UNIDAD 3

TEORÍA DE LAS GRAFICAS

Relaciones entre los elementos de un conjunto, representados en forma

matricial.
1. GRAFICAS DIRIGIDAS. Es un conjunto finito de elementos P1, P2,……,
Pn, asociados a una colección finita de pares ordenados (Pi, Pj)
formados por dos elementos distintos del conjunto y sin que se repita
ningún par.
A los elementos del conjunto se les llama vértice y a los pares
ordenados líneas dirigidas.
Notación: Pi Pj, quiere decir que Pi se relaciona con Pj.
A una gráfica dirigida de n vértices, se le puede asociar una matriz de
nxn, es decir: M=(mij) que se llama matriz de las vértices, cuyos
elementos son:
1) 1, si Pi Pj
2) 0, en los demás casos; mij=0 para i, j= 1, 2,….., n.

Ejemplo: P2 P3

0100

P1 P4
 M=
| |
0010
0101
0000
4x4
a 11=0 a 21=0 a 31=0 a 41=0
a 12=1 a 22=0 a 32=1 a 42=0
a 13=0 a 23=1 a 33=0 a 43=0
a 14=0 a 24=0 a 34=1 a 44=0

Ejemplo: P3
P2 P4
01001

P1 P5
| |
00110
M= 0 0 0 1 0
01001
01100
5x5

Propiedades: (de las matrices de los vértices)

1.- Todos los valores de entrada son 0 o 1.
 2.- Todos los valores de la diagonal principal son 0.
2. NUMERO DE LIGAS DE “r” PASOS. (r= 1, 2, ….) entre Pi y Pj:
 N° de ligas de 1 paso entre Pi y Pj  mij (puede ser 0 o 1)
 N° de ligas de 2 pasos  mij (2 ) (se obtiene con el cuadrado de la
matriz de los vértices)

Donde:
mij (2 )=mi1*m1j + mi2*m2j + …… + min*mnj

Si mi1=mij=1  hay una liga de dos pasos entre Pi y Pj : Pi P1

Pj Pi P1 Pj

Para cualquier valor K=1, 2, … , n. : Pi Pk Pj es una liga de

dos pasos entre Pi y Pj si mik*mkj=1; en caso contrario el termino es
cero.

 En general para ligas de r pasos:

Teorema. si M es la matriz de las vértices de una gráfica dirigida,
y mij (r )es el elemento de orden (i,j) de M (r ), mij (r ) es el n° de ligas
de r pasos que hay entre Pi y Pj.
Ejemplo: Si M es la matriz de los vértices de una gráfica dirigida. Determinar
cuántas conexiones hay entre los vértices p4 y p3?que se unen con ligas de 1,
2 y 3 pasos.
P2

0110
M=
| |
1010
1001
0110
p1 p3
M 2= ?
M3 = ?
m43=1 P4

1. En M  m43=1  hay UNA conexión o una liga de un paso entre p4 y p3

2. En M 2  m43=1  hay UNA conexión o una liga de dos pasos entre p4 y p3

3. En M 3  m43=3  hay TRES conexiones o tres ligas de tres pasos entre p4

y p3
Listado de ligas de P4 a P3: ( ver la gráfica dirigida )
1) Conexión de 1 paso : P4 p3
2) Conexión de 2 pasos : P4 P2 P3

3) Conexión de 3 pasos : P4 P3 P4 P3
 ( 3 ligas ) P4 P2 P1 P3
P4 P3 P1 p3
3. ASOCIACIONES
Definición. Es un subconjunto de una gráfica dirigida que satisface las
siguientes condiciones:
1) El subconjunto contiene por lo menos tres vértices.
2) Para cada par de vértices Pi y Pj del subconjunto, se debe cumplir que:
PI PJ Y PJ PI
3) El subconjunto es lo más grande posible, es decir que no se puede
agregar otro vértice sin dejar de satisfacer la condición 2.
¿Cómo identificar los vértices de una asociación?

