INSTITUTO POLITECNICO NACIONAL

UNIDAN PROFESIONAL ITERDISCIPLINARIA EN INGENIERIAS Y

TECNOLOGIAS AVANZADAS

INGENIERIA EN ENERGÍA

ALGEBRA LINEAL

CARLOZ. C. CRUZ

ARANZA RAMIREZ RANDALL DONOVAN

 ALGEBRA LINEAL FUNDAMENTOS Y APLICACIONES

Resumen pag. 82-163

La inversa de una Matriz.

Se dice que una matriz A de n x n es no singular, si existe una matriz B de n x n,
tal que
AB = BA =In
En este caso podemos decir que B es la inversa de A, en caso de que no existiera
la matriz B, podríamos decir que es singular, I es la matriz identidad de orden n
No Singular = Invertible = Tiene Matriz Inversa
Singular = No es Invertible = No Tiene Matriz Inversa
No todas las matrices tienen inversa.
También podemos denotar a la inversa como A−1

Teorema: Si una Matriz tiene inversa, la inversa es única

Para demostrar el teorema anterior, diremos que B y C son Matrices Inversas de la
Matriz A, entonces:
AB=AC=In
Por lo tanto:
B=BIn=B(AC)=(BA)C=InC=C

Propiedades de la Inversa

1) Si A es una matriz no singular, entonces A−1 es no singular.

¿ ¿) -1

2) Si A y B son matrices no singulares, entonces AB es no singular

( AB¿¿−1)=B−1 A−1 ¿
 3) Si A es una Matriz no singular, entonces.

( A¿¿ T ) ¿-1 = ( A¿¿−1)¿

T

Método para obtener A−1

Determinar la matriz inversa de A

Paso 1:

Formar la matriz que se obtiene al adjuntar la matriz identidad In con la matriz A

Paso 2:

Mediante el método de Gauss-Jordan transformaremos la matriz obtenida en el

paso 1 a su forma escalonada

-5R1+R3R3

1/2R2R2

-1/4R3R3
 -3/2R3+R2
-1R3+R1

-1R2+R1R1

Y de esa manera concluimos que:

Sistemas Lineales e Inversas.

Digamos que A es una matriz de n x n y que el sistema lineal Ax = b, el cual tiene
n ecuaciones con n incógnitas. Suponiendo que A es no singular, entonces
sabemos que A−1 y ahora podemos multiplicar ambos lados de Ax = b por A−1

Para así obtener:

Además, es evidente que x = A−1 b es una solución del sistema dado, por lo tanto
si A es no singular, habrá única solución.
Teorema: Si A es una matriz de n x n, el sistema homogéneo
Ax = 0
Tiene una solución no trivial si y solo si A es singular
Para demostrar este teorema supondremos que A es no singular, por lo tanto A−1
existe, por lo tanto, debemos multiplicar ambos lados del sistema por A−1 y así
obtenemos:

Por lo tanto, la solución es x = 0 y podemos decir que si A es singular

obtendremos una solución no trivial.
Ejemplo
Consideramos un sistema homogéneo Ax = 0 donde

Como A es no singular, entonces

x = A−10 = 0
Igualamos la matriz a 0

Y resolvemos por Gauss-Jordan

Lo cual demuestra que la solución será x = 0

Lista de Equivalencias no Singulares
 A es no singular
 x = 0 es la única solución de Ax = 0
 A es equivalente por filas In
 El sistema lineal Ax = b tiene una solución única para cada matriz b de n x 1
Con estas 4 afirmaciones podemos resolver los problemas, lo que quiere decir que
son intercambiables.

Aplicaciones de Ecuaciones Lineales y Matrices.

Teoría de Graficas
Es un área relativamente nueva de las matemáticas, se utiliza ampliamente para
formular modelos de muchos problemas en los negocios, las ciencias sociales y
las ciencias físicas, dentro de esto se incluyen problemas de comunicación y el
estudio de organizaciones y estructuras sociales.
Graficas Dirigidas
También conocidas como digráficas, son conjuntos finitos de puntos P1,P2…Pn,
llamados vértices o nodos, junto con conjuntos finitos de arcos dirigidos (aristas o
lados), cada uno de estos une un par ordenado de vértices distintos. De acuerdo
con lo anterior, la arista dirigida Pi, Pj es diferente de la arista dirigida PJ, Pi.
Ejemplos de Gráficas Dirigidas

Vértices: P1, P2, P3

Aristas Dirigidas: P1-P2, P2-P3

Vértices: P1, P2, P3, P4

Aristas Dirigidas: P1-P2, P1-P3.
 Vértices: P1, P2, P3
Aristas Dirigidas: P1-P2, P1-P3 Y P3-P1

Vértices: P1, P2, P3.

