Documentos de Académico
Documentos de Profesional
Documentos de Cultura
5287 Sgihtkw
5287 Sgihtkw
NÚMEROS COMPLEJOS
ÁLGEBRA LINEAL
CON APLICACIONES
Matemáticas IV
2007
TECNÓLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC
DIVISIÓN DE INGENIERÍA ELECTRÓNICA Y TELEMÁTICA
INTRODUCCIÓN
Este material es de apoyo para el curso de Matemáticas IV, del plan de estudios DGEST
2004 de la carrera de Ingeniería Electrónica, correspondiente a Números Complejos y
Álgebra Lineal, resultado del compromiso profesional hacia la institución para una sólida
formación académica de los estudiantes en Ingeniería Electrónica.
2
TECNÓLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC
DIVISIÓN DE INGENIERÍA ELECTRÓNICA Y TELEMÁTICA
ÍNDICE
Página
1. Números Complejos
1.1 Origen de los números complejos. 5
1.2. Los números complejos y su Algebra. 6
1.2.1 Operaciones elementales con números complejos. 7
1.2.2 Conversión de forma rectangular a forma polar de un numero 7
complejo
1.2 Ejemplos 8
1.2 Ejercicios 13
1.3 Potencia real de un número complejo. 14
1.3 Ejemplos. 15
1.3 Ejercicios. 19
1.4 Raíces de un número complejo. 20
1.4 Ejemplos. 21
1.4 Ejercicios. 24
1.5 Logaritmo complejo. 25
1.5 Ejemplos. 27
1.6 Exponencial compleja. 30
1.6 Ejemplos. 31
1.6 Ejercicios. 34
3
3. Matrices y Determinantes.
3.1 Introducción. 59
3.2 Operaciones con matrices. 59
3.2.2 Multiplicación de matrices. 60
3.2 Ejemplos. 62
3.2 Ejercicios. 65
3.3 Clasificación de Matrices. 66
3.4 Matriz inversa. 70
3.4 Ejemplos. 73
3.4 Ejercicios. 77
3.5 Determinante de una matriz. 78
3.6 Propiedades de los determinantes. 80
3.6 Ejemplos. 82
3.6 Ejercicios. 85
3.7 Adjunta de una matriz. 86
3.7 Ejemplos. 88
3.7 Ejercicios. 93
3.8 Solución de un sistema de ecuaciones lineales a través de la inversa. 94
3.8 Ejemplos. 95
3.8 Ejercicios. 100
3.9 Solución de un sistema de ecuaciones lineales por la Regla de Cramer. 101
3.9 Ejemplos. 102
3.9 Ejercicios. 106
4. Espacios Vectoriales
4.1 Definición 107
4.1 Ejemplos 108
4.1 Ejercicios 113
4.2 Subespacios Vectoriales 115
4.2 Ejemplos 115
4.2 Ejercicios 123
4.3 Independencia lineal 124
4.3 Ejemplos 124
4.3 Ejercicios 126
4.4 Bases vectoriales 127
4.4 Ejemplos 127
4.4 Ejercicios 130
4.1.1 Cambio de Base 131
4.1.1 Ejemplos 134
4.1.1 Ejercicios 143
5. Transformaciones
5.1 Transformaciones Lineales 145
5.1 Ejemplos 147
5.1 Ejercicios 154
6. Apéndice. Algebra Lineal con Scientific Word Place (Versión 5.0) 156
4
1. NÚMEROS COMPLEJOS
5
1.2. LOS NÚMEROS COMPLEJOS Y SU ÁLGEBRA
Im
z=a+ib
Re
6
1.2.1 OPERACIONES ELEMENTALES CON NÚMEROS COMPLEJOS
i Z1 Z 2 a1 a2 b1 b2 i
Sea:
Z1 a1 b1 i
De donde:
Z1 a12 b12
b
tg 1 1
a1
Entonces:
Z1 Z1
7
Z Z Cos iSen
1.2 EJEMPLOS. Realizar las siguientes operaciones con los números complejos
que se dan a continuación y expresar sus resultados en forma rectangular y polar.
Donde:
Z1 Z1 3 2i
a )Z 1 Z 2 e)
Z3
b )Z 4 Z 3 Z 2 4 3i
Z
f ) 3 Z1 Z 3 2 7 i
c )3Z 1 Z 3 Z4
1 4
d )Z 2 Z 4 g )( Z 1 Z 3 ) Z 2 Z4 i
3 7
Forma rectangular:
a) Z 1 Z 2 (3 2i ) ( 4 3i )
(3 4) ( 2 3)i
7i
1 4
b) Z 4 Z 3 ( i ) ( 2 7i )
3 7
1 4
( 2) ( 7)i
3 7
7 53
i
3 7
c) 3Z 1 Z 3 3(3 2i ) ( 2 7i )
(9 6i ) ( 2 7i )
(9 2) (6 7)i
11 13i
1 4
d) Z 2 Z 4 ( 4 3i ) * ( i )
3 7
1 4
( 4 3i ) * ( ) ( 4 3i ) * ( i )
3 7
4 16 12
i
3 7 7
76 19
i
21 7
16
i
3
8
Z1 3 2i
e)
Z 3 2 7i
(3 2i) * (2 7i) 6 4i 21i 14
(2 7i) * (2 7i) 4 14i 14i 49
6 14 4i 21i
4 49
20 17
i
53 53
Z3 2 7i
f) Z1 1 4 (3 2i)
Z 3
7i
(2 7i) * ( 13 74 i) 2
i 87 i 4
7
3 3
( 13 74 i) * ( 13 74 i) 1
9
i 214 i 1649
4
21
Z3
Z1 ( 193 193 i) (3 2i)
2058 525
Z4
( 193
2058
3) ( 193
525
2)i
1479
193
139
193
i
9
Forma polar:
a) Z 1 Z 2 (3 2i ) (4 3i )
Z1 Z 2 7 i
Z Z 1 Z 2 (7) 2 (1) 2 49 1 50
tg 1 17 0.1418rads. 8.07 0
Z 50 0.1418rads .
1 4 7 53
b) Z Z 4 Z 3 ( i ) (2 7i ) i
3 7 3 7
2 2
7 53
Z 7.92
3 7
53
tg 1 77 1.2718 rads. 72.87 0
3
Forma polar:
c) Z 3Z 1 Z 3 11 13i
Z 112 132 17.02
13
tg 1 0.8685rds 49.76 0
11
10
Forma polar:
64 9
d ) Z Z2 Z4 i
21 7
6421 2 79
2
Z 3.30
9
tg 1 647 0.3992 rads 21.760
21
Forma polar:
Z1 20 17
e) Z i
Z3 53 53
2 2
20 17
Z 0.4952
53 53
17
tg 1
40.90 0 0.8663 rads
53
20
53
Forma polar:
11
Z3 1479 139
f) Z Z1 i
Z4 193 193
2 2
1479 139
Z 7.696
193 193
139
tg 1 1479
193
0.093 rads 5.36
0
193
180 5.36 185.360 3.23 rads
Forma polar:
g ) Z Z 1 * Z 3 Z 2 4 22i
Z 42 222 22.360
22
tg 1 1.390rads 79.69 0
4
Forma polar:
Z 22.36 1.390rads
12
1.2 EJERCICIOS. Realice las siguientes operaciones con los números complejos
que se dan a continuación y expresar sus resultados en forma rectangular y polar.
Z
a) 1
Z
3 Donde :
b )Z Z Z 1 3 2i
2 4
c) Z Z Z 2 4 5i
6 2
d )Z Z Z 3 6 2i
2 3
e )Z Z
4 6 Z 4 1 5i
f )Z Z
1 5 Z 5 2 i
Z Z 6 18 3i
g) 6
Z
4
RESPUESTAS:
31
c) Z 8i c) Z= 8.88 4.2613 rads.
8
119 29
e) i e) Z=15.31 0.2390 rads.
8 8
121 19
g) i
208 208 g) Z=0.58 2.9858 rads.
13
1.3 POTENCIA REAL DE UN NÚMERO COMPLEJO
Donde:
w a 12 b12
y
b
tg 1 1
a1
14
1.3 EJEMPLOS. Calcule las potencias que se indican con los números
complejos que se dan a continuación.
a) Z 1 i
29
Z 12 12 2
1
tg 1 0.7853 450
1
w 2; 0.7853 rads
29
Z 2 2
Cos0.785329 iSen 0.785329
29
Z 2 2 0.7096 i 0.7096
Z 16441.761 i
b) Z 1 i
36
w 12 12 2
1
tg 1 0.7853rads 45
0
1 β
36
Z 2 2
Cos0.785336 iSen 0.785336
36
Z 2 2
Cos28.281 iSen 28.28
36
Z 2 0.999 i5.66 x10 3
2
Z 26188.856 1483.73i
15
c) Z 1 17i
17
17
Z 290 2 Cos 1.6317 iSen 1.6317
17
Z 290 2
Cos27.71 iSen 27.71
17
Z 290 2
0.8444 i0.5348
d) Z 3 i 15
Z 3 1
2 2
3 1 4 2
1
tg 1 0.5235 rads 30
0
3
Z 2Cos 0.5235 iSen 0.5235
15
Z 215 Cos 0.523515 iSen 0.523515
Z 215 Cos 7.8525 iSen 7.8525
Z 48.529 32735.232i
16
e) Z 2 2i
12
Z 8 6 Cos 0.785312 iSen 0.785312
Z 8 6 Cos 9.423 iSen 9.423
Z 8 6 0.999 i1.77 x10 3
Z 261881.8 463.99i
f ) Z 6 5i
9
Z 62 52 36 25 61
5
tg 1 0.6947rads 39.800
6
180 39.80 140.20 2.447 rads
92
Z 61 Cos 2.447 9 iSen 2.447 9
9
Z 61 0.999 0..0318 4i
2
Z 61 0.1804 0.9835i
2
Z 19508361.32 106355173.8i
17
g ) Z 7 3i
18
w 7 2 32 7 9 16
3
tg 1 1.1302 rads 64.76
0
7
3.14159 1.1302 2.01139 rads
Z 29 Cos 2.1139 18 iSen 2.1139 18
Z 29 Cos 36.205 iSen 36.205
Z 29 0.8069 i 0.63209
Z 413.132 323.633i
6
4 4
h) Z
7 9
2 2
4 4
Z 0.723
7 9
4
tg 1 94 0.6610 rads 33.46 0
7
Z 0.7236 Cos 0.6610 6 iSen 0.6610 6
Z 1.605 6 Cos 3.966 iSen 3.966
Z 0.6756 0.5260i
18
1.3 EJERCICIOS. Calcule las potencias que se indican con los números
complejos que se dan a continuación.
