I

UNIVERSIDAD NACIONAL ABIERTA

VICERRECTORADO ACADÉMICO
ÁREA DE MATEMÁTICA

MATEMÁTICA II
MÓDULO III

MATRICES Y SISTEMAS
DE ECUACIONES LINEALES
CONTENIDOS
Unidad VI: Leo Pastor, UNA
Sergio Rivas, UNA

Unidad VII: María del Carmen Bolívar, UNA

Sergio Rivas, UNA

REVISIÓN DE CONTENIDO
Mauricio Orellana Chacín, UCV
Sergio Rivas, UNA

DISEÑO INSTRUCCIONAL
Mauricio Orellana, UCV

REVISIÓN DE DISEÑO
Edith Gómez, UNA

REVISIÓN GENERAL
Alejandra Lameda, UNA

MATERIAL EN EXPERIMENTACIÓN

III
IV
 PRESENTACIÓN DEL CURSO DE MATEMÁTICA II

Este texto corresponde al segundo curso de Matemática del CICLO DE LOS ESTUDIOS GENERALES
DE LA UNIVERSIDAD NACIONAL ABIERTA y el mismo es una continuación de Matemática Ι (175−176−177).

El primer curso de Matemática II se ofreció en el año 1980 y el mismo lo conformaban cinco módulos,
siendo el último un módulo diferenciado, dependiendo de la carrera escogida por el estudiante. Este curso fue
modificado en 1984 y en esa oportunidad se decidió la unificación en un solo grupo de contenidos para las
distintas carreras. Es así que se elaboró un solo texto donde se trataban los temas de : funciones, álgebra
lineal en IR2 y IR3, cónicas, límites, continuidad y cálculo diferencial.

Después del paso de los años gran parte de la comunidad universitaria ( personal académico del Área
de Matemática, asesores de los Centros Locales, autoridades, personal docente de otras áreas académicas y
estudiantes) plantean un conjunto de inquietudes que llevan a una revisión de los contenidos de los cursos de
Matemática de la Universidad y en particular de los cursos de Matemática de los Estudios Generales: Matemática Ι y
Matemática ΙΙ.

Como consecuencia de estas inquietudes, a mediados del año 1993, las autoridades de la Universidad
deciden realizar un cambio en estos cursos y se lleva a cabo un proyecto, liderizado por el profesor Mauricio
Orellana, para la elaboración de los nuevos materiales instruccionales de los cursos de Matemática I y
Matemática II de Estudios Generales.

Para cumplir esta tarea se realizó un estudio con el fin de detectar las necesidades inherentes con los
cambios, fundamentándose en particular, en entrevistas, encuestas, informes de congresos, programas de
cursos similares en otras instituciones y diversas discusiones con los actores del escenario circundante a esta
temática, dentro y fuera de la Universidad, detectándose ciertas deficiencias que hemos tratado de corregir en
estos nuevos cursos, como son entre otras: los contenidos, el diseño y la manera de abordar y explicar los
tópicos estudiados.

Es así que se consideró que los nuevos textos deben tener ciertas características que rompan con el
modelo tradicional de enseñar matemática siguiendo un esquema rígido. Además de tener un diseño que
combine aspectos para fomentar el desarrollo de procesos importantes para la comprensión de la matemática
como son: observar, comparar, relacionar, clasificar, analizar, discutir, sintetizar y generalizar.

Para lograr este objetivo hemos incorporado en el texto los siguientes elementos:

〈 Cuadros resúmenes de repaso.

〈 El diseño de las páginas en forma de L de tal manera de desarrollar el contenido en la parte interna de
la L y colocar pie de páginas o notas al margen en la parte exterior de la L, sobre aspectos importantes
del tema tratado o pequeñas reseñas históricas, evitando distraer al estudiante de lo esencial.

〈 Iconos colocados al margen del texto que alerten sobre la importancia o característica del punto
tratado o de la realización de una actividad.

〈 Resaltar lo esencial.

〈 Repetir cuando sea necesario contenidos desarrollados en temas anteriores con el fin de no distraer
al estudiante retrocediendo constantemente a unidades o páginas anteriores.

〈 Resolver y proponer ejercicios que tengan connotación histórica o del tipo “matemática recreativa” o
que pudieran tener relación con el contorno que nos rodea.

〈 Graduación de los ejercicios por dificultades en cuanto a habilidades y niveles de razonamiento.

V
 〈 Diagramación bifurcada, cuando sea necesario escribiendo en varias columnas con el objeto de
comparar y relacionar.

Además hemos incorporado como material de apoyo al curso: videos donde se desarrollan teleclases y
audios con guías de actividades que permitan reforzar contenidos abordados en el texto (este material no se
encuentra disponible con esta Primera Edición Experimental del texto, pero se incorporará en ediciones futuras).

El texto de Matemática ΙΙ está conformado por cuatro módulos de aprendizaje, tres comunes y uno
diferenciado ( uno para las carreras de: Administración y Contaduría; y otro para las carreras de: Matemática,
Ingeniería y Educación mención Matemática ).

Módulos comunes

Módulo I: Límites y Continuidad de Funciones Reales de Variable Real

Módulo II: Derivadas de Funciones Reales de Variable Real

Módulo III: Matrices y Sistemas de Ecuaciones Lineales

Módulos diferenciados

Módulo IV: Pensamiento Matemático y Modelando con Matemática ( Parte II )

(Ingeniería, Matemática y Educación, mención Matemática)

Módulo IV: Aplicaciones de las Funciones a las Ciencias Administrativas. El Análisis Marginal y el
Modelo Input−Output (Administración y Contaduría )

En el módulo Ι retomamos los conceptos de límite y continuidad introducidos en Matemática Ι (175−

176−177), tratando estos temas con mayor profundidad en cuanto al nivel de los contenidos e incorporando
nuevas técnicas para el cálculo de límites. En el módulo ΙΙ tratamos el concepto de derivada y los tópicos
relacionados con el mismo hasta concluir con la graficación de funciones de una variable. El tercer módulo lo
dedicamos al estudio de las matrices y la resolución de sistemas de ecuaciones lineales.

El módulo Pensamiento Matemático y Modelando con Matemática es una continuación del módulo
identificado con el mismo nombre en el curso de Matemática Ι (175−176−177). Se estudian procedimientos
para demostrar y se retoman los modelos matemáticos, utilizando los conceptos estudiados en los módulos
anteriores como es el caso de las matrices y el concepto de derivada.

El módulo dirigido a los estudiantes de Administración y Contaduría desarrolla distintas aplicaciones de

las funciones para modelar diversos aspectos de las Ciencias administrativas usando herramientas del cálculo
diferencial.

Es propicio hacer mención especial a los profesores de la Universidad Nacional Abierta: Eva Oberto,
Wadie Aziz, Armando Díaz y Elmes Pérez, por su destacada colaboración en la revisión de una versión preliminar
de este texto. ! Gracias por sus observaciones !

Para concluir esperamos que este material sea del agrado de todos y que pueda servir para mejorar la
calidad de educación del estudiante y en particular del estudiante UNA. Agradecemos nos hagan llegar a través
del Área de Matemática (e-mail unamat@reaciun.ve) o de los Asesores de Matemática de los distintos Centros
Locales, cualquier sugerencia y comentario que nos permita mejorar este material en futuras ediciones.

VI
 RELACIÓN ENTRE MÓDULOS Y UNIDADES DEL CURSO DE
MATEMÁTICA II

Unidad I

Módulo I Unidad II

Unidad III

Unidad IV
Módulo II
Unidad V

Unidad VI
Módulo III

Unidad VII

Unidad I
Módulo IV
Ingeniería, Matemática y
Educación Matemática
Unidad II

Unidad I
Módulo IV
Administración y
Contaduría
Unidad II

Nota: Las flechas que no tienen trazo continuo indican que solamente se utilizan algunos conceptos y resulta-
dos de la unidad ubicada al inicio de la flecha.

VII
VIII
 ORIENTACIONES GENERALES

Para facilitarte el logro de los objetivos previstos en este Módulo, que forma parte del curso de MATEMÁ-
TICA II te indicaremos algunas orientaciones de utilidad en el desarrollo de las actividades previstas en el
mismo.

〈 En primer lugar, lee la presentación o introducción del módulo y su objetivo, que te proporcionan
un panorama global de lo que se intenta lograr.

El módulo se divide en Unidades de Aprendizaje y cada una comprende, a su vez, diversos temas.

〈 En segundo lugar, en el momento que inicies el estudio de cada unidad de aprendizaje, lee los obje-
tivos y la presentación o introducción de la Unidad en cuestión, la cual te suministra información
acerca de lo que se pretende que alcances cuando finalices el estudio de dicha unidad.

Las Unidades de Aprendizaje se dividen en temas enumerados con dos dígitos. El primer dígito indica
la unidad y el segundo la sección. A la presentación también le asignamos un par de dígitos.

Cuando algunos temas están subdivididos en subtemas en éstos la numeración tiene tres dígitos.

En el desarrollo del módulo encuentras lo siguiente:

1. Objetivo del Módulo.

2. Objetivos de las unidades de aprendizaje.

3. Presentación del Módulo y de las distintas unidades de aprendizaje.

4. Ejemplos, ejercicios, problemas y ejercicios propuestos que te sirven para adquirir familiaridad
con los conceptos y proposiciones que se dan.

Los ejemplos, ejercicios y problemas, corresponden a tres categorías según sus dificultades y
niveles de razonamiento como se especifica:

Ejemplos: Son ejercicios para adquirir habilidades de cálculo y en general son de tipo operatorio.
Con los ejemplos se intenta aclarar o ilustrar los conceptos y se trata de aplicar directamente
fórmulas, proposiciones y teoremas.

Ejercicios: Incluyen desde cálculos no inmediatos, pasando por la interpretación de un hecho,

hasta demostraciones breves. En muchos de estos ejercicios se requiere realizar algún razonamiento
que combine varios pasos, es decir, donde hay una integración de conocimientos.
Para la resolución de estos ejercicios se requiere, frecuentemente, el haber desarrollado las habili-
dades de cálculo suministradas por los ejemplos.

Problemas: Corresponden al nivel mayor de exigencia matemática, pues hay más integración de
conocimientos, con pasos y razonamientos más profundos. De éstos hemos colocado sólo unos
pocos.

Además hemos incluido secciones de Ejercicios Propuestos los cuales te servirán para poner en
práctica los conocimientos adquiridos. Las soluciones de los ejercicios propuestos se encuentran al
final del módulo. Debes hacer todo el esfuerzo necesario para resolver los ejercicios propuestos
aun cuando no llegues a la solución final en algunos de ellos. En las dificultades que encuentres al
abordar estos ejercicios, con el fin de resolverlos, descubrirás una forma de aprendizaje de gran
importancia para tí.

IX
 Las soluciones de los ejercicios propuestos se presentarán en general con todos los detalles posi-
bles, en algunos casos en forma parcial, en otros con sugerencias y en última instancia con la
simple respuesta, todo dependerá de las dificultades de cada uno de ellos.

En los Ejercicios Propuestos se distinguen los tres niveles de razonamiento indicados anteriormen-
te, respectivamente, sin colocar asteriscos o con un asterisco o dos asteriscos, al margen de la
página donde figura el enunciado respectivo.

Además de los ejercicios propuestos, y a medida que desarrollamos los contenidos programáticos,
formulamos preguntas o se propone alguna actividad, con respuestas breves, cuyo objetivo es acla-
rar algún aspecto puntual del tópico que se está explicando. Estas preguntas y actividades se
manifiestan mediante expresiones como las siguientes: ¿por qué?. Efectúa el cálculo, u otras
análogas. Si todavía te surgen dudas o no sabes responderlas, te recomendamos acudir al Asesor
de Matemática del Centro Local más cercano al lugar donde te encuentres.

5. En el módulo encontrarás autoevaluaciones que te servirán para verificar el logro de los objetivos.
Si las resuelves con seriedad y responsabilidad, te prepararán para responder con cierta versatilidad
las evaluaciones del curso. Además te darán insumos suficientes sobre el avance alcanzado por ti
a esa altura del curso.

Las soluciones de las autoevaluaciones las hallarás inmediatamente después que concluyan las
mismas. Se te recomienda que hagas todo el esfuerzo necesario para resolver responsable y seria-
mente estas autoevaluaciones. Recuerda que la responsabilidad es contigo mismo, no trates de
engañarte.

A medida que vayas adquiriendo práctica, te darás cuenta que no es necesario detallar tanto las
respuestas. Notarás también que hay muchos ejercicios y ejemplos que requieren de muchas cuen-
tas, es importante que las hagas todas, debido a la diversidad de casos presentados en cada
solución, de esa manera obtendrás la experiencia necesaria para abordar cualquier problema de
este nivel.

El objetivo de estos detalles analíticos en cada respuesta es que detectes todas las estrategias
usadas y te des cuenta de que no hay una respuesta modelo para resolver los problemas, notarás la
diferencia en la resolución de cada ejercicio. Si combinas las técnicas adquiridas en las soluciones
con un razonamiento geométrico, te estarás preparando para ser una persona crítica y consciente
de lo que aprende.

6. Al finalizar el Módulo encontrarás:

Resumen del Módulo, ahí se destacan los aspectos más importantes desarrollados en el mismo.

Glosario de términos, donde se dan los conceptos y enunciados importantes del Módulo.

Notas históricas (al finalizar algunas unidades)

Bibliografía Comentada. La misma te servirá para obtener información adicional, estudiar ejercicios
resueltos, resolver ejercicios propuestos ( con la terminología utilizada por los libros recomendados)
y estudiar otros enfoques sobre algunos temas que aquí se desarrollan.

Indice analítico, el cual te indicará la página donde encontrarás los conceptos tratados en el
curso.

7. El diseño de las páginas donde se desarrollan los contenidos programáticos comprende, además
de los contenidos, lo siguiente:

X
 Notas de pie de página que complementan algún aspecto del tópico desarrollado, dan alguna
información de tipo histórico o alguna reseña bibliográfica.

Notas al margen para llamar la atención sobre el tópico desarrollado, recordar una fórmula, propo-
sición o concepto de los estudiados en unidades de aprendizaje anteriores o en estudios previos al
curso.

Cuadros resúmenes de repaso acerca de contenidos que se necesitan para el desarrollo de la

unidad y que debes conocer por tus estudios previos.

En algunos casos se presentan formatos en varias columnas con el fin de que compares las
distintas formas de presentar el tema o la respuesta a un determinado ejercicio.

Además hemos usado un conjunto de íconos al margen del texto indicando lo siguiente:

Hace hincapié en la importancia de lo tratado en ese lugar, como es el caso de definiciones, teore-
☞ó☞ mas, etc.

? Indica que se hacen preguntas importantes que serán respondidas a continuación.

Se refiere a que hay ejercicios propuestos.

9 Se recomienda ver un videocasete como apoyo al tema desarrollado.

Se recomienda oír un audiocasete y trabajar con la guía de actividades como apoyo al tema
desarrollado.

Se recomienda el uso de calculadoras científicas.

’ Indica que se está dando el tiempo requerido para resolver las autoevaluaciones.

También usamos algunos símbolos que significan lo siguiente:

ˇ Indica que se está comenzando a resolver un ejemplo, ejercicio, problema o demostración de una
proposición o teorema.

n Indica que se llegó al final de la resolución del ejemplo, ejercicio, problema o demostración
de una proposición o teorema

® Indica el final del enunciado de una definición, teorema o proposición.

〈♥≈⁄ Se usan como separadores de items.

Algunos símbolos matemáticos utilizados son:

∪ Aproximadamente
 Pertenece
 No pertenece

XI
  Contenido o incluido en ( también se usa  )
 Unión de conjuntos
Intersección de conjuntos
→ Conjunto Vacío
÷ Implica
⌠ Si y sólo si o si y solamente si ( doble implicación)
≤ Ángulo

Algunas notaciones usadas

N, Z, Q, R o IR Denotan, respectivamente, los conjuntos de los números naturales, enteros, racionales

y reales

N*, Z*, Q*, R* o IR* Denotan, respectivamente N−{0} , Z−{0}, Q−{0} y R−{0}

IR2 , IR3, y IRn Denotan el espacio bidimensional, tridimensional y n-dimensional, respectivamente

AB Longitud del segmento de extremos A y B

A −B Diferencia de los conjuntos A y B ( { x: xA y xB} )

log logaritmo decimal (en base 10)

Ln logaritmo neperiano (en base e)

lim f(x)
x →x 0 Denota el límite de f(x) cuando x tiende a x0
f ′ , f ′′ Primera y segunda derivada de la función f, respectivamente.

f (n) Derivada de orden n de la función f

df
Derivada de la función f respecto a la variable x
dx

( aij )mxn Matriz de orden mxn

At Traspuesta de la matriz A

det A Determinante de la matriz A

In Matriz identidad de orden n

-1
A Matriz inversa de la matriz A

x.y Producto escalar de los vectores x e y

+T Mas infinito

-T Menos infinito

resp. Respectivamente

XII
 Si un fenómeno admite una explicación, admitirá también
cierto número de otras explicaciones, todas tan capaces
como la primera de elucidar la naturaleza del fenómeno en
cuestión.
Henry Poincaré, matemático Francés (1854-1912).

MÓDULO III
MATRICES Y SISTEMAS DE ECUACIONES LINEALES

Objetivo o Resolver sistemas de e c u a c i o n e s

lin e a l e s y problemas aplicando los
conceptos relacionados con las matrices.

13
14
 ÍNDICE

Pág.

PRESENTACIÓN................................................................................................................. 17

UNIDAD VI

MATRICES
6.1 Presentación ............................................................................................................ 21
6.2 Matrices.................................................................................................................... 21
6.3 ALgunas Matrices Especiales..................................................................................... 26
6.4 Adición de Matrices................................................................................................... 38
6.5 Multiplicación de un Escalar por una Matriz................................................................. 47
6.6 Producto Escalar. Norma de un Vector. Ángulo entre Vectores...................................... 59
6.6.1 Producto escalar.......................................................................................... 59
6.6.2 Norma de un Vector....................................................................................... 62
6.6.3 Ángulo entre Vectores.................................................................................... 66
6.7 Producto de Matrices................................................................................................. 69
6.8 Matriz Inversa........................................................................................................... 82
6.9 Las Matrices como Transformaciones del Plano........................................................... 87
AUTOEVALUACIÓN I ............................................................................................................................. 93

UNIDAD VII

SISTEMAS DE ECUACIONES LINEALES

7.1 Presentación............................................................................................................. 103
7.2 Sistemas de Ecuaciones Lineales............................................................................... 104
7.3 Forma Matricial de un Sistema de Ecuaciones Lineales................................................ 104
7.4 Sistemas Homogéneos............................................................................................... 107
7.5 Solución de un Sistema de Ecuaciones....................................................................... 109
7.5.1 Algunos Aspectos sobre las Soluciones de un Sistema de Ecuaciones................ 110
7.6 El Método de Reducción de Gauss -Jordan ................................................................. 116
7.7 El Método de Reducción de Gauss -Jordan para Resolver Sistemas
de Ecuaciones Lineales ............................................................................................
7.8 Cálculo de la Inversa de una Matriz Utilizando el Método de Gauss -Jordan 122
Gauss -Jordan ..........................................................................................................
AUTOEVALUACIÓN II.................................................................................................................... 128
135
RESUMEN...........................................................................................................................
SOLUCIÓN A LOS EJERCICIOS PROPUESTOS.................................................................. 143
GLOSARIO DE TÉRMINOS.................................................................................................. 145
BIBLIOGRAFÍA.................................................................................................................... 167
ÍNDICE ANALÍTICO.............................................................................................................. 171
173

15
16
 PRESENTACIÓN

En este módulo se estudiarán ciertos contenidos pragmáticos de la rama de la Matemática conocida como
Álgebra Lineal. Nos referimos a las matrices y los sistemas de ecuaciones lineales.

En una infinidad de problemas en distintas ramas del conocimiento existen relaciones entre las variables
( magnitudes que pueden tomar diferentes valores ) consideradas. Estas realciones pueden expresarse a través
de ecuaciones que pueden ser de varios tipos: lineales, no lineales, diferenciales (cuando intervienen derivadas
de funciones como incógnitas) ,etc. En muchos casos las variables de un problema deben satisfacer más de una
relación. Cuando cada una de estas relaciones se expresan en forma de “Ecuación Lineal “, el problema descrito
queda representado por medio de un sistema de ecuaciones lineales.

Como una gran gama problemas pueden ser expresados a través de ecuaciones lineales este tópico es de
gran relevancia en la formación de casi cualquier individuo con conocimentos en Matemática a niveles básicos y
por tal razón lo hemos incluido en este módulo del curso de Matemática II.

Además es importante abordar los sistemas de ecuaciones lineales en su forma matricial, siendo esta una
de las razones que justifica el estudio de las matrices ( primera unidad del módulo). En el estudio de las matrices
hemos tratado en lo posible de agregar situaciones que puedan tener interés desde el punto de vista de posibles
aplicaciones dentro de problemas prácticos así como para dar una visión de la utilidad de las matrices, dentro de
otros campos que no son precisamente dominios de la Matemática.

Por supuesto que abordamos las operaciones con matrices y con vectores, considerando estos últimos
como matrices. Se incluye el producto escalar usual, norma de un vector y ángulo entre vectores.

Concluimos la primera unidad del modulo exponiendo el concepto de matriz inversa, así como la presentación
de algunas transformaciones del plano, como es el caso de las isometrías: transformaciones del plano que
preservan la distancia.

La segunda unidad la dedicamos, en principio a exponer algunos aspectos de la parte conceptual de los
sistemas de ecuaciones. Luego nos dedicamos a estudiar el método de reducción de Gauss-Jordan que nos
servirá para resolver sistemas de ecuaciones lineales y para calcular de la inversa de una matriz, en caso de que
esta exista.

Al final de cada unidad hemos incluido una autoevaluación que te servirá para comprobar la adquisición del
conocimiento de los tópicos estudiados.

Finalmente debemos recordarte que los temas de matrices y sistemas de ecuaciones lineales son estudiados
a nivel de secundaria, aquí pretendemos reforzar lo conocimientos adquiridos a un nivel universitario.

17
18
 Unidad VI

Matrices

Objetivos o Efectuar ejercicios que involucren las operaciones

definidas con las matrices. Interpretar la acción
de ciertas matrices 2x2 como transformaciones
geométricas del plano IR2

o Resolver problemas relacionados con las matrices

19
20
 La ciencia es la progresiva aproximación del
hombre al mu ndo real (Max Plank, físico alemán
(1858-1947). Autor de trabajos sobre energía y crea-
dor de la teoría de los Quanta. Premio novel 1918)

6.1 Presentación

Desde tus estudios preuniversitarios has manipulado con un ente matemático conocido con el
nombre de MATRIZ(1) . Ahora volveremos a trabajar con este objeto por su gran utilidad, no sólo en
el ámbito matemático, sino en un sinnúmero de disciplinas del saber, como son: Educación,
Ingeniería, Medicina, Computación, etc. El interés en el estudio de las matrices reside en gran
parte en que con ellas se puede recoger un cúmulo de información de manera condensada
visualizándose de una manera más clara y organizada. Además, una gran variedad de problemas,
en particular de índole aplicados, son representados a través de matrices y resueltos usando
métodos donde intervienen las mismas, como es el caso de la programación lineal.

En la presente unidad retomaremos el concepto de matriz, y estudiaremos las operaciones de

adición y producto de matrices así como las propiedades de estas operaciones. También estu-
diaremos las propiedades del producto de un número real por una matriz. En el transcurso de la
unidad consideraremos los vectores como un caso particular de matrices. Culminamos esta
unidad presentando transformaciones del plano.

El desarrollo de la unidad lo haremos respondiendo un conjunto de interrogantes que iremos

planteando, entre las cuales podemos mencionar las siguientes:

¿ Qué es una matriz?

¿ Cómo se suman las matrices?

¿ Cómo se multiplica un número real por una matriz? ?

¿ Cómo se multiplican dos matrices ?

¿Existe alguna interpretación geométrica de algunas matrices como

transformaciones del plano ?

6.2 Matrices

Para comenzar nuestro estudio sobre las matrices debemos antes que nada, aclarar

¿Qué es una matriz ?

?
Si revisamos El Diccionario de la Lengua Española de la Real Academia Española del año

(1)
Las matrices fueron introducidas por el matemático ingles Joseph Silvester (1814-1879),
pero fue el también matemático ingles Arthur Cayley (1821-1895) quien las desarrolló.

21
 1992 encontraremos varias acepciones de la palabra matriz. Sin embargo, desde el punto de
vista matemático se presenta la siguiente definición:

+ Matriz: Conjunto de números o símbolos algebraicos colocados en líneas

horizontales y verticales dispuestos en forma de rectángulo.

Veamos algunos ejemplos para apreciar esta definición de una forma mas precisa y de
manera que obtengamos algunas evidencias del uso de las matrices como fuente de información .

Consideremos la cantidad de objetivos logrados por cinco alumnos de la Universidad en el

curso de Matemática I, en las tres primeras pruebas parciales y en la prueba integral, realizadas
en un determinado lapso. Supongamos que poseemos los siguientes datos:

• Gloria Arévalo no logró objetivos en la primera prueba parcial, logró un

objetivo en la segunda, dos en la tercera y dos en la prueba integral.
• José Bastidas logró un objetivo en la primera prueba, tres en la segun-
da, dos en la tercera y uno en la prueba integral.
• Pedro Martínez logró tres objetivos en la primera prueba, dos en la
segunda, uno en la tercera y tres en la prueba integral.
• Manuel Rodríguez logró dos objetivos en la primera prueba, uno en la
segunda, ninguno en la tercera y uno en la prueba integral.
• Luisa Zerpa logró tres objetivos en la primera prueba, dos en la segun-
da, uno en la tercera y dos en la integral.

Esta información puede ser difícil de manejar presentada de esta manera, situación que se
complica si consideráramos los objetivos logrados por todos los estudiantes de un Centro Local
o mas aun de la Universidad en un determinado lapso.

Una manera de visualizar mejor esta información es colocándola en una tabla como la siguiente:

Nombre 1era P 2da P 3era P P. I.

Arévalo Gloria 0 1 2 2
Bastidas José 1 3 2 1
Martínez Pedro 3 2 1 3
Rodríguez Manuel 2 1 0 1
Zerpa Luisa 3 2 1 2

En este caso, los números colocados en la tabla indican la cantidad de objetivos logrados por
el estudiante de la correspondiente fila, en la prueba indicada al principio de la correspondiente
columna. Así al observar la tabla podemos apreciar que el estudiante Pedro Martínez logró tres
objetivos en la primera prueba parcial, dos en la segunda, uno en la tercera y tres en la integral.
También podemos observar, por ejemplo, que los estudiantes que lograron mayor cantidad de
objetivos en la tercera prueba parcial fueron Gloria Arévalo y José Bastidas con un total de dos
objetivos cada uno.

Como puedes notar al agrupar los datos en una tabla, además de organizarlos podemos
extraer otras informaciones que serían difíciles de obtener si los presentamos en la forma inicial
( intenta obtener otras informaciones de los datos suministrados en la tabla, como por ejemplo: el
estudiante que logró mayor número de objetivos en lapso o el que logró menor número de objeti-
vos).

22
 Si en la tabla anterior suprimimos la primera columna y la primera fila, obtenemos el siguiente
cuadro

0 1 2 2
1 3 2 1
3 2 1 3 Cuadro de
números
2 1 0 1
3 2 1 2

el cual se corresponde con la definición de matriz extraída del diccionario.

Otra manera como usualmente se presenta este tipo de cuadro en matemática es de la forma:

0 1 2 2
 
1 3 2 1

3 2 1 3
2 1 0 1
3 
 2 1 2

que es como corrientemente se exhiben las matrices.

Otro ejemplo que frecuentemente aparece en la prensa es cuando se suministra informacio-

nes sobre los precios, en bolívares, de apertura y cierre de algunas acciones en la Bolsa de
Valores de Caracas un determinado día del año, así como el número de operaciones realizadas.
Por ejemplo, consideremos la siguiente tabla.

Acciones Precio Apertura Precio Cierre N° Operaciones

Banco Provincial 440 445 14
Banco Mercantil A 669 668 2
Constructora Carabobo 33 32 5
H. L. Bulton 12 11 60
Cerámicas Carabobo 310 295 2

Aquí podemos apreciar, por ejemplo, que las acciones del Banco Provincial fueron las únicas Obtén otras
que incrementaron el precio y que el mayor número de operaciones se realizaron con las accio- informacio-
nes de los
nes de H. L. Bulton. Te sugerimos que revises tablas de este tipo en la prensa, revistas, folletos, datos su-
libros etc. ministra-
dos en la
Los datos de esta tabla los podemos presentar en un cuadro o matriz como la siguiente tabla.

 440 445 14 
 
 669 668 2 
 33 32 5 
 12 11 60 
 310 295 2 
 
Hemos dado dos ejemplos de matrices usando la definición del diccionario. Sin embargo, para
evitar ambigüedades precisemos el concepto de matriz en la siguiente definición.

23
 (1)
Definición 6.1 (matriz )
Sean m81 y n81 números naturales. Una matriz , de orden mxn con coefi-
+
Matriz.
cientes en R es un cuadro rectangular de números reales de m.n números dis-
puestos de la siguiente manera

 a11 a12 ...a1j... a1n 

 
 a21 a22 ...a2j... a2n 
 . . .......... ... . 
 
 . . .......... ... . 
 
 ai1 ai2 ...aij... ain 
 . . .......... ... . 
 . 
 . . .......... ... . 
a am2 ...amj... amn 
 m1

Los m.n números aij reales ( i=1...m , j=1...n ) son denominados coeficientes ,
entradas o elementos de la matriz
u

Notaciones y Convenciones

• El orden de una matriz indica el número de coeficientes o entradas que tiene la matriz.
Además al referirnos que una matriz tiene orden mxn estamos indicando que el cuadro de
números, es decir la matriz, tiene m.n entradas dispuesta en un rectángulo con “m” filas y
Algunos “n” columnas. Además el rectángulo lo hemos delimitado con paréntesis a la derecha y a
autores la izquierda.
usan cor-
chetes.
 a11 a12 .....a1j..... a1n 
 
 a 21 a 22 .....a 2j .... a 2n 
 . . .......... ... . 
 
Columna j D  . . .......... ... .  Fila i
 
 a i1 a i2 .....a ij..... a in  D
 . . .......... ... . 
 
 . . .......... ... . 
a a m n 
 m1 am2 .....a mj....

Observa que al referirnos al elemento aij de una matriz estamos haciendo alusión al
coeficiente de la matriz que se encuentra en la intersección de la fila “ ï ” con la columna “j ”.

Como puedes observar esta matriz tiene las m filas siguientes:

(1)
Existe una definición formal del concepto de matriz usando funciones, que el estudiante interesado
puede consultar en textos de álgebra lineal.

24
 (a11 a12 ...a1j... a1n )
D primera fila
D
(a21 a22 ...a2j... a2n ) segunda fila
:
(ai1 ai2 .. .aij... ain )
D i-ésima fila Filas
de una
: Matriz.
( am1 am2 ...amj... amn )
D m-ésima fila

Mientras que las columnas de esta matriz son:

 a11   a12   a1j   a1n 

      
 a 21   a 22   a 2j   a 2n 
 .  .   .   . 
      
 .  .   .   .  Columnas
 a , a ,.....,  a ,......,  a  de una Ma-
 i1   i2   ij   in  triz.
 .  .   .   . 
      
 .  .   .   . 
a  a  a  a 
 m1   m2   mj   mn 

• En lugar de usar la letra ``ä´´ minúscula con un par de subíndices , para denotar a
los coeficientes de una matriz también utilizaremos otras letras minúsculas como b, c,
etc, o letras griegas como α, β, γ, etc. De esta manera en lugar de escribir aij escribire-
mos bij, c ij, αij, βij, o γij según sea el caso.

• Las matrices se denotan usualmente con letras mayúsculas como A, B, C etc, y frecuen-
temente al referirnos a la matriz ``Ä´´ escribimos, la matriz A=(aij) o bien A=(aij)mxn
si queremos destacar que su orden es mxn.

• Por último queremos destacar que dos matrices son iguales cuando tienen el mismo
orden (igual número de filas e igual número de columnas) y los coeficientes que ocupan Igualdad de
la misma posición son iguales, es decir las matrices A=(αij)mxn, B=(βij)pxk son iguales si matrices.
m=p, n=k (igual orden) y αij=βij para cada i=1,2,...,m y j=1,2,...,n.

Ejemplos 6.2

1. Consideremos nuevamente la matriz de los objetivos logrados por cinco estudiantes en las
pruebas aplicadas en el curso de Matemática I, es decir, la matriz

0 1 2 2
 
1 3 2 1
3 2 1 3
A= 
2 1 0 1
3 2 
 2 1

25
 Notemos que la matriz A tiene cinco filas y cuatro columnas, es decir su orden es 5x4.
Algunos de sus elementos son

a32=2 (3era fila 2da columna) a53=1 (5ta fila 3era columna)
a34=3 (3era fila 4ta columna) a54=2 (5ta fila 4ta columna)
n

2. Considera la matriz B=(bij), definida como sigue

 − 0,7 5 2 
 
 1 7 8 
B=  p 0 3. 
8
 
 0,1 215 15 


Entonces la matriz B tiene orden 4x3 , es decir B tiene cuatro filas y tres columnas. La
tercera fila de la matriz B es (π , 0 ,3 8 ) y la segunda columna

 5 
 
 7
 0 
 15 
2 
 
.
15
El coeficiente b13 es igual a 2, b42=2 y el coeficiente b22 es un número irracional.
n

 1 2 −3  1 2 
3. Las matrices A =  y B=  no son iguales porque A y B tienen
 0,5 − 4 7   0,5 − 4 

órdenes distintos : A tiene orden 2x3 y B tiene orden 2x2.

Las Matrices

 −1 8   −1 8 
   
C = 0,9 5 y D = 0,9 5 
   − 2 0,3
 − 2 1/3   
 

tienen el mismo orden 3x2 pero no son iguales porque tienen el coeficiente que se encuentra
en la tercera fila y segunda columna distinto c32 = 1/3 ≠ 0,3 =d32 .

6.3 Algunas Matrices Especiales

Esta sección la dedicaremos a introducir un conjunto de matrices especiales que son de uso
en una infinidad de problemas debido a ciertas características que poseen, razón por la cual
reciben calificativos particulares.

26

D
 Una matriz peculiar es aquella que tiene todas sus entradas nulas. Esta matriz la denomina-
remos matriz nula y la denotaremos por “0”. Si deseamos especificar su orden escribiremos
0mxn. Así, por ejemplo, cuando escribimos 02x4 nos estamos refiriendo a la matriz Matriz Nula.

0 0 0 0
02x4 =  
0 0 0 0

Otro tipo de matrices de uso corriente son aquellas que tienen igual número de filas y colum-
nas. La representación de este tipo de matrices tiene forma de un cuadrado, de allí su denomina-
ción de matriz cuadrada, es decir una matriz cuadrada es una matriz de orden mxn, donde m=n. Matriz
Por esta razón al referimos a una matriz cuadrada haciendo alusión a su orden escribiremos An Cuadrada.
en lugar de Anxn y diremos una matriz cuadrada de orden n o simplemente una matriz de orden n.

Algunos ejemplos de matrices cuadradas son los siguientes

 −1 15 0 0
 1 0
 1 2 3  
  ,   ,  e 2 − 1 − 0,08
0 4 5 
0 1 0 0 6 20 − 6 3 1/7 
   
 ln2 5100 2 3,14 


La primera matriz tiene orden 2, la segunda orden 3 y la última orden 4.

Si A=(aij) es una matriz cuadrada de orden n, se llama diagonal principal de la matriz A a

los elementos a11 , a22 ,..a33 , ,ann.

Diagonal Principal

 a11 
 
 a 22  Diagonal
 O  Principal
  de una
 ann 
 Matriz.

Diagonal Principal

Por ejemplo en la matriz

 -1 8 5 
 
 2 3 - 10 
 0,6 2 
 7 

la diagonal principal es −1, 3, 7 .

27
 Matrices Triangulares

Otras matrices de interés son las matrices cuadradas con la característica que las entradas
+
Matrices
que se encuentran por debajo de la diagonal principal son iguales a cero. Una matriz con esta
peculiaridad es llamada matriz triangulares superior(1) . De igual manera a una matriz cuadrada
triangula- se le denomina triangular inferior si todas las entradas por encima de la diagonal principal son
res. iguales a cero. Una representación de tales matrices es la siguiente

 a11 a12 L a1n 

Observa  
que a ij=0 si 0 a 22 L a2n  Matriz Triangular Superior
i>j. 0 0 O M 

0 0 L ann 


Observa
que a ij=0 si
i<j.
 a11 0 L 0
 
Matriz Triangular Inferior
 a21 a22 L 0
 
M M O 0
 an1 an2 L ann 


Algunos ejemplos de estas matrices son

 −1 8 0,2
1 4   
Matrices triangulares superior >    0 2 −6
0 0,9 0 0 5
 

1 0 0 0
  0 0 0
− 6 −1 0 0   
Matrices triangulares inferior >  9 0 0
5 0 3 0 3 1 0
   
9 0 7 0,5


+
Hay otras matrices importantes denominadas matrices simétricas. Una matriz cuadrada
Matriz A=(αij) es simétrica si αij = αji para cada i=1,2,...n y j=1,2,...,n..
Simétrica.

Algunos ejemplos de matrices simétricas son los siguientes

(1)
Estas matrices aparecen en la resolución de sistemas de ecuaciones.

28
 0 2 0,5 8 
Matrices simétricas 1 5 6   
  2 1 −1 5 
5 2 7  0,5
6 7 − 4 −1 0 7 
   
8 5 7 −5


Observa que en las matrices simétricas hay simetría de los coeficientes respecto de la dia-
gonal principal, es decir la diagonal principal actúa como un espejo.

Dentro de las matrices simétricas hay una de particular importancia denominada matriz
identidad de orden n denotada por In, es una matriz cuadrada cuyas entradas no nulas son las
de la diagonal principal las cuales son todas iguales a 1, es decir, la matriz identidad de orden n
tiene el siguiente aspecto.

1 0 L 0
 
0 1 L 0
In = 
M 0 O M
 
0 0 L 1  Matriz Iden-
  tidad.

1, i = j
Observa que si In=(aij) entonces aij = 
0, i ≠ j

Antes de concluir esta parte no debemos pasar por alto otro tipo de matrices que conocemos
de nuestros estudios de secundaria, como son los vectores. Recordemos que el producto carte-
siano IRxIR se denota por IR2 y en consecuencia

IR2 = { (x , y ) : x,y∈IR },

es decir IR2 es el conjunto de pares ordenados de números reales.

De una manera similar el producto cartesiano IRxIRxIR se denota por

IR3 = { (x , y , z ) : x,y,z∈IR }

y en este caso consideramos ternas de números reales

Los elementos, tanto de IR2 como de IR3 son llamados vectores y usualmente son denotados Algunos
con letras minúsculas en negrillas, así por ejemplo, escribimos el vector x = (−1,6) o autores
y = (−1,3, −8) para referirnos respectivamente al vector .(−1,6) de IR2 o al vector (−1,3,−8) de escriben
IR3. Los vectores de IR2 o IR3 son representados geométricamente dibujando una flecha que r
x en lugar
comienza en el punto origen de coordenadas (0,0) si estamos trabajando en el plano y culmina de x.
en el punto (x,y) como se muestra a continuación

29
 Representación geométrica Representación geométrica
del vector x = ( x1 , x 2 ) de IR2 del vector x = ( x1 , x 2 , x 3 ) de IR3

y
z
x3
Vectores x2
en IR2 y x
IR3. x

0 x1 x y
0x 2

x1

Ahora bien, si consideramos una matriz de orden 1x2, tendremos una matriz del tipo (x 1 x 2) y
si consideramos una matriz de orden 1x3 obtendremos una matriz del tipo (x 1 x 2 x 3). Estas
+
Matriz Fila.
matrices se conocen como matrices fila. En general una matriz fila es una matriz de orden 1xn
y nos referiremos a la misma como una matriz fila de orden n.

( a11 a12 ... a1n ) Matriz Fila

Como podrás observar no existe diferencia entre una matriz fila de orden 2 o 3 y un vector
de IR2 o IR3 según sea el caso (salvo la separación de los elementos por comas que se hace en
el caso de los vectores). Por esta razón hablaremos de matrices fila de orden 2 u orden 3 y de
vectores de IR2 o IR3 como sinónimos respectivamente.

En general una matriz fila de orden n (x 1 x 2 ... xn) la identificaremos con los elementos del
producto cartesiano de IR consigo mismo, n-veces (IR x I Rx n..........
veces
.... xIR) . Este producto, carte-
n
siano lo denotamos por IR , es decir

+
Vectores en
IRn = { (x 1 , x 2 ,..., x n ) : x1,x 2,...,x n∈IR }.

IRn
Así, IRn está constituido por n-uplas de números reales que también llamaremos vectores de
IR o matrices filas. Si x=(x1 ,x2,...,xn) es un vector de IRn , los números x1 ,x2,...,xn son
n

llamados componentes o coordenadas del vector x.

Otro tipo de matrices que guardan similitud con las matrices fila son las matrices columnas
+
Matriz Co-
las cuales son aquellas matrices que tienen una sola columna, es decir una matriz columna, es
una matriz del tipo
lumna
 a11 
 
Matriz Columna  a21 
M 
a 
 n1 

Al igual que con las matrices fila, identificaremos las matrices columnas con los vectores de IRn..

30
Ejercicios 6.3

1. Construir una matriz de orden 3x4 de manera que verifique las siguientes condiciones: la
suma de los coeficientes de la primera fila sea igual a cuatro, las entradas de la segunda
fila son todas iguales a cero y el producto de las entradas de la última fila es igual a 12.

 a11 a12 a13 a14 

s De acuerdo a las condiciones impuestas la matriz tiene la forma  
 0 0 0 0 ,
donde a 
 31 a32 a33 a34 

a11 + a12 + a13 + a14 = 0 y a31 . a32 . a33 . a34 = 1. Como se puede observar existe muchas
soluciones al problema planteado, tres de ellas son:
Halla otras
 
0 0 0 4  1 −2 4 1  0,5 0,2 − 1,8 5,1 
matrices
      que cum-
0 0 0 0  0 0 0 0  0 0 0 0  . plan con
2 3 2 1 −2  2 17 
   1 6 − 1 
3
−
140
− 
las mis-
 5 7 17 2  mas condi-
n ciones.
Compruébalo.

 2x + y 0 
2. Determina los valores de x, y para que la matriz A =   sea la matriz nula
2x2.  0 - x + 2y - 1

s La matriz A es la matriz nula si todas sus entradas son nulas, es decir si

 2x + y = 0

 − x + 2y − 1 = 0

Resolvamos este sistema de ecuaciones. De la primera ecuación resulta y = −2x. Al

sustituir este valor de “y” en la segunda ecuación obtenemos –x–4x–1 = 0, es decir
x = −1/5. Sustituyendo este valor de “x” en la primera ecuación y resolviendo resulta
y=2/5. Por lo tanto la matriz A es la matriz nula si x = –1/5, y = 2/5.
n
a 4 -3 
 
3. Determina explícitamente la diagonal principal de la matriz C = - 1 a + 2 0,7  sabien-
0 1 a - 14 


do que ”a”es el sexto término de una progresión geométrica de razón r = 3 y con segundo
término igual a 11.

s Si denotamos por bn al término general de la progresión tenemos que b2 = 11. Como bn

es una progresión geométrica de razón r=3, entonces

b3=b 2 r =33, b4=b 2 r2 =99 b5= b2 r 3 =297 b6=b 2 r 4 =891

y así de acuerdo a las condiciones del problema obtenemos que a = b6 = 891. Por lo
tanto la diagonal principal de la matriz C es 891 893 877 ¿por qué?.
n

31
 6.4 Adición de Matrices

Recordemos que con los números, las funciones y las sucesiones (que son un tipo particu-
lar de funciones) se definen operaciones de adición y multiplicación que cumplen un conjunto
de propiedades: asociativa, conmutativa, existencia de elemento neutro entre otras.

