Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Almat3 PDF
Almat3 PDF
FACULTAD DE CIENCIAS
ESCUELA DE MATEMÁTICA
LABORATORIO DE FORMAS EN GRUPOS
Ramón Bruzual
Marisela Domı́nguez
Caracas, Venezuela
Septiembre 2005
Ramón Bruzual
Correo-E: rbruzual@euler.ciens.ucv.ve
Marisela Domı́nguez
Correo-E: mdomin@euler.ciens.ucv.ve
http://euler.ciens.ucv.ve/∼labfg
Estas notas han sido concebidas para ser utilizadas en la parte de Álgebra Lineal del
curso de Matemática III de la Facultad de Ciencias de la Universidad Central de Venezuela.
En este curso participan estudiantes de las Licenciaturas en Biologı́a, Geoquı́mica, Quı́mica,
Computación, Fı́sica y Matemática.
El trabajo de mecanografı́a y la elaboración de los gráficos está a cargo de los autores.
Agradecemos cualquier observación o comentario que deseen hacernos llegar.
Ramón Bruzual.
Marisela Domı́nguez.
Septiembre 2005.
iii
CONTENIDO
Bibliografı́a 43
Índice 45
v
CAPÍTULO 1
1. Matrices.
1.1. Matrices m × n.
Una matriz m × n es un arreglo rectangular de m.n números dispuestos en m filas y n
columnas
a11 ··· a1n
. .. .. .. ..
A=
.
. ... .
am1 ··· amn
Tenemos:
j
a11 ··· a1j ··· a1n
. .. .. .. .. .. .. .. ..
.. ... . ... .
i ai1 ··· aij ··· ain
. .. .. .. .. .. .. .. ..
.. ... . ... .
am1 ··· amj ··· amn
Dos matrices A y B son iguales si son del mismo tamaño y sus componentes correspon-
dientes son iguales. Es decir, A = B cuando
aij = bij
para todo i = 1, . . . , m, j = 1, . . . , n.
1
2 1. MATRICES Y SISTEMAS LINEALES.
El arreglo
h i
ai1 · · · ain
Casos particulares:
Un vector fila (o vector renglón ) es una matriz de la forma
h i
a11 · · · a1n
Por ejemplo:
Un vector fila 1 × 3 es una matriz 1 × 3:
h i
a11 a12 a13
La matriz que tiene todas sus componentes iguales a cero, se denomina matriz nula .
Una matriz cuadrada es una matriz en la que el número de filas es igual al número de
columnas (m = n).
" #
a11 a12
a21 a22
a11 a12 a13
a21 a22 a23
a31 a32 a33
Ejemplo 1.1.
(1) " #
5 6
8 −3
(2)
6 1/3 π
−4 1 0
7 0 1
a11 a12
a21 a22
a31 a32
4 1. MATRICES Y SISTEMAS LINEALES.
Ejemplo 1.2.
(1)
" #
3 −1 1/2
√
6 2 0
(2)
1/5
π
√
2 2
Ejemplo 1.3.
" # " # " #
3 −1 1/2 2 1 1/2 5 0 1
√ + √ = √
6 2 0 0 2 4 6 2 2 4
λA = (λaij )
es decir
a11 ··· a1n λa11 ··· λa1n
. .. .. .. .. . .. .. .. ..
λ .. ...
. = .. ... .
am1 ··· amn λam1 ··· λamn
1. MATRICES. 5
−A = (−1)A,
A − B = A + (−1)B.
Note que para poder hacer esto: el número de entradas de una fila en la primera matriz
debe ser igual al número de entradas de una columna de la segunda matriz. Esto lo podemos
decir más fácilmente: el número de columnas de la primera matriz debe ser igual al número
de filas de la segunda matriz.
Solución: La demanda del primer artı́culo es 30 y el fabricante recibe 2000 Bs por cada
artı́culo vendido. Entonces recibe 60000 Bs de las ventas del primer artı́culo. Si se sigue este
razonamiento, se ve que la cantidad total de bolı́vares que recibe es
Una matriz n × n por una matriz n × n da una matriz n × n. Tal como se indica en los
siguientes casos:
(1) Una matriz 2 × 2 por una matriz 2 × 2 da una matriz 2 × 2.