RESPUESTAS
Z 15 83 i
18
2) 3) Z 342.82 118.02 i
3) Z 3 12 i 10
4) Z 1
7
i
15
7) Z 54.03 296.97 i
Z 10 14 i
22
5)
6) Z 10
2 2i 8 9) Z 1225.488 489.454 i
Z 6 3i
3
7)
Z 12 4i 7
5
8)
Z 74 6i
4
9)
10) Z 8 2i
2
3
19
1.4 RAICES DE UN NÚMERO COMPLEJO
Z wn
arg w Arg w 2 k , k 0, 1, 2
1 1
n n
Ya que los ángulos polares se repiten cada n enteros. Por lo tanto, se limitará
la atención en los ángulos n-polares
1
Arg w 2 k , k 0,1, 2n 1
n
20
1.4 EJEMPLOS. Calcule las raíces de los siguientes números complejos, por
medio del teorema de De´ MOIVRE.
Z 1 2i
1/ 2
a)
w 12 22 5
2
tg 1 1.107 rads. 63.420
1
Z 5 Cos1/ 2
1
2
1.107 2k isen 12 1.107 2k
para k 0 :
Z0 5 Cos 1/ 2
1
2
1.107 isen 12 1.107
Z 0 1.2720 i 0.7860
para k 1 :
Z1 5 Cos 1.107 2 isen
1/ 2
1
2
1
2
1.107 2
5 0.8506 i 0.5256
1/ 2
Z1
Z1 1.2719 i 0.7860
b) Z 5 9i 3
1
para k 0 :
Z0 106 Cos
1/ 3
1
3
1.063 isen 13 1.063
Z 0 2.0403 i 0.7548
para k 1 :
Z1 106 Cos
1/ 3
1
3
1.063 2 isen 13 1.063 2
Z1 1.6738 i 1.3895
para k 2 :
Z2 106 Cos
1/ 3
1
3
1.063 4 isen 13 1.063 4
Z 2 0.366 i 2.144
21
c) Z 73 6i
1/ 4
w 6
3 2
7
2
36.18
6
tg 1 3 1.499 rads. 85.910
7
Z 36.18 Cos
1/ 4
1
4
1.499 2k isen 14 1.499 2k
para k 0 :
Z0 36.18 Cos 1.499 isen
1/ 4
1
4
1
4
1.499
36.18 0.9305 i 0.366
1/ 4
Z0
Z 0 1.4572 i 0.5731
para k 1 :
Z1 36.18 Cos 1.499 2 isen
1/ 4
1
4
1
4
1.499 2
36.18 0.9965 i 0.00145
1/ 4
Z1
Z1 1.56057 i 0.00227
para k 2 :
Z2 36.18 Cos 1.499 4 isen
1/ 4
1
4
1
4
1.499 4
36.18 0.9305 i 0.3660
1/ 3
Z2
Z 2 1.4572 i 0.5731
para k 3 :
Z3 36.18 Cos 1.499 6 isen
1/ 4
1
4
1
4
1.499 6
36.18 0.3660 i 0.9305
1/ 4
Z3
Z 3 0.5731 i1.4572
22
d ) Z 52 34 i
1/ 3
w
5 2
2
3 2
4
6.81
3
tg 1 54 0.2914 rads. 16.69 0
2
Z 6.81 Cos
1/ 3 1
3
0.2914 2k isen 13 0.2914 2k
para k 0 :
Z0 6.81 Cos 0.2914 isen
1/ 3 1
3
1
3
0.2914
6.81 1.3702 i 0.1335
1/ 3
Z0
para k 1 :
Z1 6.81 Cos
1/ 3 1
3
0.2914 2 isen 13 0.2914 2
Z1 0.800 i 1.119
para k 2 :
Z2 6.81 Cos
1/ 3 1
3
0.2914 4 isen 13 0.2914 4
Z 2 0.5695 i 1.2534
Z 8 7i
1/ 4
e)
w 82 7 2 113
7
tg 1 0.7188 rads. 41.185 0
8
Z 113 Cos 1/ 4
1
4
0.7188 2k isen 14 0.7188 2k
para k 0 :
Z0 113 Cos1/ 4
1
4
0.7188 isen 14 0.7188
Z 0 1.776 i 3.227
para k 1 :
Z1 113 Cos1/ 4
1
4
0.7188 2 isen 14 0.7188 2
Z 1 0.3227 i 1.776
23
para k 2 :
Z2 113 Cos1/ 4
1
4 0.7188 4 isen 14 0.7188 4
Z 2 1.776 i 0.3227
para k 3 :
Z3 113 Cos1/ 4
1
4 0.7188 6 isen 14 0.7188 6
Z 3 0.3227 i 1.7765
1.4 EJERCICIOS. Calcule las raíces de los siguientes números complejos, por
medio del teorema de De´ MOIVRE.
RESPUESTAS
Z 0 1.0985 i 0.4549
1) Z 1 i
1/ 2
1)
Z1 1.0985 i 0.4549
2) Z 5 2i
1/ 3
Z 0 1.4521 i 0.4919
3) Z 2 3i 3) Z1 0.241 i 1.5036
1/ 3
Z 2 1.1521 i 1.0115
4) Z 74 52 i
1/ 3
Z 0 1.2568 i 0.4270
Z 0.4270 i 1.2568
5) Z 54 3i
1/ 4
5) 1
Z 2 1.2568 i 0.4270
Z 3 0.4270 i 1.2568
6) Z 7 32 i
1/ 4
24
1.5 LOGARITMO COMPLEJO
Es una función entera con valor diferente de cero que satisface a la ecuación
diferencial.
f ´z f z , f 0 1
25
La única tarea pendiente es obtener una expresión para Log z en términos de
funciones conocidas.
La representación polar y la naturaleza inversa de las funciones logaritmo y
exponencial proporcionan una definición natural para el logaritmo complejo:
log z log z ei arg z log e log z i arg z
log z i arg z,
26
1.5 EJEMPLOS. Realice las siguientes operaciones con los complejos dados
3
1) Ln 5 i
2
5
3
52 32 2 27.25
2
3 3
arg 5 i tg 1 2 0.291
2 5
0.291 2.850 rads
3
Ln 5 i 27.25 i 2.850
2
Debido a que el vector se encuentra en el 2 0 cuadrante,
se debe sumar 180 0 o rads
4 7
2) Ln i
3 4
4 7
43 2 74 2 4.840
3 4
4 7 7
arg i tg 1 4
0.919 rads
3 4
4
3
4 7
Ln i 4.840 i 0.919
3 4
3) Ln 6 5i
6 5i 6 2 52 61
5
arg 6 5i tg 1 0.694 rads
6
Debido a que el vector se encuentra en el 4 0 cuadrante,
y a pesar de que el ángulo sea negativo, éste se mide
con respecto al eje de los reales positivos.
27
2
4) Ln 6i
5
2
6i 52 2 62 36.16
5
2 6
arg 6i tg 1 2 1.50
5 5
180 85.94 265.94 0 4.64 rads
2
Ln 6i 36.16 i 4.64
5
Nota : debido a que el vector se encuentra en el 3 0 cuadrante,
se le tienen que aumentar 180 0 o rads
5) Ln 3 8i
38 32 82 73
8
arg 3 8i tg 1 1.21 rads
3
Ln 3 8i 73 i 1.21
6) e 3 4 i e 3 e 4 i
e 3 Cos 4 i Sen 4
e 3 Cos 4 i e 3 Sen 4
13.28 15.20i
13.28 i 15.20
28
2 15 i 1
e 2 * e 5
i
7) e
e 2 Cos 15 i Sen 1
5
e 2 Cos 15 e 2 i Sen 1
5
0.132 i 0.026
52 82 i 52 82 i
8) e e *e
e
52
Cos 82 i Sen 82
5 5
e 2 Cos 82 e 2 i Sen 2
8
0.079 i 0.020
9) e 3 9 i e 3 * e 9 i
e 3 Cos 9 i Sen 9
e 3Cos 9 i e 3 Sen 9
18.30 i 8.277
23 i 23
10) e e * ei
e
23
Cos 1 i Sen 1
23 2
e Cos 1 e 3 i Sen 1
0.277 i 0.432
29
1.6 EXPONENCIAL COMPLEJA
Definición:
Sea: z a e a log z , a complejo 0
30
1.6 EJEMPLOS. Calcule la exponencial compleja de los siguientes números
complejos.
