
2 5 4 5 4 5 4 49 32
(A + B) = = =
6 3 6 3 6 3 48 33

b) Para hallar A2 + 2AB + B 2 debemos calcular inicialmente


  
2 1 2 1 2 7 10
A = =
3 4 3 4 15 22
  
4 2 4 2 22 6
B2 = =
3 1 3 1 9 7
   
1 2 4 2 10 0 20 0
2AB = 2 =
2 = , entonces
3 4 3 1 24 2 48 4
   
7 10 20 0 22 6 49 16
A2 + 2AB + B 2 = + + =
15 22 48 4 9 7 72 33

Observe que para las matrices dadas A y B en este ejemplo se tiene que
(A + B)2 = A2 + 2AB + B 2 .
  
7 10 22 6 15 4
c) A B =
2 2
=
15 22 9 7 6 15
  
5 4 3 0 15 20
d.) (A + B)(A B) = =
6 3 0 5 18 15

1.2. MATRICES
14 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

De igual manera, en este ejemplo se tiene que (A + B)(A B) = A2 B 2 .


Este ejemplo muestra que las operaciones entre matrices no satisfacen las mismas
propiedades de los numeros reales.

Ejemplo 1.2.10

Construya matrices no cuadradas A, B y C tales que (AB)C=A(BC) y verique


la propiedad asociativa de la multiplicacion.

Solucion

Debemos construir tres matrices, A, B y C, de tamanos tales que los productos


AB, BC, (AB)C y A(BC) se puedan realizar; por ejemplo:

 1 3 
1 2 3 1 0
A= , B= 1 2 y C=
4 5 6 23 1 2 22
2 1 32

 1 3 
1 2 3 5 10
(AB) = 1 2 =
4 5 6 11 28
  2 1 
5 10 1 0 5 20
(AB)C = =
11 28 1 2 17 56

1 3  2 6
1 0
(BC) = 1 2 = 3 4
1 2
2 1 1 2
 2 6 
1 2 3 5 20
A(BC) = 3 4 =
4 5 6 17 56
1 2
(AB)C = A(BC).

Ejemplo 1.2.11

Dada las matrices



3 4 0
1 2 3 1 2 1 2 2 1
1
A = 3 4 2 1 , B =
3 1 1 y C =
2 1 2
5 6 4 0 2 1 1
5 4 1

Halle el elemento (3,3) de la matriz ABC sin calcular la matriz producto ABC.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 15

Solucion

Calcularemos la la 3 de la matriz AB, es decir, (AB)3 , la cual puede ser expresa-


da as:

(AB)3 = (A3 B (1) A3 B (2) A3 B (3) ).

El primer elemento de esta la viene dado por



3
  2
A3 B (1) = 5 6 4 0 3 = 39
5
El segundo elemento por
4
  1
A3 B (2) = 5 6 4 0
1 = 22
4

0
  1
Y el tercer elemento por A3 B (3) = 5 6 4 0
1 = 10
1
De tal forma que la  tercera la de la matriz AB, (AB)3 , viene dada por
(AB)3 = 39 22 10 .
1
La columna 3 de la matriz C, es decir, C (3) , es C (3) = 2 ,
1
entonces el elemento (3,3) de la matriz
ABC es
  1
(AB)3 C = 39 22 10
(3) 2 = 39 + 44 + 10 = 93.
1
Muestre que se obtiene el mismo resultado con A3 (BC)(3) .

Ejemplo 1.2.12

Si A = (aij )mp y B = (bij )pn , determine:

a) El numero de multiplicaciones necesarias para calcular AB.

b) El numero de sumas necesarias para calcular AB.

c) El numero de operaciones necesarias para calcular AB.

1.2. MATRICES
16 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Solucion

El producto de la primera la de A por la primera columna de B, es decir, A1 B (1) , es


A1 B (1) = a11 b11 + a12 b21 + . . . a1p bp1 , en el cual hay p productos (uno por cada termino)
y p 1 sumas.

El producto de la primera la de A por la segunda columna de B, es decir, A1 B (2) , es


A1 B (2) = a11 b12 + a12 b22 + . . . a1p bp2 , en el cual hay nuevamente p productos (uno por
cada termino) y p 1 sumas.

Este procedimiento para la primera la de A hay que hacerlo para cada columna
de la matriz B (la matriz B tiene n columnas); as que para la primera la de la matriz
A y cada una de las columnas de la matriz B se tendran np productos y n(p 1) sumas.
Pero este proceso hay que hacerlo con cada una de las las de la matriz A, y la matriz A
tiene m las, razon por la cual si con la primera la se tienen np productos, con las m
las se tendra mnp productos; si con la primera la se tiene n(p 1) sumas, con las m
las se tendra mn(p 1) sumas. En conclusion, se tiene que:
a) El numero de productos en el calculo de la matriz AB es mnp.
b) El numero de sumas en el calculo de la matriz AB es mn(p 1).
c) El numero de operaciones en el calculo de la matriz AB es mnp + mn(p 1) =
mn(2p 1).
Denicion 1.2.8. Diagonal principal de una matriz
Sea A = (aij )mn una matriz, se dene la diagonal principal de la matriz A como el
conjunto de todos los elementos aij de A para los cuales i = j.
La denicion anterior muestra que en una matriz cualquiera los elementos de la diagonal
principal son a11 , a22 , . . . , akk , con k = min{m, n}, es decir, aquellos elementos de la
matriz en los que el subndice de las las es igual al subndice de las columnas.

Ejemplo 1.2.13

5 4
Si A = 8 1 , entonces los elementos de la diagonal principal son:
3 6
a11 = 5 y a22 = 1.
Denicion 1.2.9. Traza de una matriz
Sea A = (aij )mn , se dene la traza de A, denotada por tr(A), as:

k
tr(A) = aii
i=1

donde k es el menor entre m y n.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 17

La traza de una matriz es la suma de los elementos de la diagonal principal.

Ejemplo 1.2.14

Si A es la matriz del ejemplo anterior, entonces la traza de A es igual a 6, ya que


a11 + a22 = 5 + 1.

Ejemplo 1.2.15

En la ciudad de Barranquilla hay tres fabricas de bebidas gaseosas que surten a


cuatro supertiendas, 1, 2, 3 y 4. La oferta y la demanda se muestran en la tabla adjunta,
donde las las representan las fabricas y las columnas las supertiendas.
La primera supertienda requiere solo 100 cajas de la fabrica 2; la segunda solo 200 cajas
de la fabrica 3; la tercera solo 50 cajas de la fabrica 2, y la cuarta 150 cajas de la fabrica
1, 100 de la 2 y 100 de la 3.

Si los costos de transporte por caja (en miles de pesos) de las fabricas a las supertiendas
son los siguientes:

De la fabrica 1 hacia las supertiendas 1, 2, 3 y 4 son 50, 80, 40 y 20, respectivamente;


de la fabrica 2 hacia las supertiendas 1, 2, 3 y 4 son 10, 30, 5 y 15, respectivamente, y
de la fabrica 3 hacia las supertiendas 1, 2, 3 y 4 son 80, 20, 60 y 90, respectivamente,
escriba la matriz que muestre la informacion de la demanda (matriz de demanda), la de
los costos por caja (matriz de costos por cajas) y determine el costo total de transportar
las gaseosas de las fabricas a las cuatro supertiendas.

Solucion

La siguiente tabla muestra las demandas, las ofertas y los costos de transporte en
miles de pesos representados por los valores a la derecha de cada backslash.

Supert. 1 Supert. 2 Supert. 3 Supert. 4 Oferta


fabrica 1 0\50 0\80 0\40 150\20 150
fabrica 2 100\10 0\30 50\5 100\15 250
fabrica 3 0\80 200\20 0\60 100\90 300
demanda 100 200 50 350

La matriz de demanda D y la matriz de costos C son las siguientes:



50 10 80
0 0 0 150 80 30 20
D = 100 0 50 100 y C =
40 5 60
0 200 0 100
20 15 90

1.2. MATRICES
18 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

D1 , D2 y D3 son las demandas a cada fabrica desde las cuatro supertiendas.


C (1) , C (2) y C (3) son los costos de transporte desde cada fabrica hasta las supertiendas.

Para hallar la matriz de costo total basta calcular la traza de la matriz DC, es decir,
D1 C (1) + D2 C (2) + D3 C (3) y

50 10
80 30
D1 C (1) + D2 C (2) + D3 C (3) = (0 0 0 150)
40 + (100 0 50 100) 5
20 15

80
20
+ (0 200 0 100)
60
90
Entonces el costo total es

(150)20 + (100)10 + (50)5 + (100)15 + (200)20 + (100)90 = 18750.

Ejemplo 1.2.16

En una cafetera hay 4 maquinas de bebidas gaseosas.


La maquina 1 contiene 100, 50, 60 y 72 latas de Coca-Cola, cola, naranja y uva,
respectivamente.
La maquina 2 contiene 150, 200, 300 y 75 latas de Coca-Cola, cola, naranja y uva,
respectivamente.
La maquina 3 contiene 80, 50, 45 y 95 latas de Coca-Cola, cola, naranja y uva, respecti-
vamente.
La maquina 4 contiene 30, 70, 95 y 15 latas de Coca-Cola, cola, naranja y uva,
respectivamente.
a) Construyamos la matriz de inventario de bebidas si las ventas para el da siguiente
fueran:
-maquina 1: 80, 30, 50, 22, Coca-Cola, cola, naranja y uva, respectivamente,
-maquina 2: 140, 180, 250, 70, Coca-Cola, cola, naranja y uva, respectivamente,
-maquina 3: 80, 40, 35, 85, Coca-Cola, cola, naranja y uva, respectivamente,
-maquina 4: 30, 50, 60, 10, Coca-Cola, cola, naranja y uva, respectivamente.
b) Construyamos la matriz de ventas (M. de Ventas) de la cafetera.
c) Construyamos la matriz de inventario (M. Inv.) si cada maquina fuera recargada
con 90, 50, 40, 20 de Coca-Cola, cola, naranja y uva, respectivamente, al nal del
da.
d) Supongamos que los precios por lata de Coca-Cola, cola, naranja y uva,
respectivamente, son $600, $500, $500, $400; hallemos la matriz de venta por unidad.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 19

e) Si se incrementara el precio de venta por unidad en un 30 %, determinemos la nueva


matriz de precio de venta por unidad.

f) Si se vendieran todas las gaseosas, determinemos la matriz de ingreso total de cada


supertienda por fabrica de bebidas gaseosas.

g) Determinemos el ingreso total de la cafetera generado por la venta de las bebidas


gaseosas.

Solucion

Si M. Inv. denota la matriz de inventario; M. de Ventas, la matriz de ventas; M.


Inv. da siguiente, la matriz de inventario del da siguiente; M. de Venta uc , la matriz de
ventas por unidad y M. Ing. Total, la matriz de ingreso total, entonces:

20 20 10 0
10 20 50 5
a) M. Inv. =
0 10 10 10
0 20 35 5

80 30 50 22
140 180 250 270
b) M. de Ventas =
80 40 35 85
30 50 60 10

110 70 50 20
100 70 90 25

c) M. Inv. da siguiente =
90 60 50 30
90 70 75 25

c
 
d) M. Venta u
= 600 500 500 400
 
e) M. Venta X Unidad + 30 % = 780 650 650 520
 
f) M. Ing. Total = $304200 $75500 $172500 $52000

g) Ingreso total = $704200.

1.3 Matrices especiales


Denicion 1.3.1. Matriz triangular superior
Sea A = (aij )mn , se dice que A es una matriz triangular superior si y solo si aij = 0
i > j, i = 1, . . . , m, j = 1, . . . , n.

1.3. MATRICES ESPECIALES


20 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Una matriz cualquiera es triangular superior cuando todos los elementos que estan por
debajo de la diagonal principal son iguales a cero.

Ejemplo 1.3.17

1 4 1 8 9
A= 0 1 y B= 0 6 3
0 0 0 0 5
son matrices triangulares superiores, ya que todos los elementos que estan por debajo de
la diagonal principal son cero.
Denicion 1.3.2. Matriz triangular inferior
Sea A = (aij )mn , se dice que A es una matriz triangular inferior si y solo si aij = 0,
i < j, i = 1, . . . , m, j = 1, . . . , n

Ejemplo 1.3.18

1 0 1 0 0
A = 2 1 y B = 7 6 0 son matrices triangulares inferiores, ya
3 2 2 5 3
que todos los elementos que estan por encima de la diagonal principal son cero.
Denicion 1.3.3. Matriz diagonal
Sea A = (aij )mn , se dice que A es una matriz diagonal si y solo si A es triangular
superior e inferior simultaneamente.
Si los elementos que estan por encima y por debajo de la diagonal principal son cero, A
es una matriz diagonal.

Ejemplo 1.3.19

1 0 1 0 0
A = 0 1 y B = 0 6 0 son matrices diagonales, ya que los
0 0 0 0 5
elementos que estan por encima y por debajo de la diagonal principal son cero.
Denicion 1.3.4. Matriz escalar
Sea A = (aij )mn , se dice que A es una matriz escalar si y solo si A es una matriz diagonal
con aii = k, i = 1, . . . , p, p N, p=min{m,n}.
Ejemplo 1.3.20

3 0 1 0 0
A = 0 3 y B = 0 1 0
0 0 0 0 1
son matrices escalares por ser matrices diagonales con todos los elementos de la
diagonal principal iguales.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 21

Denicion 1.3.5. Matriz identica


Sea A = (aij )nn , se dice que A es la matriz identica de orden n si A es una matriz
escalar con k =1. La denotamos, en vez de A, por In .

Ejemplo 1.3.21

 1 0 0
1 0
A = y B = 0 1 0 son matrices identicas de orden 2 y 3,
0 1
0 0 1
respectivamente, y se denotan I2 e I3 , respectivamente.

Denicion 1.3.6. Matriz traspuesta


Sea A = (aij )mn , llamaremos matriz traspuesta de A (denotada At ) a aquella matriz de
orden nm que se obtiene de A al intercambiar las las por las columnas correspondientes.

En general, quiere esto decir que el elemento ai,j es un elemento de la matriz At si y solo
si el elemento aj,i es un elemento de la matriz A, i = 1, ..., m y j = 1, ..., n.

Ejemplo 1.3.22

1 4 
1 2 3
Si A = 2 1 , entonces A =
t
4 1 2
3 2

1.3.1 Propiedades de la matriz transpuesta


Teorema 1.3.1. Sean A y B matrices de orden mn y C una matriz de orden np,
entonces:

1. (At )t = A

2. Si k es un numero real, entonces (kA)t = kAt

3. (A + B)t = At + B t

4. (A B)t = At B t

5. (AC)t = C t At

6. Si k es un numero natural y m=n, entonces (Ak )t = (At )k .

Denicion 1.3.7. Matriz simetrica


Sea A = (aij )nn , se dice que A es una matriz simetrica si y solo si aij = aji
i, j = 1, 2, , n, esto es, A = At .

1.3. MATRICES ESPECIALES


22 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Una matriz A de orden n es simetrica si la primera la de A es igual a su primera


columna; la segunda la, igual a su segunda columna, y as sucesivamente.

Ejemplo 1.3.23

1 8 3 1 8 3
Si A = 8 5 6 , entonces At = 8 5 6 ,
3 6 5 3 6 5
observamos que A = At , por lo tanto, A es una matriz simetrica.
Denicion 1.3.8. Matriz antisimetrica
Sea A = (aij )nn , se dice que A es una matriz antisimetrica si y solo si aij = aji
i, j = 1, 2, , n, esto es, A=-At o At = A.
Una matriz A de orden n es antisimetrica si los elementos de la primera la de A dieren
de los elementos correspondiente de su primera columna unicamente en signo, y en forma
analoga ocurre con las demas las de A con respecto a las columnas correspondientes.
Note que todos los elementos de la diagonal principal de una matriz antisimetrica deben
ser cero.

Ejemplo 1.3.24

0 3 8 0 3 8
La matriz A = 3 0 6 es antisimetrica, ya que At = 3 0 6 = A
8 6 0 8 6 0
En los numeros reales, si el producto de dos numero es 1, se dice que uno es el inverso
multiplicativo del otro; extenderemos esta idea a matrices en la siguiente denicion.
Denicion 1.3.9. Matriz inversa
Sean A = (aij )nn y B = (bij )nn matrices con AB=BA=I; se dice que B es una inversa
de A (o A una inversa de B).
Cuando una matriz tiene inversa, se dice que la matriz es invertible.

Ejemplo 1.3.25
 
4 1 1 1
Si A = yB= , entonces B es inversa de A, ya que AB=BA=I2 .
3 1 3 4
Ejemplo 1.3.26


2
3
0 31
3 2 1

Una inversa de A = 6 5 4 es B = 0 13 2 , ya que AB = BA = I3 .
3
3 4 2
1 2
3
13

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 23

1.3.2 Propiedades de la matriz inversa


Teorema 1.3.2. Existencia de la matriz inversa
Sean A y B matrices de orden n tales que AB=In , entonces B es una inversa de A.

Si para dos matrices, A y B, de orden n el producto de ellas (en un sentido) da como


resultado la matriz identica, entonces la matriz B (A) es una inversa de A (B).

Teorema 1.3.3. Unicidad de la matriz inversa


Sean A, B y C matrices de orden n y tales que AB=AC=In , entonces B=C.
Denotamos la inversa de una matriz cuadrada A por A1 .

Este teorema muestra que la inversa de una matriz (si la tiene) es unica, por eso diremos
de aqu en adelante la inversa de la matriz A, y la denotamos por A1 . Observe que
este teorema no da un procedimiento para hallar la inversa de una mtriz.

Teorema 1.3.4. Sean A y B matrices invertibles de orden n y sean k un numero real


diferente de cero y p un numero entero, entonces:

1. (A1 )1 = A.

2. (At )1 = (A1 )t .

3. (kA)1 = k1 A1 .

4. (AB)1 = B 1 A1 .

5. (Ap )1 = (A1 )p .

A continuacion se presentan las operaciones elementales, que juegan un papel fundamental


en el proceso mediante el cual se puede hallar la inversa de una matriz, cuando esta existe.

1.3.3 Matrices elementales


Antes de denir matrices elementales es necesario hablar de algunas operaciones, llamadas
operaciones elementales, que se pueden realizar sobre las las y/o las columnas de una
matriz y no alteran el orden de estas, como las siguientes:

i) Sumarle a una la (o columna) i, k veces los resultados de la la j.

ii) Permutar dos las (o columnas) (i y j) cualesquiera en una matriz.

iii) Multiplicar una la (o columna) (i)por un escalar (k) distinto de cero.

Para las las utilizaremos las siguientes notaciones:

1. fij (k) sumarle a la la i, k veces la la j,

2. fij intercambiar la la i y la la j,

1.3. MATRICES ESPECIALES


24 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

3. fi (k) multiplicar la la i por k, k = 0, k R

Y para las columnas:

4. cij (k) sumarle a la columna i, k veces la columna j,

5. cij intercambiar la columna i y la columna j,

6. ci (k) multiplicar la columna i por k, k = 0, k R.

Asociadas a cada una de estas operaciones elementales existen unas matrices que tal
vez, por generarse de una matriz especial (la matriz identica) mediante una operacion
elemental reciben el nombre de matrices elementales. Antes de denirlas presentaremos
varias matrices elementales y otras que no lo son:

Ejemplo 1.3.27

 1 0 0  1 0 0 
2 0 1 0 5 0
, 1 1 0 , , 6 2 0 y
0 1 2 1 0 3
0 0 1 0 0 1
En este ejemplo solo las tres primeras matrices son elementales.
La primera matriz se obtiene al realizar la operacion elemental f1 (2) sobre I2 .
La segunda matriz se obtiene al realizar la operacion elemental, f21 (1) sobre I3 .
La tercera matriz se obtiene al realizar la operacion elemental f21 (2) sobre I2 .

Denicion 1.3.10. Matrices elementales


Sea A una matriz cuadrada, se dice que A es una matriz elemental si A se obtiene de la
matriz identica mediante una operacion elemental.

Denotamos las matrices elementales con la misma notacion de las operaciones elementales
que la originan, pero utilizando las letras F y C en vez de f y c, que se utilizaron en las
operaciones elementales.

Ejemplo 1.3.28

2 0
F1 (2) = = C1 (2),
0 1

1 0 0
F21 (4) = 4 1 0 = C12 (4)
0 0 1

Denicion 1.3.11. La matriz A es equivalente por renglones a la matriz B (y se denota


A B) si la matriz B se obtiene mediante una sucesion nita de operaciones elementales
de renglones realizadas sobre la matriz A.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 25

Propiedades de las matrices elementales


Teorema 1.3.5. Sea A una matriz de orden m n y E una matriz elemental de orden
m, entonces multiplicar por la izquierda de A por E para hallar la matriz producto EA es
equivalente a realizar sobre la matriz A la operacion elemental de la realizada sobre la
matriz identica Im para obtener E.

El siguiente ejemplo muestra una aplicacion del teorema sobre una matriz de orden 2.

Ejemplo 1.3.29

8 10
Dada la matriz A =
12 6
Si sobre la matriz A se efectua la operacion f2 (3), se obtiene la matriz B, esto es:
 
8 10 8 10
A= B=
12 6 36 18
f2 (3)
Ahora efectuamos sobre la matriz identidad del mismo tamano que A la misma
operacion hecha anteriormente sobre A, as:
 
1 0 1 0
I2 = E=
0 1 0 3
f2 (3)
Observe que EA = B.
  
1 0 8 10 8 10
EA = = = B.
0 3 12 6 36 18

Teorema 1.3.6. Si E es una matriz elemental, entonces E es invertible y su inversa es


tambien una matriz elemental.

Ejemplo 1.3.30
 
1 0 1 1 0
La inversa de la matriz elemental E = es E = , que tam-
0 3 0 31
bien es elemental, y se obtiene de la matriz identica mediante la operacion elemental
f2 ( 13 ).

Ejemplo 1.3.31
 
1 0 1 1 0
La inversa de la matriz elemental E = es E = , que tam-
2 1 2 1
bien es elemental, y se obtiene de la matriz identica mediante la operacion elemental
f21 (2).

1.3. MATRICES ESPECIALES


26 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Teorema 1.3.7. Si A es una matriz invertible de orden n n, entonces existen matrices


elementales E1 , E2 , . . . , Ep del mismo orden que la matriz A tales que Ep . . . E2 E1 A = In .

El teorema anterior muestra que al multiplicar la matriz E1 por la izquierda de la matriz


A, luego E2 por la izquierda de la matriz E1 A, y as sucesivamente hasta multiplicar
Ep por la izquierda de la matriz Ep1 . . . E2 E1 A, se obtiene la matriz identica. Podemos
observar, ademas, que el producto de las matrices elementales Ep . . . E2 E1 es la inversa de
A, que se puede obtener realizando las operaciones elementales asociadas a las matrices
E1 , E2 , . . . , Ep sobre la matriz In , de la siguiente manera: calcular E1 In , luego E2 por
E1 In , y as sucesivamente hasta multiplicar Ep por Ep1 . . . E2 E1 In , con lo cual se obtiene
la matriz inversa de A.
Basicamente lo que mostramos en esta observacion es que partiendo de (A|In ) mediante
operaciones elementales podemos llegar a (In |A1 ) si la matriz A es invertible; se tiene
as un procedimiento para hallar inversas o mostrar que no existe tal inversa.

Denicion 1.3.12. Matriz escalonada reducida por renglones


Sea A una matriz de orden m n, se dice que A esta en la forma escalonada reducida
por renglones si se cumplen las siguientes condiciones:

1. Si existen las nulas, estas deben estar en la parte inferior de la matriz.

2. El primer elemento no nulo de una la no nula debe ser la unidad (a este uno se le
conoce con el nombre de uno principal).

3. Si existen dos las no nulas, el uno principal de la la inferior debe estar a la derecha
del uno principal de la la superior.

4. Cada columna que contenga un uno principal tendra ceros en las demas posiciones.

Si en una matriz se cumplen solo las tres primeras condiciones, se dice que la matriz
esta en la forma escalonada por renglones.

Para transformar una matriz a escalonada reducida se utiliza un metodo llamado


Gauss-Jordan, que usa las operaciones elementales por renglones para lograr dicho
objetivo.

Ejemplo 1.3.32

Las siguientes matrices estan en la forma escalonada reducida por renglones:



1 0 0 0 0 1 0 1 
1 0 0 1
A = 0 1 0 0 , B = 0 0 1 0 y C =
0 1 2 0
0 0 0 1 0 0 0 0

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 27

Ejemplo 1.3.33

Las siguientes matrices no estan en la forma escalonada reducida por renglones:



0 0 0 0 0 2 0 1 0 1 0 1
A= 0 1 0 0 , B = 0 0 1 0 , C = 1 0 1 0 y
0 0 0 1 0 0 0 0 0 0 0 0

1 0 4
D= 0 1 0
0 0 1
La matriz A, por no tener la la de ceros en la parte inferior de la matriz; la matriz B,
por no ser el elemento de la primera la segunda columna igual a 1; la matriz C, por no
estar el uno principal de la segunda la a la derecha del uno principal de la primera la,
y la matriz D, porque siendo el uno de la tercera la un uno principal, el elemento de la
primera la y tercera columna no es igual a cero.

Ejemplo 1.3.34

1 0 0
Si A= 2 1 0 , calcule:
3 2 1
a) F32 (2)F31 (3)F21 (2)A

b) F32 (2)F31 (3)F21 (2).

Solucion
a)
1 0 0
F21 (2)A = 0 1 0
3 2 1

1 0 0
F31 (3)F21 (2)A = 0 1 0
0 2 1

1 0 0
F32 (2)F31 (3)F21 (2) A = 0 1 0
0 0 1

= I3 .

1.3. MATRICES ESPECIALES


28 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Si tomamos F32 (2)F31 (3)F21 (2) = B, entonces BA = I3 , y obtenemos que


B = A1 .

La solucion de este tem muestra como al aplicar una serie de operaciones


elementales sobre la matriz A (las operaciones elementales de las que generan
las matrices elementales), esta ha sido transformada en la matriz identidad, y al
aplicar las mismas operaciones de las sobre la matriz identidad, esta ha sido
transformada en la matriz inversa de A; lo cual sugiere que en este caso se use
una estructura matricial de la forma [A|I3 ] y aplicar sobre esta estructura las
operaciones elementales de las que se hicieron sobre la matriz, pero ahora tambien
sobre la matriz identidad hasta transformar en esta estructura a la matriz A en
la matriz identidad, es decir, convertir [A|I3 ] mediante operaciones elementales de
las en una estructura de la forma [I3 |B], donde la matriz B es precisamente la
matriz inversa de A, es decir, B = A1 .

b)
1 0 0
F21 (2) = 2 1 0
0 0 1

1 0 0
F31 (3)F21 (2) = 2 1 0
3 0 1

1 0 0
F32 (2)F31 (3)F21 (2) = 2 1 0
1 2 1

= B
Ejemplo 1.3.35

3 2 1
Si A = 2 3 1 ; halle la forma escalonada por renglones.
1 3 2

Solucion

3 2 1 1 3 2 f21 (2) 1 3 2
A= 2 3 1 2 3 1 0 3 3
1 3 2 f13 3 2 1 f31 (3) 0 7 5


1 3 2 f12 (3) 1 0 1 1 0 1
0 1 1 0 1 1 0 1 1
f2 ( 31 ) 0 7 5 f32 (7) 0 0 2 f3 ( 21 ) 0 0 1

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 29


f13 (1) 1 0 0
0 1 0
f23 (1) 0 0 1

Ejemplo 1.3.36

3 6 3
Si A = 2 3 1 , halle la forma escalonada por renglones.
1 3 2

Solucion

3 6 3 1 3 2 f21 (2) 1 3 2
A= 2 3 1 2 3 1 0 3 3
1 3 2 f13 3 6 3 f31 (3) 0 3 3


1 3 2 f12 (3) 1 0 1
0 1 1 0 1 1
1
f2 ( 3 ) 0 3 3 f32 (3) 0 0 0

Ejemplo 1.3.37

1 2 1
Dada la matriz A = 2 1 1 , calcule:
1 1 2

1. A2

2. ( 41 A)1

Solucion

1. Como A2 = A1 A1 , hallaremos inicialmente A1 utilizando el procedimiento


mencionado en el tem a) del ejemplo 1.3.3:

1 2 1 1 0 0 f21 (2) 1 2 1 1 0 0
(A | I3 ) = 2 1 1 0 1 0 0 3 1 2 1 0
1 1 2 0 0 1 f31 (1) 0 1 1 1 0 1

1 2 1 1 0 0 f12 (2) 1 0 11 3 2 8
0 1 5 2 1 4 0 1 5 2 1 4
f23 (4) 0 1 1 1 0 1 f32 (1) 0 0 4 1 1 3

1.3. MATRICES ESPECIALES


30 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro


1 0 0 41 34 14
1 0 11 3 2 8
f (11)
0 1 5 2 1 4 13 0 1 0 3
14 14
4
f3 ( 14 ) 0 0 1 41 41 3
4 f23 (5)
0 0 1 14 14 3
4

14 34 41
1 3 1
1
A1 =

3
4
14 41
= 4
3 1 1
1 1 3
14 14 3
4

1 3 1 1 3 1
1 1
A2 = A1 A1 = 3 1 1 3 1 1
4 4
1 1 3 1 1 3

11 5 5
A2 1
= 16 5 11 5
5 5 11

2. Dado que
1 1
(KA)1 = A ,
K
entonces
 1 1 3 1
1
A = 4A1 = 3 1 1
4
1 1 3
Ejemplo 1.3.38

1 2 3
Dada la matriz A = 4 5 6 , demuestre, utilizando operaciones elementales
7 8 9
de las, que la matriz A no es invertible.

Solucion

Para ellos es suciente mostrar que la matriz [A|I3 ], al llevarla a su forma escalo-
nada reducida por renglones no es una matriz de la forma [I3 |B], es decir, la matriz A no
puede mediante operaciones elementales de las ser transformada en la matriz identidad.

