Modulo Álgebra Lineal - RicardoG

INTRODUCCIÓN
Este módulo proporciona un apoyo sustancial tanto para la enseñanza como para el uso de tecnología en
cuanto al software MATLAB en la asignatura de ALGEBRA LINEAL. Este documento presenta una
introducción elemental al álgebra lineal con una serie de interesantes aplicaciones. El material está
disponible a estudiantes que deseen reforzar las horas extracurriculares de la asignatura, como también
adquirir el conocimiento necesario en el uso de las nuevas tecnologías y tendencias de la ingeniería
mecánica.
La meta principal de este documento es ayudar a los estudiantes a dominar los conceptos y las habilidades
básicas que después utilizarán en semestres superiores. Espero que este documento sea una de las clases
de matemáticas más útiles e interesantes que puedan tomarse durante los estudios de pregrado.
Quisiera dedicar este módulo a todos mis estudiantes durante los años 2015, 2016 y 2017 con quienes
inicie mi vida como docente de la asignatura algebra lineal en las carreras de ingeniería mecánica y
ambiental. Como también a los docentes Eder Flórez y Malka Irina Cabellos por la oportunidad.
Ricardo García León

Ingeniero Mecánico
Magister en Ingeniería Industrial
CONTENIDO
Pág.
INTRODUCCIÓN ................................................................................................................................................................... 2
Unidad 1. SISTEMAS DE ECUACIONES LINEALES ........................................................................................................... 6

1.1. MAGNITUDES GEOMÉTRICAS .......................................................................................................................... 6
1.1.1. CONJUNTOS NUMÉRICOS.................................................................................................................................. 6
1.2. ECUACIONES LINEALES .................................................................................................................................... 8
1.2.1. PARALELISMO Y PERPENDICULARIDAD ..................................................................................................... 10
1.2.2. GENERALIDADES DE LA ECUACIÓN DE LA RECTA ..................................................................................... 11
1.3. SISTEMAS DE ECUACIONES LINEALES “S.E.L” ............................................................................................. 13
1.3.1. SISTEMAS DE ECUACIONES LINEALES 𝟐 × 𝟐 ............................................................................................... 13
1.3.2. SISTEMAS DE ECUACIONES LINEALES DE ORDEN 𝐦 × 𝐧.......................................................................... 18
1.3.3. SISTEMAS HOMOGÉNEOS DE ECUACIONES LINEALES DE ORDEN m x n ............................................... 22
1.3.4. ECUACIONES LINEALES CON VARIABLES LIBRES ...................................................................................... 25
1.3.5. ECUACIONES LINEALES Y REDES ELÉCTRICAS ........................................................................................... 27
EJERCICIOS UNIDAD 1....................................................................................................................................................... 29
Unidad 2. MATRICES ......................................................................................................................................................... 32

2.2. OPERACIONES ENTRE MATRICES ................................................................................................................. 43
2.2.1. IGUALDAD DE MATRICES ............................................................................................................................... 43
2.2.2. SUMA Y RESTA DE MATRICES ....................................................................................................................... 43
2.2.3. MULTIPLICACIÓN DE MATRICES .................................................................................................................. 46
2.2.3.1. POTENCIAS FUNDAMENTALES DE LOS IMAGINARIOS 𝒊 = −𝟏 ............................................................... 49
2.2.3.2. MULTIPLICACIÓN DE MATRICES POR BLOQUES ....................................................................................... 52
2.3. TIPOS ESPECIALES DE MATRICES ................................................................................................................ 53
2.3.1. MATRIZ OPUESTA ........................................................................................................................................... 53
2.3.2. MATRIZ TRANSPUESTA.................................................................................................................................. 54
2.3.3. MATRIZ SIMÉTRICA ........................................................................................................................................ 56
2.3.4. MATRIZ ANTISIMÉTRICA ............................................................................................................................... 58
2.3.5. MATRIZ CONJUGADA ...................................................................................................................................... 61
2.3.6. MATRIZ HERMÉTICA ...................................................................................................................................... 62
2.3.7. MATRIZ ANTIHERMÉTICA ............................................................................................................................. 62
2.3.8. MATRIZ DIAGONAL ......................................................................................................................................... 63
2.3.9. MATRIZ ESCALAR ............................................................................................................................................ 63
2.3.10. MATRIZ TRIANGULAR SUPERIOR ................................................................................................................ 64
2.3.11. MATRIZ TRIANGULAR INFERIOR ................................................................................................................. 64
2.3.12. MATRIZ ORTOGONAL ..................................................................................................................................... 64
2.3.13. MATRIZ UNITARIA .......................................................................................................................................... 65
2.3.14. MATRIZ IDEMPOTENTE ................................................................................................................................. 65
2.3.15. MATRIZ INVOLUTIVA ..................................................................................................................................... 65
2.3.16. MATRIZ NULA................................................................................................................................................... 66
2.3.17. MATRIZ INVERSA............................................................................................................................................. 66
2.3.17.1. INVERSA DE UNA MATRIZ DE ORDEN 𝟐 × 𝟐 ............................................................................................... 67
2.3.17.2. INVERSA DE UNA MATRIZ DE ORDEN SUPERIOR ...................................................................................... 69
Unidad 3. DETERMINANTES ............................................................................................................................................ 74
3.1. DETERMINANTES DE ORDEN 𝟐 × 𝟐. ............................................................................................................. 74
3.2. DETERMINANTES DE ORDEN 𝟑 × 𝟑. ............................................................................................................. 74
3.2.1. REGLA DE LOS COFACTORES. ........................................................................................................................ 74
3.2.2. REGLA DE ZARRUS .......................................................................................................................................... 76
3.3. DETERMINANTES DE ORDEN 𝐦 × 𝐦 ........................................................................................................... 77
3.3.1. DETERMINANTES POR COFACTORES .......................................................................................................... 77
3.3.2. DETERMINANTES POR REDUCCIÓN DE LÍNEAS......................................................................................... 81
3.4. PROPIEDADES DE LOS DETERMINANTES ................................................................................................... 82
3.5. APLICACIÓN DE LOS DETERMINANTES ....................................................................................................... 86
3.5.1. PRODUCTO CRUZ ............................................................................................................................................. 86
3.6. REGLA DE CRAMER ......................................................................................................................................... 90
3.7. LA ADJUNTA (adj) ............................................................................................................................................ 93
Unidad 4. ESPACIOS VECTORIALES ................................................................................................................................ 98

4.1. SUBESPACIO VECTORIAL ............................................................................................................................... 99
4.2. COMBINACIÓN LINEAL ................................................................................................................................. 101
4.3. GENERADORES DE UN VECTOR................................................................................................................... 105
4.4. DEPENDENCIA E INDEPENDENCIA LINEAL ............................................................................................... 107
4.5. BASE Y DIMENSIÓN ....................................................................................................................................... 109
4.6. TRANSFORMACIONES LINEALES ................................................................................................................ 110
EJERCICIOS UNIDAD 4..................................................................................................................................................... 112
Unidad 5. APLICACIONES DEL ALGEBRA LINEAL EN MATLAB ................................................................................ 113

5.1. CARACTERÍSTICAS BÁSICAS. ....................................................................................................................... 113
5.2. LAS VARIABLES. ............................................................................................................................................. 114
5.3. LAS FUNCIONES. ............................................................................................................................................. 115
5.4. FORMATO DE LAS UNIDADES. ..................................................................................................................... 115
5.5. SISTEMAS DE ECUACIONES LINEALES. ...................................................................................................... 115
5.6. VECTORES Y MATRICES. ............................................................................................................................... 116
5.7. MATRICES. ...................................................................................................................................................... 117
5.7.1. MATRIZ IDENTIDAD...................................................................................................................................... 122
5.8. FUNCIONES MATEMÁTICAS. ........................................................................................................................ 123
BIBLIOGRAFÍA.................................................................................................................................................................. 129
LISTA DE FIGURAS
Pág.
Figura 1. Conjuntos numéricos. .......................................................................................................................................... 7
Figura 2. Representación gráfica de una recta. ................................................................................................................. 9
Figura 3. Grafica de un sistema de ecuaciones lineales con solución general o única. ................................................ 15
Figura 4. Grafica de un sistema de ecuaciones lineales con infinitas soluciones. ........................................................ 16
Figura 5. Grafica de un sistema de ecuaciones lineales que no tiene solución. ............................................................ 17
Figura 6. Representación de un circuito eléctrico. ......................................................................................................... 27
Figura 7. Representación de la ley del reloj..................................................................................................................... 87
Figura 8. Gráfica de un vector en 2D. ............................................................................................................................. 125
Figura 9. Punto de una gráfica de un vector en 2D. ...................................................................................................... 126
Figura 10. Gráfica de una función en 2D. ....................................................................................................................... 127
Figura 11. Gráfica de una función en 3D. ....................................................................................................................... 128
LISTA DE TABLAS
Pág.
Tabla 1. Operaciones en MATLAB. .................................................................................................................................. 113
Tabla 2. Como expresar funciones en MATLAB. ............................................................................................................ 123
Tabla 3. Como cambiar el color a las gráficas de MATLAB en 2D y 3D. ....................................................................... 124
Tabla 4. Como cambiar el punto a las gráficas de MATLAB en 2D y 3D. ...................................................................... 124
Unidad 1. SISTEMAS DE ECUACIONES LINEALES
1.1. MAGNITUDES GEOMÉTRICAS
Las primeras magnitudes definidas estaban relacionadas con la medición de longitudes (dimensiones),
áreas, volúmenes, capacidades, ángulos (amplitudes angulares) y la duración de periodos de tiempo. Es
decir, en su mayoría son propiedades de los cuerpos geométricos como cilindros, restas, parábolas, etc.
(Godino, 2002).
1.1.1. CONJUNTOS NUMÉRICOS
Números naturales: Son aquellos que utilizamos para contar y se simbolizan con la letra ℕ. Por ejemplo:
ℕ = {1, 2, 3, 4, ….......}
Números enteros: A este conjunto pertenecen los enteros negativos, los enteros positivos y el cero, que
no es ni positivo ni negativo, sino neutro. Se simboliza con la letra ℤ. Por ejemplo:
ℤ = {-….. -3, -2, -1, 0, 1, 2, 3, 4,…..}
Números racionales: Son aquellos que se pueden expresar como cociente entre números enteros.
También podemos referirnos a ellos como el conjunto de todos los números decimales finitos, periódicos
y semiperiódicos y, por lo tanto, todo cociente entre números enteros tiene su equivalente decimal. Este
conjunto se simboliza con la letra ℚ.
Números irracionales: Son todos aquellos que no se pueden expresar como cociente entre dos números
enteros y se caracterizan por tener infinitas cifras decimales sin período. Este conjunto se designa con el
símbolo ℚ*.
Números reales: Es el conjunto formado por la unión de los números racionales y los números irracionales
y se designa con la letra ℜ.
Números complejos: Se puede considerar como el conjunto de los pares ordenados de números reales
z=(x, y). Se designa con la letra C.
Números imaginarios: Es un número complejo cuya parte real es igual a cero. Un número imaginario se
denota por bi.
Donde:
b = Es un número real.
i = Es la unidad imaginaria: √−1 = i
Los números imaginarios permiten calcular raíces con índice par y radicando negativo. Por ejemplo:
6
X2 + 9 = 0
X 2 = −9
X = ±√−9
Por lo tanto, queda expresado de la siguiente forma:
X1 = 3i
X2 = −3i
Teniendo en cuenta lo anterior, resulta la siguiente figura 1:
Figura 1. Conjuntos numéricos.

Números
irracionales
Números Números Números
reales fraccionarios naturales
Números
racionales
Números
Cero
enteros
Numeros
enteros
negativos
Fuente: Elaboración propia.
7
1.2. ECUACIONES LINEALES
Los sistemas de ecuaciones lineales nacen de la ecuación general de la recta en su forma general, las cuales
tienen la forma de un polinomio de primer grado, es decir que las incógnitas no están elevadas a potencias
ni multiplicadas entre sí, de lo que se resulta:
aX + bY = C
Dónde:
x = variable independiente
y = Variable dependiente
a, b = Coeficientes qu pertenecen a los reales (E # R)
c = Término independiente
Despejando Y, se tiene la representación de la recta:
a c
Y = − { } X + } Punto de Corte o Intercepto con el eje Y
⏟b b
Pendiente
Ejercicio: Encuentre su intercepto con el eje Y, la pendiente y la gráfica de la siguiente ecuación:
3X + 2Y = 6
Despejando Y, se tiene:
2Y = 6 − 3X
3
Y = 3− X
2
Donde:
El punto de corte o intercepto con el eje Y es igual a 3

3
La pendiente es igual a −
2
El anterior sistema es una ecuación lineal con dos incógnitas lo que representa una recta en el plano con
las siguientes características (figura 2):
8
Figura 2. Representación gráfica de una recta.
12 X Y
10 -5 10,5
8 -4 9
6 -3 7,5
-2 6
4
-1 4,5
2
0 3
EJE Y
0
1 1,5
-6 -4 -2 0 2 4 6
-2 2 0
-4 3 -1,5
y = -1,5x + 3
-6 4 -3
EJE X 5 -4,5
Ejercicio: Representar la siguiente ecuación de la recta:
1 2 1
X− Y = −
3 3 4
1 1 2
X+ = Y
3 4 3
1 3
Y= X+
2 8
Ejercicio: De ejemplo anterior, encontrar los intercepto en los ejes X y Y.
3 3
X=0 → Y = (0) + = 0.37
6 8
1 3
Y=0 → 0= X +
2 8
1 3
X= −
2 8
3
X= − = −0.75
4
9
1.2.1. PARALELISMO Y PERPENDICULARIDAD
La definición de paralelismo y perpendicularidad entre rectas las podemos expresar a partir del análisis
de sus pendientes. Por lo tanto:
Perpendiculares: Simplemente significa en ángulos rectos (90°) con. La línea roja es perpendicular a la
azul en estos dos casos:
𝑅1
90° 𝑅2
La línea R1 es perpendicular a la R2.
Paralelas: Dos líneas son paralelas si siempre están a la misma distancia (se llaman "equidistantes"), y no
se van a encontrar nunca. (También apuntan en la misma dirección). Sólo recuerda: Siempre la misma
distancia y no se encuentran nunca.
𝑅1 𝑅2
𝑅1
𝑅2
La línea R1 es paralela a la R2 en los dos casos.
10
1.2.2. GENERALIDADES DE LA ECUACIÓN DE LA RECTA
La ecuación de la recta en su forma general, se expresa como:
Y = mX + b
Además, si conocemos la ecuación y un punto podemos utilizar la ecuación punto pendiente:
Y − Y1 = m(X − X1 )
De la anterior ecuación, podemos despejar y encontrar el valor de la pendiente:
∆𝑌 Y2 − Y1
m= =
∆𝑋 X2 − X1
Consideraciones:
 Dos rectas son paralelas (L1 L2 ) si: m1 = m2

 Dos rectas son perpendiculares (L1 L2 ) si: m1 ∗ m2 = −1
Si tenemos dos puntos P1 = (X1 , Y1 ) y P2 = (X2 , Y2 ) son el plano y ∈ R2 , se presentan las siguientes
ecuaciones:
Distancia entre dos puntos:
P1 P2 = √(X2 − X1 )2 + (Y2 − Y1 )2
Punto medio:
X1 + X2 Y1 + Y2
Pm (P1 P2 ) = ( ; )
2 2
−1
Ejercicio: Encontrar la ecuación general de la recta que pasa por los puntos P1 = (−1; 0) y P1 = (2, ).
3
Encontrando la pendiente:
−1
−0 1
m= 3 =−
2 − (−1) 9
Luego, aplicando la ecuación punto pendiente:
Y − Y1 = m(X − X1 )
1
Y − (0) = − (X − (−1))
9
11
1
Y = − (X + 1)
9
Por lo tanto, la ecuación general sería:
1 1
Y=− X−
9 9
1
Siendo el intercepto b = − 9
Ejercicio: Hallar la ecuación general de la recta paralela a 2X − 3Y = 4 y que pasa por el punto A = (−1, 15).
Se debe expresar la ecuación en la forma general de la recta para encontrar la pendiente:
3Y = 2X − 4
2 4
Y= X−
3 3
Teniendo en cuenta lo anterior, la pendiente es m = 2/3.
Como son paralelas entonces R1= R2= 2/3, entonces se tiene de la ecuación punto pendiente que:
1 2
Y− = [X − (−1)]
5 3
2 2 1
Y= X+ +
3 3 5
2 13
Y= X+
3 15
12
1.3. SISTEMAS DE ECUACIONES LINEALES “S.E.L”
Como es bien sabido, las ecuaciones lineales con dos (2) incógnitas representan una recta en el plano. Si la
ecuación lineal tiene tres (3) incógnitas, su representación gráfica es un plano en el espacio (EducaLAB,
2017).
Para encontrar la solución de un sistema de ecuaciones lineales, se pueden utilizar los siguientes métodos:
 Sustitución
 Igualación
 Eliminación
Al momento de resolver sistemas de ecuaciones lineales, nos podemos encontrar con alguna de las
siguientes situaciones:
Inconsistentes
(Sin solución)
Consistenes
(Solución Unica)
Resolver un Sistema de Ecuaciones Lineales, consiste en calcular las incógnitas o variables del sistemas
para que se cumplan TODAS las ecuaciones del sistema simultáneamente.
1.3.1. SISTEMAS DE ECUACIONES LINEALES 𝟐 × 𝟐
Un sistema de ecuaciones lineales de orden 2 × 2, está expresado en su forma general de la siguiente forma:
a11 X + a12 Y = b1
a21 X + a22 Y = b2
Dónde:
X; Y = Son las variables
a11 ; a12 ; amn = Son coeficientes y ∈ # R ≠= 0
b1 ; b2 = Son los terminos independientes
La solución a un sistema de ecuaciones lineales de orden 2 × 2, nos podemos encontrar con alguna de las
siguientes situaciones:
 Que el sistema tenga infinitas soluciones → 𝐶𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒

 Que el sistema tenga solución única → 𝐶𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
 Que el sistema no tenga solución → 𝐼𝑛𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
13
Al momento de encontrar la solución de este tipo de sistemas, lo que encontramos es el punto de
intersección entre las dos rectas para el caso que el sistema tiene solución única, cuando no tienen
soluciones es porque son rectas paralelas y nunca se cortan y cuando tiene infinitas soluciones podemos
darle un valor cualquiera para encontrar una solución particular del sistema (Sanabria & Martínez, 2008).
NOTA: Para comprobar si el ejercicio quedo bien resuelto, se debe reemplazar el valor de las variables en
alguna de las ecuaciones y se debe cumplir la igualdad.
Ejercicios: A continuación se representan las situaciones al momento de resolver un sistema de ecuaciones

lineales:
1. Cuando el sistema tiene solución única o general:
2X − 3Y = 4 → L1
5X + Y = −1 → L2
Para resolver este ejercicio, utilizaremos el método de solución por sustitución, para lo cual debemos
despejar una de las variables de una ecuación y reemplazarla en la otra. Ahora de la Línea (L1),
despejaremos X:
2X = 4 + 3Y
3
X= 2+ Y → L3
2
Luego, reemplazamos el valor de X en la Línea L2:
3
5 (2 + Y) + Y = −1
2
15
10 + Y + Y = −1
2
22
Y=−
17
Seguidamente reemplazamos el valor de Y en la Línea L3:
3 22
X = 2 + (− )
2 17
1
X=
17
Por lo tanto, la solución general del sistema es:
14
1 22
{X = ; Y=− }
17 17
Graficando en Excel, tenemos la siguiente figura 3:
Figura 3. Grafica de un sistema de ecuaciones lineales con solución general o única.

30
X Y1 Y2
20 -5 -4,67 24,00
-4 -4,00 19,00
10 -3 -3,33 14,00
y1 = 0,6667x - 1,3333 -2 -2,67 9,00
EJE Y
0 -1 -2,00 4,00
-6 -4 -2 0 2 4 6 0 -1,33 -1,00
-10 1 -0,67 -6,00
2 0,00 -11,00
-20
3 0,67 -16,00
y2 = -5x - 1
-30
4 1,33 -21,00
EJE X 5 2,00 -26,00
2. Cuando el sistema tiene infinitas soluciones:
2X − 3Y = 4 → L1
4X − 6Y = 8 → L2
Para resolver este ejercicio, utilizaremos el método de solución por igualación, para lo cual debemos
despejar la misma variable en las dos ecuaciones y luego igualar. Ahora de la Línea (L1), despejaremos X:
2X = 4 + 3Y
3
X= 2+ Y → L3
2
Ahora de la Línea (L2), despejaremos X:
4X = 8 + 6Y
3
X= 2+ Y → L4
2
15
Seguidamente igualamos las ecuaciones L3 y L4:
X=X
3 3
2+ Y=2+ Y
2 2
0=0
Por lo tanto, el sistema tiene infinitas soluciones. Para encontrar una solución particular, podemos darle
cualquier valor a alguna de las dos variables, por ejemplo si Y = 2 se tiene que:
3
X = 2 + (2)
2
X=5
De esta manera, la solución particular del sistema es:
{X = 5 ; Y = 2}
Figura 4. Grafica de un sistema de ecuaciones lineales con infinitas soluciones.

3,00
X Y1 Y2
2,00 y1 = 0,6667x - 1,3333
-5 -4,67 -4,67
1,00 -4 -4,00 -4,00
y2 = 0,6667x - 1,3333 -3 -3,33 -3,33
0,00
-6 -4 -2 0 2 4 6
-2 -2,67 -2,67
EJE Y
-1,00 -1 -2,00 -2,00

-2,00 0 -1,33 -1,33
1 -0,67 -0,67
-3,00
2 0,00 0,00
-4,00 3 0,67 0,67
4 1,33 1,33
-5,00
EJE X 5 2,00 2,00
3. Cuando el sistema No tiene solución:
2X − 3Y = 4 → L1
4X − 6Y = 5 → L2
16
Para resolver este ejercicio, utilizaremos el método de solución por eliminación, para lo cual debemos
encontrar que las dos variables tengan igual término con signo contrario y luego sumar.
Para encontrar lo anterior, debemos multiplicar por -2 la ecuación L1 para lograr que se elimine la variable
X. Por lo tanto la expresión seria:
−2 L1 + L2:
−4X + 6Y = −8
4X − 6Y = 5
0 = −3
De esta manera, consideramos que el sistema no tiene solución. Siendo de esta forma que las ecuaciones
L1 y L2 son paralelas y no se encuentra un punto de intercepción entre las rectas.
Figura 5. Grafica de un sistema de ecuaciones lineales que no tiene solución.