En el conjunto de las matrices también podemos definir operaciones que cumplen propie-
dades similares a las operaciones definidas en los conjuntos numéricos o en el conjunto de
las funciones. Esta sección y las dos que prosiguen las dedicaremos a definir estas operacio-
nes y a estudiar sus propiedades. Para comenzar te presentamos un cuadro donde te
recordamos las propiedades que tiene la adición en el caso de los números naturales, ente-
ros, racionales, reales y las funciones y sucesiones.

CUADRO REPASO
OPERACIÓN ADICIÓN

Conjunto Propiedades

N números naturales Asociativa (n+m)+p = n+(m+p)

Conmutativa n+m = m+n
Existe elemento neutro 0+n = n+0 = 0

Z números enteros Asociativa

Conmutativa
Existe elemento neutro
Existe el simétrico u opuesto de cada elemento n+(-n) = (-n)+n = 0

Q: números racionales Asociativa

Si a,b,c y d son números Conmutativa
enteros tales que b=0 y Existe elemento neutro
d=0. Definimos la suma Existe el opuesto de cada elemento
a c ad + bc
+ =
b d bd

IR números reales Asociativa

Conmutativa
Existe elemento neutro
Existe el opuesto de cada elemento

Funciones de IR en IR Asociativa
Conmutativa
Si f,g:IR→IR son funciones Existe elemento neutro para la suma
se define la función suma (la función nula f(x)=0, para todo x∈IR)
f+g: IR → IR por Existe el opuesto de cada elemento
(el opuesto de la función f es la función –f,
(f+g)(x) = f(x)+g(x), x∈IR. definida por (–f)(x) =–f(x))

Sucesiones de números Asociativa

reales Conmutativa
Existe elemento neutro para la suma
(la sucesión nula an=0, para todo n)
Existe el opuesto de cada elemento
(el opuesto de la sucesión an es la sucesión –an ).

38
Ejercicios Propuestos 6.4

1. Halla números α, β y γ tales (α , −4β , 2 γ2) + ( 2β , 3α ,15γ ) = (1 , 2 , 8).

2. Verifica que la adición de vectores en IR 3 cumple con las propiedades: asociativa,

conmutativa, el vector 0 = ( 0 , 0 , 0 ) es el elemento neutro y el vector opuesto al vector
x = ( x1 , x 2 , x 3 ) es el vector –x = (-x 1 ,-x 2 ,-x 3 ).
*
3. Generaliza y demuestra las propiedades anteriores para IRn.
**
4. Determina cuáles de la siguientes pares de matrices se pueden sumar y en dado caso
hacer la suma correspondiente.
 −1 0 5 
a. A=(2 5 6), B =  
 − 9 77 2,5
 5 11
 −1 0 7  
b. C =  , D = − 8 3 
 − 9 5 2  
 12 0,5 
 

 1 2 3 4  − 1 2 15 24 
   
c. E =  5 0 6 7 , F =  − 2 0 6 17  .
 9 8 11 7   − 7 8 11 7 
   

1 − 2   y 3
5. Halla x e y sabiendo que  +   = 1 1 
 .
   
3 6  1 y  4 − 5x 

6. Sea A y B matrices de orden nxm tales que A = B. Demuestra que si X es una matriz de
orden nxm, entonces A + X = B + X (1) .

7. Halla una matriz X tal que A+X=B, donde las matrices A y B están definidas como sigue
**
 1 − 5/7 2π   −9 2/5 − 3π 
A =  , B =  
3 
.
 − 8 2/3  1/2 − 1/9 1/ 3 

8. Verifica que la suma de dos matrices: triangulares superiores, triangulares inferiores,

diagonales es una matriz triangular superior, triangular inferior, o diagonal, respectivamente. *
9. Demuestra que toda matriz cuadrada se puede escribir como suma de:
a. una matriz triangular superior y una matriz triangular inferior,
b. una matriz triangular superior, una matriz triangularl inferior y una matriz diagonal,
c. una matriz simétrica y una triangular inferior o triangular superior.

(1)
Este resultado nos garantiza que si A, B y C son matrices del mismo orden, entonces si A+B=C,
tenemos que A+B+(-B)=C+(-B), luego A+0=C -B y por lo tanto A=C-B. En conclusión
A+B=C ⇒ A=C-B .
Como podrás observar utilizando este resultado podemos “despejar” en ecuaciones donde intervie-
nen matrices.
45
6.6 Producto Escalar. Norma de un Vector. Ángulo entre vectores.

Esta sección la dedicaremos a exponer tres conceptos de uso frecuente cuando se traba-
ja con matrices filas o columnas (vectores) como son: producto escalar, norma de un vector y
ángulo entre vectores.

6.6.1 Producto Escalar

El producto escalar de vectores puede ser utilizado en muchos problemas de la vida coti-
diana, por ejemplo, supongamos que un fabricante produce cuatro artículos a1, a2, a3 y a4
cuya demanda por unidades está reflejada en la siguiente tabla.

Demanda a1 a2 a3 a4
Unidades 15000 20000 25000 10000

Esta demanda la podemos representar a través de un vector

d = (15000 , 20000 , 25000 , 10000),

que denominaremos “vector de demanda”.

Supongamos además que el fabricante vende cada uno de estos artículos a los siguientes
precios:

Precio a1 a2 a3 a4
Bolívares 100 180 200 300

los cuales los representamos mediante el vector p = (100 , 180 , 200 , 300), que llamaremos
“vector precios”.

¿ qué ingreso tendrá el fabricante si es satisfecha toda la demanda?

El ingreso por la venta de cada artículo es:

• 15000 . 100 = 1.500.000 bolívares por el primer artículo.

• 20000 . 180 = 3.600.000 bolívares por el segundo artículo
• 25000 . 200 = 5.000.000 bolívares por el artículo a3
• 10000 . 300 = 3.000.000 bolívares por el artículo a4

De esta manera el ingreso total por la venta de los cuatros artículos es :

15000.100 + 20000.180 + 25000.200 + 10000 .300 = 13100000 bolívares.

En realidad lo que hemos hecho para obtener este resultado es una especie de producto
de los vectores demanda y precios d y p, multiplicando cada una de sus correspondientes
coordenadas y luego sumando estos resultados, como se muestra a continuación

d.p = (15000 , 20000 , 25000 , 10000) . (100 , 180 , 200 , 300)

= 15000.100 + 20000.180 + 25000.200 + 10000 .300
= 13100000 bolívares.

Esta forma de multiplicar vectores y obtener un número real es lo que se conoce como
producto escalar de vectores y que precisamos en la siguiente definición.

59
 AUTOEVALUACIÓN I

TIEMPO ESTIMADO : 3 horas ‘

INSTRUCCIONES: Esta autoevaluación esta dirigida a los contenidos de la unidad 7 del
Módulo. Encontrarás preguntas de “selección simple” de “verdadero
y falso” y de “desarrollo”. Intenta responder todas las preguntas.

PARTE I

En los siguientes enunciados selecciona la alternativa correcta haciendo las correspondientes justifica-
ciones.
 1 2/3 − 1/2  2 − 1/2 − 2/3
1. Sean A =  , B = 
 1 0,5  , α = 2 y β = 1/2, entonces α A + β B es igual a:
 3 0,5 0   1
 6 1/4 − 4/3
a)  
13/2 1,25 −1/2

 9/2 − 2/3 − 19/12 

b)  
 7/2 1,25 2 

 3 − 1/6 − 7/6
c)  
 1
4 1
 3 13/12 − 4/3
d)  
 1/2
 13/2 1,25

 1 − 1 0 2  7 − 1 0
   
2. Sea A =  3 5 − 2 3 B =  2 − 3 1 . Entonces el producto matricial AB no se puede realizar
 2 4 5 5  − 3 − 1 4
   
porque:
a) El número de filas de la matriz A es igual al número de columnas de la matriz B.
b) El número de columnas de la matriz A es distinto al número de columnas de la matriz B.
c) El número de filas de la matriz A es igual al número de filas de la matriz B.
d) El número de columnas de la matriz A es distinto del número de filas de la matriz B.

3. Sea λ un número real no nulo entonces el ángulo entre los vectores u = (0, 2λ , −λ/3) y
v = (0, 7 2 λ , 5 2 λ) es
π 6 6
a)
4
π
b)
3
c) π
6
π
d)
2

93
 “El hombre no puede realizar nada si no ha
comprendido primero que sólo debe contar
consigo mismo ”
Jean Paúl Sartre, filósofo y escritor francés, nacido
en París en 1905.
Rehusó el Premio Nobel que le concedieron en 1964.

7.1 Presentación

En el estudio de una gran variedad de problemas se presentan situaciones donde tenemos

que resolver una o varias ecuaciones. El tratar de hallar soluciones de estas ecuaciones
puede ser una tarea difícil y hasta imposible de cumplir. El caso particular de encontrar las
soluciones de varias “ecuaciones lineales” se ha convertido en uno de los problemas prácticos
que aparecen con gran frecuencia en áreas de la misma matemática: Álgebra, Cálculo, Esta-
dística, Probabilidades, como en otras áreas del conocimiento, como: Biología, Física, Eco-
nomía, Psicología, Ingeniería, etc.

En esta Unidad estudiaremos algunos aspectos involucrados con los sistemas de ecuaciones
lineales. Usaremos las matrices y sus operaciones como herramientas para describir los sis-
temas de ecuaciones lineales. Además usaremos el método de Gauss(1)-Jordan(2) para la
resolución de sistemas de ecuaciones lineales y para determinar la inversa de una matriz en
caso de que exista.

Seguiremos un esquema parecido al desarrollado en la Unidad anterior donde respondi-

mos un conjunto de interrogantes planteadas al inicio de la Unidad. En este caso nos propo-
nemos responder, entre otras, las siguientes preguntas:

¿ Qué es un sistema de ecuaciones lineales?

¿ De qué manera podemos usar las matrices para representar un sistema de

ecuaciones?

¿Tiene alguna solución un sistema de ecuaciones lineales? ?

y si las tiene

¿Cuántas son?

¿En qué consiste el método de Gauss-Jordan?

Por último debemos advertirte que algunos de los tópicos (ecuaciones y sistemas de
ecuaciones lineales) fueron estudiados en tus estudios preuniversitarios. Aquí reforzaremos
lo estudiado a un nivel universitario.

(1)
Carl Friederich Gauss (1777-1885) matemático alemán considerado por muchos como el mas grande
matemático que haya existido jamas y también como uno de los mas grandes genios de la ciencia,
superado quizás tan solo por Newton. Esto se debe a que la obra de Gauss abarcó casi todo el
conocimiento científico de su época con contribuciones fundamentales en las Matemáticas, la Física,
la Estadística y la Astronomía.
(2)
Marie Ennemond Camille Jordan (1838-1922) matemático francés mejor conocido como Camile
Jordan y reconocido por sus trabajos particularmente en Álgebra. .

103
Ejercicios Propuestos 7.4

1. Considera los sistemas de ecuaciones

 x1 − x 2 − x3 − 4 = 0  x1 + x 2 = 0
 
a.  x − 2 y + 5z = 2 b. 2 x1 + x 2 = 3 x 3 + 9 c.  3 x1 = x 4
 
3 x + 8 y − 2z = 0  4
3 x1 = −3 x 2 − 3 + 2 x 3 2x1 + 3 x 2 = − 4 x 3

Escribe estos sistemas de ecuaciones de la forma matricial AX = B y determina cuáles de

ellos son homogéneos y cuáles no.

2. Las siguientes matrices son las matrices ampliadas de sistemas de ecuaciones lineales.
Reconstruye el sistema de ecuaciones correspondiente y determina cuáles son homogé-
neos y cuáles no.
 1 2 −1 0 0
2 1 − 1 5   
a.   b.  1 0 5 0 c.  − 3 1,1 7 6 − 1
0 1 0 2   2 7 − 1 0  1/2
 1 3 0 1   0 3/5 9 0
   
 −1 − 2 0,1 − 1/2 2 


7.5 Solución de un Sistema de Ecuaciones

Antes de continuar nuestro estudio de los sistemas de ecuaciones lineales debemos aclarar

¿ Qué es una solución de un sistema de ecuaciones lineales?

¿ Cuántas soluciones posee un sistema de ecuaciones lineales?

?
8 x + 2y = 0
A fin de aclarar este concepto consideremos el sistema de ecuaciones  . Si
 x − 2y = 1
sustituimos las incógnitas por los valores x = 1/9 , y = -4/9, obtenemos que

8(1/9) + 2(-4/9) = 8/9 - 8/9 =0 , 1/9 - 2(-4/9) = 1/9 + 8/9 = 9/9 =1.

Es decir, al sustituir los valores x = 1/9 , y = -4/9 por las incógnitas obtenemos identidades
(igualdades). Mientras que si sustituimos en el sistema de ecuaciones los valores x = -1,
y = 4, resulta:

8(-1) + 2(4) = -8 + 8 = 0 , -1 - 2(4) = -1 - 8 = -9  1,

que NO son igualdades.

En el primer caso, a los valores x = 1/9 , y = -4/9 se denominan solución del sistema de
ecuaciones, mientras que en el segundo caso los valores x = -1, y = 4 no son una solución del
sistema de ecuaciones. Con mayor precisión:

111
 7.7 El Método de Reducción de Gauss-Jordan para Resolver Sistemas de Ecuaciones Lineales

Nuestro principal objetivo en esta sección es utilizar el método de reducción de Gauss-

Jordan para determinar las soluciones de un sistema de ecuaciones lineales, siempre que
estas existan.

El método se basa en que si A es la matriz ampliada de un sistema de ecuaciones lineales,

entonces al hacer una transformación elemental por fila sobre la matriz A, la nueva matriz
resultante es la matriz ampliada de un sistema de ecuaciones lineales que tiene las mismas
soluciones que el sistema original.

 x + 2 y + 3z = 1

Por ejemplo si tenemos el sistema de ecuaciones 4 x + 6y = 3 la matriz ampliada

 1 2 3 1
  x + z = 1
del sistema de ecuaciones es  4 6 0 3  . Al hacer transformaciones elementales so-
 1 0 1 1
 
bre las filas de la matriz ampliada del sistema, tenemos:

Transformación de Filas Nueva Matriz Ampliada Sistema de Ecuaciones

Modificado

x + z = 1
 1 0 1 1 
Intercambiamos la primera y
  4 x + 6y = 3
la tercera fila
 4 6 0 3  x + 2 y + 3z = 1

F1♦F3  1 2 3 1
 
Observa que hemos intercam-
biado la primera y última ecua-
ción

x + z = 1
Le sumamos a la tercera fila  1 0 1 1 
la primera multiplicada por   4 x + 6 y = 3
-1  4 6 0 3 2 y + 2z = 0
  
F3♦F3-F1  0 2 2 0
Hemos sumado a la última
ecuación la primera multipli-
cada por -1

x + z = 1
1 0 1 1 
Sumamos a la segunda ecua-   6 y − 4 z = −1
ción la primera multiplicada por 0 6 − 4 − 1 2 y + 2z = 0
 
2 0 
-4
F2♦F2-4F1 0 2
Hemos sumado a la segunda
ecuación la primera multipli-
cada por −4

124
 Antés de resolver la Autoevaluación te invitamos a trabajar

9 con un audiocasete y su guía de actividades que podrás

solicitar en tu Centro Local

Ahora, que haz finalizado esta Unidad de Aprendizaje y antes

de resolver la Autoevaluación te invitamos a ver en tu Centro
Local un videocasete relacionado con el contenido
estudiado.

136
MÓDULO III segunda coordenada de x es x 2=1 o x2=2.

SOLUCIÓN A LOS EJERCICIOS PROPUESTOS

La tercera coordenada de x es x3=1−5+3+7=6
A continuación presentamos las soluciones de casi
todos los ejercicios propuestos a lo largo de este
La última coordenada de x es a
módulo. En algunos de ellos daremos la respuesta
completa, en otros exponemos resultados parciales  1 + 4k 
x 4∈A=  π : k ∈ Z  ¿por qué?.
o únicamente el resultado final y en otros no damos  4 
la solución. Si tienes dificultades en resolver estos
En conclusión x = (43, x2 , 6 , x4 ) donde x2=1 o
últimos debes consultar a tu asesor
x 2=2 y x4∈A.

5. Un cuadro que representa los precios de ventas

UNIDAD 6 de los vendedores es el siguiente

Ejercicios Propuestos 6.3 Tomate Papas Cebollas Pimentón Zanahoria

V1 1200 800 1110 2800 750
1. Como ln 8 ≈ 2,08 , 2 3 ≈ 1,16 , e ≈ 7,39
2
V2 1220 780 1175 2825 760
15-π ≈-5,13, podemos considerar
2 V3 1160 820 1225 2790 740
x = (−2 ; 2,08) , y = (1,16 ; −3,2) , V4 1215 795 1180 2810 755
z = (7,39 ; 5,13).
Al hacer las representaciones de estos vectores Intenta representar los datos de los precios en
obtenemos: y otro cuadro.

6 Una matriz que recoge la información del cuadro

5 anterior es
4 1200 800 1110 2800 750
3  
z A=  1220 780 1175 1825 760
x
2 1160 820 1225 2790 740
1 
1215 795 1180 2810 755

−2 0 1 2 3 4 5 6 7 8 x
y
Al observar el cuadro o la matriz anterior notare-
-2
mos que el valor mínimo de la compra de la mer-
-3
cancía solicitada es

Vmin= 4.1160 + 2,5.1110 + 4,5.780 + 1,25.2790 +

3. Puesto que la suma de las coordenadas del vector
x es igual a 2, obtenemos: +1,6.740 = 15596,50
β + β −18 + β+10 − β+15 + β2 −20 = 2,
y el valor máximo
luego β2 + 2β − 15=0 y así β=3 o β= −5. Por lo
tanto x = (3, −15, 13, 12, −11) o Vmáx = 4.1220+ 2,5.1225 + 4,5.820 + 1,25.2810 +
x = (−5, −23, 5,20, 5)
+1,6.760 = 16361
4. Si denotamos por an el enésimo término de la
progresión aritmética, tenemos que a1= a31 = 3 y El ahorro máximo que se puede hacer es:
así a6 = 3−5.8 =−37, luego la primera coordena- Vmáx − Vmín = 764,0
da de x es x1=−37.
Haz estos cálculos con los costos reales de estos
Al resolver la ecuación z3−4z 2+5z−2 = 0 obtene- productos en el mercado.
mos que las raíces de esta ecuación son 1 y 2
(¿cómo se calculan estas raíces?), luego la
147
 GLOSARIO
ÁNGULO ENTRE VECTORES.
Si x , y son vectores no nulos de IR n., el ángulo θ∈ [0, π ) entre los vectores x , y está definido
x.y
como θ = arco cos .
xy
COLUMNA DE UNA MATRIZ.
Línea constituida por los elementos ubicados en forma vertical en una matriz.

DIAGONAL PRINCIPAL DE UNA MATRIZ.

Se llama diagonal principal de una matriz cuadrada al conjunto de elementos cuyos subíndices de fila y de
columna son iguales.

ECUACIÓN LINEAL.
Es una ecuación de la forma: a1x 1+a2x 2+....+anx n = b, donde x1, x2, ...,x n son incógnitas y a1, a2,.., an y b son
números.

ESCALARES.
Son elementos que pertenecen al conjunto de los números reales.

FILA DE UNA MATRIZ.

Línea constituida por los elementos ubicados en forma horizontal en una matriz.

GRAFO.
Conjunto de puntos (llamados vértices) que están interconectados o no por un conjunto de segmentos o
“curvas” (llamadas aristas) que no se cortan salvo posiblemente en los vértices.

ISOMETRÍA.
Transformación lineal del plano en si mismo que preserva las distancias.

MATRIZ.
Cuadro rectangular de números

MATRIZ AMPLIADA O AUMENTADA.

Es la matriz de los coeficientes de las incógnitas y los términos independientes, en un sistema de ecuaciones
lineales.

MATRIZ ANTISIMÉTRICA.
Es una matriz A cuyas traspuesta es igual a la matriz opuesta −A.

MATRIZ CUADRADA.
Matriz que tiene el mismo número de columnas que filas.

MATRIZ DE LOS COEFICIENTES.

Matriz formada con los coeficientes de las incógnitas en un sistema de ecuaciones lineales.

MATRIZ DE LAS INCÓGNITAS.

Vector columna formado por las incógnitas del sistema de ecuaciones.

MATRIZ DE LOS TÉRMINOS INDEPENDIENTES.

Vector columna formado por los términos independientes de un sistema de ecuaciones.

MATRIZ DIAGONAL.
Matriz con todas las entradas iguales a cero salvo posiblemente las ubicada en la diagonal principal.

169
 MATRICES EQUIVALENTES.
Se dice que una matriz A es equivalente a una matriz B, si B se puede obtener de A por medio de un número
finito de operaciones elementales entre filas o entre columnas.

MATRIZ IDENTIDAD.
Matriz cuadrada cuyas entradas son todas iguales a cero salvo las que se encuentran en la diagonal principal
que son iguales a uno. Se denota por In.

MATRIZ INVERSA.
Si M es una matriz cuadrada de orden n, una matriz M´ (cuadrada de orden n) se llama inversa de la matriz
M, si el producto de las dos matrices es igual a la matriz identidad In. La matriz inversa de una matriz M se
-1
denota por M .

MATRIZ NULA.
Matriz cuyas entradas son todas iguales a cero.

MATRIZ OPUESTA.
Una matriz B, m x n, es la opuesta de una matriz A, m x n, si se verifica que A+B = 0 (0 matriz nula m x n).

MATRIZ REDUCIDA POR FILAS.

Una matriz m x n se llama reducida por fila o escalonada si es triangular superior.

MATRIZ SIMÉTRICA.
Matriz cuyas entradas son iguales si su posición es simétrica respecto a la diagonal principal.

MATRIZ TRASPUESTA.
Si A es una matriz m x n, la traspuesta de A es la matriz n x m (denotada por At), cuyos coeficiente bij es
igual al coeficiente aji de la matriz A .

MATRIZ TRIANGULAR INFERIOR.

Matriz cuadrada cuyas entradas que se encuentran por encima de la diagonal principal son iguales a cero

MATRIZ TRIANGULAR SUPERIOR.

Matriz cuadrada cuyas entradas que se encuentran por debajo de la diagonal principal son iguales a cero.

NORMA DE UN VECTOR.
Se denomina norma o módulo de un vector x = (x 1 , x2 ,... xn) de IR n, al número | x | definido por
| x |= x.x = x 12 + x 22 + ... + x 2n

SISTEMA DE ECUACIONES LINEALES.

Es un conjunto de ecuaciones lineales . Es decir:
 a11x 1+a12x 2+....+a1nx n = b1
 a x +a x +....+a x = b
 21 1 22 2 2n n 2

....


 am1x 1+am2x 2+....+amnx n=b m

Los números aij, i=1...m, j=1...n son llamados coeficientes, los números bi,i = 1,...,m se denominan términos
independientes y x1,x 2,...,x n incognitas.

SISTEMA DE ECUACIONES HOMOGÉNEAS.

Un sistema de ecuaciones lineales es homogéneo si los términos independientes de cada ecuación son iguales
a cero.

170
SISTEMA DE ECUACIONES NO HOMOGÉNEAS.
Un sistema de ecuaciones lineales es no homogéneo si por lo menos uno de los términos independientes es no
nulo.
SISTEMAS EQUIVALENTES.
Dos sistemas de ecuaciones lineales son equivalentes si cada ecuación de cada sistema es combinación lineal
de las ecuaciones del otro sistema.

TRANSFORMACIONES LINEALES EN EL PLANO.

Toda función T:IR2→IR2 tal que existe una matriz A de orden dos, verificando T(X) = AX, X∈ IR2.

TRAZA DE UNA MATRIZ.

Suma de los elementos de la diagonal principal de una matriz cuadrada.

PRODUCTO ESCALAR
Si x = (x 1 , x 2 ,..., x n) , y = (y 1 , y 2 ,..., y n) son vectores de IRn. El producto escalar de los vectores x , y se
define mediante la relación: x.y = x 1y 1 + x 2y 2 +...+ x ny n.

VECTORES CANÓNICOS.
En IR2 son los vectores i=(1,0), j=(0,1). En IR3 so los vectores i=(1,0,0), j=(0,1,0) y k=(0,0,1). En IRn son los
vectores e 1= (1,0,..,0), e 2=(0,1,0,...,0),..., e n=(0,0,...,1).

VECTOR COLUMNA.
Es toda matriz de orden m x 1, es decir, tiene m filas y una sola columna.

VECTOR FILA.
Es toda matriz de orden 1 x n, es decir, tiene una sola fila y n columnas.

171
172
 BIBLIOGRAFÍA

En relación a la bibliografía existen una infinidad de textos en el mercado que pueden servir de apoyo a lo aquí
tratado, inclusive en los denominados libros de Cálculo. En casi cualquiera de los textos de Álgebra Lineal se
dedica una parte al tema de matrices y sistema de ecuaciones lineales. Te recomendamos que revises los que
están en la biblioteca de tu Centro Local, pues te pueden servir de apoyo tanto en los contenidos como en la
ejercitación. Si embargo te recomendamos algunos.

1. Grossman, Stanley (1992), Álgebra Lineal con Aplicaciones, Mc Graw Hill, México.
Un excelente libro con una gran variedad de problemas. En el capitulo 1 se trata la parte de matrices
y sistemas de ecuaciones. En el capítulo 3, los vectores en IR2 y IR3 y en la sección 5.5 se dedican unas
páginas a las isometrías.

2. Joyner, David; Nakos, George (1999), Algebra Lineal con Aplicaciones, International Thomson Editores
S.A., México.
Este texto contiene al final de cada capítulo problemas resultos con distintos programas matemáticos
para computadora. Se recomienda revisar los capítulos 1,2,3,y 5 (secciones 5.0 y 5.1).

3. Kleiman, Ariel (1985), Matrices, Limusa, México.

Se sugiere revisar los capítulos 2,3,4,5,6 y 8

4. Lipschutz, Seymour (1972), Matemáticas Finitas, MC Graw Hill, México.

Se recomienda el capítulo 10.

5. Perry, William, L. (1990), Älgebra Lineal con Aplicaciones, Mc Garw Hill, México.
Este es otro de los buenos libros sobre los tópicos estudiados en el módulo , especialmente el capítulo
donde se estudian los sistemas de ecuaciones lineales y matrices.

7. Pita Claudio de J.((1991), Álgebra Lineal. Mc Graw Hill, México.

Se recomienda revisar el capitulo 1.

173
174
 ÍNDICE ANALÍTICO

Ángulos directores, 68 diagonal de una , 27

entrada de una, 24
Ángulos entre vectores, 67 equivalentes por fila, 118
fila, 30
Cayley Arthur (1821-1895),21 fila de una, 25
identidad, 29
Cuchy Agustin Louis (1789-1857), 64 inversa, 83
nula, 27
Columna de una matriz,25 opuesta, 43
orden de una, 24
Cosenos directores,68 ortogonal
propiedades de la adición, 44
Cramer Gabriel (1704-1752), 116 propiedades del producto, 75
simétrica, 28
Desigualdad de Cauchy-Schwarz , 64 traspuesta, 36
transformaciones elementales entre las
Desigualdad Triangular, 64 filas de una, 117
traza de una, 36
Interpretación geométrica, 65 triangular inferior, 28
triangular superior, 28
Diagonal principal de una matriz cuadrada, 27

Euler Leonard (1707-1783), 35 Método de reducción de Gauss-Jordan

para resolver un sistema de ecuaciones 118
Fila de una matriz, 25

Forma matricial de un sistema de ecuaciones, 105 Multiplicación

de dos matrices ,71
Grafo, 35 de un escalar por una matriz, 49
de un número real por un vector , 47
Gauss Carl Friederich (1777-1885),101
Norma de un vector, 62
propiedades
Igualdad de matrices, 25
Operaciones elementales entre las filas
Isometría, 91 de una matriz, 118

Jordan Camile (1838-1922), 101 Pitágoras, 62

Matriz Producto escalar de dos vectores, 60

adición de, 40 interpretación geométrica, 66
asociada a una transformación lineal, 88 propiedades, 61
ampliada, 105
antisimétrica, 37 Reducción por fila, 118
coeficiente de una
columna, 30 Schwarz Karl (1843-1921), 64
columna de una, 25
cuadrada, 27 Silvester Joseph (1818-1879), 21
de adyacencia de un Grafo, 36
de los coeficientes, 105 Sistemas
de las incógnitas, 105 compatible, 112
de incidencia de un Grafo, 35 determinado, 112
de los términos independientes, 105 indeterminado, 112
diagonal, 36

175
 de m ecuaciones lineales con n
incógnitas, 102
incompatible, 112
homogéneo, 107
no homogéneo, 107
solución de un, 110

Solución de un sistema de ecuaciones lineales, 110

Teorema del coseno, 69

Teorema de Pitágoras, 66

Transformación lineal, 88

Vector
adición de vectores, 39
ángulo entre, 67
canónicos de IR2, 53
canónicos de IR3 y IRn ,57
norma de un, 62
propiedades, 64
ortogonales
paralelos
perpendicular
producto escalar entre, 60
propiedades del , 61
propiedades de la adición de,39
unitario, 65

176
177
 6. a. 8. La matriz dada es simétrica si x + y = 7 ; 2 x − y =
=2 x −z=3. Al resolver este sistema de ecuaciones
J1 J2 J3 J4 (resuélvelo) resulta x=3, y=4 , z=0.
m1 2 1,5 2,5 1
m2 1,5 2 1,5 1,5
9.
m3 1 1,25 2 2
b. Sea A=(α ij) una matriz cuadrada. Si A es trian-
m4 2 2 1,25 2,5 gular superior, entonces las entradas de A que
m5 2,5 1 2 2,5 se encuentran por debajo de la diagonal prin-
cipal son iguales a cero. Si además la matriz A
Haz otro cuadro colocando J1, J2 , J3 y J4 en la es triangular inferior, entonces las entradas de
primera columna. A que se encuentran por arriba de la diagonal
principal son también iguales a cero. En con-
b. La matriz correspondientes es clusión todas las entradas de la matriz son
iguales a cero, salvo posiblemente las entra-
 2 1,5 2,5 1 
  das que se encuentran en la diagonal princi-
1,5 2 1,5 1,5 pal. En consecuencia A es una matriz simétri-
 1 1,25 2 2 ca cuyas entradas que no están en la diago-
  nal principal son nulas.
 2 2 1,25 2,5
 
2,5 1 2 2,5
12.
c. Para un lote del jabón J1 el costo es:  1 − 3
a.  −1 3   
2.105.104 + 1,5.157.104 + 2.242.104 + 2,5.1783.103= At =   , Bt =  2 6
= (20.105+15.157+20.242+2,5.1783).103  5 10   − 5 0,3 
 
=1375250 bolívares. Calcula Ct .
Calcula los costos para lotes de los otros tipo
de jabones. c. Supongamos que una matriz A=(ajj)nxm es igual
a su transpuesta At. Como At tiene orden nxm,
7. entonces necesariamente n=m y así la matriz
a. En el grafo 1 tenemos cinco vértices ( n=5 ) y seis A es una matriz cuadrada de orden “n”.
aristas ( m=6 ), luego la matriz de incidencia es
una matriz de orden 5x6. En el grafo 1 la matriz Por otra parte, si A=(aij)n = At =(α ij)n, entonces
de incidencia es:
α ij=aji, para cada i=1,...,n , j=1,...,n. De esta
1 1 0 0 0 0 manera se tiene que A debe ser una matriz
  simétrica.
1 0 1 0 0 0
0 1 1 1 1 0 Para observar esto de otra manera tenemos
  que si:
0 0 0 1 1 1 a11 a12 L a1n  a11 a21 L an1 
     
0 0 0 0 0 1 a21 a22 L a2n  a12 a22 Lan2  t
A= 
M L M   M M L M 
= =A ,
b. En el segundo grafo tenemos 6 vértices por lo
M
tanto la matriz de adyacencia del segundo a an2 L ann  a1n a2n L ann 
grafo es una matriz cuadrada de orden 6x6, la  n1
cual se exhibe a continuación.
entonces a ij = aji , i=1,...,n , j=1,...,n.

0 2 0 1 0 0 d. Supongamos que A es una matriz triangular

  superior, entonces todas las componentes que
2 0 1 1 0 0
0 1 0 1 1 0 
están por debajo de la diagonal principal son
 iguales a cero. Al calcular At, estas entradas
1 1 1 0 1 1 quedan por arriba de la diagonal principal, es
 
0 0 1 1 0 1 decir, en At las entradas que están por arriba
0 0  de la diagonal principal son iguales a cero y
 0 0 1 1
por lo tanto At es una matriz triangular inferior
si A es triangular superior.
148
 Gráficamente tenemos: (u1+v1 , u2+v2 ,..., un+vn) = (v1+u1 , v2+u2 ,..., vn+un).
Luego
 a11 a12 L a1n   a11 0 L 0  u+v = (u1+v1 , u2+v2 ,..., un+vn)=
   
0 a22 L a2n   a12 a22 L 0  (v1+u1 , v2+u2 ,..., vn+un)
, At =
M L M 
A =  . = v+u.
M M L M  M
0  a an 2 L ann 
 0 L ann   nn Elemento neutro 0 = (0 , 0 ,..., 0)
u+0 = (u1 , u2 ,..., un) + (0 , 0 ,..., 0)
e. Al calcular At no modificamos la diagonal de la = (u1+0, u2+0,..., un+0)
matriz A y por lo tanto las diagonales de A y At = (u1 , u2 ,..., un) = u.
son iguales. De manera similar o usando la conmutatividad se
prueba que 0+u=u, de donde resulta
Ejercicios Propuestos 6.4 u+0=u=0+u
y en consecuencia el vector 0 es el elemento neu-
1. (α , −4β , 2 γ 2) + ( 2β , 3α ,15γ ) = (1 , 2 , 8) [1] si tro.
y solo si (α +2β , −4β +3α , 2γ 2+15γ ) = (1 , 2 , 8).
El opuesto del vector u = (u1 , u2 ,..., un) es el
En consecuencia vector -u= (-u1 , -u2 ,...,- un).
u + (-u) = (u1 , u2 ,..., un) + (-u1 , -u2 ,...,- un )
α +2β = 1 [2] , 3α−4β =2 [3] ,
= (u1-u1 ,u2 -u2 ,...,un- un).
2γ 2−15γ = 8 [4] = (0 , 0 ,...,0) = 0
. De manera similar se verifica que (-u) + u = 0 y
Al resolver el sistema de ecuaciones conformado por la conmutatividad obtenemos que
por las ecuaciones [2] y [3], resulta α =4/5 y (-u) + u = 0 = u + (-u),
β =1/10. Resolviendo la ecuación [4], tenemos lo que asegura que el vector -u es el opuesto al
γ = 8 o γ= −1/2. vector u.
En conclusión la relación [1] es cierta si y solo si
α =4/5, β =1/10 y γ = 8 o γ= −1/2. 4.
a. Las matrices A y B no se pueden sumar porqué
3. Sean u = (u1 , u2 ,..., un) , v = (v1 , v2 ,..., vn), no tienen el mismo orden; A tiene orden 1x3 y
B tiene orden 2x3.
w = (w1 , w2 ,..., wn) vectores de IRn, entonces:
c. E y F si se pueden sumar porque tienen el mis-
mo orden 3x4. Súmelas
Asociativa (u+v)+w =u + (v + w)
Usando la definición de adición de vectores tene-
mos que:  1 − 2   y 3  1 1 

5.  +   =  si y solo si
(u+v)+w =((u1 , u2 ,..., un) + (v1 , v2 ,..., vn),) +
 3 6   1 y   4 − 5 x 
+ (w1 , w2 ,..., wn)
= (u1+v1 , u2+v2 ,..., un+vn)+ 1 + y 1   x 1
  =  
(w1 , w2 ,..., wn)
 4 6+ y  4 − 5 x  .
=((u1+v1)+w1 , (u2+v2)+w2 ,..., (u n+vn)+wn )
Como la adición de números reales es asociativa, Luego
resulta: 1+y=1 , 6+y= −5x. Resolviendo el sistema de
((u1+v1)+w1 , (u2 +v2)+w2 ,..., (un+vn)+wn)= ecuaciones tenemos y=0, x= −6/5.
=(u1+(v1+w 1) , u2+(v2+w2) ,..., un+(vn+w n)). 6. Supongamos que
De la definición de la adición de vectores, obte-
nemos  a11 a12 L a1m   b11 b12 L b1m 
   
(u1+(v1+w 1) , u2+(v2+w 2) ,..., un+(vn+w n))=
A =  a 21 a22 L a2m  , B=  b21 b22 L b2m  y
  M M 
= (u1 , u2 ,..., un)+((v1 , v2 ,..., vn) + (w1 , w2 ,..., wn))
 M M O M   M O
= u + (v + w).
a a L a  b b L bnm 
De esta manera (u+v)+w = u + (v + w).  n1 n 2 nm   n1 n2
 x 11 x 12 L x 1m 
Conmutativa u+v = v+u.  
u+v = (u1 , u2 ,..., un) + (v1 , v2 ,..., vn)  x 21 x 22 L x 2 m 
X=  .
= (u1+v1 , u2+v2 ,..., un+vn).
 M M O M 
Como la adición de números reales es x x n 2 L x n m 
conmutativa, resulta:  n1
149
 Si A = B, tenemos que aij = bij , i=1,2,...,n, a11 a12 L a1n  b11 b12 Lb1n 
j=1,2,...,m, luego aij + x ij = bij + xij , i=1,2,...,n,    
j=1,2,...,m; y por lo tanto 0 a22 L a2n  0 b22 Lb2n 
A=  M M O M  , B = M M O M  ,
a11 + x11 a12 + x12 L a1m + x1m     
  0 0 L ann  0 0 L bnn 
   
a21 + x21 a22 + x22 L a2m + x2m 
A+X=  entonces
 M M O M 
am1 + xm1 am2 + xm2 L anm + xnm   a11 + b11 a12 + b12 L a1n +b1n 
   
b11 + x11 b12 + x12 L b1m + x1m  A+B=  0 a22 + b22 L a2n + b2n  ,
   M 
b 21 + x 21 b22 + x 22 L b 2m + x 2m  
M O M

=  = B + X.  0 0 L a + b 
 M M O M   nn nn 
b m 1 + x m 1 bm 2 + x m2 L bnm + x nm 
  la cual es una matriz triangular superior.

7. Hagamos este ejercicio de dos formas. 9. a.

 a11 a 12 L a 1n  a11 a12 La1n  0 0 L0 
1era forma      
 a 21 a 22 L a 2n =  0 a22 L a2n + a21 0 L 0 
M M   M M L M  M M L M 
 x1 x2 x3   M .L  
Consideremos X=    
 x4 x5 x 6   am1 am 2 L
 a mn   0 0 L 0  a a L0
 m1 2



Entonces si A+X=B, resulta que Halla otra solución a este problema.

10.
 1 + x1 (−5 / 7) + x 2 2π + x 3  a. Sean
A+X=  
 − 8 + x 4 ( 2 / 3) + x 5 3 + x 6 
 a11 a12 L a1n   b11 b12 L b1n 
   
 −9
= 
2 / 5 − 3π 
A =  21 22
a a L a 2n  , B =  b21 b22 L b2n 
 1/ 2 − 1/ 9 1/ 3 
.
  . M M LM  M M L M 
   
 am 1 am 2 La mn   bm1 bm 2 L bmn 
Luego 1+x1= −9, (−5/7)+x2=2/5, 2π +x 3= −3π ,   mx n  mx n
−8+x4=1/2, (2/3)+x5= −1/9, 3 +x6=1/ 3 .
Entonces
Resolviendo obtenemos:
 a11 a21 L am1   b11 b21 L bm1 
x 1= −10, x2=39/35, x 3= −5π , x 4=17/2, x 5= −7/9,    
 a12 a22 L am2   b12 b22 L bm2 
x 6= -2/ 3 At =   ,B =
M L M 
t ,
y asi M M L M 
M
 − 10 39 / 35 − 5π   a1n  b
X= 
 17 / 2 .  a2n L amn  b2n L bmn 
 − 4/9 − 2 / 3  mxn  1n nxm

 a11 + b11 a21 + b21 LL am1 + bm1 

2da forma  
a + b12 a22 + b22 LL a m 2 + bm 2 
A + B = 12
t t
 M M LL M .
Como A+X = B, del ejercicio anterior tenemos  
que X=A−B ahora al hacer la diferencia de las  a1n + b1n a2 n + b2 n LL a mn + bmn 

matrices A y B se obtiene la matriz X.
 a11 + b11 a12 + b12 LL a1n + b1n 
8. Resolvamos solo para el caso de matrices trian-  
gulares superiores. A + B =  a 21 + b21 a 22 + b22 LLa 2n + b 2n ,
 M M L M 
 
Consideremos las matrices triangulares superio-  a m1 + b m1 a m 2 bm 2 LL a mn + b mn 
res  

150
  a11 + b11 a 21 + b21 LL am1 + b m1  Ejercicios Propuestos 6.5
   187 / 30 − 23 / 3 
a + b12 a22 + b22 LL am 2 + b m2  1 3 1  
(A + B)t =  12 . 1. A- B+ C =  83 / 15 73 / 12  .
 M  2 5 3
 M LL M   − 13 5 / 30 − 74 / 15 

 a1n + b1n a 2n + b 2n LL amn + bmn 

Observando las matrices At + Bt y (A + B)t se 2. b1.
puede notar que (A + B)t = At + Bt . Como (−2,4)= −2(1, −2) los vectores (1, −2) y
(−2,4) son paralelos con sentidos opuestos.
b.
Sean A y B matrices simétricas, entonces
b2. No son paralelos ¿por qué?
(A + B)t = At + Bt (por parte a)
= A + B (porque A y B son simétricas). b3. 3(2, − 5 ,ln 4,sen θ cos θ)=

Para el caso de matrices antisimétricas se proce- = (6 , −3 5 , 3ln 4 , 3sen θ cos θ)=

de de una manera similar (hazlo).
= (6 ,−3 5 5 , ln 43, sen θ cos θ
12. 5
250 480 1500 2500 + 2 sen θ cos θ )=
C =  500 960 2900 4800
 
900 1600 5500 9000 =(6, − 15 , ln 64, sen θ cos θ + sen (2θ)).
  5
 350 2025 3350 
672
V = 1250 1926 3828  Luego los vectores dados son paralelos con
 6240  el mismo sentido.
1170 2080 6985 11250
 
3. 1era forma
100 192 525 850  1 0  − 5x 1 0 −14 1 0  =
  x 2     
V−C = 750 966 928 1440
  . 1 2  1 2  1 2 
 
 270 480 1485 2250
 
La matriz V−C representa la matriz de las ganan-  x2 0   − 5x 0   − 14 0 
=  +   
2 2  − 5 x − 10x   − 14 − 28 
+
cias, puesto que cada entrada de esta matriz es x 2x   
la diferencia del precio de venta y del costo de un
determinado artículo envasado en un determina-
 2 
do envase. =  x − 5x − 14 0 
Observando la matriz V−C notamos que el pro-  x2 − 5 − 14 2x 2 − 10x − 28

ducto que genera la mayor ganancia es el artículo
p4 envasado en el pote de tamaño t3. El artículo ( x − 7)(x + 2) 0 
que produce la menor ganancia es el artículo p1 =  
enlatado en el pote t1. ( x − 7)(x + 2) 2(x − 7)(x + 2) 

13. 2da forma

a. En la matriz T se recoge la información nacio-
nal sobre: número de hectáreas sembradas, 1 0 
cantidad de semillas sembradas, hectáreas don- x 2   −5 1 0 −14 1 0  =
 1 2  1 2  1 2 
de se perdió la cosecha y millones de bolíva-    
res invertidos en la siembra de los granos g1,
g2, g3, g4 y g5. = (x 2−5x −14) 
1 0 
 
1 2 
b. La matriz T− RN contiene la misma informa-
ción indicada en a., sobre las regiones este, =(x −7)(x+2) 
1 0  .
 
oeste y sur del país. 1 2 

151
 4. Supongamos que A=(aij)mxn y B=(bij)mxn, entonces si 7. a. Sea A = (aij)mn, entonces
α A = B, tenemos que α A=( α a ij ) mxn=(bij)mxn=B. Por
lo tanto α aij = bij , i=1,2...,m, j=1,2,...,n.  a11 a12 L a1n  1a11 1a12 L 1a1n 
   
a a 22 L a2n  1a21 1a22 L 1a2 n 
1 1A =1 21 =
Como α ≠ 0, resulta que aij =
α
bij , i=1,2...,m,
 M M L M   M M L M 
j=1,2,...,n..  am1
 am 2 L amn  1am1 1am2 L 1amn 
Luego A = (aij)mxn = (
1 b ) = 1 (b ) = 1 B.
α
ij mxn
α
ij mxn
α  a11 a12 L a1n 
 
 a a L a2n
= 21 22
 = A.
1 2 2 1 M M L M 
5. D + 5X = E ⇔ 5X = E− D⇔
2 3 3 2  
2 1  am 1 am 2 L amn 
X= E− D.  
15 10
(justifica cada uno de los pasos anteriores) 8. c. α = 0 , β = 0 ,γ = 0

Ahora haciendo el cálculo

2
E−
1
D obtenemos d. x = (x 1, x 2, ... , x n) =
la matriz X. 15 10 = (x 1 , 0,...,0)+(0, x2 , 0,...,0)+...+(0,...,0,xn)
= x 1e1 + x 2e2+.......+x nen
6. Como D y E son matrices de orden 2x2, entonces e. α1e1+α2e2+...+αnen= 0 ⇔ (α 1,α2,...,α n)=(0,0,...,0)
X e Y deben ser matrices 2x2. Consideremos
⇔ α 1 = 0, α 2 = 0,..., α n = 0
 x s y t 
X =   , Y=
 v m   1 − 3
 u n    
f. A = 6 7=
2X − 3Y = D − 2 9 
Entonces si  y solo si
 
 X + 2Y = E
=A11 −3A 12 + 6A 21 + 7A 22 -2A 31 + A32,
 2x − 3y 2s − 3t 
2X− 3Y=   =  1 5 = D

donde A 11, A12, A21, A 22, A31, A 32 son las matri -
 − −   ces canónicas de orden 3x2.
2u 3v 2n 3m  − 2 − 3
g. α 11A11+ α 12A12+..+ α 1nA1n+....+ α m1Am1+ ...+ α mnAmn
= 0mxn si y solo si
 x + 2y s + 2t   5 2 
y X+2Y= 
 u + 2v n + 2m  =  3 0  = E α 11 α 12 L α 1n  0 0 L0 
    
α 21 α 22 L α 2n 0 0 L0 
Igualando coeficiente a coeficiente, obtenemos los M M L M  = M M L M 
   
α m1 αm2 L α mn  0 0 L0 
sistemas de ecuaciones lineales
  mxn
2x − 3y = 1 2s − 3t = 5
  α ij = 0, i=1,2,...,m, j=1,2,...,n.
 x + 2y = 5  s + 2t = 2 y por lo tanto

2n − 3m = −3 9. Si denotamos por C1 = (400,450,350,380),

2u − 3v = −2  . C2 = (300 , 250, 325, 280) y
  n + 2m = 0
 u + 2v = 3 C3 = (100, 150, 200, 170), entonces las
matrices filas (se pudieron tomar como matrices
columnas) C1, C2 y C3 representan la distribu-
Al resolver estos sistemas de ecuaciones ción de las cosechas de tomates, en los distintos
resulta mercados: M1, M2, M3 y M4.
x=17/7 , y=9/7, s=16/7, t= −1/7, u=5/7, v= 8/7 ,
n= −6/7, m=3/7. La ganancia de la primera cosecha en los distin-
tos mercados la obtenemos multiplicando 200 por
la matriz fila C1.
Ahora sustituimos estos valore en las matrices X
200C1 = (80000, 90000, 70000, 76000), donde la
e Y, obteniendo así las matrices buscadas (hágalo
primera componente de 200C1 indica la cantidad
y comprueba el resultado).
de bolívares obtenidos en el mercado M1

152
 (Bs. 800000), la segunda componente la ganan- Ejercicios Propuestos 6.6.1
cia por la venta de tomates en el mercado M2
(Bs.90000), la tercera componente, lo obtenido en 1. a.
el mercado M3 (Bs. 70000) y la última componente
los dividendos obtenidos en el mercado M4 ( 5 , ln 3, 1/2, 1+sen π ). ( 3 5 , ln 2 , 5/6 , 2 −cos π)
(Bs. 76000).
= 5 5 + (ln 3)(ln 2)+(1/2)(5/6)+(1+sen π)(2− cos π)
3

La ganancia de la segunda cosecha, en cada uno = 51/251/3 + (ln 3)(ln 2) + 5/12 + 3

de los cuatro mercados, la expresamos a través
del vector 250C2. =
6
5 + (ln 3)(ln 2) + 41/12 ≈ 5,4858

250C2 = (75000, 62500, 81250, 70000). b. (2i−3j+5k).(−3k+8j−7i) = (2, −3, 5).(−7, 8, −3)
= −14−24−15
La ganancia percibida en la última cosecha en
los cuatro mercado está dada por el vector 320C3. = −53.