Aristas Dirigidas: P2-P1, P2-P3, P1-P3, P3-P1

Si G es una digráficas que tiene n vértices, la matriz A(G) de n x n, cuyo elemento

i, j es 1 si existe una arista dirigida de Pi a Pj y 0 en caso contrario, es la matriz de
adyacencia de G. Observe que A(G) no es necesariamente una matriz simétrica.
Ejemplo
Las matrices A,B,C y D son respectivamente las matrices de adyacencia de las
digráficas anteriores.

Como podemos observar en la matriz hay un 1 en la ubicación en la que los

vértices de las digráficas forman Aristas
Las Digráficas pueden utilizarse en muchas situaciones, incluyendo problemas de
comunicaciones, relaciones familiares, estructuras sociales, mapas de calles,
diagramas de flujo, problemas de transporte, circuitos eléctricos y cadenas
ecológicas.
Una liga de boliche consta de 7 equipos: T1, T2…T7. Suponga que después de
cierto numero de juegos tenemos la siguiente situación:

Con la informacion anterior obtenemos la digrafica siguiente:

Donde Ti  Tj
Lo cual significa qu Ti vencio a Tj
Teorema: Sea A(G) la matriz de adyacencia de una digrafia G y sea Br, la r-esima
potencia de A(G):

Entonces, el elemento i, j de Br, es el numero de formas en que Pi tiene

acceso a Pj en r etapas
L suma de los elementod de la j-esima columna de proporciona el numero
de formas en que Pj puede ser alcanzado por los demas individuos en r etapas
Si hacemos:

Entonces Cij es el numero de formas en que Pi tiene acceso a Pj en una, dos,…,o

r etapas.
Al estudiar estas estructuras organizativas, algunas veces encontramos
subconjuntos de personas por ejemplo, en los que dos individuos estan
relacionados entre si, a esto es a lo que llamamos un clan.
Clan: En una diagrafica, un clan es un subconjunto de S vertices y estas son sus
propíedades:
 S contiene 3 o mas vertices
 Si Pi y Pj estan en S, existe una arista dirigida de Pi a Pj y una arista
dirigida Pj A Pi.
 No existe un subconjunto T de vertices que satisfaga la segunda propiedad
y que contenga a S, es decir, S es un subconjunto maximal que satisface a
la segunda propiedad.
Ejemplo
Observamos la siguiente digrafica:
Como podemos notar, el conjunto [P1, P2, P3] satisface las dos primeras
propiedades antes mencionadas, pero no es un clan, ya que no satisface la tercer
propiedad.
Para explicar esto mejor podemos decir que [P1, P2, P3] esta contenido en
[P1, P2, P3, P4], el cual satisface las tres condiciones, por lo tanto, el unico clan
de esta digrafica es [P1, P2, P3, P4]

Ejemplo
Ahora observemos esta otra grafica:

Tal como podemos observar, en este caso tenemos 2 clanes, el primero es

[P1, P2, P3, P4] y [P4, P5, P6]
Ademas que P4 pertence a ambos clanes
El procedimiento para determinar un clan en una diagrafica es el siguiente:

Paso 1: Si A = [aij] es la matriz de adyacencia de la digrafica dada, calculamos la

matriz simetrica S = [Sij], donde:

Y si Sij = 0 en caso contrario.

Paso 2: Calculamos S3= [ S ij (3) ] .

Paso 3: Pi pertenece a un clan si y solo si S ij(3 ) es positivo.

Ejemplo
Considere la siguiente digrafica y su matriz de adyacencia:

Entonces verificamos:

Como S11, S33 y S55 son positivos, concluimos que P1, P3 y P5 pertenecen
algún clan; de hecho, forman el único clan de la digráficas.
En una digráficas, una trayectoria (o cambio) que uno dos vértices Pi y Pk, es una
sucesión de vértices distintos Pi, Pa, Pb, Pc,…,Pr, Pk y aristas dirigidas Pi-Pa, Pa-
Pb,…,Pr-Pk.
Ejemplo
Considere la siguiente digráficas:

La sucesión P2  P3  P4 P5 es una trayectoria

La sucesión P2 P3  P4  P2  P5, no es una trayectoria, pues se repite el
vértice P2.
Se dice que una digráficas G es fuertemente conexa si para cualesquiera dos
vértices distintos Pi y Pj existe una trayectoria de Pi a Pj. En caso contrario, no es
fuertemente conexa

Teorema
Una digráficas con n vértices es fuertemente conexa si y solo si su matriz de
adyacencia A(G) tiene la propiedad de que la matriz

No tiene entradas iguales a cero.