Utilizando el procedimiento aplicado en el tem a) del ejemplo anterior se tiene


que

1 2 3 1 0 0 f21 (4) 1 2 3 1 0 0
(A | I3 ) = 4 5 6 0 1 0 0 3 6 4 1 0
7 8 9 0 0 1 f31 (7) 0 6 12 7 0 1

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 31


1 2 3 1 0 0 1 2 3 1 0 0
0 3 6 4 1 0 0 1 2 4
13 0
3
f32 (2) 0 0 0 1 2 1 f2 ( 31 ) 0 0 0 1 2 1

1 0 1 53 2
3
0


0 1 2 4
3 0
1
3
f12 (2)
0 0 0 1 2 1
Como se puede observar en la matriz anterior, la forma escalonada reducida de la matriz
A no es la matriz identidad de orden 3, por lo tanto, la matriz A no es invertible.

En este caso no era necesario aplicar las operaciones elementales sobre la matriz
[A|I3 ], si no sobre la matriz A; sin embargo, cuando se utiliza esta estructura [A|I3 ] y la
matriz A es invertible, entonces mediante este procedimiento, ademas de determinar que
la matriz es invertible, se halla automaticamente la inversa de la matriz A.

Ejemplo 1.3.39

Problema de aplicacion matricial (mensaje secreto)

Un mensaje secreto puede codicarse por medio de un codigo numerico y una ma-
triz que realice la codicacion del mensaje; a esta matriz se le conoce con el nombre de
matriz de codicacion; la codicacion puede hacerse asignandole a cada letra del alfabeto
un numero, lo mismo que a cada signo de puntuacion; por ejemplo, una codicacion
podra ser as:

A B C D E F G H I J K L M N O P Q R S
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
T U V W X Y Z , . ?
20 21 22 23 24 25 26 27 28 29 30 31

Como se puede observar en la tabla anterior, lo que se establece es una relacion biyectiva
entre cada letra o signo de puntuacion con cada uno de los 31 numeros en la tabla. Por
ejemplo, si estamos interesados en codicar la siguiente frase: COLOMBIA ES PASION, con la
tabla anterior la codicacion sera: 3 15 12 15 13 2 9 1 31 5 19 31 16 1 19 9 15 14

Se podra tambien establecer una relacion sobreyectiva con cada letra o signo de
puntuacion y un conjunto de numeros de la siguiente manera; por ejemplo, si a la letra
A se le asigna en la tabla anterior (de 31 numeros) el numero 1, entonces a esta letra en
esta nueva relacion se le podra asignar los numeros 31k+ 1, siendo k un numero entero;
en general, a cada letra o signo de puntuacion le corresponde en esta codicacion un
conjunto de numeros de la forma 30k + p, siendo p = 1, ..., 30 y k un numero entero. En
la tabla siguiente se muestra un ejemplo de codicacion con estas caractersticas.

1.3. MATRICES ESPECIALES


32 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Cuadro 1.1: Tabla de codicacion


A B C D E F G H I J
31k+ 1 31k+2 31k+ 3 31k+4 31k+ 5 31k+ 6 31k+ 7 31k+ 8 31k+ 9 31k+ 10

K L M N O P Q R S T
31k+ 11 31k+ 12 31k+ 13 31k+ 14 31k+ 15 31k+ 16 31k+ 17 31k+ 18 31k+ 19 31k+20

U V W X Y Z , . ?
31k+ 21 31k+ 22 31k+ 23 31k+ 24 31k+ 25 31k+ 26 31k+ 27 31k+ 28 31k+29 31k+30

Espacio en blanco
31k+31

Con esta tabla de codicacion el mensaje podra ser escrito en forma general de la
siguiente manera:

31k+3 31k+15 31k+12 31k+15 31k+13 31k+2 31k+9 31k+1 31k+31 31k+5 31k+19
31k+31 31k+16 31k+1 31k+19 31k+9 31k+15 31k+14,

siendo k en cada una de las posiciones cualquier numero entero, de tal forma que
el mensaje anterior puede expresarse, por ejemplo, as:

31(1)+3 31(3)+15 31(4)+12 31(6)+15 31(10)+13 31(2)+2 31(20)+9 31(21)+1 31(7)+31


31(8)+5 31(2)+19 31(3)+31 31(6)+16 31(4)+1 31(5)+19 31(2)+9 31(8)+15 31(-8)+14

o de manera simplicada as:

35 108 136 201 323 64 629 652 248 253 81 124 202 125 174 71 263 -234

Si la matriz de codicacion es de orden 3, por ejemplo, la siguiente:



1 6 10
C= 1 4 7
2 3 6

entonces la frase codicada mediante una matriz M (matriz del mensaje codicado) debe
tener 3 las para que la matriz de codicacion C pueda ser multiplicada por la izquierda
de la matriz de mensaje codicado M o tener esta matriz 3 columnas para que la matriz de
codicacion C pueda ser multiplicada por la derecha de la matriz de mensaje codicado
M, y obtener as una matriz del mensaje encriptado, como se muestra en el siguiente
ejemplo:
Si
3 15 9 5 16 9
M = 15 13 1 19 1 15
12 2 31 31 19 14
entonces la matriz de mensaje encriptado es

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 33


1 6 10 3 15 9 5 16 9
CM = 1 4 7 15 13 1 19 1 15
2 3 6 12 2 31 31 19 14

213 113 325 429 212 239
= 147 81 230 298 153 167
123 81 207 253 149 147
Para recuperar el mensaje es suciente con hallar la inversa de la matriz de codicacion C
y multiplicarla, en este caso, por la izquierda de la matriz del mensaje encriptado (CM).
Como la inversa de la matriz C es

3 6 2
C 1 = 8 14 3
5 9 2
y as obtener nuevamente la matriz de mensaje codicado M.

Finalmente identicar cada numero de la matriz de mensaje codicado M con la


letra o signo correspondiente de acuerdo con la codicacion asignada, y as leer el
mensaje original, que en este caso es: COLOMBIA ES PASION.

Es conveniente decir que si no se hace una buena eleccion de la matriz de codicacion, el


mensaje podra llegar distorsionado. Algo que garantice obtener el mensaje original sin
distorsion podra ser que la matriz de codicacion y su inversa sean ambas de numeros
enteros; resultado que puede funcionar cuando la matriz de codicacion tiene determinante
igual a mas o menos 1. El tema de determinante de una matriz sera abordado en el
siguiente captulo.
Denicion 1.3.13. Rango de una matriz
Sea A una matriz de tamano mn. El rango de la matriz A , denotado rank(A), se dene
como el numero de renglones no nulos de la matriz en la forma escalonada reducida por
renglones que se obtiene de la matriz A.

Ejemplo 1.3.40

Del ejemplo 1.3.22 se obtiene que rank(A) = 2, porque la forma escalonada reducida de
A por renglones tienes dos las no nulas.

1.4 Ejercicios y problemas


1. Escriba tres matrices (A, B C) no cuadradas tales que el producto ABC exista y
sea de tamano mnimo 3 por 2. Verique, tomando como ejemplo las tres matrices
(A, B, C), que se cumple la propiedad asociativa de la multiplicacion de matrices,
esto es, (AB)C =A(BC).

1.4. EJERCICIOS Y PROBLEMAS


34 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

2. Encuentre las componentes de la matriz F = (fij ) si F t es de tamano 2 4 y


fij = i j. Explique.
3. Encuentre las componentes de la matriz G = (gij ) si Gt es de tamano 4 2, donde
gij = i + j. Explique.
4. Sean D y E matrices de 2 2. Se cumple siempre la igualdad D2 E 2 =
(D E) (D + E)? Explique en forma clara y precisa su respuesta. Recuerde que
D2 = D D.
5. Construya dos matrices de 2 2 que no sean invertibles y que su suma s lo sea.
Calcule la inversa de la matriz suma obtenida. Justique su respuesta.
6. Determine si la transpuesta de una matriz triangular inferior es de forma escalonada
por las. Justique su respuesta.
7. Una pequena empresa utiliza tres tipos de materia prima: I, II y III, con distintas
caractersticas, para la elaboracion de hojas de block en dos tamanos diferentes,
carta y ocio. La capacidad de produccion (en miles) en su planta de Las Flores
esta dada por la matriz C; la capacidad de produccion (en miles) en su planta de
Soledad esta dada por la matriz D.
I II III I II III
   
Carta 4 3 2 Carta 2 3 5
= C, =D
Ocio 6 2 5 Ocio 1 4 3
a) Cual es la capacidad de produccion total en las dos plantas?
Explique.
b) Si la empresa decide incrementar su produccion en la planta de Soledad en un
40 %, cual sera la nueva produccion en esta planta? Explique.
c) Suponga que la planta de Las Flores produce (en miles) 15 unidades de tamano
carta y 10 unidades de ocio a la semana. Cual es el consumo semanal de la
materia prima III? Explique.
d ) Si los costos por unidad (en dolares) para I, II y III son 10, 12 y 6,
respectivamente, cuales son los costos de las materias primas por unidad para
elaborar el papel de tamano ocio? Justique su respuesta.
8. Calcule las matrices B y B 1 si
 t  1  t
1 1 7 0 2 3 0
B = .
3 0 3 5 0 2

9. Para que valor(es) de k la matriz A no es invertible? Justique su respuesta.



k 3 2
A= .
2 k 2

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 35

10. Sean E y F matrices del mismo tamano Se cumple siempre la igualdad

(E F )2 = E 2 2EF + F 2 ?

Justique su respuesta.
Recuerde que E 2 = E E.

11. Sean A y B matrices cuadradas del mismo tamano tales que AB = BA. Demuestre
que A2 B 3 = B 3 A2 .
Recuerde que A2 = A A y B 3 = B B B. Justique su respuesta.

12. Sea k un escalar distinto de cero. Demuestre que la matriz A = kIn es invertible.
Encuentre su inversa. Justique su respuesta.

13. Dada la matriz


 1 
3 t 3 1
B =
4 2 3

Halle las matrices B y B 1 . Justique su procedimiento.

14. Carlos es un familiar mo que vive desde hace mucho tiempo en USA y desea venir
a Colombia a uno de los partidos de la eliminatoria del Mundial de Futboll que se
jugara en Brasil en 2014; su esposa Anabella, que no es colombiana y preocupada
por algunos mensajes que se leen en la prensa sobre la ola de inseguridad en el pas,
me enva el siguiente mensaje encriptado en una matriz de orden 3 21.
La primera la de la matriz del mensaje es:
168 119 288 113 367 377 171 436 270 205 158 325 527 279 95 325 336 169 293 224
399;
la segunda la es:
109 84 171 59 251 239 101 276 181 117 109 222 341 185 75 227 211 101 185 130 243
y la tercera la es:
119 85 199 76 262 266 119 307 192 140 113 232 372 197 70 233 235 118 206 155 279.

Si la matriz de codicacion es

1 6 10
C= 2 3 6
1 4 7

y la tabla de codicacion es la dada en los ejemplos anteriores, responda las siguientes


preguntas.

a) Cual es mi nombre?
b) Que me dice Anabella en el mensaje?

1.4. EJERCICIOS Y PROBLEMAS


Algebra lineal aplicada a las Ciencias Economicas 37

1.5 Actividades
Existen herramientas para hacer computos numericos en muchos campos de las
matematicas, y uno de los programas mas utilizados para tal hecho es el Matlab.

Con el uso de computadores podemos comprender o fortalecer los conceptos basicos del
algebra lineal, apoyando as el aprendizaje y la ensenanza de las matematicas.

A continuacion presentamos, en hojas desprendibles, una serie de talleres que el estudian-


te debe desarrollar usando el programa Matlab; en ellos describimos el tema que se
desarrollara, los objetivos y tiempo de ejecucion de dichas actividades; ademas, incluye
los comandos que el estudiante debera usar durante esta practica.

El estudiante debera entregar en un medio magnetico el archivo desarrollado en Matlab


y su correspondiente impresion.

La actividad 1 tiene como objetivo principal conocer algunos aspectos importantes


en el manejo del Matlab, pero jamas debe tomarse como manual de dicho programa.

1.5. ACTIVIDADES
Algebra lineal aplicada a las Ciencias Economicas 39

Actividad 1

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:

Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Introduccion al Matlab
Objetivos: Conocer algunos comandos propios del Matlab y el uso de la ayuda de dicho
programa.
Tiempo: 1 hora.
Instrumento: Matlab.
Para iniciar una seccion en Matlab, en el menu inicio seleccione program, luego seleccione
el Matlab que tenga disponible.
O tambien, si en el escritorio de Windows esta disponible el acceso directo a
dicho programa identicado; por ejemplo, con un icono como el de la gura

coloque el puntero del raton sobre el y haga doble clic con el boton derecho.
En cualquiera de las dos opciones obtendra la ventana que muestra

Prompt: f x >> | (Las instrucciones se introducen al Matlab escribiendo despues de >>


Menu: ver gura siguiente.

1.5. ACTIVIDADES
40 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Folder actual: detalla los nombres.


Detalles: Seleccione un archivo para ver detalles.

En la ventana inicial de Matlab, los datos introducidos por el usuario se escriben al


lado derecho del prompt; si desea que Matlab no le muestre el dato introducido cuando
presione la tecla enter, teclee punto y coma despues de introducir la instruccion.

A menudo surgira en el desarrollo de las actividades la pregunta como buscar ayuda?

Presione la tecla F1 e inmediatamente se abrira una ventana en la cual puede escoger el


link MATLAB, y as obtener ayuda en general o de algun comando en particular.

Los datos en Matlab se pueden mostrar en diferente forma; por ejemplo, en el prompt
escriba a=2.1234567; (teclear punto y coma) y luego presione enter; esta accion asigna
a la variable a el valor indicado y, aunque los pone en la memoria, no muestra la variable
ni el valor asignado.

Se puede asignar un formato para los numeros; por ejemplo:


short Fixed-point format with 5 digits.
shortE Floating-point format with 5 digits.
long Scaled fixed-point format with 15 digits.
longE Floating-point format with 15 digits.
rat Approximation by ratio of small integers.

El comando format short muestra el objeto con 5 dgitos; por ejemplo, el numero pi
es mostrado como 3.1416, mientras que el format long muestra el numero pi como
3.141592653589793 y single(pi) como 3.1415927.

Escriba en el prompt >>format rat y presione enter; luego escriba en el prompt a=pi y
obtendra una aproximacion del numero pi en racional.

Escriba en el prompt >>format short y presione enter; luego escriba en el prompt ans
y presione enter:

Describa aqu el resultado mostrado por Matlab

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 41

Escriba en el prompt >>format long y presione enter; luego escriba en el prompt ans y
presione enter:

Describa aqu el resultado mostrado por Matlab

Escriba en el prompt >>format longE y presione enter; luego escriba en el prompt ans:

Describa aqu el resultado mostrado por Matlab

Si desea limpiar la pantalla, use el comando CLC, y si quiere borrar los datos de la
memoria, use CLEAR.

En cada uno de los talleres cada grupo debe grabar el archivo con un nombre; por ejemplo,
Act1g1, que signica actividad 1 del grupo 1.

1.5. ACTIVIDADES
Algebra lineal aplicada a las Ciencias Economicas 43

Actividad 2

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:

Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Creacion de matrices
Objetivos: Conocer como introducir matrices y el uso de funciones propias del Matlab
aplicables a matrices.
Tiempo: 1 hora.
Fecha: segun decision del profesor.
Instrumento: Matlab.

Comandos usados en este taller


size(A): muestra el tamano de la matriz A.
Codicacion de matrices en Matlab.

Para introducir una matriz en Matlab escribimos:


A = [1, 2, 3; 4, 5, 6; 7, 8, 9; 10, 11, 12]: es una matriz llamada A, que tiene 4 las y 3
columnas y se visualiza as:
A=

1 2 3
4 5 6

7 8 9
10 11 12

Como notamos en el ejemplo anterior, la codicacion de matrices en Matlab comienza


por [, a continuacion escribimos la primera la con valores separados por comas o
espacio; segunda la con valores separados por comas;...; ultima la con valores separados

1.5. ACTIVIDADES
44 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

por comas y, por ultimo, ]; notemos que cada la, excepto la ultima, termina con un
punto y coma (;).

Ejemplo:
La matriz B=[1;4;7;10]
se visualiza as:
B=

1
4

7
10

En el primer ejemplo, para visualizar el elemento de la matriz A que esta en la la 2,


columna 3, escribimos A(2,3), luego presionamos enter, y el resultado de ejecutar dicho
comando es 6.

Para visualizar la tercera columna de A escribimos A(:,3), y el resultado de ejecutar dicho


comando es:

3
6

9
12

Y para visualizar la la 2 escribimos el comando A(2,:), y el resultado de ejecutar dicho


comando es:
 
4 5 6

Problemas propuestos:

1. Introduzca las siguientes matrices en Matlab:



5 5 6
4 3 1
A=
7 5 9
1 2 7

5 12 13 4
4 15 6 54

B=
37 84 0 98
33 21 22 7

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 45


14 23 46 41 28
64 55 21 34 24
C=
78 77 55 42 11
34 47 62 33 34

33 21 33 44
54 85 32 95
D=
73 26 95 78
32 44 42 63

y ejecute las siguientes instrucciones, tal como se muestra en el ejemplo siguiente.

Si queremos hallar la segunda la de la matriz A usando el programa Matlab, se


debe proceder de la siguiente manera:
Comando: A(2,:).
 
Resultado: 4 3 1 .
Interpretacion: Matlab nos muestra la segunda la de la matriz A.

a) Halle la segunda la de la matriz A:

Comando: .

Resultado: .

Interpretacion: .
b) Halle la tercera columna de B:

Comando: .

Resultado: .

Interpretacion: .
c) Halle el elemento ubicado en la la 3, columna 4 de la matriz C:

Comando: .

Resultado: .

Interpretacion: .
d ) Cuantas las tiene la matriz B?

1.5. ACTIVIDADES
46 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Comando: .

Resultado: .

Interpretacion: .
e) Cuantas columnas tiene la matriz A?

Comando: .

Resultado: .

Interpretacion: .
Cual es el tamano de la matriz C?

Comandos: .

Resultado: .

Interpretacion: .

f ) Cuales matrices son cuadradas?

Comandos: .

Resultado: .

Interpretacion: .

g) Escriba cat(2,B,D).
Describa aqu el resultado mostrado por Matlab
en terminos de las matrices B y D

h) Escriba cat(1,B,D).
Describa aqu el resultado mostrado por Matlab
en terminos de las matrices B y D

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 47

Observando directamente las matrices A, B, C y D, escriba aqu


los elementos en la diagonal de cada una de las matrices anteriores.
A
i)
B
C
D

Use ahora en el prompt de Matlab diag(A), diag(B), diag(C), diag(D).


Escriba aqu los resultados obtenidos de Matlab.
A
B
C
D
y luego compare sus respuestas con las de Matlab.
. .

j ) El siguiente programa en Matlab detecta cuantas operaciones de adicion,


multiplicacion y numero total de operaciones internas debemos hacer para
multiplicar dos matrices.

Escriba en el prompt de Matlab las instrucciones siguientes (sea cuidadoso al


transcribir):

f=input(numero de las de la primera matriz= );c=input(numero de colum-


nas de la primera matriz= );co=input(numero de columnas de la segunda ma-
triz= ); opmul=f*c*co;opsum=f*c*(co-1);optot=opmul+opsum;clc;disp([Mul-
tiplicaciones = ,num2str(opmul)]);disp([Sumas= ,num2str(opsum)]);disp([To-
tal op= ,num2str(optot)])

Presione enter y siga las instrucciones mostradas en la pantalla.

Por ejemplo, si A es de tamano 6 7 y B es de tamano 710, entonces debe


responder a las instrucciones de Matlab as:
Numero de las de la primera matriz = 6
Numero de columnas de la primera matriz = 7
Numero de columnas de la segunda matriz = 10
Se obtiene como respuesta de Matlab
opmult=
420
opsum=

1.5. ACTIVIDADES
48 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

378
optot=
798

k ) Si A es una matriz de tamano 53 y B es otra matriz de 32, cuantas


adiciones y productos deben hacerse para hallar AB?, cuantas operaciones
en total? .

l ) Si A es una matriz de tamano 1532 y B es otra matriz de 3228, cuantas


adiciones y productos deben hacerse para hallar AB?, cuantas operaciones
en total? .

m) Si A es una matriz de tamano 1125 y B es otra matriz de 2576, cuantas


adiciones y productos deben hacerse para hallar AB?, cuantas operaciones
en total? .

n) Si A es una matriz de tamano 53 y B es otra matriz de 152, cuantas


adiciones y productos deben hacerse para hallar AB?, cuantas operaciones
en total? .

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 49

Actividad 3

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:

Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Matrices con estructura especca


Objetivo: vericar propiedades de las matrices.
Tiempo: 1 hora.
Fecha: segun decision del profesor.
Instrumento: Matlab.

Las siguientes instrucciones se usan para generar matrices con estructura especca:
eye(n): genera la matriz identidad de orden n.
eye(m,n): genera la matriz compuesta exclusivamente de unos en la diagonal principal y
ceros en las demas posiciones con orden m n.
ones(n): genera la matriz compuesta exclusivamente de unos de orden n.
ones(m, n): genera matriz compuesta exclusivamente de unos de orden m n.
zeros(n):genera matriz compuesta exclusivamente de ceros de orden n.
zeros(m, n): genera matriz compuesta exclusivamente de ceros de orden m n.
A: genera la transpuesta de la matriz A.
A+B: suma las matrices A y B del mismo orden.
A*B: halla el producto de las matrices A y B, si esto es posible.
A-B: halla la diferencia de las matrices A y B.
1. Ejemplo: para generar una matriz de tamano 35, que tiene el numero 1 en todas
sus posiciones, introduzcamos la instruccion ones(3,5), con lo cual obtendremos:

1 1 1 1 1
1 1 1 1 1
1 1 1 1 1

1.5. ACTIVIDADES
50 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

2. Introduzca las matrices siguientes:

a)
1 1 1 1 1
1 1 1 1 1

1 1 1 1 1

1 1 1 1 1

1 1 1 1 1
1 1 1 1 1
Comando: .
Interpretacion: .
b)
1 1 1 1 1
1
1 1 1 1

1 1 1 1 1
1 1 1 1 1
Comando: .
Interpretacion: .
c)
1 1 1
1 1 1

1 1 1

1 1 1

1 1 1
1 1 1
Comando: .
Interpretacion: .
d)
1 0 0 0 0
0 1 0 0 0

0 0 1 0 0

0 0 0 1 0
0 0 0 0 1
Comando: .
Interpretacion: .

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 51

e)
1 0 0 0 0
0 1 0 0 0

0 0 1 0 0

0 0 0 1 0
0 0 0 0 1
Comando: .
Interpretacion: .
f)
0 0 0 0 0
0 0 0 0 0

0 0 0 0 0

0 0 0 0 0
0 0 0 0 0
Comando: .
Interpretacion: .
g)
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
Comando: .
Interpretacion: .
h) 
0 0 0 0 0
0 0 0 0 0
Comando: .
Interpretacion: .
i)
0 0 0
0 0 0

0 0 0

0 0 0
0 0 0
Comando: .
Interpretacion: .
j)
1 1 1 1 1
1 1 1 1 1

1 1 1 1 1
1 1 1 1 1

1.5. ACTIVIDADES
52 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Comando: .
Interpretacion: .
k)

1 0 0 0 0
0 1 0 0 0
0 0 1 0 0

Comando: .
Interpretacion: .

3. Dadas las tres matrices siguientes:



1 3 4 2
5 7 1 2

A=
1 6 4 9
3 1 1 5

2 1 1 2
9 1 1 2

B=
7 3 9 6
4 1 2 5

1 4 7 2
1 1 8 4 ,
C=
7 2 9 7
1 2 2 3

. . . . . . . .
. . . .

. . . .

a) Halle A+B = B+A=
. . . . . . . .
. . . . . . . .
Compare los resultados obtenidos. .

. . . . . . . .
. . . .
(A+B)+C=
. . . .

b) Halle A+(B+C) = . . . . . . . .
. . . . . . . .
Compare los resultados obtenidos. .

. . . .
. . . .
c) Halle A+04x4 =
. . . .
. . . .
Que matriz es este resultado? .

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 53


. . . .
. . . .
d ) Halle 04x4 +A
. . . .
. . . .
Que matriz es este resultado? .

. . . .
e) Halle 03x4 A= . . . .
. . . .
Que matriz es este resultado? .

. . . .
. . . .
f ) Halle A+A =
. . . .
. . . .
Que nombre recibe, por su caracterstica, la matriz resultante de este
ejercicio? .

. . . .
. . . .

g) Halle A-A=
. . . .
. . . .
Que nombre recibe, segun su caracterstica, la matriz resultante de este
ejercicio? .

. . . . . . . .
. . . . . . . .
h) Halle AB = BA=
. . . . . . . .
. . . . . . . .
Compare los resultados obtenidos .

. . . . . . . .
. . . . . . . .
i ) Halle A(B+C) =
. . . . AB+AC= . . . .
. . . . . . . .
Compare los resultados obtenidos .

. . . . . . . .
. . . .
j ) Halle A(BC) = (AB)C= . . . .
. . . . . . . .
. . . . . . . .
Compare los resultados .

1.5. ACTIVIDADES
Algebra lineal aplicada a las Ciencias Economicas 55

Actividad 4

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:
Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Inversa de matrices
Objetivo: vericar los teoremas relativos a inversas de matrices.
Tiempo: 1 hora.
Fecha: segun decision del profesor.
Instrumento: Matlab.
rref(A): transforma la matriz A a la forma escalonada reducida por las.
inv(A): halla la inversa de la matriz A.
1. Transforme las matrices siguientes a la forma escalonada reducida usando rref y
observando el resultado mostrado por Matlab; establezca si la matriz tiene o no
inversa. Justique su respuesta.
 
1 4 2 . . .
a) A = rref(A) =
4 2 3 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:


4 3 2 . . .
b) B = 1 7 4 rref(B) = . . .
2 6 2 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:

1.5. ACTIVIDADES
56 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro


7 4 3 . . .
c) C = 2 4 9 rref(C) = . . .
7 4 9 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:


1 3 2 . . .
d ) D = 4 7 1 rref(D) = . . .
2 4 9 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:


3 4 2 . . .
e) E = 5 7 5 rref(E) = . . .
2 4 2 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:

 
3 4 2 . . .
f) F = rref(F ) =
5 7 5 . . .
Tiene inversa? S [ ] No[ ]

Justicacion de la respuesta:

2. a) Escriba cat(2,A,eyes(n)), donde n es el numero de las de la matriz A; luego


use rref(ans)
y responda
la pregunta.
1 3 2
A = 4 7 1
2 4 9
Es esta matriz invertible? S [ ] No[ ]
. . .
Si la respuesta es s, escriba la inversa a continuacion . . .
. . .
Que interpretacion le da al resultado de Matlab?

b) Escriba cat(2,B,eyes(n)), donde n es el numero de las de la matriz B, luego


use rref(ans) y responda la pregunta.

CAPITULO 1. MATRICES
Algebra lineal aplicada a las Ciencias Economicas 57


2 4 2
1 1 6
B=
1 3 9
4 1 2
Es esta matriz invertible? S [ ] No[ ]
. . .
. . .

Si la respuesta es s, escriba la inversa a continuacion
. . .
. . .
Que interpretacion le da al resultado de Matlab?

c) Escriba cat(2,C,eyes(n)), donde n es el numero de las de la matriz C, luego


use rref(ans)
y responda la pregunta.
51 14 71
C = 14 51 81
13 12 22
Es esta matriz invertible? S [ ] No[ ]
. . .
Si la respuesta es s, escriba la inversa a continuacion . . .
. . .
Que interpretacion le da al resultado de Matlab?

3. Dadas las tres matrices del ejercicio anterior: A, B y C, escriba el comando en


Matlab para las siguientes instrucciones:

a) La transpuesta de la inversa de la primera matriz.


Comando: .
b) La inversa de la transpuesta de la primera matriz.
Comando:. Se verica la igualdad en los dos resultados anteriores? S [ ]
No[ ]

c) La inversa de la inversa de la tercera matriz.


Comando: . Que transformacion logro en la matriz escogida?
d ) La inversa del producto de dos matrices anteriores.
Comando: .
e) Inversa de dos veces cualquiera de las matrices anteriores.
Comando: .
f ) Inversa de la suma de dos de las matrices anteriores.
Comando: .
g) Inversa de la transpuesta del producto de una matriz por su transpuesta.
Comando: .

1.5. ACTIVIDADES
58 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

4. Halle una matriz A, si existe, dado que:

a)
1 1 1
(2A)1 = 4 5 1 ,
1 2 2
b)
2 3 1
1 
A = 4 5 2 ,
2
1 1 2
c)
2 3 1
1
( A) = 4 5 2
2
1 1 2

CAPITULO 1. MATRICES
Captulo 2
Determinantes

2.1 Introduccion
Es frecuente que describamos algunas caractersticas que distinguen a una matriz o a la
relacion entre varias matrices por medio de algunos numeros que se asocian a una matriz.
Es evidente que una regla que asocie a cada matriz un numero concreto denira una
funcion de valores numericos de las matrices. Una de las funciones con valores numericos
mas importante entre las que se denen para las matrices cuadradas es la funcion
determinante. Esta funcion ha sido objeto de estudio por mas de 200 anos. El hecho mas
asombroso de la historia de los determinantes es que este concepto de determinantese
haya adelantado mas o menos 100 anos al concepto de matriz1 .

2.2 Determinante de una matriz cuadrada


Denicion 2.2.1. Sea n un numero natural, se dene el factorial de n (denotado n!) as:
n! = 1 2 . . . n.

Ejemplo 2.2.41

2! = 1 2,
3! = 1 2 3
El 2! nos indica que existen dos formas distintas de ordenar un par de elementos; si
denotamos con 1 el primer elemento y con dos el segundo, estos elementos podramos
ordenarlos as:
12 y 21
A cada una de estas ordenaciones se le conoce con el nombre de permutacion.

El 3! nos indica que existen 6 formas distintas de ordenar tres elementos; si deno-
tamos con 1 el primer elemento, con 2 el segundo y con 3 el tercer elemento, entonces las
diferentes ordenaciones para esos tres elementos son:
1
[5] Marcus, M. y Minc H. Elementos de algebra lineal, editorial Limusa, 1978.

59
60 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

123

132
213
231
321
312

En general, n! nos indica que existen 12 n formas distintas de ordenar n elementos


distintos.