320C3 = (32000, 48000, 64000, 54400).
La ganancia de las dos primeras cosechas en los
cuatro mercados es:
200C1 + 250C2 = (155000, 152500, 151250,
146000).
Los beneficios en el año en los distintos mercado
son:
3. Si u=(u1, u2,..., un),v=(v1, v2,..., vn),w=(w1, w2,..., wn),
entonces
u.(v + w) = (u1, u2,..., un).(v1+w1, v2+w2,..., vn+wn)
= (u1(v1 +w1), u2(v2+w2),..., un(vn+wn))
= (u1v1+ u1w1, u2v2+ u2w2,..., unvn+unwn )
= (u1v1, u2v2,..., unvn)+(u1w1, u2w2,..., unwn)
= u.v + u.w.
Justifica los pasos en la igualdades anteriores.
5.

200C1+250C2+320C3 =  u.n = 1  x − z =1
 
(187000, 200500, 215250, 200400)  v.n = 2 ⇔ − 2x + 3y − 3z = 2
w.n = -4  x + y − z = −4
En el mercado M3 se produjo el mayor beneficio  
con un total de 215250 bolívares.
Resolviendo este sistema de ecuaciones obtenemos
10. a.La producción de una de las ensambladoras
x = −14/5, y= −5, z = −19/5.
durante el primer año, la podemos representar
a través de la matriz fila
E1 = (2000, 3000, 5000, 10500). 6. Como las soluciones de la ecuación a2+6a=16 son
-8 y 2, tenemos que a= −8 o a=2.
Mientras que la producción de la otra Puesto que x.x = 81, tenemos
ensambladora es a2+b2+(a+b)2+(a−b)2 = 81,
E2 = (4000, 6000, 10000, 21000). luego
b. En el segundo año en la ensambaldora E 1
3a2+3b2 = 81.
se realizó una producción de automóviles
Por lo tanto:
de los distintos modelos representada en la
matriz fila 1,20E1 a2+b2 = 27, b2=27−a2
1,20E1 = (2400, 3600, 6000, 12600)
y así b= 23 o b= − 23 ¿porqué?.
La producción de la ensambladora en el se-
gundo año es De esta manera x = (2, 23 , 2 + 23 , 2 − 23 )
1,20E2 = (4800, 7200, 12000, 25200 ).

c. La producción en los dos años es o x = (2, − 23 , 2− 23 , 2+ 23 ) ¿por qué?

E1+1,2E1+E2+1,2E2=2,2(E1+E2)=
= 2,2(6000, 9000, 15000, 31500)
7. u.v = 1 ⇔ 6 β 2−11 β− 9 = 1 ⇔ 6 β 2−11 β− 10 = 0.
Resolviendo esta ecuación obtenemos β = −2/3 o
En los modelos m2 y m3 se superó la produc-
β = 5/ 2.
ción de los 24000 vehículos.
153
 8. Si x = (x 1, x 2,..., x n), y = (y 1, y 2,..., y n), tenemos
(x).(α y) = (x 1, x 2,..., x n).(α y 1, α y 2,..., α y n)
= (x 1(α y 1), x 2(α y 2),..., x n(α y n))
= (α (x 1y 1), α (x 2y 2),..., α (x ny n)) ¿por qué?
= α (x 1y 1, x 2y 2,..., x ny n)
= α (x.y).
ta los costos de la primera tonelada de los materia-
les m1, m2 y m3. Luego el costo por compra la
primera tonelada de estos materiales es
c.(1,1,1) =3727500 bolívares.
El costo de la compra de la segunda tonelada de
cada uno de estos materiales es
0.88 c.(1,1,1)= 3280200 bolívares.

9.c. Si w=(x,y,z), entonces u.w =0 y v.w = 0 si y solo El costo de la compra de dos toneladas de los
materiales m1, m2 y m3 es de bolívares
 2x + y − z = 0 [1]
si  . c.(1,1,1)+ 0.88 c.(1,1,1)=1,88 c.(1,1,1)= 7007700
 x − y + 2z = 0 [2] .

Al sumar las ecuaciones [1] y [2], y despejar la Ejercicios Propuestos 6.6.2

variable z, tenemos z = −3x. Al sustituir este va-
lor en [1] o en [2] y despejando “y”, obtenemos 2.
y = − 5x . de esta manera tenemos que las solu- b. |x | 2 = x.x =
ciones del sistema de ecuaciones anterior son de
(x1e1 + x 2e 2 + ...+ xne n ).(x1e1 + x 2e2 +...+ xnen )
la forma =
y = −5x, z = −3x, x 1 e 1 .(x 1 e 1 + x 2 e 2 + ... + x n e n ) +
donde x puede tomar cualquier valor en IR. En
conclusión los vectores que son a la vez perpen- = + x 2 e 2 .(x 1 e 1 + x 2 e 2 + ... + x n e n ) + ..
diculares a u y v, son los vectores de la forma .. + x n e n .(x 1 e 1 + x 2 e 2 + ... + x n e n )
w=(x, −5x, −3x), x∈IR. Comprobemos esto
u.w = (2,1, −1).(x, −5x, −3x) = 2x − 5x +3x = 0 = x 12 + x 22 + L + x n2
v.w = (1, −1,2).(x, −5x, −3x) = x+5x − 6x = 0
Nota: justifica cada uno de los pasos realizados.
10.Los precios de venta los podemos representar
por el vector p = (25000, 18000, 30000) y los ar-
tículos vendidos diariamente a través del vector
3. |w |= 46a ⇔ 9a 2 + 4a + 49 = 46a
v = (15, 7, 9) (hay que tener cuidado con el or-
den en que se colocan las coordenadas del vector ⇔ 9a2−42a+49=0 [1].
v, para poder hacer el producto escalar con el Al resolver la ecuación [1] obtenemos que a=7/3.
vector p de manera que el mismo tenga algún
sentido dentro del contexto del problema). Enton- 4. a. Si y=(a,b), tenemos que
ces el producto escalar v.p representa el monto a + b = 0 [1] y a2 + b2 = 2 [2] ¿por qué?
vendido diariamente
v.p = 771000 bolívares De [1] tenemos b= − a [3], y sustituyendo este
valor en [2] obtenemos 2a2=2 y por lo tanto
11. a= −1 o a=1. En consecuencia las posibilidades
a. El vector I1=(500000, 1000000, 1500000) re- del vector y son
presenta la inversión en el primer año, y el y=(−1, 1) o y=(1, −1).
vector t1=(0,15; 0,2; 0,25) representa las tasas
de interés en el primer año de inversión. El
b. y=(1,1) , y=(−1, −1).
interés percibido el primer año es

I1. t1 = 650000 bolívares.

c. S i y= ( z , w ) , t e n e m o s az+bw=0 [1] y
z 2+w 2=a 2+b 2 [2].
b. El interés percibido en los dos años es de
Podemos suponer dos casos.
1450000bolívares.
Caso a≠0
Comprueba este resultado. De las ecuaciones [1] y [2] obtenemos las
ecuaciones
12.El vector c=(1500000, 2200000, 27500) represen-

154
  b |x+y| = |x+α x | = |(1+ α )x |= |1+ α| |x | = (1+ α )|x|
 z=− w
 a = |x | + α|x | = |x | + |α x |
 ¿por qué?
 b2  = |x | + |y| .
a 2 + b 2 =  + 1 w 2
 a2 
 
c2. | x −y | = | x+(−y) |
O equivalentemente ≤ |x | + |−y| ¿por qué?
 b = |x | + |y|
z = − w
 a
 w 2 = a2 c3. | x | = | x − y+y | ≤ | x − y | + | y | y así
| x |−| y | ≤ | x − y | .

De igual manera
Cuyas soluciones son
| y | = | y − x + x| ≤ | y− x | + | x | =
w= −a , z= b y w=a , z= −b | ( − 1)(x − y) | + | x |
= |− 1 || x − y | + | x | = | x − y | + | x | ,
y en este caso y=( − a,b) o y=(a, − b). luego | y |−| x | ≤ | x − y | .

Caso a=0 En conclusión | x |−| y | ≤ | x − y | y | y|−| x | ≤ | x − y|

En esta situación b≠0 ¿por qué?. y entonces necesariamente (¿por qué?)
Ahora las ecuaciones [1] y [2] se transforman en | | x |−|y | | ≤ | x − y|
bw=0 [1′ ] y z 2+ w 2= b 2 [ 2 ′ ] .
8. | x + y | 2 = (x + y).( x + y)=x.x + x.y + y.x + y.y
De [1′] resulta w=0 y así z=b o z= −b. Luego el = x.x + y.y (porque x.y=0)
vector y tiene dos posibilidades = |x | 2 + |y| 2.
y = (b , 0) , y = (−b , 0).

5. a. Como x ≠0, entonces |x |≠ 0. Tomando α =1/ |x |, Ejercicios Propuestos 6.6.3

tenemos
1. a.
1 x
αx= x = =1. u.v=2 3 , |u||v|= 2.2 =4, luego el [ángulo θ entre
x x
π
u y v es θ = arco cos 2 3 = arco cos 3 = .
c. Si w=(x,y,z), tenemos 4 2 6
x 2+y 2+z 2=1 [1] , x−3y=1 [2] , 2y+z=0 [3] . b.θ = π /3
y así c. θ = 2π /3
x=1+3y , z= −2y , 6y+14y 2=0 .
2. ∠(x,y) = arco cos (i+ 2 j+ k).(2 i + j− k) =
Luego y=0 o y= − 3/7 i+ 2 j+ k 2 i+ j− k
Por lo tanto 3 1 π
w = ( 1, 0, 0) o w = ( −2/7 , −3/7 , −6/7) = arc cos = arc cos =
2 3
.
6 6
Verifica este resultado.
Mientras que

∠(u,v) = arc cos

27 3 =π .
6. |u| 2 + |v| 2 − |u−v| 2 = u.u + v.v − (u−v).(u−v) = arc cos
18 54 2 6
= u.u + v.v − u.u + u.v + v.u − v.v
=2u.v. Luego 2∠(u,v) = ∠(x,y) .

7. a. 3. Como |u−v+w|= |u+v+w|, entonces

Como x e y son paralelos con el mismo sentido, (u−v+w).(u−v+w) = (u+v+w).(u+v+w).
existe α∈R+, tal que y= α x, luego Desarrollando, obtenemos:
|u| 2+|v| 2+|w | 2−2u.v+2u.w−2v.w=
155
 = |u| 2+ |v| 2+ |w | 2+2u.v+2u.w+2v.w,
luego u.v = −v.w,
Por lo tanto
|u||v| cos π /8 = u.v = −v.w
= −|v||w | cos β , [1]
donde α es el ángulo entre los vectores v y w.
Como |u|= |w |, simplificando en [1], obtenemos
cos α = −cos π /8,
y como α∈[0, π ], se tiene
α = π /8+2(π /2−π /8)=7π /8 ¿por qué?
4. Resolvamos este ejercicio de dos formas.
1era forma
Como ∠(u,w) = ∠(v,w), usando la definición de
ángulo entre vectores resulta
|v||w | u.w = |u||w | v.w,
luego
|v| u.w = |u| v.w , |v| u.w − |u| v.w =0
y así
(|v| u − |u| v).w = 0
y por lo tanto los vectores |v| u− |u| v y w son
ortogonales.
2da forma
(|v| u − |u| v).w = |v| u.w − |u| v.w
= |v||u||w |(cos(∠(u,w))−cos (∠(v,w))
5. a.
Como x.i = a, |x ||i|= |x |, resulta
α =arc cos x . i = arc cos a .
x i x En el primer caso 1/2= cos α = x /(2|x |),
De forma similar se obtiene los valores de
a2 b2
b. cos 2 α + cos 2 β + cos 2 γ = 2 + 2
+ x x x
=a +b +c
2 2 2
=1 ¿por qué?
x
2 1/2=cos α = x/(2 |x |), 3/2=cos
d. Supongamos x=(a,b,c). Como los ángulos di-
rectores son iguales los cosenos directores
también. Luego
a/|x | = b/|x | = c /|x |
y en consecuencia a=b=c.
Puesto que| x | =5 y a>0, tenemos 3 a=5, y
así a= 5/ 3 , teniendo que
x = 5/ 3 (1,1,1).
156
e. Tomemos x = (a,b,c), con a>0, b>0 y c>0. Como
cos α =1/2 y cos β =1/2, tenemos:
a= x.i= |x || i|cos α = |x |/2 ,
b= x.j=|x || j|cos β = |x |/2,
luego
3a2−b2=c 2 [1] y 3b2−a2=c 2 [2]
y como a > 0 y b> 0, resulta
3a2−b2=3b2−a2 , a2=b2 , a=b
Sustituyendo a=b en [1] o [2] y usando que c>0,
obtenemos c= 2 a. En consecuencia:
c 2a 2
cos γ = = = .
( )
x 2
a 2 + a 2 + 2a 2
f. Supongamos que existe un vector u=(x,y,z) tal
que α = π /3 y β = π /6, entonces:
x= |u|cos π /3= |u|/2 , y=|u|cos π /6= 3 |u|/2,
luego
3x 2=y 2+z 2 [1] , y2=3x 2+3z 2 [2],
de donde resulta y2+z 2= 3x 2=y 2−3 z2 y por lo
tanto y2+z 2= y 2−3 z2 , de donde resulta z=0.
Sustituyendo z=0 en [1] y [2] , tenemos 3x 2=y 2 ,
luego
y= 3 |x | o y= − 3 |x |.
= 0. Por lo tanto u=(x , 3 |x | , 0) o
u=(x ,− 3 |x | , 0), donde x∈R.
Si calculamos cos α y cos β para estos posi-
bles valores del vector u, tenemos;
β y γ. 3 /2=cos β = ( 3 |x |) /2|x |
c2
2
y si tomamos x>0, se obtiene un vector con las
características exigidas, por ejemplo (1, 0,0).
En el segundo caso
β = (− 3|x |) /2|x |
y estas ecuaciones no se cumplen simultánea-
mente ¿por qué?
g. En este caso la posición del pez la podemos
representar a través del vector p=(−3, −6, −2) y
los cosenos directores de este vector son
cos α = −3/7 , cos β =6/7 , cos γ = −2/7.
6. Por la desigualdad de Cauchy −Shwarz, tenemos Por otra parte
 1 −2 0
|x.y| ≤ |x ||y|.  1 − 6 2  
AC+BC =    − 5 3 1 +
Como |x |=1, resulta |x.y| ≤ y| y en consecuencia  0 − 5 5 
|y| ≤ x.y ≤ |y| ¿por qué?  2 4 6 
 1 −2 0
7. b. ∠( v, α w)= arc cos=arc cos
v.a w
=  − 5 1 2  
−5
 − 2 3 0  
v aw +  3 1 =
a v.w
= arcos
a v w
  2
 4 6 
 v.w  35 12 6   − 6 21 13
arc cos v w , α > 0  θ , α > 0 =    
= =  35 5 25  + − 17 13 3  =
π − θ , α < 0
arc cos − v.w , α < 0 
 v w
 29 9 19 
=   [2]
 18 18 28 
α β v.w
c. ∠( α v, β w)= arc cos
αβ v w
Como las matrices [1] y [2] son iguales hemos com-
 ∠( v,w) , (α > 0 y β > 0) o (α < 0 y β < 0) probado la propiedad distributiva del producto res-
=  pecto a la suma de matrices, para estas tres matri-
π − ∠( v,w), (α < 0 y β > 0) o (α > 0 y β < 0) ces.

8. Desarrolla | x −y |2 , | x |2 , | y |2 usando producto 2. a. (A+B)2 =( A+B)( A+B)

escalar. =A(A+B) + B(A+B) (por propiedad
distributiva)
= AA+AB) + BA+BB(¿por qué?)
Ejercicios Propuestos 6.7 =A2+ AB+BA+B2
= A2+ 2AB+B2 (porque AB=BA)
1. (A+B)C =
b. (A −B)2=( A−B)( A−B)
 1 − 2 0 =A(A −B) − B(A −B) (¿por qué?)
  1 − 6 2  − 5 1 2   
 
  0 − 5 5  +  − 2 3 0   − 5 3 1 = =AA−AB−BA+(−B)(−B)
      2
 4 6  (justifica la igualdad anterior)
=A2−AB−BA+B2 (por qué)
 1 − 2 0 Entonces (A −B)2 = A2 − 2AB + B2 cuando
 1− 5 − 6 + 1 2 + 2  

=  
 − 5 3 1 =
 0 − 2 − 5 + 3 5 + 0  A2−AB−BA+B2= A 2 − 2AB + B2
 2 4 6 
Simplificando resulta −AB−BA= −2AB. Es decir,
 1 − 2 0
 − 4 − 5 4   − A B − BA= − AB − AB.
=
 − 2 − 2 5  − 5 3 1 =
   2 4 6  Simplificando nuevamente, se obtiene

−BA= −AB, de donde se deduce que AB=BA
y así las matrices A y B conmuta.
 − 4 + 25 + 8 8 − 15 + 16 0 − 5 + 24 En conclusión (A −B)2 = A2 − 2AB + B2, cuan-
=   =
 − 2 + 10 + 10 4 − 6 + 20 0 − 2 + 30 do las matrices A y B conmutan.

c. De acuerdo a las partes a y b si queremos

 29
= 
9 19  [1]
 18  dar un ejemplo de matrices A y B tales que
 18 28 
(A+B)2 ≠ A2 + 2AB + B2
(A −B)2 = A2 −2AB + B2,
debemos considerar matrices tales que

157
 AB ≠ BA. Por ejemplo si
0 0 0 0 0 0 0 0 0 0
 1 2  − 1 0    
A =   y B =
 − 1 0  , 0 0 0 0 0 0 0 0 0 0
 0 0   0

D4 =  0 0 0 0 0  , D5= 0 0 0 0
tenemos que AB ≠ BA (verifícalo) y   
0 0 0 0 0 0 0 0 0 0
− 2 0 2 − 4 2   4   
(A+B)2 =  , A + 2AB + B2 =  , d 0 0 0 0 0 0 0 0 0
 0 − 2  1 0
 6 4  8 2  2 −1 0 1 0 0 1 1 0 2
(A −B)2 =   , A2 −2AB + B2=   .   
0 0


 2 2  1 0 0 − 2 1 0 1 0 0 1 0 3 1 1
 1 0
6.  3 − 2 4 0 0 0 1 0 0 1
Verifica estas afirmaciones y construye otro  
0 0 0 0 0 0 1 0 0 0 0 0
ejemplo con otras matrices    
0 0 0 0 1 0
0 1 0 0 1 0
0 1 0
3. a. Si se puede realizar el producto AmxpBrxn , en-  0 0 0 0  0 1 0 0 1
tonces,
N°. de columnas de A = N°. de filas de B (p=r)  1 0 2
 2 −1 0 
   
Si se puede realizar el producto Brxn Amxp, tene- 0 − 2 1 I3   I3 3 1 1
   0 0 1
mos N°. columnas de B = N°. de filas de A (n=m) = 3 − 2 4   
 0 0 0  0 0 0
Pero como AB = BA y AmxpBrxn es una matriz de  03 0 1 0  I3 0 1 0
orden mxn y Brxn Amxp es una matriz rxp , enton-    
ces m=r (AB y BA tienen el mismo número de  0 0 1   0 0 1 
filas) y n=p ( AB y BA tienen el mismo número
de columnas)
 2 − 1 0  2 − 1 0  1 0 2  0 0 0  
      
En conclusión: p=r, n=m n=p, m=r y así  0 − 2 1 + I 3 0 − 2 1  3 1 1 +  0 1 0  
 3 − 2 4  3 − 2 4  0 0 1 0 0 1
m=n=p=r, es decir las matrices A y B son ma- =   
trices cuadradas de los mismos órdenes.  0 0 0  0 0 0
2 
     
 0 1 0  0 1 0 
  0 0 1 0 0  
b. En este caso AmxpBrxn es una matriz de orden     1 
mxn

 −1 6 − 6
   19 − 27 
5. a. A2 = − 11 22 − 5  , B3 =   .  3 − 1 0 − 1 − 1 3
19   
 −3 3 11   − 18  0 − 1 1 − 6 − 1 − 1

 3 − 2 5 − 3 − 2 9
= .
0 0 1 2 0 0 0 1 0 0 0 0 0 0
     
3=  0
0 0 0 1 0 0 0
c. C2=  , C C4=04, C20=04 0 1 0 0 1 0
0 0 0 0 0 0 0 0

0
0

 
0
  0 1 0 0 1
 0 0 0  0 0 0 

 0 0 0 0  0 0 0 0  a 0 0  d 0 0   ad 0 0 

0
 
0
      
 0 0 0 0 0  0 0 0 0 0 7. a.  0 b 0   0 e 0  =  0 be 0 
 2 0 0 0 D =  0
 0 0 0 0 0 c  0 0 f   0 0 cf 
f. D = d
2 0

3 0
      
 0 d2 0 0 0 d3 0 0 0 0
   
 0 0 d
2
0 0  0 d3 0 0 0

158
8. a. Consideremos la matriz fila de las notas obtenida
por un estudiante, por ejemplo 163 193 159  515
A1 = (15 13 12 14)    
y la matriz donde se recoge la información de los 170 215 172 557
179 190 173   1  542
pesos otorgados por los distintos departamentos
c.    =  
155 195 175   1  525
    
4 5 2 149 174 155   1   478
 
P = 5 2 3 . 168 193 154  515
2    
3 4 178 196 178  552
 
1 4 3 
 Los estudiantes seleccionados son A2 y A7,
Entonces las entradas del producto A1 P repre-
quienes obtuvieron las mayores puntuaciones, 557
sentan las notas obtenidas por el estudiante A1
y 552 puntos, respectivamente.
en los distintos departamentos.
Ejercicios Propuestos 6.8
4 5 2
A1 P =(15 13 12 14)
  1. det A = 7≠0., A es invertible. det B = 0, B no es
5 2 3 = (163 193 159)
invertible det E = −32,76 ≠ 0 E es invertible.
2 3 4
 
1 4 3  2. det N = abc −ab=ab(c −1). Entonces det N=0 si

De esta manera el estudiantes A1 obtuvo 163 a=0, b=0 o c=1. De esta manera la matriz N es
puntos en el departamento no.1, 193 en el no.2 y invertible cuando a≠0, b≠0 y c≠1. Por ejemplo si
159 en el no.3. a=1, b=5, c=0, tenemos
Haz lo cálculos para los otros estudiantes.
 1 1  , mientras que si a=3, b= −1 y c=2,
b. En este caso consideramos la matriz de las notas  
obtenidas por los estudiantes
 5 0
 3 3
tenemos   .
 − 1 - 2
15 13 12 14 
 
16 13 11 19  det M = c+2b−2a−3c = −2c −2a+2b = −2(a−b+c).

N = 12 18 14 13  . Luego la matriz M es invertible si a−b+c ≠0. Por
  ejemplo, si a=0, b=0, c=1, tenemos,
12 11 19 14 
   0 1 0  mientras que si a=2, b=1,c=2, resulta
10 14 12 15   
18 12 13 10   1 0 1
   1 2 3
13 16 17 12   
 2 1 2
Entonces al multiplicar esta matriz por la matriz  
P, ob tenemos la matriz solicitada  1 0 1 .
 1 2 3
 
15 13 14 
12 163 193 159  3. a. AB= BA =I2, entonces B=A
-1
   
16 13 19  4
11
 5 2  = 170 215 172 
12 18 13   5
14  179 173  5 −8 0
  2 3 
190
  
12 14   b. AB =  0 −7 0  ≠I3
3 4
11 19 155 195 175 
  2 0
10 14 12 15   1

  
 −4 5 
 4 3 149 174 155 
18 12 13 10  168 193 154 
   
13 16 17 12 
178 196 178  c. AB= BA =I4, entonces B=A
-1

159
 4. Resolveremos solamente para el caso de la matriz Como A3−5A 2−9A+9I3 =03, resulta que :
D. Supongamos A3−5A 2− 9A=−9I3 , A(A 2−5A −9I3)= −9I3,
 a b c
 
C = d e f 
A ((−1/9)A 2+(5/9)A+I3) = I3 ,
g h k
  luego
 4 − 1 − 2
Es la inversa de la matriz D, entonces 1  
A = (−1/9)A +(5/9)A+I3 =  − 2 − 1
-1
2 1 .
 1 0 0  a b c  3  
    1 1 0
I3 = DC = 3 − 2 0   d e f  -1 -1 -1 -1 -1 -1
1 1 1  g h k 
6. (AB)(B A )=A(BB )A =AIA =AA =I
 -1 -1 -1 -1
(B A )(AB)=B (A A)B=B B=I
-1

-1 -1 -1
Luego AB es invertible y (AB) =B A
 a b c  De manera similar se procede con BA.
   a 0
=  3a − 2d 3b − 2e 3c − 2f  , de donde 7. a. Si A=   , ab ≠ 0, entonces det A = ab≠0 y
 a + d + g b + e + h c + f + k  0 b
 
A es invertible.
resulta a=1, b=0,c=0 [1]; 3a − 2d=0, 3b − 2e=1,
 a 0 0
3c − 2 f = 0 [2] , a+d+g=0, b+e+h=0, c+f+k=1 [3].  
Si A =  0 b 0 ,abc≠0,entonces det A=abc ≠0
 0 0 c
Sustituyendo [1] en [2]y despejando, obtenemos  
d=3/2, e= −1/2, f=0.
y A es invertible.
 a1 0 L 0
Sustituyendo estos valores y [1] en [3], obtenemos  
0 a2 L 0
g= −5/2, h=1/2, k=1. En general si A= M M O 0  ,a1a2...an≠0,
 
En conclusión 0 L an 
 0
 1 0 0
 
C =  3 / 2 − 1/ 2 0  . tenemos det A = a1a2...an≠0 y de esta manera A
− 5 / 2 1/ 2 1 es invertible.

1/ a1 0 L 0 
Verifica que realmente esta es la matriz inversa de  
la matriz D.  0 1/ a2 L 0 
Si consideramos B =  M M O 0 ,
5. a. A4+3A 3−5A 2+2A=In, entonces  
 0 L 1 / an 
A(A 3+3A+2In)= In y (A 3+3A+2 In)A=In ,  0
-1
y de esta manera A es invertible y la inversa es entonces AB=BA= I n, luego B=A .

A3+3A+2In Por ejemplo, si

b. A 3- 5A 2 - 9A+9I 3 =
1 0 0 1 0 0
   
 10 83 132 2 13 21  1 2 3 A=  0 7 0  , A-1=  0 1/ 7 0
    0
− 4 − 17 −15 −5  1 2 − 3 −9−1 −2 0 +
 0 0 − 9
   0 − 1/ 9 
 19 155 240 2 22 39  1 5 6
     
2 0 0 0
  1/ 2 0 0 0
 
1 0 0  0 0 0 0 − 2 0 0 -1  0 − 1/ 2 0 0
A= , A =
    0 0 2 0  0 0 1/ 2 0
+9 0 1 0 =  0 0 0     
0   0
0 0 1  0 0 0  0 0 − 2  0 0 − 1/ 2
   

160
  a11 0 L 0   1 1  − 1
  Como A  0  =   , tenemos
  2  3
b. Si A=  21 22
a a L 0 
, a12a22...ann ≠ 0.    
M M O 0  ∠   1  1 =∠   1 ,1  − 1  = 2
π
     , A      
a L ann  0  0    0  2  3  3
 n1 an 2   
π
entonces det A ≠0 y de esta forma la matriz A Luego el ángulo de rotación es 2
es invertible. 3
3. La matriz de la isometría es (135o = 90o + 45o)

8.
-1 -1
At( A )t.= (A A)t = I3 (¿por qué?)  cos 135o − sen 135o  1  − 2 2 
   . 
 sen 135o cos 135o  =  − 2 
  2  2
Ejercicios Propuestos 6.9
4. La matriz de la isometría tiene la forma
 3 /2 − 1/2  x     cos θ sen θ 
1. a.    =  ( 3 /2)x − (1/2)y    (¿por qué?),
 1/2 3 /2  y 
 
 (1/2)x + ( 3 /2)y   sen θ − cos θ 
θ es el ángulo de rotación, es decir θ=60o
1  3 x − y ( 3 x − y) 2 + (x + 3 y) 2 Calcula dicha matriz.
=  
2  x + 3 y =
  2
5. Podemos considerar una rotación que lleva al vector
2 2 2 2
3x − 2 3 xy + y + x + 2 3 xy + 3y  3 1, 1 3 
= (1,1) en el vector  − + . Calculando
2  2 2 2 2 

x
2 2  
= x + y =  y .
  este ángulo θ( calcúlalo), tenemos θ= π /6.
 3 /2 1/2  Ahora se considera la matriz de una rotación de
Luego   es la matriz asociada
  ángulo θ= π /6.
 1/2 3 /2 
6. Al hacer una gráfica del cuadrado y su transformado,
a una isometría.
tenemos

 cos θ − senθ x  = 
xcos θ − ysen θ 3
g.     
 xsen θ + ycos θ Cuadrado original
sen θ cos θ  y    2

2 3
= (xcos ? − ysen ?) 2 + (xsen ? + ycos ?) 2
-2
Desarrollando este último factor y usando que
sen2 θ+cos 2 θ = 1, obtenemos Cuadrado transformado
-3

(xcos ? − ysen ?) 2 + (xsen ? + ycos ?) 2 =

y podemos observar que esta isometría es una
x reflexión respecto al eje de las abscisas, cuya
= x2 + y2 =   .
y 1 0
matriz es   .
Luego la matriz dada en g es la matriz asociada
0 − 1
a una isometría.
7. a. Haciendo el cálculo del determinante de las co-
rrespondientes matrices, tenemos
2. b. Para determinar el ángulo de rotación debemos
cosθ − senθ
hallar el ángulo que forman los vectores  1 y senθ cosθ = cos 2 θ + sen2 θ = 1 ≠0
0 
 1   cosθ senθ = −cos 2 θ − sen2 θ = −1 ≠ 0
A   .
0  senθ − cosθ
 
161
 b. La matriz de rotación de ángulo θ es  x1 − x2 − x 3 = 4
 cos θ − sen θ   3
   2x1 + x2 − x 3 = 9
 sen θ cos θ   4
y la de ángulo −θ es 3x1 + 3 x2 − 2x3 = −3
 cos θ sen θ  .  1 −1 − 1
   
 − sen θ cos θ 
Matriz de coeficientes A=  2 1 − 3 / 4
3 3 − 2 

Al realizar el producto, resulta
 4
 cos θ − sen θ   cos θ sen θ   
    = I Vector de coeficientes independientes B=  − 9 
 sen θ cos θ   − sen θ cos θ  2  − 3
 x1   
 
y así la matriz inversa de una rotación de ángulo Vector de incógnitas X=  x2 
x 
θ es la matriz de rotación de ángulo −θ.  3
Sistema en forma matricial AX = B

 cos θ sen θ   cos θ sen θ   1 −1 − 1  x1   4

c.     = I2      
 sen θ − cos θ   sen θ − cos θ  2 1 − 3 / 4  x2 =  − 9
3 3 − 2  x   − 3
  3  

El sistema no es homogéneo.

2. c. El sistema no es homogéneo
Ejercicios Propuestos 7.2
 x + 2y − z = 0
1. a. No es un sistema de ecuaciones lineales − 3 x + 1,1y + 7z + 6w = −1
b. Si es un sistema de ecuaciones lineales. 

c. Al reescribir el sistema de ecuaciones, tenemos  x / 2 + (3 / 5)z + 9w = 0

 − x − 2y + 0,1z − w / 2 = 2

 7x1 − 8x 2 = 15x 3
2 1
 x1 − 8 x 2 − x3 = 0 ,
3 15 Ejercicio Propuesto 7.5
 1
− x1 − πx 2 + 6x5 = − 1. b. Si sustituimos los valores x=2/7, y=1/7, z=0 en
 3
el sistema de ecuaciones, tenemos
el cual corresponde a un sistema de
ecuaciones lineales. 2/7 − 2(1/7 )+ 0 = 0
2(2/7) + 3(1/7) − 0 = 7/7 = 1
3. a. Coeficientes: 2, -5, 3, 8/5.
Términos independientes : 1/21, -7 y por lo tanto (2/7, 1/7, 0) es solución del
Número de incógnitas:2 sistema de ecuaciones.

Al sustituir x= −5/7, y=8/7, z=1, resulta:

Ejercicios Propuestos 7.4
−5/7 −2(8/7) +3 =2/7 ≠0
1. b. Reescribamos el sistema de ecuaciones
y por lo tanto (−5/7, 8/7, 1) no es solución del
sistema de ecuaciones.

162
Ejercicios Propuestos 7.5.1
x y
1. a. Geométricamente 0 -1/3
1/2 0
y
12 −3x+2y=6 1 1/3
2 1
-1 -1
3 Halla otras soluciones.
0 x
2 8
d. Geométricamente

y
3x+2y=24

Hay un punto de corte y por lo tanto el sistema

tiene solución única.

Analíticamente 5x+4y=0 5x+4y=5

Sumando ambas ecuaciones resulta 6y=30, 0 x

luego y=5. Al sustituir este valor en cualquiera
de las ecuaciones, obtenemos x=14/3. Por lo
tanto la única solución del sistema de ecuaciones
es y=5, x=14/3.

Analíticamente

b. Geométricamente Al restar a la segunda ecuación la primera ob-

tenemos 0=5, lo cual es absurdo. En
consecuencia el sistema de ecuaciones no
tiene solución
y

4x−6y=2
2. a. A(α u) = α Au =
= α 0 (porque u es solución del sistema
0 1/2
AX=0)
x
=0

-1/3 −2x+3y=−1 b. A(u+v) = Au+Av

= 0 (porque u y v son soluciones del
sistema AX=0)
Las rectas coinciden. Hay infinitas soluciones.
3. A(u+v) = Au+Av
=0 + B (porque u es solución del sistema
Analíticamente. AX=0 y v es solución del sist-
Al multiplicar la primera ecuación por -1/2, obte- ema AX=B).
nemos el sistema de ecuaciones
5. a. Como la matriz A es invertible, multiplicando en
 − 2 x + 3y = −1
 . ambos lados de la ecuación AX=B por A -1, resulta
 − 2 x + 3y = −1
Es decir que en realidad tenemos una sola A-1 AX= A-1B, IX= A-1B, X= A-1B.
ecuación. −2x+3y=−1, la cual posee infinitas Por lo tanto la única solución del sistema de
soluciones, por ejemplo ecuación AX=B es
X= A-1B.

163
 b. Al escribir el sistema de ecuaciones en la forma 1 0 3 − 16 
matricial AX=B, tenemos  
F3→(-1/25)F3  0 1 −4 28 
0 1 − 6 
 1 0 7  x   −1   0
    
 1/ 2 − 1 0   y  =  1/ 2 
 5 / 3 0 − 1  z   2 / 3 
     1 0 0 2
F1→F1−3F3  
0 1 0 4 .
 x  −1  F2→F2+4F3 
   
0 0 1 − 6 
donde X =  y  , B = 1/ 2  .
 z  2/ 3
   
Puesto que la matriz A es invertible, usando la parte b. Después de Aplicar el método de Gauss-Jordan
a. tenemos que la solución del sistema de se obtiene la matriz
ecuaciones
3 0 21  −1   1 0 13 / 48 − 1/ 12 37 / 48 
    .
1  
 0 1 − 1/ 24 1/ 6 − 1/ 24 
X=  3 − 38 21.  1/ 2  =
38   2/ 3
5 0 − 3     1 0 0 224 / 15 
 11   
1  − 8  c. Se obtiene la matriz  0 1 0 − 1/ 5 
=  0 0 1 − 31/15 
38  − 7   
 
1 0 0 0
Ejercicio Propuesto 7.6.  
d. La matriz obtenida es 
0 1 0 0
.
3 1 8 1 1 − 1 12 0 0 1 0

2
    
0 0 0 1 
1. a.  4 − 3 − 1 2  F1→F3 4 − 3 − 1 2 
1 1 − 1 12  3
  2 1 8 1 0 − 39 / 29 10 / 29 
 
− 16 / 29
e. 
0 1 45 / 29
1 1 −1 12  0 0 0 0 
F2 →− 4F1+F2   
0

0 −7 3 − 46   0 0 0 
F3 →− 3F1+F3 
0 −1 4 − 28 
 1 2 3
1 1 −1 12   
  f.  a b 0  F2 → F2 − aF1
F2→F3  0 −1 4 − 28   − 2 2 5  F3 → F3+2F1
0 −7 3 − 46   


1 1 −1 12  1 2 3
   
F2→−F2  0 1 −4 28   0 − 2a + b − 3a  F2→F3
0 −7 3 − 46  0 1 11/6 
 

1 2 3
1 0 3 − 16   
F1→F1−F2   0 1 11 / 6 
0 1 − 4 28   0 − 2 a+ b − 3 a  F1→F1−2F2
F3→F3+7F2    F3→F3−( −2a+b)F2
0 0 − 25 150 
1 0 − 2/3 
 
0 1 11 / 6 
 0 0 (2 a/ 3) − (11b/ 6) 
 
164
 Si (2a/3)−(11b/6)=0 el método concluye (¿ por Luego la solución del sistema de ecuaciones es
qué?). En caso contrario se toma como pivote el
elemento (2a/3)−(11b/6) y se obtiene la matriz x= −126/211, y = 228/211, z = 186/211.
 1 0 0
   5 1 4 9 0

----------
 0 1 0  
 0 0 1 b.  − 3 2 − 1 − 4 − 3  F1→F1−2F3
 
 2 0 7 2 4

Ejercicios Propuestos 7.7  1 1 − 10 5 −8

----------
 −1  
5 0 6 − 3 2 − 1 − 4 − 3  F2→F2+3F1
 
3 − 1 − 6  2 0 4  F3→F3−2F1
1. a.  14 F1→−F1  7 2
 0 − 8 3 − 6
 
1 1 − 10 5 − 8

----------
 1 − 5 0 − 6  
 
14 3 − 1 − 6 0 5 − 31 11 − 27 
F2→F2−14F1  0 − 2 27 − 8 F2→F2+2F3
 0 − 8 3 − 6  20 
 

 1 − 5 0 −6 1 1 − 10 5 − 8

----------
   
 0 73 − 1 78  F3→−(1/8)F3 0 1 23 − 5 13  F1→F1−F2
0 − 8 3 − 6   0 − 2 27 − 8 20  F3→F3+2F2
   

1 −5 0 −6   1 0 − 33 10 − 21

 0 73

− 1 78  F2→F3

 0 1 23 − 5 13 
 ----------
F3→(1/73)F3
0 1 − 3 / 8 3 / 4  0 0 73 − 18 46 
 

1 −5 0 6
   1 0 − 33 − 21
----------

10
0 1 − 3 / 8 3 / 4  F1→F1+5F2  
 0 73 0 1 23 −5 13
 − 1 78  F3→F3−73F2 0 0 
F1→F1+33F3
 1 − 18/ 73 46 / 73 F2→F2-23F3

 1 0 − 15 / 8 − 9 / 4   1 0 0 136/ 73 − 15 / 73
----------

   
0 1 − 3 / 8 3 / 4 0 1 0 49/ 73 − 109/ 73
 0 0 211/ 8 93 / 4  F3→(8/211)F3 0 0 1 − 18/ 73
   46 / 73 .