e ( 0 i ) Ln 1 0i
( 0i )
1) i i e Ln ( 0 i )
Donde :
1
Ln 0 i i i arg( 0 i ) 02 12 tg 1
0
Ln 0 i 1 i 2
Entonces :
0 i 1 i 2
e 2 e 2 cos 1 isen1
i
e
0.1123 i 0.1749
1 43 i i e Ln1 i
i
4
i Ln 1 43 i
3) 3
e
Donde :
12 43 2 i tg 1 1
4
Ln1 43 i 3
1.66 i 0.9272
Entonces :
e i 1.66 i 0.9272 e i 1.66 0.9272
e i 1.66 * e0.9272 e0.9272Cos 1.66 i Sen1.66
0.2360 i 2.5163
31
1 3 i
1 3 i
4
1 Ln
4
Ln 1
i 2 3 1
i 2
4) 1
4
i 2 e 4
e 4 4
Donde :
14 2 2 2 i tg 1
1
Ln 1
i 2 4
4
2
1.435 i 1.39
Entonces :
1 1.435 i 1.39
e 2.47 i 0.32
3
e 4
13 i
2 5
13 i
Ln 1 i i Ln 1 i
2 5
1
1 3 1
5) 1
3
i 1
2
e 3 2
e 2 5 3 2
Donde :
13 2
1
Ln 13 i 1
1 2
i tg 1 12
2 2
3
0.611 i 1.130
Entonces :
i 0.611 i 1.130
e0.3725 i 0.9316
1 3
e 2 5
4 3 i
4 3 i 2
3 i 4 i Ln 3 i
1 3 i
2 Ln 1 3 1
6) e e 2
Donde :
Ln
1
3i 1 2 32 i tg 1 3
1
3.016 i 1.4650
Entonces :
4 i 3.016 i 1.4650
e14.257 i 1.34
3
e 2
32
1 i
1 i Ln 13 i
1 i
Ln 1
i 3 3
7) 1
3
i 3 e 3
e
Donde :
Ln 1
3
i 3 3
1 2
3
2
i tg 1
1
3
3
1.825 i 1.249
Entonces :
1 i 1.825i 1.249
e e 0.669i 2.222
e 0.699 * e i 2.222 e 0.699 Cos 2.222 i Sen 2.222
0.310 i 0.407
8 3 i
9 2 i
8 3 i
8) e Ln 9 2 i e 83 i Ln 9 2 i
Donde :
Ln 9 2 i 92 22 i tg 1 2
9
9.219 i 2.922
Entonces :
e 83 i 9.219i 2.922 e 64.98i 51.02
e 64.98 * e i 51.02 e 64.98 Cos 51.02 i Sen51.02
1.210 x10 28 1.37 x10 28
3 i
3i Ln 87
i
3 i Ln 87 i
e e
8 i
9) 7
Donde :
Ln 8
7 i 2 87 2
i tg 1 7
8
3.343 i 3.48
Entonces :
e 3i 3.343i 3.48 e 6.81i 13.783
e 6.81 * e i 13.783 e 6.81 Cos 13.783 i Sen13.783
3.82 x10 4 1.03 x10 3
33
1.6 EJERCICIOS. Calcule la exponencial compleja de los siguientes números
complejos.
1
2 i
1 5
RESPUESTAS
1) 3 i
2
43 i 1
2 1
2 i
2) 3 i
5
1) 3 i 0.0343 0.0139 i
6 2
3) 742 i
6 2 i
2i
3 3) 2 i 6 2 i 2.13x10 6 3.112 x10 6 i
4) i
5 8
2 3 i 2 3 i
3 1 3 1
5) i 5) i 1.25 0.2013 i
2 4 2 4
1 3
i
4 1 3 4
6) i 1
7 8 7) 6 9 i 4 2 i 2.79 x1017 2.021x1018i
1
7) 6 9 i 4 2 i
26 i 9) 7 i 5i 1.923x10 47 3.56 x10 47 i
1 3
8) i
3
9) 7 i 5i
2 i
1
10) 2
4
34
2. SISTEMAS DE ECUACIONES LINEALES
y
2x y Sen z 1, Sen x1 3x2 2 x3 0
4 5
De este modo, las ecuaciones lineales no contienen productos, recíprocos u
otras funciones de las variables; éstas presentan únicamente a la primer
potencia y están multiplicadas sólo por constantes.
35
2.2 INTERPRETACIÓN GEOMÉTRICA DE LAS SOLUCIONES DE
SISTEMAS LINEALES DE ECUACIONES
a x y 1 b x y2 c x y 1
x y 3 2x 2 y 4 x y 3
(a) La suma de las dos ecuaciones da 2x=4, de manera que x=2, de lo que
se desprende que y=1. una rápida verificación confirma que 2, 1 es en
realidad una solución de ambas ecuaciones. Ésta es la única solución
que se puede ver al examinar que corresponde al (único) punto de
intersección (2, 1) de las rectas con ecuaciones x y 1 y x y 3,
2
2 4
y
-4 -2
-2
-4
(a)
36
(b) La segunda ecuación de este sistema es exactamente dos veces la
primera, de modo que las soluciones son las mismas de esta ultima, a
saber, los puntos sobre la recta x y 2 . Estos pueden ser
2
2 4
y
-4 -2
-2
-4
(b)
2 4
y
-4 -2
-2
-4
(c
(c)
)
37
2.2.2. SISTEMAS DE ECUACIONES LINEALES EN R3
(a) Los tres planos se intersecan en un solo punto P(x,y,z). Entonces existe una
solución única para el sistema lineal de ecuaciones.
P(x,y,z)
38
(b) Los tres planos coinciden en un número infinito de puntos, formando una
recta o inclusive coincidiendo dos o más planos. Entonces en cada punto sobre
el plano es una solución del sistema de ecuaciones lineales y por lo tanto se
tiene infinidad de soluciones para el sistema de ecuaciones lineales.
39
2.3 MÈTODOS DE SOLUCION DE SISTEMAS DE ECUACIONES LINEALES.
“ELIMINACION DE GAUSS”
1) x1 x2 x3 3
2 x1 3 x 2 x3 5
x1 x 2 2 x3 5
SOLUCIÓN:
1 1 1 3 2 R1 R 2 1 1 1 3 1 1 1 3
R1 R 3 2 R 2 R 3 15 R 3
2 3 1 5 0 1 1 1 0 1 1 1
1 1 2 5 0 2 3 8 0 0 5 10
1 1 1 3
0 1 1 1
0 0 1 2
40
0
x= 1
2
2) x1 2 x 2 3 x3 9
2 x1 x 2 x3 0
4 x1 x 2 x3 4
1 2 3 9 2 R1 R 2 1 2 3 9 1 R 2 1 2 3 9 1 2 3 9
4 R1 R 3 9 R5 2 R 3 7 18
5 R3
2 1 1 0 0 5 7 18 0 1 5 5 0 1 75 18
2
5
4 1 1 4 0 9 13 32 0 0 2 2 0 0 1 1
5 5
El sistema correspondiente es ahora:
x1 2 x2 3 x3 9
x2 75 x3 18
5
x3 1
3) x1 3 x 2 2 x3 0
x1 x 2 x3 0
2 x1 4 x 2 6 x3 0
1 3 2 0 R1 R 2 1 3 2 0 1 R 2 1 3 2 0 1 3 2 0
2 R1 R 3 82 R 2 R 3 1
1 1 1 0 0 2 1 0 0 1 0
0 1
1 R 3 1
2
4
2
0
2 4 6 0 0 8 8 0 0 0 4 0 0 0 1 0
41
4) x1 2 x 2 x3 8 x 4 2
3 x1 4 x 2 3x3 3 x 4 21
2 x1 4 x 2 8 x3 x 4 6
1 2 1 8 2 3 R1 R 2 1 2 1 8 2 12 R1 1 2 1 8 2
2 R1 R 3 16 R 3
3 4 3 3 21 0 2 21 15 0 1 0 152
21
0 2
2 4 8 1 6 0 0 6 15 10 0 0 1 15 10
6 6
Parametriz ando : Si x4 t
x3 15
6 x4 10
6 x2 0 21
2 x 4 152 x1 2 x 2 x3 8 x 4 2
x3 106 156 t x 2 152 0 21
2 x4 x1 2 x 2 x3 8 x 4 2
x 2 152 21
2 t x1 2 152 21 10 15
2 t 6 6 t 8t 2
x1 15 21t 53 52 t 8t 2
x1 56
3 21
2 t
Nota:
Donde: “t”= 1, 2, 3……., n
Por lo tanto el sistema tiene infinidad de soluciones
5) 2 x1 3 x 2 x3 4 x 4 0
3 x1 x 2 x4 1
3 x1 4 x 2 x3 x 4 2
2 3 1 4 0 2 3RR11 R 2 1 32
1
12 2 0 112R 2 1 32 12 2 0
2 R 2 R 3
17
112 R 3
3 1 0 1 1 3 R1 R 3
0 112 3
2
5 1 0 1 113 10
11
112
3 4
1 1 2 7 2 0 0 5
0 2
17 5 2 8
2 11 11 11
1 32 12 2 0
0 1 11 112 x4 t
3 10
11
Parametrizando : Si
0 0 1 4 52
x3 4 x 4 5
2 x 2 113 x3 10
11 x 4 11
2
x1 32 x 2 12 x3 2 x 4 0
x3 52 4t x 2 112 113 x3 10
11 x 4 x1 32 x 2 12 x3 2 x 4
x 2 112 113 52 4t 10
11 t x1 32 12 112 t 12 52 4t 2t
x 2 112 15
22 11 t 11 t
12 10
x1 34 113 t 54 2t 2t
x 2 12 112 t x1 12 113 t
42
6) 2 x1 x2 3
4 x1 x 2 7
2 x1 5 x 2 5
2 1 3 12 R4 R1 1 R 2 1 1
2
3
2
1 R2 1 12 32
2 R1 R 3 6 R 2 R 3
3
1
4 1 7 0 3 1 0 1 3
2 5 5 0 6 4 0 0 6
El sistema correspondiente es ahora:
x1 32 16 5
3
x1 12 x 2 3
2
x 2 13
7) 7 x1 5 x 2 8
2 x1 x 2 3
9 x1 4 x 2 5
7 5 8 217 RR11 R 2 1 5
7
8
7
73 R 2 1 75 8
7
9 R1 R 3 37
73
R 2 R 3
2 1 3 0 7 0 1
3 37
7
7 3
9 4 5 0 737 377 0 0
2442
49
El sistema correspondiente es ahora:
x1 87 185
21 3
23
x1 75 x 2 8
7
x2 37
3
0 2442
49
8) 3 x1 6 x2 8 x3 2
4 x1 x2 9 x3 7
43
3 8 2 43 RR11 R 2 1 2 83 1 R 2 1 2 83
1
2 2
6
3 3
7
4 1 0
59
0 3
13 59 13
9 7 7 3 1 21 21
Parametriz ando : Si x3 t
x 2 59
21 x 3
13
21 x1 2 x 2 83 x3 2
3
x2 13
21 59
21 t x1 23 x 2 83 x3
x1 23 213 8
21 21 t 3 t
59
x1 23 26
21 118
21 t 3 t
8
x1 40
21 62
21 t
Nota:
Donde: “t”= 1, 2, 3……., n
Por lo tanto el sistema tiene infinidad de soluciones
9) x1 2 x2 4 x3 4
2 x1 4 x2 8 x3 8
1 2 4 4 2 R1 R 2 1 2 4 4
2 4 8 8 0 0 0 0
44
2.3 EJERCICIOS. Por el método de Eliminación Gaussiana, resuelva los
siguientes sistemas de ecuaciones.
