ESCUELA POLITECNICA NACIONAL

ALGEBRA LINEAL 2012

MATRICES
1.1 CONCEPTO Y CLASIFICACIN
Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, suelen
ser nmeros ordenados en filas y columnas.

Se llama matriz de orden "m n" a un conjunto rectangular de elementos aij dispuestos en
m filas y en n columnas. El orden de una matriz tambin se denomina dimensin o tamao,
siendo m y n nmeros naturales.

Las matrices se denotan con letras maysculas: A, B, C,... y los elementos de las mismas con
letras minsculas y subndices que indican el lugar ocupado: a, b, c,... Un elemento genrico
que ocupe la fila i y la columna j se escribe aij. Si el elemento genrico aparece entre
parntesis tambin representa a toda la matriz: A = (aij)

.. Fila
Por comodidad se escribir A ..
= ( ) = ..
: : : :
..

ORDEN DE UNA MATRIZ

Columna
Indica el nmero de filas y el nmero de columnas que tiene.

mxn

nmero de filas

numero de columnas

Amxn A Mmxn

Ejemplos:

4 3 1
( ) D=
0 2 5
 ( )

( )

ELEMENTOS DE UNA MATRIZ: aij

A= (aij)mxn a ij
posicin columna

posicin fila

Ejemplo:

..
-2 3 1 = ..
A= 0 2 1 ..
0 4 -3 : : : :
..

a11= -2
a23=1

DIAGONAL DE UNA MATRIZ {

En lgebra lineal, la diagonal de una matriz cuadrada contiene los elementos

situados desde a1x1 hasta anxn.

Es decir, los elementos que van desde la esquina superior izquierda hasta la esquina
inferior derecha: a1x1, a2x2, a3x3.... anxn.
 j
..
= ..
..
: : : :
..

j
Los elementos de la diagonal de la matriz A son: a1x1, a2x2, a3x3

Ejercicios:
Construir las siguientes matrices dadas las siguientes restricciones:

A= ( )

A= ( )

CLASES DE MATRICES

Tipo de matriz Definicin Ejemplo

Aquella matriz que tiene una sola
FILA ( )
fila, siendo su orden 1n

Aquella matriz que tiene una sola

columna, siendo su orden m1 ( )
COLUMNA

RECTANGULAR Aquella matriz que tiene distinto ( )

nmero de filas que de columnas,
 siendo su orden mn ,

Dada una matriz A, se llama ( )

traspuesta de A a la matriz que se
obtiene cambiando ordenadamente ( )
las filas por las columnas.
TRASPUESTA
Se representa por At AT ( )

( )

La matriz opuesta de una dada es la

que resulta de sustituir cada ( )
OPUESTA elemento por su opuesto. La opuesta
de A es -A.
( )

Si todos sus elementos son cero.

NULA Tambin se denomina matriz cero y ( )
se denota por ( )

Aquella matriz que tiene igual ( )

nmero de filas que de columnas, m =
n, dicindose que la matriz es Diagonal principal
de orden n.

Diagonal principal : son los

elementos a11 , a22 , ..., ann

Diagonal secundaria : son los Diagonal secundaria

CUADRADA
elementos aij con i+j = n+1

Traza de una matriz cuadrada : es la

suma de los elementos de la diagonal
principal, notada por ( )

( )
 Es una matriz cuadrada que es igual
SIMTRICA a su traspuesta.
A = At , a ij = a ji

Es una matriz cuadrada que es igual

a la opuesta de su traspuesta.
ANTI SIMTRICA ( )
A = -At , aij = -aji
Necesariamente aii = 0

Es una matriz cuadrada que tiene

todos sus elementos nulos excepto los
de la diagonal principal, es decir:
DIAGONAL ( )
Sea la Matriz A= (aij)mxn
ssi:

Es una matriz cuadrada que tiene

todos sus elementos nulos excepto los
ESCALAR ( )
de la diagonal principal que son
iguales

Tambin se denomina matriz unidad.

Es una matriz cuadrada que tiene
todos sus elementos nulos excepto los
de la diagonal principal que son
IDENTIDAD iguales a 1. Es decir: ( )
Sea la Matriz I= (aij)mxn
I es matriz identidad ssi:

Matriz triangular Superior

( )
Sea la Matriz A= (aij)mxn
ssi:
TRIANGULAR T. superior
Matriz triangular Inferior

Sea la Matriz A= (aij)mxn ( )

ssi:
 T. inferior

Una matriz A es idempotente si:

IDEMPOTENTE
Nota: La identidad no es la nica
idempotente ( )

Una matriz ortogonal es

necesariamente cuadrada e
invertible: A-1 = AT
La inversa de una matriz ortogonal
ORTOGONAL es una matriz ortogonal.
El producto de dos matrices ( )
ortogonales es una matriz ortogonal.
El determinante de una matriz
ortogonal vale +1 -1.

Una matriz es normal si conmuta con

su traspuesta. Las matrices
( )
NORMAL simtricas, anti simtricas u
ortogonales son necesariamente
normales.

Es una matriz cuadrada ( tiene igual

nmero de filas que de columnas) tal
que su cuadrado es igual a la matriz
INVOLUTIVA A2 = I
unidad, es decir:
A es involutiva si A x A = I

Decimos que una matriz cuadrada A A es nilpotente de

es Nilpotente de orden r si y slo si orden 3,
se verifica que , ( r es el
NILPOTENTE
menor entero positivo ) ( )
 1.2. OPERACIONES CON MATRICES

Suma de matrices
Si las matrices A= (a i j ) y B= (b i j ) tienen el mismo orden, la matriz suma es:
A+B= (a i j +b i j ).
La matriz suma se obtiene sumando los elementos de las dos matrices que ocupan
la misma posicin y la matriz resultante tiene el mismo orden de las matrices inciales,
o sea A y B.
Ejemplo:

( ) ( )

( )

Propiedades de la suma de matrices:

Interna:

La suma de dos matrices de orden m x n es otra matriz dimensin m x n.

Asociativa:

A + (B + C) = (A + B) + C
Elemento neutro:

A+0=A
Donde O es la matriz nula de la misma dimensin que la matriz A.
Elemento opuesto:

A + (A) = O
La matriz opuesta es aquella en que todos los elementos estn cambiados de signo.
Conmutativa:

A+B=B+A
 Producto de un escalar por
una matriz
Dada una matriz B= (b i j ) y un nmero real k R, se define la multiplicacin de un
nmero real por una matriz a la matriz del mismo orden que A, en la que cada
elemento est multiplicado por k.
k B=(k b ij )

Ejemplo:
( ) ( )

Propiedades
a (b A) = (a b) A A Mmxn, a, b
a (A + B) = a A + a BA,B Mmxn , a
(a + b) A = a A + b A A Mmxn , a, b
1 A = A A Mmxn

Producto de matrices
Dos matrices A y B son multiplicables si el nmero de columnas de A coincide
con el nmero de filas de B.

Mm x n x M n x p = M m xp

El elemento c i j de la matriz producto se obtiene multiplicando cada elemento de

la fila i de la matriz A por cada elemento de la columna j de la matriz B
y sumndolos.

