Unidad 1

Matemticas para Ingenieros
M. En C. Jos Antonio Cuatepotzo Varela

jose_ac_varela@hotmail.com
Cel: (045)-55-18-96-28-66
25/octubre/2015

Algebra Lineal
1.1 Sistemas de Ecuaciones Lineales y Matrices
Matrices
Las matrices son un arreglo de elementos (normalmente nmeros o
escalares) en filas y columnas, y son de gran importancia para el lgebra
lineal.
Matriz Transpuesta
Es aquella que cambia las filas por columnas, o las columnas por filas.

Algebra Lineal
Ejemplos de matrices transpuestas:
2 94
1
1
T
A 5 8 7 A 2
3 9 2
9
4
4 7 8
A
1 3 2
5 3
8 7
7 2
1
4
T
A 7 3
8 2

Algebra Lineal
Operaciones entre Matrices
Sean A y B dos matrices con el mismo tamao (esto es con el mismo
nmero de filas y columnas), digamos dos matrices m x n:
a11
a
21
a12
a22
a1n
a2n
am1 am 2 amn
y B
b11
b
21
b12
b22
b1n
b2 n
bm1 bm 2 bmn
La suma de A y B, escrito A + B, es la matriz obtenida sumando las

entradas correspondientes de ambas:

Algebra Lineal
a11 b11 a12 b12
a b
a22 b22
21
A B 21
am1 bm1 am 2 bm 2
a1n b1n
a2n b2n
amn bmn
El producto de un escalar k por la matriz A, escrito kA, es la matriz

obtenida multiplicando cada entrada de A por k:
ka11 ka12
ka
ka22
21
kA

kam1 kam 2
ka1n
ka2n
kamn

Algebra Lineal
Ejemplos de operaciones con matrices:
Tome en cuenta las siguientes matrices,
1 2 3
4 5 6
3 0 2
7 1 8
y B
Entonces:
1 3 2 0 3 2 4 2 5
3 6 2
4
7
5
A B
3 1 3 2 3 3 3 6 9
12 15 18
3
4
3
5
3
3A
0 6 7 4
0
2 4 6 9
8 10 12 21 3 24 29 7 36
2 A 3B

Algebra Lineal
El producto de 2 matrices A y B, escrito AB, es algo complicado. Por esta
razn comenzaremos con un caso en particular. El producto de AB de una
matriz fila A ai
y una matriz columna B bi , con el mismo nmero de
elementos, se distingue como sigue:
b1
b
n
a1 , a2 ,..., an 2 a1b1 a2b2 ... anbn ak bk

k 1

bn
Note que AB es un escalar (o matriz de 1 x 1). El producto AB no est

definido si A y B tienen nmeros diferentes de elementos.
3
8 4 5 2 8 3 4 3 5 1 24 8 5 11
1

Algebra Lineal
Haciendo uso de lo anterior, definimos ahora el producto de matrices en
general. Sea:
a11 a12
a21 a22
b11 b12
b21 b22
a11 b11 a12 b21 a11 b12 a12 b22
a21 b11 a22 b21 a21 b12 a22 b22
AxB
Y:
a11 a12
A a21 a22
a31 a32
a13
a23
a33
b11 b12
B b21 b22
b31 b32
b13
b23
b33

Algebra Lineal
Entonces:
a11 b11 a12 b21 a13 b31 a11 b12 a12 b22 a13 b32
AxB a21 b11 a22 b21 a23 b31 a21 b12 a22 b22 a23 b32
a31 b11 a32 b21 a33 b31 a31 b12 a32 b22 a33 b32
a11 b13 a12 b23 a13 b33

a21 b13 a22 b23 a23 b33
a31 b13 a32 b23 a33 b33

3
1
3
1
2
y B
2
5
6
1
4
3 52 12 3 3 6 12 14 103 143
8
AxB 1 2
178 1
1
1
3
5
3
4
15

Algebra Lineal
4 1 9
A 5 2 3
8 7 6
9
2 4
y B 6 3
1
5 8 7
4 2 1 6 9 5
AxB 5 2 2 6 3 5
8 2 7 6 6 5
4 4 1 3 9 8
4 9 1 1 9 7
5 4 2 3 3 8 5 9 2 1 3 7
8 4 7 3 6 8 8 9 7 1 6 7
59 53 26
17 38 64
28 101 121

Algebra Lineal
Matrices Cuadradas
Una matriz cuadrada es la que tiene el mismo nmero de filas y columnas.
Se dice que una matriz cuadrada n x n es de orden n y se le asigna el
nombre de matriz n cuadrada. En las operaciones de matrices no todas
puede multiplicarse, o sumarse regularmente, pero cuando se consideran
a las matrices de orden n, esta limitacin no es problema. Las operaciones
de suma, producto, producto por un escalar y transposicin pueden
efectuarse sobre todas las matrices n x n y el resultado es nuevamente
una matriz n x n.
a11 a12
a
a22
A 21

a m1 a m 2
a1n
a2n
amn

Algebra Lineal
Matrices Adjuntas
Se considera una matriz n - cuadrada A (aij ) sobre un cuerpo K. El adjunto
clsico (tradicionalmente llamado adjunto) de A, se denota por adj A, y es
la traspuesta de la matriz de cofactores de A:
a11 a12
si A a21 a22
a31 a32
a13
a23
a33
a22
a23
a32
a12
a33
a13
a11
adj A a21
a32
a12
31
a22
a33
a13
a23
a12
a22
a32
a21 a23
a31 a33
a11 a13
a31 a33
a11 a13
a21 a23
a13
a21 a22
a31 a32
a
a
a23 11 12
a31 a32
a
a12
a33 11
a21 a22