1) x1 2 x 2 3 x3 11 9) x1 x2 x3 0
4 x1 x 2 x3 4 4 x1 x 2 5 x3 0
2 x1 x 2 3 x3 10 6 x1 x 2 3 x3 0
2) 2 x1 x 2 6 x3 18 10) 2 x 2 5 x3 6
5 x1 8 x3 16 x1 4 x3 4
3 x1 2 x 2 10 x3 3 2 x1 4 x 2 2
3) 3 x1 6 x 2 6 x3 9
2 x1 5 x 2 4 x3 6 RESPUESTAS:
x1 16 x 2 14 x3 3
1
4) 3 x1 6 x 2 6 x3 9
1) x 2 .
2 x1 5 x 2 4 x3 6
2
5 x1 28 x 2 26 x3 8
45
2.4 ELIMINACIÓN POR GAUSS-JORDAN
Una modificación de la Eliminación Gaussiana simplifica en gran medida la fase
de sustitución hacia atrás, y es particularmente útil cuando se hacen los
cálculos a mano en un sistema que tiene un número infinito de ecuaciones.
Esta variante conocida como la eliminación de Gauss-Jordan, depende de
reducir aún más la matriz aumentada.
Definición. Una matriz se encuentra en forma reducida del renglón
escalonado si satisface las propiedades siguientes:
1. Cualquier renglón conformado completamente por ceros se encuentra
en la parte inferior
2. La entrada principal en cada renglón distinto de cero es un 1
(denominado 1 principal)
3. Cada columna que contiene un 1 principal tiene ceros en cualquier otro
sitio.
Eliminación de Gauss-Jordan
1. Escriba una matriz aumentada del sistema de ecuaciones lineales.
2. Utilice operaciones elementales del renglón para reducir la matriz
aumentada a la forma reducida del renglón escalonado.
3. Si el sistema resultante es consistente, resuelva para las variables
principales en términos de cualquier variable libre restante.
46
2.4 EJEMPLOS. Resuelva el sistema por medio de la eliminación Gauss-
Jordán
1) 2 x1 4 x 2 6 x3 18
4 x1 5 x 2 6 x3 24
3 x1 x 2 2 x3 4
3 R1 R 3 5 R 2 R 3 R 3 R1
4 5 6 24 0 3 6 12 0 1 2 4 0 1 0 2
3 1 2 4 0 5 11 23 0 0 1 3 0 0 1 3
4
x 2
3
2) 2 x1 x 2 3 x3 5
3x1 2 x 2 2 x3 5
5 x1 3 x 2 x3 16
2 R 2
2 1 3 5 12 3RR11 R 2 1 12 32 5
2
12 R 2 R1 1 0 8 5
5 R1 R 3 5
1
R 2 R 3
3 2 2 5 0 12 2 0 1 13 5
13 2
2
5 3 1 16 0 12 13 7 0 0 0 6
2 2
3) x1 2 x2 3 x3 3
2 x1 3 x2 8 x3 4
3x1 2 x2 17 x3 1
3 R1 R 3 4 R 2 R 3 7 R 3 R1
2 3 8 4 0 1 2 2 0 1 2 2 0 1 0 2
3 2 7 1 0 4 2 8 0 0 10 0 0 0 1 0
1
x 2
0
47
4) 2 x1 3 x 2 3
x1 2 x 2 5
3 x1 2 x 2 7
2 R2
2 3 3 12 RR11 R 2 1 32 3
2
732 R 2 R1 1 0 3
3 R1 R 3 52 R 2 R 3
1 2 5 0 72 0 1 1
7
2
3 2 7 0 52 5 0 0 0
2
3
x
1
5) 6 x1 7 x 2 10
x1 4 x 2 8
3 x1 5 x 2 7
6
R2
6 7 10 R16 R11R 2 1 76 10
6
1776 R 2 R1 1 0 17
96
3 R1 R 3 172 R 2 R 3 58
1 4 8 0 0 1 17
17 29
6 3
3 5 7 0 17
2 0 0 27
2
El sistema correspondiente no tiene solución, ya que: 0 27
6) 2 x1 3 x2 1
5 x1 7 x 2 3
2 R1
2 3 1 2 5RR11 R 2 1 32 12 32 R 2 R1 1 0 2
1
1 1
5 7 3 0 2 2 0 1 1
2
x
1
48
7) x1 5 x 2 4 x3 13x 4 3
3x1 x 2 2 x3 5 x 4 2
2 x1 2 x 2 3 x3 4 x 4 1
1 R3
1 5 4 13 3 3 R1 R 2 1 13 3 516RR212 R1 1 0 16164 R 3 R 2
1 7 3 13
5 4 8 4 16
78 R 3 R1
3 1 2 5 2
2 R1 R 3
0 16 10 44 7
8 R 2 R3
0 1 10
16
44
16
7
16
2 2 3 4 1 0 8 5 22 5 0 0 0 0 3
2
2) x1 8 x 2 7 x4 9
2 x1 16 x 2 x3 20 x 4 24
2 x1 16 x 2 6 x3 50 x 4 x5 51
3) x1 8 x 2 4 x3 5 x 4 0
7t 4 417
40
RESPUESTA : x
2 x1 x 2 10 x3 16 x 4 6 3
80
2 x1 6 x 2 20 x3 46 x 4 x5 33 3t 4 160
429
4) 6 x1 4 x3 4 x 4 0
2 x1 x 2 x3 6 x 4 6
16 x1 2 x 2 4 x3 4 x 4 12
5) x1 x 2 x3 2 x 4 0 2
x1 x 4 1
1
RESPUESTA : x 12
x 2 x3 x 4 1 2
x1 2 x 2 3 1
49
6) x1 2 x3 x4 1
x2 x3 2 x4 0
x1 x2 2 x3 x4 4
x2 x3 2
7) 3x1 x3 x 4 3 1
2 x 2 3x3 3x 4 14 2
RESPUESTA : x
x3 x 4 6 2
x 4 4 4
50
2.5 APLICACIONES. CIRCUITOS ELECTRICOS (REDES)
Las redes o circuitos eléctricos son un tipo especializado de red que
proporciona información acerca de fuentes de poder o alimentación, tales como
las bombillas eléctricas o los motores. Una fuente de poder “obliga” a una
corriente de electrones a fluir a través del circuito, donde encuentra varios
resistores, casa uno de los cuales requiere que cierta cantidad de fuerza sea
aplicada a fin de que la corriente fluya a través de ellos.
La ley fundamental de la electricidad es la ley de Ohm, que establece
exactamente cuánta fuerza Electromotriz E es necesaria para conducir una
corriente I a través de un resistor con una resistencia igual a R.
LEYES DE KIRCHHOFF
51
2.5 EJEMPLOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos
siguiente figura.
D I1 V1 I1 C
8v
2Ω 2Ω
1Ω
A I2 I2 B
4Ω
I3 V2 I3
E F
16 v
Malla : CDABC
8 2I1 I 2 2I1 0
8 4I1 I 2 0
4I1 I 2 8
52
Con estas tres ecuaciones podemos construir un sistema de ecuaciones:
3) I1 I 2 I 3 0
4I1 I 2 8
I 2 4 3 16
1 1 1 0 1 1 1 0 R5 R22 R1 1 0 15 54 R 3 R 2 1 0 0 1
1 8
5
4 R1 R 2 15 R 3 R1
4 1 0 8 0 5 4 8 R 2 R3
0 1 54 8
5 0 1 0 4
0 1 4 16 0 1 2 16 0 0 245 72 0 0 1 3
5
1
Es decir: I 4
3
53
2) I1
A F
E=8V
1Ω
1Ω
I2 E
B
4Ω
I3 D
C
E=13V
Nodo B :
I1 I 2 I 3 0
Malla BEDCB :
I 2 13 4 I 3 0
I 2 4 I 3 13
I 2 4 I 3 13
Malla ABEFA :
I 2 I1 8 0
I1 I 2 8
nodo B : I1 I 2 I 3 0
malla BEDCB : I 2 4 I 3 13
malla ABEFA : I 1 I 2 8
3
I 5
2
54
3) B I1 E=5V C
1Ω
2Ω
A I2 D
4Ω
I3 D
F E
8V
v
Malla DCBAD :
I1 5 2I 2 0
I 1 2 I 2 5
I1 2I 2 5
Malla AFEDA :
4I 3 8 2I 2 0
2I 2 4I 3 8
Nodo A :
I1 I 2 I 3 0
malla DCBAD : I 1 2 I 2 5
malla AFEDA : 2I 2 4I 3 8
nodo A : I 1 I 2 I 3 0
1 2 0 5 1 2 0 5 2 R2 R2 2 R1 1 0 4 3 7 R2 R3 3 R 2 1 0 0 1
1 1
R1 R 3 R 2 R 3 R 3 R1
0 2 4 8 0 2 4 8 3 0 1 2 4 4 0 1 0 2
1 1 1 0 0 3 1 5 0 0 7 7 0 0 1 1
1
I 2
1
55
I1 12 V
A F
4)
3Ω
2Ω
4Ω
I2
B E
6Ω
8Ω
D
I3
C D
1Ω
Malla BEFAB :
4 I 2 2 I 1 12 3I 1 0
5 I 1 4 I 2 12 5
5 I 1 4 I 2 12
5 I 1 4 I 2 12
Malla BEDCB :
4 I 2 6 I 3 I 3 8I 3 0
4 I 2 15I 3 0
Nodo B :
I1 I 2 I 3 0
malla BEFAB : 5I 1 4 I 2 12
malla BEDCB : 4 I 1 15I 3 0
nodo B : I 1 I 2 I 3 0
1
R2
5 4 0 12 1 R1 1 54 0 125 4 54 R 2 R1 1 0 3 125 3115RR3 3 R 2 1 0 0 155
4
228
R1 R 3
5
5 R 2 R 3
9
3 R 3 R1
4
36
0 4 15 0 0 4 15 0 0 1 4 0 0 1 0 31
15
155
228
36
I 31
155
48
I1 155
228
A; I 2 36
31 A; I 3 155
48
A
56
B I1 C
5 E=13V
2Ω 4Ω
8Ω
A I2 D
1Ω
7Ω
I3 D
F 0.5 Ω E
malla DCBAD : 6 I 1 8I 2 13
malla AFEDA : 8I 2 8.5I 3 0
nodo A : I1 I 2 I3 0
Malla DCBAD :
4 I 1 2 I 1 13 8I 1 0
6 I 1 8I 2 13 0
6 I 1 8I 2 13
6 I 1 8 I 2 13
Malla AFEDA :
7 I 3 12 I 3 I 3 8I 3 0
8I 2 172 I 3 0
Nodo A :
I1 I 2 I 3 0
1 R2 48
R3
6 8 0 13 1 R1 1 8
6 0 886 R 2 R1 1 0
13
6 17
12
13
6
1671716 R R 2 1 0 0 334
429
6 R1 R 3 73 R 2 R 3 1712 R 3 R1 221
2 0 0 0 0 1 0 0 1 0 334
17 17 17
0 8 8 2 16
1 1 1 0 0 73 13
1 6 0 0 167 13
6 0 0 1 167
104
48
334
429
221
I 334
167
104
57
2.5 EJERCICIOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos
1) I1 C I1
10 v
28 5Ω
Ω
1Ω
A
I2 I2 B Re spuesta : I1 0.17 Am. I 2 4.11Am. I 3 3.94 Am.