" #" # " #
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
=
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
(2) Una matriz 3 × 3 por una matriz 3 × 3 da una matriz 3 × 3.
a11 a12 a13 b11 b12 b13
a21 a22 a23 b21 b22 b23 =
a31 a32 a33 b31 b32 b33
a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32 a11 b13 + a12 b23 + a13 b33
= a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32 a21 b13 + a22 b23 + a23 b33
a31 b11 + a32 b21 + a33 b31 a31 b12 + a32 b22 + a33 b32 a31 b13 + a32 b23 + a33 b33
Le sugerimos al estudiante que analice los productos generales, para matrices m × n con
n, m ≤ 3 que damos a continuación
(1) Una matriz 2 × 1 por una matriz 1 × 2 da una matriz 2 × 2.
" # " #
a11 h i a11 b11 a11 b12
b11 b12 =
a21 a21 b11 a21 b12
(2) Una matriz 3 × 1 por una matriz 1 × 3 da una matriz 3 × 3.
a11 h i a11 b11 a11 b12 a11 b13
a21 b11 b12 b13 = a21 b11 a21 b12 a21 b13
a31 a31 b11 a31 b12 a31 b13
8 1. MATRICES Y SISTEMAS LINEALES.
Ejemplo 1.10.
8 h i 8·3 8·2 8 · (−1) 24 16 −8
π 3 2 −1 = π · 3 π·2 π · (−1) = 3π 2π −π
√ √ √ √ √ √ √
5 5·3 5·2 5 · (−1) 3 5 2 5 − 5
Ejemplo 1.11.
" √ # −2 0 " √ √ # " √ √ #
6 2 2 6 · (−2) + 2 · 1 + 2 6·0+2·0+ 2·1 −10 + 2 2
1 0 = =
1 e −4 1 · (−2) + e · 1 + (−4) · 1 1 · 0 + e · 0 + (−4) · 1 −6 + e −4
1 1
Ejemplo 1.12.
(1)
" #" # " # " #
3 1 1 −1 3 · 1 + 1 · 2 3 · (−1) + 1 · 0 5 −3
= =
5 2 2 0 5 · 1 + 2 · 2 5 · (−1) + 2 · 0 9 −5
(2)
" #" # " # " #
1 −1 3 1 1 · 3 + (−1) · 5 1 · 1 + (−1) · 2 −2 −1
= =
2 0 5 2 2·3+0·5 2·1+0·2 6 2
Con el siguiente ejemplo veremos una aplicación en la que aparecen matrices mas grandes
que las dadas en los ejemplos anteriores.
Observe que una persona del tercer grupo puede quedar contagiada por alguien del se-
gundo grupo, quien a su vez fue contagiado por alguien del primer grupo. Por ejemplo, como
a24 = 1 y b45 = 1, se ve que, indirectamente la quinta persona del tercer grupo tuvo contacto
(a través de la cuarta persona del segundo grupo) con la segunda persona del primer grupo.
El número total de contactos indirectos entre la segunda persona en el primer grupo y la
quinta persona del tercer grupo está dado por
c25 = a21 b15 + a22 b25 + a23 b35 + a24 b45 + a25 b55 + a26 b65 = 2.
Demuestre que
AB = BA = I3 .
Se sigue que
4/20 −8/20 4/20 4 −8 4
1
A−1 = 3/20 −2/20 =
4/20 3 4 −2
20
−6/20 12/20 4/20 −6 12 4
Ejemplo 1.19. Usamos el método de Gauss para obtener la matriz escalonada por filas.
" # " # " #
3 6 12 1 1 2 4 1 2 4
R1 → R1 R2 → R2 − 5R1
5 11 23 −−−−−− 3−→ 5 11 23 −−−−−−−−−−−→ 0 1 3
Si queremos obtener la matriz escalonada reducida debemos continuar el procedimiento:
" # " #
1 2 4 1 0 −2
R1 → R1 − 2R2
0 1 3 −−−−−−−−−−−→ 0 1 3
Ejemplo 1.21.
" # " # " #
1 3 1 3 1 0
R2 → R2 − R1 R1 → R1 − 3R2
1 4 −−−−−−−−−−→ 0 1 −−−−−−−−−−−→ 0 1
Algunas reglas conocidas para resolver sistemas de ecuaciones son las siguientes:
• Si se intercambian dos ecuaciones no se altera la solución.