Ejemplo:
Primer mtodo de multiplicacin de matrices:
( ) ( )

( )
 ( )

Segundo mtodo de multiplicacin de matrices:

( )

A*B =

3 1 2

( ) 3 0 3
7 3 6

Propiedades de la multiplicacin de matrices:

Asociativa:
A (B C) = (A B) C
Elemento neutro:
AI=A
Donde I es la matriz identidad del mismo orden que la matriz A.
No es Conmutativa:
ABBA
Distributiva del producto respecto de la suma:
A (B + C) = A B + A C

1.3. ALGORITMOS PARA EL CALCULO DE

An

INDUCCIN MATEMTICA
 ( )

Calcular An,

El mtodo de demostracin conocido como induccin matemtica, se puede

utilizar para demostrar que una cierta proposicin p(n), que se refiere a los
nmeros naturales, es cierta para cada n.
El mtodo nos dice:

1. Demuestra que P(1) existe

2. Demuestra que P(n) es cierta, entonces P(n+1) es cierta
As queda claro que P(n) es cierta

Para la matriz A empezamos A estas potencias las escribimos de

calculando las sucesivas potencias de otro modo:
la matriz cuadrada A:

( ) ( )

( ) ( )

( ) ( )

( )
( )

Esto nos lleva a proponer la siguiente ecuacin general:

( ) ( )

( )
( ) ( )

Demostramos por induccin que es verdad:

 1. Comprobemos que es cierto para cada n=2, n=3 por ejemplo.
2. Supongamos que la formula es cierta para n vamos a ver que tambin es cierta
para n+1

( ) ( )

( )( ) ( )
( ) ( )

Por lo tanto queda demostrado por induccin que:

( ) ( )

( )
( ) ( )

Ejemplo:
Sea: ( ) , encontrar Bn

Primero encontramos sus primeras potencias tales como:

( )

( ) ( )

( )

( )

HI) ( )

( )
TI) ( )

Demostracin:

B(k+1)=Bk*B1

( )( )
( )
( )
 BINOMIO DE NEWTON

Deduccin de la frmula del binomio de newton

Vamos a deducir la frmula que nos permitir elevar a cualquier potencia de

exponente natural, n, un binomio. Esto es la forma de obtener ( )
Para ello veamos cmo se van desarrollando las potencias de (a+b)

( )

( )

( )

Y ya podemos escribir la frmula general del llamado binomio de Newton

( )
( )

Que tambin se puede escribir de forma abreviada as: ( ) ( )

Tenemos:

( )

( )
( )
PASOS PARA CALCULAR An

1. Descomponer la matriz A en dos matrices conmutables de la forma A=I+B

( ) ( )

( ) ( ) ( )

( )

2. Aplicar Binomio de Newton

( )

0 0 0

( ) ( )( )

3. Simplificar:

4. Sustituir matrices y operar:

( ) ( )

( )

Ejemplo:
Encontrar con el binomio de newton A n
( )
 1. Descomponer la matriz A en dos matrices conmutables de la forma
A=I+B

( ) ( )

2. Aplicar Binomio de Newton

( )

( ) ( )( )

3. Simplificar:

Tenemos:
( ) ( ) ( )

4. Sustituir matrices y operar:

( ) ( )

( ) ( )
( )( )

( )
( )( )

1.4. FORMA ESCALONADA DE UNA MATRIZ

MATRIZ ESCALONADA POR FILA

1 0 0
B= 0 1 0
0 0 1

En lgebra lineal una matriz se dice que es escalonada o que est en forma
escalonada si:

1. Todas las filas cero estn en la parte inferior de la matriz.

2. El primer elemento no nulo de cada fila, llamado pivote, est a la derecha del

pivote de la fila anterior (esto supone que todos los elementos debajo de un

pivote son cero).

Ejemplo:

Las siguientes matrices son reducidas por fila:

( ) ( )

Las siguientes matrices no son reducidas por fila:

( ) ( )
 MATRIZ ESCALONADA REDUCIDA POR
FILAS

1 0 -5 0
0 1 17 0
0 0 0 1

Si adems se cumplen las siguientes condiciones de matriz escalonada y:

1. Sus pivotes son todos iguales a 1

2. En cada fila el pivote es el nico elemento no nulo de su columna.
Se dice que es escalonada reducida por filas.

Ejemplo:

( )

( )

OPERACIONES ELEMENTALES DE FILA

Multiplicar una fila por un escalar no nulo.

Notacin: { }

Intercambiar de posicin dos filas.

Notacin:

Sumar a una fila y un mltiplo de otra.

Notacin: { }
 MATRICES SEMEJANTES
Se dice que la matriz A es semejante o equivalente por filas de la matriz B si la
matriz A se obtiene al realizar operaciones elementales de fila en la matriz B

Ejemplo 1:

( ) ( ) ( )

( ) ( ) ( )

Ejemplo 2:

1 2 3 1 2 3
A= 3 1 -3 = 3 1 -3
-5 0 2 -5 0 2
F2 F2-3F1

F3 F3+5F1

Las matrices semejantes comparten varias propiedades:

Rango
Determinante
La misma Traza
Los mismos valores propios

1.5 MATRIZ INVERSA

Una matriz cuadrada A de orden n se dice que es invertible, no singular, no

degenerada o regular si existe otra matriz cuadrada de orden n, llamada matriz
inversa de A y representada como A1, tal que
 AA1 = A1A = In

Donde In es la matriz identidad de orden n

PROPIEDADES DE LA MATRIZ INVERSA

La inversa de una matriz, si existe, es nica.

La inversa del producto de dos matrices es el producto de las inversas

cambiando el orden:

( )

Si la matriz es invertible, tambin lo es su transpuesta, y el inverso de su

transpuesta es la transpuesta de su inversa, es decir:

( ) ( )

Y, evidentemente:

( )

CALCULO DE UNA MATRIZ INVERSA

Mediante las transformaciones elementales de filas de una matriz, convertir la matriz

anterior en otra, que tenga en las n primero columnas la matriz identidad y en las n
ltimas columnas la matriz A-1

El mtodo consiste, pues, en colocar juntas las matrices a invertir y la identidad en

este orden.
 ( | ) ( | )

( )

A * A-1 =

( )
( )

Tenemos: ( )

2.- DETERMINANTES
2.1 DEFINICION DE DETERMINANTE

{
( ) ( ) | |

El determinante es una funcin que le asigna a una matriz de orden n, un nico nmero
real llamado el determinante de la matriz. Si A es una matriz de orden n, el determinante
de la matriz A lo denotaremos por det(A) o tambin por |A| (las barras no significan
valor absoluto).

Determinante de orden uno

 | |

Determinante de orden dos

Dada ( ), se define como el determinante de A como:

( ) | |

Determinante de orden tres

Dada ( )

2.2.MTODOS DE CLCULO DE DETERMINANTES

REGLA DE SARRUS

Este mtodo solo se utiliza para calculas determinantes de orden 3x3, donde lo que se
realiza es aumentar filas hacia abajo o columnas a la derecha de la respectiva matriz
inicial.

( ) | |

MTODO DE LA ESTRELLA

Los trminos con signo + estn formados por los elementos de la diagonal principal y
los de las diagonales paralelas con su correspondiente vrtice opuesto.

