Introduccion Al Algebra Lineal y de Matrices. Aplicaciones Con Excel PDF

INTRODUCCIN AL
LGEBRA LINEAL Y DE MATRICES.

APLICACIONES CON EXCEL
Araceli Rendn Trejo, Jess Rodrguez Franco,

Andrs Morales Alquicira
Casa abierta al tiempo

UNIVERSIDAD AUTONOMA METROPOLITANA
UNIDAD XOCHIMILCO
DERECHOS RESERVADOS 2004, Universidad Autnoma Metropolitana (Mxico). Prohibida la reproduccin de esta obra as como la distribucin y venta fuera del mbito de la UAM. E-libro Bibliomedia Bibliomedia@mail.com
INTRODUCCIN AL
LGEBRA LINEAL Y DE MATRICES.
APLICACIONES CON EXCEL
Araceli Rendn Trejo, Jess Rodrguez Franco,
Andrs Morales Alquicira
UNIVERSIDAD AUTNOMA METROPOLITANA

UNIDAD XOCHIMILCO
UNIVERSIDAD AUTNOMA METROPOLITANA

Rector general, Dr. Jos Luis Gzquez Mateos
Secretara general, Lie. Edmundo Jacobo Molina
UNIVERSIDAD AUTNOMA METROPOLITANA-Xochimilco

Rectora, Dra. Patricia Elena Aceves Pastrana
Secretario, Dr. Ernesto Soto Reyes Garmedia
DIVISIN DE CIENCIAS SOCIALES Y HUMANIDADES

Director, Dr. Guillermo Villaseor Garca
Secretario acadmico, Lie. Gerardo Zamora Fernndez de Lara
DEPARTAMENTO DE POLTICA Y CULTURA

Jefe, Mtro. Mario Alejandro Carrillo Luvianos
Jefe del rea de Investigacin, Dra. Ana Elena Narro Ramrez
Proyecto editorial de los productos acadmicos de las reas

de Investigacin Departamental
COORDINACIN DE EXTENSIN UNIVERSITARIA

Coordinador, Lie. Rene Aviles Favila
Coleccin Investigaciones
ISBN: 970-654-297-3
Universidad Autnoma Metropolitana, Unidad Xochimilco
Primera edicin: 1998
Universidad Autnoma Metropolitana, Unidad Xochimilco

Calzada del Hueso nm. 1100, colonia Villa Quietud, 04960, Mxico, D. F.
Seccin de Produccin Editorial
Impreso y hecho en Mxico
ndice
Presentacin 11
Captulo 1. El modelo lineal 15

1.1 Introduccin 15
1.2 Ecuaciones 16
Ecuacin lineal 17
Ecuacin de primer grado con una incgnita 17
Sistema de ecuaciones lineales con dos incgnitas 18
Solucin de un sistema de dos ecuaciones con dos
incgnitas 21
1.3 Sistema de m ecuaciones con n incgnitas 24
Mtodo de eliminacin gaussiana 25
Mtodo de matriz aumentada, (Gauss-Jordn) 29
1.4 Consistencia e inconsistencia de sistemas de
ecuaciones lineales 36
1.5 Sistemas homogneos de ecuaciones 39
Captulo 2. Vectores 43
2.1 Introduccin 43
2.2 Conceptos bsicos 43
Vectores 43
Representacin geomtrica 44
Magnitud de un vector 45
Igualdad de vectores 46
Propiedades de la igualdad 47
2.3 Tipos de vectores 48

Vector rengln 48
Vector columna 48
Vector nulo 48
Vector unidad 49
2.4 Operaciones bsicas 50
Suma de vectores 50
Producto de escalar y vector 52
Producto de vector fila y vector columna 55
2.5 Propiedades 58
Identidad aditiva 59
Conmutativa de suma de vectores 60
Asociativa de suma de vectores 61
Cancelacin multiplicativa (vectores) 63
Distributiva (escalar suma de vectores) 63
Distributiva (suma de escalares - vector) 65
Asociativa (escalares - vector) 66
Identidad multiplicativa 67
Inverso aditivo 68
Captulo 3. Operaciones con escalares y vectores

utilizando Excel 71
3.1 Introduccin 71
3.2 Suma de vectores 72
3.3 Producto de escalar por vector 74
3.4 Producto de vector columna por vector fila 76
3.5 Producto de vector fila por vector columna 81
Captulo 4. Vectores en Rn 85
4.1 Introduccin 85
4.2 Producto interno y proyecciones 86
ngulo entre dos vectores 88
Desigualdad de Cauchy - Schwarz 91

Vectores paralelos 92
Vectores perpendiculares 93
Proyeccin de vectores 94
4.3 Combinacin lineal de vectores 95
4.4 Dependencia e independencia lineal de vectores 100
Captulo 5. lgebra de matrices 105

5.1 Introduccin 105
5.2 Matrices 105
Notacin de matrices 107
Dimensin de una matriz 108
Matriz rectangular 109
Matriz cuadrada de dimensin n 110
Escalar (X) 111
5.3 Tipos de matrices 112
Matriz triangular superior 112
Matriz triangular inferior 113
Matriz diagonal (D) 114
Matriz unitaria o idntica (I) 1 \6
Matriz escalar (A,) 117
Matriz simtrica 117
Matriz asimtrica 118
Matriz nula o cero (0) 118
Matrices iguales 119
Propiedades de las matrices iguales 120
Problemas 120
Captulo 6. Operaciones con matrices 125

6.1 Introduccin 125
6.2 Adicin y sustraccin de matrices 125
Adicin de matrices 125
Producto de un escalar por una matriz 127
Sustraccin de matrices 129
6.3 Producto de matrices 131

Producto interno de matrices 131
Producto de matrices 132
Conformacin para la multiplicacin de matrices 133
6.4 Producto de matrices especiales 136
Producto de una matriz por una matriz unitaria 136
Producto de una matriz por una matriz escalar 136
Producto de una matriz por una matriz nula 137
6.5 Matriz inversa 138
Determinacin de la matriz inversa 141
Inversa de la matriz por reduccin gaussiana 142
6.6 Solucin de ecuaciones lineales con la matriz inversa 145
Ejercicios 149
Captulo 7. Operaciones con vectores y matrices

usando Excel 153
7.1 Introduccin 153
7.2 Operaciones entre matrices y vectores con Excel 153
Matriz por vector columna 153
Vector fila por matriz 158
7.3 Multiplicacin de matrices utilizando Excel 160
Matriz de orden (m, n) por matriz (n, p) 160
7.4 Obtencin de la inversa de una matriz mediante Excel 162
La matriz identidad 165
Captulo 8. Determinantes 169

8.1 Introduccin 169
8.2 Determinantes 170
Determinantes de una matriz (2x2) 170
Determinantes de una matriz (3x3) 171
Determinantes de una matriz (nxn) 172
Propiedades de los determinantes 179
8.3 Clculo de la matriz inversa 183
Mtodo de cofactores 183
Matriz inversa por el mtodo de cofactores 189

Solucin de sistemas de ecuaciones utilizando
matriz inversa 194
Mtodo de expansin por cofactores 199
8.4 Regla de Cramer 203
Captulo 9. Determinantes y transpuestas con Excel 209

9.1 Introduccin 209
9.2 Determinantes 209
9.3 Transpuesta 212
Captulo 10. lgebra del espacio Rn 215

10.1 Introduccin 215
10.2 Ejes de coordenadas usando vectores 215
10.3 Base en Rn 220
10.4 Independencia lineal 224
10.5 Subespacios en Rn y dimensin 232
10.6 Rango de una matriz 240
10.7 Bases ortonormales 242
Matriz ortogonal 245
10.8 Mnimos cuadrados 247
10.9 Espacios vectoriales 255
Captulo 11. Transformaciones lineales 259

11.2 Representacin matricial de una transformacin
lineal 261
Captulo 12. Valores y vectores propios 269

12.2 Valores propios 270
12.3 Vectores propios 275
Captulo 13. Aplicaciones 285

13.1 El anlisis de insumo-producto 285
13.2 El ingreso nacional 294
13.3 Modelo de mercado con dos bienes 301
Captulo 14. Clculo de la matriz insumo-producto

con Excel 309
14.1 Clculo de las matrices de transacciones interin-
dustriales y coeficientes tcnicos 309
14.2 Clculo de la matriz de Leontief y su inversa 312
14.3 Clculo del incremento de la produccin bruta 316
Bibliografa 321
10
Presentacin
Las Matemticas constituyen una parte fundamental en la forma-

cin acadmica de los estudiantes y profesionales de las Ciencias
Sociales. Esto lo es an ms para los que se encuentran en reas
en donde es necesario resolver problemas relacionados con la pro-
duccin, la organizacin, la toma de decisiones, etc.
El presente libro "Introduccin al Algebra Lineal y de Matri-
ces", se encuentra especialmente dirigido a las personas que estu-
dian y laboran en las reas de Administracin, Economa y de
Poltica y Gestin Social. Su objetivo es explicar las partes esen-
ciales del Algebra Lineal de una manera clara, comprensiva y pre-
cisa abordando adems, en la solucin de los temas y problemas,
el manejo de la computadora. Esto ltimo, es imprescindible de-
bido a las exigencias del competitivo mundo actual que demandan
la solucin rpida, y prcticamente inmediata, de problemas. As,
en este libro se busca integrar la enseanza de las matemticas y
el uso de la computadora mediante el manejo de la hoja de clculo
electrnica Excel.
El libro consta de catorce captulos en los que se presentan
ejemplos que ayudan a comprender los temas tratados. Al principio
de cada captulo se encuentra una lista de objetivos que indican al
lector el propsito del mismo. Para facilitar la comprensin de los
temas y destacar los aspectos fundamentales, las definiciones han
sido enmarcadas.
El primer captulo describe el modelo lineal. Aborda las
ecuaciones lineales considerando su estudio con dos o ms incg-
nitas, la solucin de los sistemas de ecuaciones por el mtodo de
11
eliminacin Gaussiana y el mtodo de matriz aumentada, el anli-

sis de consistencia e inconsistencia de los sistemas de ecuaciones
lineales y la determinacin con un sistema de ecuaciones homo-
gneo.
En el captulo 2 se tratan los conceptos bsicos de vectores
como la representacin geomtrica, la magnitud, la igualdad y los
diferentes tipos de vectores. Tambin se abordan las operaciones:
suma, producto de vector, escalar por un vector, productos de un
vector fila por un vector columna. Finalmente se analizan las pro-
piedades de los vectores.
El captulo 3 muestra el uso de la hoja de clculo Excel en el
manejo y solucin de las operaciones entre vectores.
El captulo 4 estudia los ngulos entre vectores, as como tam-
bin la identificacin de vectores paralelos y perpendiculares.
Tambin se analiza la desigualdad de Cauchy-Schwarz y la pro-
yeccin de vectores. Finalmente se ve la combinacin lineal de
vectores y la dependencia o independencia lineal.
El captulo 5 se divide en dos partes para explicar el lgebra
de matrices. En la primera se plantea el concepto de matriz y su
notacin, para posteriormente ver la dimensin de las matrices
rectangulares y cuadradas. Tambin se aborda el escalar. En la
segunda parte se ven los diferentes tipos de matrices.
El captulo 6 presenta las operaciones con matrices. En pri-
mer lugar se estudia la adicin y sustraccin seguida del producto
interno de matrices y el producto entre dos matrices. Posterior-
mente se ve el producto de matrices especiales y finalmente la
matriz inversa y sus aplicaciones para dar solucin a un sistema
de ecuaciones lineales.
El captulo 7 explica el uso de la Hoja de Clculo Excel para
dar solucin a las operaciones de matrices y vectores. As mismo
se plantea como obtener la matriz inversa y la matriz identidad.
En el captulo 8 se analizan los mtodos para encontrar los
determinantes de matrices de orden (2 x 2), (3 x 3) y (n x n). Pos-
teriormente se estudia el mtodo de cofactores para aplicarlo en la
determinacin de la matriz inversa. Tambin se analiza la solu-
cin de los sistemas de ecuaciones mediante la matriz inversa, el
12
mtodo de expansin por cofactores. Por ltimo se realiza el estu-

dio de la regla de Cramer.
El captulo 9 emplea la hoja de clculo Excel en la solucin
de determinates y transpuestas.
El captulo 10 est integrado por siete partes, en la primera se
muestra la obtencin de ejes coordenados usando vectores, tam-
bin se determina la combinacin lineal de vectores y las bases en
Rn. En la segunda parte se analiza la idea de representacin nica
mediante el concepto de independencia lineal mientras que en la
tercera se estudia el concepto de subespacios en Rn y de dimen-
sin de un subespacio. En la cuarta se define el rango de una ma-
triz, en la quinta se define el concepto de bases ortonormales y de
matriz ortogonal, en la sexta se explica en concepto y clculo de
los mnimos cuadrados utilizando vectores y matrices, la ltima
parte est dedicada al estudio de los espacios vectoriales.
El captulo 11 aborda el tema de transformaciones lineales. En
ste se hace nfasis en la representacin matricial de las transfor-
maciones lineales.
El captulo 12 explica uno de los temas ms importentes del
lgebra lineal y matricial; el clculo de los valores y vectores pro-
pios.
El captulo 13 esta dedicado a tres aplicaciones en el rea
Econmica. La primera es el Modelo de Insumo-Producto, la se-
gunda el de Ingreso Nacional y la tercera un modelo de mercado
con dos bienes.
En el captulo 14 se describe el proceso de clculo de la Matriz
Insumo-Producto utilizando la hoja de clculo Excel
Deseamos que este libro contribuya a la compresin y a la
resolucin de los problemas de Algebra Lineal y de Matrices que
enfrentan los estudiosos de las Ciencias Sociales. Confiamos que
el uso de la hoja de clculo Excel coadyuvar a la rapidez que se
requiere en la solucin de tareas y problemas del mundo actual.
Los autores
13
Captulo 1
El modelo lineal
Objetivos:
Al terminar este captulo, podr :
S Identificar un modelo lineal.
S Diferenciar las caractersticas algebraicas y grficas de
las ecuaciones lineales.
S Resolver y grafcar ecuaciones de primer grado con
una incgnita.
S Dar solucin y grafcar ecuaciones con dos incgnitas.
S Entender la composicin de los sitemas de ecuaciones.
S Conocer los mtodos de eliminacin Gaussiana y
Gauss - Jordn para la solucin de sistemas de
ecuaciones lineales.
S Identificar la consistencia e inconsistencia de los
sistemas de ecuaciones lineales.
1.1 Introduccin
Durante muchos aos, el estudio del lgebra ha estado principal-

mente relacionado con la solucin de las ecuaciones. Una ecua-
cin es un enunciado de dos expresiones algebraicas iguales1.
1
Paulk Rees Algebra. Mc-Graw Hill 1992 dcima edicin Mxico 1992
pg. 121
15
Existen cierto tipo de problemas matemticos que se resuelven uti-

lizando ecuaciones lineales y otro en donde la relacin entre variables
incluye dos o ms ecuaciones, siendo necesario resolver un sistema
de ecuaciones lineales simultaneas, las cuales pueden tener dos o ms
incgnitas. En ste capitulse emplea la elimimacin, reduccin, eli-
minacin Gaussiana y matriz aumentada (Gauss-Jordn) como m-
todos para dar solucin a los sistemas de m ecuaciones con n
incgnitas. Se incluye adems los temas de consistencia e inconsis-
tencia de sistemas de ecuaciones lineales y sistemas homogneos.
1.2 Ecuaciones
La ecuacin es una igualdad en la que hay una o varias incgnitas

y slo se puede comprobar si es verdadera para determinados va-
lores de las incgnitas, por ejemplo:
Sea la ecuacin 3x = 2x + 3
Es verdadera si x se sustituye por el valor de 3, entonces cada
lado es igual a 9
(3X3) = 2 (3)+ 3
9 =9
Es falsa si x se sustituye por el valor de 4, entonces cada lado
e s l 2 y 11.
De lo anterior se concluye que el conjunto solucin est for-
mado por todos los nmeros que satisfacen la ecuacin. A los ele-
mentos del conjunto solucin se les denomina raz.
Teorema 1
a) Si a, b y c e 9t.
Dada una ecuacin a = b es posible sumar cualquier cantidad
c en ambos miembros de la ecuacin, teniendo una ecuacin
equivalente:
a+c=b+c
a-c = b - c
16
b) Dada una ecuacin a = b, se multiplica a ambos miembros de

la ecuacin por un nmero real distinto de cero (c ^ 0),
obtenindose una ecuacin equivalente.
ac = be; c ^ 0
c) Dada una ecuacin a = b, se divide ambos miembros de la
ecuacin por un nmero real distinto de cero (c ^ 0), teniendo
una ecuacin equivalente.
c c'
Ecuacin Lineal
Es la ecuacin que esta formada con variables que tienen expo-

nente uno, y que ningn trmino que forma la ecuacin tiene ms
de una variable como factor, por ejemplo:
1) X! +X 2 + X3 = 1
2) Sea la ecuacin:
x2 + x = 9
No es una ecuacin lineal, porque el exponente de la variable
es igual a dos.
3) Sea la ecuacin:
2x + xy = 9
No es una ecuacin lineal, por tener dos variables como fac-
tores en uno de sus trminos.
Ecuacin de primer grado con una incgnita
Una ecuacin de primer grado con una incgnita se escribe de la

siguiente forma:
ax = b
En la solucin de esta ecuacin, se presentan solamente tres
casos:
1) Si a * 0, la ecuacin tiene una nica solucin
x = b/a
17
2) Si a = O y b = O , la solucin tiene nmero infinito de opciones

(Ox = 0), porque cualquier nmero real x satisface a la ecua-
cin ax = b.
3) Si a = 0 y b * 0, la ecuacin no tiene solucin (Ox = b) ya que
cualquier nmero real x al sustituirlo del lado izquierdo de la
ecuacin y multiplicarlo por cero da como resultado que el
primer miembro sea cero y el segundo miembro distinto de
cero (0 * b).
Por ejemplo:
1) Sea la ecuacin 3x = 6
Encontrar la solucin.
x = 2 es la solucin nica y representada geomtricamente la
solucin es:
- 1 0 1 2
2) Sea la ecuacin -6 = 2x encontrar la solucin.

x = -3 es la solucin nica y representada geomtricamente
la solucin es :
- 3 - 2 - 1 0 1 2
3) Sea la ecuacin 0 = 0x? encontrar la solucin.

La respuesta es No tiene solucin
Sistema de ecuaciones lineales con dos incgnitas
Un sistema de dos ecuaciones con dos incgnitas se escribe en

forma general de la siguiente manera:
a 2 j X\ + a 22 x 2 = b 2
18
en donde a ll5 a12, a21, a22 son coeficientes de las variables (no todos
son iguales a cero) b{ y ^representan a los trminos independientes
(constantes numricas reales), xx y x2 son las variables.
La solucin de este sistema de ecuaciones con dos incgnitas,
es una pareja de nmeros: Xj = a y x2 = p 2 , los cuales se pueden
denotar como X\ y x2? y al sustituirlos en ambas ecuaciones las
convierten en identidades.
En el sistema de dos ecuaciones con dos incgnitas, existen
tres soluciones posibles; la primera tener una solucin nica, la
segunda un nmero infinito de soluciones y la tercera no tener
solucin. El sistema de ecuaciones lineales que tenga por lo me-
nos una solucin se le llama compatible o consistente determina-
do, al que tiene un nmero infinito de soluciones se le conoce
como incompatible o consistente indeterminado y si no tiene solu-
cin se dice que es inconsistente.
Por ejemplo:
1) El sistema de ecuaciones:
2x - 2y = -8
-2x + 4y = 14
El sistema tiene una solucin nica, la pareja (-1,3), por lo
tanto el sistema es consistente determinado, como se muestra
en forma grfica (ver figura 1.1).
-2x + 4y=14
_7 _6 -5 -4 -3 -2 -I 0
2
En donde a y (3 son constantes numricas reales
19
2) El sistema de ecuaciones
x+y=2
2x + 2y = 4
El sistema tiene una infinidad de soluciones y el sistema es
consistente indeterminado.
En la figura 1.2 se observa que las dos ecuaciones se repre-
sentan en la misma recta.
Figura 1.2
3) El sistema de ecuaciones
X+ y = 1
x+y=3
No hay ningn punto comn (interseccin) en el sistema de
ecuaciones, por lo tanto no tiene solucin, y el sistema es
inconsistente.
En la figura 1.3 se observa que las dos rectas son paralelas.
Figura 1.3
20
Solucin de un sistema de dos ecuaciones con dos incgnitas
Definicin
Dos o ms ecuaciones son equivalentes, si y slo si, tienen
el mismo conjunto solucin
Por ejemplo:
1) Sea el sistema I
x + 3 y=9 ----(1)1 i
4x+5y=l (2)J
Multiplicando la primera ecuacin por cuatro, tenemos el sis-

tema II, equivalente al sistema I
4x+12y=36 ----0)1 n
4x + 5y = 1 (2)J
Multiplicando la segunda ecuacin del sistema II por menos

uno y sumando a la primera ecuacin, tenemos el sistema III, equi-
valente al I y al II.
4x -H 2 y = 36
-4x- 5y = -1
7y = 35
Entonces:
4x + 5y = l ----(2)J
21
El valor de Y para la primera ecuacin del sistema III es:

y = 35/7 = 5
Sustituyendo el valor de y en la segunda ecuacin del sistema
III
4x + 5y - 1
4x + 5(5) = 1
4x = 1 - 25
x = -6
El sistema tiene una solucin nica, la pareja (-6, 5) por lo
tanto el sistema es consistente determinado.
2) Sea el sistema I
x+ y =
Multiplicando la primera ecuacin por dos, obtenemos el sis-

tema II, equivalente al sistema I.
II
Multiplicando la primera ecuacin por menos uno y sumn-

dosela a la segunda ecuacin, tenemos el sistema III
III
La primera ecuacin del sistema III es cero, por lo tanto, el

sistema III no tiene solucin y es inconsistente. El sistema III no
es equivalente al sistema I y II.
22
3) Sea el sistema I
-4x + 6y = 2 (l)l
6x-9y = 4 (2)J
Multiplicando la primera ecuacin por 6 y la segunda por 4,

obtenemos el sistema II, equivalente al sistema I
-24x+36y=12 (1)1
2 4 x - 36y=16 (2)J
Sumando la primera ecuacin a la segunda del sistema II te-

nemos
-24x + 36y=12
24x-36y=16
0+ 0=4
m
24 x- 36 y = 16 (2)J
La primera ecuacin del sistema III es falsa, entonces el siste-

ma no tiene solucin y es inconsistente. El sistema III no es equi-
valente al sistema I y II
4) Resolver el sistema I
*+ y = 2 (i)l i
2x + 2y = 4 (2)J
Multiplicando la primera ecuacin por dos, tenemos el siste-

ma II
23
2x + 2y = 4]
n
f
2x + 2y = 41
En el sistema II ambas ecuaciones son iguales, por lo tanto

tienen un nmero infinito de soluciones y el sistema es consisten-
te indeterminado.
1.3 Sistema de m ecuaciones con n incgnitas
Un sistema de m ecuaciones con n incgnitas o variables se repre-

senta normalmente de la siguiente manera:
aml xi + am2 x2 + ... + amn xn - b m
En donde X!, x 2 ,... xn son las incgnitas , a n , a12 , a l n , a21,

a
22 9 a2n > ami >am2 y amn s o n l s coeficientes de las incgnitas; b\,
b 2 , .... b m son los trminos independientes. Las constantes a y b
con subndice, son constantes numricas reales.
La solucin del sistema es una n-ada (xj, x 2 ,... xn) de nme-
ros.
Por ejemplo:
1) Un sistema de tres ecuaciones con tres incgnitas
xx + x 2 + 2x 3 = 9
2xj + 4x 2 -3x 3 = 1
3Xj + 6x 2 - 5x3 = 0
En este sistema m = 3 ecuaciones con n = 3 incgnitas. Las
incgnitas son X! ,x2, y x 3 , los trminos independientes bj= 9, b 2 =
1, y b 3 = 0 ,los coeficientes son:
24
an = 1? a12 = 1, a13 = 2, a2i = 2, a22 =

4, a23 = 3, a31 = -3, a32 = 6, a33 = -5.
La solucin del sistema I es una triada (1, 2, 3) de nmeros

que al sustituirlos en el mismo, todas las igualdades de ste se
cumplen.
Mtodo de eliminacin gaussiana3
Un mtodo sencillo con el que se acostumbra resolver sistemas de

m ecuasiones con n incgnitas es el de eliminacin gaussiana. Se
emplean los siguientes pasos para efectuar la reduccin.
1) La primera ecuacin debe tener un coeficiente a n diferente
de cero. Intercambiar el orden de las ecuaciones del sistema
de tal manera que el coeficiente a n de la primera ecuacin
sea diferente de cero. Si no existe tal coeficiente en el siste-
ma, se aplica el procedimiento con el coeficiente a12 de la
variable x2, y as sucesivamente.
2) Si en la primera ecuacin a n es diferente de cero, multiplicar
por l/a n a la primera ecuacin, para que el coeficiente de xi
sea igual a uno (an = 1).
3) En las dems ecuaciones hacer cero a los coeficientes de la
variable Xj (a12 = 0, ..., aml = 0), mediante la multiplicacin
de la primera ecuacin por el nmero adecuado y sumar a
sta la ecuacin en la que es necesario que el coeficiente de
Xj sea cero.
4) Encontrar la ecuacin en la que el coeficiente de x2 sea dife-
rente de cero y repetir este procedimiento.
5) Repetir el procedimiento para las variables restantes del sis-
tema.
Por ejemplo:
1) Resolver el sistema por eliminacin gaussiana
3
Mtodo desarrollado por el matemtico alemn Cari Friedrich Gauss
25
x + y +2z = 9 (l)~
2x + 4y-3z = l (2)
3x + 6y-5z = 0 (3)
Multiplicando la primera ecuacin por -2 y sumndola a la

segunda del sistema I se obtiene:
x + y + 2z = 9 (l)'
-2x-2y-4z = -18
2y- 7z = -17 (2) II 2x + 4y - 3z = 1
3x + 6y - 5z = 0 (3) 0 + 2y-7z = -17
Multiplicando la primera ecuacin por- 3 y sumndosela a la

ecuacin 3 del sistema II se obtiene:
x + y +2z= 9 (l)" -3x - 3y- 6z = -27

2y- 7z= -17 (2) 3x +6y- 5z= 0
3y-llz=-27 (3) "O 3 y - l l z = - 2 7
Multiplicando la segunda ecuacin por 1/2 del sistema III se

tiene:
x + y +2z= 9 --(ir 2 7 17
7 17 y z =
y--z = - (2) IV
W 2 * 2 2
2 2
3y-llz =-27 (3)
Multiplicando la segunda ecuacin por -3 y sumndosela a la

ecuacin 3 del sistema IV se obtiene:
26
x + y + 2z = 9 (l)
-3y + 21/2z =51/2
7 17 . N
y-jz =- --(2) V 3y - l l z = - 2 7
T
O - l/2z - - 3/2
-Ir - i --(3)
w
2 2
Multiplicando la tercera ecuacin por -2 del sistema V se tie-
ne:
x + y + 2z= 9 (l)'
2 6
y-7/2z=-17/2 (2) VI z =
2 2
z= 3 --(3)
Entonces z = 3 y sustituyendo el valor de z en la ecuacin dos

del sistema VI
y - 7 / 2 (3) = -17/2
Se tiene que: y = 2
Sustituyendo el valor de z y de>> en la ecuacin uno del siste-

ma IV
x + 2 + 2 (3) = 9
Se tiene que: x = 1.
2) Resolver el sistema de ecuaciones por el mtodo de Gauss.
3 x - 7 y + l l z + 2w=15
x-2y + 3z + w = 4
Primero intercambiamos las dos ecuaciones
x - 2y + 3z + w = 4 (l) 1
3x - 7y + 1 lz + 2w = 15 (2)]
27
Multiplicando la ecuacin uno por -3 y sumndola a la ecua-

cin dos del sistema I obtenemos:
x-2y+ 3z + w = 4 ~~(l)l -3x + 6y- 9 z - 3 w = -12

/ J II 3x-7y + llz + 2w= 15
0 - y + 2z -w = 3 (2)J
W
0 - y + 2z - w = 3
Multiplicando la ecuacin dos por -1 del sistema II se tiene:
x - 2y + 3z + w = 4 (l)l
;[\ ni
y-2z + w = - 3 (2)J
Haciendo z = a, w = b, sustituyndolos en la ecuacin dos del
sistema III y despejando se obtiene:
y - 2a + b = -3
y = 2a-b-3
Ahora se sustituye el valor de y, z, w en la ecuacin uno del

sistema III y despejando x se tiene
x - 2 ( 2 a - b - 3 ) + 3a + b = 4
x = a - 3b -2
El conjunto solucin general del sistema es (a - 3b - 2, 2a - b

- 3, a, b) en donde:
x = a-3b-2
y = 2a-b-3
z=a
w=b
Una solucin particular ser darles valores a z y w por ejem-

plo, si z = -2 y w = 1, tenemos: (-7, -8, -2, 1) como solucin parti-
cular del sistema.
28
x = -2 -3 -2 = -7
y = 2 (-2) -1 - 3 = -8
z = -2
w=l
Mtodo de matriz aumentada (Gauss - Jordn)
Una matriz aumentada es un arreglo que permite resolver un siste-

ma de ecuaciones lineales en forma sencilla. En lugar de escribir
todo el sistema en cada paso de la eliminacin gaussiana, slo se
escribe el arreglo de nmeros que muestran los coeficientes de las
variables del sistema y todos los trminos independientes.
La matriz aumentada de un sistema de m-ecuaciones con n-
incgnitas se representa de la siguiente manera:
Por ejemplo:
La matriz aumentada del sistema de ecuaciones lineales
+ 5x2 -f-x3 -9x, = 8 w

X
l " ? X 2 + 2x 3 = 0 --(2)
+ 2x 2 -x 3 +8x 4.= 5 - - ( 3 )
x4 = 4 - - ( 4 )
29
Es:
3 5 1 -9 8
1 -7 2 0 0
0 2 -1 8 5
0 0 0 2 4
Para resolver un sistema de ecuaciones empleando la matriz

aumentada, se realizan operaciones elementales de rengln, estas
operaciones son:
1. Intercambio de renglones de la matriz aumentada.
2. Multiplicacin de cualquier rengln de la matriz aumentada
por un nmero real diferente de cero.
3. Sustitucin de cualquier rengln de la matriz por el resultado
de sumarle el mltiplo de cualquier otro rengln.
A la accin de aplicar estos tres pasos en la matriz aumentada
se le conoce como reduccin de renglones, y esto permite obtener
una matriz escalonada reducida por renglones.
Definicin
Una matriz es de la forma escalonada reducida por renglones
si se cumplen las condiciones siguientes:
1. El primer elemento de un rengln (componente gua) que
no contiene un elemento cero es igual a uno.
2. Todos los elementos que estn por debajo del componen-
te gua de un rengln son iguales a cero.
3. El componente gua de cada rengln se encuentra a la
derecha del componente gua de cada rengln precedente.
4. Todos los renglones que constan solamente del elemento
cero se encuentran en la parte inferior de la matriz,
5. Todas las columnas que incluyen un componente gua de
algn rengln tienen ceros en el resto de las posiciones.
30
Ejemplos: 10
1
0 1
0 0 1
0 0 0 1
0 0 0 0
2) 1 0 0 3
0 1 0 4
0 0 1-2
3) 1 2 1 9 8'
0 0 1 3 - 3
0 0 0 1 4
Utilizando la notacin de matriz aumentada se resuelve el sis-

tema siguiente.
x + y + 2z = 9 (
2x + 4 y - 3 z = l (2)
3x + 6 y - 5 z = 0 (3)
La matriz aumentada que representa el sistema I es:
1 1 2 9"
2 4 -3 1
3 6 -5 0
31
Multiplicando el primer rengln por -2 y sumndolo al rengln

2, la matriz se reduce a
1 1 2
0 2 -7 -17
3 6 -5 0
Multiplicando el primer rengln por -3 y sumndolo al ren-

gln 3:
1 1 2 9
0 2 -7 -17
0 3 -11 -27
Multiplicando por un 1/2 el rengln dos
1 1 2 9
7 17
0 1
~2 ~ 2
0 3 -11 -27
Multiplicando por -3 el rengln dos y sumndolo al rengln

tres
1 1 2
0 1 - II
2
1 3_
0 0 -
"2
32
Multiplicando por -2 el rengln 3
1 1 2 9"
7 17
0 1
"2 " 2
0 0 1 3
Utilizando el mtodo de matriz aumentada (Gauss-Jordn) para

generar ms reducciones en los renglones, se multiplica por -1 el
rengln dos y se suma al rengln uno, el resultado es:
11 35
1 0
17
0 1 -
0 0 1
Multiplicando por -11/2 el rengln tres y sumndolo al ren-

gln uno
'1 0 0 1
7 17
0 1
2 ~2
0 0 1 3
Multiplicando por 7/2 el rengln tres y sumndolo al rengln

dos
33
"1 0 0 r
A= 0 1 0 2
0 0 1 3
La matriz A se redujo a la forma escalonada reducida. Si plan-

teamos el sistema de ecuaciones lineales asociado de A es:
x=l
y el sistema tiene solucin nica.