Denicion 2.2.2. Se dice que en una permutacion existe una inversion si un numero
precede a otro menor que el.

Ejemplo 2.2.42

En la permutacion
1
32
existe una inversion, pues el 3 precede a 2, que es menor que el.

Ejemplo 2.2.43

En la permutacion
14523,
para llevarla al orden natural (0 inversiones), el 5 debe hacer dos saltos hacia la derecha y
luego el 4 tambien dos saltos hacia la derecha. En total, para llevar la permutacion 14523
al orden natural hay que realizar 4 inversiones (saltos).

Denicion 2.2.3. Se dice que una permutacion es par si y solo si el numero de


inversiones que hay en ella es par; si el numero de inversiones es impar, se dice que
la permutacion es impar.

Ejemplo 2.2.44

La permutacion
12534
es par porque el numero de inversiones para llevarla al orden natural es dos. Hay que
llevar a 5 hasta su posicion natural (dos inversiones).

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 61

Ejemplo 2.2.45

La permutacion
324516
es impar, ya que al llevar a 5 hasta su posicion natural hay una inversion, para el 4 hay
una inversion, para el 3 hay dos inversiones y, por ultimo, para el 2 hay una inversion;
as que el numero total de inversiones que hay sobre esta permutacion es 5.

Denicion 2.2.4. Funcion signo. Sea j1 j2 ...jn una permutacion de los n primeros
numeros naturales, se dene la funcion signo j1 j2 ...jn as

1 si la permutacion j1 j2 ...jn es par
j1 j2 ...jn = (2.1)
1 si la permutacion j1 j2 ...jn es impar

Ejemplo 2.2.46

Como la permutacion
324516
es impar, entonces 324516 = 1.

Denicion 2.2.5. Sean A una matriz cuadrada de orden n, j1 j2 ...jn una permutacion
de los n primeros numeros naturales, sea Sn el conjunto de todas estas permutaciones y
a1j1 a2j2 ...anjn un producto de elementos de A, se dene el determinante de A, denotado
det(A), as:

det(A) = j1 j2 ...jn a1j1 a2j2 ...anjn
j1 j2 ...jn Sn

donde la suma recorre todas las permutaciones del conjunto {1,2,...,n}.

Notemos que en la denicion anterior en cada producto elemental solo hay un elemento
de cada la y de cada columna de la matriz A.

Ejemplo 2.2.47
 
Si A = aij 22
, calcule det(A). Como la matriz A es de orden 2, entonces

det(A) = j1 j2 a1j1 a2j2
j1 j2 S2

y las permutaciones son:

j 1 j2

2.2. DETERMINANTE DE UNA MATRIZ CUADRADA


62 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

12
21
En la primera permutacion j1 =1 y j2 =2; en la segunda permutacion j1 = 2 y j2 =1.
Como unicamente hay dos permutaciones, eso implica que la suma anterior tiene solo dos
terminos, o sea que
det(A) = 12 a11 a22 + 21 a12 a12
 
1 1

12 =1 porque 12 es una permutacion


 par, y 21 =-1 por ser 21 una permutacion impar,
 a11 a12 
por lo que det(A) =   = a11 a22 a12 a21 .
a21 a22 
Observemos que el determinante de una matriz de 2 2 se puede obtener restandole al
producto de la diagonal principal el producto de la diagonal secundaria (a12 , a21 ).

Ejemplo 2.2.48

a11 a12 a13
Si A = a21 a22 a23 ,
a31 a32 a33
entonces el

det(A) = j1 j2 j3 a1j1 a2j2 a3j3 = 123 a11 a22 a33 + 132 a11 a23 a32
 
j1 j2 j3 S3 1 1

+ 213 a12 a21 a33 + 231 a12 a23 a31 + 312 a13 a21 a32 + 321 a13 a22 a31
   
1 1 1 1

= a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 .

En particular, si
6 5 4
A = 5 4 3 ,
2 4 7
entonces

det(A) = 6(4)(7) 6(3)(4) 5(5)(7) + 5(3)(2) + 4(5)(4) 4(4)(2) = 1.

Observemos que en cada termino de la suma el primer subndice de las aes esta en el or-
den natural (123) y el segundo subndice de las mismas esta en el orden de la permutacion.

Es facil ver que el calculo del determinante de una matriz utilizando la denicion
es, en general, algo tedioso cuando el orden de la matriz es mayor que 3. Desarrollaremos
una serie de propiedades que reduciran sensiblemente el trabajo del calculo para hallar
el determinante.

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 63

Antes de desarrollar estas propiedades intente responder estas preguntas:


a) Cuantas inversiones hay que realizar si se intercambian dos numeros consecutivos en
una permutacion? .
b) Que tipo de permutacion se obtiene? .

2.2.1 Propiedades de los determinantes


A continuacion presentaremos algunas propiedades de los determinantes.

Teorema 2.2.1. Si A es una matriz de tamano n n, con una la (o columna) de


ceros, entonces det(A) = 0.

Demostracion 1

Si una la (columna) esta compuesta exclusivamente de ceros, en cada termino


de
det(A) = j1 j2 ...jn a1j1 a2j2 ...anjn
j1 j2 ...jn Sn

hay un elemento de esa la (columna) compuesta exclusivamente de ceros, entonces cada


termino de esa sumatoria es cero y, por lo tanto, det(A) = 0.

Teorema 2.2.2. Si A es una matriz triangular (superior o inferior) de tamano n n,


entonces el det(A) es igual al producto de los elementos de su diagonal principal.

Recordemos que una matriz diagonal es una matriz triangular, entonces el det(A) es igual
al producto de los elementos de su diagonal principal, como lo indica el teorema anterior.

Teorema 2.2.3. Si A es una matriz de tamano n n, y

1. B se obtiene de A al sumarle a una la (columna) un multiplo escalar de otra,


entonces det(B)= det(A).

2. B se obtiene de A al multiplicar una la (columna) por un escalar k, entonces


det(B)=k det(A).

3. B se obtiene de A al intercambiar dos las (columnas) cualesquiera, entonces


det(B)= - det(A).

Teorema 2.2.4. Si A es una matriz de tamano n n, con una la (columna) que es un


multiplo escalar de otra la (columna), entonces det(A) = 0.

Recordemos que cuando el multiplo escalar en el teorema anterior es 1 se tienen dos las
(o columnas) iguales, entonces det(A) = 0.

2.2. DETERMINANTE DE UNA MATRIZ CUADRADA


64 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Teorema 2.2.5. Si A es una matriz de tamano n n, entonces

1. det(kA) = k n det(A).

2. det(At )=det(A).

Ejemplo 2.2.49

Si
2 4 2
A = 0 0 0 ,
1 3 9
entonces det(A) = 0. Compruebelo utilizando la denicion de det(A). Tambien es valido
si lo que tenemos es una columna de ceros; por ejemplo, si

2 4 0
A = 3 4 0 ,
1 3 0

entonces det(A) = 0.

Ejemplo 2.2.50

Si
2 4 1
A = 2 4 1 ,
1 3 3
entonces  
 2 4 1 
 
det(A) =  2 4 1  = 0,

 1 3 3 
ya que las dos primeras las son iguales. Utilice la denicion de determinante para
comprobarlo.
Obtenemos el mismo resultado si la matriz cuadrada tiene dos columnas iguales; por
ejemplo, si
2 1 1
A = 4 1 1 ,
1 3 3
 
 2 1 1 
 
entonces  4 1 1  = 0, ya que las dos ultimas columnas son iguales.
 1 3 3 

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 65

Ejemplo 2.2.51
 
 2 4 7 
 
 4 8 14  = 0,
 
 1 3 3 

porque al multiplicar la primera la por 2 tendramos un determinante con dos las


iguales; y por la propiedad anterior, este determinante sera igual a cero.

Ejemplo 2.2.52

Sea
2 6 7
A = 0 3 8 ,
0 0 5
entonces  
 2 6 7 
 
det(A) =  0 3 8  = (2)(3)(5) = 30,
 0 0 5 
por ser A una matriz triangular superior.

Ejemplo 2.2.53

Sea
2 0 0
A = 0 3 0 ,
0 0 5
entonces  
 2 0 0 
 
det(A) =  0 3 0  = (2)(3)(5) = 30,

 0 0 5 
por ser A una matriz diagonal.

Ejemplo 2.2.54

Sea  
 4 6 7 
 
|A| =  5 4 3  = 3,

 8 7 6 

es facil vericar que  


 
 t  4 5 8 
A  =  6 4 7  = 3
 
 7 3 6 

2.2. DETERMINANTE DE UNA MATRIZ CUADRADA


66 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 2.2.55

Si
6 5 4 6 5 4
A= 5 4 3 y B= 5 4 3 ,
2 4 7 26+2 25+4 24+7
entonces
   
 6 5 4   6 5 4 
   
det(B) =  5 4 3 = 5 4 3
 
 = 1,

 26+2 25+4 24+7   2 4 7 

ya que al sumarle a la tercera la de B 2 veces la primera obtenemos nuevamente


 6 5 4 
 
det(A) =  5 4 3  = 1.

 2 4 7 

Ejemplo 2.2.56

 
 4 6 7 
 
 5 4 3  = 3
 
 8 7 6 

Al multiplicar la la 2 por -4 y sumar su resultado a los elementos correspondientes de la


la 3 obtenemos  
 4 6 7 

 5 4 3  = 3

 12 9 6 

Ejemplo 2.2.57

Si  
 2 4 1 
 
det(A) = |A| =  3 4 5  = 5,

 1 3 3 
entonces el determinante de la matriz B, que se obtiene al multiplicar, por ejemplo, la
segunda la de A por dos, es:

   
 2 4 1   2 4 1 
   
|B| =  2(3) 2(4) 2(5)  =  6 8 10  = 10
 1 3 3   1 3 3 

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 67

 
 2 4 1 
 
|B| = 2  3 4 5  = 2|A| = 2(5) = 10

 1 3 3 

Ejemplo 2.2.58

Si
6 5 4
A = 5 4 3 y k = 2,
2 4 7
entonces la matriz

26 25 24 12 10 8
2A = 2 5 2 4 2 3 = 10 8 6
22 24 27 4 8 14

y su determinante
   
 12 10 8   26 25 24 
   
|2A| =  10 8 6 = 25 24 23 ,
  
 4 8 14   22 24 27 

aplicando el teorema 2.2.5, tem 1, obtenemos


 
 6 5 4 
 
|2A| = 2(2)(2)  5 4 3  = 2 2 2 (1) = 8
 2 4 7 

Ejemplo 2.2.59

Sea  
 2 4 1 
 
 3 4 5  = 5,
 
 1 3 3 

al intercambiar las las 2 y 3 obtenemos


 
 2 4 1 
 
 1 3 3 =5
 
 3 4 5 

Teorema 2.2.6. Si A y B son matrices cuadradas del mismo orden, entonces el det(AB)=
det(A) det(B).

2.2. DETERMINANTE DE UNA MATRIZ CUADRADA


68 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 2.2.60

Dadas las matrices



6 6 5 9 7 6 121 92 75
A= 4 3 8 y B = 7 5 4 , entonces AB = 97 75 60 ,
7 6 5 5 4 3 130 99 81
por lo que det(AB) = 66.
   
 6 6 5   9 7 6 
   
De otro lado, det(A) =  4 3 8  = 33 y det(B) =  7 5 4  = 2, entonces

 7 6 5   5 4 3 
det(A) det(B) = 33 2 = 66, con lo que se verica que det(AB)=det(A)det(B).
Teorema 2.2.7. Si A es una matriz cuadrada, A es no singular (inversible) si solo si
det(A) es diferente de cero.

Ejemplo 2.2.61

4 3 2
Sea A = 7 6 5 Esta matriz es inversible y su inversa es
4 5 4

1
6
1
3
1
2
4
43 1
3
11
6
4
3
12
En virtud del teorema anterior, el determinante de A es diferente de cero. Es facil ver que
 
 4 3 2 
 
det(A) =  7 6 5  = 6
 4 5 4 

Teorema 2.2.8. Si A es una matriz cuadrada regular (invertible), entonces el


1
det(A1 ) =
det(A)
Ejemplo 2.2.62
2
9 8 7 3 2
3
1
Dada la matriz A = 6 5 4 , su inversa viene dada por A1 = 0 1 2 , y
  3 2 2 1 2 1
 9 8 7 
 
det(A) =  6 5 4  = 3;
 3 2 2 
aplicando el teorema anterior obtenemos que det(A1 ) = det(A)
1 1
= 3 = 31 .

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 69

No siempre se cumplen los siguientes resultados:

1. det(A + B) = det(A) + det(B).  


1 2 3 1
Verifquelo con las matrices A = y B= .
2 5 1 3

2. det(kA) = k det(A). 
3 1
Verifquelo con la matriz A = y k = 3.
2 2

Teorema 2.2.9. Sean A, B y C matrices de tamano n n. Supongamos que A, B y


C dieren unicamente en una sola la (o columna); por ejemplo, la la (o columna ) i.
Supongamos tambien que es posible obtener la la (o columna) i de la matriz C al sumar
los elementos correspondientes de las las (o columnas) de A y B. Entonces
det(C) = det(A) + det(B).

Ejemplo 2.2.63

2 4 5 3 6 1 2+3 4+6 5+1
Si A = 1 0 7 , B = 1 0 7 y C= 1 0 7
8 10 9 8 10 9 8 10 9
veriquemos que det(C)=det(A)+det(B).

Hallamos inicialmente

2 4 5 3 6 1
det(A) + det(B) = det 1 0 7 + det 1 0 7
8 10 9 8 10 9

=(0+50+224-0-140-36)+(0+10+336-0-210-54)=98+82=180

Hallamos ahora

2+3 4+6 5+1 5 10 6
det(C) = det 1 0 7 = det 1 0 7 = 0+60+560035090 = 180
8 10 9 8 10 9

Los resultados obtenidos son iguales.

El siguiente metodo, llamado Regla de Sarrus, es valido unicamente para calcular el deter-
minantes de matrices de tres por tres.

Por denicion de determinante, si A = (aij )33 , entonces

det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a31 a22 a13 a32 a23 a11 a33 a21 a12 .

2.2. DETERMINANTE DE UNA MATRIZ CUADRADA


70 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Escribamos el determinante de A y agreguemosle sus dos primeras columnas a la derecha,


como se ilustra a continuacion:


AAAAA

AAAAA 

AAAAA




Cuando calculamos los seis productos elementales anteponemos el signo menos a los
productos con las echas hacia arriba, el signo mas a los productos con echas hacia
abajo y sumamos. Esto da el determinante de A.

Este metodo tambien es valido si en vez de agregar las dos primeras columnas de
la matriz se agregan las dos primeras las.

Ejemplo 2.2.64

2 4 5
Calcular 1 0 7 usando la Regla de Sarrus.
2 3 1








det(A) = (2)(0)(1) + (4)(7)(2) + (5)(1)(3) (2)(0)(5) (3)(7)(2) (1)(1)(4) = 87.

Hasta ahora hemos calculado el determinante de una matriz sin reducir el orden del
determinante de la matriz. Ahora enunciaremos una propiedad mediante la cual se puede
calcular el determinante de una matriz A reduciendolo a un determinante de orden uno
menos que el orden del determinante de A. Para ello desarrollaremos inicialmente los
conceptos basicos necesarios para la aplicacion de tal procedimiento.

Las propiedades mencionadas hasta ahora para calcular el determinante se pueden


combinar para convertir el determinante de una matriz cuadrada no triangular en el
determinante de una matriz triangular (superior o inferior) y, de esta forma, aplicar
posteriormente la propiedad 9; en algunos casos este procedimiento es de gran utilidad.

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 71

2.3 Desarrollo del determinante por cofactores


Denicion 2.3.1. Sea A = (aij )nn y sea Mij la submatriz de orden (n 1) (n 1) que
se obtiene de A al eliminar la la i y la columna j de A, se dene el menor del elemento
aij de A como det(Mij )

Denicion 2.3.2. Sea A = (aij )nn , se dene el adjunto ( o cofactor ) del elemento aij
de A (denotado ij ) as:
ij = (1)i+j det(Mij )

Observacion 2.3.2

Recordemos que i, j N

i+j 1 si i + j es par
(1) =
1 si i + j es impar

Teorema 2.3.1. Sea A = (aij )nn , entonces el determinante de la matriz A desarrollado


por la la i es


n
det(A) = ai1 i1 + ai2 i2 + ... + ain in = aij ij , i = 1, ..., n
j=1

Y el desarrollo del mismo determinante de A por la columna j es


n
det(A) = a1j 1j + a2j 2j + ... + anj nj = aij ij , j = 1, ..., n
i=1

donde ij es el cofactor del elemento de la la i columna j de A.

Ejemplo 2.3.65

Determinante de una matriz de 2 2.


Sea A = (aij ) una matriz de 2 2, det(A) o |A|; por cofactores es
 
 a11 a12 
 
 a21 a22  = a11 a22 a21 a12

Ejemplo 2.3.66

Determinante de una matriz de 3 3.


Sea A = (aij ) una matriz de 3 3; el desarrollo del determinante, utilizando los cofactores

2.3. DESARROLLO DEL DETERMINANTE POR COFACTORES


72 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

de los elementos de la primera la, es


 
 a11 a12 a13       
  a a     
 a21 a22 
a23  = a11  22 23  a12  a21 a23  + a13  a21 a22 
 a32 a33   a31 a33   a31 a32 
 a31 a32 a33 

Utilizando de manera combinada las propiedades de los determinantes mencionadas


inicialmente con la propiedad de los cofactores es posible reducir el orden y el numero de
cofactores por calcular cuando se quiere hallar el determinante de una matriz, como en
el siguiente ejemplo.

Ejemplo 2.3.67

Si
1 2 2
A = 2 1 1 ,
1 1 2
calcule el det(A).

Solucion

   
 1 2 2  f21 (2)  1 2 2 
  
det(A) =  2 1 1  =  0 3 3  = 1 11 + 0 21 + 0 31 ,
  
 1 1 2  f31 (1)  0 1 0 
esto utilizando las operaciones elementales de las del captulo anterior y los cofactores
de la primera columna de la matriz A, entonces
 

1+1  3 3 

det(A) = 1 11 = 11 = (1)  = 3
1 0 

Denicion 2.3.3. Matriz de cofactores


Sea A = (aij ) una matriz de n n. Denimos la matriz de cofactores de la matriz A como
aquella matriz C, de orden n n, cuyos elementos son los cofactores de los elementos
correspondientes de la matriz A, es decir,

C = (ij )nn .

Denicion 2.3.4. Matriz adjunta


Sea A = (aij ) una matriz de n n. Denimos la matriz adjunta de A (denotada adj( A))
como la transpuesta de la matriz de cofactores, es decir,

adj(A) = C t ,

donde C es la matriz de cofactores de la matriz A.

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 73

Ejemplo 2.3.68

1 2 2
Sea A = 2 1 1 , halle la matriz adj(A).
1 1 2
Solucion

Hallamos inicialmente todos los cofactores de los elementos de la matriz A uti-


lizando la siguiente formula:

ij = (1)i+j det(Mij ),
 
 1 1 
1+1
11 = (1) det(M11 ) = det(M11 ) =   ,
1 2 
que se obtiene eliminando la primera la y primera columna de A.
 
 2 1 
11 = 1, 12 = (1)1+2   = 3,
1 2 
   

1+3  2 1 
  
2+1  2 2 
13 = (1)   = 1, 21 = (1)  = 2,
1 1 1 2 
   

2+2  1 2 
  
2+3  1 2 
22 = (1)   = 0, 23 = (1)  = 1,
1 2 1 1 
   

3+1  2 2 
  
3+2  1 2 
31 = (1)  = 0, = (1)  2 1 =3y
1 1  32
 
 1 2 
33 = (1)3+3   = 3,
2 1 
la matriz de cofactores C viene dada as:

11 12 13 1 3 1
C = 21 22 23 = 2 0 1 ,
31 32 33 0 3 3
entonces la matriz
1 2 0
adj(A) = C t = 3 0 3
1 1 3
Teorema 2.3.2. Sea A = (aij ) una matriz de n n, entonces
A (adj(A)) = det A In ,
donde In es la matriz identica de tamano n n.
Teorema 2.3.3. Sea A = (aij ) una matriz de n n invertible, entonces
1
A1 = (adj(A))
det A

2.3. DESARROLLO DEL DETERMINANTE POR COFACTORES


74 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 2.3.69

Sea
1 2 2
A = 2 1 1 , calcule A1
1 1 2

Solucion

De los resultados obtenidos en los ejemplos anteriores sabemos que




1 2 0 1/3 2/3 0
1 1
adj(A) = 3 0 3 = 1 0 1
det(A) 3
1 1 3 1/3 1/3 1
Compruebe que efectivamente esta matriz es la matriz inversa de A; basta multiplicar
la matriz anterior por la matriz A y ver que el resultado es la matriz identica de orden tres.

Ejemplo 2.3.70

1 2 2 3
2 1 1 4
, calcule el determinante de A.
Dada la matriz A =
1 1 2 5
1 1 2 6
Para calcular el determinante de la matriz A utilizaremos en este caso las opera-
ciones elementales de las y columnas presentadas en el captulo conjuntamente con las
propiedades estudiadas en este captulo.

Antes de comenzar con el calculo vale la pena hacer algunas precisiones en relacion con
las operaciones elementales fi (k) y cj (K), ya que en este captulo fi (k) denotara extraer
de la la i como factor comun el numero real k; en forma analoga, cj (k) denotara extraer
de la columna j como factor comun el numero real k.

Solucion
   
 1 2 2 3  1  2 2 3 
  f21 (2) 
 2 1 1 4  0 3 3 2 

det(A) =   = 
1 1 2 5  
0 1 0 2 
  f31 (1), f41 (1) 
 1 1 2 6  
0 1 0 3 
   
 1 2 2 3   1 2 2 3 
f23 (3)   
0 0 3 8   0 1 0 2 
=   =  = (1)(1)(3)(1) = 3,
 0 1 0 2  0 0 3 8 
f43 (1)   f23 
0 0 0 1   0 0 0 1 

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 75

por ser la matriz


1 2 2 3
0 1
0 2

0 0 3 8
0 0 0 1
triangular superior, por lo que su determinante es igual al producto de los elementos de
su diagonal principal, por lo tanto, el det(A)=-3.

2.4 Ejercicios
1. Si A y B son matrices de orden 2, halle una expresion en terminos del
det(A) y det(B) para las siguientes expresiones:
 1 
a) det 21 At B 1
 t 
b) det 25 B t A1 B

2. Consideremos las matrices A y B de orden 4 4 y supongamos que det(A) = 5,


det(B) = 8. Encuentre los siguientes determinantes:

a) det(AB)
b) det(ABt )
c) det(AB1 )
d ) det((AB)1 )
e) det(At Bt )
f ) det(8A)
g) det((3A)(4 B))

3. Si A es una matriz antisimetrica de n n, n impar, muestre que det(A) = 0.

4. Sea A una matriz de n n tal que A2 = A. Cuales son los posibles valores del
det(A)? Explique.

5. Encuentre adj(C t ) sin calcular la matriz C. Donde



1 2 3
C 1 = 2 5 3
1 0 8

Justique sus pasos.

2.4. EJERCICIOS
76 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

6. Si
1 2 3
A = C 1 = 2 5 3
1 0 8
y f (x) = 3x2 + 2x + 3, calcule det( f(A)).

2.4.1 Autoevaluacion 1
1. Calcule det(A) y det (B) utilizando reduccion en los renglones si

0 2 5 0
b + c c + a b + a
3 4 0 7 ,
A= Bt = a b c
1 0 4 3
1 1 1
1 1 5 0

2. Con ejemplos numericos verique cada una de las propiedades de los determinantes
mencionadas anteriormente.

3. Si A es una matriz antisimetrica de n n, donde n es impar, muestre en forma


general que det (A) = 0.
 
 k6 0
 0 
4. Halle los valores de k para los cuales  0 k 1  = 0
 0 4 k4 

5. Sea A una matriz de n n tal que A2 = A. Cuales son los posibles valores de
det(A)? Explique.

6. Mencione las propiedades utilizadas para demostrar que


   
 a1 + 2b1 a2 + 2b2 a3 + 2b3   a1 a2 a3 
   
 b b b  =  b1 b2 b3 
 1 2 3   
 c1 c2 c3   c1 c2 c3 

7. Sea A la matriz denida en el ejercicio 1. Encuentre adj( A) y verique la igualdad


dada en el teorema 2.3.3.

8. Sea
0 2 5 0
3 4 0 7
,
A=
1 0 4 3
1 1 5 0
calcule det(A) utilizando el desarrollo por cofactores por la

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 77

a) la 1
b) columna 2
c) la 3
d ) columna 4
e) la 2
f ) columna 1

Compare las respuestas. Puede calcular el det(A) utilizando la regla de Sarrus?


Explique.

9. Sea
4 2 5
B = 2 0 1 ,
1 3 7
calcule det(B) utilizando el desarrollo por cofactores por la

a) la 2
b) columna 3
c) la 3
d ) columna 1
e) la 1
f ) columna 2

y tambien utilizando la regla de Sarrus. Compare las respuestas.

2.4.2 Autoevaluacion 2
1. Para cada una de las siguientes proposiciones coloque en el rectangulo de la derecha
V si esta es verdadera y F si es falsa. Justique su respuesta.

a) Si el det(A)=det(B), entonces las matrices A y B son iguales .

b) Si A es una matriz cuadrada, entonces el det(A1 ) = 1


det(A)
.

c) Si A es una matriz cuadrada tal que det(adj(A))=0, entonces det(A)=0 .

d ) Si A y B son matrices del mismo orden, entonces


det(A+B)=det(A)+det(B) .

2.4. EJERCICIOS
78 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

e) Si A y B son matrices orden n, entonces det(AB)=det(A) det(B) .

f ) Si A y B son matrices de orden m n y n m, respectivamente, entonces


det(AB)=det(BA) .

g) Si A y B son matrices cuadradas del mismo orden, entonces det((A + B)2 )


= (det(A + B))2 .

2. Construya una matriz de orden cuatro que cumpla con las siguientes condiciones:

3
a) Su determinante sea igual a 2
.

b) Su tercera y cuarta columna sean



2 5
4 2

1 y 3 ,
0 2

respectivamente.

3. Si
3 2 3
A = 2 3 3 ,
3 2 3
calcule det(adj( 35 A)).

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 79

2.5 Actividades
Actividad 5

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:

Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Determinante de una matriz cuadrada


Objetivo: vericar las propiedades relativas a determinantes de matrices cuadradas.
Tiempo: 1 hora.
Fecha: segun decision del profesor.
Instrumento: Matlab.
Comandos usados:
Det(A): Calcula el determinante de la matriz A.
A: halla la transpuesta de la matriz A.

1. Escriba una matriz con las caractersticas indicadas en cada inciso y halle su
determinante:

a) 2 2 con
una la de ceros.
. .
. .
Determinante de la matriz= .
b) 3 3 con
una la de ceros.
. . .
. . .
. . .
Determinante de la matriz= .

2.5. ACTIVIDADES
80 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

4 4 con una
c) la de ceros.
. . . .
. . . .

. . . . .
. . . .
Determinante de la matriz= .
d ) 5 5 con una la
de ceros.
. . . . .
. . . . .

. . . . . .

. . . . .
. . . . .
Determinante de la matriz= .

Escriba una conjetura a partir de los ejemplos anteriores.


Conjetura:

2. Escriba una matriz con las caractersticas indicadas en cada inciso y halle su
determinante:

a) 2 2 con
dos las iguales.
. .
.
. .
Determinante de la matriz= .
Escriba
matriz de 3 3 con dos las iguales y halle su determinante:
una
. . .
. . . .
. . .
Determinante de la matriz= .
b) 4 4 con doslas iguales.
. . . .
. . . .

. . . . .
. . . .
Determinante de la matriz= .

Escriba una conjetura a partir de los ejemplos anteriores.


Conjetura:
.

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 81

3. Escriba una matriz con las caractersticas indicadas en cada inciso y halle su
determinante:

2 2 cualquiera.
a) 
. .
.
. .
Determinante de la matriz= .
Halle
 la transpuesta de la matriz anterior y luego halle su determinante.
. .
.
. .
Determinante de la transpuesta = .

b) 3 3 cualquiera.

. . .
. . . .
. . .
Determinante de la matriz= .
Halle
la transpuesta
de la matriz anterior y luego halle su determinante.
. . .
. . . .
. . .
Determinante de la transpuesta= .

c) 4 4 y hallesu determinante.
. . . .
. . . .

. . . . .
. . . .
Determinante de la matriz= .
Halle
la transpuesta
de la matriz anterior y luego halle su determinante.
. . . .
. . . .

. . . . .
. . . .
Determinante de la matriz= .

Escriba una conjetura a partir de los ejemplos anteriores.


Conjetura:

2.5. ACTIVIDADES
82 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

4. Escriba una matriz con las caractersticas indicadas en cada inciso y halle su
determinante.
2 2 triangular
a)  superior.
. .
.
. .
Determinante de la matriz = .

b) 3 3 triangular
superior.
. . .
. . . .
. . .
Determinante de la matriz= .

c) 4 4 triangular
superior.
. . . .
. . . .

. . . . .
. . . .
Determinante de la matriz= .
Escriba una conjetura a partir de los ejemplos anteriores.
Conjetura:

.
5. Dada las siguientes matrices, halle sus determinantes:

19 38 57 26 45
21 27 16 3
2 7 6 45 24 53 24 56
51 41 23 91
A = 5 4 3 B = C = 26 43 28 15 43
21 27 19 23
2 7 9 19 83 72 16 90
12 24 32 57
12 18 22 26 10
det(A)= det(B)= det(C)= .
6. Dada la siguiente matriz

1 1 1 1
a b c d
2 2 2 2 ,
a b c d
a3 b3 c3 d3
verique si su determinante tiene como resultado la siguiente expresion:
(d-c)(d-b)(d-a)(c-b)(c-a)(b-a).

CAPITULO 2. DETERMINANTES
Algebra lineal aplicada a las Ciencias Economicas 83

7. Dada la siguiente matriz



1 x x
x 1 x ,
x x 1
demuestre que su determinante es (1 + 2x)(1 x)2 .

