Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
215
216 Apendice A. Algebra lineal y conjuntos convexos
vector columna
a
11
a21
a=
..
.
.
am1
Ejemplos.
Notemos que, para sumar dos matrices, estas tienen que tener el mismo tamano y
el resultado es una matriz del mismo tamano.
OpenCourseWare, UPV/EHU
A.1. Matrices y vectores 217
1 0 1 1 1 4 2 0
2. Dadas las matrices A = 0 1 1 0 y B = 0 0 1 0 ,
2 0 1 3 1 1 2 1
1 0 1 1 1 4 2 0 2 4 3 1
A+B = 0 1 1 0 + 0 0 1 0 = 0 1 2 0 .
2 0 1 3 1 1 2 1 3 1 3 4
2
Propiedades.
A, B R mn A + B R mn .
(A, B R mn ) A + B = B + A.
(A, B, C R mn ) (A + B) + C = A + (B + C).
OpenCourseWare, UPV/EHU
A.1. Matrices y vectores 219
Notemos que para multiplicar un vector fila por un vector columna, ambos
tienen que tener la misma dimension y su producto es un escalar:
a R n , b R n aT b R .
4 1
Ejemplo. Sean a = 2 , b = 2 R3 , entonces
7 1
1
aT b = (4 2 7) 2 = 7 R.
1
Producto de matrices.
Dadas dos matrices A R mn y B R np , el producto de A por B es una
matriz C = A B R mp que se define de la siguiente forma.
Para i = 1, . . . , m, j = 1, . . . , p, el elemento (i, j) de C = AB es el producto
de la fila i de A por la columna j de B (fila por columna).
4 3
1 1 0 1
Ejemplo. Sean A = 1 0 yB= .
1 2 7 4
1 1
1 2 21 8
La matriz producto C = A B es: 1 1 0 1 .
2 3 7 5
2
Propiedades.
1. El producto de matrices es asociativo.
(A R mn ) (B R np ) (C R pq ) (A B) C = A (B C).
OpenCourseWare, UPV/EHU
A.2. Solucion de sistemas lineales 221
1 2 3 4 1 1 2 3 4 1
0 4 14 14 1 0 4 14 14 1
0 0 1 9 3 0 0 1 9 3
0 4 12 17 5 0 0 2 3 4
1 2 3 4 1
0 4 14 14 1
= U.
0 0 1 9 3
0 0 0 21 10
2
Definicion A.1.1 Sea A R mn una matriz que por eliminacion gaussiana se
reduce a una matriz U escalonada. Llamaremos rango de A y lo representaremos
por rang A al numero de pivotes de U.
El rango de la matriz del ejemplo anterior es 4, igual al numero de pivotes o el
numero de filas no nulas de U.
2x1 x2 + 3x3 = 2
x1 + x2 x3 = 4
3x1 + 2x3 = 5
Para comprobar si el sistema tiene solucion hay que calcular los rangos de las
matrices A y (A b).
2 1 3 2 1 3 2
A= 1 1 1 , (A b) = 1 1 1 4 .
3 0 2 3 0 2 5
Se tiene que rang A = 2 < 3 = rang (A b), y por tanto, el sistema no tiene
solucion.
2
Ejemplo. Considerar el sistema lineal
2x1 + x2 = 3
x1 + x2 = 4
OpenCourseWare, UPV/EHU
A.2. Solucion de sistemas lineales 223
2x1 x2 + 3x3 = 2
x1 + x2 x3 = 4
3x1 + 2x3 = 6
2x1 x2 = 2 3x3
3 5
x2 = 3 + x3
2 2
y las infinitas soluciones son x1 = 2 32 x3 , x2 = 2+ 35 x3 en funcion de la incognita
libre x3 R .
2
rang A = rang (A b) = m.
o tambien
BxB + NxN = b.
Si despejamos en la formula anterior, podemos expresar las variables asociadas a
la matriz B (variables basicas) en funcion de las variables asociadas a la matriz N
(variables libres),
BxB = b NxN .
Existen infinitas soluciones en funcion de los valores de las variables libres del
vector xN . En particular, si damos valor cero a todas las incognitas libres, es decir
xN = 0, tenemos el sistema
BxB = b,
que tiene una unica solucion. Llamaremos a esta solucion solucion basica.
Ejemplo. Considerar el sistema lineal
2x1 x2 + 3x3 = 2
x1 + x2 x3 = 4
3x1 + 2x3 = 6
2x1 x2 = 2 3x3
3 5
x2 = 3 + x3
2 2
OpenCourseWare, UPV/EHU
A.3. Espacios vectoriales 225
1 v1 + + n vn = 0,
se tiene necesariamente
1 = = n = 0.
1 v1 + + n vn = 0,
Ejemplo.