Ejemplos:
1) Resolver el sistema de ecuaciones lineales
xx - 2x3 - 4x4 + 2x5 = -2 (l

2x2 + 3x3 + 5x4 - 2x5 = 7 (l)\ I
3x2 + x 3 + 2x4 - 5x5 =3 (
La matriz aumentada que representa el sistema I es:
1 0 -2 -4 2 -2
A= 0 2 3 5 -2 7
0 3 1 2 -5 3
-
"1 0 - 2 -4 2 : -2
3 5 7
0 1 1:
2 2 2
0 3 1 2 -5: 3
34
1 0 - 2 -4 -2
-3R 2 +R 3
0 1 - -1
2
11
0 0 -1 -2
2 2
1 0 -2 -4 2 -2
"I" 0 1
3 5 7_
2 2
11 4
0 0 1 1
7
y
1 0 -2 -4 2 ^
R,+R, 1 13 2
0 1 0
7 y4 15
y
0 0 1 n
7
y y
6 22 16
1 0 0 -
"7 y y
2R,+R, i 13 2
0 1 0 = A'
7 y .7
0 0 1 n 4- :: 15

y 7 .y
35
Sistema de ecuaciones asociado a la matriz A'.
X, - 6/7X4 + 22/7X5 = 16/7

X2 + I/7X4 + B/7X5 = 2/7
X3 + H/7X4 + 4/7X5 = 15/7
Haciendo a X4 = a y X5 = b, se obtiene un conjunto solucin:
X, - 6/7a + 22/7b = 16/7

X2 + l/7a + 13/7b = 2/7
X3 + ll/7a + 4/7b = 15/7
Ahora si a = 2 y b = 1, se obtiene una solucin particular:
x, = 6/7
x2 = -13/7
x3 = -11/7
x4 = 2
x5 1
Para resolver un sistema de m ecuaciones con n incgnitas se

continua el mtodo de Gauss - Jordn hasta donde la matriz tome
la forma escalonada reducida.
1.4 Consistencia e inconsistencia de sistemas de

ecuaciones lineales
Se puede determinar si un sistema es inconsistente, consistente o

si tiene una solucin nica o infinidad de soluciones.
Un sistema de ecuaciones lineales es inconsistente si la forma
escalonada reducida por renglones de su matriz aumentada tiene
un rengln del tipo [0 0 ... 0 = 1], entonces la ecuacin se con-
vierte en 0 = 1 (0 = c, con c * 0), en este caso el sistema es incon-
sistente.
36
Ejemplo:
La matriz A es inconsistente, porque la forma escalonada re-
ducida por renglones de la matriz aumentada del sistema de
ecuaciones muestra en su ltimo rengln la forma
[ 0 0 0 1 ] y la ecuacin es 0 = 1.
"1 1 0 3'
A= 0 0 1 5
0 0 0 .1
Para determinar si un sistema de ecuaciones es consistente

existen dos alternativas: el sistema tiene solucin nica, o tiene un
nmero infinito de soluciones.
1. Para saber si un sistema de m-ecuaciones lineales con n-in-

cgnitas tiene solucin nica se emplea el teorema 2:
Teorema 2
Un sistema de m ecuaciones lineales con n incgnitas, XI, X2,...

Xn, tiene una solucin nica, si en la forma escalonada reducida
por renglones de su matriz aumentada los coeficientes son 1.
1 0 . 1 c,"
0 1 0 c2
0 0 1 cn
El sistema de ecuaciones tiene la solucin X! = C1? X2 = C2,
... Xn = C n y existe una solucin nica.
Por ejemplo: los sistemas asociados a la matriz A y B son
consistentes?
37
"10 0 1" 1 0 0 2
A= 0 1 0 2 0 1 0 5
0 0 1 3 0 0 1 0
Teniendo reducida la matriz aumentada demostramos que los

sistemas tienen una solucin nica, entonces las ecuaciones del
sistema I asociado a la matriz A y el sistema II asociado a la matriz
B se convierten en:
X, = 1 =2
X3 = 3 = 0
Entonces los sistemas I y II son consistentes determinados.
2. En un sistema de m ecuaciones lineales con n incgnitas, X1?

X2, ... Xn, no hay solucin nica o tiene un nmero infinito
de soluciones, empleamos el teorema 3.
Teorema 3
En un sistema de ecuaciones lineales que tiene ms incgnitas (n)

que ecuaciones (m), el sistema no tiene solucin alguna o hay un
Ejemplo:
1 2 -2 3 r
A= 0 1 2 4 2
0 0 1 2 3
38
despus de haber reducido la matriz aumentada, se observa que el

nmero de variables es menor al nmero de ecuaciones del siste-
ma. Entonces existe una incgnita que no aparece en la diagonal
principal con el valor de 1, dando como resultado un nmero infi-
nito de soluciones o si existe alguna solucin. A este sistema se le
conoce como inconsistente indeterminado.
Ejemplo:
1 1 0 2
0 0 1 4
0 0 0 1
El sistema asociado alamatrizB es consistente indeterminado.
1.5 Sistemas homogneos de ecuaciones
Un sistema homogneo de ecuaciones lineales, con m ecuaciones

con n incgnitas, tiene por lo menos una solucin que se conoce
como solucin trivial. A continuacin se define el sistema homo-
gneo.
Definicin:
Un sistema de m ecuaciones lineales con n incgnitas, es
homogneo si todos los trminos independientes (Cn) son
iguales a cero.
Un sistema de ecuaciones lineales homogneo en general tie-

ne la forma:
39
anXx + anX2 alnXn = O

a2XXx + a22X2 a2nXn = O
= 0
El sistema de ecuaciones lineales homogneo tiene una solu-

cin trivial: X! = 0, X2 = 0, ..., Xn = 0.
Por ejemplo:
Los sistemas I y II son homogneos.
3X, X 2 - 6X 3 = 0
4X, + 8 X 2 - 5X 3 = O
14X, + X2 - X3 = O
2)
3X, - 2X 2 iH- x 3 -4X 4 + 2X 5 = 0

OX, f- 2X 2 l-- 5X3+ X 4 + x 5 = 0
X.4- 0 X 2 -3X3 + 0X 4 ^ =50 - x
El mtodo de Gauss-Jordn se emplea tambin para resolver
un sistema homogneo de ecuaciones, por ejemplo:
1)
x, + 4X2 + 3X3 = 0
2X. + X2 - X3 = 0
3/2X, - Vi X2 + I/2X3 = J
40
1 4 3: 1 4 3 1 4 3 0
-2R t +R 2
2 1 -1; O -7 -7 0 -7 -7 0
3 1 i : 3 _J. j. 13 8
2 2 2: 0 0
2 2 2
1 4 3 1 4 3 1 4 3 !0
- - R
O 1 1 O 1 1 19 o i r:o
13 8
O -- o o -! o o i;o
8 8
"1 4 3 0' 1 0 3 0 1 0 0:0
-3R 3 +R 3
0 1 0 0 0 1 0 : 0 0 1 0 JO
0 0 1 0 0 0 1 O 0 0 1:0
El sistema tiene una solucin nica: Xj = 0, X2 = 0, X3 = 0,

el punto (0, 0, 0), o sea que tiene una solucin trivial y el sistema
es consistente determinado.
2) Un sistema II homogneo de ecuaciones que tiene ms incg-
nitas que ecuaciones, el cual tiene un nmero infinito de solu-
ciones.
X, X 2 + 7X3 X4 = 0 ]
II
, + 3/2X2 + 4X3 + '/ 2 X 4 = Oj
1 -1 7 -1 -1 1 -7 1 0
3 3/2 4 1/2 0
1 - 4 I 0 5/2 -3 3/2 0
2 2
41
1 7 -1 : 0
-R,
5 3 ; -> O 1 -
5 10
0 -3 0
2 2 i
"1 - 1 7 -1 : 0 1 -1 7 - 1 0
R,+R,
6 3 0 1-6/5 3/5 0
0 1 :0 1 0 29/5 -2/5 0
~7 5
29 2
1 0
y6 ~?
3
:
0 1
~? 7
:
Entonces se tiene el sistema:
X! + 29/5X3 - 2/5X4 = 0
X2 - 22/5X3 + 3/5X4 = 0
Haciendo X3 = a y X4 = b
X! = -29a/5 + 2b/5
X2 = 22a/5 - 3b/5
El sistema II tiene un nmero infinito de soluciones. Ahora,

si a = l y b= 3
X, = -29/5 + 6/5 = -23/5

X 2 = 22/5- 9/5= 13/5
Entonces se tiene una solucin particular no trivial

X, = -23/5, X 2 =13/5, X 3 = l y X4 = 3
42
Captulo 2
Vectores
Objetivos:
Al terminar este captulo, el lector:
S Comprender el concepto de vector.
S Identificar diferentes tipos de vectores.
S Conocer sus propiedades.
2.1 Introduccin
En el lgebra matricial no es posible representar una magnitud

con un nico nmero, si pensamos en la nocin de fuerza en fsi-
ca, la cual caracterizamos por la intensidad y la direccin, para
poderla representar geomtricamente necesitamos por lo menos
dos nmeros. Ahora si analizamos los puntos que forman una l-
nea recta, estos son representados con nmeros reales en un plano
o espacio euclidiano como un par o una n-ada ordenada. Al plano
lo denotamos en 5R2 y al espacio euclidiano en 9n.
2.2 Conceptos bsicos
Vectores
A los pares o n-adas ordenadas de nmeros reales se les llama
vectores, aqu los denotaremos con letras minsculas en negritas
43
como: u , v , w,... , etc. Cada elemento de la n-ada se le da el

nombre de componente del punto o vector. Ejemplo:
1) u = [l 5]
componentes
2) v = [l 7 3]
3)
w=
Representacin geomtrica
Un vector se representa geomtricamente en un plano, un vector

en el espcio bidimensional es un par ordenado (a, b), el plano lo
denotamos con 5R2. En el caso de un vector en un espacio
tridimensional es una terna o triada ordenada de nmeros reales
(a, b, c), el plano lo denotamos con 9 3 . Cuando se tiene un vector
(a, b, c, ...etc) en un espacio de n-dimensiones se opera en 9in.
Si se considera un espacio bidimensional 9l2, se pueden re-
presentar a los vectores como puntos en un plano, ver figura 2.1.
Ejemplo: Sean los vectores (2, 3) , (-4, 1) y (-2, -2)
Figura 2.1
Y
(2,3)
(-4,1) -
i I I1 1 i 1
(-2,-3)
44
El vector (a, b) en SR2, se representa a travs de un segmento

dirigido o flecha a partir de un origen a un punto P, sus propieda-
des ms importantes son su magnitud y su direccin. Los vectores
(a, b) en 92 tienen una gran cantidad de aplicaciones, por ejemplo
en fsica la nocin de fuerza se caracteriza por la intensidad y
direccin; en donde el tamao o magnitud es la intensidad y la
pendiente la direccin del vector, ver figura 2.2.
Figura 2.2
P(a,b) P(2,3)
2 X
Magnitud de un vector
La magnitud del vector es la longitud del segmento de recta que lo

representa geomtricamente.
Definicin
Sea un vector u en 9P. La magnitud de u se denota por I u|
y se define como: |u| = -û* + \x\ + ... + ur:
Para el plano 9 2 es:
En el plano SR3 se tiene:
u =
45
Y para el plano 9n es:
u =. u
Ejemplo: La magnitud del vector u en 9?4 es:
u = [3 - 5 2 4]
= A/9 + 2 5
u = V54
Igualdad de vectores
Dos vectore u y v son iguales, si todos sus componentes son iguales

y se encuentran en el mismo orden.
Ejemplos:
1) u = [l 5 7] es igual a v = [l 5 7j , entonces u = v
2) Suponga que una empresa produce vasos, platos, jarras de vi-

drio y su venta en un da la registra en un orden. Si esta se
expresa mediante un vector columna sera:
75
100
50
46
Esto indica que se vendieron $75 de vasos, $100 de platos y

$50 enjarras. Al plantear en otro orden los componentes del vector
indican ventas diferentes de cada producto por ejemplo:
100
75
50
Significa que se vendieron $100 de vasos, $75 de platos y $50

enjarras.
3) En el plano 92, u = (3,2) es diferente a v = (3, 3), entonces

u ^ v, es decir u{ = Vj y u2 * v2. Si lo representamos grfica-
mente, los vectores u y v no son iguales aunque tengan un
componente en comn (el 3) como se muestra en la figura 2.3
Figura 2.3
Propiedades de la igualdad
a) u = v
b) Si u = v .\ v = u
c) Si u = v y v = w, entonces u = w
47
2.3 Tipos de vectores
Vector Rengln
El vector rengln de n-dimensiones es el conjunto ordenado de
componentes (nmeros) dispuestos en una fila y escritos como:
( a l 5 a 2 ,... a n ) o [ a l 5 a 2 , . . . a n ]
Vector Columna
El vector columna de n-dimensiones es el conjunto ordenado de
componentes dispuestos en una columna y escritos como:
Primer componente del vector

Segundo componente del vector
n-simo componente del vector

En donde cada componente del vector es un nmero real, es
decir a e 91. Cuando cada componente de un vector es un nme-
ro complejo se representa de la siguiente forma:
Donde Ci es un nmero complejo
Vector Nulo (o vector cero)

Es un vector (fila o columna) en el que todos sus componentes son
cero y se expresa por 0 , por ejemplo:
48
1) 0= [0]
2) 0=[0,0,0]
3) 0=
4) 0 =
LOn
Vector Unidad
Es un vector (fila o columna) cuyo i-simo componente es la uni-
dad y los dems componentes son iguales a cero. A este vector se
le simboliza como een donde i corresponde a la posicin del com-
ponente unidad, (i = 1,2,..., n). Entonces existen n vectores unita-
rios de n componentes:
e = [ 1, 0, 0,..., 0 ] Primer vector unidad

e2 = [0, 1,0,.., 0 ] Segundo "
e3 = [ 0 , 0 , 1, .., 0 ] Tercer
e =
n [ 0, 0, 0, .., n ] n-simo vector unidad
Vector unitario es el que todos sus componentes son la uni-

dad y se simboliza como 1.
49
Ejemplo:
1) 1 = [ 1,1,1,...,!]
2)
2.4 Operaciones bsicas
Suma de vectores
Definicin:
Sean los vectores u y v en el plano 9t2. La suma de vectores
es:
Si: u = (a,b)y
v = (c,d)
Entonces u + v - (a, b) + (c, d) - (a + c, b + d)
Para el plano 93 la suma de vectores es:
En el plano 9?n la suma de vectores se representa como sigue:

Sean:
50
u= V =
La suma de u y v se define como:
a, +b.
a2+b2
u+v=
Para que pueda efectuarse la suma u y v deben tener el mismo

nmero de componentes y ser todos vectores renglones o vectores
columnas.
Ejemplos:
Sumar los vectores u y v :
1) u = (l,2) = (5,4)
"6" "9"
7 v= 1
8 0
"6 + 9" 15
U + V = 7 + 1 = 8
8 + 0 8
51
"5"
3) u= = (3,2, 1,8)
7
No est definida la suma ya que u es vector columna y v es

vector fila
4) o = (5, 8) v = (6,7,8)
No est definida la suma por ser vectores de diferente orden.
La representacin geomtrica de la suma de vectores se obtiene

formando un paralelogramo determinado por los vectores u y v
(ver figura 2.4). En donde la flecha dirigida que corresponde a la
diagonal del paralelogramo representa la suma de los vectores u y
v, y sus lados son los vectores u y v.
Figura 2.4
u+v
Producto de escalar y vector
Dado un escalar X y un vector a en un plano 5R2, se define el pro-

ducto como el vector Xa, y sus componentes vienen dados de mul-
52
tiplicar el escalar X por cada componente del vector a. Un escalar

es un nmero real o complejo.
Xa = (k&i, Xa2)
Para el plano 93 es: Xa (Xa1? Xa2, Xa3)
En el plano 9n tenemos Xa = (Xab Xa2,... Xan)
Ejemplos:
1) SeaX = 3 y a = (5,-1)
Xa = 3 (5,-1) = (15,-3)
2) Si X = -2 y b = (6,4,-l)
Xb =-2 (6, 4,-1) = (-12,-8, 2)
3) Sea X=5 c=
"7" 35
2 10
Xc = 5
1 5
3 15
4) Sea
X un escalar.
53
Aa,
El producto de aX es:
Si consideramos X un escalar y v un vector en el plano 5R2 la inter-

pretacin geomtrica de X\9 es una flecha de longitud | X | multi-
plicando a la longitud de v, y la direccin de ste es la misma que
la del vector v, siempre que X > 0, cuando X < 0 la direccin es
opuesta a la del vector v, y si X = 0 entonces Ov = 0.
Ejemplos:
1) Sea 1 = 3 y v = (l, 1)
lv = 3 ( l , l ) = (3,3)
Figura 2.5
2)
54
Figura 2.6
Producto de vector fila y vector columna
Si un vector fila u lxn multiplica a un vector columna v nxl , da

como redultado un escalar (w) al que se le llama producto interno
de dos vectores (ui xn v nxl ).
Si u = [u1? ... , u n ] es el vector rengln n-dimensional y
v= es el vector columna n-dimensional,
entonces el producto uv esta dado por:
uv = [up u2, . . ., un]
55
El vector rengln siempre debe de escribirse a la derecha del

vector columna.
Ejemplo:
1) Encontrar el producto de
u = [5 8] y v =
uv = [5 8] - (5X6) + (8X9) = 30 + 72 = 102
2) Encontrar el producto de u v
uv = 2 3] = 4 + 10 + 18 = 32
3) Obtener el producto de
u = [3 5 9] y v=
u v = [3 5 9] = 24 + 20 + 18 = 62
Ahora si un vector columna vnxj multiplica a un vector fila

ui xn el resultado es una matriz cuadrada nxn.
56
Sea v = el vector columna n-dimensional y
u = [uj . ., u n ] el vector fila n-dimensional.
El producto de uv est dado por:

v
nxi unxi = xnxn (Matriz cuadada) siendo x = u v
Ejemplo:
1) Encontrar el producto de u v
1
v= 2
3
1 1 3
VU = 2 [1 3] = 2 6
3 3 9
2) Encontrar el producto de
~2
v= y u = [2 1 1]
57
"4 2 2
vu = [2 1 1] = 8 4 4
6 3 3
3) Encontrar el producto uv
0
-1
v= u=[l 0 1 2]
4
3
0 0 0 0 0
- 1 - 1 0 - 1 2
vu = [l 0 1 2] =
4 4 0 4 8
3 3 0 3 6
2.5 Propiedades
Sean u , v y w vectores en el plano 9T, y a, b escalares. Con ellas

se deben de cumplir las siguientes propiedades:
a) u + 0 = u Identidad aditiva
b) u Conmutativa de suma de
vectores
c) u + (v + w) = (u + v) + w Asociativa de suma de vectores
d) Ou = 0 Cancelacin multiplicativa
(vectores)
e) a (u + v) = au + av Distributiva (escalar suma de
vectores)
f) (a + b)u = au + bu Distributiva (suma de escala-
res - vector)
58
g) (ab)u = a (bu) Asociativa (escalares-vector)

h) lu = u Identidad multiplicativa
i) u + (-u) = O Inverso aditivo
Identidad aditiva
0=
u=
u, + 0' u,
u2 + 0 u2
u3 + 0 u3
u+0 = =
0 .Un.
59
Ejemplo:
r
3" "0 "3 + 0" "3"
u= 2 0= 0 u+0 = 2 + 0 = 2
1 0 1 + 0 1
Conmutativa de suma de vectores
u+v=v+u
u= V =
"i" "v," "v,"
.Un_ .Vn. _Vn_ _Un.
60
Ejemplo:
y 5
|2| 6
1 7
"3" "5" "5" "3"

2 + 6 = 6 + 2
1 7 7 1
u + v = v + u
8"
U 4- V = V + U = 8
Asociativa de suma de vectores
u + (v + w) = (u + v) + w
u= V = w =
61
u
l "v," U
l "v,"
u2 v2 w2 u2 v2 w2
+ + = + +
-Un. _V _Wn_ .Un. .Vn. -Wn.

u + (v + w) = (u + v) +
Ejemplo:
"3
u= V = w =
1
"3" "5" "l" '3' "5"' "l"

2 + 4 + 2 = 2 + 4 + 2
1 7 1 1 7 1
(v + w) = (u + v) + w
3 "6" 8 1
2 + 6 = 6 + 2
1 8 8 1
"9" "9"
8 = 8
9 9
62
Cancelacin multiplicativa (vectores)
0u = 0
Ou,
0u 2
vector cero
U nJ LOU nJ L 0 .
0(u) = Ou = 0
Distributiva (escalar suma de vectores)
a (u + v) = au + av
= a, u= v=
L V nJ
63
"v," "i
u2 v2 U
2 V
2
+ = a + a
.Un. .vn. _vn_

a (u v) = au av
Ejemplo:
a=2 u= V =
T56" + V3 = 2 6
"5"
+ 2 3
"l"
L7 2 7 2
2 (u + v) = 2u + 2v
"6" "10" '2

9 = 12 + 6
9 14 4
12 12
18 = 18
18 18
64
Distributiva (suma de escalares - vector)
(a + b)u = au + bu
V "V u,
U U U
2 2 2
(a + b) = a + b

.Un. .Un. .Un.

(a+b) u = a u + b u
Ejemplo:
1
a=2 b=3 u=
1 1 "1
(2 + 3) 2 = 2 2 + 32
3 3 _3_
(a+b) u = a u + b v
V "2" "3"
2 = 4 + 6
3 6 9
"5" '5'
10 = 10
15 15
65
Asociativa (escalares - vector)
(ab) u = a (bu)
= a? = b,
u,
u2 u2
ab = a b
.Un. - U nJ.
(ab) u = a (bu)
Ejemplo:
1
a = 2, b = 3, u= 2
3
"1" "ll
2-3 2 = 2 3 2
3
3 J
ab (u) = a (b u)
66
1 "3"
2 2 6
3 9
6 6
12 = 12
18 18
Identidad multiplicativa
lu = u
u
l
1=
u=
"1," ~ u
i~
12 U
2
U
2
13 3 "3
.Un.
(u) =
67
Ejemplo:
1 1
1= u= 2
3
1 1 1
1 2 = 2
1 3 3_
u = u
Inverso aditivo
u + (-u) = 0
u
u =
"i"
U U U
"2 2 2 ~ 2
"3 "3 3 -u,

+ (-l) + = 0
.Un. .Un. .Un.
u +(-1) u U + (-U)
68
Ejemplo:
"3"
u =
1
"3" "3" "3" "-3"
2 + (-l) 2 = 2 -2 = 0
1 1 1 -1
u +(-1) u = u +(-u) = 0
69
Captulo 3
Operaciones con escalares y vectores
utilizando Excel
Objetivos:
Al terminar este captulo:
S El lector ser capaz de realizar operaciones con vectores
y escalares utilizando la hoja de clculo electrnica
Excel.
3.1 Introduccin
La hoja de clculo electrnica Excel resuelve prcticamente la

totalidad de las operaciones que se desarrollan con matrices. Las
operaciones ms comunes como: la multiplicacin de vectores,
multiplicacin de matrices, inversa, el clculo de determinantes,
etc. se resuelven utilizando funciones automticas, otras opera-
ciones como la suma de matrices, el producto de un escalar por un
vector, el producto de un escalar por una matriz, etc. se calculan
en forma manual generando las funciones; algunos arreglos como
la transpuesta de una matriz, se obtienen utilizando las funciones
de edicin: copiado-pegado y especial-transpuesta. Las aplica-
ciones requieren el uso combinado de las funciones automticas,
las de edicin, junto con la construccin de funciones manuales
especficas.
71
3.2 Suma de vectores
Para explicar el procedimiento de sumar vectores utilizando Excel,

supondremos que tenemos tres vectores, el a, el b, y el que resul-
ta de sumarlos (a + b) = c.
a= b=
6+9 15
a + b = c = 7 +1 8
8+0 8
6 9 15"
7 + 1 = 8
8 0 8
Recuerde que slo se puede sumar vectores del mismo tipo y

cantidad de componentes
Pasos para sumar dos o ms vectores utilizando Excel:
1. Se despliega una hoja, se etiquetan y capturan los elementos

de los vectores. En seguida se posiciona el cursor en la celda
en donde se desea aparezca el resultado, ver la imagen 3.1a
continuacin.
72
Imagen 3.1
Hoja bsica de Excel 7 (versin en ingls).
I ? .1... Q ! E _ L H_J_
j [ VECTORA VECTOR VECTOR A + VECTOR B
2~
X
JL
JL
JL
7
T
I
R
2. En la celda seleccionada se construye manualmente la fun-

cin que especifica la suma, sta aparece en la barra de fr-
mulas, ver imagen 3.2
3. Se copia la frmula en todas las celdas que requiera la dimen-
sin de los vectores. Automticamente aparecern los resul-
tados.
4. Utilizando el men de herramientas (tools) y seleccionando
auditora-trazado de precedentes (auditing-trace precedents)
se identifica visualmente la operacin realizada por celda, ver
imagen 3.2
73
Imagen 3.2
Hoja bsica de Excel 7
lili
j**) Efe 5#* 50** Ir* e * FsrflWi: lools Qj9td ffindow tfclp } ~ <IA>
" sh " " ^
I H 411 ioo* " {8}
Li_ _ : io ' - fi" / ' s i B ' I s l i t % * '*&&
E5 Zl "~mT=+AS+C5 *~ """
1 A 1 B j C 1 D ! E 1 F \ G H 1 1
t LECTORA VECTOR B VECTOR A + VECTOR B
11
6 9 15
7 1 8
JL
"g"
7
3
"9
1D
11
33
13
14
'1S
Ts'
1?

i JlJMKsheetl/ i
Ready i; '
Como puede observar los resultados son iguales a los obteni-

dos manualmente. Auditoria muestra los elementos utilizados en
la frmula que aparece en la barra de herramientas, sta frmula
corresponde a la celda seleccionada.
3.3 Producto de escalar por vector
Suponga que tiene el vector columna a, el escalar X, y el producto

de ^-a.
"7" "35"
2 10
a=
1 5
_3_ 15
74
Para calcular el producto de un escalar por un vector se reali-

zan los siguientes pasos:
1. Se despliega una hoja, se anotan los ttulos de escalar A,, vector
a, y se capturan sus elementos.
2. Se coloca el cursor en la celda donde interesa aparezca el
producto, ver imagen 3.3.
Imagen 3.3
Etiquetas y valores para multiplicar un escalar
por un vector
J ^
aacr . M T Umm
3. En la celda marcada se elabora manualmente la funcin que

especifica la suma.
4. Se copia la frmula en todas las celdas que requiera la dimen-
sin de los vectores. Automticamente aparecern los resul-
tados.
75
5. Utilizando el men de herramientas (tools) y seleccionando

auditora-trazado de precedentes (auditing-trace precedents)
se identifica visualmente la operacin realizada por celda, ver
imagen 3.4.
Imagen 3.4
Resultado y empleo de Auditora
en la multiplicacin de un escalar por un vector
Los resultados son iguales a los obtenidos manualmente.
3.4 Producto de vector columna por vector fila
Cuando se multiplica un vector columna por un vector fila, el re-

sultado es una matriz de dimensin m x n. La letra m corresponde
al nmero de filas del vector columna y n el nmero de columnas
del vector fila.
76
X =
nx 1 1x m
x
.y 2
x2y, x2y2 x2y3 ... x 2 y n
xy =
xny3 ... x n y r
El siguiente ejemplo genera una matriz cuadrada de dimencin

4x4.
4
-1
t= r = [l 2 3 4]
2
1
4x1 1x4
El producto es:
4 8 12 16
-1 -2 -3 -4
tr =
2 4 6 8
1 2 3 4
4x4
77
Para obtener este resultado a travs de Excel se realizan los

siguientes pasos:
1. Se despliega una hoja de clculo.

2. Se anotan los ttulos de los vectores a multiplicar, (vector t,
vector r, ..., etc).
3. Se capturan sus elementos.
4. Ya que Excel slo genera el elemento ubicado en la fila 1
columna 1 de la matriz resultante, se recomienda colocar el
cursor en la celda donde interesa aparezca el primer elemento
del producto de vectores.
5. Se pulsa el icono seleccin de funciones, enseguida aparece
una ventana que permite seleccionar diferentes categorias de
funciones, ver imagen 3.5.
Imagen 3.5
Ventana de categora de funciones.
Versin Excel 7 en Ingls
Paste Function
Funcfcionâtegory: Function ame;

Most Recently Used LCM
All LN
Financial LOG
Date & Time LOG10
Statistical
MDETERM
1MINVER5E J
Lookup &. Reference jUIiNNNMNNNM
Datbase IMOD
Text MRound
Logical MROUND
Information Multinomial
HMULT(arrayI;array2)
Rafcurns the mafcrix product of two arrays, an array with the same number of
rows as Array 1 aiid columns as Array2*
OK Cancel
78
6. Se selecciona la categora de funcin Matemticas y

Trigonomtricas.
7. Enseguida aparece en la parte derecha de la ventana los nom-
bres de las funciones de la opcin matemticas y trigonom-
tricas.
8. Se selecciona la fncin MMULT, el cual se refiere a la mul-
tiplicacin de matrices. Con esta funcin se puede multipli-
car vectores.
9. Enseguida aparece una ventana de dilogo que solicita en el
primer rengln el rango de la matriz 1, (para este ejemplo el
vector t). El rango puede indicarse utilizando el selecciona-
dor (ratn o mause) o escribirse directamente. El rango de la
segunda matriz (vector r) se introduce en el segundo rengln
utilizando el mismo procedimiento, ver imagen 3.6.
Imagen 3.6
Ventana de dilogo para generar
un producto de vectores
I?" {4A12,16Mr2^^2
14 i Rcturns tbe matrt product of two arrays^ m array wfth the same nurnber of rovsss s Arrayt
15] afMedumnasArray2.
Array2 te the fkst mty o numbers to rnutiply and mus have the same number
16J f t A 2 h
1/1 I OK I Cancel _
Formula resulfc ^
JIJ
1IJ
Pirtt
79
La funcin MMULT genera el producto matricial de dos ma-

trices, en este caso las matrices son dos vectores.
Excel slo genera un valor del producto. Por lo tanto hay que
expandir la funcin a la dimensin de la matriz resultante de or-
den m x n. Para ello se realizan los siguientes pasos:
1. Activar la celda que contiene la funcin MMULT calculada.
2. Utilizando el puntero cruz gruesa del ratn, se marca el rea
donde se busca expandir o copiar la frmula, ver imagen 3.7.
Imagen 3.7
rea seleccionada para la expansin
de la funcin MMULT
=MMLT(A3:AB;C4:F4r
fe
JL
VECTOR T VECTOR R (VETOR T)(VECTOR R)
1 2 3 4]
3. Se oprime la tecla de funciones especiales F2.

4. Una vez hecho lo anterior se oprimen simultneamente las
teclas: <shift><control><enter>, automticamente la funcin
se expande en el rango seleccionado y aparecen los valores
buscados, ver imagen 3.8.
80
Imagen 3.8
Expansin de la funcin MMULT
j %~7
:^|{=MMLT(A3:AB;C4?F4)}
iSJ fiiJJ I i 3
J__A-I JL (VETORT)(VECTRRJ
1 IVECTORT VECTOR R
12 16
1 2 3 4 4
"i. 8
4

I
"mi
it{
Si
116!
10
~iUL
ir^r mmm
3.5 Producto de vector fila por vector columna
Al igual que para el producto de un vector columna por un vector

fila, en el caso de multiplicar un vector fila por un vector colum-
na, ambos vectores deben ser conformables, es decir, el nmero
de columnas debe ser igual al nmero de renglones.
Por ejemplo, los vectores fila x y columna y pueden ser mul-
tiplicados, ya que el nmero de columnas de x es igual al nmero
de filas de y.
= [5213] y =
= 5(2) + 2(l
= 10 + 2 + 3 = 18
81
El procedimiento es similar al desarrollado en la multiplica-

cin de un vector columna por un vector fila:
1. Desplegar una hoja de Excel.
2. Anotar los ttulos de los vectores y sus valores.
3. Se capturan sus elementos
4. Seleccionar la celda en que se espera aparezca el resultado.
En este caso el producto tendr una dimensin de lx 1.
5. Seleccionar el icono de funciones fx.
6. Seleccionar funcin Matemticas y Trigonomtricas.
7. Seleccionar la funcin MMULT, ver imagen 3.9.
Imagen 3.9
Pegado de funcin MMULT
Paste Function
Function category: Function ame?