1 si Pi Pj
Se define: S= (sij); tal que: sij=
0 en los otros casos

La matriz S, determina una gráfica dirigida donde solo aparecen dos flechas,
las que tiene una se eliminan.
S, se obtiene a partir de M, haciendo que:

mij = mji = 1
Sij=1 cuando:
0 en los otros casos

Teorema.- Si sij(3 ) es el elemento de orden (i, j) de S3, un vértice Pi pertenece a

alguna asociación si, y solamente si sii(3 )  0.
Es decir, los elementos de la diagonal principal distintos de cero.

0111 0101
Ejemplo: M=
| |
1010
0101
1000
 S=
| |
1010
0100
1000
m12=m21=1 entonces: s12=1

0302

| |
3020
S3= 0 2 0 1 ;
2010
Sii(3)=0 Elementos de la diagonal principal
 la gráfica NO tiene asociaciones

01011 01011
10010

| |
Ejemplo: M= 1 1 0 1 0
11000
10010

| |
10010
S= 0 0 0 0 0
11000
10000
 24 043 S 11 =2  P1
(3 )
pertenecen a una
3

| |
42 031
S = 00 000
43 021
31 010
 SS22 (3) =2  P2
S 44(3)=2  P4
asociación, porque
tiene tres vértices.

Grafica dirigida Asociación

P2 P3 P2

P1 P4 P1 P4
P1, P2, P4 forman una asociación.
P5

4. GRAFICAS DE DOMINACIÓN
Definición.- Una gráfica de dominación es una gráfica dirigida de tal forma
que, para cualquier par de vértices, Pi y Pj, se verifica que Pi Pj o que Pj
Pi, pero no las dos a la vez.
Pi Pj quiere decir que Pi domina a Pj.
Ejemplo:
P2 P3

P2
P1 P3
p1
p4
(Flechas en un solo sentido)
Teorema. en toda grafica de dominación hay por lo menos un vértice que con
una liga de 1 o 2 pasos se une con cualquier otro vértice.
Este vértice se dice que es más potente que los demás.
Para calcular el vértice mas potente, se debe calcular la matriz: A=M+ M 2
El renglón de esta matriz A, que tiene el valor mas elevado de la suma de sus
elementos es el que identifica a un vértice que cumple con el teorema.
Definición. La potencia de uno de los vértices de una gráfica de dominación,
es el número total de las ligas de 1 y 2 pasos que lo unen con otros vértices.
De otra forma, la potencia de un vértice Pi es la suma de las entradas al
renglón de orden i de la matriz A=M+ M 2, donde M es la matriz de las vértices
de la gráfica dirigida.

Ejemplo: p1

00110

| |
10101
M = 00010
01000
10110
P2 P5

P3 P4

Suma =4
01120

| |
20331
A=M + M 2=¿ 0 1 0 1 0
11101
11230
=9
=2
=4
=7
 P2 es el vértice que tiene ligas de 1 y 2
pasos que conectan con todos los demás
vértices.

Entonces P2 es el vértice más potente.

VERTICE MAS POTENTE: A=M + M 2

Que se une con ligas de 1 y 2 pasos.

5. APLICACIONES A LA ECONOMÍA
MODELOS ECONÓMICOS DE LEONTIEF.
1. INTRODUCCIÓN. Consiste en la aplicación de Teoría de Matrices para
la descripción de las relaciones entre los precios, la producción y la
demanda de un sistema económico.
Es decir, se utilizan las matrices para determinar las estructuras de
equilibrio entre los precios y las tasas de producción que satisfacen la
demanda.
Dos modelos económicos:
 MODELO CERRADO.(Insumo-Producto)
 MODELO ABIERTO.(Producción)
En ambos casos se tienen como datos ciertos parámetros económicos que
describen las “relaciones entre las industrias”
 MODELO CERRADO.(Insumo-Producto) . Considera un sistema
económico con un N° finito de industrias 1,2……,K con una cierta
producción de cada industria, en un periodo fijo.
El problema consiste en determinar los precios de las K productos para
que, en cada industria, el total de los “gastos” sea igual al total de los
“ingresos”.
Para el periodo en cuestión:
Pi= Precio al que la industria de orden i venderá su producción total.
eij=Fracción de la producción total de la industria de orden j que
comprará la industria de orden i
Entonces:
1. Pi ≥ 0 ; i=1,2,…….,k
2. eij ≥ 0 ; i,j=1,2,…….,k
3. e1j+e2j+……..+ekj=1 ; j=1,2………,k  La suma de cada una de las

columnas de E deben ser 1.

