Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Álgebra Lineal para Estudiantes de Ingeniería-Villase - or Aguilar PDF
Álgebra Lineal para Estudiantes de Ingeniería-Villase - or Aguilar PDF
EDICIÓN 2015
Álgebra
El álgebra lineal aporta, al perfil del ingeniero, la capacidad para desarrollar un pensamiento
lógico, heurístico y algorítmico al modelar fenómenos de naturaleza lineal y resolver proble-
mas.
Muchos fenómenos de la naturaleza, que se presentan en la ingeniería, se pueden aproximar
a través de un modelo lineal. Esta materia nos sirve para caracterizar estos fenómenos y con-
vertirlos en un modelo lineal ya que es más sencillo de manejar, graficar y resolver que uno no
lineal, de allí la importancia de estudiar álgebra lineal.
Esta asignatura proporciona al estudiante de ingeniería una herramienta para resolver proble-
mas de aplicaciones de la vida ordinaria y de aplicaciones de la ingeniería.
Está diseñada para el logro de siete competencias específicas dirigidas a la aprehensión de
los dominios: números complejos, matrices, determinantes, sistemas de ecuaciones lineales,
espacios vectoriales, base y dimensión de un espacio vectorial y transformaciones lineales.
Esta materia proporciona además conceptos matemáticos que se aplicarán en ecuaciones di-
ferenciales y en otras materias de especialidad.
El propósito de estas notas de Álgebra lineal, es complementar al estudiante en el aprendizaje
y manejo de los conceptos básicos u operaciones entre números complejos, así como generar
herramientas técnicas para encontrar la solución de distintos problemas que involucran a los
números complejos.
Este trabajo representa un esfuerzo de síntesis en la selección del conjunto de ejemplos y pro-
blemas, cada uno de ellos con un especial interés en que su contenido sea lo mas representativo
posible de el tema correspondiente.
El objetivo de este trabajo es presentar los principales conceptos básicos de la materia de Ál-
gebra lineal así como de sus aplicaciones, orientando de esta forma la metodología para que el
estudiante pueda identificar y construir un modelo matemático, además ser capaz de resolver-
lo.
La asignatura pretende proporcionar al alumno los conceptos esenciales del álgebra lineal. Se
organiza el temario en cinco unidades. Primeramente se estudian los números complejos co-
mo una extensión de los números reales, tema ya abordado en otros cursos de matemáticas. Se
propone iniciar con esta unidad para así utilizar los números complejos en el álgebra de matri-
ces y el cálculo de determinantes. Además, el concepto de número complejo será retomado en
el curso de ecuaciones diferenciales.
El estudio de Matrices y determinantes se propone como segunda unidad y previo a los siste-
mas de ecuaciones lineales con la finalidad de darle la suficiente importancia a las aplicaciones
de las matrices, ya que prácticamente todos los problemas del álgebra lineal pueden enunciar-
se en términos de matrices. Por la necesidad de que el alumno comprenda si una matriz tiene
inversa, además del cálculo para obtenerla, se ha añadido antes del subtema cálculo de la inver-
sa de una matriz, los conceptos: Transformaciones elementales por renglón, escalonamiento
de una matriz y rango de una matriz.
Este texto está orientado de acuerdo a los planes de estudio requeridos para el curso de Álgebra Lineal
que se imparte en el Tecnológico Nacional de México, y es el logro de un trabajo colegiado y soportado
por la Academia de Ciencias Básicas del Instituto Tecnológico de Morelia, motivado por establecer un
material de apoyo a las tradicionales notas para la clase de cada docente, con características propias e
inherentes a las capacidades actuales de nuestros estudiantes.
Una de las fortalezas en este material, es su posibilidad de mejorar continuamente los contenidos, pues
se enriquece al tomar las experiencias diaria de los docentes y su interacción con los estudiantes, garan-
tizando una constante inclusión de métodos y herramientas disponibles para tales efectos.
El desarrollo del material, hace énfasis en el entendimiento de los principales conceptos del Álgebra
Lineal, buscando presentarlos de manera intuitiva, por lo que se sugiere al docente y estudiante realizar
un repaso de razonamientos previos a esta materia que se suponen conocidos.
Los temas a desarrollar se resumen en el nombre de sus cuatro unidades temáticas, abordados de ma-
nera gradual y en gran medida de forma intuitiva:
1. Números complejos.
2. Matrices y determinantes.
3. Espacios vectoriales.
4. Transformaciones lineales.
Es necesario enfatizar, que en el esfuerzo de este texto, se adicionan otros materiales de apoyo como lo
son formularios, gráficos, ejercicios resueltos, autoevaluaciones, pero sobre todo, un importante curso
masivo, abierto y ofrecido en línea (MOOC) sobre Álgebra Lineal, de manera gratuita a todos los interesa-
dos en la modalidad de aprendizaje autodidacta, acondicionado para tomarlo a la par de esta asignatura
en un periodo semestral, herramienta que sin duda, es un punto y aparte en el esfuerzo por reducir
los índices de reprobación que se presentan en las asignaturas del área de ciencias básicas de nuestro
sistema.
Por último, es importante mencionar que estos trabajos, no sustituyen la aportación que desempeñan
libros clásicos del tema, pero sobre todo, la presencia del maestro y su interacción con el estudiante en
el aula.
Competencias específicas
Identificar las propiedades de los espacios vectoriales y las transformaciones lineales pa-
ra describirlos, resolver problemas y vincularlos con otras ramas de las matemáticas.
Competencias genéricas
Resolución de problemas.
Toma de decisiones.
Establecer generalizaciones.
Competencias previas
Manejar el concepto de los números reales y su representación gráfica.
Usar las operaciones con vectores en el plano y el espacio.
Desarrollar prácticas de tal manera que los estudiantes apliquen los conocimientos ad-
quiridos y los relacionen con su carrera.
Discutir en grupos para intercambiar ideas argumentadas así como analizar conceptos y
definiciones.
Sugerencias de evaluación
La evaluación de la asignatura debe de ser continua y se debe considerar el desempeño en
cada una de las actividades de aprendizaje, haciendo especial énfasis en obtener evidencias de
aprendizaje como:
Reportes escritos.
Solución de ejercicios.
Actividades de investigación.
P RÓLOGO VII
1 N ÚMEROS C OMPLEJOS 1
1.1 Números imaginarios. 2
1.2 Definición de números complejos 3
1.3 Operaciones con números complejos. 5
Suma de números complejos. 5
Multiplicación de números complejos. 6
Módulo o valor absoluto de un número complejo. 7
Números complejos conjugados. 8
División de números complejos 9
1.4 Formas polar y exponencial de un número complejo. 10
1.5 Potencias y raíces de un número complejo. 12
Potencia de un número complejo. 12
Raíces de un número complejo 13
Potencias fraccionarias 15
1.6 Logaritmo de un número complejo. 16
1.7 Ecuaciones polinomiales complejas 18
Ecuaciones de primer grado 18
Ecuaciones de segundo grado 19
Polinomios de grado superior 20
1.8 Evaluaciones sumativas 21
Ejercicios 21
2 M ATRICES Y D ETERMINANTES 23
2.1 Definición de matriz, notación y orden 24
Clasificación de una matriz de acuerdo a los elementos que contiene 25
2.2 Operaciones con matrices 27
Suma de matrices. 27
Multiplicación de matrices 28
Clasificación de matrices de acuerdo a sus operaciones 30
2.3 Matrices escalonadas y escalonadas reducidas 34
Método de Gauss 35
Método de Gauss-Jordan 37
2.4 Determinante de una matriz 38
2.5 Inversa de una matriz 43
Método de la adjunta 44
Método de Gauss-Jordan 45
2.6 Sistemas de ecuaciones lineales 48
Interpretación geométrica 50
Solución de sistemas de ecuaciones. 52
2.7 Evaluaciones sumativas 57
Ejercicios 57
3 E SPACIOS V ECTORIALES 59
3.1 Definición de un espacio vectorial 60
3.2 Subespacios de un espacio vectorial y sus propiedades 64
Intersección de subespacios vectoriales 66
Suma de subespacios vectoriales 67
3.3 Dependencia e independencia lineal 69
3.4 Base y dimensión de un espacio vectorial 73
3.5 Ortonormalización 76
Cambio de la base canónica a otra base 76
Cambio de bases en general 78
Bases ortonormales 79
3.6 Evaluaciones sumativas 82
Ejercicios 82
4 T RANSFORMACIONES L INEALES 85
4.1 Definición y propiedades de una transformación lineal 85
4.2 Núcleo e imagen de una transformación lineal 89
4.3 Representación matricial de una transformación lineal 95
4.4 Geometría y aplicaciones de las transformaciones lineales 98
4.5 Evaluaciones sumativas 108
Ejercicios 108
B IBLIOGRAFÍA 132
1 Números Complejos
1
Introducción
Los números complejos son una extensión de los números reales y se denotan con la letra
mayúscula C. Todo número complejo puede representarse como la suma de un número real y
uno imaginario, conservando todas las propiedades de los números reales.
Los números complejos son importantes en el álgebra, variable compleja, ecuaciones diferen-
ciales, aerodinámica y electromagnetismo entre otras. Son utilizados con especial énfasis en la
matemática pura, mecánica cuántica y la ingeniería, especialmente en la electrónica y sistemas
computacionales.
Actividades de Aprendizaje
Investigar el origen del término número imaginario.
Reconocer que cualquier potencia del número imaginario i se puede representar como
±i o ±1.
Analizar la fórmula de Euler para convertir un número complejo a su forma polar o rec-
tangular.
Números Complejos
las raíces cuadradas de un número negativo; por ejemplo, al resolver la ecuación
x2 + a = 0 donde a ∈ R+
p
llegamos a que x = ± −a, pero esto no es un número real, así que dentro de los números
reales ésta ecuación no tiene solución. ¿Qué podemos hacer?, lo primero que se puede intentar
es agregar ese número al conjunto de los de los números reales y listo. El problema es que
deberíamos agregar muchos valores (todos los que pueda tomar a), lo cual no es práctico; sin
embargo, podemos hacer lo siguiente: cada vez que tengamos una raíz de un número negativo
lo separamos de la siguiente manera
p p p p
−a = (−1)(a) = a −1
p
Como este procedimiento siempre es válido y la a es un número real, el único problema sería
p
con la −1, esto nos conduce a
Definición 1.1 Número imaginario
La raíz cuadrada del número negativo −1 se define como
p
i= −1,
Con esto resolvemos completamente nuestro problema. Observemos que acabamos de definir
un conjunto de números muy grande; el de los imaginarios, que se representa con la letra I
y cuyos elementos son de la forma a i donde a es cualquier número real e i es el de nuestra
definición anterior.
Una de las características importantes de los números imaginarios se observa cuando los ele-
vamos a potencias enteras. Veamos como se comportan
p
i= −1,
p
i 2 = ( −1)2 = −1,
p
i 3 = i 2 i = − −1 = −i ,
i 5 = i 4 i = (1)(i ) = i ,
i 6 = i 5 i = (i )(i ) = −1.
Como podemos observar, después de la potencia 4 el resultado es cíclico, por lo que podría-
mos expresar cualquier potencia de i en términos de las primeras 4 (más específicamente, en
términos de i o 1), usando el teorema de la división euclidiana en la siguiente forma 3
i n = i 4(m)+q donde 0≤q <4 y m, q ∈ Z
Solución .
Primero descomponemos 39 = 4(9) + 3 luego escribimos
i 39 = i 4(9)+3 = (i 4 )9 (i 3 ) = (1)9 (i 3 ) = i 3 = −i .
Solución .
Primero descomponemos −23 = 4(−6) + 1 luego escribimos
Expresar i 0 en términos de i o 1.
Solución .
Al igual que en los ejemplos anteriores, descomponemos 0 = 4(0) + 0 = 4(0), para luego
escribir
i 0 = i 4(0) = (i 4 )0 = (1)0 = 1.
Eje Imaginario
Eje Real 4
Números Complejos
par ordenado (0, y), con y ∈ R. De esta forma obtenemos gráficamente el plano complejo, en la
siguiente forma
Cualquier elemento de este plano está representado por un número complejo z que consta de
una parte real y una imaginaria. En general podemos definir al conjunto de números complejos
en la siguiente forma
Definición 1.2 Números complejos
El conjunto de números complejos C se define como el conjunto de todos los pares or-
denados z = (x, y), con x, y ∈ R.
A los elementos de este conjunto, los podemos ubicar dentro del plano complejo en forma simi-
lar a como lo hacemos con el par ordenado (x, y) ∈ R2 dentro del plano cartesiano. Lo anterior
se lleva a cabo realizando dos recorridos partiendo del origen del plano: el primero avanzando
x unidades sobre el eje real, seguido de un avance de y unidades en dirección paralela al eje
imaginario; el segundo con un desplazamiento de y unidades sobre el eje imaginario, seguido
de un desplazamiento de x unidades en dirección paralela al eje real. El punto donde se cruzan
estos dos recorridos, corresponde a el número complejo z = x + yi , como lo muestra la figura
1.2.
Eje Imaginario
= + 𝑖
Eje Real
La figura anterior sugiere que se puede proponer que un número complejo z se obtiene su-
mando un elemento real con uno imaginario en la forma
Observación
Un número complejo que solo contiene la parte real, se identifica con los números reales;
si únicamente tiene la parte imaginaria, se conoce como número imaginario puro.
Por otro lado si denotamos la unidad de los números reales como 1 = (1, 0) y la unidad de los
números imaginarios puros como i = (0, 1), podemos escribir 5
z = (x, y) = x(1, 0) + y(0, 1) = x + yi ,
que es una notación algebraica para los números complejos. Esta representación ha mostrado
ser de mayor utilidad al realizar operaciones dentro del campo complejo.
Solución .
Los puntos quedan ubicados de acuerdo a la siguiente gráfica.
Eje Imaginario
2 z1
z2 1
Eje Real
-3 -2 -1 1 2
-1
-2 z3
Observación
De acuerdo a su posición en el plano complejo, claramente se puede ver que dos nú-
meros complejos son iguales si y solo si tienen partes reales iguales y partes imaginarias
iguales; es decir
z1 = z2 si y solo si Re z 1 = Re z 2 e I m z1 = I m z2
z 1 + z 2 = (x 1 + y 1 i ) + (x 2 + y 2 i ) = (x 1 + x 2 ) + (y 1 + y 2 )i . (1.1)
Es importante señalar que el resultado sigue siendo un número complejo en la forma z = x +yi .
Los números complejos bajo la operación de suma forman un grupo conmutativo1 algebraico;
es decir cumple con las siguientes propiedades:
Números Complejos
Propiedad de cerradura: Para todo z 1 , z 2 ∈ C se cumple que z 1 + z 2 ∈ C.
Existencia del inverso aditivo: Todo número complejo z ∈ C, tiene un inverso aditivo
−z ∈ C tal que z + (−z) = 0.
z 1 z 2 = (x 1 + y 1 i )(x 2 + y 2 i ) = x 1 x 2 + x 1 y 2 i + y 1 x 2 i + y 1 y 2 i 2
luego simplificamos las potencias de i y agrupamos parte real e imaginaria para obtener
z 1 z 2 = (x 1 x 2 − y 1 y 2 ) + (x 1 y 2 + y 1 x 2 )i (1.2)
Solución .
De acuerdo con el procedimiento descrito tenemos que
z 1 z 2 = (2 − 5i )(1 − 2i ) = 2 − 4i − 5i + 10i 2 = −8 − 9i ,
Los números complejos bajo la operación de producto cumplen con las siguientes propieda-
des:
1 Este término se usa en teoría de grupos y se estudia en álgebra moderna
1.3 Operaciones con números complejos. Álgebra lineal.
Observación
Decimos que un número complejo z 1 es más grande que z 2 si z 1 está más alejado del
origen; es decir, si |z 1 | > |z 2 |.
Solución .
Al calcular el valor absoluto de ambos números, tenemos
p p
|z 1 | = | − 3 + 2i | = (−3)2 + 22 = 13 y
p p
|z 1 | = |1 + 4i | = 12 + 42 = 17.
Por lo que z 2 es el más alejado del origen y podemos decir que es más grande que z 1 .
Solución .
1.3 Operaciones con números complejos. Álgebra lineal.
p p p
d (z 1 , z 2 ) = |(−1 + 3i ) − (3 − 2i )| = (−1 − 3)2 + (3 + 2)2 = 16 + 25 = 41.
Dados dos números complejos z y w se pueden comprobar fácilmente las siguientes propie-
dades del valor absoluto
1. |z| = 0 ⇔ z = 0, 8
2. |z + w| ≤ |z| + |w|,
3. |zw| = |z||w|,
4. |z − w| ≥ |z| − |w|.
Números Complejos
Dos binomios que tienen los mismos términos son conjugados si solo difieren en el signo de
un término, por ejemplo, los binomios a + b y a − b son conjugados entre sí. Al igual que esta
definición de polinomios reales, podemos definir el conjugado de un número complejo z como
un nuevo número complejo, en la siguiente forma
Definición 1.4 Conjugado de un número complejo
El conjugado de un número complejo z = x + yi , se obtiene cambiando de signo la parte
imaginaria y se representa por z = x − yi .
Sean z, w dos números complejos. El conjugado de estos números, tiene las siguientes propie-
dades bajo las operaciones de suma y multiplicación.
1. zz = |z|2 ,
2. z + z = 2 Re(z),
3. z − z = 2 I m(z),
4. z + w = z + w,
5. z w = z w,
1 z
6. z = |z|2
,
7. z ∈ R ⇔ z = z.
Observemos que la propiedad 6 define con mayor claridad el inverso multiplicativo de un nú-
mero complejo.
Solución .
Sean z = a + bi y w = c + d i . Entonces
z + w = (a + bi ) + (c + d i ) = (a + c) + (b + d )i .
Ahora, como quitar la barra de número conjugado equivale a cambiar de signo la parte
1.3 Operaciones con números complejos. Álgebra lineal.
(a + c) − (b + d )i = (a − bi ) + (c − d i ) = z + w.
El conjugado de un número complejo sigue las mismas reglas que se usan para los signos de
agrupación dentro de los números reales.
9
Ejemplo 1.10 Simplificación de un número complejo
Simplificar la expresión (3 − 2i ) + 5 + 5i − 6i .
Solución .
Comenzamos por quitar el conjugado de las expresiones más pequeñas y seguimos hasta
las más grandes en la siguiente forma
z1 z1 z2 z1 z2
= = . (1.3)
z 2 z 2 z 2 |z 2 |2
Observación
Para recordar más fácilmente el proceso de hacer una división entre números complejos,
notemos que en realidad lo que se hace es multiplicar y dividir por el conjugado del
denominador (ésto se conoce en álgebra elemental como racionalizar el denominador).
Estas operaciones lo que hacen en realidad es eliminar la parte imaginaria del denominador,
de tal manera que esta división de números complejos se convierta en una división de números
reales y nos facilite efectuar la operación.