Most Recently Used * Lcm
All ~ LCM
Financial LN
Date & Time LOG
Statistical
LOGIO
MDETERM
J
Illllllllll
Lookup & Ref erence MINVER5E

Datbase
Text 1 MOD
BliflHHHHHI i
Logical t MRound
Information Z. MROUND
1
MMULT(arrayl;array2)
Retums the matrix product of two arrays, an array with the same rwnber of
rows as Arrayl and columns as Array2.
Cancel
82
Enseguida aparece una ventana que solicita los rangos en que

se encuentra la informacin de los vectores, el primer rengln
(Array 1), corresponde al vector fila, y el segundo rengln
(Array 2), al vector columna, ver imagen 3.10.
Imagen 3.10
Llenado de rangos de matriz, (vectores) para MMULT
FQTfnat IPQS gata SKindow $j& i ^~" * A " H & **> % | ? -|M j B U
J A I B I C . I D1 E 1 f \ 0 I H \ i J " ! K 1 L
J f K *
JVECfoKx E
VECTOR Y (VEf 0R X)(VEaOR Y)
2
2\
5 2 1 3 i!
<
Ai
fi
J
jh Arrayl JA4:D4
ip] Array2|G3:G6
iji
1
J
Retwn$ l tpatrx; prodoct <?f two arrsys, an array wth the same number of rows a? Arrayl
and &kMtm as Array2,
Array2 is the first array of nwbers to imJ^ply and rmist have he Same miner
oF coluros as Array2 has rows.
je
Formula resuft 18 Cancel
..id
1
lJ | JM
9. Al seleccionar aceptar aparecer el resultado en la hoja de

clculo, ver imagen 3.11.
En la imagen 3.11, se presenta el resultado de la multiplica-
cin dentro de un cuadro relacionado por flechas con todos los
datos del vector fila y columna. Aqu se ha utilizado la opcin
auditora y tiene por objetivo mostrar que el resultado proviene de
matrices, (en este caso vectores).
83
Imagen 3.11
Producto de vectores,
(resultado relacionado mediante la opcin auditora)
84
Captulo 4
Vectores en
Objetivos:
Al terminar el captulo:
S El lector ser capaz de realizar operaciones con vectores;
S Comprender la diferencia entre dependencia e indepen-
dencia lineal de vectores.
4.1 Introduccin
En un plano o espacio euclidiano, los puntos pueden identificarse

con una n-ada ordenada de nmeros reales.
Si (x,y) est en el plano, lo denotamos con (x, y) en 5R2, (x, y,
z) en un espacio de 3 dimensiones o en 93, (xl9 x2, ..., x j en un
espacio de n-dimensiones o en 9n cada nmero de esta n-ada se
llama componente del punto.
A las n-adas ordenadas de nmeros reales les llamamos
vectores (v). En ocaciones es conveniente manejar al vector como
un segmento dirigido del origen a un punto P, y no como un simple
punto. Si representamos a un vector con flechas (geomtricamente)
las propiedades ms importantes son su tamao o magnitud y su
direccin.
85
4.2 Producto interno y proyecciones
El producto interno de vectores explica los conceptos de longitud

y el ngulo en las representaciones geomtricas, en forma sencilla.
Definicin:
lili
|f
Sean los vectores ui = (a b a 2 ,.. , an) y v =
bn) en el plano 9n, el producto interno de los vectores
se denota por u v5 y es:
u v = a,b, + a2b2 + ... + anl
Ejemplo:
1) Encontrar el producto interno de los vectores u = (-2,4) y v =
(4,3)
u - v = (-2,4)(4,3)
u - v = (-2)(4) + (4)(3)
u v = 4
2) Sean los vectores u = (2, 4, 6) y v = (3, 5, 7) su producto

interno es:
u - v = (2,4,6)(3,5,7)
u v = 2(3) + 4 (5) + 6 (7)
u v = 68
La magnitud de un vector u de 9in se denota con u y se

define como:
2
u = A|a1 +a22+...-
esta magnitud de vector representa (geomtricamente) la longitud

del segmento de recta que lo representa.
86
En el caso de los vectores unitarios, se debe de cumplir la

condicin:
u =1
Para determinar la magnitud de un vector u = (a1? a2) en el

plano 9l2, se tiene:
u ,2W
En el plano 93 la magnitud del vector v = (b1? b2? b3) es:
= Jb12+b22+b32
Cuando se desea encontrar la magnitud de v - u en el plano

92, teniendo los vectores u = (a1? a2) y v = (b1? b2) entonces:
b 2 -a 2 )
por lo tanto
2 2
v - u = A /(b 1 -a 1 ) +(b 2 -a 2 )
En el plano 9 3 se tiene que u = (a l5 a2, a3) y v = (b1? b 2 , b 3 )
entonces:
v - u = (b,-a 1 ? b 2 - a 2 , b 3 - a3)
Por lo tanto
2 2 2
v - u = J(b 1 -a 1 ) +(b 2 -a 2 ) +(b3-a 3 )
En el plano 9 n se tiene u = (a1? a 2? ..., aj y v = (b1? b 2 ? . . . , b n )

entonces:
87
Las siguientes propiedades son las que se necesitan para apli-

car el producto interno:
Sean u, v, w vectores en el plano 9in y X un esacalar distinto de
cero.
a) u v = v u
b) u ( v + w ) = u v + u w = v u + w u = ( v + w ) u
c) u ( A , v ) = ( ^ u ) - v = A , ( u - v ) para todo escalar X
d) u u > 0 , s i u ^ 0 y u u = 0 s i u = 0
e) u u = |u| ,
Demostrar que u u = | u | 2 para el vector u = ( 8, 4 )

Tenemos que u u = 64 + 16 = 80
Sabemos que:
u = 80
ngulo entre dos vectores
Para encontrar el ngulo entre dos vectores, partimos de la ley de

los cosenos, la cual nos permite conocer el ngulo entre cualquier
par de lados del tringulo
c2 = a2 + b2 - 2ab Cos0
Figura 4.1
88
Ahora si consideramos las propiedades del producto interno,

la ley de los cosenos y el tringulo de la figura siguiente tenemos:
Figura 4.2
Por la ley de los cosenos

2 2 i |2
v-u u + V -2 COS0
2| u COS0 = - u- v
= u u + v- v - ( v - u ) - ( v - u )
= u u + v- v - ( v - v - u - v - v - u + u u )
= u-u + v v-v-v + u-v + v u - u - u
2 I u I I v I cos0 = 2u v
V
COS0 - u
1 | v
u V
COS0 =
u V
Definicin:
El ngulo 0 entre dos vectores u y v en 91* donde u y v son
diferentes de cero y con el mismo punto inicial, se define como:
eos 0
si G0 0^180
89
Por ejemplo:
1) Cul es el ngulo entre los vectores u = ( - l , 5 ) y v = (4,3)?
u - v = -4+15 = ll
u = V(-l)"+5' = -V
V = 725
entonces
11 11 11
COS0
V26"V25" /650 25.4951
cos0 0.431455
0 64 1.125 rad.
2) Encontrar el ngulo entre los vectores u = ( 3 , l , 2 ) y v = (2,

4,6)?
u - v = 6 + 4 + 1 2 = 22
lu = = A/9 + 1 + 4 = -T
V = 16 + 36 =
entonces
22 22 22
COS0 =
V4-756 V784 28
cos0 0.78571
0 38 21' 0.667 rad.
90
Desigualdad de Cauchy - Schwarz
Para todo vector u y v en 5n? sea u v 12+b22 + ... + b n 2
Tambin se puede escribir como:
uv <1
U V
si los vectores u y v son distintos de cero en 9n; entonces existe un

ngulo nico 0 , el cual satisface que:
O<0<18O
u v
Teorema 1
Sea 0 el ngulo entre dos vectores u y v en 9in
u-v = u COS0
Teorema 2
Sea u y v vectores en 9n y X un escalar

a) |v| > 0 y |v| = 0 , si slo si v = 0
b) A,v = | A-1 |v
c) u-v|=|v-u|
d) lu + v < lu + v
91
Vectores paralelos
Definicin:
Sean los vectores u y v e n 91n, stos son paralelos si por lo
menos uno de ellos puede escribirse como el proceso de un
nmero real por el otro, y se denota por u 11 v, entonces:
u = X\ con X e 3
Por ejemplo:
1) Son los vectores u = ( 3 , 6 ) y v = ( 2 , 4 ) paralelos?
entonces
(3,6)||(2A,,4A.)
Por la igualdad de vectores obtenemos el sistema de ecuaciones
siguiente:
3=2A, (1)
6 = 4A, (2)
de la primera ecuacin tenemos que
^ = 3/2
y sustituyendo el valor de X en la segunda
6 = 4(3/2)
6=12/2
6=6
Como la igualdad se cumple, se puede concluir que u y v son
paralelos ( u||v)
2) Son los vectores u = ( 1, 3, 2 ) y v = ( 4 , 3, -1 ) paralelos?
entonces
(1,3,2)||(4A.,3X.,-X
92
por igualdad de vectores tenemos el siguiente sistema de

ecuaciones:
1-4A, (1)
3 = 3^ (2)
2 = -* (3)
de la tercera ecuacin obtenemos que
A, = -2
sustituyendo el valor de X en las dems ecuaciones, las igual-
dades no se cumplen, por lo que los vectores u y v no son
paralelos ( u Jf v ) .
en la ec. 1
1=4X
l=4(-2)
de la ec. 2
3 = 3(-2)
Vectores perpendiculares
Decimos que dos vectores distintos de cero son perpendiculares si

el ngulo que forman entre ellos es de 90( o n/2 rad)
Definicin:
Dos vectores u y v en $Kn son ortogonales si por lo menos uno
de ellos es cero, o el ngulo entre ellos es 90 (o n/2 rad.).
Ahora, si consideramos dos vectores u y v en SRn son ortogonales
(perpendiculares), si su producto interno es igual a cero, es decir:
u* v~0
y se denota por u 1 v
93
Ejemplo :
1) Los vectores u = ( l , 4 ) y v = (3,6) son ortogonales?
u v = 21
entonces
u v * 0 los vectores no son ortogonales ( u _L v ) .
2) Son los vectores u = ( 1 , 4 , 3 ) y v = (-3,6, 7) ortogonales?

u v = ( 1, 4, -3 ) ( -3, 6, 7 ) = -3 + 24 - 21 = 0
entonces
u v = 0 y los vectores son ortogonales ( u _L v ) .
Proyeccin de vectores
Definicin:
Sean los vectores u y v en $ttn, con v * 0. La proyeccin
ortogonal de u sobre v, es:
e oy
' 'Wi
En la figura 4.3 se observa la proyeccin del vector u sobre la
recta que contiene al vector v
Figura 4.3
u - Proyv u
v
Proyv u
94
Por ejemplo:
1) Encontrar la proyeccin de u = (4,4) sobre el vector v = (3,0)
Proyvu = u-v v = 12/9 ( 3 , 0 ) = (36/9 , 0/9 ) = ( 4 , 0 )
Figura 4.4
u ....
, . -
fe.
3 4
Proyvu
2) Encontrar la proyeccin de u = ( 3, 2, -5 ) sobre el vector

v=(4,2,0)
Proyvu = u v v = 16/20 ( 3, 2, -5 ) = (48/20, 32/20, -80/20)
Indicamos tres observaciones que son importantes:
a) Proy v u es paralelo a v
b) u - Proy v u es ortogonal a v
c) u = ( v - Proy v u ) + Proy v u
4.3 Combinacin lineal de vectores
Se puede considerar cualquier vector como la suma de otros vectores

particulares, por ejemplo: el vector
95
u = [ a1? a2 ] tambin se escribe como:
u = [a1? a 2 ] = [ a l 5 0 ] + [0, a2]
Entonces
u = [ a 1 ? 0 ] + [0, a2]
Ahora si multiplicamos al vector u por un escalar, podemos

escribir el vector como sigue:
Entonces un vector u con n componentes, se puede representar

como la suma de n vectores unitarios y cada uno de los vectores
unitarios multiplicado por un escalar igual al correspondiente com-
ponente del vector u, como se muestra a continuacin:
u = [a 1 ? a 2 ....,a n ] = a i [ 1, 0?...., 0 ] + a 2 [0,1,...., 0] + ...+ a n [0,
a esta expresin se le conoce como Combinacin lineal de

vectores.
Definicin:
Se dice que un vector u es combinacin lineal de los vectores
Vj, V2,..., vrt, si se puede expresar en la forma;
l9 k2,.., kn) son escalares
Ejemplo:
Considrese los vectores v = ( 1 , 2 , - l ) y w = ( 6 , 4 , 2 ) en 9t3.
Demuestre que:
96
1) u = ( 9, 2, 7 ) es una combinacin lineal d e u y v

2) u'= (4, -1, 8 ) no es combinacin lineal de u y v
1) Resolviendo
u= + k2v2
( 9 , 2 , 7 ) = k,( 1 , 2 , - 1 ) + k2(6,4,2)
( 9 , 2 , 7 ) = ( k , , 2 k , , - k , ) + (6k 2 ,4k 2 , 2k2)
= ( k, + 6k2, 2k, + 4k2, - k, + 2k2 )
Igualando los componentes correspondientes se obtiene el si-

guiente sistema de ecuaciones:
k + 6k2 = 9 . ..(1)
2k + 4k2 = 2 . ..(2)
-k + 2k2 = 7 ..(3)
Resolviendo el sistema:
Se toman las ecuaciones 1 y 2 para formar la matriz aumenta-
da.
"l 6 19'
2 4 !2
"1 6 9 "1 6 9" "1 0 -3

> >
0 -8 -16 0 1 2_ 0 1 2_
k, = -3
k2= 2
Sustituyendo los valores de k, y k2 en:
97
u = k^v + k2w
u = -3v + 2w
(9,2,7) = -3(l,2,-l) + 2(6,4,2)
(9,2,7) = (9,2,7)
2) u' = ( 4, -1, 8 ) es combinacin lineal?
Se puede expresar a u' como:
u' = k , ( v ) + k 2 (w)
( 4 , - l , 8 ) = k,(l,2,-l) + k2(6,4,2)
( 4, -1, 8 ) = (k,, 2k,, -k,) + (6k2, 4k2, 2k 2 )
(4, -1, 8 ) = (k, + 6k2, 2k, + 4k2, -k, + 2k 2 )
Igualando los componentes correspondientes, se obtiene el si-

guiente sistema de ecuaciones:
k, + 6k2 = 4 (1)
2k t +4k 2 =-1 (2)
-k,+2k 2 = 8 (3)
Resolviendo el sistema:
Se toman las ecuaciones (1) y (2) para formar la matriz au-
mentada.
"] 6
i4
1 4 ! -J
"1 6 4" 11 "
"1 6 4 " 1 0 A
9 *+
0 - 8 - 9 0 1 0 1 9
8.
11
7
98
u' =-l
l î ^ li
/, , ox f 11 22 i n f27 18 9
(4, - 1, 8 ) = - , - , + , , -
V 4 4 4 ^ ^ 4 4 4
(4,-1,8)^(4,-1,5)
entonces u' no es combinacin lineal de v y w
2) Escribir el vector (1,-2, 5) como combinacin lineal de los

vectores.
ei = ( 1 , 1 , 1 ) e2 = ( 1 , 2 , 3 ) e3 = ( 2 , - 1 , 1 )
u = kj Q{ + k 2 e 2 + k3 e 3
( l , - 2 , 5 ) = k 1 ( l , l , l ) + k 2 ( l , 2 , 3 ) + k 3 ( 2,-1, 1)
= ( k,, k,, k, ) + (k 2 , 2k2, 3k 2 ) + ( 2k3, -k3, k 3 )
1 = k, + k2 + 2k3
-2 = k, + 2k2 - k3
5 = k, + 3k2 + k3
99
"l 1 2 1" 2 "l 1 1" "l 1 2 1"

1 2 -1 - 2 -> 0 1 _2 - 3 -> 0 1 - 3 -3
1 3 1 5 0 2 -1 4 0 0 5 10
"1 0 5 4" "1 0 5 4" "l 0 0 - 6 "

0 1 - 3 - 3 - 0 1 - 3 - 3 > 0 1 0
0 0 5 10 0 0 1 2 0 0 1
k, = -6
k2= 3
k3= 2
u = kj ej + k2 e 2 + k3 e 3
(l, -2,5) = - 6 ( l , l , l ) + 3 ( 1 , 2 , 3 ) + 2 ( 2 , - 1 , 1 )
4.4 Dependencia e independencia lineal de vectores
Definicin:
Sea un conjunto de vectores nu u 2 , ..., u n , en %n9 son
linealmente independientes, si existen escalares Xy X2i 9
Xn en el que todos son iguales a cero, tal que la combinacin
lineal se escribe como sigue:
Para el caso contrario se dice que un conjunto de vectores

Ui, lis,..,, nn en W son linealmente dependientes s existen
escalares X\9 Xjy... A> y ^s posible encontrar al menos uno
distinto de cero (Ai * 0),
+ .- + Xn\n & 0 si al menos una X * 0
Ejemplo:
1) Los vectores ( 1 , 1 , - 2 ) , ( 4 , -2, -2) y ( 3 , -9,6 ) son linealmente
independientes?
100
Para poder comprobar si los vectores son linealmente inde-

pendientes, se forma una combinacin lineal de los vectores y se
iguala a cero:
c,(l, l , - 2 ) + c 2 (4,-2,-2) + c 3 (3,-9,6) = ( 0 , 0 , 0 )
Entonces:
( cl5 c,, -2 C l ) + (4c25 -2c2, -2c 2 ) + ( 3c35 -9c35 6c3 ) = ( 0, 0, 0 )
Obtenemos el sistema:
Cj + 4c 2 + 3c 3 =0
Cj - 2c 2 - 9c 3 =0
-2cx - 2c2 + 6c3 = 0
Resolviendo el sistema para c1? c2 y c3:
1 4 3 0 1 4 3 0 1 4 3 0
1 -2 -9 0 0 -6 -12 0 0 1 2 0
2 -2 6 0 -2 _ o 6 0 -2 -2 6 0
1 4 3 0 1 4 3 0 1 0 -5 0
0 1 2 0 -> 0 1 2 0 0 1 2 0
0 6 12 0 0 0 0 0 0 0 0 0
Se obtiene que:
c, - 5c3 = 0
c 2 +2c 3 = 0
En donde c{ = 5c3 y c2 = -2c3, entonces el sistema tiene un

nmero infinito de soluciones y los vectores son linealmente de-
pendientes.
101
2) Los vectores ( 1 , -2,1 ) , ( 3, 1,2) y ( 5, 0,3 ) son linealmente

independientes?
Formando una combinacin lineal de los vectores e igualando
a cero:
Cl(l,-2, l ) + c2( 3 , 1 , 2 ) + c 3 ( 5 , 0 , 3 ) = ( 0 , 0 , 0 )
Entonces
(c i r 2c 1 ? Cl) + ( 3c 2 , + c2 + 2 c 2 ) + ( 5c3, 0, 3c 3 ) = ( 0, 0, 0 )
Obtenemos el sistema:
c, + 3c 2 + 5c3 = 0
-2c! + c2 + 0 =0
c, + 2c2 + 3c3 = 0
Resolviendo el sistema para c1?c2 y c3
1 3 5 0 1 3 5 0 1 3 5 0"
10
2 1 0 0 0 7 10 0 -> 0 1 0
1 2 3 0 1 2 3 0 1 2
y3 0
1 3 5 0" 1 3 5 "1 3 5 0
10 10
0 1 0 0 1 ^ ^ 0 1 0
7
0 -1 -2 0 o o-1 0 0 1 0
7 !
1 3 5 0 1 3 0 0 1 0 0 0
0 1 0 0 > 0 1 0 0 - 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0
102
Se obtiene que:
C
ll = C
C
2 ~ C
3 =
Entonces los vectores son linealmente independientes.
Un conjunto de m vectores en 9n es linealmente dependiente si

m > n.
Por ejemplo:
1) Los vectores (-3,2,-1,0), ( 0 , 1 , 0,1), (0,1,-2,4), (-1,3,2,
2 ) , ( 1 , 2, 3, 0 ), Son linealmente independientes?
No, ya que hay cinco vectores en un plano 914.
2) Los vectores (1, 2, 3), (0, 1, -2), (-1, 3, 2), (0, 1, 1) Son
linealmente independientes?
No, ya que se tienen cuatro vectores en el plano 93, los vectores
son linealmente dependientes.
103
Captulo 5
Algebra de matrices
Objetivos;
V El lector comprender la notacin matrieial
V Identificar diferentes tipos de matrices.
5.1 Introduccin
El lgebra de matrices es una rama de las matemticas que se utili-

za para analizar los sistemas de ecuaciones lineales, cuando stos
tienen un nmero de ecuaciones superiores a tres.
5.2 Matrices
Definicin de matriz:
La matriz es un arreglo rectangular de elementos ordena-
dos en m filas y n columnas
105
La forma general de una matriz A es:
a a l
21 22 2n
A -
L
m2
Esta matriz esta constituida por elementos a^

Los elementos de una matriz pueden ser nmeros reales (91),
polinomios, nmeros complejos (C), etc. En este material slo se
utilizan nmeros reales como elementos de una matriz.
Cada elemento de la matriz tiene dos subndices, el primer
subndice indica la fila o rengln ( / ) y el segundo la columna (/)
de la matriz. El elemento a^ indica que est en la z-sima fila y lay-
sima columna, para i = 1,2,...,m y j = 1,2,...n.
El elemento a12 que est situado en la interseccin del rengln
1 y la columna 2; a22 es el elemento que est situado en el rengln
2 y la columna 2 .
Por ejemplo:
El 5 est situado en el primer rengln y en la primera columna,

as su posicin es la a n
El 9 est en el primer rengln y en la segunda columna, su posi-
cin es la a12
El 2 est en el segundo rengln y en la primera columna, su
posicin es la a21
El 7 est en el segundo rengln y en la segunda columna, su posi-
cin es a22
106
Notacin de matrices
1. Se representan mediante una letra latina mayscula (A, B,

C,..., Z) en negritas.
2. Tambin suelen representarse utilizando corchetes [a^ ] o
El orden de la matrizfay ] se representa como: [a,j ] mxn.
Nota: no confundir al elemento a^ con la matriz [ a j .
Ejemplos de matrices
1) Calificaciones obtenidas por seis estudiantes en cuatro ex-

menes.
Exmenes
7 8 9 8
9 9 10 10
6 7 7 8
A= Estudiantes
6 8 10 8
7 8 7 9
5 8 7 10
2) Representacin de una tabla de costos de produccin por tipo
de producto.
Costos de produccin por tipo de producto
Costos Producto
A B c D
Mano de obra 10 12 16 9
Materiales 5 7 9 4
107
Los datos de la tabla se pueden representar en una matriz A
10 12 16 9
5 7 9 4
Ejercicios:
1) Identificacin de! elementos:
'7 2 8 2"
9 5 3 5
A =
8 1 2 6
3 3 5 9
Qu valor tiene el elemento?
a 15 nc) existe
a 24 5
a-,, 2
De qu orden es esta matriz?
4x4
2) Que diferencia hay entre : aj y [aj ]?
aj es el elemento genrico de la matriz, ubicado en la

fila "i", columna"/'-
[aj ] es la notacin abreviada de la matriz.
Dimensin de una matriz
La dimensin de una matriz u orden, indica primero el nmero de

renglones (m), enseguida el nmero de columna (n), que forman a
la matriz m x n, la cual se lee "m por n".
108
columna
3 5 1
rengln
2 6 3
m = 2, n =
La matriz de calificaciones obtenidas por estudiantes, tiene

dimensin 6x4, son seis renglones con cuatro columnas.
Exmenes
7 8 9 8
9 9 10 10
6 7 7 8
Estudiantes
6 8 10 8
7 8 7 9
5 8 7 10 6x4
Matriz rectangular
La matriz rectangular se forma cuando m ^ n, o sea, el nmero de

renglones es diferente al nmero de columnas.
A =
De dimensin m x n
109
Por ejemplo:
"6 7 8
A=
2 2 1 2x3
En donde m = 2 y n = 3, entonces m * n, y A es una matriz

rectangular de dimensin 2x3.
6 7
2) B= 2 21
8 1 J3x2
En donde m = 3 y n = 2 entonces 3 * 2, y B es una matriz

rectangular de dimensiones 3x2.
Matriz cuadrada de dimensin n
La matriz cuadrada se forma cuando se tiene el mismo nmero de

renglones y columnas, o sea, que m = n.
C=
a
32 33
En donde m = 3 y n = 3, entonces m = n y la matriz C cuadrada

es de dimensin n = 3.
Ejemplos:
1) R = [ 7 ] cuadrada de dimensin 1 [ X ]
3 ll
2) S= cuadrada de dimensin 2
-2 1
110
0 0 0
3) 1 1 1
2 2 2 J3x3
cuadrada de dimensin 3
En la matriz cuadrada los elementos que tienen el mismo ndi-

ce en la fila y columna forman la diagonal principal. Por ejemplo:
13
24
*31
44
J4x4
Los elementos a n a22 a33 a44 forman la diagonal principal de la

matriz cuadrada de dimensin n = 4.
Por ejemplo:
1 \2 F=
E=
4\5 2x2
3x3
Escalar (A,)
Es un caso especial de la matriz cuadrada, cuando est formada de

una fila y una columna, el elemento que contiene es un nmero
real.
Por ejemplo:
lxl
El elemento a n es un nmero real y la matriz cuadrada de

dimensin n = 1 o escalar.
111
X= [ 7 ] cuadrada de dimensin 1 [ x ]
5.3 Tipos de matrices
La matriz triangular es un caso especial de la matriz cuadrada, se

forma cuando todos los elementos por debajo o por encima de la
diagonal principal de la matriz son nulos (tienen el nmero cero).
Matriz triangular superior
Es una matriz triangular que tiene elementos nulos por debajo de

la diagonal principal.
Definicin:
Es una matriz triangular superior si cumple con aj ~ 0 V i > j
G = (5.3.3)
33
Los elementos a21 a31 a32 son nulos y estn por debajo de la
diagonal principal (a n a22 a33)5 entonces es una Matriz Triangular
Superior de dimensin n = 3.
Ejemplo:
"6 9 1
= o\\ 8 3
0_ ^1 J 3 x 3
112
2) Algunos de los elementos a/y para los que i <j pueden ser tam-
bin nulos, es decir, no hay restriccin en esos elementos.
8 7 3
o\ \ 7
0 o\\ 5
0 0 0\ 4x4
Esta es una matriz triangular superior ya que se cumple que

aiJ = 0 V/ >j.
Ntese que tambin hay ceros en la diagonal principal en los
elementos i < j .
Cules son los elementos donde i >/?
Respuesta: a21 a31 a41 a32 a42 a43
Cul elemento de la diagonal principal es nulo?
Respuesta: a22
Matriz triangular inferior
Est formada por elementos nulos en la parte superior de la diago-

nal principal de la matriz cuadrada.
Definicin:
La matriz triangular inferior es en la que todos ios elemen-
tos sobre la diagonal principal son nulos, a V i < j
En smbolos, una matriz A ~ [aij]n x n es trinagular inferior
si cumple que: aj = 0 V i < j
Por ejemplo:
H = (5, 3, 4)
113
Los elementos a12j a13 a23 ?son nulos y estn por encima de la
diagonal principal (a11? a225 a33), entonces es una matriz triangular
inferior de dimensin n = 3.
Ejemplo:
1) Cules son los elementos donde i < j de la matriz A?
A=
1 5 3
Respuesta: a12 a13 a23, es una matriz triangular inferior.
2) Cules son los elementos donde / < j de la matriz B?
5
B=
1 O
Respuesta: a21, B es una matriz triangular inferior.
Matriz diagonal (D)
Definicin:
La matriz diagonal es una matriz cuadrada en la que todos los
elementos no pertenecientes a la diagonal principal son nulos.
Se simboliza como: D = [a^]^, si cumple ay - 0 V ?V/
Sea la matriz
A=
O a0
La matriz A cuadrada est formada por elementos nulos (a21 =
a12 = 0) en la parte superior e inferior de la diagonal principal ( a n
y a22).
114
Por ejemplo:
"a,, 0 0 0
0 a
22 0 0
1) Q -
0 0 a
33 0
0 0 0 a.
Los elementos a12, a13, a14, a21, a23, a245 a31? a32, a34, a41, a42 y a43
son nulos, excepto los de la diagonal principal (a11? a22, a33, a44),
entonces es una matriz diagonal de dimensin n = 4.
4 0
2) A = Matriz diagonal
0 3
5 0 0
3) 0 0 0 Matriz diagonal
0 0 6
0 0
4) C= Matriz diagonal
o o
& o o
5) D= o & o Matriz diagonal
o o &
Nota: Obsrvese que los elementos de la diagonal principal
pueden ser diferentes.
La matriz diagonal tambin la podemos representar como
D=[A,/5(/ ],si /=l,2,...,nyy=l,2 5 ...,nendonde Xi es un escalar
y 5/yes llamado smbolo de Kronecker. Por definicin, el smbolo
de Kronecker es igual a 1 para i =j, e igual a cero para i ^j
115
Matriz unitaria o idntica ( I )
Definicin:
La matriz unitaria es una matriz triangular superior e infe-
rior (matriz diagnal) en donde los elementos de la diagonal
deben de ser igual a uno y se representan con la letra I o In
(cuando es muy importante indicar el orden).
10 si i
Por ejemplo:
"1 0 0"
0 1 0
0 0 1
Otra forma de expresarla es:
"l 0 0'
0 1 0
0 0 1
La matriz unitaria en lgebra matricial cumple con el mismo

papel que la unidad en el lgebra bsica (nmeros reales), es decir,
= a.
Propiedades de la matriz unitaria
AI = A
IA = A
116
Matriz escalar ( XI )
Es una matriz diagonal en la que todos sus elementos diagonales

son iguales entre si y se expresa X I = [%8^ ] ^ y es una matriz
escalar si cumple con
5 =lsii =J

~ [O si i * j
A, puede ser un nmero natural, o entero, racional real o complejo.
Por ejemplo:
y 0
a) A=
0 y
b) Multiplicar la matriz I por el escalar 2
"l 0 0"
0 1 0
0 0 1
2 0 0
2I3=[281J] = 0 2 0
0 0 2
La operacin de la multiplicacin de la matriz (I) por el escalar

(2), es para dar sentido a la operacin: I3 + I3 , la cual se puede
escribir como 2I3 .
Matriz simtrica
Definicin:
Es una matriz cuadrada A en que a^ para todo i, j
117
Sea M = [aj ] 3x3 la siguiente matriz:

"1 2 1
M = 3 -3
1 -3
a,,
=
J\l .7,, cj^,o c*23
a d
Ti "32 33.
Es simtrica puesto que cumple n1} = ntJ
a = a =
21 i2 ^
a = a =
31 i3 1
= a =
23 23 "^
Las matrices escalares, las matrices diagonales y las matrices

identidad de los diversos rdenes son simtricas.
Matriz asimtrica
Definicin:
Es una matriz cuadrada A - [a/y] en que a/y ~ -a/iV i,j. Los
trminos de la diagonal son nulos, es decir, la matriz
antisimtrica es aquella en que:
"-a// Vij. a# *= 0 donde i ~j
Matriz nula o cero (0)
Definicin:
Una matriz cuadrada cuyos elementos son todos iguales a
cero y se representa con la letra mayscula O en negritas.
118
Por ejemplo:
"0 0 ... 0"

0 0 ... 0
o.
0 0 ... 0 m xn
La matriz O es diferente al nmero real cero.
Matrices iguales
Definicin:
Cuando dos matrices A y B son iguales (A = B), al tener la
misma dimensin (m x n); todo elemento de A son iguales a
su correspondiente elemento de B, o sea, si a,-, = by para
toda i, j .
Por ejemplo:
a)
2+1 2 3 2
A= B=
3*2 1 6 1 2x2
au = b,, 21 = b21
2+1 = 3 3x2 = 6
a,2 = b12 a22 = b22
2 = 2 1 = 1
119
Como cada elemento de A es igual a su correspondiente

elemento B, entonces la matriz A es igual a la matriz B ( A = B ) ,
por tener el mismo nmero de filas y columnas.
b) A= B = [2 3
c) A = [2 X2 = [2 3
Propiedades de las matrices iguales
a) Reflexiva A=A
b) Simtrica Si: A = B, entonces B = A
c) Transitiva Si: A = B y B = C, entonces A = C
Problemas
1. Marca con una x en el espacio correspondiente cul es el or-

den de las siguientes matrices:
1
10 7 5
5 [0]
5 0 1
4.3
23 3x1 1
3x2 3 0
6 1x3 lxl
2x3 1 Io
120
2. Dada la matriz P:
464 721 532

284 445 222
p=
482 285 ... 1000
Identifique el valor de los siguientes elementos:
* mn Pln =
3. Escriba una matriz de orden 5 x 2 anotando sus elementos en

forma simblica; utilice la figura de abajo:
T( ) =
4. Cul de los siguientes arreglos de nmeros no constituyen

una matriz?
11 0 1 0
Iog210
A= 0 B= 0 0 0 c= 211 -1
2 0 1 0
121
5. El departamento de planeacin de la cadena de supermercados

"Zamir" ha elaborado la siguiente tabla que resume las ventas
(en miles de pesos) registradas durante el curso de una semana
en sus principales secciones:
Das Lunes Martes Mircoles Jueves Viernes Sbado

Secciones
A 10.0 11.0 9.8 13.2 11.2 12.0

B 9.9 10.2 12.7 11.6 12.0 11.4
C 14.3 13.8 14.5 14.0 13.9 14.1
D 12.0 12.3 11.9 12.1 12.2 11.6
a) Indique a que es igual el elemento v24 y que representa

b) Indique, sealando el elemento v/y respectivo, que da se
alcanzo la venta mxima en la seccin en la A; en la B; en
la C; y en la D.
c) Indique, sealando el elemento correspondiente, cul fue la
seccin de menor movimiento en el da jueves, y cul fue
la del da sbado.
6. Dadas las siguientes matrices:
a) Indique el orden de cada una de ellas.
b) A que casos especiales corresponde cada una de ellas?
"0 0 1" 11 0 0
'0 0"
A= 0 1 0 B= 0 11 0
c= 0 0
1 0 1_ 0 0 11
7. Cmo clasificara a las siguientes matrices?