Algebra Lineal
Matriz Inversa
Se dice que una matriz cuadrada A es inversible (o no singular), si

existe una matriz B con la propiedad de que (A)(B)=(B)(A)=I, siendo
I la matriz identidad.
Algoritmo para determinar la inversa de una matriz:
Paso 1: Construir una matriz (por bloques) n x 2nM ( AI )

, esto es
A, est en la mitad de la izquierda de M y la matriz identidad I a la
derecha.
Paso 2: Reducir por filas M a forma escalonada. Si el proceso genera

una fila nula en la mitad A de M, la matriz no es invisible, en caso
contrario, la mitad de A adoptar forma triangular.

Algebra Lineal
(I B )
Paso 3: Ms an, reducir M a la forma cannica por filas
donde I ha reemplazado a A en la mitad izquierda de la matriz.
Paso 4: Tomar A 1 B
Mtodos ms comnes para invertir una matriz:
Algoritmo Gauss Jordan

Mtodo de la adjunta
A1
1
adj A T si A 0
A

Algebra Lineal
Ejemplos de matriz inversa:
23 41 16
1
A1
22 26 76
300
13 29 4
7 3 1
A 1 1
4
9 7 5

A1
1
3
1 1
4
9 7 5
7
3
7
3
4
5
1
5
1
4
9
7
9
7
4
5
1
5
1
4
9
7
9
7
7
3
7
3
1
22
13
23
1
A1
41 26 29
300
16 76
4
A1
23
300
41
300
754
11
150
13
300
19
75
1
75
13
29
150
300

Algebra Lineal
Sistema de Ecuaciones Lineales con 2 Incgnitas
Sea x e y de la forma ax +by = c, en donde a, b y c son constantes
donde a y b son distintos a cero, y x e y son incgnitas. Dos ecuaciones
de este tipo constituyen un sistema de ecuaciones lineales:
a1 x b1 y c1
a2 x b2 y c2
En este caso un sistema de 2 ecuaciones, con 2 incgnitas y un
conjunto de solucin que satisfacen simultneamente a las ecuaciones
y cumplen cada ecuacin con su identidad.

Algebra Lineal
Sistema de Ecuaciones Lineales con 3 Incgnitas
Tiene las mismas caractersticas de las anteriores, slo que existen 3
incgnitas.
a1 x b1 y c1 z d1
a2 x b2 y c2 z d 2
a3 x b3 y c3 z d 3
Propiedades generales de los sistemas de ecuaciones lineales
Un conjunto de valores de las incgnitas que verifican
simultneamente a todas y cada una de las ecuaciones del sistema. De
acuerdo con su solucin, un sistema puede ser: Consistente, si admite
solucin; o Inconsistente, si no admite solucin.

Algebra Lineal
Mtodos de Solucin
Mtodo
Mtodo
Mtodo
Mtodo
Mtodo
Mtodo
Mtodo
de
de
de
de
de
de
de
Sustitucin
Igualacin
Eliminacin Gausseana
Gauss Jordan
Matriz Inversa Adjunta
Matriz Inversa Gauss Jordan
Cramer

Algebra Lineal
Matrices y Sistemas de Ecuaciones Lineales
Ver recurso con:
Hoja de clculo
de Microsoft Office Excel
Mtodo de Matriz Inversa Gauss Jordan

Algebra Lineal
Ejemplos de matriz inversa:
7 3 1
1 1
4
9 7 5
1
1
3
7
17
4
9 7 5
1 73 17
29
0 74
7
9 7 5
3
1
7
4
0
7
0 767
1 0 0 17
0 1 0
0 0 1
3
7
17
1
7
29
4
14
7
4
267
97
0 1
1
7
0 0 1 F 2
0 1 0
0 0 1
0 1
0 0
75
17
1
7
29
4
14
7
4
4
75
19
75
1
75
0 0 9 F 3
1 0
0 1
1
7
17
0
17
1
7
29
7
97
267
1
7
0 0
1 0 74
0 1
0 767
3
7
3
7
0 1
0 0
17
29
4
1
7
0 0
14 74 0
4 19 1 751
1 73 17
0 1 0
1
7
41
300
13
150
0 0
4
75
19
75
0 767 F 3
294 F 2
0
29
300
73 F1
1
75
1 0 17
59
700
13
350
29
700
0 1
41
300
13
150
29
300
0 0
4
75
19
75
1
75
1 0 0
0 1 0
0 0 1
23
300
41
300
4
75
11
150
13
300
13
29
150
300
19
75
1
75
17 F1

Algebra Lineal
1.2 Determinantes
Definicin de Determinantes
El determinante de una matriz cuadrada n x n, digamosA (aij )
puede definir por recurrencia sobre n:
det a11 a11 a11
a
a
a11 a12
11 12 a11 a22 a12 a21
a21 a22 a21 a22
det
a11 a12
det a21 a22

a
31 a32
a13
a11 a12
a23 a21 a22

a33
a31 a32
a13
a23 a11 a22 a33 a12 a23 a31 a13 a32 a21
a33
a11 a23 a32 a22 a13 a31 a33 a12 a21
, se