 1 0 − 15 / 8 − 9 / 4
  En este caso el sistema de ecuaciones tiene in-
0 1 − 3 / 8 3 / 4
F1→F1+(15/8)F3
infinitas soluciones, las cuales son de la forma
0 0 1 186 / 211 F2→F2+(8/3)F3

x= −(136w+15)/73, y= −(49+109)/73,
z=(18w+46)/73, w∈IR.
 1 0 0 − 126 / 211
 
0 1 0 228 / 211  3 8 − 1 2 2
----------

 0 0 1 186 / 211 c.   F2→−F2

   − 1 5 0 3 9
 0 23 − 1 11 20 
 

165
 3 8 −1 2 2 b 1

----------
----------
2 3
   
 1 − 5 0 − 3 − 9  F1→F2  0 2(2 − b) 3(3 − b) 2 − b  F2→F2−F3
 0 23 − 1 11 20  0 0 3(3 − b) − 1
  

----------
 1 − 5 0 − 3 − 9 b 1

----------
2 3
   
3 8 −1 2 2  F2→F2-3F1  0 2(2 − b) 0 3 − b .
 0 23 − 1 11 20  0 0 3(3 − b) − 1
  
 1 − 5 0 − 3 − 9
----------

  Aquí podemos observar que el sistema de

 0 23 − 1 11 29 
 0 23 − 1 11 20  F3→F3−F2
ecuaciones no tiene solución si b=2 o b=3.
  Supongamos entonces que b≠2 y b≠3, entonces
haciendo transformaciones elementales a la última
matriz, tenemos:
 1 − 5 0 − 3 − 9
----------

  b 2 3 1

----------
 0 23 − 1 11 29  .  
0 0 0 0 − 9   0 2(2 − b) 0 3 − b F2→(1/(2(2−b))F2
 0
 0 3(3 − b) − 1

Entonces el sistema de ecuaciones no tiene

b 0 3 1/(b− 2)

----------
solución ¿por qué?.  
0 1 0 (3− b)/(2(2− b)) F3→(1/(3(3-b))F3
d. x = -1/2, y = 0, z = 10  0 0 3(3− b) −1 F1→ F1-2F2

e. No tiene solución
b 0 3 1/(b − 2)
----------

 
f. x = 33, y = 51  0 1 0 (3 − b)/(2(2 − b)) F1→F1−3F3
0 0 1 − 1/(3(3 − b))

g. Infinitas soluciones y tienen la forma
x = −3z + 46/7, y = −2z + 34/7  b 0 0 − 1/(b − 2)(b − 3) 
----------

h. x 3=-(7/4)x 1+1/2,x 4=-(1/4)x 1+9/2,  

x 2=-(1/2)x 1+3/2.
 0 1 0 (3 − b)/(2(2 − b))
0 0 1 − 1/(3(3 − b))


Ahora podemos observar que si b=0 el sistema no

tiene solución y que si b≠0, b≠2, ≠3, entonces el
 b 2 3 1
 2  sistema de ecuaciones tiene una única solución
2.  b 4 9 2 F3→F3−bF2
 b3 8 27 3  b−3
  −1 −1
x= , y= , z=
b(b − 2)(b − 3) 2(b − 2) 3(b − 3)
 b 2 3 1
 2  En conclusión el sistema de ecuaciones no tiene
b 4 9 2  F2→F2−bF1 solución si b∈ {0,2,3} y tiene solución única si
 0 4(2 − b ) 9(3 − b) − 2b + 3  b∉{0,2.3}.
 
No existe valor de b para el cual el sistema de
b 2 3 1 ecuaciones tenga infinitas soluciones.
 
 0 2(2 − b ) 3(3 − b) 2 − b  F3→F3−2F2 3. a. x= 149α/791 , y= −30α/791, z= 116α/791
 0 4(2 − b ) 9(3 − b) − 2b + 3
 

166
 b. Aplique transformaciones elementales a la matriz
 a 0 a
ampliada del sistema de ecuaciones y considere  
2. Puesto que det A =det  0 b − 1 = ab(c+1),
los casos α≠ 1,α=1
 − 1 0 c
 
entonces la matriz A es invertible cuando
ab(c+1) ≠0 .
Calculemos la inversa bajo estas condiciones
4. Consideremos la siguiente tabla donde recabamos usando el método de Gauss-Jordan.
la información suministrada.

 a 0 a 1 0 0
R S   F3 →− F3
A 6 3  0 b −1 0 1 0
 − 1 0 c 0 0 1
B 4 10  
Disponibilidad 120 h 180h
a 0 a 1 0 0
  F1→F3
El número máximo de unidades que pueden  0 b − 1 0 1 0
producir los productos A y B ocurre si es posible  1 0 − c 0 0 -1
 
toda la disponibilidad de tiempos de las maquinas
R y S. Esta situación acontece cuando
1 0 − c 0 0 −1
 
 6 A + 4B = 120 0 b − 1 0 1 0  F3→-F3−F1
 a a 1 0 0 
3A + 10B = 180  0
Al resolver este sistema tenemos: A=10 y B=15.
1 0 − c 0 0 −1
 
De esta forma tenemos que el número máximo de 0 b − 1 0 1 0  F2→(1/b)F2 (b≠0)
unidades que se pueden producir son 10 unidades  0 0 a(c + 1) 1 0 a 
del producto A y 15 unidades del producto B.  

1 0 −c 0 0 −1 

Ejercicios Propuesto 7.8 0 1 −1/ b 0 1/ b 0  F3→(1/(a(c+1))F3
 
0 0 1 1/ a(c + 1) 0 1/(c +1)
 1/ 6 7 / 30 1/ 30 
1. A = − 1/ 3 − 1/15 2 / 15 
-1
 1 0 −c 0 0 −1 
 1/ 6 11/ 30 7 / 30   
  0 1 − 1/ b 0 1/ b 0  F1→F1+cF3
 
0 0 1 1/ a(c + 1) 0 1/(c + 1)
3 0,5 4
= 
-1
D
2 0 − 2
1 0 0 c / a(c+ 1) 0 −1/(c + 1) 
 1 − 0,5 0   
 0 1 − 1/ b 0 1/ b 0  F2→F2−(1/b)F3
 
0 0 1 1/ a(c + 1) 0 1/(c + 1) 
 − 40 / 109 − 55 / 109 32 / 109 49 / 109
 
=  67 / 218 133 / 218 − 119 / 218 − 63 / 218
-1
E
 6 / 109 − 19 / 109 1 0 0 c / a(c+ 1) 0 −1/(c + 1) 
17 / 109 9 / 109  
  0 1 0 1/ab(c+1) 1/ b 1/b(c+1) 
 − 29 / 218 11/ 218
 1/ 218 45 / 218  
0 0 1 1/ a(c + 1) 0 1/(c + 1) 

G no es invertible

167
 Entonces la matriz es invertible si ab(c+1)≠ 0 y en Al aplicar el método de Gauss-Jordan para hallar
este caso
-1 1  − 10 21
 c/a( c + 1) 0 -1/( c + 1)  la inversa de A resulta A =  
 
A
-1
=  1/ ab(c + 1) 1 /b 1 / b( c + 1) 
41  20 − 1
 1 / a(c + 1) 0 1/(c + 1) 
 

3. Calcula el determinante de cada una de las matrices

propuestas

4. a. det A = 0,1-4,2 = -4,1 ≠ 0

1  1 − 2,1
 
-1

1 
b. A = . Si usamos siete
− 4,1 − 2

cifras decimales , tenemos

-1  1 − 2,1
A =. −0,24339024  
 − 2 0,1 
 - 0,24339024 0,5111194 
= 
 0,4867804 - 0,02433902 

 0.9999998 0 
A A =  ≠ I .
-1

 0 0.9999998 2
Este resultado se debe a las aproximaciones
que hemos usado.

c. Al usar el método de Gauss-Jordan para calcular

la inversa usando aproximaciones con cinco de-
cimales tenemos que
-1
 − .2,4389 0,5122 
A =  
 0.4878 − 0,02439

 1 10 −11 
AA =  ≠ I.
-1

0 1  2

El resultado se debe a las aproximaciones

realizadas.

0,1 2,1 1/10 21/10

d. Observa que A=   = .
 2 1  2 1 

168
 AUTOEVALUACIÓN II

TIEMPO ESTIMADO : 3 horas ‘

INSTRUCCIONES: Esta autoevaluación esta dirigida a los contenidos de la unidad 7 del
Módulo. Encontraras preguntas de “selección simple” de “verdadero
y falso” y de “desarrollo”. Intenta responder todas las preguntas.

PARTE I
En los siguientes enunciados selecciona la alternativa correcta haciendo las correspondientes justifica-
ciones.

1. Indica entre las alternativas propuestas la que corresponda a una solución del sistema de ecuaciones

x + y − 2z + 4 w = 1

2x − 5 y + 3 w = 0 .
y + 5 z = − 1


a) x = 0, y =3, z=1, w = 0
b) x = 2, y = 1 , z = 3, w = 1
c) x= −9/25 , y = 0, z= −1/5, w = 6/25
d) x = −26/5, y = −1, z=0, w = − 9/5

2. Al aplicar las tres transformaciones elementales F1♦F2 , F2♦F2−2F1, F3♦F3−(1/2)F1 (en ese orden)
a la matriz
 2 0 −1 5
 
 1 −1 4 3
1/ 2 − 1 1 2 
 
se obtiene la matriz
 1 −1 4 3  1 −1 4 3
   
a)  2 0 −1 5 b)  0 2 − 9 − 1
1/ 2 − 1 1 2   
   0 − 1 − 1 1
 1 −1 4 3 1 −1 4 3
c)    
 0 2 − 9 − 1
d) 0
 2 − 9 − 1
 1/ 2 − 1 0 − 1 / 2 − 1 1 / 2 
 1 2   

1 0 −1 1
 
0 − 1 0 3
3. En un examen de Matemática II se pidió hallar la inversa de la matriz C = 
0 −1 1 2
 
0 1 −1 2 


utilizando el método de Gauss-Jordan. El estudiante A señaló que la inversa de la matriz

137
 − 4 4 −4 0
 
 0 4 − 3 − 3
C es 
− 5 − 1
. Mientras que el estudiante B indicó que la inversa
0 4
 
 0 − 1 − 1
 0

 1 −1 1 0
 
0 − 1 3 / 4 3 / 4 
es la matriz  .
0 − 1 5 / 4 1/ 4
 
0 0 1 / 4 0 


Señala cuál de las siguientes alternativas es la correcta.

a) Ambos estudiantes tienen la razón

b) Ambos estudiantes estaban equivocados
c) El estudiante A tiene la razón
d) El estudiante B tiene la razón

PARTE II
A continuación te proporcionamos varias proposiciones. Indica con una V o una F en el recuadro corres-
pondiente, según la proposición sea verdadera o falsa, respectivamente

1. Sean a1 , b1 , c1 , a2 , b2 , c2 números reales y r1, r2 las rectas de ecuaciones a1x + b1y = c1 , a2x + b2y = c2,
respectivamente, y considera el sistema de ecuaciones S

a1x + b1y = c1
 .
a2 x + b2 y = c 2

Entonces:

V F
1. El sistema S tiene solución única si las rectas r1 y r2 son paralelas ( ) ( )
2. El sistema S tiene infinitas soluciones si las rectas r1 y r2 son paralelas ( ) ( )
3. El sistema S tiene exactamente tres soluciones ( ) ( )
4. El sistema S tiene exactamente una solución si r1 y r2 son perpendiculares ( ) ( )
5. El sistema S no tiene solución si las rectas r1 y r2 no son paralelas ( ) ( )
6. Si las rectas r1 y r2 se intersectan el sistema S tiene solución ( ) ( )
7. Si las rectas r1 y r2 se intersectan el sistema S no tiene solución ( ) ( )
8. Si a1 = a2 b1 = b2 y c1 = c2 el sistema S tiene infinitas soluciones ( ) ( )
9. Si c1 = c2=0 el sistema S tiene solución ( ) ( )
10. Si a1 = 2a2 , b1 = 2b2 y c1 =2 c2 el sistema S no tiene soluciones ( ) ( )

138
PARTE III

1. Usar el método de Gauss-Jordan para resolver el siguiente sistema de ecuaciones


x + y + w + z = 0

 x − y −w − z =1
x w
 − 2 y + = −6
2 2

2. Usar el método de Gauss-Jordan para hallar la inversa de la matriz

 5 0 −1 0
 
 0 −1 0 0
1/ 2 −1 0 0
 
 0 1 −1 2 


3. Una empresa paga a sus empleados usando billetes de tres denominaciones d1, d2 y d3. Existen tres
grupos de empleados. A una persona del primer grupo de empleados se le cancela su sueldo con 10
billetes de la denominación d1, 8 de la denominación d2 y 9 de la denominación d3. A un empleado del
segundo grupo se le paga utilizando 8 billetes de la denominación d1, 9 de la denominación d2 y 7 de
la denominación d3. A cada persona del tercer grupo se le cancela con 9 billetes de la denominación
d1, 6 de la denominación d2 y 3 de la denominación d3. Si en caja hay 710 billetes de la denominación
d1, 583 de la denominación d2 y 534 de la denominación d3 a cuántos empleados de cada uno de los
grupos se les puede cancelar de manera que se utilicen todos los billetes existentes en caja.

139
 RECOMENDACIONES

A continuación te presentamos un conjunto de especificaciones relacionadas con cada una de las pre-
guntas de la autoevaluación , indicándote la sección que debes revisar en caso de que tengas dudas o no
hayas podido responder correctamente.

ESPECIFICACIONES PARA LA AUTOEVALUACIÓN I

PREGUNTA SECCIÓN

Parte I
1 7.5

2 7.6

3 7.6 7.8

Parte II
1.1
1.2

1.3

1.4
1.5 7.5 7.5.1

1.6

1.7
1.8

1.9

1.10

Parte III
1 7.6 7.7
2 7.7 7.8

3 7.3 7.3

140
 RESPUESTAS A LA AUTOEVALUACIÓN II

A continuación te proporcionamos las respuestas a la preguntas propuestas en la autoevaluación. Antes

de leerlas debes haber intentado resolverlas.

PARTE I

1. Hay dos maneras para determinar la alternativa correcta.

1era Forma.
Se sustituye las posibles soluciones en el sistema de ecuaciones y determinamos si cada una de las
ecuaciónes se transforman en una identidad. De ocurrir esto los valores considerados son una solución
del sistema. En nuestro caso la alternativa correcta es la c. x= −9/25 , y = 0, z= −1/5, w = 6/25

−9/25 + 0 + 2/5 + 24/25 = 1 Verifica la primera ecuación

−18/25 − 0 + 3(6/25) = 0 Verifica la segunda ecuación
0 + 5(−1/5) = −1 Verifica la tercera ecuación

2da Forma
Se resuelve el sistema de ecuaciones y se determina cuál de las alternativas corresponde a una solución.
Al resolver el sistema de ecuaciones obtenemos que las soluciones son de la forma

y +1 − 39 y + 6 121 y + 9
z=− , w= , z=− , y IR
5 25 25
Si tomamos y=0, resulta z = −1/5, w = 6/25, x = 9/25, que corresponde a la alternativa c. .

2. Apliquemos las tres transformaciones elementales F1♦F2 , F2♦F2−2F1, F3♦F3−(1/2)F3 (en ese or-
den) a la matriz
 2 0 −1 5
 
 1 −1 4 3
1/ 2 − 1 1 2 


 2 0 −1 5  1 −1 4 3  1 −1 4 3
     
 1 − 1 4 3  F1♦F2  2 0 − 1 5  F2♦F2−2F1  0 2 − 9 − 1
1/ 2 − 1 1 2   1/ 2 − 1

1/ 2 − 1
 1 2   1 2 

1 −1 4 3
 
F3♦F3−(1/2)F3 0 2 − 9 − 1 Alternativa correcta la d.
0 − 1 / 2 − 1 1 / 2 
 

3. Existen dos maneras de resolver este problema.

1era manera
Multiplicar la matriz C por las matrices dadas por los estudiantes y verificar si dicho producto da como
resultado la matriz identidad I4 .

141
 1 0 −1 1 − 4 4 −4 0  − 4 0 0 0
     
0 − 1 0 3  0 4 − 3 − 3  0 − 4 0 0
0 − 1 1 2  0 4 − 5 − 1 =  0 0 −4 0  I4 El estudiante A no tiene la razón
     
0 1 −1 2   0 − 1 − 1  0 0 − 4 
  0 0

 1 0 − 1 1  1 − 1 1 0  1 0 0 − 1/ 4
     
 0 − 1 0 3  0 − 1 3 / 4 3 / 4  0 1 0 − 3 / 4 
0 − 1 1 2  0 − 1 5 / 4 1 / 4  = 0 0 1 − 1/ 2   I4 El estudiante B no tiene la razón
     
0 1 − 1 2  0 0 
0 0 0 1/ 2 
 0 1/ 4 

Alternativa correcta la b.

2era manera
Calculando la inversa de la matriz usando el método Gauss-Jordan.

 1 −1 1 0
 
-1 0 − 1 3 / 4 3 / 4
C = 
0 − 1 5 / 4 1/ 4
la cual es diferente a las respuestas dada por los dos estudiantes.
 
0 0 1 / 4 1 / 4 


PARTE II

Resp. Justificación

1. El sistema S tiene solución única si las Puede ocurrir que r1 = r2. En este caso hay infinitas
rectas r1 y r2 son paralelas. (F) soluciones.

2. El sistema S tiene infinitas soluciones si las Puede ocurrir que r1|| r2 y r1  r2. En este caso no
(F) hay soluciones.
r1 y r2 son paralelas.

(F) Todo sistema de ecuaciones tiene una sola solu-

3. El sistema S tiene exactamente tres soluciones
4. El sistema S tiene exactamente una solución
si r1 y r2 son perpendiculares.
5. El sistema S no tiene solución si las rectas r1
y r2 no son paralelas.
ción, infinitas soluciones o no tiene solución.
Si r1 y r2 son perpendiculares las recta se cortan
(V) en un solo punto. Las coordenadas de este punto
conforma la solución.
Si r1 y r2. no son paralelas se cortan en un único
(F) punto y hay una única solución.

6. Si las rectas r1 y r2 se intersectan, el sistema

S tiene solución. (V) Si las rectas se cortan hay solución.

7. Si las rectas r1 y r2 se intersectan el sistema (F) Es lo contrario del anterior.

S no tiene solución.

8. Si a1 = a2 , b1 = b2 y c1 = c2 el sistema S tiene (V) En este caso las dos rectas son iguales y así hay
infinitas soluciones. infinitas soluciones.
(V) El sistemas es homogéneo . Siempre hay solución,
9. Si c1 = c2=0 el sistema S tiene solución
la trivial.
10.Si a1 = 2a2 , b1 = 2b2 y c1 =2 c2, el sistema S (F) En este caso la segunda ecuación es la primera
no tiene soluciones. multiplicada por dos. Hay infinitas soluciones.

142
PARTE III

1. Al aplicar el método de Gauss-Jordan para resolver el sistema de ecuaciones tenemos:


x + y + w + z = 0

 x − y −w − z =1
x w
 − 2 y + = −6
2 2

 1 1 1 1 0  1 1 1 1 0 
 
 1 − −
1 1 − 1 1 F2♦F2−F1 0 −2 −2 −2 1
 F3♦F3-(1/2)F1  0 F2 ♦− (1/2)F2
1 / 2 − 2 1 / 2 0 − 6   − 5/ 2 0 − 1/2 − 6 


1 0  1 0 0 0 1 / 2
 1 1 1 
0 1 1 1 1 / 2  F1 ♦ F1 − F2
− 0 1 1 1 − 1 / 2 F3 ♦ (2/5)F3
 0 − 5 / 2 0 −1/2 − 6  F3♦ F3+(5/2)F1
  
0 0 5 / 2 2 − 29 / 4 

1 0 0 0 1 / 2  1 0 0 0
 1 / 2 

0 1 1 1 − 1 / 2  F2♦F2−F3  0 1 0 1/5 12 / 5 
   − 
 0 0 1 4/5 − 29 / 10   0 0 1 4/5 29 / 10 

Entonces las soluciones del sistema de ecuaciones tienen la forma

x = 1/2, y = 12/5 - w/5, z = −4w /5− 29/10, wIR.

2. Al usar el método de reducción de Gauss-Jordan para hallar la inversa de la matriz, obtenemos

 5 0 −1 0 1 0 0 0  5 0 −1 0 1 0 0 0 1 −2 0 0 0 0 2 0
     
 0 −1 0 0 0 1 0 0 0 − 1 0 0 0 1 0 0 0 − 1 0 0 0 1 0 0
1/2 − 1 0 0 0 0 1 0  F3♦2F3  1 − 2 0 0 0 0 2 0 F1♦F3 5 0 - 1 0 1 0 0 0
     
 0 1 −1 2 0 0 0 1  0 1 −1 2 0 0 0 1 0 1 − 1 2 0 0 0 1

1 −2 0 0 0 0 2 0 1 −2 0 0 0 0 2 0
   
0 − 1 0 0 0 1 0 0 0 1 0 0 0 −1 0 0
F3♦F3−5F1   F2♦−F2  0 10 − 1 1 0 − 10 0 
0 10 − 1 0 1 0 − 10 0 
0

 
0
 1 −1 2 0 0 0 1
0
 1 −1 2 0 0 0 1

1 0 0 0 0 −2 2 0 1 0 0 0 0 − 2 2 0
   
F1♦F1+2F2  0 1 0 0 0 −1 0 0 0 1 0 0 0 −1 0 0
0 1 10 − 10 0  F3 ♦−F3
0 0 − 1 − 10 10 0 
F3♦F3−10F2  0 0 −1 
1 0

  0 0 − 1
F4♦F4−F2  0 0 −1 2 0 1 0 1  2 0 1 0 1

143
 1 0 0 0 0 − 2 2 0 1 0 0 0 0 −2 2 0
   
− 1 0 0 0 1 0 0 0 −1 0 0
F4♦F4+F3 
0 1 0 0 0
F4♦(1/2)F4 
0 0 1 0 − 1 − 10 10 0  0 0 1 0 − 1 − 10 10 0
   
0 0 1 − 1/2 − 9 / 2 5 1/2 
 0 0 2 − 1 − 9 10 1  0 0

 0 −2 2 0 

 − 0 .
De esta manera la inversa de la matriz pedida es  0 1 0

−1 − 10 10 0 

− 
 1/ 2 − 9/2 5 1/ 2 

3. En la siguiente tabla hemos colocado la cantidad de billetes de cada denominación que son usados para
cancelar el sueldo a cada persona de cada grupo
Si denotamos por 1, 2, 3 a un empleado del primer, segundo y tercer grupo respectivamente, los datos
suministrados en una tabla son:

Grupo 1 Grupo 2 Grupo 3

d1 10 8 9

d2 8 9 6

d3 9 7 3

Si denotamos por g1,g2,g3 la cantidad de empleados de los grupos 1,2 y 3 respectivamente, con la
cantidad de billetes que hay en la caja , se tiene

10 g1 + 8g2 + 9g3 = 710


 8g1 + 9g2 + 6 g3 = 583
 9g1 + 7g2 + 3g3 = 534


Al resolver este sistema de ecuaciones, resulta g1 = 41, g2 = 15, g3=20. Es decir que con los billetes
existentes en caja se les puede pagar a 41 empleados del primer grupo , 15 del segundo grupo y 20 del
tercer grupo.

144
 RESUMEN

En este texto se abordaron básicamente dos tópicos del Álgebra Lineal: Matrices y Sistemas de Ecuaciones
Lineales.

La Unidad I la dedicamos al estudio de las matrices. Comenzamos presentando una gran variedad de
situaciones donde se utilizan las matrices y aprovechamos la oportunidad para introducir algunas matrices
especiales de uso frecuente. Proseguimos presentando una definición informal de este concepto y luego
pasamos a tratar con las operaciones con matrices: adición de matrices, producto de un número real por una
matriz y producto de matrices. Las propiedades de estas operaciones las reflejamos en los siguientes cua-
dros

ADICIÓN DE MATRICES
PROPIEDADES
≈ Asociativa 〈 A+(B+C)=(A+B)+C
≈ Existencia de elemento neutro 〈 Matriz nula
≈ Existencia de elemento 〈 El opuesto de A es la matriz −A
simétrico
≈ Conmutativa 〈 A+B=B+A

Propiedades del producto de un número real por una matriz

⁄ α(A + B) = αA + αB
⁄ (α + β)A = αA + βA
⁄ α(βA) = (αβ)A
⁄ 1A = A ,
donde α,βIR y A, B son matrices

Propiedades del Producto de Matrices

⁄ Asociativa ♥ A(BC)=(AB)C
⁄ Existencia de elemento ♥ AIn = InA = A, si A es una matriz
neutro cuadrada de orden n
⁄ Distributiva ♥ A(B+C)=AB+AC

(A+B)C=AC+BC

Los vectores los hemos tratado como matrices fila o columnas. Además incluimos las definiciones de
producto escalar, norma de un vector y ángulo entre vectores.

Concluimos la unidad incluyendo el concepto de matriz inversa y de ciertas transformaciones del plano
en si mismo como son las isometrías.

En la segunda unidad nos dedicamos al estudio de los sistemas de ecuaciones lineales. Comenzamos
presentando algunos aspectos teóricos como el concepto de sistema de ecuaciones, solución de un sistema
de ecuaciones, sistemas de ecuaciones lineales homogéneo. Proseguimos estudiando el problema de reso-
lución de sistemas de ecuaciones, y en tal sentido se explica el método de reducción de Gauss-Jordan,
que permite resolver los sistemas de ecuaciones lineales de una manera bastante sencilla que puede ser
programado por paquetes computacional.
145
 Finalizamos la unidad exponiendo la utilidad de este método de reducción para determinar la inversa de
una matriz ,por supuesto en caso de que esta exista.

Al final de cada unidad hemos incluido una autoevaluación para que puedas verificar si se lograron los
objetivos planteados. Tus respuestas puedes verificarlas por las expuestas al final de cada autoevaluación.

146
 Transformación de Filas Nueva Matriz Ampliada Sistema de Ecuaciones
Modificado

1 0 1 1 x + z = 1
Multiplicamos la última   
fila por 1/2 0 6 − 4 − 1 6 y − 4 z = −1
  y + z = 0
F3♦(1/2)F3 0 1 1 0  
Hemos multiplicado la última
ecuación por 1/2

x + z = 1
Sumamos a la segunda fila 1 0 1 1 
  − 10 z = −1
la tercera multiplicada por -6 0 0 − 10 − 1 y + z = 0
F2♦F2-6F3  0  
0 1 1
Hemos sumado a la segunda
ecuación la tercera multiplica-
da por -6

x + z = 1
1 0 1 1  
Multiplicamos la segunda   z = 1/10
fila por -1/10 0 0 1 1/10  y + z = 0
F2♦ - (1/10)F2 0 1 1 0  
  Multiplicamos la segunda ecua-
ción por −1/10

x = − 9/10
 1 0 0 9/10  
Multiplicamos la segunda fila por -1   z = 1/10
y se la sumamos a la primera.  0 0 1 1/10  y + z = 0
 
F1♦F1-F2
0 1 1 0 
Sumamos a la primera ecua-
ción la segunda multiplicada
por −1

x = 9/10
Sumamos a la tercera fila la se-  1 0 0 9/10  
gunda multiplicada por -1   z = 1/10
 0 0 1 1/10  y = −1/10
F3♦F3-F2   
 0 1 0 − 1/10 
Sumamos a la tercera ecuación
la segunda multiplicada por −1

De esta manera hemos resuelto nuestro sistema de ecuaciones obteniendo la solución

x = 9/10 , y = −1/10 , z = 1/10

Como puedes observar para aplicar el método de Gauss-Jordan para resolver un sistema
de ecuaciones del tipo A X = B, se considera la matriz ampliada del sistema (A | B), luego se
reduce esta matriz usando transformaciones elementales entre filas. Al finalizar, en la última
columna nos queda los valores de las incógnitas. Si al aplicar las transformaciones elementa-
les a la matriz ampliada resulta que una de las filas tiene puros ceros salvo el elemento
correspondiente a la última columna, entonces el sistema no posee solución.

125
 Ilustremos el método con tres ejemplos donde acontecen los tres casos posibles: solución
única, infinitas soluciones y sin solución.

Ejemplos 7.7

1. Usar el método de Gauss-Jordan para resolver el siguientes sistema de ecuaciones.

− 2 x + y + z = 1

7 x + 4y + 3z = 2
2 x + 7 y + 6 z = 3


 − 2 1 1 1
p  
Reducimos la matriz ampliada del sistema de ecuaciones  7 4 3 2  como sigue
 
 2 7 6 3

 − 2 1 1 1 1 − 1/2 − 1/2 − 1/2  F2 ♦ F2 − 7F1

   
 7 4 3 2  F1 ♦− (1/2)F1 7 4 3 2  F3 ♦ F3 − 2F1
   3 
 2 7 6 3 2 7 6

1 − 1/2 − 1/2 − 1/2  1 − 1/2 − 1/2 − 1/2 

    F1♦F1+(1/2)F2
0 15/2 13/2 11/2  F2♦(2/15)F2  0 1 13/15 11/15 
0 F3♦F3−8F2
 4   8 7 4 
0 8 7

1 0 − 1/15 − 2/15  1 0 − 1/15 − 2/15 

    F2♦F2−(13/15)F3
0 1 13/15 11/15  F3♦15F3  0 1 13/15 11/15 
0 F1 ♦F1+(1/15)F3
0
 0 1/15 − 28/15   0 1 − 28 

1 0 0 −2 
 
0 1 0 25 
0 1 − 28 
 0

De esta manera tenemos que la solución del sistema de ecuaciones es x = −2, y = 25, z= −28
(verifícalo).

En varias ocasiones es conveniente hacer transformaciones elementales donde no sea

necesario hacer tantos cálculos con fracciones, claro está hacer esto depende en muchas
ocasiones de la experiencia de la persona que esté resolviendo el sistema de ecuaciones, por
ejemplo este mismo sistema de ecuaciones podemos resolverlo de la forma siguiente

 − 2 1 1 1  8 − 4 − 4 − 4 1 − 8 − 7 − 6
     
 7 4 3 2 F1♦-4F1  7 4 3 2  F♦F1−F2 7 4 3 2
 2  2 3 

 2 7 6 3

 7 6 3   7 6

126
  1 −8 −7 −6  1 −8 −7 −6 
F2♦F2−7F1    
0 15 13 11 
F3♦F3−2F1 
0 60 52 44 
F2♦(1/4)F2  F3♦F3 −F2
 0
 23 20 15 
0 23 20 15 

1 −8 − 7 − 6  1 − 8 − 7 − 6 1 −8 −7 −6
     
0 15 13 11 F2♦F2-3F3  0 − 1 −1 3  F2♦ -F2  0 1 1 − 3
 4   4  0 4 
0 8 7  0 8 7  8 7

 1 0 0 − 2  1 0 1 − 30 
F1♦F1+F3    
 0 1 1 − 3  F3 ♦− F3  0 1 1 −3 
F3♦F3−8F2   0 − 28 
 0 0 −1 28   0 1

1 0 0 −28
2 
F1♦F1−F3  
0 1 0 25 
F2♦F2−F3 
0 0 1 − 

Obteniendo la misma solución x = −2 , y = 25 , z = −28. n

5 x1 − 2 x 2 − x 3 = 0

 x1 − 8 x 2 − 3 x 3 = 2
2. Resolver el sistema de ecuaciones .
2 x1 + 3 x 2 + x 3 = −1

− 3 x1 + 5 x 2 + 2 x 3 = −1
p  5 − 2 − 1 0
 
La matriz aumentada del sistema de ecuaciones es 1 − 8 − 3 2 .
 2 3 1 − 1
 
− 3 2 − 1
 5

Al aplicar el método de Gauss-Jordan para resolver el sistema de ecuaciones resulta.

 5 − 2 − 1 0  0 38 14 − 10 
   
 1 − 8 −3 2  F1♦F1−5F2  1 −8 −3 2 
 0 F1 ♦ (1/2)F1
 2 1 − 1 F3♦F3−2F2 19 7 −5 

3
 F4♦F4+3F2  
− 3  0 − 19 5 
 5 2 − 1  −7

0 19 7 −5 0 19 7 −5 
   
 1 − 8 −3 2  F3♦F3−F1 1 −8 −3 2
0 F1♦(1/19)F1
19 7 − 5  F4♦F4+F1  0 0 0 0
   
 0 − 19 − 7 5  0 0 
  0 0

0 1 7/19 − 5/19  0 1 7/19 − 5/19 

   
 1 −8 −3 2  1 0 − 1/19 − 2/19 
0 0 0 0  F2♦F2+8F1 0 0 0 0 
   
0 0 0  0 0 
 0  0 0

127
 Esta última matriz no puede reducirse mas y así las soluciones del sistema
de euaciones original son las mismas que las del sistema asociado a la última matriz,
es decir
 x 2 + (7/19) x 3 = −5/19

 x1 − (1/19) x 3 = −2/19 .

el cual tiene infinitas soluciones dadas por

x1 = −2/19 +(1/19)x3 , x2 = −5/19 − (7/19)x3 , x3 IR .

Como podrás observar aquí para cada valor de x3 tenemos una solución. ■

5 x + y + 4z − 9w = 8

3. Resolver el siguiente sistema de ecuaciones − 3 x + 2 y − z − 4w = −3
5 x + y + 4z − 9w = 4
p 
Al aplicar el método de Gauss-Jordan tenemos

 5 1 4 −9 8  5 1 4 −9 8
   
− 3 2 −1 − 4 − 3  F3♦F3−F1 − 3 2 −1 − 4 − 3
 4 −9 4   − 4 
 5 1  0 0 0 0

En la última matriz obtenida observamos que en la tercera fila todas las entradas son
iguales a cero salvo la correspondiente a la última columna. Estos nos indica que el sistema
de ecuaciones proporcionado no tiene solución.
■

Otra forma de observar esto es recordando que de acuerdo a la última matriz obtenida el
sistema de ecuaciones original tiene las mismas soluciones que el sistema de ecuaciones

5 x + y + 4 z − 9w = 8

 − 3 x + 2 y − z − 4w = − 3
0 = − 4


Como la última ecuación de este sistema es incompatible (no tiene solución) el sistema de
ecuaciones original no tiene solución.

Ejercicios Propuestos 7.7

1. Usa el método de reducción de Gauss-Jordan para resolver los siguientes sistemas de

ecuaciones lineales.

− x + 5 y = 6 5 x + y + 4 z + 9w = 0 3 x + 8 y − z + 2w = 2
  
a. 14 x + 3y − z = −6 b.  − 3 x + 2 y − z − 4w = − 3 c.  − x + 5 y + 3w = 9
− 8y + 3z = −6 2 x + 7 z + 2w = 4  23y − z + 11w = −20
  

128
 5 x − 3 y = 12
5 x − 3 y + 2z = 47 
− 10 x + 3y − z = −5 7 x + 9 y − z = 100  9 36
  3 x − y =
d. 4 x − 8y + z = 8 e.  f. 5 5
− 2 x − 13 y + z = 11 3 x + 5 z = 450 − 2 x + y = −15
 
2 x − y = −20 
13 x − 8 y = 21

3 x − 2 y + 5z = 10  x1 − 2 x 2 + x3 + x 4 = 2  − x2 − x3 + 3 x 4 + 4 x5 = 2
− x + 3 y + 3z = 8  
 3 x1 + 2 x 3 − 2 x 4 = −8  − x1 + 3 x2 + 5 x3 − 2 x4 − x5 = −8
g.  h.4 x − x − x = 1 i.  − 5 x + x + 2 x − 4 x − 3 x = −1
2 x + y + 8 z = 18  2 3 4 1 2 3 4
 x1 /2 + 4 x 2 + x3 + x5 = 0
5

4 x + 2y + 16z = 36 
5x 1 + 3 x3 − x4 = −3 
 8 x1 − 3 x2 + 5 x 3 + 7 x 4 + 9 x5 = 0

2. Determina los valores de bIR para que el sistema de ecuaciones

bx + 2y + 3z = 1
 2
**
b x + 4y + 9z = 2
 3
b x + 8y + 27z = 3
a. no tenga solución

b. tenga solución única

c. tenga infinitas soluciones

3. Resolver los siguientes sistemas de ecuaciones considerando los posibles valores de α y β

5x − 4y + 13z = 3

a. 12x + 3y − z = 2αα , donde α es un número real.
9x − y − 5z = α


 2 x1 − x 2 − 3x 4 − x 5 = 2

 − x1 + x 2 + x 3 + 2x 4 + 2 x 5 = 3

b.  x1 + x2 + 3 x3 + 2 x5 = 6 , α, βIR.
 x +2 x + α x + βx = β
 2

3 4 5
 x1 + x 2 + x 3 + x4 + x5 = 0
*

4. En una fabrica se elaboran dos productos A y B en dos máquinas R y S . La máquina R tiene

120 horas disponibles y la máquina S tiene 180 horas disponibles. Cada unidad del producto
A requiere 6 horas de la máquina R y 3 horas de la máquina S; la manufactura del producto B
*
requiere de 4 y 10 horas de las máquinas R y S respectivamente. Determina el número
máximo de unidades que pueden producirse de los productos A y B.

129
 5. En una panadería se producen dos tipos de tortas t1, t2. Para la elaboración de un lote de
tortas del tipo t1 se utilizan 10 kg de harina y 8 kg de azúcar. Para la elaboración de un lote
de tortas tipo t2 se utilizan 15 Kg de harina y 12 kg azúcar. Si se disponen de 100 de harina
y 50 kg de azúcar. Determina si pueden elaborar lotes de tortas tipo t1 y tipo t2 de tal manera
que no sobre ni azúcar ni harina.

6. Una granja se dedica al cultivo de dos productos A y B en una superficie de 20 hectáreas. En

al producción la granja dispone de 120 horas para trabajos de siembra, 109 horas para el
cuidado de la siembra y 186 horas para lla cosecha. Los requerimientos de trabajo para cada
producto, en horas por hectárea son los siguientes

Producto
Requerimientos A B

Siembra 5 7

Cuido 10 3
Cosecha 8 10

Determina el área que debe destinarse a cada producto para utilizar todo los recurso dispo-
nibles.

7. Cuántas unidades de tres productos P, Q y R pueden obtenerse si se dispone de 161, 44,

y 165 unidades de los componentes A, B y C respectivamente, si cada unidad del producto
P contiene 18% del componente A, 72% del B y 10% del C; el producto Q está formado por
20% de A, 60% de B y 20% de C; y el producto R por 25% de A, 50% de B y 25% de C.

7.8 Cálculo de la Inversa de una Matriz Utilizando el Método de Gauss-Jordan

A es
invertible si
En la primera unidad de este Módulo estudiamos el concepto de inversa de una matriz, pero
existe una no indicamos un método para calcular la inversa de una matriz. En tus estudios preuniversitarios
matriz B, tal estudiaste un método para calcular la inversa de una matriz, en caso de existir, usando deter-
que minantes. En primer lugar recordemos que una matriz cuadrada tiene inversa si su determi-
AB = BA =I. nante es distinto de cero.
a b 
Así si tenemos una matriz 2x2, A =   , con determinante distinto de cero
c d
a b
=ad − cb0),
c d
entonces la matriz A es invertible y su inversa es

adj A es la 1 1  d −c
t
1  d − b
 =   .
a 
matriz ad- A-1 = det A adj A = − b  − bc
junta de la
det A  a ad − c
matriz A.
1 7
Por ejemplo, si A =
1 7
 , entonces det A = − 2 − 1 = −1−(−14) = 13  0 y por lo tanto A
 − 2 − 1
es invertible y la inversa de A es
t
Comprueba 1 1  −1 2  1  − 1 − 7
   
− 7 1 = 13  2 1
-1
que esta es A = adj A =
la inversa
det A det A  
de A.
130
 En el caso de matrices de orden 3, la situación es un poco mas complicada.

 a b1 c1 
 1 
Si B =  a 2 b2 c 2  tiene determínante no nulo, es decir si
a b c 
 3 3 3

det B = a1 b2c3 + b1c2a3 + a2b3c1 − ( a3b2c1 + b3c2a1 + a2b1c3 )  0,

entonces la matriz B es invertible y

t
 b c2 a2 c2 a2 b2 
 (−1)1+ 1 a1 2 1+ 2
(−1) b1 (−1) 1+ 3
c1 
 b3 c3 a3 c3 a3 b3 
1 1  b c1 a c1 a b1 
B-1 = det B adj B =  (−1) 2 + 1a 2 1 (−1) 2 + 2 b 2 1 (−1) 2 + 3 c 2 1  =
det B  b3 c3 a3 c3 a3 b3 
 b c1 a c1 a b1 
 (−1) 3 + 1a 3 1 (−1)3 + 2 b 3 1 (−1) 3 + 3 c 3 1 
 b2 c2 a2 c2 a2 b2 
 

t
 a (b c − b 3 c2 ) − b1(a 2c 3 − a 3c 2 ) c1(a2b 3 − a 3b 2 ) 
=
1  1 2 3  .
det B  − a 2 (b1c 3 − b3 c1) b 2 (a1c 3 − a 3c1 ) − c 2 (a1b 3 − a 3b 1) 
 a (b c − b c ) − b (a c − a c ) c 3 (a1b 2 − a 2b 1) 
 3 1 2 2 1 3 1 2 2 1

1 −5 2
 
Por ejemplo, si B =  3 − 1 0 , entonces como
6 − 2 1 


1 −5 2
det B = 3 − 1 0 = −1+0−12 −(−12+0−15) = 14  0,
6 −2 1
la matriz B es invertible y
Verifica que
 −1 1 2 esta es la
1 1   matriz inver-
-1
B = det B adj B = 14  − 3 − 11 6 . sa de B.
 
 0 − 28 14 

Como podrás observar, este método tiene la dificultad que es necesario realizar muchos
cálculos y esta situación se complica más aun si la matriz tiene un orden “grande”, por ejem-
plo mayor que seis

En esta sección utilizaremos el método de reducción de Gauus-Jordan para determinar la

inversa de una matriz en caso de que ésta exista. Este método es bastante sencillo. A fin de
aclarar en qué consiste el método supongamos que deseamos determinar la inversa, en caso
de existir de una matriz A de orden “n”. Para aplicar el método a la matriz se procede de la
siguiente manera.

131
 Se copian la matriz A y la matriz identidad In una al lado de la otra separadas si se
desea por una línea B= (A In)

Se efectúan transformaciones entre las fila de la matriz B. Si se logra trasformar

la matriz A en la identidad In , entonces la matriz identidad In se ha transformado
en la inversa de A.

? ¿ Qué ocurre si la matriz A no es invertible ?

En este caso al hacer las transformaciones elementales de las filas de la matriz A se

conseguirá trasformar al menos alguna fila de A en ceros y de esta forma no se podrá trans-
formar la matriz en la matriz identidad de orden “n”.

A efectos de comprender el método utilizemos en algunos ejemplos

Ejemplo 7.8

1. Determina en caso de ser posible la inversa de las siguientes matrices, utilzando el método
de reducción de Gauss-Jordan.

2 4 1 3
1 1 − 1    2 −1 2
  3 8 1 24   
A = 3 − 4 2 , B=   , C= 2 3 − 4 .
1 2 1 −1 − 4 − 6
2 1 
2

 8 
 5 1 17 
5


▲
Apliquemos el método a la matriz A

1
 1 − 1 1 0 0  1 1 −1 1 0 0
F2♦F2−3F1  
3 − 4 2 0 1 0  0 1 − 5 / 7 3 / 7 − 1/ 7 0  F2♦ (-1/7)F2
  F3♦F3−2F1
2 5 1 0 0 1 0 3 3 −2 0 1


1 1 −1 1 0 0   1 0 −2/7 4/7 1/ 7 0 
  
 0 1 − 5 / 7 3 / 7 − 1 / 7 0  F1 ♦ F1−F2  0 1 − 5 / 7 3 / 7 − 1 / 7 0  F3♦(7/36)F3
0 1 F3♦F3-3F2  0 0 36 / 7
 
0 3 3 −2
 − 23 / 7 3 / 7 1

 1 0 −2/7 0  1 0 0 7 / 18 1/ 6 1 / 18 
F1♦F3+(2/7)F3 
 4/7 1/ 7
0 1 − 5 / 7 3 / 7 − 1/ 7 0 0 1 0 − 1/ 36 − 1/ 12 5 / 36 
  F2♦F2+(5/7)F3  − 
0 0 1 − 23 / 36 1/ 12 7 / 36  0 0 1 23 / 36 1/ 12 7 / 36 

132
 Luego

 7 / 18 1 / 6 1/ 18   14 6 2
  1  
 −1 − 3 5 .
-1
A =  − 1 / 36 − 1 / 12 5 / 36  =
36 
 − 23 / 36 1 / 12 7 / 36   − 23 3 7 


Verifiquemos que realmente esta matriz es la inversa de la matriz A

 14 6 2   1 1 − 1
-1 1   
A A =  − 1 − 3 5  3 − 4 2  =
36   1
 − 23 3 7   2 5

 14 + 18 + 4 14 − 24 + 10 − 14 + 12 + 2 
1  
=  − 1 − 9 + 10 − 1 + 12 + 25 1 − 6 + 5
36
 − 23 + 9 + 14 − 23 − 12 + 35 23 + 6 + 7 


36 0 0  1 0 0
1    
=  0 36 0  = 0 1 0  = I3
36   0 0 1
 0 0 36   

1 1 − 1   14 6 2  1 − 1  14
1 
1 6 2
-1    1    
AA = 3 − 4 2   − 1 − 3 5   = 36 3 − 4 2   − 1 − 3 5 
2 1   − 23 3 7  
36 2
 5  5 1  − 23 3 7 

 14 − 1 + 23 6−3 −3 2 + 5 − 7 36 0 0   1 0 0 
1   1    
=  42 + 4 − 46 18 + 12 + 6 6 − 20 + 14 =  0 36 0  = 0 1 0  = I3
36 36    
 28 − 5 − 23 12 − 15 + 3 4 + 25 + 7 
   0 0 36  0 0 1

Apliquemos el método a la matriz B.