0 1 0
0 -3 5 ' r1
F = o o"
1 0 0
D = 3 0 -2 E =
0 0 0 1
-5 2 0
o o
1 1 1 0
122
8. Esciriba ejemplos de matrices de orden (3,3) que satisfagan

respectivamente a cada uno de los siguientes conjuntos de requi-
sitos.
a) Que sea triangular superior, diagonal y no escalar
b) Que sea simtrica, escalar y no diagonal
c) Que sea simtrica y no diagonal
9. Indique en la columna de la derecha, la letra que le corres-
ponde en la columna de la izquierda.
a) a,j = aj para toda ij Matriz escalar
b) (&j 11 = J Matriz triangular
{ X para
0 para
i = j
^ j Diagonal principal
r i si i = j
d) I = [Sjj ] con 8j = Y = < Matriz diagonal
[0 para i * j
e) ay * 0 para i * j Matriz identidad
f) aj = -ay para todo ij Matriz simtrica

Matriz nula
Matriz antisimtrica
10. Indique si las siguientes proposiciones son verdaderas o fal-

sas:
V
Una matriz identidad es simtrica
Una matriz escalar es diagonal
Una matriz nula es cuadrada
Una matriz simtrica es diagonal
Una matriz nula es simtrica
Un vector fila es simtrico
Una matriz triangular es rectangular
Las matrices triangulares son simtricas
Un vector suma es un vector unidad
123
En las matrices rectangulares interesa:

La diagonal principal
Hay matrices nulas que son cuadradas
Hay matrices rectangulares que son cuadradas
Una matriz diagonal es antisimtrica
Hay matrices rectangulares que son simtricas
124
Captulo 6
Operaciones con matrices
Objetivos:
S Podr sumar y restar matrices,
S Obtendr el producto de una matriz A por una matriz B.
S Calcular la inversa de una matriz.
S Resolver un sistema de ecuaciones lineales mediante la
matriz inversa.
6.1 Introduccin
Una gran variedad de problemas de asignacin de recursos en la

economa, la administracin y las polticas pblicas se relacionan
con matrices. Prcticamente la totalidad de procesos con matrices
se basan en la adicin, sustraccin y el producto, as como en ope-
raciones especiales como la inversa. En este capitulo de abordan
estos temas.
6.2 Adicin y sustraccin de matrices
Adicin de matrices
Definicin:
Pueden sumarse dos matrices A y B> si slo si tienen la misma
dimensin (mismos nmeros de filas y columnas), al ser someti-
das a la operacin de suma, da como resultado una tercera matriz
C, y sta tendr la misma dimensin que la matriz A y B.
125
Para obtener los elementos de la matriz C, se suman los ele-

mentos correspondientes de la matriz A y B, es decir:
C,j = aj + bj; para todas las / yj
Por ejemplo:
bn b 12
a) A= B =
2x2
b 21 b22 2x2
a,,+bn a12+b!2
A+B =C =
_a 2 1 +b 2 ) a 2 2 + b 2 2 j2 x 2
4 2 7 -3
b) A = 3 9 B= 2 5
5 16 3x2
1 0 3x2
4+7 2-3'
A + B = C = 3+2 9+5
5+1 16+0
1 2
c) A= B=
3 4 2x2
A + B ^ C, por que no cumple con la condicin de que la

matriz A y la matriz B, deben tener la misma dimensin.
126
Propiedades de la suma de matrices
a) Conmutativa A+B=B+A
b) Asociativa (A + B) + C =
c) Identidad A+0=0+A
Producto de un escalar por una matriz
Definicin:
Sea una matriz A de dimensin m x n y un escalar X9 se puede
definir al producto de la matri2 A por un escalar X9 para dar
sentido a la operacin A + A + ... El producto se obtiene
multiplicando cada elemento de la matriz A por e escalar X.
A=[a B
l %A=\ (62 A)
L a 21 a
22 J 2x2 L i *a 22 j
Por ejemplo:
-la,, -laI2
1) Matriz A = XA = - A =
-Ia
22_
Escalar X = -\
6 3
2) A=
7 -4
Escalar X = 2
-2(6) 2(3) 12 6
2A =
.2(7) 2(-4) 14 -8
127
3) 1Demuestre que:
1 \ + A = 2A
"6 3" "12 6" "6 + 6 3+3 " "12 6

7 -4 14 -8 1+7 -4-4_ 14 -8
"6 3"
4) B= 1 1
2 4
X= -1
-6 -3
- -1 -1
-2 -4
1 -8
5)
7 2
= - 3/4
24 3
6
4 4
21 6 1 2
5- - 1 -
T 4 4 4
128
4 -5
6) D =
3 6
X=0
4(0) -5(0)" O O
OD =
.3(0) 6(0) _ O O
0D = 0
Sustraccin de matrices
Definicin:
Pueden restarse dos matrices A y B, si y slo si, tienen la
misma dimensin. Al ser sometidas a la operacin de resta,
da como resultado una tercera matriz C, y sta tendr la mis-
ma dimensin que la matriz A y B.
C = A-B
Para obtener los elementos de la matriz C se realizan los si-

guientes pasos:
1) Multiplicar la matriz B por el escalar:
2) Sumar la matriz A y la matriz -B

A + B = [ A + (-B) ] = A-B
Por ejemplo:
1) Demostrar que:
C = A-B = A+ (-B)
129
i2
A= B =
22 2x2 21 b22 2x2
b,
b, -b 22. 2 x 2
C = A + (-B ) = A- B
a b a
n ~ n i2 ~
C=
J
2\ - bU 22
, a
21 ~ b
21 a
22 ~ 2J2x2
2)
2 3
A= B=
-2 4 2x2 6 1 J2x2
2 3 -1 5 1 8
C = A-B =
-2 4 6 -1 -8 3 2x2
l -5 -2 -3 -1 -8
B-A=
6 1 2 -4 8 -3 2x2
3) -2 O
6 2
A= 1 4 B= 1 6
2 -5 3 3
"6 2" 2 0 8 2
C = A-B = 1 4 + -1 -6 = O -2
_ c
2 -3 -3 -1 -8 2x2
130
-2 0" ~-6 -2" -8 -2'

B-A = 1 6 + -1 -4 = 0 2
3 3 -2 5 1 8 J2x2
En la sustraccin no hay propiedad conmutativa
A-B^B-A
6.3 Producto de matrices
Producto interno de matrices
Sean A el vector rengln y B el vector columna, entonces definire-

mos el producto interno como A B = a n b n + a12b2i + + alnbmj.
El vector rengln y columna contienen el mismo nmero de ele-
mentos y se calcula multiplicando los elementos correspondientes
del vector A y B , y realizando una suma algebraica dando como
resultado un valor escalar.
Ejemplo:
1) Sean A el vector rengln y B el vector columna
A = a 11? a 12 , a ln
'mj
131
entonces:
A B = a u b n + a12b21 + + alnbmj.
"7"
2) A . B = (-3 6) 4 = -21+24 = 3
6
10
3) C D = (5 4 3 2 l) 20
-4
-2
C D = (5)(6) + (4)(10) + (3)(20)

C D = 30 + 40 + 6 0 -8 -2 =120
4) E F = (-2 -4 10 20 6)
E F = (- 2)(0) + (- 4)(1) + (10)(2) + (20)(4)

E.F= 0 - 4 + 2 0 + 80 + 30 =126
Producto de matrices
Definicin:
Dada la matriz A de dimensin m x n y una matriz B de dimen-
sin n x p, se define el producto de A por B, como una tercera
matriz C con una dimensin m x p , cuyo elemento cij es producto
escalar del i-simo rengln por la jsima columna de las matri-
ces A y B respectivamente.
132
Conformacin para la multiplicacin de matrices
Para poder realizar la multiplicacin de dos matrices A y B , se

debe de cumplir que el nmero de columnas de la matriz A sea
igual al nmero de filas de la matriz B. Dando como resultado que
la matriz producto C tenga el mismo nmero de filas que^ la matriz
A y el mismo nmero de columnas que la matriz B.
C -Va b (6.3.1)
k=
i = l , 2, ... ,m
j = l> 2 ' .. , P
a
i i a
12 a 13
A a
21 a
22 a
23
a2 i a
22 a 23 J2x3
*31 "32 3x3
El nmero de columnas de A es igual al de B , o sea , n = 3.
El producto de la matriz A y B da como resultado la matriz C

de dimensin mxp (2x3).
C C C
ll 12 13
V
"21 22 "23 _ 2 x 3
Por ejemplo:
1 0 3
"2 1 6
A= B= 4 2 1
1 -3 2
5 1 1
133
Para encontrar la matriz C, hay que sumar los productos for-

mados de multiplicar, en orden, cada elemento (es decir, el pri-
mero, segundo, etc.) del i-simo rengln de A , por el elemento
correspondiente (es decir, el primero, el segundo, etc) de la j-sima
columna de B.
El clculo del elemento C u , se obtiene al sumar el producto de
los elementos del rengln (1) de la matriz A , por los elementos
correspondientes de la columna (1) de la matriz B.
C u =(2)(1)+ (1X4) +(6X5) = 2 + 4 + 30 =36
El clculo del elemento C21 se obtiene al sumar los elementos

del rengln dos de la matriz A por los elementos correspondientes
de la columna 1.
C21 = (1X1) + (- 3X4) + (2X5) = 1 - 1 2 + 10 = -1

C12 = (2X0) + (1X2) + (6X1) =0 + 2 + 6 = 8
C22 = (1X0) + (- 3X2) + (2X1) =0-6+2 =-4
C,, = (2X3) + (1X1) + (1X6) =6+1+6 =13
C23 = (1X3) + (- 3)(1) + (2X1) =3-3+2 = 2
C C
12 13
C = AB =
_c21 c 22 c23j2x3
36 8 13
C=
-1 -4 2 2x3
-1 -2 1 2
2) A =
1 1 2x2
4 3 2x2
-9 -8
C = AB =
5 5 2x2
134
m x n = n x p
3) A = [3 2
)x(3)=(3)x(T
3x1
C = AB = [ 3 2 ] l x l
m x n = n x p
4) A = [5 6\ x2
3x1
No se puede realizar porque el nmero de columnas de la

matriz A es diferente al nmero de renglones de la matriz B.
m x n = n x p
5) A= 1x2
1x3
Propiedades del producto de matrices
a) AB * BA no se cumple la ley conmutativa.
b) Asociativa.
A(BC ) =(AB ) C
c) Distributiva.
AB + AC = A ( B + C )
(A + B ) C =
135
6.4 Producto de matrices especiales
Producto de una matriz por una matriz unitaria
IA = A
AI = A
Demostracin:
"1 2 1 0 m x n = n x p
A= 1= JT~L
5 4 2x2
0 1 2x2
(2)x(2)=(2)x(2)
1 0 1 2 1 2
IA =
0 1 5 4 5 4J 2 x 2
"1 2 1 0' ri 2"

AI = 1
5 4 0 1 4_
Producto de una matriz por una matriz escalar
XIA = ;IA
AXI=;\A
Demostracin
"1 o" "1 2

A =
0 1 2x2
3 4 2x2

si X = 2
136
1 2 0"
>r
0
=2
0 0
"2 o' "1 2 '2 4"

0 2_ 3 4 6 8
a,, = ( 2 ) ( l ) + (0)(3) =2
a2. = ( 0 X 1 ) + (2X3) =6
a12 =(2X2) + (0)(4) =4
a22 = ( 0 X 2 ) + (2X4) =8
1 2 "2 4
XA = 2 =
3 4 6 8
Producto de una matriz A por una matriz nula ( 0 )
0A = 0
A0 = 0
Demostracin:
1 2
A= 0=
3 4 0
"1 2 o o 0 0
A0 =
o o 0 0
an = ( l ) ( 0 ) + (2)(0) = 0
a2i =(3)(0) + (4)(0) = 0
ai2 = ( l ) ( 0 ) + (2)(0) = 0
a 22 =(3)(0) + (4)(0)=0
137
Cuando las matrices AyB dan como producto una matriz nula
AB = O
Demostracin:
"5 6" 6 6
A = B=
5 6 5 5
5 6 6 6 0 0
AB =
5 6 5 5 0 0
Esto no significa que la matriz A o la B sea necesariamente

nula.
6.5 Matriz inversa
Dada una matriz A, llamamos a su inversa A 1 (si sta existe),

entonces la relacin entre la matriz A y su inversa A 1 , es el pro-
ducto de A y A 1 el cual da origen a una matriz identidad ( I ) en
donde:
AA-1 = A"1 A = I (6.5.1)
Si la matriz inversa A 1 existe, a la matriz A se le llama Matriz

no singular; cuando la matriz inversa A 1 no existe, a la matriz A
se le llama matriz singular.
Para obtener la matriz inversa es necesario considerar los si-
guientes puntos:
1) La matriz A debe ser cuadrada para poder obtener su inversa
A 1 (tambin es cuadrada), ambas tienen la misma dimensin
mxn.
138
2) Una matriz A cuadrada tiene una matriz inversa A 1 , siempre y

cuando todos los renglones o columnas, sean linealmente inde-
pendientes, es decir, que ningn rengln o columna es una
combinacin lineal de los renglones o columnas restantes, en-
tonces la matriz A se denomina no singular.
3) No toda matriz A cuadrada, tiene una inversa. Si una matriz A
cuadrada no tiene inversa A 1 , esto quiere decir que los renglo-
nes y columnas son linealmente dependientes, entonces la ma-
triz A se denomina Singular.
Ejemplo:
La inversa de una matriz se parece al recproco de un nmero a en

lgebra de nmeros reales. Dado un nmero a, su inverso o rec-
proco es un nmero a1, tal que aa 1 = 1. En lgebra de nmeros es
fcil de comprender que a 1 = 1/a. En lgebra matricial es ms la-
borioso encontrar la inversa de una matriz y se sabe que el produc-
to de una matriz A por su inversa A 1 (existe) da por resultado una
matriz identidad I, (AA1 = I).
Demostrar que la matriz B, es la inversa de la matriz A para
obtener los productos AB y BA.
"3 7 5 -1
2 5 -2 3
Si i A - ^ B
Entonces:
3 7 5 -1 1 0
a) AB =
2 5 -2 3 0 1
' 5 - 7 " "3 71 '1 0"

b) BA = =
-2 3 2 5 0 1
139
Como en ambos resultados tenemos una matriz I de dimen-

sin de 2x2, entonces podemos afirmar que la matriz B es la inver-
sa de la matriz A.
Propiedades de la matriz inversa
a) La inversa de la matriz inversa da como resultado la matriz

original.
(A-1 y1 = A
b) Utilizando la definicin de matriz inversa
A"1 (A"1 )-* = (A"1 y1 A"1 = I

A"1 ( A ) = A( A"1) = I
c) La inversa de la matriz identidad es ella misma
I1 =1
d) Inversa de la matriz diagonal
Si partimos de la definicin de la matriz diagonal D = [8jAJ la

cual tiene todos los elementos de la diagonal principal distintos de cero,
entonces la inversa de la matriz D es una matriz diagonal en la que
los elementos de la diagonal principal son los inversos de los ele-
mentos de la diagonal principal de la matriz original.
D=
e) La inversa de la matriz transpuesta (A*)"' es igual a la trans-

puesta de la inversa (A"1)1
140
f) La inversa del producto de dos matrices no singulares A y B es

igual al producto de las dos matrices inversas en distinto or-
den.
(AB y1 = BÂ 1
g) Si el producto de dos matrices A y B es igual a la matriz nula,

y la matriz A es no singular, podemos determinar que la ma-
triz B es igual a la matriz nula. De la misma manera cuando
BA = 0 y la matriz A es no singular se puede determinar que
B = 0. Si A es una matriz no singular y que AB = 0, al multi-
plicar el producto de matrices A y B por la inversa de A ser
igual a la matriz nula.
AÂB = A 1 0 = 0
si: A"1A = I
Entonces:
IB = 0
B=0
Determinacin de la matriz inversa
Existen diversos mtodos para calcular la matriz inversa. Partien-

do de la misma definicin ( AA 1 = I ) .
Sea la matriz A, llamamos a la matriz B la inversa de A.
1 -0.6
A =B =
-0.3 1 ' 22 2x2
si: AB = I .*.
- 0 .6" "bu b12 1 0
AB =
-0.3 1 b21 b22. 0 1
141
Realizando la multiplicacin se obtiene:
-b 11 -0.6b 21 Ib .2-0- 6 b 2 2 - "1 0

- 0 . 3b n+lb21 - 0 3bI2 -flb 2 2 0 1
De acuerdo con la regla de multiplicacin de matrices se pue-

de plantear un sistema de cuatro ecuaciones con cuatro incgni-
tas:
i
-b, - 0.6b9 =
-1
- 0.6b,, = 0 -2
- 0 . 3 b , , + 1 b21 = 0- 3
- 0.3 b12 + 1 b22 = 1 -4
Resolviendo el sistema se obtiene:
b n = 1.22
b I 2 = 0.73
b21 = 0.36
b 22 = 1.22
La matriz inversa queda como:
A ' = B = "1.22 0.73"

0.36 1.22
Inversa de la matriz por reduccin gaussiana
Para determinar la matriz inversa de A (m x n) empleando el mto-

do de reduccin gaussiana, se realizan los siguientes pasos:
1. Sumar a la matriz A (m x n) una matriz identidad I (m x n)
142
2. Realizar las operaciones de rengln en toda la matriz aumenta-

da, de tal forma que la matriz A (de coeficientes del sistema) se
transforma en una matriz identidad I, y la matriz identidad ori-
ginal se convierte en la matriz inversa de A.
[iU1]
Por ejemplo:
1) Encontrar la matriz inversa.
Sea el sistema de ecuaciones
3x + 5y = 7
2x- y =-4
3 5
2 -1
Encontrar A~
1 "1 5 1 0"
3 5!1 O
i 3 ' > 3 -2R1+R2
2 -llO lj
2 0 1
"1 5 i 0 1 5 1 0
3 3 -2-R, 3" 3"
13
0 13 2 1 0 1 2 3
~ 13~_
y 3 13"
1 0 1 5
3~ 13
o 1 2 3
3~ 13
143
13 13
A"1 =
2
.13" 13
2) Encontrar la matriz inversa

Sea el sistema de ecuaciones
x - y + z = 2
x + y + z = 4 \TL
2x +2y - z =-4
1 - 1 1
B = 1 1 1
2 2 - 1
Encontrar la inversa de B
1 0 0
1 - 1 i 1 0 0
1 l i 0 1 0 0 1 0
2 2 - 1 0 0 1
0 0 1
B" 1 =
144
6.6 Solucin de ecuaciones lineales con la matriz inversa
En esta seccin analizaremos un mtodo diferente al de reduc-

cin gaussiana, para la solucin de ecuaciones lineales. Esta tcni-
ca general se emplea en sistemas de n ecuaciones lineales y con n
incgnitas.
a12x2+
a
21 X l + a
22X2+
El sistema I se puede expresar por una ecuacin matricial

AX = C, como se muestra:
ln
"xi" "c,"
2i 22 2n x2 c2
a
mn .Xn.
.c n .
mi m2
En donde A es una matriz (m x n), la cual est formada por los

coeficientes de las variables del sistema (I) y se le conoce como
matriz de coeficientes, X es el vector columna de n variables, C
es el vector columna y est formado por los trminos independien-
tes (constantes del lado derecho) del sistema (I).
Para poder explicar con mayor facilidad esta tcnica general,
considrese primero un sistema de dos ecuaciones y dos incgnitas,
como el siguiente:
145
a12X2 C
a22X2 = C 2
II
Expresar el sistema II mediante una ecuacin matricial
X,
a a
(1)
21 22
Suponemos que existe una matriz B de (2 x 2) que sea la in-

versa de A. La matriz B se expresa como:
bn b12
b 21 b 22
entonces A"l = B,
Multiplicar la matriz A por B es igual a la matriz identidad (I),
o sea AB = I
a
l. a
i2 "bu b12" "1 0
_ a 2. a
22. K b22_ 0 1
realizando la multiplicacin se obtiene:
anbu+a12b21 a u b 1 2 +a 1 2 b 2 2 1 0'
a
21 b ll + a 22 b 21 a
21b12 + a 22 b 22 J 0 1
De acuerdo con la multiplicacin de matrices se plantea un

sistema de cuatro ecuaciones con cuatro incgnitas
2
u + a22b21 = 0 3
a u b 12 + al2b22 = 0 4
5
146
resolviendo simultneamente las ecuaciones 2 y 3 se obtienen los

valores de b u y b21; para conocer los valores de b12 y b22 se resuel-
ven las ecuaciones 4 y 5.
Ahora, si multiplicamos la ecuacin matricial (1) por la ma-
triz B:
"a,, a12" b12l "c,"

M =
a2I a 22 |b21 bj k 1b 21 b22 c2
como B = A 1 y AA 1 = BA = I entonces
1 0"
0 1 X 2J
b
nci b12C2
b c
2 i i + b 22 C 2 _
los valores de Xx = buCn + b12C2 y X2 = b^Q + b22C2.
Ejemplo:
1) Resolver el sistema de ecuaciones, encontrando la matriz in-
versa de coeficientes
3x + 5y= 7
2x- y =-4
Expresar el sistema I mediante una ecuacin matricial
3 i x
i 7
2 - 1 _X2. -4
La matriz inversa de A es
"1 5"
3~ 13"
2 3
]3 13
147
entonces:
_5_
13" 7
-4
2_ J_
13 13
M
por lo tanto Xj = -1 y x 2 =2
2) Resolver el sistema de ecuaciones, encontrando la matriz in-

versa de coeficientes.
0 + 3x2 + x3 = 1 \
Xj + x2 + 0 = 2 > II
2xx + 3x2 + 3x3 = 7 )
Expresar el sistema II mediante una ecuacin matricial
0 3 r "1"
1 1 0 x2 2
2 3 3 .X3_ L7
La matriz inversa de A es
3 -6 -1"
A-= -3 -2 1
1 6 -3
entonces:
148
3 6
8~ 8
3 2
8
1 6
8
o
1
por lo tanto Xj= 2, x 2 = 0 y x 3 =1
Ejercicios
1. Indique cules de la siguientes proposiciones son verdaderas

y cules son falsas:
V
Las matrices son conformables para la suma si
son del mismo orden matricial
Si el producto A x B = 0 entonces A = 0, B = 0
Hay matrices cuadradas para las que no existe
su transpuesta
A x B = B x A s i y slo si A y B son matrices
cuadradas
(A x B)' = B ' x A ' para cualquier par de matri-
ces conformables para el producto
Para que dos matrices sean conformables para
el producto deben ser del mismo orden
A(B + C ) = B x A + C x A s e cumple siempre
que las matrices A, B y C sean conformables
para el producto.
149
2. Indique si la siguiente proposicin es verdadera o falsa y ex-

plique brevemente su respuesta ( A - B ) + C = A - ( B + C )
para todas las matrices A, B y C conformables para la opera-
cin de suma.
2 3 4
3.- Dada la matriz P = 1 0 2
0 1 2
a) Obtenga la matriz P'

b) Efecte el productoPxP'
c) Qu tipo de matriz ha obtenido?
3 3 6
4.- Dada la matriz R = 6 0 3
9 - 3 3
Calcule:
a)(R + R')
b)(R-R')
c) y2 (R + R ' ) + y2 ( R - R ' )
Qu tipo de matriz ha obtenido en cada caso?

Se trata de una propiedad general o de un caso particular?
2 2 2 - 2
2 - 2 2 2
5. Si Q =
2 2 - 2 2
2 -2 -2 -2
150
Demuestre que:
QxQ' = Q'xQ=161
151
Captulo 7
Operaciones con vectores y matrices
usando Excel
Objetivos:
S El lector ser capaz de realizar operaciones entre
matrices y vectores utilizando la hoja electrnica Excel.
7.1 Introduccin
La hoja de clculo electrnica Excel resuelve las operaciones que

se desarrollan con matrices y vectores, las operaciones ms comu-
nes: el producto de una matriz por un vector columna, vector fila
por una matriz, la solucin de matrices de orden (m,n) y la obten-
cin de la inversa de una matriz.
7.2 Operaciones entre matrices y vectores con excel
Matriz por vector columna
Para multiplicar una matriz por un vector columna es necesario

que sean conformables, es decir el nmero de columnas de la ma-
triz debe ser igual al nmero de filas del vector.
153
En smbolos: A x Y = AY
mxn nx 1 mx 1
Ejemplo:
2 5
A= B=
1 3 2x2 2X1
6 + 20 26"
AB =
3 + 12 2X1 15
Una vez revisada la conformabilidad entre la matriz y el vector

se despliega la hoja de clculo, se indican los ttulos, se anota la
informacin, y se posiciona el cursor en la celda en que se desea
anotar el resultado, ver imagen 7.1
Imagen 7.1
Producto de matriz por vector columna
t**> | \
! Q ^ 0 * # G k V^ = # % s <? > 14;
I Anal * 10 * |j B / Sil
1 MATRIZ A VECTOR COLUMNA (MATRIZ )(VECTORCOLUMNA)

2 5
1 3
14!
Ready
154
Enseguida se selecciona <Pegar funcin><Matemticas y

trigonomtricas><MMULT>, ver imagen 7.2
Imagen 7.2
Ventana de pegar funcin
MMULT despliega una ventana en la que aparecen 2 renglo-

nes uno para la matriz 1 (en este caso la matriz A) y otro para la
matriz 2 (el vector columna B). En los renglones se anota la dimen-
sin en que se encuentran los valores de las matrices solicitadas,
ver imagen 7.3
Una vez indicada la localizacin de la informacin de las
matrices, se pulsa aceptar. El resultado aparecer en la celda pre-
viamente seleccionada, ver imagen 7.4
Enseguida se expande la frmula mediante el procedimiento
descrito anteriormente, ver imagen 7.5
Despus de expandir la matriz se obtiene el resultado para to-
dos los elementos, ver imagen 7.6
155
Imagen 7.3
Llenado de la informacin que solicita MMULT
. . . . \ i : <$;>
Returns the fnatrix proct: of iwo arrays, an array wifch he same number o rows as Arrayl
Array2 s the first array of numbers to multipiy ana must hav th& same number
Imagen 7.4
Producto de una matriz por un vector columna utilizando
MMULT
*?? ! ^ ? ? Z^ ? l B
I =MMULT(A4:B5;G4:G5)
__y'SkLMSXillJJiLl
JLLM U11JJSL1JL.1.!.i L J I _ i LLL_.1 L-JL
MATRIZ A VECTOR COLUMNA (MATRIZ A)(VECTOR COLUMNA)
I 2
1
5
3
3
4
JL
7.
A
9
W
31
JBL
M
:
Jt
,JÎ^^
156
Imagen 7.5
Expansin de MMULT
(MATRIZ A)(VECTOR COLUMNA)
[=MMLT4:B5;G4:G5)
JiU.
Imagen 7.6
Resultado de expandir MMULT
ff*; ioob yeip fc # \ U
|*
. Anal lo - f z ii \m m m
M20 ~3
! AJ 0 0} i \ K 1. i >! >
1 j MATRIZ A VECTOR COLUMNA (MATRIZ A)(VECTOR COLUMNA)
I"
3 26
4 15
mi
i
3!
te!
ii?
J?J
H_ j
157
Vector fila por matriz
Para multiplicar un vector fila por una matriz se requiere que sean
conformables.
Ejemplo:
1 4 1 2
2 3 2 3
Q = L[l 2 3 lJl
^ IX 4 3 2 3 4
4 1 4 1 4X4
El producto ser
QA = [18 17 18 21 ]
Procedimiento
Una vez seleccionada la celda donde se desea que aparezca el pri-

mer elemento del vector fila resultante se realizan los siguientes
pasos:
1. Seleccionar <Pegar funcin>.

2. Seleccionar <Matemticas y trigonomtricas>.
3. Seleccionar <MMULT>.
4. Indicar la posicin de la matriz 1, y matriz 2, ver imagen 7.7
5. Pulsar <aceptar>.
6. Expandir la funcin a la dimencin del vector resultante.
En la imagen 7.8 se observa que cada uno de los elementos de

la matriz resultante (vector fila en este caso) estn vinculados con
todos los elementos de la matriz y del vector, en consecuencia, si se
trata de borrar algn elemento, Excel indicar mediante un mensa-
je que la operacin de borrado no se puede realizar. Slo es posible
borrar completamente una matriz o vector.
158
Imagen 7.7
Seleccin de informacin para matriz 2 en MMULT
Wwu
\ fi'j
MLT ~ F f i ' =MMULT(A4:D4;F3:I6)

' $ , C i D: F \ 0 H ' }
1 VECTOR FILA Q MATRIZ A (VECTOR FILA Q)(MATRIZ A) '* i-
3 * *V"4"""" 2:
4 | 1 2 3 1 3| N;F3:I6) }
3 2 3 4!
i:
J
7
Arrayl |A4.CM
to
11 Arry2JF3:I6|
13 Returrt$tt
31'
te;
7:
. / j <j
Point
Imagen 7.8
Vnculos entre el vector resultante y las matrices
utilizando auditora
fe*
H=MMULT(A4 D4.F3 E)}

J 1 K i L ; M
(VECTOR FILA O)(MATRIZ A)
10 i
IB
159
7.3 Multiplicacin de matrices utilizando Excel
Matriz de orden (m, n) por matriz (n, p)
Para multiplicar matrices, Excel requiere que previamente se revi-

se que stas sean conformables.
2 1 3
1 1 5 6 3 6 2
A= B=
2 3 7 1 2X4 3 2 1
1 1 3
26 23 28
AB = C =
35 35 22 2X3
Procedimiento
1. Etiquetar y anotar la informacin de las matrices en la hoj a de

clculo.
2. Seleccionar la celda en la que se espera registrar el primer
elemento de la matriz resultante, Cn-
3. Seleccionar el icono <fx> (pegado de funcin).
4. Seleccionar Matemticas y trigonomtricas.
5. Seleccionar MMULT.
6. Registrar la informacin de matriz 1 y 2 en la ventana de
MMULT, ver imagen 7.9
7. Pulsar aceptar
8. Enseguida aparecer el primer elemento del producto en la hoj a
de clculo.
9. Expandir la frmula.
160
Imagen 7.9
Registro de matrices 1 y 2 en MMULT
}^:jfVj^'^ fe f 1 ^5Ti;fi ? F'w IKk f ftferl?;

=^MMULT(A3:D4;G3Ti6)
MMATRIZA MATRIZ B (MATRIZ A)(MtRZB)
j31
j 1 1 5 6
4 2 3 7 1 3
3
6 2
2 i !
su
1 1 3<
|4M*f "7 " " -- - ;- r-

. ,Arryl|A3:M
i
I^f - ._ _* i i
Imagen 7.10
Vnculos entre la matriz resultante y las matrices
utilizando auditora
1JMATRIZA (MATRIZA)(MATRIZB)
\ M.\ "i:1*
l'i 1 g 4 26

3 2 1
1 1 3
f x ,,,.,, j.
161
La imagen 7.10 muestra que cada elementos de la matriz re-

sultante est vinculado con el total de elementos de las matrices.
7.4 Obtencin de la inversa de una matriz mediante Excel
A partir de una matriz cuadrada A es posible obtener su inversa A"1
Ejemplo:
La inversa de:
1 2 3 -2
A=
es A"1 =
1 3 2X2 -1 1
Procedimiento:
1. Titular y registrar la informacin de la matriz a invertir en la

hoja de clculo, ver imagen 7.11
2. Seleccionar la celda en la que se espera registrar el primer
elemento de la matriz inversa, (a"1 j?1).
3. Seleccionar el icono <fx>, (pegado de funcin).
4. Seleccionar Matemticas y trigonomtricas.
5. Seleccionar MINVERSE, ver imagen 7.12
6. Registrar la informacin de matriz a invertir en el rengln de
MINVERSE, ver imagen 7.13
7. Pulsar aceptar
8. Enseguida aparecer el primer elemento de la inversa de la
matriz A.
9. Expandir la frmula, ver imagen 7.14
162
Imagen 7.11
Registro de la matriz a invertir en MINVERSE
jfflS*! i T ** 9
A*
JJU1 m_ _<3
MATRIZ A MATRIZ INVERSA DE A
1 2
1 3
'UL
Ready "r ' '
Imagen 7.12
Seleccin de MINVERSE
I Paste Funclion
Function $$mi
Most Recently Used V1DETERM
All ******
Financial MMULT
Date & Time MOD
SBQSBEHHH MRound
Statistical
Lookup & Ref erence
MROUND
Multinomial
J
Datbase MULTINOMIAL
Text i ODD
Logical PI
Information z.1 POWER
MINVERSE(array)
Cancd
163
Imagen 7.13
Seleccin de la matriz a invertir con MINVERSE
^* ^ A ^ ^ *>
j*ttf '
SE J ^ X w f 1 =MINVERSE(A3:64)
LIJ
MATRIZ INVERSA DE A
Al
"lJ
Imagen 7.14
Matriz A inversa generada
J-JLiLfciJLLiJ-i: .LS':L.:J . i. 1 JLJ...K . . k l . g

MATRIZ A i : MATRIZ INVERSA DE A
J
X#JL
164
La matriz identidad
Una aplicacin de la matriz inversa es la matriz identidad.
1 2 3 -2 3_2 -2 -2 1 0
1 3 -1 1 3-3 - 2 +3 0 1
La matriz identidad de A se puede obtener con Exel, para ello

se hacen dos operaciones, primero se obtiene la matriz inversa de
A, y enseguida se multiplican la matriz A por su inversa (A"1). En
la imagen 7.15 se muestra el producto de MMULT de A por A"1 .
Imagen 7.15
Clculo de la matriz identidad utilizando MMULT
ew insert Ffirtrwfc Ioofs fc&a Rindes* eip !