2Ω
I3 D I3
12 v
2)
I1 C I1
12 v
3Ω
0.5Ω Re spuesta : I1 2.33 Am. I 2 1.91Am. I 3 0.41Am.
I2 2Ω I2
A B
8Ω D
I3 I3
12 v
3)
B I1 C
E=12V
1Ω 9Ω
3Ω
4Ω
D
I3
F 2Ω E
58
3. MATRICES Y DETERMINANTES
3.1 INTRODUCCIÓN.
Ahora se estudiará la matriz por su propio valor. Anteriormente se han utilizado
matrices (en la forma de matrices aumentadas) para registrar información y
para ayudar a racionalizar los cálculos con ellas, por ejemplo en la solución de
sistemas de ecuaciones lineales.
Ahora se verá que las matrices tienen propiedades algebraicas propias, que
permiten hacer cálculos con ellas, sujetas a las reglas algebraicas de matrices.
Además, se observará que las matrices no son objetos estáticos, que recopilan
información y datos; en lugar de ello, representan varios tipos de funciones que
“actúan” como vectores, transformándolos en otros vectores. Estas
transformaciones matriciales comenzaran a jugar un papel preponderante en el
estudio de algebra lineal y emitirán una nueva luz sobre lo que ya se ha
aprendido acerca de los vectores y sistemas de ecuaciones lineales. Además
de que las matrices se presentan en muchas otras formas aparte de las
versiones aumentadas.
60
Nótese que en la expresión cij ai1b1 j ai 2 b2 j ain bnj los subíndices
61
3.2 EJEMPLOS. Realice las operaciones entre las matrices indicadas de los
siguientes ejercicios. (Si es posible)
1 2
3 0 4 2 1
A , B C 3 4
2 3
,
1 5 0 5 6
0 3 1
D E 4 2, F
1
,
2 2
1) A 2D
2) 3D 2 A
3) BC
4) B CT
5) AB
6) BD
7) D BC
8) B BT
9) E AF
10 ) F DF
62
3 0 0 3 3 0 0 6 3 6
1 ) A 2D 2
1 5 2 1 1 5 4 2 5 7
0 3 3 0 0 9 6 0 6 9
2 ) 3 D 2 A 3 2
2 1 1 5 6 3 2 10 8 13
1 2
4 2 1
3) B C 3 4 " No es posible realizar la operación"
0 2 3
5 6
4 2 1 1 3 5 3 5 4
4 ) B CT
0 2 3 2 4 6 2 2 3
12 6 3
AB
4 12 14
4 2 1 0 3
6 ) BD
2 3 2 1
" No es posible realizar la operación"
0
1 2
0 3 4 2 1 . 0 3 3 6 3 3
7 ) D BC 2 1 21 26 19 27
3 4
2 1 0 2 3
5 6
Donde :
1 2
4 2 1 4 1 2 3 15 42 24 16
BC 3 4
0 2 3 01 23 35 02 24 36
5 6
465 886 3 6
BC
0 6 15 0 8 18 21 26
63
4 0
8 ) BB T
4 2 1 2 2 4 4 2 2 11 40 22 13
2 3 0 4 2 2 31 00 22 33
0 1 3
16 4 1 0 4 3 21 1
BB T
0 4 3 0 4 9 1 13
3 0 1 3
9 ) E AF 4 2 4 2 4 3 2 11 12 22 10
1 5 2 11
Donde :
3 0 1 3 1 0 2 3 0 3
AF
1 5 2 1 1 52 1 10 11
1 0 3 1 1 6
10 ) F DF " No es posible realizar la operación"
2 2 1 2 2 4
Donde :
0 3 1 0 1 32 0 6 6
DF
2 1 2 2 1 12 2 2 4
64
3.2 EJERCICIOS. Realice las operaciones entre las matrices indicadas de los
siguientes ejercicios. (Si es posible)
1 2
3 0 4 2 1
A , B C 3 4
2 3
,
1 5 0 5 6
0 3 1
D E 4 2, F
1
,
2 2
2) AB
3 3
3) D BC ; Re spuesta :
19 27
4) E AF
4 2
Re spuesta :
4
5) FE ;
8
6) B T C T CB
T
27 0
7) A 3 ; Re spuesta :
49 125
8) E T F
2 10
9) A T D Re spuesta :
10 5
10) 2 D 8C T
65
3.3 CLASIFICACIÓN DE MATRICES
a) Triangular Superior
Una matriz cuadrada se denomina triangular superior si todas las entradas
por debajo de la diagonal principal son cero. De este modo la forma de una
matriz triangular superior es:
* * * *
0 * * *
0 0
* *
0 0 0 *
Donde las entradas marcadas con un * son arbitrarias. Una definición más
formal de una matriz A aij de esta clase, es que aij 0 si i j .
b) Triangular Inferior.
Una matriz cuadrada se denomina triangular inferior si todas las entradas
por arriba de la diagonal principal son cero. De este modo la forma de una
matriz triangular inferior es:
* 0 0 0
* * 0 0
* *
* 0
* * * *
Donde las entradas marcadas con un * son arbitrarias. Una definición más
formal de una matriz A aij de esta clase, es que aij 0 si i j
c) Diagonal.
Una matriz cuadrada A aij se llama diagonal si todos sus elementos
0 0
a33 0
0 0 a 44
0
66
d) Escalar.
Una matriz diagonal en la cual todas sus entradas diagonales son las
mismas se les conoce como matriz escalar. Si el escalar de la diagonal es
1, la matriz escalar se le llama matriz identidad, por ejemplo sean:
3 0 0 1 0 0
2 5 0 3 1
A , B , C 0 6 0, D 0 1 0
1 4 1 4 5 0 0 2 0 0 1
obvias).
e) Nilpotente.
Una matriz cuadrada A se denomina nilpotente (de potencia nula) si A 0
para algún m 1. La palabra nilpotente proviene del latín nihil que significa
“nada” y potere, que quiere decir “poder”. Una matriz nilpotente es,
entonces una que se convierte en nada (es decir la matriz cero) cuando se
eleva alguna potencia.
f) Idempotente
Una matriz cuadrada A se denomina idempotente si A2 A (la palabra
idempotente proviene del latín Idem, que significa “lo mismo” y potere que
quiere decir “tener poder”, “tener potencia”. De esta manera algo que es
idempotente tiene la “misma potencia” cuando se eleva al cuadrado.
g) Potencia
Cuando A y B son dos matrices de n x n su producto AB también será una
matriz de n x n . Un caso especial se presenta cuando A= B. tiene sentido
67
Antes de hacer demasiadas suposiciones deberíamos preguntarnos hasta
que punto las potencias de matrices se comportan como potencias de
números reales.
Las propiedades que se presentan a continuación se siguen
inmediatamente de las definiciones que se acaban de dar y son los
análogos matriciales de las correspondientes propiedades de las potencias
de los números reales
Si A es una matriz cuadrada y r y s son enteros no negativos, entonces
1. A r A s A r s
2. A
r s
A rs
h) Transpuesta
Hasta ahora todas las operaciones con matrices que se han definido son
análogas a las correspondientes con números reales, aunque pueden no
comportarse siempre de la misma manera. La operación siguiente no tiene
un análogo así.
La transpuesta de una matriz A de m x n, es la matriz de AT de m x n, que
se obtiene cuando se intercambian los renglones y columnas de A. Es decir
la i-enésima columna de AT es el i-enésimo renglón de A para toda i.
En ocasiones, la transpuesta es empleada para proporcionar una definición
alternativa del producto punto de dos vectores en términos de la
multiplicación de matrices.
Una definición alternativa útil de la transpuesta se proporciona en términos
de sus componentes:
A ij
T
A ji para toda i y j
i) Simétrica
La transpuesta también se utiliza para definir un tipo muy importante de
matriz cuadrada: una matriz simétrica. Una matriz cuadrada es simétrica
si es igual a su propia transpuesta, sea:
1 3 2
1 2
A 3 5 0 y B
2 0 4 1 3
68
Entonces A es simétrica, puesto que AT A pero B no es simétrica,
1 1
puesto que B T B
2 3
Una matriz simétrica tiene la propiedad de que es su propia imagen
(como un espejo) con respecto a su diagonal principal.
Una matriz simétrica cuadrada A es simétrica si y solo si Aij Aij para
toda i y j.
j) Antisimétrica
Una matriz cuadrada se llama antisimétrica si AT A (es decir aij a ji ).
k) Hermitiana
La matriz A se llama Hermitiana si A* A donde A* es la matriz transpuesta
conjugada de A, denotada como A* , y que esta definida por el elemento
ij de A* a ji
l) Ortogonal
Una matriz Q de n x n cuyas columnas forman un conjunto orto-normal se
denomina matriz ortogonal.
