Algebra lineal

Capitulo 2 SISTEMAS
LINEALES
Mara
Prez

Cristina

Meja

CONTENIDO
1. DETERMINANTES ................................................................................ 3
1.1

MENOR Y COFACTOR ....................................................................................................................................................................... 4

1.1.1

MENOR ........................................................................................................................................................................................................................ 4

1.1.2

COFACTOR ................................................................................................................................................................................................................... 6

1.2

DETERMINATE DE UNA MATRIZ 3X3................................................................................................................................................ 7

1.2.1

Teorema de expansin de determinantes:.................................................................................................................................................................. 7

1.2.2

Teorema sobre una fila o columna de ceros ............................................................................................................................................................... 9

2.

SISTEMAS LINEALES ....................................................................... 11

2.1
2.2

3.

SISTEMA ES HOMOGNEO .............................................................................................................................................................12

Solucin por el mtodo de eliminacin de Gauss Jordan ..............................................................................................................13

SUBESPACIOS LINEALES .................................................................. 15

3.1

ESPACIO VECTORIAL .......................................................................................................................................................................15

3.1.2

3.2

SUBESPACIO ...................................................................................................................................................................................17

3.2.1

4.
4.1
4.2
4.3
4.4
4.5

5.

ejemplos de espacios vectoriales .............................................................................................................................................................................. 15

ejemplos de subespacios vectoriales ........................................................................................................................................................................ 18

DIMENSION Y BASE DE UN ESPACIO LINEAL .................................... 19

DEFINICIN DE DEPENDENCIA E INDEPENDENCIA DE UN SUBESPACIO. ......................................................................................19
COMBINACIONES LINEALES. DEPENDENCIA E INDEPENDENCIA DE VECTORES ............................................................................20
Sistema generador de un espacio vectorial ...................................................................................................................................24
Envoltura lineal ..............................................................................................................................................................................26
Base de un espacio vectorial ..........................................................................................................................................................26

REFERENCIAS ................................................................................. 28

1. DETERMINANTES
Asociado a cada matriz cuadrada A hay un nmero llamado determinante de A.
Determinante de A se puede escribir de dos formas:

A Determinante de A (no lo confundan con el signo del valor absoluto de un nmero real)
Esta se utiliza a veces en lugar de A para evitar la confusin.

Det A

Una matriz es de primer orden cuando nicamente tiene un solo elemento y A a11 y definimos la determinante de A cmo A a11 .
Ahora si la matriz A es una matriz cuadrada de segundo orden tendremos una matriz de 2 x 2 de modo que

a12
a
A 11

a 21 a 22

es una matriz cuadrada de segundo orden.

Para hallar el determinante de esta matriz se realiza de la siguiente manera:

a12
a
A 11

a 21 a 22

multiplicar

multiplicar

A ( a11 ) ( a22 ) - ( a21 ) ( a12 )

RESTAR

Ejemplo:

multiplicar

multiplicar

3 2
3 1 4 2 3 8 3 8 5
Encuentre A si A
4 1
RESTAR

EJERCICIO I

Hallar el determinante de las siguientes matrices:

1) A

2) A

3) B

4) C

3 1
5

3 2
6 4
m n
p q

1.1 MENOR Y COFACTOR

1.1.1 MENOR
Para cada entrada aij de una matriz cuadrada A de orden nn 2 , el menor Mij se define como el determinante de la matriz de orden n 1 obtenida al
suprimir la fila i-sima y la columna j-sima de A.
Asi, para
A=

Para hallar el menor M11:

a) suprimimos la primera fila y la primera columna asi

M11 =

b) tomamos los nmeros que no quedan tapados (los nmeros rojos)

M11 =

4 6
5 7

c) Tercero hallamos el determinante

M11 =

4 6
47 56 28 30 2
5 7

1 5 7
Hallar los menores M12, M22 y M32
M12 =

M22 =

M32 =

2 6
27 16 14 6 8
1 7

1 3
17 31 7 3 4
1 7

1 3
16 23 6 6 0
2 6

1.1.2 COFACTOR

El cofactor Aij de la entrada aij se define como el menor Mij multiplicado por Aij 1

i j

M
ij

El cofactor nos da como resultado es el signo del

menor.
Del ejemplo anterior obtuvimos los siguientes resultados de los menores
MENOR