S
$ *& * { ^ m 0. ~%f \ >"> - & - %

: y
Js
MMtT Q X i / p i =MMULT(A3:B4;F3:G4)
i A D !
1 MATRIZ A ! MATRIZ INVERSA DE A IDENTIDAD
T] 3 -2;
1, -1 1!
WMlt
2. ArraylJA3:B4
H AfraY2 F3:G4|
1
mi fUW*
Rm$ the matrix product of two arrays, an array with (he same nwiber of rows as Atray 1
11 arwi coturnos as Array2.
12J
13j Formuafesft*! Cancel
141
Jll
mim*o\ |[^Micoto Excel - Booki %&M wai"
165
Imagen 7.16
Clculo de la matriz identidad utilizando MMULT
.jfclaf
&|v*;8ipja
A J _ 8 ' i O 1 O L E .I'.FJ.Q ; H ' I | J | K .
MATRIZ MATRIZ INVERSA DE A IDENTIDAD
3 -2 1 O
-1 1 O 1
SFi4Ksheeti
gglnicfel EfMiorosotWoKf-Ma jl^MicoJoH Escsl Booki
Ejemplo:
Obtener la inversa de A.
"1 2 3"
A = 2 5 3
1 0 8
'-40 16 9 '
A"': 13 -5 -3
5 -2 -1
166
Imagen 7.17
Clculo de la matriz inversa utilizando MMULT.
X Microsoft Excel - Booki
]f}lb:gi* 5few nse h3rt
D*:H 'i .tt 100% |fj
I Arial 12 *
u
JAI f 1 6 I H 1 Ii jTTJZZElJjr
j j MATRIZ A ! MATRIZ INVERSA DE A
1 2 3 EIH 16 g!
2 5 3 13! j '^
1 0 8 5l -2
J
13!
T4]
1
Booki 18:32
167
Captulo 8
Determinantes
Objetivos;
S Entender qu son los determinantes
S Manejar sus propiedades
S Utilizar los determinantes en la solucin de ecuacio-
nes lineales
S Aplicar los determinantes en la solucin de la inversa
de una matriz utilizando el mtodo de cofactores y el de
matriz adjunta
8.1 Introduccin
El concepto de determinante es de gran utilidad en la solucin de

ecuaciones simultneas.
Analicemos el sistema de ecuaciones I
-2x --2y -8 \
2y = -8
-2x-. + 4y = 14 J
El sistema puede representarse por los coeficientes
-2 -2 =-8
-2 4 = 14
169
El conjunto de coeficientes de las incgnitas

-2 -2
-2 4
se conoce como matriz de incgnitas A
El determinante de la matriz A del sistema de ecuaciones li-

neales I, puede denotarse escribiendo lneas paralelas a los lados
del nombre de la matriz o a los lados de los elementos de la matriz
como se muestra:
-2 -2
|A|
-2 4
8.2 Determinantes
Determinante de una matriz (2 x 2)
La matriz A es (2 x 2) y tiene la forma:
a b
A =
c d
entonces el determinante de A es | A | = ad - cb, el clculo se rea-
liza haciendo una multiplicacin cruzada de los elementos a y d
menos los elementos c y b.
Ejemplo:
Sea la matriz
A=
170
y el determinante | A | = (-2) (3) - 4 (1) = - 6 - 4 = -10 | A | = -10.
Determinante de una matriz (3 x3)
Sea la matriz A
i2
A= a
21 a
22 a
23
La31 a
32 a
33
Para encontrar el determinante se emplean los siguientes pa-

sos:
1. Escribir las dos primeras columnas de la matriz a la derecha
de la matriz A.
2. Localizar los elementos de las tres diagonales primarias (P1?
P2, P3) y las tres diagonales secundarias (S1? S2, S3).
3. Multiplicar los elementos de cada diagonal primaria(- *) y

de cada diagonal secundaria ( ).
4. El determinante resultante es igual a la suma de los productos
de las tres diagonales primarias menos la suma de los produc-
tos de las tres diagonales secundarias.
IAI = ana22a33 + a12a23 a31 + a13a21a32 -

[a31a22a13 + a 32 a 23 a u + a33a21a12]
171
Ejemplo:
Encontrar el determinante de la matriz A
3 -2 1
A = 3 2 4
- 1 2 4
s, s 2 _s3
[(-1) (2)(1)+ (2) (4) (3)+ (4) (3) (-2)]

= 24 + 8 + 6 - [-2 + 24 - 24]
= 38 + 2
|A| = 40
Los mtodos anteriormente vistos para el clculo de las matri-

ces de (lxl), (2x2) y (3x3), solamente son vlidos para las matri-
ces que tienen esas dimensiones.
Determinante de una matriz (n x n)
Para poder resolver matrices cuadradas de un orden superior a (2x2),

podemos considerar a una matriz A de (nxn), y el determinante de
A es representado por |A|. Ahora podemos definir el concepto de
determinante:
172
Definicin:
El determinante de una matriz A es denotado por |A| y se
define como:
Si A = aj es de nxn y n > 1 entonces:
lAlânIMnl-aulMjil 4- ... + (-yâijIMj!! +
... + (-l)n+ 1 a n l |M n l |
Observe que los escalares a l b a2i? > a ni s o n l s elementos
de la primera columna de A
En general, si la matriz A = (a..), entonces su cofactor es A. de

a., y se define como:
en el que |M..| es el determinante menor de la matriz A. Este deter-

minante menor de la matriz de A se obtiene del i-simo rengln y la
j-sima columna.
Entonces el determinante de una matriz A de nxn se puede
expresar tambin de la siguiente manera:
n
|A| = a n A n + a12A12 + ... + alnAln = aikAik
en el que Aik es el factor lk de la matriz A.

En el caso de valores pequeos de n, es muy fcil de calcular el
determinante de una matriz A, utilizando la definicin, por ejemplo:
1. Cuando n = 1
Si A = [a]
entonces |A| = a
2. Para n = 2
SiA=|~a b"
c d
173
a b
entonces |A| = = a|d| - c | b | = ad - c b
c d
3. Sin = 3
a a
i2 i3
A= a
21 a
22 a
23
a a a
31 32 33
a
ll a12 a
i3
a 22 a 2 3 a 12 a 13 a
i2 a
i3
a
21 a22 a
23 = au -a21 +a 31
a
32 a33 a
32 a
33 a 22 a 23
a3i a32 a33
- a32a13)
a31(a12a23 - a22a13)
4. Cuando se evalan determinantes n > 3, se vuelve muy labo-

rioso, como se muestra en el caso de n = 4.
a a a
i2 i3 i4
a a a a
A= 21 22 23 24
a a a a
31 32 33 34
La41 a
42 a
43 a
44
^22 ^3 324 3,2 3,3 3,4 3,3
= a12 332 333 334 332 333 334 +33,82-,
a42 a43 a
44 a42 3 4 3 344
174
Ahora resolviendo cada determinante
a a a
22 23 24
a
33 a 34 a
23 a 24 a
23 a
24
l
32 "33 *34 = a 22 -a32 + a 42
a
43 a 44 a
43 a 44
a a a
42 43 44
a
- i2L a 22V a 33 a 44 ~ a 43 ft 34 j ~
a 12 a 13 a 14
*34 a 13 a 14 a
i3 a
i4
= a 12 - a 32 + a42
a a
a 43 a 44 33 34
a
23 a
24 a
i3 a 14 a
i3 a
i4
a
22 a
23 a
24 = a 12 -a 22
+ a42
a a
a a a
44 a
43 a 44 23 24
42 43 44
a a
i2 i3 i4
23 a 13 a 1 4
a
22 a
23 a
24 -a 22
a a
*32
a a
33 33 34 23 24
a a a
32 33 34
175
= a12[a22(a33a44 -a 43 a 34 )-a3 2 (a 23 a 44 -a 4 3 a 2 4 ) + a42(a23a34 -a 33 a 24 )]
~ a 2lL a i2V a 33 a 44 ~ a 43 a 34J~ a 32V a i3 a 44 ~ a 43 a i4) + a 42V a i3 a 34 ~ a 33 a i4)J
Empleando ejemplos numricos encontrar los determinantes:
1) A = [5]
2)
.2 9.
3 -1
= 27
2 9
|A| = 29
Au=(-ir|9|=l2|9| =
1 4 0
3) C =
8 5 1
5 0 4
176
1 4 0
5 1 4 0 4 0
8 5 1 = \ -8 +5
0 4 0 4 5 1
5 0 4
|B| = 1[5(4) - 0(1)] - 8 [4(4) - 0] + 5[4(1) - 5(0)]
|B| = 1[ 20 - 0 ] - 8 [16 - 0] + 5[4 - 0]
|B| = 20 - 128 + 20
|B| = -88
5 1 5 1
=1
0 4 0 4
4 0 4 0
= -1
0 4 0 4
4 0 4 0
B13 = (-!)
(-!) =1
5 1 5 1
d)
1 0 1 3
0 2 2 0
D=
4 0 1 -1
5 1 0 1
2 2 0 0 1 3 0 1 3 0 1 3
0 1 -1 - 0 0 1 -1 + 4 2 2 0 +52 2 0
1 0 1 1 0 1 1 0 1 0 1 -1
177
Resolviendo los determinantes
2 2 0
1 -1 2 0 2 0
0 1 -1 = 2 -0 +1
0 1 0 1 1 -1
1 0 1
- 0]+ l[2(-l) - 1(0)]
= 2 ( l ) - 0 + l(-2) = 2 - 0 - 2 = 0
0 1 3
1 -1 1 3 1 3
0 1 -1 = 0 -0 +1
0 1 0 1 1 -1
1 0 1
0 1 3
2 0 1 3 1 3
2 2 0 =0 -2 +1
0 1 0 1 2 0
1 0 1
= 0 - 2[l(l) - 0(3)]+ l[l(0) - 2(3)]
= 0 - 2 +1(-6) = -2 - 6 = -8
178
0 1 3
2 0 1 3 1 3
2 2 0 =0 -2 +0
1 -1 1 -1 2 0
0 1 -1
= -2[-1 - 3] = -2(-4) = 8
|D| = -1(0) - 0(-4) + 4(-8) + 5(8) = -32 +40
|D| = 8
Para simplificar la evaluacin de determinantes considrense

las siguientes propiedades:
Propiedades de los determinantes
En todos los casos sea A una matriz cuadrada
1. Si todos los elementos de un rengln o columna de la matriz A

son ceros, entonces |A| = 0
0 0 0
6 2 3 =0
7 3 4
0 6 4
0 2 3 =0
0 3 7
179
2. Cuando dos renglones o columnas de la matriz A son idnti-

cos, entonces |A| = 0
5 6 3 5
6 2 1 6
4 2 3 4=0
5 2 1 5
1 3 2 1
porque la columna uno es igual a la columna cuatro.
1 1 3
5 4 6=0
1 1 3
ya que el rengln uno es igual al rengln tres.
3. Cuando la matriz A es triangular superior o inferior, entonces

|A| es igual al producto de los elementos de la diagonal princi-
pal.
2 6 1 0
0 3 4 6
0 0 - 3 5
0 0 0 1
3 0 0
6 3 0 = (3)(-3)(2) = -18
4 5 2
180
4. Si A es una matriz identidad, entonces su determinante es igual

auno.
1 1 1
1 1 1
1 1 1
5. Si B es la matriz que se obtiene de A intercambiando dos ren-

glones o columnas, entonces: |A| = -|B|.
2 2 1 6 2 2 1 6
0 0 0 1 0 0
0 0 1 0 0 0 1 O
0 1 -3 4 0 0 O 1
Empleando la propiedad 3, entonces |B| = 2 y |A| -2.
6. Si la matriz B se obtiene de la matriz A al multiplicar un ren-

gln o columna por un escalar A. entonces:
3 2 4
2-1 2-3 2-4 - 2 1 3 2
1 0 4 1 0
7. El determinante del producto de dos matrices cuadradas es el

producto de su determinante, o sea |AB| = |A| |B|.
"2 f 1 0
y B=
4 5_ 0 3_
181
2 1 1 1
|AB| = = 18
4 5 O 3
8. Si A, B y C son matrices idnticas, excepto que para cierta i,

el rengln i-simo de C es igual a la suma del rengln i-
simo de A y el rengln i-simo de B, entonces |C| = |A| + |B|.
9. Si B es la matriz de sumar a un rengln o columna de A un

mltiplo de otro rengln o columna, entonces |B| = |A|.
2 4 2
4 3 5
Sea la matriz A =
1 2 1
2 5 3
la matriz B se obtiene de sumarle al rengln 1 el rengln 3
multiplicado por -2
"2 4 2 6 0 0 0 0
4 3 5 1 4 3 5 1 4 3 5 1
1 2 1 3 1 2 1 3 1 2 1 3
2 5 3 6 2 5 3 6 2 5 3 6
de acuerdo con la primera propiedad |B| = 0 y por lo tanto
0 0 0 0
4 3 5 1 =0
1 2 1 3
2 5 3 6
182
10.
11. Si A es invertible entonces \AA\ =
8.3 Clculo de la matriz inversa
Mtodo de cofactores
Este mtodo es el ms usado en la solucin de las matrices cuadra-

das de dimensin (2x2) o de orden superior. A cualquier matriz
cuadrada A se le puede encontrar su matriz de cofactores Ac, la
cual tiene la misma dimensin de A. La matriz Ac tiene los elemen-
tos a'y a los que se conoce con el nombre de cofactores. Por cada
elemento a'y de A existe un cofactor correspondiente a'y.
Para encontrar el cofactor aj asociado al elemento a se em-
plean los siguientes pasos:
1. Con un lpiz tachar el rengln i y la columna j seleccionando

en la matriz original, los elementos no tachados forman una
submatriz (M) de la original.
2. El ij-simo menor My, de una matriz A de (nxn) es de la matriz
de (n-1) x (n-1), que se obtiene de eliminar el rengln i-simo y
la columna j-sima de A.
Por ejemplo:
1) Encontrar la matriz de cofactores (2x2)
-4 2
B=
-2 5_

'-4 2"
JK
D
-2 5
183
a ii =(-1
a'i, =5
- 4 12"
-2 5
12
a'12 =2
B=
a',.
a'21 = -2

"-4 2"
B=
-2 5_
22
a'22 =4
184
5 2"
Ac =
-2 4
2) Encontrar la matriz de cofactores para la matriz (3x3)

5 4 3
Sea la matriz A = 2 3 0
5 4 3
3 0
A= 2 3 0 =
8 6
9 8 6
submatriz
3 0
8 6
a'n= 18
5 4 3
A= 2 2 0
3 0
9 6
9 8 6
2 O
9 6
185
=" 12
5 4 3
2 3
A = 2 3 0
9 8
9 8 6
a' |3 = (-l) 1+3 [2(8) - 9(3)]
a'13 =-11
5 4 3
A = 2 3 0
9 8 6
4 3
8 6
= (-1X24-24)
a'21 =0
186
5 4 3
A= 2 3 0
3 -2 1
5 3
a' =(-!)
3 1
= 1(5-9)
=-4
22
5 4 3
A= 2 3 0
3 -2 1
5 4
a'23 =(-!)
3 -2
a'23 =22
5 4 3
A =
2 3 0
3 -2 1
187
4 3
a' =
3 O
= (-l)<[4(0)-3(3)] = 1(0-9)
a'3l =-9
5 4 3
A= 2 3 0
3 -2 1
5 3
a'32 =(-D :3+2
3 1
= -1(5-9)
=4
5 4 3
A= 2 3 0
3 -2 1
5 4
2 3
188
= (-l)6[5(3)-2(4)] = 1(15-8)
a'33 =7
" 18 - 1 2 -11
Ac = 0 -4 22
-9 4 7
Matriz inversa por el mtodo de cofactores
En el capitulo 6 se estudi a la matriz inversa, sus propiedades y el

procedimiento de reduccin gaussiana para determinar la inversa
de una matriz cuadrada; en este tema se analizar el procedimiento
para determinar la inversa de una matriz cuadrada a partir de la
matriz de cofactores.
Los pasos a seguir con este mtodo son los siguientes:
1. Determinar la matriz de cofactores Ac, de la matriz A.

2. Encontrar la matriz transpuesta de Ac
3. La matriz inversa de A se encuentra multiplicando a la matriz
A*, por su recproco.
1
A"1 = A!
A
Ejemplo:
1) Determinar la matriz inversa de
"3 7"
A =
2 5
189
La matriz de cofactores es:
Ac =
La21 a
22
A=
a'n =
3 7
A=
2 5_
"3 f
A=
2 5
a
'21 -7
'3 7
A=
2 5
a' =(-l) 2+2 (3)=l(3)
190
5 -2
Ac =
-7 3
Encontrar la matriz transpuesta de cofactores
5-7'
A = -2
El determinante de A es:
i =5(3)-(-2)(-7) = 15-14
La matriz inversa es
5 -7
A"'-i
-2 3
5-7'
-2 3
2) Determinar la matriz inversa de
1 1 1
B= 3 0-4
1 2 5
191
La matriz de cofactores
'.. b\2 b'13

i
Bc = b' 2 1 b f 22 23
1
b 31 33
1 1 1
B= 3 0 -4
1 2 5
0 - 4
\1+1 = 8
2 5
1 1 1
B = 3 0 4
1 2 5
3 -4
b\ 2 =(-l) 3 = -1[ 3(5)-l(-4) ] = -1(15+4) = -19
1 1 1
B= 3 0 -4
1 2 5
3 0
1 2
192
1 1 1
B = 3 0 -4
1 2 5
1 1
= -3
2 5
1 1 1
B = 3 0 -4
1 2 5
1 1
1 5
1 1 1
B = 3 0 -4
1 2 5
1 1
1 2
1 1 1
B = 3 0 -4
1 2 5
1 1
= -4
O -4
193
1 1 1 '
B = 3 0 -4
1 2 5
1 1
3 -4
1 1 1 '
B = 3 0 -4
1 2 5
1 1
= -3
3 O
8 -19 6
Bc = 3 4 -1
4 7 -3
Solucin de sistemas de ecuaciones utilizando matriz inversa
El conjunto solucin de un sistema de ecuaciones se puede determi-

nar conociendo la inversa de un matriz.
Si consideramos un sistema de ecuaciones de (mxn) de la for-
ma:
194
a n x,+a 1 2 x 2 +... + a ln x n = Cl
a21x, +a 22 x 2 +... + a2nxn = C2
a
m i x i + a m 2 x 2 + + a,*,, =
El sistema de ecuaciones (I) se puede representar por la ecua-

cin matricial
AX = 0)
Ahora, si multiplicamos a la ecuacin (1) por A"1 (matriz in-
versa de A):
A-'AX = A-'C (2)
se sabe que A'A = A A 1 = I, entonces la ecuacin (2) queda como
IX = A-'C
o bien de la forma
X = A'C (3)
Por ejemplo:
1) Resolver el sistema de ecuaciones
3^ + 5^= 7 \ j
195
El sistema se representa por su ecuacin matricial
3 Slfx.l [" 7
2 -lJU2.l~l.-4
Determinar la matriz inversa de A por el mtodo de cofactores
-1 -2"
-5 3_
Encontrar la transpuesta de A
"-1 -5"
_-2 3_
El determinante de la matriz A
Por tanto
-1 -5
A--
-13 - 2 3
"1 5"
13 13
A"'-
2 3
13 13_
196
El vector solucin X es:
X = A"'C
1 5 7
13 13
2 3
-4
l.
-1
x= 2
La solucin del sistema de ecuaciones es = -1 y x2 = 2.
Xj + x 2 + x3 = 6
x, - x2 + 2x3 = 5
Xj - x 2 - 3x 3 = -10
Su ecuacin matricial
1 1 1 x
i 6
1 -1 2 x2 = 5
1 -1 -3 .X3. -10
La matriz inversa de A por el mtodo de cofactores
"5 5 0"
A. = 2 -4 2
3 -1 -2
197
Encontrar la matriz transpuesta de Ac
"5 2 3'
5 -4 -1
0 2 - 2
= 10
Por lo tanto
1
A:
A
"5 2 3"
A1 = 1 5 -4 -1
10
0 2
"5 2 3
\0 10
5 4 1
A"1 =
10 10 10
0 2 2
10 10 10
198
5 5 3
10 10 10
5 4 1
x= 10 10 10
0 2 2
-10
10 10 10
x=
La solucin del sistema de ecuaciones es x{ = 1, x2 = 2 y x3 = 3.
Mtodo de expansin por cofactores
Definicin:
Es una manera general de calcular el determinante de una
matriz, a travs de los siguientes pasos:
1. Seleccionar un rengln o columna de la matriz.
2. Multiplicar cada elemento del rengln o columna de
la matriz A por el elemento correspondiente de la matriz
de cofactores Ac,
2 A Encontrar el determinante al ampliar el rengln
i cualesquiera
I A-I ~ anota + ai2a'i2 + ... + a n a' n
2*2 Encontrar el determinante al ampliar el rengln
j cualesquiera
|1
199
Por ejemplo
x + 6y = 27
7x - 3y = 9
La ecuacin matricial
1 6 x
i "27"
=
7 - 3 _ x2 9
La matriz de coeficientes
1 6
A =
7 -3
Matriz de cofactores
-3 -7
-6 1
El determinante de A se encuentra tomando la columna 2 de la

matriz A y Ac.
3)-(7)(6) = -42-3
|A| = -45
La matriz inversa de A
200
3 7
-3 -7" 45 45
-45 - 6 1 6 1
45 45
El vector solucin X es
7
45 45 "27"
X=
6_ 1 9
45 45.
La solucin de un sistema es Xj = 3 y x2 = 4
X - y+z = 2
X + y+z = 4
2x -t-2y- z -4
La ecuacin matricial
"1 - 1 rV 2
1 1 1 x2 = 4
2 2 -1 X, -4
La matriz de coeficientes
1 -1
A= 1 1
2 -1
201
La matriz de cofactores
"-3 3 0'
1 -3 -4
-2 0 2
El determinante de A se encuentra tomando la columna 3 de
la matriz A y A .
La matriz transpuesta de cofactores

"-3 1 -2'
K= 3 -3 0
0 -4 2
Matriz inversa de A
"-3 1 -2"
A---L 3 -3 0
o 0 -4 2
El vector solucin es
3 1 2"
6 6 6
2"
3 3 0
4
~6 6 6
-4
0 4 2
6 6 6
202
-f
1
x=
4
La solucin del sistema e s x 1 = - l , x 2 = l y x 3 =
8.4 Regla de Cramer
Es un mtodo para resolver un sistema de "n" ecuaciones lineales

con "n" incgnitas, a travs de los determinantes, empleando los
siguientes pasos.
Sea el sistema:
a
ilXl + a
i2 X 2 +
- + a
in X n = C
l
= C
2
1. Encontrar la ecuacin matricial del sistema de ecuaciones I
AX = C
2. Encontrar el valor de la variable j-sima, empleando la expre-

sin
A;
X: =
1
A
2.1 A j se obtiene al reemplazar la j-sima columna de A con
el vector columna C.
203
Cuando |A| = 0 y X. no est definida, entonces A es singular,

y el sistema de ecuaciones no tiene solucin o se obtienen un
Si |A| & 0, existe una solucin nica.
Resolver el sistema
11X1 + a
i2 X 2 ~ C
l \
I
21X1 + a
22X2 = C
2)
Ecuacin matricial del sistema de ecuaciones (I)
*12
X
L a 2i l
22j LC2J
Encontrar la expresin para x
c a22
x, = a-n a12
a21 a22
Encontrar la expresin para x
a c
ll l
21
12
22
Por ejemplo
1) Resolver el sistema mediante la regla de Cramer
204
1
2x,-
Ecuacin matricial del sistema de ecuaciones II
3 5'
X
2 -1 -4
Encontrar la expresin para X y el valor de la misma
7 5
-4 -1 7(-l)-(-4)(5) - 7 + 20 13
X, - = -1
3 5 3(-l)-(2)(5) -3-10 -13
2 -1
Para X,
3 7
-2 -A -3(-4)-2(7) -12-14 -26
X, = =2
3 5 -13 -13 -13
2 -1
Por lo tanto la solucin es x{ = -1 y x2 = 2
2) Resolver el sistema mediante la regla de Cramer
Xj + x 2 + x3 = 4
2Xj - 3x2 + 5x3 = -5 III
3x, +4x 2 + 7x3= 10
205
Ecuacin matricial del sistema de ecuaciones III
X a
21 a
22 a
23
33
Encontrar el valor de X,
4 1 1
-5 -3 5
10 4 7 -69
X, = =3
1 1 1 -23
2 -3 5
3 4 7
Encontrar el valor de
1 4 1
2 -5 5
3 10 7 -46
X2 = =2
1 1 1
2 -3 5
3 4 7
Encontrar el valor de X3
206
1 1 4
2 -3 5
Y
3 4 10 23
A
3
1 1 1 -23
2 -3 5
3 4 7
Por lo tanto la solucin es x, = 3, x2 = 2 y x3 = 1.
207
Captulo 9
Determinantes y transpuestas con excel
Objetivos;
V El lector ser capaz de obtener determinantes y trans-
puestas de una matriz utilizando Excel.
9.1 Introduccin
La hoja electrnica de Excel resuelve la totalidad de las operacio-

nes que se desarrollan con determinates de una matriz utilizando
pegar funcin y la funcin MDETERM. Para el caso de la matriz
transpuesta se utiliza el men Edicin, transpuesta de una matriz y
pegado especial; porque en este caso slo se trata de un ordena-
miento de datos.
9.2 Determinantes
El determinante de la matriz B es = -1
"2 1 0
ira
1 3 2
1 2 1
209
Para calcular el determinante de una matriz se utiliza la fun-

cin MDETERM, la cual se obtiene seleccionando de la barra
estndar <Pegar funcin>, <Matemticas y trigomomtricas>,
<MDETERM>, ver imagen 9.1
Imagen 9.1
Seleccin de MDETERM
Paste Function
IMost Recently Used GCD

All INT
Financial Lcm
Date & Time LCM
LN
Statistical LOG
Lookup & Ref erence LOG10
Datbase JISJH3;
Text MINVERSE
Logical MMULT
Information MOD
Enseguida aparece una ventana que solicita la identificacin

de las celdas en que se encuentran los elementos de la matriz a la
que se le calcular el determinante, ver imagen 9.2
Ya que el valor del determinante es nico, esta operacin no
requiere expancin de frmula. La imagen 9.3 muestra que el
determinante es calculado utilizando todos los valores de la ma-
triz.
210
Imagen 9.2
Llenado de MDETERM
Imagen 9.3
1 valor del determinante se calcula utilizando todos los
elementos de la matriz.
211
9.3 Tanspuesta
La transpuesta de una matriz se obtiene utilizando el men Edi-

cin. En'este caso ms que una operacin es un ordenamiento de
elementos.
Procedimiento:
1. En primer lugar hay que rotular y capturar los datos de las
matrices.
2. Enseguida se selecciona la matriz a transponer.
3. Despus se selecciona \% celda donde se desea aparezca el
primer elemento de la transpuesta.
4. Se selecciona el men Edicin, ver imagen 9.4
5. Se pulsa <Pegado especial><Pegar valores><Operacin nin-
guna>, en la parte inferior de la ventana de pegado especial se
selecciona transponer y aceptar, ver imagen 9.5. La transpuesta
aparece iniciando en la celda seleccionada, este proceso no
requiere expancin de frmula, ver imagen 9.6
Imagen 9.4
Uso del men Edicin para transponer una matriz
f* % ;
OH+C
J.L
* MATRIZ "B"" TRANSPUESTA DE^B^ ^~
'a'j &****
2 1 0
1 3 2
si * 1 2 1
I ***
|H (**$*
9;
j M0BA
Ctr+H
' Orl+G
SJ
J.L.... _ t ...f 1
/wd-Matriz pMcxo*oft E*crf - E
212
Imagen 9.5
Uso del men Edicin para transponer una matriz
;/-';-"' 1/ ;- OK , I ' Cancel J
Imagen 9.6
Matriz transpuesta
lo
'V "pTjr;gjtpi
ZE r - l ElIfO i H '] I I i L K
JLi MATRIZ B
k. 2 1
1 3
0 2
JL
'L
1
i
14|
Bookl ^
213
Captulo 10
Algebra del espacio
Objetivos:
Al finalizar este captulo, el lector :
S Construir los ejes coordenados empleando vectores.
S Identificar vectores linealmente independientes.
S Gererar subespacios en W* y conocer su dimensin.
S Identificar el rango de una matriz.
S Generar bases ortonormales en $Hr> t
10.1 Introduccin
En est capitulo se estudia la forma de obtener los ejes coordenados

empleando los vectores, y tambin utilizando los conceptos de
independencia lineal, conjuntos generadores y bases, desarrolla-
dos en captulos anteriores.
10.2 Ejes de coordenadas usando vectores
A partir de cualquier par de rectas que se cortan se pueden cons-

truir ejes de coordenadas si las rectas son perpendiculares. Por
ejemplo considere dos vectores unitarios u y v perpendiculares en
el espacio (euclidiano real) denotado por R2 y un punto de origen
215
comn de stos como 0. Ahora bien si P es un punto en el plano R2

como se muestra en la figura 10.1
Figura 10.1
P
bv, i
/
/
V i i /
u au
Los vectores u^y v desde 0 hasta donde las perpendiculares de

P son au y bv, y QP es un vector que se denota como:
OP = au + bv
Las rectas que contienen a los vectores unitarios u y v se trans-

forman en los ejes de coordenadas, y las coordenadas del punto P
son (a,b), representndose grficamente como se muestra en la
figura 10.2
Figura 10.2
P(a,b)
216
Captulo 10
Algebra del espacio
Objetivos:
Al finalizar este captulo, el lector :
S Construir los ejes coordenados empleando vectores.
S Identificar vectores linealmente independientes.
S Gererar subespacios en W* y conocer su dimensin.
S Identificar el rango de una matriz.
S Generar bases ortonormales en $Hr> t
10.1 Introduccin
En est capitulo se estudia la forma de obtener los ejes coordenados

empleando los vectores, y tambin utilizando los conceptos de
independencia lineal, conjuntos generadores y bases, desarrolla-
dos en captulos anteriores.
10.2 Ejes de coordenadas usando vectores
A partir de cualquier par de rectas que se cortan se pueden cons-

truir ejes de coordenadas si las rectas son perpendiculares. Por
ejemplo considere dos vectores unitarios u y v perpendiculares en
el espacio (euclidiano real) denotado por R2 y un punto de origen
215
si y solo si Ax=u tiene una solucin nica, si la columna /-sima de

A=[v b v 2 ,...,v k ] es u,.
Si tiene solucin, los componentes Xj^v-jX^ de x proporcio-
nan los coeficientes de la combinacin lineal.
Ejemplo
a) Expresar el vector (7, -4) como una combinacin lineal de

los vectores u = (3,2) y v = (5, -1), representando los vectores
en columnas, y usando como escalares a y b.
3 5 3a + 5b~ 7
+b
2 -1 2a -b -4
> v ''
u
se puede escribir como:
2 -ib
o tambin
3a + 5b = 7
2a - b = 4
se puede encontrar la solucin
p 5! 7 1 -
o I 3-263 J
-2R 1 + R 2
2 -li-4 2 - 1 -4
3
1 O -1
1
3
O 1 O 1
218
entonces a = -1 y b = 2, por lo tanto
(7, -4) = -u +2 v
b) Expresar el vector (6, 5, -10) como una combinacin

lineal de los vectores u = (l, 1, l),v = (1,-1,-1) y w = (l,
2, -3), represente los vectores en columnas y utilice como
escalares a, b y c.
"1" " 1" " 1' a +b +c ' 6 '