El procedimiento para determinar si una digráficas G con n vértices es fuertemente

conexa es el siguiente:

Paso 1: Si A(G) es la matriz de adyacencia de la digráficas, calculamos:

Paso 2: G es fuertemente conexa si y solo si E no tiene entradas iguales a cero.
Ejemplo
Consideramos la siguiente grafica y su matriz de adyacencia.

De esta manera verificamos:

Como todas las entradas de E son positivas, la digráficas dada es fuertemente

conexa.
Este enfoque en las digráficas puede ser utilizado por ejemplo en el rastreo de la
propagación de un contaminante en un grupo de personas, si hay una trayectoria
de Pi a Pj, el contaminante puede propagarse de Pi a Pj.

Circuitos Electricos
Una batería (o pila) es una fuente de corriente directa (o voltaje) en un circuito, por
otro lado, una resistencia es un dispositivo, que reduce la corriente en un circuito y
convierte la energía eléctrica en energía térmica y un cable es un conductor que
permite el flujo de corriente eléctrica. Un circuito eléctrico sencillo es una conexión
cerrada de resistencias, baterías y cables. Cuando los circuitos se representan en
por medio de diagramas, las baterías, resistencias y cables se denotan de la
siguiente manera:
Las cantidades físicas en un circuito eléctrico son:
 La corriente, que se denota con la letra I y se mide en Amperios (A)
 La diferencia de potencial eléctrico se denota con la letra E y se mide en
Voltios (V).
 La resistencia, se denota con la letra R y se mide en ohm (Ω)

Estas unidades se relacionan mediante la ecuación

V=IxR
Voltaje = Corriente x Resistencia
La diferencia de potencial eléctrico de una batería se considera positiva si se mide
de la terminal negativa (-) a la terminal positiva (+) y negativa cuando se mide de
la terminal positiva (+) a la terminal negativa (-). La diferencia de potencial eléctrico
en una resistencia (denotada mediante V) depende de la corriente que fluye por
ella y de la resistencia que ofrece y esta dada por la ley de Ohm
V=±IR
El signo (-) se usa cuando la diferencia en la resistencia se mide en dirección del
flujo de corriente y se utiliza (+) cuando la diferencia en la resistencia se mide en
dirección opuesta al flujo de corriente.
Todos los circuitos están compuestos por:
 Ciclos de voltaje
 Nodos de corriente
Un ciclo de voltaje es una conexión cerrada dentro del circuito.

Ejemplo

Los ciclos de voltaje serian:

 abcfa
 cdefc
 abcdefa

Por otro lado, un nodo de corriente es un punto donde se encuentran 3 o mas

segmentos de cable, por ejemplo:
En la figura los nodos de corriente serian c y f. Los puntos a, b, d y e no son nodos
de corriente, pues en ellos solo hay dos segmentos de cable.

Las leyes físicas que gobiernan el flujo de corriente en un circuito eléctrico son la
conservación de la energía y la conservación de la carga.
 La conservación de la energía se establece en un resultado conocido como
ley de voltaje de Kirchhoff, en torno de cualquier ciclo de voltaje, la
diferencia total del potencial eléctrico es igual a cero.
 La conservación de la carga se establece en un resultado que se conoce
como ley de corriente de Kirchhoff: en cualquier nodo de corriente, el flujo
de todas las corrientes que llegan al nodo es igual al flujo de todas las
corrientes que salen del nodo. Esto garantiza que la carga en un nodo no
aumenta ni disminuye, de modo que el flujo de corriente es estacionario a lo
largo del nodo.

Cadenas de Markov
Una cadena de Markov o proceso de Markok es aquel en el que la probabilidad de
que el sistema este en un estado particular e un periodo de observacion dado,
depende solamente de su estado en el periodo de observacion inmediato anterior.
Supongamos que el sistema tiene n estados posibles. Para cada i = 1, 2,…,n, y
cada j = 1,2,…,n, sea tij la probabilidad de que si el sistema se encuentra en el
estado j en cierto periodo de observacion, estara en el estado de i en el siguiente;
tij recibe el nombre de probabilidad de transicion. Ademas, tij se aplica a cada
periodo; es decir, no cambia con el tiempo.
Como Tij es una probabilidad, debemos tener que

Asimismo, si el sistema esta en el estado j en cierto periodo de observación,

entonces debe estar en alguno de los n estados. Por lo tanto; tenemos

Es conveniente disponer las probabilidades de transición como la matriz T= [tij] de

n x n, llamada matriz de transición de la cadena de Márkov. Otros nombres para
una matriz de transición son Matriz de Márkov, matriz estocástica y matriz de
probabilidades.
Sea

El vector de estado del proceso de Markov en el periodo de observación k, donde

P j (k) es la probabilidad de que el sistema se encuentre en el estado j en el periodo
de observación k, Al vector x(0), que denota el vector de estado en el periodo 0, se
le llama vector de estado inicial.