3,00
y1 = 0,6667x - 0,8333
X Y1 Y2
2,00 -5 -4,67 -4,17
1,00 -4 -4,00 -3,50
0,00 y2 = 0,6667x - 1,3333 -3 -3,33 -2,83
-6 -4 -2
-1,00
0 2 4 6 -2 -2,67 -2,17
EJE Y
-1 -2,00 -1,50
-2,00
0 -1,33 -0,83
-3,00 1 -0,67 -0,17
-4,00 2 0,00 0,50
-5,00 3 0,67 1,17
-6,00
4 1,33 1,83
EJE X 5 2,00 2,50
17
1.3.2. SISTEMAS DE ECUACIONES LINEALES DE ORDEN 𝐦 × 𝐧
En forma general un sistema m × n está dado por:
a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X𝑛 = b1

a21 X1 + a22 X2 + a23 X3 + ⋯ + a2n X𝑛 = b2
a31 X1 + a32 X2 + a33 X3 + ⋯ + a3n X𝑛 = b3
. . . . .
. . . . .
. . . . .
a41 X1 + a42 X2 + a43 X3 + ⋯ + amn X𝑛 = bm
Dónde:
X1 ; X2 ; X𝑛 = Son las variables
b1 ; b2 ; b𝑛 = Son los terminos independientes
m = Son las ecuaciones
n = Son las incognitas
Observaciones:
En la solución de un sistema de ecuaciones lineales de orden m × n, nos podemos encontrar con alguna de
las siguientes situaciones:

 Que el sistema tenga solución única → 𝐶𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒
Al resolver un sistema de ecuaciones lineales de orden m × n, nos podemos encontrar con alguna de las
siguientes ecuaciones:
 a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n Xn = b1 → Solución general o infinitas soluciones

 a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n Xn ≠ b1 → Solución nula o sin solución
NOTA: Para resolver sistemas de ecuaciones lineales mayores al orden 2 × 2 se recomienda utilizar el
método de solución por ELIMINACIÓN, aplicando la regla de la escalera.
Ejercicio: Resolver el siguiente sistema de ecuaciones lineales:
X1 + X 2 − X 3 = 1 → L1
2X1 + X2 − X3 = 2 → L2
X1 − 2X2 + 3X3 = 0 → L3
18
Aplicando la regla de la escalera tenemos que:
X1 + X 2 − X 3 = 1 → L1
2X1 + X2 − X3 = 2 → L2
X1 − 2X2 + 3X3 = 0 → L3
Habiendo marcado la escalera, debemos iniciar eliminando todo lo que está por debajo de ella para
encontrar la solución del sistema.
Aplicando eliminación resulta que:
L2 = −2 L1 + L2:
−2X1 − 2X2 + 2X 3 = −2
2X1 + X2 − X3 = 0
−X2 + X3 = −2
L3 = − L1 + L3:
−X1 − X2 + X3 = −1
X1 − 2X2 + 3X 3 = 0
−3X2 + 4X 3 = −3
Habiendo ya eliminado las variables X1 de la primera columna de la escalera, procedemos a llamar a un

nuevo sistema para identificar lo que debemos seguir eliminando:
X1 + X 2 − X 3 = 1 → L1
− X2 + X3 = −2 → L2
−3X2 + 4X3 = −3 → L3
Seguidamente se deben eliminar los términos que están por debajo de la columna dos es decir las variables
X2; asimismo debemos trabajar con la línea L2 para dar las órdenes dado a que si utilizamos la línea L1
volverá a aparecer la variable X1 que ya eliminamos. De lo que resulta:
L2 = −3 L2 + L3:
3X2 − 3X3 = 6
−3X2 + 4X3 = −3
X3 = 3
El nuevo sistema seria:
X1 + X 2 − X 3 = 1 → L1
− X2 + X3 = −2 → L2
X3 = 3 → L3
19
De esta manera encontramos el valor de X3 = 3, por lo que ahora debemos reemplazar este valor en la
línea 3 para encontrar el valor de la variable X2. De lo que se tiene:
− X2 + 3 = −2
X2 = 5
Ahora, reemplazando el valor de X2 y X3 en la línea L1:
X1 + 5 − 3 = 1
X1 = −1
{X1 = −1; X2 = 5 ; X3 = 3}
Para comprobar si lo anterior quedo bien resuelto, reemplazamos los valores de las variables encontradas
en cualquiera de las ecuaciones originales, de lo que resulta:
X1 + X 2 − X 3 = 1 → L1
−1 + 5 − 3 = 1
1=1
Cumpliéndose la igualdad el ejercicio queda bien resuelto.
Ejercicio: Resolver el siguiente problema:
Se tienen tres lingotes compuestos del siguiente modo:
 El primero de 20 gramos de oro, 30 gramos de plata y 40 gramos de cobre.

 El segundo de 30 gramos de oro, 40 gramos de plata y 50 gramos de cobre.
 El tercero de 40 gramos de oro, 50 gramos de plata y 90 gramos de cobre.
Con los valores anteriores, se debe formar un nuevo lingote de 34 gramos de oro, 46 gramos de plata y 67
gramos de cobre.
Teniendo en cuenta lo anterior, debemos nombrar cada una de las variables por lo tanto:
X = Peso del primer lingote.

Y = Peso del segundo lingote.
Z = Peso del tercer lingote.
Para poder relacionar el valor de cada material debemos realizar la siguiente racionalización:
20 2
Del primer lingote: 90 = 9
20
30 1
Del segundo lingote: 120 = 4
40 2
Del tercer lingote: 180 = 9
Por lo tanto, la ecuación para el oro es:
2 1 2
X + Y + Z = 34
9 4 9
30 1
40 1
50 5
Por lo tanto, la ecuación para la plata es:
1 1 5
X+ Y+ Z = 46
3 3 18
40 4
50 5
90 1
Por lo tanto, la ecuación para el cobre es:
4 5 1
X + Y + Z = 67
9 14 2
Teniendo en cuenta lo anterior, el sistema de ecuaciones lineales es:
2 1 2
X + Y + Z = 34 → L1
9 4 9
1 1 5
X + Y + Z = 46 → L2
3 3 18
4 5 1
X + Y + Z = 67 → L3
9 14 2
La solución general del sistema es:
1575 1008 2034

{𝑋 = ;Y = ;Z = }
31 31 31
21
2 1 2
X + Y + Z = 34 → L1
9 4 9
2 1575 1 1008 2 2034

( )+ ( )+ ( ) = 34
9 31 4 31 9 31
34 = 34
1.3.3. SISTEMAS HOMOGÉNEOS DE ECUACIONES LINEALES DE ORDEN m x n
Un sistema de ecuaciones de orden m x n es homogéneo, si todos los términos independientes son iguales
a cero (0). En su forma general un sistema homogéneo está dado por:
a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X𝑛 = 0

a21 X1 + a22 X2 + a23 X3 + ⋯ + a2n X𝑛 = 0
a31 X1 + a32 X2 + a33 X3 + ⋯ + a3n X𝑛 = 0
. . . . .
. . . . .
. . . . .
a41 X1 + a42 X2 + a43 X3 + ⋯ + amn X𝑛 = 0
Dónde:
X1 ; X2 ; X𝑛 = Son las variables
Observaciones:
Al momento de resolver un sistema de ecuaciones lineales de orden m × n, nos podemos encontrar con
alguna de las siguientes situaciones:

Al momento de resolver un sistema de ecuaciones lineales de orden m × n, nos podemos encontrar con
alguna de las siguientes ecuaciones:
 a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X𝑛 = 0

 a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X𝑛 ≠0
NOTA: Si al resolver un sistema de ecuaciones homogéneo nos encontramos con que la solución es (0, 0,
0,…,0) se dice que la solución es nula, y en el caso contrario se dice que la solución es general o particular.
22
Ejercicio: Resolver el siguiente sistema de ecuaciones lineales:
2X1 − 3X2 − X3 + X4 =0 → L1
X2 − X3 + 2X4 =0 → L2
X1 − 2X2 + 3X3 − X4 =0 → L3
X1 + X 2 − X3 + 2X4 =0 → L4
Aplicando la regla de la escalera tenemos que:
2X1 − 3X2 − X3 + X4 =0 → L1
− X2 − X3 + 2X4 =0 → L2
X1 − 2X2 + 3X3 − X4 =0 → L3
X1 + X 2 − X3 + 2X4 =0 → L4
Como en la línea L2, la variable X1 ya es cero, continuamos con la línea L3 aplicando eliminación de lo que
resulta:
L3 = L1 − 2L3
2X1 − 3X2 − X3 + X4 = 0
−2X1 + 4X2 − 6X3 + 2X4 = 0
X2 − 7X3 + 3X4 = 0
L4 = L1 − 2L4
2X1 − 3X2 − X3 + X4 = 0
−2X1 − 2X2 + 2X3 − 4X4 = 0
−5X2 + X3 − 3X4 = 0

nuevo sistema para visualizar que debemos seguir eliminando:
2X1 − 3X2 − X3 + X4 =0 → L1
X2 − X3 + 2X4 =0 → L2
X2 − 7X3 + 3X4 =0 → L3
−5X2 + X3 − 3X4 =0 → L4
Seguidamente se deben eliminar los términos que están por debajo de la columna dos, es decir las variables
X2; asimismo debemos trabajar con la línea L2 para dar las órdenes:
L3 = L2 − L3
X2 − X3 + 2X 4 = 0
−X2 + 7X3 − 3X 4 = 0
6X3 − X 4 = 0
23
L4 = 5L2 + L4
5X2 − 5X3 + 10X 4 = 0

−5X2 + X3 − 3X4 = 0
−4X3 + 7X4 = 0

nuevo sistema para visualizar que debemos seguir eliminando:
2X1 − 3X2 − X3 + X4 =0 → L1
X2 − X3 + 2X4 =0 → L2
6X3 − X4 =0 → L3
−4X3 + 7X4 =0 → L4
Seguidamente se deben eliminar los términos que están por debajo de la columna Tres es decir las variables
X3; asimismo debemos trabajar con la línea L3 para dar las órdenes:
L4 = 4L3 + 6L4
24X3 − 4X 4 = 0
−24X3 + 49X4 = 0
45X 4 = 0
Por lo tanto:
X4 = 0
Si reemplazamos el valor de X4 en la línea L2, X3=0 como también X1 y X2. De lo que se dice que la solución
general del sistema es NULA.
24
1.3.4. ECUACIONES LINEALES CON VARIABLES LIBRES
Cuando un sistema está escrito en forma escalonada, las incógnitas que no aparecen al principio de
cualquiera de las líneas que forman el sistema reciben el nombre de variables libres.
𝐧 − 𝐦 = #𝐕𝐋
Donde:
#VL = Número de variables libres
Ejercicio: Encontrar la cantidad de variables libres presentes en los siguientes sistemas de ecuaciones
lineales:
2X1 − 2X2 + X3 = −1 → L1
X1 − X 2 + X 3 = 4 → L2
5X1 − 3X2 + 4X3 = −1 → L3
Si utilizamos la expresión anterior, se tiene que hay tres (3) ecuaciones (L1 – L2 y L3) y tres (3) incógnitas
(X1, X2 y X3):
n − m = #VL
3 − 3 = 0#VL
De lo anterior, se tiene que existe cero (0) número de variables libres aplicables al sistema de ecuaciones
para encontrar una solución particular del sistema. A continuación se presenta otro ejemplo de variables
libres:
2X1 − 2X2 + 3X3 + X 4 = 1 → L1

3X1 + 8X2 + 9X3 + 3X 4 = 2 → L2
6X1 − 9X2 + 2X3 + X 4 = 3 → L3
Si utilizamos la expresión anterior, se tiene que hay tres (3) ecuaciones (L1 – L2 y L3) y tres (4) incógnitas
(X1, X2, X3 y X4):
n − m = #VL
4 − 3 = 1#VL
De lo anterior, se tiene que existe una (1) número de variables libres aplicables al sistema de ecuaciones
por lo que escogemos un valor cualquiera para alguna de las variables del sistema y encontrar la solución
particular, de lo que se tiene que si X4=1, reemplazamos el valor en el sistema de ecuaciones:
2X1 − 2X2 + 3X3 + 1 = 1

3X1 + 8X2 + 9X3 + 1 = 2
6X1 − 9X2 + 2X3 + 1 = 3
25
Despejando resulta que:
2X1 − 2X2 + 3X 3 = 0
3X1 + 8X2 + 9X 3 = 1
6X1 − 9X2 + 2X 3 = 2
Ya de esta forma podemos resolver el sistema de ecuaciones lineales aplicando el método de eliminación,
obteniendo la siguiente solución particular del sistema:
107
𝑋1 =
127
32
𝑋2 =
127
50
𝑋3 = −
127
Ahora reemplazamos estos valores en alguna de las ecuaciones originales sabiendo que X4=1.
Para el caso de la ecuación L1, resulta que:
2X1 − 2X2 + 3X3 + X4 = 1
107 32 50
2( ) − 2( ) + 3 (− )+1 =1
127 127 127
1=1
Al resolver un sistema en forma escalonada nos podemos encontrar con las siguientes situaciones:
 Si m = n, el sistema tiene solución única.

 Si m < n, en el sistema existen más incógnitas que ecuaciones, entonces asignamos valores
arbitrarios a las variables libres para encontrar la solución particular del sistema.
26
1.3.5. ECUACIONES LINEALES Y REDES ELÉCTRICAS
En una red eléctrica sencilla, la corriente del flujo puede describirse mediante un sistema de ecuaciones
lineales. Según la ley de Ohm, plantea la siguiente expresión:
V = RI
Donde:
V = Voltaje se mide en volts
R = Resistencia se mide en ohms
I= Flujo de corriente se mide en amperes.
La siguiente figura 6, contiene tres circuitos cerrados.
Figura 6. Representación de un circuito eléctrico.
Fuente: (Lay, 2007)
Las corrientes que fluyen por los circuitos 1, 2 y 3, las cuales se denotan mediante
𝐼1 , 𝐼2 𝑒 𝐼3 respectivamente. Las direcciones asignadas a tales corrientes de circuito son arbitrarias. Si una
corriente resulta ser negativa, entonces su dirección real es opuesta a la seleccionada en la figura 1. Si la
dirección de la corriente mostrada es desde el lado positivo (más largo) de una batería ( ) hacia el lado
negativo (más corto), el voltaje es positivo; en caso contrario, el voltaje es negativo. Los flujos de corriente
de un circuito están gobernados por la LEY DE KIRCHHOFF DEL VOLTAJE, la cual expresa que la suma
algebraica de las caídas de voltaje RI en una dirección a lo largo de un circuito es igual a la suma algebraica
de las fuentes de voltaje existentes en la misma dirección alrededor del circuito.
27
Ejemplo: Determinar las corrientes del circuito de la figura 1.
Para el circuito 1, la corriente 𝐼1 fluye a través de tres resistores, y la suma de las caídas de voltaje RI es:
4I1 + 4I1 + 3I1 = (4 + 4 + 3)I1 = 11I1
La corriente del circuito 2 también fluye en parte del circuito 1, a través de la rama corta entre A y B. Aquí,
la caída de voltaje RI es de 3I2 volts. Sin embargo, la dirección de la corriente para la rama AB del circuito
1 es opuesta a la elegida para el flujo del circuito 2, así que la suma algebraica de todas las caídas RI para
el circuito 1 es 11I1 + 3I2 y como el voltaje del circuito 1 es de +30 volts, resulta que:
11I1 + 3I2 = 30
La ecuación para el circuito 2 es:

−3I1 + 6I2 − I3 = 5
El término −3I1 proviene del flujo de la corriente del circuito 1 a través de la rama AB (con una caída de
voltaje negativa debido a que ahí el fl ujo de la corriente es opuesto al flujo del circuito 2).
El término 6I2 es la suma de todas las resistencias del circuito 2, multiplicada por la corriente de circuito.
El término −I3 = −1 ∗ I3 proviene del flujo de la corriente del circuito 3 a través del resistor de 1 ohm de
la rama CD, en dirección opuesta al flujo del circuito 2. La ecuación para el circuito 3 es:
−I2 + 3I3 = −25
Las corrientes de circuito se encuentran al resolver el sistema de ecuaciones lineales:
11I1 + 3I2 = 30 → L1
−3I1 + 6I2 − I3 = 5 → L2
−I2 + 3I3 = −25 → L3
Para el caso de las variables que no aparecen las ponemos completar con cero, de la siguiente forma:
11I1 + 3I2 + 0I3 = 30 → L1

−3I1 + 6I2 − I3 = 5 → L2
0I1 − I2 + 3I3 = −25 → L3
270 80 865
{I1 = ; I2 = ; I3 = − }
107 107 107
Para comprobar si lo anterior quedo bien resuelto, reemplazamos los valores de las variables
encontradas en cualquiera de las ecuaciones originales, de lo que resulta:
28
11I1 + 3I2 + 0I3 = 30 → L1
270 80 865
11 ( ) +3( ) + 0 (− ) = 30 → L1
107 107 107
30 = 30
EJERCICIOS UNIDAD 1
1. Calcular la pendiente de los segmentos determinados por los siguientes pares de puntos:
(a) (3,2) y (5,4)

(b) (4,1) y (6,3)
(c) (-2,-5) y (-7, 5)
(d) (5,-1) y (-5, 6)
2. Calcular la distancia entre los siguientes puntos:
(a) (6,5) y (2,-3)

(b) (4,5) y (-1,1)
(c) (7,3) y (-1,-2)
(d) (0,9) y (0,-3)
3. Hallar el punto medio del segmento de recta que une los siguientes puntos:
(a) (-2,4) y (4,1)

(b) (-8,5) y (-1,0)
(c) (5,2) y (-10,0)
(d) (0,7) y (0,11)
4. Calcular la distancia entre los puntos y las rectas dadas:
(a) (5,3) y 3x - 2y + 1 = 0
(b) (1,4) y 5x-2y+8=0
(c) (-5,-3) y 2x - 6y + 9 =0
5. Obtener en forma General la Ecuación de la recta que pasa por los puntos.
(a) (-2,5) y (3,-4)

(b) (3,5) y (-1,2)
(c) (5,7) y (3,9)
6. Señale si las siguientes ecuaciones son paralelas o perpendiculares.
29
6X − 2Y − 1 = 0 y 3X − Y + 2 = 0
7. Señale si las siguientes ecuaciones son paralelas o perpendiculares
3X − 2Y + 10 = 0 y 2X + 3Y + 3 = 0
8. Dada la recta 5KX + Y = 9, determine un valor de K, para que el punto (8,4) pertenezca a dicha recta.
9. Resolver el siguiente sistema de Ecuaciones de orden 2x2:

2
(a) 3X = 8 + Y y Y=6− X
6
5 3
(b) 2 X + 3Y = 1 y X − 3Y = 15
2
10. Encontrar la segunda Ecuación a partir del punto y la Ecuación dadas y resolver el sistema de
Ecuaciones de orden 2x2:
(a) (2, -3) y 2X + 8 = 2Y

8 3
(b) (-1, 5) y 12X + 5 = 5 Y
11. Resolver los siguientes sistemas de Ecuaciones Lineales 2x2:
8 3
2X + 3Y = 1 12X + = Y
1 2 5 5
5X + 7Y = 3
2X + 8 = 2Y
2
3X − 2Y = 1 6X − Y − 1 = 0
3 4 5
5X − 2Y = 8
3X − Y + 2 = 0
3
2X + 4Y = 10 X − 3Y = 15
5 6 6 2
3X + Y = 15 5
56 X + 3Y = 1
2
3 3
X − 3Y = 15 X − 3Y = 15
7 2 8 2
5 5
X + 3Y = 1 X + 3Y = 1
2 2
12. Resolver los siguientes sistemas de Ecuaciones Lineales m × n:
2X + Y − 3Z = 5 2X + 3Y − 2Z = 5
1 2
3X − 2Y + 2Z = 5 X − 2Y + 3Z = 2
30
5X − 3Y − Z = 16 4X − Y + 4Z = 1
−X + Y − Z = −2
X + 2Y + 3Z = 3
X + Y + 2Z = 4
3 2X + 3Y + 8Z = 4 4
X+Z+T=3
3X + 2Y + 17Z = 1
X + 2Z + T = 1
8 1
8 1 − X = Y + 3Z − 3
− X + Y + 3Z + V − 2T = 3 5 2
5 2 9 8 4
5 9 6 X + 3Y = Z +
X + 3Y = 2 16 7 5
16 3 17
− X + 2Y + Z − 1 = 0
4 59
5 11
− X− Y = 9Z − 13 X + 2Y − 3Z + 2W = 2
15 2
22 3 44 2 2X + 5Y − 8Z + 6W = 5
7 X+ Y= Z+ 8
13 8 17 4 −9X + 15Y + 7Z − 3W = 3
1 1 3X + 4Y − 5Z + 2W = 4
− X + 2Y + Z − 1 = 0
2 9
2X + 3Y − Z + 4W = 2 (X + 2)2 + (Y − 3)2 − (Z + 5)2 + (T + 4)2 = 0