Solución .
Primero multiplicamos los números
3 1 3 3
µ ¶µ ¶
= 2
= ,
2 − 3i 1 + i 2 + 2i − 3i − 3i 5−i
1.4 Formas polar y exponencial de un número complejo. Álgebra lineal.
3 5 + i 15 + 3i 15 + 3i
= = ,
5 − i 5 + i 25 − i 2 25 + 1
15 3
al simplificar ésta última expresión obtenemos el complejo z = 26 + 26 i.
10
Actividad complementaria 1.2
3−i 2i
Simplificar la expresión + .
4 + 2i 1 − i
Números Complejos
plejo.
Recordemos que para ubicar un punto en el plano polar (usando coordenadas polares), se es-
cribe el par ordenado (r, θ), donde:
q
r = x2 + y 2 es la distancia del punto al origen,
³y´
θ = arctan es el ángulo medido a partir del eje X positivo,
x
tomando en cuenta que un ángulo positivo se mide con un giro en sentido contrario a las ma-
necillas del reloj.
De igual manera podemos representar un numero dentro del plano polar complejo (conocien-
do el ángulo que forma con el eje real y la distancia a la que se encuentra del origen ), como se
muestra en la figura 1.3.
Eje Imaginario
Eje Real
De esta gráfica, usando funciones trigonométricas, podemos deducir las siguientes ecuaciones
para x y y en términos de r y θ.
x = r cos θ y = r sen θ,
lo cual nos permite escribir un numero complejo z = x + yi en su forma polar como:
z = r (cos θ + i sen θ) con r ≥ 0 , 0 ≤ θ ≤ 2π (1.4)
1.4 Formas polar y exponencial de un número complejo. Álgebra lineal.
Observación
El ángulo θ se conoce como Ar g z . Se pide que tenga su valor entre cero y 2π por-
que las funciones trigonométricas son cíclicas con periodo igual a 2π, y se cumple
que
11
z = r (cos(θ) + i sen(θ)) = r (cos(θ + 2nπ) + i sen(θ + 2nπ)) para todo n ∈ Z,
Para escribir un número complejo en forma exponencial, usaremos la fórmula de Euler (pre-
sentada por Leonhard Euler), la cual establece que:
y nos permite escribir un número complejo no nulo en forma exponencial de la siguiente ma-
nera:
z = r eiθ, (1.6)
que es una forma práctica y compacta para trabajar dentro del campo complejo.
Observación
Solución .
p
El valor de la magnitud r = 2, además θ = − π4 , sin embargo como el número complejo
está en el cuarto cuadrante y debemos expresarlo dentro del rango (0, 2π) le sumamos
7
2π, es decir, θ = π. Finalmente usando la ecuación 1.6
4
p 7π
z = 2e 4 i .
que es la fórmula polar. Ahora, para la forma cartesiana, si evaluamos las funciones tri-
gonométricas obtenemos: p
7 3
z = 1.75 + i.
4
1.5 Potencias y raíces de un número complejo. Álgebra lineal.
de manera semejante la ecuación (1.3) que define la división de complejos en forma cartesiana,
se puede escribir como:
z 1 r 1 i (θ1 −θ2 )
12
= e (1.8)
z2 r 2
Números Complejos
Solución .
π
Dado que r 1 = 3 y θ1 = , tenemos que z 1 = 3 e (π/2)i en forma exponencial. Luego em-
2
pleando la ecuación 1.7 llegamos a que
³ ´
z 1 z 2 = (3)(2) e (π/2+3π/2)i = 6e 2πi = 6e 0i = 6
z 1 3 (π/2−3π/2)i 3 −πi 3 πi
además = e = e = e .
z2 2 2 2
z = r eiθ,
z n = (r e i θ )n = r n (e i θ )n = r n e i nθ ,
nos proporciona una forma de obtener las potencias de un número complejo. A partir de ésto
podemos definir
1.5 Potencias y raíces de un número complejo. Álgebra lineal.
z n = r n e i nθ d ond e n∈Z
Observación
13
θi
No se debe confundir la forma exponencial de un número complejo (z = r e ), con elevar
a un exponente un número complejo (z n ).
Dado z = 4 − 7i , encontrar z 15 .
Solución .
p
Al convertir z a su forma exponencial, obtenemos z = 65 e 5.233i , luego usamos la defi-
nición 1.5 para obtener
p
z 15 = ( 65)15 e 15(5.233i ) = (3.9523 × 1013 ) e 78.495i = (3.9523 × 1013 ) e 3.0966i .
Cuando las potencias son pequeñas se puede seguir usando la definición de producto para
números complejos en forma rectangular,o incluso combinar ambas definiciones.
Solución .
p
Al convertir a su forma exponencial, tenemos que (2 + 3i ) = 13 e 0.983i , mientras que
p
5−i = 26 e 6.08i ; así, elevando al cuadrado el primero, multiplicando y después elevando
a la potencia 6, obtenemos 84835994984 e 4.326i , que al regresarlo a su forma cartesiana
resulta −31 972 782 816 − 78 580 450 520i .
Simplificar la expresión (1 + 2i )7 .
z = r eiθ,
luego extraemos la raíz n−ésima en ambos lados de la igualdad,
iθ
z 1/n = (r e i θ )1/n = r 1/n (e i θ )1/n = r 1/n e n ,
1.5 Potencias y raíces de un número complejo. Álgebra lineal.
ésto nos daría una raíz n−ésima del número complejo. Sin embargo, este resultado no es com-
pleto, pues por álgebra sabemos que existen n resultados para la raíz n−ésima de un número.
Es fácil comprobar que si sumamos 2kπn con k = 0, 1, 2 . . . n − 1 al exponente de la función expo-
nencial, obtenemos las demás raíces.
Definición 1.6 Raíces de números complejos
Las n−raíces diferentes de un número complejo están dadas por la fórmula 14
(θ+2kπ)
z 1/n = r 1/n e n
i
para k = 0, 1 . . . n − 1
Encontrar todos los valores de (−8i )1/3 ; es decir, las 3 raíces cúbicas.
Números Complejos
Solución .
Para convertir −8i a su forma exponencial, calculamos θ = 3π 2 y r = 8 con lo que obte-
3/2πi
nemos 8e , enseguida con la ayuda de la fórmula de la definición 1.6 obtenemos la
expresión para calcular las tres raíces, éstas son
π π
para k = 0 tenemos, 81/3 e 2 i = 2e 2 i
( 3π
2 +2π) 7π
i i
para k = 1 tenemos, 81/3 e 3 = 2e 6
( 3π
2 +4π) 11π
i i
para k = 2 tenemos, 81/3 e 3 = 2e 6
p p
que al convertir a su forma cartesiana nos da como resultado 2i , − 3 − i , 3 − i .
Solución .
p
En primer lugar calculamos el valor de r = 29 y θ = 158.2o , así podemos expresar
p o
z = 29e 158.2 i enseguida con la ayuda de la fórmula de la definición 1.6 obtenemos la
expresión para calcular las dos raíces, éstas son
p 158.2o p o
29e 2 i = 29e 79.1 i
4 4
para k = 0 tenemos,
o
p ( 158.2 o
2 +360 ) p o
i
= 29e 259.1 i
4 4
para k = 1 tenemos, 29e 2
que al convertir a su forma cartesiana nos da como resultado 0.438 + 2.278i , −0.438 −
2.278i .
Observación
Esta observación se puede verificar si realizamos las gráficas correspondientes a las n−raíces
de un número complejo.
1.5 Potencias y raíces de un número complejo. Álgebra lineal.
Im Im Im
Figura 1.4. Raíces de la unidad, los puntos rojos indican la posición de las raíces n−ésimas del número
1 para n =, 2, 3, 4.
por lo que podemos definir la potencia racional de un número complejo como sigue.
Solución .
p
Convertimos el número 2 − 4i a su forma exponencial, para esto tenemos que r = 20 y
p o
θ = 63.43o es decir, 20e 63.43 i , luego Usando la fórmula 1.7 y recordando que 2π = 360o ,
las raíces son:
p 5/2 63.43o +360o p 5/2 1058.58o i
³ ´
5i
para k = 0 tenemos, 20 e 2
= 20 e
p 5/2 ( 3π2 +2π) i 7π
para k = 1 tenemos, 20 e 3 = 2e 6 i
El siguiente resultado nos proporciona información sobre la existencia de tales números com-
plejos.
Teorema 1.1
Números Complejos
Dado un número complejo z 6= 0, existe otro número complejo w tal que e w = z. Un valor
para w se obtiene con la fórmula
Log z = ln |z| + i θ = ln r + i θ,
sin embargo, existen muchos otros valores que se obtienes mediante la ecuación
Log z = ln r + i θ + 2nπi ,
Demostración .
Dado que e ln r +i θ = e ln r e i θ = r e i θ = z, se observa que w = ln r + i θ es una solución de la
ecuación e w = z. Por otro lado, si w 1 es otra solución de la ecuación, entonces e w = e w 1 ,
pero esta ecuación es cierta sólo si w − w 1 = 2nπi .
Como consecuencia del teorema 1.1, debemos estructurar la definición 1.8, en la siguiente for-
ma.
Definición 1.9 Logaritmo principal
Sea z 6= 0 un número complejo dado, entonces el logaritmo principal de z está dado por
la fórmula
Log z = ln r + i θ, (1.9)
Observación
La expresión Log 0 no está bien definida, pues no existe ningún número complejo
w que satisfaga e w = 0.
Solución .
Como r = 5 y θ = 0 El logaritmo principal de acuerdo a la ecuación (1.9) es
17
Log 5 = ln 5 = 1.6094,
mientras que para encontrar dos ramas secundarias usamos la fórmula (1.10) y conside-
ramos n = 1, 2 para obtener
Solución .
o quEl valor absoluto |z| = 3, mientras que el argumento θ = − π2 , por lo que el logaritmo
principal es Log (−3i ) = ln 3 − π2 i .
Calcular el logaritmo de z = (1 + 4i )2 (1 − i ).
Solución .
Primero realizamos las operaciones algebraicas, con lo que obtenemos z = −7 + 23i en-
p
seguida calculamos el valor de r = 578 y del argumento θ = −1.2753 + π = 1.8662, por
p
lo tanto Log (z) = ln 578 + 1.8662i = 3.17979 + 1.86624i
Las propiedades de los logaritmos reales no se cumplen en los logaritmos complejos, por ejem-
plo
πi
Log (−i ) = − .
2
Por otro lado
πi
Log (i ) + Log (−1) = + πi ,
2
es decir,
Log (z 1 z 2 ) 6= Log z 1 + Log z 2
Observación
3
Nótese que en la parte derecha de la segunda ecuación πi
2 +πi = 2 πi no se le debe sumar
un múltiplo entero de 2π pues se trata de la parte imaginaria de un número complejo y
no del argumento de dicho número.
1.7 Ecuaciones polinomiales complejas Álgebra lineal.
Números Complejos
Para resolver este tipo de ecuaciones podemos proceder como cualquiera de los dos siguientes
métodos:
Método de resolución de ecuaciones complejas de primer grado
a) Escribir las ecuaciones que se forman al igualar todos los términos reales de
la parte derecha con los términos reales de la parte izquierda, y haciendo lo
mismo con los términos imaginarios.
b) Resolver el sistema de ecuaciones que se forma para las variables x, y .
Solución .
Notemos que la ecuación ya tiene la forma d z + ex + f y + g = 0 por lo que basta con
despejar z, pasando al lado derecho todos los términos que no la contengan
−z = (1 − 2i ) − (5 + 3i ) − (1 + 3i ) + (4 + 3i )
luego, simplificando
−z = 1 − 2i − 5 − 3i − 1 − 3i + 4 + 3i = −1 − 5i
Solución .
Desarrollando la ecuación y después igualando las partes real e imaginaria, obtenemos
el sistema
19
(
−4x − 2y = 2,
2x − 4y = 3.
Una de las ventajas que posee usar números complejos y no reales, es el hecho de que las ecua-
ciones cuadráticas con discriminante negativo siempre tienen solución. De esta manera, si te-
nemos la ecuación cuadrática az 2 + bz + c = 0, donde a, b, c son constantes complejas, a 6= 0 y
z ∈ C, ésta posee dos raíces que pueden ser reales o imaginarias y que se obtiene al igual que
en los reales por la bien conocida fórmula general:
p
−b ± b 2 − 4ac
z= (1.12)
2a
Resolver la ecuación z 2 − 4z + 8i = 0
Solución .
Usando la fórmula general con a = 1, b = −4, c = 8i tenemos
p p p
4± (−4)2 − 4(1)(8i ) 4 ± 16 − 32i 4 ± 4 1 − 2i p
z= = = = 2 ± 2 1 − 2i
2(1) 2 2
enseguida con ayuda de la ecuación para raíces complejas de la definición 1.6 encontra-
p
mos que la raíz 1 − 2i = −1.272 + 0.786i por lo que las soluciones son z = −0.544 + 1.57i
y z = 4.54 − 1.57.
1.7 Ecuaciones polinomiales complejas Álgebra lineal.
Resolver la ecuación 2z 2 + (2 − i )z + 5 = 0
Solución .
Usando la fórmula general con a = 2, b = 2 − i , c = 5 tenemos
p p p
20
(2 − i ) ± (2 − i )2 − 4(2)(5) (2 − i ) ± 3 − 4i − 40 (2 − i ) ± 4 −37 − 4i
z= = =
2(2) 4 4
enseguida con ayuda de la ecuación para raíces complejas de la definición 1.6 encontra-
p
mos que la raíz 37 − 4i = 0.328 − 6.091i por lo que las soluciones son
Números Complejos
y también
Para el caso de polinomios de grado superior, no existe una fórmula predeterminada a fin de
resolver las ecuaciones correspondientes, por lo que debemos recurrir a nuestro ingenio y la
herramienta matemática que conocemos para encontrar sus soluciones.
Resolver la ecuación z 4 + 1 = 0.
Solución .
p4
Al despejar z de la ecuación, obtenemos z = −1; es decir, debemos extraer las raíces
cuartas del número w = −1. Expresando este número en forma exponencial, tenemos
que w = e πi y usando la fórmula de la definición 1.6 para raíces complejas, obtenemos
π
1. para k = 0 tenemos, e 4 i
3π
¡ π+2π ¢
i i
2. para k = 1 tenemos, e 4 =e 4
5π
¡ π+4π ¢
i i
3. para k = 2 tenemos, e 4 =e 4
7π
¡ π+6π ¢
i i
4. para k = 3 tenemos, e 4 =e 4
Resolver la ecuación z 3 + 2z 2 + z + 2 = 0.
Solución .
Factorizamos la parte izquierda de la ecuación
21
3 2 2 2
z + 2z + z + 2 = z (z + 2) + (z + 2) = (z + 2)(z + 1)
3.• Efectuar las operaciones indicadas en cada caso y expresar el resultado en forma rectan-
gular.
p p
a.• i (1 − i 3)( 3 + i ). c.• (−1 + i )7 .
5i
p
b.• 2+i . d.• (1 + i 3)−10 .
p
6.• Dados los números complejos z 1 = 2 − 2i ; z 2 = −3i ; z 3 = −2; z 4 = − 3 − i , efectuar las
operaciones indicadas y escribir el resultado en forma polar.
1.8 Evaluaciones sumativas Álgebra lineal.
7.• Encontrar todas las raíces de la expresión indicada en cada inciso, expresar el resultado
en forma cartesiana.
a.•
p
3
4 − 4i . c.•
p
5
−1 + i .
22
p
• 4
p
• 4
b. 64i . d. 256.
7
8.• Encuentra todas las raíces de (1 + i ) 2 en la forma rectangular.
a.• Hallar dos números tales que su suma b.• Encontrar una ecuación polinomial
Números Complejos
sea 6 y su producto 18. que tenga por raíces −3, 2 + i y 2 − i .
2i
a.• (2 + 3i )z + 2i = 3 − 4i . b.• 2i z + 1−i = 4i .
2 Matrices y Determinantes
23
Actividades de Aprendizaje
Consensar en una lluvia de ideas el concepto de matriz y compararlo con una definición
matemática.
Utilizar operaciones elementales por renglón para reducir una matriz a su forma de es-
calonada.
Calcular la inversa de matrices utilizando el método forma escalonada reducida por ren-
glones.
Matrices y Determinantes
Utilizar un graficador para visualizar geométricamente y así interpretar las soluciones de
sistemas de ecuaciones lineales.
a m1 a m2 . . . a mn
donde cada elemento a i j se conoce como entrada o componente de la matriz A.
Observación
Para describir el elemento que está en la posición de cruce del segundo renglón con
la tercer columna escribimos a 2 3 .
El orden de una matriz se refiere a la cantidad de renglones y columnas que contiene, con lo
cual podemos establecer la siguiente relación de comparación entre matrices.
2.1 Definición de matriz, notación y orden Álgebra lineal.
Las matrices A, B y C no son semejantes entre si, pues tienen distinto orden.
En el caso que la matriz contenga un solo renglón y una sola columna, esta matriz se
identifica con un número real.
Si la matriz tiene un (una) solo (sola) renglón (columna) y 2 o más columnas (renglones),
se le conoce como matriz renglón (columna) y se identifica con los vectores.
A las matrices que contienen la misma cantidad de renglones que columnas se les conoce
como matrices cuadradas, y su notación es A n×n siendo A una matriz cuadrada de orden
n.
Dentro de las matrices cuadradas, tenemos distintos tipos ellas de acuerdo la cantidad de ceros
que contengan y a la forma en que estén situados. Comenzaremos por la definición más básica
dentro de las matrices. Para ello consideremos que la diagonal principal de una matriz dada,
son los elementos donde el renglón es igual a la columna; es decir, se trata de los elementos
a i j , en el caso de que la matriz sea A.
Observación
Esta matriz puede ser la que consta únicamente del cero, pues en realidad la matriz es-
calar representa a los números reales.
2.1 Definición de matriz, notación y orden Álgebra lineal.
Ésta es una de las matrices más importantes, debido a su sencillez y porque aparece en todas
las operaciones matriciales, generalmente la denotamos con la letra mayúscula I . 26
La matriz Identidad recibe este nombre debido a que cuando se multiplica con cualquier otra
matriz dada, el resultado es esa misma matriz dada (lo mismo que pasa con el 1 de los números
reales).
Matrices y Determinantes
principal son los únicos que pueden ser distintos de cero.
Las matrices de este tipo son muy interesantes, pues existe un grupo importante de matrices
que son semejantes a una matriz diagonal (es decir se pueden transformar mediante operacio-
nes elementales1 en una matriz diagonal).
Una matriz que se puede transformar en una matriz diagonal mediante operaciones elemen-
tales, se conoce como matriz diagonalizable.
1.- Toda matriz cuadrada se puede factorizar como producto de dos matrices triangulares, una
superior y la otra inferior.