Se plantea la siguiente ecuación matricial: EP=P

TEOREMA.- Sea E una matriz de intercambio, tal que para un entero positivo
m, todas las entradas de E sean positivas. Entonces existe una solución
Linealmente Independiente de (I-E) P=0 que puede escogerse de forma que
todas sus entradas sean positivas.
0 0.2 0.5
Ejemplo: E = 1 0.2 0.5 Tenemos que E > 0 Entonces para m=1 se
0 0.6 0
cumple el teorema, es decir: Em > 0
Por lo tanto: (I-E)P = 0 tiene una solución Linealmente Independiente donde se
puede escoger que P>0
P= Vector de Precio
E= Matriz de intercambio (Insumo-Producción)
P1
Donde: P = P 2 = Vector de Precios
Pk
e 11 e 12 e 1 k
E =e 21 e 22 2 k = Matriz de intercambio o de insumo-producto
ek 1 ek 2 ekk
Se puede escribir : ( I −E ) P=0 CONDICIÓN DE EQUILIBRIO
Representa un sistema de ecuaciones lineales
homogéneo, para el vector de precios P

TEOREMA: Si E es una matriz de intercambio, EP=P, tiene siempre una

solución p no trivial con entradas no negativas
Ejemplo: Dada la matriz de intercambio, obtener los vectores precio que no son
negativos y que satisfacen la condición de equilibrio (I-E) P= 0.

1 1 1 1 1 −1 1 −1
E=
| |
2
1
2
3
2
3
I-E=
1 0− 2
| |
0 1 1
2
| || | [ ]
3
=
2 −1
3
2

2
3
1
3
;
2
−1
2
3 p p =0
1
3
[
1¿ 2
¿ 0 ] []
1 −1
Resolviendo por Gauss:
[ ]
2
−1
2
3
1
3
0
0
2F1

−2

[ ]
1
−1
2
3
1
3
0
0
F2+1/2F1

−2 p
[ ]{
1
3
0 00
0 2
1= s

p 2=s
3 donde s es un parametro
}
CONCLUSIÓN: Se obtienen soluciones no triviales P≥0 para cualquier valor de
s>0

** MODELO ABIERTO. (Producción): A diferencia del modelo cerrado, en

donde los productos de las K industrias se distribuyen solo entre ellos mismos,
el modelo abierto satisface una demanda externa de dichos productos .
En este modelo, los precios se mantienen fijos, y el objetivo es
determinar los niveles de producción que necesitan las industrias para
satisfacer la demanda externa.
Para un periodo fijo
X i =¿ Valor monetario de la producción total de la industria de orden i
Di=¿ Valor monetario de la producción de la industria de orden i que se
necesita para satisfacer la demanda externa
C ij=¿ Valor monetario de la producción de la industria de orden i que necesita
la industria de orden j para producir una unidad de valor monetario de su propio
producto.
Se plantea la siguiente ecuación:

Es el valor del excedente de producción de la industria de orden i

disponible para satisfacer la demanda externa

X1

[]
X2
X = . =VECTOR DE PRODUCCIÓN
.
Xk
Condiciones : X ≥ 0; D ≥ 0 ; D≥ 0

d1

[]
d2
D = . =VECTOR DE DEMANDA
.
dk

C = ( Cij ) kxk= MATRIZ DE CONSUMO

Condiciones : X ≥ 0; D ≥ 0 ; C ≥ 0

De: X-CX = D  (I-C) X = D. El objetivo es hallar el vector de producción X≥0

teniendo como datos C y D
Definición.- Se dice que una matriz de consumo C es productiva si existe

( I −C)−1 y si ( I −C)−1 ≥0

Entonces X=( I −C)−1.d (Vector de Producción)…. Se debe cumplir que X≥0 tal
que X≥ CX
X =(I −C )−1 d

COROLARIO 1. Una matriz de consumo es productiva si y sólo sí cada una de

las sumas de una filas es menor que 1
COROLARIO 2. Una matriz de consumo es productiva si la suma de cada una
de sus columnas es menor que 1
OBSERVACIÓN.- Una matriz de consumo es productivo si las k industrias del
sistema producen utilidades.
TEOREMA.- Una matriz de consumo C es productiva si y sólo sí, existe un
vector de producción X≥0 o tal que X>CX