Algebra Lineal
1.2 Determinantes
Definicin de Determinantes
El determinante de una matriz cuadrada n x n, digamosA (aij )
puede definir por recurrencia sobre n:
det a11 a11 a11
a
a
a11 a12
11 12 a11 a22 a12 a21
a21 a22 a21 a22
det
a11 a12
det a21 a22

a
31 a32
a13
a11 a12
a23 a21 a22

a33
a31 a32
a13
a23 a11 a22 a33 a12 a23 a31 a13 a32 a21
a33
a11 a23 a32 a22 a13 a31 a33 a12 a21
, se

Algebra Lineal
Propiedades de los Determinantes
det 0 0
det I 1
t
det A det A
det A det A
det AB det A det B det A n det A
Determinantes y Sistemas de Ecuaciones Lineales

Mtodo de Cramer
a1 x b1 y c1 z d1
a2 x b2 y c2 z d 2
a3 x b3 y c3 z d 3
a1
b1
c1
d1
b1
c1
a1
d1
c1
a1
b1
D a2
a3
b2
b3
c2
c3
d2
b2
c2
a2
d2
c2
d3
b3
D
c3
a3
d3
D
c3
a2
a3
b2 d 2
b3 d 3
D
d1

Algebra Lineal
1.3 Espacios Vectoriales
Definicin de Espacio Vectorial
La definicin de espacio vectorial involucra un cuerpo arbitrario cuyos
elementos se denominan escalares. Se utilizar la siguiente notacin.
Kel cuerpo de escalares
a, b, c, o klos elementos de K
Vel espacio vectorial dado
u, v, wlos elementos de V
K es el cuerpo real R o el complejo C

Algebra Lineal
Definicin
Sean K un cuerpo dado y V un conjunto no vaco, con reglas de suma y
producto por un escalar que asignan a cada par de u, v V una suma
u+v V y a cada par de u V, k V un producto ku V. V recibe el
nombre de espacio vectorial sobre K.
Y los elementos de V se llaman vectores; si satisfacen los siguientes
axiomas:
1.- Para toda terna de vectores u, v, w V, (u+v)+w = u+(v+w).
2.- Existe un vector V, denotado por 0 y denominado vector cero, tal
que u + 0 = u para todo vector u V.
3.- Para todo vector u V existe un nico vector en V, denotado por
u, tal que u + (- u)= 0.

Algebra Lineal
4.- Par todo par de vectores u, v V, u+v = v+u.
5.- Para todo escalar k K y todo par de vectores u, v V, k(u+v) =
ku+kv.
6.- Para todo par de escalares a, b K, y todo vector u V, (a+b)u =
au + bu.
7.- Para todo par de escalares a, b K, y todo vector u V, (ab)u =
a(bu).
8.- El escalar unidad 1 K cumple 1u = u para todo vector u V.
Los axiomas precedentes se desdoblan en forma natural en 2
categoras. Los 4 primeros ataen nicamente a la estructura aditiva
de V y pueden resumirse diciendo que V es un grupo conmutativo bajo
la suma. De ello se deriva que cualquier suma de vectores de la forma:
v1 v2 ... vm

Algebra Lineal
No requiere de parntesis y no depende del orden de los sumandos,
que el vector cero es e nico, que el opuesto u de u es nico y que se
verifica la ley de cancelacin; esto es, para 3 vectores cualesquiera u,
v, w V.
u+v = v+w implica que u = w
Asimismo, la resta se define segn
u v = u+(-v)
Por otra parte los 4 axiomas restantes se refieren a la accin del
cuerpo K sobre V. Obsrvese la rotulacin de los axiomas refleja este
desdoblamiento. Empleando estos axiomas adicionales probaremos las
siguientes propiedades elementales de un espacio vectorial.

Algebra Lineal
Sea V un espacio vectorial sobre un cuerpo K.
i) Para todo escalar k K y 0 V, k0 = 0.
ii) Para 0 K y todo vector u V, 0u = 0.
iii) Si ku = 0, donde k K y u V, entonces k = 0 o u = 0.
iv) Para todo k K y todo u V, (-k)u = k(-u) = -ku.

Algebra Lineal
Combinacin Lineal
Sean V un espacio vectorial sobre un cuerpo K vy1 , v2 ,..., vm
Cualquier vector en V de la forma:
V.
a1v1 a2 v2 ... am vm
ai K el nombre de combinacin lineal, de
Donde los reciben
v1 , v2 ,...,.vm
E l conjunto de combinaciones lineales semejantes
denotado por:
lin v1 , v2 ,..., vm
v1 v2 ... vm . En general para
Y se denomina envolvente lineal de
cualquier subconjunto S de V, lin S = {0} si S es vaco y lin S consiste
en todas las combinaciones lineales de vectores de S.