2 4 1 3 1 0 0 0  1 2 1 − 1 0 0 1 0 
  F2 ♦ F2− 3F1
3 8 1 24 0 1 0 0  3 8 1 24 0 1 0 0 
  F1♦F3   F3 ♦ F3− 2F1
1 2 1 −1 0 0 1 0 2 4 1 3 1 0 0 0  F3 ♦ F3− 2F1
   
2 5 1 17 0 0 0 1  2 5 1 17 0 0 0 1 

1 2 1 −1 0 0 1 0  1 2 1 − 1 0 0 1 0 
  F1♦F1−2F2
0 2 − 2 27 0 1 − 3 0 0 1 − 1 19 0 0 − 2 1 
  F2♦F4   F4♦F4−2F2
0 0 −1 5 1 0 − 2 0 0 0 −1 5 1 0 − 2 0
   
0 1 − 1 19 0 0 − 2 1 0 2 − 2 27 0 1 − 3 0 

133
 1
 0 3 − 39 0 0 5 − 2  1
 0 3 − 39 0 0 5 − 2 
0 1 − 1 19 0 0 −2 1  0 1 − 1 19 0 0 − 2 1 
 − −  F3♦-F3  − −  F1♦F1−3F3
0 0 1 5 1 0 2 0  0 0 1 5 1 0 2 0 
    F2♦F2+F3
0 0 0 − 11 0 1 1 − 2 0 0 0 − 11 0 1 1 − 2

1 0 0 − 24 3 0 − 1 − 2  1
 0 0 − 24 3 0 −1 −2 


0 1 0 14 −1 0 0 1 0 1 0 14 −1 0 0 1 
 −5 −1 0  F4♦(-1/11)F4  −5 −1 
0 0 1 2 0 0 0 1 0 2 0 
 − 11   − − 1/11 2/11
0 0 0 0 1 1 − 2 0 0 0 1 0 1/11

1
 0 0 0 3 -24/11 − 35/11 26/11 
F1 ♦ F1+24F4
0 1 0 0 − 1 14/11 14/11 −17/11
F2 ♦ F2 − 14F4  
− −
F3 ♦ F3+5F4 0 0 1 0 1 5/11 17/11 10/11 
 
0 0 0 1 0 − 1/11 − 1/11 2/11 

 3 − 24 /11 − 35 / 11 26 / 11  33 − 24 − 35 26 
Verifica    
que esta -1  − 1 14 /11 14 / 11 − 17 / 11 1  − 11 14 14 − 1 7 
es la ma- Luego B =  − 1 − 5 /11 17 / 11 10 / 11 = 11 
− 11 − 5 17 10 
   
 0 2 / 11
triz inversa
de B.  − 1/ 11 − 1/ 11  0
 −1 −1 2 

Finalmente apliquemos el método a la matriz C.

 2 −1 2 1 0 0  2 −1 2 1 0 0 
 F2 ♦ F2 − F1 
 2 − 4 0 1 0 F3♦ F3+2F2
−
3
 F3♦F3+2F2
0 4 − 6 − 1 1 0
 4 −6 8 0 0 1  
 0 − 8 12 2 0 1

2 −1 2 1 0 0 

0 4 − 6 −1 1 0
 
0 0 0 0 2 1

Como una de las filas de la matriz C se ha transformado en una fila de ceros, tenemos que la
matriz C no es invertible. Esto también lo podemos comprobar calculando el determinante de
C:
2 −1 2
det A = 2 3 − 4 = 48−16−24 −(−24+48−16) = 0
− 4 −6 8
n

134
Ejercicios Propuestos 7.8

1. Utiliza el método de reducción de Gauss-Jordan para que calcules la inversa, en caso de

existir, de cada una de las siguientes matrices.

1 −2 1  1 0 1 − 3 2 − 1  0,5 1 0,5 
       
A = 3 1 − 1 B =1 1 0 C =  2 0 1 D=  1 2 − 1
4 2  0 1 1  −1 2 1  0,5 0,5 0,5 
 3     

1 2 3 − 4 0
 
 0 2 7 0  3 −1 0 2 0 1 −2 5 1
   
E= 
1 3 2 5
F =  − 2 12 5 − 2 
G = 3 8 5 2 1
− 1 
0 3 4 −3 5 −6 1 3 7 2
    9 3
 4 5 6 3   0 − 8 12 − 6   
   1 1 0 − 1 3

 a 0 a
 
2. Determina los valores de a,b,cIR, para que la matriz A =  0 b −c1 sea invertible y
en tal caso hallar la matriz inversa. − 1 0 
 
3. Determina si existen valores de a,b,cΙR de tal forma que la matriz

 a b 1 2
 
 0 c − 2 3
a. A =  a b + c − 1 5  sea invertible.
 
 − a b + c − 3 1
 

0 a b 0 

c 0 2 − 1
b. B =   sea invertible
a 0 0 c
 
c a b + 2 − 1

0,1 2,1
4. Considera la matriz A =
 2
.
1 **
a. Verifica que la matriz A es invertible
b. Calcula la inversa B de la matriz A usando la matriz adjunta (para los cálculos usa cinco
cifras decimales o mas ). ¿AB = I2 ? Justifica este resultado
c. Calcula la inversa C de la matriz A utilizando el método de reducción de Gauss-Jordan
(para los cálculos usa cinco o mas ). ¿AC = I2? Justifica este resultado.
d. Halla alguna manera de calcular con exactitud la matriz inversa de la matriz A.

135
 Definición 7.2 (Solución de un Sistema de Ecuaciones Lineales)
☞ Una solución de un sistema de m ecuaciones lineales con n incógnitas

 a11 x1 + a12 x2 + .... + a1n xn = b1


 a 21x1 + a 22 x2 + .... + a 2 n xn = b 2

 M
a m1 x1 + am2 x 2 + .... + amn xn = bm


es toda n-upla de valores x1=t1, x2=t2,...xn=tn , tales que al sustituir estos

valores respectivamente, por las incógnitas en el sistema de ecuaciones,
obtenemos identidades.

Podemos observar que una solución de un sistema de ecuaciones de n incógnitas es un

vector
(t1,t2,..., tn) de IRn.

Dos sistemas de ecuaciones lineales que tienen las mismas soluciones de denominan sistemas
de ecuaciones equivalentes.

Ejercicio Propuesto 7.5

1. A continuación te presentamos varios sistemas de ecuaciones lineales y algunas posibles

soluciones. Determina cuáles de ellas son soluciones.

a.  5x − 2y = 7
 , x = 31/20, y = 3/8; x = 0 , y = 0.
7 x + 3 y = 2
 2 5

b. x − 2 y + 3 z = 0 , x=2/7 , y=1/7, z=0. ; x=-5/7, y=8/7, z=1


 2x + 3y − z = 1

 x1 − 2 x 2 + 3 x3 + x 4 = 0

c.  2 x1 + 3 x 2 − x 3 = 1

 x1 + x 4 + 1
 x 1 + x 2 − x 4 = 0
x 1 = 5/8, x 2= -1/4, x 3= -1/2, x 4= 3/8; x 1 = 5/8, x 2= -1/4, x 3= -1/2, x 4= 2/8.

7.5.1 Algunos Aspectos sobre las Soluciones de un Sistema de Ecuaciones

En la discusión sobre la existencia de soluciones de un sistema de ecuaciones, podemos

preguntarnos

? ¿ Los sistemas de ecuaciones lineales tienen solución ?

112
 En relación a esta interrogante, consideremos un sistema de dos ecuaciones lineales con
dos incógnitas.

 a1x + b1y = c1

a 2 x + b2 y = c 2

Como ya conocemos cada una de las ecuaciones de este sistema describe una recta en el Revisa
plano y las soluciones del sistema son los puntos de corte o de intersección de estas rectas. móduloI
Estudiemos las soluciones del sistema de ecuaciones de acuerdo al paralelismo entre las Matemática
I.
rectas de ecuaciones a1x + b1y=c1 , a2x + b2y=c2 . Existen tres posibilidades

Las rectas de ecuaciones Las rectas de ecuaciones Las rectas de ecuaciones

a1x + b1y=c1 , a2x + b2y=c2
son paralelas y no se
cortan .
En este caso al graficar las
rectas tenemos una situa-
ción como la mostrada en la
figura
...
a1x + b1y=c1 , a2x + b2y=c2
son paralelas y se cortan
en algún punto.
Como las rectas son parale-
las y se cortan en un punto,
necesariamente deben coin-
cidir en todos sus puntos. En
este caso las gráficas de am-
bas rectas son las mismas
a1x + b1y=c1 , a2x + b2y=c2
no son paralelas.
En este caso las rectas se
cortan en un único punto,
como se muestra en la gráfi-
ca
y
a1x + b1y=c1

...
y
a1x + b1y=c1 ...y
a1x + b1y=c1 a2x + b2y=c
.. 2
... .
a2x + b2y=c2
... ...
a2x + b2y=c2 x

... x
... x

En este caso el sistema de
ecuaciones no tiene solu-
ción
Aquí tenemos infinitas solu-
ciones, las cuales se co-
rresponden con los puntos
de cortes.
...
En esta situación la solución
del sistema de ecuaciones
esta dada por las coordena-
das del punto de corte de las
rectas.

Como puedes observar en el caso de un sistema de dos ecuaciones lineales con dos
incógnitas hay tres posibilidades en cuanto a las soluciones del sistema de ecuaciones, a
saber: el sistema posee una única solución, infinitas soluciones o no tiene solución.

De acuerdo a lo anterior puede suceder lo siguiente:

a. Las dos rectas son paralelas y no se cortan; en este caso el

sistema no tiene solución. (No hay una pareja de números
reales que satisfaga simultáneamente las dos ecuaciones).

b. Las dos rectas coinciden; en este caso, el sistema tiene un

número infinito de soluciones.

c. Las dos rectas se cortan en un solo punto; en este caso el

sistema tiene una única solución.

113
 En el caso de sistemas de ecuaciones con tres incógnitas se pueden hacer consideracio-
nes geométricas similares, pero ahora en lugar de considerar los cortes entre rectas debemos
considerar cortes entre rectas, entre rectas y planos y entre planos.

Al hacer estas consideraciones se obtiene la misma conclusión en términos de las posibles

soluciones: el sistema de ecuaciones posee una única solución, infinitas soluciones o no tiene
solución.

☞
Sistemas
En general esta situación acontece cuando consideramos un sistema de ecuaciones li-
neales AX = B y se dice que el sistema es compatible cuando posee solución e incompati-
ble cuando no tiene solución. A su vez cuando un sistema de ecuaciones lineales tiene solu-
compatibles ción, es decir cuando es compatible se dice que es compatible determinado si la solución es
e incompati- única y compatible indeterminado cuando tiene infinitas soluciones.
bles.

En el siguiente esquema hacemos un resumen de estas situaciones

AX = B

Incompatible Compatible

No posee solución Posee Solución

Compatible Determinado Compatible Indeterminado

Tiene una única solución Tiene Infinitas soluciones

En el caso particular de un sistema de ecuaciones lineales homogéneo AX=0 la situación

se simplifica ya que el vector columna nulo es solución (llamada solución trivial) del sistema y
en consecuencia todo sistema de ecuaciones lineales homogéneo siempre es compatible. En
cuanto al número de soluciones puede ocurrir cualquier cosa. Para apreciar esto considere-
mos por ejemplo el sistema de ecuaciones

3 x + 2 y = 0

− 3 x − y = 0

114
 Si resolvemos este sistema de ecuaciones (hazlo) observaremos que la única solución es
x = y = 0. Esto también podemos apreciarlo haciendo una representación gráfica de las recta
de ecuaciones 3x+2y=0, -3x-y=0.

-3x-y=0

...
y
...

En este caso el único punto de intersec-

ción es el punto (0,0). De esta manera la
única solución del sistema de ecuaciones
es

0 x x = 0 , y = 0.
3x+2y=0
...

...

Por otra parte consideremos el sistema de ecuaciones homogéneo

2 x + 3y = 0

6 x + 9y = 0

Al hacer una representación gráfica de las rectas de ecuaciones 2x+3y=0 , 6x+9y=0, tene-
mos

En este caso las rectas de y

...

2x+3y=0
ecuaciones 2x+3y=0, 6x+9y=0 son
idénticas (3(2z+3y)=6x+9) y hay infini-
tos puntos de corte, aquellos puntos de
la forma
2
y=− x, xIR
3
0 x
o bien de la forma 6x+9y=0

3
x =− y , yIR
2
...

Como podemos observar a través de estos ejemplos, un sistema de ecuaciones linea-

les homogéneo AX = 0, puede tener una única solución o infinitas soluciones.

En el siguiente diagrama resumimos la situación en cuanto a las soluciones de los

sistemas de ecuaciones lineales homogéneos.

115
 AX=0

Solución Infinitas
única Soluciones

Resumiendo los cuadros anteriores tenemos lo siguiente:

AX=B

B0 B=0

incompatible compatible Solución Infinitas

no tiene solución tiene solución única Soluciones

Solución Infinitas
única Soluciones

compatible compatible
determinada indeterminada

116
Ejercicios Propuestos 7.5.1

1. Resuelve analíticamente los siguientes sistemas de ecuaciones e intenta resolverlos

geometricamente:

 3 x + 2y = 24  4x − 6y = 2 − 5 x + y = 0
a.  b.  c. 
− 3 x + 4y = 6 − 2 x + 3 y = −1 − 10 x + y = 2
 y
5 x + 4 y = 0 2 x − 3 = 1 5 x − 2 y = 1
d.  e.  f. 
5 x + 4 y = 5 − x + 3 y = −1 − 15 x + 6 y = −3
 2

3 x + 7 y + z = 2 x + y − z = 1
g. 7 x + 8y − z = −2 h.  i.  x + 2 y − 3z = 0
 2 x + 2 y − 2z = 0 
 x − y + z = −1 3 x + 8 y − 5z = 2 − x + 3 y + 2z = −1
 

2. Verifica que si u y v son soluciones del sistema de ecuaciones AX=0, entonces

a. αu es solución de AX =0, para todo αIR.
b. u+v es solución de AX = 0
c. αu+βv también es solución de AX = 0, para todo α,βIR

3. Verifica que si u es una solución del sistema de ecuaciones AX = 0 y v es solución del

sistema de ecuaciones AX = B, entonces u+v es solución del sistema de ecuaciones
AX = B.

4. Demuestra que si u y v son soluciones del sistema de ecuaciones AX = B, entonces u-v es

solución del sistema homogéneo AX = 0.

5. a. Sea A una matriz invertible. Verifica que el sistema de ecuaciones AX = B tiene solución
única.
b. Usa la parte a. para resolver el sistema de ecuaciones

 x − 7 z = −1
 x 1
 −y =
 2 2
5 x − z = 2

3 3

−1
 1 0 7 3 0 21
sabiendo que   = 1   .
 1/2 − 1 0  38 3 − 38 21
5/3 0 − 1 5 0 − 3 
  

117
 7.6 El Método de Reducción de Gauss-Jordan

Ahora que tenemos algún conocimiento sobre las soluciones de un sistema de

ecuaciones lineales tenemos el problema de

? ¿ cómo hallar las soluciones de un sistema de ecuaciones ?

Existen varios métodos para resolver los sistemas de ecuaciones lineales y algunos de ellos
los estudiamos en nuestros estudios preuniversitarios, por ejemplo si tenemos el sistema de
ecuaciones
2 x − 3 y = 1

x + y = − 5

podemos usar los siguientes métodos para resolverlo.

Despejar una de las varia- Multiplicar alguna de las Usando determinantes,

bles de alguna de las ecuaciones o ambas por siempre que el determinan-
ecuaciones y sustituirla en ciertos factores de tal mane- te de la matriz de los coefi-
la otra ecuación. Por ejem- ra que al sumar las nuevas cientes del sistema de
plo si despejamos la varia- ecuaciones desaparezca ecuaciones sea distinto de
ble “y” de la segunda ecua- alguna de las variables, re- cero. En nuestro caso, el
ción (intenta despejando la sultando así una ecuación determinante del sistema
variable “x”), tenemos en una variable, sencilla de es:
y = -5-x resolver 2 −3
∆= = 2.1 -(-3).1 = 5
1 1
Al sustituir este valor en la En nuestro caso podemos
primera ecuación, resulta multiplicar la segunda ecua-
2x-3(-5-x) =1 ción por -2 y así resulta Ahora las soluciones del sis-
2 x − 3 y = 1 tema son
Resolviendo esta última 
ecuación, tenemos − 2 x − 2 y = 10 1 −3
Al sumar ahora las −5 1
x = -14/5 ecuaciones, obtenemos x= = -14/5
∆
-5y = 11
Ahora al sustituir este valor
en cualquiera de las dos De donde resulta y = -11/5 2 1
ecuaciones, obtenemos Ahora se procede como en 1 −5
y = -11/5 el caso anterior y resulta y= = -11/5
∆
x = -14/5

Estos métodos tienden a complicarse mucho a medida que el número de ecuaciones e

incógnitas se incrementa. En particular, el método de resolución usando determinantes, co-
nocido como método o regla de Cramer(1) .

En el caso de un sistema de tres ecuaciones con tres variables

a11 x + a12 y + a13 z = b1


a21x + a22 y + a33 z = b2
a x + a y + a z = b
 31 32 33 3

(1)
Gabriel Cramer, matemático suizo ( 1704-1752 )

118
 Las soluciones vienen dadas de la forma

b1 a12 a13 a11 b1 a13 a11 a12 b1

b2 a22 a23 a21 b2 a23 a21 a 22 b2
b3 a32 a33 a31 b2 a33 a31 a 32 b3
X=
∆
, y= ∆
, z= ,
∆

a11 a12 a13

siempre que ∆ = a21 a22 a 23  0.
a31 a32 a 33

En la unidad 6 de este Módulo definimos operaciones que se pueden efectuar entre matri-
ces. En esta sección trataremos algunas operaciones que se pueden efectuar entre los ele-
mentos de una matriz; esto con la finalidad de explicar un método general para resolver siste-
mas de ecuaciones lineales y así dar respuesta a la interrogante planteada.

Hay tres operaciones que se usan para transformar una matriz en otra denominada
equivalente por fila, y que se denominan TRANSFORMACIONES U OPERACIONES
ELEMENTALES ENTRE FILAS(1).

Ellas son:

1. Intercambiar dos filas. Operacio-

nes entre
2. Multiplicar una fila por un número no nulo. filas.

3. Sumar a una fila el producto de un número por otra fila.

Ejemplo 7.6

 1 2 4 − 2 − 2 2
   
La matriz A = 3 0 −21 se puede transformar en la matriz B =  3 0 − 1
− 2 − 2   1 2 4 
  

intercambiando la primera y la tercera fila .

A su vez ésta matriz B se transforma en la matriz C

 1 1 − 2
 
C =  3 0 − 1
 4 
1 2
multiplicando la primera fila de la matriz B por el número -1/2 (ó sea, dividir por -2). Esta
última matriz se transforma en la matriz

(1)
También se pueden hacer operaciones entre columnas pero nosotros no las consideraremos.

119
  1 1 − 1
 
D = 0 − 3 2 
 
 1 2 4
sumando a la segunda fila de C el producto de -3 por la primera fila de C.

El objetivo de realizar las operaciones elementales entre las filas de una matriz es transfor-
mar esta en otra que tenga “bastantes ceros”.

Al proceso de aplicar las operaciones elementales por filas con el propósito de “simplificar”
una matriz (obtener una matriz con “muchos ceros”) se le llama REDUCCIÓN POR FILAS y es
conocido como método de Gauss-Jordan y el mismo sirve para resolver sistema de ecuaciones
lineales y calcular la inversa de un matriz cuando tal inversa existe.

El método de reducción de Gauss-Jordan consiste, en forma general ,en

aplicar transformaciones elementales entre las filas de una matriz con
el fin de obtener una nueva matriz que sea “mas sencilla de
manipular”. Esta nueva matriz es una matriz triangular superior, la cual
se denomina escalonada.

Las matrices que se obtienen mediante operaciones elementales entre filas

aplicadas a una matriz dada, se llaman matrices equivalentes por

☞
Matrices
filas.

Dos sistemas de ecuaciones lineales que tienen matrices equivalentes

equivalen-
tes por filas. por fila son sistemas de ecuaciones equivalentes.

Con la finalidad de simplificar la escritura de cada paso del proceso, introduciremos

las siguientes notaciones para indicar las operaciones elementales entre filas.

OPERACIONES ENTRE FILAS

Operación Notación

Intercambiar la fila Nº i por la fila Nº j Fi ♦ Fj

Multiplicar la fila Nº i por el escalar c Fi ♦ cFi

Sumar a la fila Nº i la fila Nº j multiplicada por c Fi ♦ Fi+cFj

A continuación explicamos los pasos a seguir en la aplicación del método a una matriz A:

120
Primer Paso: ubicar, si existe, un elemento igual a uno en la matriz. Si no hay tal elemento el
mismo se puede obtener haciendo transformaciones entre filas (salvo que la matriz sea la
matriz nula, si este es el caso no hay nada que reducir). La fila en que se encuentra el
elemento uno se llama fila pivote. En lo posible se trata de que inicialmente este elemento
sea a11 y posteriormente a22, etc.

Segundo Paso: con la tercera operación se convierten en cero los demás elementos de la
columna en que se halla el elemento 1 escogido.

Tercer Paso: Repetir el primer y segundo paso escogiendo el elemento 1 entre aquellos
elementos que no estén en las filas pivotes anteriores.

El proceso culmina cuando ya no es posible escoger nuevas filas pivotes

Por ejemplo, supongamos que a partir de la matriz

 1 2 3 1
C=  
 4 6 0 3
 1 0 1 1
 
queremos obtener otra matriz R mediante operaciones elementales, de tal manera que la
matriz resultante tenga la forma

1 0 0 a 
 
R = 0 1 0 b 
 
0 0 1 c 
donde a, b, c son números reales.

Para lograr esto procedemos a realizar operaciones elementales por filas en la matriz C
hasta obtener la matriz R, como se indica a continuación

 1 2 3 1 1 2 3 1
  F2♦F2-4F1  
 4 6 0 3 Se le suma a la segunda fila la 0 − 2 − 12 − 1
 1 0 1 1 1 0 1 
 
primera fila multiplicada por -4  1

1 2 3 1 1 2 3 1
  F3♦F3-F1
 
0 − 2 − 12 − 1 Se le suma a la tercera fila la 0 − 2 − 12 − 1
1 0 1 
primera fila multiplicada por -1 0 − 2 − 2 0 
 1  

1 2 3 1 1 2 3 1
 
F2♦ -(1/2)F2  
0 − 2 − 12 − 1
Se multiplica la segunda fila 0 1 6 1/2 
0 − 2 − 2 0  por -1/2 0 − 2 −2 0 
  

121
 F1♦F1-2F2
1 2 3 1 1 0 −9 0
  Se le suma a la primera  
0 1 6 1/2  fila la segunda fila multipli- 0 1 6 1/2 
0 − 2 −2 0  cada por -2 0 − 2 −2 0 
 

1 0 −9 0 F3♦F3+2F2
1 0 −9 0
  Se le suma a la tercera fila  
0 1 6 1/2  la segunda fila multiplicada 0 1 6 1/2 
0 − 2 0  
 −2 por 2
0 0 10 1 

1 0 −9 0 1 0 − 9 0 
  F3♦(1/10)F3
 
0 1 6 1/2  Se multiplica la tercera fila 0 1 6 1/2 
 1   1/10 
por1/10
0 0 10 0 0 1

1 0 − 9 0  F2♦F2-6F3 1 0 −9 0 
   
0 1 6 1/2  Se suma a la segunda fila
0 1 0 − 1/10 
 1/10 
la tercera multiplicada 
0 0 1 por -6 0 0 1 1/10 

1 0 −9 0  1 0 0 9/10 
  F1♦F1+9F3  
0 1 0 − 1/10  Se suma a la primera fila la 0 1 0 − 1/10 
 1/10  0 0 1
0 0 1 tercera multiplicada por 9
 1/10 

De esta manera la última matriz obtenida es la matriz que deseamos obtener.

Hagamos otro ejemplo indicando con una flecha las matrices que obtenemos a partir de la
matriz precedente y además escribimos la o las operaciones elementales realizadas de
acuerdo a las notaciones acordadas.

Supongamos que queremos reducir por este método la matriz

 1 −1 1 4
 
0 2 5 3
A= 
2 − 3 1 − 4
 
3 2 
 0 8

De acuerdo a lo señalado tenemos

122
 1 −1 1 4 1 − 1 1 4
1 − 1 1 4  
   
0 3  F3♦F3-2F1  0 2 5 3  F3♦-F3
2 5 0 2 5 3  F4♦F4-3F1
0 − 1 − 1 − 12 
 2 − 3 1 − 4 0 − 1 − 1 − 12 
   
3   0 3 5 − 10 
 0 8 2  3 0 8
 2   

1 − 1 1 4 1 0 2 16 
  F1♦F1+F3  
0 2 5 3  0 0 3 - 21
0 F2♦F2-2F3
1 1 12  0 1 1 12 
  F4♦F4-3F3   F2♦(1/3)F1
0 3 5 − 10  0 0 2 − 46 
 

1 0 2 16  1 0 0 30 
   
0 0 1 -7  F2♦F1-2F2 0 0 1 −7
0 1 0 1 19  F4♦-(1/32)F4
1 12 
F3♦F3-F2
0
  F4♦F4-2F2  
0 0 0 0 0 − 32 
 2 − 46  

1 0 0 30  1 0 0 0
   
0 0 1 − 7  F1♦F1-30 0 0 1 0
0 0 0
19 
F2♦F2+7F4
1 0 1 0
  F3♦F3-19F4  
0 0 1 
 0 0 1   0 0

Ejercicio Propuesto 7.6.

1. Reduzca las siguientes matrices usando el método de Gauss-Jordan

8 − 2 1 3 0 − 3
3 2 1 8  1 2  
  4 2 1 0 3    4 0 − 8
a.  4 − 3 − 1 2  b.   c. 0 5 0 − 1 d. 0
 2 13 0 2 1  0 1
 1 1 − 1 12  0 1 − 3 6  
0 1

   2
 6 0 − 4 

 −1 3 6 − 2
   1 2 3
 8 5 −3 0  
f. g.  a b 0  , donde a y b son números reales
 7 3 − 2
8  

− 9 − 2
 − 2 2 5 
 9 − 2 

123
 7.2 Sistemas de Ecuaciones Lineales

Comencemos dando respuesta a nuestra primera interrogante

? ¿ Qué es un sistema de ecuaciones lineales?

Ya conoces las ecuaciones lineales, un ejemplo de una tal ecuación es x + 3y = 3, o escrita

☞ de otra forma x1 + 3x2 = 3. En general una ecuación lineal con incógnitas x1 ,x2, ..xn es una
ecuación de la forma

Ecuación a1 x1 + a2 x2 +.....+ an xn = b . [1]

lineal.
donde a1, a2 ,.., an, b son números dados. Los números a1, a2,..., an son llamados coeficientes
de la ecuación. Al número “b” se le denomina término independiente de la ecuación(1).

Cuando consideramos varias ecuaciones lineales nos referimos a un sistema de ecuaciones

lineales, por ejemplo, el sistema de ecuaciones

 4 x + 2y + z = 5  4 x1 + 2 x 2 + x 3 = 5
 o bien escrito de otra forma. 
3 x − 2 y − 3z = 2 3 x1 − 2x 2 − 3 x 3 = 2

En general tenemos la siguiente definición.

Definición 7.1 (Sistema de Ecuaciones Lineales)

☞ Un sistema de m ecuaciones lineales con n incógnitas x1, x2 ,...,xn es un

conjunto de m ecuaciones lineales con las n incógnitas del tipo

Sistema  a 11x1 + a 12 x 2 + L + a 1n x n = b1

de  a 21x 1 + a 22 x 2 + L + a 2n x n = b2
Ecuaciones 
lineales.  M M M M M
a m1x1 + a m2 x 2 + L + a mn xn = bm


Los números a11 ,a12 ,..., a1n, a 21, a 22, ..., a 2n ,....., am1, a m2, ..., amn son denominados coeficien-
tes del sistema de ecuaciones. Los números b1, b2 ,...,b m se denominan términos independien-
tes del sistema.

Ahora podríamos preguntarnos

? ¿en qué se diferencia un sistema de ecuaciones lineales de un sistema de ecuaciones?

La diferencia está en que en los sistemas de ecuaciones lineales el exponente de cada una
de las incógnitas es igual a uno. Además las incógnitas no forman parte de términos cuadráticos,
cúbicos, trigonométricos, exponenciales, etc. Por ejemplo, los sistemas de ecuaciones

(1)
En el caso en que hay solo dos incógnitas la ecuación lineal tiene la forma ax1 + bx2 = c, la cual
corresponde a la ecuación de una recta o mejor dicho una línea. De aquí proviene el calificativo de
ecuación lineal al referirnos a una ecuación del tipo a1 x1 + a2 x2 +.....+ an xn = b .

104
   x2 + 2 
 x + senx = 0 ln   − 3 xy = 5 3 x 2 + 2 y 2 + 3 xy + 8 x − 7 y = 5
 ;   z  ; 
 y + xl nx = 1  2  3 x 2 − 5y 2 − 3 xy + 8 = 5
 x − 5y − 2e = 1
z

son ejemplos de sistemas de ecuaciones que no son lineales.

Sin embargo, existen sistemas de ecuaciones que se pueden reducir a un sistema de

ecuaciones lineales, por ejemplo si tenemos el sistema de ecuaciones:
 x 2 + y 2 = 1
 2
 x − y 2 = 1
y sustituimos x2 por u, y y2 por v (u = x2 , v = y2 ) obtenemos el sistema de ecuaciones lineales
u + v = 1
 .
u − v = 1
Nosotros en el desarrollo de esta unidad nos referiremos a sistema de ecuaciones lineales.

Ejercicios Propuestos 7.2

1. Determina cuáles de los siguientes sistemas de ecuaciones son lineales


 3x 1 − 8 x 2 − 5 x 3 = 6  7 x1 − 8 x 2 = −15x 3
 3 
a. 3x − 1 y = −15 b.  2x + 8 x + 7 x = 0 c.  2 x1 = 8 x2 + 1 x3
 5 x − 2y = 12  1 2 3  3 15
− x − 2x + 6 x = −7 
 1 2 5
 x1 x2 6 x5 = −
− − π + 1
 3

2. Escribe un sistema de ecuaciones lineales con tres incógnitas y otro con cinco incógnitas.

3. En los siguientes sistemas de ecuaciones lineales describe los coeficientes del sistema, los
términos independientes y el número de incógnitas.

 2 x − 3u + 8w − 2t = 6
 1  2 x − 3 y + 8z = 2 
 2 x1 − 5 x 2 =  − 3 x + 2u = −w + t
a. 21 b.  3 x − 5 y + 2 z = 0 c. 
 − = −
8
3 x1 + x 2 = −7  3 2w 7t 25u w
 5  x − 0,2 y + 8,4 z = 0,1 1
w + x + 7u = 0,9 t − 10,45
 3

105
 7.3 Forma Matricial de un Sistema de Ecuaciones Lineales

En esta sección discutiremos sobre la segunda interrogante planteada sobre la represen-

tación matricial de los sistemas de ecuaciones lineales.

Una forma importante de escribir un sistema de ecuaciones lineales es utilizando las matri-
ces. Por ejemplo, consideremos el sistema de ecuaciones lineales

3 x − 5 y = 12

5 x + 3 y = 15
y las matrices

3 − 5   x 15
12 
A =   X =   B =   .
5 3  y   

Si observamos el sistema de ecuaciones podemos darnos cuenta que lo podemos escribir

simbólicamente en la forma
3 − 5   x  15 12 
AX=B es decir     =  
5 3    
y
Comprobemos esto usando el producto de matrices. En efecto:

3 − 5   x   3 x − 5 y   3x − 5y 
AX =     =   y como A X = B, tenemos   = B. Sustituyendo por
 5 3   y  5 x + 3 y  5 x + 3 y 
 3x − 5y  15
12 
el valor de B, resulta  =   . Ahora usando la igualdad de matrices, tenemos
5 x + 3 y   
3x − 5y = 12, 5x +3y = 15 ,

que es precisamente el sistema de ecuaciones original.

En general un sistema de ecuaciones de dos incógnitas se escribe de la forma:

 a11x 1 + a12 x 2 = b1
 [1]
a21 x1 + a22 x 2 = b2
Con cada sistema de ecuaciones lineales hay asociadas varias matrices. En este caso
podemos considerar la matriz
 a11 a12 
A =   denominada matriz de los coeficientes.
a 21 a22 
 x1 
La matriz X =  que es la matriz de las incógnitas.
 x2 
 b1 
La matriz B =
 b 
de los términos independientes y
 2
 a11 a12 b1 
la matriz  de los coeficientes de las incógnitas y de los términos independientes.
a 21 a22 b2 

106
 Usando estas notaciones el sistema de ecuaciones lineales [1] lo podemos escribir de
forma simbólica como AX = B.

En el caso general si tenemos un sistema de ecuaciones lineales de m ecuaciones y n

incógnitas:

 a11x1 + a12 x 2 + .... + a1n xn = b1


 a 21x1 + a22 x 2 + .... + a 2n xn = b2

 M [2]
a m1 x1 + am2 x 2 + .... + amn xn = bm


☞
podemos considerar varias matrices:

 a11 a12 L a1n 

  Matrices
 a a L a2n  asociadas a
A= 21 22 ℜ matriz de los coeficientes
 M M M M 
un sistema
  de
a  ecuaciones.
 m1 a m2 L a mn mxn

 x1 
 
X =   ℜ matriz o vector de las incógnitas
x
 M2 
 
x 
 n

 b1 
 
 b2 
B=   ℜ matriz o vector de los términos independientes.
M
 
b 
 m

 a11 a12 L a1n b1 

 
 a21 a22 L a 2n b 2  ℜ matriz de los coeficientes y de los términos indepen-
C= 
M M L M M  dientes.
 
a 
L a mn b m 
 m1 a m2

Esta última matriz se denomina usualmente matriz ampliada o aumentada por ser una
ampliación de la matriz A.
Observemos que X,es un vector columna nx1 y que la matriz ampliada C se obtiene
agregando a la matriz A el vector columna B. Además en esta matriz ampliada se acostumbra
a separar con una línea punteada los coeficientes del sistema de ecuaciones de los términos
independientes.

De esta manera el sistema de ecuaciones lineales [2] lo podemos escribir de la forma AX = B.

107
 Ejercicios 7.3

1. Consideremos los siguientes sistemas de ecuaciones:

2 x1 + 0,1x 2 − 5 x3 − 2x 4 = 2
 2 x + 3 y − z = −5  x − x − x + x = −1
 x−y =0  x  1 3 4 5
a.  b.  − 8y + z = 0 c.  x + 8 x − 5 x + 2x = 0
3 x + 8 y = −2  2 
2 3 4 5

- x + 1,1y - 2y = 25 1 2
 3 x1 − 5 x 2 − x 4 =
 5 5

En cada caso determinaremos las matrices de los coeficientes del sistema, de las incógni-
tas, de los términos independientes y la matriz ampliada; y escribiremos el sistema de
ecuaciones en la forma A X =B.

▲ 1 − 1
a. En este caso la matriz de los coeficientes es A =  , la matriz de las incógnitas
3 8 
 x  0 1 − 1 0 
X =  , la matriz de los términos independientes B =  y la matriz ampliada  .
y   − 2 3 8 − 2 

Al escribir el sistema de ecuaciones de la forma A X = B, tenemos

 1 − 1  x   0
    =   .
3 8   y   − 2

b. En este caso

 2 3 −1
 
Matriz del sistema A = 1/2 − 8 1 Sistema escrito de la forma A X = B
 
 − 1 1,1 − 2 
 2 3 −1  x   − 5
    
x 1/2 − 8 1  y  =  0
 
Matriz de incógnitas X =  y      25 
z  − 1 1,1 − 2   z   
 

 − 5
 
Matriz de términos independientes B =  0 
 25 
 
 2 3 −1 − 5 
 
Matriz ampliada  1/2 − 8 1 0
 
 − 1 1,1 − 2 25 

108
  x1 
 2 0,1 − 5 − 2 0    2 
   x2   
 1 0 −1 −1 1
x   −1
c. Tenemos A = 0 1 8 −5 2 , X =  3 , B=  0  y la matriz ampliada .
  x4   
3 − 5 0 − 1/5 0   2/5 
    
 x5 

2 0,1 − 5 − 2 0 2 
 
1 0 −1 − 1 1 −1 
0 1 8 −5 2 0 
 
3 −5 0 − 1/5 0 2/5 


Simbólicamente tenemos A X = B , es decir

 x1 
 2 0,1 − 5 − 2 0    2 
   x2   
 1 0 −1 −1 1 x   −1
0  0 
1 8 −5 2  3
 
  x4   2/5 
3 − 5 0 − 1/5 0   
  
 x5 

7.4 Sistemas Homogéneos

Consideremos un sistema de ecuaciones

 a11 x1 + a12 x2 + .... + a1n xn = b1


 a 21x1 + a 22 x2 + .... + a 2 n xn = b 2
 [1]
 M
a m1 x1 + am2 x 2 + .... + amn xn = bm


En relación a los términos independientes pudiera ocurrir que todos fueran iguales a cero
o no. Estas dos situaciones se distinguen dando un calificativo al sistema de ecuaciones,
como se indica a continuación.

Un sistema de ecuaciones lineales homogéneo es un sistema lineal del tipo AX = B,

donde la matriz de los términos independientes es la matriz nula, es decir un sistema de
☞
Sistema de
ecuaciones como [1] es un sistema de ecuaciones homogéneo si todos los términos bi, i=1,2,...,n ecuaciones
homogé-
son todos iguales a cero. neo.

Un sistema de ecuaciones lineales no homogéneo es un sistema lineal del tipo AX = B,

donde la matriz de los términos independientes no es la matriz nula, es decir un sistema de
☞
Sistema de
ecuaciones como [1] es un sistema de ecuaciones no homogéneo si al menos alguno de los ecuaciones
términos bi, i=1,2,...,n no es nulo. no homogé-
neo.

En el siguiente cuadro representamos los dos tipos de sistemas a los que hemos hecho
mención.

109
 SISTEMA DE ECUACIONES LINEALES

Sistema de Ecuaciones Lineales Sistema de Ecuaciones Lineales no

Homogéneo Homogéneo

 a11x1 + a12 x2 + .... + a1n xn = 0  a11x1 + a12 x2 + .... + a1n xn = b1

 
 a21x1 + a22 x2 + .... + a2n xn = 0  a 21x1 + a22 x2 + .... + a2n xn = b2
 
M  M

a m1x1 + a m2 x2 + .... + a mn xn = 0 a m1x1 + a m2 x2 + .... + amn xn = bn
 
Algún bi es distinto de cero

Simbólicamente Simbólicamente

AX=0 AX=B, B0

Ejemplos 7.4
 3x + y = 0
1. Consideremos el sistema de ecuaciones lineales , cuya expresión matricial
3 1  x  0 5x − 3y = 0
AX = B es    =  . Este sistema lineal es homogéneo porque el vector B de
5 − 3  y   0

términos independientes es el vector nulo.

 x1 + x 2 − x 3 = 7

2. El sistema de ecuaciones  4 x1 − x 2 − 5 x 3 = 4 tiene representación matricial AX = B de la
 6 x + x + 3 x = 20
 1 2 3

 1 1 −31   x 1  7
 
 
forma  4 − 1 − 5   x 2  =  4  .
   x 3   20 
6 1   

Este sistema de ecuaciones lineales no es homogéneo porque el vector B de los términos

independientes no es el vector nulo.

110
 PARTE II
1. A continuación te proporcionamos varias proposiciones. Indica con una V o una F en el recuadro
correspondiente, según la proposición sea verdadera o falsa, respectivamente.

V F
1.La suma de matrices está definida cuando las matrices tienen el mismo orden. ( ) ( )
t
2.Si A es una matriz de orden nxm , entonces la matriz traspuesta A tiene orden mxn ( ) ( )
3.(44, 56, −42, 26) = 2(2, 3, −5, 6) − 8(5, 7, 4, −2) ( ) ( )
4.No siempre se puede multiplicar un número real por una matriz ( ) ( )
5.Si θ es el ángulo entre los vectores u y v de IRn, entonces
u.v = | u | | v | sen θ ( ) ( )
6.Si x ∈IRn, entonces −x.x ≥ 0 ( ) ( )
1 0 0 1 0 0
   
7.Si A = 1 1 0, entonces A =
4
 4 1 0.  ( ) ( )
1 1 0 4 1 0
   
 a b   −1 0 b 0 2   0 0  2d  0 0 
8.   = −a 
 0  +   + c   −  
0  2
( ) ( )
 c d   0 0   1 0  3  0 − 3/2

9.El producto de matrices es conmutativo ( ) ( )

10.La suma de matrices no es conmutativa ( ) ( )
-1 2 -1
11. Si A es una matriz invertible de orden “n” , entonces A A A =In ( ) ( )
1 0 
12.La matriz 
1 1
es la matriz asociada a una isometría del plano ( ) ( )
 
13. La matriz asociada a una isometría del plano siempre es invertible ( ) ( )

PARTE III
 1 0 a  2 0 1
   
1. Determina si existe números a, b y c tales que el producto de las matrices A =  − b 0 0  B =  −1 0 0 
sea conmutativo.  0 0 0  c 0 0
 1 0 0    
 
2. Verifica que la matriz A =  n 1 0  es invertible y calcula su inversa.
 n2 n 1
 
 1, 3 
 
3. Construye la isometría que no es una rotación que transforma al vector (1,0) en el vector.  2 2 
 

94
 RECOMENDACIONES

A continuación te presentamos un conjunto de especificaciones relacionadas con cada una de las

preguntas de la autoevaluación , indicándote la sección que debes revisar en caso de que tengas dudas o
no hayas podido responder correctamente.

ESPECIFICACIONES PARA LA AUTOEVALUCIÓN I

PREGUNTA SECCIÓN

Parte I
1 6.4 , 6.5
2 6.7
3 6.6.3

Parte II
1.1 6.3
1.2 6.4
1.3 6.4 6.5
1.4 6.5
1.5 6.6.1 6.6.2 6.6.3
1.6 6.6.1
1.7 6.7
1.8 6.4 6.5
1.9 6.7
1.10 6.4
1.11 6.8
1.12 6.9
1.13 6.8 6.9

Parte III
1 6.7
2 6.8
3 6.9

95
96
 RESPUESTAS A LA AUTOEVALUACIÓN I

A continuación te proporcionamos las respuestas a las preguntas propuestas en la autoevaluación. Antes

de leerlas debes haber intentado resolverlas.