COFACTOR

M
M
M

Aij 1

M11 = -2

1
1

M12 = 8

Aij 1

M22 = 4

Aij

M32 = 0

Aij

i j

i j

i j

M 1 2 1 2 1 2 2
1 8 1 8 18 8
1 4 1 4 14 4
1 0 0

i j

ij

ij

11

ij

1 2

2 2

3 2

ij

En una matriz de tercer orden, el signo de los menores seria:

EJERCICIO II
Hallar el menor y cofactor de cada elemento de la matriz dada.
1)

3 1
0 2

3 2
3) C
1 4

2)

3 5
1 0

2 1
4)

D 0

3 2 5
4 2
5) D 2
1 3
0

1.2 DETERMINATE DE UNA MATRIZ 3X3

Definicin: el determinante de A de una matriz cuadrada de tercer orden se define as:

a11 a12
A a 21 a 22
a31 a32

a13
a 23 a11 A11 a12 A12 a13 A13
a33

En esta definicin se establece un patrn de multiplicar cada elemento de la fila 1 por su cofactor, luego se suman todos los resultados para hallar A . A
ste proceso se le conoce como expandir A por primera fila, pero podemos expandir A por cualquier fila o columna.

1.2.1 TEOREMA DE EXPANSIN DE DETERMINANTES:

El determinante de una matriz A de orden nn 2 puede evaluarse multiplicando cada entrada en cualquier fila o (columna) por su cofactor y sumando
los productos resultantes.
Ejemplo:
Hallar el determinante de A

6 5 3
A 2 4 5
1 2 3
7

Primero hallamos los cofactores de la primera fila

Cofactor de A11 6 6 1

11

Cofactor de A12 5 5 1

1 2

Cofactor de A13 3 3 1

13

6 1 6
2

5 1 5
3

3 1 3
4

Luego hallamos los menores de la primera fila

6 5 3
4 5
A 2 4 5 M11

2 3
1 2 3
6 5 3
2 5
A 2 4 5 M12

1 3
1 2 3
6 5 3
2 4
A 2 4 5 M13

1 2
1 2 3
Ahora lo colocamos como la definicin

a11 a12
A a 21 a 22
a31 a32

a13
a 23 a11 A11 a12 A12 a13 A13
a33

6 5 3
4 5
2 5
2 4
A 2 4 5 6
5
3

2 3
1 3
1 2

1 2 3

Ahora operamos

64 3 5 2 52 3 5 1 32 2 1 4
6 22 5 11 30
132 55 77

1.2.2 TEOREMA SOBRE UNA FILA O COLUMNA DE CEROS

Si todo elemento de una fila ( o columna ) de una matriz cuadrada A es cero, entonces A 0.
Ejemplo:
Calcule el determinante de

1 0 3
A 5 0 4
3 2 5
1 0 3
A 5 0 4
3 2 5

Observa cuidadosamente la matriz A y veras que la segunda

columna tiene varias entradas a cero. Por lo que hallaremos el
determinante por la segunda columna.

5 4
1 3
1 3
A 0
0
2

0 0 24 15 22
3 5
3 5
5 4

Ejemplo 2:
Calcule el determinante de:

0
1 0
0 1 0
A
2 3
0

1 5 2

3
4
0

Observa cuidadosamente la matriz A y veras que la tercera

columna tiene varias entradas a cero. Por lo que hallaremos el
determinante por la tercera columna.

Desarrollamos A

A a13 A13 a 23 A23 a33 A33 a 43 A43

0 A13 0 A23 0 A33 2A43

2A43

0
1 0
0 1 0
A
2 3
0

1 5 2

2A43 2

3
4
0

1 0 3
0 1 4

2 3 0

Ahora desarrollamos el determinante por la primera fila de A43

as

1 4 0 4 0 1

0
3

3 0 2 0 2 3

2 1 12 0 32 2 1 6 26 12

2A43 2 143 1

EJERCICIOS
Hallar el determinante de la matriz dada.