1 4
1. Consideramos los vectores , .
1 4
La combinacion lineal
1 4 0
4 + (1) =
1 4 0
OpenCourseWare, UPV/EHU
A.3. Espacios vectoriales 227
1 3 2 2 v1
0 4 3 0 v2 + v1 .
0 0 54 0 v3 41 v1 + 34 v2
Dado que rang A = rang (A b) = 3 el sistema tiene solucion y por tanto, S es un
conjunto generador. 2
Se pueden encontrar distintas bases para un espacio vectorial, pero todas tienen
el mismo numero de vectores.
Ejemplo. Probar que el siguiente conjunto B es base de R 3 .
1 0 1
B = 2 , 1 , 1 .
0
0 2
OpenCourseWare, UPV/EHU
A.3. Espacios vectoriales 229
Resolviendo el sistema
3 1 0 1
1 = 1 2 + 2 1 + 3 1
0 0 0 2
1 = 3 , 2 = 5 , 3 = 0.
B = {v, v2 , v3 } , B = {v1 , v, v3 }.
x2
x1
(3, 2)
OpenCourseWare, UPV/EHU
A.4. Conjuntos convexos 231
x2
2 2x1 + 3x2 = 6
3 x1
x2
2x1 + 3x2 6
x1
a1 x1 + a2 x2 c,
o de la forma
a1 x1 + a2 x2 c,
donde al menos una de las constantes a1 o a2 es distinta de cero.
El espacio Euclideo de dimension 3 es el conjunto de tripletas ordenadas
x
1
3
R = x2 , x1 , x2 y x3 son numeros reales .
x
3
a1 x1 + a2 x2 + a3 x3 c,
o de la forma
a1 x1 + a2 x2 + a3 x3 c.
En R n la ecuacion
a1 x1 + a2 x2 + + an xn = c,
donde a1 , . . . , an y c son constantes, representa un hiperplano.
OpenCourseWare, UPV/EHU
A.4. Conjuntos convexos 233
a1 x1 + a2 x2 + + an xn c,
o de la forma
a1 x1 + a2 x2 + + an xn c.
Los conjuntos (a), (b) y (c) de la Figura A.4 son convexos. El conjunto (d) no
es convexo.
(a) (b)
(c) (d)
Figura A.4: Conjuntos convexos: (a), (b), (c). Conjunto no convexo: (d)
x1 + 4x2 4
x1 x2 3
x2
x1 + 4x2 = 4 B
A
x1 x2 = 3
O C x1
OpenCourseWare, UPV/EHU
A.5. Puntos extremos y soluciones factibles basicas 235
La grafica representa los puntos que verifican las dos inecuaciones para valores
de las variables x1 0 y x2 0.
Podemos ver que la interseccion de los dos semiespacios, junto con las restric-
ciones de que las variables sean no negativas, es un conjunto convexo cerrado, un
polgono en este caso. El polgono tiene un numero finito de vertices, que son los
puntos extremos del conjunto.
0
El punto O = es el origen de coordenadas.
0
0
El punto A = interseccion de x1 + 4x2 = 4 y el eje de ordenadas.
1
16
3
El punto B = interseccion de x1 + 4x2 = 4 y x1 x2 = 3.
7
3
3
El punto C = interseccion de x1 x2 = 3 y el eje de abcisas.
0
En general, igual que ocurre en el ejemplo, en el plano Euclideo la interseccion
de un numero finito de semiespacios cerrados es un conjunto convexo, es decir, o
es el vacio, o es un conjunto con un unico punto o es un polgono con un numero
finito de puntos extremos. En el espacio Euclideo de dimension 3 la interseccion
de un numero finito de semiespacios cerrados tambien es un conjunto convexo,
es decir, o es el vacio, o es un conjunto con un unico punto o es un poliedro con
un numero finito de puntos extremos. En el espacio Euclideo de dimension n la
interseccion de un numero finito de semiespacios cerrados es un conjunto convexo
llamado poltopo.
Podemos transformar las inecuaciones en ecuaciones sumando las variables
no negativas x3 y x4 para obtener el siguiente sistema:
x1 + 4x2 + x3 =4
x1 x2 + x4 = 3
las que tienen las componentes mayores o iguales que cero para comprobar que
se corresponden con los puntos extremos de la Figura A.5.
1. Seleccionamos las columnas primera y segunda de la matriz del sistema que
son linealmente independientes y hacemos x3 = x4 = 0.
x1 + 4x2 = 4
x1 x2 = 3
16 7
La solucion del sistema es x1 = 3
y x2 = 3
que corresponde al punto
extremo B de la grafica.
2. Seleccionamos las columnas primera y tercera de la matriz del sistema que
son linealmente independientes y hacemos x2 = x4 = 0.
x1 + x3 = 4
x1 =3
OpenCourseWare, UPV/EHU
A.5. Puntos extremos y soluciones factibles basicas 237
4x2 =4
x2 + x4 = 3
x3 =4
x4 = 3