• Cuando se multiplican o se dividen ambos lados de una ecuación por un número
distinto de cero se obtiene una ecuación equivalente.
• Si se suma el múltiplo de una ecuación a otra del mismo sistema se obtiene una
ecuación equivalente.
Estas reglas son muy útiles para resolver sistemas de pocas ecuaciones con pocas incógni-
tas. Pero cuando aumenta el número de ecuaciones o aumenta el número de incógnitas la
situación se complica. Sin embargo, usando la teorı́a de matrices se puede desarrollar una
técnica que permite resolver estos casos más complicados.
Consideramos x1 , . . . , xn como incógnitas. Una solución del sistema es una n-upla cual-
quiera de números (x1 , . . . , xn ) para los cuales se satisfacen todas las ecuaciones.
Si c1 = 0, . . . , cm = 0 se dice que el sistema es homogéneo.
Si existe un cj 6= 0 se dice que el sistema es no homogéneo.
El sistema homogéneo siempre tiene la solución x1 = 0, . . . , xn = 0, pero puede tener
otras. El conjunto de soluciones del sistema homogéneo es el núcleo.
Puede ocurrir que un sistema no homogéneo no tenga solución.
16 1. MATRICES Y SISTEMAS LINEALES.
Este sistema tiene infinitas soluciones porque dos números cualesquiera cuya suma sea
igual a 1 es una solución.
A cada sistema lineal no homogéneo de la forma (1.1) le podemos asociar otro sistema
a x + · · · + a1n xn = 0,
11 1
..
.
a x + · · · + a x = 0.
m1 1 mn n
Proposición 1.25. Sea (b1 , . . . , bn ) y (d1 , . . . , dn ) son soluciones del sistema no ho-
mogéneo
a x + · · · + a1n xn = c1 ,
11 1
..
.
a x + · · · + a x = c
m1 1 mn n m
Proposición 1.26. Sea (b1 , . . . , bn ) una solución particular del sistema no homogéneo
a x + · · · + a1n xn = c1 ,
11 1
..
.
a x + · · · + a x = c .
m1 1 mn n m
(x1 , . . . , xn ) = (v1 + b1 , . . . , vn + bn )
x + y = 0.
Por consiguiente el núcleo está formado por todos los vectores de la forma (t, −t) donde t es
un número real cualquiera. Es decir, todas las soluciones del sistema homogéneo asociado
son de la forma (t, −t) donde t ∈ R.
Una solución particular del sistema no homogéneo es (0, 2). Por lo tanto la solución
general del sistema no homogéneo viene dada por
entonces
x + y = v ,
f
x − y = v .
c
18 1. MATRICES Y SISTEMAS LINEALES.
vf = 15/1, 5 = 10
vc = 12/2 = 6
Luego
x + y = 10,
x − y = 6.
Resolviendo el sistema hallamos x = 8, y = 2.
Luego la velocidad del bote en agua tranquila es 8 kilómetros por hora y la velocidad del
rı́o es 2 kilómetros por hora.
Ejemplo 1.32. Consideremos el siguiente sistema de tres ecuaciones con cinco incógnitas:
2x − 5y + 4z + u − v = −3
x − 2y + z − u + v = 5
x − 4y + 6z + 2u − v = 10
20 1. MATRICES Y SISTEMAS LINEALES.
Pero debemos tomar en cuenta otras restricciones: Por supuesto se debe tener
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0.
Nota: El sistema de ecuaciones lineales que hemos resuelto tiene un número infinito de
soluciones. Sin embargo el problema de administración de recursos tiene sólo un número
finito de soluciones porque x1 , x2 y x3 deben ser enteros positivos y existen nada más 3.001
enteros en el intervalo [5.000, 8.000].
3. Determinantes
3.1. Determinantes 2 × 2.
El determinante de una matriz 2 × 2 se define mediante:
" #
a b
det = ad − bc.
c d
Ejemplo 1.34.
" #
6 2
det = 6(−1) − 2 · 4 = −14.
4 −1
De donde
a11 a12 a13
det a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32 − a13 a22 a31 − a12 a21 a33
a31 a32 a33
Ejemplo 1.36.