0 0.65 0.55 50000

Ejemplo:
[
C= 0.25 0.05 0.10
0.25 0.05 0 ] y
[ ]
d= 25000
0

1.00 −0.65−5.5
[
( I −C )= −0.25 0.95 −1.0
−0.25−0.05 1 ]  ( I −C ) X =d

−1 756 542 470 102.087

( I −C)−1=
503[220 690 190
200 170 630 ] 
[ ]
X =( I −C )−1 d =¿. 56.163
28.330

NOTA:
 C es productiva porque la  de sus columnas son <1
 ( I −C)−1 existe  es productiva.
 UNIDAD 4
ESPACIOS VECTORIALES

INTRODUCCIÓN. Se vio en el tema 1 lo referente a operaciones con vectores

suma (sustracción) y producto de vectores y escalar por vectores en un espacio
de n dimensiones llamado espacio euclidiano (definido para R y C)
Se vió que tanto los puntos como los vectores se representan analíticamente,
por medio de pares ordenados,
En R2 : P(a,b) ; a y b son coordenadas
v = (a,b) ; a y b son componentes del vector v
(a,b) puede ser considerado como un punto en R2 o como un vector en R2 (vale
los mismo para la generalización n-upla ordenados)
1. DEFINICIÓN. Un espacio vectorial V es un conjunto de elementos
denominados vectores, junto con dos operaciones.la adición y multiplicación
por escalar.
Entonces: V es un conjunto de vectores no vacío
K es un cuerpo formado por escalares
+¿ . Dos funciones que llamaremos suma y producto
A todo este objeto (v,+, k, .) lo llamaremos ESPACIO VECTORIAL, si y sólo sí
se verifican los siguientes axiomas.
I. La suma es una ley de composición INTERNA (v,+)
1.1 u y v ∈V  u+ v ∈ V
Quiere decir que la suma de dos elementos de V es un único
elemento de V
1.2. U+V = V+U ; Conmutativa
1.3. U + (V+W) = (U+V) + W ; Asociativa
1.4. 0+U = U+0 = U
Existe un vector 0 en V (elemento neutro para la suma en V)
1.5 U + (−U )=0
Existe un vector - U en V llamado opuesto de U.

II. El producto es una ley de composición EXTERNA en V con escalares en K

 2.1. Sea k 1 un escalar y u un vector en V  (k 1 u)∈ V
2.2. K1 (U+V) = K1.U+K1.V
2.3. (K1+K2) U = K1.U + K2.U
2.4. K1(K2.U) = (K1.K2).U
2.5. 1U = U ; 1 es la identidad en k.

Cuando hablamos del espacio vectorial V, nos referimos a la cuaterna (V,+,k,.)

 Ejemplo:
Sea V= R2 y k=R, la adición definida en R2 por: (a,b)+(c,d)=(a+c,b+d) y el
producto de números reales  k por elementos de R2  V:
k(a,b)=(k.a,k.b)
Resulta ( R2 + R); es un espacio vectorial de los pares ordenados de
números reales sobre el cuerpo de los números reales.
Significado Geométrico: de las operaciones de este espacio vectorial.

 Ejemplo:
Sea V cualquier plano que pasa por el origen de coordenadas en R3
Plano: ax +by +cz =0

Axioma 1

Si U= (u1,u2,u3) au1+bu2+cu3=0 ;  V

V= (v1,v2,v3) av1+bv2+cv3=0 ;  V

Sumando: a(u1+v1)+b(u2+v2)+c(u3+v3)=0

Por lo que U+V= (u1+v1 , u2+v2 , u3+v3)

Es decir que las coordenadas del punto (U+V) verifican la ecuación del
plano ax +by +cz =0  (U+V)  V

Axioma 5

Si V= (u1,u2,u3)  au1+au2+cu3=0 ;  V

Por (-1): -au1-bu2-cu3=0

a(-u1)+b(-u2)+c(-u3)=0

Entonces -U= (-u1,-u2,-u3)  V  U + (−U )=0

 (a+c , b+d) k.(a,b)

(a,b)

U+v
u (c,d)

v u=(a,b)