9 1 10 (X + 1)2 + (Y)2 − (Z)2 + T = 0
3Z − 2W =
2 (X)2 + (T)2 = 0
X + Y + Z + W + T = 0
11
Z + W – 3T = 0
31
Unidad 2. MATRICES
Es un conjunto de números ordenados en filas (Verticales) y columnas (Horizontales). Las matrices se

deben nombrar y se emplean letras mayúsculas. Cada uno de los elementos que componen la matriz se
designan como aij , donde i indica la fila y j la columna a la que pertenece.
Los elementos de una matriz, resultan de SOLO los términos que acompañan a las variables de un sistema
de ecuaciones lineales, como por ejemplo:
a11 X1 + a12 X2 + a13 X3 = b1

a21 X1 + a22 X2 + a23 X3 = b2
a31 X1 + a32 X2 + a33 X3 = b3
Del anterior sistema de ecuaciones lineales, resulta la siguiente matriz que hemos nombrado A:
a11 a12 a13
A = [a21 a22 a23 ]
a31 a32 a33 3×3
La anterior es una matriz de m filas y n columnas, es decir, de dimensión m×n. Esta matriz se puede
representar de la siguiente manera:
A = (aij )
m×n
En su forma general las matrices se representan así:
a11 a12 a13 … a1n

a21 a22 a23 … a2n
A = a31 a32 a33 … a3n
⋮ ⋮ ⋮ ⋱ ⋮
[am1 am2 am3 … amn ]m×n
En cualquier matriz cuadrada se distingue la diagonal principal:
P 0 0
R=[0 P 0]
0 0 P 3×3
↑ Diagonal principal (P ∗ P ∗ P)
32
También, se puede identificar la matriz segundaria:
↓ Diagonal segundaria (S ∗ S ∗ S)
0 0 S
R = [0 S 0]
S 0 0 3×3
Si el número de filas es igual al número de columnas, se concluye que es una MATRIZ CUADRADA.
Podemos concluir, que las matrices surgen de un sistema de ecuaciones lineales de cualquier orden.
Entonces, consideremos el siguiente sistema de Ecuaciones Lineales:
2X1 + 3X2 + X3 + X4 =1
X1 − 2X2 + 0X3 − 3X4 =0
−X1 + 0X2 + 2X 3 − X4 =1
2X1 + 2X2 + 3X3 + 2X4 =2
Ahora formemos un arreglo rectangular como los coeficientes del sistema, es decir con los términos que
acompañan a las variables:
2 3 1 1
F=[ 1 −2 0 −3]
−1 0 2 −1
2 2 3 2 4×4
Luego, debemos agregar los términos independientes del sistema de ecuaciones lineales, a este
procedimiento se le llama MATRIZ AUMENTADA:
2 3 1 1 ⋮ 1
1 −2 0 −3 ⋮ 0]
[
−1 0 2 −1 ⋮ 1
2 2 3 2 ⋮ 2
Seguidamente, podemos representar el sistema de ecuaciones lineales de forma MATRICIAL, así:
2 3 1 1 X1 1
1 −2 0 −3 X2 0
[ ]×[ ]= [ ]
−1 0 2 −1 X3 1
2 2 3 2 X4 2
La representación sería:
F×X=b
33
En donde F es la matriz de los coeficientes del sistema, X son las variables y b los términos independientes.
Para comprobar lo anterior, podemos multiplicar en la forma de filas por columnas, de lo que resulta el
sistema de ecuaciones original. Este proceso lo veremos más adelante en la multiplicación de matrices.
Para poder resolver sistemas de ecuaciones lineales de forma matricial, debemos tener en cuenta el
concepto de MATRIZ IDENTIDAD, el cual está representada por la letra I mayúscula, que además es una
matriz cuadrada en la que todos los elementos de la diagonal principal son uno (1) y los restantes son cero
(0).
En forma general se representa como:
I = [aij ]m×n
Teniendo en cuenta lo anterior, tenemos que:
1 0 0 0
I = [0 1 0 0]
0 0 1 0
0 0 0 1 4×4
Ahora podemos resolver el sistema de ecuaciones lineales de forma matricial el cual también se conoce
como solución por el método de GAUSS JORDAN, teniendo en cuenta la matriz aumentada identificando
cada una de las líneas que hacen parte del sistema (Simón Pinero, 2008):
2 3 1 1 ⋮ 1 → L1
1 −2 0 −3 ⋮ 0 → L2
[ ]
−1 0 2 −1 ⋮ 1 → L3
2 2 3 2 ⋮ 2 → L4
La solución de esta matriz debe ser de la forma de la matriz identidad, es decir que lo términos de la
diagonal principal deben ser uno (1) y el restante cero (0), esto se puede realizar dándole órdenes a las
líneas y poder encontrar la solución del sistema.
Para poder encontrar que el primer componente a11 sea igual a 1, podemos dividir la línea (L1) entre dos
(2) o cambiar la línea 1 (L1) por la línea dos (L2), resulta más fácil la opción dos, dado a que si dividimos
toda la línea entre dos nos quedara en forma de fraccionarios y será más difícil de resolver, de lo que
resulta:
L1 ↔ L2
Nuestro nuevo sistema queda de la siguiente manera:
34
1 −2 0 −3 ⋮ 0 → L1
2 3 1 1 ⋮ 1] → L2
[
−1 0 2 −1 ⋮ 1 → L3
2 2 3 2 ⋮ 2 → L4
Seguidamente para encontrar que la columna uno sea igual a la matriz identidad debemos encontrar que
el componente a21 = 2 sea igual a cero, por lo que utilizamos la siguiente orden:
L2 = −2L1 + L2
Con la anterior orden, conseguimos que el componente a21 = 0, dado a que si multiplicamos por dos la
línea uno (L1) y luego la sumamos con la línea dos (L2) resulta un valor de cero (0).
−2 4 0 6 ⋮ 0 → L1 × −2
2 3 1 1 ⋮ 1 → L2
0 7 1 7 ⋮ 1 → NL2
Ahora para encontrar que el componente a31 = −1 sea igual a cero utilizamos la siguiente orden:
L3 = L1 + L3
De lo que resulta:
1 −2 0 3 ⋮ 0 → L1
−1 0 2 −1 ⋮ 1 → L3
0 −2 2 2 ⋮ 1 → NL3
Ahora por ultimo debemos encontrar que el componente a41 = 2 sea igual a cero utilizamos la siguiente
orden:
L4 = −2L1 + L4
De lo que resulta:
−2 4 0 6 ⋮ 0 → L1 × −2
2 2 3 2 ⋮ 2 → L4
0 6 3 8 ⋮ 2 → NL4
Ahora debemos formar un nuevo sistema con las nuevas líneas encontradas, es decir, las que cambiaron
(NL2, NL3 y NL4) de lo que resulta:
1 −2 0 −3 ⋮ 0 → L1
0 7 1 7 ⋮ 1] → L2
[
0 −2 2 2 ⋮ 1 → L3
0 6 3 8 ⋮ 2 → L4
35
Seguidamente debemos dejar la columna dos como la matriz identidad, de lo que resulta la siguiente orden
para encontrar el valor de uno (1) que es lo primero que debemos hacer:
L2
L2 =
7
1 1
0 1 1 ⋮ → NL2
7 7
De lo anterior, resulta que:
1 −2 0 −3 ⋮ 0 → L1
1 1
0 1 1 ⋮ → L2
7 7
0 −2 2 2 ⋮ 1 → L3
[0 6 3 8 ⋮ 2] → L4
Habiendo encontrado que el componente a22 = 1, podemos continuar a darle órdenes a las líneas para
encontrar los ceros de esa columna. Siendo así, la siguiente orden es:
L1 = 2L2 + L1
De lo que resulta:
2 2
0 2 2 ⋮ → L2
7 7
1 −2 0 −3 ⋮ 0 → L1
2 2
0 0 −1 ⋮ → NL1
7 7
Luego la siguiente orden para la línea tres (L3):
L3 = 2L2 + L3
De lo que resulta:
2 2
0 22 ⋮ → L2
7 7
0 −2 2 2 ⋮ 1 → L1
16 9
0 0 4 ⋮ → NL3
7 7
Y finalmente para terminar con la columna dos la siguiente orden para la línea cuatro (L4):
36
L4 = −6L2 + L4
De lo que resulta:
6 6
0 −6 − −6 ⋮ − → L2
7 7
0 6 3 8 ⋮ 2 → L1
15 8
0 0 2 ⋮ → NL4
7 7
2 2 → L1
1 0 −1 ⋮
7 7
1 1 → L2
0 1 1 ⋮
7 7
16 9 → L3
0 0 4 ⋮
7 7
15 8
0 0 2 ⋮ → L4
[ 7 7]
Seguidamente debemos dejar la columna tres como la matriz identidad, de lo que resulta la siguiente orden
para encontrar el valor de uno (1) que es lo primero que debemos hacer:
7
L3 = ∗L
16 3
7 9
0 0 1 ⋮ → NL3
4 16
2 2 → L1
1 0 −1 ⋮
7 7
1 1 → L2
0 1 1 ⋮
7 7
7 9 → L3
0 0 1 ⋮
4 16
15 8
0 0 2 ⋮ → L4
[ 7 7]
37
2
L1 = − 7 L3 + L1
De lo que resulta:
2 1 9
0 0 − − ⋮ − → L3
7 2 56
2 2
1 0 −1 ⋮ → L1
7 7
3 1
1 0 0 − ⋮ → NL1
2 8
Luego la siguiente orden para la línea dos (L2):

1
L2 = − 7 L3 + L2
De lo que resulta:
1 1 9
0 0 − − ⋮ − → L3
7 4 112
1 1
0 1 1 ⋮ → L2
7 7
3 1
0 1 0 ⋮ → NL2
4 16
Y finalmente para terminar con la columna dos la siguiente orden para la línea cuatro (L4):
15
L4 = − L3 + L4
7
De lo que resulta:
15 15 135
0 0 − − ⋮ − → L3
7 4 112
15 8
0 0 2 ⋮ → L4
7 7
7 1
0 0 0 − ⋮ − → NL4
4 16
38
3 1 → L1
1 0 0 − ⋮
2 8
3 1 → L2
0 1 0 ⋮
4 16
7 9 → L3
0 0 1 ⋮
4 16
7 1
0 0 0 − ⋮ − ] → L4
[ 4 16
Seguidamente debemos dejar la columna cuatro como la matriz identidad, de lo que resulta la siguiente
orden para encontrar el valor de uno (1) que es lo primero que debemos hacer:
4
L4 = − ∗ L4
7
1
0 0 0 1 ⋮ → NL4
28
3 1 → L1
1 0 0 − ⋮
2 8
3 1 → L2
0 1 0 ⋮
4 16
7 9 → L3
0 0 1 ⋮
4 16
1
0 0 0 1 ⋮ → L4
[ 28]
3
L1 = 2 L4 + L1
De lo que resulta:
3 3
0 0 0 ⋮ → L4
2 56
3 1
1 0 0 − ⋮ → L1
2 8
39
5
1 0 0 0 ⋮ → NL1
28
Luego la siguiente orden para la línea dos (L2):

3
L2 = − 4 L4 + L2
De lo que resulta:
3 3
0 0 0 − ⋮ − → L4
4 112
3 1
0 1 0 ⋮ → L2
4 16
1
0 1 0 0 ⋮ → NL2
28
Luego la siguiente orden para la línea tres (L3):

7
L3 = − 4 L4 + L3
De lo que resulta:
7 1
0 0 0 − ⋮ − → L4
4 16
7 9
0 0 1 ⋮ → L3
4 16
1
0 0 1 0 ⋮ → NL2
2
5 → L1
1 0 0 0 ⋮
28
1 → L2
0 1 0 0 ⋮
28
1 → L3
0 0 1 0 ⋮
2
1
0 0 0 1 ⋮ → L4
[ 28]
40
5 1 1 1
{X1 = ; X2 = ; X3 = ; X4 = }
28 28 2 28
2X1 + 3X2 + X3 + X4 = 1 → L1
5 1 1 1
2( ) + 3( ) + ( ) + ( ) = 1
28 28 2 28
1=1
Ejercicio: Expresar las siguientes matrices en su forma general:
A = [aij ]7×1 → columnas

↑ filas
Para este caso, sabemos que es una matriz que tiene siete (7) filas y una (1) columna:
1
2
3
𝑇= 4
5
6
[7]7×1
La anterior matriz es conocida como MATRIZ COLUMNA.
Para el caso contrario:

B = [bij ]1×7 → columnas
↑ filas
Se tiene que es una matriz de una (1) fila con siete (7) columnas, lo contario de lo anterior:
𝑇 = [1 2 3 4 5 6 7]1×7
La anterior matriz es conocida como MATRIZ FILA.
Ejercicio: Dada la siguiente matriz:
41
2 −1 μ 1 4
3 −7 0 2 −1
W= 1 β 4 3 −1
2 1 3 −1 2
[0 3 1 X 1]
Determinemos lo siguiente:
1. Cuál es el orden de W:______________

2. Calcule la siguiente expresión: a221 + a244 − a53 + 2 =______________
3. Calcular la siguiente expresión: 2𝑎33 ∗ (𝑎45 − 𝑎25 ) =______________
4. El valor de a61 =______________
5. Calcular la siguiente expresión: a11 /𝑎45 =______________
6. El valor de la incógnita sabiendo que: a32 + 𝑎42 = 0 →______________
7. El valor de la incógnita sabiendo que: a54 + 𝑎44 = 0 →______________
42
2.2. OPERACIONES ENTRE MATRICES
Estas operaciones se hacen necesarias para encontrar la solución de sistemas que involucren fluidos
computacionales. Teniendo en cuenta que los ingenieros utilizan gráficas y demás expresiones que el
álgebra lineal proporciona el método para elaborarlas.
2.2.1. IGUALDAD DE MATRICES
Sean A = [aij ]m×n y B = [bij ]m×n , se dice que A=B solamente si son del mismo orden, por lo tanto se
entiende que:
A=B
[aij ]m×n = [bij ]m×n
aij = bij
Ejemplo: Dadas las siguientes matrices:
√6 5 X 10 −1 0
A=[ 1 1 2 ] 𝑦 B = [−2 13 9 ]
−1 0 −1 3×3 −1 6 −1 3×3
En conclusión A = B, porque son del mismo orden.
2.2.2. SUMA Y RESTA DE MATRICES
Para poder realizar esta operación las matrices deben ser del mismo orden, por ejemplo: A = [aij ]m×n y
B = [bij ]m×n . Entonces, expresadas en forma general, se tiene que:
A+B=C
aij ± bij = cij
De lo que resulta:
a11 a12 a13 … a1n b11 b12 b13 … b1n a11 ± b11 a12 ± b12 a13 ± b13 … a1n ± b1n
a 21 a 22 a 23 … a 2n b21 b22 b23 … b2n a 21 ± b21 a 22 ± b22 a 23 ± b23 … a 2n ± b2n
a 31 a 32 a 33 … a 3n ± b31 b32 b33 … b3n = a 31 ± b31 a 32 ± b32 a 33 ± b33 … a 3n ± b3n
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
[a m1 a m2 a m3 … a mn ] [bm1 bm2 bm3 … bmn ] [a m1 ± bm1 a m2 ± bm2 a m3 ± bm3 … a mn ± bmn ]
c11 c12 c13 … c1n

c21 c22 c23 … c2n
C = c31 c32 c33 … c3n
⋮ ⋮ ⋮ ⋱ ⋮
[cm1 cm2 cm3 … cmn ]
NOTA: En general, es más fácil sumar que restar matrices.
43
Ejercicio: Dadas las siguientes matrices:
2 −1 3 10 −1 2 10 −2 1
𝐴 = [0 1 −1] ; 𝐵=[0 −1 2] ∧ 𝐶=[0 −1 1]
2 −1 2 1 −1 3 0 −1 3
Encontremos lo siguiente: 2A − 5 (B − 4C) + 3B = R
Inicialmente, reemplazamos el valor de las matrices en la expresión:
2 −1 3 10 −1 2 10 −2 1 10 −1 2
2 ∗ [0 1 −1] − 5 ∗ ([ 0 −1 2] − 4 ∗ [ 0 −1 1]) + 3 ∗ [ 0 −1 2] = R
2 −1 2 1 −1 3 0 −1 3 1 −1 3
Seguidamente multiplicamos los números que están por fuera de las matrices, de lo que resulta:
4 −2 6 10 −1 2 40 −8 4 30 −3 6
[0 2 −2] − 5 ∗ ([ 0 −1 2] − [ 0 −4 4 ]) + [ 0 −3 6] = R
4 −2 4 1 −1 3 0 −4 12 1 −3 9
Luego se restan las matrices que están entre paréntesis:
4 −2 6 −30 7 −2 30 −3 6
[0 2 −2] − 5 ∗ [ 0 3 −2] + [ 0 −3 6] = R
4 −2 4 1 3 −9 1 −3 9
Ahora, multiplicamos por -5 para que nos quede una suma de matrices:
4 −2 6 150 −35 10 30 −3 6
[0 2 −2] + [ 0 −15 10] + [ 0 −3 6] = R
4 −2 4 −5 −15 45 1 −3 9
184 −40 22
[ 0 −16 14] = R
−2 −20 58
Ejercicio: Encontremos los valores de X, Y, Z y W, si:
X Y X 6 4 X+Y
3∗[ ]=[ ]+[ ]
Z W −1 2W Z+W 3
Luego, multiplicamos y sumamos de lo que resulta:
3X 3Y X+4 6+X+Y
[ ]=[ ]
3Z 3W −1 + Z + W 2W + 3
Teniendo en cuenta lo anterior, aparecen las siguientes ecuaciones:
44
3X = 4 + X → L1
3Y = 6X + 6Y → L2
3Z = −Z − W → L3
3W = 3 + 2W → L4
Despejando de la ecuación L1, tenemos que:

X=2
Ahora si reemplazamos de la ecuación L2, resulta el valor de Y:
Y=4
De la ecuación L4, resulta del valor de W:
W=3
Finalmente de la ecuación L3, tenemos:

Z=1
Para comprobar, reemplazamos los valores en la ecuación y se debe cumplir la igualdad:
3(2) 3(4) 2+4 6+2+4

[ ]=[ ]
3(1) 3(3) −1 + 1 + 3 2(3) + 3
6 12 6 12
[ ]=[ ]
3 9 3 9
Ejercicio: Dadas las matrices:
1 3 −2 0 −1 1
A = [ 2 5] ; B = [ 1 4] ∧ C=[ 4 6]
−1 2 −7 5 −7 3
Determinar:
1. Una matriz D, tal que: 2A + B − D = 0

2. Una matriz E, tal que: A + B − 3C + E = 0
Para encontrar una matriz D, debemos despejar de la ecuación:
2A + B = D
Ahora reemplazamos el valor de las matrices:
1 3 −2 0
2 ∗ [ 2 5] + [ 1 4] = D
−1 2 −7 5
45
Ahora multiplicamos el número dos (2) por toda la matriz:
2 6 −2 0
[ 4 10] + [ 1 4] = D
−2 4 −7 5
Finalmente, se suman las matrices y resulta la matriz D:
0 6
[ 5 14] = D
−9 9
Para el otro ejercicio, debemos despejar de la ecuación para encontrar la matriz E:
3C − A − B = E
Ahora reemplazamos el valor de las matrices:
−1 1 1 3 −2 0
3 ∗ [ 4 6] − [ 2 5] − [ 1 4] = E
−7 3 −1 2 −7 5
Ahora multiplicamos el número tres (3) por toda la matriz, y como sabemos que es más fácil sumar que
restar matrices, multiplicamos el signo (-) por las matrices:
−3 3 −1 −3 2 0
[ 12 18] + [−2 −5] + [−1 −4] = E
−21 9 1 −2 7 −5
Finalmente, se suman las matrices y resulta la matriz D:
−2 0
[ 9 9] = E
−13 2
2.2.3. MULTIPLICACIÓN DE MATRICES
Sean A = [aij ]m×n y B = [bij ]m×n . Entonces el producto de A ∗ B = C, donde: C = [cij ]m×n . Por lo tanto, en
su forma general se representan como:
[aij ]m×n ∗ [bij ]m×n = [cij ]m×n
La multiplicación de matrices se realiza en el orden de filas por columnas.
46
a11 a12 a13 … a1n
a21 a22 a23 … a2n b11 b12 b13 … b1j … b1n
a31 a32 a33 a3n b21 b22 b23 … b2j … b2n
…
𝐶= ⋮ ⋮ ⋮ ⋮ ∗ b31 b32 b33 … b3j … b3n
ai1 ai2 ai3 ⋱ a ⋮ ⋮ ⋮ ⋱ ⋮
in
⋮ ⋮ ⋮ … ⋮ [bm1 bm2 bm3 … bmj … bmn ]
[am1 am2 am3 amn ]
Teniendo en cuenta lo anterior, para encontrar el valor de cada componente cij , donde i son las filas y j las
columnas de la matriz C, debemos tener en cuenta lo siguiente:
𝑐𝑖𝑗 = ai1 ∗ b1j + ai2 b2j + ai3 b3j + ⋯ + ain ∗ bmj
Por ejemplo, para encontrar el valor del componente c11 − c21 − c31 − cm1 , la expresión seria:
c11 = a11 ∗ b11 + a12 ∗ b21 + a13 ∗ b31 + ⋯ + a1n ∗ bm1
c21 = a21 ∗ b11 + a22 ∗ b21 + a23 ∗ b31 + ⋯ + a2n ∗ bm1
c31 = a31 ∗ b11 + a32 ∗ b21 + a33 ∗ b31 + ⋯ + a3n ∗ bm1
cm1 = am1 ∗ b11 + am2 ∗ b21 + am3 ∗ b31 + ⋯ + amn ∗ bm1
Por lo tanto se sabe que:

c11 c12 c13 … c1n
c21 c22 c23 … c2n
C = c31 c32 c33 … c3n
⋮ ⋮ ⋮ ⋱ ⋮
[cm1 cm2 cm3 … cmn ]
NOTA: La multiplicación de matrices NO ES CONMUTATIVA, lo que quiere decir que:
A∗B≠B∗A
Además, se pueden multiplicar matrices de cualquier orden que generalmente siempre la matriz resultante
toma el orden de la más pequeña, por ejemplo:
1 2 3 −1 −2
A = [4 5 6] y B = [−3 −4]
7 8 9 m ×n −5 −6 m× n
3 ×3 3× 2
Para determinar el orden de la matriz resultante, podemos escoger el valor de m de la primera matriz, con
el valor de n de la segunda, de lo que se tiene una matriz 3 × 2, lo cual comprobaremos más adelante.
47
Ejercicio: Encontrar el producto de las siguientes matrices:
2 −1
−1 2 1
0 1
𝐴 = [ 0 −1 1 ] 𝑦 𝐵 = [ 1]
2 1 −1 3×3 3
2 3×2
Según lo definido anteriormente, la matriz resultante debe ser del orden 3 × 2:
1
(−1)(2) + (2)(0) + (1)(3) (−1)(−1) + (2)(1) + (1) ( )
2
1
𝐴 ∗ 𝐵 = (0)(2) + (−1)(0) + (1)(3) (0)(−1) + (−1)(1) + (1) ( )
2
1
(2)(2) + (1)(0) + (−1)(3) (2)(−1) + (1)(1) + (−1) ( )
[ 2 ]
Simplificando se tiene que:
1 7/2
𝐶 = [3 −1/2]
1 −3/2 3×2
Si realizáramos la multiplicación de 𝐵 ∗ 𝐴 ≠ 𝐶, la matriz resultante seria 3 × 3, de lo que resulta:
(2)(−1) + (−1)(0) (2)(2) + (−1)(−1) (2)(1) + (−1)(1)

(0)(−1) + (1)(0) (0)(2) + (1)(−1) (0)(1) + (1)(1)
𝐵∗𝐴 =
1 1 1
(3)(−1) + ( ) (0) (3)(2) + ( ) (−1) (3)(1) + ( ) (1)
[ 2 2 2 ]
Simplificando se tiene que:
−2 5 1
0 −1 1
𝐶=[ 11 7]
−3
2 2 3×3
48
2.2.3.1. POTENCIAS FUNDAMENTALES DE LOS IMAGINARIOS (𝒊 = √−𝟏)
Los imaginarios se pueden utilizar para la multiplicación de matrices, dado a que resulta de gran ayuda
simplificar estos términos de acuerdo al grado de su exponente, de lo que se tiene que:
𝑖 = √−1
𝑖 2 = (√−1)2 = −1
𝑖 3 = 𝑖 2 ∗ 𝑖 = (−1) 𝑖 = − 𝑖
𝑖 4 = 𝑖 2 ∗ 𝑖 2 = (−1)(−1) = 1
𝑖 5 = 𝑖 4 ∗ 𝑖 = (1) ∗ 𝑖 = 𝑖
Y si continuamos se repite el ciclo, por lo que debemos recordar las siguientes propiedades:
am + an = No se puede
am ∗ an = am+n
(am )n = am∗n
1
a−n =
an
Ejercicio: Simplificar los siguientes imaginarios:
 i23 = i22 ∗ i = (i2 )11 ∗ i = (−1)11 ∗ i = −1 ∗ i = − i

1 1 1
 𝑖 −134 = (𝑖 2 )67 = (−1)67 = −1 − 1
 i60 = (i2 )30 = (−1)30 = 1
Ejercicio: Dadas las siguientes matrices, encontrar el producto de A*B:
2 𝑖3 −𝑖 2 3 𝑖3 − 𝑖2 −2 𝑖
𝐴 = [ 𝑖 −1 𝑖 0] 𝑦 𝐵=[ 0 −1 𝑖 ]
𝑖 −2 𝑖3 𝑖 3×3 −𝑖 2𝑖 −1 3×3
C11 = 6 i6 + 0 − 2i = 6( i2 )3 − 2i = 6(−1)3 − 2i = −6 − 2i
C12 = −2i5 + i + 4i = −2i + i + 4i = −3i
C13 = −4i4 − i2 − 2 = −4(1) − (−1) − 2 = −5
C21 = 3 i2 = 3(−1) = −3
C22 = −i − i = −2i
49
2
C23 = −2i−1 + i4 − i = −2i−1 + (1) − i = − + 1 − i = i − 1
i
C31 = 3i − i2 == 3i − (−1) = 3i + 1
C32 = i0 − i3 + 2i2 = −1 − ( i2 )1 + 2(−1) = −1 − (−1)1 + 2(−1) = −2
2
C33 = −2i−1 + i4 − i = − + 1 − i = i − 1
i
De lo que resulta la matriz:
−6 − 2i −3i −5
C=[ −3 −2i i − 1]
3i + 1 −2 i−1
Ejercicio: Realizar la siguiente multiplicación de matrices:
e−2X+1 e−X 5eX+3 eX+2 5e−X+2