1 5 0
√ √
det 3 4 1/2 = −4 + 5 · (1/2) · 3 + 0 − 1 · (1/2) · π − 0 − 5 · 3 · (−1)
3 π −1
√
= 7/2 − π/2 + 5 3
Tenemos que
" #
cos θ −r sen θ
det A = det = cos θ (r cos θ) − (−r sen θ) sen θ = r(cos2 θ + sen2 θ) = r.
sen θ r cos θ
Ejemplo 1.38. Dados ρ, θ, ϕ fijos, sea
sen ϕ cos θ −ρ sen ϕ sen θ ρ cos ϕ cos θ
A = sen ϕ sen θ ρ sen ϕ cos θ ρ cos ϕ sen θ
cos ϕ 0 −ρ sen ϕ
Como a32 = 0 tenemos que
det A = a11 a22 a33 + a12 a23 a31 − a13 a22 a31 − a12 a21 a33
= sen ϕ cos θρ sen ϕ cos θ(−ρ sen ϕ) + (−ρ sen ϕ sen θ)ρ cos ϕ sen θ cos ϕ
− ρ cos ϕ cos θρ sen ϕ cos θ cos ϕ − (−ρ sen ϕ sen θ) sen ϕ sen θ(−ρ sen ϕ)
= −ρ2 sen2 ϕ cos2 θ sen ϕ − ρ2 sen ϕ sen2 θ cos2 ϕ
− ρ2 cos2 ϕ cos2 θ sen ϕ − ρ2 sen2 ϕ sen2 θ sen ϕ
= −ρ2 sen ϕ(sen2 ϕ cos2 θ + sen2 θ cos2 ϕ + cos2 ϕ cos2 θ + sen2 ϕ sen2 θ)
= −ρ2 sen ϕ(sen2 ϕ(cos2 θ + sen2 θ) + cos2 ϕ(sen2 θ + cos2 θ))
= −ρ2 sen ϕ(sen2 ϕ + cos2 ϕ)
= −ρ2 sen ϕ
Sea λ un número real, decimos que λ es un autovalor de A cuando λ es una raı́z del
polinomio caracterı́stico de A, es decir, cuando
det(λI − A) = 0.
El polinomio caracterı́stico de A es
" #
λ − a11 −a12
p(λ) = det(λI − A) = det
−a21 λ − a22
= (λ − a11 )(λ − a22 ) − (−a12 )(−a21 )
= (λ − a11 )(λ − a22 ) − a12 a21
El polinomio caracterı́stico de A es
λ − a11 −a12 −a13
p(λ) = det(λI − A) = det −a21 λ − a22 −a23
−a31 −a32 λ − a33
= (λ − a11 )(λ − a22 )(λ − a33 ) − a12 a23 a31 − a13 a21 a32
− (λ − a11 )a23 a32 − (λ − a22 )a13 a31 − (λ − a33 )a12 a21
entonces
λ−5 6 6
λI − A = 1 λ−4 −2
−3 6 λ+4
El polinomio caracterı́stico de A es
p(λ) = det(λI − A) =
= (λ − 5)(λ − 4)(λ + 4) + 6 · 2 · 3 + 6 · 1 · 6
+ (λ − 5) · 2 · 6 + (λ − 4) · 6 · 3 − (λ + 4) · 6 · 1 =
= (λ − 5)(λ2 − 16) + 72 + (λ − 5) · 12 + (λ − 4) · 18 − (λ + 4) · 6
= λ3 − 5λ2 − 16λ + 80 + 72 + 12λ − 60 + 18λ − 72 − 6λ − 24
= λ3 − 5λ2 − 16λ + 12λ + 18λ − 6λ + 80 + 72 − 60 − 72 − 24
= λ3 − 5λ2 + 8λ − 4
Verificar, como ejercicio, que las raı́ces de p son 1 y 2, y que p se factoriza de la siguiente
manera
p(λ) = (λ − 1)(λ − 2)2 .
Por lo tanto los autovalores de A son 1 y 2. Notar que 2 es raı́z doble del polinomio, en
este caso se dice que 2 es un autovalor de multiplicidad 2.
(λI − A)X = 0.
AX = λX.
3. DETERMINANTES 27
Por otro lado esta última ecuación matricial puede ser vista como un sistema de n ecuaciones
lineales para los componentes x1 , . . . , xn donde ~x = (x1 , . . . , xn ).