La suma de dos vectores El producto de un número

no colineales del plano es real K por un vector no
la resultante o diagonal nulo U es el vector KU que
del paralelogramo que lo tiene el mismo sentido
forman que U si K>0 y sentido
opuesto si K<0
 Otro ejemplo:
Sea V un conjunto de todos los puntos (x,y) en R2 que pertenecen al
primer cuadrante
Y
1° cuadrante
El conjunto V no es un espacio
vectorial bajo las operaciones
ordinarias en R2 porque no
satisface los Axiomas (1,5) y Y≥0
(2,1).
X≥0
X Si U= (3,2)  V ; y K=-1  K
Entonces K1.U= (-1).U
Es un vector que no = (-1)(3,2)
Pertenece a V. = (-3,-2)

Entonces K.U= (-3,-2) no es un punto de V.

 Otro ejemplo:
El conjunto V de todas las matrices mxn con elementos reales, junto con
las operaciones de adicion de matrices y de multiplicación por escalones
ES UN ESPACIO VECTORIAL, se verifican todos los Axiomas
enunciados anteriormente.

Ejemplo: el conjunto de todas las matrices de 2x2 de la forma: A=

a 1
| |
1 b

AXIOMA 4: U+0 = U  |a1 1b| + |01 10| = |a2 2b|  |a1 1b|
 AXIOMA 5: U+(-U)=0  |a1 1b| + |−a1 −b1 | = |02 20|  |00 00|
Vector nulo

AXIOMA 6: K.U  V  K |a1 1b| = |KaK KbK |  |a1 1b| Si

K1

PROPIEDADES DE LOS ESPACIOS VECTORIALES

Sea el espacio vectorial (V,+,K,.)
Donde u∈ V Y k esun escalar
1. El producto del escalar o por el vector U cualquiera es el vector nulo
 0.U = 0
2. El producto de cualquier escalar por el vector nulo es el vector nulo
K.0 = 0
3. (-1) U = -U
4. Si K.U=0 ; Entonces K=0 o U=0

2. SUBESPACIO. Dado el espacio vectorial (V+K,) y el conjunto W no vacío

tal que W.C.V, si W es unn espacio vectorial sobre el mismo cuerpo
K(ESCALAR) y con las mismas leyes de composición que en V, diremos que
(W+K,.) es un subespacio de (V+K)
DEFINICIÓN.- Un subconjunto W de un espacio vectorial V es un subespacio
de V, si W es por si sólo un espacio vectorial bajo las operaciones de adición
de vectores y de multiplicación por un escalar definido en V.
Cualquiera que sea (V+K), tanto V como (0) son subespacios de V, llamados
triviales
TEOREMA. Si W es un conjunto de uno o mas vectores de un espacio vectorial
V, entonces W es un subespacio de V si y sólo sí satisface las siguientes
condiciones.
1. Si u y v son vectores de W, entonces u+ v está en W
2. Si k es un escalar y u es un vector en W entonces (ku) esta en W

Ejemplo:
Demostrar que el conjunto W de todas las matrices de 2*2 que tienen 0 en la
diagonal principal, es un sub espacio del espacio vectorial M2x2 de todas las
matrices de 2x2
 0 a12
A=
[ a21 0 ] |b021
B=
b 12
0|
AXIOMA 1. A+B= |a21+b0 21 a 12+b 12
0 |
Este resultado también tiene 0 en la diagonal principal
(A+B)  W  W es un subespacio de M2x2

AXIOMA 2. K.A= |Ka021 Ka12

0 |  Iden a la anterior

 K.A  W

3. DEPENDENCIA E INDEPENDENCIA LINEAL.

3.1 COMBINACIÓN LINEAL.
Sea A=(V1,V2,V3…..Vn), una familia o conjunto de vectores del espacio (V+K.)
entendemos por combinación lineal de la familia A, toda suma de productos de
escalares arbitrarios de K, por los vectores de A.
DEFINICIÓN.- Se dice que un vector W es una combinación lineal de los
vectores V1,V2,V3…..Vn, si se lo puede expresar como:
n
W =K 1. V 1+ K 2. V 2+… …+ Kn .Vn W =∑ Ki . Vi
i=1

En particular: Si todos los escalares son nulos, la combinación lineal se llama

trivial y se obtiene el vector nulo.