3 1 2

2 5
1) A 4

6 3 1

1 0 2

2) A 0 1 3

3 4 0

2 5 1

1 6
3) A 3

4 2 3

10

3 5 0

4) A 0 1 0

3 4 5

2 5 1

7) A 3 4 0

2 1 1

2 7 3

4
5) A 1 0

4 1 2

5 4 1

8) A 3 2 7

2 0 6

3 2 1

6) A 1 1 0

2 3 0

2 7 3

4
9) A 1 0

4 1 2

2. SISTEMAS LINEALES
Un sistema de ecuaciones lineales de mXn es un conjunto de ecuaciones lineales (recuerda la ecuacin de la lnea recta) sobre un cuerpo o un anillo
conmutativo, de la forma

Donde
Al trmino b se le llama independiente
Cada amn y cada bi son nmeros reales y las xi son incgnitas que en otras ocasiones las hemos llamado, x, y, z.
El problema consiste en encontrar los valores desconocidos de las variables (xi) que satisfacen todas las ecuaciones

11

2.1 SISTEMA ES HOMOGNEO

Si todas las b del sistema de ecuaciones lineales presentado anteriormente, fueran cero como se representa

Entonces se dice que es un sistema homogneo

En general, al resolver un sistema de ecuaciones lineales encontramos como solucin una de estas tres posibilidades: una solucin nica, ninguna solucin o
un nmero infinito de soluciones. Pero en un sistema de ecuaciones lineales homogneo hay dos posibilidades: cero como solucin (llamada solucin trivial) o
un nmero infinito de soluciones adicional a cero como solucin (llamada solucin no trivial).
Algunos ejemplos de sistemas homogneos pueden ser

Teorema: Un sistema de ecuaciones lineales homogneo tiene un nmero infinito de soluciones si n > m.

12

2.2 Solucin por el mtodo de eliminacin de Gauss Jordan

Los sistemas homogneos SIEMPRE tienen solucin ya que
X1= x2= x3= = xn= 0
Es siempre una solucin del sistema, sta solucin es llamada la solucin trivial, o solucin cero, as un sistema homogneo de ecuaciones lineales tiene
solucin nica o tiene una infinidad de soluciones no triviales.
Ejemplo 1:

Sistema homogneo que solo tiene la solucin cero

Resolver el siguiente sistema de ecuaciones

Solucin.

Luego, x = y = z = 0, el sistema tiene solucin nica, la solucin trivial.

Ejemplo 2:

Sistema homogneo con un nmero infinito de soluciones

Resolver el siguiente sistema de ecuaciones

13

Solucin.

De donde:

Hacemos z = t , y la solucin se expresa como:

En ste caso el sistema tiene una infinidad de soluciones

14

3. SUBESPACIOS LINEALES
Antes de hablar de subespacios lineales debemos hablar de espacios vectoriales

3.1 ESPACIO VECTORIAL

Definicin:
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones llamadas adicin y multiplicacin por un escalar que
satisfacen los diez axiomas que se enuncian a continuacin
1.
si x V y y V, entonces x + y V (cerradura de la adicin)
2.
si x, y y z son elementos cualesquiera de V, entonces (x + y)
3.
existe un vector 0 V tal que para todo x V, x +0 = 0 + x =x (al 0 se le llama vector cero o identidad
aditiva)
4.
si x V, existe un vector x en V tal que x + (- x)=0 (-x recibe el nombre de inverso aditivo de x)
5.
si x y y estn en V, entonces x + y = y + x (ley de conmutatividad de la adicin vectorial)
6.
si x V, y es un escalar entonces x V(cerradura ante la multiplicacin por un escalar)
7.
si x y y estn en V y es un escalar entonces (x + y) = x + y (primera ley de distribucin)
8.
si x V y y son escalares, entonces ( + )x= x +x (segunda ley de distribucin)
9.
si x V y y son escalares, entonces (x)= ()x (ley de la asociatividad de la multiplicacin por un
escalar)
10.
para todo vector x V, 1x =x (al escalar 1 se le llama identidad multiplicativa)

3.1.2 EJEMPLOS DE ESPACIOS VECTORIALES

1)

, la recta numrica, con las operaciones habituales de adicin y multiplicacin.