2.5. ACTIVIDADES
Captulo 3
Sistemas de ecuaciones lineales

3.1 Introduccion
Las ecuaciones lineales, que son generalizaciones de ecuaciones de rectas en el plano xy,
tienen diversas aplicaciones en el campo economico, tales como el analisis de problemas
de insumo produccion en economa, punto de equilibrio del mercado en administracion,
etc. Debido a sus multiples aplicaciones en el campo economico, son un tema obligado en
cualquier curso de algebra lineal, sin importar el campo economico de aplicacion.

Una ecuacion lineal en las variables (incognitas) x y y es aquella de la forma

ax + by = c,

donde a, b, c son constantes en R.

Es decir, para que una ecuacion en dos variables sea lineal se deben cumplir las siguientes
condiciones:

Cada termino de la ecuacion esta formado por una constante (coeciente) y una
variable (incognita) con exponente uno, excepto el termino independiente (c), por
ejemplo: ax o by, o es un termino conformado solo por una constante; a este termino
se le conoce como termino independiente.

Las variables no pueden aparecer como argumento para funciones trigonometricas,


logartmicas o exponenciales, entre otras.

En un termino de la ecuacion no pueden aparecer multiplicadas entre s dos o mas


variables.

3.2 Ecuacion lineal


En terminos generales, una ecuacion lineal en n variables puede ser denida de la siguiente
manera:

85
86 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Denicion 3.2.1. Una ecuacion lineal en las variables x1 , x2 , ..., xn es una ecuacion de
la forma
a1 x1 + a2 x2 + ... + an xn = b1
donde las constantes a1 , a2 , ..., an R son los coecientes de las incognitas x1 , x2 , ..., xn ,
y el numero real b1 es llamado termino independiente.

Notemos que cada termino distinto del termino independiente en la ecuacion lineal consta
de un coeciente real ai y solo una incognita xi con exponente 1.

Ejemplo 3.2.71

3x1 + x2 + x3 = 9 es una ecuacion lineal en tres variables.

Ejemplo 3.2.72

3x1 x2 + x3 = 6 no es una ecuacion lineal en tres variables, ya que hay un termino


que tiene el producto de dos incognitas.

Indique la razon por la cual las siguientes ecuaciones no son lineales:

3x1 x2 + x3 = 7
Justicacion: .

(3x1 + x2 )x3 = 3
Justicacion: .

3sen(x1 ) + x2 = 8
Justicacion: .

3x1 2 + x2 = 15
Justicacion: .

x1 log(x2 ) = 23
Justicacion: .
1 1
= 12
x1 x2
Justicacion: .

Denicion 3.2.2. La sucesion ordenada nita s1 , s2 , . . . , sn de numeros reales es una


solucion de la ecuacion lineal a1 x1 + a2 x2 + ... + an xn = b si a1 s1 + a2 s2 + ... + an sn = b
es un enunciado verdadero.

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 87

Ejemplo 3.2.73

La sucesion 1, 2, 1 es solucion de la ecuacion x1 + 3x2 + x3 = 8, porque la susti-


tucion de x1 , x2 y x3 por 1,2,1, respectivamente, nos conduce al enunciado verdadero
1 + 3(2) + 1 = 8.

Ejemplo 3.2.74

La sucesion 1, 2, 3 no es solucion de la ecuacion x1 + 3x2 + x3 = 8, ya que la


sustitucion 1 + 3 2 + 3 = 8 es un enunciado falso. La graca de una ecuacion lineal en
dos o en tres variables es una lnea recta o un plano, respectivamente, si los coecientes
de las variables no son simultaneamente iguales a cero.
Denamos ahora sistemas de ecuaciones lineales.

3.3 Sistemas de ecuaciones lineales


Denicion 3.3.1. Un sistema de ecuaciones lineales es un conjunto nito de ecuaciones
lineales en las mismas variables. Si las variables son x1 , x2 , . . . , xn , entonces escribiremos
el sistema de tamano m n en la forma
a1,1 x1 + a1,2 x2 + a1,3 x3 + ... + a1,n xn = b1
a2,1 x1 + a2,2 x2 + a2,3 x3 + ... + a2,n xn = b2
..
. (I)
am,1 x1 + am,2 x2 + am,3 x3 + ... + am,n xn = bm ,
con aij , bi R, para i=1,...,m y j=1,...,n; aij , bi constantes.
Presentamos a continuacion ejemplos de sistemas de ecuaciones lineales.

Ejemplo 3.3.75

El siguiente sistema es de tamano 3 3 (tres ecuaciones y tres incognitas)


3x1 + 5x2 + 2x3 = 19
2x1 + 3x2 + 4x3 = 16
1
8x1 3x2 + x3 = 3
3

Ejemplo 3.3.76

El siguiente sistema es de tamano 3 2 (tres ecuaciones y dos incognitas):


3x1 + 5x2 = 19
2x1 + 3x2 = 16
5x1 + 3x2 = 3

3.3. SISTEMAS DE ECUACIONES LINEALES


88 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 3.3.77

Es el siguiente un sistema de ecuaciones lineales?Si lo es, de que tamano?


3x1 + 5x2 + 2x3 = 19
2x1 + 3x2 + 4x3 = 16
0x1 + 0x2 + 0x3 = 0

3.3.1 Conjunto solucion de un sistema


de ecuaciones lineales
Denicion 3.3.2. La sucesion nita s1 , s2 , . . . , sn de numeros reales es una solucion del
sistema (I) si es una solucion de cada una de las m ecuaciones lineales del sistema.
Al conjunto de todas las soluciones de un sistema de ecuaciones lineales se le llama
conjunto solucion del sistema.

Ejemplo 3.3.78

El par 3, -1 es la unica solucion del sistema


x1 + x2 = 2
x 1 x2 = 4
Compruebelo geometricamente:
3 + (1) = 2 y
3 (1) = 4
son enunciados verdaderos.

Ejemplo 3.3.79

La terna (1, 2, 3) es una solucion del sistema


3x1 + 5x2 + 2x3 = 19
2x1 + 3x2 + 4x3 = 16
1
8x1 3x2 + x3 = 3
3
porque la sustitucion x1 , x2 y x3 por 1,2 y 3, respectivamente, nos conduce a los tres
siguientes enunciados verdaderos:
3 1 + 5 2 + 2 3 = 19,
2 1 + 3 2 + 4 3 = 16 y
1
8132+ 3=3
3

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 89

Ejemplo 3.3.80

La terna (1, 2, 5) no es una solucion del sistema

3x1 + 5x2 + 2x3 = 19


2x1 + 3x2 + 4x3 = 16
1
8x1 3x2 + x3 = 3
3
porque la sustitucion de x1 , x2 y x3 por 1,2 y 5, respectivamente, produce los siguientes
resultados:
3 1 + 5 2 + 2 5 = 19,
2 1 + 3 2 + 4 5 = 16 y
1
8 1 3 2 + 5 = 3,
3
en los cuales se observa que los tres enunciados son falsos.

Ejemplo 3.3.81

El sistema
3x1 + 5x2 = 19
2x1 + 3x2 = 16
0x1 + 0x2 = 3
no tiene solucion, porque ningun par de numeros reales satisface la ultima ecuacion.

Ejemplo 3.3.82

El sistema
3x1 + 5x2 = 19
6x1 + 10x2 = 38
0x1 + 0x2 = 0
tiene innitas soluciones, debido a que todo par de numeros reales satisface la tercera
ecuacion; y todo par de numeros reales que satisface la primera satisface la segunda, y
viceversa, porque una ecuacion es un multiplo constante de la otra y la primera tiene
19 5a
como solucion x1 = y x2 = a, con a R. Los ejemplos anteriores ilustran los
3
distintos tipos de soluciones en un sistema de ecuaciones lineales. El teorema siguiente
apunta en esa direccion.
Teorema 3.3.1. Dado un sistema de ecuaciones lineales, entonces:
1. el sistema tiene solucion unica,
2. el sistema tiene innita soluciones, o
3. el sistema no tiene solucion.

3.3. SISTEMAS DE ECUACIONES LINEALES


90 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

En los dos primeros casos decimos que el sistema es consistente e inconsistente en el


tercer caso.

La demostracion de este teorema se hara despues de sistemas equivalentes.

3.3.2 Matrices asociadas a un sistema de ecuaciones lineales


El sistema (I) puede escribirse como una ecuacion matricial as:

AX = B,

donde la matriz
a11 a12 a1n
a21 a22 a2n

A= .. .. ..
. . .
am1 am2 amn mn

esta formada por todos los coecientes de las variables del sistema; esta matriz es llamada
matriz de coecientes, la matriz

x1
x2

X = ..
.
xn n1

que contiene todas las variables del mismo sistema y la matriz de los terminos
independientes
b1
b2

B = ..
.
bm m1

Llamaremos matriz aumentada (o ampliada) del sistema (I) a la matriz



a11 a12 a1n b1
a21 a22 a2n b2

(A|B) = .. .. .. .. (II)
. . . .
am1 am2 amn bm

Todo sistema de ecuaciones lineales tiene asociada una matriz aumentada, y viceversa.

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 91

Ejemplo 3.3.83

La matriz aumentada del sistema


5x1 + 6x2 + 8x3 = 77
2x1 + 4x2 + 3x3 = 38
4x1 + 2x2 + 5x3 = 42
es
5 6 8 77
2 4 3 38
4 2 5 42

Ejemplo 3.3.84

La matriz aumentada del sistema


5x1 + 6x2 + 8x3 = 77
2x1 + 4x2 + 3x3 = 38
4x1 + 2x2 + 5x3 = 42
5x2 + 9x3 = 53
es
5 6 8 77
2 4 3 38

4 2 5 42
0 5 9 53
El siguiente ejemplo muestra que a partir de una matriz aumentada podemos construir
un sistema asociado a esa matriz.

Ejemplo 3.3.85

El sistema asociado a la matriz aumentada



15 36 48 77
52 34
23 38

47 24 56 42
31 52 94 53
es
15x + 36y + 48z = 77
52x + 34y + 23z = 38
47x + 24y + 56z = 42
31x + 52y + 94z = 53

3.3. SISTEMAS DE ECUACIONES LINEALES


92 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ahora la pregunta es: como determnar si un sistems es consistente o inconsistente? y si


es consistente, como determinar la solucion o soluciones?

Para hallar la solucion, soluciones o determinar la inconsistencia de un sistema de


ecuaciones lineales existen varios procedimientos; algunos de ellos utilizando la matriz
aumentada del sistema de ecuacinones lineales; en este texto utilizaremos en la siguiente
seccion el metodo de Gauss y de Gauss-Jordan. En estos procedimientos se realizan
operaciones elementales de las sobre la matriz aumentada del sistema de ecuaciones
lineales hasta llevar la matriz a la forma escalonada (Gauss) o a la forma escalonada
reducida por renglones (Gauss-Jordan) y lo que se tiene en cuenta para hallar la solucion
del sistema de ecuaciones lineales utilizando cualquiera de estos dos procedimientos es la
siguiente denicion.
Denicion 3.3.3. Dos sistemas de ecuaciones lineales son equivalentes si tienen el mismo
conjunto solucion.
Con base en esta denicion, resolver un sistema de ecuaciones lineales signica:
-Encontrar la solucion unica del sistema, si la tiene.
-Encontrar una regla para determinar las innitas soluciones, si tiene mas de una solucion.
-Determinar si no tiene solucion.
Teorema 3.3.2. El sistema (I) es equivalente a
a11 x1 + a12 x2 + + a1n xn b1 = 0
a21 x1 + a22 x2 + + a2n xn b2 = 0
.. .. .. .. (II)
. . . .
am1 x1 + am2 x2 + + amn xn bm = 0

Demostracion 2

Sea s1 , s2 , . . . , sn una solucion de (I), por lo tanto


a11 s1 + a12 s2 + + a1n sn = b1
a21 s1 + a22 s2 + + a2n sn = b2
.. .. .. ..
. . . .
am1 s1 + am2 s2 + + amn sn = bm
y tenemos que
a11 s1 + a12 s2 + + a1n sn b1 = 0
a21 s1 + a22 s2 + + a2n sn b2 = 0
.. .. .. ..
. . . .
am1 s1 + am2 s2 + + amn sn bm = 0
de lo cual se deduce que toda solucion de (I)es solucion de (II).

Mostrar que toda solucion de (II) es solucion de (I) se realiza de manera similar.

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 93

Tomaremos la siguiente simbolizacion para el sistema (II):


A1 X b 1 = 0
A2 X b 2 = 0
..
.
Am X bm = 0,
donde Ai X = ai1 x1 + ai2 x2 + + ain xn i {1, 2, . . . , m}, y demostraremos el siguiente
teorema.
Teorema 3.3.3. Los siguientes sistemas son equivalentes:

A1 X b1 = 0
A2 X b2 = 0
..
. ()
Ai X bi = 0
Ai+1 X bi+1 = 0
A m X bm = 0
A1 X b1 = 0
A2 X b2 = 0
..
. ()
c1 A1 X + c2 A2 X + + cn An X (c1 b1 + + ci bi + + cn bn ) = 0
Ai+1 X bi+1 = 0
Am X bm = 0
donde c1 , c2 , . . . , ci , . . . , cn son constantes arbitrarias y ci = 0, i = 1, , n.

Notese que la diferencia de los dos sistemas esta en las ecuaciones Ai X bi = 0 del
sistema (*) y c1 A1 X + c2 A2 X + + cn An X (c1 b1 + + ci bi + + cn bn ) = 0 de (**).

Demostracion 3

Debemos mostrar que toda solucion particular de (*) tambien es solucion particu-
lar de (**), y viceversa.

Supongamos que
s1
s2

S= ..
.
sn n1

es una solucion particular de (*), esto es:

3.3. SISTEMAS DE ECUACIONES LINEALES


94 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

A1 S b1 = 0
A2 S b2 = 0
..
.
Ai S bi = 0
Ai+1 X bi+1 = 0
Am S bm = 0
y entonces, como las ecuaciones de los dos sistemas dieren posiblemente en la i esima
ecuacion, solo nos queda probar que la ecuacion correspondiente en el sistema de
ecuaciones lineales denotado con (**) tambien es cero.

c1 A1 S + c2 A2 S + + cn An S (c1 b1 + + ci bi + + cn bn ) = c1 A1 S c1 b1 + c2 A2 S
c2 b2 + + cn An S cn bn = c1 (A1 S b1 ) + c2 (A2 S b2 ) + + cn (An S bn ) =
c1 (0) + c2 (0) + + cn (0) = 0, lo cual muestra que toda solucion de (*) tambien es
solucion de (**).

Para demostrar que toda solucion particular de (**) es solucion de (*) procedemos de la
siguiente manera:

Supongamos que

s1
s2

S= ..
.
sn n1

es una solucion particular de (**), esto es:

A1 S b1 = 0
A2 S b2 = 0
..
.
c1 A1 S + c2 A2 S + + cn An S (c1 b1 + + ci bi + + cn bn ) = 0
Ai+1 X bi+1 = 0
Am S b m = 0
y entonces, como las ecuaciones de los dos sistemas dieren posiblemente en la i esima
ecuacion, debemos probar unicamente que Ai S bi = 0.

Como c1 (A1 S c1 b1 ) + c2 (A2 S c2 b2 ) + + ci (Ai S bi ) + + cn (An S bn ) = 0, y


Aj Sbj = 0 para todo j = i, obtenemos que c1 (0)+c2 (0)+ +ci (Ai Sbi )+ +cn (0) = 0,
y por lo tanto, ci (Ai S bi ) = 0, dado el hecho que ci = 0, obtenemos que Ai S bi = 0.
Por lo tanto, una solucion particular de (**) tambien es solucion de (*).

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 95

El teorema anterior nos muestra que al intercambiar dos ecuaciones de un sistema de


ecuaciones lineales se produce un sistema de ecuaciones lineales equivalente, y que ocurre lo
mismo si multiplicamos cualquiera de las ecuaciones de un sistema por un numero distinto
de cero o sumamos a una ecuacion un multiplo escalar de otra. El metodo que presentamos
a continuacion transforma un sistema de ecuaciones lineales en otro equivalente mediante
operaciones elementales de matrices.

3.3.3 Metodo de eliminacion de Gauss y Gauss-Jordan


Metodo de eliminacion de Gauss1
Es un procedimiento que sirve para resolver sistemas de ecuaciones lineales, y consiste
en llevar la matriz aumentada del sistema mediante operaciones elementales de las a la
forma escalonada.

Metodo de eliminacion de Gauss-Jordan2


Es un procedimiento que sirve para resolver sistemas de ecuaciones lineales, y consiste
en llevar la matriz aumentada del sistema a la forma escalonada y reducida mediante
operaciones elementales de las.

Teorema 3.3.4. Consideremos el sistema de ecuaciones lineales (I) si al llevar su


matriz aumentada (II) a la forma escalonada y reducida por las mediante operaciones
elementales encontramos una matriz tal que:

Una de sus las es de la forma 0 0 0 . . . 0 | k, donde k es un numero


distinto de cero; en este caso se dice que el sistema (I) es inconsistente.
Esto queda justicado, ya que la ecuacion asociada a 0 0 0 . . . 0 | k es
0 = k y k = 0, por lo que se obtiene una contradiccion (0 = 0).

El numero de las no nulas es menor que el de columnas, esto es, hay mas incognitas
que ecuaciones y no hay inconsistencia; entonces el sistema (I) tiene innitas
soluciones.
Lo cual queda justicado porque en el sistema existiran variables independientes que
toman cualquier valor real. Este hecho recibe el nombre de parametrizacion.

El numero de las no nulas es igual que el de columnas y no hay inconsistencia;


entonces el sistema tiene solucion unica.
Esto queda justicado, ya que la matriz aumentada de las las no nulas tendra la
forma siguiente:

1
Llamado as en honor del gran matematico aleman Karl Friedich Gauss.
2
En honor de Karl Friedich Gauss y del matematico frances Camille Jordan.

3.3. SISTEMAS DE ECUACIONES LINEALES


96 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro


1 0 0...0 r1
0 1 0...0 r2

0 0 1...0 r3

..
.
0 0 0...1 rn
cuyo sistema asociado es

x1 = r1
x2 = r 2
x3 = r 3
..
.
xn = r n
y se obtiene una solucion unica.

Ejemplo 3.3.86

Dado el sistema de ecuaciones lineales siguiente, halle su solucion aplicando el


metodo de Gauss:
5x1 + 6x2 + 8x3 = 77
2x1 + 4x2 + 3x3 = 38
4x1 + 2x2 + 5x3 = 42
Solucion

5 6 8 77 2 4 3 38 1 1 2 23 19 f21 (5)
f f1
2 4 3 38 12 5 6 8 77 2 5 6 8 77 f31 (4)

4 2 5 42 4 2 5 42 4 2 5 42

1 2 3
19   1 2 3
19
0 4
2

f2 1
2
9
f32 (6)
1
2 18

4
0 1 81 2
0 6 1 34 0 6 1 34

1 2 2
3
19   1 2 3
19
f3 74 2
0 1 1
0 1 81 9
9
2 8 2
0 0 47 7 0 0 1 4
El sistema de ecuaciones que resulta es
3
x1 + 2x2 + x3 = 19
2
1 9
x 2 x3 =
8 2
x3 = 4

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 97

Observemos que x3 = 4; entonces hacemos sustitucion hacia arriba, es decir, sustituimos


x3 en la segunda ecuacion y obtenemos x2 = 5; luego, si sustituimos x2 y x3 en la primera
ecuacion, se obtiene x1 = 3.

Ejemplo 3.3.87

Dado el sistema de ecuaciones lineales siguiente hallemos su solucion aplicando el


metodo de Gauss-Jordan:

5x1 + 6x2 + 8x3 = 77


2x1 + 4x2 + 3x3 = 38
4x1 + 2x2 + 5x3 = 42

Solucion

5 6 8 77 2 4 3 38 1 1 2 23 19
f12 f ( )
2 4 3 38 5 6 8 77 1 2 5 6 8 77

4 2 5 42 4 2 5 42 4 2 5 42
3 3
f21 (5) 1 2 2
19 1
1 2 2
19
f2 ( 4 )
f31 (4) 0 4 1
18 0 1 81 9
2 2
0 6 1 34 0 6 1 34
7
7

f12 (2) 1 0 4
10 1 0 4
10
9 f3 ( 7 )
4

f32 (6) 0 1 81 2 0 1 81 9

2
0 0 47 7 0 0 1 4

f23 ( 18 ) 1 0 0 3
f13 ( 74 ) 0 1 0 5
0 0 1 4
Como podemos notar, la solucion del sistema es x=3, y=5 y z=4.

Ejemplo 3.3.88

Dado el sistema de ecuaciones lineales siguiente, hallemos su solucion aplicando el


metodo de Gauss-Jordan:

2x + 3y + z 4w = 21
4x + y + 3z + 2w = 21
3x + 2y 4z + 3w = 11
x+y+z+w = 6

3.3. SISTEMAS DE ECUACIONES LINEALES


98 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Solucion

2 3 1 4 21 1 1 1 1 6 f21 (4)
4 1 3 2 21 4 1 3 2
21 f31 (3)
f14
3 2 4 3 11 3 2 4 3 11 f41 (2)
1 1 1 1 6 2 3 1 4 21

1 1 1 1 6 1 1 1 1 6 f12 (1)
0 3 1 2 3 0 1 6 9
f24 1 f32 (1)
0 1 7 0 29 0 1 7 0 29 f42 (3)
0 1 1 6 9 0 3 1 2 3

1 0 2 7 3 1 0 2 7 3
0 1 1 6 9 1 0 1 1 6 9
f4 ( 4 ) f34
0 0 8 6 20 0 0 8 6 20
0 0 4 20 24 0 0 1 5 6

1 0 2 7 3 f13 (2) 1 0 0 3 9
0 1 1 6 9 0 0 1 3 1
f23 (1) 1 f4 ( 4 )
0 0 1 5 6 f43 (8) 0 0 1 5 6
0 0 8 6 20 0 0 0 34 68

1 0 0 3 9 f14 (3) 1 0 0 0 3
0 0 1 3 0 1
1 f24 (1) 1 0 0
0 0 1 5 6 f34 (5) 0 0 1 0 4
0 0 0 1 2 0 0 0 1 2.
Como podemos notar, la solucion del sistema es x=3, y=1, z=4 y w=-2.

3.4 Regla de Cramer


Como hemos visto en secciones anteriores, los sistemas de ecuaciones pueden tener solucion
unica, innitas soluciones o no tener solucion; ademas pueden tener mas ecuaciones que
incognitas, mas incognitas que ecuaciones o igual numero de incognitas que ecuaciones.
Si un sistema tiene igual numero de ecuaciones que de incognitas y este tiene solucion
unica, entonces para hallar su solucion es aplicable el siguiente teorema.

Teorema 3.4.1. Sea AX = B la ecuacion matricial de un sistema de n ecuaciones


lineales con n incognitas denidas en la matriz X, si A es invertible (su determinante es
distinto de cero), entonces la ecuacion matricial tiene solucion unica para la matriz X y
viene dada por
X = A1 B

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 99

Demostracion 4

Como A es invertible, existe la matriz A1 . Multiplicando por la izquierda de la ecuacion


matricial AX = B se tiene
1 1
A
A X = A B
In

In X = A1 B
X = A1 B

Con lo cual queda demostrado el teorema.

El siguiente teorema fue enunciado por Cramer en su celebre tratado de 1750, y constituye
uno de los primeros resultados en los que intervienen determinantes.

Teorema 3.4.2. Regla de Cramer


Sea
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2
..
. (III)
an1 x1 + an2 x2 + an3 x3 + ... + ann xn = bn
un sistema de n ecuaciones lineales con n incognitas, sea

a11 a12 a1n
a21 a22 a2n

A= .. .. ..
. . .
am1 am2 amn

la matriz de coeciente del sistema (III) y sea A(i) , i = 1, ..., n la matriz cuadrada de
orden n, que se obtiene de A al sustituir la columna i por la columna formada por los
terminos independientes correspondientes del sistema (III). Si el determinante de A es
diferente de cero, entonces

det(A(i) )
xi = para cada i=1,...,n
det(A)

Demostracion 5

Como el determinante de la matriz A es distinto de cero, X = A1 B se puede es-


1
cribir como X = adj(A)B, que explcitamente es
|A|

3.4. REGLA DE CRAMER


100 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

t
C11 C12 C1n
C21 C22 C2n

.. .. .. B
. . .
Cn1 Cn2 Cnn
X= , de lo cual podemos deducir que
|A|

b1 C1j + b2 C2j + + bn Cnj


xj = , que es el desarrollo del siguiente determinante por la
|A|
columna j:
j
 
 C11 C12 b1 C1n 
 
 C21 C22 b2 C2n 
 
 .. .. .. 
 . . . 
 
 Cm1 Cm2 bm Cmn 
xj =
|A|

3.5 Sistemas homogeneos de ecuaciones lineales


Un sistema de ecuaciones lineales con todos sus terminos independientes iguales a cero
se denomina sistema homogeneo de ecuaciones lineales.

Estos sistemas tienen la forma


a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = 0
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = 0
..
. (IV)
an1 x1 + an2 x2 + an3 x3 + ... + ann xn = 0

Observacion 3.5.3

Todo sistema homogeneo tiene la solucion x1 = x2 = = xn = 0, llamada solu-


cion trivial.

Ejemplo 3.5.89

Para el siguiente sistema de ecuaciones lineales homogeneo se aplico el proceso de


Gauss-Jordan para hallar su solucion:

4x + 3y + 6z = 0
2x 4y + 6z = 0
5x + 3y 8z = 0

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 101

Solucion

4 3 6 0 1 4 3 6 0 1 2 3 0
2 4 f( ) f
6 0 2 2 1 2 3 0 12 4 3 6 0

5 3 8 0 5 3 8 0 5 3 8 0

f21 (4) 1 2 3 0 1 1 2 3 0 f12 (2)
f( )
f31 (5) 0 11 6 0 2 11 0 1 11
6
0 f32 (13)

0 13 23 0 0 13 23 0
21
6
1 0 0 21 f13 ( 11 )
12 1 0 0
f ( )
11 12
0 1 116
0 3 175 0 1 11
6
0 f13 ( 21 )
11
0 0 175
11
0 0 0 1 0

1 0 0 0
0 1 0 0
0 0 1 0
La solucion de este sistema de ecuaciones lineales es
x=0
y=0
z = 0.

Ejemplo 3.5.90

El siguiente sistema tiene innitas soluciones:


4x + 3y + 6z = 0
2x 4y + 6z = 0
6x y + 12z = 0

Solucion

4 3 6 0 1 4 3 6 0 1 2 3 0
2 4 6 f2 ( 2 ) f12
0 1 2 3 0 4 3 6 0

6 1 12 0 6 1 12 0 6 1 12 0

f21 (4) 1 2 3 0 1 1 2 3 0 f12 (2)
f( )
f31 (6) 0 11 6 0 2 11 0 1 11
6
0 f32 (11)

0 11 6 0 0 11 6 0
21
1 0 12
0
0 1 6 0
11
0 0 0 0

3.5. SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES


102 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Observe que la matriz aumentada anterior tiene asociado un sistema de ecuaciones


lineales con mas incognitas que ecuaciones:
21
x+ z=0
12
6
y z=0
11
Procedemos a parametrizar:
21
x= z
12
6
y= z
11
Y entonces
21
x= t
12
6
y= t tR
11
z=t
Los siguientes ejemplos muestran los pasos que se pueden efectuar para resolver
problemas cuyas soluciones sean equivalente a resolver sistema de ecuaciones lineales.

Ejemplo 3.5.91

En una nca se cran vacas y pavos. Si se cuentan las cabezas son 70, y si se
cuentan las patas son 220. Cuantos animales hay de cada especie?

Solucion

Primer paso
Denir variables: la pista esta en la pregunta problema; en este caso es: cuantos animales
hay de cada especie?

x: numero de vacas en la nca


y: numero de pavos en la nca

Segundo paso
Construir el modelo matematico:

x + y = 70
4x + 2y = 220

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 103

La primera ecuacion corresponde al hecho de contar las cabezas.

La segunda ecuacion resulta de contar las patas; recordando que las vacas tienen cuatro
patas y los pavos dos.

Tercer paso
Solucion matematica del sistema de ecuaciones lineales aplicando Gauss-Jordan:
! ! 1 ! !
1 1 70 f21 (4) 1 1 70 f2 ( ) 1 1 70 f12 (1) 1 0 40
4 2 220 0 2 60 2 0 1 30 0 1 30
.

Cuarto paso
Dar respuesta al problema:

Hay 40 vacas y 30 pavos.

Ejemplo 3.5.92

Juanito abre su alcanca y encuentra monedas de tres denominaciones distintas,


$100, $200 y $500. Si tiene 16 monedas cuyo monto es de $2800, cuantas monedas de
cada tipo tiene?

Solucion

Denicion de variables:

x: numero de monedas de $100


y: numero de monedas de $200
z: numero de monedas de $500

Modelo matematico:

x + y + z = 16
100x + 200y + 500z = 2800
Gauss-Jordan:
! 1 ! !
1 1 1 16 f2 ( ) 1 1 1 16 f21 (1) 1 1 1 16
100 200 500 2800 100 1 2 5 28 0 1 4 12
!
f12 (1) 1 0 3 4
0 1 4 12
Notamos que el sistema es consistente, pero hay mas incognitas que ecuaciones; por lo
tanto, hay innitas soluciones, y para mostrarlas partimos del sistema de ecuaciones

3.5. SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES


104 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

lineales equivalente:

x 3z = 4
y + 4z = 12
Donde x y y son variables dependientes y z independiente, por lo tanto, parametrizamos
z as:

haciendo z = t, con t R, se obtiene


x = 4 + 3t
y = 12 4t
z=t
Para darle respuesta a este problema debemos tener en cuenta que los resultados deben
ser numeros naturales.

Primero acotamos el parametro t:

4 + 3t 0
12 4t 0
t0
4
t
De donde t 3 3

t 0,
esto es, 0 < t < 3, ya que si t=0, no hay monedas de $500, y si t=3, no hay monedas
de $200, por lo tanto, hay dos posibilidades como solucion a este problema: si t = 1 o si
t = 2, segun muestra la siguiente tabla:

t=1 t=2
x=7 x=10
y=8 y=4
z=1 z=2

Ejemplo 3.5.93

Se tiene tres alimentadores de agua: A, B y C, para el llenado de una piscina. Si


3
se abren simultaneamente durante una hora las tuberas A y B, llenaran de la piscina;
4
5 3
pero si se abren solo A y C durante una hora, llenaran ; y llenaran de la piscina en
8 8
una hora si B y C funcionan conjuntamente. Cuanto tiempo tardara cada una de las
tuberas individualmente para llenar la piscina?