A=[ 2 −1 4 ] y B=[ 3 2e−X ]
2eX+2 −e3X e−X 3×3 5 −e−X+3 3×2
Por lo tanto el orden de la matriz resultante C, será 3 × 2. Realizando la multiplicación de filas por
columnas, se tiene que:
C11 = e−X+3 + 3e−X + 5eX+3 = 3e−X + 6e6

C12 = 5e−3X+3 + 2e−2X − 5e6
C21 = 2eX+2 − 3 + 20 = 2eX+2 + 17

C22 = 10e−X+2 − 2e−X − 4e−X+3 = 6e−2X+5 − 2e−X
C31 = 2e2X+4 −3e3X + 5e−X = 2e2X+4 +2e2X

C32 = 10e4 − 2e2X −e−2X+3
De lo que resulta la matriz:
3e−X + 6e6 5e−3X+3 + 2e−2X − 5e6

B = [ 2eX+2 + 17 6e−2X+5 − 2e−X ]
2e2X+4 +2e2X 4 2X
10e − 2e −e −2X+3
3×2
PROPIEDADES: Sean A = [aij ]m×n y B = [bij ]m×n, matrices de igual o diferente orden podemos encontrar
las siguientes propiedades:
 El factor de una matriz 𝐴𝑛 , está dado por:
An = A ∗ A ∗ A ∗ … ∗ A → n veces
50
 Sea 𝐹(𝑋) un polinomio de grado n dado por:
F(X) = an X n + a(n−1) X n−1 + ⋯ + a1 X + Ia0
Y sea A = [aij ]m×n la matriz, entonces el polinomio de A esta dado por:
F(A) = an X n + a(n−1) X n−1 + ⋯ + a1 X + Ia0
Donde I es la matriz identidad.
Ejercicio: Encontrar W 3 , siendo la siguiente matriz:
2 0 −1
W = [1 2 −1]
0 1 2
Teniendo en cuenta la propiedad, tenemos que multiplicar tres (3) veces la matriz W.
2 0 −1 2 0 −1 2 0 −1
W 3 = [1 2 −1] ∗ [1 2 −1] ∗ [1 2 −1]
0 1 2 0 1 2 0 1 2
Como no se pueden multiplicar tres matrices a la vez, debemos hacerlo con las dos primeras y luego con
la que falta para encontrar W 3 , de lo que resulta:
4 −1 −4 2 0 −1
W 3 = [4 3 −5] ∗ [1 2 −1]
1 4 3 0 1 2
7 −6 −11
W 3 = [11 1 −17]
6 11 1
Ejercicio: Resolver la siguiente función:
1
F(A) = −2A2 − 5A − I
4
Siendo la matriz A igual a:
−i i −1
A = [ 2i i 1]
0 1 −i
51
Para iniciar, reemplazamos el valor de la matriz en toda la función, de lo que resulta:
−i i −1 −i i −1 −i i −1 1 1 0 0
F(A) = −2 ([ 2i i 1 ] ∗ [ 2i i 1 ]) − 5 [ 2i i 1 ] − [0 1 0 ]
4
0 1 −i 0 1 −i 0 1 −i 0 0 1
Luego realizamos la multiplicación entre las dos matrices:
−3 −1 3𝑖 −i i −1 1 1 0 0
F(A) = −2 [ 0 −2 −2𝑖 ] − 5 [ 2i i 1 ] − [0 1 0]
4
2𝑖 0 0 0 1 −i 0 0 1
Ahora multiplicamos los números que están por fuera de las matrices, para poder realizar la suma entre
las matrices:
1
− 0 0
4
6 2 −6𝑖 5𝑖 −5𝑖 5 1
F(A) = [ 0 4 4𝑖 ] + [−10𝑖 −5𝑖 −5] + 0 − 0
−4𝑖 0 0 0 −5 5𝑖 4
1
[ 0 0 − ]
4
Realizando la suma entre las matrices, se tiene que:
23
+ 5𝑖 2 − 5𝑖 5 − 6𝑖
4
14
F(A) = −10𝑖 − 5𝑖 4𝑖 − 5
5
1
[ −4𝑖 −5 5𝑖 − ]
4
2.2.3.2. MULTIPLICACIÓN DE MATRICES POR BLOQUES
En la multiplicación de matrices cuando el orden de estas es muy grande es conveniente dividir las matrices
en sub-matrices, bloques de matrices o matrices más pequeñas.
Este proceso se realiza con el fin de multiplicar bloque por bloque en lugar de componente por
componente, procedimiento que se hace más difícil dado a la cantidad de variables en operación.
Ejercicio: Sean las siguientes matrices:
1 A
2 −1 B 0 2 E
−1 F
3
1 2 1 0 1 2
𝑋 = [0 ] 𝑦 𝑌 = [−1 ]
3 C 1 −1 D 2 1 H
0
G
2 0 1 1 4×4 2 1 1 4×3
52
Ahora, encontremos el producto de A*B pero por bloques de matrices:
A B E F
X∗Y=[ ]∗[ ]
C D G H
Seguidamente, realicemos la multiplicación con las nuevas matrices:
AE + BG AF + BH
A∗B= [ ]
CE + DG EF + DH
Luego de que tenemos esto en forma general, procedemos a resolver cada una de las órdenes que se
encuentran dentro de las matrices:
1 2 2 −1 −1 0 −1 1 2 1 1 −1 3 0
AE + BG = [ ][ ]+[ ][ ]=[ ]+[ ]=[ ]
2 1 0 1 2 1 2 1 0 1 0 3 0 4
3 1 2 −1 −1 2 −1 1 6 −2 5 1 11 −1
CE + DG = [ ][ ]+[ ][ ]=[ ]+[ ]=[ ]
2 0 0 1 1 1 2 1 4 −2 1 2 5 0
1 2 3 −1 0 0 7 0 7
AF + BH = [ ][ ]+[ ][ ] = [ ] + [ ] = [ ]
0 1 2 2 1 1 2 1 3
3 1 3 −1 2 0 11 2 13
CF + DH = [ ][ ]+[ ][ ] = [ ] + [ ] = [ ]
2 0 2 1 1 1 6 1 7
Como ya sabemos, el orden de la matriz resultante es 4 × 3. Por lo tanto, debemos reemplazar el valor de
cada orden dentro de la matriz de lo que resulta:
3 0 7
𝑋∗𝑌 =[0 4 3]
11 −1 13
5 0 7 4×3
Para comprobar este ejercicio, podemos realizar la multiplicación de matrices que ya conocemos.
2.3. TIPOS ESPECIALES DE MATRICES
Con la finalidad de operar y racionalizar las matrices, como también facilitar el trabajo aparecen los
siguientes 17 tipos especiales de matrices (Herrera Escudero, 2014):
2.3.1. MATRIZ OPUESTA
Si la matriz A es de la forma [aij ]m×n , entonces se tiene que la MATRIZ OPUESTA de A esta dada por:
−A = −[aij ]m×n
53
Teniendo en cuenta lo anterior, la opuesta consiste en cambiar de signo a los términos de la matriz original.
Cuando esto ocurre se le debe poner el signo menos al nombre de la matriz.
Ejercicio: Encontrar la opuesta de la siguiente matriz:
−1 2 0
N = [ 0 −4 19 ]
1 6 −1 3×3
Por lo tanto la opuesta es:
1 −2 0
−N = [ 0 4 −19]
−1 −6 1 3×3
2.3.2. MATRIZ TRANSPUESTA
Si la matriz A es de la forma [aij ]m×n , la TRANSPUESTA de A esta denotada por 𝐴𝑡 = [aij ]n×m . La cual
consiste en cambiar las filas por columnas.
De forma general está dada por:
a11 a12 … a1n

a21 a22 ⋯ a2n
A=[ ⋮ ⋮ ⋱ ⋮ ]
am1 am2 … amn
Por lo tanto la transpuesta es:
a11 a21 ⋯ an1

a12 a22 ⋯ an2
At = [ ⋮ ⋮ ⋱ ⋮ ]
a1m a2m ⋯ anm
Ejercicio: Encontrar la matriz transpuesta de M:
−1 2 1 i
M=[ 0 1 2 3]
−1 2 1 −i 3×4
Cambiando las filas por columnas, tenemos que:

−1 0 −1
2 1 2
Mt = [ ]
1 2 1
i 3 −i 4×3
54
PROPIEDADES: Sean A = [aij ]m×n y B = [bij ]m×n, matrices de igual o diferente orden podemos encontrar
las siguientes propiedades:
 (𝐴𝑡 )𝑡 = A
Ejemplo: Comprobando la propiedad, tenemos que:
senx i 2
A=[ ]
ex o −1
senx ex
t
A =[ i 0]
2 −1
senx i 2
(At )t = [ x ]
e 0 −1
Se concluye que se obtiene la matriz original.
 Si A & B son matrices del mismo orden entonces: (A + B)t = At + Bt
2 1 0 −1 2 0
A = [3 0 2] y B=[ 2 1 1]
3 −1 0 3×3 −5 3 −1 3×3
Primero sumamos las dos matrices:

1 3 0
A+B=[ 5 1 3]
−2 2 −1 3×3
Luego, la hacemos transpuesta:
1 5 −2
(A + B)t = [3 1 2]
0 3 −1 3×3
 Si A & B son matrices de igual o diferente orden entonces: (A ∗ B)t ≠ At ∗ Bt pero si se cumple que
(A ∗ B)t = Bt ∗ At
−1 2 0 3 −1 0
A=[ 1 0 1 ] y B = [2 0 1]
2 0 −1 3×3 1 −1 1 3×3
55
Primero sumamos las dos matrices:
1 1 2
A ∗ B = [4 −2 1]
5 −1 −1 3×3
Luego, la hacemos transpuesta:
1 4 5
(A ∗ B)t = [1 −2 −1]
2 1 −1 3×3
Nota: Comprobar el teorema sabiendo que la multiplicación de matrices no es conmutativa.
 Si A es invertible, At también es invertible, por lo tanto: (At )−1 = (A−1 )t
R S T
A = [X Y Z]
M N O 3×3
La transpuesta seria:
R X M
t
A = [S Y N]
T Z O 3×3
Ahora haciéndola inversa tenemos:
1
(At )−1 =
R X M
[S Y N]
T Z O 3×3
2.3.3. MATRIZ SIMÉTRICA
Sea A = [aij ]m×m , para encontrar la MATRIZ SIMÉTRICA de A, se debe cumplir la siguiente condición:
A = At
Cuando una matriz cuadrada no es simétrica, debemos utilizar la siguiente expresión matemática para
convertir una matriz no simétrica en simétrica:
AS = (A + At )
Ejercicio: Demostrar que la siguiente matriz E es simétrica:
56
1 2 −1
E=[ 2 3 4 ]
−1 4 5 3×3
Por lo tanto sabemos encontrar la matriz E transpuesta, que es:
1 2 −1
Et = [ 2 3 4]
−1 4 5 3×3
En conclusión como E t = E se tiene que es una matriz simétrica.
Ejercicio: Demostrar que la siguiente matriz R es simétrica:
1 −1 −1
R = [0 3 1]
3 −1 2 3×3
Por lo tanto sabemos encontrar la matriz R transpuesta, que es:
1 0 3
t
R = [−1 3 −1]
−1 1 2 3×3
En conclusión como 𝑅 𝑡 ≠ 𝑅, debemos aplicar la expresión matemática para encontrar una matriz
simétrica:
RS = (R + Rt )
De lo que resulta:
1 −1 −1 1 0 3
RS = ([0 3 1 ] + [−1 3 −1])
3 −1 2 −1 1 2
Realizando la suma de matrices, se tiene que:
2 −1 2
RS = [−1 6 0]
2 0 4
Para comprobar lo anterior, encontremos RS 𝑡 de lo que resulta:
57
2 −1 2
RS 𝑡 = [−1 6 0]
2 0 4
Por lo tanto, se cumple la condición de que: RS t = RS
2.3.4. MATRIZ ANTISIMÉTRICA
Sea A = [aij ]m×m , para encontrar la MATRIZ ANTISIMÉTRICA de A, se debe cumplir la siguiente condición:
𝐴 = −𝐴𝑡
Cuando una matriz cuadrada no es antisimétrica, debemos utilizar la siguiente expresión matemática para
convertir una matriz no antisimétrica en antisimétrica:
AAS = (A − At )
Ejercicio: Demostrar que la siguiente matriz T es simétrica:
0 −1 2
T=[ 1 0 3]
−2 −3 0 3×3
Por lo tanto sabemos encontrar la matriz T transpuesta, que es:
0 1 −2
𝑡
𝑇 = [−1 0 −3]
2 3 0 3×3
Ahora debemos multiplicar por menos, es decir encontrar la matriz opuesta:
0 −1 2
−𝑇 𝑡 = [ 1 0 3]
−2 −3 0 3×3
En conclusión como −𝑇 𝑡 = 𝑇 se tiene que es una matriz antisimétrica.
Ejercicio: Demostrar que la siguiente matriz R es antisimétrica:
1 −1 −1
R = [0 3 1]
3 −1 2 3×3
Por lo tanto sabemos encontrar la matriz R transpuesta, que es:
58
1 0 3
𝑅 𝑡 = [−1 3 −1]
−1 1 2 3×3
−1 0 −3
𝑡
−𝑅 = [ 1 −3 1 ]
1 −1 −2 3×3
En conclusión como −𝑅 𝑡 ≠ 𝑅, debemos aplicar la expresión matemática para encontrar una matriz
antisimétrica:
RAS = (R − Rt )
De lo que resulta:
1 −1 −1 1 0 3
RAS = ([0 3 1 ] − [−1 3 −1])
3 −1 2 −1 1 2
Como es más fácil sumar que restar matrices, multiplicamos el menos por la matriz:
1 −1 −1 −1 0 −3
RAS = ([0 3 1 ] + [ 1 −3 1 ])
3 −1 2 1 −1 −2
Realizando la suma de matrices, se tiene que:
0 −1 −4
RAS = [1 0 2]
4 −2 0
Para comprobar lo anterior, encontremos RAS 𝑡 de lo que resulta:
0 1 4
RAS 𝑡 = [−1 0 −2]
−4 2 0
0 −1 −4
−𝑅𝐴𝑆 𝑡 = [1 0 2]
4 −2 0 3×3
Por lo tanto, se cumple la condición de que: RAS t = RAS
59
Ejercicio: Expresar la siguiente matriz A como la suma de una matriz simétrica con otra antisimétrica.
2i i2 5
A = [−1 0 1]
2 i −i
Lo primero que podemos hacer, es simplificar los términos de i de la matriz, de lo que resulta:
2i −1 5
A = [−1 0 1]
2 i −i
Luego, debemos identificar si la matriz cumple la condición de simétrica y antisimétrica, de donde:
2i −1 2
At = [−1 0 i]
5 1 −i
Ahora la multiplicamos por menos para encontrar la opuesta:
−2i 1 −2
−At = [ 1 0 −i ]
−5 −1 i
Teniendo en cuenta lo anterior, la matriz A no es simétrica ni antisimétrica, por lo que debemos emplear
la expresión matemática para encontrar las matrices:
AS = (A + At )
2i −1 5 2i −1 2
AS = ([−1 0 1 ] + [−1 0 i ])
2 i −i 5 1 −i
4i −2 7
AS = [−2 0 1 + i]
7 i + 1 −2i
AAS = (A − At )
2i −1 5 −2i 1 −2
AAS = ([−1 0 1]+[ 1 0 −i ])
2 i −i −5 −1 i
0 0 3
AAS = [ 0 0 1 − i]
−3 i − 1 0
60
Luego de haber encontrado la matriz simétrica y la antisimétrica, procedemos a sumarlas:
AT = AS + AAS
4i −2 7 0 0 3
AT = ([−2 0 1+i ] + [ 0 0 1 − 𝑖 ])
7 i + 1 −2i −3 𝑖 − 1 0
4𝑖 −2 10
AT = [−2 0 2 ]
4 2𝑖 −2𝑖
Si dividimos la matriz AT entre dos (2), encontramos la matriz original:
2i −1 5
AT = A = [−1 0 1]
2 i −i
En conclusión, al momento de sumar una matriz simétrica con una antisimétrica encontramos la matriz
original.
2.3.5. MATRIZ CONJUGADA
Si A = [aij ]m×n, donde algunos o todos sus componentes son números complejos, se dice que al momento
de cambiar el signo solamente se realiza a los complejos, en donde la resultante matriz se llama
CONJUGADA, de forma general está representada de la siguiente forma:
A = [aij ]m×n
Y la conjugada sería:
̅ = [𝑏ij ]m×n
A
Donde:
aij = 𝑏ij
Por lo tanto, se tiene que:
𝑍 = 𝑎 + 𝑏𝑖
𝑍 = 𝑎 − 𝑏𝑖
Ejercicio: Encontrar la conjugada de la siguiente matriz:
1 2+𝑖 1+𝑖
𝐴=[ 0 𝑖 −𝑖 ]
2𝑖 + 1 −𝑖 + 1 𝑖 + 2
61
Ahora debemos cambiarle de signo solo a los complejos e inmediatamente encontramos la matriz
conjugada de A:
1 2−i 1−i
̅= [ 0
A −i −i ]
−2i + 1 i + 1 −i + 2
2.3.6. MATRIZ HERMÉTICA
Sea A = [aij ]m×n, se dice que A es una matriz hermética si se cumple la siguiente condición:
t
A=A
Ejercicio: Verifiquemos si la siguiente matriz es hermética:
2 10 − 𝑖
𝐴= [ ]
10 + 𝑖 −1
Lo primero que debemos hacer es encontrar una matriz conjugada:
2 10 + 𝑖
𝐴= [ ]
10 − 𝑖 −1
Luego que tenemos la matriz conjugada, la hacemos transpuesta:
𝑡 2 10 − 𝑖
𝐴 =[ ]
10 + 𝑖 −1
t
Como se cumplió la condición de A = A , entonces decimos que es hermética. Para el caso que no se
cumpla, decimos que no es hermética.
2.3.7. MATRIZ ANTIHERMÉTICA
Sea A = [aij ]m×n, se dice que A es una matriz hermética si se cumple la siguiente condición:
t
A = −A
Ejercicio: Verifiquemos si la siguiente matriz es Antihermética:
1
0 +𝑖
𝐴=[ 2 ]
1
− +𝑖 0
2
62
Lo primero que debemos hacer es encontrar una matriz conjugada:
1
0 −i
̅=[
A 2 ]
1
− −i 0
2
Luego que tenemos la matriz conjugada, le encontramos la opuesta:
1
0 − +i
̅=[
−A 2 ]
1
+i 0
2
Luego que tenemos la matriz conjugada, la hacemos transpuesta:
1
t 0 +i
−A = [ 2 ]
1
− +i 0
2
t
Como se cumplió la condición de A = −A , entonces decimos que es Antihermética. Para el caso que no se
cumpla, decimos que no es Antihermética.
2.3.8. MATRIZ DIAGONAL
Es una matriz cuadrada en donde todos los componentes diferentes a la diagonal principal son cero (0).
Esta matriz se expresa de la siguiente forma:
2 0 0 0
𝐴 = [0 1 0 0]
0 0 3 0
0 0 0 −1 4×4
2.3.9. MATRIZ ESCALAR
Es una matriz cuadrada en la que todos los elementos de la diagonal principal son iguales:
3 0 0 0
𝐺 = [0 3 0 0]
0 0 3 0
0 0 0 3 4×4
63
3 0 1 0
𝐺 = [1 3 9 2]
0 7 3 0
0 2 1 3 4×4
2.3.10. MATRIZ TRIANGULAR SUPERIOR
Es una matriz cuadrada en la que todos los elementos o componentes que están por debajo de la diagonal
principal son cero (0).
2 9 𝑋 6
𝐽 = [0 1 8 5]
0 0 3 4
0 0 0 −1 4×4
2.3.11. MATRIZ TRIANGULAR INFERIOR
Es una matriz cuadrada en la que todos los elementos o componentes que están por encima de la diagonal
principal son cero (0).
3 0 0 0
𝐺 = [8 7 0 0]
4 5 1 0
9 2 1 3 4×4
2.3.12. MATRIZ ORTOGONAL
Sea A = [aij ]m×n, se dice que A es una matriz ORTOGONAL si se cumple la siguiente condición:
𝐴 ∗ 𝐴𝑡 = 𝐴𝑡 ∗ 𝐴 = 𝐼
Ejercicio: Verifiquemos si la siguiente matriz es ortogonal:
0 1
A=[ ]
1 0
Lo primero que debemos hacer es encontrar la matriz transpuesta:
0 1
𝐴𝑡 = [ ]
1 0
Y luego aplicar la condición:
64
0 1 0 1 1 0
𝐴 ∗ 𝐴𝑡 = [ ]∗[ ]=[ ]
1 0 1 0 0 1
Como se cumple la condición decimos que es una matriz ortogonal.
2.3.13. MATRIZ UNITARIA
Sea A = [aij ]m×n, se dice que A es una matriz UNITARIA si se cumple la siguiente condición:
𝐴 ∗ 𝐴𝑡̅ = 𝐴̅𝑡 ∗ 𝐴 = 𝐼
2.3.14. MATRIZ IDEMPOTENTE
Sea A = [aij ]m×n, se dice que A es una matriz IDEMPOTENTE si se cumple la siguiente condición:
𝐴2 = 𝐴 ∗ 𝐴 = 𝐴
Ejercicio: Verifiquemos si la siguiente matriz es idempotente:
1 0 0
A = [0 1 5]
0 0 0
Lo primero que debemos hacer es encontrar el producto de A*A:
1 0 0 1 0 0 1 0 0
2
𝐴 = [0 1 5] ∗ [0 1 5] = [0 1 5]
0 0 0 0 0 0 0 0 0
Como se cumple la condición decimos que es una matriz idempotente.
2.3.15. MATRIZ INVOLUTIVA
Sea A = [aij ]m×n, se dice que A es una matriz INVOLUTIVA si se cumple la siguiente condición:
𝐴2 = 𝐴 ∗ 𝐴 = 𝐼
Ejercicio: Verifiquemos si la siguiente matriz es involutiva:
0 0 1
A = [−1 −1 −1]
1 0 0
Lo primero que debemos hacer es encontrar el producto de A*A:
65
0 0 1 0 0 1 1 0 0
𝐴2 = [−1 −1 −1] ∗ [−1 −1 −1] = [0 1 0]
1 0 0 1 0 0 0 0 1
Como se cumple la condición decimos que es una matriz involutiva.
2.3.16. MATRIZ NULA
Es una matriz A = [aij ]m×n en la que todos los elementos que la conforman son iguales a cero. Esta matriz
se expresa de la siguiente forma:
0 0 0 0
𝐴 = [0 0 0 0]
0 0 0 0
0 0 0 0 4×4
2.3.17. MATRIZ INVERSA
Sean A = [aij ]m×n y B = [bij ]m×n matrices cuadradas, se puede suponer que:
A∗B= B∗A= I
Entonces se dice que B es la inversa de A, y esta denotada por: 𝐴−1
De lo anterior se tiene que:

A ∗ A−1 = A−1 ∗ A = I
Nota: Si A tiene inversa se dice que es invertible.

