Académique Documents
Professionnel Documents
Culture Documents
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 63 #1
i
i
i
i
i
i
Captulo 3
Matrices, determinantes y
sistemas de ecuaciones
lineales
3.1. Matrices
Una economa imaginaria con tres industrias que interact uan como producto-
ras de bienes nales y de insumos se muestra en la siguiente tabla
Industrias I
1
I
2
I
3
Demanda nal Total
I
1
100 200 50 650 1000
I
2
50 100 300 1050 1500
I
3
200 300 500 1000 2000
La primera la de esta tabla dice que 100 unidades de produccion de la indus-
tria 1 se usan como insumo de produccion por ella misma, 200 por la industria
2, 50 por la industria 3 y que 650 unidades se venden a los consumidores na-
les, de la misma forma se interpretan las otras las de la tabla. Si se supone que
la tecnologa de produccion de los bienes no cambia (no hay alteracion de los
procesos productivos), un aumento o disminucion en los totales de produccion
implica aumento o disminucion en las cantidades demandadas como insumos;
si hay un cambio en las cantidades demandadas por los consumidores nales
esto implica una variacion en los totales de produccion que a su vez conlleva
una alteracion en las cantidades de insumos demandadas por los productores.
En este problema, como en muchos otros, las matrices simplican la solucion.
63
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 64 #2
i
i
i
i
i
i
64 CAP
k=1
a
ik
b
kj
_
de tama no nm cuya entrada ij es la suma de los productos de los elementos
de la la i-esima de A por los elementos de la columna j-esima de B.
La conformabilidad para el producto de dos matrices exige que el n umero de
columnas de la primera debe ser igual al n umero de las de la segunda.
Ejemplo.
Sean
A =
_
_
3 8 0
4 1 3
5 2 4
_
_
, B =
_
_
_
_
2 0 1
1 9 9
7 0 0
1 0 2
_
_
_
_
y C =
_
_
4 5 2
1 0 3
5 11 20
_
_
.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 69 #7
i
i
i
i
i
i
3.2.
ALGEBRA DE MATRICES 69
AB no esta denida ya que A y B no son conformables para el producto.
Las entradas de AC son:
entrada 11 : 3(4) + (8)1 + 0(5) = 20 (la 1 de A y columna 1 de C),
entrada 12 : 3(5) + (8)0 + 0(11) = 15 (la 1 de A y columna 2 de C),
entrada 13 : 3(2) + (8)3 + 0(20) = 30 (la 1 de A y columna 3 de C),
entrada 21 : 4(4) + (1)1 + (3)(5) = 0 (la 2 de A y columna 1 de C),
entrada 22 : 4(5) + (1)0 + (3)(11) = 13 (la 2 de A y columna 2 de C),
entrada 23 : 4(2) + (1)3 + (3)(20) = 65 (la 2 de A y columna 1 de C),
entrada 31 : 5(4) + (2)1 + (4)(5) = 2 (la 3 de A y columna 1 de C),
entrada 32 : 5(5) + (2)0 + (4)(11) = 19 (la 3 de A y columna 2 de C),
entrada 33 : 5(2) + (2)3 + (4)(20) = 84 (la 3 de A y columna 3 de C).
De aqu:
AC =
_
_
20 15 30
0 13 65
2 19 84
_
_
.
Ejercicios.
1. Encontrar, si existen, los valores de x para que
_
x 3 1
_
_
_
2 1 0
1 6 2
0 2 4
_
_
_
_
x
3
1
_
_
= 0.
2. Encontrar la matriz A que satisface la ecuacion
_
_
1 0 0
0 2 0
0 0 3
_
_
A
_
_
1 0 0
0 0 1
0 1 0
_
_
=
_
_
1 2 3
4 5 4
3 2 1
_
_
.
3. Sean A y B matrices 3 4 y C y D matrices 4 3. Determinar en cada
caso si las matrices son conformables para la operacion, si lo son calcular
el tama no de la matriz resultante:
a) (A
T
B)
T
D.
b) (B
T
+C)
T
(D
T
+A)
T
.
c) (BA
T
+C
T
D)
2
.
d) ((A
T
B)C
T
+D)
2
.
e) (D
T
C +AD)
2
.
f ) (((CB)D)A)
T
.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 70 #8
i
i
i
i
i
i
70 CAP
i=1
a
ii
.
Calcular:
a) U
T
U.
b) UU
T
.
c) X
T
Y .
d) X
T
X.
e) U
T
Z.
f ) U
T
(kU).
g) Z
T
Z.
h) (I rUU
T
)
T
.
i ) (I rUU
T
)
2
.
j ) Z
T
Y .
k) Z
T
M
T
MZ.
l ) U
T
MZ.
m) Z
T
MY .
n) Tr(U
T
U).
n) Tr(X
T
X).
o) Tr(M).
7. Una matriz A es idempotente si A
2
= A. Con las mismas matrices del
ejercicio 6 anterior, probar que las siguientes matrices son simetricas e
idempotentes
a) X(X
T
X)
1
X
T
.
b) I X(X
T
X)
1
X
T
.
8. Sean A, B, C, y X matrices cuadradas del mismo tama no tales que
XC = CX = I.
Despejar X, en terminos de A, B, C e I y las inversas requeridas, en las
siguientes ecuaciones
a) (A+X)
2
= BC.
b) (A+ 2X)B = X
2
+C.
c) (A+BX)
2
X
2
= I.
d) (AX)
3
= A.
9. De AB = AC, se puede concluir que B = C?
10. Si todas la matrices son cuadradas y A es inversible. Las expresiones no
equivalentes con
A
2
B + 3AC + 2A,
son:
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 75 #13
i
i
i
i
i
i
3.3. SISTEMAS DE ECUACIONES LINEALES SIMULT
ANEAS 75
a) A(AB + 3C + 2).
b) (AB + 3C + 2)A.
c) A(AB + 3C + 2I).
d) (AB + 3C + 2I)A.
e) A
2
(B +A
1
3C + 2A
1
).
f ) (B + 3A
1
C + 2A
1
)A
2
.
11. Si todas la matrices en la ecuacion
AXB AX +XB X +A+B = D,
son cuadradas y todas las operaciones requeridas para el despeje se pue-
den efectuar, encontrar el valor de X.
12. En el conjunto de las matrices n n se dene la operacion:
AB = AB +BA.
Determinar si la operacion:
a) es conmutativa,
b) es asociativa,
c) tiene elemento neutro,
d) es distributiva con la suma de
matrices,
e) conmuta con la transposicion.
13. En el conjunto de las matrices n n se denen las operaciones:
A B = AB
T
+B
T
A y A B = A
T
B +BA
T
.
Determinar si las operaciones:
a) son conmutativas,
b) son asociativas,
c) tienen elemento neutro,
d) son distributivas con la suma de
matrices,
e) conmutan con la transposicion.
14. Realizar el ejercicio 13. si las operaciones estan denidas sobre el con-
junto de las matrices simetricas.
15. Realizar el ejercicio 13. si las operaciones estan denidas sobre el con-
junto de las matrices antisimetricas.
3.3. Sistemas de ecuaciones lineales simultaneas
En un mercado de un bien con demanda y oferta lineales,
q
d
= ap +b, a < 0, b > 0 y q
o
= cp +d, c > 0, d < 0.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 76 #14
i
i
i
i
i
i
76 CAP
_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
donde los a
ij
son los coecientes y b
j
son los terminos independientes. Usando
la denicion de igualdad y producto matriciales este sistema se puede escribir
en la forma
AX = b,
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 77 #15
i
i
i
i
i
i
3.3. SISTEMAS DE ECUACIONES LINEALES SIMULT
ANEAS 77
donde,
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
a
n1
a
n2
... a
nn
_
_
_
_
, X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
y b =
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
.