PARTE I

1. αA + βB = 2 +
 1 2/3 − 1/2  1  2 − 1/2 − 2/3 
   
 3 0,5 0  2  1 0,5 1
= +
 2 4/3 − 1  1 − 1/4 − 1/3 
   
6 1 0   1/2 0,25 1/2 
= = − 4/3 
 3 4/3 − 1/4 − 1 − 1/3  3 13/12
   
 6 + 1/2 1,25 1/2  13/2 1,25 1/2 
Alternativa correcta: la d)

2. En general, de acuerdo a la definición, el producto AB de dos matrices está definido siempre que el
número de columnas de la primera matriz (matriz A) es igual al número de filas de la segunda matriz
(matriz B). Alternativa correcta: alternativa d)

37 49 λ2 25 λ2 37
3. | u | = 0 + 4? 2 + ? 2 /9 = | λ| , | v | = 0+ + = | λ|
3 18 18 3

u.v = 0 +
7 2 λ2 − 5 2 λ2 = 37 2 λ2
3 18 18

37
2λ2  2
u.v 18   π
Entonces ∠(u , v) = arccos = arccos = arccos  2  =
uv 37 37 2   4
λ
9
Alternativa correcta: la a)

PARTE II Resp. Justificación

1. La suma de matrices está definida

cuando las matrices tienen el mismo
orden. Esto es un requerimiento en la definición

(V)

2. A es una matriz de orden nxm , en- Esto es cierto porque en las columnas de la ma-
tonces la matriz traspuesta At tiene triz At son las filas de la matriz A.
orden mxn

3. (44, −56, −42, 26) (V)

2(2, 3, −5, 6) − 8(5, 7, 4, −2)
= 2(2, 3, −5, 6) − 8(5, 7, 4, −2)
= (4, 6, −10, 12) + (40, −56, −32, 16)

= (44, −56, −42, 28)

(F)

97
 Resp. Justificación

4. No siempre se puede multiplicar un (F) De acuerdo a la definición siempre es posible

número real por una matriz multiplicar un número por una matriz

5. Si θ es el ángulo entre los vectores u

y v de IRn, entonces u.v = | u | | v | (F)
La fórmula correcta es
sen θ
u.v = | u | | v | cos θ

6. Si x∈IRn, entonces −x.x ≥ 0 (F) −x.x = −( x.x) pero x.x ≥ 0, luego −x.x ≤ 0

1 0 0 1 0 0 1 0 0
     
A = 1
2 1 0 1 1 0 = 2 1 0
1 1 0 1 1 0  2 1 0 
  
1 0 0  1 0 0
    1 0 0 1 0 0 1 0 0
7.Si A = 1 1 0 , entonces A =  4 1 0
4      
1 1 0  4 1 0 A3= 1 1 0 2 1 0 =  3 1 0
    (V) 1
 1 0 2
 1 0  3
 1 0 
1 0 0 1 0 0 1 0 0
     
A4 = 1 1 0 3 1 0 =  4 1 0
1 4 1 0 
 1 0 3
 1 0  

 −1 0 b  0 2   0 0  2d 0 0 
−a   +   
 a b  − 1 0 b  0 2   0 0  + c  1 0  - 3   =
8.     0 0  2      0 −3/2
 c d = −a  +
 0 0 2  0 0 
+
 
(V)
 0 0  2d  0 0 

= c  1 0  - 3  0 − 3/2  a 0  0 b 0 0  0 0  a b 
    =  +   +  +   =  

 0 0  0 0 c 0  0 d  c d 

Por ejemplo

1 0   2 − 1  2 −1
    =  
1 0   0 − 1   2 − 1 
9. El producto de matrices es
 2 −1 1 0   1 0
conmutativo     =  
(F)  0 −1 1 0   −1 0 

 2 −1  1 0 
  ≠  −1 0 
 2 −1  

10. La adición de matrices no es Revisa las propiedades de la adición de matrices

conmutativa (F)
A-1A2 A-1 = A-1A A A-1
11. Si A es una matriz invertible de or-
(V) = (A -1A)(A A-1 ) = In In = In
den “n” , entonces A-1A2 A-1=In

98
 Resp. Justificación
1 0  1 0  x 
12. La matriz 
1 1 (F)    = x2 + ( x + y )2 ≠
es la matriz  x2 +y 2
  1 1  y 
asociada a una isometría del plano
(tomar por ejemplo x=1, y=0)

13. La matriz asociada a una isometría Si basta calcular el determinante y observar

del plano siempre es invertible (V) que es distinto de cero.

PARTE III
1 0 a   2 0 1  2 0 1  1 0 a
1. El producto de las matrices A y B es conmutativo
   = BA,
si AB  es decir  
 − b 0 0   − 1 0 0  − 1 0 0 −b 0 0
 0 0 0   c 0 0  c 0 0  0 0 0
       
=
 2 + ac 0 1   2 0 2a 
   
 − 2b 0 − b  −1 0 − a 
 0  c 0 ac 
 0 0   
Haciendo los correspondientes productos obtenemos = .

Esta igualdad es válida si

2 +ac =2 [1]; 1 = 2a [2] ; −2b = −1 [3]; −b = −a [4]; c=0 [5]; ac = 0 [6]

De las ecuaciones [2], [3] y [5] obtenemos a = 1/2, b = 1/2, c = 0.

Si sustituimos estos valores en las ecuaciones [1], [4] y [6], resultan igualdades . Por lo tanto para los
valores a = 1/2, b = 1/2, c = 0, se tiene que AB = BA.

2. Para verificar que la matriz A es invertible debemos

1 comprobar
0 0 que det A ≠ 0. En efecto :
n 1 0
n2 n 1
det A = =1.

Luego existe la matriz inversa de A. Para determinarla supongamos que

a b c
 
d e f 
g h k 


99
 -1
A =
 1 0 0  1 0 0 a b c   a b c 
       
entonces 0 1 0  n 1 0  d e f   na + d nb + e nc + f 
 0 0 1  n2
   n 1   g h k   n 2 a + nd + g n 2 b + ne + h n 2 c + nf + k 
 
-1
I3 = =AA = .

De donde resulta las siguientes ecuaciones

a = 1 [1]; b = 0 [2]; c = 0 [3]

na + d = 0 [4]; nb + e = 1 [5]; nc + f = 0 [6]

n2a + nd + g = 0 [7]; n2b + ne + h = 0 [8]; n2c + nf + k = 1 [9]

Sustituyendo [1], [2] y [3] en [4], [5] ,...,[9], tenemos

n+d=0 [4′ ] ; e = 1 [5 ′] ; f = 0 [6′]

n2 +nd +g = 0 [7′] ; ne + h = 0 [8 ′] ; nf + k = 1 [9′]
Al sustituir [4′ ] , [5 ′] y [6 ′] en [7 ′] , y [9′] , obtenemos
g = 0 [7 ′′] ; n + h = 0 [8 ′′] ; k =1 [9 ′′] .

En conclusión
 1 0 0
a = 1 , b = 0 , c = 0 , d = −n , e = 1 , f = 0 , g = 0 h = −n k =1 .
−n 1 0
De esta manera resulta  0 − n 1
 
-1
A = .

-1  cosθ senθ   cos θ - senθ  1 0 

Verifica esto último comprobando que A A -1 = A A = I3.      
 senθ − cosθ  senθ cos θ   0 −1

3. Como la isometría no es una rotación su matriz tiene la forma =

 1, 3 
Es decir la isometría que a cada vector lo transforma en una reflexión respecto al eje de las abscisa  y
 2 
luego lo rota un ángulo θ en dirección antihorario. Puesto que el vector (1,0) no es modificadola2 reflexión,

el ángulo θ es el ángulo entre el vector θ y su transformado, es decir el ángulo entre (1,0) y . Al

calcular este ángulo resulta θ = π/3.
1  1 3 

2  3 − 1


De esta manera, la matriz asociada a la isometría es .

100
 Unidad VII

Sistemas de Ecuaciones Lineales

Objetivos o Representar los sistemas de ecuaciones

lineales en la notación matricial.

o Aplicar el método de Gauss-Jordan en la re-

solución de sistemas de ecuaciones
lineales.

o Aplicar el método de Gauss-Jordan para

calcular la inversa de una matriz invertible
o para determinar si una matriz es inversible.

101
102
 +
Producto
Definición 6.5 (Producto Escalar)
Sean x = (x1 , x2 ,..., xn) , y = (y1 , y2 ,..., yn) vectores de IR n. El producto
escalar de los vectores x , y se define mediante la relación:
escalar.

x.y = x1y1 + x2y2 +...+ xnyn

♦

Observa que el producto escalar de dos vectores es un número real. Al producto escalar
de los vectores x , y lo hemos denotado por x.y (1) .. Este producto también se conoce como
producto interno o producto punto de vectores .

Ejemplos 6.6.1

1. Considera los vectores u = (-2 , 3 , 4 , -1) y v = (3 , -2 , 2 , 4), entonces:

Observa
que u.v = (-2 , 3 , 4 , -1). (3 , -2 , 2 , 4) = (-2)(3) + (3)(-2) + (4)(2) + (-1)(4) = -6 -6 +8 -4 = -8
u.v = v.u. v.u = (3 , -2 , 2 , 4).(-2 , 3 , 4 , -1) = (3)(-2) + (-2)(3) + (2)(4) + (4)(-1) = -6 -6 +8 -4 = -8.

2. Sean x = (-3 , 2 , 1) e y = (-4 , -2 , 3). Verifica que (3x).(y) = 3(x.y).

s (3x).(y) = [3(-3 , 2 , 1)]. (-4 , -2 , 3) = (-9 , 6 , 3).(-4 , -2 , 3) = 36 -12 +9 = 33 [1]

3(x.y) = 3[(-3 , 2 , 1)]. (-4 , -2 , 3) ] = 3[12 -4 +3] = 3.11 = 33. [2]

De las relaciones [1] y [2] obtenemos que(3x).(y) = 3(x.y).

n

3. Dados los vectores v = (x , y , z) y 0 = (0 , 0 , 0) de IR3. Calcular v.0 y 0.v.

s v.0 = (x , y , z). (0 , 0 , 0) = (x.0 , y.0 , z.0) = (0 , 0 , 0) = 0

0.v = (0 , 0 , 0).(x , y , z) = (0.x , 0.y , 0.z) = (0 , 0 , 0) = 0

En general se tiene que

0x = 0, para todo x∈ΙRn.
n

4. Sea x = (x 1 , x 2 ,..., x n) un vector de IRn, entonces

x.x = (x 1 , x 2 ,..., xn). (x 1 , x 2 ,..., xn) = x 1x 1 + x 2x 2 +...+ x nx n = x12 + x 22 +. ..+x 2n .

En conclusión
x.x = x 21 + x 22 +...+ x 2n , x∈IRn

Por supuesto que el producto escalar tiene un conjunto de propiedades que son de fre-
cuente uso en los cálculos y que resumimos en el siguiente cuadro.

(1)
Muchos autores escriben < x , y > en lugar de x.y.
60
 Propiedades del producto Escalar

♣ (x + y).z = x.z + y.z

♣ (αx).y = α(x.y)
♣ x.y = y.x
♣ x.x = 0 si y solo si x = 0 (el vector nulo)
♣ x.x > 0 si x ≠ 0,
donde α∈IR y x,y∈IRn.

Te sugerimos que demuestres cada una de estas propiedades y si tienes alguna dificultad
consultar a tu asesor en el Centro Local. A manera de ejemplo demostraremos la tercera
propiedad.

Sea x = (x 1 , x 2 ,..., x n) , y = (y 1 , y 2 ,..., y n) vectores de IRn, entonces:

x.y = (x 1 , x2 ,..., xn) . (y 1 , y2 ,..., yn) = x1y 1 + x2y 2 +...+ xnyn

= y 1x 1 + y 2x 2 +...+ y nx n (porque el producto en IR es conmutativo)
= y.x.
n

Ejercicios Propuestos 6.6.1

1. Calcular los siguientes productos escalares

a. ( 5 , ln 3, 1/2, 1+ sen π). ( 3 5 , ln 2 , 5/6 , 2-cos π)
b. (2i - 3j + 5k).(- 3k + 8j - 7i)
c. (k/3 + 2j/5 - 8i).(2/5i - 9k/2 + 3j/7)

2. Sean x = (3 , 5, -2), y = (-3 , 1 , 6) y z = (4 , 3 ,-2) vectores de IR3. Verifica que:

(x + y).z = x.z + y.z.

3. Verifica que u.(v + w) = u.v + u.w, para cualquier terna de vectores u, v, w de IRn.

4. Demuestra que (u + v).(u - v) = u.u - v.v para cualquier terna de vectores u, v de IRn

5. Considera los vectores u = (1 , 0 ,-1), v = (-2 , 3 ,-3) y w = (1 , 1 -1). Determinar un vector

n = (x , y , z), tal que u.n = 1, v.n = 2 y w.n = -4.

6. Determina las coordenadas del vector x = (a , b , a+b ,a-b), sabiendo que x.x = 81 y que
la primera coordenada del vector x es solución de la ecuación a2+6a=16.

7. Sean u = (2β, 11,3) y v = (3β,-β,-3). Halla los valores de β de tal manera que u.v = 1.

8. Dados dos vectores x e y de IRn, verifica que (x).(αy) = α(x.y), para cualquier número real α.

9. Dos vectores x, y de IRn se dice que son ortogonales o perpendiculares si x.y = 0. En

general un subconjunto A de vectores de IRn se dice que es un conjunto de vectores
ortogonales si cualquier par de vectores de A son perpendiculares.

61
 a. Determina cuáles de los siguientes pares de vectores son ortogonales.
a1. (1 , 2), (-2 ,1)
a2. (1 , 5), (0 ,1)
a3. (cos θ , sen θ) , (-sen θ , cos θ), θ∈IR.
a4. (1, 0 , 1), (-1, 8, 1)
a5. (1, 2, 3) , (-1, 0, -1)
a6. (1, 2, 3, 4), (-3, 1 , -1, 4)

b. Determina cuáles de los siguientes conjuntos es un conjunto de vectores ortogonales

b1. {(1,0) , (0,2)}
b2. {i, j, k}
b3. {(1,2,0), (-2,1,5), (-4, 2, 9)}
b5. {(1,0,3,-2), (2,3,0,1), (0,1, -2,-3)}

* c. Determina los vectores w de IR3 que son simultáneamente perpendiculares a los vectores

u = 2i + j - k , v = i - j + 2k .

10.Un joyero vende pulseras, anillos y cadenas, a 25000, 18000 y 30000 bolívares cada una
respectivamente. Supongamos que le compran diariamente 9 cadenas, 7 anillos y 15 pul-
seras. Calcula, usando producto escalar, el monto diario vendido en estas tres prendas.

11. Un banco ofrece en determinado año tres formas de inversión F1, F2, F3, las cuales
perciben intereses del 15, 20 y 25 por ciento anual, respectivamente. Supongamos que
una persona durante un año invierte 500.000 bolívares en la forma de inversión F1,
1.000.000 en la forma F2 y 1.500.000 en la forma F3. Si el siguiente año las tasas de
interés se incrementaron en 5 puntos y esta persona invierte la misma cantidad de dinero
en las mismas formas de inversión, calcula, usando producto escalar
a. el interés percibido durante el primer año.
b. el interés obtenido durante los dos años.

12. Un ingeniero usa tres tipo de materiales m1,m2 ,m3, en la construcción de las columnas de
* un edificio . Si el costo de cada tonelada del material m1 es de 1500000 bolívares, del
material m2 es de 2200000 y el del material m3 es de 27500 bolívares, calcula usando
producto escalar, el costo por la compra de 2 toneladas de cada uno de los materiales,
sabiendo que en la compra de la segunda tonelada de m1, m2 om3 se otorga un descuen-
to del 12%.

6.6.2 Norma de un Vector

Además del concepto de producto escalar hay otro muy relacionado con este que se refie-
re a la norma de un vector y que exponemos en la siguiente definición.

Definición 6.6 (Norma de un vector)

+
Norma
Se denomina norma o módulo de un vector x = (x1 , x2 ,... xn ) de IRn, al
número | x | definido por la raíz positiva:
de un
vector
x 1 + x 2 + ... + x n .
2 2 2
| x | = x.x =
♦

62
 Usando el teorema de Pitágoras (1) podemos dar una interpretación geométrica de la norma
de un vector

Interpretación de | x | en IR2 Interpretación de | x | en IR3

Sea x = (x 1 , x 2) un vector de IR2, Sea x = (x 1 , x 2 , x 3) un vector de IR3,

entonces entonces
2 2
| x | = x1 + x 2 | x | = x1 + x 2 + x3
2 2 2

Geométricamente la norma del Geométricamente la norma del vector x es

c
a
vector x es la longitud de la la longitud de la diagonal del paralelepípedo
hipotenusa del triángulo rectángulo indicada en la figura. b
cuyos catetos miden | x1 | y | x2 .| c2 =a2+b2
x
x1 + x 2 + x3 = | x |
y 2 2 2
x3

(x 1,x 2)
x2
2 2
x1 + x 2 x2
2 2 y
x1 + x 2
x1
z
x1 x

Ejemplos 6.6.2

1. La norma del vector nulo de IRn es | 0 | = 0 2 + 0 2 + ... + 0 2 = 0.

2. Si x = (2 , -5) , y = (-3 , 0 , 4) y z = (1/2 , 2/3 , -3 , 1) , entonces:

1 4 385
|x|= 2 2 + ( − 5) 2 = 29 , | y | = 9 + 0 + 16 = 5 , | z|= + + 9 +1 =
4 9 6

3. Si x = (x 1 , x 2 ,... x n)∈IRn, entonces

| -x | = | (-x 1 ,- x2 ,... -x n)| = ( − x 1) 2 + ( − x 2 ) 2 + ... + ( − x n ) 2 = x1 + x 2 + ... + x n = | x |, es

2 2 2

decir un vector y su opuesto tienen la misma norma.

4. Sean u = (1, 2, -5), v = (1, -3, -2). Verifiquemos que |u + v| ≤ |u| + |v|.

|u| = 1 + 4 + 25 = 30 |v |= 1 + 9 + 4 = 14
|u + v|= |(2, -1, -7)|= 4 + 1 + 49 = 54 =3 6,

entonces |u + v| = 3 6 , ≈ 7,35 , |u|+ |v|= 30 + 14 ≈ 9,22 y podemos observar que

|u+v|≤ |u|+|v|.

(1)
Pitágoras: matemático y filósofo griego nacido presuntamente en la isla de Samos (?562 aC- 500
aC). Alrededor del año 530 aC. se instaló en una colonia griega al sur de Italia, donde disertó sobre
filosofía y matemática. Tanto fue el interés en sus discursos que junto con sus discípulos mas notables
se constituyó una hermandad conocida como Orden de Pitágoras. Los miembros de esta secta se
conocían con el nombre de pitagóricos y los descubrimientos hechos por ellos no podía ser divulgados
y se les atribuían a Pitágoras. El símbolo de la hermandad era la estrella de cinco puntas. Realizaron
estudios en campos como la medicina, la matemática, astronomía y filosofía. Los Pitagóricos creían
en la inmortalidad y en la transmigración: tránsito del alma a un nuevo cuerpo o nueva forma de ser,
quizás por esta razón los pitagóricos eran vegetarianos.

63
 Otra forma de verificar esto con valores exactos es la siguiente:

3 6≤ 30 + 14⇔ ( 3 6 )2 ≤ ( 30 + 14 )2
⇔ 54 ≤ 30 + 2 30 14 + 14 = 44 + 4 105
⇔ 10 ≤ 4 105
⇔ 2,5 ≤ 105
n
La norma de un vector tiene algunas propiedades que hemos resumido en el siguiente
cuadro.

Propiedades de la Norma de un Vector

♠ |x| ≥ 0
♠ |x| = 0 si y solo si x = 0
♠ |αx| = |α| |x|
♠ |x + y| ≤ |x| + |y| (Desigualdad triangular)
donde α∈IR y x,y∈IRn.

Las tres primeras propiedades no son difíciles de verificar (te recomendamos que intentes
comprobarlas). Para demostrar la última denominada “desigualdad triangular”, se requiere
hacer algunas manipulaciones y de una desigualdad conocida como desigualdad de Cauchy(1) -
Schwarz (2) , la cual nos garantiza que si x, y son vectores de IRn, entonces

+
Desigual-
| x.y | ≤ | x | | y |.
dad de
Cauchy-
Schwarz. Para demostrar la desigualdad triangular usando al desigualdad de Cauchy-Schwarz se
procede de la siguiente manera: si x,y∈IRn, entonces

| x + y | 2 = (x + y).( x + y) = x.x + x.y + y.x + y.y

= | x | 2 + x.y + x.y + | y | 2

= | x | 2 + 2x.y + | y | 2 [1]

Como para todo número real α se tiene que α ≤ | α| , tenemos que 2 x.y≤ 2 | x.y | y
utilizando la desigualdad de Cauchy-Shwarz, obtenemos 2 x.y ≤ 2 | x.y | ≤ 2 | x | | y |.
Usando esta relación y [1], tenemos

| x + y | 2 ≤ | x | 2 + 2 | x | | y | + | y | 2 = (| x | + | y | ) 2

de esta manera | x + y | 2 ≤ ( | x | + | y | ) 2 y en consecuencia

| x + y| ≤ | x | + | y |
+ Podemos dar una interpretación geométrica la desigualdad triangular en IR2.

(1)
Louis Augustin Cauchy, matemático francés (1789-1857)
(2)
Karl Hermann Amadeus Schwarz, matemático alemán (1843-1921)

64
 Interpretación Geométrica de la Desigualdad Triangular

y y

Consideremos los vectores x, y en

IR2 y el vector suma x + y.
x x
Al hacer una representación de estos x+y
tres vectores como se muestra en la figura
y

podemos observar que la desigualdad triangular nos indica que la longitud de la diagonal del
paralelogramo cuyos lados son los vectores x, y es menor que la suma de la longitudes de
los lados.

Ejercicios Propuestos 6.6.2

1. Calcula la norma de los siguientes vectores

u = (4, 3 , 1/2), v = i - 2j/3 + 7k, w = (1, 5, -2, 8), u - 3v + w.

2. a. Verifica que si x = ai + bj + ck∈IR3, entonces |x| = a 2 + b 2 + c 2

b. Demuestra que si x = x 1e 1 + x 2e 2 +...+ x ne n∈IRn, donde e 1, e 2,..., e n son los vectores
canónicos de IRn,

entonces |x| = x 2 + x 2 + L + x 2 .
*
1 2 n

3. Determina el valor del número positivo ‘‘a” de tal manera que la norma del vector
w=(3a, 0, 2 a ,7) sea igual a 46a .

4. Halla un vector y tal que x.y=0 y | x | = | y | si

a. x = (1,1).
b. x = (-1,1).
**
c. x = (a , b) ≠ 0.

5.a. Un vector x∈IRn se dice que es unitario si |x| = 1. Verifica que si x∈IRn es un vector no Observa
nulo, entonces existe un número real α tal que |αx| = 1. que el
b. Sean u = (1,-2,3), v =2i + 3j + k. Determinar un vector unitario paralelo al vector v - 2u. vector αx es
c. Sean u = i - 3j y v =2j + k. Halla un vector unitario w∈IR3, tal que u.w=1, v.w=0. paralelo al
vector x.
6. a. Sean u,v∈IRn, verifica que 2 u.v = |u| 2 + |v| 2 - |u-v| 2.
b. Comprueba el resultado anterior con los vectores u = (1, 3, 8, -3) y v = (-3, 5/2, 3, 9).

7 a. Demuestra que si los vectores x,y∈IRn son paralelos con el mismo sentido entonces
|x + y| = |x| + |y|.
b. Verifica que si x, y, z∈IRn, entonces | x + y + z | ≤ | x | + | y | + | z |.
c. Comprueba que si x,y∈IRn, entonces
c1. |αx +β y| ≤|α|| x | + |β| |y | , para αβ∈IR.
*
c2. |x - y| ≤ |x| + |y|.
c3. | |x| - |y| | ≤ | x - y |

65
 8. Sea x=(1, 3, -5, 2), y = (-2, 3, 5, -9). Verifica la desigualdad de Cauchy-Shwarz con el par de
vectores x, y.

9. Teorema de Pitágoras. Demuestra que si x,y son vectores perpendiculares, entonces

|x + y| 2 = |x| 2 + |y| 2.

6.6.3 Ángulo entre Vectores y

Consideremos dos vectores x , y | y | sen β

de IR2, entonces

si α es el ángulo que forma el vector y

x con el eje de las abscisas, enton-
ces las coordenadas del vector x son
| x | sen α x
x 1 = | x | cos α , x 2 = | x | sen α
β
De igual manera si β es el ángu- α x
lo que forma el vector y con el eje | x |cos α | y | cos β
de las abscisas, entonces

y 1 = | y | cos β , y 2 = | y | sen β

Al hacer el producto escalar entre los vectores x e y , obtenemos:

x.y = x 1y 1 + x 2y 2 = | x | |y | cos α cos β + | x | | y | sen α cos β

= | x | | y | ( cos α cos β + sen α cos β)
= | x | | y | cos (β−α)

Como β−α es el ángulo que forman los vectores x e y, entonces:

+
Otra forma
del Produc-
x.y = | x | | y | cos θ

to Escalar.

donde θ es el ángulo que forman los vectores x e y. Esta fórmula es otra manera de expresar
el producto escalar utilizada mucho en la física.

Si en la relación anterior suponemos que ninguno de los vectores es el vector 0, al despe-

jar el ángulo(1) θ, obtenemos:
x.y
θ se con- θ = arco cos
sidera x y
entre 0 y π.
La expresión anterior la podemos generalizar para el caso de vectores en IRn, obteniendo
la siguiente definición de ángulo entre vectores de IRn.

(1)
Al considerar un vector en IR2 tenemos dos posibles ángulos entre éste y el eje de las abscias.
Siempre se considera el menor.

66
Definición 6.7 (ángulo entre vectores).

Sean x, y vectores no nulos de IRn. Entonces el ángulo θ∈[0,π) entre los

vectores x, y está definido como
x.y
θ = arco cos
x y
En muchas ocasiones el ángulo entre dos vectrores x, y, lo denotaremos por ∠(x,y), así

∠(x,y)= arco cos x.y

x y t

Ejemplos 6.6.3

1. a. Si x, y son vectores tales que |x| = 15, |y| = 3 y ∠(x,y)= π/3, entonces
x.y = |x| |y| cos π/3 = 15.3.(1/2) = 45/2.

b. Si u, v son vectores tales que |u| = 12, |v| = 25 y ∠(u,v)= π/6, entonces
u.v = |u| |v| cosπ/6 = 12.25.
3 3
/2 = 150 .

c. Si v y w son vectores unitarios con ángulo θ, entonces

|u.w| = |u| |w| | cos θ | = | cos θ | ≤ 1

y por lo tanto si v y w son vectores unitarios, se tiene

|u.w|≤ 1.

2. a. El ángulo que forman los vectores (3 ,3) y (0, 7) es :

θ = arco cos (3,3).(0,7 ) = arco cos 21 = arco cos 1 = arco cos 2 = π .

(3,3) (0,7) 7 18 2 2 4
Luego el ángulo que forman los vectores (3,3) y (0,7) es de 45o .

b. El ángulo que forman los vectores x=(1,0,0) , y= (- 3 ,1,0) es

(1,0,0).( − 3 ,1,0)  3 π
∠(x,y)= arc cos = arccos  −  = 5
(1,0,0) ( − 3 ,1,0)  2 6

3. Sean y=i + bj + k , z=i + j vectores que forman un ángulo de 45o. Calcular el valor de b.

pComo y.z= |y| |z| cos 45o, entonces 1+b = 2 + b2 2 2 /2. Desarrollando tenemos
1+b= 2 + b 2 , (1+b) = 2+b , 1+2b+b2=2+b2,
2 2

y por lo tanto b = 1/2.

n
4. Sean u y v vectores perpendiculares no nulos, entonces

∠(u,v) = arco cos u.v = arco cos 0 = π .

uv 2
Por lo tanto si dos vectores son perpendiculares el ángulo que forma es 90o.

67
 5. Sean x, y vectores paralelos, entonces existe α≠0, tal que y = αx. Si θ es el ángulo entre
ellos x e y, tenemos

θ = arco cos x.y = arco cos x.αx = arco cos αx.x

xy x αx αx
2

α  arc cos (1), α > 0  0, α > 0

= arco cos = = .
α arc cos( −1), α < 0  π, α < 0

En consecuencia si x, y son vectores paralelos y tienen el mismo sentido el ángulo entre

ellos es 00 y, si tienen sentido opuesto es 1800 .

Ejercicios Propuestos 6.6.3

1. Halla el ángulo formado por los siguientes pares de vectores:

a. u=(0, 3 , 1), v=(0, 2, 0)
b. u= (1, 0, 3 ), w=(8 , 0, 0)
c. x= ( 3 , 1, 0,0), z=(0, -7, 0, 0)

2. Verifica que el ángulo que forma los vectores x=i+ 2j+k, y= 2i+j-k es el doble del que
forman los vectores u=(1,4,1) y v=(2,5,5).

3. Sea u, v, w vectores no nulos de I R 3 , tales que u y w tienen la misma norma y

** |u-v+w|=|u+v+w|. Si el ángulo entre los vectores u y v es π/8, calcula el ángulo entre los
vectores v y w.

4. Sean u,v,w vectores IR3 no nulos, tales que el ángulo entre u y w es igual al ángulo entre
los vectores v y w. Verifica que el vector w es ortogonal al vector |v|u-|u| v .

5. Ángulos Directores. Cosenos Directores. Si x = ai + bj +ck es un vector no nulo, los

Ángulos
ángulos que forma el vector x con los vectores i, j y k son denominados ángulos direc-
Directores
Cosenos tores del vector x; y a los cosenos de estos ángulos se le denominan cosenos directores.
Directores. a. Verifica que si x = ai + bj +c k, y α, β y γ son los ángulos directores del vector
x : α=∠(x,i), β=∠(x,j), y γ =∠(x,k), entonces

a
α= arc cos , β = arc cos b , γ = arc cos c
x x x
y por lo tanto
a b c
cos α= , cos β= , cos γ = .
x x x
b. Comprueba que cos 2 α + cos 2 β + cos 2 γ =1.
c. Calcula los cosenos directores de los vectores u=(1,3,9), v= (-7, 9, -5) y w=i/2 + 3j/5 - 7k/8.
d. Halla un vector de norma igual a 5, cuyas componentes sean todas positivas y posea
* ángulos directores iguales.
e. Sea x∈IR3 un vector cuyas componentes son todas positivas y cos α = 1/2, cos β= 1/2.
Calcula cos γ.
** f. ¿Existe un vector con ángulos directores α=π/3 y β=π/6.
g. En la figura se muestra un pez que se encuentra en un estanque a una profundidad de
2m .

68
nivel del agua

6m

3m

Calcula los cosenos directores de los ángulos del pez.

6. Sea x un vector unitario de IRn, verifica que -|y|7x.y7|y|, para todo vector y∈IRn.

7. a. Sean v = (-1,1) , w = (1,0). Calcular el ángulo entre el vector v y los vectores 2w,3w y
αw, α≠0.
b. Sean v y w vectores no nulos y α≠0 un número real. Si θ es el ángulo entre los
vectores v y w. Calcular el ángulo entre los vectores v y αw.
c. Sean v y w vectores no nulos de IRn y α , β números reales no nulos. Calcula el ángulo
entre los vectores αv y βw en términos del ángulo entre los vectores v y w.
*
8. Teorema del Coseno. Sea u,v vectores no nulos de IRn. Verifica que si θ es el ángulo
entre x e y, entonces
*
|x - y| 2 = |x | 2 + |y| 2 - 2 |x | |y| cosθ

6.7 Producto de Matrices.

En la cuarta sección de esta unidad introducimos el concepto de adición de matrices y

observamos que esta operación cumple propiedades similares a la operación de adición con
otros entes matemáticos, como es el caso de la adición de números reales o de funciones.
Pero en estos conjuntos además de una operación de adición tenemos definida una opera-
ción de multiplicación que cumple ciertas propiedades que resumimos en el siguiente cuadro
de repaso.

69
 CUADRO DE REPASO

OPERACIÓN DE MULTIPLICACIÓN

Conjunto Propiedades

IN: números naturales Asociativa (n m) p = n (m p)

Z: números enteros Conmutativa nm=mn
Existe elemento neutro 1 m = m 1 =m
Distributiva n(m + p) = nm + np

p Q: números racionales Asociativa

si x= ≠0,
q Si a,b,c,d,y d son números Conmutativa
enteros tales que b≠0 y d≠0. Existe elemento neutro
entonces 1 1
1 q
Definimos el producto Existe elemento inverso de x, si x≠0. x = x= 1
a . c a.c x x
= = Distributiva
x p b d b.d
IR números reales Asociativa
Conmutativa
Existe elemento neutro
Existe elemento inverso de x ,si x≠0 .
El inverso de x se denota por x−1
Distributiva

Funciones de IR en IR
Si f,g: IR → IR son funciones
se define la función producto
fg: IR → IR por
(f g)(x) = f(x) g(x)
Asociativa
Conmutativa
Existe elemento neutro ( la función f(x)=1 )
Existe elemento simétrico de f,
si f(x)≠0, para todo x∈ IR,  1 
 la función x→ f(x) 
 
Distributiva

Sucesiones de números reales Asociativa

Conmutativa
Existe elemento neutro ( la función an =1, n∈IN)

Existe elemento inverso de {an}  

si an ≠0, n∈IN.  la sucesión  1  

  an  

Distributiva

A pesar de que no hemos definido un producto de matrices en general, hemos considerado

el producto de ciertas matrices, los vectores, el cual hemos denominado producto escalar.

70
 Con la identificación de los vectores de IRn con las matrices fila y columna, en el fondo
hemos definido el producto de matrices filas o matrices columnas, como sigue

(a1 a 2 L an ) (b1 b 2 L bn ) = a1b1 + a2b2 + ... + anbn

y también tenemos  b1 
 
(a1 a2 L an )  b2  = a1b1 + a2b2 + ... + anbn.
M 
 
b 
 n
Pero si queremos definir un producto entre matrices cualesquiera, l cómo podemos hacerlo,
es decir

¿Cómo se multiplican matrices? ?

La idea es hacer algo parecido al producto escalar multiplicando las filas de una matriz
con las columnas de la otra como si estuviéramos haciendo un producto escalar, esta condi-
ción nos exige que el número de columnas de una de las matrices debe ser igual al número de
filas de la otra. En la siguiente definición precisamos este producto.

Definición 6.8 (Producto de Matrices(1) )

Sean A=(a ij ) una matriz de orden nxm y B=(b ij ) una matriz de orden mxp.
El producto AB de las matrices A y B es la matriz C=(c ij ) de orden mxp, tal
Producto de
que el coeficiente cij se obtiene haciendo el producto escalar de la i-ésima
Matrices
fila de la matriz A por la j-ésima columna de la matriz B, es decir

c ij = ai1bij + ai2b2j +.......+ainbnj

u

Es importante recalcar que para poder hacer el producto AB de las matrices A y B es

necesario que la matriz A tenga el mismo número de columnas que el número de filas de la
matriz B. Esto lo ilustramos a continuación.

Matriz A Matriz B

 a11 a12 LL a 1m 
   b11 b12 L b1j L b1p 
 a 21 a 22 LL a 2m   
 M M LL M   b 21 b 22 L b 2j L b 2p 
   M M M M 
 a a LL a   M M M M 
 i1 i2 im   
Fila i  M M LL M   M M M M 
   b m1 b m2 b mj L b mp 
 an1 an2 LL a nm  nxm   mxp
Columna j

(1)
Tanto el producto de matrices como la adición fueron introducidas por el matemático y abogado inglés
Arthur Cayley (1821-1895). Cayley ha sido uno los hombres mas productivos en la matemática, publi-
có más de seiscientos trabajos en este campo y mas de doscientos en el área de las Leyes. Además
de desarrollar las matrices, Cayley realizó importantes estudios en la geometría analítica, teoría de
determinantes, teoría de curvas y en otras ramas de la matemática.
71
  b1j 
Coeficiente cij del producto AB, cij = ( ai1 ai2 .......... aim)   =a b + a b +.......+a b
 b 2j  i1 ij i2 2j im mj

 M 
 
 M 
b 
 mj 

Matriz A Matriz B Matriz AB

 a 11 a12 LL a1m 
   b 11 b 12 L b 1j L b1p 
 a 21 a 22 LL a 2m    L L . L L
 
 M M LL M   b 21 b 22 L b 2j L b 2p 
L L . L L
   M  L
 a a LL a  
M M M L c L L
 i1 i2 im  M M M M   ij 
  L
 M M LL M   M M M M  L . L L
   
 b m1 b m2 b L b mp  L L . L L nxp
 a n1 a n2 LL anm nxm  mj mxp 
c ij = ai1bij + ai2b2j +.......+ainbnj

Ejemplos 6.7

1. Determina si es posible hacer el producto AB, donde A y B son las siguientes matrices:
1 2
a. A = (1 2 -3) , B =  .
3 4 

1 0
 
1 0 −5 2 0
b. A = 
 4 1 − 8 
B= 
1
, .
3
   
5 4 


 1 3
− −  

c. A =  1 3 5  , B= 2 1 .
 2 1 3 
   −1 − 2
 

s
a. La matriz A tiene orden 1x3 y la matriz B tiene orden 2x2. Como A no tiene el mismo
número de columnas que el número de filas de B no es posible hacer el producto AB.

b. La matriz A tiene orden 2x3 y la matriz B tiene orden 4x2. No es posible hacer el
producto AB porque el número de columnas de A no es igual al número de filas de B.

c. La matriz A tiene orden 2x3 y la matriz B tiene orden 3x2. Si es posible hacer el
producto AB ya que A tiene el mismo número de columnas que el número de filas de
B, de hecho AB tiene orden 2x2 y :

72
  1 3
−1 3 − 5    − 1 + 6 + 5 − 3 + 3 + 10  10 10 
AB =    2 1 =   =  .
 2 1  6 + 1 − 6   1 1 
 3   2+ 2−3 n
−1 − 2

2 . Calcula el producto de los siguientes pares de matrices:

 0 − 1
a . A= 
1 2
, B =
 − 5 3   6 − 7 
.
   
 0 1
1 − 2 3  
b . C =   , D =  − 1 3  .
 5 − 5 1   0 − 5
 

1 2 3  − 1
   
c. E =  0 − 2 − 3 , F =  − 2  .
 1 −1 − 4   0
   

s
a. Denotemos por C al producto AB, es decir C = AB. Como A y B tienen orden 2x2,
 c11 c12 
entonces C tiene orden 2x2 y así tiene la forma C =   , donde
 c 21 c 22 

c 11 = (1era fila de A).(1era columna de B) c 12 = (1era fila de A).(2da columna de B)

c 21 = (2da fila de A).(1era columna de B) c22 = (2da fila de A).(2da columna de B).

Entonces
0   − 1
c 11 = (1 2).   = 1.0 + 2.6 = 12 c12 = (1 2) .   = 1.(−1) + 2.(−7) = −15
6  −7

 0 − 1
c 21 = (−5 3).   = −5.0 + 3.6 = 18 c 22 = (−5 3).   = (−5)(−1) + 3(−7) = −16
 6 −7

 1 2  0 − 1 12 − 15 
En conclusión AB =     =   .
 − 5 3  6 − 7 18 − 16 

b. Como C tiene orden 2x3 y D tiene orden 3x2, la matriz producto CD tiene orden 2x2 y
además

 0 1
1 − 2 3  

CD =  
  −1 3
 5 − 5 1   0 −5
 
 (1era fila de C).(1 era columna de D) (1era fila de C).(2 da columna de D) 

=  da
 (2 fila de C).(1era columna de D) (2 da fila de C).(2 da columna de D) 

73
  1.0 + ( −2)( − 1) + 3.0 1.1 + ( −2).3 + 3.(− 5)   0 + 2 + 0 1 − 6 − 15   2 − 20 
=   =  = 
 5.0 + ( −5)( −1) + 1.0 5.1 + ( −5).3 + 1.(− 5)   0 + 5 + 3 5 − 15 − 5   5 − 15 

c. En este caso la matriz E tiene orden 3x3 y la matriz F tiene orden 3x1, en consecuencia
la matriz producto EF tiene orden 3x1 y
1 2 3   − 1   1( −1) + 2( − 2) + 3.0   − 1 − 4 + 0   − 5
        
EF = 0 − 2 − 3   − 2  =  0( −1) + ( − 2)( − 2) + ( −3)0  = 0 + 4 +.0  = 4 
 1 − 1 − 4   0   1( − 1) + ( −1)( −2) + ( −4)0   − 1 + 2 + 0   1
         n

 7 1 4 6
  2 0 3
3. Si consideramos las matrices A =  2 0 1 −1 y B =   , entonces no po-
 −2 3 1 0 2 1 5
 
demos hacer el producto AB porque A es una matriz 3x4 mientras que B es una matriz 2x3
(el número de columnas de A no es igual al número de filas de B). Sin embargo si podemos
hacer el producto BA (B tiene tres columnas y A tiene tres filas), en efecto:

 7 1 4 6
 2 0 3   8 11 11 12
A =  2 1 5   2 0 1 − 1 =  
  −2 3 1 0  6 17 14 11
  n
 1 3
−1 3 − 2  
4. Sean A =  y B =  2 1  , entonces
 2 1 − 3  −1 − 2
 

 1 3  7 4 
 − 1 3 − 2    
AB =    2 1  = 7 13
 2 1 −3  − 1 − 2  
 
 1 3  5 6 −11
   − 1 3 − 2 =  0 7 −7 

BA =  2 1   
 −1 − 2  2 1 −3 −3 −5 8 
  

El producto Aquí podemos observar que AB ≠ BA y en consecuencia el producto de matrices no es

de matrices
no es conmutativo.
conmutativo.
a b 
5. Sea A =  ,entonces
c d 
 a b   1 0  a.1+ b.0 a.0 + b.1  a b 
A I2 =  c d   0 1 =   = ,
    c.1+ d 0 c.0 + d1   c d 
de manera similar:
 1 0  a b  a b 
I2 A =   
  =   ,
 0 1  c d  c d 

y por lo tanto la matriz identidad 2x2 es el elemento neutro para el producto de las matrices 2x2.

74
 En general se tiene que si A es una matriz cuadrada de orden n, entonces

AIn = InA = A,

Es decir la matriz identidad de orden “n” es el elemento neutro para

la multiplicación de matrices cuadradas de orden “n”.

 1 − 5/2  5 − 10 , entonces ni A ni B son la

6. Consideremos las matrices A =   , B = 
−2
 5   2 − 4 
matriz nula, sin embargo  

 1 − 5/2  5 − 10  5 − (5/2)2 10 + (5/2)4  0 0

AB =     =  =  .
− 2 5   2 − 4   10 − 10 20 − 20   0 0

En este ejemplo se puede observar que el producto de dos matrices no nulas puede dar Recuerda
si a,b∈IR,
como resultado la matriz nula, situación que no ocurre con los números reales. ab=0 ⇒
a= 0 ó b=0.

Al igual que en el caso del producto de números naturales, enteros, racionales reales o en
el caso del producto de funciones, la multiplicación de matrices cumple ciertas propieda-
des que resumimos en el siguiente cuadro.

Propiedades del Producto de Matrices

♣ Asociativa ♥ A(BC)=(AB)C
♣ Existencia de elemento neutro ♥ AIn = InA = A, si A es una matriz
cuadrada de orden n
♣ Distributiva ♥ A(B+C)=AB+AC
(A+B)C=AC+BC

Las demostraciones de estas propiedades son un poco largas, salvo la relacionada

con la existencia de elemento neutro, que demostraremos a continuación.

 a11 a12 L a1n 

 
 a21 a22 L a 2n 
Sea A= 
M O M 
una matriz de orden n, entonces:
M
 
a an 2 L ann 
 n1

75
 1 0 L 0 a11 a12 L a1n 
  
In A = 
0 1 L 0 a21 a22 L a2n 
M M O M  M M O M 
  
0 0 L 1  an1 an2 L ann 


1a11 + 0a21 + ..+ 0a1n 1a12 + 0a22 +...+ 0an2 L1a1n + 0a2n +...+ 0ann 
 
=  0a11 + 1a21 +..+ 0an1 0a12 + 1a22 + .. + 0an2 L0a1n + 1a2n + ...+ 0ann 
 M M O M 
 
 0a11 + 0a21 + ...+ 1an1 0a12 + 0a22 + ...+ 1an2 L0a1n + 0a2n + ...+1ann 

a11 a12 L a1n 
 
a21 a22 L a2n 
= 
M M OM 
= A.
 
an1 an2 L ann 
 

De manera similar se comprueba que A In = A y así A In = In A = A para toda matriz cuadrada

de orden n, y por lo tanto la matriz identidad de orden ”n” es el elemento neutro para el
producto de matrices cuadradas de orden “n” .