Ejemplo: Sean los vectores v1 y v2 en R3

V1 = (-1,0,2) ; V2 = (-1, 2, 4)

Demostrar que W = (-1,1,3) es una combinación lineal de V1 y V2

SOLUCIÓN.
Para que W sea una combinación lineal de V1 y V2 deben existir escalares K1
y K2 tales que:
W = K1.V1 + K2.V2
(-1.1.3) = K1(-1,0,2) + K2(-1,2,4)
(-1,1,3)=(-K1,0,2K1)+(-K2,2K2,K2)
(-1,1,3)=(-K1-K2,2K2,2K1+4K2)
Igualando las componentes de los vectores:
−1=−k 1−k 2
1=2 k 2
1 1
2=2k 1+ 4 k 2 Resolviendo: k 1= ; k 2=
2 2

ENTONCES: W = 1/2.V1 + 1/2.V2 ; RESULTA UNA COMBINACIÓN LINEAL.

** SUBESPACIO GENERADO POR UNA FAMILIA DE VECTORES

Si A.C.V el conjunto W de todas las combinaciones lineales posibles de estos
vectores forma el mas pequeño subespacio de V que contiene a A, a esto se
llama espacio generado por A.
TEOREMA: si A= (V1,V2,V3…..Vn), son vectores de un espacio vectorial V,
entoces.
1. El conjunto W de todas las combinaciones lineales V1,V2,V3…..Vn, es
un subespacio de V
2. W es el mas pequeño de los subespacios de V que tiene como
elementos a V1,V2,V3…..Vn, es decir cualquier otro subespacio de V
que tiene a V1,V2,V3…..Vn entre sus elementos debe contener a W.
Para la demostración de este teorema se debe verificar que W sea cerrado
bajo la adición y bajo la multiplicación por un escalar.

3.2. INDEPENDENCIA LINEAL.

** Conjunto linealmente Independiente:( LI )
Sea A=(V1,V2,V3…..Vn) una familia de vectores del espacio (V+K.)
Definición.- la familia A.C.V es linealmente independiente si y solo si
la única combinación lineal de dicha familia, cuyo resultado sea el
vector nulo, es la trivial.
n
A es linealmente independiente  ∑ Ki . Vi=0 Ki=0
i=1

Ejemplo: determinar si los vectore V1,V2,V3 forman un conjunto linealmente

dependiente o linealmente independiente V1= (1,-2,3); V2= (5,6,-1); V3= (3,2,1)
La ecuación vectorial: K1V1+K2V2+K3V3=0
 K1(1,-2,3)+K2(5,6,-1)+K3(3,2,1)=(0,0,0)

K1+5K2+3K3=0
-2K1+6K2+2K3=0 observaciones: L.D: entonces soluciones no
triviales.
3K1-K2+K3=0 L.I: entonces soluciones
triviales.

Solucion: K1=-1/2 t
K2= -1/2 t
K3= t
Nota: se puede calcular el determinante A si determinante A=0
entonces A−1= 

** conjunto linealmente dependiente.( LD )

Definicion: La familia A ⊂V es linealmente dependiente si y solo si no es
linealmente independiente.
La familia A es conjunto linealmente dependiente de vectores de V,
si y solo si existe una combinación lineal no trivial de dicha familia
cuyo resultado no sea el vector nulo.
A es linealmente dependiente  i n
 Ki ≠ 0
∑ Ki . Vi=0
i=1

PROPIEDADES.
1. Todo vector no nulo de un espacio vectorial constituye un
conjunto linealmente independiente.
KV=0; V0 entonces K=0
2. El vector nulo de cualquier espacio vectorial constituye un
conjunto linealmente dependiente
K.0=0 ; K=0 o K  0
3. Todo conjunto al que pertenezca el vector nulo es linealmente
dependiente
4. Un conjunto finito y no vacío de vectores es linealmente
dependiente si y solo si algún vector es combinación lineal de
los demás
5. Un conjunto finito y no vacío de vectores es linealmente
dependiente si y solo si ningún vector es combinación lineal de
los demás
6. Un conjunto finito y ordenado de vectores al que no pertenece el
vector nulo es linealmente dependiente si y solo si algún vector
lineal de los precedentes

4. BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL

BASE.- Sea A=(V1,V2…..Vn) una familia de vectores del espacio(V+K,.)
DEFINICIÓN.- Si V es un espacio vectorial y A=(V1,V2,V3…..Vn) es un
conjunto finito de vectores en V, entonces se dice que A es una base de V si:

1. A es linealmente independiente
2. A genera a V

Ejemplo: sea V1=(1,2,1) ; V2=(2,9,0) ; V3=(3,3,4)

Demuestre que el conjunto A=(V1,V2,V3) es una base de R3
1. Linealmente Independiente
2. Para demostrar que A genera a R3 , se debe mostrar que un vector
arbitrario b=(b1,b2,b3) se puede expresar como una combinación lineal
Entonces b = K1.V1+K2.V2+K3.V3
(b1,b2,b3)=(K1+2K2+3K3,2K1+9K2+3K3,K1+4K3)
Se obtiene un S.E.L en K
Ejemplo: Sea V el espacio vectorial generado por los polinomios sobre R

V 1=x 3−2 x 2+ 4 x +1

V 2=2 x 3−3 x 2+ 9 x −1 HALLAR UNA BASE Y DIMENSIÓN DE V

V 3=x 3 +6 x−5

V 4 =2 x 3 −5 x 2 +7 x+ 5

1−2 4 1 1 −2 −4 1

[ ][ ]
2−3 9 −1
1 0 6 −5
2−5 7 5
0 1 1 −3
0 0 0 0
0 0 0 0
V1=(1,-2-4,1)

V2=(0,1,1,-3)
Las filas  0 forman una base de V

DIM V=2

Para mostrar que A genera V, es necesario demostrar que el S.E.L tiene una
solución para cualquier selección de b=(b1,b2,b3) L.I
1. Para demostrar que A es L.I se resuelve el sistema:
K1.V1+K2.V2+K3.V3=0, debiendo salir: K1=k2=k3=0
Con esto se concluiría que A es una base de R3
Observación: es posible demostrar simultáneamente que A es L.I y que genera
a R3, si se demuestra que la matriz de coeficientes que se obtiene del S.E.L es
inversible.

123
Entonces
[ ]
A= 2 9 3
10 4
 del A= | A |  0  ES INVERtIBLE

Calculando: |A|=-1  A=(V1,V2,V3) es una base de R3

DIMENSIÓN.- La dimensión de un espacio vectorial V, de dimensión finita, se
define como el numero de vectores de una base de V.
Si V consiste únicamente en el vector nulo entonces su dimensión es 0

Ejemplo: Determine una base y la dimensión del espacio solución del sistema
homogéneo.
x 1+ 2 x 2−2 x 3+ 2 x 4 −x5 =0
x 1+ 2 x 2−x 3 +3 x 4−2 x 5=0

+ 2 x1 + 4 x 2−7 x 3+ x 4 + x5 =0

Resolviendo mediante la eliminación de Gauss Jordan

1 2 −2 2 −1 0 1 2 0 4 −3 0
[ ] [
1 2 −1 3 −2 0 … … … … ∽ 0 0 1 1 −1 0
2 4 −7 1 1 0 000 0 0 0 ]
x1 +2 x 2+ 4 x 4 −3 x 5=0
Sistema equivalente: { x 3+ x 4−x 5=0

Del sistema reducido se obtienen los parámetros: x 2=r ; x 4=s ; x 5=t

x1 =−2 x 2−4 x 4 +3 x 5=−2 r−4 s+3 t

Luego se despeja x 1 y x 2 { x 3 =−x 4 + x 5=−s+t

Expresando el resultado en forma paramétrica:

( x ¿ ¿ 1 , x 2 , x 3 , x 4 , x 5)=¿ ¿-2r-4s+3t,r,-s+t,s,t)

Descomponiendo ¿ (-2r,r,0,0,0) + (-4s,0,-s-1,0) + (3t,0,t,0,t)

Factorizando ¿r(-2,1,0,0,0) + s(-4,0,-1,1,0) + t(3,0,1,0,1)

V1 v2 V3
Los vectores v1,v2,v3 son una base del espacio vectorial V, y su dimensión es 3.