Si el vector de terminos independientes es cero, b = 0, el sistema se llama
homogeneo. Una forma alternativa de representar el sistema es por medio de
la llamada matriz aumentada del sistema
(A| b) =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
a
n1
a
n2
... a
nn
b
1
b
2
b
n
_
_
_
_
Esta matriz formada por los coecientes A = (a
ij
)
mn
y terminos indepen-
dientes b = (b
j
)
m1
del sistema, separados por una recta, representa abrevia-
damente el sistema.
Los sistema mas faciles de solucionar son los que se pueden escribir de for-
ma que cada ecuacion tiene menos variables al comenzar la ecuacion que la
ecuacion inmediatamente anterior, esto es, se pueden llevar a la forma,
_
_
a
11
x
1
+ +a
1i
x
i
+ +a
1j
x
j
+ +a
1n
x
n
= b
1
a
2i
x
i
+ +a
2j
x
j
+ +a
2n
x
n
= b
2
a
mi
x
i
+... +a
mn
x
n
= b
i
llamada forma escalonada, bajo el sistema se puede trazar una escalera con
un pelda no en cada ecuaci on. En este tipo de sistemas se pueden dar las
siguientes posibilidades de solucion:
1. El sistema tiene el mismo n umero de incognitas y de ecuaciones, entonces
cada ecuacion tiene una incognita menos que la anterior. Por lo tanto, al
despejar la ultima variable en la ultima ecuacion y reemplazar este valor
en la pen ultima se despeja el valor de la pen ultima variable, repitiendo
este proceso hacia arriba se encuentran los valores de cada incognita.
En este caso cada variable tiene un unico valor lo que determina una
solucion unica para el sistema.
2. El sistema contiene mas incognitas que ecuaciones. En la ultima ecuacion
se despeja su primera variable, este valor se reemplaza en la pen ultima
ecuacion de la que se despeja su primera variable, repitiendo este proceso
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 78 #16
i
i
i
i
i
i
78 CAP
ANEAS 79
4. F
i
kF
i
+rF
j
, con k = 0 (la la i se reemplaza por k veces ella misma
mas r veces la la j).
Ejemplos.
1. Para el sistema
_
_
x y + 2z = 4
3x + y + 4z = 1
2y + 5z = 3 .
Las transformaciones sucesivas de su matriz aumentada son:
_
_
1 1 2
3 1 4
0 2 5
4
1
3
_
_
F2F23F1
_
_
1 1 2
0 4 2
0 2 5
4
11
3
_
_
F32F3+F2
_
_
1 1 2
0 4 2
0 0 8
4
11
5
_
_
.
signica que las matrices representan sistemas equivalentes: tienen la
misma solucion. La ultima matriz equivale al sistema
_
_
x y + 2z = 4
4y 2z = 11
8z = 5
cuya solucion es z = 5/8, y = 49/16, x = 35/16.
2. En la solucion del sistema
_
_
x y +z + w = 2
x +y z + 2w = 6
3x y +z + 4w = 2
se obtienen las matrices equivalentes,
_
_
1 1 1 1
1 1 1 2
3 1 1 4
2
6
2
_
_
F2F2F1
F3F33F1
_
_
1 1 1 1
0 2 2 1
0 2 2 1
2
8
8
_
_
F3F3F2
_
_
1 1 1 1
0 2 2 1
0 0 0 0
2
8
0
_
_
.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 80 #18
i
i
i
i
i
i
80 CAP
_
x y +z + w = 2
x +y +z + 2w = 1
3x y +z + 4w = 4
produce sucesivamente,
_
_
1 1 1 1
1 1 1 2
3 1 1 4
2
1
4
_
_
F2F2F1
F3F33F1
_
_
1 1 1 1
0 2 2 1
0 2 2 1
2
3
2
_
_
F3F3F2
_
_
1 1 1 1
0 2 2 1
0 0 0 0
2
3
1
_
_
,
por lo tanto el sistema original no tiene solucion, ya que la ultima ecua-
cion indica 0=1 que es imposible.
Los sistemas homogeneos siempre tienen solucion, ya que el sistema se satis-
face si todas las incognitas toman el valor cero, pero en algunos casos tienen
innitas soluciones, esto solamente se conoce despues de escalonar el sistema,
si en el hay variables libres el sistema homogeneo tiene innitas soluciones.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 81 #19
i
i
i
i
i
i
3.3. SISTEMAS DE ECUACIONES LINEALES SIMULT
ANEAS 81
Ejercicios.
1. Las funciones de oferta y demanda de un modelo de mercado con dos
bienes son:
q
d
a
= 8 p
a
+p
b
, q
o
a
= 2 + 5p
a
+p
b
,
q
d
b
= 26 +p
a
p
b
y q
o
b
= 4 p
a
+ 3p
b
.
a) Determinar los precios y cantidades de equilibrio.
Determinar el efecto en el equilibrio y la recaudacion o gasto del
gobierno si se impone:
b) Un impuesto al consumo del primer bien de 1 u.m.
c) Un impuesto de 5 % del precio al consumidor de ambos bienes.
d) Un subsidio de 10 u.m. por unidad producida de ambos productos.
2. Encontrar los precios y cantidades de equilibrio para un mercado gene-
ralizado en el que se transan dos bienes con demandas y ofertas lineales,
q
d
1
= a
1
p
1
+b
1
p
2
+
1
, q
o
1
= c
1
p
1
+d
1
p
2
+
1
,
q
d
2
= a
2
p
1
+b
2
p
2
+
21
y q
o
2
= c
2
p
1
+d
2
p
2
+
2
.
3. Solucionar los sistemas de ecuaciones:
a)
_
_
2x + 7y + 3z + w = 6
3x + 5y + 2z + 2w = 4
9x + 4y + z + 7w = 2.
b)
_
_
x + 2y + z + w = 8
3x + 2z 2w = 8
qquad4y z 2w = 1
5x + 3z w = 3.
c)
_
_
2x + y + 6z = 18
5x + 8z = 16
3x + 2y 10z = 3.
d)
_
_
x +y z = 7
4x +y + 5z = 4
6x +y + 3z = 20.
e)
_
_
2/3x + 1/3y 2/3z = 1
x 2/3y 2/3z = 2
x 2/3y + 1/3z = 3.
4. Encontrar todos los valores de la constante k para que los sistemas
a)
_
_
3x 5y + 2z + 4w = 2
4y + z + 3w = 5
4kz 6w = 3
(k 1)(k 2)w = 5(k 1).
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 82 #20
i
i
i
i
i
i
82 CAP
_
kx + y + z = 1
x +ky + z = 1
x + y +kz = 1.
1) Tengan una unica solucion.
2) Tengan un n umero innito de soluciones.
3) No tengan solucion.
5. Encontrar los valores de a, b y c para que el sistema
_
_
2x + 3 + z = a
x y + 7z = b
x + 2y + 6z = c.
a) Tenga una unica solucion.
b) Tenga un n umero innito de soluciones.
c) No tenga solucion.
6. Encontrar los valores de a y b para que el sistema
_
_
ax + by + (ab b 2a + 2)z = 1
qquad(a
2
1)y + (b
2
b 2)z = ab +b
qquad (ab +a b 1)z = ab b +a 1.
a) Tenga una unica solucion.
b) Tenga un n umero innito de soluciones.
c) No tenga solucion.
El metodo de Gauss puede ser usado para llevar un sistema de ecuaciones a
su forma escalonada reducida o equivalentemente a su matriz aumentada
a una escalonada reducida, esto es, una matriz escalonada en la que el primer
elemento no nulo de cada la es un uno y este es el unico distinto de cero en
la columna correspondiente.