Algebra Lineal
Sea S un subconjunto de un espacio vectorial V.
i) Entonces lin S es un subespacio de V que contiene a S.
ii) Si W es un subespacio de V que contiene a S, necesariamente SW.
Sistema de Generadores
Por otra parte dado el espacio vectorial V, se dice que los vectores
u1 , u 2 ,..., ur
,
generan o forman un conjunto generador de
V si:
V lin u1 , u 2 ,..., ur
u1 , u 2 ,..., ur
a1 , a2 ,..., ar
En otras palabras,
escalares
uTales
ur
1 , u 2 ,...,
que,
lineal de
generan V, si para todo vV, existen
v a1u1 a2u 2 ... ar ur

.
esto es, si v es una combinacin

Algebra Lineal
Ejemplo de Combinacin Lineal:
u1 , u 2 , u3
Expresar v = (1, -2, 5) en R como combinacin lineal de los vectores
u1 1,3,2
u2 2,4,1
u3 1,5,7
1,2,5 x1,3,2 y 2,4,1 z 1,5,7

1,2,5 x 2 y z,3x 4 y 5 z,2 x y 7 z
Construyendo el sist ema:
x 2y z 1
3x 4 y 5 z 2
2x y 7 z 5
1 3 F 2
2
1
2
1
3 4 5
2
1
2
0 5
*5 F3
1 * 2 F 3
1 2
2 1
0 1 1
0 0 0
1
0
1
2
1
1 * 12
Sin soluci n
v no es combinacin
2
2
0 5
1
1
2
11
2
lineal de u1, u2 , u3

Algebra Lineal
v t 2 4t 3
Ejemplo de Combinacin Lineal: Expresar el polinomio sobre R
2
2
como combinacin lineal de los polinomios p1 t 2t 5, p2 2t 3t , p3 t 3
t 2 4t 3 x t 2 2t 5 y 2t 2 3t z t 3
t 4t 3 xt 2 xt 5 x,2 yt 3 yt , zt 3z
2
t 4t 3 x 2 y t 2 x 3 y z t 5 x 3z
2
2 3 1
5
1 2 0
0 1 1
0 0 1
4 * 1 F 2
1 2 0
0 1 0
2 * 2 F1
0 0 1
1 * 5 F 3
1 2 0
Igualando coeficient es de las potencias
1 *2 F2
construimos sistema:
0 1 1
5 0 3
x 2y 1
1 0 0
2x 3 y z 4
6 *10 F 3
0 1 0
0 0 1
5 x 3z 3
6
3
0 10 3
1 2
v es combinacin
0 1
lineal de p1, p2 , p3
0 0 13
52 * 131

Algebra Lineal
Dependencia e Independencia Lineal
Sea V un espacio vectorial sobre un cuerpo K. Se dice que los vectores
v1 , v2 ,..., vm V
son linealmente dependientes sobre K, si existen escalares
a1 , a2 ,..., am K
no todos 0, tales que:
a1v1 a2 v2 ... am vm 0
En caso contrario se dice que los vectores son linealmente
independientes sobre K. En la expresin anterior se verificar siempre
si
ai los
son todos 0. Si la relacin slo verifica este caso, es decir,
a1v1 a2 v2 ... am vm 0
a1 0,..., am 0

Algebra Lineal
Los vectores sern linealmente independientes, sin embargo, si la
expresin que primero se mencion tambin es vlida cuando uno de
alos
i
no es 0, los vectores sern linealmente dependientes.
Ejemplo: Comprobar que los vectores u, v y w son linealmente
independientes dado que:
Ejercicio 1
Ejercicio 2
Construyendo el sist ema:
3u 2v w 0
xu yu zw 0
u 1,1,0
v 1,3,1
w 5,3,2
u 6,2,3,4
6x 0
2x 5 y 0
3x 3 y 7 z 0
31,1,0 21,3,1 5,3,2 0
3,3,0 2,6,2 5,3,2 0

0,0,0 0
v 0,5,3,1
w 0,0,7,2
0,0,0,0 x 6,2,3,4 y 0,5,3,1 z 0,0,7,2

0,0,0,0 6 x,2 x 5 y,3x 3 y 7 z,4 x y 2 z
4x y 2z 0
u, v y w son linealm ente
dependient es en ambos
ejercicios

Algebra Lineal
Subespacios Vectoriales
Sea W un subconjunto de un espacio vectorial V sobre un cuerpo K. W
se denomina subespacio de V si a su vez un espacio vectorial sobre K
con respecto a las operaciones de V, suma vectorial y producto por un
escalar. Un criterio simple para identificar subespacios es el siguiente:
Supongamos que W es un subconjunto de un espacio vectorial V.
Entonces W es un subespacio de V si y slo si se cumple:
i) 0 W.
ii) W es cerrado bajo la suma de vectores, es decir, para todo par de
vectores u, v W, la suma u+v W.
iii) W es cerrado bajo el producto por un escalar, es decir, para todo
uW y para todo k K, el mltiplo ku W.

Algebra Lineal
Tambin W es un subespacio de V si y slo si:
i) 0 W.
ii) au + bv W para todos los u, v W y a, b K.
Base
Se llama base de un espacio (o subespacio) vectorial a un sistema
generador de dicho espacio o subespacio, que sea a la vez linealmente
independiente.
Propiedades de las bases
1. Una base de S es un sistema generador minimal de S (lo ms
pequeo posible).