Los trminos con signo - estn formados por los elementos de la diagonal
secundaria y los de las diagonales paralelas con su correspondiente vrtice
opuesto.
 MENORES Y COFACTORES
Si A es una matriz cuadrada, entonces el menor del elemento a ij, que se indica con Mij
se define como el determinante de la submatriz que queda despus de quitar la i-simo
fila y la j-sima columna de A.

Veamos un ejemplo para poder entenderlo mejor. Sea A la matriz:

( )

Para hallar el menor del elemento a11 debemos quitar la fila 1 y la columna 1, entonces
tenemos un el determinante de orden 2x2 que multiplicara al elemento a 11 y asi
realizamos este mismo proceso con toda la fila o columna que tenga los menores trminos
o tenga ceros en su mejor caso.

Debemos tener en cuenta los signos para cada menor que escogemos as si sumamos i+j y
obtenemos un numero par es positivo e impar lo contrario.

Del ejemplo anterior vamos a reducir la columna 1 ya que tiene los menores trminos y
llegaremos a obtener la siguiente expresin:

( ) | | | | | | | | ( ) ( ) ( )

2.3 PROPIEDADES DE LOS DETERMINANTES

1. |A t |= |A|

2. |A|=0 Si:

Posee dos lneas iguales

 Todos los elementos de una lnea son nulos.

Los elementos de una lnea son combinacin lineal de las

otras.

3. Un determinante triangular es igual al producto de los

elementos de la diagonal principal.

( )

4. Si en un determinante se cambian entre s dos lneas

paralelas su determinante cambia de signo.

5. Si a los elementos de una lnea se le suman los elementos de

otra paralela multiplicados previamente por un n real el
valor del determinante no vara.

6. Si se multiplica un determinante por un nmero real, queda

multiplicado por dicho nmero cualquier lnea, pero slo
una.

7. Si todos los elementos de una fila o columna estn formados

por dos sumandos, dicho determinante se descompone en la
suma de dos determinantes.

8. |AB| =|A||B|

2.4 OPERACIONES ELEMENTALES DE FILA O COLUMNA

EN UN DETERMINANTE

1. Multiplicar una fila o una columna por un escalar no nulo el determinante

queda multiplicado por dicho escalar.
 Notacin: { }
{ }
( ) ( )

2. Intercambiar de posicin dos filas o columnas el determinante queda

multiplicado por -1.
Notacin:

( ) ( )

3. Sumar a una fila o columna y un mltiplo de otra el valor del determinante no

cambia.
Notacin: { }

{ }

Ejercicio:
Para que valores de el determinante es diferente de cero.

1. Usando el mtodo de Sarrus

| | ( ) ( ) ( )

{ }

2. Usando la propiedad tres de los determinantes

Ejemplo 1:
 | | | |

( )( )| |

=( )( )| | ( )( )( )

Ejemplo 2:

| | | |

| | | |

| | ( )( )( )

2.5 DETERMINANTE DE VANDERMONDE

Un determinante de Vandermonde es un determinante que presenta
una progresin geomtrica en cada fila o en cada columna, siendo el
primer elemento 1.

Ejemplo 1:

| | | |

| ( ) ( ) ( )|
( ) ( ) ( )
 ( )( )( )| |

( )( )( )| |
( ) ( )

( )( )( )( )( ( )

Ejemplo 2:

1 1 1 1 1 1
ba ca 1 1
a b c 0 b-a c-a (b a)(c a)
b(b a) c(c a) b c
a2 b2 c2 0 b 2 - ab c 2 ac

(b a)(c a)(c b)

2.6 MTODO DEL ACUMULADOR

Este mtodo consiste en sumar todos los elementos de todas las filas y
columnas en una sola, si y solo si los elementos de las dems filas o columnas
suman lo mismo.

Ejemplos:

| | | |

| | =
 | | | |

| | | |

| |

| |

( )( )

2.7 CALCULO DE LA INVERSA POR

DETERMINANTES
( ) | |
| |

| |

( )

Ejemplo:

Sea:

( )
1 Calculamos el determinante de la matriz, en el caso que el determinante
sea nulo la matriz no tendr inversa.

| |

2 Hallamos la matriz adjunta, que es aquella en la que cada elemento se sustituye

por su adjunto.

| | | | | |

| | | | | | ( )

( | | | | | | )

3. Calculamos la traspuesta de la matriz adjunta .

( ) ( )

4. La matriz inversa es igual al inverso del valor de su determinante por la

matriz traspuesta de la adjunta.

( )
Ejemplo:

Calcular la inversa de A

( )

Calculamos el determinante de la matriz, en el caso que el determinante sea

nulo la matriz no tendr inversa.

( ) ( )( )( )
( ) { }
Hallamos la matriz adjunta, que es aquella en la que cada elemento se
sustituye por su adjunto

| | | | | |

| | | | | | ( )

( | | | | | | )

Calculamos la traspuesta de la matriz adjunta

( ) ( )

La matriz inversa es igual al inverso del valor de su determinante por la matriz

traspuesta de la adjunta.
 ( )
( )( )( )

3.- DEFINICIN Y CLASIFICACIN DE

ECUACIONES LINEALES
Se denomina ecuacin lineal a aquella que tiene la forma de un polinomio de primer
grado, es decir, las incgnitas no estn elevadas a potencias, ni multiplicadas entre s, ni
en el denominador.

Por ejemplo, 3x + 2y + 6z = 6 es una ecuacin lineal con tres incgnitas.Como es bien

sabido, las ecuaciones lineales con 2 incgnitas representan una recta en el plano.

Si la ecuacin lineal tiene 3 incgnitas, su representacin grafica es un plano en el espacio.

Un ejemplo de ambas representaciones puede

observarse en la figura:

Representaci n grafica de la recta x + 2y = 3 en el plano y del plano x + y + z = 1 en el

espacio

UN SISTEMA DE ECUACIONES LINEALES ES UN CONJUNTO DE ECUACIONES LINEALES DE

LA FORMA:
En este caso tenemos m ecuaciones y n incgnitas.
Los nmeros reales aij se denominan coeficientes y los se denominan incgnitas (o
nmeros a determinar) y bj se denominan trminos independientes.
En el caso de que las incgnitas sean 2 se suelen designar simplemente por x e y en vez de
x1 y x2, y en el caso de tres, x, y, z en lugar de x1, x2 y x3 pero esto es indiferente a la hora
de resolver el sistema.
Resolver el sistema consiste en calcular las incgnitas para que se cumplan TODAS las
ecuaciones del sistema simultneamente.
Diremos que dos sistemas son equivalentes cuando tienen las mismas soluciones.

REPRESENTACIN MATRICIAL DE UN SISTEMA DE

ECUACIONES
Cualquier sistema de ecuaciones lineales se puede expresar en forma matricial del modo:

( )

( ) ( )

( )

( )

( ) m m

La matriz formada por A y B conjuntamente, es decir:

( | )( | )
se llama matriz ampliada del sistema y se representara por (A|B)

SISTEMAS EQUIVALENTES

1 1 -1
X 2
2 -1 1
Y 1
1 -3 -1 =
Z 0
-1 -3 1 0

Los sistemas equivalentes, se aplican a sistemas de ecuaciones lineales que tienen las
mismas soluciones y que resultan de aplicar sobre la matriz original operaciones
elementales de fila

1 1 -1 2
2 -1 1 1
1 -3 -1 0
-1 -3 1 0
CLSIFICACION DE SISTEMAS DE
ECUACIONES
Sistemas homogneos (2 tipos de soluciones)

La solucin trivial, es decir, cuando las incgnitas valen cero cada

una.
Infinitas soluciones, cuando algunas de las incgnitas quedan en
funcin de otras y valen cero.