Ejemplo.
_
_
1 0 0 2 3
0 1 0 5 0
0 0 1 25 1
_
_
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 83 #21
i
i
i
i
i
i
3.3. SISTEMAS DE ECUACIONES LINEALES SIMULT
ANEAS 83
es una matriz escalonada reducida.
Por este procedimiento llamado metodo de Gauss-Jordan la lectura de
la solucion en la matriz escalonada reducida es rapida, pero la cantidad de
operaciones para llegar a la escalonada reducida es mayor que en el metodo
de Gauss.
Si en el sistema AX = B, la matriz A es inversible (no singular), se puede
pre-multiplicar ambos miembros de la ecuacion por A
1
,
A
1
(AX) = A
1
B
al simplicar se llega a
X = A
1
B.
En esencia, en este caso la solucion del sistema lleva implcita la inversion de
la matriz de coecientes, esto justica en parte la aplicacion del metodo de
Gauss-Jordan para encontrar la inversa de una matriz que consiste en efectuar
operaciones la sobre la matriz aumentada
(A| I)
hasta llevar A a su forma escalonada reducida que en caso de ser inversible
es la identica. Ese proceso habra convertido a su vez I en la inversa de A, es
decir, la matriz se habra convertido en
_
I | A
1
_
.
Ejemplo.
Para calcular la inversa de
A =
_
_
1 2 4
3 0 1
2 8 3
_
_
,
por el proceso anterior se obtiene sucesivamente,
_
_
1 2 4
3 0 1
2 8 3
1 0 0
0 1 0
0 0 1
_
_
F2F23F1
F3F32F1
_
_
1 2 4
0 6 13
0 4 5
1 0 0
3 1 0
2 0 1
_
_
F13F1+F2
F33F3+2F2
_
_
3 0 1
0 6 13
0 0 41
0 1 0
3 1 0
12 2 3
_
_
F141F1F3
F241F213F3
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 84 #22
i
i
i
i
i
i
84 CAP
_
_
123 0 0
0 246 0
0 0 41
12 39 3
33 15 39
12 2 3
_
_
F1(1/123)F1
F2(1/246)F2
F3(1/41)F3
_
_
1 0 0
0 1 0
0 0 1
a b
c d
= ad bc.
Para matrices de tama no 3 3 se adicionan dos las o columnas, siempre las
opuestas al lugar donde se van a colocar, y se calculan los productos de las
diagonales en la forma
a b c
d e f
g h i
a b
d e
g h
= (aei +bfg +cdh) (ceg +afh +bdi) .
El determinante es la suma de los productos de los elementos diagonales prin-
cipales menos el producto de los elementos diagonales secundarios.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 85 #23
i
i
i
i
i
i
3.4. DETERMINANTES 85
Ejemplos.
20 5
10 3
2 3 5
0 4 2
9 3 5
+ +
+
.
.
.
.
.
.
.
.
.
.
.
.
.
Ejemplo.
Si
A =
_
_
2 9 8
5 2 3
0 4 6
_
_
,
M
11
=
2 3
4 6
= 0, M
12
=
5 3
0 6
= 30, M
13
=
5 2
0 4
= 20,
C
11
= 0, C
12
= 30 y C
13
= 20.
En general se tiene la siguiente denicion recursiva,
Denicion 3.5. Si A = (a) es una matriz 1 1,
det(A) = a
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 86 #24
i
i
i
i
i
i
86 CAP
i=1
a
ij
C
ij
=
n
j=1
a
ij
C
ij
,
los elementos de una la o columna por sus respectivos cofactores.
Ejemplo.
1 2 6 9
8 0 4 3
6 7 5 8
1 0 4 2
= 2(1)
1+2
8 4 3
6 5 8
1 4 2
+ 0(1)
2+2
1 6 9
6 5 8
1 4 2
+ 7(1)
3+2
1 6 9
8 4 3
1 4 2
+ 0(1)
2+2
1 6 9
8 4 3
6 5 8
a
11
a
11
a
1n
ca
i1
ca
i2
ca
in
a
n1
a
n2
a
nn
= c
a
11
a
11
a
1n
a
i1
a
i2
a
in
a
n1
a
n2
a
nn
.
4. El intercambio de dos las o columnas de A cambia el signo del deter-
minante.
5. Si A tiene dos las o columnas iguales, det(A) = 0.
6. Si una la o columna de A es m ultiplo de otra, det(A) = 0.
7. La suma de los elementos de una la o columna por los cofactores co-
rrespondientes a otra es cero,
n
i=1
a
ij
C
ik
=
n
j=1
a
ij
C
pj
= 0.
8. det(AB) = det(A) det(B).
Los dos ultimos resultados son de gran utilidad en la solucion de sistemas de
ecuaciones y el calculo de la inversa de una matriz.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 88 #26
i
i
i
i
i
i
88 CAP
3 1 2 1
4 3 1 2
1 0 2 3
6 2 5 2
F1F3
=
1 0 2 3
4 3 1 2
3 1 2 1
6 2 5 2
F2F4+4F1
F3F3+3F1
F4F4+6F1
=
1 0 2 3
0 3 9 10
0 1 8 10
0 2 17 20
F2F3
=
1 0 2 3
0 1 8 10
0 3 9 10
0 2 17 20
F3F3+3F2
F4F4+2F2
=
1 0 2 3
0 1 8 10
0 0 33 40
0 0 33 40
= 0.
Si A es inversible,
AA
1
= I.
Tomando determinante a ambos lados de la igualdad y usando la segunda
parte del teorema anterior,
det(A) det(A
1
) = 1,
de donde, det(A) = 0. Al transponer se tiene
det(A
1
) =
1
det(A)
.
Al multiplicar una matriz A por la transpuesta de su matriz de cofactores o
matriz adjunta de A,
Adj(A) = (C
ij
)
T
,
y usar la parte 7 del teorema 3.3, se tiene,
A Adj(A) =
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
C
11
C
21
C
n1
C
12
C
22
C
n2
C
1n
C
2n
C
nn
_
_
_
_
=
_
_
_
_
det(A) 0 0
0 det(A) 0
0 0 det(A)
_
_
_
_
= det(A)I
n
.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 89 #27
i
i
i
i
i
i
3.4. DETERMINANTES 89
Si det(A) = 0, se puede despejar I en la ecuacion anterior
A
_
1
det(A)
Adj(A)
_
= I,
lo que signica que
A
1
=
1
det(A)
Adj(A).
Lo anterior prueba el
Teorema 3.4. Una matriz A n n es inversible si y solo si det(A) = 0 y
A
1
=
1
det(A)
Adj(A).
Ejemplo.
Sea
A =
_
_
5 3 2
6 0 4
1 8 3
_
_
sus cofactores son:
C
11
=
0 4
8 3
= 32, C
21
=
3 2
8 3
= 7, C
31
=
3 2
0 4
= 12,
C
12
=
6 4
1 3
= 14, C
22
=
5 2
1 3
= 13, C
32
=
5 2
6 4
= 8,
C
13
=
6 0
1 8
= 48, C
23
=
5 3
1 8
= 37, C
33
=
5 3
6 0
= 18,
det(A) = 6(7) + 0(13) + 4(37) = 106.
De donde,
Adj(A) =
_
_
32 7 12
14 13 8
48 37 18
_
_
y A
1
=
1
106
_
_
32 7 12
14 13 8
48 37 18
_
_
.
Ejercicios.