Ejercicios 6.6.

0 − 2 1   1 − 1
 − 1 5 3    

1. Sean A =  
 B =3 − 2 2 y C =  3 − 5 . Verifica la propiedad asociativa
 − 2 − 4 1  5 − 3 − 6  2 − 3
   
con estas tres matrices.
 0 − 2 1  1 − 1  −4 7 
 −1 5 3     −1 5 3    − 39 82

s A(BC) =  
  
 3 − 2 2  3 − 5  =  
  1 1  =  
 − 2 − 4 1     − 2 − 4 1    −12 10

 5 − 3 − 6  2 − 3   −16 28

 0 − 2 1   1 − 1  1 − 1
 −1 5 3      30 −17 − 9     − 39 82
(AB)C =   3 − 2 2  
3 − 5  =  
  3 − 5 =  
− 2 − 4 1  2 −3  −7 9 −16   −12 10
 
 5 − 3 − 6 

    2 − 3
Por lo tanto A(BC) = (AB)C . n

1 x 3  x −1 0  6 26 3 
     
2. Sean A =  2 − 5 y , B =  y 0 − 2 y C =  15 − 2 + 9 y 10 + 5y . Halla los valores
 2z −1 0  z 9 5  25 − 2z 2 
    

de x,y z de tal forma que AB = C.

76
  x + xy + 3z 26 15− 2x 
s Como AB=  2x − 5y + yz − 2 + 9y 10+ 5y  , tenemos que AB = C si y solo si x=6 y
 
 2xz − y − 2z 
 2 
6+6y+3z=12 , 6 - 5y + yz =15 y 12z − y=2. Al resolver este sistema de ecuaciones Sustituye
tenemos y= − 1 y z=2. Por lo tanto AB = C si x=6, y= − 1, z=2 estos valo-
res y verifi-
ca que
n AB=C.

 1 a 1
3. Sean a,b,c, d números reales y consideremos la matriz A=  b 1 c  . Verifica que las
 
matrices AAt y A tA son matrices simétricas.  1 d 1
 

 1 b 1  1 a 1
   
s A =  a 1 d  . Entonces AA =  b 1 c  =
t t

 1 c 1  1 d 1
   
 1 b 1 1+ a2 + 1 b + a + c 1+ ad + 1
   
 a 1 d =  b + a + c b 2 + 1 + c 2 a + c + d 
 1 c 1  
  1+ da + 1 b + d + c 1+ d 2 + 1
 
Al observar esta última matriz podemos notar que es una matriz simétrica.
De manera similar se comprueba que AtA es una matriz simétrica (hazlo).
n
4. Sean

1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
       
A1 =  0 0 0 0 , A2 =  0 1 0 0 , A3 = 0 0 0 0 , A4 = 0 0 0 0 .
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
       
0 0 0 0  0 0 0 0  0 0 0 0  0 0 0 1 
   

Verifica que si A es una matriz cuadrada de orden 4, entonces A = A1A + A2A + A3A + A4A.

 a1 a2 a3 a4  0 0 0 0
   a1 a2 a4 
, A A =  b b b b ,
a3
s Sea A=  b1 b2 b3 b4  , entonces A A =   1 2 3 4
c 0 0 0 0 2
c4 
1
c2 c3 0 0 0 0 0 0
 1
d
 0 0  
 1 d2 d3 d 4  
0 0
 0 0 0 0
 0 0   

0 0 0 0  0 0 0 0 
   
 0 0 0 0 0 0 0 0 
y A 4A = 
0 0 0 0
A3A = .
c c c c 
 1 2 3 4  
0 0 0 0  d d d d 
   1 2 3 4

Si sumamos estas cuatro matrices obtenemos la matriz A.

Otra forma de obtener este mismo resultado es observando que A1 + A2 + A3 + A4 = I4,

77
 entonces usando una de las propiedades distributivas, tenemos :

A1A + A2A + A3A + A4A = (A 1 + A2 + A3 + A4) A = I4 A = A

n
 cos α sen α  cos β senβ
5. Sean α ,β∈IR y consideremos las matrices A =  
 B = 
.
 − sen α cos α   − sen β cos β

 cos (α + β) sen ( α + β) 
Verificar que AB =   .
 − sen ( α + β) cos (α + β) 

s  cos α senα  cos β senβ

AB=    =
− senα cosα   − senβ cos β
 cosα cosβ − senα cosβ cosα senβ + senα cosβ 
=  . 
 − senα cosβ − cosα senβ − senα senβ + cosα cosβ 

Usando las identidades trigonométricas

cos(α + β ) = cos α cos β − sen α sen β , sen(α +β ) = sen α cos β + sen β cos α ,

resulta

 cos (α + β) sen (α + β)

AB =  
 − sen (α + β) cos (α + β)
n

6. En la siguiente tabla se representan el número de objetivos logrados, por un grupo de seis

estudiantes de la universidad en la asignatura M II en las tres primeras parciales y en la
prueba integral, en un determinado lapso.

1era parcial 2da parcial 3era parcial Integral

E1 1 0 3 0
E2 2 2 3 2
E3 2 3 3 3
E4 0 2 1 4
E5 3 1 4 5
E6 4 4 0 6

a. usar el producto de matrices para obtener una matriz cuyas entradas indiquen el total
de objetivos logrados por cada estudiante.

b. si el total de objetivos evaluables de la asignatura M II es 15 y se aprueba con un

mínimo de nueve objetivos cuántos estudiantes aprobaron la materia.

78
 s
a. El cuadro dado lo podemos representar en la matriz

1 0 3 0
 
2 2 3 2
2 3 3 3
O =  .
0 2 1 4
 
3 1 4 5
4 4 0 6 

 1
 
 1
Si consideramos la matriz columna X =   , entonces
1
 
 1
 
1 0 3 0  4
  1  8 
2 2 3 2     
  1  11
OX =  2 3 3 3    =   y las entradas de esta última matriz representan el
 0 2 1 4  1  7 
  1 13
 3 1 4 5     
4 4 0 6  14
 
total de objetivos logrados por los estudiantes E1, E2, E3, E4, E5 y E6.

b. De acuerdo al resultado obtenido en la parte a. de estos seis estudiantes aprobaron la

asignatura M II , cuatro estudiantes: E2, E3, E5 y E6. n

Ejercicios Propuestos 6.7.

 1 − 2 0
 1 − 6 2 −5 1 2  
1. Sean A =   , B =   y C =  − 5 3 1 . Comprueba la propie-
 0 − 5 5 −2 3 0  2 4 6
 
dad distributiva (A+B)C = AC+BC con estas matrices.

2. a. Sean A y B matrices tales AB = BA. Verifica que (A+B)2 = A2 + 2AB + B2.

b. ¿ Cuándo se verifica (A −B)2 = A2 − 2AB + B2 ?
c. Da un ejemplo de matrices A y B tales que
*
(A+B)2 ≠ A2 + 2AB + B2 y (A −B)2 = A2 − 2AB + B2.

3. Sean A y B matrices tales que se pueden realizar los productos AB y BA. ¿ Qué puedes
decir de los órdenes de A y B?
*
4. Verifica que Amxn0nxp=0mxp, para cualquier matriz A de orden mxn.

5. Potencias de Matrices. Sea A una matriz cuadrada. Las potencias de A se definen de la

siguiente manera
A0 = In , A 1 = A , A 2 = AA , A 3 = AA2 = AAA

y en general si n>1 es un entero entonces A n = AAn-1 .

79
  1 0 2
   1 − 3
a. Si A =  − 2 5 −1 y B =   , calcula A2 y B 3.
− 2
 − 1 3 − 4  1 
 

0 0 0 0 0
0 1 1 1  
  d 0 0 0 0
b. Si C =  0 0 1 1 y D = 
0 d 0 0 0  , d∈R. Calcula C , C , C , C , D , D , D , D
2 3 4 20 2 3 4 5
0 0 0 1  
.  
0 0 0 d 0 0
 0 0 0  
0 0 0 d 0

** 6. Producto de Matrices por Bloques. Supongamos que tenemos dos matrices cuadradas (1)
A y B de orden “m”. Dividamos las matrices A y B en bloques como se muestra a continuación

p1 p2 n1 n2
 A11 A12  m1  B11 B12  p 1
A =   B =   ,
 A21 A22  m2  B21 B22  p 2

La matrices A y B se han dividido en cuatro bloques (2) cada una de manera que

A11 es una matriz de orden m1xp1 A12 es una matriz de orden m1xp2
A21 es una matriz de orden m2xp1 A22 es una matriz de orden m2xp2

B11 es una matriz de orden p1xn1 B12 es una matriz de orden p1xn2
B21 es una matriz de orden p2xn1 B22 es una matriz de orden p2xn2

p1 + p2 = m1 + m 2 = n1 + n2 = m

Observa que el número de columnas de cada bloque de la matriz A es igual al número

columnas del correspondiente bloque de la matriz y la partición en bloques que se han
hecho de las columnas de A se han realizado en las filas de B.

Entonces se puede demostrar que el producto de las matrices A y B es igual a

 A11 A12   B11 B12   A11B11 + A12B21 A11B12 + A12B22 

AB =     =  .
  
 A21 A22   B21 B22   A21B11 + A22B21 A21B12 + A22B22 

(1)
Se pueden considerar matrices que no son cuadradas.
(2)
Se pueden considerar mas bloques pero no trataremos ese caso.

80
 Por ejemplo:

 1 0 − 1 2  2 1 − 1 0
    1 0 −1 2   2 1 −1 0 
 −1 5 −2 3  −2 6 − 2 1    
 2  −1 5 −2 3 −2 6 − 2 1
1 5 1  1 3 5 1 =  2 1 5 1  1 3 5 1
=
     
 3 6 0 2  0
 6 0 3  3 6 0 2 

 0

  6 0 3 

 2 1   −1 9   − 1 0  − 5 5   1 10 − 6 5
  +    +     
 − 12 29  − 2 12  − 9 5  − 10 7   −14 41 −19 12
=   =
 2 8   5 21  − 4 1  25 8  7 29 21 9
  +    +     
 −6
  39  0 12  − 15 6  0 6   −6
 51 −15 12

Estos producto usando bloques son de utilidad cuando se multiplican “ matrices grandes“, ya
que considerando ciertos bloques se puede hacer el producto de una forma mas sencilla.

Usa productos en bloques para calcular de una manera sencilla el producto AB donde

1 0 0 1 0 2
 2 −1 0 1 0 0  
  0 1 0 3 1 1
 0 − 2 1 0 1 0 0
 3 − 2 4 0 0 1 0 1 0 0 1
 
A=   , B = 1 0 0 0 0 0
 0 0 0 0 0 0  
  0 1 0 0 1 0
 0 0 0 0 1 0 0
 0 0 0 0 0 1  0 1 0 0 1 
 

7 . a. El producto de matrices diagonales es una matriz diagonal. Verifica esto para matrices
de orden 3.
b. Corrobora la parte a para matrices triangulares superiores o inferiores de orden 3.

8. Una institución educativa decide otorgar becas a los dos estudiantes mas sobresalientes
durante cada lapso escolar, utilizando ciertos criterios para la selección como son, las
calificaciones obtenidas en Lengua, Matemática, Biología e Historia en el lapso inmediata-
mente anterior, y ciertos pesos que son otorgados a cada calificación obtenida en estas
asignaturas, por tres departamentos.
Supongamos que se desea seleccionar estos estudiantes de un grupo de siete que en lapso
anterior obtuvieron las siguientes calificaciones :
Estudiante Lengua Matemática Biología Historia

A1 15 13 12 14

A2 16 13 11 19

A3 12 18 14 13

A4 12 11 19 14

A5 10 14 12 15

A6 18 12 13 10

A7 13 16 17 12

81
 y que los pesos otorgados a las asignaturas por los cuatro departamentos son los siguientes

Asignaturas Dpto. 1 Dpto. 2 Dpto. 3

Lengua 4 5 2

Matemática 5 2 3

Biología 2 3 4

Historia 1 4 3

Para calcular la puntuación final obtenidas por un estudiante en un determinado departa-

mento, se suman los productos del peso que otorga el departamento a cada asignatura por
la calificación obtenida en la asignatura. Por ejemplo, la puntuación obtenida por el estu-
diante A5 en el departamento n°.2 es el producto escalar

(10, 14, 12, 15).(5, 2, 3, 4) = 10.5+ 14.2 + 12.3 + 15.4 = 174

Finalmente se suman las puntuaciones obtenida por cada estudiante en cada departamen-
to resultando así la puntuación definitiva. Los dos estudiantes que obtengan la mayor
puntuación seran los ganadores de la beca.

a. Use el producto de matrices para obtener, para cada estudiante, una matriz donde se
refleje las puntuaciónes obtenidas en los distintos departamentos.

b. Use el producto de matrices para obtener una matriz cuyas entradas indiquen las notas
obtenidas por los estudiantes en los distintos departamentos.

c. Utilice el producto de matrices para obtener una matriz que muestre la puntuación defi-
nitiva de cada uno de los estudiantes y de esta manera seleccionar los dos estudiantes
ganadores de las becas.

6.8 Matriz Inversa

p q pq pq 1
Si p es un número racional no nulo, entonces el producto = = = =1. Es
q q p qp pq 1

decir si x es un número racional no nulo, existe otro numero racional “z” tal que

Por ejemplo zx = xz=1 [1].

si x= 2 ,
entonces Esta situación también acontece con los números reales y al número “z” que verifica la
z = 1/ 2 . relación [1] se le denomina inverso del número “x”. y se denota por x-1.

Ahora podemos intentar determinar si esta situación ocurre con las matrices, en palabras
más precisas:

? ¿Si A es una matriz, existirá una matriz B tal que AB = BA = I ?

82
 Ahora bien, antes de aclarar esta interrogante debemos recordar que si A y B son matrices
tales que AB = BA=I , entonces necesariamente A y B son matrices cuadradas del mismo
orden (sección anterior de ejercicios). En consecuencia, si deseamos investigar sobre el pro-
blema de la existencia de la matriz inversa de una matriz, debemos considerar matrices cua-
dradas. De esta manera podemos considerar la siguiente definición, que es bastante análoga
al caso de números reales.

Definición 6.9 (Inversa de una Matriz)

Una matriz cuadrada A de orden “n” es invertible si existe una matriz cua-
drada B de orden “n” tal que
AB = BA = In.

Cuando esta situación ocurre a la matriz B la denominamos matriz inversa

de A y la denotamos por A-1.

A pesar de que ahora tenemos la definición de matriz invertible aún no hemos aclarado la
última interrogante planteada en caso de matrices cuadradas y de hecho la condición de que
una matriz sea cuadrada no garantiza la existencia de inversa, ya que si A es la matriz nula de
orden “n”, entonces AB = 0n, para cualquier matriz B de orden “n”.

Además existen matrices cuadradas no nulas que no poseen matriz inversa , por ejemplo
1 0 a b 
si considera mos la matriz A =   , entonces dada cualquier matriz cuadrada B = 
c 
de orden 2, 0 0   d 

 1 0   a b   a b 
tenemos que AB =     =   y esta última matriz no puede ser igual a la
0 0  c d  0 0 

matriz identidad I2 (¿por qué?).

?
Entonces a la luz de estos ejemplos podemos preguntarnos

¿ Existe matrices cuadradas invertibles ?

La respuesta a esta interrogante es afirmativas un ejemplo de tal situación es la matriz

identidad In, ya que In In = In, pero por supuesto existen otras matrices que tienen inversa, por
ejemplo si consideramos

1 2 3 
 1 − 2  
A =  , B =  0 2 − 2 ,
3 0 0 0 1 
 
entonces estas matrices son invertibles ya que Verifica los
cálculos.
 1 − 2  0 1/3   0 1/3   1 − 2
    =    =I
3 0   − 1/2 1/6   − 1/2 1/6   3 0  2
 1 2 3   1 −1 − 5   1 −1 − 5   1 2 3
      
 0 2 − 2   0 1/2 1 =  0 1/2 1  0 2 − 2  = I3
0 0 1  0 1  0  1
 0 0 1  0 0

83
 Sin embargo a pesar que hemos dado una definición de matriz invertible y que hemos exhibi-
do ejemplos de tales matrices, aún existe dos problemas que planteamos en las siguientes
preguntas.

? ¿Cómo determinar si una matriz cuadrada tiene inversa ?

¿ Si sabemos que una matriz cuadrada tiene inversa, cómo podemos calcularla ?

A estas preguntas daremos respuesta en la siguiente unidad donde expondremos un mé-

todo que permite calcular la inversa de una matriz, en caso que esta exista, pero además el
mismo método puede ser aplicado a una matriz no invertible ya que el método permite detec-
tar cuándo una matriz no es invertible.

A pesar de esto, recordemos que en nuestros estudios preuniversitarios nos enseñaron

una manera de averiguar si una matriz es invertible, utilizando determinantes, mas precisa-
mente, tenemos:

Una matriz cuadrada A es invertible si det A ≠0

+
Recordemos cómo se calcula el valor del determinante de una matriz de órden 2, 3 y 4

a b  b
Si A =   , entonces det A = a = ad − bc.
c d  c d

 a1 b1 c1 
 
Si B =  a 2 b 2 c 2  , entonces
a b c 
 3 3 3

a1 b1 c1
det B = a 2 b2 c2 = a1b2c 3 + b1c 2a3 +a2b3c 1 − ( a3b2c 1 + b3c 2a1 + a2b1c 3)
a3 b3 c3
 a1 b1 c1 d1 
 
Si C =  a2 b2 c2 d2  , entonces
a b3 c3 d3 
 2 
a b4 c 4 d4 
 4
a1 b1 c1 d1
b2 c2 d 2 a2 c2 d2
a2 b2 c2 d2
det C = = (−1) a1 b3 c3 d 3 + (−1)1+2b1 a3
1+1
c3 d3 +
a3 b3 c3 d3
b4 c4 d 4 a4 c4 d4
a4 b4 c4 d4
a2 b2 d 2 a2 b2 c2
+ (−1)1+3c 1 a3 b3 d 3 + (− 1)1+4d
1 a3 b3 c3
a4 b4 d 4 a4 b4 c4

b2 c2 d2 a2 c2 d2 a2 b2 d2 a2 b2 c2
= a1 b3 c3 d 3 −b1 a3 c3 d3 + c 1 a3 b3 d3 − d1 a3 b3 c3
b4 c4 d4 a4 c4 d4 a4 b4 d4 a4 b4 c4

84
Ejemplos 6.8
 1 − 5
 1 0 − 2
1. La matrices A =  y B =  4 5 
−1 son invertibles porque
 7 − 8 

 
 5 3 − 9
1 −5
det A = = −8 + 35 = 27 ≠ 0
7 −8
1 0 −2
det B = 4 5 − 1 = − 45 + 0 − 24 − (− 50 − 3 − 0) = −16 ≠ 0.
5 3 −9

 1 0 −2
 2 − 1  
2. Las matrices A =   y B =  −1 2 − 6  no son invertibles porque
 −6 3  0 2 −8
 
2 −1
det A = =6 −6=0
−6 3

1 0 −2
det B = − 1 2 − 6 = −16 + 0 + 4 − ( 0 − 12 + 0 ) = 0
0 2 −8
 0 2  − 5/3 2/3 
3. La matriz A =   es invertible porque existe una matriz B = 
 1/2  , tal que
 3/2 5  0 

2  1 0 
BA =  − 5/3 2/3  
0
  =  = I2
 1/2
 0   3/2 5   0 1 

 − 5/3 2/3 
AB = 
0 2 1 0 = I
 3/2 5   = 
 0 1  2.
   1/2 0   

Es decir A =  − 5/3 2/3 

-1

 
 1/2 0 

 − 1 2 5/2  − 6 11 6 
  1  
4. La matriz A = 1 0 − 3 es invertible ya que existe una matriz B=  14 13 1/2
29 
 2 2 8 −2 −6 2 
tal que 

 − 1 2 5/2   − 6 11 6   − 1 2 5/2  − 6 11 6 
   1  1   
AB =  1 0 − 3   14 13 1/2   =  1 0 − 3   14 13 1/2 = I3
29 
 2 2 8   − 2 − 6 8  − 2 − 6 2 
29
 2   2 2

 − 6 11 6   − 1 2 5/2
1   
BA =  14 13 1/2  1 0 − 3 = I3.
29 
−2 −6 2   2 2 8

85
 -1 1  − 6 11 6 
Luego B = .
29  14 13 1/2
−2 −6 2 


Ejercicios Propuestos 6.8

1. Determina cuáles de las siguientes matrices son invertibles

 5 − 4  1 8 9
 − 8 5  , C =  − 5 2 
A =   , B =  4
 − 3 1  10 − 8   37 2 − 10 
 
 1 0,2 1 0
 3/2 2 9   
  −5 3 2.2 − 1
D = −5 0 9/5  , E= .
 0 4 − 3 2
 5 3/4 7   
   12 7 3 
 5

2. Determina los valores de a, b y c para que las matrices que se dan a continuación sean

a a  a c b 
   
invertibles N =   , M =  1 0 1 y muestra explícitamente algunos casos particu-
 b bc   1 2 3
 
lares de esta situación.

3. A continuación se te presentan dos matrices A y B. Determina si la matriz B es la inversa de

la matriz A.
 1 0
1 0  
a. A =   , B =  − 2 1
 2 1
 0 2 1  0 −2 6
   
b. A =  1/2 0 3/2  , B =  5/2 − 2 1
 1 0 1/2   0 − 4 − 2
   
0 2 1 0  −1/2 − 6 − 7 7
   
1 1 − 3 0  1/2 1 1 −1
B =
2
c. A = 
0 − 1/2 1
,
1 0 −2 −2
   
2  1/2 5 7 − 6 
 1 − 3 1 

1 5
4. Verifica que las siguientes matrices son invertibles y halla su inversa C =   ,
* 

1 0 0
D = 3 − 2 0  .


 3 −2 

1 1 1

5. a. Sea A una matriz cuadrada de orden “n” que verifica la siguiente relación
A 4 + 3 A 3 − 5A 2 + 2 A =I n . Prueba que A es invertible y hallar la matriz inversa de A.

 1 2 3
 
b. Sea A =  − 1 − 2 0  . Verifica que A3−5A 2−9A+9I3 = 03 y halla una matriz B tal que AB = I3.
 1 5 6
 

86
6. Verifica que si A y B son matrices invertibles del mismo orden, entonces las matrices AB y BA
son invertibles ¿ Cuáles son las inversas de AB y BA?.

7. Verifica que:

a. Toda matriz diagonal sin ceros en la diagonal principal es invertible. Calcular la inversa
y muestra algunos ejemplos. **
Nota: Considera determinantes.

b. Toda matriz triangular superior (inferior) sin ceros en la diagonal principal es invertible.

8. Sea A una matriz invertible simétrica. Demuestra que At es una matriz invertible y que
-1 -1
(A t ) =( A ) t. **
-1
9. Una matriz cuadrada A se dice que es ortogonal si A = At . Verifica que las siguientes
matrices son ortogonales.

 1 −1 0 0
 2 /2 − 2 /2 0   
1 1 1  2 0 0 1 1
   2 /2 0
2 1 −1 ,
2 /2
A= B=  , C= 2 1 1 0 0
 0 0 1  
   0 0 −1 1


6.9 Las Matrices como Transformaciones del Plano

En el curso de matemática I estudiamos el concepto de función. En particular estudiamos Revisa Mó-

funciones definidas en un subconjunto D de los números reales y que toman valores en el dulo II, Ma-
conjunto de los números reales, es decir funciones f:D⊆ IR→IR. Ahora consideraremos cier-
temática I.

tas funciones definidas en el plano IR2 y que toman valores en el plano denominadas transfor-
maciones lineales.

A fin de precisar este concepto consideremos un sistema de ecuaciones lineales

 x' = ax + by
 [1]
 y' = cx + dy
Este sistema de ecuaciones lineales se puede interpretar como una transformación del
plano IR2 sobre sí mismo, que hace corresponder al punto o al vector de coordenadas (x,y) el
vector de coordenadas ( xS,yS ).
a b  x  x' 
Aquí podemos observar que si A =  , X =  y  y X′ =   , entonces usando el pro-
c d     y' 
ducto de matrices la expresión [1] la podemos escribir de la forma
X′ = AX
y así podemos observar que la matriz A transforma al punto o vector X en el vector X’. Es
decir, cada vez que tengamos un vector X, obtendremos un vector X’, simplemente haciendo
el producto AX. En conclusión si A es un matriz de orden 2, podemos considerar una función
T: IR2→ IR2, que asocia al vector X∈ IR2 el vector AX, es decir T(X) = AX. De una manera más
formal, tenemos la siguiente definición

87
 +
Transforma-
Definición 6.9 ( Transformación lineal(1) )
Un función T: IR2→ IR2 es una transformación lineal si existe una matriz A de
orden dos, tal que
ción lineal.

T(X) = AX, X∈ IR2

A la matriz A se le denomina matriz asociada a la transformación lineal y a la

función T transformación lineal asociada a la matriz A.

Esquemáticamente, tenemos

Transformación lineal del Plano

T:IR2 →IR2
X → A X
A es una matriz de orden 2 asociada a T

T(X) = A X

De esta manera toda matriz A cuadrada de orden 2 la podemos pensar como una transfor-
mación lineal del plano en sí mismo que asocia al vector X el vector AX.

Ejemplos 6.9

 0 0
1. Si A =   tenemos la transformación del plano X→AX. Como A es la matriz nula, en
 0 0
0
tonces AX=   .
0
En este caso la matriz A transforma al vector X en el vector nulo.

2. Si A es la matriz identidad de orden 2, entonces como AX = I2X = X, y así la matriz A

transforma todo vector X en sí mismo.
 2 0  2 0   x   2x  x
3. Si A =   , entonces AX =  0 2    =   =2   = 2X. Es decir, la matriz A
0 2    y   2y  y

transforma a cada vector X en el vector 2X, el doble de X. Geométricamente tenemos

(1)
)A pesar que pueden considerarse transformaciones lineales definidas en IR n y que toman valores
en IR m, aquí solo consideraremos transformaciones lineales T:IR 2gIR 2.

88
 y y

X A AX= 2X

x x

Circulo de radio r y centro (0,0) Circulo de radio 2r y centro (0,0)

y
y

r x A 2r
x

α
En general si A es la matriz diagonal del tipo A = 
0
 0 α 
, entonces A transforma al vector
 

X en el vector α X y podemos observar que si α >1 la matriz A “alarga” a cada vector y este
caso se dice que la matriz A es una dilatación. Mientras que si 0< α <1 la matriz A “encoge”
a cada vector y en este caso se dice que A es una contracción.

 x  en el vector  1 0  x   x
4. Si A=  1 0 , entonces A transforma al vector       =   .
 0 − 1   − y 
  y  0 −1  y 

Geométricamente, tenemos
y

X =(x,y)
La matriz A transforma el vector
en su “simétrico respecto al eje
x
de las abscisas” esto es lo que
se denomina una reflexión X =(x,−y)
respecto a la recta de ecua-
ción y=0

Elipse
y y
A

x
x

Elipse transformada

89
 Existen ciertas transformaciones lineales del plano que son de gran importancia porque pre-
servan las distancias, es decir son aquellas transformaciones lineales T: IR2 →IR2, tales que

| T(X )| = | X | , X∈IR2
es decir,
|AX | = |X | , X∈IR2,

donde A es la matriz asociada a T.

Estas transformaciones son denominadas Isometrías del plano(1) , es decir una isometría es
+
Isometría
una transformación del plano que preserva las distancias.

Ejercicio 6.9

1. Determina cuales de las siguientes transformaciones lineales son una isometrías

a. T(x,y) = 3 0  x  b. T(x,y) = 1  x  c. T(x,y) =  0 − 1  x 

0
 
     
     
p 0 3   y   0 −1y  1 0  y 
a. | T(x,y)| =  3 0 = =3 ≠ =  x  . Entonces esta transfor-
 x   3x   
      x2 + y2 x2 + y2
  y
 0 3  y   3y 
mación lineal no es una isometría, porque | AX | ≠ | X |.

b. | T(x,y)| = 1 0 = = = = . De esta manera

  x  x  x
      x 2 + ( − y) 2 x2 + y2  
 
 0 −1  y   − y  y
tenemos que T si es una isometría, ya que | AX | = | X |.

c. | T(x,y)| =  0 − 1 x  =  − y  = = = x . Luego T si es una

     (− y) 2 + x 2 x2 + y2  
1 0  y   x  y
isometría. 

En relación a las isometrías podemos hacer el siguiente planteamiento.

¿ Existe alguna caracterización de las matrices asociadas a una isometría ?

? La respuesta a esta pregunta es afirmativa y la presentamos en el siguiente recuadro

(1)
Por supuesto que también se pueden considerar isometrías en IRn.

90
 La transformación lineal T:IR2 →IR2, definida por T(X) = A X , donde A
es una matriz de orden dos es una isometría si y solo si la matriz A tiene
alguna de las siguientes formas

, , θ∈IR
 cos θ − sen θ   cos θ sen θ 
   
 sen θ cos θ   sen θ − cos θ 

La primera matriz corresponde a una rotación de ángulo θ en dirección contraria al movi-

miento de las manillas de un reloj analógico, mientras que la segunda matriz corresponde
a la ejecución de una reflexión respecto al eje de la abscisas seguida de un rotación de
ángulo θ en contra de las agujas de un reloj analógico. Observa que

Reflexión

 cos θ sen θ   cos θ − sen θ  =  1 0

     

 sen θ − cos θ  sen θ cos θ   0 −1
Rotación ángulo θ

Algunos ejemplos de rotaciones son los siguientes:

Ejemplos de Rotaciones

Ángulo de Rotación Matriz de la Isometría

θ=0
 1 0
 
 0 1
θ = π/6 =
 3 /2 − 1/2  1  3 − 1
 
 1/2 3 /2  2  1 3 
 
θ = π/3 =
 1/2 
− 3 /2  1  1 − 3 
 
 3 /2  2  3 1 
 1/2  
θ = π/4 =
 2 /2 − 2 /2  2 1 − 1
  
 2 /2 2 /2  2 1 1 
θ = π/2 
 0 −1
 
θ=π  1 0
−1 0
 
Ejercicios Propuestos 6.9  0 −1

91
 1. Verifica que las siguientes matrices corresponden a isometrías del plano

a. b. c. d. 0 −1
 3 /2 − 1/2   1/2 − 3 /2   2/2 − 2/2 
     
 1/2 3 /2 
 3 /2
 1/2   2/2 2 /2  1 0
 

e. f. g. , θ∈IR h. cos θ sen θ  , θ∈IR.

 − 1 0  1 0  cos θ − sen θ  
       
 0 −1  0 −1  sen θ cos θ   sen θ − cos θ 

2. Considera la matriz A = 1  − 1 − 3 .
 
2  3 − 1 
a. Verifica que la matriz A es la matriz asociada a una isometría del plano.
b. Sabiendo que A es la matriz asociada a una rotación, calcula A para determinar el
ángulo de rotación.

3. Construye la matriz de la isometría del plano que a cada vector lo rota un ángulo de 135o

* en dirección contraria al movimiento de las agujas de un reloj analógico.

4. Construye la matriz de la isometría del plano que a cada vector lo rota 60o en dirección
contraria al movimiento de las agujas de un reloj analógico, después de haberle hecho
una reflexión respecto al eje de las abscisas.

5. Construye la matriz de una isometría del plano que transforme al vector (1,1) en el vector

* 1 
.
 + 3 , 3 − 1
2 2 2 2 

6. Construye una isometría que transforme el cuadrado de vértices en los puntos (2,2),
(2,3),(3,2) y (3,3) en el cuadrado de vértices (2,-2),(2,-3), (3,-2) y (3,-3).

7. a. Verifica que la matriz asociada a una isometría del plano es invertible.

b. Comprueba que la matriz inversa de una rotación de ángulo θ, en el sentido antihorario,

es la rotación de ángulo −θ.

c. Comprueba que la matriz inversa de la simetría del plano con matriz asociada es

A =  cos θ sen θ  =  cos θ − sen θ  1 0 es la matriz  cos θ sen . θ 

       
 sen θ − cos θ  sen θ cosθ   0 −1  sen θ − cos θ 

92
 10. a. Sean A y B matrices del mismo orden. Demuestra que (A + B)t = At + Bt.
** b. Verifica que la suma de matrices simétricas o antisimétricas son también una matriz
simétrica o antisimétrica respectivamente.

11. Comprueba que si A y B son matrices cuadradas del mismo orden ,entonces tr(A+B) = tr(A) + tr(B).

12. Una empresa produce cuatro artículos p1, p2, p3 y p4 los cuales son envasadoss en tres
tipos de latas de tamaños t1, t2 y t3. . Los costos de producción de los artículos p1, p2, p3
y p4 envasados en los potes de tamaño:
t1, son de bolívares 250, 480, 1500 y 2500 respectivamente;
t2, son de bolívares 500, 960, 2900 y 4800 respectivamente
t3, son de bolívares 900, 1600, 5500 y 9000 respectivamente

Los precios de venta de los artículos p1, p2, p3 y p4 de acuerdo al tipo de envase están
dados en la siguiente tabla

Precios de Venta
p1 p2 p3 p4
t1 350 672 2025 3350
t2 1250 1296 3828 6240
t3 1170 2080 6985 11250

Representa a través de dos matrices los precios de costo de producción (matriz C) y de

venta (matriz V) de los productos p1, p2, p3 y p4.
Calcula la matriz V-C. ¿Qué representa esta matriz? ¿Cuál producto envasado en los
potes de diferentes tamaños genera una mayor ganancia? ¿ y cuál la ganancia más
baja?

13. Consideremos cinco tipos de granos g1, g2, g3, g4 y g5 que se siembran en el país; el
cual lo dividimos en cuatro regiones: norte , este, oeste y sur. A continuación se presenta
una posible tabla tipo y la correspondiente matriz asociada, donde se recolectó la infor-
mación sobre la siembra de los cinco tipos de granos en una región durante un determi-
nado año.

Región X
 xh1 xs1 xp1 xc1
ht s p C  
g1 xh1 xs1 xp1 xc1
 xh2 xs2 xp2 xc2 
RX =  xh3 xs3 xp3 xc3 
g2 xh2 xs2 xp2 xc2  
 xh4 xs4 xp4 xc4 
g3 xh3 xs3 xp3 xc3  
 xh5 xs5 xp5 xc5 
g4 xh4 xs4 xp4 xc4
g5 xh5 xs5 xp5 xc5

La información suministrada de cada región del país en cada columna se refiere a:

♣ 1era columna: número de hectáreas sembradas.
♣ 2da columna: cantidad de semillas sembradas.
♣ 3era columna: cantidad de hectáreas donde se perdió la cosecha por diversas razones.

46
 ♣ 4ta columna: millones de bolívares invertidos en la siembra.

Denotemos RN, RS, RE y RO las matrices que corresponde a la información recogida de

cada región: región norte, región sur, región este y región oeste, respectivamente.
a. ¿ qué información está representada en la matriz T= RN+RS+RE+RO?
b. ¿ qué información contiene la matriz T-RN?
c. ¿ que información se encuentra en las entradas a21 y a54 de la matriz RE+RO?

14. En las siguientes tablas se recopila los objetivos logrados por un grupo de estudiantes de
la UNA en cada prueba parcial y en la prueba integral de la asignatura Matemática II, en
un determinado lapso.

A/O 1P A/O 2 P A/O 3 P A/O I

A1 1 A1 1 A1 2 A1 2
A2 0 A2 1 A2 0 A2 4
A3 2 A3 3 A3 1 A3 3
A4 1 A4 0 A4 1 A4 1
A5 2 A5 1 A5 0 A5 2

a. Representa los datos anteriores a través de matrices del mismo orden 1P, 2P, 3P y I.
b. Calcula la matriz OL = 1P+2P+3P+4P ¿qué representa cada entrada de la matriz OL?
c. ¿cuántos estudiantes lograron 5 objetivos?

d. Si la asignatura tiene 10 objetivos y se aprueba con un total no inferior a 6 objetivos

¿cuántos estudiantes aprobaron la asignatura?

6.5 Multiplicación de un Escalar por una Matriz

En nuestros estudios de secundaria nos enseñaron que es posible multiplicar un número

real por un vector de IR2, de la manera siguiente:

Si α es un número real y x = ( x1 , x 2 ) un vector de IR2 o una matriz fila de orden 2entonces

el producto del número α por el vector x es un nuevo vector (o una matriz fila) que denotaremos
αx y cuya primera coordenada es el número α x 1 y segunda coordenada el número αx 2, es
decir

αx = ( αx 1 , αx 2 ).

Si queremos generalizar este resultado para IR3 o mas aun para IRn, procedemos de la
manera siguiente.

Producto de un número real Producto de un número real

por un vector de IR3 por un vector de IRn
Observa que
estamos
Si queremos multiplicar un número real Si deseamos multiplicar un número real α multiplicando
α por un vector x = (x 1 , x 2 , x 3 ) de IR3 o por un vector x = (x 1 , x 2 , ... , x n ) de IRn o números por
una matriz fila de orden 3, lo hacemos una matriz fila de orden “n”, lo podemos vectores, es
de una manera análoga, a saber: hacer de la manera siguiente decir ele-
mentos de
αx = ( αx 1, αx 2 , ... , αx n ). conjuntos
αx = ( αx 1, αx 2 , αx 3 ). distintos.

47
 Ahora podemos preguntarnos

? ¿ Qué propiedades cumple este producto ?

En el siguiente cuadro presentamos un resumen de las propiedades que verifica este producto.

Propiedades del producto de un número real por un vector de IRn.

♣ α(x + y) = αx + αy
♣ (α + β)x = αx + βx
♣ α(βx) = (αβ)x
♣ 1x = x ,
donde α,β∈IR , x,y∈IRn

La demostración de que estas propiedades se cumplen son consecuencia de la propia

definición y de propiedades de la adición y producto de los números reales (“ trata de
demostrarlas, si tienes dificultades consulta a tu asesor”). A manera de ejemplo demostremos
la segunda de ellas.

Sea α,β∈IR y x = (x 1 , x 2 , ... , x n )∈IRn, entonces:

(α + β)x =
= αx + βx , (α + β)x = (( (α + β)x 1 , (α + β)x 2 ,..., (α + β) x n )
α,β,x∈ IR.
Por la propiedad distributiva de la multiplicación respecto a la de la adición de números
reales, tenemos que

((α + β)x 1 , (α + β)x 2,...,(α + β) xn) = (αx 1 + βx 1 , αx 2 + βx 2,...,αx n + βx n )

Por definición de la suma de vectores, obtenemos que

(αx 1 + βx 1 , αx 2 + βx 2,...,αx n + βx n)= (αx 1 , αx 2,...,αx n ) + (βx 1 , βx 2,...,βx n)

Usando la definición de producto de un número real por un vector resulta

(αx 1 , αx 2,...,αx n) + (βx 1 , βx 2,...,βx n ) = α ( x1 , x 2,...,x n ) + β( x1 , x 2,...,x n)

y por lo tanto

(α + β)x = α ( x1 , x 2 ,..., x n ) + β( x1 , x 2 ,..., x n) = αx + βy

n

Si queremos generalizar este producto de un número por un vector para el caso de

matrices, se plantea la siguiente interrogante.

? ¿ Cómo se multiplica un número real por una matriz ?

48
 Una buen camino es hacer lo que hemos venido haciendo: hemos hecho el producto un
número real por una matriz fila multiplicando el número real por cada una de las componentes
de la matriz fila. De esta manera tenemos la siguiente definición.

Definición 6.3 (Producto de un número real por una matriz)

Sean α un número real y A=(aij) una matriz de orden nxm con coeficientes en
IR. Se define el producto del número real α por la matriz A como la matriz de
orden mxn cuyas componentes son el producto del número α por la corres-
pondiente componente de la matriz A .
♦
De una manera gráfica tenemos que si

a11 a12 L a1n  α a11 α a12 L αa1n 

   
a21 a22 L a2n  α a21 α a22 L α a2n 
α∈IR y A =  , entonces α A =  M L M 
.
 M M L M   M
a m1 a m 2 L a mn  α a m1 α a m 2 L αamn 
  

Este producto cumple propiedades idénticas al producto de un número real por un vector
y las mismas las resumimos en el siguiente cuadro

(1)
Propiedades del producto de un número real por una matriz

♣ α(A + B) = αA + αB
♣ (α + β)A = αA + βA
♣ α(βA) = (αβ)A
♣ 1A = A ,
donde α,β∈IR y A, B son matrices del mismo orden

A manera de ejemplo demostraremos la primera de estas propiedades. Sea α∈IR y

A = (aij)mxn , B = (bij)mxn , entonces:

a11 a12 L a1n  b11 b12 L b1n 

    Justifica
α (A+B) = α a21 a22 L a2n  + b21 b22 L b2n  cada uno de
 M M L M   M M L M  los pasos.
   
am1 am2L amn bm1 bm2 Lbmn 
 

a11 + b11 a12 + b12 L a1n + b1n 

 
 a21 + b21 a22 + b22 L a2n + b2n 
=α  
 M M L M 
am1 + bm1 am2 +bm2 L amn + bmn 
 

(1)
Compara estas propiedades con la expuesta para el caso del producto de un número real por un
vector de IRn, presentadas anteriormente.

49
 α(a11 + b11 ) α (a12 + b12 ) Lα ( a1n + b1n ) 
 
= α(a21 + b21) α ( a22 + b22 ) Lα(a2n + b 2n ) 
 M M L M 
 
α(am1 + bm1 ) α (am2 +bm2 ) L α(amn + bmn ) 
 

α a11 + α b11 α a12 + α b12 L α a1n + αb1n 

 
= α a 21 + α b21 α a 22 + α b22 L α a 2n + α b2 n  ¿por qué?
 M M L M 
 
α a m1 + α bm1 αa m 2 + α bm 2 L α amn + α bmn 


 αa11 α a12 L αa1n   α b11 α b12 L α b1n 

   
=  αa 21 α a22 L αa 2n  +  α b21 αb 22 L α b2 n  = αA + αB.
 M M L M   M M L M 
   
 αa m1 α am2 L αa mn   α bm 1 α b m 2 L αb mn 
  

Ejemplos 6.5

1. Sean x = (-5 , 6 , 1/2 , -5/7) , y = (-1/3 , -2 , -1/5 , 7), entonces:

1 5 1 1 5 5 1 1 
x − y = − 5, 6, ,−  - − , −2, − , 7
2 4 2 2 7 4 3 5 

 5 1 5 5 5 1 35
= − , 3, , −  +  , , , − 
 2 4 14 12 2 4 4

 5 5 51 1 5 35  25 11 1 255
= − + , 3+ , + , − −  = − , , , − .
 2 12 2 4 4 14 4   12 2 2 28  n
Aquí 0 deno-
ta al vector 1
2. Sea x = (2 , -7/11 , ln 5) , y = (a , b , c). Hallar los valores de a, b y c tales que x + y = 0.
cero de IR3. 3

s x + y = 0 ⇔ (2 , −
7 , ln 5) + 1 (a , b , c) = 0
11 3
7
⇔ (2 , − , ln 5) + (
a, b , c )=0
11 3 3 3
a 7 b c
⇔ (2 + ,− + , ln 5 + ) = (0 , 0 , 0)
3 11 3 3
a 7 c
⇔2+ =0,− + b = 0 , ln 5 + =0
3 11 3 3
⇔ a = -6 , b =
21  1 
, c = -3ln 5 = ln   n
11 125 

50
3. Sean x = (x 1 , x 2 ,..., x n) , y = (y 1 , y 2 ,..., y n) vectores de IRn Verificar que:

5(x + y) = 5x + 5y.

s 5(x + y) = 5( (x 1 , x2 ,..., x n) + (y 1 , y 2 ,..., y n) )

= 5(x 1 + y 1 , x 2 + y 2 ,..., xn + y n) Justifica
= (5(x 1 + y 1) , 5(x 2 + y 2) ,..., 5(x n + y n)) cada uno de
= (5x 1 + 5y 1 , 5x 2 +5 y 2 ,..., 5x n + 5y n) los pasos.
= (5x 1 , 5x 2 ,..., 5x n) + (5y 1 , 5y 2 ,..., 5y n)
= 5x + 5y.
n

4. Sea x = (x 1 , x 2 ,..., x n) un vector de IRn, entonces:

0.x = 0. (x 1 , x 2 ,..., xn) = (0.x1 , 0.x2 ,..., 0.xn) = (0 , 0 ,..., 0) = 0n = 0. Denotamos

0 al número
real y 0 al
En conclusión 0.x = 0 , x ∈IRn. vector nulo
de IRn.

