Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes 3 Unidad PDF
Apuntes 3 Unidad PDF
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
1
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
2 ÍNDICE GENERAL
Índice de tablas
3
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
4 ÍNDICE DE TABLAS
Índice de guras
5
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
6 ÍNDICE DE FIGURAS
Capítulo 1
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.
Para gracar un número complejo se requiere un nuevo plano, llamado Plano Complejo (Ver
gura 1.2)
7
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
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 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.
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).
−3 + 2i
2 + i
−1 + 3i
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.
−2 + 6i
−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
Multiplicación entre números complejos : Para este tipo de operación existen dos casos:
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
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
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:
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 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
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
Propiedades de la Suma :
Propiedades de la Multiplicación :
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)
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
Los números complejos se pueden representar de manera rectangular (a + bi), polar (C∠θ) ó de
manera exponencial Ceθi
1. Dado un número en formato rectangular : a + bi. Para convertirlo en formato Polar hacemos
los siguientes cálculos:
p √ √
|C| = (3)2 + (−4)2 = 9 + 16 = 25 = 5
−1 b −1 −4 −1 4
θ = tan = tan = tan − = −53. 1301◦
a 3 3
Tenemos: |C| = 10, θ = 45◦ . Usando la ecuación 1.4 para calcular la parte real a:
p b
a ± bi ⇒ C= (a)2 + (b)2 , θ = tan−1
a
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
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.
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:
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
√
−b ± b2 − 4ac
x1,2 = (1.8)
2a
Sabemos que:
10 + 8 18 10 − 8 2
x1 = = =9 x2 = = =1
2 2 2 2
√ p √ √
−b ± b2 − 4ac −(1) ± (1)2 − 4(1)(3) −1 ± 1 − 12 1 ± −11
x1,2 = = = =
2a 2(1) 2 2
√ 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
Para a = 2∠30◦ que está en formato polar, obtenemos su equivalente en formato rec-
tangular :
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
θ = arctan = arctan = arctan − = −9 46232220802562◦
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 :
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◦
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
ad = 8∠ − 45◦
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
θ = arctan = arctan = arctan − = −60 94539590092286◦
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
√ 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
10 + 30i
50 + 90i
60 + 120i
bc = (51478150704935∠−6094539590092286◦ )(1264911064067352∠7156505117707799◦ )
bc = (51478150704935)(1264911064067352)∠(−6094539590092286◦ +7156505117707799◦ )
bd = (51478150704935∠−6094539590092286◦ )(10295630140987∠6094539590092286◦ )
bd = (51478150704935)(10295630140987)∠(−6094539590092286◦ )+(6094539590092286◦ )
bd = 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
p √ √
|a + c| = (50)2 + (150)2 = 2500 + 22500 = 25000 = 158 1138830084190
150
θ = arctan = arctan [3] = 71 56505117707799◦
50
Cálculo de b+d
25 − 45i
−50 − 90i
−25 + −135i
p √ √
|b + d| = (−25)2 + (−135)2 = 625 + 18225 = 18850 = 137 2953021774598
−135 27
θ = arctan = arctan = 79 50852298766841◦
−25 5
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
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
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
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:
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.
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:
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
−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:
−2 4 13
A = 0 1 −1
5 23 8
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.
1 0 −1 3 −3 0
A = 2 1 10 B = 2 4 6
5 4 −3 9 −1 2
Obtenga el producto AB
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]
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
13 77
El primer renglón queda:
3 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
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
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.
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
a11 a12 a13 · · · a1n
0 a22 a23
· · · a2n
A= 0
0 a33 · · · a3n
.. .
.
.
. .. .
.
. . . . .
0 0 0 · · · ann
a11 0 0 ··· 0
a21 a22 0
··· 0
A = a31 a32 a33
··· 0
.. .
.
.
. .. .
.
. . . . .
an1 an2 an3 · · · ann
1 3 6
1
3 −
R= 0
2
1
6 0 −
2
AT es simetrica.
A+B y A−B son simétricas.
kA es simetrica.
−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 .
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
7 4 1
−3 6
P = 9
−1 5 12
−1
7 4 1 5 12
9
P = −18 −27
R1 ⇔ R3 9
P = −18 −27
−1 5 12 7 4 1
−1 8 −13 −15
5 12
9
P = −18 −27
R1 + R2 ⇒ R1 9 −18 −27
7 4 1 7 4 1
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:
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
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.