El hecho más importante acerca de las matrices ortogonales es señalado
por el siguiente teorema:
Una matriz cuadrada Q es ortogonal su y solo si Q 1 Q T .
69
3.4 MATRIZ INVERSA
En esta parte se regresará a la descripción de la matriz A x=b de un sistema de
ecuaciones lineales y se investigará maneras para utilizar el algebra de
matrices para resolver el sistema. A modo de analogía considere la ecuación
ax b donde a, b, y x representan números reales y queremos resolverla para
x . Rápidamente se puede comprender que se quiere x b / a como la solución
Pero se debe recordar que ello es cierto si y solo si a 0 , se alcanzará la
solución mediante la siguiente serie de pasos:
ax b 1
a
ax 1a b 1a ax ba 1 x ba x ba
Para imitar este procedimiento para la ecuación matricial A x=b ¿Qué es lo que
se necesita? Se necesita hallar una matriz A´ tal que A´ A =I, una matriz
identidad. Si una matriz así existe entonces se puede efectuar la siguiente
secuencia de cálculos:
A x=b A´ ( A x)= A´ b ( A´ A )x= A´ b Ix= A´ b x= A´ b
Definición: Si A es una matriz de n x n, una inversa de A es una matriz A´ de
n x n con la propiedad de que
A A´ =I y A´ A =I
Donde I I n es la matriz identidad de n x n. si tal A´ existe, entonces A se
dice que es invertible.
Teorema 1:
Si A es una matriz invertible, entonces su inversa es única.
Teorema 2:
Si A es una matriz de n x n, entonces el sistema de ecuaciones lineales dado
por A x=b tiene solución única x= A 1 b para cualquier b en .
Teorema 3:
a b
Si A , entonces A es invertible si ad bc 0, cuyo caso
c d
1 d b
A 1
ad bc c a
Si ad bc 0, entonces A no es invertible.
70
Teorema 4:
Si A es una matiriz invertible , entonces A 1 es invertible y :
A
1 1
A
Si A es una matiriz invertible , y c es un escalar diferente de cero, entonces
AB es invertible y :
cA
1 1
c A 1
Teorema 5:
Sea E la matriz elemental que se obtiene cuando se efectúa una operación
elemental por renglón sobre I n . Si la misma operación elemental por renglón
se realiza sobre una matriz de A de n x r, el resultado es el mismo que el de la
matriz EA .
Teorema 6:
Cada matriz elemental es invertible y su inversa es una matriz elemental del
mismo tipo.
Teorema 7:
Sea una matriz de n x n. las declaraciones siguientes son equivalentes:
A es invertible
A x=b tiene una solución única para toda b en n
A x=0 tiene únicamente una solución trivial.
La forma reducida escalonada por renglón de A es I n
71
Teorema 8:
Sea A una matriz cuadrada. Si B es una matriz cuadrada tal que
AB I o BA I , entonces A es invertible y B A 1 .
Teorema 9:
Sea A una matriz cuadrada. Si una sucesión de operaciones elementales por
renglón reduce a A a I , entonces la misma sucesión de operaciones
elementales por renglón transforma a I en A 1
72
3.4 EJEMPLOS. Calcular la matriz inversa de los siguientes ejercicios (si es
posible)
4 7
1) 1 2
4 7 1 0 4 RR11 R 2 1 0 74 R 2 R1 1 0 2 7
1 4 R1
7 1
4 4
1 2 0 1 0
1
4
1
4 1 0 1 1 4
Comprobando :
4 7 2 7 1 0
1 2 1
4 0 1
4 2
2) 2 0
4 2 1 0 4 R2 R1 1 R 2 1 12 14 0 12 R 2 R1 1 0 0 12
1
2 0 0 1 0 1 12 1 0 1 2 1
1
Comprobando :
4 2 0 1 0
1
2
2
0 12 1 0 1
3 4
3) 6 8
3 4 1 0 3 R6 1R1 R 2 1 43 13 0
1
6 8 0 1 0 0 2 1
Nota :
Como en el segundo renglon aparece un cero, quiere decir que esta matriz
no tiene matriz invertible.
3 2
4) 1 2
3
R1
3 2 1 0 3 RR11 R 2 1 0 4 23 R 2 R1 1 0 12 12
1
2 1
3 3
3
1 2 0 1 0
4
3 1
3 1 0 1 4
1
4
e)
Comprobando :
3 2 12 12 1 0
1 2 1 3
4 4 0 1
73
7 5
5) 4 4
7
R2
7 5 1 0 7 R4 R1 1 R 2 1 0 875 R 2 R1 1 0 12 85
1
5 1
7 7
7
4 4 0 1 0
8
7
4
7 1 0 1 8
4
8
Comprobando :
7 5 12 85 1 0
4 4 4 7
8 8 0 1
2 3 0
6) 1 2 1
2 0 1
R2
0 1 0 0 12 RR11 R 2 1 0 12 0 0 73 R 2 R1
2
2 3 3
2
2
1 2 1 0 1 0 2 R1 R 3
0 7
2
R 2 R 3
1 12 1 0 3
2 0 1 0 0 1 0 3 1 1 0 1
7 R 3
1 0 146 72 6
14 0 72 R 3 R 2 1 0 0 2 3 3
164 R 3 R1
0 1
2
7
2
14 2
7 0 0 1 0 1 2 2
0 0 17 74 6
1 0 0 1 4 6 7
7
Comprobando :
2 3 0 2 3 3 1 0 0
1 2 1 1 2 2 0 1 0
2 0 1 4 6 7 0 0 1
74
1 3 2
7) 3 2 1
3 3 3
1 3 2 1 0 0 3 R1 R 2 1 3 2 1 0 0 317 RR22 R1
3 2 1 0 1 0
3 R1 R 3
0 7 R 2 R 3
5 3 1 0 6
3 3 3 0 0 1 0 6 3 3 0 1
7
R3
1 0 17 72 3
7 0 975 R 3 R 2 1 0 0 13 1
3
1
9
1
R 3 R1
0 1
5
7
3
7 17 0 7
0 1 0 23 1
3 95
0 0 7 7
9 3
76 1 0 0 1 33 23 7
9
Comprobando :
1 3 2 13 1
3
1
9 1 0 0
3
2 1 23 1
3 0
5
9 1 0
3 3 3 33 23 7
9
0 0 1
1 1 1
8) 1 2 1
3 4 3
1 1 1 1 0 0 R1 R 2 1 1 1 1 0 0 R 2 R1
3 R1 R 3
1 2 1 0 1 0 0 1 0 1 1 0 R 2 R 3
3 4 3 0 0 1 0 1 0 3 0 1
1 0 1 2 1 0
0 1 0 1 1 0 No existe inversa para esta matriz.
0 0 0 2 1 1
75
1 0 1
9) 1 2
3
4
3
0 1 1
1 0 1 1 0 0 R1 1 1 1 0 0 3 R 2
0
R1 R 2 2 2 R3
1
2
3
4
3
0 1 0 0 13 1 1 0 R
2
3
0 1 1 0 0 1 0 1 1 0 0 1
1 0 1 1 0 0 21 RR33 R 2 1 0 0 2 3 2
R2 3 R1
0 1 2 2 1
1 3 3
2
0 1 0 3 3 1
0 0 1 3 3
1 0 0 1 3 3 2
2 2 2
Comprobando :
1 0 1 2 3 2 1 0 0
1 2 4 3 3 1 0 1 0
3 3
0 1 1 3 3 2 0
0 1
2 0 1
10) 0 1 2
0 0 2
2 0 1 1 0 0 1 0 1
12 0 0
2 R1
2
1
0 1 2 0 1 0 0 1 2 0 1 0
R2
0 0 20 0 1 0 0 2 0 0 1
1 R3
1 0 12 12 0 0 22 R 3 R 2 1 0 0 12 0 1
12 R 3 R1
4
0 1 2 0 1 0 0 1 0 0 1 1
0 0 2 0 0 1 0 0 1 0 0 12
Comprobando :
2 0 1 12 0 1
4
1 0 0
0 1 2 0
1 1 0 1 0
0 0 2 0 0 12 0 0 1
76
3.4 EJERCICIOS. Calcular la matriz inversa. (si es posible)
1 2 1 14
1) 2 4 ; Re spuesta : 12 1
4 8
13 1
3
2) 2 1
3 3
4 4 34
1
2
3) 8 6 ; Re spuesta :
1
1
2
2 3
4) 1 2
15 43 45
71
120
71
2 Re spuesta : 60
12
5) ;
71
18
3 71
1 6 2
6) 2 3 5
7 12 4
1 2 3 0 1 1
7) 1 1 2 ;
Re spuesta : 2 2 1
0 1 2 1 1 1
2 1 4
8) 1 0 5
19 7 3
3 1 0 83 1
8 14
9) 1 1 2;
Re spuesta : 18 3
8
3
4
1 1 1 14 1
4
1
2
2 4 5
10) 6 7 8
7 14 0
77
3.5 DETERMINANTE DE UNA MATRIZ.
Dada una matriz cuadrada de orden n:
A=
Cij 1
i j
det Aij
78
Se resume este hecho como un teorema pero se pospone la demostración
hasta el final de esta sección (puesto que es algo larga e interrumpiría la
exposición si se presenta en este momento).
El determinante de una matriz de n x n, A aij , donde n 2 puede ser
calculado como:
n
det A ai1Ci1 ai 2 Ci 2 ain Cin aij Cij
j 1
79
3.6 PROPIEDADES DE LOS DETERMINANTES.
SeaA aij una matriz cuadrada.
a11 a12
SeaA Una matriz de 2 x 2 se define el determinante de A por:
a 21 a 22
a11 a12
A ó
a 21 a 22
80
Se comienza por definir un determinante de 3 x 3:
a11 a12 a13
Sea A a 21 a 22 a 23 . Entonces :
a a33
31 a32
a 22 a 23 a a 23 a a 22
det A A a11 a12 21 a13 21
a32 a33 a31 a33 a31 a32
observe el signo menos antes del segundo termíno del lado derecho.