Algebra Lineal
2. Adems es un conjunto independiente maximal dentro de S (lo ms
grande posible).
3. Una base de S permite expresar todos los vectores de S como
combinacin lineal de ella, de manera nica para cada vector.
Ejemplos de bases
1. La base cannica (o base natural, o base estndar) de Rn
e1 = (1,0,. . . ,0)
e2 = (0,1,. . . ,0)
........
en = (0,0,. . . ,1)

Algebra Lineal
Son linealmente independientes porque forman un determinante no
nulo.
Son sistema generador de Rn porque todo vector (a1,a2,. . . ,an) Rn se
puede expresar como combinacin lineal de ellos:
(a1,a2,. . . ,an)= a1(1,0,. . . ,0)+ a2(0,1,. . . ,0)+ . . . + an(0,0,. . . ,1)
2. Otra base de R3 distinta de la cannica: (1,0,0), (1,1,0), (0,2,-3)
Son linealmente independientes porque forman un determinante no
nulo.
Son sistema generador de R3 porque cualquier vector (a,b,c) se puede
poner como combinacin lineal de ellos. En efecto, dado (a,b,c),
buscamos ,,, que satisfagan:

Algebra Lineal
(a,b,c)= (1,0,0)+ (1,1,0)+ (0,2,-3)
Se obtiene un sistema:
+=a
+2 =b
-3 = c
en las incgnitas ,,,
cualesquiera a, b, c.
que
es
compatible
determinado
para
3. (1,2,3), (4,5,6), (7,8,9) en R3 no forman base porque no son

linealmente independientes (su determinante es nulo).
4. Base de un subespacio en R3, consideremos el subespacio S= plano
XY. Veamos que los vectores (3,2,0) , (1,1,0) forman una base de S.

Algebra Lineal
Son linealmente independientes, porque uno no es mltiplo del otro.
Son un sistema generador de S: Dado un vector genrico de S, de la
forma (a,b,0), lo podemos poner como combinacin lineal de (3,2,0),
(1,1,0). Para ello, buscamos , que cumplan:
(a,b,0)= (3,2,0)+ (1,1,0)
3+=a
2 = b
Dimensin
Todas las bases de un mismo espacio o subespacio tienen el mismo
nmero de vectores. Se llama dimensin de dicho espacio o
subespacio.

Algebra Lineal
Por tanto, la dimensin es el mximo nmero de vectores
independientes que podemos tener en el espacio o subespacio. En
otras palabras, es el mximo rango que puede tener un conjunto de
vectores de dicho espacio. Es tambin el rango de cualquier sistema
generador de dicho espacio.
Ejemplos de dimensin
1. Rn tiene dimensin n, pues tiene una base de n elementos (p.ej. la
cannica).
2. M2x2= {matrices 2x2 con trminos reales} tiene dimensin 4. Una
base de M2x2 es:
1
0
0 0
,
0 0
1 0
,
0 1
0 0
,
0 0
0
1

Algebra Lineal
3. P2= {polinomios de grado2 con coeficientes reales} tiene dimensin
3. Una base de P2 es, por ejemplo, la formada por los tres polinomios
siguientes:
1+0x+0x2 , 0+x+0x2, 0+0x+x2 (es decir, los polinomios 1, x, x2).
Otra base: 1+2x+3x2, 4+x2, 3x5x2.
Propiedades de la dimensin
1. Significado fsico de la dimensin: el espacio tiene dimensin 3, los
planos dimensin 2, las rectas dimensin 1, el punto dimensin 0. El
subespacio {0} es el nico de dimensin 0.
2. Nmero de parmetros libres en su forma
parmetro=recta, 2 parmetros= plano...)
paramtrica.
(1

Algebra Lineal
3. Si S y T son subespacios y S est contenido en T, entonces dim S
dim T. Adems, si se da la igualdad, dim S = dim T, entonces ambos
espacios han de coincidir.
4. El rango de una familia de vectores, es igual a la dimensin del
subespacio que generan. Es decir: si v1,v2,. . . vn generan un cierto
subespacio S, y si el rango de dicho conjunto es r, entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2, entonces generan un
plano; etc.)
Sumas e Intersecciones de Espacios Vectoriales
Definicin. Sean U un espacio vectorial y sean V y W dos subespacios
vectoriales de U. Llamaremos interseccin de V y W, y lo denotaremos
VW al conjunto formado por los vectores u U tales que u est a la
vez en los dos espacios, es decir u V y u W.

Algebra Lineal
Llamaremos suma de los espacios V y W, y lo denotaremos V + W al
conjunto de vectores u U que se pueden poner como u = v + w con
v un vector de V y w un vector de W.
Est claro que el espacio VW est contenido tanto en V como en W y
que ambos espacios estn contenidos en V + W. Existe una relacin
entre las dimensiones de todos estos espacios, concretamente:
dim(V)+dim(W) = dim(V W)+dim(V +W)
Habitualmente necesitaremos calcular bases de estos espacios. El
mtodo utilizado depender del formato en que se nos proporcionen
los espacios.
Supongamos que nos proporcionan conjuntos generadores de los
espacios V y W, entonces lo que haremos es poner una matriz con los
siguIentes vectores en fila:

Algebra Lineal
Si hacemos operaciones elementales en esta matriz hasta obtener la

matriz triangular, lo que obtenemos en la parte izquierda es una base
de V +W (quitando las filas de ceros). Lo que queda en la parte
derecha, en las filas que en la parte izquierda hay ceros, son la base de
la interseccin.
Finalmente, podra haber alguna fila adicional
eliminamos.
El esquema que queda de la matriz reducida es:
de
ceros
que