Sistemas no homogneos (3 tipos de soluciones)

nica solucin, cuando para todas las incgnitas del sistema existe
con un solo valor real.
Infinitas soluciones, cuando algunas de las incgnitas estn en
funcin de otras y tienen un valor real.
No existe solucin, cuando los valores de las incgnitas no existen.

En sistema No homogneo Homogneo

a) Si Si (Trivial)
 b) Si Si

c) Si No

3.2 MTODOS DE RESOLUCIN

Mtodo de Gauss
El mtodo de Gauss, conocido tambin como de triangulacin o de cascada, nos
permite resolver sistemas de ecuaciones lineales con cualquier nmero de
ecuaciones y de incgnitas.

La idea es muy simple; por ejemplo, para el caso de un sistema de tres ecuaciones
con tres incgnitas se trata de obtener un sistema equivalente cuya primera
ecuacin tenga tres incgnitas, la segunda dos y la tercera una. Se obtiene as
un sistema triangular o en cascada de la forma:

Ax + By + Cz = D
Ey + Fz = G
Hz = I

Ejemplo:

Realizamos operaciones de fila

( | ) ( | ) ( )

( | ) ( | )
 ( | ) ( ) ( | )

La ultima matriz esta en forma escalonada por filas, (mtodo de gauss), lo cual
significa que:

Mtodo de Gauss-Jordan
Este mtodo, que constituye una variacin del mtodo de eliminacin de Gauss,
permite resolver hasta 15 o 20 ecuaciones simultneas, con 8 o 10 dgitos
significativos en las operaciones aritmticas de la computadora. Este
procedimiento se distingue del mtodo Gaussiano en que cuando se elimina una
incgnita, se elimina de todas las ecuaciones restantes, es decir, las que preceden
a la ecuacin pivote as como de las que la siguen.

El mtodo se ilustra mejor con un ejemplo. Resolvamos el siguiente conjunto de

ecuaciones

3.0 X1 - 0.1 X2 - 0.2 X3 = 7.8500

0.1 X1 + 7.0 X2 - 0.3 X3 = - 19.3

0.3 X1 - 0.2 X2 + 10 X3 = 71.4000

Primero expresemos los coeficientes y el vector de trminos independientes como

una matriz aumentada.

Se normaliza el primer rengln dividiendo entre 3 para obtener:

El trmino X1 se puede eliminar del segundo rengln restando 0.1 veces el primero
del segundo rengln. De una manera similar, restando 0.3 veces el primero del
tercer rengln se elimina el trmino con X1 del tercer rengln.

En seguida, se normaliza el segundo rengln dividiendo entre 7.00333:

Reduciendo los trminos en X2 de la primera y la tercera ecuacin se obtiene:

El tercer rengln se normaliza dividiendolo entre 10.010:

Finalmente, los trminos con X3 se pueden reducir de la primera y segunda

ecuacin para obtener:
 Ntese que no se necesita sustitucin hacia atrs para obtener la solucin.

Las ventajas y desventajas de la eliminacin gaussiana se aplican tambin al

mtodo de Gauss-Jordan.

Aunque los mtodos de Gauss-Jordan y de eliminacin de Gauss pueden parecer

casi idnticos, el primero requiere aproximadamente 50% menos operaciones. Por
lo tanto, la eliminacin gaussiana es el m todo simple por excelencia en la
obtencin de soluciones exactas a las ecuaciones lineales simultneas. Una de las
principales razones para incluir el mtodo de Gauss-Jordan, es la de proporcionar
un mtodo directo para obtener la matriz inversa.

Mtodo de Cramer
La regla de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a
sistemas que cumplan las dos condiciones siguientes:
-El nmero de ecuaciones es igual al nmero de incgnitas .
-El determinante de la matriz de los coeficientes es distinto de cero.
Tales sistemas se denominan sistemas de Cramer .

Sea el determinante de la matriz de coeficientes.

 Y sean: 1 , 2 , 3 ... , n

Los determinantes que se obtiene al sustituir los coeficientes del 2

miembro (los trminos independientes) en la 1 columna, en la 2 columna,
en la 3 columna y en la ensima columna respectivamente.

Un sistema de Cramer tiene una sola solucin que viene dada por las
siguientes expresiones:
 CRITERIO PARA HALLAR SOLUCIONES
Una vez aplicado Gauss o Gauss-Jordn

Tiene solucin nica si el nmero de ecuaciones validas es igual al nmero de

incgnitas.
Tiene infinitas soluciones si el nmero de ecuaciones validas es menor al nmero de
incgnitas.
No tiene solucin si el nmero de filas no nulas de la matriz ampliada y el de la matriz
de coeficientes son diferentes.

Aplicamos Gauss Jordn

( | ) ( | )

Como se escriben las infinitas soluciones

Ejemplo:

( ) | |

Resolucin por Gauss- Jordan

( | ) ( | )

( | )

{
 {( ) }
{( ) }

Ejercicios tipo examen:

Determinar para que valores de existe:
a)
b)
c)

( | ) ( | )

( | )

)| |
)

{ )

Determinar los valores de a para que el sistema

( ) ( ) ( )
{ ( ) ( )

a) Tenga solucin nica. Hallarlas

b) Tenga ms de una solucin. Hallarlas
c) No tenga soluciones

( ( ) )

| | | ( )|
| | ( )
| | +2| |
( )

| | [ ]+2[ ( )( ) ( )( )]

| | 2( )[ ( ) ( )]

| | ( )( )

( )( )

{ }

( )

( ) ( )

( ) ( ) ( )

( )

C.S.= {( ) }
C.S.= {( ) }

Determinar los valores de m para que el siguiente sistema

( ) ( ) ( )
{ ( ) ( )

a) Tenga solucin nica. Hallarlas

b) Tenga ms de una solucin. Hallarlas

c) No tenga soluciones

( )

| | | |

| | | | | |

| | [ ] [( )( ) ( )( )]

| | ( )[ ]

| | ( )( )

( )( )

{ }
( ) ( ) ( )

( )

C.S.= {( ) }

C.S.= {( ) }

( ) ( )

( )

( ) ( )

( ) ( )

C.S.= {( ) }

C.S.= {( ) }
4.1. DEFINICIN DE ESPACIOS Y SUB ESPACIOS
VECTORIALES
Un espacio vectorial sobre un cuerpo , es un conjunto no vaco, dotado de dos
operaciones:

( , , +,.)