2.- Para calcular su determinante 2 , basta con multiplicar los elementos de la diagonal princi-
pal.
3.- Toda matriz se puede transformar en una matriz triangular triangular superior o inferior
mediante operaciones elementales.
1 0 0 a 0 0 a 0 0 a b c
(a) 0 1 0
0
b 0
b
c 0
0
d e
(a) M. Escalar 0 0 1 0 0 c d e f 0 0 f
(b) M. Identi- (c) M. Diagonal (d) M. T. Infe- (e) M. T. Superior
dad rior
Observación
La resta de matrices no está definida como tal; sin embargo, se realiza cuando apa-
recen números reales negativos en las entradas de las matrices (la operación se
lleva a cabo de acuerdo a las propiedades de los números reales).
La suma entre matrices no está definida si no son del mismo orden; es decir, si no
tienen el mismo número de renglones y el mismo número de columnas.
−4 3 −5 5 −2 1 4 4 −2 −1
Observemos que
2+0 4 + 1 −6 + 6 7 − 2 2 5 0 5
1. A + B = 4 + 2 3+3 2+4 1+3 = 6 6 6 4
−4 − 2 3 + 1 −5 + 4 5 + 4 −6 4 −1 9
2. La suma A +C y B +C no está definida, pues las matrices no son del mismo orden.
Observación
Existencia del elemento neutro aditivo: existe una matriz neutra denotada con 0, tal que A +
0 = A para cualquier matriz A, donde los elementos de la matriz 0 son todos igual a cero.
2.2 Operaciones con matrices Álgebra lineal.
Existencia del elemento inverso aditivo: dada una matriz A existe una matriz D tal que A +
D = 0; esta matriz es D = −A.
Dentro de las multiplicaciones matriciales tenemos definidos dos tipos: el producto de un es-
calar (número) por una matriz y el producto de dos matrices. 28
Definición 2.8 Multiplicación de una matriz por un escalar
Si A es una matriz de m × n y si r es un escalar, entonces la matriz r A está dada por:
r a 11 r a 12 . . . r a 1n
r a 21 r a 22 . . . r a 2n
rA= .. .. ..
Matrices y Determinantes
. . .
r a m1 r a m2 . . . r a mn
Es decir, se multiplican todos los elementos de la matriz por el escalar. Sin importar el orden y
forma de la matriz, siempre es posible realizar esta operación.
Por el contrario, para multiplicar dos matrices es necesario que el número de columnas de la
primera matriz sea igual al número de renglones de la segunda.
Observación
Observación
En general dadas las matrices A, B y C , se cumplen las siguientes propiedades bajo la operación
de multiplicación:
Observación
5 −2 3
Solución .
−1 2 −5 2 0 −1 3 2 −7
A 2 + 2A = 13 −3 7 + 2 1 1 2 = 15 −1 11 , por
23 −8 0 5 −2 3 33 −12 6
2.2 Operaciones con matrices Álgebra lineal.
2 0 −1 2 0 −1 1 0 0
otro lado A(A + 2I ) = 1 1 2 1 1 2 + 2 0 1 0 =
5 −2 3 5 −2 3 0 0 1
2 0 −1 4 0 −1 3 2 −7
1 1 2 1 3 2 = 15 −1 11 .
5 −2 3 5 −2 5 33 −12 6 30
Observación
Matrices y Determinantes
2.2.3 Clasificación de matrices de acuerdo a sus operaciones
Cuando hacemos operaciones con matrices pueden suceder cosas raras; por ejemplo, que al
multiplicar dos matrices distintas de cero, el resultado sea la matriz cero. Todavía más com-
plicado es que, al elevar una matriz distinta de cero a una potencia entera, tengamos como
resultado la matriz cero. Este tipo de matrices reciben un nombre especial.
Una matriz A es nilpotente si existe un entero k tal que A k = 0. Si A n 6= 0 para 1 < n < k,
decimos entonces que A es una matriz nilpotente de grado k.
0 1 −1
Por ejemplo para la matriz A = 0 0 2 se puede verificar, después de hacer los cálculos,
0 0 0
3
que A = 0; decimos entonces que A es una matriz nilpotente de grado 3.
Observación
3 −2 0 5 −2 3 5 −2 3 2
transpuesta de cada matriz dada e identificar si dichas matrices dadas son simétricas,
antisimétricas o ninguna de ellas.
Solución
.
0 −4 3 −1 1 5
At = 4 0 −2 , es antisimétrica; B t = 1 1 −2 , es simétrica; C t =
−3 2 0 5 −2 3
2 1 5
0 1 −2
, no es ninguna de las dos.
−1 2 3
2 1 2
Otro tipo de matrices muy importante, por las operaciones que se pueden efectuar con ellas,
son las matrices elementales; éstas se obtienen a partir de una única operación elemental de
matrices sobre la matriz identidad. Las matrices que se obtienen de esta forma se clasifican en:
matriz elemental por escalamiento, matriz elemental por eliminación y matriz elemental por
permutación, de acuerdo a lo siguiente,
Las matrices obtenidas por escalamiento tienen la siguiente forma (en el caso de tamaño 3×3):
r 0 0
0 1 0 , que se obtiene al multiplicar un real r por el primer renglón.
0 0 1
1 0 0
0 r 0 , que se obtiene al multiplicar un real r por el segundo renglón.
0 0 1
1 0 0
0 1 0 , que se obtiene al multiplicar un real r por el tercer renglón.
0 0 r
0 1 0
1 0 0 , que se obtiene al intercambiar el primer renglón con el segundo.
0 0 1
32
0 0 1
0 1 0 , que se obtiene al intercambiar el primer renglón con tercero.
1 0 0
1 0 0
Matrices y Determinantes
0 0 1 , que se obtiene al intercambiar el segundo renglón con el tercero.
0 1 0
1 0 0
a 1 0 , que se obtiene al multiplicar el primer renglón por el escalar a y el resulta-
0 0 1
do sumarlo en el segundo renglón.
1 0 0
0 1 0 , que se obtiene al multiplicar el primer renglón por el escalar a y el resulta-
a 0 1
do sumarlo en el tercer renglón.
1 0 0
0 1 0 , que se obtiene al multiplicar el primer renglón por a, el segundo renglón
a b 1
por el escalar b y los resultados sumarlos en el tercer renglón.
La multiplicación de una matriz arbitraria por una matriz elemental se conoce como operación
elemental y produce como resultado en la matriz A cualquiera de los siguientes efectos:
2.2 Operaciones con matrices Álgebra lineal.
3) Multiplicación de una línea por una constante distinta de cero. Cuando se multi-
plica alguna matriz elemental de escalamiento E e por A .
4 0 3
1 0 0
0 1 0 y comentar los cambios que sufre la matriz A.
2 −3 1
Solución .
2 1 1 1 0 0 4 −2 1
AE el = −1 5 −2 0 1 0 = −5 11 −2
4 0 3 2 −3 1 10 −9 3
Observemos que la primera columna de la matriz AE el es igual a 2 veces la tercera co-
lumna mas la primera de la matriz A, mientras que la segunda columna se obtiene mul-
tiplicando por −3 la tercera columna y sumándola con la segunda de A. Estas multipli-
caciones tienen que ver con los valores de las entradas E el 3,1 = 2 y E el 3,2 = −3 que nos
proporcionan.
2.3 Matrices escalonadas y escalonadas reducidas Álgebra lineal.
0 0 1
1 −2 3
34
1 1 −4 y comentar los cambios que sufre la matriz A.
5 −3 3
Solución .
1 0 0 1 −2 3 1 −2 3
E e A = 0 −3 0 1 1 −4 = −3 −3 12
0 0 1 5 −3 3 5 −3 3
Matrices y Determinantes
En este caso unicamente el segundo renglón sufre cambio y consiste en multiplicarlo por
−3. Esto porque la matriz de escalamiento E e el −3 en el segundo renglón en su diagonal
principal.
Observación
Si hay filas cuyos elementos son todos cero, están situados en la parte inferior de
la matriz.
Observación
La forma escalonada de una matriz, no tiene porque ser única, pero si lo es su forma
escalonada reducida.
2.3 Matrices escalonadas y escalonadas reducidas Álgebra lineal.
0 0 1 0 0 0 0 0 0
Por otro lado, ejemplos de matrices escalonadas reducidas son los siguientes:
35
1 0 0 1 0 3 1 0 0
D = 0 1 0 E = 0 1 0 F = 0 0 1
0 0 1 0 0 0 0 0 0
Observación
La propiedad más importante que posee una matriz escalonada reducida es que, si ésta
representa una matriz aumentada de un sistema de ecuaciones lineales, las soluciones
se pueden encontrar por simple inspección visual.
2 2 −1 1
Paso 1 Consiste en hacer que el primer elemento del primer renglón sea 1 (a este elemento se
le conoce como pivote).
Para esto podríamos multiplicar por 1/2 este renglón, sin em- 1 2 2 1
bargo será más fácil intercambiar los renglones 1 y 2 para obte- 2 1 −4 2
ner 2 2 −1 1
Paso 2 Debemos hacer cero los elementos que están por debajo del pivote; esto lo hacemos
cambiando el renglón por una combinación lineal del propio renglón con el primero.
En este caso el nuevo renglón dos será igual a el propio renglón 1 2 2 1
dos, menos dos veces el renglón uno, denotado por R 2′ = R 2 −2R 1 , 0 −3 −8 0
para el nuevo renglón tres hacemos R 3′ = R 3 − 2R 1 . 0 −2 −5 −1
Paso 3 Ahora se hace que el segundo elemento del segundo renglón (a 22 ) sea igual a 1, (este
será nuestro nuevo pivote).
1 2 2 1
Para esto el nuevo renglón 2 será R 2′ = −R 2 + R 3 , es decir tene-
0 1 3 −1
mos
0 −2 −5 −1
Paso 4 Se hacen cero los elementos que están por debajo del pivote.
En este caso debemos hacer cero el último elemento de la se- 1 2 2 1
gunda columna y ésto lo logramos con la operación R 3′ = R 3 + 0 1 3 −1
2R 2 0 0 1 −3
2.3 Matrices escalonadas y escalonadas reducidas Álgebra lineal.
Paso 5 Repetir el proceso hasta lograr que la diagonal principal sea de 1’s, y los elementos por
debajo de esta diagonal sean igual a 0.
1 2 2 1
En este ejemplo ya hemos acabado pues ya se cumple este pa-
0 1 3 −1
so.
0 0 1 −3
Observación
36
1. Las operaciones para hacer cero un elemento deben ser entre el renglón que se
quiere modificar y el que contiene al pivote, y deben tener este orden: R n′ = R n +
cR p , donde R p es el renglón pivote; si no se sigue este formato, se corre el riesgo de
alterar los elementos ya modificados.
2. Si la matriz es cuadrada, este método nos lleva a obtener una matriz triangular
Matrices y Determinantes
superior.
8 3 −1
método de Gauss, con unos en la diagonal principal.
Solución .
1
Realizando la operación R 1′ = R 1 para tener un 1 como primer elemento de la diagonal
2
1 4 −1
A≈ 4 6 6
8 3 −1
enseguida para hacer ceros bajo el primer elemento de la diagonal realizamos las opera-
ciones R 2′ = −4R 1 + R 2 y R 3′ = −8R 1 + R 2
1 4 −1
A ≈ 0 −10 10
0 −29 7
1
Ahora hacemos R 2′ = − R 2 para tener un 1 como segundo elemento de la diagonal
10
1 4 −1
A≈ 0 1 −1
0 −29 7
debemos hacer cero el elemento por debajo del 1 que acabamos de obtener, para esto
hacemos R 3′ = 29R 2 + R 3
1 4 −1
A≈ 0 1 −1
0 0 −22
2.3 Matrices escalonadas y escalonadas reducidas Álgebra lineal.
1
finalmente con R 3′ = − R 3 se tiene el último 1 de la diagonal principal
22
1 4 −1
A ≈ 0 1 −1
0 0 1
37
2.3.2 Método de Gauss-Jordan
El método de Gauss-Jordan es una generalización del proceso de Gauss, y consiste en encontrar
la matriz escalonada reducida de una matriz dada.
Veamos los pasos a seguir de acuerdo con este método. Consideremos la misma matriz
2 1 −4 2
A= 1 2 2 1
2 2 −1 1
Paso 1 Consiste en hacer que el primer elemento del primer renglón sea 1 (a este elemento se
le conoce como pivote).
Para esto podríamos multiplicar por 1/2 este renglón; sin em- 1 2 2 1
bargo, será más fácil intercambiar los renglones 1 y 2 para ob- 2 1 −4 2
tener 2 2 −1 1
Paso 2 Debemos hacer cero los elementos que están por debajo del pivote, esto lo hacemos
cambiando el renglón por una combinación lineal del propio renglón con el primero.
En este caso el nuevo renglón dos será igual a el propio renglón 1 2 2 1
dos, menos dos veces el renglón uno, denotado por R 2′ = R 2 −2R 1 ; 0 −3 −8 0
para el nuevo renglón tres hacemos R 3′ = R 3 − 2R 1 . 0 −2 −5 −1
Paso 3 Ahora se hace que el segundo elemento del segundo renglón (a 22 ) sea igual a 1, (este
será nuestro nuevo pivote).
1 2 2 1
Para ésto, el nuevo renglón 2 será R 2′ = −R 2 + R 3 ; es decir, tene-
0 1 3 −1
mos
0 −2 −5 −1
Paso 4 Se hacen cero los elementos que están por debajo y por arriba del pivote.
1 0 −4 3
Para hacer cero el elemento del primer renglón usamos la regla
0 1 3 −1
R 1′ = R 1 − 2R 2 y para el de la fila 3 R 3′ = R 3 + 2R 2 .
0 0 1 −3
Paso 5 Repetir el proceso hasta lograr que la diagonal principal sea de 1’s, y los elementos por
debajo de esta diagonal sea cero.
Observemos que ya hay un 1 en la tercer posición de la dia-
1 0 0 −9
gonal, por lo que solo resta hacer ceros los elementos superio-
0 1 0 8
res de éste. Para esto hagamos R 1′ = R 1 + 4R 3 y también R 2′ =
0 0 1 −3
R 2 − 3R 3 .
Observación
9 5 −1 1
Solución .
38
Intercambiamos renglones 1 y 2, para obtener un 1 como primer elemento de la diagonal
1 −4 2 2
B ≈ 3 −6 −2 4
9 5 −1 1
enseguida para hacer ceros bajo el primer elemento de la diagonal realizamos las opera-
Matrices y Determinantes
ciones R 2′ = −3R 1 + R 2 y R 3′ = −9R 1 + R 2
1 −4 2 2
B ≈ 0 6 −8 −2
0 41 −19 −17
0 41 −19 −17
debemos hacer cero el elemento por debajo del 1 que acabamos de obtener, para esto
hacemos R 3′ = −41R 2 + R 3
1 −4 2 2
B ≈ 0 1 −37 −3
0 0 1498 106
1
finalmente con R 3′ = − R 3 se tiene el último 1 de la diagonal principal
1498
1 −4 2 2
B ≈ 0 1 −37 −3
0 0 1 749
53
Para calcular el determinante que corresponde a una matriz cuadrada A de orden n > 2, intro-
duciremos primero lo que se conoce como menor complementario relativo al elemento a i j de
el determinante.
Definición 2.18 Menor complementario
Sea A una matriz cuadrada de orden n y D su determinante correspondiente. Sea M i j el
determinante de orden n − 1 obtenido de D, eliminando el renglón i y la columna j . A 39
M i j se le conoce como el menor complementario i j de D.
¯ a 11 a 12 a 13 a 14 a 15 ¯
¯ ¯
¯ ¯
¯ a
¯ 21 a 22 a 23 a 24 a 25 ¯
¯
D = ¯ a 31 a 32 a 33 a 34 a 35 ¯
¯ ¯
¯ a 41 a 42 a 43 a 44 a 45 ¯
¯ ¯
¯ ¯
¯ a
51 a 52 a 53 a 54 a 55
¯
mientras que para el menor M 14 se elimina el renglón 1, columna 4 para que quede,
¯ ¯
¯ a 21 a 22 a 23 a 25 ¯
¯ ¯
¯ a
¯ 31 a 32 a 33 a 35 ¯
¯
M 14 = ¯
¯ a 41 a 42 a 43 a 45 ¯
¯
¯ ¯
¯ a 51 a 52 a 53 a 55 ¯
Observación
Necesitamos también de la siguiente definición que nos proporciona el signo que debemos
poner a cada menor complementario.
Observación
La primera parte de la fórmula del cofactor sólo nos proporciona el signo. Si la suma i + j
es un número par, entonces el cofactor es A i j = M i j ; si la suma es un número impar,
entonces A i j = −M i j .
2.4 Determinante de una matriz Álgebra lineal.
1 3 4
Solución .
40
Aplicando
à la fórmula
! de la definición
à ! 2.19, tenemos:
à !
−1 0 2 0 2 −1
A1 1 = , A1 2 = − , A1 3 = ,
3 4 1 4 1 3
à ! à ! à !
5 8 3 8 3 5
A2 1 = − , A2 2 = , A2 3 = − ,
3 4 1 4 1 3
à ! à ! à !
5 8 3 8 3 5
A3 1 = , A3 2 = − , A3 3 = .
Matrices y Determinantes
−1 0 2 0 2 −1
Estamos ahora ante la posibilidad de enunciar el teorema de Laplace, que nos servirá para re-
solver cualquier determinante de orden n > 2 (su demostración se realiza haciendo inducción
matemática sobre la dimensión de los determinantes).
Observación
Observación
−1 2 4
rrollo por menores).
Solución .
Si trabajamos con el segundo renglón, el determinante esta definido por d et A = −4A 2 1 +
2.4 Determinante de una matriz Álgebra lineal.
0A 2 2 − 3A 2 3 es decir
à ! à ! à !
5 2 3 2 3 5
−4 +0 −3 = −4(20 − 4) − 3(6 + 5) = −64 − 33 = −97
2 4 −1 4 −1 2
.
Observación
41
Es aconsejable escoger el renglón o columna de la matriz que tenga más ceros, así se
reducirá el trabajo.
Tomando como base la observación anterior, podemos afirmar que el determinante de una
matriz triangular (superior o inferior) es igual a la multiplicación de los elementos de su diago-
nal.
Ejemplo 2.12
3 5 8
[ Cálculo de determinantes]Calcular el determinante de A = 0 −1 0 .
0 0 4
Solución .
Si trabajamos con el tercer renglón, el determinante esta definido por d et A = 0A 3 1 +
0A 3 2 − 3A 3 3 es decir
à ! à ! à !
5 8 3 8 3 5
0 +0 −3 = 4(−3 − 0) = −12
−1 0 0 0 0 −1
Dados las matrices A y B de orden n ×n, se cumplen las siguientes propiedades para sus deter-
minantes:
Observación
1 3 0 2
−2 0 3 0
B =
Matrices y Determinantes
0 1 0 6
3 0 4 0
.