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
16 16 16
− R3 = − [ 0 0 1 ] = 0 0 −
7 7 7
16
sumamos: − R3 + R2 ⇒ R2
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
sumamos: − R3 + R1 ⇒ R1
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.
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 :
2R2 = 2 [ −1 5 − 3 ] = [ −2 10 −6]
29
R2 = 0 −2
3
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
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 :
8R1 −4 8 2
R2 4 −8 −2
R2 = 0 0 0
1 1
−
2 1
4
B= 0 0 0
1 2 1
−
3 3 6
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
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
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
Una matriz A de nxn se conoce como no-singular cuando existe A−1 y cumple:
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 ]
−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
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
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
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
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
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
+ − + +
− + − −
+ − + +
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) = −7 − 6 + 12 = −13 + 12 = -1
+ − +
+ − +
− + −
+ − +
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
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
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
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
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
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
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
−2 0
1
−1
A= 4 1
0 1 9
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
−2 0
1
0
A= 1 9
−1 4 1
−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.
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
−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.
2 9 7
−
9 4 2
1 1
A= − 1
10 5
3
0 −1 −
10
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
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
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:
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
1
A−1 = adj(A) (2.3)
|A|
Donde:
1 −1 0
A= 4 3 −1
−3 2 −1
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
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
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
3 −1 4 −1
|A| = 1
+ 1
= 1(−3 + 2) + 1(−4 − 3) = 1(−1) + 1(−7) = −1 − 7 = -8
2 −1 −3 −1
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
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
Integral 15 4 7
Francés 12 3 8
Harina 10 13
Levadura 8 9
Huevos 9 9 50
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
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
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:
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
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
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+ 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
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
a ) Solución Trivial: Es aquella en la que los valores de las incógnitas son 0. Es decir,
x1 = x2 = x3 = · · · = xn = 0
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).
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.
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.
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:
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
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
3x − 4y − z = 10
−x + 2y − 3z = −1
2x − 5y + 6z = 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
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
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
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
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
Sumamos − R2 + R3 :
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
Sumamos − R3 + R2 :
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
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
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)
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
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
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 .
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]
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
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
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
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:
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
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
Factorizamos:
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
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).
ax2 + bx + c
evaluamos cada punto dado en el modelo cuadrático. Recuerde que los puntos dados estan
en la forma: P (x, y)
a+b+c=3
2. Para el punto P2 (−1, 1):
a−b+c=1
3. Para el punto P3 (2, 2):
4a + 2b + c = 2
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:
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 :
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
C1 + C2 + C3 = 1
−C1 + C2 + 2C3 = 0
C1 + C2 + 4C3 = −1
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.
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:
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.
101
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
x
y
x+y
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.
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 )
x
y
1
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.
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
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
1. Dados dos vectores u, v del subespacio Vectorial W, la suma u+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 .
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
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
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
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)
c1 v1 + c2 v2 + c3 v3 + · · · + cn vn = 0 (4.2)
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
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
3 1
w1 = (1, 1, −1), w2 = 0, − , 2 , w3 = 2, , 0
2 2
Un conjunto Linealmente Dependiente ó Linealmente Independiente?
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
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
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
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
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
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
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:
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
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
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
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
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
Normalización de v2
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
Normalización de v3
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
√ !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
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.
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
.
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
M. I. Tadeo Urbina Gamboa Guia de Estudio Algebra Lineal
x1 0 x2 0
F (u) = F = , F (v) = =
y1 x1 y2 x2
0 0 0
F (u) + F (v) = + =
x1 x2 x1 + x2
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
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
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
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
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
2x
x
f = 2y
y
1
NO es una Transformación Lineal
1. T (0) = 0
2. T (−v) = −T (v) ∀ v en V
3. T (u + v) = T (u) + T (v) ∀ u, v en V
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:
x −a
y a
=
z −b
w b
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
a1 + a3 = 0 a1 = −a3
→ →
a2 + a3 = 0 a2 = −a3
Sea a3 = k :
a1 −k
a2 = −k
a3 k
− − 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.
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:
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:
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
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
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
5.4.1. 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
−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
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
cos θ − sin θ
AT =
sin θ cos θ