Apuntes 3 Unidad PDF

Índice general
1. Números Complejos 7
1.1. Denición y origen de los números complejos . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Operaciones fundamentales con números complejos . . . . . . . . . . . . . . . . . . 8
1.2.1. Propiedades de los números complejos . . . . . . . . . . . . . . . . . . . . . 14
1.3. Potencias de i, módulo o valor absoluto de un número complejo . . . . . . . . . . 15
1.4. Forma polar y exponencial de un número complejo . . . . . . . . . . . . . . . . . . 16
1.4.1. Conversión entre representaciones de un número complejo . . . . . . . . . . . 16
1.5. Teorema de De Moivre, potencias y extracción de raíces de un número complejo . . 22
1.5.1. Teorema de De Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.2. Calculo de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.3. Calculo de raíces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6. Ecuaciones polinómicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2. Matrices y Determinantes 31
2.1. Denición de Matriz, Notación y Orden . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2. Operaciones con Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3. Clasicación de las Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4. Transformaciones elementales por renglón. Escalonamiento de una matriz. Rango
de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.1. Transformaciones Elementales por renglón . . . . . . . . . . . . . . . . . . . 43
2.4.2. Matriz Escalonada y Matriz Escalonada Reducida . . . . . . . . . . . . . . . 43
2.4.3. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5. Cálculo de la inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6. Denición de determinante de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 59
2.7. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.8. Inversa de una matriz cuadrada a través de la adjunta . . . . . . . . . . . . . . . . . 68
2.8.1. Matriz Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.9. Aplicación de matrices y determinantes . . . . . . . . . . . . . . . . . . . . . . . . . 72
3. Sistema de Ecuaciones Lineales 75

3.1. Denición de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . 75
3.2. Clasicación de los sistemas de ecuaciones lineales y tipos de solución . . . . . . . . 76
3.3. Interpretación geométrica de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 77
3.3.1. Sistema de Ecuaciones No Homogéneo . . . . . . . . . . . . . . . . . . . . . 77
3.3.2. Sistema de Ecuaciones sin solución . . . . . . . . . . . . . . . . . . . . . . . 78
3.3.3. Sistema de ecuaciones con un número innito de soluciones . . . . . . . . . . 78
1
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
3.4. Métodos de solución de un sistema de ecuaciones lineales: Gauss, Gauss-Jordan,

inversa de una matriz y regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4.1. Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4.2. Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4.3. Método de la Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.4.4. Método de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.5. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4. Espacios Vectoriales 101

4.1. Denición de espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.2. Denición de subespacio vectorial y sus propiedades . . . . . . . . . . . . . . . . . . 104
4.3. Combinación lineal e Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . 105
4.3.1. Combinación Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.3.2. Independencia y Dependencia Lineal . . . . . . . . . . . . . . . . . . . . . . 108
4.4. Base y dimensión de un espacio vectorial, cambio de base . . . . . . . . . . . . . . . 113
4.5. Espacio vectorial con producto interno y sus propiedades . . . . . . . . . . . . . . . 115
4.6. Base ortonormal, proceso de ortonormalización de Gram-Schmidt . . . . . . . . . . 115
5. Transformaciones lineales 121

5.1. Introducción a las transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . 121
5.1.1. Propiedades de las Transformaciones Lineales . . . . . . . . . . . . . . . . . 124
5.2. Núcleo e imagen de una transformación lineal . . . . . . . . . . . . . . . . . . . . . 124
5.3. La matriz de una transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4. Aplicación de las transformaciones lineales: reexión, dilatación, contracción y rotación128
5.4.1. Reexión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.4.2. Dilatación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.4.3. Contracción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.4.4. Rotación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
2 ÍNDICE GENERAL
Índice de tablas
1.1. Conversión entre Formatos Rectangular y Polar . . . . . . . . . . . . . . . . . . . . 17

1.2. Conversion I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3. Conversión II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4. Conversión III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Resumen I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6. Resumen II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1. Unidades de Materia Prima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

2.2. Precios de las Unidades de Materia Prima . . . . . . . . . . . . . . . . . . . . . . . 72
3
4 ÍNDICE DE TABLAS
Índice de guras
1.1. Clasicación de los números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.2. Plano Complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Representación Geométrica de un número complejo . . . . . . . . . . . . . . . . . . 16
2.1. Circuito Eléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.1. Clasicación de los Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . 77

3.2. Representación Geométrica de un sistema de ecuaciones con solución . . . . . . . . 77
3.3. Representación Geométrica de un sistema de ecuaciones sin solución . . . . . . . . . 78
3.4. Representación Geométrica de un sistema de ecuaciones con un número innito de
soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.1. Reexiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

5.2. Dilatación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.3. Rotación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5
6 ÍNDICE DE FIGURAS
Capítulo 1
Números Complejos
1.1. Denición y origen de los números complejos
Los números imaginarios surgen de las raíces negativas. Aquellas raíces que evalúan un número
√
negativo, provocan una incongruencia en la aritmética. Por ejemplo −4 6= 2. Si se evalúa un
número negativo en una raíz, no es posible encontrar un número (positivo o negativo), que al ser
elevado al cuadrado sea negativo. Así que las raíces negativas no tienen una solución dentro de los
números reales. Es decir, no existe un número entero, fraccionario, radical o número transcendental
que solucione una raíz negativa.
Un número complejo es un número escrito en la forma z = a + bi donde a y b son números reales

2
e i es el símbolo formal que satisface la relación i = −1. i es entonces un número imaginario.
Figura 1.1: Clasicación de los números
Para gracar un número complejo se requiere un nuevo plano, llamado Plano Complejo (Ver
gura 1.2)
7
Figura 1.2: Plano Complejo
Antecedentes Históricos
Siglo XVI: En esta época se encuentran los trabajos de aritmética y Álgebra. En particular,
en Italia, se dan a conocer los estudios de Paciolo, Cardan, Tartaglia y Bombelli (creador
de los números complejos).
Siglo XVII: Leonard Euler, establece la fórmula: eiθ = cos θ + i sin θ

Siglo XVIII: El matemático J.R. Argand, publica un estudio del método de representación
de los números complejos en un plano (Plano de Argand)
Siglo XIX: Se dene que en el par conjugado a±bi, el término a es la parte real y el segundo
término bi como la parte imaginaria, donde b es un número real.
1.2. Operaciones fundamentales con números complejos
Las operaciones aritméticas que se pueden realizar entre número complejos son:
Suma entre números complejos : Para sumar dos números complejos, se deben sumar de ma-
nera independiente la parte real y la imaginaria. Es decir, sumar solo cantidades comunes
(sumar real con real e imaginario con imaginario).
1. Sume los siguientes números complejos:
a) Sume a = −3 + 2i con b=2+i
−3 + 2i
2 + i
−1 + 3i
8 CAPÍTULO 1. NÚMEROS COMPLEJOS

Guia de Estudio Algebra Lineal M. I. Tadeo Urbina Gamboa
b) Sume a = −3 + 2i con b = 4 − 5i
−3 + 2i
4 − 5i
1 − 3i
1 3
c) Sume a= −i con b = −1 + i
2 4
1
− i
2
3
−1 + i
4
1 1
− − i
2 4
Resta entre números complejos : Al restar dos números complejos, el sustraendo cambia de
signo y la resta se convierte en una suma.
1. Realice las siguientes restas:
a) Dados a = −4 + 3i, b = −2 − 3i, calcule a − b. El sustraendo es b. Cambiándole el

signo al sustraendo queda: b = 2 + 3i
−4 + 3i
2 + 3i
−2 + 6i
b) Dados a = 7 − 5i, b = 4 − 8i, calcule b − a. El sustraendo es a. Cambiándole el signo

al sustraendo queda: b = −7 + 5i
4 − 8i
−7 + 5i
−3 − 3i
21 1
c) Dados a= − i, b = 2 + i, calcule a − b. El sustraendo es b. Cambiándole el
2 5
signo al sustraendo queda: b = −2 − i
21 1
− i
2 5
−2 − i
17 6
− i
2 5
CAPÍTULO 1. NÚMEROS COMPLEJOS 9

Multiplicación entre números complejos : Para este tipo de operación existen dos casos:
1. Multiplicación de un número complejo por un escalar: En este caso, el escalar

multiplica a la parte real e imaginaria del número complejo, respetando la ley de los
signos.
a) Dado: p = −5 + 6i, calcule −3p
−3p = −3(−5 + 6i) = (−3)(−5) + (−3)(6i) = 15 − 18i
1 4
b) Dado: c= + i, calcule 6C
3 3

1 4 1 4 6 24
6c = 6 + i = (6) + (6) i = + i = 2 + 8i
3 3 3 3 3 3
3
c) Dado: d = 3 − 3i, calcule − d
4

3 3 3 3 9 9
− d = − (3 − 3i) = − (3) − − (3i) = − + i
4 4 4 4 4 4
2. Multiplicación de dos números complejos: La multiplicación se realiza de la misma

manera que se hace una multiplicación entre polinomios. Solo se debe de recordar que
2
i = −1
a) Dados: a = −1 + 4i, b = −2 + 5i. Calcule ab
ab = (−1 + 4i)(−2 + 5i) = (−1)(−2) + (−1)(5i) + (4i)(−2) + (4i)(5i)
ab = (2)+(−5i)+(−8i)+(20i2 ) = 2 −13i
| {z } +(20) (−1) = 2−13i−20 = −18 − 13i
| {z }
=−5i−8i i2 =−1
1 2 1
b) Dados: h= − i, j = 3 − i. Calcule ab
2 3 5

1 2 1 1 1 1 2 2 1
hj = − i 3− i = (3)+ − i + − i (3)+ − i − i
2 3 5 2 2 5 3 3 5

3 1 6 2 2 3 21 2 2 21 2
hj = + − i + − i + i = − i + (−1) = − i−
2 10 3 15 2 | {z
10} 15 | {z } 3 10 15
i2 =−1 1
=− 10 i− 63 i

2 2 21 8 21
hj = − − i= − i
|3 {z15} 10 15 10
8
= 15
c) Dados: d = 5 − 6i, f = 3 − i. Calcule df
df = (5 − 6i)(3 − i) = (5)(3) + (5)(−i) + (−6i)(3) + (−6i)(−i)
df = (15) + (−5i) + (−18i) + (6i2 ) = 15 −23i

| {z } +(6) (−1) = 15 − 23i − 6 = 9 − 23i
| {z }
=−5i−18i i2 =−1
División entre números complejos : Para dividir dos números complejos,se debe de multipli-
car el divisor y el dividendo por el complejo conjugado del divisor. El Complejo Conjugado
de un número complejo se obtiene, cambiando el signo de la parte imaginaria. Por ejemplo:
? El complejo conjugado de 5 − 7i es 5 + 7i
1 1
? El complejo conjugado de + i es − i
9 9
El Complejo Conjugado de un número complejo cumple la siguiente propiedad:
(a + bi)(a − bi) = a2 + b2
Por ejemplo: Sea a = 2 − 4i, el Complejo Conjugado es 2 + 4i. Si los multiplicamos:
(2 − 4i)(2 + 4i) = (2)(2) + (2)(4i) + (−4i)(2) + (−4i)(4i) = 4 + |8i {z i2

− 8i} −16 |{z}
=0 =−1
(2 − 4i)(2 + 4i) = 4 − 16(−1) = 4 + 16 = 20
Hubiéramos obtenido más fácil el resultado si aplicamos la propiedad (a+bi)(a−bi) = a2 +b2 .
(2 − 4i)(2 + 4i) = (2)2 + (−4)2 = 4 + 16 = 20
1. Resuelva las siguientes divisiones:
f
a) Dados: f = −3 + 4i, p = −3 − 3i, calcule
p

f −3 + 4i −3 + 3i (−3 + 4i)(−3 + 3i)
= =
p −3 − 3i −3 + 3i (−3)2 + (−3)2
f (−3)(−3) + (−3)(3i) + (4i)(−3) + (4i)(3i) (9) + (−9i) + (−12i) + (12i2 )

= =
p 9+9 18
f 9 − 21i − 12 −3 − 21i 3 21 1 7
= = =− − i= − − i
p 18 18 18 18 6 6

b
b) Dados: a = 5 + 10i, b = 2 − 2i, calcule
a

b 2 − 2i 5 − 10i (2 − 2i)(5 − 10i)
= =
a 5 + 10i 5 − 10i (5)2 + (−10)2
b (2)(5) + (2)(−10i) + (−2i)(5) + (−2i)(−10i) (10) + (−20i) + (−10i) + (20i2 )

= =
a 25 + 100 125
b 10 − 30i + 20(−1) 10 − 30i − 20 −10 − 30i 10 30 2 6

= = = =− − i= − − i
a 125 125 125 125 125 25 25
1 d
c) Dados: b = 1 + i, d = 2 + i, calcule
4 b


1
 1
2 + i (1 − i)
d 2 + 4i 1 − i

4
= =
b 1+i 1−i (1) + (−1)2
2


1 1
(2) (1) + (2) (−i) + i (1) + i (−i)
d 4 4
=
b 1+1

1 1 2 7 1 9 7
(2) + (−2i) + i + − i 2− i+ − i
d 4 4 4 4 = 4 4 = 9 − 7i
= =
b 2 2 2 8 8

1 2 3
1. Dados: a = 4 − 6i, b = 2 + i, c = − + i, d = 10 − 10i, e = 5 − i. Compruebe los
2 5 5
siguientes resultados:
a) 2a + b soln) 10 − 11i
14
b) 4c − 2e soln) −12 + i
5
c) ad soln) −20 − 100i
e 274 170
d) soln) − − i
c 41 41
72 17
e) a(b + c) soln) − i
5 5

1.2.1. Propiedades de los números complejos

Los números complejos tiene propiedades parecidas a la de los números reales. Sin embargo,
algunas propiedades de los reales no se aplican a los números complejos. Por ejemplo, los números
complejos no tienen orden, los reales si.
Propiedades de la Suma :
1. Propiedad de cierre o cerradura: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 + z2 ∈ C.

2. Propiedad conmutativa: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 + z2 = z2 + z1 .
3. Propiedad Asociativa: Para cualesquiera z1 , z2 , z3 ∈ C, se tiene: (z1 + z2 ) + z3 = z1 +
(z2 + z3 ).
4. Elemento Neutro de la suma: Existe 0, que equivale a 0 + 0i, el cual cumple: 0 + z1 =
z1 + 0 = z1
5. Inverso aditivo u opuesto: Todo número complejo z1 tiene un único inverso aditivo −z1
Propiedades de la Multiplicación :
1. Propiedad de cierre o cerradura: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 · z2 ∈ C.

2. Propiedad conmutativa: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 · z2 = z2 · z1 .
3. Propiedad Asociativa: Para cualesquiera z1 , z2 , z3 ∈ C, se tiene: (z1 · z2 ) · z2 = z2 · (z1 · z2 ).
4. Elemento Neutro de la multiplicación: Existe 1, que equivale a 1 + 0i, el cual cumple:
1 · z1 = z1 · 1 = z1
5. Inverso multiplicativo o inverso: Todo número complejo z1 tiene un único inverso mul-
1
tiplicativo z1−1 =
z1
Propiedades del conjugado : El conjugado de un número complejo z = a ± bi, denotado z se

dene como: z = a ∓ bi
1. El conjugado de un número real es el mismo número real.
2. El conjugado de un número imaginario puro es el número imaginario opuesto (solo

cambia de signo).
3. El conjugado del conjugado: para z∈C se tiene z=z

4. Suma del conjugado: para z∈C se tiene z + z = 2Re(z)
5. Resta del conjugado: para z∈C se tiene z − z = 2Im(z)
6. Producto del conjugado: para cualesquiera z ∈ C, z = a + bi, se tiene z · z = a2 + b 2
7. El conjugado de una suma: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 + z2 = z1 + z2 .
8. El conjugado de un producto: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 · z2 = z1 · z2 .

1.3. Potencias de i, módulo o valor absoluto de un número

complejo
Las potencias de i están dadas:
i2 = −1
i3 = i2 i = (−1)i = −i
i4 = i2 i2 = (−1)(−1) = 1
i5 = i2 i2 i = (−1)(−1)i = i
i6 = i2 i2 i2 = (−1)(−1)(−1) = −1
i7 = i2 i2 i2 i = (−1)(−1)(−1)i = −i
i8 = i2 i2 i2 i2 = (−1)(−1)(−1)(−1) = 1
etc.
El valor absoluto de un número complejo a + bi se dene como la distancia del origen (0, 0) y el
punto (a, b). Normalmente se le denomina Módulo. Y se calcula con la fórmula:
√
a2 + b 2 (1.1)
1. Determine el módulo de los siguientes números complejos:
a ) w = −3 + 4i
p √ √
|w| = (−3)2 + (4)2 = 9 + 16 = 25 = 5
b ) s = 2 − 3i
p √ √
|s| = (2)2 + (−3)2 = 4+9= 13 = 3 60555127546399
3
c) a = 1 − i
2
s 2 r r √ √
2 3 9 13 13 13
|a| = (1) + − = 1+ = = √ = = 1 80277563773199
2 4 4 4 2

1.4. Forma polar y exponencial de un número complejo
Los números complejos se pueden representar de manera rectangular (a + bi), polar (C∠θ) ó de
manera exponencial Ceθi
Figura 1.3: Representación Geométrica de un número complejo
1.4.1. Conversión entre representaciones de un número complejo

En algunos cálculos, se preere que el número esté representado en forma polar, en lugar de
rectangular y viceversa. Por eso cobra importancia que sepamos como convertir un número complejo
polar a rectangular y de rectangular a polar
1. Dado un número en formato rectangular : a + bi. Para convertirlo en formato Polar hacemos
los siguientes cálculos:
a) Cálculo del módulo C:

√
2
|C| = a2 + b 2 (1.2)
b) Cálculo del ángulo θ:

−1 b
θ = tan (1.3)
a
Ejemplo: Dado el número complejo: 3 − 4i, obtenga su equivalente en formato polar :
Tenemos: a = 3, b = −4. Usando la ecuación 1.2 para calcular el modulo C:
p √ √
|C| = (3)2 + (−4)2 = 9 + 16 = 25 = 5
Para calcular el ángulo θ usamos la ecuación 1.3


−1 b −1 −4 −1 4
θ = tan = tan = tan − = −53. 1301◦
a 3 3
La conversión es: 3 − 4i = 5∠ − 53. 1301◦ . Si lo queremos expresar de manera exponencial:

−53.1301◦ i
5e
2. Dado un número en formato polar C∠θ, donde C es el módulo y ∠θ es el ángulo. Para

convertirlo en formato rectangular, hacemos los siguientes cálculos;
a) Cálculo de la parte real a:
a = |C| cos θ (1.4)
b) Cálculo de la parte real b:
b = |C| sin θ (1.5)
Ejemplo: Dado 10∠45◦ , calcule su equivalente en formato rectangular.
Tenemos: |C| = 10, θ = 45◦ . Usando la ecuación 1.4 para calcular la parte real a:
a = |C| cos θ = 10 cos 45◦ = (10)(0 70710678118655) = 7 0710678118655
Para calcular la parte real b usamos la ecuación 1.5
b = |C| sin θ = 10 sin 45◦ = (10)(0 70710678118655) = 7 0710678118655
La conversión es: 10∠45◦ = 7 0710678118655 + 7 0710678118655i
Tabla 1.1: Conversión entre Formatos Rectangular y Polar
Formato Rectangular Conversión a Formato Polar
p b
a ± bi ⇒ C= (a)2 + (b)2 , θ = tan−1
a
Formato Polar Conversión a Formato Rectangular
C∠θ ⇒ a = (C) cos θ, b = (C) sin θ

Compruebe los siguientes cálculos:
Tabla 1.2: Conversion I
Numero complejo Módulo ángulo

√
−2 + 3i 13 = 3 60555127546399 −56,3099◦
1 2 5
− + i = 0 83333333333333 −71,5651◦
2 3 √6
10 + 20i 500 = 22 3606797749979 63,4349◦
√
0 8 − 2 3i 5 93 = 2 43515913237718 70 8209◦
√
5 − 2i 29 = 5 3851648071345 −21 8014◦
Tabla 1.3: Conversión II
Numero complejo Parte Real Parte imaginaria
25∠30◦ 21 65063509461097 12 5i
50∠ − 80◦ 8 68240888334652 −49 24038765061040i
4∠220◦ −3 06417777247591 −2 57115043874616i
15∠ − 108◦ −4 63525491562421 −14 26584774442731i
1
∠22 8◦ 0 23046578789713 0 09687889661303i
4
Tabla 1.4: Conversión III
Formato Rectangular Formato Polar Formato exponencial

◦i
10 − 10i 14 142135∠ − 45◦ 14 142135e−45
3 4 ◦i
− i 1 46211∠ − 65 77◦ 1 46211e−6577
5 3 ◦i
2 − 4i 4 47213∠ − 63 43◦ −4 47213e−6343
◦
0 8 − 1 2i 1,44222∠ − 56 30◦ 1,44222e−5630
◦i
−1 + 3i 3 16227∠ − 71 56◦ 3 16227e−7156

Con ambos formatos se pueden sumar, restar, multiplicar y dividir números complejos. Pero,
es más fácil sumar y restar en formato rectangular, y la multiplicación y división es más fácil en
formato polar.
Multiplicación de dos números complejos en formato polar : Para realizar la multiplica-
ción, los módulos se multiplican y los ángulos se suman.
1. Dados: a = 12∠ − 90◦ , b = 5∠125◦ . calcule ab:
ab = (12∠ − 90◦ )(5∠125◦ ) = (12)(5)∠[(−90◦ ) + (125◦ )] = 60∠35◦

2. Dados: c = 8∠40◦ , d = 9∠12 9◦ . calcule cd:
cd = (8∠40◦ )(9∠12 9◦ ) = (8)(9)∠[(40◦ ) + (12 9◦ )] = 72∠52 9◦

√ √
3. Dados: f = 13∠ − 75◦ , h = 41∠ − 113◦ . calcule f h:
√ √ √ √
f h = ( 13∠ − 75◦ )( 41∠ − 113◦ ) = ( 13)( 41)∠[(−75◦ ) + (−113◦ )]
p √
fh = (13)(41)∠ − 188◦ = 533∠ − 188◦ = 23 08679276123039∠ − 188◦
División de dos números complejos en formato polar : Para dividir dos números complejos
en formato polar, se dividen los módulos y el ángulo del divisor resta el ángulo del dividendo.
En otras palabras, se debe restar al ángulo del numerador, el ángulo del denominador. Otra
forma de expresarlo es decir que el ángulo del denominador sube con signo contrario para
sumarse con el ángulo del numerador.
e
1. Dados c = 20∠60◦ , e = 10∠ − 88◦ . calcule :
c
e 10∠ − 88◦ 10 1 1
= ◦
= ∠[(−88◦ )−(60◦ )] = ∠(−88◦ −60◦ ) = ∠−148◦ = 0 5∠ − 148◦
c 20∠60 20 2 2
a
2. Dados a = 16∠ − 100◦ , c = 46∠ − 90◦ . calcule :
c
a 16∠ − 100◦ 16 ◦ ◦ 8
= ◦
= ∠[(−100 ) − (−90 )] = ∠(−100◦ + 90◦ )
c 46∠ − 90 46 23
a 8
= ∠ − 10◦ = 0 34782608695652∠ − 10◦
c 23
√ √ a
3. Dados a= 32∠23◦ , f = 2∠125◦ . calcule :
f
√ √
√
r
a 32∠23◦ 32 ◦ ◦ 32
=√ = √ ∠[(23 )−(125 )] = ∠(23◦ −125◦ ) = 16∠−102◦ = 4∠ − 102◦
f 2∠125◦ 2 2

La suma y resta de números complejos en formato polar se resuelve igual que la suma y resta
de vectores.