Algebra Lineal
Si no aparece ninguna fila de ceros en la parte marcada en rojo es
porque la interseccin es el espacio 0 y por lo tanto la base de la
interseccin es el conjunto vaco. Si los vectores de V y W que
tomamos originalmente son base de los respectivos espacios, la parte
azul no aparecera.
Si en lugar de darnos los espacios en forma paramtrica, nos los dan

en forma implcita, es decir, mediante ecuaciones, podemos proceder
de dos formas. La primera es pasar los espacios a forma paramtrica y
aplicar el caso anterior, pero tambin podemos hacer un algoritmo
totalmente dual del anterior poniendo las ecuaciones que nos definen
cada uno de los espacios en una matriz de la forma:

Algebra Lineal
y al reducir nos quedara:
la parte roja no tiene ninguna fila de ceros, es porque V +W no tiene

ninguna restriccin, es decir V +W es todo el espacio. Si las ecuaciones
son linealmente independientes, la parte azul no aparecera. Como se
puede ver este algoritmo es totalmente dual del anterior y se
entender cuando hablemos de los espacios ortogonales. De momento
y como algortmicamente es igual al otro, slo vamos a utilizar el
primero.

Algebra Lineal
Ejemplo de suma e interseccin de espacios vectoriales:
Supngase los subespacios S1 y S2 de la siguiente forma:
S1={(1,0,1)(0,2,0) y S2={(1,1,2)(0,01)} siendo sistemas generadores y
linealmente independientes, hallar S1S2
Primera forma:
Det(S1)=0 y hallamos sus ecuaciones implcitas:
1 0
0 2
1 0
x
y 0 2z 2x 0 x z 0
z

Algebra Lineal
De la misma manera:
Det(S2)=0 y hallamos sus ecuaciones implcitas:
1 0
1 0
2 1
x
y 0 y x 0 x y 0
z
Por tanto podemos decir que si existe S1S2 dado que:
x z 0
S1 S 2 ( x, y, z ) R
Ya que x = y = z es decir (1,1,1)

Algebra Lineal
Segunda forma:
v1=a(1,0,1)+b(0,2,0) y v2=c(1,1,2)+d(0,01)
Generando los sistemas de ecuaciones:
a+0b=c+0d
0a+2b=c+0d
a+0b=2c+d
Por tanto:
a=c
2b=c
a=2c+d
Sustituyendo en cualquiera de sus vectores por sus respectivas

equivalencias:
v1=a(1,0,1)+b(0,2,0)
v1=2c+d(1,0,1)+c/2(0,2,0)
v1=(2c+d,0, 2c+d)+(0,c,0)=(2c+d,c,2c+d)=(a,a,a)

Algebra Lineal
Tambin:
v2=c(1,1,2)+d(0,01)
v2=2b(1,1,2)+a-2c(0,01)
v2=(2b,2b,4b)+(0,0, a-2c)=(2b,2b,4b)+(0,0, -a)
v2=(2b,2b,4b)+(0,0, -2b)=(2b,2b,2b)
Por tanto podemos decir que si existe S1S2.
Cambio de Coordenadas de un Vector ante un Cambio de Base. Matriz
de Cambio de Base
En un espacio vectorial V, dadas dos bases B y B , se llama matriz de
cambio de base (o de cambio de coordenadas) de B a B a la matriz
que contiene en sus columnas las coordenadas de los vectores de la
base B expresados en funcin de la base B.

Algebra Lineal
Su utilidad es la siguiente: Conocidas las coordenadas de un vector en
base B, nos permitir hallar las coordenadas de dicho vector en base
B. En efecto, sean (a1, a2, . . . an) las coordenadas de un vector en base
B, y sea P la matriz de cambio de base de B a B. Entonces:
a1 b1
a1
a b
a
P. 2 2 2 P 1
a b
a
n n
n
b1
b2
bn
obtenindose as (b1, b2, . . . bn) las coordenadas del vector en base B.

Algebra Lineal
Propiedades de las matrices de cambio de base
1. Toda matriz de cambio de base es cuadrada nxn, donde n es la
dimensin del espacio al que se refieren las bases.
2. Toda matriz de cambio de base es inversible (es decir, con
determinante no nulo).
Adems, la matriz de cambio de B a B es inversa de la matriz de
cambio de B a B.
Comprobar en el ejemplo anterior que P y Q son inversas entre s. Por
tanto, despus de hallar P, podramos haber hallado Q como P1.
3. La matriz de cambio de una base B a la misma base B, es la matriz
identidad.
Observar en el ejemplo anterior que la matriz ms fcil de obtener es
la P, que pasa de una base B a la base cannica, pues basta escribir en
las columnas la base B.

Algebra Lineal
Ejemplo de cambio de base: En el R-espacio vectorial R3 se consideran

las bases
B1 = {(5,3,1), (1,3,2), (1,2,1)}, B2 = {(2,1,0), (1,3,0), (2,3,1)}
Calcule la matriz de cambio de base de B1 a B2.
SOLUCIN:
Para calcular la matriz asociada debemos calcular las coordenadas de
los vectores de la base B2 respecto de los vectores de la base B1, es
decir, debemos calcular los aij R tales que:

Algebra Lineal
Esto se reduce a la resolucin de tres sistemas de ecuaciones lineales:
Los tres tienen en comn la matriz de coeficientes, de forma que

podemos resolverlos simultneamente sin ms que encontrar la matriz
escalonada reducida de:

Algebra Lineal
Las columnas 4, 5 y 6 de la escalonada reducida ser la matriz
buscada.
Hemos resuelto los tres sistemas simultneamente, por lo que la

matriz de cambio de B1 a B2 es:

Algebra Lineal
Otro ejercicio sera: En el Respacio vectorial R3, se consideran dos

bases:
B1 = {u1 = (1,0,1),u2 = (1,1,0),u3 = (0,0,1)}
B2 = {v1,v2,v3}
Si la matriz de cambio de base, tomando como base nueva la base B 2 y
como base antigua B1 es:
Puedes calcular los vectores de la base B2?