1. Si A y B son matrices 2 2 tales que det(A) = 5 y det(B) = 3, calcular
el determinante de cada una de las siguientes matrices:
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 90 #28
i
i
i
i
i
i
90 CAP
7 3 3
1 4 6
7 2 2
.
b)
5 2 4 0
2 3 1 2
3 4 3 7
1 1 0 1
.
3. Probar que si la matriz de coecientes de un sistema homogeneo AX =
0 tiene determinante no nulo, entonces el sistema tiene solucion unica
X = 0.
3.4.1. Elasticidad Parcial de Sustituci on (EPS)
Si se conocen las derivadas parciales de una funcion de varias variables con
las herramientas de este capitulo es posible calcular la elasticidad parcial de
sustitucion, seg un Allen-Uzawa, entre las variables x
r
y x
s
dada por:
rs
=
C
rs
n
k=1
x
k
f
k
x
r
x
s
,
donde f
k
y f
ij
son las derivadas parciales (que se estudiaran mas adelante
en este texto) de primer y segundo orden de la funcion f con respecto a las
variables x
k
y x
i
x
j
respectivamente,
0 f
1
f
2
f
n
f
1
f
11
f
12
f
1n
f
2
f
21
f
22
f
2n
f
n
f
n1
f
n2
f
nn
i
) y segundo (f
ij
) orden de f, y C
ij
es el cofactor
correspondiente a f
ij
en
.
Ejemplos.
1. Para la funcion
f(K, L) = AK
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 91 #29
i
i
i
i
i
i
3.4. DETERMINANTES 91
las derivadas parciales se pueden escribir en las formas:
f
K
=
f
K
, f
L
=
f
L
,
f
KL
= f
LK
=
f
KL
, f
KK
=
( 1)f
K
2
, f
LL
=
( 1)f
L
2
.
Reemplazando estas derivadas en el determinate de la matriz hessiana
orlada se tiene que
0 f
K
f
L
f
K
f
KK
f
KL
f
L
f
LK
f
LL
0
f
K
f
L
f
K
(1)f
K
2
f
KL
f
L
f
KL
(1)f
L
2
.
0
K
(1)
K
K
(1)
L
,
factorizar
K
y
L
de la segunda y tercera column el anterior determinante
es igual a
f
3
K
2
L
2
0 1 1
1
1
_
=
f
3
K
2
L
2
((1)(( 1) ) + ( ( 1))) =
f
3
K
2
L
2
( +).
El cofactor C
KL
correspondiente al termino f
KL
de la matriz Hessiana
es:
(1)
0 f
K
f
L
f
LK
0
f
K
f
L
f
KL
=
f
2
KL
.
Reemplazando los resultados anteriores en la formula para la EPS se
tiene,
KL
=
f
2
KL
(Kf
K
+Lf
L
)
KL
f
3
K
2
L
2
( +)
=
f
2
KL
(K
f
K
+L
f
L
)
KL
f
3
K
2
L
2
( +)
= 1.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 92 #30
i
i
i
i
i
i
92 CAP
K
K
+
L
L
+
T
T
para esta:
Q
i
=
i
_
Q
i
_
+1
para i = K, L, T.
Q
ii
=
i
( + 1)
_
Q
i
_
_
iQ
i
Q
i
2
_
para i = K, L, T.
Q
ij
=
i
( + 1)
_
Q
i
_
_
Q
j
i
_
para i, j = K, L, T y i = j.
2. Calcular y simplicar la EPS entre y y z para la funcion tipo CES
F(x, y, z) = (ax
+by
+cz
.
3. Calcular la EPS entre las distintas combinaciones de variables para
G(s, y, z) =
5
_
x
2
3
+ 7y
2
3
+ 4z
2
3
.
4. Construir una funcion tipo CES con EPS=0,2.
5. Calcular la EPS para la funcion
2
:
Q(K, L) = Ae
K
L
K
.
usando:
Q
K
= Q
_
L
+
K
_
.
Q
L
=
Q
L
_
K
L
_
.
Q
KK
= Q
K
_
L
+
K
_
Q
K
2
.
Q
LK
= Q
KL
= Q
L
_
L
+
K
_
Q
L
2
.
Q
LL
=
Q
L
L
_
K
L
_
+
Q
L
2
_
2K
L
_
.
2
Revankar, Nagesh S.(1971), A class of variable elasticity of substitution production fun-
ctions, Econometrica, Vol. 39, No. 1, Enero.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 93 #31
i
i
i
i
i
i
3.4. DETERMINANTES 93
6. Las derivadas parciales de la funcion
f(x) =
_
n
k=1
k
x
k
k
_
son:
f
k
=
k
f
1+
(x
k
)
1+
k
, para k = 1, 2, . . . , n.
f
ks
=
k
1+
f
f
k
f
s
, para k, s = 1, 2, . . . , n con k = s.
f
kk
= f
k
_
1+
f
f
k
1+
k
x
k
_
para k = 1, 2, . . . , n.
Usarlas para calcular la EPS.
3.4.2. La regla de Cramer
Esta regla es un algoritmo para solucionar un sistema de ecuaciones usando
determinantes. Sea
AX = B
un sistema de n ecuaciones lineales con n incognitas con det(A) = 0, por el
teorema 3.4 la matriz A es inversible, pre-multiplicando el sistema por A
1
y
asociando adecuadamente se obtiene
X = (A
1
A)X = A
1
B,
es decir,
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
= A
1
B =
1
det(A)
Adj(A)
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
=
1
det(A)
_
_
_
_
C
11
C
21
... C
n1
C
12
C
22
... C
n2
... ... ... ...
C
1n
C
2n
... C
nn
_
_
_
_
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
.
Al efectuar los productos en la ultima igualdad, aplicar la parte 7 del teorema
3.3 y despejar la i-esima variable se encuentra,
x
i
=
C
1i
b
1
+C
2i
b
2
+... +C
ni
b
n
det(A)
=
det(A
i
)
det(A)
, para i = 1, 2, . . . , n.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 94 #32
i
i
i
i
i
i
94 CAP
_
2x + y z = 1
x + 2y + z = 1
x y + 5z = 2.
6. Determinar las propiedades de las matrices tecnologicas y las matrices
de Leontief.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 196 #35
i
i
i
i
i
i
Captulo 7
Algebra lineal y geometra
7.1. Formas cuadraticas
Las formas cuadratica es la generalizacion a varias variables del monomio ax
2
,
esto es, son polinomios de segundo grado en varias variables de la forma
q(x) = q(x
1
, x
2
, ..., x
n
) =
n
i=1
n
j=1
a
ij
x
i
x
j
= a
11
x
2
1
+ (a
12
+a
21
)x
1
x
2
+a
22
x
2
2
+ (a
23
+a
32
)x
2
x
3
+... +a
nn
x
2
n
,
donde los a
ik
son coecientes reales.
Las formas cuadraticas se pueden escribir en forma de producto de matrices
como
q(x) = xAx
T
donde A = (a
ij
) es una matriz de tama no n n y x = (x
1
, x
2
, ..., x
n
) es una
matriz de tama no 1 n. Por lo tanto, para identicarlas basta con la matriz
asociada A y aunque hay innitas matrices que sirven para identicar una
forma cuadratica en adelante se usa una matriz simetrica.