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 105

Solucion

Denicion de variables:

x: parte de la piscina que llena la tubera A en 1 hora


y: parte de la piscina que llena la tubera B en 1 hora
z: parte de la piscina que llena la tubera C en 1 hora

Modelo matematico:
3
x+y =
4
5
x+z =
8
3
y+z =
8
Se deja al lector vericar que al aplicar Gauss-Jordan al sistema planteado obtenemos
1 1 1
x= ,y= yz= .
2 4 8
Con lo cual podemos deducir el tiempo empleado por cada una de las tuberas para
llenar la piscina.

A emplea 2 horas, B 4 y C 8.

Ejemplo 3.5.94

Halle el numero de dos cifras tal que la suma de sus cifras sea 11 y el numero in-
vertido diera del original en 45.

Solucion

Denicion de variables:

x: numero de decenas
y: numero de unidades

Por lo tanto, el numero original puede ser escrito como 10x + y, y este mismo numero
invertido sera 10y + x.

Modelo matematico:

3.5. SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES


106 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

x + y = 11
10y + x = 10x + y 45
que puede escribirse
x+y = 11
9x + 9y = 45
Aplicamos Gauss-Jordan:
! ! 1 ! !
1 1 11 f21 (9) 1 1 11 f2 ( ) 1 1 11 f12 (1) 1 0 8
9 9 45 0 18 54 18 0 1 3 0 1 3

Por lo tanto, x = 8 y y = 3, esto es, numero de unidades 3 y numero de decenas 8, el
numero es 83.

3.6 Ejercicios y problemas


Para cada una de las proposiciones de 1 a 5 escriba una V en el parentesis de la derecha
si la expresion es verdadera o F si es falsa. Justique su respuesta.

1. La terna (1,3,-1) es solucion de la ecuacion x3 + 2x2 x1 4 = 0 ( ).

2. El sistema 2x1 + 3x2 = 0; x1 + x2 = 0 tiene innitas soluciones ( ).

3. Si un sistema tiene mas incognitas que ecuaciones, tiene innitas soluciones ( ).

4. Algunos de los sistemas de ecuaciones no homogeneos tienen soluciones no triviales


( ).

5. Para resolver un sistema de ecuaciones de 3 por 3 necesitamos como maximo un


total 42 operaciones aritmeticas ( ).

6. Halle la solucion del siguiente sistema:

2x + 3y + 5z + 2w = 18
3x 2y + 4z + 5w = 12

En los siguientes problemas identique las variables, plantee el modelo matematico,


halle solucion de dicho sistema y de respuestas posibles a cada problema.

7. En una empresa existen tres maquinas que fabrican cuatro productos diferentes en
un perodo de 8 horas diarias. El numero de horas en las que la maquina se usa para
la produccion de una unidad de cada uno de los cuatro productos viene dado en la
siguiente tabla:

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 107

P rod1 P rod2 P rod3 P rod4


Maquina 1 1 2 1 2
Maquina 2 2 0 1 1
Maquina 3 1 2 3 0.

Encuentre el numero de unidades que a diario se deben producir de cada uno de


los cuatro productos, bajo el supuesto que las maquinas trabajan 8 horas completas.

8. Tres compuestos: A, B y C, se combinan para formar tres tipos de fertilizantes.


Una unidad de tipo I necesita 10 kg del compuesto A, 30 kg del B y 60 kg del C;
una unidad del tipo II necesita el doble del compuesto A, la misma cantidad del B
y 10 kg menos del compuesto C respecto a los requerimientos del primer tipo I. Una
unidad del tipo III necesita 50 kg tanto del A como del C. Si hay disponible 1600
kg del compuesto A, 1200 kg del compuesto B y 3200 del C, cuantas unidades de
cada tipo pueden producirse si se utiliza todo el material disponible?

9. Una fabrica de porcelana manufactura tazas y platos de ceramica. Por cada taza o
plato, un trabajador mide una cantidad ja de material y la coloca en una maquina
moldeadora, de la cual sale automaticamente cocida, moldeada y vidriada. En
promedio, un trabajador necesita 2 minutos para terminar el proceso en el caso de
una taza y 3 minutos para un plato. El material para la taza cuesta $150 y para
el plato $100. Si se asignan $28.500 diarios para la produccion de tazas y platos,
cuantas unidades de cada producto se pueden fabricar en una jornada de 8 horas
si un trabajador labora cada minuto del da y exactamente se gastan los $28.500
en los materiales?

10. Un qumico tiene tres soluciones que contienen un 10 %, 30 % y 50 %, respectiva-


mente, de cierto acido. Desea mezclar las tres soluciones, usando el doble de la
solucion al 50 % respecto a la de 30 % para obtener 30 litros de una solucion que
contenga unos 32 % del acido. Cuantos litros de cada solucion debe usar?

11. Una piscina puede ser llenada por tres tuberas: A, B, C. La tubera A tarda 8
horas en llenar la piscina. El mismo trabajo se realiza en 6 horas si se emplean
simultaneamente las tuberas A y C, y en 10 horas si B y C funcionan conjunta-
mente. Cuanto tiempo tardara en llenarse la piscina si se usan las tres tuberas?

12. Una compana tiene tres maquinas: A, B, C, que producen cierto artculo. Sin
embargo, debido a la falta de operarios capacitados solamente se pueden operar
simultaneamente dos de las maquinas. La siguiente tabla muestra la produccion en
perodos de tres das cuando se usan las diversas combinaciones de dos maquinas.

3.6. EJERCICIOS Y PROBLEMAS


108 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Con base en la tabla, cuanto tiempo le tomara a cada maquina, si se usara sola,
para producir 1000 artculos?

Maquinas utilizadas Horas de uso Artculos producidos


AyB 6 4500
.
AyC 8 3600
ByC 7 4900

13. Una poblacion estable de 35.000 aves vive en tres islas. Cada ano 10 % de
la poblacion de la isla A emigra a la isla B, 20 % de la poblacion de B emi-
gra a la isla C y 5 % de la poblacion de C emigra a A. Calcule el numero de
pajaros que vive en la isla si el numero de aves de cada isla no vara de un ano a otro.

14. La suma de las tres cifras de un numero es diez, la suma de las cifras de las centenas
y las cifras de las decenas excede en 4 a la cifra de las unidades, y la suma de las
cifras de las centenas y las cifras de las unidades exceden en 6 a la cifra de las
decenas. Halle el numero.

15. Halle un numero mayor que 400 y menor que quinientos sabiendo que sus cifras
suman 9 y que si lo leemos de derecha a izquierda es 16/49 del numero primitivo.

16. Una ciudad mecanica llega a Barranquilla; el administrador decide contratar 10


personas mas para que se desempenen como vigilantes, operadores de maquina y
mantenimiento. Los salarios estipulados por el administrador son: $40.000, $60.000
y $80.000, respectivamente. El administrador es noticado por el contador de la
empresa que se le asignaron $660.000 para el pago de los 10 nuevos empleados.
Cuantos vigilantes, cuantos operadores y cuantos empleados de mantenimiento
pueden contratarse para satisfacer las necesidades existentes?

17. Resolver por Gauss-Jordan:


x + y + z - 3w = -12 x + 3y + 5z + w = 84 x + 4y + z - 4w = 13 x + 2y + 4z + w = 8

18. Una ciudad mecanica llega a Bogota; el administrador decide contratar 11 personas
para los cargos de vigilante, operario de maquina y de la seccion de mantenimiento.
Los salarios estan distribuidos as: vigilante, $30.000 mensuales; operario de
maquina, $60.000 mensuales, y personal de mantenimiento, $70.000 mensuales. Se
cuenta con $560.000 para el pago de los 11 nuevos empleados y se desea invertirlo
todo al nal del mes. Cuantas personas para cada cargo pueden contratarse?
Cuantos posibilidades hay para escoger las personas contratadas? Cual sera la

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 109

solucion si se desea un mnimo de operarios de maquinas?

19. Una caja contiene monedas de $200, $500 y $1.000 cuyo valor total es de $23.500.
Si en total hay 60 monedas, cuantas monedas hay de cada denominacion?

20. El plan de emergencia y evacuacion de la Universidad del Norte desea saber con
certeza cual es el numero de personas que circula a una hora determinada (11:30 a.
m) en los siguientes lugares: Bloque A, Bloque B, zona de biblioteca y cafetera. Si
el numero de personas que se encuentra en el interior de la Universidad es de 3.000,
y se sabe que en los bloques A y B hay el mismo numero de personas a esa hora,
ademas, la suma del numero de personas en los bloques A, B y en la cafetera es el
doble del numero de personas que se encuentra en la biblioteca y en la biblioteca
se encuentra un numero de personas equivalente al doble de la suma de los que se
encuentran en los dos bloques A y B, cuantas personas hay en cada uno de esos
cuatro lugares?

21. El Blackberry Torch reduce su valor a $250.000 incluyendo sus accesorios; si el


Blackberry cuesta $186.000 mas que el doble del valor de los accesorios, cuanto
cuesta el Blackberry y cuanto los accesorios?

22. Un comerciante compra pantalones a $6500 la unidad y camisas a $2.500 cada una
por un total de $2.050.000. Como le salieron 2 pantalones y 50 camisas defectuosas
imposibles de vender, calcula que si vende cada camisa en buen estado a $300 mas de
lo que le costaron y cada pantalon en buen estado a $800 mas de lo que le costaron,
perdera en total $174.600. Cuantos pantalones y camisas compro y por que valor?

23. En 2006 las senoras Candelaria Mora y Carmen Escobar eran copropietarias de dos
locales comerciales especializados en la venta de lentes y monturas nas para lentes
llamados Expolentes no 1 y Expolentes no 2; ubicados en los centros comerciales
Miami y Shopping Center, respectivamente, de la ciudad de Barranquilla. Los pe-
didos semanales en cada local de pares de lentes y monturas para lentes eran jos y
siempre se peda la misma cantidad de pares de lentes que de monturas para lentes.
Si estas damas solo invertan $ 1.590.000 en cada local en estos dos artculos y com-
praban los pares de lentes en promedio a $28.000 y las monturas a $25.000 la unidad.

Determine en cual de los dos locales la maxima utilidad semanal era mayor,
si se sabe que en Expolentes no 1 los pares de lentes se vendan en promedio a $
35.000 y las monturas a $ 32.000; mientras que en Expolentes no 2 se vendan los
pares de lentes en promedio a $ 37.000 y las monturas a $ 29.000. Suponga que la
demanda de pares de lentes en ambos locales es la misma y que cada persona que
compra un par de lente compra tambien una montura.

3.6. EJERCICIOS Y PROBLEMAS


Algebra lineal aplicada a las Ciencias Economicas 111

3.7 Actividades
Actividad 6

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:
Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Sistemas de ecuaciones lineales


Objetivos: aplicar Gauss-Jordan a sistemas de ecuaciones lineales e interpretar los
resultados dados por Matlab.
Tiempo: 2 horas.
Fecha: segun decision del profesor.
Instrumento: Matlab.
rref(A): transforma la matriz A a la forma escalonada reducida por las.
A1 B: equivale a hallar la solucion del sistema AX = B usando la inversa de la matriz A.

1. Dados los siguientes sistemas, introduzca la matriz aumentada A del sistema, use el
comando de Matlab rref(A), complete los datos que faltan y responda a las siguientes
preguntas:

Sistema de ecuaciones Matriz aumentada del sistema
2x + y + 4z = 25 . . . .
a)
4x + 2y + z= 15 . . . .
x+y+z=9 . . . .

Matriz escalonada reducida del sistema
. . . .

rref(A) =
. . . .
. . . .
Cuantas ecuaciones tiene el sistema equivalente? .

3.7. ACTIVIDADES
112 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Cuantas incognitas tiene el sistema equivalente? .


Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?
.


Sistema de ecuaciones Matriz aumentada del sistema
x + 2y + z = 13 . . . .
b)
2x + y + z= 11 . . . .
3x - y - z = -1 . . . .

Matriz escalonada reducida del sistema
. . . .
rref(A) =

. . . .
. . . .
Cuantas ecuaciones tiene el sistema equivalente? .
Cuantas incognitas tiene el sistema equivalente? .
Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?


Sistema de ecuaciones Matriz aumentada del sistema
5x + 4y + 2z = 23 . . . .

c)
5x + 22y + 12z= 13 . . . .
12x + 54y + 46z = 91 . . . .

Matriz escalonada reducida del sistema
. . . .

rref(A) = . . . .
. . . .
Cuantas ecuaciones tiene el sistema equivalente? .
Cuantas incognitas tiene el sistema equivalente? .
Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 113


Sistema de ecuaciones Matriz aumentada del sistema
12x + 23y + 14z + 23w = 25 . . . . .
d)
24x + 12y + 34z - 26w= 45 . . . . .
3x + 12y + 32z = 9 . . . . .

Matriz escalonada reducida del sistema
. . . . .
rref(A) =

. . . . .
. . . . .
Cuantas ecuaciones tiene el sistema equivalente? .
Cuantas incognitas tiene el sistema equivalente? .
Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?


Sistema de ecuaciones Matriz aumentada del sistema
e) 2x + y + 4z = 25 . . . . .
4x + 2y + z= 15 . . . . .

Matriz escalonada reducida del sistema
rref(A) = . . . . .
. . . . .
Cuantas ecuaciones tiene el sistema equivalente?
Cuantas incognitas tiene el sistema equivalente?
Observe la respuesta de Matlab. Tiene solucion este sistema?
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?

Sistema de ecuaciones
Matriz aumentada del sistema
2x + y + 4z = 25
f) . . . . .
4x + 2y + z= 15
. . . . .
4x + 2y + 8z = 9

3.7. ACTIVIDADES
114 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro


Matriz escalonada reducida del sistema
rref(A) = . . . . .
. . . . .
Cuantas ecuaciones tiene el sistema equivalente? .
Cuantas incognitas tiene el sistema equivalente? .
Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?

Sistema de ecuaciones
Matriz aumentada del sistema
21x + 312y + 1234z = 425
g) . . . . .
144x + 422y + 123z= 155
. . . . .
984x + 536y + 742z = 219

Matriz escalonada reducida del sistema
rref(A) = . . . . .
. . . . .
Cuantas ecuaciones tiene el sistema equivalente? .
Cuantas incognitas tiene el sistema equivalente? .
Observe la respuesta de Matlab. Tiene solucion este sistema? .
Si la respuesta a la anterior pregunta es s, es unica o son innitas?
.
Que relacion hay entre el numero de ecuaciones y el de las incognitas?

.
2. Decida cuando un sistema
a) Tiene solucion unica.
.
b) No tiene solucion.
.
c) Tiene innitas soluciones.
.
3. Suministre a Matlab la matriz A de los coecientes y B la matriz columna de los
terminos independientes del sistema de ecuaciones lineales en el ejemplo 3.3.13.,
escriba C=A\B, presione Enter y compare la respuesta obtenida con los resultado del
ejemplo.

CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 115

4. Suministre a Matlab la matriz A de los coecientes y B la matriz columna de los


terminos independientes del sistema de ecuaciones lineales en el ejemplo 3.3.14.,
escriba C=A\B, presione Enter y compare la respuesta obtenida con resultado con
los del ejemplo.

3.7. ACTIVIDADES
Captulo 4
Vectores en Rn

4.1 Introduccion
Muchas magnitudes de la naturaleza quedan completamente determinadas por un nume-
ro; habitualmente se habla de ellas como magnitudes escalares; muchos datos en el cam-
po economico son de este tipo; por ejemplo: 4 horas de trabajo, 5 sillas, 40 mesas, $435
de utilidad. No obstante, otras magnitudes requieren, ademas del escalar, una direccion
para ser denidas, como en el siguiente caso:

Si a una persona le decimos que hay un tesoro enterrado a 300 metros de donde ella
esta ubicada sobre la tierra en ese momento, lo mas seguro es que no lo encuentre; se
necesita mas que una magnitud para encontrar ese tesoro. Seguramente, aunque con cierto
grado de dicultad, la persona lo puede encontrar si hace excavaciones a 300 metros en
todas las direcciones. Como podemos notar, para precisar donde esta el tesoro necesitamos
una magnitud (300 metros) y una direccion (al norte, al sur, ...).

4.2 Espacio Rn
Denicion 4.2.1. Rn = {(x1 , x2 , . . . , xn )|xi R, i = 1, 2, . . . , n}, donde (x1 , x2 , . . . , xn )
es una sucesion nita de numeros reales, que denominamos n adas o n tuplas, y
llamamos coordenadas a sus componentes. Dos n adas son iguales si sus respectivas
coordenadas son iguales.

Por ejemplo, si (x 2, 4) = (3, y 4), entonces x 2 = 3y4 = y 4; por lo tanto, x = 5


y y = 8.

117
118 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Si n = 2, entonces a los elementos de R2 los llamamos pares ordenados, y los denotamos


por (x, y); analogamente, cuando n = 3, a los elementos de R3 los llamamos ternas orde-
nadas, y los denotamos por (x, y, z).

A traves de la geometra analtica se puede mostrar la existencia de la correspondencia


biunvoca entre los pares ordenados y los puntos del plano; correspondencia que se
obtiene introduciendo un sistema de coordenadas. Analogamente, tambien nos muestra
la correspondencia entre las ternas y los puntos del espacio tridimensional.

Recordemos que el espacio bidimensional R2 se puede representar por dos rectas que se
cortan perpendicularmente; el punto de interseccion se denomina origen del sistema de
coordenadas.

Tenemos entonces cuatro regiones llamadas cuadrantes, que mostrados en la gura


siguiente:

El espacio R3 se puede representar por tres rectas mutuamente perpendiculares en un


punto comun llamado origen, como se muestra en el graco siguiente:

Como se observa en el graco, tenemos entonces ocho regiones llamadas octantes, las
cuales se muestran en la gura siguiente:

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 119

4.3 Vectores
Presentaremos el estudio de los vectores tanto de manera geometrica como algebraica.
Desde un punto de vista geometrico, un vector se puede denir as:

Denicion 4.3.1. Sean P y Q dos puntos de R2 o R3 , al segmento de recta de P a Q se


le denomina vector anclado en el punto P, con punto inicial en P y punto nal en Q, el

cual denotamos por P Q. En general, si P y Q son puntos de Rn , el vector anclado P Q
sera aquel que tenga su punto inicial en P y punto nal en Q.

La representacion graca del vector P Q es la echa que comienza en el punto P y termina
en el punto Q. La graca muestra la representacion geometrica de un vector en R2 y otro
en R3 anclados en un punto distinto al origen de coordenadas.

4.3. VECTORES
120 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Desde el punto de vista algebraico, un vector puede ser denido as:


Denicion 4.3.2. Un vector en R2 es un par ordenado (a,b) de numeros reales. En forma
analoga denimos vectores en R3 como ternas (a1 , a2 , a3 ) de numeros reales; y en terminos
generales, vectores en Rn como n-uplas (a1 , a2 , ..., an ) de numeros reales.
Denotamos los vectores con las letras minusculas del abecedario y con una echa encima
de ellas:

a.
Denicion 4.3.3. Norma de un vector
Sea

u = (a1 , a2 , ..., an ) un vector en Rn , denimos la norma o magnitud de un vector

u,
denotado 

u , as: "


 u = a2 + a2 + ... + a2
1 2 n

Si

u = (1, 2, 3), entonces la norma del vector

u es


u = 12 + 22 + 32 = 14

La norma de un vector
u es siempre no negativa y representa, en los casos de R2 y R3 ,
la distancia que hay entre el origen y el extremo del vector.
Aquellos vectores que tienen su punto inicial en el origen del sistema de coordenadas
rectangulares se les llama vectores anclados en el origen.

4.3.1 Traslacion de un vector con punto inicial en el origen


La siguiente denicion muestra cuando dos vectores son equivalentes:
Denicion 4.3.4. Dos vectores
u yv en Rn son equivalentes si las diferencias de las
respectivas coordenadas del punto nal y del inicial de cada vector coinciden.
Ejemplo 4.3.95

Los vectores
u , con punto inicial en (5,1) y su punto nal en (7,2), y el vector

v , que tiene su punto inicial en (7,3) y su punto nal en (9,4), son equivalentes, porque

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 121

la diferencia (7,2)-(5,1)=(2,1) y la diferencia (9,4)-(7,3)=(2,1); como podemos ver, las


diferencias de las coordenadas del punto nal y del inicial de cada vector coinciden. En
la graca mostramos los dos vectores del ejemplo anterior:

Ejemplo 4.3.96

Los vectores
u , con punto inicial en (2,3,8) y su punto nal en (4,1,6), y el vec-


tor v , que tiene su punto inicial en (5,6,5) y su punto nal en (7,4,3), son equivalentes,
porque la diferencia (4,1,6)-(2,3,8)=(2,-2,-2) y la diferencia (7,4,3)-(5,6,5)=(2,-2,-2);
como podemos ver, las diferencias de las coordenadas del punto nal y del inicial de cada
vector coinciden. En la graca mostramos los dos vectores del ejemplo anterior:
Z
  

  

  

  
Y

Teorema 4.3.1. Dados dos puntos de Rn A(a1 , a2 , . . . , an ) y B(b1 , b2 , . . . , bn ), entonces



el vector que tiene su origen en el punto A y su extremo en el punto B (denotado AB)
es equivalente al vector anclado en el origen del sistema de coordenadas rectangulares
(b1 a1 , b2 a2 , . . . , bn an ).

Notemos que de acuerdo con lo anterior, todo vector no anclado en el origen tiene un
equivalente cuyo punto inicial es el origen del sistema de coordenadas rectangulares.

Denicion 4.3.5. Sean u = (u1 , u2 , ..., un ) y



v = (v1 , v2 , ..., vn ) dos vectores
en R ; se dice que los vectores u y v son iguales (y lo denotamos
n


u = v ) si y solo
si las componentes correspondientes de los dos vectores son iguales, es decir, u1 = v1 ,
u2 = v2 , u3 = v3 ,. . . , un = vn .

4.3. VECTORES
122 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 4.3.97

Dados los vectores


u = (5, 3, 6, 4),

v = (10/2, 3, 36/6, 4) y w = (8, 0, 7, 3),
notemos que los vectores u y v son iguales, y el vector w no es igual ni a




u ni a

v.

Ejemplo 4.3.98

Dados los vectores u = (5, a, 6, b) y v = (c, 3, d, 4), si


u =
v , cuales son
los valores de a, b, c y d? De acuerdo con la denicion, a = 3, b = 4, c = 5 y d = 6.

Ejemplo 4.3.99

Representemos gracamente el vector anclado en el origen



u =(3,4,7).

De manera parecida, para dibujar un vector en el espacio tridimensional, solo se necesita


el punto nal, ya que este debe tener su punto inicial en el origen; su graco es el
segmento de recta que une a los dos puntos y una punta de echa que se coloca sobre el
punto nal, apuntando en direccion contraria al punto origen.

Su representacion graca en R3 es

Z
  

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 123

Observe que todas las componentes del vector


u son positivas. A la region del sistema
de coordenadas rectangulares con todas sus componentes positivas se le llama primer
octante; el vector

u esta en el primer octante.

Ejercicios 4.3.1

Represente gracamente los siguientes vectores:

1. Dibuje los vectores de cada inciso e indique a que cuadrante pertenece:

a)

u1 = (2, 5)
b)

u = (2, 5)
2

c)

u3 = (2, 5)
d)

u = (2, 5)
4

e)

u5 = (5, 3)
f)

u = (6, 10)
6

g)

u7 = (1/2, 3/5)
h)

u8 = (2, 2)
i)

u = (1/2, 3/5)
9

j)
u
10 = (5, 7)

2. Dibuje los vectores de cada inciso e indique a que octante pertenece:

a)

v1 = (2, 5, 2)
b)

v = (2, 5, 1)
2

c)

v3 = (5, 3, 3)
d)

v = (6, 10, 10)
4

e)

v5 = (1/2, 3/5, 1/2)
f)

v6 = (2, 5, 3)
g)

v = (2, 5, 6)
7

h)

u8 = (2, 5, 5)
i)

u = (2, 5, 5)
9

j)
u
10 = (1/2, 3/5, 5)

4.3. VECTORES
124 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

4.3.2 Operaciones entre vectores


Denicion 4.3.6. Sean u = (u1 , u2 , . . . , un ) y

v = (v1 , v2 , . . . , vn ) dos vectores en
R ; denimos el vector suma de los vectores u y v (denotado
n

u + v ) como aquel vector
que tiene como componentes la suma de las componentes correspondientes de los vectores

u y v , es decir,

u +
v = (u1 + v1 , u2 + v2 , ..., un + vn ).
Ejemplo 4.3.100

Dados los vectores


u = (5, 6, 3, 14),

v = (6, 4, 3, 12) y

w = (8, 15, 9, 21),





entonces u + v = (1, 10, 6, 2) y u + w = (3, 21, 6, 35).
Cual es el resultado de

v +
w?
Denicion 4.3.7. Multiplicacion de un escalar por un vector
Sea

u = (u1 , u2 , . . . , un ) un vector en Rn , y sea k un numero real (escalar); denimos el
producto del escalar k por el vector u (denotado k
u ) como el vector (ku1 , ku2 , ..., kun ).
Ejemplo 4.3.101

Dados los vectores u = (5, 6, 3, 4) y v = (16, 14, 13, 12), entonces 3u =




(15, 18, 9, 12) y 4 v = (64, 56, 52, 48),
cual es el resultado de 3

u 4v ? y el resultado de 7

u 3
v?
Deniremos la sustraccion de vectores as:
Denicion 4.3.8. Sean
u y
v vectores en Rn ; denimos
u
v =
u + (

v ), donde

v = (1) v.
Ejemplo 4.3.102

Dados los vectores

u = (7, 1, 26, 63, 34) y

v = (7, 36, 44, 63, 22), entonces

u v = (14, 35, 18, 0, 12).


Denicion 4.3.9. Sean
u = (u1 , u2 , ..., un ) y

v = (v1 , v2 , . . . , vn ) dos vectores



en R ; denimos el producto escalar de u por v como el numero
n



u

v = u1 v1 + u2 v2 + ... + un vn

Ejemplo 4.3.103

Dados los vectores

u = (3, 4, 3, 4), v = (4, 3, 6, 2) y


w = (4, 5, 9, 1), entonces





u v = 3,4 + 4,3 + 3,6 + 4. 2 = 10 y u w = 3,4 + 4,5 + 3. 9 + 4,1 = 23.
Cual es el resultado de
v

w ? Notemos que el producto punto entre dos vectores es
siempre un numero real.

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 125

Teorema 4.3.2. Sean



u,
v y
w vectores en Rn y c un numero real, entonces:


1.

v

v 0,
v
v = 0 si y solo si

v = 0
2.

u

v =

v

u
3. (c

u)

v =

u (c

v ) = c(

u

v)
4.

u (

u +

w) =

u

v +

u

w

4.4 Angulo entre dos vectores


En esta seccion nos ocuparemos de identicar el angulo entre dos vectores y, ademas,
escribiremos algunos teoremas concernientes a dicho angulo.
Denicion 4.4.1. Dados dos vectores,
u y v , no nulos con puntos iniciales comunes,
el angulo entre ellos es el menor angulo determinado por los vectores.
Si los vectores no tienen el mismo punto inicial, entonces el angulo entre ellos es el angulo
entre los vectores anclados en el origen equivalentes a ellos, respectivamente.

Ejemplo 4.4.104

En la gura mostramos el angulo denido por los vectores



u y

v ; notemos que
este angulo es un valor real que satisface 0 A .

Teorema 4.4.1. Dado los vectores u = (x1 , x2 , ..., xn ),


v = (y1 , y2 , ..., yn ),
entonces u v =  u  v  cos(), donde es el angulo entre los vectores





u y v.
Demostracion. Este teorema es usado para hallar el angulo entre dos vectores.
Dado el triangulo cuyos lados son los dos vectores,

u y
v , y el angulo entre ellos.

Utilizamos el teorema del coseno en el triangulo anterior, con lo cual obtenemos



u v2 =  u 2 + 
v 2 2

u 

v  cos(); despejando 
u 
v  cos() obtenemos



( u  +  v  u v )
2 2 2

u 
v  cos() = = u1 v1 + u2 v2 =

u v.
2

4.4. ANGULO ENTRE DOS VECTORES


126 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Generalmente, este teorema lo utilizamos para hallar el valor del angulo entre dos
vectores que tienen el mismo punto inicial, bajo la forma

u v
cos() =
.
 u  v 
Ejemplo 4.4.105

Hallemos el angulo entre una de las diagonales de un cubo y la diagonal de una


de sus caras.

Solucion

Sin perdida de generalidad escogemos el sistema de coordenadas rectangulares de


tal forma que tres de las aristas de longitud l del cubo coincida con los ejes coordenados
en el primer octante, como mostramos en el graco:


FC FB
Como F C = (l, l, l) y F B = (l, l, 0), entonces cos() = , con lo cual
F CF B
(l, l, l) (l, l, 0) l2 + l2 2l2 2l2 2
encontramos que cos() = = = = = .
l2 + l2 + l2 l2 + l2 3l2 2l2 6l4 l2 6 6
Ejemplo 4.4.106

Hallemos el angulo entre los vectores



u = (2, 6, 1) y

v = (5, 2, 9).

Solucion

u v
Como cos() =

, encontramos que
 u  v 

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 127

10 + 12 + 9 31 31
cos() = = =
(2, 6, 1)(5, 2, 9) 4 + 36 + 1 25 + 4 + 81 41 110
Ejercicios 4.4.2

Dados
u1 = (1, 3, 5)

u2 = (1, 12, 35)

u3 = (15, 33, 52)

u4 = (11, 23, 35)

u5 = (51, 33, 65)

u = (31, 83, 52).


6
Halle:

a.

u1 +

u2

b.

u2 +

u3

c.

u3

u4

d. 3

u6 + 2

u5

e.

u1 +

u2 (

u3

u4 )

u2 + (
f.

u3 (

u4 +

u5 +

u6 )).