81
3.6 EJEMPLOS. Calcular los siguientes determinantes.
3 6
1) (3)(7) (4)(6)
4 7
3
0 1
2) (0)(100) (1)(1)
1 100
1
7 4
3) 7)(10 4 1
1 10
66
1 0 3
1 4 0 4 0 1
4) 0 1 4 1 0 3
1 0 2 0 2 1
2 1 0
110 14 00 0 4 2 30 1 2 1
1 4 0 8 3 2
4 6 10
1 1 0
1 4 2 4 2 1
5) 2 1 4 1 1 0
5 6 1 6 1 5
1 5 6
116 54 12 6 14 02 5 11
16 20 112 4 010 1
1 14 18 0 9
14 8 6
3 1 4
3 5 6 5 6 3
6) 6 3 5 3 1 4
1 6 2 6 2 1
2 1 6
336 15 16 6 2 5 46 1 2 3
318 5 136 10 4 6 6
69 26 48 47
82
1 0 0 0
2 0 0 5 0 0 5 2 0 5 2 0
5 2 0 0
7) 1 0 3 0 07 4 0 07 0 0 07 0 3
7 0 3 0
1 4 0 9 3 0 9 1 0 9 1 4
9 1 4 0
donde :
2 0 0
3 0 0 0 0 3
1 0 3 0 12 0 0
4 0 1 0 1 4
1 4 0
054 0 30 07 0 9 0 07 3 9 4
050 00 015
00 0
5 2 0
0 0 7 0 7 0
07 0 0 0 5 2 0
1 0 9 0 9 1
9 1 0
050 0 10 27 0 9 0 07 1 9 0
050 00 0 7
00 0
5 2 0
0 3 7 3 7 0
07 0 3 0 5 2 0
1 4 9 4 9 1
9 1 4
050 4 13 27 4 9 3 07 1 9 0
053 21 0 7
013 0
Por lo tan to :
1 0 0 0
5 2 0 0
0000 0
7 0 3 0
9 1 4 0
83
2 0 3 1
1 4 2 0 4 2 0 1 2 0 1 4
0 1 4 2
8) 2 0 1 5 0 0 1 5 3 0 0 5 10 0 1
0 0 1 5
2 3 0 1 3 0 1 2 0 1 2 3
1 2 3 0
donde :
1 4 2
1 5 0 5 0 1
2 0 1 5 2 1 4 2
3 0 2 0 2 3
2 3 0
30 0 0 2 5 10 0 15 20 2 10
3 5
15
0 1 4
0 1 0 1 0 0
1 0 0 1 10 1 4
2 3 1 3 1 2
1 2 3
100 3 2 3 10 3 11 40 2 10
1 1
1
Por lo tan to :
2 0 3 1
0 1 4 2
42 0 15 1 56
0 0 1 5
1 2 3 0
84
3.6 EJERCICIOS. Calcular los siguientes determinantes
9 6
1) A ; Re spuesta : A 3
4 3
5 8
2) A
1 4
6 2
3) A ; Re spuesta : A 38
4 5
1 5
4) A 2
3
7
6
4 5
1 0 2
5) A0 5 0 Re spuesta : A 10
3 0 4
11 1 0
6) A 2 7 0
3 0 2
3 5 1
7) A 1 0 2 Re spuesta : A 15
0 3 0
1 2 0
8) A3 4 0
0 0 5
1 0 0 0
0 0 0 1
9) A Re spuesta : A 1
0 1 0 0
0 0 1 0
2 0 0 7
1 2 1 4
10) A
3 0 1 5
4 2 3 0
85
3.7 MATRIZ ADJUNTA
a a
Sea A 11 12
a21 a22
A A21 a 22 a12
Adj A 11
A12 A22 a 21 a11
Por ejemplo:
86
La transpuesta de la matriz de los cofactores anteriores proporciona la adjunta
de A:
Observemos que esta propiedad nos permite hallar por otro método la inversa
de una matriz.
Reconsidera la matriz:
1
A 1 (adj A) Se obtiene:
A
87
3.7 EJEMPLOS. Calcular la matriz inversa por el método de la Matriz Adjunta.
6 4 2 4
A Por definición , para matrices 2 x 2 : AdjA
6
1)
3 2 3
5 6 7 6
A Por definición , para matrices 2 x 2 : AdjA
5
2)
9 7 9
6 2 4
3) A 8 5 2
3 1 7
6 2 4 6 2 4 6 2
Sea A 8 5 2 8 5 2 8 5 210 12 32 60 12 112 30
3 1 7 3 1 7 3 1
Y
5 2 2 4
A11 35 2 37 A21 (14 4) 18
1 7 1 7
8 2 6 4
A12 56 6 50 A22 42 12 30
3 7 3 7
8 5 6 2
A13 8 15 23 A23 (6 6) 12
3 1 3 1
2 4
A31 4 20 16
5 2
6 4
A32 12 32 20
8 2
6 2
A33 30 16 14
8 5
Entonces :
37 50 37
T
23 18 16
AdjA 18
30 12 50 30 20
16 20 14 23 12 14
Finalmente :
37 18 16 37 30
3
5 85
20 53 23
1 1
A 1 Adj A 50 30 1
det A 30
23 12 14 30 52
23 7
15
88
2 4
3
4) A 0 1 1
3 5 7
2 4 3 2 4
Sea A 0 1 1 0 1 14 12 0 9 10 0 3
3 5 7 3 5
1 1 4 3
A11 7 5 12 A21 (28 15) 13
5 7 5 7
0 1 2 3
A12 0 3 3 A22
7
14 9 5
3 7 3
0 1 2 4
A13 0 3 3 A23 (10 12) 2
3 5 3 5
4 3
A31 4 3 7
1 1
2 3
A32 2 0 2
0 1
2 4
A33 20 2
0 1
Entonces :
12 3 3 12 13 7
T
Adj A 13 5 2 3
5 2
7 2 2 3 2 2
Finalmante :
12 13 7 4 133 73
Adj A 3 2 1 2
1 1
A 1 5 5
3 3
det A 3
3 2 2 1 2
3
2
3
89
3 2 1
5) A 0 2 2
0 1 1
3 2 1 3 2
Sea A 0 2 2 0 2 6 6 12
0 1 1 0 1
2 2 2 1
A11 2 2 4 A21 2 1 3
1 1 1 1
0 2 3 1
A12 0 A22 3
0 1 0 1
0 2 3 2
A13 0 A23 3
0 1 0 1
2 1
A31 42 2
2 2
3 1
A32 6
0 2
3 2
A33 6
0 2
Entonces :
4 0 4
T
0 3 2
1
A 3 3 3 0 3 6
2 6 6 0 3 6
Finalmante :
4 3 2 13 14 16
Adj A 0 3 6 0 1
1 1
A 1 1
4 2
det A 12
0 3 6 0 1
4 12
90
1 0
01 2
1 1 2 1 1 1 0 1 1
1 2 1 0 10 1
6) 1 0 1 0 0 1 1 0 1
0 0 1 1 2 2 2 2 2 1 2 0 1 2
1
2 2 0
1 2 0 1 2 1 2 1 1 2
0 0 0 1 0 0 1 0 0 1 0 0
1 2 0 1 2 1 2 2 1 2
1(2 (4)) 0 0 1(2 (2)) 1(6) 0 0 1(4) 6 4 10
2 1 1 2 1
A11 0 1 1 0 1 2 4 4 6
2 2 2 2 2
1 1 0 1 1
A12 0 1 1 0 1 (1 2) 1
1 2 0 1 2
1 2 0 1 2
A13 0 0 1 0 0 2 (2) 4
1 2 0 1 2
1 2 1 1 2
A14 0 0 1 0 0 ( 2 2 ) 4
1 2 2 1 2
0 0 1 0 0
A21 0 1 1 0 1 (0 (2)) 2
2 2 0 2 2
1 0 1 1 0
A22 0 1 1 0 1 0 ( 1 2 ) 3
1 2 0 1 2
1 0 1 1 0
A23 0 0 1 0 0 ( 0 2) 2
1 2 0 1 2
1 0 0 1 0
A24 0 0 1 0 0 0 (2) 2
1 2 2 1 2
91
0 0 1 0 0
A31 2 1 0 2 1 4 2 6
2 2 0 2 2
1 0 1 1 0
A32 1 1 0 1 1 (2 1) 1
1 2 0 1 2
1 0 1 1 0
A33 1 2 0 1 2 2 2 4
1 2 0 1 2
1 0 0 1 0
A34 1 2 1 1 2 (4 2) 6
1 2 2 1 2
0 0 1 0 0
A41 2 1 0 2 1 (2 0) 2
0 1 1 0 1
1 0 1 1 0
A42 1 1 0 1 1 1 1 0 2
0 1 1 0 1
1 0 1 1 0
A43 1 2 0 1 2 (2 0) 2
0 0 1 0 0
1 0 0 1 0
A44 1 2 1 1 2 2
0 0 1 0 0
6 2 6 2
T
6 1 4 4
2 3 2 2 1 3 1 2
1
A ;
6 1 4 6 4 2 4 2
2 2 2 2 4 2 6 2
6 2 6 2 53 15 53 5
1
101 1
1 1 1 1 3 1 2 101 103 5
A Adj A
det A 10 4 2 4 2 52 1
52 15
2
5
4 2 6 2 5 1
5
3
5 15
92
3.7 EJERCICIOS. Calcule la matriz inversa por el método de la Matriz Adjunta.
3 6 4 6
A Re spuesta : A 1
3
1)
5 4 5
2 2
3
2) A 9
2 6
8 6 3 7 39 12
3) A 7 2 3 1
Re spuesta : A 317
1
53 67 45
1 3 8 19 30 58
6 2 1
4) A 2 3 4
5 3 8
76 1
3 79 1429 187
294
1
21
98
5) A 6 1 4 Re spuesta : A 1 193 21
57
14
30
7
32 87 5
2
117
14
145
98
8
7
3 6 4
6) A 8 0 6
0 2 0
6 3 5 4 129 81 58 229
7 8 9 0 96 30 134 125
7) A 1 1
Re spuesta : A 651
4 6 0 1 15 36 74 67
2 3 6 2 60 144 79 166
93
3.8 SOLUCION DE UN SISTEMA DE ECUACIONES LINEALES A TRAVES
DE LA INVERSA.