Solución .
Comenzamos realizando el método de Gauss-Jordan para hacer ceros debajo del primer
uno, por lo que hacemos R 2′ = 2R 1 + R 2 y R 4′ = −3R 1 + R 4 , esto no cambia el valor del
determinante según la propiedad D8, así
1 3 0 2
0 6 3 4
B ≈
0 1 0 6
0 −9 4 −6
1 3 −2 2
0 −1 1 −3
Calcular el determinante de B = .
2 1 1 2
3 2 1 4
Solución .
Como la primer columna es la suma de la segunda y tercer columna, entonces por la
propiedad D5 tenemos que d et B = 0.
1 3 5 2
0 −1 3 4
Dada la matriz B = , calcular d et (3B ).
2 1 9 6
43
3 2 4 8
Solución .
Recordemos que d et (3B ) 6= 3 d et B . De hecho, considerando la propiedad D6, por cada
renglón que tenga la matriz B debe multiplicarse por 3 a d et B , en este caso el orden de
B es 4; en consecuencia d et (3B ) = 34 d et B . Por otro lado d et B = 160; así, tenemos que
d et (3B ) = 34 (160) = 12, 960.
AB = B A = I
Una clasificación que surge a consecuencia de que unas matrices tienen inversa y otras no, es
la siguiente:
Proposición 2.1
Una matriz A es invertible si y solo si d et A 6= 0.
2 2 5 1
1 1 6 −3
Determinar si la matriz B = es invertible.
−1 2 −3 3
2 4 2 6
Solución .
2.5 Inversa de una matriz Álgebra lineal.
Matrices y Determinantes
A n1 A n2 · · · A nn
También en la definición (2.11) se vio que la transpuesta de una matriz consiste en intercambiar
renglones por columnas; con ayuda de este concepto definimos lo siguiente
Teorema 2.2
Sea A una matriz de nxn. Entonces A es invertible si y solo si d et A 6= 0 y además
1
A −1 = ad j A.
d et A
1
d et A −1 = .
d et A
En el siguiente ejemplo veremos el método para calcular la inversa de una matriz usando el
teorema 2.2.
2.5 Inversa de una matriz Álgebra lineal.
−6 4 −1
inversa. 45
Solución .
Primero calculamos el determinante de la matriz A
¯ ¯
¯ 2 5 0 ¯¯ ¯ ¯ ¯ ¯
¯ ¯ 6 6 ¯¯ ¯ 3 6 ¯
¯ 3 6 6 ¯ = 2¯ ¯−5¯ ¯ = 2(−30) − 5(33) = −225
¯ ¯ ¯ ¯ ¯
¯ 4 −1 ¯ ¯ −6 −1
¯ −6 4 −1 ¯
¯ ¯ ¯
30 −12 −3 48 −38 −3
finalmente la inversa
2/15 −1/45 −2/15
1 1
A −1 = ad j A = ad j A = 11/75 2/225 4/75
d et A −225
−16/75 38/225 1/75
Se puede calcular la inversa de una matriz por medio de operaciones elementales; es decir,
intercambiando renglones, multiplicando un renglón por un escalar y mediante la suma de
múltiplos de renglones.
Matrices y Determinantes
P.2) Se lleva la matriz A hasta una matriz diagonal mediante el algoritmo de Gauss-Jordan
(ver sección 2.3.2), afectando todo el renglón.
1 0 ··· 0 b 11 b 21 · · · b n1
0 1 ··· 0 b 12 b 22 · · · b n2
.. .. .. .. .. ..
. . . . . .
0 0 ··· 1 b 1n b 2n · · · b nn
P.3) La matriz que queda en la parte derecha de la matriz aumentada que resulta después
del proceso, será la inversa de la matriz A .
b 11 b 21 · · · b n1
b 12 b 22 · · · b n2
−1
A = .. .. ..
. . .
b 1n b 2n · · · b nn
Solución .
De acuerdo al proceso anterior
à !
−2 1 1 0
Paso 1 Escribimos la matriz aumentada,
9 7 0 1
1 − 12 − 21 0
à !
9 7 0 1
2.5 Inversa de una matriz Álgebra lineal.
1 − 12 − 21
à !
0
0 23
2
9
2 1
2
multiplicamos el segundo renglón por 23
47
− 21 − 12
à !
1 0
9 2
0 1 23 23
7 1
à !
1 0 − 23 23
9 2
0 1 23 23
7 1
à !
− 23 23
Paso 3 Finalmente, la inversa es B −1 = 9 2 .
23 23
3 5 7
Solución .
Siguiendo los pasos del método descrito
0 0 1 −1 2/3 2/3
−1 2/3 2/3
2.6 Sistemas de ecuaciones lineales Álgebra lineal.
..
.
(2.2)
48
a n1 x 1 + a n2 x 2 + . . . a nn x n = b n ,
Matrices y Determinantes
a 11 a 21 · · · a n1
a 12 a 22 · · · a n2
A= .. .. .. ,
. . .
a 1n a 2n · · · a nn
que denominaremos matriz de coeficientes del sistema, y con las incógnitas x i y los términos
independientes b i formamos las matrices de orden n × 1:
x1
x2
x = .. ,
.
xn
b1
b2
b= .. ;
.
bn
denominados vector de incógnitas y vector de términos independientes , respectivamente, po-
demos escribir entonces el sistema de ecuaciones lineales como Ax=b, es decir:
a 11 a 21 · · · a n1 x1 b1
a 12 a 22 · · · a n2 x 2 b 2
.. .. .. .. ..
= .
. . . . .
a 1n a 2n · · · a nn xn bn
Una solución del sistema consiste en un conjunto de valores para las variables x i tal que dichos
valores satisfacen todas las ecuaciones simultáneamente. Dependiendo de los valores de las
constantes a i j el sistema puede no tener solución, tener solución única o tener una cantidad
infinita de soluciones; para identificar el tipo de soluciones nos ayudaremos de los determi-
nantes.
Definición 2.22 Determinante de un sistema de ecuaciones
El determinante principal de un sistema de ecuaciones lineales, está formado por los
coeficientes de las variables en ese mismo orden, es decir el determinante principal del
2.6 Sistemas de ecuaciones lineales Álgebra lineal.
sistema (2.2) es ¯ ¯
¯ a 11 a 12 . . . a 1n ¯
¯ ¯
¯ a 21 a 22 . . . a 2n
¯ ¯
¯
∆ = ¯¯ .. .. .. ¯
. . .
¯
¯ ¯
¯
¯ a n1 a n2 . . . a nn
¯
¯
49
Teorema 2.4
Un sistema de ecuaciones con coeficientes en los números reales, cumple una de las
siguientes afirmaciones
Si se cumple la condición ∆ = 0, ésto indica que hay un renglón que es combinación lineal de
otro u otros; es decir, hay más incógnitas que ecuaciones. Si esta misma relación la cumple el
vector de términos independientes, entonces el sistema tendrá una cantidad infinita de solu-
ciones; si el vector de términos independientes no la cumple, el sistema no tiene solución.
Solución . ¯ ¯
¯ 3 2 −1 ¯¯
¯
El determinante principal es ¯ −1 10 −7 ¯, observemos que el segundo renglón es
¯ ¯
¯ 2 −4 3 ¯
¯ ¯
Solución
¯ . ¯
50
¯ 1 2 −3 ¯¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ 1 1 ¯ ¯ 2 1 ¯ ¯ 2 1 ¯¯
∆=¯ 2 1 1 ¯ = 1¯ ¯ −2 ¯ ¯ −3 ¯ ¯ = (1+4)−2(2−3)−3(−8−3) =
¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ −4 1 ¯ ¯ 3 1 ¯ ¯ 3 −4 ¯
¯ 3 −4 1 ¯
¯ ¯
Matrices y Determinantes
2.6.1 Interpretación geométrica
Para analizar lo que representa geométricamente un sistema de ecuaciones, debemos separar
dicho análisis en casos, considerando la dimensión del mismo. Mostraremos los casos de 2 y 3
dimensiones.
Dos dimensiones. En los sistemas de 2 ecuaciones con 2 incógnitas, cada una de las ecua-
ciones representa una línea recta. De acuerdo al tipo de solución que tenga el sistema,
podemos distinguir los siguientes casos:
a) Si el sistema tiene solución única, entonces las rectas no son paralelas y se interceptan
en un solo punto.
b) Si el sistema no tiene solución, entonces las rectas son paralelas.
c) Si el sistema tiene soluciones infinitas, decimos que las rectas coinciden o que está
una encima de la otra.
6 6 6
E1 E1
4 E1 4 4 E2
E2
2 E2 2 2
-3 -2 -1 1 2 3 -3 -2 -1 1 2 3 -3 -2 -1 1 2 3
-2 -2 -2
-4 -4 -4
Solución
-6 -6 -6
Tres dimensiones. Para el caso de sistemas de 3 ecuaciones con 3 incógnitas, cada una de las
ecuaciones representa un plano en el espacio. Nuevamente, de acuerdo al tipo de solu-
ción que se tenga, podemos distinguir los siguientes casos:
a) Los tres planos se interceptan en un solo punto, entonces el sistema tiene solución
única.
b) Los tres planos se interceptan en una misma recta, entonces cada punto sobre la recta
es solución y el sistema tiene infinidad de soluciones.
2.6 Sistemas de ecuaciones lineales Álgebra lineal.
c) Los tres planos coinciden, el sistema tiene una cantidad infinita de soluciones.
d ) Dos de los planos coinciden y se interceptan con el tercero en una recta, entonces la
recta es solución del sistema y tiene infinidad de soluciones.
e) Al menos dos de los planos son paralelos, entonces el sistema no tiene solución.
f ) Dos de los planos coinciden en una recta L, el tercer plano es paralelo a L y no la
contiene, entonces el sistema no tiene solución. 51
Observación
a n1 a n2 . . . a nn b n
Matrices y Determinantes
Eliminación Gaussiana
Como ya se vió en la sección 2.3.1, el método de Gauss permite transformar la matriz de coefi-
cientes en una matriz reducida equivalente; es decir, que conserva las propiedades matriciales.
Para resolver un sistema de ecuaciones por eliminación Gaussiana, se realizan los siguientes
pasos:
2) Se transforma la matriz aumentada hasta obtener una matriz triangular superior (con-
siderando la matriz de coeficientes); donde cada operación que se efectúe a un ren-
glón, se hace incluyendo el correspondiente elemento de la columna aumentada.
3) Una vez que se obtiene la matriz triangular superior, se reescribe el sistema con sus
nuevos coeficientes.
4) Se resuelve el nuevo sistema por métodos algebraicos (los valores obtenidos al re-
solver este nuevo sistema, serán los valores solución del sistema original).
Solución .
Escribimos la matriz aumentada
2 4 6 18
4 5 −6 24
3 1 −2 4
2.6 Sistemas de ecuaciones lineales Álgebra lineal.
luego haciendo R 1′ = 12 R 1
1 2 3 9
4 5 −6 24
3 1 −2 4
luego para tener cero, bajo el 1 de la diagonal hacemos R 2′ = −4R 1 + R 2 y R 3′ = −3R 1 + R 3
53
1 2 3 9
0 −3 −18 −12
0 −5 −11 −23
0 −5 −11 −23
0 0 19 −3
8 94 −3
y resolvemos de abajo hacia arriba, para obtener x = − 19 ,y = 19 , z = 19 .
Eliminación de Gauss-Jordan
Este método es similar al anterior, solo que ahora se reduce la matriz de coeficientes, hasta
llevarla a una matriz identidad, la solución se obtiene directamente.
Si en algún paso del método detectamos dos renglones iguales, entonces el sistema o no tie-
ne solución o tiene una cantidad infinita de soluciones, para identificar que tipo de solución
observamos que:
El sistema tendrá cantidad infinita de soluciones si los renglones son iguales tanto en la
matriz de coeficientes como en la parte aumentada.
Solución .
Escribimos la matriz aumentada
2 4 6 18
4 5 −6 24
2 1 −12 6
54
luego haciendo R 1′ = 12 R 1
1 2 3 9
4 5 −6 24
2 1 −12 6
luego para tener cero, bajo el 1 de la diagonal hacemos R 2′ = −4R 1 + R 2 y R 3′ = −2R 1 + R 3
1 2 3 9
Matrices y Determinantes
0 −3 −18 −12
0 −3 −18 −12
Notemos que los renglones 2 y 3 son iguales, tanto en los coeficientes como en los resul-
tados por lo tanto el sistema tiene una cantidad infinita de soluciones.
Solución .
Escribimos la matriz aumentada
2 4 6 18
4 5 −6 24
2 1 −12 2
luego haciendo R 1′ = 12 R 1
1 2 3 9
4 5 −6 24
2 1 −12 2
luego para tener cero, bajo el 1 de la diagonal hacemos R 2′ = −4R 1 + R 2 y R 3′ = −2R 1 + R 3
1 2 3 9
0 −3 −18 −12
0 −3 −18 −16
Notemos que los renglones 2 y 3 son iguales, pero únicamente en la parte de la matriz no
aumentada por lo que el sistema no tiene solución.
2.6 Sistemas de ecuaciones lineales Álgebra lineal.
Regla de Cramer
Para resolver un sistema de ecuaciones mediante regla de Cramer se realizan los siguientes
pasos;
Método de Cramer para resolver sistemas de ecuaciones
Solución .
Se escribe y resuelve el determinante principal
¯ ¯
¯ 2 4 2 ¯¯ ¯ ¯ ¯ ¯
¯ ¯ 4 2 ¯ ¯ 2 4 ¯
∆ = ¯ 1 0 −3 ¯ = − ¯ ¯+3¯ ¯ = −(4 − 6) + 3(6 − 8) = 2 − 6 = −4
¯ ¯ ¯ ¯ ¯ ¯
¯ 3 1 ¯ ¯ 2 3
¯ 2 3 1 ¯
¯ ¯ ¯
∆ 56 ∆ −48 ∆ 24
Finalmente x = = −4 = −14, y= = −4 = 12, z= = −4 = −6
∆x ∆y ∆z
Solución .
Se escribe y resuelve el determinante principal
¯ ¯
¯ 1 3 2 ¯¯ ¯ ¯ ¯ ¯
¯ ¯ 1 2 ¯¯ ¯ 1 3 ¯
∆=¯ 1 1 −3 ¯ = 2 ¯ ¯−5¯ ¯ = 2(−3 − 2) − 5(1 − 3) = −10 + 10 = 0
¯ ¯ ¯ ¯ ¯
¯ 1 −3 ¯ ¯ 1 1
¯ 0 −2 −5 ¯
¯ ¯ ¯
56
Por lo que debemos analizar el determinante, y podremos observar que el tercer renglón
es combinación lineal de los dos primeros, es decir R 3 = −R 1 + R 2 , sin embargo en la
columna de soluciones del sistema no se cumple esta relación, por lo que el sistema no
tiene solución.
Matrices y Determinantes
Observación
Cuando un sistema tiene infinidad de soluciones, para encontrar una debemos quitar el
renglón que es combinación lineal de los otros y resolver el sistema por métodos alge-
braicos.
Solución .
Se escribe y resuelve el determinante principal
¯ ¯
¯ 1 3 2 ¯¯ ¯ ¯ ¯ ¯
¯ ¯ 1 2 ¯¯ ¯ 1 3 ¯
∆=¯ 1 1 −3 ¯ = 2 ¯ ¯−5¯ ¯ = 2(−3 − 2) − 5(1 − 3) = −10 + 10 = 0
¯ ¯ ¯ ¯ ¯
¯ 1 −3 ¯ ¯ 1 1
¯ 0 −2 −5 ¯
¯ ¯ ¯
8
cuya solución general es y = 11 − 5x 2x 1
11 y z = 11 − 11 , al darle el valor a x = 0 obtenemos
8 1
y = 11 y z = − 11 , que es una solución del sistema original.
2.7 Evaluaciones sumativas Álgebra lineal.
realizar las siguientes operaciones, o en su caso indicar porque no se pueden llevar a cabo.
a.• A + B. e.• C A − B .
b.• 3A − 2C .
f.• 3A + 21 B +C D
c.• AC + BC .
d.• A 2 − AB g.• D A + D
2.• Calcular la inversa de la matriz dada en cada inciso usando método de Gauss-Jordan, o
en su caso indicar si no es invertible.
à !
5 −1 2 6 3
c.• C = .
a.• A= 3 1 3 . 2 −5
0 −2 5
à !
1 −1
d.• D = .
4 3
2 4 4 1 0 1
b.• B = −2 −1 4 . e.• F = −2 −1 −3
3 2 −1 3 4 7
3.• Clasifica las siguientes matrices, como singular o no singular, en caso de que la matriz
dada sea no singular, calcular su inversa por el método de la adjunta.
1 −1 2 2 −1 2
a.• A= 3 1 4 . c.• C = 1 0 3
0 −2 5 3 −1 5
4 −1 4 3 3 2
b.• B = −2 2 4 . d.• D = 4 −1 −1
1 −2 −1 0 2 2
1 − sen(x) 1
5.• Encontrar el determinante de la matriz B = cos(x) 1 − cos(x) .
1 sen(x) 1
6.• Sean A y B matrices de orden 7, tales que d et (A) = 3 y d et (B ) = 2. Calcular d et [(2A −1 )(3B −1 )].
7.• En los siguientes sistemas, encontrar: todas sus soluciones, su única solución o indicar que
no tiene solución. 58
(
• x − 3y =4 x +y +2z =4
a. .
−4x + 2y =6 e.• 11x −13y +3z =1 .
5x =2
(
−y −2z
• 2x − 8y =5
b. .
−3x + 12y =8 4x
+2y −2z =4
•
f. 3y =2 .
(
−4x − y =2 +3z
c.• .
−4x −5y −z =7
−2x + y
Matrices y Determinantes
= −3
x −3y +2z =5 2x
+3y −2z =4
d.• 2x −3y +4z =4 . g.• 3y +3z =2
x =1 =4
−2z −4x −5y
3 Espacios Vectoriales
59
Actividades de Aprendizaje
Comprender el concepto de espacio vectorial.
Ejemplificar conjuntos de vectores que cumplan con los diez axiomas de espacio vecto-
rial.
Establecer analogías entre los espacios y subespacios vectoriales con la notación de con-
juntos y subconjuntos.
Observación
Tomemos en cuenta que estas operaciones dependen de los objetos con los cuales este-
mos trabajando y que no necesariamente son las operaciones de suma y producto que
conocemos de los números reales.
Espacios Vectoriales
Nos interesan aquellos conjuntos en los cuales una vez definidas sus operaciones, cumplen
con las siguientes propiedades o axiomas:
4. Existencia del elemento neutro. Existe un elemento 0V ∈ V tal que para todo v ∈ V, v +
0V = 0V + v = v
5. Existencia del elemento inverso aditivo. Si un elemento v ∈ V , entonces existe otro ele-
mento denominado −v ∈ V tal que v + (−v) = 0V .