De donde
2x + x2 + x3 = x1 ,
1
2x1 + 3x2 + 4x3 = x2 ,
−x − x − 2x = x .
1 2 3 3
Para poder plantear el sistema correctamente debemos colocar a x1 , x2 , x3 del mismo lado
de la igualdad. Ası́ obtenemos el sistema homogéneo
x + x2 + x3 = 0,
1
2x1 + 2x2 + 4x3 = 0,
−x − x − 3x = 0.
1 2 3
Tenemos que
λ−2 1 −1
λI − A = 0 λ−3 1
−2 −1 λ−3
3. DETERMINANTES 29
El polinomio caracterı́stico de A es
λ−2 1 −1
p(λ) = det(λI − A) = det 0 λ−3 1
−2 −1 λ−3
Es decir
Ejercicios.
Matrices y Sistemas lineales.
(1) Sean
" # " #
1 4 3 −1
A= √ B=
2 −7 2 5
Hallar
A + B, A − B, 5A + 2B, AB, A2 .
(2) Dadas las matrices
" # " # " #
1 2 0 x 2 y 5 4 3
A= B= C=
0 2 3 0 z 1 0 1 4
Halle, si es posible, valores para las constantes x, y, z de manera que se tenga:
A + B = C.
(3) Una matriz de probabilidades es una matriz cuadrada que tiene dos propiedades
(a) todos sus elementos son mayores o iguales que cero.
(b) la suma de los elementos en cada fila es igual a 1.
Las siguientes matrices son de probabilidades.
1/3 1/3 1/3 1/6 1/6 2/3
P = 1/4 1/2 1/4 Q= 0 1 0
0 0 1 1/5 1/5 3/5
Pruebe que la matriz producto P Q es una matriz de probabilidades.
" #
−2 2 2 4 1 2 4 2
(f)
(b) 6 3 1 (d) 3 3 1 0 0
0 1 1 0 2 1
EJERCICIOS. MATRICES Y SISTEMAS LINEALES. 31
(A + B)(A − B) = A2 − B 2
(6) Un torneo de tenis se puede organizar de la siguiente manera. Cada uno de los n
tenistas juega contra todos los demás y se registran los resultados en una matriz R
de tamaño n × n de la siguiente manera:
1 si el tenista i le gana al tenista j
Rij = 0 si el tenista i pierde contra el tenista j
0 si i = j
3 0 0 0 0 0 −2 2 2 1
(a) 6 3 1 (b) 2 2 1 6 3 1 −1
(c)
0
0 1 1 0 1 1 1 1 2
1 0 0 0
32 1. MATRICES Y SISTEMAS LINEALES.
(8) * Demuestre que una matriz diagonal es invertible si y sólo si cada uno de los
elementos de la diagonal es diferente de cero.
(9) Sea
a11 0 ··· 0
0 a22 · · · 0
A=
.. .. . . ..
. . . .
0 0 ··· ann
una matriz diagonal tal que sus componentes en la diagonal principal son todas
diferentes de cero. Calcule A−1 .
(10) Indicar si el siguiente sistema de ecuaciones se puede resolver. Si tiene solución
encuéntrela.
x + 2y + 3z = 1,
2x + 2y − 3z = 4,
−x − y + z = 0.
3 −1 0 4 0 0 0 00
√
(b) 2 2 1 (d) 2 2 1 (f) π 7 1
0 1 1 0 1 1 0 1 1
EJERCICIOS. MATRICES Y SISTEMAS LINEALES. 33
(13) Sea
2 1 1
A = 2 3 2
3 3 4
Transformaciones Lineales.
1. Transformación lineal
T (x) = a11 x.
35
36 2. TRANSFORMACIONES LINEALES.
T (x1 , x2 , x3 ) = (a11 x1 + a12 x3 + a13 x3 , a21 x1 + a22 x2 + a23 x3 , a31 x1 + a32 x2 + a33 x3 ).
Tal como lo habrán notado, se hace necesario dar una representación general para las
funciones que acabamos de considerar. A continuación se da la forma general para las
transformaciones lineales.
Sean n, m tales que 1 ≤ n ≤ 3 y 1 ≤ m ≤ 3. Una transformación lineal T : Rn → Rm es
una función:
Ejemplo 2.1.
(1) Sea T : R → R2 dada por
√
T (x) = (5 6x, (sen 3) x).
T (x1 , x2 , x3 ) = 2x1 + x2 + e6 x3 .
2. Bases.
En R2 , una base es un conjunto formado por dos vectores tales que cualquier vector de
R2 se puede obtener a partir de éstos dos de la siguiente manera: se multiplica cada uno de
los vectores de la base por un escalar (un número) apropiado y sumándolos (posteriormente)
se obtiene el vector dado.
El escalar x1 se multiplicó por (1, 0) y el escalar x2 se multiplicó por (0, 1). Los resultados
de estas multiplicaciones son (x1 , 0) y (0, x2 ). La suma es el vector dado: (x1 , x2 ).
El escalar x1 −x2 se multiplicó por (1, 0) y el escalar x2 se multiplicó por (1, 1). Los resultados
de estas multiplicaciones son (x1 − x2 , 0) y (x2 , x2 ). La suma es el vector dado: (x1 , x2 ).
no es una base de R2 .
En R3 , una base es un conjunto formado por tres vectores tales que cualquier vector de
R3 se puede obtener a partir de éstos dos de la siguiente manera: se multiplica cada uno de
los vectores de la base por un escalar (un número) apropiado y sumándolos (posteriormente)
se obtiene el vector dado.
El escalar x1 se multiplicó por (1, 0, 0), el escalar x2 se multiplicó por (0, 1, 0) y el escalar x3
se multiplicó por (0, 0, 1). Los resultados de estas multiplicaciones son (x1 , 0, 0), (0, x2 , 0) y
(0, 0, x3 ). La suma es el vector dado: (x1 , x2 , x3 ).
no es una base de R3 .
x1 a11 ··· a1n x1
. . .. .. .. .. .
(2.2)
T .. = ..
. ..
... ,
xn am1 ··· amn xn
es decir,
x1 a11 x1 + · · · + a1n xn
. . .. .. .. ..
(2.3) T .. = ..
. . . . .
xn am1 x1 + · · · + amn xn
T (h) = f 0 (x)h.
En este caso T depende de x. Note que estamos usando h para la variable de la transfor-
mación lineal ya que la x tiene otro significado.
Este ejemplo es importante para el estudio del cálculo diferencial en varias variables.
40 2. TRANSFORMACIONES LINEALES.
Ejercicios.
Transformaciones Lineales.
T (x, y) = (x + y, x − y).
(5) Sea T : Rn → Rm una transformación lineal. Demuestre que la imagen del vector
nulo es el vector nulo. Es decir,
T (0, . . . , 0) = (0, . . . , 0) .
| {z } | {z }
n m
(6) Use el ejercicio anterior para demostrar que las siguientes funciones no son trans-
formaciones lineales.
(a) f : R → R dada por
f (x) = cos x.
v = 0, v = −2, u = 0, u = 1.
y = 2x, y = 2x − 2, y = x + 1, y = x.
Sea
T (u, v) = (u − v, 2u − v).
Demuestre que
(a) T (0, 0) = (0, 0),
(b) T (1, 0) = (1, 2),
(c) T (0, −2) = (2, 2),
(d) T (1, −2) = (3, 4),
(e) T (B) = P .
(f) Hallar la matriz de T (con respecto a las bases canónicas) y calcular su deter-
minante.
(g) ¿Qué relación existe entre el área de B y el área de P .
42 2. TRANSFORMACIONES LINEALES.
43
44
Índice
base renglón, 2
canónica en el plano, 37
transformación lineal, 35
en el espacio, 37
en el plano, 37 vector
columna, 2
columna, 2
fila, 2
Contacto
renglón, 2
directo, 9
indirecto, 9
determinante
de una matriz 2 × 2, 22
de una matriz 3 × 3, 23
diagonalizar matrices, 15
fila, 2
matriz, 1
cuadrada, 3
diagonal, 10
escalonada por filas, 13
escalonada reducida, 13
identidad, 11
inversa, 11
nula, 2
ampliada de un sistema, 18
de coeficientes de un sistema, 18
multiplicidad, 26
pivote, 13
polinomio caracterı́stico, 24
45