Operacin
Conjunto no vacio Operacin Externa
de vectores Ov Interna (SUMA (PRODUCTO DE
DE VECTORES) UN VECTOR por
un ESCALAR)

Recordemos que la forma de representar a un vector es:

V= {( ) }

Condiciones
Genrico
o restricciones

{ }

{( ) } ( )
OPERACIN INTERNA OPERACIN EXTERNA

Suma de Vectores Multiplicacin de un escalar por un Vector

( ) ( )

( ) =3

( ) ( )

Espacios Vectoriales Comunes

(V,K,+,*) GENRICO EJEMPLO
( ) a + bx 3-x 0 + 0x
( )
( ) ( a, b ) ( 2 ,5) ( 0, 0 )
( ) ( a, b , c ) ( 4 , -6 , 2 ) ( 0, 0 , 0 )
( ) [ ] [ ] [ ]

Un espacio vectorial (V), definido sobre un cuerpo k (en general ) es un conjunto

; sobre el que hay definidas dos operaciones:
1. Suma:

( )

Verificando las siguientes propiedades:

(a) Conmutativa:
(b) Asociativa: ( ) ( ) .
 (c) Elemento neutro
(d) Elemento opuesto: ( )
( )
2. Producto por un escalar:

( )

Verificando las siguientes propiedades:

(a)
(b) ( ) ( )
(c) ( )
(d) ( )

Los elementos de un espacio vectorial se llaman vectores.

Un espacio vectorial real es un espacio vectorial sobre el cuerpo R de los nmeros
reales.

SUBESPACIO VECTORIAL
Se llama subespacio vectorial (S) de un espacio vectorial V a cualquier subconjunto no
vaco, tal que que es espacio vectorial con las mismas operaciones definidas
sobre V.

Caracterizacin de subespacios vectoriales

Si V es un espacio vectorial , entonces:

( )
{
( )

CONDICIONES PARA QUE SE CUMPLA UN ESPACIO VECTORIAL

a)
 b)

c)

Ejemplo:
Demostrar si W es subespacio vectorial:

a) {( ) }

1.

( ) ( )

2.

{( ) }

( )
( )
( )

b) {( ) }
1.

( ) ( )
 }

COMBINACIN LINEAL
Sea { }, un conjunto de vectores de un e.v. V, un vector u de V es una
combinacin lineal de los vectores de B, s se puede escribir lo siguiente:

Ejemplo1:

{ } Es combinacin lineal de { }?

( ) ( )

( | ) ( | ) ( | )

Ejemplo2:

{( ) ( )} Es combinacin lineal de { }?

( ) ( ) ( )

( | )
Ejemplo3:

{ } Es combinacin lineal de { }?

( ) ( ) ( )

( | ) ( | )

( | ) ( ) ( | )

( | )

CAPSULA LINEAL ( )

Grficamente se lo representa as:

 Sea { }, un conjunto de vectores de un e.v. V. El conjunto S
genera a V, o V es generado por S, si todo vector u es de V una combinacin
lineal de los vectores de S, es decir:

{ }

PASOS PARA OBTENER UNA CAPSULA LINEAL ALGN CONJUNTO S

Ejemplo:
Encontrar la capsula de {( ) ( ) ( )}
1. Escribimos la definicin:

{ }

2. Escribimos la formula genricamente

{( ) ( ) ( ) ( ) ( )}
3. Obtenemos un sistema de ecuaciones

( ) ( ) ( ) ( )

4. Expresamos matricialmente la expresin anterior

( | )

5. Aplicamos Gauss-Jordn para encontrar la restriccin en este caso

( | ) ( | )

( | )
6. Como tenemos que no existe solucin obtenemos la siguiente capsula

{ }

{( ) }

CONJUNTO GENERADOR

S genera a W, donde S es el conjunto generador

PASOS PARA HALLAR S QUE GENERA A W

1. Hallar las restricciones

2. Remplazar las restricciones
3. Contar el numero de variables
4. Descomponer el vector de acuerdo al nmeros de variables
5. Extraer los escalares
6. Escribir el conjunto generador

Ejemplo 1: {( ) }

{( ) }

{( ) ( ) }

{ ( ) ( ) }

{( ) ( )}

Ejemplo 2:

{( ) }

{( ) }

{( ) ( ) ( ) }
 { ( ) ( ) ( ) }

{( ) ( ) ( )}

DEPENDENCIA E INDEPENDENCIA LINEAL

En lgebra lineal, un conjunto de vectores es linealmente independiente si ninguno de
ellos puede ser escrito con una combinacin lineal de los restantes. Por ejemplo, en R3,
los vectores (1, 0, 0), (0, 1, 0) y (0, 0, 1) son linealmente independientes, mientras que
(2, 1, 1), (1, 0, 1) y (3, 1, 2) no lo son, ya que el tercero es la suma de los dos primeros.

Un conjunto de vectores es linealmente dependiente si alguno de los vectores puede ser

escrito con una combinacin lineal de los restantes.

Un conjunto es LI si ninguno de sus vectores es combinacin lineal de los otros.

Un conjunto es LD si alguno de sus vectores es combinacin lineal de los otros.

PASOS PARA PROBAR SI ES L.I. O L.D.

1. Se tiene que hacer la combinacin lineal nula.

2. Obtener el sistema homogneo

3. Resolver el sistema de ecuaciones homogneo por Gauss o Gauss-Jordn

Ejemplo 1:
Verificar si S es LD
{( ) ( )}
 ( ) ( ) ( )

( )

( | ) ( | )

| |

Ejemplo 2:
Verificar si S es LI
{( ) ( )}
( ) ( ) ( )

( )

( | ) ( | ) ( )( | )

| |

BASE

Sea (V, k, +,*)un e.v y

S es base de V si:
a) S es L.I.
b) S genera Av

PASOS PARA HALLAR UNA BASE

a) Hallar el conjunto generador

b) Probar que es L.I.
 DIMENSIN DE V
DEFINICIN: es el nmero de vectores de S

EJEMPLO:

Encontrar una base del s.e.v W.

a) Hallar el conjunto generador

{( ) }

{( ) }

{( ) ( ) }

{ ( ) ( ) }

{( ) ( )}

b) Probar que S es L.I.

{( ) ( )}
( ) ( ) ( )

( )

( | ) ( | )

EJEMPLO:

Encontrar una base del s.e.v W.

Hallar el conjunto generado

{( ) }

{( ) ( ) ( ) }
 { ( ) ( ) ( ) }

{( ) ( ) ( )}

Probar que S es L.I.

{( ) ( ) ( )}
( ) ( ) ( ) ( )

( )

| |

( ) ( )

Teorema 11(libro de trabajo)

Dim (V)= n =# de vectores de S
S es la base de V si tiene n vectores LI

Teorema 12(libro de trabajo)

Dim (V)= n =# de vectores de S

S es la base de V si tiene n vectores que generan a V

Teorema:

Para que sea base debe cumplir 2 de las tres condiciones:

( )
{

Ejemplo:

Demostrar que S es una base de W:

{( ) }
 {( ) ( ) ( )}
( ) ( ) ( ) ( )

( )

| |

Dim(R3)= 3 =# de vectores de S
S genera a W

Encontrar la dimensin de S con W:

{ }

{ }

{( ) ( ) }

{ ( ) ( ) }

{ ( )}

Dim( )= 2 =# de vectores de S

Teorema

Dim (s.e.v) = dim (e.v) - # restricciones

Dim(W) = Dim(V) - # restricciones

Ejemplos:
 {( ) } ( )

{( ) } ( )

{( ) } ( )

{ } ( )

COMO COMPLETAR UNA BASE

Ejemplo:

Completar la base S para llegar al e.v V=R3.