Si A no tiene inversa se dice que es singular.
Si A es una matriz invertible, entonces su inversa es única. Para comprobarlo supongamos que B y C son
matrices inversas de A, para demostrar debemos llegar a que B = Z.
Para la definición inversa tenemos que:
A∗B = B∗A = I
A∗ C = C∗A= I
Si tenemos que:
A = B ∗ I = B ∗ C ∗ C−1 = (B ∗ C −1 ) ∗ C = C
Entonces:
I = A ∗ A−1
66
I = C ∗ C−1
2.3.17.1. INVERSA DE UNA MATRIZ DE ORDEN 𝟐 × 𝟐
Sea A = [aij ]2×2 entonces se tiene que:
a11 a12
A = [a a22 ]
21
Observaciones:
 A es invertible si el determinante de A ≠ 0.
 Para encontrar el determinante de A, debemos multiplicar la diagonal principal y restarle la
diagonal segundaria de lo que resulta: |A| = (a11 a22 − a21 a12 ).
1 a22 −a12
 Si determinante de A ≠ 0, entonces A−1 = |A| [−a a11 ].
21
Para comprobar que el ejercicio nos quedó bien resuelto, debemos verificar que:
A ∗ A−1 = A−1 ∗ A = I
Nota: Este procedimiento solo es para encontrar la inversa de una matriz de orden 2 × 2.
Ejercicio: Encontrar la inversa de la siguiente matriz:
𝐴 𝐵
T=[ ]
𝐶 𝐷
Lo primero que debemos hacer es verificar que el determinante de T es diferente de cero:
|T| = (a11 a22 − a21 a12 ) = (AD − CB) ≠ 0
Como el determinante de A es diferente de cero, procedemos a aplicar la expresión:
1 D −B
T −1 = [ ]
(AD − CB) −C A
Ahora multiplicamos por la matriz:
D −B
(AD − CB) (AD − CB)
T −1 =
−C A
[(AD − CB) (AD − CB)]
La anterior matriz es la inversa de A, ahora para comprobar que el ejercicio nos quedó bien resuelto,
aplicamos la siguiente expresión:
67
T −1 ∗ T = I
D −B
(AD − CB) (AD − CB) 𝐴 𝐵
∗[ ]= I
−C A 𝐶 𝐷
[(AD − CB) (AD − CB)]
Ahora realizamos la multiplicación entre las dos matrices:
DA BC DB BD
− −
(AD − CB) (AD − CB) (AD − CB) (AD − CB)
= I
−CA AC −CB AD
+ +
[(AD − CB) (AD − CB) (AD − CB) (AD − CB)]
Seguidamente simplificamos los términos:
DA − BC
0
(AD − CB)
= I
−CB + AD
0
[ (AD − CB)]
Finalmente resulta que:
1 0
[ ]= I
0 1
Como el resultado fue igual a la matriz identidad, el ejercicio queda bien resuelto.
1 −2
M=[ ]
3 4
Lo primero que debemos hacer es verificar que el determinante de T es diferente de cero:
|M| = (a11 a22 − a21 a12 ) = (1)(4) − (3)(−2) = 10 ≠ 0
Como el determinante de A es diferente de cero, procedemos a aplicar la expresión:
1 4 2
M −1 = [ ]
10 −3 1
Ahora multiplicamos por la matriz:
68
2 1
M −1 =[ 5 5]
3 1
−
10 10
La anterior matriz es la inversa de A, ahora para comprobar que el ejercicio nos quedó bien resuelto,
aplicamos la siguiente expresión:
M −1 ∗ M = I
2 1
[ 5 5 ] ∗ [1 −2] = I
3 1 3 4
−
10 10
Ahora realizamos la multiplicación entre las dos matrices, de lo que resulta:
1 0
[ ]= I
0 1
2.3.17.2. INVERSA DE UNA MATRIZ DE ORDEN SUPERIOR
Hablamos de matrices de orden superior, cuando la matriz es mayor al orden 2 × 2. Para poder encontrar
la inversa de una matriz X de orden superior, debemos realizar el siguiente procedimiento:
1. Se debe expresar la matriz X, aumentada con la matriz identidad.

2. Se deben aplicar las operaciones elementales de suma, multiplicación y división para reducir la
matriz X en su forma escalonada por renglones.
3. Si al aplicar las operaciones elementales se obtiene una línea de ceros a la izquierda de la barra
vertical, se dice que X no tiene inversa.
4. Luego de aplicar las operaciones y encontrar a la izquierda de la barra vertical la matriz identidad,
entonces se dice que la matriz que está a la derecha de la barra vertical es la inversa, es decir 𝑋 −1 .
5. Para comprobar que la inversa que encontramos es la correcta, podemos utilizar la siguiente
expresión que ya conocemos: X −1 ∗ X = I
1 0 2
V = [2 1 3]
0 1 4
Teniendo en cuenta el procedimiento, lo primero que debemos hacer expresar la matriz L aumentada con
la matriz identidad de lo que se obtiene:
69
1 0 2 ⋮ 1 0 0 → L1
V = [2 1 3 ⋮ 0 1 0] → L2
0 1 4 ⋮ 0 0 1 → L3
Ahora, procedemos a aplicar las operaciones elementales de suma, multiplicación y división para
encontrar a la izquierda de la barra vertical la matriz identidad:
1 0 2 ⋮ 1 0 0 1 0 2 ⋮ 1 0 0
L2 = −2L1 + L2 [2 1 3 ⋮ 0 1 0] = [ 0 1 −1 ⋮ −2 1 0 ]
0 1 4 ⋮ 0 0 1 0 1 4 ⋮ 0 0 1
Luego la columna uno tomo la forma de la matriz identidad pasamos a la columna dos:
1 0 2 ⋮ 1 0 0 1 0 2 ⋮ 1 0 0
[ 0 1 −1 ⋮ −2 1 0 ] = [ 0 1 −1 ⋮ −2 1 0 ]
L3 = −L2 + L3 0 1 4 ⋮ 0 0 1 0 0 5 ⋮ 2 −1 1
Ahora pasamos a encontrar los valores de la matriz identidad de la columna tres:
1 0 2 ⋮ 1 0 0
1 0 2 ⋮ 1 0 0
0 1 −1 ⋮ −2 1 0
[ 0 1 −1 ⋮ −2 1 0 ] = [ 2 1 1 ]
L3 /5 0 0 5 ⋮ 2 −1 1 0 0 1 ⋮ −
5 5 5
Luego de que encontramos el valor de uno (1), seguimos dándole órdenes a las líneas para encontrar los
ceros (0) de la columna:
1 2 2
1 0 0 ⋮ −
L1 = −2L3 + L1 1 0 2 ⋮ 1 0 0 5 5 5
L2 = L3 + L2 [ 0 1 −1 ⋮ −2 1 0 8 4 1
2 1 1 ] = 0 1 0 ⋮ −5 5 5
0 0 1 ⋮ −
5 5 5 2 1 1
0 0 1 ⋮ −
[ 5 5 5]
Finalmente, como ninguna de las líneas dieron cero (0) entonces la matriz que está a la derecha de la
barra vertical es la inversa, es decir 𝑉 −1 .
Ahora para comprobar lo anterior, utilizamos la siguiente expresión:
V −1 ∗ V = I
Reemplazando tenemos:
70
1 2 2
−
5 5 5
8 4 1 1 0 2
− ∗ [2 1 3] = 𝐼
5 5 5 0 1 4
2 1 1
[ 5 −
5 5 ]
Realizando la operación, resulta que:
1 0 0
[0 1 0] = 𝐼
0 0 1
71
EJERCICIOS UNIDAD 2
1. Resolver los siguientes sistemas de ecuaciones lineales de forma matricial:
2X1 − 3X2 − X 3 + X4 = 10
2 3 4 −1 𝑋 −1
−X1 + 0X2 − 2X 3 − X4 = −2
1 X1 + 2X2 + 3X3 + 2X4 = −1 2 [1 2 0 2 ]∗[𝑌] = [ 2 ]
4 5 6 4 𝑍 0
2X1 + 5X2 + X 3 + X4 = 0
−1 1 0 2 𝑊 5
X + 2Y + 3Z = 3 −X + Y − Z = −2
3 2X + 3Y + 8Z = 4 4 X + Y + 2Z = 4
3X + 2Y + 17Z = 1 X+Z+T=3
2 3 4 𝑋 1 X + 2Y − 3Z + 2W = 2
[1 2 0] ∗ [𝑌 ] = [−2] 2X + 5Y − 8Z + 6W = 5
5 6
4 5 6 𝑍 3 −9X + 15Y + 7Z − 3W = 3
3X + 4Y − 5Z + 2W = 4
2. Resolver la siguiente matriz por bloque:
2 1 2 1 0
0 −9 −5 2 −4
8 0 1 4
𝑋= 1
−1 7 −1 5 −7
−2 −3 3 0 1
[1 0 1 1 −3 ]6𝑥5
3. Expresar la siguiente matriz conjugada G como la suma de una matriz simétrica y antisimetrica:
2+𝑖 3 − 2𝑖 𝑖
𝐺=[ 4 5 0 ]
−8 𝑖 2𝑖 + 1
1 3
4. Resolver la siguiente función: F(A) = − 2 A2 + A − 5 I, teniendo en cuenta la siguiente matriz:
e−x+5 e9+3x i9
𝑨 = [ −ex i8 e3 ]
e2x+2 −e6−x i2
1
5. Resolver la siguiente función 𝐹(𝑋) = 2𝐴3 − 3𝐴2 + 4 𝐼, siendo la siguiente matriz:
2 −1 0
𝐴 = [1 2 −1]
3 0 1
72
6. Calcular la inversa de las siguientes matrices:
1 −2 1 2
1 −i 2i
1 X = [0 1 2 −1]
3 W=[ 0 1 −i]
3 −1 2 1
−1 i 1 3x3
5 −1 2 −1 4x4
x 5 8 −1 Sen∅ 0
2 Z = [1 y −2] 4 V = [ 1 Cos∅ −1]
0 −3 z 3x3 0 1 1 3x3
73
Unidad 3. DETERMINANTES
Un determinante es un número que se asigna de cierto modo a una formación cuadrada de números. Esta
idea fue considerada en 1683 por el matemático japonés Seki Takakasu y, de manera independiente, en
1693 por el matemático alemán Gottfried Leibniz, unos 160 años antes de que se desarrollara una teoría
de matrices por separado. Durante muchos años, los determinantes aparecieron principalmente en
relación con sistemas de ecuaciones lineales (Lay, 2007) (EducaLAB, 2015).
Es importante resaltar que para encontrar un determinante, el orden de las matrices deben ser cuadradas,
es decir que deben tener el mismo número de filas y columnas.
3.1. DETERMINANTES DE ORDEN 𝟐 × 𝟐.
Consideremos la matriz A = [aij ]2×2 entonces se tiene que:
a11 a12
A = [a a22 ]
21
El determinante de una matriz A, esta denotado por |A| 𝑜 det 𝐴. El cual se puede encontrar utilizando la
siguiente expresión:
|A| = (a11 a22 − a21 a12 )
Ejercicio: Encontrar el determinante de la siguiente matriz C:
10 5
𝐶=[ ]
2 0.5
Para encontrar el determinante lo primero que debemos hacer es multiplicar la diagonal principal y
restarle la multiplicación de la diagonal segundaria, de lo que resulta:
|A| = (10)(0.5) − (2)(5) = 5 − 10 = −5
|A| = −5
3.2. DETERMINANTES DE ORDEN 𝟑 × 𝟑.
Como todos los procedimientos para encontrar el determinante de una matriz no son iguales, debemos
considerar el siguiente método para resolver y encontrar el determinante de una matriz.
3.2.1. REGLA DE LOS COFACTORES.
Este método consiste en seleccionar una de las líneas de una matriz A, teniendo en cuenta que en su
forma general está dada por:
74
+ − +
a11 a12 a13
− + −
A= a a23
21 a22
+ − +
[ a31 a32 a33 ]
3×3
Teniendo en cuenta lo anterior, debemos seleccionar una de las filas o líneas de la matriz por lo tanto el |A|
esta dado por:
a a23 a21 a23 a21 a22

|A| = a11 [a22 a33 ] − a 12 [ a31 a33 ] + a 13 [ a31 a32 ]
32
Como seleccionamos la primera fila, entonces al momento de encontrar el determinante el componente a11
se comporta como aniquilador de la primera fila y la primera columna y resulta la matriz 2 × 2, luego el
siguiente componente a12 es menos teniendo en cuenta que la suma de i + j es impar y se comporta como
aniquilador de la primera fila y la segunda columna y resulta la siguiente matriz 2 × 2 y finalmente el
componente a13 se comporta como aniquilador de la primera fila y la tercera columna y resulta la matriz
2 × 2.
Ahora como son matrices 2 × 2 y estamos hablando de determinantes debemos encontrar el determinante
multiplicando la diagonal principal restando la multiplicación de la diagonal segundaria, de lo que resulta:
|A| = a11 (a22 a33 − a32 a23 ) − a12 (a21 a33 − a31 a23 ) + a13 (a21 a32 − a31 a22 )
Multiplicando tenemos:
|A| = a11 a22 a33 − a11 a32 a23 − a12 a21 a33 + a12 a31 a23 + a13 a21 a32 − a13 a31 a22
Finalmente el determinante de la matriz A es un número que pertenece a los números reales.
Ejercicio: Encontrar el determinante de la siguiente matriz G:
1 2 −1
𝐺 = [5 0 2]
1 3 2
Para iniciar, debemos seleccionar una de las filas de la matriz de lo que resulta:
Seleccionando la fila uno:
|G| = 1 [0 2] − 2 [5 2] + (−1) [5 0]
3 2 1 2 1 3
75
Simplificando lo anterior, resulta que:
|G| = [(0) − (6)] − 2[(10) − (2)] − [(15) − (0)]
|G| = −6 − 16 − 15
Por lo tanto el determinante de G es:
|G| = −37
Para comprobar lo anterior, seleccionaremos la siguiente fila dos:
|G| = −5 [2 −1] + 0 [1 −1 1 2
] −2[ ]
3 2 1 2 1 3
|G| = −5[(4) − (−3)] + [(0)] − 2[(3) − (2)]
|G| = −35 − 2
|G| = −37
Para comprobar lo anterior, seleccionaremos la siguiente fila dos:
|G| = 1 [2 −1 1 −1 1 2
]− 3[ ] + 2[ ]
0 2 5 2 5 0
|G| = 1[(4) − (0)] − 3[(2) + (5)] + 2[(0) − (10)]
|G| = 4 − 21 − 20
|G| = −37
Teniendo en cuenta lo anterior, con cualquiera de las líneas se cumple la condición. En conclusión, es
recomendable seleccionar una de las filas que tenga ceros (0) o los números más pequeños con la finalidad
de que el proceso se haga lo más simple posible.
3.2.2. REGLA DE ZARRUS
Este método sirve también para encontrar determinantes solo de orden 3 × 3, el cual consiste en
aumentar la matriz ya sea con las dos primeras filas o las dos primeras columnas.
76
En su forma general está dado por:
a11 a12 a13
A = [a21 a22 a23 ]
a31 a32 a33 3×3
Agregando filas tenemos que:

-
a11 a12 a13
a21 a22 a23
a a32 a33
|A| = 31
⋯ ⋯ ⋯ +
a11 a12 a13
[a21 a22 a23 ]3×3
Luego, las diagonales principales como ya sabemos son positivas y las segundarias son negativas, de lo que
resulta que:
|A| = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a21 a12 a33
Agregando columnas, tenemos que:

-
a11 a12 a13 ⋮ a11 a12
|A| = [a21 a22 a23 ⋮ a21 a22 ]
a31 a32 a33 ⋮ a31 a32
+
Luego, las diagonales principales como ya sabemos son positivas y las segundarias son negativas, de lo que
resulta que:
|A| = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a31 a22 a13 − a11 a32 a23 − a21 a12 a33
3.3. DETERMINANTES DE ORDEN 𝐦 × 𝐦
Como todos los procedimientos para encontrar el determinante de una matriz no son iguales, debemos
considerar el siguiente método para resolver y encontrar el determinante de una matriz.
3.3.1. DETERMINANTES POR COFACTORES
Consideremos la matriz A = [aij ]m×m entonces se tiene que en su forma general se expresa como:
77
a11 a12 a13 … a1m
a21 a22 a23 … a2m
𝐴 = a31 a32 a33 … a3m
⋮ ⋮ ⋮ ⋱ ⋮
[am1 am2 am3 … amm ]m×m
Teniendo en cuenta lo anterior debemos seleccionar una de las filas o líneas de la matriz, por lo tanto el |A|
esta dado por:
m
|A| = a11 M11 + a12 M12 + a13 M13 + ⋯ + a1m M1m = ∑ a1k M1k
k=−1
Como seleccionamos la primera fila, entonces al momento de encontrar el determinante el componente a11
aparece el término de cofactor como M11 y así sucesivamente. A lo anterior se le conoce con el nombre de
EXPANSIÓN POR COFACTORES.
DEFINICIÓN DE COFACTOR:
Siendo A = [aij ]m×m , el cofactor de la matriz A se denota por 𝐴𝑖𝑗 y está definido como:
Aij = (±1)(i+j) ∗ Mij

Donde:
𝑀𝑖𝑗 es la matriz resultante de eliminar la fila i y la columna j.
El valor de (±1)(i+j) de pende de:
 Mas Uno (+1) si (i+j) es par.

 Menos Uno (-1) si (i+j) es impar.
El cofactor siempre será una matriz de menor tamaño que al resolverla como determinante da un valor
que pertenece a los números reales.
Ejercicio: Hallar el cofactor de A32 de la siguiente matriz:
−2 −1 3 4
0 1 −1 2
𝑁=[ ]
2 1 −1 1
3 2 −1 2 4×4
−2 3 4
A32 = (±1)3+2 M32 = −1 [ 0 −1 2]
3 −1 2
78
El cofactor es entonces:
2 −3 −4
𝐴32 =[ 0 1 −2 ]
−3 1 −2
Teniendo en cuenta lo anterior, podemos aplicarle determinante por la regla de zarrus para encontrar su
valor:
2 −3 −4 ⋮ 2 −3
|𝐴32 | = [ 0 1 −2 ⋮ 0 1]
−3 1 −2 ⋮ −3 1
Luego, multiplicando las diagonales principales menos las segundarias se tiene que:
|𝐴32 | = (−4) + (−18) + (0) + (−12) + (4) + (0)
Simplificando se tiene que el determinante del cofactor 𝐴32 es:
|𝐴32 | = −30
Ejercicio: Dada la siguiente matriz, encontrar el determinante:
−1 0 1 2
0 −1 0 1
𝐴=[ ]
2 −1 2 1
3 3 −2 1 4×4
Lo primero que debemos hacer es encontrar la ecuación del determinante de la matriz A escogiendo alguna
de las filas del sistema, para este caso escogimos la fila 2 dado a que tiene dos ceros (0) y hace más rápido
resolver el ejercicio, de lo que resulta:
|A| = a21 M21 + a22 M22 + a23 M23 + a24 M24
Luego comenzamos a reemplazar valores teniendo en cuenta además la definición de cofactor:
|A| = (0)(±1)2+1 M21 + (−1)(±1)2+2 M22 + (0)(±1)2+3 M23 + (1)(±1)2+4 M24
Simplificando tenemos que:
|A| = (0)(±1)2+1 M21 + (−1)(±1)2+2 M22 + (0)(±1)2+3 M23 + (1)(±1)2+4 M24
|A| = (−1)(1)M22 + (1)(1)M24
|A| = (−1)M22 + (1)M24
79
Ahora, debemos encontrar la matriz M22 y M24 sabiendo que M22 se comporta como aniquilador de la
segunda fila y la segunda columna, como que también M24 se comporta como aniquilador de la segunda fila
y la cuarta columna, por lo tanto resulta el siguiente sistema:
−1 1 2 −1 0 1
|A| = (−1) [ 2 2 1 ] + (1) [ 2 −1 2 ]
3 −2 1 3 3 −2
Como ya sabemos que el determinante es un número, debemos aumentar las matrices ya sea en dos filas o
dos columnas, de lo que se tiene:
−1 1 2 −1 0 1
2 2 1 2 −1 2
|A| = (−1) 3 −2 1 + 3 3 −2
⋯ ⋯ ⋯ ⋯ ⋯ ⋯
−1 1 2 −1 0 1
[2 2 1 ] [ 2 −1 2 ]
|A| = (−1)[(−2 − 8 + 3 − 12 − 2 − 2)] + (−2 + 6 + 0 + 3 + 6 + 0)
|A| = (−1)(−23) + (13)
|A| = 36
NOTA: Este ejercicio compruébelo con todas las líneas del sistema y el valor del determinante debe ser
igual en cada una de ellas, es decir |A| = 36.
Ejercicio: Comprobar la siguiente igualdad:
(t + 3) −1 1
[ 7 (t − 5) 1 ] = t 3 − 12t − 16
6 −6 (t + 2)
Teniendo en cuenta lo anterior, podemos aumentar la matriz ya sean con dos filas o dos columnas, de lo
que resulta:
(t + 3) −1 1
7 (t − 5) 1
6 −6 (t + 2) = t 3 − 12t − 16
⋯ ⋯ ⋯
(t + 3) −1 1
[ 7 (t − 5) 1 ]
80
(t + 3)(t − 5)(t + 2) − 42 − 6 − 6t + 30 + 6t + 18 + 7t + 14 = t 3 − 12t − 16
(t 2 − 5t + 3t − 15)(t + 2) + 7t + 14 = t 3 − 12t − 16
(t 2 − 2t − 15)(t + 2) + 7t + 14 = t 3 − 12t − 16
t 3 + 2t 2 − 2t 2 − 4t − 15t − 30 + 7t + 14 = t 3 − 12t − 16
t 3 − 12t 2 − 16 = t 3 − 12t − 16
Por lo tanto, como se cumplió la igualdad el ejercicio está bien resuelto.
3.3.2. DETERMINANTES POR REDUCCIÓN DE LÍNEAS
Este método consiste en darle órdenes a las líneas con la finalidad de encontrar una matriz triangular
inferior o superior como se expresa a continuación en su forma general:
a11 a12 a13 a14

a21 a22 a23 a24
𝐴 = [a a32 a33 a34 ]
31
a41 a42 a43 a44
Aplicando órdenes a las líneas debemos obtener una matriz con la siguiente forma:
a11 0 0 0
a21 a22 0 0
𝐴 = [a a32 a33 ]
31 0
a41 a42 a43 a44
O también puede expresarse como:
a11 a12 a13 a14

0 a22 a23 a24
𝐴=[ a34 ]
0 0 a33
0 0 0 a44
Luego el determinante de la matriz A es:
|A| = a11 a22 a33 a44
Ejercicio: Compruebe este teorema que |A| = 36 con el ejercicio anterior.
81
3.4. PROPIEDADES DE LOS DETERMINANTES
Sabiendo que para encontrar el determinante, el orden de las matrices deben ser cuadradas. Por lo anterior
aparecen las siguientes propiedades que facilitar el análisis y solución, teniendo en cuenta la siguiente
matriz A en su forma general (Grossman & Flores Godoy, 2012):
a11 a12 a13