1 + b -1 + c 2 = a -b + 2c = 5
1 -1 -3 a -b -3c -10
se puede escribir como
1 1 1 a 6
1 -1 2 b = 5
1 -1 -3 c -10
o tambin
a + b + c= 6
a - b + 2c = 5
a -b -3c = -10
Encontrar la solucin
1 1 1 6 "11 1|6 -3
"1 0 0 1"
I I
-R2+R, - R3+R1
1 -1 2 5 0 2 -l! 1
I
o 1 o! 2
I
1 -1 -3'-10 1 -1 -3-10 0 0 13
entonces a= l,b=2yc=3, por lo tanto (6,5,-10) =u+2v+3w.
219
10.3 Base en Rn
Un subconjunto de vectores en Rn se puede utilizar para formar un

sistema de coordenadas en Rn, al cual se le llama base de Rn.
Definicin:
Sea el conjunto {xxh u2,..., uk} de vectores Rn, se le
conoce como base de Rn si todo elemento de Rn se puede
expresar como una combinacin lineal de u b u2, ..-> uk en
una y slo una forma.
El mtodo para determinar si un conjunto de vectores S es de

base Rn es el siguiente:
1. Formular una matriz A de orden n x n cuyas columnas sean

u1? u 2 ,..., uk
2. Para saber si S es base, se debe de cumplir cualquiera de los
siguientes casos: a) es invertible, b) el determinante de A es
distinto de cero, c) A se reduce por renglones a In.
3. Para saber que S no es base, no se cumplen los casos mencio-
nados en el segundo punto.
Antes de plantear algunos ejemplos es importante mencionar
el teorema 2.
Teorema 2
Sean los vectores v1?v2,...,vn en Rn y [Vj,v2,...,vn] la matriz n x n

cuya columna / -sima es vi.
a) {vi,v2,.-.,vn} es una base de Rn

b) [vi,v2,...,vn] es invertible
c) [vi,v2v..,Vn] es In
d) Determinante [ v ^ , . . . ^ ] * 0
220
Ejemplo:
1) Probar que el conjunto de vectores u = (-1, -3, -3), v = (3, -1,

9) y w = (5, 5, 15) no es una base de R3.
Formar una matriz A de n x n cuyas columnas son u, v y w
-1 3 5
A = -3 -1 5
-3 9 15
U V W vectores
encontrar el determinante de A
- 1 3 5
-3 -1 5 =0
-3 9 15
Como el |A| =0, los vectores u, v y w no forman una base de

R3
Si empleamos la forma reducida de renglones de A
-1 3 5 1 -3 -5
- 3 -1 5 O 1 1
-3 9 15 0 0 0
Como se observa la matriz A no se puede reducir a I 3 , enton-

ces el conjunto de vectores u, v y w no forman una base de
R3.
2) Probar que el conj unto de vectores u = (l, l,2),v = (-l, 1,2)

y w = (1, 1, -1) forman una base de R 3 .
Construir la matriz A de n x n cuyas columnas son los vectores
u, v y w .
221
1 -1 1
A = 1 1 1
2 2 - 1
U V W
encontrar el determinante de A
1 -1 1
A = 1 1 1 = -6
2 2 - 1
Como el |A| * 0, entonces los vectores u, v y w forman una

base en R3.
Empleando la formas reducida de renglones de A
1 -1 1 1 0 0
1 1 1 ->....- 0 1 0
2 2 _l 0 0 1
La matriz A se pudo reducir a I3 , entonces el conjunto de

vectores u , v y w , forman una base de R3.
Encontrar la inversa de la matriz A.
3 -1 2
6 6 6
-3 3
0
6 6
4 -2
0
6 6
Como la matriz A es invertible, el conjunto de vectores u , v y
w, forman una base de R3.
222
3) Demostrar que los vectores u = (1, 0, 0), v = (0, 1, 0) y w =

(0,0, 1), son base de R3.
Construir la matriz A de n x n cuyas columnas son los vectores
"1 0 0"
A = 0 1 0
0 0 1
Como se observa la matriz A es de forma
"1 0 0"
0 1 0
0 0 1
Lo cual nos indica que tambin es invertible y que su

determinante es distinto de cero (|A| = 1), entonces el conjun-
to de vectores u, v y w son base de R3.
En base al ejemplo 3 podemos plantear la forma general de la

base cannica de Rn, en donde los vectores uj = (1, 0,..., 0), U2 =
(0,1,..., 0),...., un = (0, 0,..., 1), forman el conjunto S = { u b u 2 ,...,
un } de la base cannica de Rn.
La matriz A de n x n cuyas columnas son los vectores u l5 u2
1 0
0 1
A=
0 0 . . . 1
es invertible y el determinante de A es distinto de cero.
223
10.4 Independencia Lineal
Una ecuacin vectorial a1u1 + a2u2 + ... + akuk = 0 va a tener por lo

menos una solucin, los escalares a1 = a 2 =... = \ = 0. Un conjunto
{u r u2, ..., uk} es linealmente independiente si y slo si, se tiene
una solucin nica. Entonces la representacin nica es empleada
para la independencia lineal.
Definicin:
Sea el conjunto {u b u2, ..., uk} de vectores en Rn es
linealmente independiente, si y slo si, la ecuacin vectorial
tiene una solucin nica, si existen escalares aj = a2 = ... =
a k =0
Los pasos para identificar si un conjunto S = {u1? u 2 ,..., uk}

de vectores es linealmente independiente, son los siguientes:
1. Se plantea la ecuacin vectorial a ^ + a2u2 + ... + akuk = 0, y

se resuelve para los escalares a1? a 2 ,... 5 ak
2. Se verifica que la solucin nica es a! = a2 = ... = ak = 0,
entonces el conjunto S de vectores es linealmente indepen-
diente.
Ejemplo:
1) Mostrar que los vectores u = (3,4,1) y v = (2,1,0) son

linealmente independientes
= ^ (3, 4,1)+ a 2 (2, 1,0)

= (3a l 4a l j a 1 ) + (2a2, a2 0)
= (3a!+ 2a2, 4a1 + a 2 ,a 1 )
=(0,0,0)
El sistema de ecuaciones queda como:
224
! 2 =0
4a! + a2 =0
ai+ 0 =0
al sustituir aj= 0 en la ecuacin 1 y 2 a2 es igual a cero, enton-

ces tenemos una solucin nica aj= a2 = 0 de la ecuacin ai U
+ a2 v = 0, esto nos lleva afirmar que los vectores u y v son
linealmente independientes.
2) Mostrar que los vectores u = (1, 1) y v = (-1, 2) en R2 son

linealmente independientes.
= (ai,a!) + (-a 2 +2a 2 )

= ( a r a 2 , a i + 2a2)
= (0,0)
Entonces la solucin del sistema I es nica con ai = a2 = 0, y

los vectores u y v son linealmente independientes.
Definicin:
Sea el conjunto {uj, u2, ..., uk} de vectores en Rn es
linealmente dependiente, si y slo si, la ecuacin vectorial
&!**! + a2u2 + ,,, + a ^ = 0, se tiene una solucin en la que
no todos los coeficientes ai son iguales a cero.
Ejemplo:
1) Mostrar que los vectores u =(1,1), v = (-l,2)y w = (-2,l)en

R2 son linealmente dependientes.
225
a! u + a 2 v + a 3 w = a,(l,l) + a2(-l,2) + a3(-2,l)

= (a lt a,) + (-a2,2a2) + (-2a3, a3)
= (a! - a2 - 2a3 a! + 2a2 + a 3 )
= (0,0)
a! - a2 -2a3 = 0
a! + 2a2 + a3 = 0
como puede observarse la solucin del sistema no es nica por lo

que los vectores u, v y w son linealmente dependientes.
2) Mostrar que los vectores u = (2,3), v = (1,-1) y w = (0,1) en R2

son linealmente dependientes.
l) + a 3 (0,l)
3a1) + (a 2 -a 2 ) + (0,a 3 )
a 2 ,3a 1 -a 2 + a 3 )= (0,0)
El sistema de ecuaciones es
=0
3a! - a2 + a3 = 0
El sistema no tiene una solucin nica, entonces los vectores

u, v y w son linealmente dependientes.
3) Mostrar que S = {(1, 0), (0, 1), (1, -1)} son linealmente inde-
pendientes
aj (1,0) + a 2 (0,l) + a3 (1,-1) = a! u + a2 v + a3 w

ai + a2 + (a 3 -a 3 ) = (0,0)
( a i + a 3 ,a 2 -a 3 )=(0,0)
El sistema de ecuacin es:
226
a + a =
l 3 O
a2 - a3 = 0
Si c * 0 y a2 = c entonces la solucin del sistema es a3 = +c, aj

= -c, no se obtiene una solucin trivial, por lo que S es lineal-
mente dependiente.
4) Mostrar que S = {(1, 0), (0,1)} son linealmente dependientes
0) + a2(0, 1)
ai + a2 =(0,0)
Como tenemos una solucin nica, entonces S es lineal-

mente independiente, ya que a\ = a2 = 0
Teorema 3
Los vectores u1 ,u2,...,uk de Rn forman un conjunto de vectores li-

nealmente independientes en Rn, si y slo si, se cumplen cual-
quiera de los siguientes casos.
a) El determinante de [u1?u2,...,uk] * 0
b) o es invertible [u!,u2,...,uk]
c) o[u b u 2 ,...,u k ]esl n .
Ejemplo:
a) Mostrar que los vectores u = (1, 1, 2), v = (-1, 1, 2) y w = (1,

-1,-1) son linealmente independientes.
"1 - 1 1
a. Det 1 1 1 = -6
2 2 - 1
227
3^
6 6
b. es invertible
- O
~6 6
4 -2
O
1-1 1 '1 0 0"

c
' 1 1 1 - .... - 0 1 0
2 2 - 1 0 0 1
Los vectores u , v y w son linealmente independientes.

Los vectores u1,u25...:>uic de Rn forman un conjunto de vectores
linealmente dependientes, si y slo si, se cumplen cualquiera de
los siguientes casos:
a) El determinante de [u1?u2,...,uk] = 0
b) o si es singular [ui,U2,...,uJ
c) o[u 1 ,u 2 ,...,ij9 t In
Ejemplo:
a) Mostrar que los vectores u = (-1,-3,-3), v = (3,-1,9) y w =

(5,5,15) son linealmente dependientes.
- 1 3 5
a. -3 -1 5 = 0
-3 9 15
U V W vectores
1 3 5
b. A = 3 - 1 5 = 0
3 9 15
228
La matriz A no se puede transformar en I3, por lo tanto A"1 no

existe, entonces A es singular porque no existe solucin de la
ecuacin
c. -1 3 5 1 -3 -5
-3 1 5 -.... - 0 1 1
-3 9 15 0 0 0
Teorema 4
Sea el conjunto S = {u1?u2,...,uk}de vectores en Rn es linealmente

independiente, si y slo si, se cumple para cualquier vector v = a^j
+ a2u2 +... + aÛk de tal forma que la representacin es nica.
Dos vectores no paralelos (no colineales) en una misma recta,
son linealmente independientes. En el espacio tres vectores cua-
lesquiera no paralelos en el mismo plano (no coplanares) son li-
nealmente independientes como se muestra en la figura 10.3
Figura 10.3
z
Teorema 5
Sea el conjunto S = {u1,u2,...,uk}de vectores en Rn es linealmente

dependiente, si y slo si, al menos uno de los vectores del conjunto
S se puede expresar como una combinacin lineal en trminos de
los dems vectores.
229
Ejemplo:
a) Si consideramos dos vectores u y v que tienen un punto inicial
en el origen en R2, son linealmente dependientes porque son
paralelos en la misma recta que pasa por el origen, ver figura
10.4
Figura 10.4
b) Si consideramos un conjunto S de tres vectores {u, v y w }

que tienen un punto inicial en el origen de R3, estos sern
linealmente dependientes, por que los vectores son paralelos
en el mismo plano (coplanares), como se observa en la figura
10.5 el vector w se puede expresar como una combinacin
lineal w = au + bv de los vectores u y v.
Figura 10.5
230
c) Sean cualesquiera cuatro vectores A, B, C y D del espacio son

linealmente dependientes, si los vectores OA , OB~, OC~ son
no coplanares y sea QD~ otro vector. Ahora s tenemos la res-
tas DDj paralela OC entonces D1 pertenece al plano AOB, como
se muestra en la figura No. 10.6, el vector OD~ es coplanar
respecto a los vectores OA~ y OB~ ? entonces OD~ = OD1 +
DXD
Figura 10.6
Teorema 6
Sea S = {u1,u2,...,uk} un conjunto de vectores en Rn, si k >n enton-

ces S es linealmente dependiente.
Ejemplo:
Sean tres vectores u = (1,3), v = (0,3) y w = (8,2) en R2 son
linealmente dependientes, porque k > n, o sea 3 >2.
Si un conjunto de vectores S, es linealmente independiente si
k < n. Para la dimensin del conjunto de todos los vectores planos
es igual a dos, en el conjunto de vectores espaciales de tres, en una
dimensin finita (a la cual se le conoce como espacios de dimen-
sin finita) y para un espacio de dimensin infinita se puede en-
contrar un nmero tan grande de vectores independientes como se
quiera.
231
Teorema 7
En un espacio lineal de dimensin finita todo conjunto de vectores

linealmente independientes puede ser incluido como una base.
10.5 Subespacios en Rn y dimensin
Existe un determinado tipo de aplicaciones en el que es necesario

utilizar subconjuntos de espacios vectoriales, siendo a su vez s-
tos espacios vectoriales.
Comenzaremos primero analizando el espacio generado por
S. Sea el conjunto de todas las combinaciones lineales de un con-
junto arbitrario S, se le conoce como espacio generado por S. Ahora
si {u1?u2,...,uk} es un conjunto generado de Rn, se puede decir que
los vectores u1?U2v..?uk generan a Rn.
Definicin:
Dado un conjunto {u b u2*,..>iijj de vectores en Rn, e$ un
conjunto generador de Rn, si cada uno de los vectores en
Rn se expresan como una combinacin lineal de los
vectores ul9 u 2 ,..., uk de la base.
Ejemplo.
1) Mostrar que los vectores u = ( l , l ) , v = ( l , 2 ) y w = (-2,1) no

generan a R2.
Se considera un vector arbitrario (a, b) como una combina-

cin de los vectores u, v y w.
232
el sistema se escribe como:
2L\ + a2 - 2 a3 = a
ai + 2a2 + a3 = b
En forma matricial:
1 1 -2 1 0 - 5 ! 2a -b
1 2 1 0 1 3 !-a +b
Como puede observarse no hay una solucin nica, por lo

tanto van a existir una infinidad de soluciones, esto nos lleva
a que el vector (a, b) tambin se puede representar en una
infinidad de formas en una combinacin lineal de los vectores
u, v y w.
2) Mostrar que el vector (0, 3) no pertenece al conjunto de

vectores u = (-l,2) y v = (-2,6) para generar a R2.
Se considera al vector (0, 3) como una combinacin de los
vectores u y v.
a,(-l,2) + a2 (-2,6) = (0,3)
El sistema se escribe como:
-a! - 2 a2 = 0
2 a! + 6 a2 = 3
En forma matricial:
-1 -2 "1 2|0"
2 6 0 0 !3
No hay solucin.
233
3) Los vectores u = (1, 1, 2), v = (-1, 1, 2) y w = (1, 1, 1) van a

generar a R 3 , porque forman una base de R3.
Teorema 8
Sea el conjunto S una base de Rn, si y slo si es un conjunto gene-

rador de Rn linealmente independiente.
Ejemplo.
1) Los vectores u = (-1,-3,-3), v = (3,-1,9) y w = (-1 ,1,2) no

generan a R3 ya que no forman una base de R3.
2) El conjunto de vectores u = (l,1,2), v = (-l,l,2)yw = (1,1,-1)

generan a R3, porque forman una base de R3 y son linealmen-
te independientes.
Sea v un espacio real o complejo, si S es un subconjunto de v,

teniendo S las mismas operaciones que v. Podemos decir que S
es un subespacio de v si S tiene las mismas operaciones en un
espacio vectorial.
Definicin:
Sea S un subconjunto (no vaco) de Rn, es un subespacio de
Rn si cumple con las propiedades siguientes:
1. Si u y v pertenecen a S, entonces u + v pertenecen a S,
2. Si u pertenece a S, sea c cualquier escalar, entonces cu
pertenecen a S.
Esto quiere decir que todas las combinaciones lineales del

conjunto S ={u1,u2v.., UjJ de vectores en Rn, que se conocen como
234
un espacio generado por S cualquier subconjunto de Rn que satis-

faga estas dos propiedades es llamado un subespacio de Rn .
Ejemplo:
1) Sea un espacio generado por {(2,3)} en un subespacio de R2,

se encuentra en la recta de la figura 10.7 (todo subespacio de
Rn siempre tiene una base).
Figura 10.7
Este subespacio contiene a todos los vectores en R2 que se

encuentran en la recta que pasa por los puntos (0,0) y (2,3).
A los subespacios {0} y Rn se les conoce como subespacios
triviales de Rn y a los dems subespacios de Rn se les nombran
espacios propios.
Si un subconjunto de Rn no contiene a cero, no es un
subespacio de Rn (Toda recta o plano que no pasa por el origen no
es un subespacio). Ahora si decimos que el vector cero pertenece
a todo subespacio de Rn entonces {0} como Rn deben ser
subespacios de Rn.
235
Ejemplo:
2) Sea el espacio generado por {(3,8,5)} en un subespacio de

R3, este subespacio contiene a todos los vectores en R3, que
se encuentran en la recta que pasa por los puntos (0,0,0) y
(3,8,5), como se muestra en la figura 10.8
Figura 10.8
(3, 8, 5)
3) Los vectores m = (2,-1,3), u2 = (4,0,6) y u3 = (8,-2,-3) gene-

ran a R3, porque forman una base de R3. El espacio generado
por los vectores u l5 u2 y 113 es un subespacio de R3 que contie-
ne a los vectores (0,0,0) u l5 u 2 y u3.
Teorema 9
Sea la matriz A de m x n. En donde el conjunto de todas las solu-

ciones posibles de un sistema homogneo de ecuaciones Ax = 0,
236
va a ser un subespacio de Rn, al cual se le nombrar como espacio

solucin del sistema.
Ejemplo:
1 0 3
1) Sea la matriz A =
0 0 1
Probar que [1,1,1] no pertenecen al espacio de renglones de A.

Sean los escalares Xj y x2
x^l 0 3]+x 2 [0 0 l]=[l 1 l]
Entonces el sistema queda
X! + 0 = 1
0 X! + 0 = 1
3 X! + 0 = 1
El sistema no tiene solucin y el subconjunto [1 1 1] no

pertenece al espacio vectorial de renglones de la matriz A.
2) Probar que [ 2 0 7 ] pertenece al espacio de renglones de
l~ 0 3"
A=
L
Sean los escalares \\ y x2
xjl 0 3]+x 2 [0 0 l]=[2 0 7]
El sistema de ecuaciones queda:
xj + 0 = 2
0x, + 0 = 0
3 x, + 0 = 7
237
La solucin es Xj = 2 y x 2 = 1, entonces el vector [ 2 0 7 ]

pertenece al espacio de renglones de A.
Ahora si partimos de que todo subespacio de R n tiene una
base, y la base de un subespacio v de R n es un conjunto generado
de v linealmente independiente y puede tener muchas bases dife-
rentes de R n .
Teorema 10
Sea {u1,u2v..? up} una base de un subespacio de Rn, de tal forma

que todo subconjunto de v, que contenga ms de p elementos es
linealmente dependiente.
Demostracin del teorema 10
Sea S = {vi,V2,..., vm} un subconjunto de v, en donde m > p. Si

{u1?u2,..., up} es una base de v, entonces cada vector v debe de
expresarse como una combinacin lineal de los elementos de la
base.
v1=anu1+a21u2+...
v2 = a 1 2 u 1 + a 2 2 u 2 + . . .
(1)
v m = a l m u 1 + a 2 m u 2 + . . . + apmu
Sean los escalares c1? c2, ...,cm; no todos iguales a cero.
ClV!+ C 2 V 2 + ... + C m V m =0 (2)
La ecuacin equivalente 3 se obtiene de las ecuaciones 1 y 2
+ c2a12 + ... + c m a lm ) + u2 ( c ^ i + c2a22 +... + cna2m)

+ ... + up ( c ^ ! + c2ap2 + ... + cmapm) = 0 (3)
238
Si el conjunto {u1)u2v.., up} es una base y es un conjunto li-

nealmente dependiente, entonces la ecuacin (2) tendr una so-
lucin no trivial, solamente cuando los coeficientes de la ecuacin
(3) sean todos iguales a cero.
anc1+a12c2+...
a 2 1 c 1 +a 2 2 c 2 +...
El sistema anterior es homogneo con precauciones lineales

con m incgnitas, en donde m>p. El sistema tiene una solucin no
trivial, o sea, que tiene un nmero infinito de soluciones y por
consecuencia se pueden llegar a tener escalares distintos de cero.
Por lo tanto:
S = {vl5V2,..., vm} es linealmente dependiente
Corolario
Sean las bases infinitas s, = {u1?u2,..., up} y s2 = {v1?v2,..., vn}de un

subespacio v de Rn. Entonces debemos tener el mismo nmero de
elementos (m = p) en el mismo espacio.
Teorema 11
Al nmero de elementos de cualquier base de un subconjunto v de

Rn se le llama dimensin de v. Entonces s la dimensin de v es n,
se dice que v es n - dimensional.
La dimensin de un subespacio de Rn siempre es menor que,
o igual a n.
239
Ejemplo:
a) Si v es el subespacio de Rn generado por el vector (1,2), en-
tonces el vector (1,2) es una base de v y la dimensin de v es
uno.
b) Sea el subespacio v de R3 generado por los vectores (1,1,0) y
(2,0,4), los vectores son linealmente independientes y la di-
mensin de v es dos.
c) La dimensin de un subespacio trivial {0} es cero (por con-
vencin).
10.6 Rango de una matriz
Al relacionar los conceptos de espacios vectoriales en Rn con los

de matrices, se puede definir el rango de una matriz.
Definicin:
Sea A una matriz, el rango de sta es la dimensin del espa-
cio de renglones y la dimensin del espacio de columnas.
El rango por renglones de la matriz A es igual al nmero de

renglones no nulos, de cualquier forma escalonada por renglones
correspondientes a la matriz A.
Ejemplo:
1) Determinar el rango de A
'1 1 0 2
A = 0 3 1 1
2 3 3 7
La reduccin por renglones de la matriz A es
240
1 1 0 2 1 1 0 2
1 1
0 3 1 1 - > - >
0 1 - =A'
3
2 3 3 7 0 0 1 1
Existen tres vectores no nulos, entonces el rango de la matriz

A es de tres.
2) Encontrar el rango de la matriz B.
-1 2 5'
-2 -1 5
6 18 0
La forma escalonada por renglones de la matriz B es:
-1 2 5 1 3 0
-2 -1 5 -> - 1 1 1 = B'
6 18 0 0 0 0
Slo existen dos renglones no nulos, entonces el rango de la

matriz B es de dos. Como la matriz B no se reduce a I3? por lo
tanto no es una base de R3 y el espacio generado por {u1? u2,
u3} es dado por los renglones no nulos de B ? , es decir, vx = (1,
3,0)yv2=(l,l,l).
Teorema 12
Sea la matriz A de n x n entonces:

1. A es invertible
241
2. En toda matiz B n x 1 la ecuacin A X = B tiene solucin

nica.
3. A X = 0 tiene solucin trivial.
4. La columna de A forma una base en Rn.
5. Las columnas de A son linealmente independientes
6. Los renglones de A forman una base de Rn.
7. Los renglones de A son linealmente independientes.
8. La forma escalonada reducida por renglones de A es In.
9. Determinante de A es distinto de cero
10. El rango de A es igual a n
10.7 Bases ortonormales
Cuando es necesario tener ejes coordenados mutuamente perpen-

diculares, se necesita un conjunto ortogonal de vectores como base,
o sea, el conjunto de s = {uj, u2, ..., uk} en Rn es ortogonal, si
cumple con u. u = 0, siempre y cuando j = / Ahora si el conjunto
s = {u1? u2, ..., uk} de vectores no nulos en Rn es ortogonal, se
puede afirmar que s es linealmente independiente, y si todo vector
que pertenece a la base ortogonal s tiene una longitud unitaria,
esto quiere decir que la base es lineal o cannica.
Definicin:
Sea el conjunto s = {ui, u2, ..., uk} de vectores en Rn es
ortonormal si cumple con que: s es ortogonal y que todo
vector de s tiene una longitud unitaria, o sea; 11*,-1 - 1 , para
todo i
Ejemplo:
1) Transformar el conjunto {u, v} en un conjunto ortonormal.
u = (2,4) y v = (5,-3)
242
Encontrar la magnitud de cada vector
u = 16 = V20"
V =
para normalizar cada vector, se divide a ste entre su magni-

tud.
u =
El conjunto ortonormal es { u\ \9} y es una base de R2, los

vectores u' y v' son linealmente independientes y la matriz es
invertible.
2_
To
5_ -3
T4
Para expresar el vector w = (1, -2) como una combinacin

lineal de los vectores ortonormales u' y v' es haciendo a w = a
u' + b v' y resolviendo para encontrar a y b. Otra alternativa de
solucin es emplear el siguiente teorema.
Teorema 13
Sea {vl5 v2, ..., vn} una base ortonormal de Rn y v es cualquier

vector en Rn entonces v = (v. v^Vj + (v. v2)v2 +... + (v. vn)vn el
coeficiente de yt es v . v r
243
Si expresamos a w = (1, -2) como una combinacin lineal de

vectores ortonormales u ' y v ' empleando el teorema 14 tenemos:
w = (w . u') u' + (w . v') v'
8 -6
/20 V20 720 20 20
5 -3 5 6 11
-6 , 11
/20J
2) Sean los vectores u = (-1,2,5 ),v = (-2,-1,0) y w = (l,-2,1)
a) Encontrar la base ortonormal
b) Expresar a t (1, 4, 3) como una combinacin lineal de los
vectores ortonormales u', v ' y w ' .
Solucin:
a)
w =
1, 2, 5)
V = >, - 1 , 0)
244
I - 1
w
b) t = (tu')u + ( t v ) v + (tw)w^
. , , , . . . 2 5 ) -1 8 15 22
30' -M' 430J ^30 ^30 ^30
,-2 -1 ^ -2 4 -6
Matriz ortogonal
La matriz A de n x n es ortogonal si sus columnas forman un

conjunto de vectores ortonormales v1?V2v.., vn, si stos vectores
son linealmente independientes entonces la matriz es invertible.
Teorema 14
Los siguientes enunciados son equivalentes

a) A es ortogonal
b) A - ^ A 1
c) A1 es ortogonal
245
Ejemplo:
1) Sean los vectores
l 3
u'-
' 3 - 1
. j , ort<
Entonces la matriz
1 3
A/20~ A/20
A=
3 -1
_-j20 -J2Q _
es ortogonal y tiene
1 3
A"' = A' = V20~
3 -1
A/20~ -J2
2) Como los vectores
v = A/5 )
~J6' son ortonormales.
Entonces la matriz
- 1 2
-730"
^- 2 -1
A =
vr1 -vr2
246
es ortogonal
-1 -2 1
A"1 = A' =
30
5
o *
10.8 Mnimos cuadrados
Para explicar este tema, consideremos un experimento que rela-

ciona el ingreso obtenido por ventas (en miles de pesos) y el n-
mero de aos de experiencia de cada vendedor. Si tomamos una
muestra de seis vendedores, se obtiene el siguiente conjunto de
datos (1,4), (3,5), (4,7), (5,11), (6,13)y (7,17), vea la figura 10.10.
Figura 10.10
Ventas
Aos de experiencia de los

vendedores
247
Con los puntos obtenidos del experimento {Figura 10.10)

deseamos encontrar la recta y = a + bx que mejor se ajuste a los
puntos obtenidos.
Definicin:
Sean (x l5 yO, (x2) yi)> ..., (xn, y n ) los n puntos distintos de
datos. La recta y = a + bx con la prioridad de que el valor
es el mnimo, en donde d es la distancia vertical desde el

punto (x, y,-). Y se llama recta de mejor ajuste del conjunto
de puntos de datos.
Si la recta y = a + bx es la que mejor se ajusta a los puntos (x 1?

YiX (X2> Y2)> > (xn> Yn)- Ahora, s consideramos que todos los
puntos estn sobre la recta de mejor ajuste, se tiene el sistema I.
y t = a + bXj
y2 = a + bx2
y = a + bxn
J n n
el sistema I se puede escribir como y = Av
fl X,"
y= V =
248
Ahora cuando no todos los puntos de datos caen sobre la recta

de mejor ajuste, se aplican los dos siguientes pasos, primero se
elige una lnea recta y = a + bx, como segundo paso se encuentran
las distancias verticales de cada uno de los puntos obtenidos (xz,
yi) a la lnea recta, ver figura 10.11
Figura 10.11
y<)
Recta y = a+bx
De la figura 10.11 se observa que la distancia vertical d,

del punto (x,, y,) a la recta es d, = y,-(a + bx,) para los dems pun-
tos:
y I - ( a + bx,) =
y 2 - ( a + bx 2 ) =
yn-(a
El sistema II se puede escribir como:
249
y - Av = d
"di
d=
Para calcular la magnitud de los vectores, se tiene
|y-Av (i)
al efectuar el cuadrado de la ecuacin 1

A 2 2
y - Av
entonces el valor que debe ser minimizado es:
y - A v | 2 = d 1 2 + d ^ + . . . + d;
Para tener la recta del mejor ajuste, el vector v debe ser el
vector que minimice el valor de |y - A v |2
Si |y - Av| es mnimo, entonces |y - Av|2 es mnimo cuan-
do y - Av es ortogonal a cualquier vector del espacio S como se
muestra en la figura 10.12
Figura 10.12
y-Av
250
Cuando v es el vector minimizante de los vectores de la forma

[; ] y el producto de Av forman parte del subespacio S de Rn.
Teorema 15
^y,), (x2?y2), ...,(x n ,y n ), "n" puntos distintos en donde

Xj < x 2 < ... < xn y la recta y = a + bx de mejor ajuste tiene
coeficientes dados por v = (A1 A) 1 A*y.
Ejemplo:
Encontrar la recta de mejor ajuste de los puntos obtenidos de siete

experimentos.
(0, 0), (3, 5), (4, 7), (5, 11), (6, 13) y (7, 17)
"1 l ~ x "1 0'

1 x2 1 3
1 x3 1 4
A =
1 4 X 1 5
1 5 X 1 6
1 X6_ 1 7_
y, 0'
y2 5
= y3 7
V
y4 11
y5 13
.y6_ 17
251
l i l i l
A* =
0 3 4 5 6 7
6 25
AlA =
_2f 135
r 81 5
(A'A}' - m 37
5 6
37 185
v = (A1 AV 1 A1 y
81 5 l i l i l 7
111 37
V =
5 6
0 3 4 5 6 7 11
37 185
13
17
81
53
111 37
v = 6
5 295
37 185
252
-1.189
V =
2.405
La ecuacin de la recta de mejor ajuste es:
2.4x
Teorema 16
^yj), (x2,y2), -., (xn, yn), "n" puntos distintos en donde

x < X <
i 2 < xn? y e l polinomio de grado m, y = a0 + ajXj + ... +
amxm de mejor ajuste tiene coeficientes dados por v = (A* A)"1 Afy.
lm "y i
1 x, 2m y2
v= A =
5
nm _
.y n _
Ejemplo:
Encontrar el polinomio de segundo grado de mejor ajuste para el

conjunto de datos (0, 100), (1, 90), (2, 60), (3, 12) y (4, -57)
"1 0 0" "100 "

1 1 1 90
A= 1 2 4 y= 60
1 3 9 12
1 4 16 _-57_
253
1 0 0
1 1 1 1 1" 1 1 1 "5 10 30
A'A = 0 1 2 3 4 1 2 4 = 10 30 100
0 1 4 9 16 1 3 9 30 100 354
1 4 16
" 62 54 10 "
=1 f
1 -54
,70 )
10
87
-20
-20
5
"100"
62 -54 10 1 1 1 1 1 90 r
1 t
= (A'A)" A Y = -54 87 -20 0 1 2 3 4 60
70
10 -20 5 0 1 4 9 16 12
-57
62 -54 10" 205 '

v = - 54 87 - 20 18
70
10 -20 5 -474
- 6998
v = 70 -24
680
-99.971
v = - 0.343
9.714
254
La ecuacin es:
Y =-99.971-0.343x +9.714 x2
10.9 Espacios vectoriales
Es importante mencionar que existen semejanzas en las defini-

ciones de los conceptos en el espacio de Rn, con las definiciones
de los espacios vectoriales. Porque para poder definir los concep-
tos de espacios con producto interno, norma de un vector, deter-
minar si dos vectores son ortogonales y ortonormales en cualquier
espacio vectorial, se debe de partir tal y como se analiz en el
caso de Rn, tomando en consideracin las propiedades del produc-
to interno en Rn.
Espacios con producto interno
Los espacios vectoriales en los que puede definir el producto in-

terno, se les conoce como espacios con producto interno.
Definicin:
Sea V un espacio vectorial sobre los nmeros reales. Un
producto interno real en V es una funcin que asocia a cada
pareja de vectores u y v pertenecientes a V, un nmero real
, con las siguientes propiedades:
a) <u, v> <v, u>
b) ~ <u, w> + <v, w>
c)<ctt, v> c<n, v>
d)<u, u> > 0 y <u, u> ~ 0 < - > u ~ 0
Ejemplo
1) Sea u = (a^ a2) y v = (b1? b2) vectores en R2, si =
3aibi + 2a2b2 podemos afirmar que es un producto
interno.
255
2) Comprobar las propiedades del inciso a al d de la definicin.
2.a) = Sa^j +2a2b2 = 3a.Jo\ +2a2b2 = 
2.b) Si w = (c1? c2)

 == 3 (ai + bi) q + 2 (a2 + b2) c2
= 3 aiCi + 3 biCi + 2 a2c2 + 2 b2c2
 + < v , w > = (3 aî + 2 a 2 c 2 ) + (3 b ^ + 2 b2c2)
2.c) < cu , v > = 3 (caO b! + 2 (ca2) b 2

c = c[3a1b1 + 2 a 2 b 2 ]
2.d) S = 3 a + 2 a > > 0

 = 0 = 3 a + 2 a * se cumple,
si y slo si 2\ = a2 = 0, entonces = 0
Teorema 17
Sea V un espacio de un producto interno, u, v y w son vectores en

V, y que a y b son escalares.
a) <au + bv, w> = <w, au + bv> = a <u, w> + b <v, w>

b) <0, u> = <u, 0> = 0
Definicin:
Sea v un espacio con producto interno. La norma v de un
vector v est dada por
| v 1 = -\/ <v,v>
Cuando la norma ||v de un vector v es un espacio con produc-

to interno, va ha denotar la magnitud del vector v. Entonces u v
256
representa la distancia entre los vectores u y v, los cuales pertene-

cen a un espacio con producto interno.
Teorema 18
Si u y v son vectores en un espacio con producto interno, enton-

ces:
u,v b n ) dos vectores en R n .