{( ) }

{( ) }

{( ) ( ) }

{ ( ) ( ) }

{( ) ( )}

1. Tenemos la base S pero podemos observar que para que se cumpla que sea base de R 3
tienen que haber tres vectores en la base, por lo que aumentamos un vector a la base S
que no cumpla la restriccin y lo ponemos seguido a los que ya tenamos.

{( ) ( ) ( )}

El vector ( )no cumple que y=x+z

2. Ahora tenemos que es de dimensin tres por lo tanto tenemos la primera condicin
para que sea base de R3.
 Dim(S)=3

3. Ahora demostramos si es LI para completar una base de R3.

{( ) ( ) ( )}

( ) ( ) ( ) ( )

( )

( | ) ( | )

( | ) ( ) ( | )

( | )

| |
5. Producto interno
5.1 DEFINICIN DE PRODUCTO INTERNO
El producto interno, en un e.v. V, es una funcin que se le asigna a cada par
ordenado de vectores elementos de V, un nmero real: ( ), que
satisface las siguientes propiedades:
( )
( ) ( )
(( ) ) ( ) ( )
(( ) ) ( )

OBSERVACIONES:

El producto interno ( ) puede ser real o complejo, pero ( ) siempre

nos va a dar un nmero real.

5.2 PRODUCTOS INTERNOS COMUNES O USUALES

1. En el
( ) ( )
( )

Ejemplo 1:
Encontrar todos los productos internos posibles de los dos vectores dados u,v que
pertenecen a :
( ) ( )
( )
( )
( )
( )

2. En el
( ) ( )
( )

Ejemplo 1:
Encontrar todos los productos internos posibles de los dos vectores dados u,v que
pertenecen a :
( ) ( )

( )
( )
( )
( )

3. En el
( ) ( )
( )

4. En el
( ) ( )
( )
( )

5. En el
( ) ( )
Ejemplo 1:
Encontrar ( ) ( ) ( ) ( ), de los dos vectores dados u,v que
pertenecen a :

( ) ( )

( ) ( )

( ) ( )
1 0
-2 1
-2 3 -8 3
1 -1 -1 -1

( ) ( )
-2 1
 3 -1
1 -2 -8 3
0 1 3 -1

( ) ( )
-2 1
3 -1
-2 3 13
1 -1 2

( ) ( )
1 0
-2 1
1 -2 5
0 1 1

En general:

( ) ( )

( ) [( ) ( )]

( )

5.3 VECTORES ORTOGONALES

Sea (V, k, +,*) en e.v. sobre el cual se ha definido el producto interno
( / ).
1. Sean son ortogonales ssi: ( ) .
2. Si , entonces S se dice ortogonal si todo par de elementos distintos de S
son ortogonales

OBSERVACIONES

El Ov es ortogonal a cualquier vector pues ( ) .

 S debe tener por lo menos dos vectores para verificar si es un conjunto
ortogonal
Al comprobar si todos los productos internos son cero entre los vectores
de S, para tener un S conjunto de vectores ortogonales
Si un conjunto es ortogonal entonces es LI
Si { } es ortogonal, si a cada vector le
multiplicamos por cualquier escalar, siempre en nuevo conjunto va a ser
ortogonal.

Ejemplo 1:

Dados los vectores ( ) ( )que son ortogonales obtener un tercer

vector w ortogonal a u y v.

( )

Hacemos el producto cruz para encontrar el tercer vector

| | | | | | | |

( )

{( )( )( )}

Ejemplo 2:

Dados los vectores ( ) ( )que son ortogonales obtener un tercer

vector w ortogonal a u y v.

( )

Hacemos el producto cruz para encontrar el tercer vector

| | | | | | | |

( )

{( )( )( )}
 5.4 NORMA DE UN VECTOR
La longitud, norma o modulo de un vector es igual a la raz cuadrada del producto
interno del mism vector.
Es decir:
( )
Observaciones:
Sea (V, k, +,*) en e.v. sobre el cual se ha definido el producto interno
( / ).
{ }
| |
llamamos desigualdad triangular

Ejemplo 1:

Calcular la norma de los siguientes vectores:

a) ( )
( )

b)
( )

c) [ ]
( ) ( )

( ) ([ ] [ ]) ( )

( )

5.5 Base ortogonal

Sea (V, k, +,*) en e.v. sobre el cual se ha definido el producto interno
( / ) y S un sub espacio vectorial de V.
Es una base ortogonal si:
 Sea S base de V
Sean los productos internos de dos a dos ortogonales, es decir todos sus
vectores ortogonales entre si.
Sea LI
5.6 Base ortonormal
Sea (V, k, +,*) en e.v. sobre el cual se ha definido el producto interno
( / ).
Es una base otonomal si:

Si en el conjunto ortogonal se llega a comprobar que la norma de cada

uno de los vectores es igual a cero

5.7 PROCESO DE GRAM-SCHMID

Para todo espacio vectorial (V) con producto interno se puede obtener una base que
sea ORTOGONAL y una base , que sea ORTONORMAL. Utilizando el proceso de Gram-
Schmidt.

CLCULO DE , BASE ORTOGONAL

Para calcular una base base que sea ORTOGONAL, es necesario partir de una base B en
un e.v. o un s.e.v.

S, { } es una base de un e.v V, se puede calcular una base ortogonal,

de la siguiente manera:

Sea, { } la base Ortogonal buscada, entonces procedemos as:

( )
( )

( ) ( )
( ) ( )

( ) ( ) ( )
( ) ( ) ( )

De esta manera se contina hasta completar la base Ortogonal.

 CLCULO DE , BASE ORTONORMAL

Para calcular la base Ortonormal, partimos de la base Ortogonal

Sea, { } la base Ortonormal buscada, entonces procedemos as:

Ejemplo 1:
Encontrar una base B1 ortogonal del sub espacio vectorial W.

{( ) }

Primero encontramos una base de W

{( ) }

{( ) }

{( ) ( ) }

{ ( ) ( ) }

{( ) ( )}

Tenemos S de la forma: { }

Ahora aplicamos el proceso de Gram-Schmid, para encontrar una base

{ }

( )

( )
( )

( )( )
( ) ( )
( )( )
 ( ) ( ) ( )

{( )( )}

Ejemplo 2:
A partir de la base B obtener una base ortogonal
{( ) ( ) ( )}

Hacemos el proceso de Gram- Schmid para encontrar una base { }

( )

( )
( )

( )( )
( ) ( )
( )( )

(( )) ( ) ( )

( ) ( )
( ) ( )
( )( )
( ) ( )
( )( )

( )( )
( ) ( )
( )( )

{( ) ( ) ( )}
Ejemplo 3:
A partir de la base B obtener una base ortogonal
{( ) ( ) ( )}

( )( )
( )(
( )(

Cambiamos el orden de los vectores de la base original

{( ) ( ) ( )}

Hacemos el proceso de Gram- Schmid para encontrar una base { }

( )

( )
( ) ( )
( ) ( )
( )( )
( ) ( )
( )( )

( )( )
( ) ( )
( )( )