10. Existencia del neutro de los reales. Para cada vector v ∈ V existe un elemento 1 ∈ R tal
que 1 v = v.
Observación
Para evitar confusiones, siempre que nos refiramos al vector cero de un espacio vectorial
V lo denotaremos como 0V .
Tomando en cuenta las propiedades anteriores asi como las operaciones con que se verifican,
estamos en condiciones de enunciar la siguiente definición.
3.1 Definición de un espacio vectorial Álgebra lineal.
Observación
61
A los elementos de un espacio vectorial se les llama vectores y a los números reales se les
conoce como escalares, las operaciones de suma y multiplicación dependen del espacio
vectorial, no siempre son las operaciones aditivas y de producto que conocemos de los
números reales.
Para nuestro caso la propiedad 10 se cumple directamente, pues estamos trabajando dentro
de los números reales y con operaciones previamente establecidas, en donde se define al 1 ∈ R
como el neutro multiplicativo; en caso de cambiar las operaciones, debemos revisar que se
cumpla ésta propiedad.
Pasos necesarios para verificar las 10 propiedades de un espacio vectorial
3) tener muy claro como es la operación de suma entre sus elementos y el producto
por un escalar, cuando no se menciona nada en el ejercicio se supone que son las
operaciones que se realizan normalmente entre esos elementos, aunque también se
pueden definir al momento de plantear el problema.
Verificar que el conjunto formado por el número cero V = {0}, con la suma y producto
definidas en los números reales, es un espacio vectorial.
Solución .
El único elemento de este conjunto es el cero real (0V = 0), veamos que cumple las nueve
propiedades:
2. Es claro que 0V + 0V = 0V + 0V . X
El vector cero de cada conjunto forma por si solo un espacio vectorial, conocido como espacio
vectorial trivial por su sencillez, y es el único con una cantidad finita de elementos que mane-
jaremos en este curso.
62
Ejemplo 3.2 Espacio vectorial, constituido por una recta en R2
Mostrar que el conjunto de puntos en R 2 que están en una recta L que pasa por el origen,
constituyen un espacio vectorial, con las operaciones de suma y producto definidas para
coordenadas cartesianas.
Espacios Vectoriales
Solución .
La ecuación de una recta que pasa por el origen es y = c x donde c es una constante
arbitraria pero que queda fija una vez elegida. Entonces los elementos de este conjunto
tienen la forma (x, c x); además veamos que cumple las 9 propiedades
Observación
El conjunto de puntos en R 2 que están en una recta que no pasa por el origen, no cons-
tituyen un espacio vectorial, pues no contiene al vector cero.
Para nuestro siguiente ejemplo, recordemos que cualquier polinomio tiene la forma
y el grado del polinomio es igual a m, siempre y cuando m sea el mayor exponente de todos los
términos del polinomio y además a m 6= 0.
3.1 Definición de un espacio vectorial Álgebra lineal.
Solución .
63
No contiene al vector cero, pues no es de grado tres, con esto es suficiente, aunque tam-
bién se puede ver que si se toman dos polinomios de grado tres, la suma no necesaria-
mente es de grado tres.
Se puede comprobar que si a éste conjunto, P 3 , se le permite que contenga a los polinomios de
grado menor o igual a 3, entonces si es un espacio vectorial.
Solución .
Recordemos que una función continua es aquella que no contiene ningún punto de dis-
continuidad, es decir que no tiene divisiones entre cero ou operaciones que no se pue-
den definir, dentro del intervalo de definición.
1. Si f (x), g (x) son funciones continuas, entonces f (x) + g (x) sigue siendo una fun-
ción continua pues al sumar no se agrega ningún punto de discontinuidad. X
2. Si f (x), g (x) son funciones continuas, entonces por la definición de suma de fun-
ciones, es claro que f (x) + g (x) = g (x) + f (x). X
3. Sean f (x), g (x), h(x) funciones continuas, entonces podemos asociar [ f (x) +
(g (x)] + h(x) = ( f + g )(x) + h(x) = ( f + g + h)(x) = f (x) + (g + h)(x) = f (x) + [g (x) +
h(x)]. X
6. Si k es un real y f (x) es una función continua, entonces k f (x) sigue siendo una
función continua pues al multiplicar no se agrega ningún punto de discontinui-
dad. X
8. Sean k un número real y f (x), g (x) funciones continuas, entonces por linealidad
de las funciones k( f (x) + g (x)) = k f (x) + kg (x). X
9. Sean k 1 , k 2 elementos reales y f(x) es una función continua, entonces por propie-
dades de los reales (k 1 k 2 ) f (x) = k 1 (k 2 f (x)). X
Determinar si el conjunto formado por todas las matrices de orden 3 × 2, donde el ele-
64
mento cuya posición se encuentra en el renglón 2 columna 2 es un número racional, y
con las operaciones definidas para matrices, forman un espacio vectorial.
Solución .
Llamemos M r al conjunto de matrices que cumplen esta característica:
1. Se cumple, pues al sumar dos matrices de 3×2, el resultado sigue siendo una matriz
Espacios Vectoriales
de 3 × 2, además la suma de racionales sigue siendo racional. X
6. Esta propiedad falla pues si tenemos una matriz M de 3 × 2 con número racional
en la posición renglón 2 columna 2 y k es un irracional, entonces kM puede no
contener un racional en la posición indicada.
La ventaja de trabajar con subespacios vectoriales es que no es necesario verificar las diez pro-
piedades de espacios vectoriales, como lo muestra el siguiente teorema.
3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.
Teorema 3.1
Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V, si se cum-
plen las tres reglas de cerradura:
1. Si h 1 , h 2 ∈ H entonces h 1 + h 2 ∈ H .
Solución .
Los elementos de este conjunto son todos los puntos de R2 de la forma (x, x), ahora
2. Por otro lado si k es un real, entonces k(x, x) = (kx, kx) que también pertenece a la
recta.
Solución .
Observemos que los elementos de H son de la forma (2+4t , 1−2t , t ), con t ∈ R, sin embar-
go en este caso H no es un subespacio vectorial pues no se cumple la segunda condición,
por ejemplo si tenemos k = 0 y (6, −1, 1) ∈ H , entonces k(6, −1, 1) = (0, 0, 0) ∉ H .
Observación
Al igual que en para las lineas rectas, todo plano que contenga al origen, constituye un
espacio vectorial.
3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.
x ∈ A ∩B ⇔ x ∈ A y x ∈B
Espacios Vectoriales
sección de subespacios vectoriales H1 ∩ H2 como el conjunto {v ∈ V : v ∈ H1 , v ∈ H2 }; es
decir, los elementos que pertenecen a ambos subespacios.
Observación
Proposición 3.1
La intersección de 2 subespacios de V , siempre es otro subespacio de V .
Demostración .
Sean H1 y H2 dos subespacios de V , si la intersección es el espacio formado unicamente
por el elemento cero, es claro que será un subespacio vectorial, si no es el caso, probare-
mos que H1 ∩ H2 es un subespacio de V en la siguiente forma:
Observación
Una forma para encontrar el subespacio formado por la intersección es escribir el ele-
mento general de cada subespacio e igualar coordenadas correspondientes par formar
un sistema de ecuaciones que al resolverlo nos dará información sobre la intersección.
Solución .
H es una recta en el espacio y sus elementos tienen la forma (−1 + t , 2 − 2t , 1 − t ), mien-
3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.
−2x + 3y
µ ¶
tras P representa un plano, y su elemento general se escribe como x, y, .
8
Al igualar coordenada a coordenada
tenemos el sistema
−1 + t = x
67
2 − 2t = y
1 − t = −2x + 3y
8
Que reescribiendo queda
x − t = −1
y + 2t = 2
3y − 2x + 8t = 8
El cual tiene una cantidad infinita de soluciones, por lo tanto H ⊂ P tal y como lo muestra
la gráfica y en consecuencia la intersección es H .
Solución .
H y P son rectas en el plano cuyos elementos generales son (x 1 , 21 x 1 ) y (x 2 , 23 x 2 ) respecti-
vamente. Al igualar coordenada a coordenada tenemos el sistema
(
x1 = x2
1 2
2 x1 = 3 x2
H1 + H2 = {v ∈ V : v = h 1 + h 2 donde h 1 ∈ H1 , h 2 ∈ H2 }
Espacios Vectoriales
n
X n
X
Hi = H1 + H2 + . . . + Hn = {v ∈ V : v = hi donde h i ∈ Hi
i =1 i =1
El vector suma, esta compuesto por la suma de vectores, cada uno de los cuales pertenece a
uno de los subespacios de V , para encontrar este subespacio debemos describir el elemento
general de cada subespacio y realizar la suma parra enseguida determinar el dominio de la
nueva expresión, éste formara al subespacio suma.
Solución .
Notemos que H1 es una recta que pasa por el origen con elementos de la forma (x 1 , 12 x 1 ),
mientras que el elemento general de H2 se escribe como (x 2 , − 23 x 2 ), así al realizar la suma
tenemos (x 1 +x 2 , 21 x 1 − 23 x 2 ) que representa a todos los puntos de R2 , por lo que el espacio
vectorial H1 + H2 = R2 .
Observación
Es importante que al momento de sumar los elementos generales de cada subespacio los
denotemos con variables distintas, pues en caso contrario no estaríamos encontrando
todos los elementos que corresponden a la suma.
Existe un nombre especial para la suma de subespacios , cuando tenemos dos subespacios
vectoriales cuya intersección es el elemento neutro del espacio vectorial, como a continuación
se describe.
Definición 3.7 Suma directa de subespacios
Sea V un espacio vectorial y sean H1 y H2 dos subespacios vectoriales de V . Se define la
suma directa de subespacios como V = H1 ⊕ H2 si se cumple que V = H1 + H2 y además 69
H1 ∩ H2 = 0
En caso de que la suma directa H1 + H2 sea todo el espacio V , decimos que H1 y H2 son suple-
mentarios.
Solución .
H1 es una recta en el espacio y sus elementos tienen la forma (2−2t , 3−3t , 1−t ), mientras
P representa un plano, y su elemento general se escribe como (x, 12 x, z). Al sumar estos
elementos tenemos (t + x, 1 − 3t + 12 x, 1 + t + z) que nos genera todo R3 pues tenemos
3 grados de libertad es decir se puede escoger libremente tres variables. Por otro lado
cuando igualamos coordenada a coordenada tenemos el sistema
2 − 2t = x
3 − 3t = 12 x
1−t = z
v = k1 v 1 + k2 v 2 + · · · + kn v n ,
Los coeficientes de la combinación lineal son únicos, y para encontrarlos, basta con resolver el
sistema de ecuaciones lineales, que se forma a partir de la igualdad que aparece en la definición
de combinación lineal.
Mostrar que en R3 el vector (−7, 7, 7) es una combinación lineal de (−1, 2, 4), (5, −3, 1) y 70
(2, 1, 0).
Solución .
Escribimos (−7, 7, 7) = k 1 (−1, 2, 4) + k 2 (5, −3, 1) + k 3 (2, 1, 0), desarrollando esta igualdad
obtenemos el sistema
−k 1 + 5k 2 + 2k 3 = −7
2k 1 − 3k 2 + k 3 = 7
4k 1 + k 2 = 7
Espacios Vectoriales
El hecho de escribir un vector como combinación lineal de otros es muy importante pues nos
permite simplificar muchos cálculos, en particular podemos definir lo siguiente
Definición 3.9 Conjunto generador
Dado un espacio vectorial V , se dice que los vectores v 1 , v 2 , . . . v n ∈ V forman un conjun-
to generador de V , si cualquier vector en V se puede escribir como una combinación
lineal de ellos. Es decir, para todo v ∈ V existen escalares a 1 , a 2 , . . . a n tales que
v = a1 v 1 + . . . + an v n .
Es claro que los conjuntos de vectores {(1, 0), (0, 1)} y {(1, 0, 0), (0, 1, 0), (0, 0, 1)} generan a R2 y
R3 respectivamente. Sin embargo hay muchos más conjuntos de vectores que pueden generar
estos espacios.
Para saber si un conjunto de vectores es generador de un espacio vectorial V , basta con escribir
un elemento general del espacio como combinación lineal de los vectores y verificar que esté
bien definido para todos sus valores.
Observación
Decir que una operación esta bien definida, significa que podemos realizar tal operación
para todos los valores de la variable, por ejemplo la función x1 no esta bien definida para
los reales, pues no podemos evaluar en x = 0.
Mostrar que el conjunto de vectores {(2, 3, 1), (−1, 2, 0), (4, 3, 1)} genera a R3 .
Solución .
Expresamos un vector general de R3 como combinación lineal de estos vectores; es decir,
(x, y, z) = k 1 (2, 3, 1) + k 2 (−1, 2, 0) + k 3 (4, 3, 1). Luego formamos el sistema de ecuaciones
11z−2x−y y−3z 2x+y−7z
lineales y lo resolvemos, para obtener los valores k 1 = 4 , k2 = 2 y k3 = 4 .
Finalmente, como k 1 , k 2 , k 3 están definidas para todo x, y, z, decimos que el conjunto de
3.3 Dependencia e independencia lineal Álgebra lineal.
Algo muy importante dentro de las operaciones vectoriales es que, cuando trabajamos con
vectores, estos deben ser independientes unos de otros; en caso contrario, solo estaríamos tra-
bajando mucho sin obtener resultados nuevos.
Para saber cuando dos vectores o más son independientes unos de otros, tenemos la siguiente
definición.
Definición 3.10 Dependencia lineal
Un conjunto finito de vectores v 1 , v 2 , . . . v n es linealmente dependiente si cumple cual-
quiera de las siguientes afirmaciones:
2. El vector cero se puede expresar como combinación lineal de todos ellos con coe-
ficientes no todos iguales a cero.
Mostrar que los vectores u = (1, 2, 4), v = (2, 5, −3) son linealmente independientes en R3 .
Solución .
Escribimos (0, 0, 0) = a(1, 2, 4) + b(2, 5, −3), al igualar cada coordenada obtenemos el sis-
tema
0 = a + 2b
0 = 2a + 5b cuya única solución es a = b = 0, y por la definición de dependencia
0 = 4a − 3b
lineal parte 2, los vectores son linealmente independientes
3.3 Dependencia e independencia lineal Álgebra lineal.
Observación
Solución .
Como la dimensión del espacio es 3 y tenemos 4 vectores entonces por la observación ??
los vectores son linealmente dependientes.
Espacios Vectoriales
Algunas propiedades de los vectores linealmente dependientes e independientes son las si-
guientes:
Proposición 3.2
Un conjunto de vectores es linealmente independiente si el determinante formado por
ellos es diferente de cero.
Observación
La proposición 3.2 es muy útil, pues simplifica mucho la tarea a la hora de saber si el
conjunto de vectores es linealmente independiente; sin embargo, sólo funciona cuando
el determinante que se forma es cuadrado.
3.4 Base y dimensión de un espacio vectorial Álgebra lineal.
Solución .
73
Debemos formar el determinante considerando cada matriz como una columna o ren-
glón del determinante, realizándolo en un orden específico.
1 3 1 4
−2 3 5 1
2 −3 −1 −2
3 −1 2 −1
Como este determinante es igual a −47, por la proposición ?? sabemos que los vectores
son linealmente independientes.
Solución .
En el ejmplo ?? se mostró que los vectores 1, x, x 2 y x 3 generan a P 3 por lo que la dimen-
sión de P 3 es igual a cuatro.
La dimensión del espacio vectorial formado con los puntos de una línea recta que pasa
por el origen es 1, no importa si está definida en el plano o en el espacio.
3.4 Base y dimensión de un espacio vectorial Álgebra lineal.
La dimensión de Rn = n para n ≥ 0.
Espacios Vectoriales
Ejemplo 3.19 Cuatro vectores generadores de R3
Determinar si el conjunto de vectores {(1, 2, 4), (3, 2, −1), (1, 1, 1), (0, 1, 3)} generan a R3
Solución .
Es claro que los cuatro vectores son linealmente dependientes pues la dimensión del
espacio es 3, sin embargo si tomamos los vectores {(1, 2, 4), (3, 2, −1), (1, 1, 1)} estos son li-
nealmente independientes pues su determinante es distinto de cero, como son tres vec-
tores en un espacio de dimensión 3, concluimos que el conjunto si genera a R3 .
Veamos ahora la relación entre conjunto de vectores linealmente independientes y las bases de
un espacio vectorial.
Observación
Si se conoce la dimensión del espacio vectorial, entonces para probar que un conjunto de
vectores es una base, basta con verificar que dicho conjunto tiene la misma cantidad de
vectores que la dimensión del espacio y que es un conjunto linealmente independiente.
Cada espacio vectorial puede contener una cantidad infinita de bases, pero hay una en particu-
lar que se conoce como base canónica o estándar, esto debido a la sencillez con que se puede
representar un elemento del espacio en términos de esta base.
Algunas de las bases estándar mas conocidas son:
El conjunto de vectores {(1, 0), (0, 1)}, que forman la base canónica de R2 .
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, que forman la base canónica de R3 .
U = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},V = {(2, −1, 0), (2, 3, 1), (0, −1, 4)},W = {(2, −1, 0), (2, 3, 1), (0, 4, 1)}
por lo que los vectores de V son linealmente independientes y generan una base, mien-
tras que W no forma una base.
.
Solución .
El conjunto P representa un plano en el espacio que pasa por el origen por lo que es es-
pacio vectorial y además tiene dimensión 2, por lo que necesitamos dos vectores lineal-
mente independientes que pertenezcan al plano, estos pueden ser {(1, 2, 0), (−1, 1, 1)}.
Solución .
Los elementos de U son de la forma (x, y, 2x + 3y, w) como es un subespacio de R4 basta
con probar las dos condiciones de subespacios:
2. Dado k y (x, y, 2x+3y, w), tenemos que k(x, y, 2x+3y, w) = (kx, k y, 2kx+3k y, kw) ∈
U.
Espacios Vectoriales
v = k1 v 1 + k2 v 2 + . . . + kn v n . (3.1)
El vector cuyas componentes son los coeficientes de v, denotado por [v]B , se llama vec-
tor de coordenadas (vector coordenado) de V con respecto a B; es decir,
k1
k2
[v]B = ..
.
kn
La ecuación 3.1 nos permite encontrar las componentes de un vector, expresado en términos
de una base arbitraria, a partir de su expresión en la base canónica.
Dada la base B = {(1, 0, −1), (−1, 1, 0), (1, 1, 1)} de R3 y el vector v = (2, 3, 1)
1. Escribir el vector v en términos de la base B; es decir, obtener [v]B .
Observación
Observación
En Rn cualquier base esta representada por lo que conocemos como ejes coordenados
para saber como ubicarlos simplemente debemos graficar cada vector de la base toman-
do en cuenta la base canónica.