√ √
1. Dados: a = 2∠21◦ , b = 4∠−345◦ , c= 33∠28◦ , d = 25∠−376◦ , e= 88∠66◦ ,
Compruebe:
a) a + b soln) 5 39096464380887∠ − 16 69710000766323

b) e − d soln) 28 69305538469992∠123 8718611400540
c) 3ade soln) 1407 124727947029∠49 4
a
d) soln) 0 3481553119114∠ − 7
c
b
e) soln) 0 14353104945145∠ − 7 71975172917588
c+d

1.5. Teorema de De Moivre, potencias y extracción de raíces

de un número complejo
1.5.1. Teorema de De Moivre

Dado un número complejo de la forma: z = r(cos θ + i sin θ):
Si se tiene un número complejo en la forma rectangular z = C(cos θ + i sin θ),
donde C es el
n
módulo del número complejo z, y θ es el ángulo. Entonces, para calcular la potencia z se tiene:
z n = C n (cos nθ + i sin nθ) = C n ∠nθ (1.6)
1.5.2. Calculo de potencias

1. Realice los siguientes cálculos
a) Dado d = 22∠ − 24◦ , calcule d3
d3 = (22∠ − 24◦ )3 = (22)3 ∠(3)(−24◦ ) = 10648∠ − 72◦

√
b) Dado a= 101∠120◦ , calcule a2
√ √
a2 = ( 101∠120◦ )2 = ( 101)2 ∠(2)(120◦ ) = 101∠240◦
c) Dado c = 8∠11◦ , calcule c4
c4 = (8∠11◦ )4 = (8)4 ∠(4)(11◦ ) = 4096∠44◦
1.5.3. Calculo de raíces

Se puede calcular la raíz de un número complejo modicando la ecuación 1.6. La raíz de un
número complejo es más fácil de obtener en la forma polar
m m m m m m
z n = C n (cos θ + i sin θ) = C n ∠ θ (1.7)
n n n
1. Calcule las raíces de los siguientes números complejos:
√
a) Dado a = 20∠30◦ , calcule a
√ √ √

◦ 1 1 1 ◦
a= 20∠30◦ = (20∠30 ) = (20) ∠ 2 2 30 = 20∠15◦ = 4 47213595499958∠15◦
2
√
b) Dado b = 33∠ − 100◦ , calcule
3
a
√ √

◦ 1 1 1
(−100◦ )
3 3
b= 33∠ − 100◦ = (33∠ − 100 ) = (33) ∠
3 3
3
√
3
b = 3 20753432999583∠ − 33 333333333333◦

√
c) Dado h = 5∠25◦ , calcule
3
h2
√
3
p 2 2

2 ◦

h2 = 3 (5∠25◦ )2 = (5∠25◦ ) 3 = (5) 3 ∠ (25 ) = 2 92401773821287∠16 666666667◦
3
1.6. Ecuaciones polinómicas
Los números complejos, normalmente aparecen en pares para la solución de polinomios. En el

2
cálculo de las raíces de un polinomio de segundo orden del tipo: ax + bx + c, utilizamos la formula:
√
−b ± b2 − 4ac
x1,2 = (1.8)
2a
Sabemos que:
1. Si b2 > 4ac, el sistema tiene dos raíces reales y diferentes.
2. Si b2 = 4ac, el sistema tiene una raíz repetida.
3. Si b2 < 4ac, el argumento de la raíz es un número negativo.
1. Dado: x2 − 4x + 4, determine sus raíces. Use la ecuación 1.8
a) Para este problema, a = 1, b = −4 y c=4

√ p
b2 − 4ac
−b ± −(−4) ± (−4)2 − 4(1)(4)
x1,2 = =
2a 2(1)
√ √
4 ± 16 − 16 4± 0 4
x1,2 = = = = 2
2 2 2
Este es el caso de raíces repetidas. x1,2 = 2. Es decir: x1 = 2, x2 = 2. la factorización
2 2
del polinomio original es: x − 4x + 4 = (x − 2)(x − 2) = (x − 2)
| {z } | {z }
x1 =2 x2 =2
2. Dado: x2 − 10x + 9, determine sus raíces.
a) Para este problema, a = 1, b = −10 y c=9

√ p √
−b ± b2 − 4ac −(−10) ± (−10)2 − 4(1)(9) 10 ± 100 − 36
x1,2 = = =
2a 2(1) 2
√
10 ± 64 10 ± 8
x1,2 = =
2 2
Aquí se dan dos posibilidades:
10 + 8 18 10 − 8 2
x1 = = =9 x2 = = =1
2 2 2 2
Este es el caso de raíces diferentes. Es decir: x1 = 9 , x2 = 1 . la factorización del

2
polinomio original es: x − 10x + 9 = (x − 9)(x − 1})
| {z } | {z
x1 =9 x2 =1

3. Dado: x2 + x + 3 , determine sus raíces.
a) Para este problema, a = 1, b = 1 y c=3
√ p √ √
−b ± b2 − 4ac −(1) ± (1)2 − 4(1)(3) −1 ± 1 − 12 1 ± −11
x1,2 = = = =
2a 2(1) 2 2
Apareció un número negativo dentro de la raíz. Recordando que i2 = −1.
√ p p √ √ √
1± −11 1 ± (11)(−1) 1 ± (11)(i2 ) 1 ± 11 i2 1 ± 11i
x1,2 = = = = =
2 2 2 2 2
De donde:
√ √ √ √
1+ 11i 1 11 1− 11i
1 11
x1 = = + i
x2 = = − i
2 2 2 2 2 2
√ √
1 11 1 11
Este es el caso de un par de raíces complejas. Es decir: x1 = + i, x2 = − i.
2 2 2 2
√ √
2 1 11 1 11
la factorización del polinomio original es: x + x + 3 = (x − − i)(x − + i)
| 2 {z√ 2 } | 2 {z√ 2 }
1 11 1 11
x1 = + i x2 = − i
2 2 2 2

1.7. Ejercicios
1. Realice las operaciones indicadas con los siguientes números complejos:
a = 2∠30◦ b = −3 + 4i, c = 6 − i, d = 4∠ − 75◦
Convertimos cada número en los formatos rectangular y polar
Para a = 2∠30◦ que está en formato polar, obtenemos su equivalente en formato rec-
tangular :
a = |C| cos θ = 2 cos 30◦ = 2(0 86602540378444) = 1 73205080756888
b = |C| sin θ = 2 sin 30◦ = 2(0 5) = 1
solución: a = 2∠30◦ = 1 73205080756888 + i

Para b = −3 + 4i que está en formato rectangular, obtenemos su equivalente en formato
polar :
√ p √ √
|C| = a2 + b 2 = (−3)2 + (4)2 = 9 + 16 = 25 = 5

b 4 4
θ = arctan = arctan = arctan − = −53 13010235415598◦
a −3 3
solución: b = 3 − 4i = 5∠ − 53 13010235415598◦
Para c = 6−i que está en formato rectangular, obtenemos su equivalente en formato
polar :
√ p √ √
|C| = a2 + b 2 = (6)2 + (−1)2 = 36 + 1 = 37 = 6 08276253029822

b −1 1
a 6 6
√
solución: c = 6 − i = 37∠ − 9 46232220802562◦ = 6 08276253029822∠ − 9
◦
46232220802562
Para a = 4∠ − 75◦ que está en formato polar, obtenemos su equivalente en formato
rectangular :
d = |C| cos θ = 4 cos −75◦ = 4(0 25881904510252) = 1 03527618041008
b = |C| sin θ = 4 sin −75◦ = 4(−0 96592582628907) = −3 86370330515627
solución: d = 4∠ − 75◦ = 1 03527618041008 − 3 86370330515627i

Tabla 1.5: Resumen I
No Formato Rectangular Formato Polar
a 1 73205080756888 + i 2∠30◦
b −3 + 4i 5∠ − 53 13010235415598◦
c 6−i 6 08276253029822∠ − 9 46232220802562◦
d 1 03527618041008 − 3 86370330515627i 4∠ − 75◦
a) Calcule: a + b. La suma es mejor en formato rectangular:
1 73205080756888 + i
−3 + 4i
−1 26794919243112 + 5i
a + b = −1 26794919243112 + 5i
b
b) Calcule: . La división es más fácil en el formato polar
c
b 5∠ − 53 13010235415598◦
=
c 6 08276253029822∠ − 9 46232220802562◦
b 5
= ∠(−53 13010235415598◦ ) − (−9 46232220802562◦ )
c 6 08276253029822
b
= 0 82199493652679∠(−53 13010235415598◦ + 9 46232220802562◦ )
c
b
= 0 82199493652679∠ − 43 66778014613036◦
c
c
c) Calcule: . La división es más fácil en el formato polar
d
c 6 08276253029822∠ − 9 46232220802562◦
=
d 4∠ − 75◦
c 6 08276253029822
= ∠(−9 46232220802562◦ ) − (−75◦ )
d 4
c
= 1 52069063257456∠(−9 46232220802562◦ + 75◦ )
d
c
= 1 52069063257456∠65 53767779197437◦
d

d) Calcule: ad. La multiplicación es más fácil en el formato polar
ad = (2∠30◦ )(4∠ − 75◦ ) = (2)(4)∠(30◦ ) + (−75◦ ) = 8∠(30◦ − 75◦ ) = 8∠ − 45◦
ad = 8∠ − 45◦
2. Dados los siguientes números complejos: a = 10 + 30i, b = 25 − 45i, c = 40 + 120i,

d = −50 − 90i
Realizamos la conversión de rectangular a polar :
Conversión de a = 10 + 30i
√ p √ √
|C| = a2 + b 2 = (10)2 + (30)2 = 100 + 900 = 1000 = 10

b 30
θ = arctan = arctan = arctan [3] = 71 56505117707799◦
a 10
Conversión de b = 25 − 45i
√ p √ √
|C| = a2 + b2 = (25)2 + (−45)2 = 625 + 2025 = 2650 = 51 478150704935

b −45 9
a 25 5
Conversión de c = 40 + 120i
√ p √ √
|C| = a2 + b 2 = (40)2 + (120)2 = 1600 + 14400 = 16000 = 126 4911064067352

b 120
θ = arctan = arctan = arctan [3] = 71 56505117707799◦
a 40
Conversión de d = −50 − 90i
√ p √ √
|C| = a2 + b 2 = (−50)2 + (−90)2 = 2500 + 8100 = 10600 = 102 95630140987

b −90 9
θ = arctan = arctan = arctan = 60 94539590092286◦
a −50 5

Tabla 1.6: Resumen II
No Formato Rectangular Formato Polar
a 10 + 30i 10∠71 56505117707799◦

b 25 − 45i 51 478150704935∠ − 60 94539590092286◦
c 40 + 120i 126 4911064067352∠71 56505117707799◦
d −50 − 90i 102 95630140987∠60 94539590092286◦
a) Calcular a − d. El sustraendo es d. −d = 50 + 90i. Trabajamos en formato rectangular
10 + 30i
50 + 90i
60 + 120i
solución: 60 + 120i = 134 1640786499874∠63 43494882292201◦
b) Calcular bc. Trabajamos en formato polar
bc = (51478150704935∠−6094539590092286◦ )(1264911064067352∠7156505117707799◦ )
bc = (51478150704935)(1264911064067352)∠(−6094539590092286◦ +7156505117707799◦ )
bc = 6511 528238439883∠10 61965527615513◦
solución: bc = 6400 + 1200i = 6511 528238439883∠10 61965527615513◦
c) Calcular bd. Trabajamos en formato polar
bd = (51478150704935∠−6094539590092286◦ )(10295630140987∠6094539590092286◦ )
bd = (51478150704935)(10295630140987)∠(−6094539590092286◦ )+(6094539590092286◦ )
bd = 5300∠0◦
solución: bd = 5300 = 5300∠0◦

b
d) Calcular
a
b 51 478150704935∠ − 60 94539590092286◦
=
a 10∠71 56505117707799◦
b 51 478150704935
= ∠(−60 94539590092286◦ ) − (71 56505117707799◦ )
a 10
b
= 5 1478150704935∠(−60 94539590092286◦ − 71 56505117707799◦ )
a
b
= 5 1478150704935∠ − 132 5104470780009◦
a
b
solución: = −3 47850542618522 − 3 79473319220205i = 5 1478150704935∠ − 132
a
5104470780009◦
a+c
e) Calcular
b+d
calculo de a+c
10 + 30i
40 + 120i
50 + 150i
Conversión a polar de a+c
p √ √
|a + c| = (50)2 + (150)2 = 2500 + 22500 = 25000 = 158 1138830084190

150
θ = arctan = arctan [3] = 71 56505117707799◦
50
Resultado: 158 1138830084190∠71 56505117707799◦
Cálculo de b+d
25 − 45i
−50 − 90i
−25 + −135i
Conversión a polar de b+d
p √ √
|b + d| = (−25)2 + (−135)2 = 625 + 18225 = 18850 = 137 2953021774598


−135 27
θ = arctan = arctan = 79 50852298766841◦
−25 5
Resultado: 137 2953021774598∠79 50852298766841◦
a+c 158 1138830084190∠71 56505117707799◦

=
b+d 137 2953021774598∠79 50852298766841◦
a+c 158 1138830084190

= ∠(71 56505117707799◦ ) − (79 50852298766841◦ )
b+d 137 2953021774598
a+c
= 1 1516335992622∠(71 56505117707799◦ − 79 50852298766841◦ )
b+d
a+c
= 1 1516335992622∠ − 7 94347181059042◦
b+d
Resultado:
a+c
= 114058355437666−015915119363395i = 11516335992622∠−794347181059◦
b+d

Capítulo 2
Matrices y Determinantes
2.1. Denición de Matriz, Notación y Orden
Una Matriz A es un arreglo rectangular de números aij , organizados en m renglones y n columnas

de la forma:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  .. (2.1)
 
. .. . 
 . . . .
. . 
am1 am2 · · · amn
Las matrices se asignan con una letra en mayúscula; para diferenciarla de un vector, al que se
le asigna una letra minúscula y en negritas. La dimensión de la Matriz está dada por el número
de renglón y de columna y se expresa mxn. Cada elemento de la matriz A puede denotarse como
elemento aij , donde i es el número de renglón y j el número de columna. También podemos denotar
a un elemento dentro de la Matriz A como: Aij ó Ai,j . En Matlab, un elemento de una Matriz A
lo ubicaríamos con la instrucción: A(i, j). Ejemplo: Dadas las siguientes matrices:
       
1 −2
2 4 −2 1
1 4 −2 4 1
1 −4 − 2
A =  12 0 54  , B =  15 −1 , C = , D = −3 1 0 5 , E = −3
3 56
   
4 3 2 7 1
−1 8 −3 0 7 −1 −1 3 − 2 2
Los términos horizontales son las las de la matriz y los verticales son sus columnas. La matriz A
tiene tres renglones y tres columnas, así que la dimensión de dicha matriz es 3x3. En el caso de la
matriz B , su dimensión es de 3x2. C , D y E tienen dimensiones de 2x3, 3x4 y 3x1 respectivamente.
1
El elemento b21 es . Es el elemento que está en el segundo renglón, primera columna; es decir:
5
 
4 −2
1
B= −1
 
5
4
0 7
Para denotar matrices se usarán mayúsculas y para denotar los elementos de la misma con minús-
culas; así se escribe:
31
2 3
 

a b
A = 1 1
 o B=
c d
3 2
Cuando se desea que la notación sea condensada, la matriz se puede expresar como:
[aij ]mxn o [aij ]
La primera notación se usa cuando en el análisis, es importante conocer el tamaño de la matriz

y la segunda cuando esto no es necesario. Por lo general, la letra que se le asigna a una matriz,
corresponde a la letra que denota a sus elementos; así, para una matriz A, en general se usará aij
para denotar un elemento en el renglón i y la columna j. Para una matriz B se usará bij
2.2. Operaciones con Matrices
1. Dos matrices son iguales si tienen la misma dimensión (mismo número de renglones y de
columnas ) y los mismos elementos. Es decir, si se tienen dos matrices A y B , estas son iguales
si tienen la misma dimensión y los elementos que la conforman son iguales. Con un elemento
que sea distinto, las matrices son diferentes.
       
1 −2
2 1 −2
2 5 10 1 5 10 1
1 5 1 5
A =  12 0 54  B =  21 0 54  C =  20 −3 4
 D =  20 −3 4

−1 8 −3 −1 8 −3 1 6 -3 1 6 3
En el caso de las Matrices A y B, se cumple que tienen la misma dimensión y todos los
elementos que cada una tiene, son iguales. En el caso de las matrices C y D; aunque ambas
son de la misma dimensión, el termino c33 , tiene diferente signo que el termino d33 . Sólo
dieren en ese término; pero es suciente para que no sean iguales.
2. Multiplicación por un Escalar: Dada una matriz que tenga cualquier dimensión, al ser
multiplicada por un escalar (Un número real ó complejo cualquiera), el resultado es la mul-
tiplicación de este escalar por cada uno de los elementos de dicha matriz. Por ejemplo:
1
 
3 5 − 4 
Dada: C= 3 , la multiplicación: −2C está dada por:
3 11
8
 
1 1 1
   
3 5 − 4  (−2)(3) (−2)(5) (−2) − 4  −6 −10 2 
−2C = −2  3 = = 3
3

3 11 (−2)(3) (−2) (−2)(11) −6 − −22
8 8 4
3. Suma de Matrices: La primer condición que se debe cumplir al sumar dos matrices, es
que ambas tengan la misma dimensión. Si tienen la misma dimensión, entonces la suma es
término a término. Cada termino que se encuentre en la misma posición se suma.
32 CAPÍTULO 2. MATRICES Y DETERMINANTES

2
0 −2
 
−2 4 13
 
5
" #
5 
1 −1 −5
A =  0 1 −1 B = −3 1 C=

4  1
5 23 8 4 2
− 21 2
3
−1 0
Las matrices AyB tienen dimensión 3x3. Por su parte, la matriz C es de dimensión 2x3. Es
posible sumar a las matrices A y B . Pero C no se puede sumar ni con A, ni con B . La suma
no está denida si las matrices no tienen la misma dimensión. La suma de A + B se realiza:
 
   2  2 1
1 0 −2  (−2) + (0) (4) + 5 + (−2)
−2 4 3   5   3 
5 5 
0 1 −1 + −3 1
    
A+B =  =  (0) + (−3) (1) + (1) (−1) + 
   4  4 
 2  
4
 
4

2

5 8 −1 0

(5) + + (−1) (8) + (0)

3 3 3 3
22 5
− −2
 5 3
 1 
A+B = −3 2 
 4 
19 1
 
− 8
3 3
4. Propiedades de La suma de matrices:
a ) Propiedad Conmutativa: La suma de matrices es conmutativa; es decir: A + B =

B+A
b ) Propiedad Asociativa: La suma de matrices es asociativa; es decir: A + (B + C) =
(A + B) + C . También se cumple: (k1 k2 )A = k1 (k2 A), para los escalares k1 y k2
c ) Propiedad del Elemento neutro de la suma: Para toda matriz A se cumple: A+0 =
0 + A = A. Donde:
 
0 0 ··· 0
0 0 · · · 0
0 =  .. .. . . .. 
 
. . . .
0 0 ··· 0
Matriz Nula de mxn. Cuyos elementos que la conforman son 0.
Se le conoce como
d ) Propiedad del Elemento opuesto: Dada una matriz A, se cumple: A + (−A) =

(−A) + A = 0. Donde:
 
−a11 −a12 · · · −a1n
 −a21 −a22 · · · −a2n 
−A =  ..
 
. .. .
. .