( ) ( ) ( )

( ) ( ) ( )

( )

{( ) ( ) ( )}
Propiedades:

( ) ( )
( ) ( ) ( )
( ) ( ) ( )

Tenemos: ( ) ( )

( ) ( )

( ) ( ) ( ) ( )

5.8 PRODUCTO INTERNO INUSUAL

El producto interno inusual est dado por la siguiente expresin:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Ejemplo

( )

( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )( ) ( )( ) ( )( )

( ) ( )
 ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( )

( ) ( )( ) ( )( ) ( )( ) ( )

( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( )

( ) ( )( ) ( )( ) ( )( ) ( )

6.- APLICACIONES LINEALES

2 y=f(x)
1
x

( )

( )

( )
Sean V y dos espacios vectoriales una aplicacin se llama
aplicacin lineal u homomorfismo si:

( ) ( ) ( )
( ) ( )

Estas dos son condiciones semejantes

( ) ( ) ( )

PROPIEDADES

Si es una aplicacin lineal, si cumple:

1. ( )
2. ( ) ( )
3. sub espacio vectorial de V ( ) es sub espacio vectorial de
4. T es sub espacio vectorial de ( ) es sub espacio vectorial de
V

4 f(u)=w
3
u

Ejemplo:

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )
 ( ) ( ) ( )

( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

a) Hallar la Aplicacin Lineal

b) Hallar
( )

a)

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

( ) ( ) ( )

b) ( ) ( ) ( )
 ( ) ( ) ( )

( ) ( )

Sea ( ) { }

( ) ( )

( ) ( )

( ) ( )

( )

Si: ( )

( ) ( ) ( )

( ) ( ) ( )

{ ( | ) ( | )
( | ) ( | )

( | )

( )

( )

( ) ( ) ( ) ( )

( )

( )( ) ( )( )

( )( )
 ( ) ( )
( )+( )

( )

( ) ( )

6.1.- NCLEO E IMAGEN

Si es una aplicacin lineal se llama imagen al sub espacio vectorial
( ) y ncleo al sub espacio vectorial {( )}.

As,

{ ( ) }

{ ( ) }

Sea una aplicacin lineal:

1. Se llama NCLEO de una aplicacin lineal al conjunto de vectores

tales que ( )

{ ( ) }

V W

V1 W1

0v 0w
0v
V2 W2
V2
V3 W3
V3
V4 W4
Ejemplos

Sea la aplicacin lineal

( ) ( ) ( )

{( ) ( ) }

{( ) ( ) ( )}

( ) ( ) ( )

{( ) }

{( ) }

( ) ( ) ( )
( ) ( ) ( )
Sea

( ) ( ) ( )

{( ) ( ) }

{( ) ( ) ( )}

( ) ( ) ( )

( )

{( ) }

{( ) }

Sea la funcin :

( ) ( ) ( )

Hallar el ncleo de f

Si {( ) ( ) ( )}
 {( ) ( ) ( )}

{ ( | ) ( | )

Reemplazamos a y b en el ncleo:

{( ) }

2.- Sea

( ) ( ) ( )

Hallar el Ncleo de f

Por deficin {( ) ( ) ( )}

{( ) ( ) ( )}

{ ( | ) ( | )

( | )

Reemplazamos x,y,z en el ncleo y tenemos:

{( ) }

3.- Sea ( )

( ) ( ) ( ) ( )
Hallar el ncleo de f

Si {( ) ( ) }

{( ) ( ) ( ) }

Por lo que el Ncleo de f sera: {( )}

2. Se llama IMAGEN de o recorrido de :

( ( ) )

V W

Ow
V1
0v
W1 Imagen
v1
V2
v2 W2

W3 W5
V3
W4
V4

V5

{ } { }

Sea

( ) ( ) ( )
 {( ) ( ) }

{( ) ( ) ( )}

( ) ( )

( )

{( ) }

Ejercicios de aplicacin

Sea la funcin

( )

( ) ( ) ( ) ( )

a) Hallar la imagen de
b) Hallar el ncleo de

{( ) ( ) }

{( )( ) ( ) ( )}

{
 ( ) ( )

{ }

{( ) ( ) }

{( )( ) ( ) }

( ) ( )

( )

{( ) }

Sea una transformacin lineal y

{( )( )( )} es una base de tal que:

( ) ( ) ( ) ( ) ( ) ( )

a) Hallar la imagen de
b) Hallar el ncleo de

( ) ( ) ( ) ( )

{
 ( ) ( )

( ) ( )

( ) ( )

( )

( ) ( ) ( ) ( )

( ) ( )( ) ( )( ) (
)( ) ( )
( ) ( )

( )
( ) ( )

( ) ( ) ( )

Hallar la Imagen de

( ) ( ) ( )

Por definicion: {( ) ( ) ( )}
 {( ) ( ) ( )}

{ ( | ) ( | )

( | )

{( ) }

2.- Sea la funcin:

( )

( ) ( ) ( ) ( )

a) Hallar la Imagen de f y su dimensin

b) Hallar el ncleo f y su dimensin

a) Si { ( ) }

{ ( ) ( ) }

{ ( | )

( | )

{ ( )}

( )

Si: {( ) ( ) }
 {( ) ( ) ( ) }

{ ( | ) ( | )

{( ) }

6.2.- APLICACIN LINEALES

INYECTIVAS, SOBREYECTIVAS Y
BIYECTIVAS

Sean espacios vectoriales sobre un cuerpo K y una transformacin lineal

Entonces:

1. { }
2. { }
3. { } { }

Sea ( )

( ) ( ) ( ) ( )

{( ) ( ) }
 {( )( ( ) ( )}

{( )( ) ( ) ( )}

( | ) ( | )

{( ) } ( )

6.3.-TEOREMA DE LA DIMENCION
Si es una aplicacin lineal de una e.v. V de dim(V)=n en un e.v. W de
dim(W)=m, entonces:

Dim(V) =Dim(Nf) +Dim(Imgf)

TEOREMA:

Si es una aplicacin lineal de una e.v. V de dim(V)=n en un e.v. W de

dim(W)=N, entonces:

a) si f es inyectiva, entonces f tambin es sobreyectiva

b) si fi es sobreyectiva, entonces f tambin es inyectiva

Ejemplo:

( ) ( ) ( )

( )

( )
Ejemplo:

Sea ( )
( ) ( ) ( ) ( )

{( ) ( ) }

{( )}

( )

( ) ( ) ( )

( )

( ) ( ( ))

6.4.- APLICACIN LINEAL INVERSA

Para que exista la aplicacin lineal inversa ( ), entonces la aplicacin lineal
f debe ser biyectiva, es decir; f debe ser inyectiva y sobreyectiva.

6 f(u)=w
5
u

Pasos para encontrar una aplicacin lineal inversa

 1. primero demostramos si es inyectiva y sobreyectiva, para esto calculamos el nucleo
o la imagen de la aplicacin lineal.
2. Demostramos que es biyectiva
3. A la matriz utilizada para encontrar la imagen, la escalonamos y reducimos con
estos valores obtenidos remplazamos en la aplicacin lineal inversa

Ejercicio:

8 7
(a,b) x+yt

( )

1. primero demostramos si es inyectiva y sobreyectiva, para esto calculamos el nucleo

o la imagen de la aplicacin lineal.