1. Si el punto inicial de un vector



u1 es (1,3,2) y el punto nal es (4,6,-3), halle el
vector

a. 2

u1

b. -3u1

4.4.1 Combinacion e independencia lineal


Denicion 4.4.2. Combinacion lineal
Sean
u1 ,

u2 , ...,

uk ,

v vectores de Rn ; se dice que el vector v es una combinacion lineal




de los vectores u1 , u2 , ..., uk si y solo si existen escalares c1 , c2 , ..., ck R tal que


v = c1

u 1 + c2

u2 + ... + ck

uk

Los siguientes ejemplos ilustran el concepto de combinacion lineal.

Ejemplo 4.4.107

Mostrar que el vector



w = (24, 1) es combinacion lineal de los vectores
u1 = (3, 4) y



u2 = (6, 3). Por denicion debemos encontrar escalares c1 y c2 tales que v = c1

u1 +c2

u2 .

4.4. ANGULO ENTRE DOS VECTORES


128 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

(24, 1) = c1 (3, 4) + c2 (6, 3); esto genera el siguiente sistema de ecuaciones:

3c1 + 6c2 = 24
4c1 3c2 = 1

Resolviendo el sistema de ecuaciones lineales utilizando el metodo de Gauss-Jordan


obtenemos la siguiente solucion:
c1 = 2 y c2 = 3; notemos que 2(3, 4) + 3(6, 3) = (6, 8) + (18, 9) = (24, 1).

Ejemplo 4.4.108

Mostrar que el vector


w = (14, 32, 33) es combinacion lineal de los vectores



u1 = (2, 4, 5) y u2 = (6, 3, 2). Por denicion debemos encontrar escalares c1 y c2 tales
que

v =c
u +c
1 1

u .
2 2
(14, 32, 33) = c1 (2, 4, 5) + c2 (6, 3, 2); esto genera el siguiente sistema de ecuaciones:

2c1 6c2 = 14
4c1 + 3c2 = 32
5c1 + 2c2 = 33

Resolviendo el sistema de ecuaciones lineales utilizando el metodo de Gauss-Jordan


obtenemos la siguiente solucion:
c1 = 5 y c2 = 4; notemos que 5(2, 4, 5) + 4(6, 3, 2) = (10, 20, 25) + (24, 12, 8) =
(14, 32, 33).

Ejemplo 4.4.109

Mostrar que el vector


w = (14, 32, 30) no es combinacion lineal de los vectores



u1 = (2, 4, 5) y u2 = (6, 3, 2). Mostraremos que no existen escalares c1 y c2 tales que

v =c
u +c
u .
1 1 2 2
Supongamos que existen escalares c1 y c2 tales que
(14, 32, 30) = c1 (2, 4, 5) + c2 (6, 3, 2);
esto genera el siguiente sistema de ecuaciones:

2c1 6c2 = 14
4c1 + 3c2 = 32
5c1 + 2c2 = 30

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 129

Y aplicando el metodo de Gauss-Jordan obtenemos la siguiente matriz aumentada:



1 3 7
0 1 4
0 0 3
En la cual observamos que el sistema no tiene solucion.

Denicion 4.4.3. Independencia lineal


Sean
u1 ,

u2 , ...,

uk , vectores de Rn ; se dice que ellos son linealmente independientes si la


combinacion c1
u1 + c 2

u2 + ... + ck

uk = 0 implica que c1 = c2 = = cn = 0.
Si los k vectores no son linealmente independientes, se dice que son linealmente
dependientes, es decir, existen escalares c1 , c2 , . . . , cn no todos nulos tales que c1

u1 +


c2

u2 + ... + ck
uk = 0 .

En general, si tomamos dos o tres vectores en R3 , ellos pueden ser dependientes o inde-
pendientes. Se puede mostrar que cuatro o mas vectores en R3 siempre son linealmente
dependientes.

Ejemplo 4.4.110

Dados los vectores


u = (2, 3, 5) y

v = (3, 4, 1), mostraremos que

u y

v son
linealmente independientes.

Mostraremos que la unica solucion de la ecuacion vectorial c1


u + c2

v = c1 (2, 3, 5) +


c2 (3, 4, 1) = 0 es la solucion trivial, es decir, c1 = c2 = 0.


La ecuacion vectorial c1
u + c2 v = c1 (2, 3, 5) + c2 (3, 4, 1) = 0 es equivalente a resolver
el siguiente sistema de ecuaciones lineales homogeneo:

2c1 + 3c2 = 0
3c1 + 4c2 = 0
5c1 + c2 = 0

Y aplicando Gauss-Jordan a este sistema obtenemos c1 = c2 = 0, lo cual implica que los


vectores

u y

v son linealmente independientes.

Ejemplo 4.4.111

Ahora mostraremos que los vectores



u = (2, 3, 5) y

w = (6, 9, 15) son lineal-
mente dependientes.

Como en el ejemplo anterior, obtenemos el siguiente sistema de ecuaciones lineales

4.4. ANGULO ENTRE DOS VECTORES


130 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

homogeneo:

2c1 + 6c2 = 0
3c1 + 9c2 = 0
5c1 + 15c2 = 0

Y aplicando el metodo de Gauss-Jordan obtenemos


2 6 0 1 3 0 f21 (3) 1 3 0
3 9 0 3 9 0 0 0 0
5 15 0 f1 ( 21 ) 5 15 0 f31 (5) 0 0 0

Observando la forma escalonada reducida de la matriz aumentada del sistema in-


ferimos que el sistema tiene innitas soluciones y, por lo tanto, los vectores son
linealmente dependientes.

Observe que en el ejemplo anterior un vector es multiplo escalar del otro; como se
puede ver a continuacion, 3(2,3,5)=(6,9,15).

Teorema 4.4.2. Si
v es combinacion lineal de los vectores

u1 ,

u2 , ...,
, entonces
u n

v ,

u1 ,

u2 , . . . y
son linealmente dependientes.
u n

Si cualquier vector de Rn se puede escribir como combinacion lineal de los vectores

u1 ,

u2 , ...,

uk , con k n, se dice que este conjunto de vectores generan a Rn .

Como el vector (a, b) = a(1, 0) + b(0, 1), donde a y b son numeros reales, entonces los
vectores (1,0) y (0,1) generan a R2 . Analogamente, los vectores (1,0,0),(0,1,0) y (0,0,1)
generan a R3 .

Denicion 4.4.4. sea S un subconjunto no vacio de Rn , entonces S es un subespacio de


Rn si

1. Si

u,

v estan en S, entonces

u +

v esta en S.

2. Si es real y

u esta en S, entonces )

u esta en S. Es decir, S es cerrado para la
suma de vectores de S y multiplicacion de un escalar por cualquier vector de S.

El teorema anterior nos dice que la suma de vectores de S es otro vector en S y que la
multiplicacion de un escalar en R y un vector en S es otro vector que tambien esta en S.

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 131

Ejemplo 4.4.112

Sea S = {(x, y): y = x, x, y R}. S es un subespacio de R2 porque S no es vaco, debido


a que (1, 1) es un elemento de S, y con esta pareja se satisface la ecuacion y = x(1 = 1).
En general, Si (a, a), (b, b) son elemento de S, entonces (a, a) + (b, b) = (a + b, a
 + b)

x y
esta en S, porque a + b = a + b.

ra , 
De otro lado, si r es real y (a, a) esta en S, entonces r(a, a) = (  ra ) esta en
x y
S, se tiene ra = ra. Por consiguiente, S es un suespacio de R2 .

4.4.2 Autovalores y autovectores


Denicion 4.4.5. Sea A una matriz cuadrada de orden n y R, se dice que es un valor


propio (autovalor ) de la matriz A si existe un vector

v = 0 en Rn tal que A
v =
v.


El vector v es denominado vector propio o autovector de A correspondiente al autovalor
.

De la denicion anterior obtenemos que es un valor propio de la matriz A si


det(A In ) = 0.

La expresion det(A I( n)) es un polinomio en de grado n, denominado poli-


nomio caracterstico; decimos que es un valor propio de la matriz A si es una raz del
polinomio caracteristico.

Nota 1. Note que si


1
v es un autovector de la matriz A, entonces ( ||

v ||
)

v tambien lo es.

Ejemplo 4.4.113

Hallar los autovalores de la matriz A si A es



2 2 4
A = 1 3 4
1 2 3

Solucion

Para ello es suciente calcular el det(A I3 ) y observar para que valor de este
determinante es igual a cero.

2 2 4 1 0 0 2 2 4
A I3 = 1 3 4 0 1 0 = 1 3 4
1 2 3 0 0 1 1 2 3

4.4. ANGULO ENTRE DOS VECTORES


132 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Entonces el


2 2 4 2 2 4
det 1 3 4 
= det 0 1 1
1 2 3 f23 (1) 1 2 3

2 2 4
= (1 )det 0 1 1

f2 (1) 1 2 3

2 2 4
= (1 )det
 0 0 1
c23 (1) 1 1 + 3
Al calcular el determinante utilizando los elementos de la segunda la se tiene:

2 2
det(A I3 ) = (1 )23 = (1 )(1) det2+3
1 1+

2 2
= ( 1) det
1 1+

= ( 1)[(2 )(1 + ) 2] = ( 1)(2 + ) = ( 1)(1 ) = (1 )2


Ahora, como
det(A I3 ) = (1 )2 ,
det(A I3 ) = 0, si = 0 o = 1. As que los autovalores (valores propios) de la matriz
A son

1 = 0, 2 = 1 y 3 = 1.

Ejemplo 4.4.114

Hallar los autovectores de la matriz A



5 2 2
A= 2 2 4
2 4 2

Solucion

Para hallar los autovectores hallamos primero los autovalores propios de A.


Utilizando un procedimiento similar al del ejemplo anterior se tiene que

5 2 2 1 0 0 5 2 2
A I3 = 2 2 4 0 1 0 = 2 2 4 ,
2 4 2 0 0 1 2 4 2

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 133

entonces el


5 2 2 5 2 2
det(A I3 ) = det 2 2 4 =
 det 0 2 2 +
2 4 2 f23 (1) 2 4 2

5 2 2
= (2 + ) det
 0 1 1
f2 (2+) 2 4 2

5 0 2
= (2 + ) det
 0 0 1
c23 (1) 2 6 2

Al calcular el determinante utilizando los elementos de la segunda la se tiene:



5 0
det(A I3 ) = (2 + )23 = (2 + )(1) det
2+3
2 6

5 0
det(A I3 ) = (2 + ) det = (2 + )(5 )(6 )
2 6
Ahora, como
det(A I3 ) = (2 + )( 6)( + 3),
det(A I3 ) = 0, si = 2, 5, o 6. As que los autovalores de la matriz A son

1 = 2, 2 = 5 y 3 = 6.

Conocidos los valores propios, calculemos ahora los vectores propios correspondien-
tes a cada valor propio de la matriz A.


Por denicion sabemos que
x = 0 es un vector propio de A si existe un escalar en R
tal que A

x = x . Calculemos las coordenadas del vector propio
x = (x1 , x2 , x3 ) R3
correspondiente a = 2 :

A

x = 2

x,



x = 2

A x

5 2 2 x1 x1
2 2 4 x2 = 2 x2
2 4 2 x3 x3

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

4.4. ANGULO ENTRE DOS VECTORES


134 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Recuerde que dos matrices son iguales si sus componentes correspondientes son iguales.
En nuestro caso, las matrices en la ultima ecuacion son iguales si solo si
5x1 2x2 + 2x3 = 2x1 (4.1)
2x1 + 2x2 + 4x3 = 2x2
2x1 + 4x2 + 2x3 = 2x3
Reduciendo los terminos semejantes, el sistema de ecuaciones anterior se puede expresar
as:
7x1 2x2 + 2x3 = 0 (4.2)
2x1 + 4x2 + 4x3 = 0
2x1 + 4x2 + 4x3 = 0
As que para hallar el vector propio correspondiente al valor propio = 2 basta resolver
el sistema de ecuaciones homogeneo denido en 4.2.

La matriz aumentada del sistema de ecuaciones denido en 4.2 es



7 2 2 0
2 4 4 0
2 4 4 0
Llevemos esta matriz a la forma escalonada reducida por renglones:

7 2 2 0 7 2 2 0 1 14 10 0
2 4 4 0  2 4 4 0  2 4 4 0
2 4 4 0 f32 (1) 0 0 0 0 f12 (3) 0 0 0 0

1 14 10 0 1 14 10 0 1 0 1
2
0
0 32 24 0 0 1 3/4 0 0 1 3
0
   4
f21 (2) 0 0 0 0 f2 (1/32) 0 0 0 0 f12 (14) 0 0 0 0
Entonces el sistema de ecuaciones lineales denido en 4.2 es equivalente al sistema de
ecuaciones lineales generado por la matriz aumentada en su forma escalonada reducida
por renglones, o sea:

1
x1 + x 3 = 0 (4.3)
2
3
x 2 + x3 = 0
4
El conjunto solucion del sistema de ecuaciones lineales anterior es
 #
1 3
(x1 , x2 , x3 ) /x1 = x3 y x2 = x3 , x3  R, x3 = 0
2 4
 #
1 3
= x3 , x3 , x3 , x3  R, x3 = 0
2 4

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 135

Sacando como factor comun a x3 se tiene


  #
1 3
= x3 , , 1 , x3  R, x3 = 0
2 4
As que un vector propio para la matriz A correspondiente al valor propio -2 es

2

x 1 = 3 ,
4
que se obtiene cuando x3 = 4.

En forma analoga se halla los vectores propios de la matriz A correspondiente a


los valores propios 5 y 6.

Observe que el conjunto de los vectores propio asociado al valor propio -2 es un


subespacio de R3 , generado por el vector (1/2, 3/4, 1).

A continuacion deniremos un tipo de funciones de Rn en Rm que conservan la


linealidad. Es decir, la imagen de una suma es la suma de las imagenes y la imagen de
un multiplo escalar de un vector es un multiplo escalar de la imagen del vector.
Denicion 4.4.6. Transformacion lineal
Una transformacion lineal T de Rn en Rm es una funcion T : Rn Rm tal que para cada
par de vectores

u yv de Rn y cada escalar k de R se tiene que
1. T (

u +

v ) = T (

u ) + T (

v)

2. T (k

u ) = kT (

u ).

Ejemplo 4.4.115

Dada la funcion de R3 en R3 , denida por



x x + 2y + 2z
1
T y = 2x 2y + z
3
z 2x + 3y 2z

demuestre que T es una transformacion lineal.

Demostracion 6

Como
x x + 2y + 2z
1
T y = 2x 2y + z ,
3
z 2x + 3y 2z

4.4. ANGULO ENTRE DOS VECTORES


136 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

el miembro derecho de la igualdad anterior puede expresar en terminos matriciales de la


siguiente manera:

x + 2y + 2z 1 2 2 x
1 1
2x 2y + z = 2 2 1 y (4.4)
3 3
2x + 3y 2z 2 3 2 z

La matriz
1 2 2
1
2 2 1
3
2 3 2
se conoce con el nombre de matriz asociada a la transformacion T. Si denotamos con A
esta matriz, entonces

x 1 2 2 x x
1
T y = 2 2 1 y =A y

3
z 2 3 2 z z

x1 x2
Dados los vectores y1 y y2 en R3 . Aplicando la denicion de T y las
z1 z2
propiedades de las matrices con respecto a la suma y multiplicacion por escalar tene-
mos


x1 x2 x1 x2
T y1 + y2 = A y1 + y2
z1 z2 z1 z2

x1 x2 x1 x2

= A y1 + A y2 = T y1 + T y2
z1 z2 z1 z2

La primera y tercera igualdad se cumplen por la ecuacion 4.4 y la segunda por la


propiedad distributiva de la multiplicacion de matrices.
Por lo tanto, se cumple que T (

x + y ) = T (
x ) + T (

y ).

Demostremos ahora


que
T ( x ) = T ( x ).
x
Dado el vector y en R3 y en R, se tiene que
z

x x x x
T y = A y = A y = T y
z z z z

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 137

Nuevamente la primera y tercera igualdad se cumplen por 4.4 y la segunda, por ser la
multiplicacion de un escalar, por una matriz.

Ejemplo 4.4.116

Sea T (x, y) = x + 2y. Demuestre que T es una transformacion lineal de R2 en


R.

Demostracion 7

T (x, y) = (1, 2) (x, y). Entonces, aplicando las propiedades del producto, tenemos

T ((x1 , y1 ) + ((x2 , y2 )) = (1, 2) ((x1 , y1 ) + ((x2 , y2 )) = (1, 2) ((x1 , y1 ) + (1, 2) ((x2 , y2 )


= T ((x1 , y1 ) + T ((x2 , y2 ),

y
T (k((x, y)) = (1, 2)(k((x, y)) = k((1, 2) ((x, y)) = kT (x, y)

Denicion 4.4.7. Sea A una matriz simetrica de orden n. Se dice que A es una matriz


denida positiva si

x  A

x > 0 para todo

x = 0 en Rn .


x  A
Nota 2. Si

x 0 para todo
 0 en Rn , se dice que la matriz A es semidenida
x =
positiva.

Ejemplo 4.4.117

1 1 0
Si A = 1 2 0 entonces A es una matriz denida positiva, porque para todo vector
0 0 3



x = (a, b, c) = 0 se tiene que

x  A

x = a2 + 2ab + 2b2 + 3c2 = (a + b)2 + b2 + 3c2 > 0.

4.4.3 Teoremas sobre valores propios o matrices simetricas


No siempre los valores propios de una matriz son numeros reales; de hecho, algunas
matrices tienen como autovalores numeros complejos; pero si la matriz es simetrica,
entonces sus autovalores seran siempre numeros reales. El siguiente teorema hace
referencia a esto.

Antes de enunciar el teorema vale la pena mencionar que en nuestro caso la ma-
triz A sera siempre una matriz con elementos en R.

Teorema 4.4.3. Sea A = (aij )nn una matriz simetrica de orden n, entonces todos los
valores propios de A son reales.

4.4. ANGULO ENTRE DOS VECTORES


138 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Demostracion 8

Supongamos que
x es un vector propio de A y n el valor propio de A correspon-
diente al vector x , es decir, A


x =
x , con
R :(1)
x { Cn :(2)
(1) Si

x Rn , entonces premultiplicando por
x  se tiene

n
n
x  A


x =

x

x = 
x  y,
2
x  A

x = aii x2i +2 aij xi xj R,
 
R i,j=1;i=j

entonces R.



(2) Si

x Cn , entonces

x =
a + i b , con

a , b Rn , entonces
 
 

A

x =A a +i b =
a +i b
 

Premultiplicando por
a i b se tiene
  

  


a i b A

a +i b =
a i b a +i b
  

  



ai b  A a +i b =
ai b  a +i b







a  A

a i b  Aa + i

a A b + b A b =
a

a + i
a b i b 
a + b b

 A

+ 

a  A b = (
a + b  
a a  b b), entonces R.
R R R

Teorema 4.4.4. Sea Ann una matriz denida positiva, entonces todos sus valores
propios son reales positivos.

Demostracion 9

Sea
x Rn un vector propio de A correspondiente al valor propio , es decir,
A x =


x ahora, como A es una matriz denida positiva, entonces
x  A

x > 0 para







2

todo x = 0 , pero 0 < x 
A x = x ( x ) =  x  , y  x  = 0 por ser un vector propio
=

x
de A, entonces > 0.
Teorema 4.4.5. Sea A una matriz simetrica, entonces los vectores propios de A
correspondientes a distintos valores propios son ortogonales.

Demostracion 10

Sean i , j dos valores propios distintos de A correspondientes a los vectores



xi y

xj , entonces
A

xi = i

xi y (4.5)

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 139

A

xj = j

xj , (4.6)

entonces premultiplicado por



xj  en (4.5) y por

xi  en (4.6) se obtiene, respectivamente:


xi = i
xj  A

xj 

xi y (4.7)
 
R

x  A

x = j

xi 

xj (4.8)
i  j
R

Como A es una matriz simetrica, i xj 


xi 
x i = j

xj , por ser los miembros izquierdos
de (4.7) y (4.8) iguales, entonces i
xi j
xj 

xi 

xj = 0 = (i j )
xi 

xj , lo cual


implica que xi xj = 0, ya que por hipotesis i = j , con lo cual queda demostrado que
los vectores

xi y

xj son ortogonales.

Teorema 4.4.6. Sea Ann una matriz cuadrada de orden n y sean 1 . . . n los valores
propios correspondientes a los vectores propios

1 , . . . ,
de A, entonces
n


n
A= i

i

i 
i=1

Demostracion 11

Sin perdida de generalidad supongamos que los vectores u 1, . . . ,



u n son unitar-
ios.
Por denicion de vectores y valores propios A 1 = 1 =
1 , , A
n

n n ,




sea U = [1 , , n ] , entonces AU = [1 1 , . . . , n n ], por lo que

=D

 
1 0 0
0 2 0
]
1 , ,
AU = [

n .. .. . . . = UD
. . . ..
0 0 0 n

La matriz U, cuyas columnas son los vectores propios correspondientes a los valores
propios de A, es una matriz llamada matriz ortogonal, ya que sus columnas son vectores
ortogonales entre s, por lo que U U  = In .
Multiplicando la matriz U  por la derecha de cada uno de los miembros de la ecuacion
anterior se obtiene

4.4. ANGULO ENTRE DOS VECTORES


140 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro



1 
U U  = U DU  A = U DU  = [
] diag ( , . . . , ) ..
1 , ,
A  n 1 n .
=In

n

1

1  n
1 , . . . ,
A = [
] .. = i

i

i  .
n .

n n

i=1

Para el siguiente teorema necesitamos denir la raz cuadrada de un matriz A.


Denicion 4.4.8. Sea A una matriz cuadrada, la matriz X es una raz cuadrada de A si
X 2 = A. Notamos la matriz X con A1/2 .
El resultado mas frecuente de matrices con raz cuadrada tiene que ver con las matrices
semidenidas positivas. Como un caso particular de matrices semidenidas positivas son
las matrices cuadradas diagonales; por ejemplo, la matriz diagonal

2 0
0 3
tiene como races cuadradas matrices como las siguientes:

 
21/2 0 21/2 0
y
0 31/2 0 31/2
Teorema 4.4.7. Sean A y B matrices simetricas de orden n y sea B denida positiva,


x  A

entonces el maximo de

x B
x

x
es el mayor valor propio de la matriz B 1 A.

Demostracion 12

Sean A y B matrices simetricas de orden n, sea B una matriz denida positiva




y sea x Rn ,
x = 0 , como B es denida positiva, entonces

x B

x > 0, sea

1/2
y = BB1/2


x
, entonces
x
2

x = B 1/2


x  B 1/2
2
y (4.9)
Por lo tanto,


x  = B 1/2

x
2  1/2
y B , (4.10)
por ser B 1/2 una matriz simetrica. Es facil ver que B 1/2 es una matriz simetrica y que
B se puede expresar como B 1/2 B 1/2 .
Es claro que


x A

x
x A

x
x A

x

= = (4.11)
x B

x
x  B 1/2 B 1/2

x B x 
1/2
2

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 141

Reemplazando (4.9) y (4.10) en la ultima expresion de (4.11) se obtiene


B 1/2

x 

y  B 1/2 AB 1/2

x B 1/2
B 1/2

x
2  1/2
y y B AB 1/2

y

2 =
2
B x 
1/2 B x 
1/2



= y B  1/2
y =
A B 1/2
z  A

z, (4.12)
 
=

z

Como A es simetrica, por el teorema anterior esta matriz se puede expresar como
A = U  DU ; resultado que al reemplazarlo en (4.12) muestra que

n


z  A

z =
U
z =
z  U  D 
w  D

w = i wi 2 ,


w i=1

siendo U y D las matrices denidas en el teorema anterior.

Hasta ahora se tiene de 4.11 y 4.12 que


x A


x
n


= i wi 2 (4.13)
x B
x i=1

Sin perdida de generalidad supongamos que 1 = max{1 , , n }, entonces de (4.13) se


tiene que


x A

x n n


= w 2
wi 2 = 1 

w 2 = 1 , (4.14)
x B i i 1
x i=1 i=1
 
=1

= 1 . No es difcil demostrar que 





x  A

entonces el maximo de

x B
x

x
w  = 1.
Denicion 4.4.9. Sean A y B matrices de orden n, se dice que A es una matriz semejante
con B (y se denota A B) si existe una matriz P invertible tal que
A = P BP 1

Ejemplo 4.4.118

Las matrices
3 3 1 3 0 0
A= 0 7 5 y B= 0 7 0
0 0 10 0 0 10
son semejantes, porque existe la matriz
1083

1 53 2684


448
P = 0 5 571 tal que A = P BP 1
4


2358
0 0 5009

4.4. ANGULO ENTRE DOS VECTORES


142 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Teorema 4.4.8. Si A y B son matrices semejantes, entonces A y B tienen los mismos


autovalores propios.

Ejemplo 4.4.119

Las matrices A y B del ejemplo anterior son semejantes; y es evidente que ambas
tienen los mismos valores propios, ya que al hallar la matriz A I3 o B I3 , para
= 3, 7, 10, estas matrices son ambas triangulares superiores y con un elemento en su
diagonal principal igual a cero, lo cual hace que el determinante de A I3 sea igual a
cero; igual ocurre con con la matriz B I3 , por lo que cada uno de estos valores es un
valor propio para A y B.

Denicion 4.4.10. Sea A una matriz de orden n, se dice que A es una matriz
diagonalizable si y solo si existe una matriz P invertible tal que A = P DP 1 , siendo
D una matriz diagonal de orden n.

De acuerdo con la denicion anterior, una matriz cuadrada es diagonalizable si es


semejante a una matriz diagonal.

Ejemplo 4.4.120

0 1 0
La matriz A = 0 0 1 no es una matriz diagonalizable en R, porque no es
1 1 2
posible hallar una matriz P invertible tal que A = P DP 1 .

Teorema 4.4.9. Sea A una matriz cuadrada de orden n, con n autovalores 1 , 2 , ..., n
distintos dos a dos, entonces la matriz A es diagonalizable. Ademas existe una matriz P de
orden n tal que sus columnas son los autovectores propios correspondientes a los valores
propios de A y que cumple con la siguiente condicion A = P DP 1 .

Teorema 4.4.10. Si A es una matriz simetrica de orden n, se verica que

1. A es diagonalizable.

2. Existe una matriz P ortogonal de orden n, tal que A = P DP t , siendo D una matriz
diagonal.

3. Las columnas de la matriz P son los vectores propios correspondientes a los valores
propios de la matriz A.

Teorema 4.4.11. Sea A una matriz de orden n con autovalores iguales o distintos; si
A es una matriz diagonalizable, entonces para todo k en N se tiene que Ak = P Dk P 1 ,
siendo D una matriz diagonal.

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 143

Demostracion 13

Por denicion de matriz diagonizable, A es diagonizable si existe un matriz P in-


vertible y una matriz diagonal D tales que A = P DP ( 1); por lo tanto, se demuestra
que Ak = P D( k)P (1) independiente de los autovalores de A iguales o distintos.

Ejemplo 4.4.121

5 2 2
Dada la matriz A = 2 2 4 ,
2 4 2
1. Demuestre que A es diagonalizable.
2. Calcule A20 .
1. Del ejemplo 4.4.2 se sabe que los valores propios de la matriz A son -2, 5 y 6, todos
distintos, por lo tanto, A es una matriz diagonalizable.
2. Como A es una matriz diagonalizable, A es semejante a una matriz diagonal, en
1
este caso quiere
decir que existe una matriz P invertible tal que A = P DP ,
2 0 0
siendo D = 0 5 0 y P la matriz cuyas columnas son los vectores propios
0 0 6
correspondiente a los valores propio de la matriz A.
Para 1 = 2 un vector propio es
1



x1 =
2
3
4
1
x 2 de A correspondiente a 2 = 5, o sea, A
Hallaremos ahora el vector propio

x 2 = 5

x 2:


x = 5
A x

5 2 2 x1 x1
2 2 4 x2 = 5 x2
2 4 2 x3 x3

5x1 2x2 + 2x3 5x1
2x1 + 2x2 + 4x3 = 5x2
2x1 + 4x2 + 2x3 5x3
Recuerde que dos matrices son iguales si sus componentes correspondientes son iguales.
En nuestro caso, las matrices en la ultima ecuacion son iguales si solo si
5x1 2x2 + 2x3 = 5x1 (4.15)
2x1 + 2x2 + 4x3 = 5x2
2x1 + 4x2 + 2x3 = 5x3

4.4. ANGULO ENTRE DOS VECTORES


144 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Reduciendo los terminos semejantes, el sistema de ecuaciones anterior se puede expresar


as:

2x2 + 2x3 = 0 (4.16)


2x1 3x2 + 4x3 = 0
2x1 + 4x2 3x3 = 0

As que para hallar el vector propio correspondiente al valor propio = 5 basta resolver
el sistema de ecuaciones homogeneo denido en 4.16.