Para ubicar un vector de coordenadas en el plano o el espacio, procedemos de igual forma que
como lo hacemos para la base canónica, es decir, se ubica las componentes del vector en cada
eje (vector de la base) y luego se trazan paralelas al otro eje.
Por ejemplo, supongamos que tenemos el vector v = (5, 5) ∈ R2 y queremos expresarlo en tér-
minos de la base B = {(2, 3), (1, −1)}; después de realizar los cálculos correspondientes, encon-
tramos que [v]B = (2, 1). Si realizamos la gráfica de cada uno, obtenemos
6 H5, 5L 2
6 (2, 1)
4 4
1
2 -3
2
-2
-1
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-2 -2 1
-1
2
-4 -4
3
v2
-6 v1 -6
(a) Vector expresado en términos de la ba- (b) Vector expresado en términos de la ba-
se canónica se B = {(2, 3), (1, −1)}
Notemos que las unidades de medición en la base B son de distinta longitud; ésto se debe a
que la magnitud de los vectores de esta base es distinta de 1.
Escribir el vector v = (−1, 1) en términos de la base B = {(1, −1), (−1, 2)} de R2 y graficar
este vector en las dos bases.
Solución .
Debemos escribir v como combinación lineal de la base B, es decir, (−1, 1) = k 1 (1, −1) +
k 2 (−1, 2) y resolver el sistema formado
(
−1 = k 1 − k 2
1 = −k 1 + 2k 2
3.5 Ortonormalización Álgebra lineal.
cuya solución es k 1 = −1 y k 2 = 0, por lo tanto [v]B = (1, 0). Las gráficas correspondientes
son:
2 2
1
(-1, 1) (1, 0)
1 1
1
-2 -1 1 2 -2 -1 1 2
78
-1 -1
-1 v1
-2 -2 -1 v2
Espacios Vectoriales
realizar este cambio, esto lo hacemos de la manera que a continuación describimos.
La columna i −ésima está constituida por las coordenadas en la base B2 , del vector u i de la
base B1 .
Para calcular las componentes de un vector en términos de la base B2 a partir de la base B1 ,
tenemos la siguiente
Tomemos la base B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y sea B2 = {(1, 0, 2), (3, −1, 0), (0, 1, −2)},
verificar que B2 es una base para R3 y escribir [v]B1 = (1, −2, 4) en términos de B2 .
Solución .
Si calculamos el determinante formado por los vectores de B2 , observamos que
¯ ¯
¯ 1 3 0 ¯¯
¯
¯ 0 −1 1 ¯=8
¯ ¯
¯ 2 0 −2 ¯
¯ ¯
3.5 Ortonormalización Álgebra lineal.
como es distinto de cero, entonces B2 es una base. Ahora, para obtener la matriz de
transición de B1 a B2 , calculamos primero sus vectores; esto es
Como la base B1 es la base canónica, podríamos calcular [v]B2 con la ecuación 3.1; es decir,
escribimos
(1, −2, 4) = d 1 (1, 0, 2) + d 2 (3, −1, 0) + d 3 (0, 1, −2),
y resolviendo este sistema tenemos que d 1 = 1/4, d 2 = 1/4, d 3 = −7/4, con estos valores pode-
mos escribir finalmente
1/4 2
1
[v]B2 = 1/4 = 2 .
8
−7/4 −14
1. u i · u j = 0 para todo i 6= j
2. u i · u i = 1.
Para hacer que los vectores sean ortogonales, recordemos de cálculo vectorial que un vector u
se proyecta sobre otro vector v mediante la siguiente fórmula:
v ·u
pr oy v (u) = v
|v|2
v·u
Ahora, si escogemos el vector w = u − |v|
80
2 v, entonces v y w son ortogonales, como lo ilustra la
gráfica
u w=u-proyv HuL
Espacios Vectoriales
proyv HuL
v
P.1) Elección del primer vector unitario. Tomamos el vector v 1 y lo dividimos entre su
v
magnitud para hacerlo unitario; al resultado lo llamaremos u 1 , es decir, u 1 = |v 1 | .
1
P.2) Elección del segundo vector unitario. Proyectamos el vector v 2 sobre u 1 , para
obtener
v 2 · u1
v 2′ = v 2 − u 1 = v 2 − (v 2 · u 1 )u 1 ésto último se debe a que |u 1 | = 1.
|u 1 |2
P.3) Elección del k +1 vector unitario. Supongamos que se han construido los vectores
{u 1 , u 2 . . . u k } y que forman un conjunto ortonormal. Para construir u k+1 tenemos
′
v k+1 = v k+1 − (v k+1 · u 1 )u 1 − (v k+1 · u 2 )u 2 − . . . − (v k+1 · u k )u k
′
v k+1
Finalmente u k+1 = ′
|v k+1 |
.
3.5 Ortonormalización Álgebra lineal.
Construir
una
baseortonormal para R3 , comenzando con la base {v 1 , v 2 , v 3 } =
1
0 1
1 , 1 , 0 .
0 1 1 81
Solución .
Podemos comenzar con cualquier vector, pero procederemos en el orden dado.
(1, 1, 0) 1 1
µ
¶
u1 = p = p , p ,0 .
12 + 12 + o 2 2 2
(− 1 , 1 , 1) 1 1 2
µ ¶
u2 = q 2 2 = −p , p , p
1 1 6 6 6
4 + 4 +1
1.• Indicar cuales de las propiedades 1, 3, 4, 5, 6, 7 de espacios vectoriales fallan en los siguien-
tes conjuntos.
a.• El conjunto de los números enteros.
b.• El conjunto de los números racionales.
82
c.• El conjunto de los números reales.
d.• El conjunto de matrices diagonales de 3 × 3.
e.• El conjunto de todas las lineas rectas horizontales en el plano.
f.• El conjunto de todos los círculos centrados en el origen, de radio r ≥ 0, con la suma y
producto de funciones.
g.• El conjunto de polinomios de grado menor o igual a 3 de la forma ax 3 +bx 2 +c x +d , con
Espacios Vectoriales
a < 0.
h.• El conjunto V = {2}.
i.• V = {x ∈ R : x ∈ (−2, 2)}. Ã !
0 a
j.• El conjunto de matrices de 2 × 2 que tienen la forma .
b 1
k.• El conjunto de matrices simétricas de 3 × 3.
c f g
formado por las matrices de 3 × 3.
0 1 1 3 5
−4
(Ã ! Ã !) (Ã ! Ã !)
• 2 −1 −1 3
5. Dadas las bases B1 = , y B2 = , :
1 2 1 2
a.• Encontrar la matriz de transición de B1 a B2 .
b.• Dado el vector [v]B1 = (3, 3), encontrar [v]B2 .
0
1 3
1 −1 0
6.• Dadas las bases B1 = 1 , 4 , 0 y B2 = 1 , 1 , 0 :
3 2
−4 −1 −1 −4
a.• Encontrar la matriz de transición de B1 a B2 .
3.6 Evaluaciones sumativas Álgebra lineal.
7.• Determine
(Ã si los!siguientes
à conjuntos
! Ã son
! linealmente
à !) dependientes o independientes.
1 2 −1 3 2 −1 1 4
a.• A = , , ,
3 6 −1 1 0 1 4 9
1
−1
2
83
b.• B = 3 , −1 , 0
4 2 2
0
−1 2
c.• C = 1 , −4 , 4
2
−3 −2
8.• En los siguientes incisos, encontrar una base ortonormal para el espacio dado.
3
−1 3
b.• H = {(x, y, z) : 2x − y − z = 0}
a.• 1 , 6 , −2 .
2 7 4
4 Transformaciones Lineales
85
Actividades de Aprendizaje
Establecer una analogía entre la relación de convertir un vector de materias primas mul-
tiplicadas por una matriz de transformación a un vector de productos con la definición
de transformación lineal.
Definir y obtener el núcleo y la imagen de una transformación lineal, así como la dimen-
sión del núcleo y de la imagen.
1. T (u + v) = Tu + T v.
2. T (kv) = kT (v).
4.1 Definición y propiedades de una transformación lineal Álgebra lineal.
Observación
Solución .
Transformaciones Lineales
Debemos comprobar las dos propiedades de la definición:
Observación
Para probar que una transformación es lineal es indispensable realizar la prueba con ele-
mentos generales, para probar que no es basta con exhibir un caso particular en donde
falle alguna propiedad.
4.1 Definición y propiedades de una transformación lineal Álgebra lineal.
Solución .
87
Veamos que la propiedad 2 falla, para esto consideremos el vector v = (2, 1) y k = 2
" Ã !# Ã ! 4+2 6
2 4
T 2 =T = 4−2−2 = 0
1 2
3(2)2 12
La transformación diferencial: tal que para cada f ∈ C 1 (R, R), es decir para cada función
f continua y derivable T ( f ) = f ′ .
Solución . Ã ! Ã !
x x cos θ − y sen θ
la matriz de transformación está dada por T = .
y x sen θ + y cos θ
4.1 Definición y propiedades de una transformación lineal Álgebra lineal.
Transformaciones Lineales
T k =T =
y ky kx sen θ + k y cos θ
Como su nombre lo indica, esta trasformación nos permite rotar vectores un cierto ángulo
(determinado por el valor de θ).
Proposición 4.1
En una transformación lineal T : V → W , el vector cero del espacio V siempre esta aso-
ciado con el vector cero de W , esto es: T (0V ) = 0W .
Teniendo en cuenta que las transformaciones lineales son similares a las funciones entre con-
juntos, tiene sentido estudiar la validez de las propiedades usuales de las funciones: inyectivi-
dad, suprayectividad y biyectividad. Para esto recordemos del cálculo diferencial que
Una función es inyectiva o función 1 a 1, si cada elemento distinto del dominio esta
relacionado con uno diferente del codominio.
Una función es suprayectiva si todos los elementos del codominio están relacionados.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres par-
ticulares, como se puede observar en la siguiente definición.
4.2 Núcleo e imagen de una transformación lineal Álgebra lineal.
1. T es un monomorfismo si T es inyectiva.
2. T es un epimorfismo si T es suprayectiva. 89
3. T es un isomorfismo si T es biyectiva.
V
T W
v8 w1
v5
v7 W7
v1
v4 0w
0v
v6
w3
v2
v3
Núcleo de T
Transformaciones Lineales
por lo que los vectores (1, −1, 1) y (−2, 2, −2) pertenecen al núcleo de T .
Para hallar el núcleo de una transformación lineal, se toma un vector arbitrario en el dominio
y se le aplica la transformación lineal, enseguida se iguala a cero el resultado y se resuelve el
sistema formado. La solución de este sistema nos dará un conjunto de vectores linealmente
independientes {v 1 , v 2 , . . . v n } que, se puede probar, generan al núcleo de la transformación;
por lo que podemos escribir
nuT = g en{v 1 , v 2 , . . . v n }
Proposición 4.2
La dimensión del núcleo está determinada por la cantidad de vectores linealmente inde-
pendientes que contiene el conjunto generador del núcleo.
Solución .
Al igualar cada componente del vector resultado a cero obtenemos el sistema
x+y = 0
x = 0
y= 0
Solución .
4.2 Núcleo e imagen de una transformación lineal Álgebra lineal.
Dado que la derivada de una función es igual a cero si y sólo si la función es constante,
entonces el núcleo de la transformación consiste en el conjunto de todas las funciones
constantes.
Proposición 4.3
Sea T : V → W una transformación lineal, entonces T es un monomorfismo si y sólo si
91
nuT = {0v }.
Demostración .
⇒) Supongamos que existe un elemento v 6= 0v tal que v ∈ nuT , entonces T (v) = 0w ;
pero sabemos que T (v 0) = 0w , es decir, tenemos dos elementos del dominio asociados
con uno del codominio, esto significa que no es monomorfismo, lo cual contradice la
hipótesis.
⇐) Para ver que T es monomorfismo sabiendo que nuT = {0v }, tomemos dos elementos
w 1 = T (v 1 ) y w 2 = T (v 2 ) en W , y probemos que si w 1 = w 2 , entonces v 1 = v 2 . Así, si
tenemos w 1 = w 2 , significa que T (v 1 ) = T (v 2 ); es decir, T (v 1 ) − T (v 2 ) = 0w . Por tratarse
de una transformación lineal, ésto último lo podemos escribir como T (v 1 − v 2 ) = 0w .
Además, como por hipótesis el único elemento de V que tiene asignado al 0w es el 0v , se
debe cumplir que v 1 − v 2 = 0v , es decir, v 1 = v 2 .
Solución . (
x +y −z =0
Si igualamos a cero la transformación, obtenemos el sistema , que al resol-
z −x =0
ver indica que x = z y y = 0, por lo que el nuT 6= {0}. Por la proposición ??, la transforma-
ción no es monomorfismo y por lo tanto tampoco un isomorfismo.
La imagen de una transformación lineal T : V → W , está formada por todos los elementos del
espacio vectorial W que están relacionados con algún vector de V mediante dicha transforma-
ción.
Para saber si un vector pertenece a la imagen necesitamos encontrar un vector (x, y, z) tal que
al aplicarle la transformación nos de como resultado el vector que queremos verificar, ésto lo
hacemos igualando la transformación a nuestro vector y resolviendo el sistema que se forma.
4.2 Núcleo e imagen de una transformación lineal Álgebra lineal.
En caso de que el sistema no tenga solución significa que el vector no pertenece a la imagen de
la transformación.
Verificar si los vectores (2, −2), (−2, 5) y (−3, 0) pertenecen a la imagen de T : R3 → R2 tal
x Ã
x −z
! 92
que T y = .
y +z
z
Solución .
Igualando la transformación a el vector (2, −2), tenemos
(
x −z = 2
y + z = −2
Transformaciones Lineales
cuya solución esta dada por las ecuaciones x = 2+ z, y = −2− z, es decir al escoger un va-
lor para z tenemos una terna (x, y, z) que mediante la transformación va al vector (2, −2),
por lo que este vector pertenece a la imagen de T .
Para los vectores (−2, 5) y (−3, 0) realizamos el mismo procedimiento
( (
x − z = −2 x − z = −3
y
y +z = 5 y +z = 0
cuyas soluciones sonx = −2 + z, y = 5 − z y cuya solución esta dada por las ecuaciones
x = −3 + z, y = −z respectivamente, por lo que ambos pertenecen a la imagen de T .
Determinar
la imagen de la transformación lineal T : R3 → R3 tal que
x 2x + 5y + z
T y = 8x + 12y + 6z .
z −4x − 2y − 4z 93
Solución .
Igualando el vector generado por la transformación T a un vector arbitrario, digamos
(a, b, c) ∈ R3 , tenemos
2x + 5y + z a
8x + 12y + 6z = b
−4x − 2y − 4z c
Al tratar de resolver este sistema, se observa que tiene solución si y solo si −2a +b +c = 0,
es decir, si y solo si a = b+c
2 . Finalmente, escribiendo el vector (a, b, c) como combinación
lineal de dos vectores con coeficientes b, c obtenemos
a 1/2 1/2
b = b 1 + c 0
c 0 1
0 1
z 0
Solución .
Al resolver el sistema asociado observamos que tiene solución si y solo si c = 0, por lo
que para a, b tenemos libertad de escoger sus valores y entonces expresamos el vector
(a, b, c) como
a 1 0
b = a 0 + b 1 ,
c 0 0
por lo tanto la imagen de la transformación T es
1
0
i m T = g en 0 , 1
0 0
Proposición 4.4
La imagen de una transformación lineal es un subespacio vectorial del codominio.
Demostración .
Sea T : V → W una transformación lineal, veamos que el conjunto T (V ) ⊂ W cumple las
tres propiedades para ser subespacio vectorial
94
1. Como T es una transformación lineal, se tiene que T (0v ) = 0w , esto significa que
0w ∈ T (V ).
Transformaciones Lineales
por lo tanto, la imagen es subespacio vectorial del codominio.
Una relación importante que tienen los espacios vectoriales del dominio, el núcleo y la imagen
de una transformación con respecto a sus dimensiones, se establece en la siguiente proposi-
ción.
Proposición 4.5
El núcleo y la imagen de una transformación lineal T : V → W son subespacios vecto-
riales de V y W respectivamente; además, la dimensión de V es igual a la suma de la
dimensión del núcleo y la dimensión de la imagen, es decir:
Sea ÃT : M 22 →
! M 22 tal que para cualquier matriz A de 2 × 2 tenemos T (A) = AB con
1 2
B= . Hallar el núcleo y la imagen usando la proposición 4.5
−5 1
Solución .
Si aplicamos la transformación lineal para una matriz A general, tenemos
"Ã !# Ã !Ã ! Ã !
a b a b 1 2 a − 5b 2a + b
T (A) = T = =
c d c d −5 1 c − 5d 2c + d
que al resolverlo obtenemos a = b = c = d = 0 por lo que el nuT = {0} es decir, tiene di-
mensión cero y haciendo uso de la ecuación 4.1, tenemos que la dimensión de la imagen
es 4 o sea todo M 2 2 .
4.3 Representación matricial de una transformación lineal Álgebra lineal.
Solución .
Al aplicar la transformación a cada uno de los elementos de la base canónica R3 se tiene
1 Ã ! 0 Ã ! 0 Ã !
1 0 0
T 0 = , T 1 = , T 0 =
0 1 0
0 0 1
por lo que al escribir como columna cada resultado obtenemos la matriz de transforma-
ción à !
1 0 0
AT = .
0 1 0
La representación matricial de una transformación lineal, nos permite obtener una base de
la imagen, pues ésta estará formada por todos los vectores linealmente independientes que
generan dicha imagen.
x−y
x
y +z
T y = ;
2x − y − z
z
−x + y + 2z
Solución .
4.3 Representación matricial de una transformación lineal Álgebra lineal.
1 0
−1
1 0 0
0 1 1
T 0 = , T 1 = , T 0 = .
2 −1 −1
0 0 1
−1 1 2
96
La matriz de transformación es
1 −1 0
0 1 1
AT = .
2 −1 −1
−1 1 2
Claramente se observa que los tres vectores columna son linealmente independientes,
Transformaciones Lineales
por lo que la dimensión de la imagen es 3; tomando estos vectores de A T , tenemos que
1 0
−1
0 1 1
i mT = g en , , .
2 −1 −1
−1 1 2
Una forma fácil de saber cuantos vectores linealmente independientes contiene una matriz,
es reducirla a su forma escalonada mediante el proceso de Gauss; ésto nos dará una forma
cuadrada de la matriz (eliminando columnas o filas de ceros) y mediante su determinante es
posible saber si son dependientes o independientes. Por ejemplo, al reducir la matriz anterior
obtenemos
1 −1 0
0 1 1
AT = ,
0 0 1
0 0 0
cuyo determinante de la parte cuadrada es igual a 1 y en consecuencia los 3 vectores contenidos
en la matriz son linealmente independientes.
T (0 + x + 0x 2 ) = x(0 + x + 0x 2 ) = 0 + 0x + x 2 + 0x 3 ,
T (0 + 0x + x 2 ) = x(0 + 0x + x 2 ) = 0 + 0x + 0x 2 + x 3 .