El producto definido por:
<u, v> = ait>i+ a 2 b 2 + ...+ a n b n
Ahora, si aplicamos la desigualdad de Cauchy - Schwarz
+ a 2 b 2 +... +a22 + ... + a2i ^ b 2 +b22 +...
2) Sean u = (a l5 a 2 ) y v = (b 1? b 2 ) dos vectores en R n . El producto

definido por:
<u, v> = 3a!bi+ 2a 2 b 2
Si aplicamos la desigualdad de Cauchy - Schwarz
3 a 1 b 1 + 2 a 2 b 2 | < ^ 3 a f + 2 a \ ^J3b f + 2b 2
257
El concepto de ortogonalidad en un espacio vectorial con pro-

ducto interno, se define a continuacin.
Definicin:
S u y v son vectores que pertenecen a un espacio vectorial
con producto interno, entonces u y v sern ortogonales si
cumplen <u, v> - 0
Ejemplo:
Sea u = (a1? a2) y v = (b1? b2) vectores en R2, entonces <u, v> =
a
ibi+ a2b2 es un producto interno de R2, ahora para que <u, v> = 0
= aibi+ a2b2, si slo si &\ = a2 = 0, por lo tanto <u, v> = 0.
Es importante recordar que dos vectores en Rn son ortogonales
si su producto interno es cero. Si consideramos ahora a un conjun-
to S contenido en un espacio con producto interno ortogonal, en-
tonces toda pareja de elementos de S es ortogonal. Para que un
conjunto S sea ortonormal debe de cumplir con que S sea ortogonal
y que todo vector S tenga una norma igual a uno.
258
Captulo 11
Transformaciones lineales
Objetivos:
Al finalizar este captulo* el lector:
S Identificar funciones de transformacin lineal.
V Realizar transformaciones lineales bsicas.
S Representar matricialmente una transformacin lineal.
1.1 Introduccin
La utilidad de una funcin de transformacin lineal (T), es la de

aplicar (o transformar) elementos de un espacio vectorial U a un
espacio vectorial V. Toda funcin de transformacin lineal T debe
tener las propiedades siguientes.
1) Para todo u y v en V, T (u + v) = T(u) + T(v)

2) Para todo u en V, cualquier escalar c opera como; Tc(u) =
cT(u). Ver figura 11.1
259
Figura 11.1
Algunos ejemplos de transformacin lineal
u -> * T(u)
V -> * T(v)
cu - * * T(cu) = cT(u)
11 + V -> *T(u + v) = T(u) + T(v)
Ejemplo:
Sea la funcin T: R2 - R2 dada por:
T [(p, q)] = (3p + 2q), donde T es una transformacin lineal.
Para comprobar que T es una transformacin lineal se de-

muestran las propiedades de suma y multiplicacin por un escalar
enunciadas anteriormente.
1) T[(p b qO + (p2, q2)] = T [( Pl + p 2 , q i + q2)]

= (3[pi+ P2L2[qi + q2])
= (3pi + 3p2? 2 q i +2q 2 )
De otra forma:
T[(p2, q2)] =(3p,, 2q,)+ (3p2,
En consecuencia:
T [(Pi, qi) + (P2, q2)] = T [(p b qO] + T[(p2,
260
2) T[c (p, q) ] = T [(cp, cq)] = (3 (cp), 2 (cq))

= c(3p,2q)
= cT[(p,q)]
Por lo tanto
T[c(p,q)]=cT[(p,q)]
Ya que T satisface las propiedades de suma y multiplicacin

por un escalar, T es una transformacin lineal.
11.2 Representacin matricial de una transformacin lineal
En esta seccin se muestra la forma como se representa matricial-

mente una transformacin lineal.
Para facilitar la comprensin del tema se inicia la exposicin
con la representacin matricial de una transformacin lineal entre
dos espacios vectoriales V y W.
Teorema 1
Sea T: V -> W una transformacin lineal entre dos espacios vecto-

riales V y W. Si {ub u2, u3,..., Un} es una base de v, luego T est
determinada de manera nica por los vectores de T ^ ) , T(u2), T(u3),
...,T(un).
En los siguientes ejemplos se expresan los elementos de los
espacios vectoriales como vectores columna.
Ejemplos:
1) Sea T: R2 -> R3 una transformacin lineal donde:
3
9
- 2
261
ya que:
o
1
-3
= (-3)T 5T
/ i \
+5
v- 2 ,
Matricialmente la transformacin lineal que resulta es:
"-3"
1
= -27
_5_ 11
De aqu se infiere que:
' 3 ' "2" " 3 ' "2"

(-3) 9 +5 0 = 9 ( - 3 ) + 0 (5)
- 2 1 - 2 1
3 2
"_ 3"
9 0
_5_
-2 1
Donde,
t
T(e 2 )
-3
=T
262
2) Sea T: R3 R2 una transformacin lineal en donde:

1 0 0
-2
0
0
0
Ya que:
"4" "1" "0" "0"

2 =4 0 +2 1 + (-2) 0
-2 0 0 1
4
2 = 4T + 2T (-2)r
-2
-2
(-2)
-2
Matricialmente la transformacin lineal que resulta es:
20
-2
Al analizar se observa que:
-2 2' "4" "-2" "2"

+2 (-2) (4) + (2) + (-2)
2 6 0 2
263
4
4 - 2 2
2
6 0 2
-2
t f t
Donde, f(e,) T(e2) T(e3)
4
=T 2
-2
3) Sea T: Rn ~~^ Rm una transformacin lineal en donde: {e^ e2,

e 3 ,..., en} es la base cannica de Rn, y los vectores T(e,) estn
definidos para 1 < i < n, de esta forma los vectores T(e,) son:
"22
T(e,) = T(e2) = T(e B ) =
y el vector X = es cualquier vector en Rn
264
ya que:
X = x ( e! + x2e2 + x3e3 + ... + x,e,+ ... + xnen
T(x) = x1T(e,)+x2T(e2)+ x3T(e3)+ ... +x/T(e)+ ... +xnT(en)
"en" "e 1 2 " "e 1 3 " "e,i" "em"
e2i eM e23 e2i e2n

e3i e32 e33 e3i e3n
T(x) = x, + x2 + x3 + ... + X; + ... + x n
. e -i.
.em2. . e m3. e
mi .enn.
"11 *"12 *"13 e,s ln "x,"

"21 *"22 *"23 2n x2
"31 ^32 ^33 3n 3
T(x) =
mn .Xn.
e2i ...
"31 C
32 C
33 e3i ...
T(x) = X
em
^ ^ ^ ^^W, ^^fck ^^^'
T ( x ) = [T'(e,) T ( e 2 ) T ( e 3 ) ... T(e,) ... X

T(x) = STX
265
De esta forma se obtiene que para cualquier transformacin

lineal T : Rn ~ > Rm corresponde una matriz ST de m x n, tal como
para todo X en Rn . La matriz ST se conoce como matriz estndar
o cannica de T.
Teorema 2
Sea T : R3 - * R3 una transformacin lineal. Luego entonces existe

una sola matriz estndar ( cannica) tal que, para toda X en Rnes
T (x) = ST X, en donde la columna z-sima de ST es T (e^, y {el5
e2, e3,..., ei5..., en} es la base cannica de Rn.
Ejemplo:
Sea T : Rn R m una transformacin lineal definida como:
T[(p, q, r)]=(p + 3q, 2p + q + 5r, - p + 2r)

Para obtener la matriz estndar ( cannica) ST, se procede de
la siguiente forma:
1) Se obtienen los vectores T (e). En este caso se requieren 3

vectores.
T ( e i ) = ( l , 2 , -1) ,T(e 2 ) = ( 3 , l , 0 ) , T (e3) = (0, 5, 2)
2) Se reescriben los vectores como vectores columna para for-

mar la matriz estndar, ST.
1 3 0"
ST = 2 1 5
- 1 0 2
3) De acuerdo con el teorema 2, T (x) = ST X
266
1 3 0' X,
2 1 5 x2
-1 0 2 x3
T(x) = S T X
De esta forma se prueba que la matriz estndar o can-

nica del ejemplo es:
1 3 0
2 1 5
ST =
- 1 0 2
267
Captulo 12
Valores y vectores propios
Objetivos;
Al finalizar ste captulo, el lector:
V Comprender la importancia de los valores y vectores
propios.
S Calcular los valores propios de una matriz A de orden
n x n.
/ Obtendr os vectores propios de una matriz A de orde
12.1 Introduccin
Una de las utilidades de los valores y vectores propios1 en las

ciencias sociales, la economa y la administracin, es que permi-
ten obtener transformaciones lineales que especifican un nuevo
sistema de ejes de coordenadas, que permiten describir en forma
ms sencilla comportamientos analizados.
Por ejemplo, suponga que tiene una transformacin lineal
T: R3 R3, y que requiere tres vectores u l5 u 2 y u 3 para
construir ejes de coordenadas, de tal forma que stos permanezcan
1
Estos conceptos tambin se conocen como valores y vectores caracters-
ticos. En algunos textos aparecen los trminos hbridos eigenvalores y
eigenvectores, en stos se utiliza el trmino alemn eigen, que significa propio.
269
iguales al aplicarse la transformacin T. Esto puede lograrse si

T(u1) = c1u1? T(u2) = c2U2 y T(u3) = c3u3, aqu los escalares c1?
c2 y c3 son * 0. Los vectores c ^ , c2u2 y c3u3 generan los
mismos ejes de coordenadas de u b u2 y u3 pero con diferentes o
iguales unidades, ver figura 12.1
Figura 12.1
12.2 Valores propios
Sea A una matriz de orden n x n. Una matriz u no nula de dimen-

sin n x 1 es un vector propio de A si tiene un escalar real de A,
(lambda) de forma que:
Au = A,u
Donde:
X = valor propio de la matriz A, el cual corresponde al vector u.

u = vector propio.
Para una matriz A de orden n x n es conveniente obtener

todos sus vectores propios, as como sus correspondientes valores
caractersticos, para ello aplicaremos los siguientes teoremas:
270
Teorema 1
El escalar X es un valor propio de una matriz A de orden n x n si

y slo si, X tiene solucin real en la ecuacin det (k I- A) = 0
Ejemplo:
15 -6
SeaA =
-6 6
Aplicando XI - A se tiene
1 O 15 -6
Xl-A =X
O 1 -6 6
X O 15 -6
O X -6 6
-15 6
6 A,-6
Enseguida se aplica el det (k I - A) = 0, y se obtiene la ecua-

cin propia de A
-15
det(M-A) = =0
-Ecuacin propia de A
271
2
= X -21X + 54 = 0
= (X-3)(X-18) =
X, = 3, X 2 =18 Valores propios de A
Ya que el det (XI - A) = 0 tiene solucin real, X, = 3 y

[15 -6
son valores propios
V V
de la matriz A n x n =
-6 6
2 4 4
2) SeaB = 4 2 4
4 4 2
Aplicando XI - B se tiene:
"1 0 0" 2 4 4 0 0 2 4 4
XI-B =X 0 1 0 - 4 2 4 = 0 X 0 - 4 2 4
0 0 1 4 4 2 0 0 x_ 4 4 2_
X-2 -4 -4
-4 X-2 -4
U-B =
-4 -4 X-2
Aplicando det (XI -B)=0 se determina la ecuacin propia de B.
X-2 -4 -4
-4 -4 =0
det
-4 -4 X-2
272
X-2 -4 -4
-4 X-2 -4
-4 -4 A,-2
A.-2 -4 -4
-4 A.-2 -4
-2)|^
= (A,-2) 3 -128 - [l6(A. - 2)+ 16(X - 2)+ 16 (A. - 2)]= O
= (k-iy - 128 - 3(16 X - 32 ) = O
= (X-2J -128 -48A,+ 96 = 0
= (X-2y -48X-32 =0
= X3 - 6X2 + 12A, - 8 - 48A, - 32 = 0
A partir del polinomio propio se simplifica y se obtiene la

ecuacin propia.
= X3 - 6X2 - 3 6A, - 40 = 0 * Ecuacin propia de B
Si al resolver la ecuacin propia de B se obtienen soluciones

reales, stas son valores propios de la matriz B.
Las soluciones de = X3 - 6A,2-36A, - 40 = 0 son:
X = -2, X2 10
Ya que Xx y X2 tienen soluciones reales, son valores propios de

la matriz B.
273
-2 O O"
0 - 4 0
3) SeaC =
0 0 8
Al aplicar XI - C resulta:
1 0 0 -2 0 0" 'X 0 0' '-2 0 0"

0 1 0 - 0 -4 0 = 0 X 0 - 0 -4 0
0 0 1 0 0 8 0 0 X 0 0 8
1 +2 0 0
0 X+ 4 0 =0
u-c =
0 0 A.-8
Clculo del det (XI - C) = 0
X-2 0 0
det (A. I-C) = det (3 X. + 4 0 = 0
(3 0 x-s
X+2 0 0
0 X+ 4 0
0 0 X-S =
X+2 0 0
0 A, + 4 ()
274
= (X + 2)+ (A, + 4)+ (X - 8 ) - [O + O + 0] = O
De aqu se obtiene que las soluciones del det (XI - C) = 0 son

reales: Xx = -4, X2 = -2 y X3 = 8, por lo tanto son valores propios de
la matriz C.
12.3 Vectores propios
Teorema 2
Sea X un valor propio de una matriz A de orden n x n. El conjunto

Ex de todas las matrices columna de orden n x 1 en Rn? tales que
Au =Xu es un subespacio de Rn y se conoce como espacio o vector
propio de A correspondiente al valor propio X.
Para obtener los vectores propios (u) correspondientes a los
valores propios (X) se haya el espacio solucin de (A,, I - A) u = 0,
para sto se desarrollan dos pasos:
1. Se calculan los valores propios Xi9 para cada i = 1, 2, 3,..., k.

2. Se obtienen los vectores que resultan de resolver el espacio
solucin (X I - A) u = 0 para / = 1, 2, 3,..., k.
Ejemplos:
1) Obtener los valores y vectores propios de la matriz:
15 -6
A=
-6 6
a) Clculo de los valores propios
X 0
0 X
275
["A,-15
6
det(XI-A) =det
L X-6
=0
= X2 - 2\X + 54 = (X - 3) (X -18) = 0
= (X-15)(X-6)-36
X, = 3, X 2 =18 < Valores propios de A
b) Clculo de los vectores propios.
Clculo del vector propio asociado a X! = 3
Para calcular el vector se obtiene el espacio solucin (X, I - A)

u = 0 para X, = 3
-15 6
(XI-AH
6 X- 6
3-15 6
1 -12 6 T x l fO
(3 I - A) u =
6 3- y. JL J U (1)
-12x + 6y" -12x + 6y = 0]

(2)
6x-3y 6x-3y = 0l
El espacio solucin puede obtenerse reduciendo el sistema de

ecuaciones, o reduciendo los renglones de la matriz de coefi-
cientes.
Reduciendo el sistema de ecuaciones (2) se obtiene:
276
-6x + 3y = O
3y =6x
y = 2x 2x = y
1
x=-y
Reduciendo los renglones de la matriz de coeficientes (1)

resulta:
-12 6' 1
6
1
r i
r
i
12 2 2
_^ 3 1
6 1 1 0 0
6. 2
La solucin de la ecuacin se obtiene de:
1 X 1 "o"
1 X y
2~ 2~
0 0 .y. 0 0
x--y=0
De esta forma el espacio solucin, es el conjunto de todos los

vectores de la forma:
As el vector propio E, que corresponde a X = 3 es:
277
Comprobacin:
Utilizando Au = A,u
15 -6'
A= u=
-6 6
"15 - 6 ' "l" "1"

2 2
=3
-6 6 1 1
-3 + 6 = 3
2 2 2
Clculo del vector propio asociado a A^ = 18
,-15 6
(U-A) =
18-15 6 Txl 6Tx

=
(18I-A)u =
6 18-6 lyJ l (3)
3x + 6y
6x + 12y Kl- 12y =
(4)
Reduciendo el sistema de ecuaciones (4) se obtiene:
3x + 6y = 0
x = -2y
278
De esta forma el espacio solucin es (-2y, y) = y (-2, 1); es

decir el vector propio E2 que corresponde a X2 = 18 es E2 =
s{-2, 1}.
Comprobacin:
Utilizando Au = Xu
15 -6~
-2
A= u= = 18
-6 6
15 -6
'-2' "-2'
= 18
-6 6
-30-6 = -36 , 12 + 6 = 1 8 /
2) Obtener los valores y vectores propios de la matriz
10 0 2
A= 2 2 0
-14 2 0
a) Clculo de los valores propios
Aplicando XI - A = A se tiene:
1 0 0" "10 0 2 'X 0 0 10 0 2

0 1 0 - 2 2 0 = 0 X 0 - 2 2 0
0 0 1 -14 2 0 0 0 X -14 2 0
279
A.-10 0 -2
-2 X-2 0
14 -2 X
Utilizando det (XI - A) = 0 se determina la ecuacin propia de A:
X-\0 0 -2
det -2 X-2 0 =0
14 -2 X
X-10 0 -2
-2 A2 0
det 14 -2 X
X-10 0 -2
-2 X-2 0
= (X - - 8 - [- - 2)]
- \0X2 + 20X - 8 + 281 - 56
= X3 -12X.2 +48X.-64 =
La solucin de X3 - Y2X1 + 48X - 64 = 0 es X = 4
280
Comprobacin:
4 3 -12(4) 2 +48(4)-64 = 0
64-192+192-64 = 0
El valor propio de la matriz A es X = 4
b) Clculo del vector propio asociado a A, = 4
A,-10 0 -2
-2 X-2 0
14 -2 X
4-10 0 -2 X -6 0 -2 X "0"
(41 - A) u = -2 4-2 0 y = -2 2 0 y = 0 (5)
14 -2 4 z 14 - 2 4 z 0
-6x Oy -2z 0 -6x -2z = 0^
(4 I - A) u = -2x 2y Oz = 0 2x+2y =0
(6)
14c -2y 4z 0 14x-2y+4z = 0
Resolviendo el sistema de ecuaciones (6) se tiene:
-6x - 2z = 0
-6x = 2z
2
x= z
-6
x=--z
281
-2x + 2y = O
-2x = - 2y
x=y
1
14x-2y + 4z = 0
14x-2x + 4z = 0
12x + 4z = 0
4z = -12x
z = -3x
3
z=z
Comprobacin de los valores obtenidos en el sistema de ecua-

ciones (6)
1 ' 1
=0
2z -2z == 0
< l
A z] +2
("
=0
2
Z - z = 0
3 3
282
z + z +4z =0
3 3
12
4z =0
4z 4z =0
En consecuencia el vector propio que corresponde a X = 4 es:
1 1
Comprobacin de que E es un vector propio:
Utilizando Au = A.u
1
10 0 2 3
2 2 0 1
A= u=
-14 2 0 3
r r
3
10 0 2"
1 i
2 2 0 = 4
3 3
-14 2 0
1 1
283
3 3
_2_!2 = _ 4
3 3 " 3
y~ ?=
12 ,
Todos los elementos del vector cumplen con la igualdad Au =

û. En consecuencia, el vector
es un vector propio de la matriz A, correspondiente al vector pro-

pio X = 4.
284
Captulo 13
Aplicaciones
Objetivos;
Al terminar vste captulo, el lector:
V Podr aplicar matrices en la solucin de problemas eco*
nmieos de:
Insumo-Producto.
Ingreso Nacional.
Modelos de Mercado.
* Diferenciar que operacin matricia! usar en la solucin
de un problema reL
En ste captulo, se presentan tres ejemplos tradicionales del uso

del lgebra lineal y matrices en el campo de las Ciencias Sociales;
el anlisis de insumo-producto, el modelo de ingreso nacional, y
un modelo de mercado para dos productos.
13.1 El anlisis de Insumo-Producto
La matriz de insumo-producto desarrollada por Wassily W.

Leontief 'seala las interrelaciones de oferta y demanda existentes
entre los diversos sectores de una economa durante cierto perio-
do de tiempo.
285
La matriz de insumo-producto se construye con los datos ob-

tenidos del cuadro de transacciones interindustriales, ste muestra
como se nterrelacionan todas las industrias, en el sentido de que
cada una adquiere productos fabricados por los dems a fin de
llevar a cabo su propio proceso.
Enseguida se presenta un ejemplo hipottico de una econo-
ma abierta simplificada, en la que slo participan tres sectores,
(agricultura, manufactura y servicios), complementados con la "de-
manda final" la cual est integrada por las familias, el gobierno, etc.
Cuadro 13.1
Transacciones interindustriales
\Tompras Demanda intermedia Demanda Produccin

Ventas X . SI S2 S3 final bruta
SI 200 300 400 100 1000

S2 500 600 900 200 2200
S3 300 1300 700 400 2700
Siguiendo el cuadro de transacciones interindustriales 13.1

encontramos que cada uno de los sectores aparecen en un rengln
y en una columna formando lo que se conoce como demanda in-
termedia.
Una cuarta columna forma la demanda final cuyos asientos
sumados a los totales de la demanda intermedia constituyen la
produccin bruta de cada uno de los sectores en un determinado
periodo, (quinta columna).
Contablemente el cuadro es de doble entrada, los renglones
registran las ventas, las columnas las compras. Cada registro re-
presenta el valor de los productos, normalmente estn expresados
en unidades monetarias a precio de mercado.
En el ejemplo, del total de la produccin del sector 1; 200
unidades sirvieron de insumo al mismo sector 1, 300 pasaron al
286
sector 2, 400 fueron vendidas al sector 3 y 100 llegaron en forma

directa al sector de demanda final.
(200 + 300 + 400+100=1,000)
El anlisis de insumo-producto permite estimar la produccin

total de cada sector si existe cambio en la demanda final; todo esto
bajo el supuesto de que la estructura bsica de la economa perma-
nece ceteris paribus, es decir sin cambio alguno.
Este importante supuesto significa que, para cada sector, debe
permanecer fija la cantidad invertida en cada uno de los insumos
por cada unidad monetaria invertida.
La matriz de coeficientes tcnicos de insumo-producto
Es necesario introducir la notacin necesaria para simbolizar las

relaciones entre produccin; demanda intermedia y demanda final
que resultan del cuadro 13.1 que se esta considerando.
Simbolizando con X la produccin bruta del sector /, esto es:
x, 1000
x2 = 2200
_ X 3- 2700
Con y; se representa la demanda final del sector /, as:
"y," 600
y2 = 200
y3. 400
Xy, representarn las ventas que el sector i ha efectuado al
sector y, esto es:
287
x
ll X
12 X
13 200 300 400
X
21 x22 x23 = 500 600 900
X
31 X
32
X
33. 300 1300 700
Debido a que la produccin bruta de cada sector es igual a la

suma de las ventas a demanda intermedia ms las ventas a deman-
da final, las relaciones entre produccin y demanda se pueden ex-
presar como sigue:
X, = x u + x12 + x13 + y,
X2 = x21 + x22 + x23 + y2 (I)
En trmino matriciales:
x
ll x12 X
13 1"
"y/
X2 x21 X
22 X
23
1 + y
2
X
31 X
32 x 33 1 .y 3
Para encontrar la cadena de reacciones directas e indirectas

que tienden a modificar todo el flujo de transacciones interindus-
triales, se elabora una matriz que se conoce con el nombre de matriz
de coeficientes tcnicos o matriz de insumo producto, en algunos
textos se conoce como matriz de coeficientes de requerimientos
directos por unidad de produccin bruta.
Retomando el cuadro de transacciones intersectoriales se tiene que
en cada transaccin existen dos sectores; el sector vendedor i y el
sector comprador y. Relacionando cada Xy (ventas del sector i al
sector j) con la produccin bruta Xj5 del sector comprador, efec-
tuando el cociente x^/Xj, que define el coeficiente tcnico a^ el
288
cual representa los requerimientos de insumos del sector / necesa-

rios para producir una unidad de producto y. Tambin los insumos
que venden los sectores proveedores varan en la misma propor-
cin en que se modifica la produccin bruta del sector que los
adquiere.
Con estos supuestos se calculan los coeficientes tcnicos como
sigue:
X, 1000
X, 1000
X, 1000
x2. = J00_
12
X2 2200
_ x 22 _ 600
22
X2 2200
1300
X2 2200
13
X3 2700
X3 2700
33
X3 2700
289
Al fabricar productos por valor de 1,000 unidades el sector 1

(a n , a2i, a31) adquiere 200 de sus propias unidades, 500 unidades
del sector 2 y 300 del sector 3. Por consiguiente, por cada unidad
monetaria de produccin, el sector 1 invierte 200/1000 = 0.20 =
$0.20 en compras a s mismo; 500/1000 = 0.5 = $0.50 en compras
al sector 2, y 300/1000 = 0.3 = $0.30 en compras del sector 3.
De esta forma se obtiene la matriz de coeficientes tcnicos, ay
siguiente:
0.2 0.136 0.148
a21 a22 a23 0.5 0.273 0.333

0.3 0.591 0.259
Regresando al sistema de ecuaciones (I)
X , = xiJ i = 1,2, 3 (II)
si se reemplaza cada xj por su equivalente aj Xj se tiene el siste-

ma de ecuaciones:
i =1,2,3 (ni)
J=I
que se puede escribir matricialmente as:
a
il a
i2 a
i3 "x," "yi"
a
21 a
22 a
23 x2 + y 2 (IV)
a a a
31 32 33. .X3. .ya.
o en forma simblica:
X=AX+y (V)
290
El que los coeficientes a^ no varen durante un cierto periodo

de tiempo nos permite utilizar el sistema de ecuaciones (V) con el
cual podemos determinar el nivel de produccin bruta que se re-
quiere en cada sector para satisfacer la demanda final prevista para
el periodo siguiente. Si se supone que se requiere satisfacer un
aumento en la demando final para el prximo periodo en 50 uni-
dades en el sector 1 (agricultura), 50 unidades en el sector 2 (ma-
nufactura) y 80 unidades en el sector 3 (servicios); la pregunta a
responder es: Cules son los valores Xl5 X2 y X3 que cubren esos
incrementos?. Esto se resuelve si en el sistema de ecuaciones ex-
presamos una relacin funcional entre produccin bruta y deman-
da final en que el vector X es la variable dependiente y el vector
"y" es la variable independiente.
Operando algebraicamente sobre la expresin simblica (V):
X = AX + y
X - AX = y
IX - AX = y
IX = (I - A) 1 y
La matriz (I-A) es llamada matriz de Leontiefy la matriz (I-

A) 1 matriz inversa de Leontief, o "matriz de coeficientes de re-
querimientos directos e indirectos por unidad de (demanda fi-
nar.
En este ejemplo, se tiene que:
291
1 0 0 0.2 0.136 0.148 0.8 -0.136 -0.148

M= 0 1 0 - 0.5 0.273 0.333 = -0.5 0.727 -0.333
0 0 1 0.3 0.591 0259 -0.3 -0.591 0.741
0.8 -0.136 -0.148 2.566 1.416 1.150

-0.5 0.727 -0.333 3.532 4.116 2.559
-0.3 -0.591 0.741 3.857 3.857 3.857
Esta matriz inversa se utiliza con fines de proyeccin despus

de haber verificado que los datos estn correctos para el ao que
se esta considerando. Por esto debe cumplirse X (0) = [i - A J"1 y (0)
en donde:
1000 100
2200 .y "y"= 200
2700 400
Al sustituir valores se tiene que:
"2.566 1.416 1.150' 100' "1000

X(0) = 3.532 4.116 2.559 200 = 2200
3.857 3.857 3.857 400 2700
comprobndose la igualdad de los valores originales.