 . . . . 
−am1 −am2 · · · −amn
Lo que implica que cada uno de los elementos de la matriz A, cambian de signo. Por
ejemplo, dada la matriz:
CAPÍTULO 2. MATRICES Y DETERMINANTES 33

−2 4 13
 
A =  0 1 −1
5 23 8
La matriz opuesta es:
2 −4 − 13
 
A =  0 −1 1 
−5 − 23 −8
Cada uno de los elementos de la matriz A cambió de signo. También se puede decir que
cada elemento de la matriz A fue multiplicado por −1. Note que el 0 no se convierte en
−0, no existe tal expresión.
e ) Propiedad Distributiva para la suma de matrices: Dadas las matrices A y B,

ambas con la misma dimensión. Y sea k un escalar cualquiera. Entonces se cumple que:
k(A + B) = kA + kB
f ) Propiedad Distributiva para la suma de escalares Dada una matriz A, y los
escalares k1 y k2 , entonces: (k1 + k2 )A = k1 A + k2 A
5. Multiplicación de matrices: Si A es una matriz de mxp y B es una matriz de pxn;

entonces, el producto AB es la matriz mxn. Esto nos indica que para que dos matrices se
puedan multiplicar, el número de columnas de la primera matriz debe ser igual al número de
renglones de la segunda matriz. Hay que indicar que el producto matricial no es conmutativo.
Es decir AB 6= BA. Para determinar los elementos del producto de dos matrices, realizamos
lo siguiente: Se multiplican los renglones de la primer matriz por todas las columnas de la
segunda matriz. Ejemplo. Dadas:
   
1 0 −1 3 −3 0
A = 2 1 10  B = 2 4 6
5 4 −3 9 −1 2
Obtenga el producto AB
a) Calculo del primer renglón del producto AB .

término (ab)11
 
3
1 0 −1 2 = (1)(3) + (0)(2) + (−1)(9) = 3 + 0 − 9 = -6
9
término (ab)12
 
−3
1 0 −1  4  = (1)(−3) + (0)(4) + (−1)(−1) = −3 + 0 + 1 = -2
−1

término (ab)13
 
0
1 0 −1 6 = (1)(0) + (0)(6) + (−1)(2) = 0 + 0 − 2 = -2
2
El primer renglón queda: [ −6 −2 −2]
b) Calculo del Segundo renglón del producto AB .

término (ab)21
 
3
2 1 10 2 = (2)(3) + (1)(2) + (10)(9) = 6 + 2 + 90 = 98
9
término (ab)22
 
−3
2 1 10  4  = (2)(−3) + (1)(4) + (10)(−1) = −6 + 4 − 10 = -12
−1
término (ab)23
 
0
2 1 10 6 = (2)(0) + (1)(6) + (10)(2) = 0 + 6 + 20 = 26
2
El segundo renglón queda: [ 98 − 12 26 ]
c) Calculo del tercer renglón del producto AB .

término (ab)31
 
3
5 4 −3 2 = (5)(3) + (4)(2) + (−3)(9) = 15 + 8 − 27 = -4
9
término (ab)32
 
−3
5 4 −3  4  = (5)(−3) + (4)(4) + (−3)(−1) = −15 + 16 + 3 = 4
−1
término (ab)33
 
0
5 4 −3 6 = (5)(0) + (4)(6) + (−3)(2) = 0 + 24 − 6 = 18
2
El tercer renglón queda: [ −4 4 18 ]

El producto AB es:
 
−6 −2 −2
AB =  98 −12 26 
−4 4 18
dadas:
4 

5
 5
3 − 1 3 
E=
 3  
F = 4 0

1  
0 1 
2

11 7
5
Calcule EF . La matriz E es de 2x3 y la matriz F es de 3x2, al multiplicar EF vemos que

el número de columnas de E es 3 y el número de renglones de F es también 3. Esta es la
condición que se debe cumplir para que se pueda realizar la multiplicación. La multiplicación
EF debe generar una matriz de 2x2. Si multiplicamos F E obtendremos como resultado una
matriz de 3x3. Esto demuestra que EF = 6 F E.
a) Cálculo del primer renglón del producto EF

Término (ef )11
4
3

5 4 5 20 13
3 − 1  4 = (3) + − (4) + (1)(7) = 4 − +7=
3   3 3 3 3
7
Término (ef )12
 
5
 
5 0 5 2 2 77
3 − 1   = (3) (5) + − (0) + (1) = 15 + 0 + =
3 2 3 5 5 5
5

13 77
El primer renglón queda:
3 5
b) Cálculo del segundo renglón del producto EF

Término (ef )21
4
3

1 
 4  = (0) 4 1 7 51
0 1 + (1) (4) + (7) = 0 + 4 + =
11   3 11 11 11
7

Término (ef )22

 
5
 
1 0 1 2 2 2
0 1   = (0) (5) + (1) (0) + =0+0+ =
11  2  11 5 55 55
5

51 2
El segundo renglón queda:
11 55
El producto EF :
13 77
 
EF =  3 5

51 2
11 55
Compruebe que:
25 59
 
4
 9 33 
20
 
F E = 12 − 4 
 
 3 
 169 387 
21 −
15 55

1. Dadas:
       
1 −2
2 4 −2 1
1 −2 4 1
1 5  1 1 −4 − 2
A = 2 0 4 , B = 5 −1 , C = , D = −3 0 5 , E = −3
3 65
     
4 3
−1 8 −3 0 7 −1 3 − 72
2 1
2
Compruebe:
41 43
 
−
 5 7
 
 2 
a) AB soln) AB =  2 − 

 7
 12 54 
− −
5 7
−10 20
 
0
 

−13 35 
b) 4D − 2A soln) 4D − 2A =  0 
 2 

 40 
−2 − −8
3
31
 
1 −2
 8 
 
3 7 3 7  1 65 
c) D+ A soln) D+ A=−  0 
8 4 8 4  4 16 

 17 57 105 
− −
8 4 16
9
 
 1
− 
d) DE soln) DE = 
 2

19
 
−
4
 
51
4
e) CE soln) CE = 
9

10

2.3. Clasicación de las Matrices
Las matrices pueden clasicarse:
1. Matriz Fila: Es aquella que solo contiene una la (renglón) y un número arbitrario de
columnas.

1 1 3
A = 2 −4 − B = 0 10 −1
3 6 7
Note que ambas matrices son matrices la. Solo que la matriz A tiene tres columnas (dimen-
sión 1x3) y la matriz B tiene cinco columnas (dimensión 1x5). Es decir, lo que las dene como
matrices la, es que solo tienen un solo renglón o la, sin importar el número de columnas
que contengan.
2. Matriz Columna: Es aquella que solo contiene una columna y un número arbitrario de
renglones o las.
 
04
 1   
 10 
 10  
 3 

 
8 8 
 −5 

A=
 
 B= 
 −4  
 1 

   
 
7  3
−
29
Note que ambas matrices son matrices columna. Solo que la matriz A tiene cuatro renglones
o las (dimensión 4x1) y la matriz B tiene cinco renglones o las (dimensión 5x1). Es decir,
lo que las dene como matrices columna, es que solo tienen un sola columna, sin importar el
número de renglones o las que tengan.
3. Matriz Transpuesta: Dada una Matriz A de dimensión mxn, se dice que la transpuesta de
A; denotada AT se obtiene de intercambiar renglones por columnas y tiene dimensión nxm.
Dada la matriz C, cuya dimensión es 2x3
−1 −5
1
 
C = 1 1

− 2
2 2
La matriz transpuesta de C es CT de dimensión 3x2:
1
 
1
 2 
C = −1 − 1 
T
 


 2
−5 2

4. Matriz Rectangular: Son aquellas que tienen distintos números de renglones y colum-
nas.Son de dimensión mxn.
4
 
1 −2 − 4
" #  11 
6 0 −1 
−10 6

A= , B= 7 33 ,

−1 1 11  
 1 
4 100 14
6
5. Matriz Cuadrada: Son aquellas que tienen el mismo número de renglones que de columnas:
1
 
0 −6 71
 7 
−1 1 1 3 
    
1 15 −10 1 
10 
11

A = −2 1 0 , B= 3 , C= ,
 
 3 
0 9 −15 1 6 − 20 
2 1 3  10 
7 
π 0 −3π
2
Las tres matrices son cuadradas. A es una matriz de 3x3, B es de 2x2 y C es de 4x4. Las
matrices cuadradas tiene muchas aplicaciones.
6. Matrices Cuadradas Especiales:
a ) Matriz Diagonal: Es aquella Matriz cuyos elementos que no están en la diagonal

principal son 0.
 
a11 0 · · · 0
 0 a22 · · · 0 
A =  ..
 
. .. . 
 . . . . 
. .
0 0 · · · ann
b ) Matriz Escalar: Es una Matriz Diagonal en la que todos los elementos de la Dia-
gonal Principal son iguales.
 
k 0 ··· 0
0 k · · · 0
k i=j
A =  .. .. . . ..  Aij =
 
. . . . 0 i 6= j
0 0 ··· k
c ) Matriz Identidad: Es aquella que tiene solo unos en la diagonal principal y ceros en
todas las demás posiciones.
 
1 0 ··· 0
0 1 · · · 0
1 i=j
I =  .. .. . . ..  Iij =
 
. . . . 6 j
0 i=
0 0 ··· 1

d ) Matriz Nula: Es aquella matriz en la que todos sus elementos son cero:
 
0 0 ··· 0
0 0 · · · 0
A =  .. .. . . .. 
 
. . . .
0 0 ··· 0
e ) Matriz Triangular Superior: Es aquella cuyos elementos debajo de la diagonal prin-

cipal son 0:
 
a11 a12 a13 · · · a1n
 0 a22 a23
 · · · a2n 

A= 0
 0 a33 · · · a3n 

 .. .
.
.
. .. . 
.
 . . . . . 
0 0 0 · · · ann
f ) Matriz Triangular Inferior: Es aquella cuyos elementos por encima de la diagonal

principal son 0:
 
a11 0 0 ··· 0
 a21 a22 0
 ··· 0 

A =  a31 a32 a33
 ··· 0 

 .. .
.
.
. .. .
.

 . . . . . 
an1 an2 an3 · · · ann
g ) Matriz Simétrica: Es una matriz cuadrada que cumple: AT = A. Dada la matriz R:
1 3 6
 
1
 
3 −
 
R= 0 
 2 
1
 
6 0 −
2
Verique que esta matriz cumple: RT = R.
Teorema: Si A y B son matrices simétricas del mismo tamaño, y k es cualquier escalar,

entonces:
AT es simetrica.
A+B y A−B son simétricas.
kA es simetrica.
h ) Matriz Anti-simétrica: Es una matriz cuadrada que cumple: AT = −A. Dada la

matriz S:

−1 −1
   
0 1 0 1
   
1
S= 0 −5
 ST = 
−1 0 5 = −S
−1 5 0 1 −5 0
Verique que esta matriz cumple: S T = −S .
Propiedades básicas de las matrices triangulares

1. LaTranspuesta de una Matriz Triangular Inferior es una matriz Triangular Superior. La
Transpuesta de una Matriz Triangular Superior es una matriz Triangular Inferior.
   
1 −3 4 1 0 0
T
A = 0 10 −1 A = −3
 10 0 
0 0 −3 4 −1 −3
   
4 0 0 4 −6 1
T
B = −6 10 0 B = 0  10 5
1 5 3 0 0 3
2. El producto de Matrices Triangulares Inferiores da como resultado una Matriz Triangular
Inferior y El producto de Matrices Triangulares Superiores da como resultado una Matriz
Triangular Superior
    
1 0 0 4 0 0 4 0 0
−6 4 0 −3 10 0 = −36 40 0
1 5 3 3 5 3 −2 65 9
    
1 2 5 4 −2 9 4 14 36
0 −1 7  0 8 11 = 0 −8 −4
0 0 3 0 0 1 0 0 3
3. Una Matriz Triangular es invertible si y solo si, todos sus elementos en la diagonal principal
son diferentes de cero.
4. Lainversa de una Matriz Triangular Inferior invertible es una Matriz Triangular Inferior y
La inversa de una Matriz Triangular Superior invertible es una Matriz Triangular Superior
3 37
 
1
   10 30 
1 −3 4
1 1
 
A = 0 10 −1 A−1 = 0 − 

 10 30 
0 0 −3  1
0 0 −
3
1
 
0 0
   4
4 0 0

3 1
 
B = −6 10 0 B −1 =  0
 
 20 10
1 5 3

 1 1 1
− −
3 6 3

2.4. Transformaciones elementales por renglón. Escalonamien-

to de una matriz. Rango de una matriz
2.4.1. Transformaciones Elementales por renglón

Dada una matriz A, las operaciones elementales que se pueden realizar entre los renglones de
una matriz son:
1. multiplicar un renglón por cualquier escalar (Real o complejo) k, excepto 0. kRm
2. Sumar dos renglones. Rm + Rn
3. intercambiar dos renglones. Rm ⇔ Rn
Ejemplo: Dada la matriz P:
 
7 4 1
 
−3 6
P = 9

−1 5 12
1. Multiplicar el segundo renglón por −3:

   
7 4 1 7 4 1
   
−3 6
P = 9
 − 3R2 ⇒ R2 9
P = −18 −27

−1 5 12 −1 5 12
2. Intercambiar el renglón 1 con el renglón 3:
−1
   
7 4 1 5 12
   
9
P = −18 −27
 R1 ⇔ R3 9
P = −18 −27

−1 5 12 7 4 1
3. Sumar el renglón 1 con el renglón 2 y el resultado dejarlo en el renglón 1
−1 8 −13 −15
   
5 12
   
9
P = −18 −27
 R1 + R2 ⇒ R1 9 −18 −27
 
7 4 1 7 4 1
2.4.2. Matriz Escalonada y Matriz Escalonada Reducida

Una matriz tiene dos formas canónicas:
Forma Escalonada : Una matriz está en su forma escalonada; cuando en su diagonal principal
todos los elementos son unos y debajo de la diagonal principal todos los elementos son cero.

Forma Escalonada Reducida : Es igual que la Forma Escalonada, solo que también tiene ceros
arriba de la diagonal principal
Ejemplo:
1. Exprese en su forma Escalonada y Escalonada Reducida la siguiente matriz.
 
3 −1 5
 
A = 2 1
 
6
 2 
7 8 −4
a) Forma Escalonada: Debemos colocar ceros debajo de la diagonal principal y todos los
elementos de la diagonal principal deben ser unos.
Hacemos que el término a11 sea uno. Para ello usamos Transformaciones entre ren-
1
glones. En este caso: R1 ⇒ R1
3

1 1 1 5
R1 = [ 3 −1 5]= 1 −
3 3 3 3
Obtenemos:
1 5
 
1 −
 3 3
1
 
A = 2

6

 2 
7 8 −4
Ahora colocamos ceros debajo del elemento a11, con las siguientes transformacio-
nes: −2R1 + R2 ⇒ R2 , y −7R1 + R3 ⇒ R3 :
Hacemos: −2R1

1 5 2 10
−2R1 = −2 1 − = −2 −
3 3 3 3
Sumamos: −2R1 + R2 ⇒ R2
2 10
−2R1 −2 −
3 3
1
R2 2 6
2
7 8
R2 = 0
6 3

Obtenemos:
1 5
 
1 − 3 3 
7 8
 
A=
0 
 6 3
7 8 −4
Hacemos: −7R1

1 5 7 35
−7R1 = −7 1 − = −7 −
3 3 3 3
Sumamos: −7R1 + R3 ⇒ R3
7 35
−7R1 −7 −
3 3
R3 7 8 −4
31 47
R3 = 0 −
3 3
Obtenemos:
1 5
 
1 −
 3 3 
7 8 
 
A = 0


 6 3 
 31 47 
0 −
3 3
6
Ahora ponemos un uno en la posición a22 , haciendo: R2 =⇒ R2
7

6 6 7 8 16
R2 = 0 = 0 1
7 7 6 3 7
Obtenemos:
1 5
 
1 −
 3 3 
16
 
A = 0 1
 

 7 
 31 47 
0 −
3 3
Ahora colocamos un cero en la posición a32 . Realizamos la transformación entre

31
renglones: − R2 + R3 ⇒ R3
3

31
Hacemos: − R2
3

31 31 16 31 496
− R2 = − 0 1 = 0 − −
3 3 7 3 21
31
sumamos: − R2 + R3 ⇒ R3
3
31 31 496
− R2 0 − −
3 3 21
31 47
R3 0 −
3 3
275
R3 = 0 0 −
7
Obtenemos:
1 5
 
1 −
 3 3 
16 
 
A = 0 1


 7 
 275 
0 0 −
7
Por ultimo, colocamos un uno en la posición a33 ; para lograrlo, hacemos la trans-
7
formación: − R3 ⇒ R3
275

7 7 275
− R2 = − 0 0 − =[0 0 1]
275 275 7
Obtenemos:
1 5
 
1 − 3 3
16 
 
A=
0 1 
 7
0 0 1
Esta ultima matriz está en Forma Escalonada. Todos los elementos de la Diagonal
principal son 1 y debajo de la diagonal principal todos los elementos son 0.
b) Matriz Escalonada Reducida: Para obtenerla, debemos de colocar ceros arriba de la

diagonal principal.

Comenzamos colocando un cero en la posición a12 . Para lograrlo, hacemos la trans-

1
formación: R2 + R1 ⇒ R1
3
1
Hacemos: R2
3

1 1 16 1 16
R2 = 0 1 = 0
3 3 7 3 21
1
sumamos: R2 + R1 ⇒ R1
3
1 1 16
R2 0
3 3 21
1 5
R1 1 −
3 3
17
R1 = 1 0
7
Obtenemos:
17
 
1 0 7 
16 
 
A=
0 1 
 7
0 0 1
Colocamos ceros arriba de la posición a33 . Utilizando las siguientes transformacio-

16 17
nes: − R3 + R2 ⇒ R2 y − R3 + R1 ⇒ R1
7 7
16
Hacemos: − R3
7

16 16 16
− R3 = − [ 0 0 1 ] = 0 0 −
7 7 7
16
7
16 16
− R3 0 0 −
7 7
16
R2 0 1
7
R2 = 0 1 0

Obtenemos:
17
 
1 0
 7
A = 0 1 0 
 
 
0 0 1
17
Hacemos: − R3 :
7

17 17 17
− R3 = − [ 0 0 1 ] = 0 0 −
7 7 7
17
7
17 17
− R3 0 0 −
7 7
17
R1 1 0
7
R1 = 1 0 0
Obtenemos:
 
1 0 0
 
0 1 0
A= 
0 0 1
Esta ultima matriz tiene unos en su diagonal principal y ceros en todos los elementos
que estan arriba y debajo de la diagonal principal.
2.4.3. Rango de una matriz

Rango de una matriz es el número de renglones (o columnas) que son linealmente indepen-
El
dientes. El Rango por renglones o El Rango por columnas de cualquier matriz, son iguales. Para
determinar el Rango de una matriz, por renglones ó columnas:
1. Utilizando Transformaciones Básicas entre renglones, convertimos a la matriz en una

matriz Triangular Superior (ceros debajo de su diagonal).
2. El número de renglones no nulos es el rango. Un renglón no nulo es un renglón que contiene

al menos un elemento diferente de cero. Un renglón nulo es aquel cuyos elementos son cero.
1. Dada:

 1 
2 − 4
 3 
−1 5 −3
 
A=
 
29
 
0 −2
3
Determine su Rango
a) Aplicamos Transformaciones Elementales entre Renglones para convertirla en una Ma-
triz Triangular Superior :
colocamos un 0 en la posición a21 (término −1), usamos: R1 + 2R2 → R2 . Primero

calculamos 2R2
2R2 = 2 [ −1 5 − 3 ] = [ −2 10 −6]
Realizamos la suma: R1 + 2R2 :

1
R1 2 − 4
3
2R2 −2 10 −6
29
R2 = 0 −2
3
El Resultado se asigna al segundo renglón. Tenemos:
1
 
2 − 4
 3 
29
 
A = 0 −2
 
 3 
 29 
0 −2
3
29
colocamos un cero en la posición a32 (término . Hacemos: −R2 + R3 → R3 .
3
Primero calculamos −R2 :

29 29
−R2 = − 0 −2 = 0 − 2
3 3
Realizamos la suma −R2 + R3 :
29
−R2 0 − 2
3
29
R3 0 −2
3
R3 = 0 0 0

El Resultado se asigna al tercer renglón. Tenemos:
1
 
2 − 3 4 
29
 
A=
0

−2
 3 
0 0 0
El tercer renglón de la matriz A es nulo (todos sus elementos son cero). Así que
solo tiene dos renglones no nulos (el primero y segundo renglón). Podemos concluir
que el Rango de la matriz A es 2. Esto se denota: Rank(A) = 2
2. Dada:
 
1 1
− 2 1 4
4 −8 −2
 
B=
 
 1 2 1
−
3 3 6
Determine su Rango
a) Aplicamos Transformaciones Elementales entre Renglones para convertirla en una Ma-
triz Triangular Superior :
Colocamos un 0 en la posición b21 (término 4). Hacemos 8R1 +R2 → R2 . Calculamos

8R1 :

1 1
8R1 = 8 − 1 = [ −4 8 2 ]
2 4
Sumamos 8R1 + R2
8R1 −4 8 2
R2 4 −8 −2
R2 = 0 0 0
Este resultado es el nuevo segundo renglón:
 
1 1
−
 2 1
 4
B= 0 0 0
 
 1 2 1
−
3 3 6
Aunque el segundo renglón es nulo, lo que estamos haciendo es que la matriz B

sea una Matriz Triangular Superior, debemos colocar ceros en las posiciones b31

1 2 2
(término − ), b32 (término ). Hacemos − R1 + R3 → R3 ; esto con la intención
3 3 3
2
de colocar un cero en la posición b32 . Calculamos − R1 :
3

2 2 1 1 1 2 1
− R1 = − − 1 = − −
3 3 2 4 3 3 6
2
sumamos − R1 + R3
3
2 1 2 1
− R1 − −
3 3 3 6
1 2 1
R3 −
3 3 6
R3 = 0 0 0
el resultado es el nuevo tercer renglón. Tenemos:
 1 1
− 1
 2 4
B =  0 0 0


0 0 0
El segundo y el tercer renglón de la matriz B son nulos (todos sus elementos son
cero). Así que solo hay un renglón no nulo (el primero renglón). Podemos concluir
que el Rango de la matriz B es 1. Esto se denota: Rank(B) = 1

Revise los resultados de los rangos de las matrices dadas:
 
1 −8 −5
a) A = −2 16 10  soln) Rank(A) = 1
7 −56 −35
1
 
1 − 3

 2 

 4 
b) B = 
0 5 soln) Rank(B) = 3
 7 

 7
−1 1
9
 
1 −1 1
c) C =  1 1 −1 soln) Rank(B) = 2
−2 2 −2

2.5. Cálculo de la inversa de una matriz
Una matriz A de nxn se conoce como no-singular cuando existe A−1 y cumple:
AA−1 = A−1 A = I (2.2)
A−1 se le conoce como la inversa de A. Usando las transformaciones elementales entre renglones,
se puede encontrar la inversa de una matriz. Dada la matriz H:
 
1 −1 0
 
2 1 3
H=



1 
5 10
2
Hacemos: la matriz aumentada [H | I], donde I es la matriz identidad, que debe tener la misma
dimensión que H
 
1 −1 0 | 1 0 0
 
2
[H | I] =  1 3 | 0 1 0

 
1 
5 10 | 0 0 1
2
Aplicamos transformaciones elementales a la matriz aumentada, con la intención de que la ma-
triz I aparezca en el lado izquierdo de la matriz aumentada. Esto es, debemos poner unos en la
diagonal de la matriz que se encuentra a la izquierda de la matriz aumentada; las demás posiciones
−1
deben de ser 0. Al nal del proceso, obtendremos: [I | H ]
Colocamos 0 debajo de los renglones2 y 3, mediante las transformaciones: −2R1 + R2 ⇒ R2 , y

1
para el tercer renglón hacemos − R1 + R3 ⇒ R3
2
a) −2R1
−2 [1 − 1 0 | 1 0 0] = [−2 2 0 | − 2 0 0]
sumamos −2R1 + R2 ⇒ R2 :
−2R1 −2 2 0 | −2 0 0
R2 2 1 3 | 0 1 0
R2 = 0 3 3 | −2 1 0
Obtenemos:  
1 −1 0 | 1 0 0
 
0
 3 3 | −2 1 0

 
1 
5 10 | 0 0 1
2

1
b) − R1
2

1 1 1 1
− [1 − 1 0 | 1 0 0] = − 0 | − 0 0
2 2 2 2
1
sumamos − R1 + R3 ⇒ R3 :
2
1 1 1 1
− R1 − 0 | − 0 0
2 2 2 2
1
R3 5 10 | 0 0 1
2
11 1
R3 = 0 10 | − 0 1
2 2
Obtenemos:  
1 −1 0 | 1
0 0
 
0 3 3
 | −2 1 0 
 
 11 1 
0 10 | − 0 1
2 2
Ahora requerimos que el 3 que está en la posición 22 1:

sea un
 
1 −1 0 | 1 0 0
 
0 3 3
 | −2 1 0 
 
 11 1 
0 10 | − 0 1
2 2
1
Para lograrlo hacemos R2 ⇒ R2
3
1
c) R2
3

1 2 1
[0 3 3 | − 2 1 0] = 0 1 1 | − 0
3 3 3
Obtenemos:
1 −1 0 | 1 0 0
 
2 1 
 
| −

0 1 1 0
 3 3 
11 1
 
0 10 | − 0 1
2 2
Colocamos 0 arriba y debajo del valor 1 que está en la posición 2, 2

1 y 3, de los renglones
11
mediante las transformaciones: R2 + R1 ⇒ R1 , y para el tercer renglón hacemos − R2 + R3 ⇒ R3
2

d) R2 + R1
2 1
R2 0 1 1 | − 0
3 3
R1 1 −1 0 | 1 0 0
1 1
R1 = 1 0 1 | 0
3 3
Obtenemos:
1 1
 
1 0 1 | 0
 3 3 
2 1 
 
0 1 1 | − 0

 3 3 
 11 1 
0 10 | − 0 1
2 2
11
e) − R2
2

11 2 1 11 11 11 11
− 0 1 1 | − 0 = 0 − − | − 0
2 3 3 2 2 3 6
11
sumamos − R2 + R3 ⇒ R3 :
2
11 11 11 11 11
− R2 0 − − | − 0
2 2 2 3 6
11 1
R3 0 10 | − 0 1
2 2
9 19 11
R3 = 0 0 | − 1
2 6 6
Obtenemos:
1 1
 
1 0 1 | 0
 3 3 
2 1
 
0 1 1 | − 0
 
 3 3 
 9 19 11 
0 0 | − 1
2 6 6
9
Ahora tenemos que cambiar el valor , que está en la posición 3, 3. Realizamos la siguiente
2
2
transformación: R3 ⇒ R3 :
9
2
f) R3 :
9


2 9 19 11 19 11 2
0 0 | − 1 = 0 0 1 | −
9 2 6 6 27 27 9
Obtenemos:
1 1
 
1 0 1 | 0
 3 3 
2 1
 
0 1 1 | − 0
 
 3 3 
 19 11 2
0 0 1 | −
27 27 9
Ahora colocamos ceros arriba de la posición 3, 3. Hacemos: −R3 + R2 ⇒ R2 y −R3 + R1 ⇒ R2
g) −R3 + R2 ⇒ R2
19 11 2
−R3 0 0 −1 | − −
27 27 9
2 1
R2 0 1 1 | − 0
3 3
37 20 2
R2 = 0 1 0 | − −
27 27 9
Obtenemos:
1 1
 
1 0 1 | 0
 3 3 
37 20 2
 
0 1 0 | − − 

 27 27 9
 19 11 2 
0 0 1 | −
27 27 9
h) −R3 + R1 ⇒ R1
19 11 2
−R3 0 0 −1 | − −
27 27 9
1 1
R1 1 0 1 | 0
3 3
10 20 2
R1 = 1 0 0 | − −
27 27 9
Obtenemos:
10 20 2
 
1 0 0 | − −
 27 27 9
37 20 2
 
0 1 0 | − − 

 27 27 9
 19 11 2 
0 0 1 | −
27 27 9

Lo que obtuvimos fue: [I | H −1 ], es decir, la inversa de la matriz H está dada por:
10 20 2
 
− −
 27 27 9
 37 20 2
 
H −1 = − − 
 27 27 9
 19 11 2 
−
27 27 9

Verique los resultados del cálculo de la inversa en cada inciso (Mediante el método de Gauss-
Jordan).
1 2 22 145 146
   
− 5 −
 4 11   223 223 223 
   
 3 1   55 55 649 
a) A = 
− 2 4 −  soln) A−1 =  
 2
 892 5352
 2676 
 5  44 22 16 
0 4 − −
4 223 669 669
2709 1359 27
   
0 1 6 − −
   1780 1780 178 
 10  
55 27 15 

− 1 12 

b) B =  soln) B −1 = 
 178 − 178

 9

  89 
 1  41 9 5 
−1 5 − −
5 356 356 178
10 1 4
 

1 1 1
 − −
 11 11 11 
 
3 3 1 
  
c) C = −1 2 −2 soln) C −1 = 
  
   11 11 11 
 
 2 2 3 
0 2 3
− −
11 11 11

2.6. Denición de determinante de una matriz
El Determinante de una matriz es una propiedad que tienen las matrices cuadradas. Es un
det o con las barras | |. Explicaremos el cálculo del determinante
escalar y se denota con la expresión
de una matriz por medio de los cofactores :
1. se elige un renglón o una columna de la matriz, los elementos del renglón o columna elegida
son los cofactores.
2. se utiliza una matriz de signos, cuya única condición es que no coincida el mismo signo en
cualquier posición; sea renglón o columna.
 
+ − + ··· − +
− + − · · · + −
 
+
 − + · · · − +
 .. .
.
.
. .. .
.
.
.
. . . . . .
− + − ··· + −
3. Cada cofactor se multiplica por el signo que le corresponde en la matriz de signos (el renglón
o columna de la matriz de signo es el mismo renglón o columna de la matriz a la que se le
quiere calcular el determinante ; también se multiplica por el subdeterminante que se forma
al cancelar la ubicación de dicho cofactor.
1. Dada:
 
2 4 −1
A = 1 −1 3 
2 5 −2
Calcule su determinante mediante el método de cofactores

a) seleccionamos la tercer columna de la matriz A
 
−1
3
−2
b) elegimos la misma columna en la matriz de signos:
+ − + +
   
− + −  −
+ − + +
c) Multiplicamos cada cofactor con su respectivo signo y el subdeterminante que le corres-
ponda:
     
2 4 -1 2 4 -1 2 4 -1
1 −1 3  1 -1 3  1 −1 3 
2 5 -2 2 5 -2 2 5 -2


1 −1 2 4 2 4
det(A) = (+)(−1) (−)(3)
2 5 (+)(−2) 1 −1

2 5

1 −1 2 4 2 4
det(A) = −1
− 3
− 2

2 5 2 5 1 −1
Los subdeterminantes de 2x2 se desarrollan así: se multiplican los términos de la diagonal
( 1, 1 )( 2, 2 ) y le restamos la multiplicación de los términos ( 1, 2 )( 2, 1 ).
det(A) = −1((1)(5) − (−1)(2)) − 3((2)(5) − (4)(2)) − 2((2)(−1) − (4)(1))
det(A) = −1((5) − (−2)) − 3((10) − (8)) − 2((−2) − (4))
det(A) = −1(5 + 2) − 3(10 − 8) − 2(−2 − 4) = −1(7) − 3(2) − 2(−6)
det(A) = −7 − 6 + 12 = −13 + 12 = -1
El determinante es un valor único. Si a esta misma matriz le calculamos su determinante

usando como cofactor a un renglón diferente del primer renglón, el resultado es el mismo:
a) seleccionamos el primer renglón de la matriz A

2 4 −1
b) elegimos el mismo renglón en la matriz de signos:
+ − +
 
+ − +

− + −
+ − +
c) Multiplicamos cada cofactor con su respectivo signo y el subdeterminante que le corres-
ponda:
     
2 4 -1 2 4 -1 2 4 -1
1 −1 3  1 -1 3  1 −1 3 
2 5 −2 2 5 −2 2 5 -2

−1 3 1 3 1 −1
det(A) = (+)(2)
(−)(4)
(+)(−1)

5 −2 2 −2 2 5

−1 3 1 3 1 −1
− 4
det(A) = 2 2 −2 − 1 2 5

5 −2

Los subdeterminantes de 2x2 se desarrollan así: se multiplican los términos de la diagonal

( 1, 1 )( 2, 2 ) y le restamos la multiplicación de los términos ( 1, 2 )( 2, 1 ).
det(A) = 2((−1)(−2) − (3)(5)) − 4((1)(−2) − (3)(2)) − 1((1)(5) − (−1)(2))
det(A) = 2((2) − (15)) − 4((−2) − (6)) − 1((5) − (−2))
det(A) = 2(2 − 15) − 4(−2 − 6) − 1(5 + 2) = 2(−13) − 4(−8) − 1(7)
det(A) = −26 + 32 − 7 = −33 + 32 = -1

Verique los determinantes en cada inciso que se muestran:
 
1 −1 0
a) A = 2 2 −5 soln: det(A) = 24
3 1 1
1
 
3 5 1 
  175
b) B =  0 −3 2  soln: det(B) =



 3
5 −5 10
2
 
8 0 −
 3

6 5 −4 
 202
c) C =  soln: det(C) =
3

 
 1 
1 2
5
1 9
 
−10
 6 2 
  80
d) D =  5 −1 0  soln: det(D) = −

3

 
 5
10 −3 −
11

2.7. Propiedades de los determinantes
1. Una matriz cuadrada cualquiera que tenga al menos, un renglón (o columna) de puros ceros,
su determinante será 0.
Ejemplo: Dadas las matrices A y B
1
   
0 0 0 0 11
   2 
A =  −1 4 5  B = 0
   
4 −0 02
 4   
2 8 0 −10 0 1 −1
Los determinantes son:
5 5

4

−1 −1 4
|A| = 0 4 − 0 4 + 0 =0

0 −10 2 8 −10 2 8 0
1 1

4 −0 02

11
11

|B| = 0 − 0 2 + 0 2 =0

1 −1 1 −1 4 −0 02
Hay que entender que la matriz puede tener solo un renglón (o solo una columna), cuyos
elementos (todos), sean cero. Y eso es suciente para que el determinante sea 0. Si hay un
renglón (o una columna) que tenga un solo elemento diferente de cero y todos los demás sean
0; entonces, no se debe de suponer que el determinante es 0. La matriz P tiene dos ceros y el
valor 3 en su tercer renglón. Es decir, no todos los elementos de su tercer renglón son cero.
Por tener un elemento diferente de cero, no es correcto asumir que su determinante es 0.
 
2 −53
 
P = −1 4 5 
 
 4
3 0 0
135
Verique que el determinante de la matriz P es
2
2. Si una matriz cuadrada cualquiera tiene dos renglones (o dos columnas) iguales, el determi-
nante es 0. Ejemplo: Dadas A y B:
1
   
3 1 0 1 − 1
   6 
A = 5 −5
 9 
 B = −1 7 −1
 
 2  
3 1 0 4 0 4
El determinante de la matriz A, utilizando cofactores para el tercer renglón:


1 0 3 0
3 1

9 27
|A| = 3 9 − 1 9 + 0 =3 −0 −1 − 0 + 0 (−15 − 5)

−5 5 5 −5 2 2
2 2

9 27 27 27
|A| = 3 −1 = − = 0
2 2 2 2
El determinante de la matriz B, utilizando cofactores para el la primer columna:
1 1

7 −1 − 1 − 1

4

1

|B| = 1 + 1 6 + 4 6 = 1 (28 − 0) + 1 − 6 − 0 + 4 6 − 7

0 4 0 4 7 −1

2 1 42 2 41 2 82
|B| = 1 (28) + 1 − +4 − = 28 − + 4 − = 28 − − = 0
3 6 6 3 6 3 3
| {z }
=− 84
3
=−28

3. Dada una matriz cuadrada A, se cumple que |A| = AT . Ejemplo: Dada la matriz A
1 −1 0
 
1
 
 
A= 2 3
 2 
2
 
−3 1
3
Su transpuesta AT está dada por:
2 −3 1
 
1
 
−1
T
 
A = 1
 2 
2
 
0 3
3
Calculamos el determinante de A usando cofactores (para el primer renglon):
1

1

3
2 3
2 1 4 3
|A| = 1 2

+ 1 2 + 0 2 = 1 −3 +1 +9 +0 2+

2 −3 3 3 2
1 −3 1

3
3

1 9 4 27 8 31 8 31 23
|A| = 1 − +1 + +0=1 − +1 =− + =
3 3 3 3 3 3 3 3 3
El determinante de la transpuesta de A; usando cofactores y el mismo primer renglón está

dado por:

1

−1 1 1

1

−1

T
A = 1 2
1 2
− 2 2 − 3 2 = 1 − 3 − 2 − − 0 − 3 (−3 − 0)

2 0 3 3
3 0 3

3
3

T 1 9 2 8 4 8 4 27 23
A = 1 − −2 − − 3 (−3) = − + + 9 = − + + =
3 3 3 3 3 3 3 3 3

Demostrándose que se cumple: |A| = AT
4. Si se intercambian dos renglones (o dos columnas de una matriz cuadrada cualquiera, el

determinante cambia de signo. Ejemplo: Dada la matriz A:
−2 0
 
1
 
−1
A= 4 1

0 1 9
Calculando el determinante de A, usando cofactores en el primer renglón:

4 1 −1 1 −1 4
|A| = 1 +2 +0 = 1(36−1)+2(−9−0)+0 = 1(35)+2(−9) = 35−18 = 17
1 9 0 9 0 1
Intercambiamos los renglones 2 y 3 de la matriz A:
−2 0
 
1
 
0
A= 1 9

−1 4 1
Comprobemos que el determinante debe ser -17 . Aplicaremos cofactores en el segundo

renglón:

−2 0 1 0 1 −2
|A| = −0 −1 1 −9 −1 4 = 0+1(1−0)−9(4−2) = 1−9(2) = 1−18 =
+1 -17
4 1
Esta propiedad funciona si se intercambias dos renglones o dos columnas de cualquier matriz
cuadrada.
5. Si multiplicamos cualquier renglón (o columna), de una matriz cuadrada A, por un escalar k ,

el determinante de la matriz resultante es k veces el determinante de la matriz A. Ejemplo:
Dada la Matriz A

 1
1 −2
 2
−2
 
A= 0 4
 
2
 
1 1
5
61
Cuyo determinante es: − [ verifíquelo]. Si multiplicamos por 5 el tercer renglón de la
5
matriz A, obtenemos:
1
 
1 −2
 2
A = −2 0 4 
 
 
2 5 5
Calculamos el determinante con la segunda columna:
−2 4 1 1 1

1
|A| = 2 +0 2 −5 2 = 2(−10−8)−5(4+1) = 2(−18)−5(5) = −36−25 = -61

2 5 −2 4
2 5
| {z }
=0
61
La matriz original A, tiene un determinante de − . Cuando multiplicamos su tercer renglón
5
61
por 5, obtuvimos un determinante de −61; es decir, k = 5, |kA| = k |A| = 5 − = −61.
5
Esto mismo ocurre si se multiplica cualquier columna o cualquier renglón por un escalar
arbitrario k.
6. EL determinante de cualquier matriz cuadrada, no se altera si cualquier renglón se multiplica

por un escalar k y el resultado se suma a otro renglón. Ejemplo: Dada la matriz A:
2 9 7
 
−
9 4 2 
1 1
 
A= − 1 

 10 5 
 3
0 −1 −
10
El determinante de esta matriz es (usando el tercer renglón):
2 7 2 9

−
2 − 3 9 4 = 1 2 − 7 − 3 − 2 + 9 = − 23 − 3 13

|A| = 1 9

1 10 1 1 9 20 10 45 40 180 10 72
1 −
10 10 5

23 13 131
|A| = − − = −
180 240 720
Multiplicamos el renglón 2 por −5 y le sumamos el renglón 3, el resultado que se convierta

en el nuevo renglón 3; es decir: −5R2 + R3 → R3

1 1 1
−5 − 1 = − 1 −5
10 5 2
1
− 1 −5
2
3
0 −1 −
10
1 53
− 0 −
2 10
La matriz queda:
2 9 7
 
−
 9 4 2 
 1 1
 
A= − 1 

 10 5 
 1 53 
− 0 −
2 10
El determinante de esta matriz (usando el tercer renglón) es:
9 7 2 9

1 − 4 −
2 − 53 9 4 = − 1 − 9 + 7 − 53 − 2 + 9 = − 1 − 31 − 53 13

|A| = −
2 1 10 1 1 2 4 10 10 45 40 2 20 10 72
− 1 −
5 10 5
31 689 131
|A| = − = −
40 720 720
7. Sean A y B dos matrices cuadradas, entonces |AB| = |A| |B|. Ejemplo: Sean:
   
0 −1
2 5
  − 3 3 6
   
1
A= , B =  0 −2 5 
  
4 2 1   
   
−3 4 0 1 0 −3
Calculamos el producto de AB :

    13 
0 −1 − 5 3
2 6  − 3 6 15
  3 
    
AB =  1 2 1   0 −2 5  =  7 13 17 
   
4 − 
  12 4 2
   
 
−3 4 0 1 0 −3 5 −17 2
Calculamos los determinantes de A, B y AB :
13
2 0 −1 5
− 6 15

− 3 6 3

3

1
|A| = = −15, |B| = 0 −2 5 = 17, |AB| = 7 13 17 = −255

4 2 1 −
12 4 2

−3 4 0 1 0 −3 5 −17 2
Note que si nos piden calcular el determinante del producto de |AB|, se vuelve un cálculo
sencillo si conocemos los determinantes de A y de B. En este ejemplo hariamos:
|AB| = |A| |B| = (−15)(17) = −255

8. El determinante de una matriz diagonal o una matriz triangular superior ó triangular inferior,
es igual a la multiplicación de los elementos de la diagonal.
2
1
2 0 0 − 0 0

− 3 6 5

3
6
|C| = 5 − 3 0 =

|A| = 0 3 0 = −30, |B| = 0 −1 5 = 1,

5
2

0 0 −5
0 0 3

5 −17 2
9. El determinante de la matriz identidad es 1

1 0 0 0
1 0 0
1 0 0 1 0 0
0 1 0 = 1,
0 1 = 1, =1

0 0 1 0
0 0 1
0 0 0 1
10. Si el determinante de cualquier matriz cuadrada es 0, entonces, dicha matriz no es invertible
(no tiene inversa) y se conoce como matriz singular
2.8. Inversa de una matriz cuadrada a través de la adjunta
Podemos calcular la inversa de cualquier matriz cuadrada utilizando la siguiente fórmula:
1
A−1 = adj(A) (2.3)
|A|
Donde:

|A| es el determinante de la matriz A
adj(A) es la matriz adjunta de A
2.8.1. Matriz Adjunta

Para calcular la matriz adjunta, cada elemento se calcula, resolviendo los subdetermiantes que
se generan al cancelar la posición de cada elemento de la matriz original. La cancelación de cada
elemento se consigue anulando el renglón, y la columna a la que pertenece el elemento que se
quiere cancelar. Para formar un renglón de la matriz adjunta, se deben cancelar los elementos de
las columnas de la matriz original. Ejemplo: Dada la matriz A, calcule su matriz adjunta
 
1 −1 0
A= 4 3 −1
−3 2 −1
1. subdeterminantes para el primer renglón de la matriz adjunta (cancelamos los elementos de

la primera columna de la matriz A):
     
1 -1 0 1 −1 0 1 −1 0
 4 3 −1  4 3 -1   4 3 −1 
-3 2 −1 -3 2 −1 -3 2 -1
2. subdeterminantes para el segundo renglón de la matriz adjunta (cancelamos los elementos

de la segunda columna de la matriz A):
     
1 -1 0 1 -1 0 1 -1 0
4 3 −1  4 3 -1   4 3 −1 
−3 2 −1 −3 2 −1 -3 2 -1
3. subdeterminantes para el tercer renglón de la matriz adjunta (cancelamos los elementos de

la tercera columna de la matriz A):
     
1 -1 0 1 −1 0 1 −1 0
4 3 -1   4 3 -1   4 3 -1 
−3 2 -1 −3 2 -1 -3 2 -1
Estos 9 subdeterminantes se colocan en la nueva matriz adjunta, anexándole los signos que
corresponden a la posición de la matriz de signos
 
3 −1 −1 0 −1 0
 + 2 −1 − 2 −1 + 3 −1

+ − +
 
 
 
 4 −1
+ 1 0
1 0   
adj(A) = − −  − + −
 −3 −1 −3 −1 4 −1   
 
  + − +
− 1 −1 + 1 −1
 4 3 
+ | {z }
−3 2 −3 2 4 3 matriz de signos

     
+(−3 + 2) −(1 − 0) +(1 − 0) −(1)
−1 −1 1
+(−1) +(1)
     
     
adj(A) = 
−(−4 − 3) +(−1 − 0) −(−1 − 0)  = −(−7) +(−1) −(−1) =  7 −1 1
    
     
+(8 + 9) −(2 − 3) +(3 + 4) +(17) −(−1) +(7) 17 1 7
Calculamos el determinante de la matriz A, usando el primer renglón (aprovechando que hay

un 0 en la posición a1,3 ).

3 −1 4 −1
|A| = 1
+ 1
= 1(−3 + 2) + 1(−4 − 3) = 1(−1) + 1(−7) = −1 − 7 = -8
2 −1 −3 −1
Usamos la ecuación 2.3 para calcular la matriz inversa de A:

1 1 1
 
  8 − 

−1 −1 1  8 8
−1 1 1    7

1 1

A = adj(A) =  7 −1 1 =  − − 
|A| −8  8 8 8
17 1 7 
 17

1 7
− − −
8 8 8
−1
Para comprobar si A está bien calculada, recurrimos a la propiedad:
A−1 A = AA−1 = I (2.4)
1 1 1 
 
 8 − 1 −1 0
 
1 0 0

 8 8
   
 7 1 1 

−1
  
A A=− −  4 3 −1 = 0 1 0
 
 8 8 8 
    
 17 1 7  −3 2 −1 0 0 1
− − −
8 8 8

1. Verique los cálculos. Dadas las matrices A, B , C y D. Calcule sus inversas; mediante el
método de la matriz adjunta:
13 28 2
 
−
   9 27 9
1 −2 8  
 2 2 1 
a) A = 0 3 −9 soln: A−1 =  −
 3 − 
2 1 10  9 3 
 2 5 1 
− −
9 27 9
20 1 4
 
−
   161 23 161 
6 1 1 
 26

−1 1 27 
b) B = −3 0 4 soln: B =  − 
5 −5 2  161 23 161 

 15 5 3 
161 23 161
135 20 53
   
1 4 − −
−7 5 3 
 1052 263
 1052  
285 250 5
 
2
 
c) C =  2 soln: C −1 =  −
 
1 −   1052 263 1052 
5
   
  75 135 555 
1 1 −4 −
2104 526 2104
840 2 9
 
1 1
 
0 −  107 107 107 
8 8  
   729 99 36 
d) D =  1 −1 3  soln:
−1
D = −
   
   107 107 107 

 2   16 2 9 
0 11 −
9 107 107 107

2.9. Aplicación de matrices y determinantes
A continuación se dan algunas aplicaciones de las Matrices:
1. En una Panadería se sabe que cantidad de materia prima se requiere para elaborar 50 piezas
de dos tipos de pan (Table 2.1) y también se conoce los precios de cada una de las unidades
de materia prima (Tabla 2.2), compradas para dos sucursales distintas
Tabla 2.1: Unidades de Materia Prima
Tipo de Pan Harina Levadura Huevos
Integral 15 4 7
Francés 12 3 8
Tabla 2.2: Precios de las Unidades de Materia Prima
Insumo Sucursal A Sucursal B
Harina 10 13
Levadura 8 9
Huevos 9 9 50
Estas tablas, pueden ser expresadas como dos matrices:
 
10 13
15 4 7
A= , B =8 9 
12 3 8
9 9 50
Podemos multiplicar AB , porque el número de columnas de A es igual al número de renglones
de B.
595 

245
AB =  2 
216 259
Interpretación: El producto de AB representa el costo de producción de cada tipo de pan de

acuerdo a la sucursal de la empresa.
245 es lo que cuesta producir 50 piezas de pan Integral en la Sucursal A

595
es lo que cuesta producir 50 piezas de pan Integral en la Sucursal B.
2
216 es lo que cuesta producir 50 piezas de pan Francés en la Sucursal A
259
es lo que cuesta producir 50 piezas de pan Francés en la Sucursal B.
2

2. Dado el circuito que se muestra en la gura 2.1
Figura 2.1: Circuito Eléctrico
a) Para analizar este circuito eléctrico, debemos emplear la Ley de Voltaje de Kirchho y
la Ley de Ohm. El circuito eléctrico tiene dos mallas y dos corrientes de mallas (I1 , I2 ).
Las ecuaciones de Mallas estan dadas por:
550I1 − 330I2 = 25
−330I1 + 890I2 = −10
b) Podemos representar estas ecuaciones de mallas de manera matricial:

550 −330 I1 25
= ⇒ Ax = b
−330 890 I2 −10
Este sistema se puede resolver por los métodos explicados en esta unidad. Resolveremos
por el método de Gauss-Jordan:
c) Formamos la matriz aumentada [A b]

550 −330 | 25
−330 890 | −10
d) Aplicamos Transformaciones entre renglones, para encontrar la solución
 3 1 
1 −|

550 −330 | 25 1
⇒ R1 ⇒ R1 ⇒  5 22 
−330 890 | −10 550
−330 890 | −10
 3 1   3 1
1 |− 1 − |
 5 22  ⇒ 330R1 + R2 ⇒ R2 ⇒  5 22 
−330 890 | −10 0 692 | 5
 
 3 1 3 1
1 − | 1 − |
1  5 22 
 5 22  ⇒ R2 ⇒ R2 ⇒  
692  5 
0 692 | 5 0 1 |
692
   
3 1 225
1 − 5 | 22  3 1 0 | 4519 
  ⇒ R2 + R1 ⇒ R1 ⇒  
 5  5  5 
0 1 | 0 1 |
692 692

e) Tenemos la solución:
   
225    225
1 0 | 4519  1 0 I1
   =  4519 
 
  ⇒ 
 5  0 1 I2
 5 
0 1 |
692 692
Esto nos da:
 
  225 225
I1 I1 = A = 0 04978980557015A
  =  4519  , 4519
 
 5  5
I2 I2 = A = 0 00722543352601A
692 692

Capítulo 3
Sistema de Ecuaciones Lineales
3.1. Denición de sistemas de ecuaciones lineales
Un Sistema de Ecuaciones Lineales está formado por ecuaciones cuyas variables o incógnitas
tienen como máxima potencia 1; es decir, en cada ecuación, las incógnitas no tienen radicales, ni
están elevadas a una potencia mayor a 1. Un sistema de ecuaciones lineales tiene la forma que se
muestra en la ecuación 3.1
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (3.1)
. . . . .
. . . . .
. . ··· . . .
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm
Donde los términos aij representan números reales. xn son las incógnitas que se quieren resolver
y las bm suelen ser los valores de entrada de sistemas lineales. Por ejemplo:
x+y =3 ⇒ Es una Ecuación Lineal con dos incógnitas

3x − 5y + 9z = 2 ⇒ Es una Ecuación Lineal con tres incógnitas
Las siguientes ecuaciones no son lineales:
√
x+ 2y = 10 ⇒ No Es una Ecuación Lineal por la raíz cuadrada del termino 2y
1
A − 3B 2 + C = 1 ⇒ No Es una Ecuación Lineal por el cuadrado de la incógnita B
2
1
−6xy + 5u − w = 2 ⇒ No Es una Ecuación Lineal por el producto xy
3
75
3.2. Clasicación de los sistemas de ecuaciones lineales y ti-

pos de solución
Los sistemas de ecuaciones lineales se clasican en:
1. Sistemas de Ecuaciones Homogéneos: Son aquellos, cuyo valor de bm = 0 (ver ecuación

3.1).
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = 0

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = 0
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = 0
. . . . .
. . . . .
. . . ··· . .
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = 0
Estos sistemas tienen dos tipos de soluciones:
a ) Solución Trivial: Es aquella en la que los valores de las incógnitas son 0. Es decir,
x1 = x2 = x3 = · · · = xn = 0
b ) Un número innito de soluciones: Esto ocurre, cuando el número de ecuaciones es

menor al número de incógnitas. Esto permite que algunas incógnitas queden en fun-
ción de otras. Al darle valores arbitrarios a las incógnitas libres, podemos resolver el
sistema. Como la solución depende de los valores de algunas incógnitas libres; y estos
valores pueden tomar cualquier valor real, esto genera que hayan un número innito de
soluciones.
2. Sistemas No Homogéneos: Son sistemas como el que se muestra en la ecuación 3.1. Es

decir, al menos una bm es diferente de cero. Este tipo de sistema tiene las siguientes soluciones:
a ) Solución única: Es cuando cada una de las incógnitas tiene un valor.

b ) Si solución: En este caso, no es posible resolver el sistema, ninguna incógnita tiene un
valor
c ) Un número innito de soluciones: Esto ocurre cuando el número de ecuaciones es

menor al número de incógnitas o cuando una ecuación es una combinación lineal de
alguna otra o algunas otras ecuaciones.
76 CAPÍTULO 3. SISTEMA DE ECUACIONES LINEALES

Figura 3.1: Clasicación de los Sistemas de Ecuaciones Lineales
3.3. Interpretación geométrica de las soluciones
3.3.1. Sistema de Ecuaciones No Homogéneo

Supongamos que tenemos el sistema de ecuaciones:
2x + y = 0
x − y = −3
Este sistema tiene como solución x = −1 e y = 2, en la gura 3.2 se observa que la solución es
el punto donde se las ecuaciones se intersecan las dos grácas. Observe que esto ocurre en el punto
(x, y) = (−1, 2).
Figura 3.2: Representación Geométrica de un sistema de ecuaciones con solución
CAPÍTULO 3. SISTEMA DE ECUACIONES LINEALES 77

3.3.2. Sistema de Ecuaciones sin solución
2x − 3y = 6
3
x− y =5
2
Este sistema de ecuaciones, no tiene solución. En la gura 3.3 se muestra que no hay un punto
donde las grácas se intersecan. Técnicamente, ambas rectas son paralelas.
Figura 3.3: Representación Geométrica de un sistema de ecuaciones sin solución
3.3.3. Sistema de ecuaciones con un número innito de soluciones
9x + 3y = 6
3x + y = 2
Este sistema de ecuaciones, existen un número innito de soluciones. En la gura 3.4 se muestra
que las dos rectas se sobreponen, porque todos los puntos son comunes.

Figura 3.4: Representación Geométrica de un sistema de ecuaciones con un número innito de

soluciones
3.4. Métodos de solución de un sistema de ecuaciones linea-

les: Gauss, Gauss-Jordan, inversa de una matriz y regla
de Cramer
Existen muchos problemas donde aparecen sistemas de ecuaciones lineales. Siempre que el nú-
mero de ecuaciones sea igual al número de incógnitas, el sistema se puede resolver. Un sistema
de ecuaciones lineales puede tener una sola solución, un número innito de soluciones o no tener
solución. Los métodos que se emplean para resolver estos sistemas son:
1. Método de Igualación: Este método se aprende en Preparatoria

2. Método de Eliminación: Este método se aprende en Preparatoria
3. Método de Sustitución: Este método se aprende en Preparatoria
4. Método de Gauss: Este método se explica en esta unidad
5. Método de Gauss-Jordan: Este método se explica en esta unidad
6. Método de Cramer: Este método se explica en esta unidad
7. Método de la inversa: Este método se explica en esta unidad
8. Método de Gauss-Seidel: Este método se explicará en la materia de Métodos Numéricos
3.4.1. Método de Gauss

Dado un sistema de ecuaciones, como el que se muestra en la ecuación 3.1, puede representarse
como un sistema Ax = b, donde:

    
a11 + a12 + a13 + · · · + a1n x1 b1
 a21
 + a22 + a23 + · · · + a2n   x2   b2 
   

 a31
 + a32 + a33 + · · · + a3n   x 3   b3 
  =   ⇒ Ax = b (3.2)
 .. .
.
.
.
  ..   .. 
 . . . ···  .   . 
an1 + an2 + an3 + · · · + ann xn bn
A es una matriz cuadrada. Para aplicar el Método de Gauss hacemos:
1. Formamos la matriz aumentada [A | b]
2. Aplicamos transformaciones elementales entre renglones, para que todos los elementos de la
diagonal principal de la matriz aumentada [ A | b ], sean 1 y que debajo de la diagonal
principal, todos los elementos sean 0.
3. La matriz escalonada que se obtiene, nos dará la solución del sistema empleando sustituciones
Ejemplo: Dado el sistema
3x − 4y − z = 10
−x + 2y − 3z = −1
2x − 5y + 6z = 0
Encuentre la solución (los valores de x, y y z ).

     
3 −4 −1 x 10
A = −1 2 −3 , x = y ,
 b = −1
2 −5 6 z 0
 
3 −4 −1 | 10
[ A | b ] = −1 2 −3 | −1
2 −5 6 | 0
2. realizamos transformaciones entre renglones, con la intención de convertir a la matriz au-

mentada [A | b] en una matriz en la que todos los elementos de la diagonal principal sean
1 y debajo de la diagonal principal todos sean 0
a) hacemos que el termino a11 sea 1. Para eso, multiplicamos por el recíproco de a11 .

1 4 1 10
3 −4 −1 | 10 = 1 − − |
3 3 3 3
Queda:

4 1 10
 
1 − − |

 3 3 3 
 -1
 2 −3 | −1 
2 −5 6 | 0
b) colocamos un cero en la posición a21 , haciendo: R1 + R2 → R2
Hacemos: R1 + R2
4 1 10
R1 [ 1 − − | ]
3 3 3
R2 [ −1 2 −3 | −1 ]
2 10 7
R2 = [ 0 − | ]
3 3 3
el resultado se convierte en el nuevo renglón 2:

4 1 10
 
1 − − |
 3 3 3
2 10 7
 
− |

0 
 3 3 3
2 −5 6 | 0
c) colocamos un cero en la posición a31 , haciendo: −2R1 + R3 → R3
Hacemos −2R1

4 1 10 8 2 20
−2 1 − − | = −2 | −
3 3 3 3 3 3
Hacemos −2R1 + R3
8 2 20
−2R1 [ −2 | − ]
3 3 3
R3 [ 2 −5 6 | 0 ]
7 20 20
R3 = [ 0 − | − ]
3 3 3

 
4 1 10
1 − 3 − 3 | 3 
 
0 2 − 10 | 7 


3 3 3 
 

 7 20 20 
0 − | −
3 3 3

2
d) convertimos en 1 el valor que tiene la posición a22 . Esto lo conseguimos multiplicando
3
3 3
el segundo renglón por el recíproco ; es decir R2 → R2
2 2

3 2 10 7 7
0 − | = 0 1 −5 |
2 3 3 3 2
Queda:
4 110
 
1 − − |
 3 3 3 
7 
 
0 1 −5 |



 2 
 7 20 20 
0 − | −
3 3 3
7 7
e) colocamos un 0 en la posición a32 (término − ). Esto lo conseguimos haciendo: R2 +
3 3
R3 → R3 .
7
Hacemos R2
3

7 7 7 35 49
0 1 −5 | = 0 − |
3 2 3 3 6
7
Hacemos: R2 + R3
3
7 7 35 49
R2 [ 0 − | ]
3 3 3 6
7 20 20
R3 [ 0 − | − ]
3 3 3
3
R3 = [ 0 0 −5 | ]
2
4 1 10
 
1 − − |

 3 3 3 

0 1 −5 | 7 


 2 

 3
0 0 -5 |
2
1
f) colocamos un 1 en la posición a33 (termino −5). Para esto hacemos: − R3 −→ R3
5


1 3 3
− 0 0 −5 | = 0 0 1 | −
5 2 10
Queda:
4 1 10
 
1 − − |

 3 3 3  

0 1 −5 | 7 


 2 

 3
0 0 1 | −
10
3. Note que la primera columna de la matriz que obtuvimos, son los coecientes de la variable
x, la segunda columna son los coecientes de las variable y, la tercer columna tiene los
coecientes de la variable z y la cuarta columna son los valores del vector columna b; es
decir:
 4 10  1
1 − | − 4 1 10 4 1 10
 3 3  3 x− y− z = x− y− z =
  3 3 3 3 3 3
 7 
 0 1 −5 |  7 7
 2  ⇒ 0x + y − 5z = ⇒ y − 5z =
  2 2
 3 
 0 0 1 | −  3 3
10 0x + 0y + z = − z=−
|{z} |{z} |{z} 
x y |{z} z 10 10
b

3
Note que ya se tiene el valor de z z=− . Para encontrar los otros valores, usamos el
10
valor de z para encontrar a y:

7 3 7 15 7 7 15 20
y − 5z = , y−5 − = , y+ = , y= − y= =2
2 10 2 10 2 2 10 10
Ya tenemos los valores de x e y. Ahora determinamos el valor de z:

4 1 10 4 1 3 10 8 1 10
x− y− z = , x − [2] − − = , x− + =
3 3 3 3 3 10 3 3 10 3
10 8 1 18 1 59
x= + − = − =
3 3 10 3 10 10
59 3
La solución es x= , y = 2 y z=−
10 10

Es decir:
59
 
 
x
   10 
 
   2 
y  =  
   
 3
z −
10

Verique las soluciones de los siguientes sistemas de ecuaciones Lineales, use el método de Gauss.
7
 
   
x 1 16666666666667
x + y − z = 10    6  
 

−2x + 13 y = 0 ,
   7  
a) soln) y  =  = 7


     
4x + 2z = 1  11 
z − −1 83333333333333
6
70
 
 
A − 
−1 32075471698113

−20A + 30B + 15C = 100  53 
    
180

    
b) 40A + 25C = −100 soln) B  =   =  3 39622641509434 

    53  
 
−10A + 10B + 25C = 0  100 
C −1 88679245283019
53

3.4.2. Método de Gauss-Jordan

Explicaremos un problema con este Método. Primero de manera analítica, posteriormente, con
instrucciones de Matlab. Dado el sistema:
    
15 −2 0 x 1
 1 19 5  y  = 1 (3.3)
−3 1 20 z 5
Donde:
     
15 −2 0 x 1
A =  1 19 5  , x = y  b = 1 (3.4)
−3 1 20 z 5
 
2 0 | 1
15
[A | b] =  1 19 5 | 1
−3 1 20 | 5
2. Aplicamos el Método: Colocamos un 1 en la posición a11 del primer renglón, primera columna.
1
Hacemos: R1 → R1 :
15
1 2 1
[15 2 0 | 1] = [1 0 | ]
15 15 15
1 2
 
1 0 |
 15 
15
[A | b] =  1 19 5 | 1 
 
 
 
−3 1 20 | 5
Ahora colocamos ceros debajo del pivote (posición a21 . Usamos las instrucciones: −R1 +R2 →
R2 , y 3R1 + R3 → R3
a ) −R1 :

2 1 2 1
− 1 0 | = −1 − 0 | −
15 15 15 15
sumamos −R1 + R2 :

2 1
−R1 −1 − 0 | −
15 15
R2 1 19 5 | 1
283 14
R2 = 0 5 |
15 15
Obtenemos:
 
2 1
 1 0 |
 15 15 

283 14 
 
5 |

 0 

 15 15 

-3 1 20 | 5
b ) 3R1 :

2 1 2 1
3 1 0 | = 3 0 |
15 15 5 5
Sumamos 3R1 + R3 :
2 1
3R1 3 0 |
5 5
R3 −3 1 20 | 5
7 26
R3 = 0 20 |
5 5
Obtenemos:
 2 1
1 0 |
 15 15 
 
 
 283 14 
0 5 | 

 15 15 

7 26
 
0 20 |
5 5
15
Colocamos un 1 en el segundo renglón, segunda columna. Hacemos: R2 → R2 .
283

15 283 14 75 14
0 5 | = 0 1 |
283 15 15 283 283
Obtenemos:

 
2 1
1 0 |
 15 15 

 
 75 14 
0 1 | 

 283 283 

7 26
 
0 20 |
5 5
2
Ahora colocamos ceros arriba y debajo del pivote. Usamos las instrucciones: − R2 + R1 →
15
7
R1 , y − R2 + R3 → R3
5
2
a ) − R2 :
15

2 75 14 2 10 28
− 0 1 | = 0 − − | −
15 283 283 15 283 4245
2
Sumamos − R2 + R1 :
15
2 2 10 28
− R2 0 − − | −
15 15 283 4245
2 1
R1 1 0 |
15 15
10 17
R1 = 1 0 − |
283 283
Obtenemos:
10 17
 
1 0 − |
 283 283 

75 14 
 
0 1 |



 283 283 

 
 7 26 
0 20 |
5 5
7
b ) − R2 :
5

7 75 14 7 105 98
− 0 1 | = 0 − − | −
5 283 283 5 283 1415
7
5

7 7 105 98
− R2 0 − − | −
5 5 283 1415
7 26
R3 0 20 |
5 5
5555 1452
R3 = 0 0 |
283 283
Obtenemos:
10 7
 
1 0 − |

 283 283 
75 14 
 
0 1 |



 283 283 
 
 5555 1452 
0 0 |
283 283
283
Colocamos un 1 en el tercer renglón, tercer columna. Hacemos: R3 → R3 .
5555

283 5555 1452 132
0 0 | = 0 0 1 |
5555 283 283 505
Obtenemos:
 
10 17
1 0 − |
 283 283 

 
 75 14 
0 1 | 

 283 283 

132
 
0 0 1 |
505
10
Ahora colocamos ceros arriba del pivote. Usamos las instrucciones: R3 + R1 → R1 , y
283
75
− R3 + R2 → R2
283
10
a) R3 :
283

10 132 10 119
0 0 1 | = 0 0 |
283 505 283 12884
10
Sumamos R3 + R1 :
283

10 10 213
R3 0 0 |
283 283 23389
10 17
R1 1 0 − |
283 283
7
R1 = 1 0 0 |
101
Obtenemos:  7 
1 0 0 |
 101 
 
 
 75 14 
0 1 | 

 283 283 

132
 
0 0 1 |
505
75
b) − R3 :
283

75 132 75 647
− 0 0 1 | = 0 0 − | −
283 505 283 9340
75
283
75 75 647
− R3 0 0 − | −
283 283 9340
75 14
R2 0 1 |
283 283
2
R2 = 0 1 0 | −
101
Obtenemos:
7 7
   
1 0 0 | 101 
     
x  101  x 0 06930693069307
         
2  2 
         
0 1 0 | −

, ⇒ y  = − , y  = −0 01980198019802
101    
 101 
    
         
 132  z  132  z 0 26138613861386
0 0 1 |
505 505

Verique la solución de los siguientes sistemas de ecuaciones Lineales, usando Gauss-Jordan.
405
 
   73 A
 
5 54794520547945A
4I1 − 5I2 − 6I3 = 15 I1   
15 

  
a) 10I2 − 2I3 = 0 , soln) I2  =  A  = 0 20547945205479A
  
 
73   
−I1 − 3I2 + 6I3 = 0 I3
 
 75 
1 02739726027397A
A
73
1
 
−
   45  V 
−0 02222222222222V

−3V1 + 4V2 + 2V3 = 1 V1   
2

6V1 + V2 = 0     
b) soln) V2  =  V  = 0 13333333333333V
 
 
15   
V3
 
−12V1 + 4V2 − 9V3 = −1  1 
0 2V
V
5

3.4.3. Método de la Inversa

Suponga que tiene un sistema de ecuaciones lineales de la forma: Ax = b (ecuación 3.2). Supo-
nemos:
Que la matriz A es una matriz cuadrada.

Asumiendo que A es una matriz no singular; lo que implica que su determinante es diferente
de cero y que existe su inversa
Si todo lo anterior se cumple, podemos multiplicar la expresión: Ax = b por la inversa de A:
A−1 Ax = A−1 b
Sabemos que: A−1 A = AA−1 = I . Donde I es la matriz identidad
−1 −1
A
| {zA} x = A b ⇒ Ix = A−1 b
=I
Al multiplicar cualquier matriz o vector por la matriz identidad, es como si se multiplicara por
1 esa matriz o ese vector. En este caso: Ix = x, entonces tenemos:
x = A−1 b (3.5)
La ecuación 3.5 implica que, si tenemos un sistema de ecuaciones de la forma: Ax = b, nos

basta con calcular la matriz inversa −1
de A. Después realizamos el producto: A b, lo cual nos dará
la solución del sistema que buscamos.
1. Dado:
    
6I1 −I2 −5I3 = 30 6 −1 −5 I1 30
−3I1 8I2 −2I3 = −20 ⇒ −3 8 −2 I2  = −20 ⇒ Ax = b
−4I1 −5I2 12I3 = 0 −4 −5 12 I3 0

1
a) Calculamos A −1
, mediante la matriz adjunta A−1 = adj(A) :
det(A)
Calculo de det(A). Verique que:
det(A) = 237
Cálculo de adj(A). Verique que:
 
86 37 42
adj(A) = 44 52 27
47 34 45
cálculo de la inversa de A
86 37 14
 
   237 237 79 
86 37 42
1   44

52 9

A−1 = 44 52 27 = 
237

 237 237 79 
47 34 45  47 34 15 
237 237 79

b) Solucionamos el sistema calculando A−1 b



86 37 14
86 37 14    237 (30) + 237 (−20) + 79 (0)
 
 237 237 79  30 



−1  44

52 9 
   44 52 9 
A b=  −20 = 
  237 (30) + (−20) + (0)
 237 237 79   237 79 

 47 34 15 0
  
 47 34 15 
237 237 79 (30) + (−20) + (0)
237 237 79
860 740 1840
   
 79 − 237 + 0   237 
   
 440 1040   280 
   
A−1 b =  − + 0 = 
 79 237   237 
   
 470 680   730 
− +0
79 237 237
Tenemos entonces:
1840
 
 
I1  237 
   
   280 

I2  = 
   
    237 

I3  730 
237

Verique los resultados de los siguientes sistemas de ecuaciones Lineales, usando la matriz inversa.
5 4 15
 
45
− − A= = 0 27439024390244
3  41 41 41 
 164
2A − 3B + C = − 
4  9 1 14  83
a) −4A + 5C = 0 , soln) A−1 =
− 41 − 41 − 41  , B = 164 = 0 50609756097561

 
−A − B − C = −1  4 5 12  9
− C= = 0 21951219512195
41 41 41 41
 
1 1 1 3
x+y−z =3  3 12 6 x= = 0 75
  4
 1 5 1
b) 2x − 2y = −3 soln) A−1 = , 9
 3 − 12 6 y = = 2 25
3x − y + 2z = 0

 1
 4
1 1
− − z=0
3 3 3

3.4.4. Método de Cramer

Este método se basa en el cálculo de determinantes. Se sugiere que se emplee cuando el sistema
tenga dos o tres ecuaciones. Un sistema que tenga cuatro o más ecuaciones, se vuelve muy tedioso
de realizar a mano. Explicaremos el método con un ejemplo. Dado el siguiente sistema:
    
4I1 −6I2 −3I3 = 20 4 −6 −3 I1 20
−2I1 10I2 −I3 = 0 ⇒ −2 10 −1 I2  =  0 
−I1 −2I2 9I3 = −10 −1 −2 9 I3 −10
Donde:
     
4 −6 −3 I1 20
A = −2 10 −1 , x = I2  ,
 b =  0 , ⇒ Ax = b
−1 −2 9 I3 −10
A es la matriz del sistema, x es el vector columna de las salidas del sistema. En este caso, las
salidas del sistema son los valores de corrientes de mallas: I1 , I2 e I3 . b es el vector columna de las
entradas del sistema. En este caso podemos suponer que los valores de 20, 0 y −10 corresponden a
fuentes de voltaje. El método de Cramer consiste en formar nuevas matrices. Las cuales cambian
una columna de la matriz del sistema por el vector columna de las entradas del sistema, es decir:
20 −6 −3 20 −3 20
     
4 4 −6
AI1 = 0 10 −1 ,
 AI2 = −2
 0 −1 , AI3 = −2 10
 0
-10 −2 9 −1 -10 9 −1 −2 -10
Note que los subíndices en los nombres de las nuevas matrices, corresponden a la columna que se
sustituyó. Por ejemplo, la nueva matriz AI2 se formó cambiando la segunda columna de la matriz
del sistema A, por el vector columna de las entradas del sistema b. Observe que los valores que
se sustituyeron en la matriz A corresponden a los coecientes de la incógnita I2 . Calculamos los
determinantes de las cuatro matrices: A, AI1 , AI2 y AI3 .
Cálculo del Determinante de la matriz A, usando el tercer renglón:

4 −6 −3
−6 −3 4 −3 4 −6
|A| = −2 10 −1 = (+)(−1) (−)(−2)
−2 −1 (+)(9) −2 10

−1 −2 9 10 −1
|A| = −1[(6) − (−30)] + 2[(−4) − (6)] + 9[(40) − (12)] = −1[6 + 30] + 2[−4 − 6] + 9[40 − 12]
|A| = −1[36] + 2[−10] + 9[28] = −36 − 20 + 252 = 196
Cálculo del Determinante de la matriz AI1 ; usamos el segundo renglón:

20 −6 −3
−6 −3 20 −3 20 −6
|AI1 | = 0 10 −1 = (−)(0) (+)(10)
−10 9 (−)(−1) −10 −2

−10 −2 9 −2 9

|AI1 | = 10[(180) − (30)] + 1[(−40) − (60)] = 10[180 − 30] + 1[−40 − 60]
|AI1 | = 10[150] + [−100] = 1500 − 100 = 1400
Cálculo del Determinante de la matriz AI2 ; usamos la segunda columna:

4
20 −3

−2 −1

4 −3

4 −3
|AI2 | = −2 0 −1 = (−)(20)

(+)(0) −1 9 (−)(−10) −2 −1

−1 −10 9 −1 9
|AI2 | = −20[(−18) − (1)] + 10[(−4) − (6)] = −20[−18 − 1] + 10[−4 − 6]
|AI2 | = −20[−19] + 10[−10] = 380 − 100 = 280
Cálculo del Determinante de la matriz AI3 ; usamos el tercer renglón:

4 −6 20
−2 10 4 −6 4 −6
|AI3 | = −2 10 0 = (+)(20) (−)(0)
−1 −2 (+)(−10) −2 10

−1 −2 −10 −1 −2
|AI3 | = 20[(4) − (−10)] − 10[(40) − (12)] = 20[4 + 10] − 10[40 − 12]
|AI3 | = 20[14] − 10[28] = 280 − 280 = 0
20 −6 −3 20 −3 20

4 4 −6
|AI1 | = 0 10 −1 = 1400, 0 −1 = 280, 0 = 0

|AI2 | = −2 |AI3 | = −2 10
-10 −2 9 −1 -10 9 −1 −2 -10
Cada determinante se puede desarrollar con cualquier renglón o columna. Se recomienda que
se comprueben los cálculos mostrados, escogiendo un renglón o columna diferente al que se usó en
los cálculos. Con estos determinantes, Cramer soluciona el sistema de la siguiente manera:
|AI1 | 1400 50 |AI2 | 280 10 |AI3 | 0

I1 = = = A I2 = = = A I3 = = = 0A
|A| 196 7 |A| 196 7 |A| 196

Verique los resultados de los siguientes sistemas de ecuaciones Lineales, usando El método de
Cramer.
19 1 16
 
90
− − A = − = −1 914893617021
A − B + 5C = 5  47 47 47  47
 
 16 14 11 
a) −2A + 3B + C = −5, soln) A−1 =−  , B = − 150 = −3 191489361702
 47 47 47  47
4A − B + 6C = 0
 
 10 3 1  35
− C= = 0 744680851063
47 47 47 47
 
45 17 5 65
4x + y + 4z = 10  244 − 244 244  x=
61
= 1 065573770491
 
 7 4 6  190
b) −2x + 5y + 10z = 20 soln) A−1 =−
 , y= = 3 11475409836
61 61 61  61
6x + 8y − 2z = 30
 
 23 13 11  40
− − z= = 0 655737704918
244 244 244 61

3.5. Aplicaciones
Los sistemas de Ecuaciones Lineales aparecen en muchos problemas de matemáticas e Ingenie-

Transformada de Laplace,
ría. Un problema que aparece al aplicar la es el método de Fracciones
parciales (Materia: Ecuaciones Diferenciales). Suponga que tiene:
s+7 A B C
= + +
s(s + 1)(s + 4) s s+1 s+4
Lo que se nos pide es encontrar los valores A, B y C. Multiplicamos por s(s + 1)(s + 4), en
ambos lados de la igualdad:
s+7 A B C
s(s + 1)(s + 4) = s(s + 1)(s + 4) + s(s + 1)(s + 4) + s(s + 1)(s + 4)
s(s + 1)(s + 4) s s+1 s+4
eliminando términos comunes queda:
s + 7 = A (s + 1)(s + 4) +B s(s + 4) +C s(s + 1)

| {z } | {z } | {z }
=s2 +5s+4 =s2 +4s =s2 +s
s + 7 = A(s2 + 5s + 4) + B(s2 + 4s) + C(s2 + s)
s + 7 = As2 + 5As + 4A + Bs2 + 4Bs + Cs2 + Cs
Agrupamos términos comunes (en función de s):
s + 7 = [As2 + Bs2 + Cs2 ] + [5As + 4Bs + Cs] + 4A
Factorizamos:
s + 7 = [A + B + C]s2 + [5A + 4B + C]s + 4A
Igualamos coecientes. Por ejemplo, del lado izquierdo de la igualdad tenemos: s + 7. Es decir, el
coeciente de s en el lado izquierdo es 1. 7 representa al término del polinomio que no tiene una
s. Note que en el lado izquierdo no aparece s2 , por lo que consideramos a este coeciente como 0.
Así:
A+B+C =0
5A + 4B + C = 1
4A = 7
Acaba de aparecer un sistema de 3 ecuaciones y 3 incógnitas. Verique que la solución es:
7 1
A= , B = −2, C=
4 4

En algunos problemas de ingeniería requerimos que algunos puntos conocidos sean ajusta-
dos a una curva (senoidal, exponencial, cuadrática, cúbica, etc). En estos problemas, conoce-
mos los puntos y proponemos el tipo de curva (tipo de ecuación) en la que los puntos conoci-
dos se deben de ajustar. Por ejemplo: Determine la función cuadrática que pasa por los puntos
P1 (1, 3), P2 (−1, 1), P3 (2, 2).
Nos piden que ajustemos a un modelo cuadrático. Es decir:
ax2 + bx + c
evaluamos cada punto dado en el modelo cuadrático. Recuerde que los puntos dados estan
en la forma: P (x, y)
1. Para el punto P1 (1, 3):
ax2 + bx + c = y a(1)2 + b(1) + c = 3
a+b+c=3
2. Para el punto P2 (−1, 1):
ax2 + bx + c = y a(−1)2 + b(−1) + c = 1
a−b+c=1
3. Para el punto P3 (2, 2):
ax2 + bx + c = y a(2)2 + b(2) + c = 2
4a + 2b + c = 2
Así tenemos el sistema de ecuaciones lineales:
a+b+c=3
a−b+c=1
4a + 2b + c = 2
Verique la solución:
2 8
a=− , b = 1, c=
3 3
En la solución de una ecuación diferencial, algunas veces nos dan condiciones iniciales. Por ejemplo:
yt = C1 e−t + C2 et + C3 e2t , y(0) = 1, y 0 (0) = 0, y 00 (0) = −1
Las incógnitas son C1 , C2 y C3 . Usamos las condiciones iniciales: y(0) = 1, y 0 (0) = 0, y 00 (0) = −1,
en la solución yt :

y(t) = C1 e−t + C2 et + C3 e2t

y(t)0 = −C1 e−t + C2 et + 2C3 e2t
y(t)00 = C1 e−t + C2 et + 4C3 e2t
Usamos las condiciones iniciales. Recuerde que y(0) = 1 signica que cuando x = 0, y = 1.
para y(0) ⇒ C1 e0 + C2 e0 + C3 e0 = 1
para y 0 (0) ⇒ −C1 e0 + C2 e0 + 2C3 e0 = 0
para y 00 (0) ⇒ C1 e0 + C2 e0 + 4C3 e0 = −1
Considerando que e0 = 1:
para y(0) ⇒ C1 + C2 + C3 = 1
para y 0 (0) ⇒ −C1 + C2 + 2C3 = 0
para y 00 (0) ⇒ C1 + C2 + 4C3 = −1
El sistema de ecuaciones lineales que se obtiene:
C1 + C2 + C3 = 1
−C1 + C2 + 2C3 = 0
C1 + C2 + 4C3 = −1
Tiene como solución:
1 3 2
C1 = , C2 = , C3 = −
6 2 3
Existen otras áreas de la Ingeniería, donde aparecen sistemas de ecuaciones lineales. cualquier
método que se emplee, permitirá encontrar la solución. El método de Cramer se recomienda para
sistemas de dos o tres incógnitas. Para sistemas de 4 o más incógnitas, se recomienda el método
de Gauss-Jordan.

Capítulo 4
Espacios Vectoriales
4.1. Denición de espacio vectorial
Un Espacio Vectorial real V es un conjunto de vectores, que cumplen dos operaciones: suma
y multiplicación por un escalar. Es decir, que los objetos matemáticos que forman parte de un
Espacio Vectorial son vectores de <2 , <3 y en general <n . Los Espacios Vectoriales cumplen
los siguientes axiomas:
Cerradura bajo la Suma: Si v1 y v2 ∈ V , entonces v1 + v2 ∈ V
Ley asociativa: Para todo v1 , v2 y v3 en V , (v1 + v2 ) + v3 = v1 + (v2 + v3 )
Elemento Neutro de la suma: Existe un vector 0 ∈ V tal que para todo v1 ∈ V , 0 + v1 =

v1 + 0 = v1
Inverso Aditivo: Si v1 ∈ V , existe un vector −v1 ∈ V , tal que v1 + (−v1 ) = 0
Ley conmutativa: Si v1 y v2 ∈ V , entonces v1 + v2 = v2 + v1
Multiplicación por un escalar: Si v1 ∈ V y k es un escalar, entonces kv1 ∈ V
Ley distributiva de la suma de vectores: Si v1 y v2 ∈ V y k es un escalar, entonces k(v1 +

v2 ) = kv1 + kv2
Ley distributiva de la suma de escalares: Si v1 ∈ V y k1 y k2 sean escalares, entonces (k1 +

k2 )v1 = k1 v1 + k2 v1
Ley asociativa de la multiplicación de escalares: Si v1 ∈ V y k1 y k2 sean escalares, entonces

k1 (k2 v1 ) = (k1 k2 )v1
Elemento Neutro de la multiplicación de vectores: Para cada vector v1 ∈ V , 1v1 = v1
Observación: Cualquier conjunto V no vacío, que cumple con los axiomas enunciados, se
denomina Espacio Vectorial y sus elementos se llaman vectores. Las matrices y los polinomios
cumplen con estas propiedades, por lo tanto tienen estructura de Espacio Vectorial.
Ejemplos de Espacios Vectoriales
101
1. se tiene un conjunto de vectores S, el cual está formado por vectores de la forma:
 
x
 y 
x+y
¾Es S un espacio vectorial?. Denimos:
   
x1 x2
u =  y1  , v =  y2 
x1 + y 1 x2 + y 2
como dos vectores arbitrarios que pertenecen a S. Observe que todos los vectores que
pertenecen al conjunto S, se caracterizan por tener dos coordenadas independientes x,
y y la tercera coordenada es la suma de las primeras dos.
Probamos si los vectores del conjunto S pueden sumarse; es decir, Si u y v ∈ V,

entonces u+v ∈ V
       
x1 x2 x1 + x2 x1 + x2
u + v =  y1  +  y2  =  y1 + y2 = y1 + y2 
x1 + y 1 x2 + y 2 x1 + y 1 + x2 + y 2 (x1 + y1 ) + (x2 + y2 )
La suma de dos vectores cualesquiera da como resultado un vector que pertenece

al conjunto S (porque el resultado sigue siendo un vector de dos coordenadas in-
dependientes (x1 + x2 ) y (y1 + y2 ) y la tercera coordenada es la suma de las dos
coordenadas independientes)
Probemos la multiplicación por un escalar: Si v ∈ V y k es un escalar, entonces

kv ∈ V :
     
x2 kx2 kx2
kv = k  y2  =  ky2  =  ky2 
x2 + y2 k(x2 + y2 ) kx2 + ky2
Se sigue respetando la condición de que la tercera coordenada es la suma de las dos

coordenadas independientes kx2 y ky2
La existencia del vector 0 es posible dado que la tercera coordenada es 0 y se puede

justicar que es resultado de las dos primeras coordenadas independientes 0 y 0:
 
0
0 = 0
0
Cumple las tres principales condiciones, podemos concluir que el conjunto S es un
Espacio Vectorial.
102 CAPÍTULO 4. ESPACIOS VECTORIALES

2. Se tiene un conjunto W, cuyos vectores cumplen:
 
x
y 
1
¾Es W un Espacio Vectorial?. Denimos dos vectores arbitrarios:
   
x1 x2
u =  y1  , v =  y2 
1 1
Observe que todos los vectores que pertenecen al conjunto W , se caracterizan por tener
dos coordenadas independientes x, y y la tercera coordenada es 1.
Probamos si los vectores del conjunto W pueden sumarse; es decir, Si u y v ∈ W,

entonces u+v ∈ W
       
x1 x2 x1 + x2 x1 + x2
u + v =  y1  +  y2  =  y1 + y2  =  y1 + y2 
1 1 1+1 2
La suma de dos vectores cualesquiera da como resultado un vector que NO perte-

nece al conjunto S (porque el resultado nos da como tercer coordenada un valor de
2, lo correcto es que nos diera 1). Basta conque no cumpla un requisito, para deter-
minar que W No es un Espacio Vectorial. Probemos las otras dos condiciones,
para nes de explicación
Probemos la multiplicación por un escalar: Si u∈W y k es un escalar, entonces

ku ∈ W :
     
x1 kx1 kx1
ku = k y1 = ky1 = ky1 
    
1 k(1) k
Este requisito tampoco se cumple. De nuevo, la tercera coordenada no resultó ser

1, si no k
La existencia del vector 0 no es posible, dado que la tercera coordenada debe ser
siempre 1.
3. Consideremos el conjunto de matrices de dimensión nxn:
 
m11 m12 m13 · · · m1n
 m21
 m22 m23 · · · m2n 

Mnxn =  m31
 m32 m33 · · · m3n 
, m11 , m12 , . . . , mnn ∈ R
 .. .
.
.
. . ..
. 
. 
 . . . .
mn1 mn2 mn3 · · · mnn
CAPÍTULO 4. ESPACIOS VECTORIALES 103

Es un Espacio Vectorial real, porque es posible sumar dos matrices de Mnxn y obtener
como resultado, otra matriz de Mnxn . Cuando multiplicamos una matriz de Mnxn por
un escalar real obtenemos otra matriz de Mnxn . Se puede comprobar que se cumplen
las propiedades. El vector 0, es la matriz de Mnxn con todos sus términos nulos.
4. consideremos el conjunto M de todas las matrices de dimensión 2x2:

a b
M2x2 = , a, b, c, d ∈ Z
c d
Este conjunto tiene como característica que todos sus elementos son enteros. Al sumar
dos matrices cualesquiera, obtenemos como resultado una matriz que pertenece al con-
junto M , porque al sumar dos enteros cualesquiera, obtendremos un entero. El problema
es que al multiplicar una de las matrices del conjunto M por un escalar real; entonces
podremos obtener una matriz que no pertenece al conjunto M . Por ejemplo, so k = 1 5,
entonces los elementos de la matriz ya no serán enteros. Por no cumplir este requisito,
podemos armar que El conjunto M no forma un Espacio Vectorial
5. EL espacio Rn , conformado por vectores de n coordenadas de la forma [x1 , x2 , x3 , . . . xn ].
Es un Espacio Vectorial Real, los vectores pueden sumarse y el resultado sigue perte-
neciendo al espacio Rn .
Si se multiplica un vector cualquiera por un escalar real k , el
n
resultado tambien se mantiene en el Espacio R . Lo que no se puede es multiplicar cual-
quier vector por un número complejo; porque el resultado ya no pertenecería al Espacio
Rn . Note que el vector 0, ([0, 0, 0, . . . 0]) pertenece al espacio Rn
6. El conjunto P2 que incluye a los polinomios de primer y segundo grado. Cumple la
suma (al sumar dos polinomios obtenemos de resultado un polinomio que pertenece al
2
conjunto P2 ). Igual la multiplicación de un escalar; y el polinomio 0 es 0x + 0x + 0
7. El conjunto C de los números complejos es un Espacio Vectorial real. Se pueden sumar

dos números complejos obteniéndose otro número complejo; y se puede multiplicar un
complejo por un escalar real, obteniéndose otro complejo. También existe el número
complejo 0 (0 + 0i)
4.2. Denición de subespacio vectorial y sus propiedades
Sea W un subconjunto no vacío de un Espacio Vectorial V y suponga que W es en sí un espacio

vectorial bajo las operaciones de suma y multiplicación por un escalar denidas en V . Entonces se
dice que W es un Subespacio de V:
1. Dados dos vectores u, v del subespacio Vectorial W, la suma u+v también está en W.
2. Para cualquier vector u en W y cualquier escalar k ; ku está en W.
3. El vector 0 que pertenece a V , también está en W
Nota. Todo Espacio Vectorial V tiene dos Subespacios impropios, el primero es el subespacio
formado por el vector 0 y el propio Espacio Vectorial V .

4.3. Combinación lineal e Independencia lineal
4.3.1. Combinación Lineal

Una Combinación Lineal de dos o más vectores es el vector que se obtiene al sumar esos vectores
multiplicados por escalares. Sean v1 , v2 , v3 , . . . vn , vectores de un Espacio Vectorial V , un vector v ,
en V es una Combinación Lineal si existen escalares c1 , c2 , c3 , . . . cn que cumplan:
v = c1 v1 + c2 v2 + c3 v3 + · · · + cn vn (4.1)
Donde:
v es el vector que se forma al sumar los vectores v1 , v2 , . . . , vn , que están multiplicados por
los escalares c1 , c2 , . . . , cn
v1 , v2 , . . . , vn son vectores
c1 , c2 , . . . , cn son escalares
Si en la ecuación 4.1, no existe ningun escalar ci , entonces no existe una combinación lineal.
Ejemplo: Dados:
      
1 2 −1 4
v1 = −1 , v2 = 1 , v3 =  1  , w = 0
0 2 1 2
Verique si w v1 , v2 y v3 . Utilizamos la
es una combinación Lineal de los vectores ecuación 4.1
       
4 1 2 −1
w = c1 v1 + c2 v2 + c3 v3 ⇒  0 = c1 −1 + c2 1 + c3 1 
     
2 0 2 1
           
4 c1 2c2 −c3 4 c1 + 2c2 − c3
0 = −c1  +  c2  +  c3  ⇒ 0 = −c1 + c2 + c3 
2 0 2c2 c3 2 2c2 + c3
Tenemos el sistema de ecuaciones:
    
c1 + 2c2 − c3 = 4 1 2 −1 c1 4
−c1 + c2 + c3 = 0 ⇒ −1 1 1  c2  = 0 ⇒ Ax = b
2c2 + c3 = 2 0 2 1 c3 2
Este es un Sistema de Ecuaciones Lineales no Homogéneo y es compatible (mismo número de

ecuaciones que de incógnitas); por lo tanto tiene dos posibles soluciones: Una sola solución o un
número innito de soluciones. w será una Combinación Lineal de los vectores v1 , v2 y v3 si al menos
uno de los escalares c1 , c2 y c3 es diferente de cero. Este sistema se puede resolver por cualquier
método, visto antes. Verique:

1 4
 
− − 1
   3 3 
−1 −4 3
1  1

1

det(A) = 3 adj(A) =  1 1 0 A−1 = edj(A) =  0 ⇒ x = A−1 b

det(A)  3 3
−2 −2 3

 2 2 
− − 1
3 3
1 4 2
   
  − 3 − 3 1 4
 
   3 
 
c1 c1
 
1 1  4 

c2  = A−1 b ⇒ c2  = 

0 

0 = 
 3 3    3 
c3 c3

 2 2  2  2
− − 1 −
3 3 3
2 4 2
Para este ejemplo, c1 = , c2 = y c3 = − . Comprobemos:
3 3 3
      
    
1 2 −1 1 2 −1
2  4  2 
w = c1 −1 + c2 1 + c3 1 
     ⇒ w= −1 + 1 − 1
3 3 3
0 2 1 0 2 1
 8  2   2 8 2   
12

2 + +  
 3  3  3   3 3 3   3 
      4
4  2  2 4 2
          
w = − 2  +  + − = − + − = 0 = 0
   
   3   3  3 3 3       
 3          
8   2   8 2  6 2
0 − 0+ −
3 3 3 3 3
Lo que se acaba de demostrar es que al sumar: c1 v1 + c2 v2 + c3 v3 obtenemos w. Es decir, w es

un vector que se forma con la combinación lineal de los vectores c1 v1 , c2 v2 y c3 v3 .

Verique el resultado de los problemas que se muestran. ¾Es w una combinación lineal de v1 , v2 ,
v3 ?. Si es así, Determine los coecientes c1 , c2 y c3 .
v1 = (1, 1, 0) 5
c1 = = 1 6666666666667
3
v2 = (1, −1, 1) 1
a) , soln) c2 = = 0 333333333333
v3 = (0, 1, 1) 3
1
w = (2, 1, 0) c3 = − = −0 3333333333333
3

1
v1 = , 2, 1
2 c1 = 0
1
b) v2 = −3, 1, soln) c2 = 0
3
v3 = (−3, 0, 3)
c3 = −1
w = (3, 0, −3)

4.3.2. Independencia y Dependencia Lineal

Los vectores v1 , v2 , v3 , . . . vn de un Espacio Vectorial V , son Linealmente Dependientes si existen
constantes c1 , c2 , c3 , . . . cn , no todas iguales a cero; tales que:
c1 v1 + c2 v2 + c3 v3 + · · · + cn vn = 0 (4.2)
En caso contrario, se dice que Linealmente Independientes ; es decir, que si

v1 , v2 , v3 , . . . vn son
c1 = c2 = c3 = · · · = cn = 0 , v1 , v2 , v3 , . . . vn son Linealmente
podemos concluir que los vectores
Independientes. El procedimiento para determinar si los vectores v1 , v2 , v3 , . . . vn son Linealmente
Independientes o Linealmente Dependientes es:
1. Se forma el sistema homogeneo, usando la ecuación 4.2.
2. Se resuelve el Sistema Homogéneo. Si los valores de los escalares c1 , c2 , c3 , . . . cn son todas

iguales a cero, entonces los vectores v1 , v2 , v3 , . . . vn son Linealmente Independientes. Si existe,
al menos, un escalar diferente de cero, entonces los vectores son Linealmente Dependientes
Ejemplo: ¾Forman los vectores:
v1 = (2, 1, 0), v2 = (3, 3, 1), v3 = (1, −1, 0)

Un conjunto Linealmente Dependiente ó Linealmente Independiente?
1. Formamos el sistema homogéneo:
      
2 3 1 c1 0 2 3 1 | 0
1 3 −1 c2  = 0 ⇒ 1 3 −1 | 0
0 −1 0 c3 0 0 −1 0 | 0
2. Solucionamos el sistema homogéneo. Se deben emplear transformaciones entre renglones para

obtener la matriz Escalonada reducida. Verique que se realizan las siguientes transforma-
ciones:
1
R1 ⇒ R1
2
3 1
 
1 | 0

 2 2 

1 3 −1 | 0
 
0 −1 0 | 0
−R1 + R2 ⇒ R2
3 1
 
1 | 0
 2 2 
3 3
 
 
0 − | 0
 2 2 
0 −1 0 | 0

2
R2 ⇒ R2
3
3 1
 
1 | 0

 2 2 

0 1 −1 | 0
 
0 −1 0 | 0
R2 + R3 ⇒ R3
3 1
 
1 | 0
 2 2 
 
0 1 −1 | 0
 
0 0 −1 | 0
3
− R2 + R1 ⇒ R1
2
1 0 2 | 0
 
 
0 1 −1 | 0
 
0 0 −1 | 0
−R3 ⇒ R3
1 0 2 | 0
 
 
0 1 −1 | 0
 
0 0 1 | 0
R3 + R2 ⇒ R2
1 0 2 | 0
 
 
0 1 0 | 0
 
0 0 1 | 0
−2R3 + R1 ⇒ R1
 
1 0 0 | 0
0 1 0 | 0
0 0 1 | 0
Obtenemos:
      
1 0 0 | 0 1 0 0 c1 0 c1 = 0
0 1 0 | 0 ⇒ 0 1 0 c2  = 0 ⇒ c2 = 0
0 0 1 | 0 0 0 1 c3 0 c3 = 0
En este ejemplo, tenemos a los tres escalares c1 , c2 y c3 que valen 0. Esto signica que los
vectores v1 , v2 y v3 son Linealmente Independientes

Ejemplo: ¾Forman los vectores:

3 1
w1 = (1, 1, −1), w2 = 0, − , 2 , w3 = 2, , 0
2 2
Un conjunto Linealmente Dependiente ó Linealmente Independiente?
1. Formamos el sistema homogéneo:
      
1 0 2 c1 0 1 0 2 | 0
      
 1 −3 1  1 −3 1
  
 c2  = 0 ⇒
  
 | 0
2 2     2 2
  
  
−1 2 0 c3 0 −1 2 0 | 0
2. Solucionamos el sistema homogéneo. Se deben emplear transformaciones entre renglones para
obtener la matriz Escalonada reducida. Verique que se realizan las siguientes transforma-
ciones:
−R1 + R2 ⇒ R2
 
1 0 | 0
2
 

0 − 3 3 
− | 0
2 2
 
 
−1 2 0 | 0
R2 + R3 ⇒ R3
 
1 0 2 | 0
 
0 − 3 − 3 | 0
 
2 2
 
 
0 2 2 | 0
2
− R2 ⇒ R2
3
 
1 0 2 | 0
0 1 1 | 0
0 2 2 | 0
−2R2 + R3 ⇒ R3
 
1 0 2 | 0
0 1 1 | 0
0 0 0 | 0
Obtenemos:
      
1 0 2 | 0 1 0 2 c1 0 c1 + 2c3 = 0
0 1 1 | 0 ⇒ 0 1 1 c2  = 0 ⇒ c2 + c3 = 0
0 0 0 | 0 0 0 0 c3 0 0c3 = 0

c1 = −2c3
c1 = −2c3
c2 = −c3 ⇒
c2 = −c3
0=0
En este ejemplo, tenemos que el sistema tiene un número innito de soluciones. Basta con
proponer un valor arbitrario a c3 para encontrar los valores de c1 y de c2 . Otra forma de
expresarlo es que, dado que obtuvimos dos ecuaciones y tenemos tres incógnitas, es un Sistema
Homogéneo Indeterminado. Por lo tanto el sistema de vectores w1 , w2 , w3 es Linealmente
Dependientes
Nota: Sabemos que en una matriz, si hay un renglón o columna que es una Combinación Lineal
de otro renglón (o renglones) o de otra columna (o columnas, el determinante de dicha matriz
será 0. Así que es posible, que si tenemos una matriz cuadrada, formada por vectores, bastaría
con calcular el determinante. Si el determinante da 0, concluiríamos que el sistema de vectores
es Linealmente Dependiente. Si el determinante de la matriz es diferente de 0, concluimos que el
sistema es Linealmente Independiente. Verique que en el primer problema, la matriz tiene un
determinante diferente de cero:
    
2 3 1 c1 0 2 3
1
1 3 −1 c2  = 0 ⇒ 1 3 −1 = −3

0 −1 0 c3 0 0 −1 0
Que el determinante nos de un valor diferente de cero (en este caso −3), es suciente para
concluir que el sistema de vectores v1 , v2 , v3 son Linealmente Independientes. Por otra parte, en el
segundo ejemplo, la matriz:
    
1 0 2 c1 0 1
0 2
    
 1 −3 1 1 −3 1 = 0

c2  = 0 ⇒
  

2 2     2 2


c3 0

−1 2 0 −1 2 0
Al darnos 0 el determinante de la matriz que tiene los vectores w1 , w2 , w3 , podemos concluir que
estos vectores son Linealmente Dependientes

Determine si el conjunto de vectores dados en a y b, son linealmente independientes o linealmente

Dependientes.
a) v1 = [4, 6, 1], v2 = [1, 3, 4], v3 = [−1, −2, −2] soln) son Linealmente Independientes
b) u1 = [0, −3, 3], u2 = [5, −2, −2], u3 = [15, −15, 3] soln) son Linealmente
Dependientes

4.4. Base y dimensión de un espacio vectorial, cambio de

base
Un conjunto de vectores S = {v1 , v2 , . . . , vn }, en un Espacio Vectorial V forman una base, si

son Linealmente Independientes y si S Genera a V . Para vectores de dos dimensiones las bases son
de 1 vector o dos vectores, no mas. Es decir, un conjunto de vectores de n dimensiones, forman
bases con n o menos vectores, pero no forman bases con mas de n vectores.
La Dimensión de una Base es el número de vectores que la conforman. Por tanto, la dimensión
es el máximo número de vectores independientes que podemos tener en el espacio o subespacio.
En otras palabras, es el máximo rango que puede tener un conjunto de vectores de dicho espacio.
Es también el rango de cualquier sistema generador de dicho espacio.
Ejemplos de bases:
La Base Canónica de Rn
       
1 0 0 0
0 1 0 0
       
0 0 1 0
v1 = 0 , v2 = 0 v3 = 0 · · · vn = 0
       
       
 ..   ..   ..   .. 
. . . .
0 0 0 1
Este conjunto de vectores son Linealmente Independientes, porque su determinante es di-
n n
ferente de 0. Esta base genera a R , porque todo vector (v1 , v2 , v3 , . . . , vn ) ∈ R se puede
expresar como Combinación Lineal de ellos:
       
1 0 0 0
0 1 0 0
       
0 0 1 0
(v1 , v2 , v3 , . . . , vn ) = v1 0 + v2 0 + v3 0 + · · · + vn 0
       
       
 ..   ..   ..   .. 
. . . .
0 0 0 1
Una Base diferente a la canónica. Por ejemplo, para una base en R3 , con vectores:
     
1 0 2
u1 = 0 , u2 = 1 u3 = 0
1 2 1
Este conjunto de vectores son Linealmente Independientes, porque su determinante es dife-
rente de 0. Son sistema generador de R3 , porque cualquier vector (u1 , u2 , u3 ) se puede poner
como una Combinación Lineal de esta base. Por ejemplo, dado (a,b,c), buscamos c1 , c2, c3
que satisfagan:
       
a 1 0 2 c1 + 2c3 = a
 b  = c1 0 + c2 1 + c3 0 ⇒ c2 = b
c 1 2 1 c11 + 2c2 + c3 = c

Este sistema es Compatible, tiene solución para cualesquiera (a, b, c)
Ejercicios:
1. Determine el valor de y para el vector (1, y, 3) ∈ R3 pertenezca al subespacio S = {(1, 2, 3), (1, 1, 1)}
a) el vector (1, y, 3) pertenece al subespacio S = {(1, 2, 3), (1, 1, 1)} si y solo si (1, y, 3) es
Combinación Lineal de los vectores (1, 2, 3), (1, 1, 1); es decir:
          
1 1 1 c1 + c2 = 1 1 1 c1 1
y  = c1 2 + c2 1 ⇒ 2c1 + c2 = y ⇒ 2 1 c2  = y 
3 3 1 3c1 + c2 = 3 3 1 c3 3
b) Solucionamos el sistema aumentado:
 
1 1 | 1
2 1 | y 
3 1 | 3
−2R1 + R2 ⇒ R2
 
1 1 | 1
0 −1 | y − 2
3 1 | 3
−3R1 + R3 ⇒ R3
 
1 1 | 1
0 −1 | y − 2
0 −2 | 0
−R2 ⇒ R2
 
1 1 | 1
0 1 | 2 − y 
0 −2 | 0
−R2 + R1 ⇒ R1
 
1 0 | y−1
0 1 | 2 − y 
0 −2 | 0
2R2 + R3 ⇒ R3
 
1 0 | y−1 c1 = y − 1
0 1 | 2 − y  ⇒ c2 = 2 − y
0 0 | 4 − 2y 0 = 4 − 2y
La expresión 0 = 4 − 2y , nos permite conocer el valor de y. Despejando en esta

4
expresión: 4 = 2y, y= = 2. Con este valor resolvemos para c1 y c2 :
2
c1 = y − 1 c1 = (2) − 1 = 1, c2 = 2 − y c2 = 2 − (2) = 0
Tenemos: c1 = 1, c2 , y = 2. Comprobación:
               
1 1 1 1 1 1 1 1
y  = c1 2 + c2 1 ⇒ 2 = (1) 2 + (0) 1 ⇒ 2 = 2
3 3 1 3 3 1 3 3
| {z }
=0
solución: El valor de y que permite que el vector (1, y, 3) ∈ R3 pertenezca al subespacio

S = {(1, 2, 3), (1, 1, 1)} es 2
4.5. Espacio vectorial con producto interno y sus propiedades
Un producto interno sobre un espacio vectorial V es una operación que asigna a cada par de
vectores uyv en V un número real hu, vi. Un producto interior sobre V es una función que asocia
un número real hu, vi con cada par de vectores u y v cumple las siguientes propiedades:
1. hu, vi ≥ 0 para todo u, v que pertenece a V
2. hu, vi = 0 si y solo si v=0 para todo u, v que pertenece a V
3. hu, 0i = h0, vi = 0 para todo u, v que pertenece a V
4. hu, v + wi = hu, vi + hu, wi para todo u, v que pertenece a V
5. hu + v, wi = hu, wi + hv, wi para todo u, v, w que pertenece a V
6. hu, vi = hv, ui para todo u, v que pertenece a V
7. hku, vi = khu, vi para todo u, v que pertenece a V y para todo k que pertenece a K
8. hu, kvi = khu, vi para todo u, v que pertenece a V y para todo k que pertenece a K
4.6. Base ortonormal, proceso de ortonormalización de Gram-

Schmidt
Un conjunto S = {u1 , u2 , u3 , . . . , un } en Rn es Ortogonal, si cualesquiera dos vectores distintos

en S son Ortogonales, (los vectores que la forman son perpendiculares entre ellos); es decir, si
ui · uj = 0, para i 6= j . Un conjunto Ortonormal de Vectores es un conjunto Ortogonal de vectores
unitarios (vectores cuya norma es 1)

vi · vj = 0 i 6= j
vi · vi = 1 ∀ i

el proceso de Gram-Schmidt.
Para Ortonormalizar un conjunto dado de vectores, se emplea
El proceso de Gram-Schmidt para ortonormalizar un conjunto dado de vectores, que permita
obtener una base ortonormal T = {w1 , w2 , w3 , . . . , wn }, para un subespacio no nulo W de Rn , con
base S = {u1 , u2 , u3 , . . . , un } es el siguiente:
1. Hacer v1 = u1
2. Calcular de manera sucesiva los vectores v2 , v3 , . . . , vn , mediante la fórmula:

ui · v1 ui · v2 ui · v3 ui · vi−1
vi = ui − v1 − v2 − v3 − · · · − vi−1 (4.3)
v1 · v1 v2 · v2 v3 · v3 vi−1 · vi−1
El conjunto de vectores T ∗ = {v1 , v2 , v3 , . . . , vn } es un conjunto Ortogonal

3. Hacer:
1
wi = vi i = 1, 2, 3, . . . n
kvi k
Entonces T = {w1 , w2 , w3 , . . . , wn }, es una base Ortonormal para W
Ejemplo: Dados los siguientes vectores:

     
1 −1 −1
u1 = 1 ,
 u2 = 0  ,
 u3 = 2 

1 −1 3
Utilice el proceso de Gram-Schmidt para obtener una base ortonormal

1. Hacer v1 = u1
   
1  1 
∗
v1 = 1 ,
 T = 1
1 1
 
2. Calcular de manera sucesiva los vectores v2 , v3 , . . . , vn , usando la ecuación 4.3.
calculo de v2 :
u2 · v1
v2 = u2 − v1
v1 · v1
   
−1 1
u2 · v1 = 0 · 1 = (−1)(1) + (0)(1) + (−1)(1) = −1 + 0 − 1 = −2
  
−1 1
   
1 1
v1 · v1 = 1 · 1 = (1)(1) + (1)(1) + (1)(1) = 1 + 1 + 1 = 3
  
1 1

2
 
 
−1
3
         
−1 1 −1 1
u2 · v1 −2     2      
2
v2 = u2 − v1 = 0  −
 1 = 0 + 1 = 0 + 
v1 · v1 3 3    3 
−1 1 −1 1 
2

−1
3
1   −1 
    
− 
 1  3 
 3 





   
    
 2  ∗    2 

 3 ,
v2 =   1
T =  , 
  
    3 
 1   1 
 1

 

− − 
 
3 3
Cálculo de v3 :
u3 · v1 u3 · v2
v3 = u3 − v1 − v2
v1 · v1 v2 · v2
   
−1 1
u3 · v1 = 2 · 1 = (−1)(1) + (2)(1) + (3)(1) = −1 + 2 + 3 = 4
  
3 1
v1 · v1 = 3
  −1
 
−1  3 
   
1

2

1 1 4 3 2
   2 
u3 · v2 =  2  ·   = (−1) − + (2) + (3) − = + − =
   3 
  3 3 3 3 3 3 3
 1
3
−
3
1 1
   
− −
 3  3
   
 2   2  1 1 2 2 1 1 1 4 1
v2 · v2 = 
 3  ·  3  = −3
   − + + − − = + +
    3 3 3 3 3 9 9 9
 1  1
− −
3 3
6 2
v2 · v2 = =
9 3
1 4 1
     
− 
−1
 −
    2  3
 
 3  3 
   
−1 1
u3 · v1 u3 · v2 4  2     4  2
 
v3 = u3 − v1 − v2 =  2  − 1 − 3   =  2  + −  + − 
v1 · v1 v2 · v2 3 2  3     3  3
3 1      
3  1
|{z} − 3
 4  1 
=1
−
3 3 3

4 1 1
     
−1 − +  1 − 3   

   
 3 3    

−2  −2 
  

   
4 2    2

∗
     
v3 =  2 − −  = 0
 T = 1 ,   , 0
   
 3 3  2



   3 
2 


 4 1  
 1
 1 

3− + −

 

3 3 3
∗
Nota: Verique que T es un conjunto de vectores ortogonales, es decir: v1 · v2 = 0,
v1 · v3 = 0 y v2 · v3 = 0
3. Normalizar la base T = {v1 , v2 , v3 }:
Normalización de v1
1 p √ √
w1 = v1 , kv1 k = (1)2 + (1)2 + (1)2 = 1+1+1= 3
kv1 k
 1   1 
√ 
 √  
   3 
  3 

1   
 
1    1   1 

w1 = √ 1 =  √ 
 T = √ 
 
3 1  3  3 
 
 
 1  
  1 
√  √ 

 

3 3
s
2 2 2 r r
1 1 2 1 1 4 1 2
w2 = v2 , kv2 k = − + + − = + + =
kv2 k 3 3 3 9 9 9 3
 √   √  
3 3 1

1 1
   
− − − √  − √ √ √ − √ √
 3 r  3  3 2  3 3 2  3 2

     √   √ √ √   √  
1  2  3  2   2 3   2 2 3  
 = √ = √ √ √ = √ 2

w2 = r  = 
2 3   3 2   3 3 2  
 3  
2      
3 
 1  √   √
 
 1   
3 3 3   √ 1√ 
− − −
  
3 3 − √ −√ √ √
3 2 3 3 2 3 2
   1 
1
 
1
− √6  √ − √ 

 
6
 
 √ 




 3  
  √ 
 



 2 
    1   2 

w2 =  √  T = √  ,  √ 

 3  
 3   3 
    1   
 1    1 
√
 
−√ −√ 

 
3
 
6 6
1 p √ √
w3 = v3 , kv3 k = (−2)2 + (0)2 + (2)2 = 4 + 0 + 4 = 8
kv3 k

2
       
2 2 2
−p
  − √8   (4)(2)  − √4√2  − 2√2 
−2        
1    0 =
  0  
0 = 0 
  
w3 = √ 0 = =
8 2        
2
       
 2     2   2 
√ p √ √ √
8 (4)(2) 4 2 2 2
   1   

1
 1 1
− √

 √ −√  −√  
6
 

 2
 




 3 


 √    2 
 


 1   2  
  
0  0 
 
w3 =  T =  √3  ,  √ ,

3
      
      
 1  
 1   1   1 
 
√ 

 √ − √ √ 


2 
3 6 1 2 
El conjunto T es Ortonormal, los vectores w1 , w2 , w3 son ortogonales; es decir: w1 · w2 = 0,

w1 · w3 = 0 y w2 · w3 = 0 y también, la norma de cada uno de los vectores en T es 1. Es decir:
s 2 2 2
3 √
r r
1 1 1 1 1 1
kw1 k = √ + √ + √ = + + = = 1=1
3 3 3 3 3 3 3
√ !2
v
u 2 2 r
6 √
r
u 1 2 1 1 2 1
kw2 k = t −√ + √ + −√ = + + = = 1=1
6 3 6 6 3 6 6
s 2 2
2 √
r r
1 2 1 1 1
kw3 k = −√ + (0) + √ = +0+ = = 1=1
2 2 2 2 2


Capítulo 5
Transformaciones lineales
5.1. Introducción a las transformaciones lineales
Una Transformación Lineal, es una función que tiene como Dominio y Codominio a una Espacio
Vectorial. Si tenemos dos Espacios Vectoriales V y W , Una función que va de V a W : F : V → W ,
es una regla que toma vectores del Espacio Vectorial V y devuelve vectores del Espacio Vectorial
W.
Denición: Sean V y W Espacios Vectoriales. Una Transformación Lineal T : V → W es una

función que asigna a cada v en V un único vector L(v) en W tal que:
1. F (u + v) = F (u) + F (v) Para todo u, v que pertenecen a V
2. F (ku) = kF (u) Para todo u que pertenece a V, Para todo k que pertenece a R
Para que una Transformación Lineal sea valida, debe cumplir las dos formulas denidas. Una
Transformación Lineal equivale a una Función. Cuando trabajamos con números Reales, usamos
Funciones, al trabajar con vectores, llamamos a esta Función una Transformación Lineal. Esta se
puede ver como un operador que transforma a un vector de un Espacio Vectorial V en otro vector
que pertenece al Espacio Vectorial W .

2 2 x 0
1. Sea f : R →R denida por: f = . Demostración:
y x

x1 x2
a) Denimos: u=
y1
, v =
y2
.
b) Vericamos si se cumple: F (u + v) = F (u) + F (v):
Calculamos F (u + v)

x1 x2 x 1 + x2
u+v = + =
y1 y2 y1 + y2

x1 + x 2 0
F (u + v) = F =
y1 + y2 x1 + x2
121
Calculamos F (u) + F (v)

x1 0 x2 0
F (u) = F = , F (v) = =
y1 x1 y2 x2

0 0 0
F (u) + F (v) = + =
x1 x2 x1 + x2
Conclusión: Obtuvimos el mismo resultado. Es decir: F (u + v) = F (u) + F (v)
c) Vericamos si cumple F (ku) = kF (u)
Calculamos: F (ku)

x kx1 kx1 0
ku = k 1 = F (ku) = F =
y1 ky1 ky1 kx1
Calculamos: kF (u)

x1 0 0
f F (u) = kF =k =
y1 x1 kx1
Conclusión: Obtuvimos el mismo resultado, es decir: F (ku) = kF (u)
d) F (u + v) = F(u) +
se cumplen las dos formulas:
F(v) y F (ku) = kF (u). Podemos
x 0
es una Transformación Lineal
2 2
armar que: f : < → < denida por: f =
y x
 
2x
2 3 x
2. Sea f : R → R denida por: f = 2y . Verique si es una Transformación Lineal.

y
1

x1 x
a ) Denimos: u = y , v = y 2 .
1 2
b) Vericamos si se cumple: F (u + v) = F (u) + F (v):
Calculamos F (u + v)

x1 x2 x 1 + x2
u+v = + =
y1 y2 y1 + y2
   
2(x1 + x2 ) 2x1 + 2x2
x1 + x2
F (u + v) = F =  2(y1 + y2 )  =  2y1 + 2y2 
y1 + y2
1 1
122 CAPÍTULO 5. TRANSFORMACIONES LINEALES

Calculamos F (u) + F (v)
   
2x1 2x2
x1 x2
F (u) = F = 2y1  ,
 F (v) = = 2y2 

y1 y2
1 1
     
2x1 2x2 2x1 + 2x2
F (u) + F (v) =  2y1  +  2y2  =  2y1 + 2y2 
1 1 2
Conclusión: Obtuvimos un resultado diferente. Note que la tercer coordenada en el

primer cálculo es 1, mientras que en el segundo cálculo es 2. Por no cumplir esta
condición, podemos decir que No es una Transformación Lineal. Es decir, no cum-
ple que: F (u + v) = F (u) + F (v). Para nes de aprendizaje, vericamos la segunda
condición
c) Vericamos si cumple F (ku) = kF (u)
Calculamos: F (ku)
 
2kx1
x kx1 kx1
ku = k 1 = F (ku) = F =  2ky1 
y1 ky1 ky1
1
Calculamos: kF (u)
   
2x1 2kx1
x1
f F (u) = kF = k  2y1  =  2ky1 
y1
1 k
Conclusión: Tampoco Obtuvimos el mismo resultado, es decir: F (ku) 6= kF (u)
d ) NO se cumplen ninguna las dos condiciones:
F (u + v) = F (u) + F (v), F (ku) = kF (u)
Podemos armar que: f : R2 → R3 denida por:
 
2x
x
f = 2y 
y
1
NO es una Transformación Lineal
CAPÍTULO 5. TRANSFORMACIONES LINEALES 123

5.1.1. Propiedades de las Transformaciones Lineales

Si T :V →W es una Transformación Lineal cumple:
1. T (0) = 0
2. T (−v) = −T (v) ∀ v en V
3. T (u + v) = T (u) + T (v) ∀ u, v en V
4. T (a1 v1 + a2 v2 + · · · + an vn = a1 T (v1 ) + a2 T (v2 ) + · · · + an T (vn ) donde ai ∈ k y vi ∈ V
5. Si S es un Subespacio de V, entonces T(S) es un subespacio de W
6. Si P es un subespacio de W, entonces T −1 (P ) es un subespacio de V
5.2. Núcleo e imagen de una transformación lineal
El Nucleo (Kernel) Transformación Lineal T : V → W ,es el subconjunto de vectores

de una
de V , tales que T (v) = 0w . También se denota como N u(T ), Kernel de T
Si T : V → W , es una Transformación Lineal, entonces, la imagen de T . que se denota imT ,
es el conjunto de vectores en W que son imágenes bajo, bajo T , de vectores en V . Asi, un vector
w está en imT , si podemos encontrar algún vector v, tal que T (v) = w matriz
1. Dada la siguiente Transformación Lineal :

 
x
y  x+y
T =
 
z z+w
w
Hallar el núcleo T (v) = 0w
a) Se busca un vector de entrada v . Este vector de entrada (no necesariamente cero), debe
permitir que el vector de salida sea 0. Utiliando la denición: T (v) = 00
 
x
y  x + y 0 x + y = 0 x = −y
T
z  = z + w = 0
 → →
z + w = 0 z = −w
w
Como hay 2 ecuaciones con 4 incógnitas. El sistema tiene un número innito de solu-
ciones, por lo tanto:
Sea y=a y w = b. Entonces x = −a y z = −b. Por lo tanto:
   
x −a
y   a 
 = 
 z   −b 
w b

2. Dada la siguiente Transformación Lineal :

    
a1 1 0 1 a1
T a2  = 1 1 2 a2 
a3 2 1 3 a3
Hallar una base para la imagen de T
a) Hacemos: imT = 0w
        
a1 1 0 1 a1 a1 0 a3 0 a1 + a3 = 0
T a2 = 1 1 2
    a2 = a1 a2 2a3 = 0
    → a1 + a2 + 2a3 = 0
a3 2 1 3 a3 2a1 a2 3a3 0 2a1 + a2 + 3a3 = 0
La solución del sistema es:
a1 + a3 = 0 a1 = −a3
→ →
a2 + a3 = 0 a2 = −a3
Sea a3 = k :
   
a1 −k
a2  = −k 
a3 k
5.3. La matriz de una transformación lineal

 
x+y
2 3 x
Sea T : < → < | T = x − y . Buscamos una matriz que al multiplicarla por el vector
y
2y  
x+y
x
de entrada obtengamos el vector de salida: x − y , es decir:
y
2y
 
x+y
x
[ M atriz desconocida ] = x − y 
y
2y

x
Lo que podemos decir es que el vector de entrada es de tamaño 2x1 y el vector de salida
  y
x+y
x − y , es de tamaño 3x1. Esto signica que tendríamos:
2y
[ M atriz desconocida ]mxn [ V ector de entrada ]2x1 = [ M atriz de salida ]3x1
para que la multiplicación exista se debe cumplir que el número de columnas de la Matriz de
Transformación sea igual al número de renglones del vector de entrada (mxn)(2x1) = 3x1. Esto
se cumple si m=3 y n = 2.

   
− − x+y
− − x = x − y 
y
− − 2y
Intuitivamente podemos determinar:
   
1 1 x+y
1 −1 x = x − y 
y
0 2 2y
Con lo cual tendríamos que la Matriz de Transformación para este problema es:
 
1 1
AT = 1 −1
0 2
Hay que destacar que la Transformación Lineal es <2 → <3 y la Matriz de Transformación es
de tamaño 3x2.
Ahora supongamos que tenemos una Transformación Lineal :

 
x
3 2 3x − y
T : < → < | T y  =
2z
z | {z }
| {z } 2x1
3x1
La Matriz de Transformación debe ser de 2x3, dado que la Transformación Lineal es de <3 →
<2 .
 
x
3x − y
AT y  =
|{z} 2z
2x3 z
Intuitivamente resolvemos:
 
x
3 −1 0   3x − y
y =
0 0 2 2z
z
Si T : V → W, es una Transformación Lineal de un Espacio Vectorial V
de dimensión n,
en un Espacio Vectorial W de dimensión m (n 6= 0 y m 6= 0)
S = {v1 , v2 , . . . , vn } y
y sean
P = {w1 , w2 , . . . , wm }, bases de V y W , respectivamente. Entonces, la matriz A de mxn, cuya
j-ésima columna es el vector de coordenadas T [(vj )]P de T (vj ), con respecto a P ,está asociado con
T y tiene la siguiente propiedad: Si x está en vj , entonces [T (x)]P = A[x]S .
Sea T : V → W una Transformación Lineal con:
dim(V ) = n, dim(W ) = m, S = {v1 , v2 , . . . , vn }Base de V, P = {w1 , w2 , . . . , wm }Base de W
El procedimiento para calcular la matriz de una Transformación Lineal T : V → W , con

respecto a las bases S = {v1 , v2 , . . . , vn } y P = {w1 , w2 , . . . , wm }.Para V y W respectivamente, es
el siguiente:

1. Calculamos T (vj ) para j = 1, 2, . . . n.
2. Determinamos el vector de coordenadas T [(vj )]P de T (vj ), con respecto a la base P. Esto
signica que debemos expresar T (vj ) como una Combinación Lineal de los vectores en P.
3. La matriz AT con respecto a S y P se forma al elegir T [(vj )]P como la j-ésima columna de A
Ejemplo:
1. Determine La Matriz de Transformación con respecto a S y P , para las bases S = {v1 , v2 , v3 }

y P = {w1 , w2 }. Sean:
       
x 1 0 1
x + y 1 −1
T y  = , v1 = 0 , v2 = 1 , v3 = 1 , w1 = , w2 =
y−z 2 1
z 1 1 1
Note que n = 3 (j = 1, 2, 3).
a) calculamos las Transformaciones Lineales T (vj :

     
1 0 1
1 1 2
T (v1 ) = T 0 =
  , T (v2 ) = T 1 =
  , T (v3 ) = T 1 =
  ,
−1 0 0
1 1 1
b) formamos las combinaciones lineales T (vj ) = c1 w1 + c2 w2 :

1 −1 1 −1 1 −1
T (v1 ) = c1 +c2 T (v2 ) = c1 +c2 T (v3 ) = c1 +c2
2 1 2 1 2 1

1 1 −1 1 1 −1 2 1 −1
= c1 +c2 = c1 +c2 = c1 +c2
−1 2 1 0 2 1 0 2 1
c) Formamos las matrices :

1 −1 c1 1 1 −1 c1 1 1 −1 c1 2
= , = , =
2 1 c2 −1 2 1 c2 0 2 1 c2 0
d) Solucionamos esta matriz usando Gauss-Jordan
.
" #
.
1 −1 . 1 1 2
.
.
2 1 . −1 0 0
(Verique el resultado):
. 1 2
 
.
1 0 . 0
 3 3 

.
.
2 4
0 1 . −1 − −
3 3

Por lo tanto:
 
1 2
0 3 3 
(AT )SP = 2 4
−1 − −
3 3
5.4. Aplicación de las transformaciones lineales: reexión, di-

latación, contracción y rotación
5.4.1. Reexión
Esta Transformación permite reejar a un vector con respecto a un eje.

x −x x x
L(u) = L = L(u) = L =
y y y −y
| {z } | {z }
Rotacin con respect al eje x Rotacin con respect al eje y
Figura 5.1: Reexiones
La matriz asociada a esta Transformación Lineal es:

−1 0 1 0
AT = AT =
0 1 0 −1
| {z } | {z }
Rotacin en x Rotacin en y
5.4.2. Dilatación
Esta Transformación Lineal dilata o aumenta a un vector.
L(u) = ku k>1

Figura 5.2: Dilatación

k 0
AT =
0 k
5.4.3. Contracción
Esta Transformación Lineal es la misma que la anterior, solo que k se utiliza para contraer al
vector. k < 1.
5.4.4. Rotación

v1
Dado un vector v de coordenadas
v2
y dada la Transformación Lineal T que rota el espacio
en sentido antihorario un ángulo θ, la matriz asociada es:

cos θ − sin θ
AT =
sin θ cos θ
Figura 5.3: Rotación

Apuntes 3 Unidad PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes 3 Unidad PDF

Cargado por

Copyright:

Formatos disponibles

Índice general

3. Sistema de Ecuaciones Lineales 75

3.4. Métodos de solución de un sistema de ecuaciones lineales: Gauss, Gauss-Jordan,

4. Espacios Vectoriales 101

5. Transformaciones lineales 121

1.1. Conversión entre Formatos Rectangular y Polar . . . . . . . . . . . . . . . . . . . . 17

2.1. Unidades de Materia Prima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

1.1. Clasicación de los números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.1. Circuito Eléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

3.1. Clasicación de los Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . 77

5.1. Reexiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

1.1. Denición y origen de los números complejos

Un número complejo es un número escrito en la forma z = a + bi donde a y b son números reales

Figura 1.1: Clasicación de los números

Figura 1.2: Plano Complejo

Siglo XVII: Leonard Euler, establece la fórmula: eiθ = cos θ + i sin θ

1.2. Operaciones fundamentales con números complejos

1. Sume los siguientes números complejos:

a) Sume a = −3 + 2i con b=2+i

8 CAPÍTULO 1. NÚMEROS COMPLEJOS

1. Realice las siguientes restas:

a) Dados a = −4 + 3i, b = −2 − 3i, calcule a − b. El sustraendo es b. Cambiándole el

b) Dados a = 7 − 5i, b = 4 − 8i, calcule b − a. El sustraendo es a. Cambiándole el signo

CAPÍTULO 1. NÚMEROS COMPLEJOS 9

1. Multiplicación de un número complejo por un escalar: En este caso, el escalar

a) Dado: p = −5 + 6i, calcule −3p

−3p = −3(−5 + 6i) = (−3)(−5) + (−3)(6i) = 15 − 18i

2. Multiplicación de dos números complejos: La multiplicación se realiza de la misma

a) Dados: a = −1 + 4i, b = −2 + 5i. Calcule ab

ab = (−1 + 4i)(−2 + 5i) = (−1)(−2) + (−1)(5i) + (4i)(−2) + (4i)(5i)

10 CAPÍTULO 1. NÚMEROS COMPLEJOS

c) Dados: d = 5 − 6i, f = 3 − i. Calcule df

df = (5 − 6i)(3 − i) = (5)(3) + (5)(−i) + (−6i)(3) + (−6i)(−i)

df = (15) + (−5i) + (−18i) + (6i2 ) = 15 −23i

(2 − 4i)(2 + 4i) = (2)(2) + (2)(4i) + (−4i)(2) + (−4i)(4i) = 4 + |8i {z i2

(2 − 4i)(2 + 4i) = 4 − 16(−1) = 4 + 16 = 20

Hubiéramos obtenido más fácil el resultado si aplicamos la propiedad (a+bi)(a−bi) = a2 +b2 .

(2 − 4i)(2 + 4i) = (2)2 + (−4)2 = 4 + 16 = 20

1. Resuelva las siguientes divisiones:

f (−3)(−3) + (−3)(3i) + (4i)(−3) + (4i)(3i) (9) + (−9i) + (−12i) + (12i2 )

CAPÍTULO 1. NÚMEROS COMPLEJOS 11

b (2)(5) + (2)(−10i) + (−2i)(5) + (−2i)(−10i) (10) + (−20i) + (−10i) + (20i2 )

b 10 − 30i + 20(−1) 10 − 30i − 20 −10 − 30i 10 30 2 6

12 CAPÍTULO 1. NÚMEROS COMPLEJOS

CAPÍTULO 1. NÚMEROS COMPLEJOS 13

1.2.1. Propiedades de los números complejos

1. Propiedad de cierre o cerradura: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 + z2 ∈ C.

1. Propiedad de cierre o cerradura: Para cualesquiera z1 , z2 ∈ C, se tiene: z1 · z2 ∈ C.

Propiedades del conjugado : El conjugado de un número complejo z = a ± bi, denotado z se

1. El conjugado de un número real es el mismo número real.

2. El conjugado de un número imaginario puro es el número imaginario opuesto (solo

3. El conjugado del conjugado: para z∈C se tiene z=z

14 CAPÍTULO 1. NÚMEROS COMPLEJOS

1.3. Potencias de  i, módulo o valor absoluto de un número

Las potencias de i están dadas:

1. Determine el módulo de los siguientes números complejos:

CAPÍTULO 1. NÚMEROS COMPLEJOS 15

1.4. Forma polar y exponencial de un número complejo

Figura 1.3: Representación Geométrica de un número complejo

1.4.1. Conversión entre representaciones de un número complejo

a) Cálculo del módulo C:

b) Cálculo del ángulo θ:

Ejemplo: Dado el número complejo: 3 − 4i, obtenga su equivalente en formato polar :

1.1. Clasicación de los números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3.1. Clasicación de los Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . 77

5.1. Reexiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

1.1. Denición y origen de los números complejos

Figura 1.1: Clasicación de los números

1.3. Potencias de i, módulo o valor absoluto de un número

La conversión es: 3 − 4i = 5∠ − 53. 1301◦ . Si lo queremos expresar de manera exponencial:

a = |C| cos θ = 10 cos 45◦ = (10)(0 70710678118655) = 7 0710678118655

b = |C| sin θ = 10 sin 45◦ = (10)(0 70710678118655) = 7 0710678118655

La conversión es: 10∠45◦ = 7 0710678118655 + 7 0710678118655i

cd = (8∠40◦ )(9∠12 9◦ ) = (8)(9)∠[(40◦ ) + (12 9◦ )] = 72∠52 9◦

a) a + b soln) 5 39096464380887∠ − 16 69710000766323

a = |C| cos θ = 2 cos 30◦ = 2(0 86602540378444) = 1 73205080756888

b = |C| sin θ = 2 sin 30◦ = 2(0 5) = 1

solución: a = 2∠30◦ = 1 73205080756888 + i

d = |C| cos θ = 4 cos −75◦ = 4(0 25881904510252) = 1 03527618041008

b = |C| sin θ = 4 sin −75◦ = 4(−0 96592582628907) = −3 86370330515627

solución: d = 4∠ − 75◦ = 1 03527618041008 − 3 86370330515627i