( ) ( ) ( ) ( )

{( ) ( ) }

{( )}

( )

{( ) ( ) }

{( )( ( ) ( )}

{( )( ) ( ) ( )}
{

( | ) ( | ) ( | )
( )

{( ) }

( )

2. Demostramos que es biyectiva

3. A la matriz utilizada para encontrar la imagen, la escalonamos y reducimos con

estos valores obtenidos remplazamos en la aplicacin lineal inversa

( )
( ) ( ) ( ( ))

( )

( ) ( ) ( )

Determinar:

a) Si es Inyectiva
b) Si f es Sobreyectiva
c) Si f es Biyectiva

a) Por definicin: {( ) ( ) }
 {( ) ( ) }

{( )}

Teorema de la Dimensin:

( )

a) Como: {( )}

b) Como: ( )

c) Por ) )

6.5. VECTOR DE COORDENADAS

Sea V un espacio vectorial de dimensin nita con base { },
para cada v V existen escalares nicos tales que:

6.6. COORDENADAS DE UN VECTOR

RESPECTO DE UNA BASE
El vector en V cuyas componentes son los coecientes de v,
expresado como[ ] , se llaman coordenadas de un vector respecto a
una base o vector coordenado de v con respecto a B:
Sea { } llegamos a encontrar las coordenadas del vector v de
la base dada y se escribe de la siguiente forma:

[ ]

( )
Ejemplo:
Sea la base {( )( )} y ( )
encontrar [ ]

( ) ( ) ( )

( | ) ( | ) ( )( | )

( | )

[ ] ( )

Sea la base {( )( )( )} y ( ),
encontrar [ ]
 ( ) ( ) ( ) ( )

( | ) ( | ) ( | )

( | ) ( )( | )

( | )

[ ] ( )

Sea la base canonca {( )( )( )} y

( ), encontrar [ ]

( ) ( ) ( ) ( )

( | )

[ ] ( )
 6.7.- BASES CANONCAS
Todas las bases canoncas son:

a) Ortogonales
b) orto normales

Esta base tiene siempre que cumplir:

a) LI
b) Genera a e.v.
c) Dim(B) = Dim(e.v.)

ESPACIO VECTORIAL BASE CANONCA

{( )( )}

{( )( )( )}

{( )( )( )( )}

( ) { }

( ) { }

{( ) ( ) ( ) ( )}

Ejemplos:
Dado el vector u encontrar las coordenadas del mismo respecto a una base canonca.

( ) [ ] ( )

( ) [ ] ( )
 ( ) [ ] ( )

[ ] ( )

[ ] ( )

( ) [ ] ( )

6.8.- MATRIZ ASOCIADA A UN

APLICACIN LINEAL

v f(v)
10 9 ( )
B1 B2

[ ] [ ] [ ( )]

Definicin:
[ ( )] [ ]

[ ( )] [ ] [ ]

Si la base es canonca:
[ ( )]
 [ ( )] [ ]

Ejemplo:

v g(v)
12 11 ( )
S B

[ ] [ ] [ ( )]

[ ( )] [ ]

[ ( )] [ ] [ ]

PROCESO PARA EL CLCULO DE UNA MATRIZ

ASOCIADA

Sea:
 { } , donde B1 es una base del espacio
vectorial de salida, y es el primer vector de la base del espacio
vectorial de salida.

{ } , donde B2 es una base del espacio

vectorial de llegada, y es el primer vector de la base del espacio
vectorial de llegada.
1) Sacar las imgenes de los vectores de la base del espacio
vectorial de salida
( )
2) Expreso como combinacin lineal las imgenes de los
vectores del espacio vectorial de salida con todos los vectores
de la base del espacio vectorial de llegada
( )
( )

( )

3) Una vez encontrados los escalares de las combinaciones

lineales escribimos las matrices asociadas de cada vector

[ ( )] ( )
 [ ( )] ( )

[ ( )] ( )

4) Escribimos toda la matriz asociada a todos los

vectores de la base de salida
(Podemos darnos cuenta de que orden va a ser esta matriz asosiada solo observando
la aplicacin lineal en este caso va a ser del orden 3x2)

[ ] ( )

6.9.- MATRIZ CAMBIO DE BASE

Sea V un espacio vectorial sobre un campo K, Dim V= n

Sea { } { } dos bases ordenadas de V para

determinar la relacin entre las coordenadas de un vector respecto a las dos bases

f L (v,v) / f (v)=V es decir f=Id

v f(v)
14 13 ( )
B S
[ ] [ ] [ ( )]

[ ]

[ ( )] [ ] [ ]

[ ] [ ] [ ]

EJEMPLOS:
{( )( )}

{( )( )}

[ ] =?

(-2,1) ( ) ( ) ( ) ( )

(1,2) ( ) ( ) ( ) ( )

1 0 -2 1
0 1 1 2

-2 1
[ ] 1 2
 6.10.- MATRIZ ASOCIADA A LA
APLICACIN LINEAL COMPUESTA

v [ ]
17 [ ] f(v)=w 15 ( ) f(w)=z
16 ( )
B1
B2 B3

gof

[ ] PA

La matriz asociada a gof, existe y cumple que

[ ( )] [ ] [ ]

6.11.- MATRIZ ASOCIADA A UNA

APLICACIN LINEAL INVERSA

v [ ]
20 [ ] f(v) 18 ( ) v
19 ( )
B1 B2 B1

[ ] Id
 [ ] [ ] [ ] [ ]

7.- VALORES Y VECTORES

PROPIOS
CALCULO DE LOS VECTORES PROPIOS

Los correspondientes vectores propios se obtienen por sustitucin de los valores de

en la ecuacin:
(A- )= 0
De esta ecuacin resulta un sistema de ecuaciones homogneo el mismo que se
resuelve por el mtodo de Gauss Jordn. La solucin que se obtiene de este sistema es
infinita, la misma que se reemplaza en la siguiente ecuacin, para el clculo del e.v. de
todos los vectores propios asociados al valor propio as:
{( ) }
Ejemplo:

Sea A= ( ) , calcular los valores propios y vectores propios de esta matriz.

| |= | |= (-1)(-2)( -3)=0

Donde los valores propios son: ; y

Para calcular los vectores propios procedemos de la siguiente manera:
 Si

( | ) ( | ) ( | ) ( | )

{ }

{ }

{ ( ) }

{( )} >

( ) es un vector propio asociado al valor propio

Si

( | )( | ) ( | ) ( | )

( | )

{ }

{ }

{ ( ) }
 {( )} >

( ) es un vector propio asociado al valor propio

Si

( | )( | ) ( | ) ( | )

( | )

{ }

{ }

{ ( ) }

{( )} >

( ) es un vector propio asociado al valor propio

Ejemplo: Calcular los vectores propios para la matriz

( )

Primero se calculan los valores propios:

( ) | |

| | ( )( )

Con lo cual obtenemos dos valores propios:

Buscamos ahora los correspondientes vectores propios:
Para

[ ( ) ] ( )( ) ( )

( | ) ( | ) ( | )

( )

Para

[ ( ) ] ( )( ) ( )

( | ) ( | )

( )