Regresando ahora a los incrementos previstos en la deman-
da final se tiene que satisfacer para el ao prximo:
"100" "50" 150
yO) = 200 + 50 = 250
400 80 480
que sustituidos en la ecuacin:
292
permiten obtener los siguientes niveles estimados:
2.566 1416 1.150 150 1291 .15

3.532 4.116 2.559 250 2787 .13
3.857 3.857 3.857 480 3394 .29
De aqu se deduce que para satisfacer la demanda final pre-

vista, de 50 unidades de productos agrcolas, 50 unidades de pro-
ductos manufactureros y 80 de servicios, se debe generar una
produccin bruta de 1291.15 unidades en el sector 1,2787.13 uni-
dades en el sector 2 y 3394.29 unidades en el sector 3.
Comparando el vector X(1) con el vector X(o), se obtienen las
cifras del incremento de produccin de cada sector necesarios para
satisfacer el incremento previsto en la demanda final.
1291.15 1000 291.15

2787.13 - 2200 = 587.13
3394.29 2700 694.29
as, para satisfacer los incrementos previstos de demanda final

sectorial de:
50
AY = 50
80
debe generarse una produccin bruta en el sistema de:
"291 .15'
AX = 587.13
694 .29
293
Aqu contrastamos la falta de proporcionalidad entre ambos in-

crementos de demanda final (Ay) y produccin bruta (AX). Esto
se debe a lo complejo de las interrelaciones entre sectores que
determinan efectos indirectos de relativa importancia.
13.2 1 ingreso nacional
El ingreso nacional es un modelo que permite cuantifcar la pro-

duccin global de un pas durante un periodo de tiempo que gene-
ralmente es un ao. En ste se integra y registra la produccin
privada, gubernamental y mixta que se realiza en una nacin, as
como el intercambio comercial con el exterior. Tambin se asienta
el ingreso que perciben quienes proporcionan los factores de la
produccin (capital, trabajo etc.) y el destino de dicho ingreso,
(consumo, ahorro o inversin).
Del ingreso nacional se deducen una serie de categoras
macroeconmicas bsicas para entender la dinmica de la econo-
ma de un pas, astas categoras son:
1. Producto Nacional Bruto (PNB)

2. Producto Interno Bruto (PIB)
3. Producto Nacional Neto (PNN)
4. Ingreso Nacional (IN)
5. Ingreso Privado (I Priv.)
6. Ingreso Personal (I Pe)
7. Ingreso Personal Disponible (I Pe D)
John Maynard Keynes, hace un anlisis macroeconmico del

sistema capitalista, en el que plantea un posible equilibrio econ-
mico general que existe cuando el ingreso nacional es igual al
consumo nacional ms el ahorro nacional.
De manera que:
Ingreso Nacional = Consumo Nacional + Ahorro Nacional

Y=C + A
294
El ahorro nacional (A) es igual a la inversin nacional (I),

por lo que:
Y=C + I
Se observa que el equilibrio econmico existe porque:
El ingreso es igual a la produccin, es decir, a la oferta, repre-

sentado por Y que a su vez es igual a la demanda, es decir,
consumo ms ahorro.
Los ingresos (Y) son iguales a los "gastos" (C + I).
Si el Ingreso Nacional se incrementa tiene que aumentar el

Consumo y la Inversin, de manera que:
AY = AC + AI
Para Keynes uno de los factores bsicos de la dinmica

econmica es la inversin, por lo que es necesario incrementarla e
impulsarla ya que lleva consigo un efecto multiplicador en la
economa.
El multiplicador de la inversin expuesto por Keynes es igual
al recproco de la propensin a la inversin, lo que provoca que
los efectos de una inversin inicial sean mayores a sta en un
mltiplo de ella que es precisamente el multiplicador. Esto se debe
a que una inversin inicial incrementa la produccin, sta a su vez
al empleo y por lo tanto la demanda, lo que provoca el incremento
de la produccin y nuevamente se incrementan el empleo y con el
la demanda. Este ciclo (Inversin, produccin, empleo y deman-
da) se activa atravs del multiplicador teniendo como lmite el
que ste seala.
La forma del multiplicador es:
AY _ I
AI " I - AC
295
La inversin depende de lo que se gaste en cosumo (propen-

sin al consumo), sto tambin determina al multiplicador, ejem-
plo:
Supongamos que el ingreso (Y) es igual a 100, que el consu-
mo (C) es igual a 80. y que la inversin (I) es igual a 20
Si Y = C + / , entonces 100 = 80 + 20
En este caso, la propensin al consumo es de 80%, lo que

quiere decir que de cada $100 de ingreso se destinan $80 (80%) al
consumo y $20 (20%) a la inversin.
Si el multiplicador es el inverso de la propensin a la inver-
sin que es de 20% entonces K= 5. Manteniendo la misma pro-
pensin al consumo y a la inversin, con el multiplicador de 5 el
ingreso se incrementa a 500 el consumo a 400 y la inversin a
100, por lo que el nuevo equilibrio general queda como:
7(500) = C (400) + 7(100)
Un modelo simple del ingreso nacional Keynesiano puede ser

resuelto mediante el empleo de la regla de Cramer. Con sta se
obtienen los valores de equilibrio para el ingreso ( y ) y el Consu-
mo ( C ) .
Suponga el modelo de dos ecuaciones simultneas.
Y = C + lo + Go
C = a + by
Go = Gasto del Gobierno

(variable exgena).
Donde los parmetros
lo = Inversin determinada
exgenamente
296
a = Consumo autnomo.
Parmetros
independientes y b= Propensin marginal al consumo.
compatibles
a>o y o<b<1
Definidos los parmentros y las variables exgenas (lo, Go, a

y b) as como las restricciones para a y b. El sistema de ecuaciones
puede ser planteado de las siguiente forma:
Y-C = Io + Go
-bY+C = a
De esta forma las variables endgenas Y y C aparecen nica-

mente en el primer miembro de las igualdades, en tanto que las
variables exgenas y los parmetros independientes aparecen slo
en el segundo miembro.
La matriz de coeficientes toma ahora la forma:
1 - Io+Go"
y el vector columna de las constantes (datos)
-b 1 a
La suma de lo + Go se considera como una entidad nica,

es decir, un elemento simple del vector de constantes.
La regla de Cramer conduce a la solucin siguiente:
(Io+Go) - 1
a 1 (Io+Go)+a
Y= siempre que b
1 -1
-b 1
297
1 (Io + Go)
-b a a + b(Io + Go)
c= siempre que b
1 -1
-b 1
Otra forma de resolver los valores de equilibrio de C e y es

mediante la inversa de la matriz de coeficientes. Dado que la matriz
es:
"1 - 1b
A= su matriz de cofactores ser de manera que:
-b 1 11
11
laadj A= y la matriz inversa es A ' = adj A , A 1 ^ - ,
bl |AI 1b b l
De esta manera el sistema de ecuaciones Ax = d se soluciona

como:
Io+Go
x = A"'d Donde x = y d=
con lo cual el presente modelo se resuelve haciendo:
1 l T l o + Go (lo + Go) + a
1-b b 1 a 1-b b(Io + Go) + a
Obteniendo los valores de equilibrio y y C
Go) + a
1-b
siempre que b
298
-^ _ b(Io + Go)
Mismos valores obtenidos por medio de la regla de Cramer.
Un ejemplo numrico
Consideramos ahora los datos siguientes:
Io= 40
Go=100
a = 5
b = 0.60
Del sistema de ecuaciones:
Y = C + lo + Go (I)
C = a + by
hacemos:
(II)
Y - C = lo + Go
-by + C = a
Sustituyendo valores en (II)
Y - C = 400 + 100
-.60Y + C = 5
Construyendo la matriz
1 -1
A =
-.60 1
299
Obtenemos el ingreso de equilibrio ( y ) de manera que:
140 -1
5 1 140 + 5 _ 145
Y= = 362 .5
1 -1 1-.60 ^40~
-.60 1
1 140
-.60 5 5 + 84 89
y c= = 222.5
1 -1 1 - .60 .40
-.60 1
Sustituyendo y y C en l a s ecuaciones del sistema 1
Y =362.5 = 222.5+ 40+ 100

= 362.5 = 362.5
C = 222.5 = 5+ .60(362.5)
222.5 = 5 + 217.5
222.5 = 222.5
tambin en el sistema II sustituimos y y C
362.5-222.5 = 40+100
140 = 140
-.60(362.5) + 222.5 = 5
-217.5 + 222.5 = 5
5 =5
en
Cumpliendo de esta manera los valores de equilibrio de C y Y
el sistema.
Ahora obtenemos C y Y mediante la matriz inversa
300
1 -1 1 .60
A = su matriz de coeficientes es
-.60 1 1 1
1 1
de manera que la adj A = y su matriz inversa es
.60 1
A"1 = - ^ a d j
de esta manera el sistema de ecuaciones Ax = d, donde
X = y d=
se soluciona como
"145"
"Y" 1 " 1 lTl40" 1 140+5 .40 "362.5"
c 1-.60 .60 lj[ 5 .40 .60(14Q+5
89 222.5_
.40
de manera que y = 362.5

C = 222.5
Mismos valores obtenidos mediante el mtodo de Cramer
13.3 Modelo de mercado con dos bienes
Es necesario mencionar que operamos con un modelo en equili-

brio donde los bienes tienen sustitutos cercanos de manera que la
cantidad (Q) y el precio (P) de un bien afectan la cantidad y el
301
precio del otro bien; no existe excedente por lo cual la oferta es

igual a la demanda. Bajo estas condiciones el equilibrio se da cuan-
do Qd= QSJ. As dicho equilibrio en el modelo de mercado con n
mercancas comprender n ecuaciones; una para cada mercaca,
de modo que
E = Qd = Qs = 0 (i = 1,2,...., n)
Si hay una solucin, tendremos un conjunto de precios p7* y

sus correspondientes cantidades QT de manera que se satisfarn de
forma simultnea todas las n ecuciones de las condiciones de equi-
librio.
Al plantear el modelo simplificamos las funciones de demanda
y oferta de ambas mercancas hacindolas lineales. Con trminos
paramtricos el modelo puede escribirse como:
(1) Qd - Qst = 0 Donde Q y P son variables

endgenas
(2) Qd, :
(3) Qsr
(4) Qdz - Qsz = 0 Adems a,b,<|) y 8 son co-

eficientes de demanda y
(5) Qdz = <|)o+(|)1P1+<|)2P2 oferta.
Un primer paso en la solucin de este modelo consiste en la

eliminacin de variables. Sustituyendo las ecuaciones segunda y
tercera en la primera (del primer bien), y la quinta y sexta en la
cuarta (del segundo bien), el modelo se simplifica a dos ecuaciones
de dos variables.
* Donde P4 Q { se refieren a precio y cantidad de equilibrio para el bien

de i.
302
Con esto, los precios de equilibrio son:
A, e2a0-e0a2 = - _ A2 eoa,-e,a0
p r
1 - 2
A A e,a2-a,e2
e,a 2 - a , e 2
Ejemplo numrico
Sean las funciones de oferta y demanda:
Qd,= 6-3P, + 2P2
Qs, = - 4 + 5P,
Qd 2 =13+2P,-8P 2
Qs2 = -1 + 4P2
Obtener las cantidades de equilibrio (Q .) y los precios de equi-

librio (p~).
Antes de iniciar las operaciones, procedamos a analizar los
coeficientes numricos. En cada bien, Qsx depende slo de P1? pero
Qd} se presenta como una funcin de ambos precios. Se seala que
mientras Vx tiene un coeficiente negativo en Qd1? como cabra es-
perar, el coeficiente P2 es positivo. El hecho de que un aumento en P2
tienda a aumentar Qd x sugiere que los dos artculos tienen una
relacin mutua de sustitucin. La funcin de Yx en Qd 2 tiene una
interpretacin similar.
Con los coeficientes del sistema de ecuaciones, los valores de
los simplificadores son:
eo = 6-(-4) =10 el = -3-(5) = - 8 e2 = 2 - 0 = 2
oc0 = 13 - (-1) =14 0^= 2-0 = 2 a 2 = - 8 - 4 =-12
304
(a0 - b o ) + ( a , -bJP, +(a 2 -b 2 )P 2 = 0
Aqu se presenta la versin de dos mercancas, luego que se

han sustituido las funciones de oferta y demanda en las dos ecuacio-
nes de la condicin de equilibrio. Este sistema de slo dos ecua-
ciones, contiene no menos de 12 parmetros, lo cual hace muy ardua
la manipulacin algebraica a menos que propongamos algn tipo
de simplificacin. As definimos los smbolos simplificadores.
ctiS-ck-Si (i = 0,1,2)
De esta manera se tiene, despus de despejar e0 y ccoal lado

derecho de la igualdad
eP 4. a, D = /a
o t ^ + ct2P2 = -oto
Planteado as, el sistema de ecuaciones para los precios de

equilibrio puede resolverse por el mtodo de Cramer.
Para ello es necesario obtener los tres determinantes
(|A |, |A J I y |A 21) tomando los valores siguientes:
A =
-er
= -e0a2 +e2a0
-ct
-er
= - e , a 0 + e o a,
303
Al sustituir los valores de e y a! en |A|, |A1| y |A2| tenemos:
-8 2
= (- 8X- 12 ) - (2X2) = 96 - 4 = 92
2 -12
-10 2
A, = (- 10X-12)- (- 14X2) = 120 + 28 = 148
-14 -12
-8 -10
A 22 = = (- 8X-14)- (2X-10) = 112 + 20 - 132
2 -14
Luego, los precios de equilibrio son:
A, 148 37
P, =
92 23
92 23
Sustituyendo P, yP 2 en Qd, y Qs, para obtener Q,
33_
23
138_1U_ 6 6 _ 9 3 _ 4 J _
~23~ 23 + 23 ~ 23 " 23
. .. 37^1 92 185 93 , 1
Qs, = - 4 + 5 = + = =4
1
' 23 J 23 23 23 23
305
luego la cantidad ofertada y demandada de equilibrio Q1 es igual

a 4
23
Ahora para obtener la cantidad de equilibrio Q 2 sustituimos

yP^ enQd 2 yQs 2
Qd 2 =13 + 2P^-8P
18
23 J I 23
= 299 74 264 109 17

23 + 2 3 23 ~ 23 23
33 ^l -23 132 109 17

Qs 2 = - 1 + 4 + 4
23) 23 +
+ 23 423 = 4 23
. 17
Luego Q 2 =4
En conjunto los precios y las cantidades de equilibrio en el

modelo de dos bienes son:
=r . 14 =- , 10
P, = 1 P, =1 Qi=4
23 23 23 23
Podemos tambin obtener los precios y las cantidades de equi-

librio (P^ y Q , ) al sustituir la inversa de una matriz, de manera
que si
"p," e
i e2 r - e o0i -10
x = A= y d= =
a2 -a0 -14
Ti. i
306
xA = d
entonces: - . _, ,
x=A d
Siendo la matriz de coeficientes de nuestro sistema ecuacional
-12 -2"
A -1 | su matriz de cofactores ser
-2 -8
-12 -2
y la de Adj A= en donde la matriz inversa es
-2 -8
1 -12 -2
A"1 =adjA =
(-8X-12)-(2X2) -2 -8
-12 -2
A"1 =
92 I - 2 - 8
De esta forma obtenemos Pt y Q 1 resolviendo
148 37
"-101 1 "120+28" ^2 23
92 - 2 - 8 _-14j
- 92 20+112 132 33
."92. .23.
ConestoP^lM. y P 2 =l|
Mismos valores obtenidos mediante el mtodo de Cramer.
Los valores de Q7 y Q7 se obtienen de la forma ya antes ex-

puesta.
307
Captulo 14
Clculo de la matriz insumo-producto
con Excel
Objetivos:
V El lector ser capaz de calcular la matriz de Insump-
Producto utilizando Excel.
En ste captulo, se describe el clculo de la matriz Insumo-Pro-

ducto, utilizando la hoja de clculo electrnica de Excel. El proce-
so es el siguiente:
14.1 Clculo de las matrices de transacciones

interindustriales y coeficientes tcnicos
1) Se despliega una hoja de clculo

2) Se captura la tabla de transacciones interindustriales. (Ver ima-
gen 14.1)
309
Imagen 14.1
Captura de transacciones interindustriales
Htn r nswtar Eonnato Herramientas Dab Venta I
Anal
A12
% ww s*&*4'
lili
A B C : D E
1 Transacciones interindustriales
2
3 . NCompras Demanda intermedia Demanda Produccin
4 VentasC SI S2 S3 final Bruta
7 SI 200 300 400 100 1000

8 S2 500 600 900 200 2200
9 S3 300 1300 700 400 2700
11
12
13.
14
N 1 O HX . M U Xlnsumo-Piod/ Hf,2 ^Hqa3 / .i nr
listo HMFO
Înicio ^Microjoft Excel-Apli. .. ifMicrosoftWord-Matex
-1 &f 7:48
3) Se genera la matriz de coeficientes tcnicos; para esto se divi-

de cada valor de la Demanda intermedia de los sectores entre
su correspondiente valor de produccin bruta. En la imagen
14.2, se muestra la celda II5, en la barra de edicin de frmu-
las aparece =+C8/$F$8, esto indica que el coeficiente de re-
querimientos directos por unidad de produccin bruta del sector
dos al sector dos (a22), es igual a 0.273 unidades (600 / 2200).
El requerimiento del sector uno al sector tres (a31), es de 0.3
unidades, es decir; a31 = B9 / $F$7 = 300 /1000 = 0.3
310
Imagen 14.2
Calculo de la matriz de coeficientes tcnicos
QArchiyo Edicin Ver Injertar ormato Herramientas Da|os Verjfcana I -|flx|
i?:
Anal 10 v X K S $ %
115 ' : =+C8/$F$8
A B C D I J
1 Transacciones interindustriales
2
3 ^Compras Demanda intermedia Demanda Produccin
4 Ventah. SI S2 S3 final Bruta
7 SI 200 300 400 100 UOOO

8 S2 500 900 200 ^200
9' S3 1300 400
k
y matriz de coeficientes tcnicos

w 0.136 0.148
\0.500 *0.273 0.333
A).3OO 0.591 0.259
.i >ir
Listo NUM RJO
;lnicQ||^Hicr Q :ot Excel-Apli... ffMictosollWd;MabieKel
Si desea ver la frmula de cada coeficiente tcnico, bastar

con seleccionar la celda correspondiente, y en la barra de funciones
aparecer la frmula respectiva, si adems se requiere visualizar
las celdas involucradas en los clculos como en la imagen 14.2,
debe pulsar:
<Herramientas><Auditora><Rastrearprocedentes>
En la imagen 14.3 se muestra ese men.
311
Imagen 14.3
Men de auditora
A B C D
1 Transacciones mtenndustnales
4 v ^
C06fcient6s tcnicos
p*r*b*n,*x*ul*
0136 0148
0 273 0 333
0 591 , 0 259
M \ IWBJW'WW j ^ "**"PW* \ ' i|i,X*i*MWfiL .-,
JftWWtt 1BTM jlSSMwôflEK-At*..
14.2 Clculo de la matriz de Leontief y su inversa
4) Se calcula la diferencia de la matriz identidad menos la matriz

de coeficientes tcnicos. Para esto se captura la matriz identi-
dad (la cual debe ser de igual dimensin m x n que la matriz de
coeficientes tcnicos), en seguida se le restan los valores de la
matriz de coeficientes tcnicos ver imagen 14.4.
Imagen 14.4
Diferencia: matriz identidad - matriz de coeficientes tcnicos
t ; M H , O;
Matnz identidad i Matriz de coeficientes tcnicos
VI 10 0 JI200 0.136 0.148

\o \ o
1 /
0 500
0 300
0 273
0 591
0 333
0.259
/
Matnz i dentad - Math: de coeficientes tcnicos
^8O0| -0 136 -0 148

-0 500 0 727 -0 333
-0 300 -0 591 0 741
312
5) Se calcula la inversa de la diferencia matriz identidad - matriz

de coeficientes tcnicos. Para esto se pulsa el icono fie, en se-
guida aparece una ventana de procedimiento, en sta se selec-
ciona la funcin <Matemticas y Trigonomtricas>
<MINVERSA>, ver imagen 14.5.
Imagen 14.5
La funcin MEWERSA
! Pegar Juncin
Usadas recientemente M.C.M

Todas MDETERM
Financieras 815
Fecha y hora MMULT
IBBSBBB MRound
Estadsticas Multinomial
Bsqueda y referencia MULTINOMIAL
Base de datos MULTIPLO.INFERIOR
Texto MULTIPLO.SUPERIOR \i
Lgicas NUMERO.ROMANO
"';.'H':5;;.: ?'.' ' ' . . ! ' " ? ' " - " ' i > : . / . - - ' " : ~ " ; ' , '"'."'. ;'
Al pulsar MINVERSA aparecer una ventana de proceso que

indica la operacin a realizar (inversa de matriz), tambin presenta
un rea de captura en donde se anota la ubicacin de la matriz a
invertir, en este ejemplo la ubicacin es J21 :L23, ver imgenes 14.6
y 14.7
313
Imagen 14.6
Ventana de captura para MINVERSA
Edicin er Insertar &*mato Herramientas Datos Verana I
l l X V s =MIHVERSAQ
H i . J 1 K L M 1 M O P Q F 2
19 MINVERSA
Matriz [j
Devuelve la matriz inversa de una matriz dentro de una matriz.
Matriz e$ una matriz nuwriea con el tdsm nmero de filas ^ coluiwas, y

puede ser un rango de celdas o una constante tnatridal.
Resultado de te formula*
28
29
30
31 T
H 4 > N \ w*wlcif Iraumo^fod \lnsumo-Piod ( 2 ) / Hoja 2 Ho|: j < j , || f
Modificar *WW FIJO
lia Inicio [ JSfMbosoftWotd-Mdriexel [[^Miciotoft Excel - Apli...
Una vez anotada la ubicacin de la matriz que se busca inver-

tir se pulsa Aceptar, en seguida aparece el resultado de la posicin
1,1 (primera fila, primera columna) dado que requerimos todos los
elementos de la inversa, hay que copiar la formula matricial. Para
esto se ubica el cursor en la celda que contiene la frmula matricial
a copiar, en seguida se selecciona, el rea donde se desea copiar la
frmula, una vez hecho esto se activan las funciones matemticas
oprimiendo la tecla F2 (ver imagen 14.7), finalmente se pulsan
simultneamente las teclas <Shift><Control><Enter>, y la inversa
de la matriz (I-A) = (I-A)"1 o inversa de la matriz de Leontief apa-
recer automticamente (ver imagen 14.8),
314
Imagen 14.7
Copiado de una frmula matricial
j j X \ * =MINVERS(J21:L23)
H J M O P O fZ
19 Matriz identidad - Matriz de coeficientes tcnicos (I-A)
20
21 0 800 -0.136 -0 148
22 -0 500 0.727 -0 333
23 -0 300 -0.591 0 741
24
25 Inversa de (I-A),
26
27
30
ai tr*rt*ôJoriM X \lnsumo-P.od (2)/Hoj2
Mocfflcar NUM FIJO
S f Microiol Word - Manenel || g g MictosoH Excel - Apli...

asa
Imagen 14.8
Matriz inversa de Leontief (I-A) 1
^ j archivo Edicin er Insertar orrr*ato Herramientas Dalos
D A I xi ^ 3o* - m
Arte HE
L29 J {=MINVERSA(J21 L23)} Estilo miflares |
:
H . J L \ M K N O P Q FI
19 Matriz identidad - Matriz de coeficientes tcnicos (I-A)
20
21 0.800 -0.136 -0.148
22 -0.500 0.727 -0 333
23 -0.300 -0.591 0 741
24
25 Inversa de (I-A), ( I - A ) M
26
27 2.566 1.416 1 150
28 3.532 4.116 2 559
29 i 3.857 3.857f 3 857
30
31
iMumo-Piod \ nsumo-Prod (2)>( Hoj*2
ISy MiacMO V/Ofd Matriexel [[gg Micnwoft Excel - Apli...
315
14.3 Clculo del incremento en la produccin bruta
6) Se calcula el producto de la matriz inversa de Leontief, (I-A)"1,

por la matriz de demanda final (Y). Es decir el producto (I-
A)"1 Y, esto permite probar que la matriz inversa de Leontief
por la demanda final es igual a la produccin bruta.
El producto de matrices se obtiene en forma automtica pul-
sando el icono fie y seleccionando las opciones <Matemticas
y trigonomtricas><MMULT>, (ver imagen 14.9)
Imagen 14.9
La funcin MMULT
ate$QrSa de la fundn! CrtJ

Usadas recientemente ^ LOG
Todas LOG10
Financieras M.C.D
Fecha y hora M.C.M
MDETERM J.
, Estadsticas MINVERSA
Bsqueda y referencia
Base de datos
1
BiiHHi
MRound
Texto Multinomial
Lgicas j| MULTINOMIAL
MMUlT(matri2l;malr22)
O e v ^ e produjo Oficial dedos matrices, una matriz ton mismo nmero de f^c \
' ' > ' ' ' - ' ' i ,- I-i'
Enseguida aparece una ventana de proceso (ver imagen 14.10),

en sta se capturan los valores de las matrices 1 y 2, es decir las
matrices (I-A^y Y. La captura se hace directamente al seleccionar
con el mause el rea de las matrices; por ejemplo para (I-A)'1 es
J27:L29y para Yes N27:N29, ver imgenes 14.10y 14.11
316
Imagen 14.10
Ventana de captura para MMULT
=MMULT(J27:L29;N27:29)
* M*W*1 |J27:L29
1 por Y
Matrtt JN27:N29|
w*h*MW?2
'ftesukacbe lafrtmJa - t
35;
37'-f
icrosoft Ecel - Api...
Imagen 14.11
Producto de (I-A) 1 Y
|fipr* fciswtar -gorroato tsrracnootas Datos Ventana t
*- U{=MMULT(J27:L29;N27:N29)}
y~j- y K t v*M- '"'. H Q
Inversa de (I-A), Y Producto de (I-, por Y

(Demanda final)
2.566 1.416 1.150 100 1000
H
3.532 4.116 2.559 200 2200
M] 3.857 3.857 3.857 400 2700
ati 3.8
M
sij
si
33
fL ^
317
7) Clculo de la produccin bruta con incrementos en la deman-

da final.
En este paso se multiplica la matriz inversa de Leontief por la
demanda incrementada utilizando la funcin MMULT y pro-
cediendo como en el punto anterior (6), ver imagen 14.12.
Imagen 14.12
Producto de (I-A) 1 Y incrementada
BBHHHV1O||*1;
Ârchivo Edicin Ver Insertar Formato Herramientas Datos Verjtana ?
f
Arial * 10 * Hi^S M^g $% VA * '4'
P35 a {=MMULT(J27:L29L33:L35)}
J K L M N O P 1Q R I
25 Inversa de (I-A), (I-A)M Y Producto de ( - A ) M por >
26 (Demanda final)
27 2.566 1.416 1.150 100 1000
28 3.532 4.116 2.559 200 2200
29 3.857 3.857 3.857 400 2700
30
31
32 Yo Incremento Y1 Producto de((l-A)^-1)(Y1)
33 100 50 150 1291.15
34 200 50 250 2787.13
35 400 80 480 3394.29
36
37
\ \lnsumo-Piodl2)/Ho
Listo NUMFI3O
o] gyMfefOsoftWQrd-Mdriexel - ApIL..
8) Clculo del incremento en la produccin bruta para satisfacer

la variacin de la demanda final.
El incremento en la produccin bruta se obtiene mediante la
diferencia de PpPo (ver imagen 14.13), los clculos se hacen
con frmulas manuales.
318
Imagen 14.13
Clculo del incremento en produccin bruta
t ] Archiva gfctin Ver insertar formato Herramientas Datos Ventana >

DDgi
539
o
H 1 J K L M ^
31 Demanda final
32 Yo Incremento Y1
33 100 50 150
34 200 50 250
35 400 80 480
36
3
37 roduccin bruta
38 Po Incremento P1
30 I 1000 291.15 1291.15
40 2200 587.13 2787.13
41 2700 694.29 3394.29
4oclon#s / InsumoPjod \ l n sumo-Prod ( 2 ) / Hoja 2
M FIJO
!BInicio[ SyMboôftWofd-Matriexel [[Miciotol Excel - Apli...
319
Bibliografa
MICROSOFT Excel Versin 5, Manual del Usuario, Microsoft

Corporation 1994.
MICROSOFT Excel Versin 7, Manual del Usuario, Microsoft
Corporation 1996.
MICROSOFT Windows Versin 3.1 User'S Guide, Microsoft
Corporation 1993.
ANTN H. & RORRES, Aplicaciones de lgebra Lineal, Ed.
Limusa, Mxico 1994.
ANTN H. Introduccin Al lgebra Lineal, Ed. Limusa, Mxico
1992.
CHIANG A. Mtodos Fundamentales de Economa y Adminis-
tracin , Ed Me Graw Hill, Mxico 1994.
GROSSMAN S. I. lgebra Lineal, Ed. Grupo Editorial Ibero-
americana, Mxico 1994.
GROSSMAN S. I. Aplicaciones de lgebra Lineal, Ed. Grupo
Editorial Iberoamericana, Mxico 1993.
KLEIMAN A. Matrices: Aplicaciones Matemticas en Econo-
ma y Administracin , Ed. Limusa, Mxico 1990.
STRANG G. lgebra Linealy sus Aplicaciones, Ed. Interameri-
cana, Mxico 1989.
321
WEBER J. Matemticas para Administracin y Economa, Ed.

Hara, Mxico 1984.
HARVEY G. lgebra Lineal, Ed. Grupo Editorial Iberoamerica-
na, Mxico 1992.
WILLIAM L. P. lgebra Lineal con aplicaciones, Ed. Me Graw
Hill, Mxico 1990.
FRANK S. B. Matemticas aplicadas para administracin, eco-
noma y ciencias sociales, Tercera edicin, Ed. Me Graw Hill,
Mxico 1990.
ERNEST F. H. Jr. RICHARD S. Matemticas para administra-
cin y economa, Segund edicin, Ed. Grupo Editorial Ibero-
americana, Mxico 1992.
322
Introduccin al lgebra lineal y de matrices.

Aplicaciones con Excel
se termin de imprimir en los talleres de
Jason's Editores, S.A. de C.V.,
Mar Mediterrneo 211, Col. Popotla,
Mxico, D. F.
La edicin consta de 500 ejemplares
ms sobrantes para reposicin.
L as matemticas constituyen una parte fundamental en la

formacin de los estudiantes y profesionistas de las Ciencias
Sociales. E sto se hace ms evidente para los que se encuen-
tran en reas en donde es necesario resolver problemas
relacionados con la produccin, la organizacin, la toma de
decisiones, etc.
E ste libro Introduccin al lgebra Lineal y de Matrices, est

dirigido a los que estudian y/o laboran en las reas de Ad-
ministracin, E conoma, y Poltica y Gestin Social. Su
objetivo es explicar las partes esenciales del lgebra L ineal,
de manera clara, comprensiva y precisa, abordando la solu-
cin de problemas aplicados, y el uso de la computadora.
E sto ltimo, es imprescindible debido a las exigencias del
competitivo mundo actual que demanda la solucin rpida,
y prcticamente inmediata de problemas. A s, esta obra
busca integrar la enseanza del lgebra lineal y el uso de la
computadora mediante el manejo de la hoja de clculo elec-
trnica E xcel.
E l libro consta de catorce captulos en los que se presentan

ejemplos que ayudan a comprender los temas tratados. A l
principio de cada uno se encuentra una lista de objetivos
que indican al lector el propsito del mismo. E l libro abarca
desde el modelo lineal con dos incgnitas, hasta el clculo
de la M atriz I nsumo-Producto en forma manual y utili-
zando la hoja de clculo. Otros temas importantes son:
propiedades y operaciones entre vectores, matrices, repre-
sentaciones grficas, transformaciones lineales, clculo de
los valores y vectores propios, entre otros.
L a presente obra permite comprender y resolver los proble-

mas de lgebra L ineal y de M atrices que enfrentan los
estudiosos de las Ciencias Sociales.

Introduccion Al Algebra Lineal y de Matrices. Aplicaciones Con Excel PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introduccion Al Algebra Lineal y de Matrices. Aplicaciones Con Excel PDF

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIN AL

LGEBRA LINEAL Y DE MATRICES.

Araceli Rendn Trejo, Jess Rodrguez Franco,

Casa abierta al tiempo

UNIVERSIDAD AUTNOMA METROPOLITANA

UNIVERSIDAD AUTNOMA METROPOLITANA

UNIVERSIDAD AUTNOMA METROPOLITANA-Xochimilco

DIVISIN DE CIENCIAS SOCIALES Y HUMANIDADES

DEPARTAMENTO DE POLTICA Y CULTURA

Proyecto editorial de los productos acadmicos de las reas

COORDINACIN DE EXTENSIN UNIVERSITARIA

Universidad Autnoma Metropolitana, Unidad Xochimilco

Primera edicin: 1998

Universidad Autnoma Metropolitana, Unidad Xochimilco

Impreso y hecho en Mxico

Captulo 1. El modelo lineal 15

2.3 Tipos de vectores 48

Captulo 3. Operaciones con escalares y vectores

Desigualdad de Cauchy - Schwarz 91

Captulo 5. lgebra de matrices 105

Captulo 6. Operaciones con matrices 125

6.3 Producto de matrices 131

Captulo 7. Operaciones con vectores y matrices

Captulo 8. Determinantes 169

Matriz inversa por el mtodo de cofactores 189

Captulo 9. Determinantes y transpuestas con Excel 209

Captulo 10. lgebra del espacio Rn 215

Captulo 11. Transformaciones lineales 259

Captulo 12. Valores y vectores propios 269

Captulo 13. Aplicaciones 285

Captulo 14. Clculo de la matriz insumo-producto

Las Matemticas constituyen una parte fundamental en la forma-

eliminacin Gaussiana y el mtodo de matriz aumentada, el anli-

mtodo de expansin por cofactores. Por ltimo se realiza el estu-

Durante muchos aos, el estudio del lgebra ha estado principal-

Existen cierto tipo de problemas matemticos que se resuelven uti-

La ecuacin es una igualdad en la que hay una o varias incgnitas

b) Dada una ecuacin a = b, se multiplica a ambos miembros de

Es la ecuacin que esta formada con variables que tienen expo-

Ecuacin de primer grado con una incgnita

Una ecuacin de primer grado con una incgnita se escribe de la

2) Si a = O y b = O , la solucin tiene nmero infinito de opciones

2) Sea la ecuacin -6 = 2x encontrar la solucin.

3) Sea la ecuacin 0 = 0x? encontrar la solucin.

Sistema de ecuaciones lineales con dos incgnitas

Un sistema de dos ecuaciones con dos incgnitas se escribe en

Solucin de un sistema de dos ecuaciones con dos incgnitas

Multiplicando la primera ecuacin por cuatro, tenemos el sis-

Multiplicando la segunda ecuacin del sistema II por menos

El valor de Y para la primera ecuacin del sistema III es:

Multiplicando la primera ecuacin por dos, obtenemos el sis-

Multiplicando la primera ecuacin por menos uno y sumn-

La primera ecuacin del sistema III es cero, por lo tanto, el

Multiplicando la primera ecuacin por 6 y la segunda por 4,

Sumando la primera ecuacin a la segunda del sistema II te-

La primera ecuacin del sistema III es falsa, entonces el siste-

Multiplicando la primera ecuacin por dos, tenemos el siste-

En el sistema II ambas ecuaciones son iguales, por lo tanto

1.3 Sistema de m ecuaciones con n incgnitas

Un sistema de m ecuaciones con n incgnitas o variables se repre-

aml xi + am2 x2 + ... + amn xn - b m

En donde X!, x 2 ,... xn son las incgnitas , a n , a12 , a l n , a21,

an = 1? a12 = 1, a13 = 2, a2i = 2, a22 =