Para encontrar una matriz de representacion se escoge un orden para las va-
riables. La matriz en la diagonal contiene los coecientes de los cuadrados
de cada una de las variables, en el orden escogido, y fuera de de la diagonal
la mitad del coeciente del monomio del producto de variables diferentes. La
forma mas simple para encontrar la matriz es poner sobre y a la izquierda las
variables en el orden escogido, las entradas en la diagonal de la matriz son los
coeciente de los cuadrados de la variable de la la y columna y fuera de la
diagonal la mitad de los coecientes del producto de la variable de la la y
columnas correspondientes. Si se quiere encontrar la matriz de representacion
196
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 197 #36
i
i
i
i
i
i
7.1. FORMAS CUADR
ATICAS 197
de la forma cuadratica
as
2
+bst +csr +dsv +et
2
+ftr +gtv +hr
2
+irv +jv
2
y el orden de las variables es (r, s, v, t) la matriz resultante es
r s v t
r
s
v
t
_
_
_
_
h
c
2
i
2
f
2
c
2
a
d
2
b
2
i
2
d
2
j
g
2
f
2
b
2
g
2
e
_
_
_
_
.
Ejemplo.
La forma cuadratica
4x
2
+ 4xy + 3y
2
+ 5xz +z
2
equivale a los productos matriciales
_
x y z
_
_
_
4 2
5
2
2 3 0
5
2
0 1
_
_
_
_
x
y
z
_
_
=
_
x z y
_
_
_
4
5
2
2
5
2
1 0
2 0 3
_
_
_
_
x
z
y
_
_
=
_
y x z
_
_
_
3 2 0
2 4
5
2
0
5
2
1
_
_
_
_
y
x
z
_
_
=
_
y z x
_
_
_
3 0 2
0 1
5
2
2
5
2
4
_
_
_
_
y
z
x
_
_
=
_
z x y
_
_
_
1
5
2
2
5
2
4 0
2 0 3
_
_
_
_
z
x
y
_
_
=
_
z y x
_
_
_
1 0
5
2
0 3 2
5
2
2 4
_
_
_
_
z
y
x
_
_
.
Una de estas matrices es el resultado de intercambiar las y columnas corres-
pondientes en otra, por ejemplo, la ultima matriz es el resultado de intercam-
biar la primera y la tercera la y columna en la primera matriz:
_
_
4 2
5
2
2 3 0
5
2
0 1
_
_
F
1
F
3
_
_
5
2
0 1
2 3 0
4 2
5
2
_
_
C
1
C
3
_
_
1 0
5
2
0 3 2
5
2
2 4
_
_
.
De aqu se deduce que la matriz de representacion de una forma cuadratica
es unica salvo el intercambio de las y columnas correspondientes. Por esta
razon en adelante se considera una de ellas como la matriz de representacion
y las otra como reordenaciones en el sentido descrito anteriormente.
Denicion 7.1. Una forma cuadratica q(x) = xAx
T
es:
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 198 #37
i
i
i
i
i
i
198 CAP
IA
1. Denida positiva si y solo si q(x) > 0 para todo x = 0,
2. Semidenida positiva si y solo si q(x) 0 para todo x,
3. Denida negativa si y solo si q(x) < 0 para todo x = 0 y
4. Semidenida negativa si y solo si q(x) 0 para todo x.
Si una forma cuadratica no es semidenida positiva ni semidenida negativa,
se llama no denida.
Por las condiciones de la denicion toda forma denida es semidenida, esto
es, las formas cuadraticas denidas son un subconjunto de las semidenidas.
Ejemplos.
1. La forma
q
1
(x, y, z) = 4x
2
+ 4xy + 3y
2
+z
2
= (2x +y)
2
+ 2y
2
+z
2
es cero si y solo si x = y = z = 0; para cualquier otro valor es positiva.
Por lo tanto, es denida positiva.
2. q
2
(x, y, z) = 4x
2
4xy + y
2
+ z
2
= (2x y)
2
+ z
2
es no negativa. Pero
ademas de x = y = z = 0 existen otros valores que la hacen cero, por
ejemplo x = 1, y = 2, z = 0. Por lo tanto, es semidenida positiva.
La clasicacion de las formas cuadraticas usando la denicion anterior es, en
general, un excelente ejercicio de factorizacion. Para trasladar el problema a
criterios matriciales simples es necesaria la siguiente
Denicion 7.2. Sea A una matriz nn. El menor principal de A de orden
r es el determinante
M
r
=
a
11
a
12
a
1r
a
21
a
22
a
2r
.
.
.
.
.
.
.
.
.
a
r1
a
r2
a
rr
.
El resultado que da los criterios matriciales de clasicacion es el
Teorema 7.1. La forma cuadratica q(x) en n variables, es:
1. Denida positiva si y solo si todos los menores principales de la matriz
de representacion son positivos.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 199 #38
i
i
i
i
i
i
7.1. FORMAS CUADR
ATICAS 199
2. Semidenida positiva si y solo si todos los menores principales de todas
las reordenaciones de la matriz de representacion son no negativos.
3. Denida negativa si y solo si los menores principales de tama no r de la
matriz de representacion tienen signo (1)
r
, para r = 1, 2, ..., n.
4. Semidenida negativa si y solo si los menores principales de cada una
de las reordenaciones de la matriz de representacion de tama no r son
cero o tienen signo (1)
r
, para r = 1, 2, ..., n.
Esto es, la forma cuadratica es denida positiva si y solo si las entradas de la
diagonal de la matriz de representacion son positivas y todos los menores prin-
cipales son positivos. Es denida negativa si y solo si todas las entradas de la
diagonal principal son negativas y los menores principales tienen signos inter-
calados: el de orden 2 positivo, el de orden 3 negativo,.., hasta el determinante
de la matriz que debe tener signo (1)
n
.
Al aplicar la propiedad 4 del teorema 3.3, que cambia el signo de un determi-
nante cuando se intercambian dos las o dos columnas, a los menores principa-
les de las reordenaciones de la matriz de representacion se deduce que el signo
de estos coincide con los menores de la matriz de representacion obtenidos al
eliminar las y columnas correspondientes, por lo tanto, para la clasicacion
de formas cuadraticas semidenidas basta con examinar estos menores. Esto
es, una forma cuadratica es semidenida positiva si y solo si los menores de
orden r obtenidos de su matriz de representacion eliminando las y columnas
correspondientes son no negativos y es semidenida negativa si y solo si todos
los menores son cero o tienen signo (1)
r
, para r = 1, 2, ..., n.
Ejemplos
1. La matriz de la forma q
1
(x, y, z) = 4x
2
+ 4xy + 3y
2
+z
2
es
_
_
4 2 0
2 3 0
0 0 1
_
_
.
Sus menores principales son
4,
4 2
2 3
= 12 4 = 8,
4 2 0
2 3 0
0 0 1
= 12 4 = 8
que son todos positivos. Lo que indica que q
1
es denida positiva.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 200 #39
i
i
i
i
i
i
200 CAP
IA
2. La matriz de q
2
(x, y, z) = 4x
2
4xy +y
2
+z
2
es
_
_
4 2 0
2 1 0
0 0 1
_
_
.
Sus menores principales son
4,
4 2
2 1
= 4 4 = 0,
4 2 0
2 1 0
0 0 1
= 0
que son no negativos, as que q
2
no es denida positiva ni negativa, por lo
tanto se deben examinar los menores principales primarios para determi-
nar si la forma cuadratica es semidenida positiva o negativa. Los menores
primarios de primer orden son:
4, 1 y 1
Los de segundo orden:
4 2
2 1
= 4 4 = 0,
4 0
0 1
= 4 0 = 4 y
1 0
0 1
= 1 0 = 1.
Y el unico de tercer orden
4 2 0
2 1 0
0 0 1
= 0
Todos los menores primarios son no negativos, por lo tanto la forma es
semidenida positiva.
3. La forma q
3
(x, y, z) = 4x
2
3xy 5y
2
+ 2xz + 4z
2
es no denida ya que
en la diagonal de su matriz de representacion
_
_
4 3/2 1
3/2 5 0
1 0 4
_
_
hay n umeros positivos y negativos.