2) Sea N el conjunto de los nmeros naturales.

Entonces

n ={v=(x1, x2, . . . , xn)|x i

N}, con la adicin y multiplicacin por escalares definidas por:

(x1, x2,, xn )+(y1,y2,,yn ) = (x1+y1, x2+y2,, xn+yn )

15

( x1, x2,, xn ) = ( x1 , x2 ,, xn )
3) El conjunto de las funciones reales continuas definidas sobre un intervalo

,que denotamos por

o
a ,b

. Es decir,

o
a ,b

={f|f es continua en [a,b]}.

Las operaciones son:

(f+g)(x)=f(x)+g(x)
( f)(x)= f(x)
o
a ,b

f,g

,x [a,b],

Este es uno de los espacios de funciones ms importante en Anlisis Matemtico.

mxn
4)
mxn = { A : A es una matriz real de orden mxn}. Las operaciones son:
A+B=C,a ij +b ij =c ij ,
B= A,b ij = a ij ,
A,B,C

mxn ,(i,j)

1,m]x[1,n],

5) El espacio de las sucesiones reales

l2 = {v = (x1, x2, .. , xn, ...):

i)

2
n

< }, con las operaciones:

n 1

(x1 , x2 ,...,xn ,...)+(y1 , y2 ,...,yn ,...) = (x1 + y1 , x2 +y2 ,...,x + yn ,...)

ii)

1 , x2 , ..., xn ,

n , ...)

1 ,x2 ,...,xn ,..),(y1 ,y2 ,...,ym ,..) 2

La verificacin que todas las propiedades para la adicin y multiplicacin por escalares se cumplen es bastante simple en todos los casos, excepto quizs en el
ejemplo 5. Veremos este caso como ejercicio. En realidad, la nica dificultad consiste en demostrar que la suma de dos sucesiones en l2 es tambin una
sucesin en l2. En efecto, si (x1,x2, .., xn, ...) e (y1 , y2 , ... ,yn) estn en l2 , entonces

|xn|2 < ,

n1

n1

Para la sucesin suma :

n1

|yn|2 <

|xn + yn|2

xn yn

n 1

16

|xn|2 + 2

n1

Pero:

|xn| |yn| +

n1

|yn|2

n1

(|x n |-|y n |) 2 >0, luego:

| x n | 2 -2|x n ||y n |+|y n | 2 >0
|x n | 2 +|y n | 2 >2|x n ||y n |

as:

|xn + yn|2

n1

|xn|2 + 2

n1

6)

|xn|2 + (

n1

=2

|xn|2 +

n1

|yn|2 ) +

n1

|yn|2

n1

|yn|2 <

n1

El espacio de las sucesiones reales convergentes c={v=(x1,x2,...): lim x n x }, con las operaciones:
n

i)

(x1 , x2 ,.....)+(y1 , y2 ,.....) = (x1 + y1 , x2 +y2 ,.....)

ii)

1 , x2 , ..., xn ,

2 , .....)

1 ,x2 ,.....), (y1 ,y2 ,.....)

7)

El espacio de las sucesiones reales convergentes a cero c0={v=(x1,x2, ...): lim x n 0 }, con las operaciones del ejemplo 6.

8)

El conjunto de todas las sucesiones numricas acotadas m={v=(x1,x2, ...): xi

9)

El conjunto

, para algn x

}, con las operaciones del ejemplo 6.

={v=(x1,x2, ...)}, de todas las sucesiones, con las operaciones del ejemplo 6.

3.2 SUBESPACIO
Dado un espacio vectorial

, diremos que un subconjunto H E es un subespacio vectorial si ese conjunto tiene estructura de espacio vectorial.

17

Existe una caracterizacin que nos facilita comprobar si un subconjunto

de un espacio vectorial
vectorial y dado H E , diremos que
es un subespacio vectorial de
, si y solamente si, se cumple:

es o no subespacio vectorial: Dado

espacio

escalares, para todo par de vectores

y se verifica:

3.2.1 EJEMPLOS DE SUBESPACIOS VECTORIALES

1) Sea
V
un
espacio
vectorial
(e.v.)
y
sea
vV,
fijo,
v0.
U = {v : } es un subespacio (unidimensional) de V. Por cierto, U es subespacio propio si la dimensin de V es mayor que 1.
La verificacin de que U es subespacio es rpida. En primer lugar U, luego si u,wU,,
u + w
=( 1 v)+ ( 2 v)

El

conjunto

, entonces:

=( 1 + 2 ) v U
2) El espacio

o
a b

es un subespacio (de dimensin infinita), del espacio de todas las funciones reales (es decir funciones reales continuas y

discontinuas).
3) U={v n :x 1 =0}
es
un
U ={v n :x 1 = x 2 +1} no lo es (Por qu?).
4) Sea U = {u

o
a b

subespacio

: u es un polinomio de grado n} es un subespacio propio de

propio

o
a, b

de

n,

sin

embargo,

y de dimensin finita.

5) l2 es un subespacio propio de c0.

6) c0 es un subespacio propio de c.

18

7) c es un subespacio propio de m.
8) m es un subespacio propio de

4. DIMENSION Y BASE DE UN ESPACIO

LINEAL
4.1 DEFINICIN DE DEPENDENCIA E INDEPENDENCIA DE UN SUBESPACIO.
Hemos visto la definicin de espacio vectorial, vamos ahora a concretar algunas propiedades que tiene la operacin externa.
Propiedades de la operacin
Sea (E,+,) un espacio vectorial. Entonces, se verifica:
1.
2.
3.

4.

5.

19

6.
Simplificacin de escalares:

7.
Simplificacin de vectores:

De la estructura de espacio vectorial sabemos que si sumamos dos vectores el resultado va a ser un vector. Tambin sabemos que si multiplicamos un escalar
por un vector, el resultado ser un vector. Uniendo estos resultados, llegamos a las siguientes definiciones:

4.2 COMBINACIONES

LINEALES.

DEPENDENCIA

E INDEPENDENCIA DE

VECTORES
Decimos que un vector

es combinacin lineal de los vectores

Si existen unos escalares

De forma que

Por ejemplo, el vector (1,3,6) es combinacin lineal de los vectores {(0,1,2), (1,1,2), (3,5,7)} , pues existen los escalares 1 2 , 1 1 1 0 ,
verificndose
Diremos que los vectores
20

Son linealmente independientes si la igualdad

Es nicamente cierta cuando los escalares

Son todos iguales a cero. Entonces se dice que forman un sistema libre. En caso contrario se dir que los vectores son linealmente dependientes, o que
forman un sistema ligado.
Por ejemplo, en

(Con las operaciones usuales + y

), se tiene que los vectores(1,0) y (0,1) son linealmente independientes, ya que si buscamos los escalares

tales que

Haciendo operaciones, llegamos a que tiene que ser

.
Como sabemos, dos vectores son iguales si lo son componente a componente, lo que implica, automticamente, que

y
21

Luego, segn la definicin, son linealmente independientes.

Sin embargo, tambin en

Los vectores (1,3) y (2,6) no son linealmente independientes, pues al buscar los escalares

tales que

Haciendo operaciones, llegamos a que tiene que ser

Aplicando de nuevo que dos vectores son iguales si lo son componente a componente, obtenemos
Es decir, nos hemos trasladado al mundo de la resolucin de sistemas de ecuaciones. Ahora, con lo que sabemos sobre sistemas lineales, resolviendo se tiene
que

22

.
Qu me dice esto sobre los vectores? Que son linealmente dependientes. Es claro que si decimos

, entonces, automticamente

Lo que podra conducirnos a concluir (errneamente) que los vectores son linealmente independientes. Sin embargo, la definicin nos dice que
y

Han de ser nicos. Ahora, si hacemos

, automticamente

tambin verifican la relacin

,
Lo que nos hace ver que no son nicos y, por tanto, los vectores no son linealmente independientes.
Lo importante de aqu es darse cuenta de que el concepto de dependencia e independencia lineal se ha trasladado al estudio de las soluciones de un cierto
sistema de ecuaciones homogneo. La existencia de una nica solucin (que, por ser homogneo el sistema, ser la nula) me dice que los vectores son
linealmente independientes, y la existencia de ms de una solucin, que los vectores son linealmente dependientes.

23

Mencionamos unas propiedades referentes a dependencia/independencia lineal de un conjunto de vectores, y despus introduciremos tres conceptos
importantes: sistema generador de un espacio vectorial, envoltura lineal de un conjunto de vectores y base de un espacio vectorial.
1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vectores es combinacin lineal de los dems.
2. Si un conjunto de vectores es linealmente independiente cualquier subconjunto suyo tambin lo es.
Obviamente, si tenemos un conjunto de vectores tales que ninguno de ellos es combinacin de los dems, escogiendo slo unos cuantos, no podrn
ser combinacin de los otros.
3. Si un conjunto de vectores es linealmente dependiente tambin lo es todo conjunto que lo contenga.
Ya que un conjunto de vectores es linealmente dependiente si y slo si tiene algn vector que es combinacin lineal de los dems, si metemos este
conjunto de vectores en otro ms grande, seguimos teniendo el vector que es combinacin lineal de otros, por tanto, el conjunto ms grande sigue
siendo linealmente dependiente.

4.3 Sistema generador de un espacio vectorial

Decimos que un conjunto de vectores

es un sistema generador del espacio vectorial al cual pertenece si cualquier vector de dicho espacio se puede poner como combinacin lineal de ellos.
Por ejemplo, los vectores (1,0) y (0,1) forman un sistema generador de

(+, las operaciones usuales), ya que si cogemos cualquier

de igualar

24

se tiene enseguida que ha de ser

Por ejemplo, si (x,y) = (1,3), tendremos

.
No todos los conjuntos de vectores forman un sistema generador de un espacio vectorial. Por ejemplo, los vectores (3,-1,2) y (1,0,-1) no forman un sistema
generador de

Si lo fueran,

tales que

Pero esto implica, escribindolo como un sistema, que:

Es decir, tenemos que

Por tanto, sustituyendo en la primera ecuacin,

25

Como debe verificarse cada ecuacin, sustituyendo

sea sistema generador de

y en la ltima tenemos que, para que

se ha de cumplir la relacin

Evidentemente, esto no es cierto para todos los vectores del espacio. Si tomamos, en particular, el (0,0,1), vemos que la coordenada
relacin. Por tanto, el sistema dado no es un sistema generador de

no verifica la

4.4 Envoltura lineal

Al conjunto de todos los vectores que son combinacin lineal de los vectores

Se le llama envoltura lineal de los vectores

Y se representa
.

4.5 Base de un espacio vectorial

Decimos que los vectores

Son base del espacio vectorial

al cual pertenecen si cumplen dos condiciones:

26

Han de ser linealmente independientes.

Han de formar un sistema generador del espacio vectorial

Todas las bases de un espacio vectorial tienen el mismo nmero de elementos, al que se le llama dimensin del espacio vectorial. La siguiente base del
espacio vectorial

es la conocida como base cannica:

Hay que notar que un sistema generador de un espacio vectorial de dimensin

sistema generador.

debe tener al menos

vectores, pero si tiene

no tiene por qu ser un

Un ejemplo simple e inmediato lo vemos con el espacio

Siendo + y

las operaciones usuales, y escogiendo los vectores

Estos dos vectores, al ser proporcionales, generaran nicamente una recta, pero no todo el plano.

27

5. REFERENCIAS

PITA RUIZ, CLAUDIO DE J. Algebra lineal. Mc Graw -Hill. Interamericana de Mxico,1991.

GROSSMAN, STANLEY I. lgebra lineal con aplicaciones. 6 Ed.Mc Graw-Hill, Mxico. 1994.
KOLMAN BERNARD. lgebra lineal con aplicaciones. 8 Ed.Prentice -Hall, Mxico. 2006.
http://aprendeenlinea.udea.edu.co/lms/moodle/course/view.php?id=541 viernes 20 de enero 2012
http://cbi.azc.uam.mx/archivos/varios/ProblemarioW.pdf
www.sectormatematica.cl/media/NM3/DETERMINANTES.doc miercoles 25 de enero 2012

28