Teorema
Si T es la matriz de transición de un proceso de Markov, el vector de estado x(k +1),
en el (k+1)-esimo periodo de observación, puede determinarse a partir del vector
de estado x(k) en el k-esimo periodo de observación, como:

La segunda de las siguientes ecuaciones india que para obtener el vector de

estado en el periodo (k+1) se multiplica la matriz de transición por el vector de
estado en el periodo k. De acuerdo con lo anterior,

Y en general.
Esto es, la matriz de transición y el vector de estado inicial determinan por
completo todos los demás vectores de estado.

Ejemplo
Sean

Entonces.

Por lo tanto, los vectores de estado oscilan entre los vectores

Y no convergen a un vector fijo, no obstante, si pedimos que la matriz de

transición de un proceso de Markov satisfaga una propiedad razonable,
obtenemos una amplia clase de procesos de Markov, muchos de los cuales
surgen en aplicaciones prácticas, que realmente alcanza el equilibrio.

Definición
El vector

Es un vector de probabilidad si
y
Definición
Una matriz de transición T de un proceso de Markov es regular si todas las
entradas de alguna potencia de T son positivas. Un proceso de Markov es regular
si su matriz de transición es regular.

Ejemplo
La matriz de transición

Es regular, ya que

Teorema
Si T es la matriz de transición de un proceso de Markov regular, entonces

A medida que n  ∞, T tiende a una matriz

n


Tal que todas sus columnas son idénticas

 Toda columna

de A es un vector de probabilidad tal que todos sus componentes son positivos. Es

decir, ui > 0(1≤ i ≤ n) y
Teorema
Si T es una matriz de transición regular y A y u son como en el teorema anterior,
entonces:

Para cualquier vector de probabilidad x, T x  u conforme n  ∞, de

n

modo que u es un vector de estado estacionario.
 El vector de estado estacionario u es el único vector de probabilidad que
satisface la ecuación matricial Tu = u.
Ejemplo
Consideramos la siguiente matriz, el sistema homogéneo seria:

La forma escalonada reducida por filas de la matriz aumentada es

Por lo tanto, una solución es:

Donde r es cualquier numero real. Con base en las ecuaciones anteriores obtenemos:

O bien
Por lo tanto.

Modelos Económicos Lineales

Definición

Una matriz A = [aij] de n x n es una matriz de intercambio si satisface las dos

propiedades siguientes:

 aij ≥ 0 (cada entrada es no negativa)

 aij + a2j+…+anj = 1, para j =1, 2, …, n (las entradas de cada columna
suman 1)
Ejemplo
Un modelo de comercio internacional
Definición
Una matriz de consumo C de n x n es productiva si (¿−C)−1 existe (¿−C)−1≥0

Es decir, C es productiva si (In -C) es no singular y todas las entradas de (¿−C)−1

Son no negativas. En este caso, el modelo también se llama productivo.
De acuerdo con lo si C es productiva, entonces cualquier vector de demanda d≥0,
la ecuación:

Tiene una solución única, x ≥ 0.

Determinantes
Definición
Para ilustrar esta definición, sea S = {1, 2, …, n} el conjunto de enteros de 1 a n,
ordenados en forma ascendente. Un reordenamiento j1, j2, …, jn de los elementos
de S es una permutación de S.
Para ilustrar esta definición, sea S = {1,2,3,4}. Entonces 4132 es una permutación
de S. Corresponde a la función f: S  S definida por:

Podemos colocar cualquiera de los n elementos de S en la primera posición,

cualquiera de los n-1 elementos restantes en la segunda posición, cualquiera de
los n-2 elementos restantes en la tercera y así sucesivamente, hasta llegar a la
n-esima posición, la cual solo puede ser ocupada por el elemento que queda.
Entonces hay:

permutaciones de S. Denotamos el conjunto de todas las permutaciones de S

como Sn. El producto indicado en la expresión se denota:
Definición

Sea A = [aij] una matriz n x n. Definimos el determinante de A (que se escribe

det(A) o |A|) como:

Donde la suma varia sobre todas las permutaciones j1, j2 … jn del conjunto
S = {1,2, …, n}. El signo se toma como + o – si la permutación J1,J2…Jn es par o
impar respectivamente.
Ejemplo
Si

Es una matriz de 2 x 2, para obtener det(A)