La matriz aumentada del sistema de ecuaciones denido en 4.16 es



0 2 2 0
2 3 4 0
2 4 3 0
Llevemos esta matriz a la forma escalonada reducida por renglones:

0 2 2 0 0 2 2 0 0 2 2 0
2 3 4 0 
2 3 4 0 
2 3 4 0
2 4 3 0 f32 (1) 0 7 7 0 f13 (7/2) 0 0 0 0

0 2 2 0 0 1 1 0 1 1
2
0 0
2 1 0 0 1 21
0 0  0 1 1 0
 
f21 (2) 0 0 0 0 f1 (1/2),f2 (1/2) 0 0 0 0 f12 0 0 0 0

Entonces el sistema de ecuaciones lineales denido en 4.16 es equivalente al sistema


de ecuaciones lineales generado por la matriz aumentada en su forma escalonada por
renglones, o sea:

1
x1 + x 2 = 0 (4.17)
2
x 2 x3 = 0

El conjunto solucion del sistema de ecuacioneles lineas anterior es


 #
1
(x1 , x2 , x3 ) /x1 = x2 y x3 = x2 , x2  R, x2 = 0
2
 #
1
= x2 , x2 , x2 , x2  R, x2 = 0 . Sacando como factor comun a x2 se tiene
2
  #
1
= x2 , 1, 1 , x2  R, x2 = 0
2
As que un vector propio para la matriz A correspondiente al valor propio 5 es

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 145


21


x2 = 1
1
Utilizando un procedimiento analogo al anterior se puede demostrar que un vector propio
correspondiente al valor propio = 6 es

0

x3 = 1
1
Normalizando los vectores propios y colocandolos como columnas de la matriz P, se tiene
entonces que la matriz M puede ser expresada as:
229 1
2 29
13 0 2 0 0 31 0
29
29



M = P DP 1 = 3 29 2 2
0 5 0

3 29 2 2

29 3 2 29 3 2



4 2929 2 2 0 0 6 4 2929 2 2
3 2 3 2

Entonces
20 229 1
2 29
31 0 2 0 0 13 0
29
29



M 20 = P D20 P 1 = 3 29 2 2
0 5 0

3 29 2 2

29 3 2 29 3 2



4 2929 2 2 0 0 6 4 2929 2 2
3 2 3 2

229 1
2 29
31 0 (2)20 0 0 31 0
29
29



M 20 = 3 29 2 2
0 5 20
0
3 29 2 2

29 3 2 29 3 2



20
4 2929 2 2 0 0 6 4 2929 2 2
3 2 3 2

453
400
1111
809
301
1250

1317 1409

M 20
= 10
646
15 1030
387
2262

1307
407 177
500
400
17

Problema de aplicacion 4.4.4

Modelo dinamico
Una empresa de transporte tiene sus camiones distribuidos entre Barranquilla, Medelln

4.4. ANGULO ENTRE DOS VECTORES


146 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

y Bogota. Cada mes, de los camiones que a principio de mes estan en Barranquilla, al
nal del mes solo estan el 50 %, un 20 % se va a Medelln y el 30 % restante a Bogota. De
los camiones que a principio de mes estan en Medelln, al nal del mes solo esta el 40 %,
un 20 % se va a Barranquilla y el 40 % restante a Bogota. De los camiones que a principio
de mes estan en Bogota, al nal del mes regresa el 80 % y el resto se va a Barranquilla.

1. Construya un modelo matricial que represente la movilidad de la ota de esta


compana al nal de cada mes.

2. Si actualmente (al comienzo del mes) hay 350, 500 y 200 camiones en Barranquilla,
Medelln y Bogota, respectivamente, que cantidad de camiones habra en cada
ciudad al nal del primer mes?

3. Si actualmente (al comienzo del mes) hay 350, 500 y 200 camiones en Barranquilla,
Medelln y Bogota, respectivamente, que cantidad de camiones habra aproximada-
mente en cada ciudad al nal del segundo mes?

4. Si actualmente (al comienzo del mes) hay 350, 500 y 200 camiones en Barranquilla,
Medelln y Bogota, respectivamente, en 60 meses (a n de mes) en cada ciudad
que cantidad de camiones retornara?

5. Si se sabe que actualmente hay en cada ciudad 780 camiones, cuantos camiones
habra en cada ciudad en 60 meses (a n de mes)?

780
6. Que es el vector 780 de la matriz de ujo vehicular?
780

Solucion

1. Si denotamos con B la ciudad de Barranquilla, con M la ciudad de Medelln y con


BA la ciudad de Bogota, entonces la matriz de ujo vehicular (que denotaremos con
M) se puede expresar de la siguiente manera:

B M BA

B 0,5 0,2 0,3
M = M 0,4 0,2 0,4 ,
BA 0,2 0 0,8

donde 0.5 en esa matriz indica que del total de vehculo que salen de Barranquilla
a comienzo del mes regresa a la misma al nal del mes solo el 50 % (0.5).

2. Para dar respuesta a la segunda pregunta basta hacer el producto entre la matriz
de ujo vehcular M y la matriz de oferta de vehculos. Si denotamos la matriz de

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 147

oferta de vehculo de cada ciudad por X, entonces esta matriz se puede expresar as:


B 350
X = M 250
BA 200

y por lo tanto, el producto entre ellas de la siguiente manera:

B M BA

B 0,5 0,2 0,3 350 B 285
M X = M 0,4 0,2 0,4 250 = M 275 ,
BA 0,2 0 0,8 200 BA 230

lo cual quiere decir que al nal del mes hay en Barranquilla 285 vehculos, en
Medelln 275 y en Bogota 230.

3. Para dar respuesta a la tercera pregunta basta hacer el producto entre la matriz de
ujo vehicular M y la matriz de oferta de vehculos a comienzo del segundo mes, es
decir,
B M BA

B 0,5 0,2 0,3 285
M (M X) = M 0,4 0,2 0,4 275 = M M X
BA 0,2 0 0,8 230
   
M MX


350 B 257,75
= M 2 X = M 2 250 = M 255,20
200 BA 246,10

4. Para hallar la matriz de ujo al nal del primer mes multiplicamos la matriz M por
X; para hallar la matriz de ujo al nal del segundo mes en cada ciudad calculamos
el producto M 2 X, as que para hallar la matriz de ujo al nal del mes 60 basta
multiplicar M 60 X.

Calculemos M 60 . Una opcion para el calculo es hallando los valores propios


de la matriz M; si estos son distintos, entonces la matriz es diagonalizable, y por
lo tanto existe una matriz P invertible tal que M = P DP 1 , siendo D la matriz
diagonal de sus autovalores y P la matriz que tiene como columnas los vectores
propios correspondiente a cada valor propio.
Si M = P DP 1 , entonces M 60 = P D60 P 1 .
Comenzaremos hallando los autovalores de M.

4.4. ANGULO ENTRE DOS VECTORES


148 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Para ello basta calcular el det(M I3 ) y ver para que valor de este determinante
es igual a cero:

0,5 0,2 0,3 1 0 0 5 10 2 3
1
M I3 = 0,4 0,2 0,4 0 1 0 = 4 2 10 4 ,
10
0,2 0 0,8 0 0 1 2 0 8 10
entonces el


5 10 2 3
1
det(M I3 ) = det 4 2 10 4
10
2 0 8 10

 3 5 10 2 3
1
=
 det 4 2 10 4
10
1
f1 ( 10 1
),f2 ( 10 1
),f3 ( 10 ) 2 0 8 10

 3 5 10 2 3
1
=
 det 0 2 10 12 + 20
10
f23 (2) 2 0 8 10

 3 5 10 2 3
1
=
 4 det 0 1 5 6 + 10
10
f2 (2),f3 (2) 1 0 4 5

Al calcular el determinante del segundo factor de la expresion anterior utilizando


los elementos de la tercera la se tiene

5 10 2 3 
2 3
det 0 1 5 6 + 10 = det (4.18)
1 5 6 + 10
1 0 4 5

5 10 2
+ (4 5) det
0 1 5

Ahora, tomando solo los terminos del segundo miembro en la ecuacion anterior se
tiene que el determinante del primer termino es

2 3
det = 2(6 + 10) 3(1 5) = 12 + 35
1 5 6 + 10

y el determinante del segundo termino multiplicado por (4 5) es



5 10 2
(4 5) det = (4 5)(5 10)(1 5)
0 1 5

= 20 165 + 3752 2503

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 149

Sumando los dos terminos del miembro derecho de la ecuacion 4.18 y simplicando
los terminos semejantes, esta ecuacion puede expresarse as:

5 10 2 3
det(M I3 ) = det 0 1 5 6 + 10
1 0 4 5
= 5 130 + 3752 2503
= 5 5 125 + 1252 + 2502 2503
= 5(1 ) 125(1 ) + 2502 (1 )
= (1 )(5 125 + 2502 )

det(M I3 ) = 0, si (1 )(5 125 + 2502 ) = 0, es decir, si = 1 o 5 125 +


2502 = 0, por lo tanto, los valores propios de la matriz M son
$
125 (125)2 4(250)(5) 125 10625 125 103,0776
=1y= = = ,
2(250) 500 500

o sea, 1 = 1, 2 = 0,4562 y 3 = 0,0438.

Hallaremos ahora el vector propio correspondiente a cada valor propio.

Para 1 = 1 el vector propio es un vector



x  = (x1 , x2 , x3 ) tal que M

x =

x . En
nuestro caso:
0,5 0,2 0,3 0,5 0,2 0,3
0,4 0,2 0,4 x = 0,4 0,2 0,4
0,2 0 0,8 0,2 0 0,8

x1 0,5x1 + 0,2x2 + 0,3x3 x1
x2 = 0,4x1 + 0,2x2 + 0,4x3 = x2 ,
x3 0,2x1 + 0,8x3 x3
lo cual implica que

0,5x1 + 0,2x2 + 0,3x3 = x1


0,4x1 + 0,2x2 + 0,4x3 = x2
0,2x1 + 0,8x3 = x3

es decir,

0,5x1 + 0,2x2 + 0,3x3 = 0


0,4x1 0,8x2 + 0,4x3 = 0
0,2x1 0,2x3 = 0

4.4. ANGULO ENTRE DOS VECTORES


150 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

De la tercera ecuacion se deduce facilmente que x1 = x3 ; teniendo esto en cuenta,


al reemplazar en la segunda ecuacion a x3 por x1 se tiene que 0,8x1 0,8x2 = 0, es
decir, que x1 = x
2 , por
lo tanto,
un vectorpropio
para M correspondiente al valor
x1 x1 1
propio 1 = 1 es x2 = x1 = x1 1 x1 = 0.
x3 x1 1
3
3



Entonces un vector propio unitario para M correspondiente a 1 = 1 es 3
.
3


3
3

Utilizando un procedimiento analogo se tiene los vectores propios correspon-


dientes a 2 y 3 .
1607/2135



Un vector propio unitario correspondiente a 2 = 0,4562 es 919/1869 y

2119/4840

797/1713



para 3 = 0,0438 es 2365/2698

706/5737
Si la matriz D es

1 0 0 3
3
2135
1607 797
2365 ,
1713
D = 0 0,4562 0 y la matriz P es P =
3
3
1869
919
2698
0 0 0,0438 3 2119
5737
706
3 4840

entonces la matriz M se puede expresar por M = P DP 1


1
3
3
1607 797
1 0 0 3
3
2135
1607 797
2135 1713
2365
1713
= 3
1869
919
2365
2698
0 0,4562 0 3
1869
919
2698
3 3
3 2119
5737
706 0 0 0,0438 3 2119
706
3 4840 3 4840 5737

por lo que la matriz M 60 = P D60 P 1 puede ser expresada por


M 60
1
3
3
1607 797
160
0 0 3
3
2135
1607 797
2365
2135 1713 1713
= 3
1869
919
2698 0 0,456260 0 3
1869
919
2365
2698
3 3
3 2119
5737
706 0 0 0,043860 3 2119
5737
706
3 4840 3 4840

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 151

Multiplicando las tres matrices del miembro derecho de la ecuacion anterior se tiene
que
4 1 8
1
M 60 = 4 1 8
13
4 1 8
y por lo tanto,

4 1 8 350 250

1
M 60 X = 4 1 8 250 = 250
13
4 1 8 200 250

De acuerdo con la matriz obtenida, se puede decir que al nal del mes 60 retornara a
cada ciudad 250 vehculos.


5. En este caso basta calcular la matriz M 60 X con

780


X = 780
780
o sea,
4 1 8 780 780

1
M 60 X = 4 1 8 780 = 780
13
4 1 8 780 780
De acuerdo con la matriz obtenida, se puede decir que al nal del mes 60 retornara a
cada ciudad 780 vehculos.

780
6. De acuerdo con el resultado en el item anterior, el vector 780 es un vector
780
propio de la matriz M 60 correspondiente al valor propio 1. Muestre que el vector
anterior es tambien un vector propio de M correspondiente al valor propio 1.

Teorema 4.4.12. Si A es una matriz cuadrada de orden n, entonces el determinante de


A es igual al producto de sus n valores propios.

4.4. ANGULO ENTRE DOS VECTORES


152 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 4.4.122

5 2 2
Dada la matriz A = 2 2 4 , muestre que el determinante de A es igual al
2 4 2
producto de sus valores propios.

Solucion

Utilizaremos operaciones elementales de las sobre el determinante de la matriz A


para mostrar este resultado.


5 2 2 f12 (2) 1 6 6
det(A) = det 2 2 4 = det 2 2 4
2 4 2 f32 (1) 0 2 2

1 6 6 1 6 6
f21 (2) f (7)
det 0 14 16 23 det 0 0 30
= =
0 2 2 0 2 2

1 6 6
f23
det 0 2 2 = 60 = (2)(5)(6).

=
0 0 30

Teorema 4.4.13. Una matriz cuadrada A de elementos en los reales es invertible si y


solo si 0 no es un autovalor propio de A.

Demostracion 14

] Supongamos que A es una matriz invertible y que 0 es un valor propio de


A.
Supongamos ademas que la matriz B es semejante a A, es decir, existe una matriz P tal
que A = P BP 1 . Como A es una matriz invertible, entonces B tambien es una matriz
invertible, ya que B = P 1 AP es el producto de matrices invertibles y el producto de
matrices invertible es tambien una matriz invertible.
Como B = P 1 AP, entonces multiplicando por la derecha de B por P se tiene


BP 1 = P 1 A. Como 0 es un valor propio de A, entonces existe un vector x = 0 tal


que Ax = 0 . Multiplicando por la izquierda de la ecuacion anterior por P 1 se obtiene
1


P A x = P 1 0 = 0 . Ahora, como A y P son invertible y el producto de matrices
invertible es tambien invertible, entonces multiplicando por la izquierda de la ecuacion



anterior por la inversa de P 1 A se tiene que
x = P 1 AP 1 0 = 0 , es decir,
x = 0
(abs), ya que
x es un vector propio de A.

] Supongamos que 0 no es un valor propio de la matriz A de orden n, entonces

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 153

todos los valores propios de A son diferentes de cero, es decir, si 1 , 2 , ..., n son los
valores propios, entonces i = 0 para todo i = 1, ..., n, por lo que el determinante de A
sera diferente de cero, lo cual implica que la matriz A es invertible. Recuerde que la
inversa de una matriz A se puede hallar como A1 = det(A) 1
adj(A).
Teorema 4.4.14. Si A es una matriz cuadrada triangular, entoces A tiene como valores
propios los elementos de la diagonal principal.

Ejemplo 4.4.123

Dada la matriz
1 4 5
A = 0 2 6 ,
0 0 3
muestre que sus valores propios son 1, 2 y 3, es decir, los elementos de su diagonal principal.

Solucion

Para ello basta calcular el det(A I3 ) para = 1, 2 y 3 y ver que para cada
uno de los valores de este determinante es igual a cero.

Demostremos el caso para = 1 :



1 4 5 0 4 5
det(A I3 ) = det 0 2 6 1 I3 = det 0 1 6 = 0,
0 0 3 0 0 2

por ser el determinante de una matriz triangular el producto de los elementos de su


diagonal principal, y como uno de ellos es igual a cero, esto hace que el determinante sea
igual a cero.

Utilizando un procedimiento analogo se puede demostrar que = 2 y = 3 son


tambien autovalores de la matriz A.

4.5 Ejercicios
1
1. Si

v es un vector distinto del vector cero, entonces el vector


v tiene norma
 v 
del vector
1; por esta razon se denomina vector unitario en ladireccion  v.
1
El procedimiento para construir un vector unitario v recibe el nombre de
v 
normalizacion del vector. Normalice los siguientes vectores:

a)

v = (3, 4)

4.5. EJERCICIOS
154 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

b)

v = (1, 3, 4)


2 2
c) v = ( , )
2 2
d)

v = (2, 3, 4).

2. Dada la gura

y si  u = 50 y  v = 70, encuentre

a)

u y
v
b)

u

v
c)

u +v
d)  u +


v .

3. Son los vectores



u = (1, 4, 3, 6) y

v = (3, 5, 6, 1) linealmente independientes?

4. Dados los vectores u = (2, 3, 4, 1),


v = (3, 1, 2, 4) y
w = (7, 2, 4, 3), es


z = (1, 2, 3, 4) combinacion lineal de ellos? Justique su respuesta.

5. Dados los vectores



u = (2, 3) y

v = (2, 5), halle los angulos que forma

u +

v



con u y con v .

6. En el plano cartesiano, cuantos vectores son paralelos a un vector dado?

7. En el espacio tridimensional, cuantos vectores son perpendiculares a un vector


dado?

8. Dados los vectores



u = (2, 4, 1) y

v = (1, 2, 4), verique las siguientes propiedades
de la norma:

a) 

u  0,

u
b)  u v =



v

u 
c) 
u +
v  u  +  v  (desigualdad triangular).
d ) |

u

v | 

u 

v  (desigualdad de Cauchy-Schwartz).
e) Son validas estas propiedades en general?

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 155

9. Dados los puntos A(1,2,0), B(-2,1,0) y C(0,0,3),

a) Dibuje el triangulo con vertices en A, B y C.


b) Halle los angulos interiores del triangulo ABC usando vectores.
c) Encuentre el permetro del triangulo ABC.

10. Son los vectores



u = (1, 4, 6) y

v = (3, 6, 1) linealmente independientes?

11. Son los vectores



u = (1, 6),

v = (6, 1) y

w = (1, 1) linealmente dependientes?

12. Son los vectores



u = (1, 4, 6),

v = (1, 6, 6),

w = (1, 1, 3) y

z = (1, 5, 3)
linealmente independientes?

3 2 2
13. Dada la matriz A = 3 1 3
1 2 0

a) Calcule A-kI.
b) Determine para que valor o valores de k el determinante de A-kI es igual a
cero.
c) Con el mayor de los valores obtenido para k en el tem anterior determine el
vector

x 1 tal que A
x 1 = k

x 1 con

x 1 unitario.




d ) Sea Z = x y , con y = (y , y , y ), si y representan las ventas
t
1 1 1 2 3 1
mensuales en millones de pesos de un almacen, y2 sus gastos en publi-
cidad y y3 las utilidades, determine en cual de los tres almacenes: D, E o
F, la variable Z1 tiene mayor valor segun la informacion presentada en la tabla:

y1 y2 y3
D 20 2 5
E 30 3 8
F 25 4 6
e) Calcule ahora una formula para 2 Z =


2 y mediante un procedimiento
x
analogo al utilizado para calcular Z1 , pero tomando k como el segundo mayor
valor obtenido en el tem b); evalue Z2 en los almacenes D, E y F, como se hizo
con Z1 .
f ) Interprete a Z1 y Z2 en termino de sus coecientes.
g) Represente gracamente en el plano, en termino de Z1 y Z2 , cada uno de los
almacenes e interprete el graco.
Problema de aplicacion 4.5.5

La siguiente informacion, recogida en una determinada zona del pas, mues-


tra la distribucion de la poblacion actual de jovenes profesionales con ttulo de

4.5. EJERCICIOS
156 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

especialista, maestra o doctorado con base en el ttulo de postgrado de los padres.


El 50 % de los hijos de especialistas termina una especializacion, el 40 % una
maestra y el 10 % un doctorado. El 80 % de los hijos de profesionales con ttulo de
maestra termina una maestra, el 15 % una especializacion y el 5 % un doctorado.
El 40 % de los hijos de profesionales con ttulo de doctor termina un doctorado, el
50 % una maestra y el resto una especializacion.

Si este comportamiento se mantiene de generaccion en generacion, en la sex-


ta generacion cual sera el ujo de los hijos de profesionales con ttulo de doctor?
Que se espera pase a larga con el ujo de hijos con ttulos de postgrado de hijos
de profesionales con ttulos de postgrado de generacion en generacion?

CAPITULO 4. VECTORES EN RN
Algebra lineal aplicada a las Ciencias Economicas 157

4.6 Actividades
Actividad 7

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:

Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Vectores
Objetivo: realizar operaciones entre vectores.
Tiempo: 2 horas.
Fecha: segun decision del profesor.
Instrumento: Matlab.
Si A es una matriz de tamano m n y b es otra matriz de tamano m 1, entonces
rref([Ab]): transforma la matriz [Ab] a la forma escalonada reducida por las, y esto se
puede utilizar para determinar la consistencia o inconsistencia del sistema Ax = b.
C=A\B halla la solucion del sistema de ecuaciones lineales AX = B y la almacena en la
matriz C.

1. Sean u = (a, b) y

v = (3, 1). Si

u

v = 0, entonces la relacion que hay entre a
y b es:
1
a) b = a
3
b) b = 3a
c) b = 3a
1
d ) b = a.
3

4.6. ACTIVIDADES
158 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

2. Sean
u = (a, b, c) y

v = (3, 1, 2). Si

u

v = 0, entonces la relacion que hay
entre a, b y c es:

a) b = 3a 2c
b) b = 2c 3a
c) b = 3a + 2c
d ) b = 3a + c.

3. Sean
u = (a, b, c) y

v = (1, 2, 1) y
w = (1, 3, 1). Si
u

v = 0, y tambien



u w = 0, entonces la relacion que hay entre a, b y c es:

a) b = a y c = a
b) b = a y c = a
c) b = 0 y c = a + b
d ) b = 0 y c = a.

4. Sean
u = (1, 2, 1) y

v = (1, 1, 3),

w = (1, 3, 1) y z = (2, 4, 6). Determine si el
vector

x = (4, 2, 1) es combinacion lineal de los vectores

u ,
v ,
w yz usando el
comando de Matlab rref.

CAPITULO 4. VECTORES EN RN
Captulo 5
Sistema de desigualdades lineales

5.1 Introduccion
Los sistemas de desigualdades lineales juegan un papel importante en el estudio de la
programacion lineal, por esto nuestra atencion se centra en el estudio de estos sistemas.

5.2 Desigualdad lineal


Denicion 5.2.1. Desigualdad lineal en dos variables
Una desigualdad lineal en dos variables (incognitas), x y y, es aquella que es equivalente
o que se puede escribir en alguna de las siguientes formas:
ax + by + c > 0 (estricta),
ax + by + c 0 (no estricta),
ax + by + c < 0 (estricta),
ax + by + c 0 (no estricta),
donde a, b, c R, a y b no nulas simultaneamente.
Al igual que en una ecuacion lineal, para que una desigualdad se considere lineal se deben
tener en cuenta las siguientes condiciones:
1. El exponente de cada variable (incognita) x y y debe ser uno.
2. Las variables no pueden aparecer como argumento para funciones trigonometricas,
logartmicas o exponenciales.
3. En la ecuacion no pueden aparecer productos de variables distintas, ni productos
de variables iguales (excepto cuando la suma de sus exponentes sea 1).
En general, una desigualdad lineal en las variables x1 , x2 , , xn es aquella que se puede
escribir en alguna de las siguientes formas:
a1 x1 + a2 x2 + + an xn + c > 0 (estricta),
a1 x1 + a2 x2 + + an xn + c 0 (no estricta),
a1 x1 + a2 x2 + + an xn + c < 0 (estricta),
a1 x1 + a2 x2 + + an xn + c 0 (no estricta),

159
160 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

con ai , c R, ai no nulos para cada i = 1, 2, , n.


Recordemos algunas propiedades basicas de las desigualdades vista en cualquier curso
elemental de algebra, como son las siguientes:

1. a < b b > a
2. a b a < b o a = b
3. a < b a + c < b + c para cualquier numero real c.
4. a < b a c < b c para cualquier numero real c positivo.
5. a < b a c > b c para cualquier numero real c negativo.

Notemos que las propiedades 4. y 5. tambien pueden ser expresadas, respectiva-


mente, como se muestra a continuacion:
6. a < b a
c
< b
c
para cualquier numero real c positivo.
7. a < b a
c
> b
c
para cualquier numero real c negativo.

5.2.1 Conjunto solucion de una desigualdad lineal


Denicion 5.2.2. Es el conjunto de parejas ordenadas de numeros reales que la
satisfacen; en el caso de n variables, es el conjunto de n-uplas de numeros reales que
la satisfacen.
En el caso de dos variables, la solucion graca representa el semiplano arriba de la recta
asociada a la desigualdad, que esta incluida en el conjunto solucion solo si la desigualdad
es de orden no estricto. Para determinar de que lado de la recta se trata se utiliza un
punto de prueba que no este sobre la recta; si se satisface la desigualdad, entonces se
toma como graca la region que contiene al punto; si no la satisface, se toma la region
que no contiene al punto como graca de la desigualdad lineal.

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 161

La region sombreada de la gura anterior es, gracamente, el conjunto solucion de


la desigualdad lineal 3x + 2y 6; al elegir como punto de prueba (2,3) para esta
desigualdad, este punto satisface la desigualdad lineal.

Para hallar el conjunto solucion de una desigualdad lineal existen diferentes meto-
dos; en este texto solo presentaremos el metodo graco.

5.2.2 Metodo graco para hallar el conjunto solucion de una


desigualdad lineal en dos variables
Para hallar gracamente en R2 el conjunto solucion de una desigualdad lineal en dos
variables un procedimiento podra ser el siguiente:

Trazar la graca de la recta con ecuacion ax + by + c = 0 asociada con la de-


sigualdad lineal ax + by + c  0; si la desigualdad es de orden estricto, la lnea se traza
punteada; pero si la desigualdad es de orden no estricto, se traza continua; esta lnea
divide el plano en dos semiplanos.

Para determinar cual de los dos semiplanos satisface la desigualdad lineal se puede
seguir cualquiera de los dos siguientes procedimientos:

Despejar la variable y (o x) en la desigualdad:

1. Si se obtiene y > mx + b (o x > my + b), el conjunto solucion, gracamente, es el


semiplano que esta por encima de la recta (es el semiplano que esta a la derecha de
la recta); si la desigualdad es de orden no estricto, los puntos que estan en la recta
hacen parte del conjunto solucion.
Para determinar cual de los dos semiplanos satisface la desigualdad basta tomar
un punto (x = a, y = b) en cualquiera de los dos semiplanos y evaluarlo en la
desigualdad; si esta se satisface, el punto (a, b) y todos los que estan en ese mismo
semiplano satisfacen la desigualdad y, por lo tanto, constituyen el conjunto solucion
de la misma. Si el punto (a, b) no satisface la desigualdad, entonces el conjunto
solucion, gracamente, viene dado por el semiplano que esta del otro lado de la
recta con respecto al punto (a, b).

2. Si se obtiene y < mx + b (o x < my + b), el conjunto solucion es el semiplano


que esta por debajo de la recta (el conjunto solucion es el semiplano que esta a
la izquierda de la recta); si la desigualdad es no estricta, los puntos que estan en
la recta hacen parte del conjunto solucion. As que para determinar el conjunto
solucion se sigue el mismo procedimiento que el del tem anterior.

5.2. DESIGUALDAD LINEAL


162 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Ejemplo 5.2.124

Hallemos gracamente el conjunto solucion de la desigualdad lineal


3x 2y 6
Solucion

Hallamos primero la graca de la recta asociada con esta desigualdad, cuya ecuacion es
3x 2y = 6, para lo cual basta buscar un par de puntos que esten sobre la recta; por
ejemplo, si x=0, entonces y=-3, luego entonces el punto (0,-3) esta sobre la recta; si y=0,
entonces x=2, por lo tanto, el punto (2,0) es otro punto que esta sobre la recta, como
puede verse en la gura:

x y
0 -3
2 0

Para ver que efectivamente la region sombreada es la que satisface la desigualdad basta
tomar un punto de prueba que no pertenezca a la recta, en cualquiera de los dos semiplanos
cuya frontera es la recta. Si tomamos como punto de prueba la pareja (4,0), observamos
que al reemplazar a x por 4 y a y por 0 en la desigualdad, esta se satisface, como se puede
ver a continuacion: 3(4) 2(0) = 12 > 6.

5.3 Sistemas de desigualdades lineales


Denicion 5.3.1. Un sistema de desigualdades lineales en varias variables es un conjunto
nito de desigualdades lineales en las mismas variables.
Por ejemplo, el siguiente conjunto de m desigualdades lineales con n incognitas es un
sistema de desigualdades lineales.

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 163

Ejemplo 5.3.125

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn b1


a21 x1 + a22 x2 + a23 x3 + ... + a2n xn b2
..
. (I)
am1 x1 + am2 x2 + am3 x3 + ... + amn xn bm
x1 0
x2 0
..
.
xn 0
donde las aij y las bi , para i = 1, ..., m y j = 1, ..., n son numeros reales.

5.3.1 Conjunto solucion de un sistema de desigualdades lineales


Resolver un sistema de m + n desigualdades lineales con n incognitas es hallar el conjunto
de n-uplas de numeros reales que satisfacen cada una de las m + n desigualdades lineales;
por ejemplo, la n-upla (s1 , s2 , ..., sn ) es una solucion del sistema de m + n desigualdades
lineales si al reemplazar a x1 por s1 , a x2 por s2 , y as sucesivamente hasta llegar
a reemplazar a xn por sn , respectivamente, en cada una de las m + n desigualdades,
estas se satisfacen (se convierten en proposiciones verdaderas); es decir: dado (I), la n-
upla (s1 , s2 , ..., sn ) es una solucion para este si y solo si las siguientes desigualdades son
verdaderas:

a11 s1 + a12 s2 + a13 s3 + ... + a1n sn b1


a21 s1 + a22 s2 + a23 s3 + ... + a2n sn b2
..
. (II)
am1 s1 + am2 s2 + am3 x3 + ... + amn sn bm
s1 0
s2 0
..
.
sn 0
Resolveremos gracamente estos sistemas de desigualdades lineales. Utilizaremos el
metodo graco o metodo del punto esquina.

5.3.2 Punto de esquina


Si se tienen m + n desigualdades lineales con n variables, el conjunto solucion del sistema
es el conjunto nuplas (s1 , s2 , ..., sn ) que satisfacen cada una de las m + n desigualdades
lineales; este conjunto es llamado conjunto de soluciones factibles. Si se tiene un sistema
de desigualdades lineales con dos variables y la graca de su conjunto solucion es, por
ejemplo, un triangulo, las esquinas no son mas que sus mismos vertices; si la graca

5.3. SISTEMAS DE DESIGUALDADES LINEALES


164 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

del conjunto solucion esta en el espacio y es, por ejemplo, un cubo (un dado), entonces
las esquinas del conjunto solucion son los mismos vertices del cubo. Utilizaremos las
graca del conjunto solucion de estos sistemas de desigualdades lineales para determinar
el valor optimo de una funcion lineal en ese conjunto. El metodo que utilizaremos para
determinar estos valores se conoce con el nombre de metodo del punto esquina. Con este
metodo podemos determinar el valor optimo que toma una funcion lineal denida sobre
una region de soluciones factibles generada por un sistema de desigualdades lineales,
siempre y cuando este valor optimo exista.