A = [a21 a22 a23 ]
a31 a32 a33
PROPIEDAD 1: Si una fila o columna de una matriz A, son CERO entonces |A| = 0.
Ejemplo: Dada la siguiente matriz:
−1 2 1
𝐴 = [ 0 0 0]
2 1 3
Para comprobarlo, debemos aumentar la matriz ya sea en dos filas o dos columnas, de lo que se tiene:
−1 2 1
0 0 0
|𝐴| = 2 1 3
⋯ ⋯ ⋯
−1 2 1
[0 0 0]
|𝐴| = (0) + (0) + (0) − (0) − (0) − (0)

Por lo tanto:
|A| = 0
PROPIEDAD 2: Si dos filas o columnas de una matriz A, son iguales entonces |A| = 0
Ejemplo: Dada la siguiente matriz:
−1 2 1
𝐴 = [ 0 1 3]
−1 2 1
82
−1 2 1
0 1 3
|𝐴| = −1 2 1
⋯ ⋯ ⋯
−1 2 1
[0 1 3]
|𝐴| = −1 + 0 − 6 + 1 + 6 + 0
Por lo tanto:
|A| = 0
PROPIEDAD 3: Si una fila o columna es el múltiplo escalar de otra fila o columna de una matriz A, entonces
|A| = 0.
Ejercicio: Dada la siguiente matriz:
3 2 4
𝐴 = [3 −1 2]
6 4 8
3 2 4
3 −1 2
|𝐴| = 6 4 8
⋯ ⋯ ⋯
3 2 4
[3 −1 2 ]
|𝐴| = −24 + 48 + 24 + 24 − 24 − 48
Por lo tanto:
|A| = 0
Además de lo anterior, si tenemos una matriz A = [aij ]n×n y B = [bij ]n×n y C es un escalar que pertenece a
los números reales ∈ # ℜ, podemos tener en cuenta las siguientes propiedades para resolver ejercicios en
los que intervengan los determinantes:
PROPIEDAD 1. Múltiplo escalar de un determinante:
|𝐶 ∗ 𝐴| = 𝐶 𝑛 ∗ |𝐴|
83
1
Ejercicio: Tenga en cuenta la siguiente matriz A = [aij ]5×5cuyo determinante es |𝐴| = 2 en donde además
3
se expresa con una constante 𝐶 = 4.
3 3 5 243 1 243
| 𝐴| = ( ) |𝐴| = ( )( ) =
4 4 1024 2 2048
PROPIEDAD 2. Determinante de un producto de matrices:
|A × B| = |A| × |B|
Ejercicio: Dadas las siguientes matrices, comprobar la propiedad:
−1 2 1 2 1 −1
A=[ 0 1 3 ] y B=[ 0 1 2 ]
2 1−1 1 −1 1
Comprobando el lado izquierdo tenemos que:
−1 0 6
3 −2 5
|𝐴 ∗ 𝐵| = 3 4 −1
⋯ ⋯ ⋯
−1 0 6
[ 3 −2 5 ]
|𝐴 ∗ 𝐵| = −2 + 72 + 36 + 20 = 126
Ahora comprobando el lado izquierdo:

−1 2 1
0 1 3
2 1 −1
𝐴=
⋯ ⋯ ⋯
−1 2 1
[0 1 3]
|𝐴| = 1 + 0 + 12 − 2 + 3 + 0 = 14
84
2 1 −1
0 1 2
1 −1 1
𝐵=
⋯ ⋯ ⋯
2 1 −1
[0 1 2]
Luego el determinante de la matriz B es:
|𝐵| = 2 + 0 + 2 + 1 + 4 + 0 = 9
Ahora multiplicando el resultado del determinante de A y B, se tiene que:
|𝐴| ∗ |𝐵| = 14 ∗ 9 = 126
PROPIEDAD 3: El determinante de |𝐴𝑡 | = |𝐴|
Ejercicio: Del anterior, tenemos que:
−1 0 2
𝐴𝑡 = [ 2 1 1]
1 3 −1
Ahora aumentando dos filas:
−1 0 2
2 1 1
1 3 −1
𝐴=
⋯ ⋯ ⋯
−1 0 2
[2 1 1]
|𝐴| = 1 + 12 + 0 − 2 + 3 + 0 = 14
1
PROPIEDAD 4: El determinante de |𝐴−1 | = |𝐴|
Ejercicio: Siendo la siguiente matriz:
1
𝐴=[ 2 2 ]
−1 4
La inversa de la matriz A es igual a:
85
1 a22 −a12
A−1 = [ a11 ]
|A| −a21
El determinante de A es:
|A| = 4
1 4 −2
A−1 = [ 1]
4 1
2
1
1 −
A−1 =[ 2]
1 1
4 8
Luego entonces el determinante de la inversa de la A es:
1
A−1 =
4
Por lo tanto:
1 1
=
|A| 4
3.5. APLICACIÓN DE LOS DETERMINANTES
Si existen los vectores:

𝐴⃗ = 〈𝑎, 𝑏, 𝑐〉 = 𝑎𝑖 + 𝑏𝑗 + 𝑐𝑘
⃗⃗ = 〈𝑑, 𝑒, 𝑓〉 = 𝑑𝑖 + 𝑒𝑗 + 𝑓𝑘
𝐵
Se pueden realizar los siguientes productos:
⃗A⃗ × ⃗B⃗ PRODUCTO CRUZ

⃗A⃗ ∙ ⃗B⃗ PRODUCTO PUNTO
3.5.1. PRODUCTO CRUZ
Es una operación algebraica que se realiza entre dos (2) vectores en un espacio tridimensional. La
representación biónica es de la forma:
86
𝑅 3 (𝑋, 𝑌, 𝑍) → 𝑥𝑖 + 𝑦𝑗 + 𝑧𝑘
Para realizar la operación del producto cruz existen dos metodos, uno es la ley del reloj y el segundo es
por determinantes.
Aplicando determinantes es necesario saber el valor de cada eje, es decir el valor de i, j y k en un espacio
tridimensional, de lo que se sabe que:
𝑖=1 0 0
𝑗=0 1 0
𝑘=0 0 1
Lo anterior, se nos hace muy similar a una matriz identidad de orde 3 × 3, dado a que esta es una matriz
que cumple la propiedad de ser el elemento neutro entre productos de matrices.
Lo anterior, lo podemos comprobar con la ley del reloj la cual nos sirve como otra metodologia para
resolver vectores, muy utilizados en la asignatura estatica. Se utiliza teniendo en cuenta la siguiente
figura:
Figura 7. Representación de la ley del reloj.
En el sentido de las manecillas del reloj, los valores son positivos por lo tanto si realizamos la
multiplicación entre dos vectores se tiene que:
𝑖×𝑖 = 0
𝑗×𝑗 = 0
𝑘×𝑘 = 0
En ese sentido, existen valores positivos para:
𝑖×𝑗 = 𝑘
𝑘×𝑖 = 𝑗
𝑗×𝑘 = 𝑖
Ademas, existen valores negativos para:
87
𝑗×𝑖 = −𝑘
𝑖×𝑘 = −𝑗
𝑘×𝑗 = −𝑖
Lo anterior, lo podemos comprobar con determinantes de lo que resulta:
𝑖 𝑗 𝑘
1 0 0
0 0
𝑖×𝑖 = 1
⋯ ⋯ ⋯
𝑖 𝑗 𝑘
[1 0 0]
Si multiplicamos las diagonales principales menos las segundarias se tiene que:
𝑖×𝑖 =0
Ahora si comprobamos con un valor positvo tenemos:
𝑖 𝑗 𝑘
1 0 0
1 0
𝑖×𝑗= 0
⋯ ⋯ ⋯
𝑖 𝑗 𝑘
[1 0 0]
𝑖×𝑗 =𝑘
Ahora si comprobamos con un valor negativo tenemos:
𝑖 𝑗 𝑘
0 1 0
0 0
𝑗×𝑖 = 1
⋯ ⋯ ⋯
𝑖 𝑗 𝑘
[0 1 0]
𝑖×𝑗 =𝑘
Ejercicio: Comprobar el siguiente producto de vectores:
88
𝐴 × (𝐵 + 𝐶) = (𝐴 × 𝐵) + (𝐴 × 𝐶)
Sabiendo que equivalen a:
A = 〈−1 2 5〉 ; B = 〈0 2 −3〉 y C = 〈3 −1 2〉
Primero debemos sumar los vectores B y C, de lo que resulta:
(B + C) = 〈0 2 −3〉 + 〈3 −1 2〉
(B + C) = 〈3 1 −1〉
Ahora si realizamos el producto cruz:
𝐴 × (𝐵 + 𝐶) = 〈−1 2 5〉 × 〈3 1 −1〉
𝑖 𝑗 𝑘
−1 2 5
3 1 −1
𝐴 × (𝐵 + 𝐶) =
⋯ ⋯ ⋯
𝑖 𝑗 𝑘
[−1 2 5]
𝐴 × (𝐵 + 𝐶) = 〈−7 14 −7〉
Comprobando la igualdad tenemos lo siguiente:
𝑖 𝑗 𝑘 𝑖 𝑗 𝑘
−1 2 5 −1 2 5
(𝐴 × 𝐵) + (𝐴 × 𝐶) = 0 2 −3 3 −1 2
+
⋯ ⋯ ⋯ ⋯ ⋯ ⋯
𝑖 𝑗 𝑘 𝑖 𝑗 𝑘
[−1 2 5 ] [ −1 2 5]
(𝐴 × 𝐵) + (𝐴 × 𝐶) = 〈−7 14 −7〉
Teniendo en cuenta los dos resultados, se cumple la igualdad.
Nota: Trate de graficar los tres vectores en el plano tridimensional como también sus resultantes.
89
3.6. REGLA DE CRAMER
La regla de cramer es otro método para resolver sistemas de ecuaciones lineales de orden n × n cuadradas.
Para poder encontrar la solución de un sistema de ecuaciones lineales, se debe comprobar si el
determinante la matriz A = [aij ]n×n es ≠ 0. Por lo tanto, la solución única del sistema seria de la forma 𝐴 ∗
𝑋 = 𝑏, la cual está determinada por:
D1
X1 =
D
D2
X2 =
D
D3
X3 =
D
⋮
⋮
Dn
Xn =
D
Donde:
D = Es el determinante de la matriz que se obtiene de los coeficientes del sistema.

D1 = Es el determinante de la matriz que se obtienen al reemplaza los coeficientes de X1 por los términos
independientes del sistema.
D2 = Es el determinante de la matriz que se obtiene al reemplazar los coeficientes de X2 por los términos
D3 = Es el determinante de la matriz que se obtiene al reemplazar los coeficientes de X3 por los términos
Dn = Es el determinante de la matriz que se obtiene al reemplazar los coeficientes de Xn por los términos
Ejercicio: Resolver el siguiente sistema de ecuaciones lineales por la regla de cramer.
2X1 + 7X2 + 3X 3 = 7
X1 + 2X2 + X3 = 2
X1 + 5X2 + 2X 3 = 3
Para comprobar si el ejercicio se puede solucionar por la regla de cramer, lo primero que debemos hacer
es encontrar el determinante del sistema de ecuaciones lineales representado de forma matricial solo con
los términos que acompañan a las variables, de lo que resulta:
90
2 7 3
𝑋 = [1 2 1 ]
1 5 2
Ahora para encontrar el determinante debemos aumentar ya sea las dos filas o las dos columnas, de lo que
resulta:
2 7 3
1 2 1
|𝑋| = 1 5 2
⋮ ⋮ ⋮
2 7 3
[1 2 1]
|𝑋| = 8 + 15 + 6 − 10 − 14 = 0
Como el determinante de X es igual a cero, el sistema no tiene solución por la regla de cramer.
Ejercicio: Resolver el siguiente sistema de ecuaciones lineales por la regla de cramer.
2X1 − 2X2 + X 3 = 0
X1 − X2 − X3 = −2
2X1 + 0X2 − 3X 3 = 2
Para comprobar si el ejercicio se puede solucionar por la regla de cramer, lo primero que debemos hacer
es encontrar el determinante del sistema de ecuaciones lineales representado de forma matricial solo con
los términos que acompañan a las variables, de lo que resulta:
2 −2 1
𝑋 = [1 −1 −1]
2 0 −3
Ahora para encontrar el determinante debemos aumentar ya sea las dos filas o las dos columnas, de lo que
resulta:
2 −2 1
1 −1 −1
|𝑋| = 2 0 −3
⋮ ⋮ ⋮
2 −2 1
[1 −1 −1]
91
|𝑋| = 6 + 0 + 4 + 2 + 0 − 6 = 6
Como el determinante de X es diferente de cero, continuamos con el procedimiento para encontrar los
valores de las variables del sistema. Lo primero que debemos hacer, es reemplazar los términos de la
columna uno (1) por los términos independientes del sistema de ecuaciones, es decir:
0
[−2]
2
Reemplazando tenemos que:
0 −2 1
−2 −1 −1
2 0 −3
⋮ ⋮ ⋮
0 −2 1
D1 [−2 −1 −1] = 4 + 2 + 12 = 3
X1 = =
|X| 6 6
Ahora se deben reemplazar los términos de la columna dos (2) por los términos independientes del sistema
de ecuaciones, de lo que se tiene:
2 0 1
1 −2 −1
2 2 −3
⋮ ⋮ ⋮
2 0 1
D2 [1 −2 −1] 12 + 2 + 4 + 4 11
X2 = = = =
|X| 6 6 3
Ahora se deben reemplazar los términos de la columna tres (3) por los términos independientes del
sistema de ecuaciones, de lo que se tiene:
2 −2 0
1 −1 −2
2 0 2
⋮ ⋮ ⋮
2 −2 0
D3 [1 −1 −2] = −4 + 8 + 4 = 4
X3 = =
|X| 6 6 3
11 4
{X1 = 3; X2 = ; X3 = }
3 3
92
2X1 − 2X2 + X3 = 0 → L1
11 4
2(3) − 2 ( ) + = 0
3 3
0=0
Nota: Comprobar la solución de este ejercicio con otro método ya estudiado.
3.7. LA ADJUNTA (adj)
La adjunta es una aplicación de los determinantes por cofactores, el cual expresa que si una matriz
A = [aij ]n×n, esta se puede expresar como una matriz B la cual será la matriz de los cofactores de A,
entonces se dice que:
𝑎𝑑𝑗(𝐴) = 𝐵 𝑡
En su forma general se tiene que:
a11 a12 a13 … a1n

a21 a22 a23 … a2n
𝐴 = a31 a32 a33 … a3n
⋮ ⋮ ⋮ ⋱ ⋮
[an1 an2 an3 … ann ]
Luego nombramos la siguiente matriz B de los cofactores de A:
A11 A21 A31 … An1

A21 A22 A23 … An2
𝐵 = A31 A23 A33 … An3
⋮ ⋮ ⋮ ⋱ ⋮
[A1n A2n A3n … Ann ]
Ahora, debemos encontrar la matriz B transpuesta:
A11 A12 A13 … A1n

A12 A22 A23 … A2n
𝐵 𝑡 = A13 A32 A33 … A3n = 𝑎𝑑𝑗(𝐴)
⋮ ⋮ ⋮ ⋱ ⋮
[A1n A2n A3n … Ann ]
93
Para comprobar si el ejercicio nos quedó bien resuelto, debemos utilizar la siguiente expresión:
1
∗ A ∗ adj (A) = I
|A|
Ejercicio: Encontrar la adjunta de la siguiente matriz K:
−1 2 5
𝐾 = [ 2 −1 3]
3 −1 2
Luego nombramos la siguiente matriz B de los cofactores de K:
𝐴11 𝐴12 𝐴13

𝐵 = [𝐴21 𝐴22 𝐴23 ]
𝐴31 𝐴32 𝐴33
Seguidamente debemos en concentrar cada cofactor, sabiendo que:
Aij = (±1)(i+j) ∗ Mij
Por lo tanto se tiene:
−1 3
A11 = (±1)1+1 M11 = 1 ∗ [ ] = −2 + 3 = 1
−1 2
2 3
A12 = (±1)1+2 M12 = −1 ∗ [ ] = (−1)(4 − 9) = 5
3 2
2 −1
A13 = (±1)1+3 M13 = 1 ∗ [ ] = −1 + 3 = 2
3 −1
2 5
A21 = (±1)2+1 M21 = −1 ∗ [ ] = (−1)(4 + 5) = −9
−1 2
−1 5
A22 = (±1)2+2 M22 = 1 ∗ [ ] = −2 − 15 = −17
3 2
−1 2
A23 = (±1)2+3 M23 = −1 ∗ [ ] = (−1)(1 − 6) = 5
3 −1
2 5
A31 = (±1)3+1 M31 = 1 ∗ [ ] = 6 + 5 = 11
−1 3
−1 5
A32 = (±1)3+2 M32 = −1 ∗ [ ] = (−1)(−3 − 10) = 13
2 3
−1 2
A33 = (±1)3+3 M33 =1∗[ ] = 1 − 4 = −3
2 −1
Habiendo encontrado todos los cofactores reemplazamos los valores en la matriz B:
94
1 5 1
𝐵 = [−9 −17 5]
11 13 −3
Pero como la adjunta de K es igual a B transpuesta, debemos encontrar la matriz:
1 −9 11
𝐵 𝑡 = [5 −17 13]
1 5 −3
Finalmente para comprobar si el ejercicio nos quedó bien resuelto, debemos utilizar la siguiente
expresión:
1
∗ K ∗ adj (A) = I
|K|
Luego entonces, debemos encontrar el determinante de la matriz K:
−1 2 5
2 −1 3
3 −1 2
K=
⋯ ⋯ ⋯
−1 2 5
[ 2 −1 3 ]
De lo anterior se obtiene que:
|K| = 2 − 10 + 18 + 15 − 3 − 8 = 14
Ahora reemplazamos de la expresión:
1 −1 2 5 1 −9 11
∗ [ 2 −1 3] ∗ [5 −17 13] = I
14 3 −1 2 5 −3
1
1 14 0 0
∗[0 14 0]=I
14
0 0 14
1 0 0
[0 1 0 ] = I
0 0 1
95
EJERCICIOS UNIDAD 3
1. Encontrar el determinante de las siguientes matrices y compruébelo por los dos métodos descritos en
el numeral 3.3:
1 −1 2 1 0 1 −1 2 −2 0
0 1 2 −1 3 0 1 2 −1 3
X= 2 1 0 −1 2 Y = 0 1/4 5 −1 2
1 1 1 2 −1 0 1 −1 2 −1
[3 −1 −1 0 3]5x5 [0 2 −1 1 3 ]5x5
2. Determinar la Adjunta de la siguiente Ecuación:
X + 2Y − 3Z = 2
2X + 5Y − 8Z = 5
−9X + 15Y + 7Z = 3
3X + 4Y − 5Z = 4
3. Resolver por regla de cramer y encontrar el determinante de los siguientes sistemas de ecuaciones
lineales:
2X + Y − 3Z = 5 2X + 3Y − 2Z = 5
1 3X − 2Y + 2Z = 5 2 X − 2Y + 3Z = 2
5X − 3Y − Z = 16 4X − Y + 4Z = 1
2X + Y − Z + 3T = 2
X + 2Y + 3Z = 3
X + Y + 2Z + T = −1
3 2X + 3Y + 8Z = 4 4
X + 5Y + Z + T = 0
3X + 2Y + 17Z = 1
X + 2Y + 2Z + T = 1
2X + 2Y + 6Z + 2R = 0
X + 3Y + 2Z = 1
2X − 6Y + 3Z + 4R = 1
5 −X + 5Y + 3Z = 2 6
−9X + 8Y + 1Z + 0R = 0
−3X + 7Y + 4Z = 0
3X + 4Y − Z + 12R = 1
X + 2Y = 2 + 3Z − W X + 4Y + 3Z − 2L = 1
2X + 3Y = 5 − Z − 2W −X + 2Y − 5Z + 10L = −50
7 8
X + 5Y = 8 − 7Z − 3W −X + 3Y + 5Z + 3L = 1
3X = 4 − 4Y − Z + 2W X + 14Y − Z + 2L = 3
4. Demostrar que:
|𝐴−1 ∗ 𝐴𝑡 + 𝐴 | = |𝐴|
96
5. Si A = [aij]₃ₓ₃ con que el determinante de A es igual a 3use el teorema del determinante para calcular
|3𝐴| =
|𝐴³| =
[5𝐴𝑡 ∗ 𝐴−1 ] =
97
Unidad 4. ESPACIOS VECTORIALES
Un espacio vectorial V, es un conjunto de componentes llamados vectores, que junto con las operaciones
de suma y multiplicación por un escalar satisfacen 10 axiomas o propiedades, los cuales se referencian
a continuación los dos más importantes:
1. Si ∀ X, Y ∈V → X+Y ∈V
2. Si X ∈V y ∈ℜ → αX ∈V
PROPIEDADES:
1. Propiedad Clausurativa: ∀ X, y ∈ V Entonces: X+Y ∈V

2. Propiedad Conmutativa: ∀ X, y ∈ V Entonces: X+Y =Y+X
3. Propiedad Asociativa: ∀ X, y Z ∈ V Entonces: X + Y + Z = X + (Y + Z)
4. Propiedad Modulativa: ∀X∈V∃∧∈V Entonces: X+0=0+X=X
5. Propiedad del Inverso Aditivo: ∀ X ∈ V ∃ -X ∈ V Entonces: X + (−X) = −X + X = 0
6. Propiedad Clausurativa: ∀ X, y ∈ V Entonces: X, y ∈ V
7. Propiedad Distributiva con ℜ: ∀ X ∈ V ∧ α, β ∈ ℜ Entonces: X (X + β)
8. Propiedad Distributiva con V: ∀ X, y ∈ V ∧ α ∈ ℜ Entonces: α(X + Y) = αX + αY
9. Propiedad Asociativa: ∀ X, y ∈ V ∧ α ∈ ℜ Entonces: (αX) Y = α(X ∗ Y)
10. Propiedad Modulativa: ∀X∈V Entonces: X∗1= 1∗X =X
Observaciones:
 V, como el conjunto de vectores.
 K, como el conjunto de escalares ℜ y C. Sabiendo que (𝑍 = 𝑎 + 𝑏𝑖) son complejos.
 (𝑉1 + 𝐾1 ) = 𝑉, es un espacio vectorial sobre K.
Ahora podemos definir que un vector es un segmento de recta, contado a partir de un punto del espacio,
cuya longitud representa a escala una magnitud en una dirección determinada.
Ejercicio: Veamos si (ℜ2 ± ℜ) es un espacio vectorial.
Sean:
(X1 , Y1 ) ∈ ℜ2 → (X1 , Y1 ) + (X2 , Y2 ) ∈ ℜ2

(X1 , Y1 ) ∈ ℜ2 → (X1 + X2 ) (Y1 + Y2 ) ∈ ℜ2
Lo anterior, satisface la propiedad 8. Cumpliéndose la condición de que ℜ 2 es un espacio vectorial sobre

ℜ.
Ejercicio: Comprobar la siguiente condición siendo (2, 4) ∈ ℜ2 ∧ (−1, 0) ∈ ℜ2
< 2 − 1 > + < 4 + 0 > = < 1, 4 > por lo tanto ∈ ℜ2
98
1
Ejercicio: Comprobar la siguiente condición siendo √2 ∈ ℜ ∧ (−5, 2) ∈ ℜ2
Lo anterior, satisface la propiedad 9. Cumpliéndose la condición de que ℜ 2 es un espacio vectorial sobre