4.3 Representación matricial de una transformación lineal Álgebra lineal.
Poniendo los coeficientes de cada resultado como vector columna, formamos la matriz
asociada
0 0 0
1 0 0
AT = ,
0 1 0
0 0 1
97
que ya está escalonada y tiene dimensión 3; por lo tanto, i mT = g en{x, x 2 , x 3 }. Final-
mente, por la proposición 4.5, la dimensión del núcleo es igual a cero.
z −6x + 3y − 9z
Ayuda:
2. Encontrar
elúnico
vector linealmente independiente para concluir que i mT =
2
g en 4 .
−6
1 1
Hasta este momento, hemos construimos matrices de transformaciones lineales usando la ba-
se canónica para los espacios vectoriales. Sin embargo, podríamos preguntarnos: ¿qué pasará
si tomamos una base diferente?, ¿la matriz seguirá siendo la misma? El siguiente resultado nos
proporciona la respuesta; sin embargo, su demostración y aplicación no forman parte de este
curso, de manera que únicamente mostraremos el siguiente teorema.
Teorema 4.1
Sea V un espacio vectorial de dimensión n y W un espacio de dimensión m, sea T :
V → W una transformación lineal. Sea B 1 = {v 1 , v 2 , . . . v n } una base para V y sea B 2 =
{w 1 , w 2 , . . . w m } una base para W . Entonces existe una matriz única A T de mxn tal que
[T (x)]B 2 = A T ([x]B 1 ).
Este teorema nos indica que cada vez que tomemos bases diferentes, para los espacios vec-
toriales de una transformación lineal tendremos una representación matricial diferente, sin
embargo cualquiera de estas matrices será similar a las otras.
Observación
Recuerda que dos matrices A, B son similares si existe otra matriz no singular P tal que
A = P −1 B P .
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
Proposición 4.6
Transformaciones Lineales
especiales llamadas expansiones, compresiones, reflexiones, cortes y rotaciones.
Recordemos que al multiplicar un vector por un escalar c > 1, el resultado será un vector c
veces más grande que el vector original, si solo multiplicamos una componente entonces el
vector crecerá solamente en la dirección correspondiente a esa componente, con esta idea en
mente podemos definir
Definición 4.7 Expansión sobre el eje X
Una expansión a lo largo del eje X es una transformación lineal T : R2 → R2 que mul-
tiplica a la coordenada x de un vector en R2 por una constante |c| > 1 y se representa
como: Ã ! Ã !
x cx
T =
y y
Observación
Por expansión sobre el eje X debemos entender que el efecto no es estirar la figura hori-
zontalmente hacia los dos lados, sino multiplicar por c cada una de las coordenadas en
x.
Solución .
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
La matriz correspondiente es à !
3 0
AT =
0 1
Al aplicarla a cada vector tenemos
99
à !à ! à ! à !à ! à ! à !à ! à ! à !à ! à !
3 0 1 3 3 0 3 9 3 0 3 9 3 0 1 3
= , = = , = .
0 1 1 1 0 1 1 1 0 1 3 3 0 1 3 3
2 4 6 8 10 2 4 6 8 10
-1 -1
Una expansión a lo largo del eje Y es una transformación lineal T : R2 → R2 que mul-
tiplica a la coordenada y de un vector en R2 por una constante |c| > 1 y se representa
como: Ã ! Ã !
x x
T = .
y cy
Observación
Por expansión sobre el eje X debemos entender que el efecto no es estirar la figura hori-
zontalmente hacia los dos lados, sino multiplicar por c cada una de las coordenadas en
x.
Hallar la matriz de transformación para expandir -1.5 veces el eje Y y aplicarlo al círculo
de radio 2 centrado en el origen.
Solución .
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
La matriz correspondiente es à !
1 0
AT =
0 −1.5
Consideremos los puntos (−2, 0), (0, −2), (2, 0) y (0, 2) que corresponden al círculo pedido
y apliquemos la transformación
à !à ! à ! à !à ! à ! 100
1 0 −2 −2 1 0 2 2
= , = ,
0 −1.5 0 0 0 −1.5 0 0
à !à ! à ! à !à ! à !
1 0 0 0 1 0 0 0
= , = .
0 −1.5 −2 3 0 −1.5 2 −3
Geométricamente la transformación es:
Transformaciones Lineales
3 3
2 2
1 1
-3 -2 -1 1 2 3 -3 -2 -1 1 2 3
-1 -1
-2 -2
-3 -3
Ahora al multiplicar un vector por un escalar |c| < 1, el resultado será un vector c veces más
pequeño que el vector original,
Definición 4.9 Contracción sobre el eje X
Una contracción a lo largo del eje X es una transformación lineal T : R2 → R2 que mul-
tiplica a la coordenada x de un vector en R2 por una constante |c| < 1 y se representa
como: Ã ! Ã !
x cx
T =
y y
Una contracción a lo largo del eje Y es una transformación lineal T : R2 → R2 que mul-
tiplica a la coordenada y de un vector en R2 por una constante |c| < 1 y se representa
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
como: Ã ! Ã !
x x
T = .
y cy
Hallar la matriz de transformación para contraer 0.5 veces el eje X y aplicarlo al triángulo
rectángulo con vértices (0, 0), (−2, 0) y (−2, 2).
Solución .
La matriz correspondiente es à !
0.5 0
AT =
0 1
Aplicando la matriz de transformación
à !à ! à ! à !à ! à ! à !à ! à !
0.5 0 0 0 0.5 0 −2 −1 0.5 0 −2 −1
= , = , = ,
0 1 0 0 0 1 0 0 0 1 2 2
2 2
1 1
-3 -2 -1 1 -3 -2 -1 1
-1 -1
Cuando se multiplica el vector por un escalar negativo en particular por −1, éste cambia de
dirección, si solo se multiplica una componente, entonces se produce un efecto de reflexión
sobre el eje que corresponde a la componente que se está multiplicando.
à ! à !
x −x
T = , refleja a un vector respecto al eje Y .
y y
à ! à !
x y
T = , refleja a un vector respecto a la recta x = y.
y x 102
Al aplicar la transformación sobre la base canónica de R2 obtenemos las siguientes matrices:
à !
1 0
, que es la matriz de transformación correspondiente a la reflexión respecto al
0 −1
Transformaciones Lineales
eje X .
à !
−1 0
, que es la matriz de transformación correspondiente a la reflexión respecto al
0 1
eje Y .
à !
0 1
, que es la matriz de transformación correspondiente a la reflexión respecto a la
1 0
recta x = y.
Reflejar respecto a la recta x = y la figura descrita por los siguientes puntos, (−4, −1),
(−4, −3), (−6, −3), (−3, −6), (0, −3), (−2, −3), (−2, −1) y (−4, −1).
Solución .
Aplicando la matriz de transformación para reflejar sobre la recta x = y
à !à ! à ! à !à ! à !
0 1 −4 −1 0 1 0 −3
1. = 5. =
1 0 −1 −4 1 0 −3 0
à !à ! à ! à !à ! à !
0 1 −4 −3 0 1 −2 −3
2. = 6. =
1 0 −3 −4 1 0 −3 −2
à !à ! à ! à !à ! à !
0 1 −6 −3 0 1 −2 −1
3. = 7. =
1 0 −3 −6 1 0 −1 −2
à !à ! à ! à !à ! à !
0 1 −3 −6 0 1 −4 −1
4. = 8. =
1 0 −6 −3 1 0 −1 −4
Geométricamente la transformación es:
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
2 2
-6 -4 -2 2 -6 -4 -2 2
-2 -2
103
-4 -4
-6 -6
Si ahora, en vez de multiplicar las componentes de un vector le sumamos una cantidad escalar
variable, obtenemos algunas deformaciones interesantes, en particular tenemos los siguientes.
Definición 4.12 Corte sobre el eje X
La matriz de transformación que se obtiene al aplicar la trasformación lineal sobre la base ca-
nónica es: Ã !
1 c
AT =
0 1
Encontrar la matriz de transformación para realizar un corte sobre el eje X con la cons-
tante c = 2 y aplicarlo al cuadrado definido por los puntos (1, 1), (3, 1), (3, 3) y (1, 3).
Solución .
Aplicando la matriz de transformación para reflejar sobre la recta x = y
à !à ! à ! à !à ! à !
1 2 1 3 1 2 3 9
1. = 3. =
0 1 1 1 0 1 3 3
à !à ! à ! à !à ! à !
1 2 3 5 1 2 1 7
2. = 4. =
0 1 1 1 0 1 3 3
Geométricamente la transformación es:
6 6
5 5
4 4
3 3
2 2
1 1
2 4 6 8 2 4 6 8
-1 -1
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
Es posible también hallar una transformación lineal que gira θ grados a un punto P con res-
Transformaciones Lineales
pecto al origen. Esto lo hacemos haciendo uso de coordenadas polares; es decir, si tenemos el
punto (x, y) expresado en términos de coordenadas polares como
(
x = r cos φ
(4.2)
y = r sen φ
y queremos girarlo un ángulo de θ grados con respecto al origen, las nuevas coordenadas (x ′ , y ′ )
serían (
x ′ = r cos(φ + θ)
(4.3)
y ′ = r sen(φ + θ)
Escribiendo la ecuación 4.3 en forma matricial y con la ayuda de la identidad 4.4, tenemos:
à ! à !à !
x′ cos θ − sen θ x
′ =
y sen θ cos θ y
Girar 70 grados el rectángulo con vértices (1, 2), (2, 2), (1, −3), (2, −3) y representarlo grá-
ficamente.
Solución .
105
Solución .
Aplicando la matriz de transformación a cada vector
2 2
1 1
-3 -2 -1 1 2 3 4 -3 -2 -1 1 2 3 4
-1 -1
-2 -2
-3 -3
-4 -4
0 0 1
donde las constantes c y d son los valores que se traslada el objeto en el eje X y Y respectiva-
mente.
4.4 Geometría y aplicaciones de las transformaciones lineales Álgebra lineal.
Transformaciones Lineales
1
Con estos pequeños cambios, podemos trabajar todas las transformaciones geométricas sin
problemas, entendiendo que si esta incluida una traslación, trabajaremos solamente con ma-
trices de 3 × 3; si no hay traslaciones podemos trabajar en el plano, es decir, simplemente con
matrices de 2 × 2 .
Solución .
1 0 5
La matriz de transformación es 0 1 −3. La aplicamos a algunos puntos específicos
0 0 1
del círculo; por ejemplo, a los puntos (1, 0, 1), (0, 1, 1), (−1, 0, 1), (0, −1, 1), para obtener las
nuevas coordenadas de dichos puntos.
4 4
2 2
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-2 -2
-4 -4
à !
1 0
3. Una reflexión a lo largo del eje X representado por la matriz .
0 −1
à !
1 0
4. Un corte respecto del eje Y representado por .
3 1
La matriz que representa todas estas transformaciones aplicadas una seguida de otra, se obtie-
ne multiplicando las matrices dadas, pero acomodándolas de izquierda a derecha, comenzan-
107
do por la última transformación y terminado con la primera; es decir,
à !à !à !à ! à !
1 0 1 0 1 0 1 2 1 2
=
3 1 0 −1 0 2 0 1 3 4
A este proceso se le conoce como concatenación de matrices y nos permite simplificar nuestro
trabajo al juntar dos operaciones o más en una sola. Por ejemplo para ampliar una imagen
c veces debemos expandir sobre el eje X y también sobre el eje Y ésta cantidad de veces, si
concatenamos estas dos matrices, obtenemos
à !à ! à !
1 0 c 0 c 0
=
0 c 0 1 0 c
que representa la matriz de transformación para ampliar (si c > 1)o reducir (si c < 1) un objeto.
Describa la transformación que gira θ grados con respecto a un centro fijo de rotación
(h, k) un punto (x, y) y úsela para rotar 20o el punto (3, 4) respecto al punto (1, 1).
Solución .
Se determina la transformación en tres pasos:
Observación
Cuando se quiere que un punto del objeto a mover se quede fijo es necesario trasladarlo
para que que esté ubicado en el origen.
Amplifíquese el triángulo con vértices A(0, 0), B (1, 1) y C (5, 2) al doble de su tamaño man-
teniendo fijo el vértice C (5, 2).
Solución .
Se determina la transformación en tres pasos:
Trasladar de manera que el punto C (5, 2) se encuentre en el origen.
0 0 1
gulo nos da las nuevas coordenadas, gráficamente tenemos:
108
4 4
2 2
-4 -2 2 4 -4 -2 2 4
-2 -2
Transformaciones Lineales
-4 -4
1.• En los siguientes ejercicios determine si la transformación dada es lineal, en caso negativo
indique que
à ! propiedad
à ! falla.
x x
a.• T = .
y 0
à !
• x
b. T = x y.
y
à ! à !
x 1
c.• T = .
y y
à ! à !
• x x+y
d. T = .
y x−y
à !
−2 3
e.• T (A) = AB donde B = y A una matriz cualquiera de 3 × 2.
1 −1
f.• T (f (x))
R
= f (x)dx donde f (x) es una función integrable.
x 3x − 5y
•
g. T y = 2x − 2z .
z x + y2
1 1 2 0 1
• 3 3
2. Sea T : R → R una transformación lineal tal que T 0 = −1, T 1 = 2 y T −1 =
1 3 0 1 1
3 −1
−1, encontrar T −2.
2 3
1 2
3.• Sea T : R3 → P 2 una transformación lineal tal que T 1 = 1 − 2x + x 2 , T 0 = 3 + x − x 2 y
1 0
4.5 Evaluaciones sumativas Álgebra lineal.
0 2
T 4 = 2 + 3x + 3x 2 , encontrar T −3.
5 1
4.• Sea T : C → C tal que T (z) = (2 + 4i )z + a, determine el valor de a para que T sea transfor-
mación lineal.
5.• Encuentra
109
à ! Ãel!núcleo y la imagen de las siguientes transformaciones.
x x
a.• T = .
y 0
à !
• x
b. T = x + y.
y
à ! à !
x 3x + 2y
c.• T = .
y −x − 32 y
à ! à !
x x+y
d.• T = .
y x−y
à !
• −2 3
e. T (A) = AB donde B = y A una matriz cualquiera de 3 × 2.
1 −1
f.• T ( f (x)) = f (x)d x donde f (x) es una función integrable.
R
6.• Una transformación lineal T : R2 → R3 aplica los vectores base de la siguiente manera,
T (i ) = (1, 0, 1) y T ( j ) = (−1, 0, 1). Calcular T (2i − 3 j ) y determinar la dimensión del núcleo e
imagen de T .
7.• Considérese T : C → C. Definir T (z) = z̄, donde z̄ es el complejo conjugado del número
complejo z. Demuestre que T es una transformación lineal, hállense una base para el núcleo
de T y una base para la imagen de T .
z −3x + 6y + 3z
d.• T : P 2 → P 3 tal que T (p(x)) = p(x)(x + 1).
9.• Realiza las siguientes transformaciones geométricas y bosqueja la región obtenida al apli-
car dicha transformación.
a.• Una expansión de dos unidades a lo largo del eje Y , sobre el rectángulo definido por
(0, 0), (5, 0), (5, 2), (0, 2).
b.• Corte a lo largo del eje Y con c = −1/2 en el rectángulo (−6, −1), (2, −1), (2, 2), (−6, 2).
c.• Reflexión a lo largo de la recta x = y en el rectángulo (−2, −1), (2, −1), (2, 2), (−2, 2).
10.• Escribe la matriz de transformación que se necesita para cambiar el círculo de radio 2
centrado en el origen por una elipse de eje mayor igual a 8 unidades sobre X y eje menor de 2
unidades en Y y que además este centrada en (2, 3).
4.5 Evaluaciones sumativas Álgebra lineal.
11.• Escribir la matriz de reflexión para cualquier punto P (x, y) con respecto a la recta y =
2x + 1 y usarla para hacer la reflexión del punto (2, 1).
12.• Realice la reflexión del polígono en forma de diamante cuyos vértices están en A(−1, 0),
B (0, −2), C (1, 0) y D(0, 2) con respecto a; a) la recta horizontal y = 1; b) la recta vertical x = 2.
110
Transformaciones Lineales
A Fórmulas de geometría
111
Circunferencia r 2πr πr 2 .
Rectángulo b 2a + 2b a b.
a
ah
Triángulo c h b
a +b +c .
2
a
(B + b)h
Trapecio a h 2a + b + B .
2
B
A.2 Figuras geométricas 3D Álgebra lineal.
5L a
Pentágono 5L .
a
2
L
112
Perímetro = nL
Área = nLa
2 nLa
Polígono regular de n la- nL .
a 2
dos
L
Fórmulas de geometría
a=apotema h= altura r=radio
4 3
Esfera 4πr 2 πr .
3
Cubo 6 L2 L3.
Cilindro cerrado 2π r (h + r ) A B h.
A.3 Geometría plana Álgebra lineal.
1
Cono circular recto ce- πr (g + h) A B h.
3
rrado
113
g=generatriz h= altura A B = Área de la base r=radio
1
1. 1 + tan2 (x) = sec2 (x) 5. sec(x) = cos(x)
1
2. 1 + cot2 (x) = csc2 (x) 6. cot(x) = tan(x)
sen(x)
3. 1 − cos2 (x) = sen2 (x) 7. tan(x) = cos(x)
1 cos(x)
4. csc(x) = sen(x) 8. cot(x) = sen(x)
tan(x)−tan(y)
6. tan(x − y) = 1+tan(x) tan(y)
q
5. cos x2 = ± 1+cos
2
x
Fórmulas de trigonometría
4. La función cot x es impar, se cumple que tan(−x) = − tan(x).
c.o. a c.a. b
1. sen A = = 4. cot A = = A
h c c.o. a
c.a. b h c c
2. cos A = = 5. sec A = = b
h c c.a. b
c.o. a h c
3. tan A = = 6. csc A = = B
c.a. b c.o. a a
donde h es la hipotenusa, c.o. es el cateto opuesto y c.a. el cateto adyacente.