5. Considera las matrices

 0 7   1 − 7,2 2 7 
A = 
2,5 
e2 
, B =  − 5/4 2/5 e3  .
 1/3 − 8/5  

Entonces:
1  0 2,5 7  1  1 − 7,2 2 7 
-2A + B = -2  +  
 1/ 3 − 8 / 5 e2  5  − 5/4
5   2/5 e3 
 0 −5 − 2 7   
=  +  1/ 5 − 1,44 2 7/ 5 
 − 2/3 − 2e 2   − 1/4 2/25 e3 / 5 
 16/5  
 0 + 1/5 − 5 − 1,44 − 2 7 + 2 7 / 5 
= 
 − 2/3 − 1/4 16/5 + 2/25 − 2e 2 + e3 / 5 

=  1/5 − 6,44 − 8 7 /5  .
 
 − 11/12 e ( − 2 + e/ 5) 
2 n
 78 /25

a b c  1 2 0 
2  1 
6. Resuelve la ecuación: d e f -  1/2 3,8 − 6  = 03x3.
3 2 
g h k   − 1,1 5/6 - 3/8 

a b c  1 2 0 
2  1 
s d e f −  1/2 3,8 − 6  = 03x3 ⇔
3 2 
g h k   − 1,1 5/6 - 3/8 

51
  2a /3 2 b/3 2 c /3   1/2 1 0 
   
⇔  2d /3 2 e/3 2f /3  −  1/4 1,8 − 3  = 03x3
 2g /3 2 k /3   − 0,55 5/12 − 3/16 
 2 h/3  

 2a /3 − 1/2 2b/3 − 1 2c /3   0 0 0
   
⇔  2 d/3 − 1/4 2e /3 − 1,8 2f /3 + 3  =  0 0 0  .
 2 g/3 + 0,55 2 h/3 − 5/12 2k /3 + 3/16   0 0 0
  

En consecuencia 2a/3=1/2 , 2b/3 = 1 , 2c/3 = 0 , 2d/3 = 1/4 , 2e/3 = 1,8 , 2f/3 =- 3,

2g/3 = -0,55 , 2h/3 = 5/12 y 2k/3 = -3/16, de donde resulta a=3/4 , b=3/2 , c=0, d=3/8 ,
e=2,7 , f= - 4,5, g= -0,825 , h=5/8 y k= -9/32.
n

Ejercicios 6.5

1. Sea x = (1 , 1/3) y z= (2 , 1). Representa en un mismo gráfico los vectores x, z y 2x−3z.

s 2x−3z = 2(1 , 1/3) −3(2 , 1) = (2 , 2/3) + (−6 ,−3) = (−4 , −7/3).

n
y

1
x
z
−4 −3 −2 −1 1 2 x
-1
2x −3z

-2

3. Sea x = (x 1 , x 2 ,..., x n)∈IRn. El vector opuesto al vector x es el vector que hemos denotado
−x. Verifica que el vector opuesto al vector x es el vector (−1)x, es decir −x = (−1)x.

s x + (− 1)x = (x 1 , x 2 ,..., x n) + (−1) (x 1 , x 2 ,..., x n)

= (x 1 , x 2 ,..., x n) + ((−1)x 1 , (−1) x2 ,..., (−1)x n))
= (x 1 , x 2 ,..., x n) + (−x 1 , − x 2 ,..., −x n)
= (x 1−x 1, x 2−x 2 ,..., x n−x n)
= (0 , 0 ,..., 0) = 0n

Luego x + (−1)x = 0, es decir el vector (-−1)x es el vector opuesto al vector x y así

necesariamente (−1)x = −x .
n
52
4. Sea x = (x 1 , x 2 ,..., x n) un vector de IRn. Verifica que:

a. 2.x = x + x
b. 3.x = x + x + x
c. −2.x = −x − x

s a. 2.x = 2.(x 1 , x 2 ,..., xn) = (2x 1 , 2x 2 ,..., 2x n) = (x 1+x 1 , x2+x 2 ,..., xn+x n) = x + x

b. 3.x = 3.(x 1 , x 2 ,..., xn) = (3x 1 , 3x 2 ,..., 3x n) = (x 1+x 1+x 1 , x 2+x 2+x 2,...,xn+x n+x n)
= x+ x+ x

c. -2.x = −2(x 1 , x 2 ,..., x n) = (−2x 1 , −2x 2 ,..., −2x n)

= (−x 1 ,− x 2 ,...,− x n) + (−x 1 , −x 2 ,..., −x n) = −x − x

En general se tiene que:

n.x = x +x +.. n veces..+ x , x∈IRn y n∈Z.

n
5. Demostrar que 1x = x, para todo x∈Rn .

s Sea x = (x 1 , x 2 ,..., xn)∈IRn, entonces:

1x = 1 ( x1 , x2 ,..., xn ) = (1x 1 , 1x 2 ,..., 1x n ) = (x 1 , x2 ,..., xn ) = x.
n

6. Vectores canónicos de IR2. Cuando trabajamos con vectores en IR2, existe unos vectores
con algunas características especiales. Por ejemplo, si x = (x 1 , x 2)∈IR2, entonces este vector
lo podemos escribir de la forma:

x = (x 1 , x 2) = x1(1, 0) + x2(0,1).

En particular si x = (−5, 2), entonces x = −5(1 , 0) + 2(0 , 1)

En vista de esta situación los vectores (1,0) y (0,1) son denominados vectores canónicos
de IR2 y son denotados con las letras: “i”, “j”, de esta manera:
i = (1,0) y j = (0,1).
En consecuencia
x = (x 1 , x 2) = x1i + x 2j
y cuando escribimos un vector x de esta manera decimos que estamos escribiendo al
vector x como combinación lineal de los vectores i, j.

a. Escribe los vectores (1,2), (−3,−8) y (1/2 ,-5/3) usando los vectores i, j.
b. ¿cuáles son las primera y segunda coordenadas del vector 3i +4j −(5i −7j )?
c. Determina los valores de los números reales α y β tales αi + βj = 0.

s 1 5 i 5 i 1
a. (1,2) = (1,0) + 2(0,1) = i + 2j , (−3,−8) = −3i −8j , ( ,− ) = − j. = i
2 3 2 3 2 2
b. 3i +4j −(5i −7j ) = 3i +4j −5i+ 7j ) = 3i −5i +4j +7j = −2i +11 j . La primera coordenada
de este vector es −2 y la segunda 11.

53
 c. αi + βj = 0 ⇔ (α,0)+(0,β)=(0,0) ⇔ (α,β)=(0,0) ⇔ α=0 y β=0. (1)
n

7. Resuelve la ecuación
1 x y  2  1 − 7   0 1/5 
  −  =   .
5 z w 7  3/5 − 2/13   − 1 9/2 

1 x y  2 1 −7   0 1/5 
s   −  =   ⇔
5 z w 7  3/5 − 2/13   − 1 9/2 

1 x y   0 
1/5 2 1 −7 1 x y   2/7 − 9/5 
⇔ 5  z w  =  − 1 9/2  + 7  3/5 − 2/13  ⇔ 5  z w  =  − 29/35 811/182 
         

x y   10/7 −9 
⇔   = .
 z w   − 29/7 4055/182 

Por lo tanto x = 10/7 , y = −9 , z = −29/7 , w = 4055/182

n
8. Demostrar que toda matriz cuadrada de orden 3 se puede escribir de la forma
 1 0 0 0 1 0  0 0 1 0 0 0  0 0 0
         
a 1  0 0 0  + a2  0 0 0  + a3  0 0 0  + a4  1 0 0  + a5  0 1 0 
0 0 0 0 0 0 0 0 0 0 0 0  0 0 0
         
0 0 0 0 0 0 0 0 0 0 0 0
+ a6  0 0 1 + a7  0 0 0  + a8  0 0 0  + a9
  ,
      0 0 0
0 0 0  1 0 0 0 1 0  0 0 1
       
donde a1, a2,...,a9 son números reales.

 a1 a2 a3 
 
s Sea A=  a4 a5 a6  una matriz cuadrada de orden 3, entonces
a a a 
 7 8 9
 a1 a 2 a3   a1 0 0  0 a2 a3 
     
A= 4 5 6  =  0 0 0  +  a4
a a a a5 a6 
a a a   0 0 0 a
 7 8 9    7 a8 a9 

 a1 0 0   0 a2 0 0 0 a3 
     
=  0 0 0 +  0 0 0  +  a4 a5 a6 
 0 0 0 0 0 a a9 
   0   7 a8

En general si x, y son vectores de IR2 tales que los únicos números a, b que hacen posible que
(1)

ax+bx=0, son a=0 y b=0, se dice que los vectores x,y son linealmente independientes,
abreviadamente escribimos li..
54
  a1 0 0   0 a2 0 0 0 0  0 0 0 
       
=  0 0 0 +  0 0 0 +......+ 0 0 0 +  0 0 0 
 0 0 0 
  0 0 0  0 a
 8 0   0 0 a9 

 1 0 0  0 1 0  0 0 0  0 0 0
       
= a1  0 0 0  + a2  0 0 0  +......+ a 8  0 0 0  +a9  0 0 0 
 0 0 0  0 0 0  0 1 0  0 0 1
        n

 x y z 
9. Sea M =   : x + y = 0 , y + 2z = 0 , u + w = 0 .
 u w 0   *
a. Muestra algunas matrices del conjunto M.
b. Verificar que :
 x − x x/2   − 2z 2z z  
M=   : x,u ∈ IR  , M =   : z,u ∈ IR .
 u − u 0    u − u 0   *
Escribe
c. Verifica que si A y B son matrices de M entonces A+B∈M. otras ma-
d. Demuestra que si A es una matriz de M y α es un número real entonces αA∈M. trices de
M.

s
0 0 0 2 −2 1 0 0 0  8 −8 4
a. A=  ,B=  ,C= , D=   .
 0 0 0  0 0 0 5 − 5 0 −1 1 0
 x y z
b. Sea A=  u w 0  una matriz del conjunto M, entonces x+y = 0 [1], y+2z = 0 [2],
 
u+w = 0 [3] y así y =−x, z = -y/2, w = −u. Luego y = −x , z = x/2 y , w = −u . Al sustituir
obtenemos:

A=  x −x x/2 
 
u −u 0 

Para la otra parte se procede de una manera similar despejando x, y en función de z

y w en función de u (verifícalo).
c. Sean A y B matrices de M, entonces existe números a, b, c y d tales que
 a − a a/2  c −c c/2 
A=   y B= .
b − b 0  d −d 0 

a + c − (a + c) (a + c)/2 
De esta manera A + B =   y esta matriz tiene la forma
b + d − (b + d) 0 
dada en la parte b., luego A+B∈M.
a −a a/2 
d. Sean A∈M, entonces existe números a, b, tales que A=   . Si α∈IR, re-
b −b 0 
sulta que

 a − a a/2   αa − αa (αa )/2

αA = α   =
0 
,
 b − b 0   αb − αb

y como ésta última matriz está en M (¿por qué?) tenemos que αA∈M. n
55
 10. Un vendedor percibe 3.000.000, 5.000.000 y 2.500.000 de bolívares de ganancia en un
año por la venta de tres productos p1, p2 y p3; y supongamos que el año siguiente se
incrementa las ganancias en un 15%.

a. Representa la ganancia por la venta de cada producto del primer y segundo año a
través de matrices del mismo orden.
b. Calcula la ganancia de cada uno de los productos durante los dos años usando
operaciones con matrices.

s
a. Las ganancias del primer año se pueden representar por la matriz fila:
G1 = (500000 , 1000000 , 1500000)

y las del segundo año son:

G2 = G1 + 0,15G1 = 1,15G1 = (575000 , 1150000 , 1725000).

b. Las ganancia de los dos años por cada uno de los productos es:
G1 + G2 = (1075000 , 2150000 , 3225000)
n

Ejercicios Propuestos 6.5

 1 −8  −9 5   1 − 2
   
1. Sean A =
2/3 8,1  , B =  − 7 1/2  , C = 3 7  . Calcula
 5 − 2/5  − 5
  5 9 
   2 
1 3 1
A− B+ C.
2 5 3

2. Dos vectores x, y de IRn son paralelos si existe un número real α ≠ 0 tal que y = αx. Si
α>0 decimos que los vectores x, y tienen el mismo sentido, y si α<0 se dice que tienen
sentidos opuestos.
a. Representa en un mismo gráfico de IR2 un vector x y 2x, 3x, −x, −2x.
b. Determina cuáles de los siguientes pares de vectores son paralelos y en caso que lo
sean indica cuáles tienen el mismo sentido.
b1. (1,−2); (−2,4)
b2. (1,−4, 5); (3, −12, 30) 15
b3. (2 , − 5 , ln 4 , sen θ cos θ) ; (6 , − , ln 64 , sen θ cos θ + sen (2θ))
5

1 0  1 0  1 0 
** 3. Sea x un número real. Calcula x2 
 1 2
 −5x 
  1 2
 −14 

 de varias formas.
1 2 
Este resul- 4. Sea A y B matrices del mismo orden. Verifica que si α ≠ 0, entonces
tado es de
gran utilidad 1
en la αA = B ⇒ A = B.
resolución a
de
ecuaciones 1 1/5   8 9
matriciales. 5. Sean D =  3  y E =  − 1 0  . Halle una matriz X, tal que:
 −4  

56
 1 D + 5X = 2 E
2 3
 1 5 5 2
6. Sean D =   y E = . Resuelve el sistema de ecuaciones
 − 2 − 3 3 0
2X − 3Y = D
 X + 2Y = E


7. Sea A una matriz de orden mxn , verifica que:

a. 1A = A
b. 0.A = 0nxm.
c. (−1)A = −A (es decir, (−1)A es la matriz opuesta a la matriz A).

8. Vectores canónicos de IR3 y IRn. De manera similar a lo ocurrido con los vectores i , j de
IR2 , en IR3 y IRn existen algunos vectores especiales. Por ejemplo si x = (x 1 , x 2 , x 3)∈IR3,
entonces

x = (x 1 , x 2 , x 3) = x1(1, 0 , 0) + x2(0 , 1 , 0) + x3(0 , 0 , 1).

En particular si x = (−15, 22, −4), entonces x = −15(1, 0, 0) +22(0, 1, 0) −4(0, 0, 1)

Los vectores (1, 0, 0), (0, 1, 0), (0, 0, 1) son denominados vectores canónicos de IR3 y se
denotan con las letras i, j, k, respectivamente. Así tenemos:

i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1).

De esta forma el vector x se puede escribir como combinación lineal de los vectores i, j, k.

x = (x 1 , x 2 , x 3) = x1i + x 2j + x 3k.

En el caso de IRn los vectores canónicos son los vectores:

e1= (1, 0, ... , 0), e2 = (0, 1, 0, ... , 0), ...... , en = (0, 0, ... , 1).

a. Escribe los vectores (1, 2, −8), (−13,−7, 17 ) y (1/2 , −5/3, 9) usando los vectores i, j, k.
b. ¿Cuáles son las primera , segunda y tercera coordenada del vector 3i−k+4j−2(k+5i−7j)?
c. Determina los valores de los números reales α, β y γ tales αi + βj + γk = 0.
d. Verifica que si x = (x 1, x 2, ... , x n), entonces x = x 1e1 + x 2e2+.......+x nen.
e. Determina los números α1, α2,...,αn tales que α1e1+α2e2+...+αnen = 0.

Cuando consideramos matrices de orden nxm las matrices canónicas son

1 0 L 0   0 1 L 0 0 0 L 0 
     
A11= 0 0 L 0  , A 12 =  0 0 L 0  ,......., Anm =  0 0 L 0  .
M M L 0   M M L 0 M M L 0 
     
 0 0L 0  0 0 L 0  0 0 L1 

En general Aij es la matriz nxm que tiene todas sus entradas iguales a cero salvo el coefi-
ciente aij que es igual a 1.

57
 f. Escribe las matrices

 1 − 3
  −7 3 2  1 − 5 8
A= 6 7 , B =  , C =
  como combinación lineal de las
−2 9   9 − 3 9 − 4 0
 
matrices canónicas.

g. Determina los m.n números α11, α12,...,α1n, α22,....,α 2n,.....,αm1,...,αmn, tales que
*
α11A11+ α12A12+...+α1nA1n+ α22A22+....+α2nA2n+.....+αm1Am1+...αmnAmn = 0mxn,

donde A 11, A 12,...,A1n, A22,....,A2n,....Am1,...,Amn son las matrices canónicas de orden mxn.

9. En una granja productora de tomates se producen tres cosechas al año que son distribui-
das por cajas a cuatro mercados distribuidores en el país M1, M2, M3 y M4. Si en un año
determinado la distribución a los distintos mercados distribuidores fueron:

Distribución de Cajas de tomates

a los distintos Mercados
M1 M2 M3 M4
Cosecha 1 400 450 350 380
Cosecha 2 300 250 325 280
Cosecha 3 100 150 200 170

Si la ganancia por cada caja de la cosechas 1, 2 y 3 son de bolívares 200, 250 y 320,
respectivamente. Calcular usando operaciones con matrices la ganancia de cada cose-
cha, la ganancia de las dos primeras cosechas y la ganancia total en año percibida por la
granja con la venta de tomates. ¿en cuál mercado se produjo la mayor ganancia?

10. Dos ensambladoras de una fábrica de automóviles produce en un año cuatro modelos de
vehículos: m1, m2, m3, m4. Supongamos que:

♠ las cantidades producidas en un año por una de las emsambladoras es de 2000

vehículos del modelo m1, 3000 del modelo m2, 5000 del modelo m3 y 10500 del modelo m4 .
♠ la otra ensambaldora produce el doble de los vehículos.
♠ al siguiente año se incrementa la producción en un 20% en ambas ensambladoras.

a. Representa en una matriz la producción de cada uno de los modelos de automóviles,

de las dos ensambladoras en el primer año.
b. Representa en una matriz la producción de los distintos modelos de vehículos durante
el segundo año usando operaciones con matrices.
c. Calcula la producción de cada uno de los modelos de vehículos en las dos ensambaldoras
durante los dos años.
d. Determina si en algún modelo se rebasó la cantidad de los 24000 automóviles en los
dos años.

58
 Después de revisar este cuadro que nos resume las propiedades de la adición de números,
funciones y sucesiones, podemos plantearnos las siguientes interrogantes

¿Cómo se suman las matrices?

¿ Si conocemos una manera de sumar las matrices qué propiedades

?
cumple esta operación?

Con el fin de aclarar la primera interrogante recordemos en primer lugar que cuando estu-
diamos los vectores en el plano, definimos la adición de vectores de la siguiente manera

ADICIÓN DE VECTORES EN IR 2

Geométricamente

Si x = ( x1 , x 2 ) y y = ( y1 , y 2 ) son
vectores en el plano se define el vector Recuerda
y
suma de los vectores x e y como el que para
sumar
vector
x+y vectores
x + y = ( x1 + y 1 , x 2 + y 2 ), geométrica-
y
es decir el vector suma tiene como pri- mente se
x usa la ley
mera componente la suma de las pri-
del paralelo-
meras componente de cada uno de los gramo.
0 x
vectores y segunda componente la
suma de las segunda componente de
cada uno de los vectores

Esta adición de vectores cumple las siguientes propiedades:

Adición de Vectores en IR2

x = ( x1 , x2 ) y = ( y1 , y2 ) x + y = ( x1 + y1 , x2 + y2 ),
Propiedades
♣ asociativa,
♣ conmutativa,
♣ existe elemento neutro (el vector 0 = ( 0 , 0 )) y
♣ cada vector tiene un vector opuesto o simétrico (el opuesto del vector
x =(x 1 , x 2 ) es el vector –x = (-x1 ,-x 2 )).

De una forma similar se define la adición de vectores en IR3, procediendo de la siguiente

manera: si x = ( x1 , x 2 , x 3 ), y = ( y1 , y 2 , y 3 ) son vectores de IR3, se define la adición de los
vectores x e y como el vector
x + y = ( x1 + y 1 , x 2 + y 2 , x 3 + y 3 )

y esta operación cumple las mismas propiedades que la adición de vectores en IR2 (verifícalo).

39
 Estos conceptos de adición de vectores en IR2 o IR3 los podemos extenderlos al caso de
vectores en IR n, como sigue: si x = ( x1 , x 2 ,..., x n ), y = ( y1 , y 2 ,..., y n ) son vectores de IRn, se
define la adición de los vectores x e y como el vector x + y definido por la expresión
Adición de
vectores en x + y = ( x1 + y 1 , x 2 + y 2 ,..., x n + y n ).
IR n.
Esta adición de vectores de IRn verifica las mismas propiedades de la adición de vectores
de IR2. En este caso el vector 0 = ( 0 , 0 ,..., 0 )∈ IRn cuyas componentes son todas iguales a
cero, es el elemento neutro y el opuesto de un vector x = ( x1 , x 2 ,..., x n ) es el vector –x defi-
nido por –x = ( –x 1 , –x 2 ,...,–x n ), es decir –x es el vector cuyos elementos o componentes son
iguales a las correspondientes componentes del vector x multiplicadas por –1.

Como podrás observar con la identificación que hemos hecho de las matrices fila con los
vectores, al sumar vectores estamos sumando matrices (matrices filas) y como la suma de
vectores la realizamos sumando las correspondientes componentes de cada uno de los vectores
podemos extrapolar la operación de adición de vectores al caso de matrices, considerando la
matriz suma de dos matrices como la matriz cuyas componentes se obtiene sumando las
correspondientes componentes de cada una de las matrices que intervienen en la suma. De
una manera mas precisa tenemos la siguiente definición:

Definición 6.2 (Adición de matrices)

+
Adición de Sean A=(aij ), B=(b ij) matrices del mismo orden mxn. La suma o adición
de las matrices A y B se define como la matriz de orden mxn cuya
Matrices.
componente que se encuentra en la fila “i” y columna “j”es igual a la suma
aij+b ij, para cada i = 1,2,...m, j = 1,2,...,n, es decir

A + B = ( aij + b ij )
mxn
♦

De una manera gráfica tenemos que si

 a11 a12 L a1n  b11 b12 L b1n 

   
A =  21
a22 L a2 n 
B = b21 b22 L b2 n  ,
a
,
 M M L M  M M L M 
   
 am 1 am 2 L am n  bm1 bm 2 L bm n 
  

entonces

 a11 + b11 a12 + b12 L a1n + b1n 

 
A + B =  a21 + b21 a12 + b22 L a1n + b2n 
 M M L M 
 
 am1 + bm 1 am 2 + bm 2 L amn + bm n 
 

40
Observación
Debemos tener presente que para sumar dos matrices es imprescindible que ambas ma-
trices tengan el mismo orden.

Ejemplos 6.4

1. Representemos a un vector en IR2 y su opuesto

y x

0 x
–x

n
2. Hallemos un vector x = (a , b , c) tal que ( 1 , -2/3 , 1/5) +x = ( 4 , -2 , 8/9). [1]

s (1 , -2/3 , 1/5) + x = ( 4 , -2 , 8/9) ⇔ (1 , -2/3 , 1/5) + (a , b , c) = ( 4 , -2 , 8/9)

⇔ (1 + a , -2/3 + b , 1/5 + c) = ( 4 , -2 , 8/9)
⇔ 1 + a = 4 , -2/3 + b = -2 , 1/5 + c = 8/9
⇔ a = 3 , b = -4/3 , c = 31/45

Luego el vector x = (3 , -4/3 , 31/45 ) es solución de la ecuación [1 ]

 1 2/3  n
x y
3. Sea A una matriz tal que A + A =   [2], entonces si A = 
z , tenemos:
 0 3.3   w 
 x y   x y   1 2/3  x + x y + y  =  1 2/3 
  +   =   , luego     ,
 z w   z w   0 3,3  z + z w + w   0 3,3 
 2x 2y   1 2/3 
es decir 
  =  
 2z 2w   0 3,3 

En consecuencia 2x = 1 , 2y = 2/3 , 2z = 0 , 2w = 3m3, de donde resulta que x =1/2 , y = 1/3 ,

z = 0 y w = 1,65.
1/2 1/3 
Entonces la matriz A que verifica la relación [2] es A =  
1,65 
.
 0 n
 - 3 1 - 2 - 4 
   
4. Consideremos las matrices A =  5 - 3  , B = - 3 2  y constatemos que la adición
 2 -4   4 6 
  
de matrices es conmutativa calculando A+B y B+A y verificando que A+B = B+A.

s Usando la definición de suma de matrices tenemos:

41
  - 3 1  - 2 - 4   - 3 - 2 1 - 4   - 5 - 3 
  2  =  5 -3 
A+B =  5 - 3 +  - 3
 -3+ 2 =  2 -1  [1]
 2 - 4   4 6   2 + 4  
   - 4 + 6   6 2 

 - 2 - 4   - 3 1  - 2 - 3 - 4 +1  - 5 - 3 
 
B+A=  - 3 2  + 5 - 3  = - 3 + 5  =  [2]
 2-3  2 -1 
 4 6   2 -4  
     4+ 2 6 - 4   6 2
 

Aquí podemos observar que las matrices obtenidas en [1] y [2] son iguales y así A+B=B+A.
n

5. Consideremos las matrices

- 3 1 2  2 - 3 3  - 1 0,5 5 
A=   , B=  y C=   .
 4 - 2 -3  -1 - 2 4   4 - 0,7 - 3 

Calculemos (A+B)+C (1) y A+(B+C) (2) y verifiquemos que (A+B)+C=A+(B+C) para consta-
tar que la suma de matrices es asociativa.

s Calculemos A+B y (A+B)+C:

- 3 1 2  2 - 3 3   - 3 + 2 1- 3 2+ 3  -1 - 2 5
A+B=   +   =   =  
 4 - 2 - 3   -1 - 2 4  4 -1 - 2 - 2 - 3 + 4   3 - 4 1

 - 1 - 2 5   - 1 0,5 5   - 1 - 1 - 2 + 0,5 5 + 5
(A+B)+C =   +   =   =
 3 - 4 1   4 - 0,7 - 3   3 + 4 - 4 - 0,7 1 - 3 

 - 2 - 1,5 10 
=  
- 2 
[1]
 7 - 4,7

Calculemos B+C y A+(B+C)

 2 - 3 3   - 1 0,5 5   2 - 1 - 3 + 0,5 3 + 5  1 - 2,5 8 

B+C=   +   =   = 
 - 1 - 2 4   4 - 0,7 - 3   - 1 + 4 - 2 - 0,7 4 - 3   3 - 2,7 1 

- 3 1 2  1 - 2,5 8   - 3 + 1 1- 2,5 2 + 8
A+(B+C)=   +   =  =
 4 - 2 - 3   3 - 2,7 1   4 + 3 - 2 - 2,7 - 3 + 1

(1)
Se debe calcular primero A+B y luego sumar al resultado la matriz C.
(2)
Se debe sumar la matriz A al resultado de la suma de las matrices B y C.

42
  - 2 - 1,5 10 
=  
- 2 
[2]
 7 - 4,7

Ahora podemos observar que las matrices [1] y [2] son iguales de manera que hemos
constatado que (A+B)+C=A+(B+C)
n

a b c
 
6. Sea A=  d e f  una matriz cualquiera de orden 3 . Comprobemos que A+03x3=A.
g h k 
 

 a b c   0 0 0  a + 0 b+ 0 c +0 a b c
       
s A+03x3= d e f  +  0 0 0  =  d + 0 e +0 f +0  =  d e f  =A
 g h k   0 0 0  g + 0 k + 0  g h k 
     h+ 0  

Este resultado nos permite afirmar que el elemento neutro para la suma de matrices
cuadradas de orden tres es la matriz nula de orden tres. En general el elemento neutro
para al suma de matrices de orden mxn es la matriz nula de orden mxn
n
 x 2y  
7. Sean M=   :x, y ∈ IR  . Verifica que si A y B son matrices del conjunto M, enton-
 5 y − x 

ces A+B∈M.
 x 2y   u 2v 
s Si A y B están en M, entonces existen x,y,u,v∈R, tales que A=   y B=  
Luego  5y − x 5v − u 
 x 2y   u 2v   x + u 2y + 2v   x + u 2(y + v)
A+B =   +   =   =   ,
5y − x   5v − u  5y + 5v − x − u   5(y + v) − (x + u)

y esta última matriz está en M.

n
 1/2  - 1/2 - 3 2 2 
3 - 2 2  
8. Dadas las matrices A=  y B=  . Verifiquemos que
A+B=02x3. 3/ 4 - 5 2  - 3/ 4 5 - 2 

En efecto:

 1/2 3 - 2 2   - 1/2 - 3 2 2 
A+B =  + =
3/ 4 - 5
 2   - 3 / 4 5 - 2 

1/2 - 1/2 3- 3 - 2 2 + 2 2  0 0 0 
= =  
3/ 4 - 3/ 4 2 - 2  0 0 0 
 -5+5
n

De acuerdo a este resultado la matriz B es la matriz opuesta de la matriz A respecto a la

operación de adición de matrices. Observa que cada componente de la matriz B es igual a
la correspondiente componente de la matriz A multiplicada por -1. Esta matriz se denota
usualmente por –A.

43
 Matriz En general si A es una matriz, la matriz opuesta de A respecto a la adición es la matriz que
Opuesta. tiene el mismo orden de la matriz A y cuyas entradas son iguales a las correspondiente entra-
das de la matriz A multiplicada por -1. Esta matriz se denota por -A. .Representemos las
matrices A y -A

a 11 a12 L a1n 
 
a 21 a22 L a2n 
Matriz A M M LM 
 
am 1 am2 L amn
 

−a 11 −a 12 L −a 1n 
 
−a21 −a 22 L −a 2n 
 M M L M  Matriz – A

−am 1 −am2 L −a mn 


A continuación te presentamos un cuadro resumen de las propiedades de la adición de

matrices

ADICIÓN DE MATRICES

a11 a12 L a1n  b11 b12 L b1n  a11 + b11 a12 + b12 L a1n + b1n 
     
a21 a22 L a2n  b21 b22 L b2n  a21 + b21 a12 + b22 L a1n + b2n 
A = M M L M  B =  M
 M L M  A+B =  M M L M 
  
am1 am2 L amn  bm1 bm2 L bmn  am1 + bm1 am2 + bm2 L amn + bmn 
  

PROPIEDADES

♠ Asociativa • A+(B+C)=(A+B)+C
♠ Existencia de elemento neutro • Matriz nula
♠ Existencia de elemento simétrico • El opuesto de A es la matriz -A
♠ Conmutativa • A+B=B+A

44
 4. Indica el orden de cada una de las siguientes matrices y especifica cuáles son matrices
cuadradas, triangulares superiores, triangulares inferiores, simétricas, filas o columnas.

 0 - 1 8 10 
 0 0 0  
   1 2 4  - 1 1/8   0 15 0 1 
A=  0 0 0  , B=   , C=   , D= 
 0 0 0 -1 2 - π   0,152 12,8  0 0 12 0,1
 
   0 0 0 17 
 
 0,2 ln 4 0 (3 2 ) 3 -1 
   1 
 2ln2 1 0,5 2 0   
 2   -3 
E=   , F=  15 
 0

1/2 8 3 ( 3
− 23 3 

) 
 2 

.

 36 2 3 0 0,2   
   - 0,9 
 -1 0 -6 2 1/5 100 
 
 

s La matriz A es una matriz cuadrada nula de orden 3, triangular superior e inferior y

simétrica. La matriz Btiene orden 2x3 y por lo tanto no es cuadrada y así no puede
ser triangular superior ni inferior, ni simétrica ¿por qué?

La matriz C es una matriz cuadrada de orden 2, no es triangular superior ni inferior,

además como no es simétrica porque a12=1/8 ≠ 0,152 = a21 .

La matriz D es cuadrada de orden 4 y triangular superior. No es triangular inferior ni

simétrica .

La matriz E es cuadrada de orden 5. No es triangular inferior ni superior y es simé-

trica porque ln4=2 ln2, (32)3 = 93 = 729 = 36, 0,5=1/2, 2 2 = 2 2 2 = 2
Justifica las
igualdades. (− 2 3
3 )3 = – 3
23 33 = –6 2 , 0,2=1/5

Por último la matriz F es una matriz columna de orden 5.

n

5. Halla los valores de α y , β para que los vectores x = (β 2+ 8 β+ 6 , 5α 2–6α ) ,

y = (-β2+β+10 ,–4α2+6α–4) sean iguales.

s Dos vectores son iguales si las coordenadas que ocupan la misma posición son
iguales. Entonces los vectores x e y son iguales

β 2+8β+6 = –β 2+ β+10 y 5α 2–6α = –4α 2+6α–4.

Resolviendo estas ecuaciones tenemos

− 7 ± 49 + 32 − 7 ± 9
β2+8β+6 = –β2+β+10 ⇔ 2β2+7β–4=0 ⇔ β= =
4 4
⇔ β=1/2 o β=–4
Verifica este 12 ± 144 − 144
resultado. 5α2–6α = –4α2+6α–4 ⇔ 9α2−12α+4=0 ⇔ α=
⇔ α=2/3. 18

Por lo tanto, los vectores x e y son iguales si α=2/3 y β=1/2 o β=–4

n
32
6. Desde un supermercado se realizan cuatro despachos de artículos, según la siguiente rela-
ción:
♥ Despacho 1: 4 kg del artículo 1, 3½ kg del artículo 2 y 2 kg del artículo 3.
♥ Despacho 2: 2 kg del artículo 1, 2½ kg del artículo 2 y 6 kg del artículo 3.
♥ Despacho 3: 5 kg del artículo 1, 3 kg del artículo 2 y 4½ kg del articulo 3.
♥ Despacho 4: 3 kg del artículo 1, 2 Kg del artículo 2 y 3½ kg del artículo 3.

a. Haz una tabla donde se represente a los cuatro tipos de despachos hechos.
b. Expresar esta operación mediante una matriz.
c. Señalar los elementos ubicados en: la intersección de la primera fila con la tercera
columna y en la intersección de la segunda fila con la última columna.
d. ¿Cual es el despacho con mayor peso?

s
a. Podemos representar los despachos hechos por los menos de dos maneras.

Primera forma. En cada fila de
la tabla colocamos los distintos
despachos de tal manera que a
cada columna se corresponden
con cada uno de los artículo
despachados
Segunda forma. En cada fila de la tabla colo-
camos los diferentes artículos de tal forma que
cada columna se corresponda con cada uno
de los despachos

A1 A2 A3 D 1 D 2 D 3 D 4
D1 4 3,5 2
A1 4 2 5 3
D2 2 2,5 6
A2 3,5 2,5 3 2
D3 5 3 4,5
A3 2 6 4,5 3,5
D4 3 2 3,5

b. La matriz obtenida es
b. La matriz obtenida es

 4 3,5 2   4 3 
A=   2 5
 2 2,5 6  B=  
 5 3 4,5 3,5 2,5 3 2
   2 6 4,5 3,5
 3 2 3,5 
 

c. En este caso debemos hallar

c. En este caso debemos hallar b13 y b24
a13 y a23.
b13=5 y b24=2
a13 = 2 y a23=6

d. Para obtener el despacho con mayor peso debemos sumar los elemento de cada fila de
la matriz A y luego considerar el que nos de una mayor cantidad (¿ en el caso de
considerar la matriz B qué debemos hacer?). Si hacemos las sumas correspondien-
tes, obtenemos

suma 1era fila de A = 9,5 Kg suma 2da fila de A = 10,5 Kg

suma 3era fila de A = 12,5 Kg suma 4ta fila de A = 8,5 Kg.

De esta manera resulta que el despacho con mayor peso es el despacho 3 con un total
de 12,5 kg. n
33
 Ejercicios Propuestos 6.3

1. Representa en un mismo dibujo los vectores

x = (−2, ln 8), y = ( 2 3 ; −3,2) z = (−e2 ,15 −π2) de IR2.

2. Representa en un sistema de coordenadas en el espacio a los vectores

u = (1,3,7), v = (−2,3,3), w=(2,− 5 ,1) y z = (5/6 , ln 5 , –1/5).

3. Determina explícitamente las coordenadas del vector x = (β , β−18 , β+10 , −β+15 , β2−20)
* de R5 sabiendo que la suma de sus coordenadas es igual a 2.

 1
 
 − 5
4. Considera la matriz columna A=   y determina un vector x de IR que cumple las cua-
4

* tro condiciones siguientes:  

3
 7
 

a. la primera coordenada del vector x es el sexto elemento de una progresión aritmética

de razón r = −8 y cuyo primer término es el coeficiente a31 de la matriz A.
b. la segunda coordenada del vector x es solución de la ecuación z 3–4z 2+5z–2=0.
c. la tercera coordenada es igual a la suma de los coeficientes de la matriz A
d. la última coordenada de x es solución de la ecuación sen (2α+π) = −1.

5. Supongamos que tenemos cuatro vendedores de un mercado que expenden tomates, pa-
* pas, cebollas, pimentones y zanahorias, a los siguientes precios por kg.

• el vendedor V1 expende los tomates Bs 1200, las papas a Bs 800, las cebollas a Bs 1100,
los pimentones a Bs. 2800 y las zanahorias Bs 750.
• el vendedor V2 expende los tomates Bs 1220, las papas a Bs 780, las cebollas a Bs 1175,
los pimentones a Bs. 2825y las zanahorias Bs 760.
• el vendedor V3 expende los tomates Bs 1160, las papas a Bs 820, las cebollas a Bs 1225,
los pimentones a Bs. 2790 y las zanahorias Bs 740.
• el vendedor V4 expende los tomates Bs 1215, las papas a Bs 795, las cebollas a Bs 1180,
los pimentones a Bs. 2810 y las zanahorias Bs 755.

Haz un cuadro donde se recopilen los precios de venta de los cuatro vendedores. Luego
haz una representación matricial de estos datos y determina el costo máximo y mínimo que
puede realizar un consumidor que desea comprar 4 kg de tomate, 2 ½ kg de cebolla, 4 ½
kg de papa, 1 ¼ kg de pimentón y 1 kg y 600 gr de zanahoria; y determina cuál es la
cantidad máximo de ahorro al comprar la mercancía requerida.

* 6. Una empresa produce cuatro tipo de jabones que denominaremos J1, J2, J3 y J4. Para la
elaboración de estos se utilizan cinco materias primas que denominaremos m1, m2, m3, m4,
m5 y cuyos costos en bolívares por toneladas son respectivamente c1=1050000, c 2=1570000,
c 3=2420000, c4=2652000 y c5=1783000. La fabricación de los distintos tipos de jabón son
efectuadas por lotes y se conoce que para la producción de un lote del jabón:
• J1 se requieren 2 toneladas de m1, 1,5 de m2, 2 de m3 y 2,5 de m5.

34
 • J2 se requieren 1,5 toneladas de m1, 2 de m2, 1,25 de m3, 2 de m4 y 1 de m5.
• J3 se requieren 2,5 toneladas de m1, 1,5 de m2, 2 de m3, 1,25 de m4 y 2 de m5.
• J4 se requieren 1 toneladas de m1, 1,5 de m2, 2 de m3, 2,5 de m4 y 2,5 de m5.

a. Representa en un cuadro, las cantidades de materia prima requeridas para la producción

de un lote de cada uno de los tipos de jabón.
b. Elabora una matriz con estos datos.
c. Calcula los costos de producción de un lote de jabón de cada uno de los distintos tipos.

7. Grafos Un grafo es un conjunto de puntos (llamados vértices) que están interconectados o

no por un conjunto de segmentos o “curvas” (llamadas aristas) que no se cortan salvo
posiblemente en los vértices (1) . En la figura se muestra dos grafos en los que hemos
*
numerado los vértices y etiquetado las aristas

1
b4
b2
b1 3
4
b6
b5
b3
2
5
Grafo 1

1 6

b3 b6
4
b1 b2 b10
b4 b7
b8
b5 b9
2 3 5

Grafo 2

La matriz I=(aij) de incidencia de un grafo es la matriz de orden nxm (n es el número de Las entra-
vértices y m es el número de aristas del grafo) definida por: das de esta
matriz tie-
 1, si la arista b j toca el vertice " i" ne solo
aij=  ceros y
 0, si la arista b j no toca al vertice " i" unos.

(1)
Los grafos tienen gran utilidad en la resolución de muchos problemas relacionados con telecomunica-
ciones , computación, transporte y en general problemas relacionados con redes. El padre de la
teoría de grafos fue el matemático suizo Leonhard Euler (1707-1783) quien fue autor de mas de 700
trabajos y resolvió en 1737 un famoso problema de la teoría de grafos, conocido como el problema
de los puentes de Könisberg.

35
 a. Determina la matriz de incidencia de los grafos de la figura .

Las entradas La matriz de adyacencia de vértices A=(aij) de un grafo es la matriz cuadrada de orden “n”
de esta ma-
(n es el número de vértices del grafo) donde
triz son
números
naturales y es aij= número de aristas que unen los vértices “ ï ” e “ j ”
simétrica.

b. Halla la matriz de adyacencia de vértices de los grafos de la figura.

8 Determina los valores de las constantes x, y, z de tal manera que la matriz

 1 7 7 8 
 
 x + y − 5 2x − y 3 
 7 2 0,7 3 

 8 x−z − 2 
 3

sea una matriz simétrica.

9. a. Halla una matriz de orden 4 que sea a la vez triangular superior e inferior
b. Verifica que toda matriz triangular superior e inferior es simétrica.

10.Matriz Diagonal. Una matriz cuadrada es diagonal si todas las entradas que están por
arriba o por debajo de la diagonal principal son iguales a cero, simbólicamente una matriz
cuadrada A = (aij) es diagonal si aij = 0, para i≠j.

a. Da ejemplos de matrices diagonales.

b. Verifica que:
b1. la matriz identidad es una matriz diagonal.

** b2. Toda matriz triangular superior y triangular inferior es una matriz diagonal.

11.Traza de una matriz. Dada una matriz cuadrada A = (aij) de orden “n” se llama traza de la
matriz A al número que obtienes sumando los elementos de la diagonal principal. A este
número lo denotaremos por tr(A). Calcula la traza de las siguientes matrices

1 − 1 2   0 5 1
2
 
   −1 3 6 2
a. A=  5 3 6 , B=  .
 7 8 − 5 −7 7 − 3 4
   
− 3 6 − 9 1 

b. In, 0n.

12. Matriz Traspuesta. Dada una matriz A = (aij)mxn se llama matriz traspuesta de la matriz
A y se denota por At a la matriz de orden nxm cuyo coeficiente αij, i = 1,2,..,n, j = 1,2,..,m es
igual al coeficiente aji de la matriz A. Gráficamente tenemos

36
 MATRIZ A MATRIZ TRASPUESTA At

a11 a12 L a1n   a11 a21 L am1 

   
a21 a22 L a2n   a12 a 22 L am2  Matriz
 M L M   L M  Traspuesta
A = M At = M M
am1 am2 L amn   a1n a 2n L anm 
 mxn  n xm

a. Hallar la traspuesta de cada una de las siguientes matrices

 2 - 0,8 9 - 5 1 
 
 -1 5   1 2 -5  3 7 2 8 2
    C=  9 -5 5
A= 
 3 10 
. B = - 3
 6 0,3  , 2 0
 
 - 1 7 1/7 0 8 


b. Verifica que la traspuesta de una matriz fila es un matriz columna y viceversa.

c. Determina cuándo una matriz es igual a su traspuesta.

**
d. Verifica que la traspuesta de una matriz triangular superior es una matriz triangular
inferior y viceversa. **
e. Verificar que si A es una matriz cuadrada, entonces A y At tienen la misma diagonal.
¿qué relación hay entre tr(A) y tr(A t).

f. Una matriz se dice que es antisimétrica si A t = −A. Da ejemplos de matrices

antisimétricas y determina qué matriz es simétrica y antisimétrica.

37