ℜ. Entonces:
1
√2 < 4 + 0 > = < −5√2, √2 > por lo tanto ∈ ℜ2
2
7
Ejercicio: Comprobar la siguiente condición siendo ∈ ℚ ∧ √2 ∈ ℜ
3
Entonces:
7
√2 por lo tanto no ℜ
3
4.1. SUBESPACIO VECTORIAL
Sea H un subconjunto no vacío, es decir ≠ 0 , supongamos que H es en sí un espacio vectorial que bajo
las operaciones de suma y multiplicación de un escalar por un vector definidas en V, por lo tanto se dice
que H es un subespacio vectorial de V.
Observaciones:
 Para cualquier espacio vectorial V el conjunto cero (0) es subespacio vectorial de V. Dado que:
∀0 ∈ 𝑉 → 0+0 =0
∀0 ∈𝑉 ∧ 𝛼 ∈ℜ → 𝛼∗0=0
 Todo espacio vectorial es subespacio de sí mismo. Dado que:
A = (1, 2, 3) → 2𝑛 = 23 = 8
Ejercicio: Siendo V= [a𝑖𝑗 ]3×3. Definir si V= [a𝑖𝑗 ]3×3 singular es un subespacio vectorial de V.
1 2 −1 0 1 2
𝐴 = [2 4 −2] 𝑦 𝐵 = [0 −1 3]
3 1 2 0 4 0
Si se suman las dos matrices y encontramos su determinante, resulta que:

1 3 1
2 3 1
3 5 2
𝐴+𝐵 =
⋯ ⋯ ⋯
1 3 1
[2 3 1 ]
99
De lo anterior se obtiene que:
|𝐴 + 𝐵| = 6 + 10 + 9 − 9 − 5 − 12 = −1
Por lo tanto, como el determinante de A más B es diferente de cero, entonces si tiene inversa. De esta
menera podemos decir que es un subespacio vectorial de V.
Ejercicio: Veamos si V = {(X, Y) ∈ ℜ2 ˄ Y = 2X + 1 } es un espacio vectorial de ℜ2
De forma general, se tiene que:
< X1 , Y1 > ˄ < X2 , Y2 > ∈ ℜ2
Entonces:
< X1 + X2 , Y1 + Y2 > ∈ ℜ2
Y1 + Y2 = 2(X1 + X2) + 1 Ecuación 1
Pero:
< X1 , Y1 > ∈ ℜ2
Y1 = 2X1 + 1
Y2 = 2X2 + 1
Y1 + Y2 = 2(X1 + X2 ) + 2 Ecuación 2
Teniendo en cuenta lo anterior, no es un subespacio vectorial por que la ecuación 1 es diferente a la

ecuación 2.
Ejercicio: Sea 𝐿 = [a𝑖𝑗 ]3×3 una matriz simétrica. Veamos si L es subespacio de 𝑉 = [a𝑖𝑗 ]3×3
Como las matrices están expresadas en su forma general, podemos inventarlas de lo que resulta:
1 2 -1 2 0 -3
N = [2 0 7] y T = [0 5 -2]
-1 7 2 -3 -2 7
Ahora si sumamos las matrices tenemos que:
3 2 -4
N + T =[2 5 5] ∈ L
-4 5 9
100
Como la matriz resultante es del mismo tamaño, sus componentes son números reales enteros y se
cumple la condición de simetría, se tiene que L es un subespacio de V.
4.2. COMBINACIÓN LINEAL
Se ha visto que el vector R =< 𝑎 𝑏 𝑐 > ∈ ℜ 3 se puede escribir como R =< ai + bj + ck > donde se
dice que el vector R =< 𝑎 𝑏 𝑐 > se puede escribir como la combinación lineal de 𝑖, 𝑗 𝑦 𝑘.
De forma general, siendo 𝑉1 , 𝑉2 , 𝑉3 , … . . , 𝑉𝑛 vectores de un espacio vectorial V, entonces cualquier vector

estará descrito de la siguiente forma:
V = a1 V1 + a2 V2 + a3 V3 + ⋯ + an Vn
Donde:
a1 , a2 , a3 , … . , an Son los escalares y ∈ ℜ.
Por lo tanto, se dice que V es una combinación lineal de los vectores V1 , V2 , V3 , … . . , Vn , cuando se cumple
la igualdad expresada por los vectores.
Ejercicio: Representemos la matriz E, como una combinación lineal de las matrices:
3 1 1 1 0 0 0 2
E=[ ] , A=[ ] ,B = [ ] y C=[ ]
1−1 1 0 0 −1 0 −1
Lo primero que debemos hacer es encontrar la ecuación de combinación lineal, como sabemos la matriz
E genera a A, B y C, de lo que resulta:
E = a1 A + a 2 B + a 3 C
Reemplazando, tenemos que:
3 1 1 1 0 0 0 2
[ ] = a1 [ ] + a2 [ ] + a3 [ ]
1−1 1 0 0 −1 0 −1
Multiplicando las variables por las matrices, se tiene que:
3 1 a1 a1 0a 0a2 0a 2a3
[ ] = [a 0a ] + [ 2 ]+[ 3 ]
1−1 1 1 0a 2 − a 2 0a 3 − a3
Sumando las matrices tenemos:
101
3 1 a a1 + 2a3
[ ]=[ 1 ]
1−1 a1 − a2 − a3
Ahora, debemos plantear un sistema de ecuaciones lineales sabiendo que en la igualación de matrices
se toma componente con componente:
a11 = a11 → 3 = a1 → L1
a12 = a12 → 1 = a1 + 2a3 → L2
a21 = a21 → 1 = a1 → L3
a22 = a22 → −1 = −a2 − a3 → L4
Como existen dos valores de a1 , debemos seleccionar uno para encontrar la solución del sistema. Por lo
tanto si a1 = 3 la solución general del sistema es:
Lo anterior, es un sistema de ecuaciones lineales de tres ecuaciones con tres incógnitas cuya solución
general del sistema es:
{𝑎1 = 3 ; a2 = 0 ; a3 = −1}
Cumpliéndose la igualdad en alguna de las ecuaciones el ejercicio queda bien resuelto. Ahora debemos
reemplazar el valor de cada una de las variables en la ecuación planteada, resulta que:
3 1 3 3 + 2(−1)
[ ]=[ ]
1−1 3 −1
Simplificando tenemos:
3 1 3 1
[ ]=[ ]
1−1 3 −1
Teniendo en cuenta lo anterior, la igualación de a21 = a21 no satisface debido a que seleccionamos un
nuevo valor para 𝑎1 = 3.
Por lo tanto, se dice que la matriz E es una combinación lineal de las otras matrices.
Ejercicio: Expresar el polinomio sobre ℜ igual a V = t 2 − 4t − 3 como la combinación lineal de los

siguientes polinomios:
X = t 2 − 2t + 5 ; Y = 2t 2 − 3t y Z= t+3
Lo primero que debemos hacer es encontrar la ecuación de combinación lineal, como sabemos el
polinomio V genera a X, Y y Z, de lo que resulta:
102
V = a1 X + a 2 Y + a 3 Z
t 2 − 4t − 3 = a1 (t 2 − 2t + 5) + a2 (2t 2 − 3t ) + a3 (t + 3)
Multiplicando las variables por los polinomios, se tiene que:
t 2 − 4t − 3 = (a1 t 2 − 2a1 t + 5a1 ) + (2a2 t 2 − 3a2 t ) + (a3 t + 3a3 )
Ahora debemos agrupando y haciendo factor común de cada término del polinomio:
t 2 − 4t − 3 = (a1 t 2 + 2a2 t 2 ) + (−2a1 t − 3a2 t + a3 t) + (5a1 + 3a3 )
t 2 − 4t − 3 = (a1 + 2a2 )t 2 + (−2a1 − 3a2 + a3 )t + (5a1 + 3a3 )c
Luego debemos plantear un sistema de ecuaciones lineales tomando el polinomio al cuadrado, luego los
lineales y luego los independientes:
t2 = t2 → 1 = a1 + 2a2 → L1
t=t → −1 = −2a1 − 3a2 + a3 → L2
c=c → −3 = 5a1 + 3a3 → L3
3 11 14
{𝑎1 = − ; a2 = ; a3 = − }
19 19 19
3 11 3 11 14 3 14
t 2 − 4t − 3 = (− + 2 ( )) t 2 + (−2 (− ) − 3 ( ) + (− )) t + (5 (− ) + 3 (− )) c
19 19 19 19 19 19 19
t 2 − 4t − 3 = t 2 − 4t − 3
Por lo tanto, se dice que el polinomio V es una combinación lineal los otros polinomios.
103
3 1
Ejercicio: Expresar los siguientes vectores 𝑉1 = ( −12 ) 𝑦 𝑉2 = (21) como la combinación lineal de:
5
𝑊 = (34).
Lo primero que debemos hacer es encontrar la ecuación de combinación lineal, como sabemos el vector
W genera a V1 y V2 , de lo que resulta:
W = a1 V1 + a2 V1
5 3 1
(3) = a1 (−1) + a2 (2)
4 2 1
5 3a1 a2
2a
(3) = (−a1 ) + ( 2 )
4 2a1 a2
Luego debemos plantear un sistema de ecuaciones lineales igualando los componentes de los vectores:
𝑖=𝑖 → 5 = 3a1 + a2 → L1
j=j → 3 = −a1 + 2a2 → L2
k=k → 4 = 2a1 + a2 → L3
Lo anterior, es un sistema de ecuaciones lineales de tres ecuaciones con dos incógnitas, por lo que
debemos seleccionar dos ecuaciones y resolver el sistema. Escogiendo las líneas L2 y L3, la solución
{𝑎1 = 1 ; a2 = 2 }
5 3(1) 2
(3) = (−(1)) + (2(2))
4 2(1) 2
104
5 5
(3) = (3)
4 4
Por lo tanto, se dice que el vector W es una combinación lineal los otros vectores.
4.3. GENERADORES DE UN VECTOR
Sean 𝑉1 , 𝑉2 , 𝑉3 , … . . , 𝑉𝑛 vectores de un espacio vectorial V; se dice que V genera a v, si se pueden escribir

como la combinación lineal de ellos mismos, es decir que existen escalares:
C1 , C2 , C3 , … . . , Cn
Por lo tanto, para comprobar si un vector genera a varios vectores, debemos utilizar la siguiente
expresión:
V = C1 V1 + C2 V2 + C3 V3 + ⋯ + Cn Vn
Además debemos tener en cuenta que:
𝑖= 1 0
 Generadores de ℜ2 𝑗= 0 1
𝑖= 1 0 0
 Generadores de ℜ3 𝑗= 0 1 0
𝑘= 0 0 1
Teniendo en cuenta lo anterior, podemos concluir que son generadores de un vector cuando aplicamos
los valores de i, j o k con sus valores ordinarios.
Ejercicio: Determinar si los siguientes vectores generan a ℜ3 :
V1 〈4 0 1〉; V2 〈0 1 0〉; V3 〈0 0 1〉 Siendo igual al espacio 〈0 0 1〉

Lo primero que debemos hacer es plantear la ecuación:
V = C1 V1 + C2 V2 + C3 V3
Reemplazando se tiene:
〈0 0 1〉 = C1 〈4 0 1〉 + C2 〈0 1 0〉 + C3 〈0 0 1〉
Multiplicando las variables por los vectores, se tiene que:
〈0 0 1〉 = 〈4C1 0C1 C1 〉 + 〈0C2 C2 0C2 〉 + 〈0C3 0C3 C3 〉
105
Ahora, debemos plantear un sistema de ecuaciones lineales sabiendo que existen componentes i, j y k.
𝑖=𝑖 → 0 = 4C1 ∴ 0 = C1
𝑗=𝑗 → 0 = C2
𝑘=𝑘 → 1 = C3
Reemplazando el valor de cada una de las variables en la ecuación planteada, resulta que:
〈0 0 1〉 = 〈4(0) 0(0) 0〉 + 〈0(0) 0 0(0)〉 + 〈0(1) 0(1) 1〉
〈0 0 1〉 = 〈0 0 0〉 + 〈0 0 0 〉 + 〈0 0 1 〉
Sumando los vectores se tiene:
〈0 0 1〉 = 〈0 0 1〉
Por lo tanto, dichos vectores generan a ℜ3 .
Ejercicio: Determinar si los siguientes vectores generan a ℜ3 :
A〈2 1 0〉; 𝐵〈−1 3 1〉; C〈4 5 0〉 Siendo igual al espacio 〈1 0 0〉
Lo primero que debemos hacer es plantear la ecuación:
V = C1 A + C2 B + C3 C
Reemplazando se tiene:
〈1 0 0〉 = C1 〈2 1 0〉 + C2 〈−1 3 1〉 + C3 〈4 5 0〉
Multiplicando las variables por los vectores, se tiene que:
〈1 0 0〉 = 〈2C1 C1 0C1 〉 + 〈−C2 3C2 C2 〉 + 〈4C3 5C3 0C3 〉
Ahora, debemos plantear un sistema de ecuaciones lineales sabiendo que existen componentes i, j y k.
i=i → 1 = 2C1 − C2 + 4C3 → L1

j=j → 0 = C1 + 3C2 + 5C3 → L2
k=k → 0 = C2 → L3
106
5 1
{𝐶1 = ; C2 = 0 ; C3 = − }
6 6
1 = 2C1 − C2 + 4C3 → L1
5 1
1 = 2 ( ) − (0) + 4 (− )
6 6
1=1
Cumpliéndose la igualdad el ejercicio queda bien resuelto. Ahora debemos reemplazar el valor de cada
una de las variables en la ecuación planteada, resulta que:
5 5 5 1 1 1
〈1 0 0〉 = 〈2 ( ) 0 ( )〉 + 〈−(0) 3(0) 0〉 + 〈4 (− ) 5 (− ) 0 (− )〉
6 6 6 6 6 6
5 5 2 5
〈1 0 0 〉 = 〈 0〉 + 〈0 0 0〉 + 〈− − 0〉
3 6 3 6
Sumando los vectores se tiene:
〈1 0 0〉 = 〈1 0 0〉
Por lo tanto, dichos vectores generan a ℜ3 .
4.4. DEPENDENCIA E INDEPENDENCIA LINEAL
Varios vectores libres del plano se dice que son linealmente dependientes si hay una combinación
lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes de la combinación
lineal (“Vitutor,” 2015) (Uresti Charre, 2011).
Dependencia Lineal (DL): Sean V1 , V2 , V3 , … . . , Vn vectores de un espacio vectorial V, se dice que los
vectores V1 , V2 , V3 , … . . , Vn son linealmente dependientes si existen escalares C1 , C2 , C3 , … . . , Cn = 0
talque:
107
0 = C1 V1 + C2 V2 + C3 V3 + ⋯ + Cn Vn
Y en caso contrario de que no se cumpla la igualdad se dice que los vectores son Linealmente
Independientes (DI).
NOTA: En general, los vectores pueden estar representados en ℜ2 𝑜 ℜ3 en forma vectorial, matricial o
de ecuación lineal de cualquier grado.
Ejercicio: Comprobar si las siguientes matrices son linealmente dependientes o independientes:
1 1 1 2 5 7
A=[ ] ,B = [ ] y C=[ ]
2 1 1 3 8 9
Lo primero que debemos hacer es encontrar la ecuación de combinación lineal, como sabemos debemos
igualar a cero las A, B y C, de lo que resulta:
𝐶1 A + 𝐶2 B + 𝐶3 C = 0
1 1 1 2 5 7
𝐶1 [ ] + 𝐶2 [ ] + 𝐶3 [ ]=0
2 1 1 3 8 9
𝐶1 𝐶1 𝐶 2𝐶2 5𝐶 7𝐶3
[ ] +[ 2 ]+[ 3 ]=0
2𝐶1 𝐶1 𝐶2 3𝐶2 8𝐶3 9𝐶3
Sumando las matrices tenemos:
𝐶1 + 𝐶2 + 5𝐶3 𝐶1 + 2𝐶2 + 7𝐶3 0 0

[ ] =[ ]
2𝐶1 + 𝐶2 + 8𝐶3 𝐶1 + 3𝐶2 + 9𝐶3 0 0
Ahora, debemos plantear un sistema de ecuaciones lineales sabiendo que en la igualación de matrices
se toma componente con componente:
a11 = a11 → 𝐶1 + 𝐶2 + 5𝐶3 = 0 → L1

a12 = a12 → 𝐶1 + 2𝐶2 + 7𝐶3 = 0 → L2
a21 = a21 → 2𝐶1 + 𝐶2 + 8𝐶3 = 0 → L3
a22 = a22 → 𝐶1 + 3𝐶2 + 9𝐶3 = 0 → L4
Lo anterior, es un sistema de ecuaciones lineales de cuatro ecuaciones con tres incógnitas por lo que
debemos seleccionar tres ecuaciones. Seleccionado las tres primeras líneas L1, L2 y L3, solución general
del sistema es:
108
3 11 14
{𝐶1 = − ; C2 = ; C3 = − }
19 19 19
3 11 14 3 11 14
(− ) + ( ) + 5 (− ) (− ) + 2 ( ) + 7 (− )
[ 19 19 19 19 19 19 ] = [0 0]
3 11 14 3 11 14 0 0
2 (− ) + ( ) + 8 (− ) (− ) + 3 ( ) + 9 (− )
19 19 19 19 19 19
62 79
− −
[ 19 19] = [0 0]
107 96 0 0
− −
19 19
Por lo tanto, se dice que las matrices son linealmente independientes porque no cumplen la igualdad.
Esto ocurre cuando al momento de resolver el sistema de ecuaciones lineales se eliminan
simultáneamente dos líneas.
4.5. BASE Y DIMENSIÓN
Base: Sea 𝐵 = 𝑉1 , 𝑉2 , 𝑉3 , … . . , 𝑉𝑛 , se dice que B es una base de V (Espacio vectorial) si se cumple lo

siguiente:
1. B es linealmente independiente.
2. B genera a V.
Nota: Cuando todas las bases de un mismo espacio o subespacio tienen el mismo número de vectores.
Se llama dimensión de dicho espacio o subespacio. En conclusión, son aplicaciones de los temas ya
estudiados.
Ejercicio: Encuentre una base para el conjunto de vectores que se encuentra en el plano:
𝑋
𝜋 = {[𝑌 ] : 2𝑋 − 𝑌 + 3𝑍 = 0}
𝑍
Por concepto de espacio vectorial, se tiene que:
109
𝑋
[𝑌 ] ∈ 𝜋
𝑍
Entonces:
𝑌 = 2𝑋 + 3𝑍
Por lo tanto, los vectores de 𝜋 tiene la siguiente forma:
𝑋 𝑋 0 1 0
[2𝑋 + 3𝑍] = [2𝑋] + [3𝑍] = 𝑋 [2] + 𝑍 [3]
𝑍 0 𝑍 0 1
1 0
Con lo anterior se demuestra que los vectores [2] 𝑦 [3] generan a 𝜋, como también son linealmente
0 1
independientes.
Dimensión: Sea B diferente del conjunto vacío 0, es decir 𝑉 ≠ 0 un espacio vectorial, la dimensión de V
es el número de elementos de la base. Teniendo en cuenta que:
1. Un vector expresado en ℜ𝑛 tiene dimensión n, dado a que tiene una base de n elementos.
2. Una matriz m × m, tiene una dimensión de m × m elementos.
3. Un polinomio de grado dos X 2 + X + C, tiene 3 elementos que lo conforman.
4.6. TRANSFORMACIONES LINEALES
Las transformaciones lineales ocurren con mucha frecuencia en el álgebra lineal y en otras ramas de las
matemáticas. Las transformaciones lineales se aplican en la física, la ingeniería y en diversas ramas de
la matemática. Con frecuencia una transformación lineal se llama operador lineal.
Definición:
Sea V y W espacios vectoriales. Una transformación lineal T de V en W es una función que asigna a cada
vector u ϵ V un vector único Tv ϵ W y que satisface, para cada u y v en V y cada escalar 𝛼. Teniendo en
cuenta lo anterior aparece que:
1. T(u + v) = Tu + Tv
2. T(αv) = αTv
110
Es decir, T es lineal si preserva las dos operaciones definidas dentro del espacio vectorial: suma de
vectores y multiplicación de un escalar por un vector.
Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene sentido
estudiar la validez de las propiedades de funciones: inyectividad, suryectividad y biyectividad. Las
transformaciones lineales que verifican alguna de estas propiedades reciben nombres particulares
𝑋+𝑌
2 3 𝑋
Ejercicio: Sea 𝑇: ℜ → ℜ , definida por 𝑇 [ ] = [𝑋 − 𝑌]
𝑌
3𝑌
Por ejemplo:
−1
2
𝑇[ ]=[ 5 ]
−3
−9
Para comprobar tenemos que:
𝑋1 + 𝑋2 + 𝑌1 + 𝑌2
𝑋 𝑋2 𝑋1 + 𝑋2
𝑇 [( 1 ) + ( )] = 𝑇 [ ] = [𝑋1 + 𝑋2 − 𝑌1 − 𝑌2 ]
𝑌1 𝑌2 𝑌1 + 𝑌2
3𝑌1 + 3𝑌2
Por lo tanto:
𝑋1 + 𝑌1 𝑋2 + 𝑌2
𝑇 [(𝑋1 − 𝑌1 ) + (𝑋2 − 𝑌2 )]
3𝑌1 3𝑌2
Pero:
𝑋1 + 𝑌1 𝑋2 + 𝑌2
𝑋 𝑋
[𝑋1 − 𝑌1 ] = 𝑇 [( 1 )] 𝑦 [𝑋2 − 𝑌2 ] = 𝑇 [( 2 )]
𝑌1 𝑌2
3𝑌1 3𝑌2
De esta manera se tiene:
𝑋1 𝑋 𝑋 𝑋
𝑇 [( ) + ( 2 )] = 𝑇 [( 1 )] + 𝑇 [( 2 )]
𝑌1 𝑌2 𝑌1 𝑌2
Así, T es una transformación lineal.
111
EJERCICIOS UNIDAD 4
1. Representar la siguiente matriz E como la combinación lineal de las matrices A, B, C ∩ D:
5 2 1 2 −3 5 1 −1 2 2
E=[ ];A = [ ];B = [ ]C=[ ]∩ D=[ ]
3 −1 1 2 2 3 1 −1 1 9
2. Determinar las siguientes matrices generan a R y si son linealmente dependientes o independientes:
1 3 1 3 −2 4 5 −1
R=[ ];X = [ ]; Y = [ ]∩Z=[ ]
0 −1 −1 2 2 3 2 −2
3. Representar la siguiente matriz E como la combinación lineal de las matrices A, B, C ∩ D:
5 2 1 2 −3 5 1 −1 2 2
E=[ ];A = [ ];B = [ ]; C = [ ]∩ D=[ ]
3 −1 1 2 2 3 1 −1 1 9
4. Demostrar que el espacio U generado por las matrices:
1 2 −1 3
U = [2 4 1 −2]
3 6 3 −7
Y el espacio W generado por la matriz:
1 2 −4 11
W=[ ]
2 4 −5 14
Son iguales, es decir U=W
5. Determinar si los polinomios A = X 3 − X + 1 ; B = X 2 + 2X − 3 y C = X 3 − X 2 + X . Son

linealmente dependientes o independientes.
6. Determinar si los polinomios P = (X − 2X 2 ) ; Q = (−4X + X 2 ) y R = (−7X + 8X 2 ). Son

linealmente dependientes o independientes.
𝑋
3 2 1
7. Encontrar la transformación lineal siendo 𝑇: ℜ → ℜ , definida por 𝑇 [𝑌 ] = [ ]
𝑍
𝑍
112
Unidad 5. APLICACIONES DEL ALGEBRA LINEAL EN MATLAB
MATLAB es un programa interactivo para cómputos numéricos y visualización de datos. Hay muchas
librerías disponibles que extienden las funciones básicas de MATLAB a diferentes áreas de aplicación.
Este es un tutorial presenta de manera muy concisa los primeros pasos para empezar a usar Matlab. Se
recomienda seguir el tutorial al tiempo que ejecuta MATLAB en otra ventana. De esta manera usted
podrá ensayar lo que va a prendiendo. Usted debería poder copiar y pegar cada instrucción que aparece
aquí para obtener el mismo resultado en MATLAB (Grossman, 2012) (Barrionuevo, 2015).
5.1. CARACTERÍSTICAS BÁSICAS.
Al ejecutarse MATLAB aparece una ventana, la ventana de orden, que es el lugar fundamental donde se
interacciona con MATLAB. Cuando esta ventana está activa aparece a la izquierda el símbolo >> seguido
del cursor, es el indicativo de petición de órdenes del MATLAB.
Teniendo en cuenta lo anterior, es importante conocer las siguientes operaciones básicas que se puede
introducir en MATLAB (tabla 1):
Tabla 1. Operaciones en MATLAB.