Algebra Lineal
SOLUCIN: Las columnas de la matriz P son las coordenadas en la base
antigua de los vectores de la base nueva, es decir:
1.4 Aplicaciones a la Geometra Analtica

Rectas en el Espacio n Dimensional
En el plano se usa la pendiente para determinar una ecuacin de una
recta. En el espacio, es ms conveniente usar vectores para
determinar la ecuacin de una recta. En la siguiente figura, se
considera la recta L a travs del punto P (x1, y1, z1) y paralela al vector
v = <a, b, c>. El vector v es un vector de direccin o director de la
recta L, y a, b y c; son los nmeros de direccin.

Algebra Lineal
Una manera de describir a la recta L, es diciendo que consta de todos

los puntos Q (x, y, z) para los que el vector PQ es paralelo a v. Esto
significa que PQ es un mltiplo escalar de v, y se puede escribir PQ =
tv donde t es un escalar.

Algebra Lineal
Igualando los componentes correspondientes, se obtienen las
ecuaciones paramtricas de una recta en el espacio. Una recta L
paralela al vector v = <a, b, c> y que pasa por el punto P (x 1, y1, z1) se
representa por medio de las ecuaciones paramtricas x = x 1 + at; y =
y1 + bt y z = z1 + ct. Si todos los nmeros directores a, b y c son
distintos de cero, se puede eliminar el parmetro t para obtener las
ecuaciones simtricas de la recta.
Ejemplo: Hallar las ecuaciones paramtricas y simtricas de la recta L

que pasa por el punto (1, -2, 4) y es paralela a v = <2, 4, -4>.

Algebra Lineal
Solucin:
Para hallar un conjunto de ecuaciones paramtricas de la recta, se

usan las coordenadas x1 = 1, y1 = -2 y z1 = 4, y los nmeros de
direccin a = 2, b = 4 y c = -4 como se muestra en la siguiente figura:

Algebra Lineal
x = 1 + 2t; y = -2+4t; z = 4 4t; como a, b y c son todos diferentes de
cero, un conjunto de ecuaciones simtricas es:
Ni las ecuaciones paramtricas ni las ecuaciones simtricas de una

recta dada son nicas. As, en el anterior ejemplo si t = 1, en las
ecuaciones paramtricas se obtiene el punto (3, 2, 0). Usando este
punto con los nmeros de direccin a = 2, b = 4 y c = -4 se obtiene un
conjunto diferente de ecuaciones paramtricas x = 3 + 2t; y = 2 + 4t y
z = - 4t.
La Recta Homognea
Pensemos ahora en el espacio R3 como un R -espacio vectorial,
Llamamos rectas homogneas a los subespacios de dimensin 1 (las
rectas que pasan por el origen).

Algebra Lineal
Cada recta homognea E queda determinada por un vector (no nulo) v
de R3 , o cualquier otro vector v, 0. Esto nos permite pensar al
conjunto de rectas homogneas como el conjunto de vectores no nulos
de R3 con la relacin de equivalencia:
v v, 0, R.
Este conjunto es el plano proyectivo real asociado a R 3 que llamaremos
P2 . Las rectas homogneas de R3 son los puntos de P2. Haciendo abuso
de notacin, utilizaremos las mismas letras v para indicar los vectores
de R3 que para los puntos de P2, a sabiendas de que para estos ltimos
vale la relacin de equivalencia.
Con la misma definicin de independencia lineal que para espacios
vectoriales, podemos concluir que en P2 hay a lo ms 3 puntos
linealmente independientes.

Algebra Lineal
Paralelismo
Dos rectas paralelas son aquellas que tienen la misma pendiente, en la

figura podemos ver la recta roja y la negra, ambas tienen la misma
pendiente porque el coeficiente en x vale uno en ambas ecuaciones.

Algebra Lineal
Esto quiere decir que la pendiente es: m=1/1, o lo que es lo mismo,
que cuando ambas rectas suben una unidad sobre el eje de y hacia la
derecha, tambin crecen sobre el eje x otra unidad, por lo que forman
45 respecto al eje x.

Algebra Lineal
Como podemos observar en la recta roja y verde, ambas tienen la
misma pendiente pues sus pendientes son iguales: m1= m2 = y/x =
2,5 /1.
Como sabemos, en la ecuacin de la recta pendiente ordenada, que es
la ecuacin tal ycomo las de las rectas aparecen en la parte izquierda
del dibujo, despejando y, el coeficiente 5/2 que aparece al lado de la x
es la pendiente de las mismas m=5/2=2,5/1. Esta es razn suficiente
para qu en una ecuacin pendiente ordenada podamos comprobar si
efectivamente dos rectas son paralelas.
Cuando tenemos la ecuacin general, que es toda ecuacin igualada a
cero, tal y como aparece en la parte derecha del dibujo, tenemos que
en toda recta paralela los coeficientes A y B son proporcionales
respectivamente:

Algebra Lineal
A1x+B1y+C1=0 y la otra rectaA2x+B2y+C2=0
Esto quiere decir que se cumple A1/A2=B1/B2 en ambas rectas. Las
dos rectas del dibujo tienen los mismos coeficientes en x e y, no
obstante si tomamos una de ellas, por ejemplo la verde, y
multiplicamos todos sus trminos por un nmero, por ejemplo por el
nmero dos, podemos observar que la ecuacin 5x-2y+8=0 se
transforma en 10x-4y+16=0, es por tanto la misma recta sin
simplificar sus trminos.
La otra recta 5x-2y-13=0 podemos observar que cumple respecto a la
anterior sin simplificar la relacinA1/A2=B1/B2: 5/10=2/2, por tanto
ambas rectas son paralelas.

Algebra Lineal
En el caso de queA1/A2=B1/B2=C1/C2 tenemos el tipo lmite
delparalelismo, ambas rectas son coincidentes hasta transformarse en
una nica recta, estando una sobre la otra, como por ejemplo las
rectas 5x-2y+8=0 y 10x-4y+16=0 son coincidentes por tener todos
sus coeficientes ABC proporcionales.
Ejemplo: Calcular una recta paralela a otra -3x+2y=11 que pase por un
punto (2,3)
Solucin: tomamos la ecuacin y en sus variables xy sustituimos las
coordenadas del punto (2,3) igualndola al nuevo coeficiente h que no
tiene variable, el que era de valor 11
-3x+2y= 11

Algebra Lineal
Calculamos el coeficiente sin variable, para que lo cual le damos un
nombre cualquiera:
-3x+2y= h,
Sustituimos en las variables las coordenadas del punto (2,3):
-3.2+2.3= h,
de esta forma tenemos que:
-6+6=h, h=0
el coeficiente vale por tanto 0.
En consecuencia la ecuacin de la recta paralela a la dada3x+2y=11yque pasapor el punto(2,3)es-3x+2y=0, tal y como se
puede ver en el dibujo.

Algebra Lineal

Algebra Lineal
Clculo mediante la ecuacin punto-pendiente
Otra forma para calcular la ecuacin de una recta paralela a otra dada.
Es con la frmula que relaciona la pendiente y un punto cualquiera de
la recta: (y-y1) =m (x-x1), sta es la ecuacin que sirve para
determinar la recta que pasa por un punto x1 y1 conociendo su
pendiente.
Sustituyendo en la ecuacin(y-y1) =m (x-x1) las coordenadas del
punto y la pendiente de la recta, igual a la anterior dada por ser
paralelas:
(y-3) =1,5(x-2), tenemos que -1,5x + y =0, que es la recta-3x+2y = 0
pero simplificada.

Algebra Lineal

Algebra Lineal
En la grfica anterior podemos observar dos rectas paralelas, ambas
tienen la misma pendiente y el mismo cociente entre sus coeficientes
en A y B.
Como caso lmite entre rectas paralelas tenemos que son coincidentes
cuando
tienen
sus
tres
coeficientes
proporcionales:
A1/A2=B1/B2=C1/C2.

Algebra Lineal
MATERIAL PENDIENTE!!!

Unidad 1

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Unidad 1

Diunggah oleh

Hak Cipta:

Format Tersedia

Matemticas para Ingenieros

M. En C. Jos Antonio Cuatepotzo Varela

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

La suma de A y B, escrito A + B, es la matriz obtenida sumando las

Matemticas para Ingenieros

El producto de un escalar k por la matriz A, escrito kA, es la matriz

Matemticas para Ingenieros

Matemticas para Ingenieros

Note que AB es un escalar (o matriz de 1 x 1). El producto AB no est

Matemticas para Ingenieros

a11 b11 a12 b21 a11 b12 a12 b22

a21 b11 a22 b21 a21 b12 a22 b22

Matemticas para Ingenieros

a11 b13 a12 b23 a13 b33

Ejemplos de operaciones con matrices:

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Se dice que una matriz cuadrada A es inversible (o no singular), si

Algoritmo para determinar la inversa de una matriz:

Paso 1: Construir una matriz (por bloques) n x 2nM ( AI )

Paso 2: Reducir por filas M a forma escalonada. Si el proceso genera

Matemticas para Ingenieros

Mtodos ms comnes para invertir una matriz:

Algoritmo Gauss Jordan

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Mtodo de Matriz Inversa Gauss Jordan

Matemticas para Ingenieros

Matemticas para Ingenieros

det a21 a22

a23 a21 a22

a11 a23 a32 a22 a13 a31 a33 a12 a21

Matemticas para Ingenieros

det a21 a22

a23 a21 a22

a11 a23 a32 a22 a13 a31 a33 a12 a21

Matemticas para Ingenieros

Determinantes y Sistemas de Ecuaciones Lineales

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

Matemticas para Ingenieros

generan V, si para todo vV, existen

v a1u1 a2u 2 ... ar ur

esto es, si v es una combinacin

Matemticas para Ingenieros

1,2,5 x1,3,2 y 2,4,1 z 1,5,7

Matemticas para Ingenieros

Igualando coeficient es de las potencias

Matemticas para Ingenieros

Matemticas para Ingenieros

Construyendo el sist ema:

31,1,0 21,3,1 5,3,2 0

3,3,0 2,6,2 5,3,2 0