Ejercicios
Clasicar las siguientes formas cuadraticas en denidas positivas, negativas,
semidenidas positivas, negativas o no denidas.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 201 #40
i
i
i
i
i
i
7.2. ESPACIOS VECTORIALES 201
1. q
1
(x, y) = x
2
+y
2
+xy.
2. q
2
(x, y, z) = x
2
+y
2
+xy.
3. q
3
(x, y) = xy.
4. q
4
(x, y, z, w) = x
2
2xy + 3y
2
+ 2yz + 2z
2
4zw + 4w
2
.
5. q
5
(x, y, z) = x
2
+y
2
+ 3xz.
6. q
6
(x, y, z) = (x 2y)
2
(3x 2z)
2
(y 2z)
2
.
7. q
7
(x, y, z) = x
2
+ 2xy 4y
2
+ 3xz + 6yz 9z
2
.
8. q
8
(x, y, z) = x
2
+ 2xy +y
2
yz.
7.2. Espacios vectoriales
Denicion 7.3. Un espacio vectorial es un conjunto V en el cual se dene
una operaci on binaria () y otra entre los n umeros reales y los elementos del
conjunto () tales que para u, v y w en el conjunto V y k y r n umeros reales:
EV1. u v es un elemento de V (cerrada),
EV2. u v = v u (conmutativa),
EV3. u (v w) = (u v) w (asociativa),
EV4. Existe
0 en V tal que u
0 = u (neutro),
EV5. Para cada u en V existe u en V tal que u (u) =
0 (inversos),
EV6. k u es un elemento de V ,
EV7. (k +r) u = (k u) (r u) (distributiva de + con respecto a ),
EV8. k (u v) = (k u) (k v) (distributiva de a con ),
EV9. k(r u) = (kr) u (asociativa),
EV10. 1 u = u (neutro).
IA
Las deniciones de las operaciones y determinan el comportamiento
geometrico de las lineas en el espacio, esto es, al denir en el mismo con-
junto operaciones diferentes se generan diferentes tipos de lineas, por lo que
estas deniciones determinan una parte la geometa del espacio.
Cuando el conjunto V dotado de las operaciones () y () es un espacio
vectorial, se dice que (V, , ) es un espacio vectorial y a los elementos del
conjunto V se les llama vectores. A un subconjunto de un espacio vectorial
dotado con las mismas operaciones del espacio que a su vez es espacio vectorial
se le denomina subespacio vectorial, esto es, si (V, , ) es un espacio vectorial,
W V y (W, , ) es espacio vectorial; W es un subespacio vectorial de V .
Para determinar si un subconjunto, de un espacio vectorial, es un subespacio
vectorial no es necesario comprobar que se satisfacen la diez propiedades de
la denicion, basta como lo que se cumplan dos seg un el
Teorema 7.2. Si (V, , ) es un espacio vectorial y W V , entonces (W, , )
es un subespacio vectorial si y solo si se satisfacen EV1 y EV6 para u y v en
W y k real.
Esto es, basta con que la operacion sea cerrada en el conjunto W y que
k u es elemento de W para cada escalar K.
Ejemplos.
1. Las matrices de tama no n m con la suma y producto por escalar
usuales es un espacio vectorial. Las matrices con las operaciones suma y
producto por escalar satisfacen las diez propiedades de la denicion de
espacio vectorial.
2. El conjunto
R
n
= {(x
1
, x
2
, x
n
) | x
i
es real para i = 1, 2, 3 . . . , n}
junto con las operaciones matriciales de suma y producto por escalar es
un espacio vectorial, este espacio es equivalente a las matrices de tama no
1 n.
3. El conjunto de todas las funciones con la suma de funciones y el producto
de un escalar por una funcion es un espacio vectorial, pra probarlo basta
usar las propiedades de los n umeros reales con respecto a la suma y la
multiplicacion ya que las operaciones sobre funciones se hacen sobre los
valores y estos son n umeros reales.
4. C(R): el conjunto de todas las funciones continuas en todos los n umeros
reales con la suma de funciones y el producto por escalar un en espacio
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 203 #42
i
i
i
i
i
i
7.2. ESPACIOS VECTORIALES 203
vectorial. Este es un subconjunto de todas las funciones y como la suma
de funciones continuas es continua y si se multiplica una funcion conti-
nua por un escalar el resultado es una funcion continua, por el teorema
anterior el conjunto es un subespacio vectorial.
5. Las soluciones del sistema de ecuaciones lineales AX = 0, donde A es
una matriz de tama no n m con las operaciones usuales de matrices
forman un espacio vectorial. Los valores de X son matrices n 1 por
lo que basta con mostrar que la suma de dos soluciones es solucion y
el producto de un escalar por una solucion es una solucion, esto es, si
AX
1
= 0 y AX
2
= 0, entonces A(X
1
+X
2
) = AX
1
+ AX
2
= 0 + 0 = 0
y A(kX) = k(AX) = k0 = 0 cuando AX = 0.
6. El conjunto R
2
con las operaciones (x, y) (s, t) = (x +s +a, y +t +b)
y k (x, y) = (k(x +a) a, k(y +b) b), donde, k es un escalar y a y b
son dos reales jos.
7. El conjunto RR
++
con las operaciones (x, y) (s, t) = (x +s +a, byt)
y k (x, y) =
_
k(x +a) a, (by)
k1
y
_
, con a y b > 0 jos.
Los elementos del conjunto RR
++
estan formados por parejas de reales
con segunda componente positiva. Sean (x, y), (s, t) y (u, w) elementos
de R R
++
y k y r reales.
Por la denicion de la operacion y la forma de los elementos del conjunto
x +s +a es real y byt > 0. Por lo tanto, (x, y) (s, t) = (x +s +a, byt)
es un elemento de R R
++
, esto es, EV1 se satisface.
Como la suma y la multiplicacion de n umeros reales es conmutativa,
(x, y) (s, t) = (x +s +a, byt) = (s +x +a, bty) = (s, t) (x, y).
que muestra EV2.
El resultado de
(x, y)((s, t) (u, w)) = (x, y)(s+u+a, btw) = (x+(s+u+a)+a, by(btw))
y el de
((x, y) (s, t))(u, w) = (x+s+a, byt)(u, w) = ((x+s+a)+u+a, b(byt)w)
son iguales por la asociatividad y conmutatividad en los n umeros reales.
Por tanto, EV3 es cierta.
(x, y)
_
a,
1
b
_
=
_
x + (a) +a, by
1
b
_
= (x, y),
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 204 #43
i
i
i
i
i
i
204 CAP
IA
por lo que
0 =
_
a,
1
b
_
en este caso (EV4). Ademas como
(x, y)
_
2a x,
1
b
2
y
_
=
_
x + (2a x) +a, by
1
b
2
y
_
=
_
a,
1
b
_
,
(x, y) =
_
2a x,
1
b
2
y
_
para esta operacion (EV5).
Nuevamente de las deniciones de operaciones y del conjunto, k(x+a)a
es un real y (by)
k1
y > 0 por lo que se cumple EV6.
Puesto que los resultados de
(k +r) (x, y) =
_
(k +r)(x +a) a, (by)
(k+r)1
y
_
y
(k (x, y)) (r (x, y)) =
_
k(x +a) a, (by)
k1
y
_
_
r(x +a) a, (by)
r1
y
_
=
_
k(x +a) a +r(x +a) a +a, b(by)
k1
y(by)
r1
y
_
son iguales se cumple EV7 y los de
k((x, y) (s, t)) = k(x+s+a, byt) =
_
k((x +s +a) +a) a, (b(byt))
k1
byt
_
y
(k (x, y)) (k (s, t)) =
_
k(x +a) a, (by)
k1
y
_
_
k(s +a) a, (bt)
k1
t
_
=
_
(k(x +a) a) + (k(s +a) a) +a, b
_
(by)
k1
y
__
(bt)
k1
t
__
tambien se cumple EV8.
EV9 se deduce de las igualdades
k (r (x, y)) = k
_
r(x +a) a, (by)
r1
y
_
=
_
k((r(x +a) a) +a) a,
_
b
_
(by)
r1
y
__
k1
(by)
r1
y
_
=
_
kr(x +a) a,
_
b(by)
r1
y
_
k1
(by)
r1
y
_
y
(kr) (x, y) =
_
kr(x +a) a, (by)
kr1
y
_
.
Por ultimo, como
1 (x, y) =
_
1(x +a) a, (by)
11
y
_
= (x, y)
se verica EV10.
Los ejemplos 6 y 7 proporcionan una innidad de espacios vectoriales sobre el
mismo conjunto, uno para cada combinacion de valores de a y b.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 205 #44
i
i
i
i
i
i
7.2. ESPACIOS VECTORIALES 205
7.2.1. Lineas, planos e hiperplanos
Este captulo y el tercero de este texto hacen parte del area de la matematica
llamada algebra lineal, en esta seccion se trata de dilucidar el porque de ese
nombre. En particular se estudia y generaliza el concepto de linea que es la
representacion graca de las combinaciones lineales.
Seg un lo conceptuado en el capitulo de funciones una lnea sobre un plano es
la representacion graca de una funcion lineal
y = L(x) = mx +b,
sin embargo, al generalizar esta formulacion al espacio tridimensional,
z = m
x
x +m
y
y +b,
la representacion no es una recta en ese espacio; mucho menos si se generaliza
a otros espacios. Por esta razon se debe encontrar otra formulacion, para una
linea recta sobre el plano, que s sea generalizable a otros espacios.
Para el Diccionario de la Real Academia Espa nola de la lengua una lnea
es una sucesion continua e indenida de puntos en la sola dimension de la
longitud. La formulacion matematica de este concepto en un plano necesita
dos elementos: un punto (x
0
, y
0
) por donde pasa y un vector (a, b) que da la
direccion de la lnea. Con estos elementos una lnea es el subconjunto del plano
que contiene al punto (x
0
, y
0
) y partir de este esta formado por todos los puntos
en direccion del vector (a, b). En otros terminos, el punto (x, y) esta sobre la
linea si y solo si el vector que va de (x
0
, y
0
) a (x, y) tiene la direccion del vector
(a, b), esto es, (x, y) (x
0
, y
0
) es multiplo escalar del vector (a, b):
(x, y) (x
0
, y
0
) = t(a, b), (7.1)
para alg un t R. La ecuacion (7.1) equivale a que,
_
x = x
0
+at,
y = y
0
+bt
conocidas como ecuaciones parametricas de la lnea. Al eliminar t, despejando
en la primera ecuacion y reemplazando en la segunda, se obtiene la ecuacion
de la linea en su forma punto pendiente:
y = y
0
+
b
a
(x x
0
),
con a = 0. La ecuacion (7.1) es mas general las forma punto pendiente, ya que
ella no hay restricciones sobre el valor de a y se puede generalizar a cualquier
espacio vectorial.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 206 #45
i
i
i
i
i
i
206 CAP
IA
Denicion 7.4. Sean (V, , ) un espacio vectorial y x
0
y v elementos de V .
La linea que pasa por x
0
en la direccion del vector v es el conjunto
L
x
0
,v
= {x V | x (x
0
) = t v, t R}.
Cuando el proceso anterior se hace con un punto y dos vectores, que no tengan
la misma direccion, para direccionar el conjunto; el resultado en el plano es
todo el plano, en el espacio tridimensional es un plano que contiene al punto
y a todo
7.3. Producto interno y geometra
Para los fsicos un vector es algo que posee magnitud, direccion y sentido: se
conoce que tan grande es, la recta que lo direcciona y su inicio y su nal.
En esta concepcion la posicion no cuenta, por lo que un vector tiene innitas
posibles posiciones. Para las matematicas un vector tiene magnitud, direccion,
sentido y punto inicial en el origen del sistema de coordenadas. Un vector cuyo
punto inicial no esta en el origen equivale a uno que satisface esa condicion. En
otros terminos se dene una relacion de equivalencia entre todos los vectores:
todos los que tengan la misma magnitud, direccion y sentido son equivalentes
al que tiene la misma magnitud, direccion y sentido con punto inicial en el
origen.
Con esta construccion los vectores matematicos estan determinados por sus
puntos nales por lo que cada punto determina un vector y cada vector un
punto, su punto nal. El espacio R
n
equivale a las matrices de tama no 1 n o
n 1, este tipo de matrices pueden ser asociados a puntos o vectores en este
espacio.
En particular en R
2
y R
3
la suma y producto por escalar equivalen a las
concepciones geometricas de esas operaciones: la suma de dos vectores es el
vector diagonal del paralelogramo que tiene vertice en el origen y a los dos
vectores a sumar como sus lados adyacentes y el producto por escalar es el
resultado de contraer o expandir el vector dependiendo si el escalar es menor o
mayor a uno o reejar y luego contraer o expandir cuando el escalar es negativo
y su valor absoluto es menor o mayor a uno respectivamente.
Las deniciones de las operaciones y o que determina el comportamiento
geometrico de un espacio por una parte es la nocion de
no es solo la nocion de espacio vectorial sino tambien la de producto interno,
esta ultima determina como son las magnitudes, distancias y angulos en el
espacio. Por lo tanto, a partir de una concepcion de vector es posible construir
varias de geometra.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 207 #46
i
i
i
i
i
i
7.3. PRODUCTO INTERNO Y GEOMETR
IA 207
Si se considera que la tierra es esferica, la distancia entre Bogota y Pars no
es la longitud del segmento de recta que conecta esos puntos, sino la longitud
del menor arco de circunferencia que los conecta. De la misma forma sobre la
supercie de una esfera, en la que un segmento de recta es un arco de circun-
ferencia, por un punto exterior a una recta pasa mas de una perpendicular a
la recta y la suma de los angulos interiores de un triangulo no es 180 grados.
Entre las operaciones mas importantes, entre vectores, estan los productos
internos.
Denicion 7.5. Un producto interno, en R
n
, es una funcion con variables
sobre el conjunto de parejas de vectores y valores sobre los n umeros reales,
: R
n
R
n
R,
que satisface las siguientes propiedades. Si u, v y w en R
n
y k en R
PI 1. u v = v u,
PI 2. u (v +w) = u v +u w,
PI 3. (ku) v = u (kv) = k(u v) = (u v)k,
PI 4. u u 0 y u u = 0 si y solo si u = 0.
Esto es, el producto interno para cada par de vectores u y v en R
n
, u v es
un n umero real.
Cualquier funcion que haga corresponder un n umero real a cada par de ele-
mentos de R
n
y que satisfaga las cuatro propiedades anteriores es un producto
interno.
A partir de la propiedad PI 4, de la denicion de producto interno, para cada
para cada par de vectores u y v en R
n
y para todo x real,
(xu +v) (xu +v) 0. (7.2)
La aplicacion de las propiedades PI 1 a PI 3 en el desarrollo del lado izquierdo
de esta desigualdad produce sucesivamente,
(xu +v) (xu +v) = (xu +v) (xu) + (xu +v) v
= (xu) (xu +v) +v (xu +v)
= x[u (xu +v)] +v (xu) +v v
= x[u (xu) +u v] +x(v u) +v v
= x[x(u u) +u v] +x(u v) +v v
= (u u)x
2
+ 2u v)x +v v.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 208 #47
i
i
i
i
i
i
208 CAP
IA
Por la condicion (7.2) la ecuacion
(u u)x
2
+ 2(u v)x +v v = 0, (7.3)
para u = 0, tiene a lo mas un raz. Si hubiesen dos, (xu + v) (xu + v) seria
negativa para los valores de x entre las races, en contra del la propiedad PI 4.
Por lo tanto, el discriminate de la ecuacion (7.3), es decir, el termino dentro
del radical en
x =
2u v
_
(2(u v))
2
4(u u)(v v)
2(u u)
,
debe ser no positivo,
(2(u v))
2
4(u u)(v v) 0.
Esta desigualdad equivale sucesivamente a,
(2(u v))
2
4(u u)(v v)
4(u v)
2
4(u u)(v v)
(u v)
2
(u u)(v v)
Si ademas u = 0 y v = 0, la desigualdad equivale a,
(u v)
2
(u u)(v v)
1
tomado raz cuadrada esta se convierte en,
1
u v
u u
v v
1. (7.4)
conocida como desigualdad de Schwartz. A partir de esta se dene el coseno
de
Cuando el producto interno esta denido por la suma de los productos de las
correspondientes componentes de los vectores, esto es, si u = (u
1
, u
2
, ..., u
n
) y
v = (v
1
, v
2
, ..., v
n
),
u v = u
1
v
1
+u
2
v
2
+... +u
n
v
n
=
n
i=1
u
i
v
i
.
La geometra que esta denicion genera es la euclidiana, la geometria usual en
el plano o espacio tridiemensional, en ella la distancia entre dos puntos es la
longitud del segmento de recta que los une, por un punto exterior a una recta
solo pasa una perpendicular a la recta y otras concepciones que solo se dan en
esta geometra.
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 209 #48
i
i
i
i
i
i
7.4. TRANSFORMACIONES LINEALES 209
7.3.1. Planos e hiperplanos
As como para determinar una linea solo se requiere de un punto y un vector
tambien la denicion de plano sobre el espacio tridimensional requiere esos
mismos elementos: un punto por donde pasa (x
0
, y
0
, z
0
) y un vector normal
o perpendicular (a, b, c). El plano es el subconjunto del espacio que contiene
al punto (x
0
, y
0
, z
0
) y a todos los puntos (x, y, z), tales que el vector que va
de (x
0
, y
0
, z
0
) a (x, y, z) es perpendicular al vector (a, b, c), esto es, (x, y, z)
esta en el plano si y solo si
(a, b, c) [(x, y, z) (x
0
, y
0
, z
0
)] = 0
que equivale a
a(x x
0
) +b(y y
0
) +c(z z
0
) = 0
o transponiendo
ax +by +cz = ax
0
+by
0
+cz
0
.
Por lo que
ax +by +cz = d
es la ecuacion de un plano en el espacio tridimensional.
As como el concepto de linea la nocion de plano puede ser generalizado a
espacios que posean producto interno
Denicion 7.6. Sean (V, , ) un espacio vectorial y x
0
y v vectores en V .
El plano que pasa por el punto x
0
y es normal al vector v es el conjunto
P
x
0
,v
= {x V | v (x x
0
) = 0}.
7.4. Transformaciones lineales
Una transformacion lineal entre dos espacios vectoriales es una funcion que
transforma combinaciones lineales a combinaciones lineales, geometricamente
transforma lineas en el espacio de las variables en lineas en el espacio de los
valores, para que esto suceda una transformacion debe satisfacer la siguiente
denicion: una transformacion lineal entre los espacios vectoriales (V,
v
,
v
)
y (W,
w
,
w
) es una funcion
T : V W
tal que para u y v en V y k real,
TL1. T(u
v
u) = T(u)
w
T(v) y
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 210 #49
i
i
i
i
i
i
210 CAP
IA
TL2. T(k
v
u) = k
w
T(u).
como esto,
T(k
v
u
v
r
v
u) = k
w
T(u)
w
r
w
T(v)
7.5. Valores y vectores propios
Los valores y vectores son la base de la solucion de sistemas lineales de ecua-
ciones diferenciales y de diferencias. Los valores propios determinan el com-
portamiento de la solucion de dichos sistemas y los valores propios, en el caso
de puntos de silla, indican la direccion de las sendas de convergencia, temas
fuera del alcance de este texto.
Sea A una matriz nn. Un valor propio r y su vector propio correspondiente
v, no nulo de tama no n 1, son aquellos que satisfacen la ecuacion,
Av = rv
Esta ecuacion equivale a,
Av rv = 0, o (ArI)v = 0.
El sistema homogeneo de ecuaciones lineales representado en esta ecuacion
tiene soluciones no nulas (v = 0) si y solo si la matriz A rI es no-inversible
y esto ocurre (teorema 3.4) si y solo si,
det(ArI) = 0.
Esta ultima ecuacion permite encontrar los valores propios de A y a partir de
ellos los valores propios solucionando el sistema (ArI)v = 0. Para cada valor
propio este sistema tiene innitas soluciones ya que es un sistema homogeneo
y estos solo pueden tener una solucion unica, v = 0, o innitas soluciones cada
una de las cuales proporciona un vector propio.
Ejemplo.
Para
A =
_
2 2
5 1
_
.
det(ArI) =
_
2 2
5 1
_
r
_
1 0
0 1
_
_
2 2
5 1
_
_
r 0
0 r
_
2 r 2
5 1 r
= (2 r)(1 r) 10 = r
2
+r 12 = 0,
i
i
Notas de clase incompletas del curso ME, Prof. A. Pecha. Solo para su uso
personal 2012/8/6 16:05 page 211 #50
i
i
i
i
i
i
7.5. VALORES Y VECTORES PROPIOS 211
de donde los valores propios son 3 y -4.
Para encontrar el vector propio correspondiente a r = 3 se debe solucionar el
sistema (A3l)v = 0, es decir, encontrar el v =
_
x
y
_
tal que
_
5 2
5 1
__
x
y
_
=
_
0
0
_
,
cuya solucion es, y = t y x = 2t/5. De la misma forma el vector propio
correspondiente a r = 4, es la solucion del sistema (A + 4I)v = 0 que
equivale a
_
2 2
5 5
__
x
y
_
=
_
0
0
_
,
los valores en este caso son, x = y = s. De esta forma los valores y vectores
propios correspondientes son:
r
1
= 3 y v
1
= t
_
2
5
1
_
, y r
2
= 4 y v
2
= s
_
1
1
_
.
Notese que a cada valor propio le corresponden innitos vectores propios, uno
por cada valor de s y t.
Ejercicios.
1. Encontrar los valores y vectores propios de la matriz
A =
_
_
1 2 0
2 3 1
0 1 4
_
_
.
2. Probar que si los valores propios de la matriz son complejos, los vectores
propios correspondientes son tambien complejos y a valores propios com-
plejos conjugados corresponden vectores propios complejos conjugados.
Tambien se pueden usar valores propios para clasicar formas cuadraticas (ver,
por ejemplo, [?]). La forma cuadratica es denida positiva si y solo si todos
los valores propios de A son positivos; la forma cuadratica es semidenida
positiva si y solo si son no negativos; la forma es denida negativa si y solo
si son negativos, etc. Sin embargo, este procedimiento puede ser difcil ya que
encontrar los valores propios implica solucionar una ecuacion de grado igual
al orden de la matriz de representacion, problema que en general no siempre
es posible solucionar analticamente.