OPERACIÓN SÍMBOLO
Suma: a+b +
Resta: a-b -
Multiplicación: a*b *
División: a/b /
Potencia: ab ˆ
Traspuesta: A’ ‘
En MATLAB se pueden operar matrices por medio de operadores y por medio de funciones. Se han visto
ya los operadores suma (+), producto (*) y traspuesta ('), así como la función invertir inv(A).
Ejercicio: Para comprobar cómo funcionan las operaciones básicas, resuelta en MATLAB:
𝑎) 2^3 – 5 – 6 /(3 ∗ 2)
𝑏) 2^3 – 5 – 6 /(3 ∗ 2)
𝑐) (2^3 – 5 – 6) /(3 ∗ 2)
113
5.2. LAS VARIABLES.
Son identificadores que permiten almacenar datos, los cuales pueden cambiar durante la ejecución de
un programa. Las variables nos permiten asignarle nombres a los valores para luego poder hacer
referencia a estos. No hay límite para la longitud en el nombre de una variable, pero estos deben estar
constituidos por una secuencia de letras, underscores (símbolo de subrayado o guion bajo “_”) o
números y sólo pueden empezar con letras o underscores. MATLAB distingue minúsculas de
mayúsculas, esto quiere decir que A y a representan variables diferentes.
Algunos ejemplos de nombres válidos son:
>>A_
>>z_
>>a223_
Ejercicio: Calculemos el área (A) de un trapecio con base mayor (B) de 10 cm, base menor (b) de 6 cm
y la altura (h) de 4 cm.
>>B=10
B = 10
>>b=6
b=6
>> h=4
h=4
>> A=(h*(B+b))/2
A = 32
Si deseamos evitar que el resultado de alguna operación se muestre en pantalla debemos agregar un
punto y coma ';' al final de la orden que deseamos ocultar. En el ejemplo anterior, si sólo queremos ver
el resultado de A, sustituimos la coma ',' al final de cada variable por un punto y coma ';':
>> B=10; b=6;h=4; A=(h*(B+b))/2

A = 32
Si queremos borrar una variable usaremos el comando clear seguido del nombre de la variable:
>> clear A
Existen un conjunto de variables predefinidas utilizadas por el programa que no conviene cambiar,
entre ellas podemos mencionar:
114
ans = muestra el último resultado
pi = 3.1416
e = 2.7183
i y j = 0 + 1i
Inf = Infinito
5.3. LAS FUNCIONES.
MATLAB incluye muchas funciones estándar. Por ejemplo las funciones matemáticas sin, cos, log, exp,
sqrt, así como muchas otras más especializadas. También incluye constantes usadas comúnmente como
π, o i (la raíz cuadrada de -1). Estas se pueden usar directamente.
5.4. FORMATO DE LAS UNIDADES.
La instrucción format controla el formato de salida de los valores numéricos presentados pantalla. Hay
tres posibilidades para esta instrucción que son:
format short (muestra 5 dígitos decimales).

format long (muestra 15 dígitos decimales).
format rat (muestra un cociente de enteros).
5.5. SISTEMAS DE ECUACIONES LINEALES.
Para la resolución de sistemas de ecuaciones del tipo Ax = b utilizamos la notación a\b, por ejemplo,
para calcular el siguiente sistema de ecuaciones de primer grado con dos incógnitas:
6X − 7Y = 5 → L1
8X − 9Y = 7 → L2
Haremos lo siguiente: guardaremos los elementos x - y en una matriz a y la igualdad en un vector b,

para finalmente ejecutar el comando a\b.
>> a=[6, -7;8,-9]
a = 6 -7
8 -9
>> b=[5;7]
b=57
>> a\b
ans = 2
1
115
Para resolver un sistema de ecuaciones lineales en MATLAB, debemos digitarla en forma de vector,
para lo cual consideremos el siguiente ejemplo:
X−Y =2 → L1
X+Y =3 → L2
De lo que se sabe que:
>>A=[1 -1; 1 1];

>>b=[2;3];
>>C=[A b];
>>R=rref(C)
A=
1 -1
1 1
b=
2
3
C=
1 -1 2
1 1 3
R=
1.0000 0 2.5000
0 1.0000 0.5000
5.6. VECTORES Y MATRICES.
En matlab se dispone de una gran variedad de formas para definir vectores y matrices, usualmente lo
hacemos encerrando los elementos dentro de corchetes, los elementos separados por espacios o comas
(,) definen un vector fila, los elementos separados por punto y coma (;) definen una nuevo vector fila en
la matriz.
116
>> a=[1,3,5]
a=135
>> b=[5 7 9]
b=579
>> c=[1;2;3]
c=1
2
3
>> e=[a ; b ; 2, 4 6]
c=1 3 5
5 7 9
2 4 6
Una forma sencilla de producir una secuencia de números es utilizando la notación n:m donde n es el
número inicial y m el final.
>> 1:10
ans = 1 2 3 4 5 6 7 8 9 10
También podemos usar la notación p:q:r para crear una secuencia que inicia en p, finaliza en r con
intervalos de q. En el siguiente caso almacenaremos en una variable b una secuencia partiendo de cero
y finalizando en diez, con un intervalo de dos entre cada número.
>> b=0:2:10
b = 0 2 4 6 8 10
5.7. MATRICES.
Las matrices en MATLAB se crean igual que los vectores, excepto que cada la se separa con un punto y
coma (;). Para crear matrices manualmente, realizamos el siguiente procedimiento:
117
a = [3, -7; 2, 5]
b = [3 -7; 2 5]
c = [6 0 -3 8 9; 5 1 7 -4 2; 3 1 -6 2 -1]
c(2, 3)
size(c)
length(c)
c(1, 4) = 11
p = [2.7 -5; -3+i 8]
Matrices especiales.
>>zeros(3, 5) Matriz de Ceros 3x5

>>zeros(4) Matriz de Ceros 4x4
>>ones(2, 4) Matriz de Unos 2x4
>>ones(3) Matriz de Unos 3x3
>>eye(4) Matriz Identidad 4x4
>>a = diag([-7 2 4]) Matriz Diagonal
>>toeplitz([-2 3 1 5], [-2 0 4 -1]) Matriz Diagonal
Para generar una matriz aleatoria, utilizamos el siguiente comando:
>> A=rand(3); #generar una matriz aleatoria de 3 × 3

A=
0.6086115 0.0010003 0.3250563
0.4910289 0.2250230 0.4538064
0.6238124 0.5558372 0.9002053
Vamos ahora a crear una matriz 3 × 3 para realizar nuevos cálculos a partir de una matriz más
manejable si queremos comprobar a mano los datos que creamos.
>> X=[1 2 1;1 2 3;4 3.4 4.5]

X=
1.0000 2.0000 1.0000
1.0000 2.0000 3.0000
4.0000 3.4000 4.5000
A partir de esta matriz a calculamos su inversa con el comando inv(A):
118
>> b=inv(A)
b=
-0.13043 -0.60870 0.43478
0.81522 0.05435 -0.21739
-0.50000 0.50000 0.00000
Podemos comprobar multiplicando una por la otra que el cálculo es correcto:
>> c=a*b
c=
1.00000 0.00000 0.00000

0.00000 1.00000 0.00000
0.00000 0.00000 1.00000
De igual manera que se define una matriz podemos definir un vector:
>> b=[2 0 0]
b=
2 0 0
>> b=[2 0 0]’
b=
2
0
0
Para multiplicar matrices, utilizamos el siguiente procedimiento:
>> b=[2 0 0]
b=
2 0 0
>> b=[2 0 0]’
b=
2
0
0
119
Ejercicio: Crear las siguientes matrices aleatorias:
>>a = randi([-9 9], 3, 2)

>>b = randi([-9 9], 2, 4)
>>c = a * b
>>c(2, 1)
>>(a * b)(2, 1)
Ejercicio: Matriz transpuesta, matriz transpuesta conjugada.
>>a = [1-2i 3 7; -2 6-4i 7+i]

>>a.’
>>a’
>>b = [3 -7; 2 -1; 8 1]
>>b.’
>>b’
Ejercicio: Teniendo la siguiente matriz R:
1 2 1
R = [0 −1 2]
1 3 0
Para representarla en Matlab, se debe realizar el siguiente procedimiento:
>>R=[1 2 1; 0 -1 2; 1 3 0]
R=
1 2 1
0 -1 2
1 3 0
También se puede ingresada de la siguiente forma:
>>R=[1,2,1;0,-1,2;1,3,0]
R=
1 2 1
0 -1 2
1 3 0
120
Ejercicio: Ingrese la siguiente matriz en Matlab.
2 −1 0 1 4
3 −7 0 2 −1
𝑇= 0 0 4 3 −1
2 1 3 −1 2
[0 3 −1 0 1]
Ejercicio: Teniendo en cuenta las siguientes matrices:
2 −1 3 10 −1 2 10 −2 1
𝐴 = [0 1 −1] ; 𝐵 = [ 0 −1 2] ∧ 𝐶=[0 −1 1]
2 −1 2 1 −1 3 0 −1 3
Determine la siguiente expresión en MATLAB: 2A − 5 (B − 4) + 3B
>>A=[2,-1,3;0,1,-1;2,-1,2];
>>B=[1,-1,2;0,-1,2;1,-1,3];
>>C=[1,-2,1;0,-1,1;0,-1,3];
>>D=2*A -5 *(B-4) +3*B

ans = D
22 -40 22
0 -16 14
2 -20 58
Ejercicio: Dado ejercicio anterior determine 𝐴 ∗ 𝐵, utilizando MATLAB.
>>A=[-1,2,1;0,-1,1;2,1,-2];
>>B=[2,-1;0,1;3,0.5];
>>C=A*B
ans = C
1 3.5
2 -0.5
1 -1.5
121
Ejercicio: Determine la transpuesta de M, utilizando MATLAB. Siendo la siguiente matriz:
−1 2 1 𝑖
𝑀=[ 0 1 2 3]
−1 2 1 −𝑖 3×4
Para realizar esta operación debemos ingresar 𝐵 = (𝐴′ ). La comilla indica que es la transpuesta y B seria
la nueva matriz.
>>A=[-1,2,1,i;0,1,2,3;-1,2,1,-i];
>>B=A’
B=
-1 0 -1
2 1 2
1 2 1
i 3 -i
Ejercicio: Encuentre la solución de la siguiente 𝐶 = (𝐴 + 𝐵)′ , utilizando MATLAB. Siendo las matrices:
2 1 0 −1 2 0
𝐴 = [3 0 2] ; 𝐵=[ 2 1 1]
3 −1 0 −5 3 −1
Por lo tanto, resulta que:

>>A=[2,1,0;3,0,2;3,-1,0];
>>B=[-1,2,0;2,1,1;-5,3,-1];
>>C=(A+B)’
C=
1 5 -2
3 1 2
0 3 -1
5.7.1. MATRIZ IDENTIDAD.
Para generar una matriz identidad cuadrara de 2 × 2, debemos insertar el comando eye y entre
paréntesis el orden de la matriz deseada, de lo que se tiene:
>>eye(2)
ans=
1 0
0 1
122
Por lo tanto, para generar una matriz identidad cuadrara de 3× 3, se tiene:
>>eye(3)
ans=
1 0 0
0 1 0
0 0 1
5.8. FUNCIONES MATEMÁTICAS.
MATLAB incluye una serie de funciones matemáticas y trigonométricas que nos ayudan a simplificar
algunos cálculos, como se ilustra en la siguiente tabla 2:
Tabla 2. Como expresar funciones en MATLAB.

Función Descripción
sqrt(x) Raíz cuadrada de x
fix(x) Redondeo hacia el entero más cercano a cero
sin(x) Funciones trigonométricas ordinarias para x
asec(x) Funciones trigonométricas inversas para x
tanh(x) Funciones trigonométricas hiperbólicas para x
acosh(x) Funciones trigonométricas hiperbólicas inversas para x
Devuelve la suma de los elementos del vector x o la suma de los elementos de cada
sum(x)
columna de la matriz x
Devuelve el máximo para cada columna de la matriz x o el máximo de los
max(x)
elementos del vector x
Devuelve el mínimo elemento del vector x o el mínimo elemento para cada
min(x)
columna de la matriz x
La forma más simple para producir gráficas bidimensionales en MATLAB se hace a través del comando
plot(x, y), donde 𝑋 𝑦 𝑌 opcionalmente y representan los vectores coordenadas para cada punto,
adicionalmente se le puede especificar una serie de formatos que cambiaran la apariencia de salida de
la gráfica, esto incluye el estilo de línea, el color y otras características (Unal, 2015).
123
Para cambiarle el color a las líneas utilizamos la siguiente tabla 3:
Tabla 3. Como cambiar el color a las gráficas de MATLAB en 2D y 3D.

Símbolo Color
y Amarillo
m Magenta
c Celeste
r Rojo
g Verde
b Azul
w Blanco
k Negro
Y para cambiar la forma de los puntos, debemos tener en cuenta la siguiente tabla 4:
Tabla 4. Como cambiar el punto a las gráficas de MATLAB en 2D y 3D.

Símbolo Tipo de línea
. Puntos
o Círculos
x Marcas en x
+ Marcas en +
* Marcas en *
s Marcas cuadradas
d Marcas diamante
ˆ Triangulo hacia arriba
Ejercicio: Crearemos un vector aleatorio de 50 elementos que luego graficaremos:
>> x = (rand(50,1));
>> plot(x)
La grafica se representa en la siguiente figura 8:
124
Figura 8. Gráfica de un vector en 2D.
Por defecto MATLAB une los puntos mediante segmentos de línea, usando los mismos datos le diremos
a Octave que no una los puntos, y que estos los presente con un mayor tamaño, para ello hacemos lo
siguiente:
>> plot(x,'@')
Para obtener la siguiente figura 9:
125
Figura 9. Punto de una gráfica de un vector en 2D.
Ejercicio: Copiar el siguiente código de una gráfica en 2D:
>>x=0:0.25:7;
>>sin(x);
Plot(x,y)
Para ponerle el título a la gráfica y a los ejes, utilizamos el siguiente código:
>>Title(‘Función seno como función del tiempo’)

>>xlabel(‘Tiempo en (segs)’)
>>ylabel(‘Amplitud’)
La grafica debe quedar como se muestra en la siguiente figura 10:
126
Figura 10. Gráfica de una función en 2D.
Para producir gráficos en 3D disponemos de varias opciones, la más simple es usar el comando
plot3(x,y,z) donde cada argumento es tomado para convertirse en los vértices del gráfico tridimensional.
El comando mesh(x,y,z) hace una representación tridimensional dado dos vectores 𝑋 𝑦 𝑌, y una matriz
bidimensional z. Generalmente se usa el comando meshgrid para generar los datos que usará mesh para
para representar los ejes x e y.
Ejercicio: Copiar el siguiente código de una gráfica en 3D:
>> x=[-2:0.1:2]; % Genera el vector

>> [xx,yy]=meshgrid(x;x); % Genera las matrices de ejes
>>z=sin(xx.ˆ2 – yy.ˆ2); % Función z=sen(xˆ2 – yˆ2)
>>grid % Genera una rejilla
>>mesh(x,x,z) % Crea el grafico
De lo anterior, resulta la siguiente figura 11:
127
Figura 11. Gráfica de una función en 3D.
Ejercicio: Como practica de MATLAB, comprobar los ejercicios de las unidades anteriores.
Nota: Octave es un programa para realizar cálculos numéricos. Como su nombre indica, es parte del
proyecto GNU (Software Libre). Es considerado el equivalente gratuito de MATLAB. Entre varias
características que comparten, se puede destacar que ambos ofrecen un intérprete, permitiendo
ejecutar órdenes en modo interactivo. Su principal aplicación es para el desarrollo de matrices y graficas
de cualquier tipo de función.
128
BIBLIOGRAFÍA
Barrionuevo, M. I. (2015). Trabajos prácticos de álgebra lineal con Matlab (Universida). Argentina.
Retrieved from http://www.galeon.com/algebralineal/algii_inform/matlab.pdf
EducaLAB. (2015). Matrices y determinantes. Retrieved from
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T06.pdf
EducaLAB. (2017). Sistemas de ecuaciones lineales. Retrieved from
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T07.pdf
Godino, J. D. (2002). Matemáticas y su didáctica para Maestros (Proyecto d). Granada - España. Retrieved
from https://www.ugr.es/~jgodino/edumat-maestros/manual/5_Medida.pdf
Grossman, S. (2012). Álgebra Lienal - Sexta edición. Murcia - España: McGraw-Hil.
Grossman, S., & Flores Godoy, J. (2012). Álgebra Lineal - Séptima edición. Mexico: McGraw-Hil.
Herrera Escudero, A. (2014). Tipos de matrices. Mexico. Retrieved from
https://www.uv.mx/personal/aherrera/files/2014/08/10a.-TIPOS-DE-MATRICES-1.pdf
Lay, D. C. (2007). Álgebra Lineal y sus aplicaciones. Tercera Edición (Pearson). Mexico.
Sanabria, A. M., & Martínez, H. (2008). Sistemas de ecuaciones lineales (Vol. 1). Cali - Colombia. Retrieved
from http://matematicas.univalle.edu.co/~robruiz/Texto1-Sistemas.pdf
Simón Pinero, J. J. (2008). Capitulo 7 : Sistemas de ecuaciones lineales. Murcia - España. Retrieved from
http://www.um.es/docencia/jsimon/depmat/2014-2015/Matematicas-Cap7.pdf
Unal. (2015). Algebra Lineal – Tutorial básico de MATLAB. Medellin - Colombia. Retrieved from
http://www.unalmed.edu.co/~algebralineal/tutorial matlab.pdf
Uresti Charre, E. (2011). Dependencia e Independencia Lineal. Retrieved from
http://cb.mty.itesm.mx/ma1010/materiales/ma1010-08.pdf
Vitutor. (2015). Retrieved from
http://www.vitutor.com/analitica/vectores/depandencia_independencia.html
129

Idioma

Modulo Álgebra Lineal - RicardoG

Cargado por

Información del documento

Descripción:

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?

Descripción:

Copyright:

Formatos disponibles

Modulo Álgebra Lineal - RicardoG

Título original:

Cargado por

Descripción:

Copyright:

Formatos disponibles

INTRODUCCIÓN

Ricardo García León

Unidad 1. SISTEMAS DE ECUACIONES LINEALES ........................................................................................................... 6

Unidad 2. MATRICES ......................................................................................................................................................... 32

Unidad 4. ESPACIOS VECTORIALES ................................................................................................................................ 98

Unidad 5. APLICACIONES DEL ALGEBRA LINEAL EN MATLAB ................................................................................ 113

1.1. MAGNITUDES GEOMÉTRICAS

1.1.1. CONJUNTOS NUMÉRICOS

ℤ = {-….. -3, -2, -1, 0, 1, 2, 3, 4,…..}

Por lo tanto, queda expresado de la siguiente forma:

Teniendo en cuenta lo anterior, resulta la siguiente figura 1:

Figura 1. Conjuntos numéricos.

Despejando Y, se tiene la representación de la recta:

Ejercicio: Encuentre su intercepto con el eje Y, la pendiente y la gráfica de la siguiente ecuación:

El punto de corte o intercepto con el eje Y es igual a 3

Fuente: Elaboración propia.

Ejercicio: Representar la siguiente ecuación de la recta:

Ejercicio: De ejemplo anterior, encontrar los intercepto en los ejes X y Y.

La línea R1 es perpendicular a la R2.

La línea R1 es paralela a la R2 en los dos casos.

La ecuación de la recta en su forma general, se expresa como:

Además, si conocemos la ecuación y un punto podemos utilizar la ecuación punto pendiente:

De la anterior ecuación, podemos despejar y encontrar el valor de la pendiente:

 Dos rectas son paralelas (L1 L2 ) si: m1 = m2

Distancia entre dos puntos:

Luego, aplicando la ecuación punto pendiente:

Por lo tanto, la ecuación general sería:

Se debe expresar la ecuación en la forma general de la recta para encontrar la pendiente:

Teniendo en cuenta lo anterior, la pendiente es m = 2/3.

1.3.1. SISTEMAS DE ECUACIONES LINEALES 𝟐 × 𝟐

 Que el sistema tenga infinitas soluciones → 𝐶𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒

Ejercicios: A continuación se representan las situaciones al momento de resolver un sistema de ecuaciones

1. Cuando el sistema tiene solución única o general:

Luego, reemplazamos el valor de X en la Línea L2:

Seguidamente reemplazamos el valor de Y en la Línea L3:

Por lo tanto, la solución general del sistema es:

Graficando en Excel, tenemos la siguiente figura 3:

Figura 3. Grafica de un sistema de ecuaciones lineales con solución general o única.

Fuente: Elaboración propia.

2. Cuando el sistema tiene infinitas soluciones:

Ahora de la Línea (L2), despejaremos X:

De esta manera, la solución particular del sistema es:

Graficando en Excel, tenemos la siguiente figura 4:

Figura 4. Grafica de un sistema de ecuaciones lineales con infinitas soluciones.

-1,00 -1 -2,00 -2,00

Fuente: Elaboración propia.

3. Cuando el sistema No tiene solución:

Graficando en Excel, tenemos la siguiente figura 5:

Figura 5. Grafica de un sistema de ecuaciones lineales que no tiene solución.

Fuente: Elaboración propia.

En forma general un sistema m × n está dado por:

a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n X𝑛 = b1

 Que el sistema tenga infinitas soluciones → 𝐶𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒

 a11 X1 + a12 X2 + a13 X3 + ⋯ + a1n Xn = b1 → Solución general o infinitas soluciones

Ejercicio: Resolver el siguiente sistema de ecuaciones lineales:

Aplicando eliminación resulta que:

Habiendo ya eliminado las variables X1 de la primera columna de la escalera, procedemos a llamar a un

El nuevo sistema seria: