ALGEBRA LINEAL

ALUMNO: IMANOL JIMENEZ ROBLEDO

PROFESOR: LEONEL ADELFO MEDINA ALEGRIA

INVESTIGACION UNIDADES 1-5

GRUPO: 3K INGENIERIA ELECTRICA

 UNIDAD 1: NÚMEROS COMPLEJOS Y REALES

“El término número complejo describe la suma de un número real y un número

imaginario (que es un múltiplo real de la unidad imaginaria, que se indica con la
letra i). Los números complejos se utilizan en todos los campos de las
matemáticas, en muchos de la física y en ingeniería, por su utilidad para
representar las ondas electromagnéticas y la corriente eléctrica”.

1.1 DEFINICIÓN Y ORIGEN DE LOS NÚMEROS COMPLEJOS

Definición: “El sistema de números complejos C es el conjunto de todas las
parejas ordenadas (x, y) de números reales con dos operaciones binarias, adición
+, y multiplicación *, definidas como: (x, y) + (u,v) = (x +u, y+v ) (x, y) · (u, v) = (xu
– yv, xv + yu) Dos números complejos (x,y) y (u,v) son iguales, si y solo si, x= u y
y= v”[1]. “Un número complejos es una expresión de la forma: z= x + iy donde x y y
son números reales, x se denomina la parte real de z, y la parte imaginaria, e i = -
1, el cual tiene la propiedad que i2 = -1. ”[2].

Representación geométrica de los números complejos:

ORIGEN:

“La primera referencia conocida a raíces cuadradas de números negativos

proviene del trabajo de los matemáticos griegos, como Herón de Alejandría en el
siglo I antes de Cristo, como resultado de una imposible sección de una pirámide.
Los complejos se hicieron más patentes en el Siglo XVI, cuando la búsqueda de
fórmulas que dieran las raíces exactas de los polinomios de grados 2 y 3 fueron
encontradas por matemáticos italianos como Tartaglia, Cardano”.

1.2 Operaciones fundamentales con números complejos

“Los números complejos pueden ser sumados, restados multiplicados o divididos (salvo la división
+ 0i), las reglas formales y definiciones son iguales a las que usamos con los números reales.

1) a + bi = c + di si y solo si a= c y b = d

2) (a + bi) + (c + di) = (a +c) + (b +d) i

3) (a + bi) - (c + di) = (a-c) + (b - d) i

4) (a + bi)(c+di) = ac + (bc+ad)i +bdi² = (ac – bd) + (bc + ad)i

5) ”[1].

Conjugado:

El conjugado de un número complejo z = x + iy, está dado por = x – iy.

Ejemplo:

Si z = 3 – 2i, el conjugado de z es = 3 – (-2i) = 3 + 2i

Suma y resta :

La suma y resta con números complejos se realiza de la misma manera que con números reales.

Ejemplos:
(7 - 2i) + (3 - 3i) = 10 - 5i

(3 - i) + (2 + 3i) = 5 + 2i

2i + (-4 – 2i) = -4

(-4 + 2i) – (6 - 8i) = -10 – 10i

(5 + 2i) + (−8 + 3i) = −3 + 5i

Multiplicación con números complejos:

En la multiplicación se siguen las mismas reglas algebraicas que con números reales solo que con
números complejos, llegamos a un resultado donde encontramos i2, donde i2 = -1.

Ejemplos:

División de números complejos:

En la división se hace uso del conjugado del denominador.

Ejemplo:

lo primero que hacemos es calcular el conjugado del denominador, y luego multiplicarlo po

división.
1.3 Potencias de i, módulo de un número complejo.

Potencias de i:

"El símbolo i = -1 tiene la propiedad de que i2 = -1, de lo cual se puede deducir

lo siguiente:

i3 = i2i = (-1)i = -i

i4 = i2i2 = (-1)(-1) = 1

i5 = i4i = (1)i = i

i6 = i5i = (i)(i) = -1

Y así continua hasta que se llegue a la potencia deseada”[2].

Módulo de un número complejo:

“Se define el módulo de un número complejo como el módulo del vector que lo
representa, es decir si z = x + yi, el módulo de z es

”[3].

Ejemplo:

Z = 3 – 4i
1.4 Forma polar y exponencial de un número complejo

Forma polar:

“Sean r y θ coordenadas polares del punto (x, y) que corresponde a un

número complejo no nulo z = x + iy. Como x = r cos θ e y = r sen θ

z puede ser expresado en forma polar como

z = r(cosθ + i senθ).

En análisis complejo, no se admiten r negativos; sin embargo, como en el

Cálculo, θ tiene infinitos valores posibles, incluyendo valores negativos”[1].

r cosθ = x

r senθ = y

Para convertir de forma polar o rectangular:

z = 5 – 5i

Forma exponencial:
 “La ecuación eiθ = cos θ + i sen θ que define el simbolo eiθ, o exp (iθ), para
todo valor real de θ, se conoce como fórmula de Euler. Si escribimos un número
complejo no nulo en forma polar.

z = r(cos θ + i sen θ),

la fórmula de Euler permite expresar z más compactamente en forma exponencial:

z = reiθ”[1].

Expresión rectangular: Z = x + yi

Forma polar: Z = r(cosθ + i senθ).

 “Convertir de rectangular a polar:

Z = 5 - 5i

1. Se saca el modulo de |z| = r

2. Después de tener el módulo se obtiene teta.

(El resultado de la operación es -45 pero el punto (5,-5) se encuentra en el cuarto

cuadrante, al encontrarse ahí significa que a 360 se le restara el valor de teta.)

1.5 Teorema de Moivre, Potencias y raíces de números complejos

“Fórmula de De Moivre se aplica para cualquier número complejo z =

r(cosθ + isenθ) y para cualquier n∈ Z: z = rn(cosnθ + isennθ).

”[3].

“La "raíz n-ésima" de un valor dado, cuando se multiplica n veces da

el valor inicial " n-ésima " .

1ª, 2ª, 3ª, 10ª (décima), 20ª (vigésima),... n-ésima ...

En vez de hablar de la "4ª (cuarta)", "16ª (decimosexta)", etc., si queremos hablar
en general decimos la "n-ésima".

Así como la raíz cuadrada es lo que se

multiplica dos veces para tener el valor
original...

... y la raiz cubica es lo que se

multiplica tres veces para tener el valor
original...

... la raíz n-ésima es lo que se

multiplica n veces para tener el valor
original.

Uso

Se podría usar la raíz n-ésima en una pregunta así:

Pregunta:

, ¿cuánto es "n"?

Respuesta: 5 × 5 × 5 × 5 = 625, así que n=4 (es decir 5 se usa 4 en la

multiplicación).

O podríamos usar "n" porque queremos hablar de algo en general:

Ejemplo: Si n es impar entonces

Propiedades

Multiplicación y división

Puedes "separar" así multiplicaciones dentro de la raíz:

(Suponemos que a y b son ≥ 0)

Esto te ayudará a simplificar ecuaciones en álgebra, y también algunos cálculos:

Ejemplo:

También funciona con la división:

(b no puede ser cero porque no se puede dividir entre cero)

Ejemplo:

Suma y restas

No se puede hacer lo mismo con sumas y restas

 “[1].

Ejercicio:

Encontrar las raíces cuartas de.

Z=1 n=4

Primero sacamos el modulo

Para calcular las raíces hacemos uso de la fórmula del teorema de moivre.

En esta fórmula solo vamos a sustituir valores.

Para K=0, K=1, K=2, K=3.

K=0
 Entonces nuestras raíces serian: 1, i, -1, -i

1.6 Ecuaciones polinómicas

“Los números complejos surgen ante la imposibilidad de hallar todas las

soluciones de las ecuaciones polinómicas de tipo.

Dados los valores apropiados de los coeficientes an a a0 , esta ecuación tendrá n

soluciones reales si que permitirán reescribir el polinomio de la siguiente forma:

Sin embargo, ecuaciones incluso tan sencillas como x2 + 1 = 0 desafían esta regla,
ya que su solución, que teóricamente vendría dada por:

Que no existe en el campo de los reales ya que la raíz cuadrada no está definida
para argumentos negativos.
 Los números complejos sin embargo permiten ampliar aún más el concepto de
"número", definiendo la unidad imaginaria o i como i = raíz de -1, lo que significaría
que la ecuación anterior sí tendría dos soluciones, que serían x1= i y x2= - i.

La introducción de los números complejos permite probar el teorema

fundamental del álgebra, que dice que cualquier ecuación polinómica de grado n
tiene exactamente n soluciones complejas.

De esta manera, se define genéricamente un número complejo como un

número compuesto por dos partes, una parte real a y una parte imaginaria
b, escribiéndose como sigue: z = a + bi.

Por ejemplo, 2-3i, 4+8i, 3-πi, etc.

Con los números complejos se opera como se operaría con productos de sumas
ordinarios, teniendo en cuenta siempre que i2 = -1: (a + bi)(c + di) = ac +adi +bci +
bdi2 = (ac - bd) + (ad+bc)i.

La división es un poco más sofisticada debido a la necesidad de eliminar la unidad

imaginaria del de nominador de la fracción:

Numero de soluciones de una ecuación polinóminal.

1er grado X-2=0 X=2

2do grado X2 -6X+9=0 (X-3) (X-3)= X=3 X=3

3er grado X3+4X=0 X(X+2)(X-2)=0 X=0 X=-2i X=2i

4to grado X4-1=0 (X-1) (X+1) (X-1) (X+i)=0

X=1 X=-1 X=1 X=-i

Encontrar los valores de x :

X4- X2- 20= 0

(X2- 5) (X2+4)=0
UNIDAD 2: Matrices y Determinantes
Las matrices y los determinantes son herramientas del álgebra que facilitan el
ordenamiento de datos, así como su manejo. Los conceptos de matriz y todos los
relacionados fueron desarrollados básicamente en el siglo XIX por matemáticos
como los ingleses J.J. Sylvester y Arthur Cayley y el irlandés William Hamilton.
Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos
regularmente ordenados y aparecen en situaciones propias de las Ciencias
Sociales, Económicas y Biológicas.

2.1.- Definición de Matriz

Se llama matriz a un conjunto ordenado de números, dispuestos en m filas y n
columnas. Las líneas horizontales reciben el nombre de filas, renglones o hileras y
las líneas verticales se llaman columnas. El numero de filas puede ser menor, igual
o mayor que el numero de las columnas.
-Las filas se numeran de arriba hacia abajo y las columnas de izquierda a derecha.
En el ejemplo a): La primera fila de la matriz es la segunda fila es , la primera
columna es y la segunda columna es .

2.2.- Operaciones con matrices

Se considera un álgebra de matrices, en la que definimos sobre ellas operaciones
con sus respectivas propiedades.
Las operaciones más comunes son:
-Operaciones de transposición: la transpuesta de una matriz A = de orden (m,n) es
una matriz de orden (n,m), que se obtiene intercambiando filas por columna (o l que
es igual, columnas por filas).
-Suma: Dadas dos matrices del mismo orden A = [ ] y B = se definen la suma como
otra matriz C= de igual orden.
-Diferencia: Dadas dos matrices del mismo orden A = [ ] y B = [ ] se definen
la diferencia como otra matriz C=[ ] de igual orden.
-Producto por un numero: Dada una matriz y un numero , el producto B = que se
obtiene multiplicando por cada uno de los elementos de la matriz A.
-Combinación lineal: Dadas las matrices A = , todas del mismo orden y los
números , se dice que la matriz A + = N, es combinación lineal.

2.3.- Clasificación de matrices

Se llama matriz a un conjunto ordenado de números, dispuestos en m filas y n
columnas. Las líneas horizontales reciben el nombre de filas, renglones o hileras y
las líneas verticales se llaman columnas. El numero de filas puede ser menor, igual
o mayor que el numero de las columnas.
Y las podemos clasificar de la siguiente manera:
- matriz cuadrada.
- Esta es un matriz diagonal.
- matriz nula.
- matriz cuadrada.
- matriz asimétrica
- Matriz escalar.
- Matriz identidad.
- Matriz transpuesta.

2.4.- Transformaciones elementales por renglón

Si se intercambian dos filas cualesquiera de una matriz dada, llamamos a esta
operación una operación de transformación elemental en las filas de una matriz. Se
denota por R¬ij¬¬, lo cual implica que se intercambian las filas i y j de la matriz dada.
Esta operación también se denota por R¬i¬ <→ R-j¬. Un punto digno de notar es
que esta operación no es de naturaleza singular. De hecho se ha demostrado, que
todas las matrices no singulares son el resultado de la transformación elemental en
la fila de una matriz. Si esto es cierto, entonces podemos concluir, que para todas
las matrices no singulares también tenemos una matriz inversa, la cual tampoco es
singular y es también el resultado de la transformación elemental en la fila de una
matriz. Esta matriz elemental se denomina la matriz identidad I y tenemos el
resultado A x I = A-1
2.5.- Cálculo de la matriz inversa
Cálculo de la matriz inversa usando determinantes Dada una matriz cuadrada A, se
llama matriz adjunta de A, y se representa por Adj(A), a la matriz de los adjuntos,
Adj(A) = (Aij).

Si tenemos una matriz tal que det (A) ¹ 0, se verifica

Esto es fácil probarlo puesto que sabemos que la suma de los productos de los
elementos de una fila por sus adjuntos es el valor del determinante, y que la suma
de los productos de los elementos de una fila por los adjuntos de otra fila diferente
es 0 (esto sería el desarrollo de un determinante que tiene dos filas iguales por los
adjuntos de una de ellas).

Método de Gauss-Jordán para el cálculo de la matriz inversa El método de Gauss -

Jordán para calcular la matriz inversa de una dada se basa en una triangularización
superior y luego otra inferior de la matriz a la cual se le quiere calcular la inversa.
2.6.- Definición de determinante de una matriz
El determinante de una matriz cuadrada es un número real cuya definición exacta
es bastante complicada. Por ello, definiremos primero el determinante de matrices
pequeñas, y estudiaremos métodos y técnicas para calcular determinantes en
general. Solamente se puede calcular el determinante a matrices cuadradas.

En cuanto a la notación, a veces el determinante se escribe con la palabra det, y

otras veces se indica sustituyendo los paréntesis de la matriz por barras verticales.

El determinante de una matriz determina si los sistemas son singulares o mal

condicionados. En otras palabras, sirve para determinar la existencia y la unicidad
de los resultados de los sistemas de ecuaciones lineales.

• El determinante de una matriz es un número.

• Un determinante con valor de cero indica que se tiene un sistema singular.
• Un determinante con valor cercano a cero indica que se tiene un sistema mal
condicionado.

Un sistema singular es cuando en el sistema de ecuaciones se tiene a más de una

ecuación con el mismo valor de la pendiente. Por ejemplo ecuaciones que
representan líneas paralelas o ecuaciones que coinciden en los mismos puntos de
graficación.

En un sistema mal condicionado es difícil identificar el punto exacto en que las líneas
de las ecuaciones se interceptan.
2.7.- Propiedades de los determinantes
Los determinantes tienen muchas propiedades que pueden facilitar los cálculos.
Empezaremos a describir estas propiedades estableciendo un teorema, del cual
deduciremos lo demás. La demostración de este teorema es difícil y se pospondrá
para la próxima sección:

2.8.- Inversa de una matriz cuadrada a través de la adjunta

Definición: Una matriz cuadrada se llama matriz identidad si todos los componentes
de su diagonal principal son iguales a uno y todos los demás componentes que no
están en la diagonal principal son iguales a cero. La matriz identidad se representa
con la letra I (la letra i mayúscula).
Definición: Sea A una matriz cuadrada n x n. Entonces una matriz B es la inversa
de A si satisface A ∙ B = I y B ∙ A = I, donde I es la matriz identidad de orden n x n.
La inversa de A se representa por A-1. Así que A ∙ A-1 = A-1 ∙ A = I.
No toda matriz cuadrada tiene una inversa.
Si A tiene inversa, entonces decimos que A es invertible.
Teoremas:
Sea A una matriz cuadrada n x n, entonces AI = IA = A.
Si A es una matriz invertible, entonces A-1 es invertible y (A-1)-1 = A.
Si una matriz cuadrada A es invertible, entonces la inversa es única.
Sean A y B matrices de orden n x n invertibles. entonces AB es invertible y (AB)-1
= B-1A-1.
Para hallar la inversa de una matriz cuadrada comenzamos con la matriz A/I, donde
I representa la matriz identidad del mismo orden que la matriz A. Efectuamos
operaciones elementales con las filas de A/I hasta que la matriz A se transforme en
la matriz identidad I. Luego la matriz que contiene los componentes a la derecha
de la línea vertical es la inversa de A, esto es, A-1.

2.9.- Aplicaciones de matrices y determinantes

Matrices cuadradas: Una matriz cuadrada es la que tiene el mismo número de filas
que de columnas. Se dice que una matriz cuadrada n ð n es de orden n y se
denomina matriz n-cuadrada.
Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.
Matriz identidad Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal
principal) de A consiste en los elementos a11, a22, ..., ann. La traza de A, escrito
trA, es la suma de los elementos diagonales. La matriz n-cuadrada con unos en la
diagonal principal y ceros en cualquier otra posición, denotada por I, se conoce
como matriz identidad (o unidad).
Para cualquier matriz A,
A· I = I ·A = A.
Matrices triangulares: Una matriz cuadrada A = (ai j ) es una matriz triangular
superior o simplemente una matriz triangular, si todas las entradas bajo la diagonal
principal son iguales a cero. Así pues, las matrices.
son matrices triangulares superiores de órdenes 2, 3 y 4.
Matrices diagonales:Una matriz cuadrada es diagonal, si todas sus entradas no
diagonales son cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por
ejemplo,
son matrices diagonales que pueden representarse, respectivamente, por
diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).
Traspuesta de una matriz La traspuesta de una matriz A consiste en intercambiar
las filas por las columnas y se denota por AT.
Así, la traspuesta de
En otras palabras, si A = (ai j ) es una matriz m ð n, entonces AT =
es la matriz n ð m. La trasposición de una matriz cumple las siguientes propiedades:
1. (A + B)T = AT + BT.
2. (AT)T = A.
3. (kA)T = kAT (si k es un escalar).
4. (AB)T = BTAT.
Matrices simétricas Se dice que una matriz real es simétrica, si AT = A; y que es
antisimétrica,
si AT = -A.
 UNIDAD 3
Sistemas De Ecuaciones Lineales

Recordemos que la ecuación general de la recta en es de la forma:

ax +by=c

y que la ecuación general en el plano en es de la forma:

ax+by+cz=d

las ecuaciones de esta forma se denominan ecuaciones lineales.

las siguientes son ecuaciones lineales:

3x-2y=1

2x+5y+4z=24

3.1 DEFINICION DE SISTEMAS DE ECUACIONES

LINEALES

Es un conjunto finito de ecuaciones lineales de las variables

X1, X2,. . . . . . . . .
Xn

Por ejemplo un, sistema general de tres ecuaciones lineales en tres

incógnitas se escribe así:
Un sistema de m ecuaciones lineales en n incógnitas se puede abreviar
escribiendo únicamente el arreglo rectangular de números:

Esto se conoce como Matriz Aumentada del sistema. (El término matriz
se emplea en matemáticas para denotar un arreglo rectangular de
números, las matrices aparecen en varios contextos).

• Coeficientes: aij para i = 1, 2, ....., m j = 1, 2, ..... n

• Términos independientes: bi para i = 1, 2, ....., m
• Incógnitas del sistema: x1, x2,.... xn

Diremos que un conjunto de n números ordenados( ) es una

solución del sistema si satisfacen todas las ecuaciones del sistema.

Sistemas equivalentes.

Definición

Diremos que dos sistemas de ecuaciones son equivalentes si tienen las mismas
soluciones.(Observese que no necesariamente han de tener el mismo número de
ecuaciones.)

Clasificación de un sistema de ecuaciones lineales.

Atendiendo a la existencia o no de soluciones, los sistemas lineales se clasifican

en:

· Incompatibles: si no tienen solución.

· Compatibles: si tienen al menos una solución.

· A su vez los sistemas de ecuaciones lineales compatibles se clasifican, en

función del número de soluciones, en:

• Determinados: si tienen una única solución.

• Indeterminados: si tienen más de una, en cuyo caso tendrán infinitas
soluciones.
• Notemos que los sistemas homogéneos tienen siempre, al menos, la
solución (0, 0,… ,0) que recibe el nombre de solución trivial, por ello
siempre son compatibles.
•
• El método básico para resolver un sistema de ecuaciones lineales consiste
en reemplazar el sistema dado por un nuevo sistema que tenga el mismo
conjunto solución, pero que sea más fácil de resolver. Por lo general, este
nuevo sistema se obtiene en una serie de etapas, aplicando los siguientes
tres tipos de operaciones.

Pasos para resolver la matriz:

1. Multiplicar una ecuación (o renglón) por una constante diferente

de cero.
2. Intercambiar dos ecuaciones (renglones).
3. Sumar un múltiplo de una ecuación (renglón) a otra.

Dado que los renglones (líneas horizontales) de una matriz aumentada

corresponden a las ecuaciones del sistema asociado, estas tres
operaciones equivalen a las operaciones con renglones de la matriz
aumentada.
3.2 CLASIFICACION DE LOS SISTEMAS DE ECUACIONES
LINEALES Y TIPOS DE SOLUCION

Los sistemas de ecuaciones se pueden clasificar según el número

de soluciones que pueden presentar.

Pueden presentar los siguientes casos:

1. Sistema incompatible si no tiene ninguna solución.

2. Sistema compatible si tiene alguna solución, en este caso
además puede distinguirse entre:

o Sistema compatible determinado cuando tiene un número

finito de soluciones.
o Sistema compatible indeterminado cuando admite un
conjunto infinito de soluciones.

Teniendo así la clasificación:

Sabemos que una ecuación lineal o de primer grado es aquella que involucra
solamente sumas y restas de variables elevadas a la primera potencia
(elevadas a uno, que no se escribe). Son llamadas lineales por que se
pueden representar como rectas en el sistema cartesiano.
Se pueden presentar tres tipos de ecuaciones lineales:

a) Ecuaciones lineales propiamente tales

En este tipo de ecuación el denominador de todas las expresiones
algebraicas es igual a 1 y no se presentan como fracción, aunque el
resultado sí puede serlo.

Para proceder a la resolución se debe:

 • Eliminar paréntesis.
• Dejar todos los términos que contengan a "x" en un miembro y los
números en el otro.

Luego despejar "x" reduciendo términos semejantes.

Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)
4x – 12x + 10 = 3x + 24x + 192
4x – 12x – 3x – 24x = 192 – 10
–35x = 182

b) Ecuaciones fraccionarias
En este tipo de ecuación lineal el denominador de a lo menos una de las
expresiones algebraicas es diferente de 1 (es una fracción).
Para proceder a la resolución se debe:
Llevar a ecuación lineal (eliminar la fracción) multiplicando la ecuación por el
mínimo común múltiplo de los denominadores (m.c.m.)
Ejemplo:
c) Ecuaciones literales:
Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo
lineal, pero en el paso de reducir términos semejantes se factoriza por "x"
para despejarla.
Ejemplo:

3.3 INTERPRETACION GEOMETRICA DE LAS

SOLUCIONES

Los finitos pares ordenados (x; y) que satisfagan a la ecuación

lineal a.x + b - y + c=0 corresponden a los infinitos puntos de una recta
del plano. Por tanto, el problema de resolver un sistema lineal de dos
ecuaciones con dos incognitas es el problema de estudiar la posición
de sendas rectas.

1. Sistema incompatible (carece de solución) rectas

paralelas.
2. Sistema compatible y determinado (solución única)
rectas secantes.
3. Sistema compatible e indeterminado (infinitas
soluciones) rectas coincidentes.

Un sistema de ecuaciones diferenciales son aquellas que tienen varias

posibilidades para su solución. Estas son:
 1. Solución única: Sólo es posible obtener una solución única para un
sistema de ecuaciones lineales intersectado en un único punto
determinado, por lo tanto, el sistema de ecuaciones donde tenemos
todas las rectas entrecruzándose en un solo punto, se denomina como
la solución única del sistema de ecuaciones. Ese sistema de
ecuaciones lineales es llamado sistema de ecuaciones lineales
consistente independiente.

2. Sin solución: Es posible que un sistema de ecuaciones lineales no

tenga solución cuando ningunas de sus rectas se intersectan entre sí ni
siquiera en el infinito, ya que sólo el punto de intersección es la
solución para el sistema de ecuaciones lineales Esto sólo puede ocurrir
en el caso de las rectas paralelas, por lo tanto, para un sistema con
este tipo de ecuación tenemos varias ecuaciones que corresponden a
la misma recta y que sólo difieren por la pendiente. Dicho sistema se
denomina sistema de ecuaciones lineales inconsistente independiente.

3. Infinitas soluciones: Sólo en la situación que las rectas de determinado sistema

se encuentren unas con otras en un punto infinito, podemos obtener soluciones
infinitas. Esto sólo puede suceder si todas las rectas son la misma recta, ya que es
en este escenario que se superpondrán unas con otras dándonos puntos infinitos
de intersección, es decir, infinitas soluciones. Este sistema es llamado sistema de
ecuaciones lineales consistente dependiente.

Con la ayuda de un ejemplo, vamos a entender las diversas soluciones

posibles.

Si tenemos un sistema de ecuaciones lineales dado como:

y = 3x – 2 y = -x – 6

La representación gráfica de las ecuaciones puede darse como:

Ya sabemos que en el caso de una sola recta, todos los puntos que
intersecten con esa recta son llamados solución de la ecuación, sin embargo
al tratar con un sistema de ecuaciones, la situación es diferente. En tal
situación para que un punto sea la solución del sistema de ecuación dado,
necesita estar sobre cada recta definida en el sistema de ecuación dado. Por
lo tanto, si nos fijamos en el diagrama siguiente:

El punto resaltado con color rojo no puede considerarse como una solución, ya
que no se encuentra en ninguna de las rectas definidas en el sistema de
ecuaciones.
 Tampoco podemos considerar el punto resaltado en color azul como la
solución, ya que se encuentra en una sola recta y no en la otra, por lo tanto,
puede considerarse como la solución para la recta y =-x - 6, pero no la del
sistema dado.

Finalmente, el punto destacado en el color púrpura es la solución del sistema

de ecuación, ya que está en ambas rectas definidas para el sistema dado.
También ésta es la solución única del sistema dado, porque ambas líneas no
se intersectan en algún otro punto. Por tanto, llamamos a este sistema
un sistema de ecuaciones lineales consistente independiente.

3.4 METODOS DE SOLUCION DE UN SISTEMA DE ECUACIONES

LINEALES: GAUSS, GAUSS-JORDAN, INVERSA DE UNA MATRIZ Y
REGLA DE CRAMER.

Solución De Sistemas De Ecuaciones Por El Método de Gauss:

Este método se basa en la idea de reducir la matriz aumentada a una

forma que sea lo suficientemente sencilla como para poder resolver el
sistema de ecuaciones a simple vista.

Paso 1

Paso 2

Paso 3
Paso 4

Paso 5

Paso 6

Matriz Triangular Inferior (Matriz aumentada)

En la última etapa del ejemplo anterior se obtuvo la matriz aumentada. Después

de la cual, fue fácil obtener la solución
X = -23.8, Y = 32.6, Z = -7.8 para el sistema original de ecuaciones.
El sistema de ecuaciones correspondientes es:

X + 2Y + 3Z = 18 Y + 2Z = 17 Z = -7.8

Sustituimos las ecuaciones y la solución Z = -7.8, Y = 32.6, X = -

23.8 se hace obvia examinando la raíz aumentada.
 Solución De Sistemas De Ecuaciones Por El Método De Gauss-
Jordán:

Se definió un poco la forma de solución de un sistema de ecuaciones

lineales una vez que su matriz aumentada tiene la forma escalonada
reducida. Ahora se dará un procedimiento esquemático, conocido
como eliminación de Gauss-Jordán, que puede ser empleado para
llevar cualquier matriz a la forma escalonada reducida.

Paso 1

Paso 2

Paso 3
 Matriz Identidad

El sistema de ecuaciones correspondientes es:

X = -23.8 Y = 32.6 Z = -7.8

Solución De Sistemas De Ecuaciones Por El Método de

determinantes o regla de cramer:

Los pasos a seguir para calcular los sistemas de ecuaciones según la

regla de Cramer son los siguientes:

1. Representar las ecuaciones en matrices

2. Calcular la determinante de la matriz A

3. Crear las matrices Δ1, Δ2 y Δ3 y calcular sus determinantes

4. Calculamos X, Y y Z

X = |Δ1|/|A| = -238/10 = -23.8

Y = |Δ2|/|A| = 326/10 = 32.6

Z = |Δ3|/|A| = -78/10 = -7.8

 Solución De Sistemas De Ecuaciones Por El Metodo De La
Inversa

Sabiendo calcular la matriz inversa y multiplicando matrices también es

posible resolver un sistema de ecuaciones lineales, siempre y cuando éste
sea de Crámer (es decir, tenga igual número de ecuaciones que de
incógnitas y el determinante de la matriz de coeficientes no sea nulo).

Los pasos a seguir para calcular los sistemas de ecuaciones utilizando la

inversa son los siguientes:

1. Calcular la inversa de la matriz A:

2.- Multiplicar la inversa de la matriz A por la matriz B

X = 18(-31/10) + 20(17/10) + 10(-1/5) = -23.8

Y = 18(37/10) + 20(-19/10) + 10(2/5) = 32.6
Z = 18(-11/10) + 20(7/10) + 10(-1/5) = -7.8
 Método por sustitución:

El método de sustitución consiste en despejar en una de las

ecuaciones cualquier incógnita, preferiblemente la que tenga menor
coeficiente, para, a continuación, sustituirla en otra ecuación por su
valor.

En la primera ecuación, seleccionamos la incógnita ´y´ por ser la de menor

coeficiente y que posiblemente nos facilite más las operaciones, y la despejamos,
obteniendo la siguiente ecuación.

El siguiente paso será sustituir cada ocurrencia de la incógnita ´y´ en la

otra ecuación, para así obtener una ecuación donde la única incógnita
sea la ´x´.

Al resolver la ecuación obtenemos el resultado x=5, y si ahora

sustituimos esta incógnita por su valor en alguna de las ecuaciones
originales obtendremos y=7, con lo que el sistema queda ya resuelto.

Matriz Inversa:

Una matriz inversa es una matriz que multiplicado por la matriz original
obtiene la matriz de identidad. El inverso de un cuadrado n x n matriz, es
otro n x n matriz denotado por A-1 :
Donde es la n x n matriz identidad. Es decir, multiplicando su inversa una
matriz produce una matriz de identidad. No todas las matrices tiene una
matriz inversa. Si el determinante de la matriz es cero, entonces no tendrá
una inversa y la matriz se dice que es singular. Sólo no singular matrices
tienen inversas.

Fórmula para Inversa nxn matriz inverza:

Se puede encontrar la inversa de una matriz nxn general utilizando la

siguiente ecuación

3.5 APLICACIONES

Aplicaciones con relación a los sistemas de ecuaciones

UNIDAD 3
Sistemas De Ecuaciones Lineales

Recordemos que la ecuación general de la recta en es de la forma:

ax +by=c

y que la ecuación general en el plano en es de la forma:

ax+by+cz=d

las ecuaciones de esta forma se denominan ecuaciones lineales.

las siguientes son ecuaciones lineales:

3x-2y=1
 2x+5y+4z=24

3.1 DEFINICION DE SISTEMAS DE ECUACIONES

LINEALES

Es un conjunto finito de ecuaciones lineales de las variables

X1, X2,. . . . . . . . .
Xn

Por ejemplo un, sistema general de tres ecuaciones lineales en tres

incógnitas se escribe así:

Un sistema de m ecuaciones lineales en n incógnitas se puede abreviar

escribiendo únicamente el arreglo rectangular de números:

Esto se conoce como Matriz Aumentada del sistema. (El término matriz
se emplea en matemáticas para denotar un arreglo rectangular de
números, las matrices aparecen en varios contextos).
 • Coeficientes: aij para i = 1, 2, ....., m j = 1, 2, ..... n
• Términos independientes: bi para i = 1, 2, ....., m
• Incógnitas del sistema: x1, x2,.... xn

Diremos que un conjunto de n números ordenados( ) es una

solución del sistema si satisfacen todas las ecuaciones del sistema.

Sistemas equivalentes.

Definición

Diremos que dos sistemas de ecuaciones son equivalentes si tienen las mismas
soluciones.(Observese que no necesariamente han de tener el mismo número de
ecuaciones.)

Clasificación de un sistema de ecuaciones lineales.

Atendiendo a la existencia o no de soluciones, los sistemas lineales se clasifican

en:

· Incompatibles: si no tienen solución.

· Compatibles: si tienen al menos una solución.

· A su vez los sistemas de ecuaciones lineales compatibles se clasifican, en

función del número de soluciones, en:

• Determinados: si tienen una única solución.

• Indeterminados: si tienen más de una, en cuyo caso tendrán infinitas
soluciones.
• Notemos que los sistemas homogéneos tienen siempre, al menos, la
solución (0, 0,… ,0) que recibe el nombre de solución trivial, por ello
siempre son compatibles.
•
• El método básico para resolver un sistema de ecuaciones lineales consiste
en reemplazar el sistema dado por un nuevo sistema que tenga el mismo
conjunto solución, pero que sea más fácil de resolver. Por lo general, este
nuevo sistema se obtiene en una serie de etapas, aplicando los siguientes
tres tipos de operaciones.

Pasos para resolver la matriz:

 4. Multiplicar una ecuación (o renglón) por una constante diferente
de cero.
5. Intercambiar dos ecuaciones (renglones).
6. Sumar un múltiplo de una ecuación (renglón) a otra.

Dado que los renglones (líneas horizontales) de una matriz aumentada

corresponden a las ecuaciones del sistema asociado, estas tres
operaciones equivalen a las operaciones con renglones de la matriz
aumentada.

3.2 CLASIFICACION DE LOS SISTEMAS DE ECUACIONES

LINEALES Y TIPOS DE SOLUCION

Los sistemas de ecuaciones se pueden clasificar según el número

de soluciones que pueden presentar.

Pueden presentar los siguientes casos:

3. Sistema incompatible si no tiene ninguna solución.

4. Sistema compatible si tiene alguna solución, en este caso
además puede distinguirse entre:

o Sistema compatible determinado cuando tiene un número

finito de soluciones.
 o Sistema compatible indeterminado cuando admite un
conjunto infinito de soluciones.

Teniendo así la clasificación:

Sabemos que una ecuación lineal o de primer grado es aquella que involucra
solamente sumas y restas de variables elevadas a la primera potencia
(elevadas a uno, que no se escribe). Son llamadas lineales por que se
pueden representar como rectas en el sistema cartesiano.
Se pueden presentar tres tipos de ecuaciones lineales:

a) Ecuaciones lineales propiamente tales

En este tipo de ecuación el denominador de todas las expresiones
algebraicas es igual a 1 y no se presentan como fracción, aunque el
resultado sí puede serlo.

Para proceder a la resolución se debe:

• Eliminar paréntesis.
• Dejar todos los términos que contengan a "x" en un miembro y los
números en el otro.

Luego despejar "x" reduciendo términos semejantes.

Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)
4x – 12x + 10 = 3x + 24x + 192
4x – 12x – 3x – 24x = 192 – 10
–35x = 182
b) Ecuaciones fraccionarias
En este tipo de ecuación lineal el denominador de a lo menos una de las
expresiones algebraicas es diferente de 1 (es una fracción).
Para proceder a la resolución se debe:
Llevar a ecuación lineal (eliminar la fracción) multiplicando la ecuación por el
mínimo común múltiplo de los denominadores (m.c.m.)
Ejemplo:

c) Ecuaciones literales:
Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo
lineal, pero en el paso de reducir términos semejantes se factoriza por "x"
para despejarla.
Ejemplo:
 3.3 INTERPRETACION GEOMETRICA DE LAS
SOLUCIONES

Los finitos pares ordenados (x; y) que satisfagan a la ecuación

lineal a.x + b - y + c=0 corresponden a los infinitos puntos de una recta
del plano. Por tanto, el problema de resolver un sistema lineal de dos
ecuaciones con dos incognitas es el problema de estudiar la posición
de sendas rectas.

4. Sistema incompatible (carece de solución) rectas

paralelas.
5. Sistema compatible y determinado (solución única)
rectas secantes.
6. Sistema compatible e indeterminado (infinitas
soluciones) rectas coincidentes.

Un sistema de ecuaciones diferenciales son aquellas que tienen varias

posibilidades para su solución. Estas son:

1. Solución única: Sólo es posible obtener una solución única para un

sistema de ecuaciones lineales intersectado en un único punto
determinado, por lo tanto, el sistema de ecuaciones donde tenemos
todas las rectas entrecruzándose en un solo punto, se denomina como
la solución única del sistema de ecuaciones. Ese sistema de
 ecuaciones lineales es llamado sistema de ecuaciones lineales
consistente independiente.

2. Sin solución: Es posible que un sistema de ecuaciones lineales no

tenga solución cuando ningunas de sus rectas se intersectan entre sí ni
siquiera en el infinito, ya que sólo el punto de intersección es la
solución para el sistema de ecuaciones lineales Esto sólo puede ocurrir
en el caso de las rectas paralelas, por lo tanto, para un sistema con
este tipo de ecuación tenemos varias ecuaciones que corresponden a
la misma recta y que sólo difieren por la pendiente. Dicho sistema se
denomina sistema de ecuaciones lineales inconsistente independiente.

3. Infinitas soluciones: Sólo en la situación que las rectas de determinado sistema

se encuentren unas con otras en un punto infinito, podemos obtener soluciones
infinitas. Esto sólo puede suceder si todas las rectas son la misma recta, ya que es
en este escenario que se superpondrán unas con otras dándonos puntos infinitos
de intersección, es decir, infinitas soluciones. Este sistema es llamado sistema de
ecuaciones lineales consistente dependiente.

Con la ayuda de un ejemplo, vamos a entender las diversas soluciones

posibles.

Si tenemos un sistema de ecuaciones lineales dado como:

y = 3x – 2 y = -x – 6

La representación gráfica de las ecuaciones puede darse como:

Ya sabemos que en el caso de una sola recta, todos los puntos que
intersecten con esa recta son llamados solución de la ecuación, sin embargo
al tratar con un sistema de ecuaciones, la situación es diferente. En tal
situación para que un punto sea la solución del sistema de ecuación dado,
necesita estar sobre cada recta definida en el sistema de ecuación dado. Por
lo tanto, si nos fijamos en el diagrama siguiente:

El punto resaltado con color rojo no puede considerarse como una solución, ya
que no se encuentra en ninguna de las rectas definidas en el sistema de
ecuaciones.

Tampoco podemos considerar el punto resaltado en color azul como la

solución, ya que se encuentra en una sola recta y no en la otra, por lo tanto,
puede considerarse como la solución para la recta y =-x - 6, pero no la del
sistema dado.
 Finalmente, el punto destacado en el color púrpura es la solución del sistema
de ecuación, ya que está en ambas rectas definidas para el sistema dado.
También ésta es la solución única del sistema dado, porque ambas líneas no
se intersectan en algún otro punto. Por tanto, llamamos a este sistema
un sistema de ecuaciones lineales consistente independiente.

3.4 METODOS DE SOLUCION DE UN SISTEMA DE ECUACIONES

LINEALES: GAUSS, GAUSS-JORDAN, INVERSA DE UNA MATRIZ Y
REGLA DE CRAMER.

Solución De Sistemas De Ecuaciones Por El Método de Gauss:

Este método se basa en la idea de reducir la matriz aumentada a una

forma que sea lo suficientemente sencilla como para poder resolver el
sistema de ecuaciones a simple vista.

Paso 1

Paso 2

Paso 3
Paso 4

Paso 5

Paso 6

Matriz Triangular Inferior (Matriz aumentada)

En la última etapa del ejemplo anterior se obtuvo la matriz aumentada. Después

de la cual, fue fácil obtener la solución
X = -23.8, Y = 32.6, Z = -7.8 para el sistema original de ecuaciones.
El sistema de ecuaciones correspondientes es:

X + 2Y + 3Z = 18 Y + 2Z = 17 Z = -7.8

Sustituimos las ecuaciones y la solución Z = -7.8, Y = 32.6, X = -

23.8 se hace obvia examinando la raíz aumentada.

Solución De Sistemas De Ecuaciones Por El Método De Gauss-

Jordán:
 Se definió un poco la forma de solución de un sistema de ecuaciones
lineales una vez que su matriz aumentada tiene la forma escalonada
reducida. Ahora se dará un procedimiento esquemático, conocido
como eliminación de Gauss-Jordán, que puede ser empleado para
llevar cualquier matriz a la forma escalonada reducida.

Paso 1

Paso 2

Paso 3

Matriz Identidad
 El sistema de ecuaciones correspondientes es:

X = -23.8 Y = 32.6 Z = -7.8

Solución De Sistemas De Ecuaciones Por El Método de

determinantes o regla de cramer:

Los pasos a seguir para calcular los sistemas de ecuaciones según la

regla de Cramer son los siguientes:

1. Representar las ecuaciones en matrices

2. Calcular la determinante de la matriz A

3. Crear las matrices Δ1, Δ2 y Δ3 y calcular sus determinantes

4. Calculamos X, Y y Z

X = |Δ1|/|A| = -238/10 = -23.8

Y = |Δ2|/|A| = 326/10 = 32.6

Z = |Δ3|/|A| = -78/10 = -7.8

 Solución De Sistemas De Ecuaciones Por El Metodo De La
Inversa

Sabiendo calcular la matriz inversa y multiplicando matrices también es

posible resolver un sistema de ecuaciones lineales, siempre y cuando éste
sea de Crámer (es decir, tenga igual número de ecuaciones que de
incógnitas y el determinante de la matriz de coeficientes no sea nulo).

Los pasos a seguir para calcular los sistemas de ecuaciones utilizando la

inversa son los siguientes:

1. Calcular la inversa de la matriz A:

2.- Multiplicar la inversa de la matriz A por la matriz B

X = 18(-31/10) + 20(17/10) + 10(-1/5) = -23.8

Y = 18(37/10) + 20(-19/10) + 10(2/5) = 32.6
Z = 18(-11/10) + 20(7/10) + 10(-1/5) = -7.8
 Método por sustitución:

El método de sustitución consiste en despejar en una de las

ecuaciones cualquier incógnita, preferiblemente la que tenga menor
coeficiente, para, a continuación, sustituirla en otra ecuación por su
valor.

En la primera ecuación, seleccionamos la incógnita ´y´ por ser la de menor

coeficiente y que posiblemente nos facilite más las operaciones, y la despejamos,
obteniendo la siguiente ecuación.

El siguiente paso será sustituir cada ocurrencia de la incógnita ´y´ en la

otra ecuación, para así obtener una ecuación donde la única incógnita
sea la ´x´.

Al resolver la ecuación obtenemos el resultado x=5, y si ahora

sustituimos esta incógnita por su valor en alguna de las ecuaciones
originales obtendremos y=7, con lo que el sistema queda ya resuelto.

Matriz Inversa:

Una matriz inversa es una matriz que multiplicado por la matriz original
obtiene la matriz de identidad. El inverso de un cuadrado n x n matriz, es
otro n x n matriz denotado por A-1 :
 Donde es la n x n matriz identidad. Es decir, multiplicando su inversa una
matriz produce una matriz de identidad. No todas las matrices tiene una
matriz inversa. Si el determinante de la matriz es cero, entonces no tendrá
una inversa y la matriz se dice que es singular. Sólo no singular matrices
tienen inversas.

Fórmula para Inversa nxn matriz inverza:

Se puede encontrar la inversa de una matriz nxn general utilizando la

siguiente ecuación

3.5 APLICACIONES

Aplicaciones con relación a los sistemas de ecuaciones

Las matrices son utilizadas en aplicaciones de gráficos de geometría, física e

informática. La matriz de las cantidades o expresiones definidas por filas y
columnas; tratados como un solo elemento y manipulados de acuerdo con las
reglas. Cálculos de matriz pueden entenderse como un conjunto de herramientas
que incluye el estudio de métodos y procedimientos utilizados para recoger,
clasificar y analizar datos. En muchas aplicaciones es necesario calcular la matriz
inversa donde esta calculadora en línea matriz inversa puede ayudarle a sin
esfuerzo facilitan sus cálculos para las respectivas entradas.

En casos simples, es relativamente fácil resolver una ecuación siempre y cuando

se satisfagan ciertas condiciones. Sin embargo, en casos más complicados, es
difícil o engorroso obtener expresiones simbólicas para las soluciones, y por ello a
veces se utilizan soluciones numéricas aproximadas.

Ejemplos de la aplicación de un método de solución de sistemas de ecuaciones:

1.- En una empresa se fabrica un producto que tiene costo variable de $5 por
unidad y costo fijo de $80,000. Cada unidad tiene un precio de venta de $12.
Determine el número de unidades que deben venderse para que la compañía
obtenga utilidades de $60,000.

Solución: Costo = 5u + 80,000. Venta = 12. Utilidades = 60,000.

Entonces: C = 5u + 80,000. V = 12u. U = 60,000.

U=V-C 60,000 = 12u - (5U+80000) 60,000 = 12u - 5u - 80,000 60,000 +

80,000 = 7u 140,000 = 7u 140,000/7 = u 20,000 = u

Al obtener nuestro coeficiente pasamos a sustituirlo:

C = 5(20,000) + 80,000 = 180,000.

V = 12(20,000) = 240,000.

U = 240,000 - 180,000 = 60,000.

Al terminar nos damos cuenta que por este método de sustitución e igualación se
puede llegar al resultado.

2.- La empresa “Organicomputer”, fabrica tres modelos de computadoras

personales: cañón, clon, y lenta_pero_segura. Para armar una computadora
modelo cañón necesita 12 horas de ensamblado, 2.5 para probarla, y 2 más para
instalar sus programas. Para una clon requiere 10 horas de ensamblado, 2 para
probarla, y 2 para instalar programas. Y por último, para
una lenta_pero_segura requiere 6 para ensamblado, 1.5 para probarla, y 1.5 para
instalar programas. Si la fábrica dispone en horas por mes de 556 para ensamble,
120 para pruebas, y 103 horas para instalación de programas, ¿cuántas
computadoras se pueden producir por mes?

Solución

En nuestro caso las incógnitas es el número de cada tipo de computadora a

producir:

• x = número de computadoras cañón

• y = número de computadoras clon
• z = número de computadoras lenta_pero_segura
Para determinar las ecuaciones debemos utilizar los tiempos de ensamblado
pruebas, e instalación de programas.

Nuestras matrices serán:

En esta ocasión se resolverá por Cramer, pero se puede utilizar cualquiera de los
métodos (Gauss, Gauss Jordán, Usando la inversa), el resultado debe ser el
mismo.

• X = |Δ1|/|A| = -51/-1.5 = 34
 • Y = |Δ2|/|A| = -6/-1.5 = 4
• Z = |Δ3|/|A| = -27/-1.5 = 18

Al resolver este sistema obtenemos:

X = 34, Y = 4, Z = 18

34 computadoras Cañón.
4 computadoras Clones.
18 computadoras lentas pero seguras.
 4.1 DEFINICIÓN DE ESPACIO VECTORIAL
Un espacio vectorial real V es un conjunto de objetos, denominados vectores,
junto con dos operaciones binarias llamadas suma y multiplicación por un
escalar y que satisfacen los diez axiomas enumerados a continuación.

Notación. Si “x” y “y” están en V y si a es un número real, entonces la suma se

escribe como

“x + y” y el producto escalar de a y x como ax.

Antes de presentar la lista de las propiedades que satisfacen los vectores en un

espacio vectorial deben mencionarse dos asuntos de importancia. En primer
lugar, mientras que puede ser útil pensar en R2 o R3 al manejar un espacio
vectorial, con frecuencia ocurre que el espacio vectorial parece ser muy
diferente a estos cómodos espacios (en breve tocaremos este tema). En
segunda instancia, la definición 1 ofrece una definición de un espacio vectorial
real. La palabra “real” significa que los escalares que se usan son números
reales. Sería igualmente sencillo definir un espacio vectorial complejo utilizando
números complejos en lugar de reales. Este libro está dedicado principalmente a
espacios vectoriales reales, pero las generalizaciones a otros conjuntos de
escalares presentan muy poca dificultad.

Axiomas de un espacio vectorial.

1- Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2- Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3- Existe un vector |0 pertenece V tal que para todo X pertenece a V,

X+0=0+X=X.

4- Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.

5- Si X y Y están en V, entonces x+y=y+x.

6- Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

7- Si X y Y están en V y a es un ecalar, entonces a(x+y)= ax + ay

8- Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

10- Para cada vector X pertenece a V, 1x = x.

 4.2 DEFINICIÓN DE SUBESPACIO VECTORIAL Y SUS
PROPIEDADES
Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en
sí un espacio vectorial bajo las operaciones de suma y multiplicación por un escalar
definidas en V. Entonces se dice que H es un sub espacio de V.

Existen múltiples ejemplos de subespacio, sin embargo, en primer lugar, se

demostrará un resultado que hace relativamente sencillo determinar si un
subconjunto de V es en realidad sub espacio de V

Teorema de subespacio

Un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V si

se cumplen las dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no vació es un sub espacio

i) Si x € H y y € H, entonces x + y € H.

ii) Si x € H, entonces αx € H para todo escalar α.

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se

deberán cumplir. De lo contrario, para demostrar que es un espacio vectorial, se
deberá demostrar que los axiomas i) a x) de la definición cumplen bajo las
operaciones de suma de vectores y multiplicación por un escalar definidas en V.
Las dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hipótesis, como
los vectores en H son también vectores en V, las identidades asociativa,
conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se
cumplen.

Este teorema demuestra que para probar si H es o no es un sub espacio de V, es

suficiente verificar que:

x + y y αX están en H cuando x y y están en H y α es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V está

en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en

H, la suma u + v está en H.

3). H es cerrado bajo la multiplicación por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu está en H.
 4.3 COMBINACIÓN LINEAL
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de otros que tengan
distinta dirección.

Esta combinación lineal es única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces cualquier vector de la
forma:

α1v1+α2v2+…+αnvn

donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de

v1,v2,…,vn.
Todo vector V = (a, b, c) en R3 se puede expresar como
i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinación lineal de los 3 vectores i,j,k.
Los vectores son linealmente independientes si tienen distinta dirección y sus
componentes no son proporcionales.
Un conjunto de vectores {v1,v2,…,vk} es un espacio vectorial V es linealmente
dependiente si existen escalares c1,c2,…,ck, al menos uno de los cuales no es
cero, tales que:
c1v1+c2v2+…+ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente
independientes.
Criterios de Independencia Lineal: Sean u1, u2, …,uk k vectores en Rn y A la matriz
que tiene como columnas a estos vectores, los vectores son linealmente
independientes si el sistema Ax = 0 tiene únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no
triviales (solución múltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos
es múltiplo escalar del otro.
4.4 Base y dimensión de un espacio vectorial
Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial V se denomina
base de V si se cumplen las siguientes condiciones.

* S genera a V.

* S es linealmente independiente

Una base posee 2 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda escribirse
como una combinación lineal de los demás vectores en S. Si un espacio vectorial
consta de un número finito de vectores, entonces V es de dimensión finita. En caso
contrario, V es de dimensión infinita.

Base: En términos generales, una “base” para un espacio vectorial es un conjunto

de vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector
de dicho espacio, haciendo uso de las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v1, v2,…, vn forman base
para Rn.

Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector v
en V se puede expresar como:

1. V = c1v1+ c2v2+…+ cnvn

2. V = k1v1+ k2v2+…+ knvn

Restar 2-1

0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn

Ejemplo:
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)

Proponer vector arbitrario, combinación lineal

b = c1v1+ c2v2+ c3v3

(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3

c1 + 2c2 + 3c3 = b1 det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]

2c1 + 9c2 + 3c3 = b2 = [36+6]-[27+16]
c1 + 4c3 = b3 = -1 Si genera a R3
Dimensión

Se llama dimensión de un espacio vectorial V al número de vectores que hay en

cualquiera de sus bases. Se denota dim (V).

La dimensión de Rn con las operaciones normales es n.

La dimensión de Pn con las operaciones normales es n+1.

La dimensión de Mm,n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede

demostrar que la dimensión de W es finita y que la dimensión de W es menor o igual
que n.
 4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO

Producto Interno:
Un producto interno sobre un espacio vectorial V es una operación que asigna a
cada par de vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con
cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)
Espacios con producto interior:
El producto interior euclidiano es solo uno más de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notación.
u ●v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
Un espacio vectorial con producto interno se denomina espacio con producto
interno.
 4.6 BASE ORTONORMAL

Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal

si todo par de vectores en S es ortogonal, además cada vector en este conjunto es
unitario, entonces S se denomina ortonormal.

Proceso de ortonormalización de Gram-Schmidt

1. Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno

2. Sea B´= {w1, w2, . . ., wn} donde wi está dado por: w1= v1

3. Sea ui= wi ││w1││ entonces el conjunto B´´={ u1, u2, . . ., un} es una base
ortonormal de V

Ejemplo: Forma alternativa del proceso de ortonormalización de Gram-Schmidt

Determine una base ortonormal del espacio solución del siguiente sistema
homogéneo de ecuaciones lineales

w+ x + z= 0

2w+x + 2y+ 6z=0

Solución: La matriz aumentada se reduce como se sigue.

Entonces cada solución del sistema es de la forma

Una base del espacio solución es:

B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.

Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso
de ortonormalización de Gram- Schmidt como sigue.
5.1 Definición de transformación lineal
Definición: Las transformaciones lineales son las funciones y tratan sobre K-espacios vectoriales
que son compatibles con la estructura (es
decir, con la operación y la acción) de estos espacios.

Aquí se presentan las funciones entre espacios vectoriales que preservan las cualidades de los
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicación por
escalares.

Nosotros usaremos el concepto de la función para darle un tratamiento a los sistemas de

ecuaciones lineales. La restricción que haremos será sobre el tipo de funciones: solo estaremos
interesados en funciones que preserven las operaciones en el espacio vectorial. Este tipo de
funciones serán llamadas funciones lineales. Primeramente las definiremos, veremos algunas
propiedades generales y después veremos como se aplican estos resultados a sistemas de
ecuaciones.

Sean V y W dos espacios vectoriales posiblemente iguales.

Una transformación lineal o mapeo lineal de V a W es una función
T : V → W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)

b) T (c u) = c T (u)

Demuestre que la transformación T : R2 →R2 definida por

𝑥 𝑥 + 3𝑦
𝑇 [𝑦 ] =
𝑥 + 2𝑦
Es lineal.

Solución:

𝑥1 𝑥2
𝑆𝑒𝑎𝑛 𝒖 = [𝑦 ] 𝑦 𝒗 = [ 𝑦 ]
1 2

Entonces:
Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.

Una transformación lineal preserva combinaciones lineales. Veremos que, debido a esto, una
transformación lineal queda unívoca-mente determinada por los valores que toma en los
elementos de una base cualquiera de su dominio.

Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad, suryectividad y
biyectividad.

Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres
particulares:

Definición 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V → W una transformación lineal. Se
dice que:

1. f es un monomorfismo si f es inyectiva.

2. f es un epimorfismo si f es suryectiva.

3. f es un isomorfismo si f es biyectiva.

En algunos casos, consideraremos transformaciones lineales de un K-espacio vectorial en s ı́

mismo:

Sea V un K-espacio vectorial. Una transformación lineal f : V → V se llama un endomorfismo de V .

Si f es un endomorfismo que es además un isomorfismo, entonces se dice que es un
automorfismo.

5.2 Núcleo e imagen de una transformación lineal

Transformaciones lineales: núcleo e imagen.

Teorema 1

Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1,

v2, . . ., vn en V y todos los escalares a1, a2, . . ., an:

i. T(0) = 0

ii. T(u - v) = Tu - Tv

iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn

Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la derecha es el

vector cero en W.

Teorema 2

Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . ., vn}. Sean w1, w2, . .
., wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales
que T1vi = T2vi = wi para i = 1, 2, . . ., n. Entonces para cualquier vector v ∈ V, T1v = T2v; es
decir T1 = T2.
Ejemplo

Definición 1 Núcleo e imagen de una transformación lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces

i . El núcleo de T, denotado por un, está dado por

ii. La imagen de T, denotado por Im T, esta dado por

Observación 1. Observe que un T es no vacío porque, de acuerdo al teorema 1, T(0) = 0 de manera
que 0 ϵ un T para cualquier transformación lineal T. Se tiene interés en encontrar otros vectores
en V que “se transformen en 0”. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la
izquierda está en V y el de la derecha en W.

Observación 2. La imagen de T es simplemente el conjunto de “imajenes” de los vectores en V bajo

la transformación T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T.

Antes de dar ejemplos de núcleos e imágenes, se demostrará un teorema de gran utilidad.

Teorema 4

Si T:V W es una transformación lineal, entonces

i.Un T es un subespacio de V.

ii.Im T es un subespacio de W.

Demostración

i.Sean u y v en un T; Entonces T (u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de forma que u + v y ∝u

están en un T.

ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vectores u y v en V. Esto significa que T(u +
v)= Tu + Tv = w + x y T(∝u) = ∝Tu =∝w. Por lo tanto, w + x y ∝w están en Im T.

Ejemplo 3. Núcleo e imagen de la transformación cero

Sea Tv = 0 para todo vϵ V(T es la transformación cero). Entonces un T = v e Im T = {0}.

Ejemplo 4 Núcleo e imagen de la transformación identidad

Sea Tv = v para vϵ V(T es la transformación identidad). Entonces un T= {0} e Im T = V.

Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo

se encuentra en el núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los casos
intermedios son más interesantes.

Ejemplo 5 Núcleo e imagen de un operador de proyección

Sea T:R3 R3 definida por

T es el operador de proyección de R3 en el plano xy.

Entonces x = y = 0. Así, nu T = {(x,y,z):x = y = 0, zϵR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es

decir el plano xy. Observe que dim un T = 1 y dim Im T = 2.

Definición 2 Nulidad y rango de una transformación lineal

Si T es una transformación lineal de v en w, entonces se define.

Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx = Ax. Es
evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las
definiciones de núcleo, imagen, nulidad y rango de una transformación lineal son extensiones del
espacio nulo, la imagen, la nulidad y el rango de una matriz.
5.4 Aplicación de las transformaciones lineales.
Aplicación de las transformaciones lineales: reflexión, expansión, contracción y rotación
Rm.◊Graficar un conjunto de puntos en otro es lo que se conoce como transformación lineal de un
conjunto de puntos. Existen ciertas propiedades básicas de las transformaciones lineales, las
cuales si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden
reducirlo un problema simple. La notación general utilizada para una transformación lineal es T:
Rn

Transformaciones lineales

Las transformaciones lineales forman un “hilo” que se entreteje en la tela de este texto. Su
utilización mejora el sentido geométrico de lo escrito. Por ejemplo, en el capítulo 1, las
transformaciones lineales proporcionan una visión dinámica y gráfi ca de la multiplicación matriz-
vector.

1. Reflexión: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de

entrada a otro de manera tal que este es isométrico al espacio euclidiano de entrada, llamamos a
la operación realizada la reflexión del conjunto de puntos dado. Esto puede realizarse también con
respecto a la matriz, en tal situación la matriz de salida es llamada la matriz de reflexión. La
reflexión es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como
producir la imagen espejo de la matriz actual.

2. Expansión: Al igual que en la reflexión, también es posible expandir los puntos dados en una
dirección particular. La expansión se realiza habitualmente para un cierto grado. Es como realizar
una operación de multiplicación de los elementos del conjunto de puntos dados con un término
escalar hacia la dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de
expansión 2 es la dirección de y, entonces el nuevo punto obtenido es (2, 6).

3. Contracción: La contracción es el procedimiento inverso de la expansión. Aquí el punto es

contraído en un determinado grado hacia una dirección dada. Sea el punto de entrada (4, 8) y este
debe ser contraído para el grado dos en la dirección de x entonces el nuevo punto resulta ser (2,
8).

4. Rotación: El término rotación tiene dos significados, ya la rotación de un objeto puede ser
realizada con respecto al eje dado o al eje mismo. La rotación se realiza para un cierto grado el
cual es expresado en forma de un ángulo. Asimismo, la rotación puede realizarse en la dirección
de las manecillas del reloj, o inverso a las manecillas del reloj.

Como ejemplo, dirijámonos a producir la matriz estándar para la representación de la

transformación lineal reflejando un conjunto de puntos en el plano x-y a través de la recta y = (−2x
/ 3).

El primer paso para esto es determinar los vectores base.

Por lo tanto, podemos afirmar que,R2 es una transformación lineal, entonces podemos escribir
que,◊Dado que y pertenece a R2. Imagina que A: R2

La imagen de la matriz base determina la imagen de cualquier elemento. Por lo tanto la imagen de
a través de y = (−2x/ 3) es determinada mediante la obtención de una recta que pasa por (1, 0) y es
que es ortogonal a . Esto está dado por y = (3x/ 2) – (3/ 2).
El punto donde las dos rectas, esto es, y = (3x/ 2) – (3/ 2) e y = (−2x/ 3) se intersectan se dado
como (9/13, −6/13). Tomamos p¬1¬ para ser el punto de reflexión de a través de la recta dada.
Este punto es simétrico respecto a (9/13, −6/13) por lo tanto, podemos escribir que,

Esto produce,

De manera similar, la imagen del vector base resulta.