Además el teorema de pitágoras establece que:
c 2 = a2 + b2
1. Ley de senos:
a b c
= =
sen A senB senC
C
2. Ley de cosenos: b a
2 2 2
c = a + b − 2a b cosC
A B
3. Ley de tangentes: c
¡ A+B ¢
a + b t an 2
=
a − b t an A−B
¡ ¢
2
C Fórmulas de derivadas
117
d d d
1. d x (c) = 0 22. d x (sec v) = sec v tan v d x (v)
d d d
2. d x (x) = 1
23. d x (csc v) = − csc v cot v d x (v)
d d d d d
(v)
3. d x (u + v − w) = d x (u) + d x (v) − d x (w) 24. d
d x (arcsin v) = 1−v 2
pd x
d d
4. d x (c v) = c d x (v) d
(v)
d
25. d x (arc cos v) = − 1−v 2
pd x
d d d
5. d x (uv) = u d x (v) + v d x (u)
d
d (v)
6. d n n−1 d 26. d x (arctan v) = 1+v 2
dx
d x (v ) = nv d x (v)
d
d n n−1 d (v)
7. d x (x ) = nx 27. dx (arccotv) = − dx
1+v 2
dv
d p
d
d (v)
8. n
d x ( v) = n n v n−1
pd x 28. d x (arcsecv) = v v 2 −1
dx
p
d
d u (u) d e x +e −x
10. 30. senh x = coth x =
dx ( c ) =
dx
c dx 2
d x d e x −e −x
11. = sg n(x), (x 6= 0) 31. cosh x = senh x =
d x |x| = |x| dx 2
d
12. d 1 d 32. tanh x = sec h 2 x
d x (ln v) = v d x (v)
dx
d
d log e d 33. d x sechx = − tanh x(sechx)
13. d x (log v) = v d x (v)
d
d 34. d x c schx = − coth x(c schx)
14. v
d x (a ) = a
v
ln a ddx (v)
d
d v v d 35. dx cot hx = − csc h 2 x
15. d x (e ) = e d x (v)
d p 1
d
³
dv
´ 36. dx arg senh x =
16. v
d x (u ) = u
v
dx ln |u| + v ddx ln u x 2 +1
d p 1
37. dx arg cosh x =
d x x x 2 −1
17. d x (x ) = x (1 + ln x)
d 1
d d 38. dx arg tanh x = 1−x 2
18. d x (sen v) = cos v d x (v)
d p−1
d d 39. dx arg sechx =
19. d x (cos v) = − sen v d x (v)
|x| 1−x 2
d p−1
20. d 2 d 40. arg c schx =
d x (tan v) = sec v d x (v) dx |x| 1+x 2
d 2 d d
21. d x (cot v) = − csc v d x (v) 41. dx arg coth x = − x 21−1
Álgebra lineal.
Además si z(u) depende de u y a su vez u(x) depende de x, entonces la regla de la cadena nos
dice que
dz dz du
= .
dx du dx
118
Fórmulas de derivadas
D Fórmulas de integrales
119
Considerar que k es una constante y que v(x), u(x) son funciones que dependen de la variable
x.
Integrales básicas.
R
1. d x = x + c.
R R
2. k d x = k d x = kx + c.
R R R R
3. (u + v − w)d x = u d x + v d x − w d x + c.
n+1
x d x = xn+1 + c,
R n
4. n 6= −1.
R1
5. x d x = ln x + c.
R x
6. e d x = e x + c.
x
a d x = lna a + c.
R x
7.
(a+bx)n+1
(a + bx)n d x =
R
8. b(n+1) + c, n 6= −1.
dx
= b1 ln |a + bx| + c.
R
9. a+bx
xd x 1
R
10. a+bx = b2
[a + bx − a ln(a + bx)] + c.
xd x 1
[ a
R
11. (a+bx)2
= b 2 a+bx
+ ln(a + bx)] + c.
x2d x 1 1
[ (a + bx)2 − 2a(a + bx) + a 2 ln(a + bx)] + c.
R
12. a+bx = b3 2
x2d x a2
h i
1
R
13. (a+bx)2
= b3
a + bx − a+bx − 2a ln(a + bx) + c.
h i
xd x 1 1 a
R
14. (a+bx)3
= b2
− a+bx + 2(a+bx)2 + c.
dx
= − a1 ln( a+bx
R
15. x(a+bx) x ) + c.
dx 1 b
ln( a+bx
R
16. x 2 (a+bx)
= − ax + x ) + c.
a2
Álgebra lineal.
dx 1
− 12 ln( a+bx
R
17. x(a+bx)2
= x ) + c.
a(a + bx) a
R p 2(3bx−2a)(a+bx) 2
3
18. x a + bx d x = 15b 2
+ c.
p 2(8a 2 −12abx+15b 2 x 2 )(a+bx) 2
3
x 2 a + bx d x =
R
19. 105b 3
+ c.
p
2(bx−2a) a+bx
120
p x
R
20. dx = 3b 2
+ c.
a+bx
p
R
px
2 2(8a 2 −4abx+3b 2 x 2 ) a+bx
21. dx = 15b 3 + c.
a+bx
1 ³p p ´
a+bx− a
pd x
R
22. = p ln p
dx p + c, para a > 0.
x a+bx a a+bx+ a
R dx 2 q
23. dx = p arctan a+bx
−a + c, para a < 0.
Fórmulas de integrales
p
x a+bx −a
R pa+bx p
pd x
R
24. x d x = 2 a + bx + a + c.
x a+bx
Rp x
p 2
25. a2 − x 2d x = 2 a 2 − x 2 + a2 arcsin ax + c
R 2 x(a 2 −x 2 )n/2 na 2 n
(a − x 2 )n/2 d x =
R 2
26. n+1 + n+1 (a − x 2 ) 2 −1 d x n 6= −1
n
R 2 2 n/2 (a 2 − x 2 ) 2 +1
27. x(a − x ) dx = − +c n 6= −2
n +2
p 1 = arc sen ax + c
R
28. dx
a 2 −x 2
1 1
ln | a+x
R
29. a 2 −x 2
dx = 2a x−a | + c
1 1 bx−a
R
30. b 2 x 2 −a 2
dx = 2ab ln( bx+a )+c
Rp x
p 2 p
31. x 2 ± a2d x = x 2 ± a 2 ± a2 ln(x + x 2 ± a 2 ) + c
2
p
p 1 d x = ln(x + x 2 ± a 2 ) + c
R
32.
x 2 ±a 2
1 1
arctan bx
R
33. a 2 +b 2 x 2
d x = ab a +c
R pa 2 −x 2 p p
34. d x = a 2 − x 2 − a ln( a+ a 2 −x 2 ) + c
x x
R px 2 +a 2 p p
2 2
35. x d x = x 2 + a 2 − a ln( a+ xx +a ) + c
n
2
−x 2 ) 2 +1
x(a 2 − x 2 )n/2 d x = − (a
R
36. n+2 +c
n
2
−x 2 ) 2 +1 a2
x 2 (a 2 − x 2 )n/2 d x = − x(a
R 2
(a − x 2 )n/2 d x
R
37. n+3 + n+3
R 1 ¡x¢
38. p d x = arc sen a +c
a2 − x2
p
1 ³
a+ a 2 −x 2
´
d x = − a1 ln
R
39. p x +c
x a2 − x2
Álgebra lineal.
x p
d x = − a2 − x2 + c
R
40. p
a2 − x2
x2 p 2
d x = − x2 a 2 − x 2 + a2 ar c sen
R ¡x¢
41. p a +c
a2 − x2
Integrales trigonométricas
121
R
42. sen xd x = − cos x + c
R
43. cos xd x = sen x + c
R
44. tan xd x = ln | sec x| + c
R
45. cot xd x = ln | sen x| + c
R
46. sec xd x = ln | sec x + tan x| + c
R
47. csc xd x = ln | csc x − cot x| + c
sen2 x d x = 21 x − 41 sen 2x + c
R
48.
cos2 mx d x = 12 x + 14 sen 2x + c
R
49.
tan2 x d x = tan x − x + c
R
50.
cot2 x d x = cot x − x + c
R
51.
sec2 x d x = tan x + c
R
52.
csc2 x d x = − cot x + c
R
53.
n−1
senn x d x = − sen x cos x
+ n−1 senn−2 x d x
R R
54. n n
cosn−1 x sen x
cosn xd x = + n−1 cosn−2 x d x
R R
55. n n
tann−1 x
tann xd x = − tann−2 x d x
R R
56. n−1
cotn−1 x
cotn x d x = − cotn−2 x d x
R R
57. n−1
cot x cscn−2 x
cscn x d x = + n−2 n−2
R R
59. n−2 n−1 csc x dx
senn+1 x
senn x cos x d x =
R
60. n+1 +c
n+1
cosn x sen x d x = − cosn+1 x + c
R
61.
p
arc sen x d x = x arc sen x + 1 − x 2 + c
R
65.
p
arc cos x d x = x arc cos x − 1 − x 2 + c
R
66.
p
arctan x d x = x arctan x − ln( 1 + x 2 ) + c
R
67.
p
arc cotx d x = x arc cotx + ln( 1 + x 2 ) + c
R
68.
p 122
arc secx d x = x arc secx − ln(x + x 2 − 1) + c
R
69.
p
arc cscx d x = x arc cscx + ln(x + x 2 − 1) + c
R
70.
R
71. senh x d x = cosh x + c
Fórmulas de integrales
R
72. cosh x d x = senh x + c
R
73. tanh x d x = ln(cosh x) + c
R
74. coth x d x = ln(senh x) + c
R
75. sechx d x = arctan(senh x) + c
cschx d x = ln(tanh x2 ) + c
R
76.
E Fórmulas de cálculo vectorial
123
El vector ~
a que une los puntos P 1 = (x 1 , y 1 , z 1 ) y P 2 = (x 2 , y 2 , z 2 ), está definido por:
q
a = a 1 iˆ + a 2 jˆ + a 3 k̂ es |~
La magnitud de un vector ~ a| = a 12 + a 22 + a 32 .
a = a 1 iˆ + a 2 jˆ + a 3 k̂ y ~
Dados dos vectores ~ b = b 1 iˆ + b 2 jˆ + b 3 k̂:
1. El producto punto ~a ·~
b = a1 b1 + a2 b2 + a3 b3 .
iˆ jˆ k̂
a ×~
2. El producto cruz ~ b = a 1 a 2 a 3 = (a 2 b 3 − a 3 b 2 )iˆ − (a 1 b 3 − a 3 b 1 ) jˆ + (a 1 b 2 −
b1 b2 b3
a 2 b 1 )k̂.
x0 y0 z0
cos k = cos β = cos γ = .
|P 0 | |P 0 | |P 0 |
donde α, β, γ denotan los ángulosqque forma el vector P~0 con la parte positiva de los ejes
X , Y , Z respectivamente y |P 0 | = x 02 + y 02 + z 02
La ecuación del plano que pasa por un punto P 0 (x 0 , y 0 , z 0 ) y tiene vector normal ~
n=
a ı̂ + b ̂ + c k̂ es:
ax + b y + c z + d = 0
donde d = −(ax 0 + b y 0 + c z 0 ).
Álgebra lineal.
|ax 0 + b y 0 + c z 0 + d |
D= p
a2 + b2 + c 2
a y~
El ángulo θ entre dos vectores ~ b es:
a ·~
~ b
124
1. Usando producto punto; cos θ = .
a ||~
|~ b|
a ×~
|~ b|
2. Usando producto cruz; sen θ = .
a ||~
|~ b|
Cambio de coordenadas
x2 + y 2
p
r=
( (
x = r cos θ
2 2 2
p
r = x + y ³ + ´z
x = r sen θ cos φ y
3. Coordenadas esféricas y = r sen θ sen φ o φ = arctan .
³ x ´
z = r cos θ
z
θ = cos−1
x 2 +y 2 +z 2
Respuestas
Sección 1.8
1. a. 5 + 92 i .
b. −1 + 3i .
c. 28i .
3
d. 2 + 2i .
−6
e. −2 − 5i . 5 i.
−6
f. 5 i.
5. a. 2 + 2i .
b. −7 − i .
Respuestas de la sección 2.7 Álgebra lineal.
c. −20 − 4i .
d.
p
8 7 7 126
2 (cos 12 π + i sen 12 π).
d. w 1 = 4; w 2 = 4i ; w 3 = −4; w 4 = −4i .
³p i π ´7/2
8. La forma exponencial de esta expresión es 2e 4 . Aplicando la fórmula para elevar a
una potencia fraccionaria, obtenemos las raíces −3.1075 + 1.2872i y 3.1075 − 1.2872i .
(
p +q =6
9. a. Consideremos el sistema que, resolviéndolo, genera los números pedidos,
p q = 18
3 − 3i , 3 + 3i .
b. Como −3, 2+i y 2−i son raíces de la ecuación, escribimos (z −(−3))(z −(2+i ))(z −(2−i ))
y multiplicando, obtenemos una de las ecuaciones que es z 3 − z 2 − 7x + 15 = 0.
12 21
10. a. − 13 − 13 i.
3
b. 2 − 12 i .
Sección 2.7
6 3 6
1. a. A + B = 1 3 8 .
3 0 4
b. No se puede resolver pues las matrices A y C no son del mismo tamaño.
48 21
c. AC + BC = 20 12 .
22 21
−15 −12 10
d. A 2 − AB = −19 −32 18 .
−25 −18 30
e. No se puede realizar el producto C A.
47
2 2 20
f. 3A + 12 B +C D = −10 −13 30 .
29
2 3 23
2
à !
−1 −9 16
g. D A + D = .
17 6 8
Respuestas de la sección 2.7 Álgebra lineal.
11 1 5
58 58 − 58
15 25 9
2. a. A −1 =
− 58 58 − 58 .
3 5 4
− 29 29 29
7 6 10
− 22 11 11
5 7 8
127
b. B −1 =
11 − 11 − 11 .
1 4 3
− 22 11 11
5 1
à !
36 12
c. C −1 = 1
.
18 − 61
3 1
à !
−1 7 7
d. D = .
− 74 1
7
e. F No tiene inversa.
13 1
− 38
16 16
15 5 1
3. a. Matriz no singular, A −1 =
− 16 16 8
.
− 83 1
8
1
4
1 3
− 52
5 − 10
1 4
− 54
b. Matriz no singular, B −1 =
15 − 15 .
1 7 1
15 30 5
c. Matriz singular.
1 1
0 4 8
− 43 − 11
d. Matriz no singular, D −1 =
1 8
.
3 15
−1 4 8
4. a. |A| = 0.
b. |B | = 24.
c. |C | = 66.
d. |D| = −480.
7. a. x = − 13 11
5 , y =− 5 .
b. No tiene solución.
c. x = 16 , y = 38 .
e. x = 1, y = 1, z = 1.
f. No tiene solución.
g. x = − 14
3 ,y=
44
15 , z = − 34
15 .
Respuestas de la sección 3.6 Álgebra lineal.
Sección 3.6
1. a. Falla la propiedad 6, no puede ser espacio vectorial.
i. Este conjunto esta formado por los puntos del intervalo que va desde −2 hasta 2. Falla la
propiedad de cerradura bajo la suma y la multiplicación, no es espacio vectorial.
b. Si es subespacio vectorial, H representa a los puntos sobre la recta que pasa por el origen
y tiene un ángulo de −45o .
c. Este conjunto representa los puntos dentro del disco centrado en el origen de radio 1. No
es subespacio pues no es cerrado bajo la suma.
d. Es subespacio vectorial.
c. Tenemos 3 vectores que son linealmente independientes (probarlo) por lo tanto generan
a R3 .
4. a. (2, 3, −1). Escribir el vector (1, −1, 2) como combinación lineal de la base y resolver el
sistema.
b. 37 29 24
¡ ¢
31 , − 31 , − 31 .
à !
−1/5 8/5
5. a. La matriz de transición es P = .
3/5 1/5
b. [v]B2 = ( 21 12
5 , 5 ).
Respuestas de la sección 4.5 Álgebra lineal.
1/2 5/2 3/2
6. a. La matriz de transición es P = 1/2 3/2 −3/2 .
−1 −3/2 1
b. [v]B2 = (7, 7, −15/2).
3 19 24
− 13 − 13
c. La matriz inversa es P −1 =
4
13
8
13
13
6
− 13 luego [v]B = − 38 , 16 , − 14 .
1
¡
13 13 13
¢ 129
3 7 2
13 − 13 13
b. Primero observemos que el conjunto H está formado por los puntos que forman el plano
dado por la ecuación 2x − y − z = 0, luego encontrar 2 vectores linealmente independientes y
finalmente realizar el proceso de ortonormalización.
Sección 4.5
1. a. Si es transformación.
d. Si es transformación.
e. Si es transformación.
f. Si es transformación.
3 7 3 1 0 1
transformación lineal.
2 2 1 2 0
41 121 35 2
3. T −3 = + x − x . Escribir −3 como combinación lineal de 1, 0 y 4 y
2 2 2
1 1 1 0 5
aplicar la transformación lineal.
5. a. El núcleo está generado por el vector (0, y), la imagen se representa por vectores de la
forma (x, 0).
−3 6 3
1 0 0
1 1 0
d. A T =
0 1 1
0 0 1
9. a.
6 6
5 5
4 4
3 3
2 2
1 1
-1 1 2 3 4 5 6 -1 1 2 3 4 5 6
-1 -1
b.
5 5
4 4
3 3
2 2
1 1
-6 -4 -2 2 -6 -4 -2 2
-1 -1
-2 -2
Respuestas de la sección 4.5 Álgebra lineal.
c.
2 2
1 1
-2 -1 1 2 -2 -1 1 2 131
-1 -1
-2 -2
11. Primero se busca el punto de intersección de la recta con el eje Y que es (0, 1) y el ángulo
de inclinación de la recta θ = 63.430 , luego se debe realizar los siguientes pasos:
−0.599862 0.800104 −0.800104
Finalmente la matriz de reflexión quedará como 0.800104 0.599862 0.400138 y apli-
0. 0. 1.
cándola al vector (2, 1) se obtiene el punto (−1.199, 2.60).
a) Las coordenadas nuevas son A ′ (−1, 4), B ′ (0, 6), C ′ (1, 4), D ′ (0, 2).
b) A ′ (5, 0), B ′ (4, −2), C ′ (3, 0), D ′ (4, 2). En este caso no es necesario rotar pues se puede hacer
una reflexión sobre el eje Y .
Bibliografía 133
[1] Stanley I. Grossman, Algebra Lineal, Mc. Graw Hill, quinta edición (2008).
[2] Ruel V. Churchill, James Ward Brown, Variable compleja y Aplicaciones, Mc. Graw Hill
(2006).
[3] Tom M. Apostol, Mathematical Análisis, Segunda edición, Pearson Education Asia Limited
and China Machine
[4] Ron Larson, Fundamentos de álgebra lineal, séptima edición, Cengage Learning, (2015).
[5] Ben Noble, James W. Daniel, Álgebra lineal aplicada, tercera edición, PRENTICE-HALL HIS-
PANOAMERICANA, S.A., (1989).
[6] Lay, David C, Álgebra lineal y sus aplicaciones, tercera edición, Pearson Educación, 2006.
[7] Anton, Howard, Introducción al álgebra lineal, cuarta edición, Limusa, 2008.
[9] Williams, Gareth, Álgebra lineal con aplicaciones, cuarta edición, McGraw-Hill, 2007.
[10] Solar González, Eduardo, Apuntes de álgebra lineal, tercera edición, Limusa, 2006.
[11] Kolman, Bernard, Álgebra lineal con aplicaciones y Matlab, octava edición, Pearson Edu-
cación, 2006.
Colección
Libros de Matemática
en PDF