Se puede demostrar que el valor optimo que alcanza una funcion lineal en el con-
junto de soluciones factibles generado por un sistema de desigualdades lineales se
encuentra siempre en un punto de esquina o sobre el segmento de recta que une dos de
ellos (si este existe). En general, un punto esquina en R2 se obtiene de la interseccion de
dos rectas y en R3 de la interseccion de tres planos.

Procedimiento en el metodo del punto de esquina


Paso 1. Se encuentran los puntos de esquinas del conjunto restriccion. Estos puntos se
obtienen resolviendo los sistemas de ecuaciones lineales asociados con cada una
de las desigualdades lineales de I), si tenemos m + n desigualdades lineales con n
incognitas, entonces el numero de formas distintas de escoger n uplas de valores
(un valor por cada variable) es (m+n)!
n!m!
, que es precisamente el numero maximo
posible de puntos esquinas que tendramos que considerar para hallar el conjunto
de soluciones factibles.

Mediante la tecnica de conteo mencionada se sabe que


(n + m)!
Numero maximo posible de puntos esquinas =
m!n!
Por ejemplo, si n = 4 y m = 4, entonces
(4 + 4)!
Numero de puntos de esquina posibles = = 70
4!4!
Es decir, hay que resolver como maximo 70 sistemas de ecuaciones lineales con
4 incognitas!, lo cual sera un proceso muy laborioso. Por fortuna existen formas
mucho mas ecientes de resolver este tipo de problemas.
Paso 2. Se encuentran los puntos de esquinas reales, es decir, los puntos que satisfacen
todas las desigualdades lineales, probando cada punto de esquina posible para ver
si satisface o no las m + n desigualdades del sistema (I).
Paso 3. Evaluar la funcion lineal f en cada punto de esquina que sea una solucion factible.
Paso 4. El mayor valor de f (
x ) en el paso 3 es la solucion del problema de maximizacion
y el menor valor es la solucion del problema de minimizacion. Si f toma su valor

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 165

maximo (o mnimo) en dos puntos de esquina, entonces toma este valor en todo
punto de la recta que une esos dos puntos.

Ejemplo 5.3.126

Determinemos las soluciones optimas (maximo y mnimo) para la funcion objetivo


denida por f (

x ) = x1 x2 + x3 , con

x = (x1 , x2 , x3 ) sobre el conjunto de restricciones
denido por
x 1 + x 2 + x3 15 (a)
2x1 + x2 + 2x3 26 (b)
5x1 + 2x2 + 3x3 43 (c)
x1 0 (d)
x2 0 (e)
x3 0 (f)

Solucion

Aqu m = 3 y n = 3. Por lo tanto, hay (3+3)! 3!3!


= 20 puntos de esquina posibles.
Es decir, hay que resolver 20 sistemas de ecuaciones lineales para las seis ecuaciones
lineales con tres incognitas. Los resultados se resumen en la siguiente tabla:

Restricciones Interseccion Esquina f (



x ) = x 1 x2 + x 3
a, b, c (1,4,10) s 7
a, b, d (0,4,11) s 7
a, b, e * Ninguno
a, b, f (11,4,0) no **c
a, c, d (0,2,13) no **b
a, c, e (-1,0,16) no **d
a, c, f (13/3,32/3,0) s -19/3
a, d, e (0,0,15) no **b y **c
a, d, f (0,15,0) s -15 (Mnimo)
a, e, f (15,0,0) no
b, c, d (0,8,9) no
b, c, e (2,0,11) s ***13 (Maximo)
b, c, f (-9,44,0) no
b, d, e (0,0,13) s ***13 (Maximo)
b, d, f (0,26,0) no
b, e, f (13,0,0) no
c, d, e, (0,0, 43/3) no
c, d, f (0,43/2,0) no
c, e, f (43/5,0,0) s 43/5
d, e, f (0,0,0) s 0

5.3. SISTEMAS DE DESIGUALDADES LINEALES


166 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

* Ninguno, porque el sistema es inconsistente.


** Signica que la restriccion talno se satisface.
*** El valor maximo de f ocurre en todo punto del borde que une los puntos de esquina
(2,0,11) y (0,0,13).

Ejemplo 5.3.127

Determinemos los valores maximo y mnimo de la funcion denida por


f (

x ) = x + 3y con

x = (x, y)
sujeta a las siguientes restricciones:
xy 0 (5.1)
x+y 1 (5.2)
3x + 4y 12 (5.3)
4x 3y 8 (5.4)
y 0 (5.5)

Solucion

Comenzaremos construyendo tablas de valores para cada una de las ecuaciones


asociadas a las desigualdades:

xy=0 x+y=1 3x+4y=12 4x3y=8


           
x y x y x y x y
0 0 , 1 0 , 0 3 , 2 0
1 1 0 1 4 0 3 43
En la gura siguiente se muestran las rectas cuyas ecuaciones son las dadas anteriormente.

Para la desigualdad lineal (1), gracamente, el conjunto solucion es

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 167

Para la desigualdad lineal (2), gracamente, el conjunto solucion es

Para la desigualdad lineal (3), gracamente, el conjunto solucion es

Para la desigualdad lineal (4), gracamente, el conjunto solucion es

5.3. SISTEMAS DE DESIGUALDADES LINEALES


168 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

El conjunto solucion, gracamente, no es mas que la interseccion de las gracas de las


desigualdades 1-4, y que se muestra a continuacion:

Para hallar las esquinas o vertices del conjunto solucion hay que resolver los siguientes
sistemas de ecuaciones: para el punto A en la graca, el sistema de ecuaciones

xy = 0
x+y = 1

cuya solucion es la pareja (1/2,1/2).


Para el punto B en la graca, el sistema de ecuaciones

xy = 0
3x + 4y = 12

cuya solucion es la pareja (12/7,12/7).


Para el punto C en la graca, el sistema de ecuaciones

4x 3y = 8
3x + 4y = 12

cuya solucion es la pareja (3,4/3).


Para el punto D en la graca, el sistema de ecuaciones

4x 3y = 8
y = 0

cuya solucion es la pareja (2,0).


Para el punto E en la graca, el sistema de ecuaciones

x + 3y = 1
y = 0

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 169

cuya solucion es la pareja (1,0).

Para hallar los valores maximo y mnimo de la funcion f basta evaluar esta fun-
cion en cada una de las esquinas del conjunto solucion.

En el vertice A(1/2,1/2) f toma el valor de 2.

En el vertice B(12/7,12/7) f toma el valor de 48/7.

En el vertice C(3,4/3) f toma el valor de 7.

En el vertice D(2,0) f toma el valor de 2.

En el vertice E(1,0) f toma el valor de 1, as que el valor maximo de f es 7 y lo


alcanza en el punto C de coordenadas (4,3); el valor mnimo de f es 1 y lo alcanza en el
punto E de coordenadas (1,0).

5.3.3 Problema estandar de programacion lineal


En forma general, consiste en determinar los valores de x1 , x2 , , xn reunidos en el vector
de n componentes
x = (x1 , x2 , , xn ) que maximice la funcion lineal

f (

x ) = c1 x1 + c2 x2 + + cn xn

y que satisfaga las m + n desigualdades lineales

a11 x1 + a12 x2 + + a1n xn b1


a21 x1 + a22 x2 + + a2n xn b2
.. .. .. .. (I)
. . . .
am1 x1 + am2 x2 + + amn xn bm
x1 0 , x2 0 , , xn 0,

donde b1 , b2 , . . . , bn son no negativos, siempre y cuando el maximo para f exista.

1. A la funcion f la llamaremos funcion objetivo.

2. Al sistema (I) lo llamaremos conjunto de restricciones.

3. Cualquier solucion que este en el conjunto de restricciones lo llamaremos solucion


factible.

4. La solucion factible que maximiza a f la llamaremos solucion optima.

5. Si no existe solucion factible, al problema de programacion lineal se le llama no


factible.

5.3. SISTEMAS DE DESIGUALDADES LINEALES


170 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

6. Si el problema tiene soluciones factibles, pero no tiene una solucion optima, se dice
que es no acotado.
7. La solucion optima de un problema de programacion lineal acotado siempre ocurre
en un punto de esquina.

Ejemplo 5.3.128

Un fabricante produce bicicletas y motonetas, las cuales deben procesarse a traves


de dos centrales de produccion mecanica. La central I tiene un maximo de 120 horas
disponibles y la central II tiene un maximo de 180 horas disponibles. La manufactura de
una bicicleta requiere 6 horas en la central I y 3 en la II. La fabricacion de una motoneta
requiere 4 horas en la central I y 10 en la central II. Si la utilidad por bicicleta es, en
unidades monetarias, 45 dolares y por motoneta 55 dolares, determinar el numero de bi-
cicletas y de motonetas que se deberan fabricar y vender para obtener la maxima utilidad.

Solucion

Sea x el numero de bicicletas fabricadas y vendidas.


Sea y el numero de motonetas fabricadas y vendidas.
Como el tiempo disponible en la central I es de 120 horas, el tiempo de manufactura de
una bicicleta en la central I es de 6 horas y el tiempo de manufactura de una motoneta en
la central I es de 4 horas, entonces (6x + 4y) horas es el tiempo total en horas requerido
de la central I para fabricar x bicicletas y y motonetas, as que la primera restriccion es
(6x + 4y) 120 horas 1)
Como el tiempo disponible en la central II es de 180 horas, el tiempo de manufactura de
una bicicleta en la central II es de 3 horas y el tiempo de manufactura de una motoneta
en la central II es de 10 horas, entonces
(3x + 10y) horas
es el tiempo total en horas requerido de la central II para fabricar x bicicletas y y
motonetas, as que la segunda restriccion es
(3x + 10y) 180 horas 2)
Como la utilidad por bicicletas en unidades monetaria es de 45 dolares y la utilidad
por motonetas en unidades monetaria es de 55 dolares, entonces si denotamos con f la
funcion de utilidad, esta en termino de (x,y) puede expresarse as:

f (x, y) = 45x + 55y


La idea es, entonces, determinar los valores de x y y que hagan que la funcion de utilidad
sea maxima, sujeta a las siguientes restricciones:

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 171

6x + 4y 120 horas 1)
3x + 10y 180 horas 2)
x 0 3)
y 0 4)

Estas dos ultimas desigualdades son las restricciones de no negatividad.


El problema se reduce a

maximizar f (x, y) = 45x + 55y,

sujeto a las siguientes restricciones:

6x + 4y 120 horas 1)
3x + 10y 180 horas 2)
x 0 3)
y 0 4)

Utilizando un procedimiento analogo al del ejemplo anterior se tiene que los valores que
maximizan a f son x = 10 y y = 15. El maximo valor que alcanza la funcion es 1275
dolares.

5.4 Ejercicios y problemas


1. Minimizar
f (x, y) = 3x + 2y
sujeto a

x + 2y 5
3x + 4y 8
2x + y 4
x 0, y 0

2. Construya un sistema de cuatro inecuaciones lineales con dos incognitas, cuyo


conjunto solucion en el plano tenga como vertices los puntos de coordenadas (2,3),
(6,5), (3,2) y (8,3). Cuantas soluciones son posibles?

3. Maximizar
f (x, y, z) = 10x + 12y + 12z
sujeto a

5.4. EJERCICIOS Y PROBLEMAS


172 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

5x + 2y + z 3
x + 2y + 4z 2
x 0, y 0, z 0

4. Maximizar
f (x, y, z) = 2x + 3y + 4z
sujeto a
x+y+z 1
x + y + 2z = 2
3x + 2y + z 4
x 0, y 0, z 0

5. Maximizar
f (x, y, z) = 2x + 3y + 4z
sujeto a
x+y+z 1
x + y + 2z = 2
3x + 2y + z 4
x 0, y 0, z 0

6. Maximizar
f (x, y, z) = 10x + 12y + 12z
sujeto a
5x + 2y + z 3
x + 2y + 4z 2
x 0, y 0, z 0

7. Un fabricante de alimentos para perros anuncia que una lata de su producto Todo-
carne proporciona los requerimientos mnimos diarios de protenas y carbohidratos
para un perro que pese un promedio de 20 libras. Los tipos disponibles de carnes son
tres: res, caballo e hgado. Una onza de carne de res cuesta 1.5 centavos y contiene
0.5 onzas de carbohidratos y 0.2 onzas de protenas. Una onza de carne de caballo
cuesta 1.0 centavos y contiene 0.6 onzas de carbohidrato y 0.3 onzas de protenas.
Una onza de hgado cuesta 2.5 centavos y contiene 0.4 onzas de carbohidrato y 0.3
onzas de protenas. Los requerimientos mnimos diarios para un perro que pese en
promedio 20 libras se estiman en 6 onzas de carbohidratos y 3.1 onzas de protenas.
Que combinacion de los tres tipos de carne debe escoger el fabricante para satisfacer
estos requerimientos a un costo mnimo?

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 173

8. Una compana fabrica dos tipos de motores pequenos con combustible solido.
Con el motor A gana $3 por motor y con el motor B $4 por motor. Dispone
de 80 horas por semana para producirlos y en los procesos se requieren 4 horas
para producir un motor del tipo A y solo dos horas para producir uno tipo
B. Sin embargo, debido a lo peligroso del material, son necesarias 5 horas de
preparacion y limpieza para el motor B y 2 para el motor A. El tiempo de
preparacion total disponible es de 120 horas por semana. Determine el numero de
cada clase de motores que se debe producir que de como resultado maxima ganancia.

9. Un espa sabe que en cierto aeropuerto secreto hay estacionados como maximo 60
aviones entre cazas y bombarderos. Estas dos clases de aviones pueden transportar
cierto tipo de cohetes; un avion tipo caza puede transportar maximo seis de estos
cohetes y un avion tipo bombardero puede transportar maximo dos cohetes. El
agente sabe que con 252 cohetes quedan pertrechados por completo todos los aviones
que se hallan en el aeropuerto; ademas, se entera de que en esa base el numero de
aviones cazas es al menos el doble que el numero de aviones bombarderos. Calcule el
numero maximo de aviones caza y bombarderos que hay en ese aeropuerto o muestre
que la informacion del agente es incorrecta.

5.4. EJERCICIOS Y PROBLEMAS


Algebra lineal aplicada a las Ciencias Economicas 175

5.5 Actividades
Actividad 8

Institucion:
Curso:
Calicacion del grupo: Fecha:
Comentario del profesor:
Laboratorio de Matematicas

Nombre del profesor

Nombre de los integrantes del grupo

Introduccion a programacion lineal


Objetivos: gracar regiones y detectar el punto optimo.
Tiempo: 1 hora.
Fecha: segun decision del profesor.

1. Dados los siguientes sistemas de desigualdades lineales, en cada uno de ellos sombree
la region de soluciones factibles correspondiente. En cada graca mostramos las
rectas asociadas a dichos sistemas.
3x+2y 6 (1)
a) 2x+3y 6 (2)
4x+3y 10 (3)

5.5. ACTIVIDADES
176 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

x+y 3 (1)
b) x+2y 9 (2)
4x-3y 12 (3)

3x+2y 6 (1)
c) 2x+3y 6 (2)
4x+3y 10 (3)

x+y 3 (1)
d) x+2y 9 (2)
4x-3y 12 (3)

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 177

e) En los ejercicios anteriores halle todos los puntos de esquina de la region


factible.
2. Dados los siguientes ejercicios de programacion lineal, en cada uno de ellos sombree
la region correspondiente de soluciones factibles, halle los puntos de esquina e
identique el valor optimo de la funcion objetivo y en que punto es dado si tal
hecho es posible.

a) Minimizar
f = 3x + 2y
sujeto a
x+y 5
x + 4y 8
2x + y 4
x 0, y 0

b) Maximizar
f = 5x + 6y
sujeto a
5x + 2y 3
x + 2y 2
x0 y0
c) Maximizar
f = 4x + 3y
sujeto a
x+y 1
x+y 2
3x + 2y 4
x0 , y0

5.5. ACTIVIDADES
178 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

d ) Maximizar
f = 2x + 3y
sujeto a

x+y 1
x+y 2
3x + 2y 4
x0 , y0

e) Maximizar
f = 4x + 6y
sujeto a
5x + 2y 3
x + 2y 2
x 0, y0

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Apendice

Teorema 1.2.1. Sean A, B y C matrices de orden m n y k un numero real, entonces:

i) A+Omn =A, donde Omn es la matriz cero de orden m n

ii) 0A=Omn

iii) A+B=B+A

iv) A+(B+C)=(A+B)+C

v) k(A + B) = kA + kB

vi) D tal que B+D=A, donde D es una matriz de orden m n.

Demostracion 15

Demostraremos los tems i.), ii.) y iii.), los otros se dejan al lector.
Sean A = (aij )mn , B = (bij )mn , C = (cij )mn y D = (dij )mn matrices.

i.) Sea O = (0ij = 0)mn , tenemos entonces que A + O = E = (eij )mn , donde
eij = aij + oij = aij + 0 = aij , i = 1, 2, . . . , m y j = 1, 2, . . . , n, por lo tanto, E = A,
y resulta que A + O = A.

ii.) 0A signica multiplicar todos los elementos de A por 0, tenemos entonces la matriz
cero de m n.

iii) A + B = F = (fij )mn , donde fij = aij + bij (1); por otro lado, tenemos
B + A = G = (gij )mn , donde gij = bij + aij (2). De (1) Y (2) tenemos fij = gij
i = 1, 2, . . . , m y j = 1, 2, . . . , n, por lo tanto, F = G, y entonces A + B = B + A.

Teorema 1.2.2. Sean A, B, C, D y E matrices con tamanos tales que las operaciones
sean validas, entonces

i.) (AB)C=A(BC)

ii.) (A+D)B=AB+DB

iii.) A(B+E)=AB+AE

179
180 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Demostracion 16

Demostraremos el tem i.), los otros se dejan al lector.


Sean A = (aij )mk , B = (bij )kr y C = (aij )rn matrices cuyos tamanos se indican.
Hallemos el elemento ij del producto (AB)C.


k
AB = D = (dij )mr , donde dij = ait btj .
t=1


r
r k
r
k
DC = E = (eij )mn , donde eij = dis csj = ( ait bts )csj = (ait bts csj ).
s=1 s=1 t=1 s=1 t=1

Busquemos ahora el elemento ij del producto A(BC).


r
BC = F = (fij )kn , donde fij = bis csj .
s=1


k
k r
k
r
AF = G = (gij )mn , donde gij = ait ftj = ait ( bts csj ) = (ait bts csj ).
t=1 t=1 s=1 t=1 s=1

Por las propiedades de las dobles sumas, y lo mostrado anteriormente, se deduce eij = gij
para todo i {1, 2, . . . , m}, j {1, 2, . . . , n}, lo cual signica que E = G. Como DC = E
y AF = G, tenemos DC = AF y, por lo tanto, (AB)C = A(BC).

Teorema 1.3.1. Sean A y B matrices de orden m n y C una matriz de or-


den n p, entonces:

1. (At )t = A

2. Si k es un numero real, entonces (kA)t = kAt .

3. (A + B)t = At + B t

4. (A B)t = At B t

5. (AC)t = C t At .

6. Si k es un numero natural y m = n, entonces (Ak )t = (At )k .

Demostracion 17

1. Si A = (aij )mn , entonces At = (aji )nm y (At )t = (aij )mn ; de lo anterior se deduce
que (At )t = A.

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 181

2. Si A = (aij )mn , entonces kA = B = (bij )mn con bij = kaij , i = 1, .., m, j =


1, .., n y B t = C = (cij )nm con cij = bji = kaji i = 1, .., m, j = 1, .., n; por
otro lado, tenemos que At = D = (dij )nm con dij = aji , i = 1, .., m, j = 1, .., n,
entonces kD = E = (eij )nm , eij = kdij = kaji , i = 1, .., m, j = 1, .., n, y entonces
observamos que C=E y, por lo tanto, B t = kD, y as (kA)t = kAt .
3. Si A = (aij )mn y B = (bij )mn , entonces A + B = C = (cij )mn con
cij = aij + bij i = 1, .., m, j = 1, .., n, y entonces C t = G = (gij )nm con gij =
cji = aji + bji (1) i = 1, 2, , n y j = 1, 2, , m; por otro lado, tenemos
At = D = (dij )nm con dij = aji i = 1, .., n, j = 1, .., m y B t = E = (eij )nm con
eij = bji i = 1, .., n, j = 1, .., m, por lo que se deduce que D + E = F = (fij )nm
con fij = dij + eij = aji + bji (2) i = 1, .., n, j = 1, .., m de (1) y (2) se deduce
que G = F , por lo tanto, C t = D + E y (A + B)t = At + B t .
4. La demostracion de esta propiedad es muy similar a la demostracion anterior.
5. Si A % = (aij )mp y B = (bij )pn , entonces AB = C = (cij )mn con
cij = pk=1 aik% bkj i = 1, .., m, j = 1, .., n, y entonces C t = D = (dij )nm con
p
dij = cji = k=1 ajk bki (1) i = 1, 2, , n y j = 1, 2, , m; por otro
lado, tenemos B t = E = (eij )nm con eij = bji i = 1, .., n, j = 1, .., m y
At = F = (fij )nm con fij = aji% i = 1, .., n,% j = 1, .., m, tenemos entonces que
EF = G = (gij )nm con gij = pk=1 eik fkj = pk=1 bki ajk (2) i = 1, .., n, j =
1, .., m, de (1) y (2) D = G, se deduce que C t = EF y, nalmente, (AB)t = B t At .
6. La demostracion se hara usando induccion sobre k.
Si k = 1, tenemos (A1 )t = (At )1 , esto es, At = At .
Suponemos que la propiedad es valida para toda n k, esto es, (An )t = (At )n
siempre que n k.
Debemos probar ahora que (An+1 )t = (At )n+1 .
(An+1 )t = (An A)t = At (An )t = At (At )n = (At )n+1 .
Teorema 1.3.3. Unicidad de la matriz inversa
Si A y B son inversas de C, entonces A=B.

Demostracion 18

Si A y B son inversas de C, entonces todas son matrices cuadradas del mismo


tamano; suponemos ese tamano como n n, y se tiene que AC = CA = In , y tambien
BC = CB = In , por lo que se puede deducir que ACB = CAB, o sea, A(CB) = (CA)B,
entonces AIn = In B, y por ultimo, A = B. Teorema 1.3.4. Sean A y B matrices
invertibles de orden n y sean k numero real, k diferente de cero y p numero entero,
entonces:
1. (A1 )1 = A.
2. (AB)1 = B 1 A1 .

5.5. ACTIVIDADES
182 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

3. (At )1 = (A1 )t .

4. (kA)1 = k1 A1 .

5. (Ap )1 = (A1 )p .

Demostracion 19

Para las demostraciones de las diferentes armaciones dadas en este teorema se


usa la denicion de inversa de una matriz.

1. (A1 )1 = A expresa que la inversa de A1 es A, lo cual puede comprobarse, ya que


AA1 = A1 A = In .

2. (AB)1 = B 1 A1 expresa que la inversa de AB es B 1 A1 , lo cual puede


comprobarse, ya que (AB)(B 1 A1 ) = A(BB 1 )A1 = (AIn )A1 = AA1 = In .

3. (At )1 = (A1 )t expresa que la inversa de At es (A1 )t , lo cual puede comprobarse,


ya que At (A1 )t = (A1 A)t = Int = In y, ademas que (A1 )t At = (AA1 )t = Int = In .

4. (kA)1 = k1 A1 expresa que la inversa de kA es k1 A1 , lo cual podemos comprobar


as:
kA k1 A1 = k k1 AA1 = 1In = In .

5. (Ap )1 = (A1 )p expresa que la inversa de (Ap ) es (A1 )p , lo cual es cierto, ya que
Ap (A1 )p = (AA1 )p = (In )p = In .

Teorema 1.3.6. Si E es una matriz elemental, entonces E es invertible y su inversa es


tambien una matriz elemental.

Demostracion 20

Sea E = (eij )nn una matriz elemental cualquiera, entonces debe existir una op-
eracion elemental o1 tal que al aplicarla sobre E resulta In . Si sobre In se aplica la
misma operacion o1 se obtiene una matriz elemental E1 y por el teorema 1.3.5. E1 E = In
debemos probar que EE1 = In .
Como E1 es elemental, debe existir una operacion elemental o2 tal que al aplicarla sobre
E1 se obtiene In y esa misma operacion o2 aplicada sobre In genera una matriz elemental
E2 y por el teorema 1.3.5. se tiene E2 E1 = In y notamos que si E2 = E, tenemos
completa la demostracion.
Como tenemos que E2 E1 = In , multiplicamos por E a ambos lados, y resulta
E2 E1 E = In E, esto es, E2 (E1 E) = E, y por ultimo, E2 In = E2 = E. Teorema 2.2.1. Si
A es una matriz de tamano n n con una la (o columna) de ceros, entonces det(A) = 0.

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Algebra lineal aplicada a las Ciencias Economicas 183

Demostracion 21

1. Si una la(columna) esta compuesta exclusivamente de ceros, en cada termino de



j1 j2 ...jn a1j1 a2j2 ...anjn
j1 j2 ...jn Sn

hay un elemento de esta la(columna), entonces cada termino de esa suma es cero
y, por lo tanto, det(A) = 0.

Teorema 4.3.1. Dados dos puntos de Rn A(a1 , a2 , ..., an ) y B(b1 , b2 , ..., bn ), entonces

el vector que tiene su origen en el punto A y su extremo en el punto B (denotado AB)
es equivalente al vector anclado en el origen del sistema de coordenadas rectangulares
(b1 a1 , b2 a2 , ..., bn an ).

Demostracion 22

La diferencia del punto nal menos el punto inicial del vector AB es
(b1 , b2 , ..., bn ) (a1 , a2 , ..., an ) = (b1 a1 , b2 a2 , ..., bn an )
y la diferencia del vector anclado en el origen es
(b1 a1 , b2 a2 , ..., bn an ) (0, 0, ..., 0) = (b1 a1 , b2 a2 , ..., bn an );
como podemos ver, las diferencias de las coordenadas del punto nal y del inicial de
cada vector coinciden. Teorema 4.4.2. Si v es combinacion lineal de los vectores

u1 ,

u2 , ...,
, entonces
u
v ,

u1 ,

u2 , . . . y
son linealmente dependientes.
u
n n

Demostracion 23

Como v es combinacion lineal de los vectores u1 ,



u2 , ...,
, existen escalares
u n
c1 , c2 , . . . , cn tales que v = c1

u 1 + c2

u 2 + + cn
, entonces se deduce que
u
= n

v c1 u1 c 2

u2 cn
u 0 y tenemos una combinacion lineal nula, donde no todos
n
los coecientes son nulos (el coeciente de v es 1 = 0), por lo cual podemos concluir que





los vectores v , u1 , u2 , ..., un son linealmente dependientes.

5.5. ACTIVIDADES
184 Daz Rodrguez/Obeso Fernandez/Navarro Gutierrez/Velasquez Zapateiro

Bibliografa

1. Grossman, Stanley I. Algebra Lineal, Bogota, McGraw-Hill, 1996.

2. Grossman, Stanley I. Aplicaciones de Algebra Lineal, 4.a ed., Mexico, McGraw-Hill,


1992.

3. Anton, Howard. Algebra Lineal, Mexico, Limusa, Noriega, 1999.

4. Gerber, Harvey. Algebra Lineal, Mexico, Iberoamericana, 1992.

5. Arya, Jagdish. Matematicas aplicadas a la Administracion, Economa, Ciencias


Biologicas y Sociales, Mexico, Prentice Hall, 2002.

6. Marcus, Marvin y Minc Henrik. Elementos de algebra lineal, Mexico, Limusa, 1978.

7. Harville, David A. Matrix Algebra from a statisticians perspective, New York,


Springer-Verlag, 1997.

8. Kolman, Bernard y Hill, David. Algebra Lineal con aplicaciones y Matlab, 6.a ed.,
Mexico, Prentice Hall Hispanoamericana-Pearson Educacion, 1999.

9. Gass, Saul. Programacion Lineal, 3.a ed., Mexico, Compana Editora Continental,
1974.

CAPITULO 5. SISTEMA DE DESIGUALDADES LINEALES


Indice alfabetico

Adjunto del elemento aij , 71 Propiedades de la adicion de matrices, 7


Sistema de ecuaciones lineales, 87 Propiedades de la matriz inversa, 23
Propiedades de la matriz transpuesta, 21
Autovalor, 131 Propiedades de la multiplicacion de matrices, 12
Autovector, 131 Propiedades de las matrices elementales, 25
Propiedades de los determinantes, 63
Combinacion lineal, 127 Punto de esquina, 163

Desigualdad lineal, 159 Rango de una matriz, 33


Determinante, 61 Regla de Sarrus, 69
Diagonal principal de una matriz, 16
Sistema de desigualdades lineales, 162
Ecuacion lineal, 85, 86 Sistemas homogeneos, 100
Suma de matrices, 6
Funcion signo, 61
Tamano de una matriz, 4
Igualdad de matrices, 5 Traza de una matriz, 16
Independencia lineal, 129
Inversion, 60 Valor propio, 131
Vector propio, 131
Metodo de eliminacion de Gauss-Jordan, 95
Metodo del punto de esquina, 164
Matrices elementales, 24
Matriz, 3
Matriz adjunta, 72
Matriz antisimetrica, 22
Matriz aumentada, 90
Matriz de coecientes, 90
Matriz de cofactores, 72
Matriz denida positiva, 137
Matriz diagonal, 20
Matriz escalar, 20
Matriz escalonada reducida por renglones, 26
Matriz identica, 21
Matriz inversa, 22
Matriz semidenida positiva, 137
Matriz simetrica, 21
Matriz traspuesta, 21
Matriz triangular inferior, 20
Matriz triangular superior, 19
Menor del elemento aij , 71
Multiplicacion de matrices, 11
Multiplicacion de un escalar por una matriz, 6

Norma de un vector, 120

Operaciones elementales, 23
Operaciones sobre las las de una matriz, 23

Permutacion, 59
Permutacion par, 60
Producto entre una matriz la y una matriz columna, 10

185