X A1 B
x1 2 x 2 3x3 5
2 x1 5 x 2 3x3 3
x1 8 x3 17
1 2 3 x1 5
A 2 5 3 X x 2 B 3
1 0 8 x3 17
40 16 9
A 13 5 3
1
5 2 1
40 16 9 5 1
X A B 13 5 3 3 1
1
94
3.8 EJEMPLOS. Resolver los siguientes sistemas de ecuaciones lineales a
través de la inversa.
1) 2 x1 3 x 2 4
x1 5 x 2 3
De la matriz de coeficient es correspondiente :
2
R2
2 3 1 0 R2 R11 R 2 1 32 0 732 R 2 R1 1
1
1 5 3
0
2 7 7
1 5 0 1 0
7
2
1
2
1 0 1 1
7
2
7
Por lo tanto :
5 3
A 1 17 7
, entonces :
2
7 7
5 3 4 20 9 11
x A 1b 17 72 74 67 27
7 7 3 7 7 7
Finalmente se tiene :
11
x 27
7
2) 2 x1 6 x 2 3
4 x1 3 x 2 8
2 6 1 0 2 R4 RI 1 3 12 0 39 RR22 R1 1 0 16
1 1
1 1
R2
3
4 3 0 1 0 9 2 1 0 1 92 1
9
1 16 1
A 2
3
9
1
9
3 3 8 19
x A 1b 66 83 146
8 9 9 9
3) x1 x 2 4
2 x1 3 x 2 7
1 1 1 0 2 R1 R 2 1 1 1 0 R5 R2 2 R1 1
1
3 1
0
5 5
2 3 0 1 0 5 2 1 0 1 2
5
1
5
3 1
A 1 52
5
5 1
5
12 7 4 19
x A 1b 58 75 15
5 5 7 5
95
4) x1 x 2 x3 3
2 x1 3 x 2 x3 5
x1 x 2 2 x3 5
1 1 1 1 0 0 2 R1 R 2 1 1 1 1 0 0 R 2 R1
R1 R 3 R 2 R 3
2 3 1 0 1 0 0 1 1 2 1 0 2
1 1 2 0 0 1 0 2 3 1 0 1
1 0 2 3 1 0 R153R 3R 2 1 0 0 1 15 2
5
2 R 3 R1
0 1 1 2 1 0 0 1 0 1 15
3
5
0 0 5 5 2 1 0 0 1 1 52 15
1 15 5
2
A 1 1 3
5 15
1 52 15
1 15 2
5 3 3 1 2 0
x A 1b 1 5 3 3 1 1
3 1
5 5
1 52 5 3 2 1 2
1
5
5) x1 x 2 x3 2
3 x1 2 x 2 2 x3 16
2 x1 x 2 x3 9
1 1 1 1 0 0 3 R1 R 2 1 1 1 1 0 0 R 2 R1
3 2 2 0 1 0 2 R1 R 3
0 1 5 3 1 0 R 2 R 3
2 1 1 0 0 1 0 1 3 2 0 1
1 0 4 2 1 0 512 RR33 R 2 1 0 0 0 1 2
5
0 1 5 3 1 0 4 R 3 R1
0 1 02 2
1 3
2
0 0 2 1 1 1 0 0 12 1 1 1
2
2
0 1 2
A 12 32
1 5
2
2
1 1
2 12
0 16 18 2 0 16 18 2
x A b 1 24 452 16 1 24 452 52
1
1 8 92 9 1 8 92 52
96
6) 5 x1 x 2 x 3 14
x1 5 x 2 2 x 3 9
x1 2 x 2 10 x 3 30
5
R2
5 1 1 1 0 0 5 RR11 R 2 1 15 15 0 0 15 R 2 R1
1 1 26
5 R 2 R3
5
11
1 5 2 0 1 0 R1 R 3
0 265 115 15 1 0
1 2 10 0 0 1 0 115 515 15 0 1
26
R3
1 0 263 265 1
0 1126 R 3 R 2 1
241
0 0 24146 8 3
263 R 3 R1
26 241 241
0 1 11
26
1
26
265 0 0 1 8
0 241 51
241
11
241
0 0 241 262 11 1 0 0 1 241
3
11 26
26 26 241
241
241
46 8
241
3
241 14
1 8
A 241 51
241
11
241 9
241
3
11
241
26
241
30
241
46 8
241
3
14 662
241 241
8 901
x A 1b 241 51
241
11
9 241
241
241
3
11
241
26 30 837
241 241
97
7) x1 2 x2 2 x3 10
3 x1 5 x2 x4 2
2 x1 x2 x3 5
4 x1 x2 x3 2 x4 4
1 2 0 1 0 0 0
2
3 5 0 1 0 1 0 0
2 1 1 0 0 0 1 0
4 1 1 2 0 0 0 1
1 2 2 0 1 0 0 0
3 R1 R 2
2 R1 R 3
0 1 6 1 3 1 0 0
4 R1 R 4
0 3 5 0 2 0 1 0
0 7 9 2 4 0 0 1
1
R2 0 10 2 5 2 0 0
2 R 2 R1
3R 2 R3
0 1 6 1 3 1 0 0
7 R 2 R 4
0 0 13 3 7 3 1 0
0 0 33 9 17 7 0 1
1
13
1
R3 0 0 4 5
134 10
0
13 13 13
33R 3 R 4
6 R 3 R 2
0 1 0 13 13
5 3 5
136 0
10R 3 R1 13
0 0 1 3 7
133 1
0
13 13 13
0 0 0 18
13
10
13
138 33
13
1
13 R 4
1
18
3 R 4 R3
13 0 0 0 5
94 4 2
9 3 9
5
R 4 R 2
13
0 1 0 0 4 5
7
5
4 R 4 R1 9 9 6 18
13
0 0 1 0 2
1 1 1
3 3 2 6
0 0 0 1 5
9
4
9
11
6
13
18
95 94 4
3
2
9 10
4 2
5
7
5
A 29
1 9 6 18
3 1 1 1
5
5
3 2 6
9
4 11 13
9 6 18 4
95 94 4
3
2
9
10 110 9
4 2 185
5
7
5
x A b 29
1 9 6 18 18
3 1 1 1 5 556
5 301
3 2 6
9 4 18
4 11 13
9 6 18
98
8) 2 x1 x 2 2 x3 3 x 4 4
x1 4 x 2 5 x3 8
x 2 x3 2 x 4 10
6 x1 x 2 x3 4 x 4 5
2 1 2 3 1 0 0 0
1 4 5 0 0 1 0 0
0 1 1 20 0 1 0
6 1 1 1 0 0 0 1
1 12 1 3
2
1
2 0 0 0
1
2
R1
R1 R 2
0 2 6
7 3 1
1 0 0
6 R1 R 4 2 2
0 1 1 2 0 0 1 0
0 2 5 8 3 0 0 1
1
72 R 2
0 137 12
7
4
7
1
7 0 0
12 R 2 R1
R 2 R 3
0 1 127 6
17 72 0 0
2 R 2 R 4 14
0 0 197 11 1 2
1 0
7 7 7
0 0 597 72
7
23
7 74 0 1
7
R3
1 191 19 0
19
53 9 13
59
R 3 R 4 0 0 19 19
7
12
R 3 R 2
7
0 1 0 27
1
19 19 0
2 12
173 R 3 R1 19 19
0 0 1 11 1 2 7
0
19 19 19 19
0 0 0 261
19 54
19
6
19
59
19 1
21691R 4
111R 4 R 3 0 0 0 293 1
87 261
14 53
261
19
27
R 4 R 2
19
0 1 0 0 297 4 9
3
15 93 R 4 R1 29 29 29
0 0 1 0 295 8 62
11
87 261 261
0 0 0 1 296 2
87 59
261 19
261
293 1
87 261
14 53
261
7 294 9
3
A 295
1 29 29
29 8 62
11
6
87 261 261
29 87
2 59 19
261 261
293 1
87 261
14
261
53
4 261
41
7 294 9
293 8 71
x A b 295
1 29 29
29 8 62 11
261 10 937
6 19 517
87 261 261
29 87 261 5 261
2 59
261
99
3.8 EJERCICIOS. Resolver los siguientes sistemas de ecuaciones lineales a
través de la inversa.
1) 6 x1 5 x 2 8 Re spuesta : x1 71
41 , x 2 104
205
56 x1 5 x 2 4
2) 9 x1 6 x 2 3
7 x1 8 x 2 8
3) 2 x1 x 2 4 Re spuesta : x1 269 , x2 16
95
x1 5 x 2 6
4) x1 12 x 2 14 x3 20
8 x1 43 x 2 5 x3 31
x1 x2 x3 25
5) 84 x1 23 x 2 63 x3 14 Re spuesta : x1 4186
629 , x 2 2086
269 , x3 4680
629
13x1 87 x 2 25 x3 16
21x1 15 x 2 25 x3 96
6) 5 x1 x2 x3 14
36 x1 52 x 2 24 x3 98
55 x1 92 x 2 10 x3 30
36 x1 56 x 2 x 4 25 x 4 101679
108998
8) 13 x1 51x 2 30 x3 26 x 4 34
22 x1 41x 2 55 x3 19 x 4 88
45 x1 59 x 2 36 x3 22 x 4 20
61x1 87 x 2 69 x3 48 x 4 52
100
3.9 SOLUCIÓN DE DE UN SISTEMA DE ECUACIONES LINEALES POR LA
REGLA DE CRAMER
D1 D D D
x1 , x2 2 ,............xi i .................xi n
D2 D D D
b1
b
( A1 j A2 j Anj ). 2 b1 A1 j b2 A2 j bn Anj
b
n
Considere la matriz A j :
a11 a 21 b1 a1n
a a 22 b2 a 2 n
A j 12
a a 2 n bn a nn
13
Cofactor de bi en A j Aij
101
3.9 EJEMPLOS. Resuelva los siguientes sistemas de ecuaciones por la regla
Cramer.
1) 3 x1 x 2 0
4 x1 2 x 2 3
3 1 0 1 3 0
A 6 4 10 A1 055 A2 15 0 15
4 2 5 2 4 5
A1 5 1 A2 15 3
x1 , x2 ,
A 10 2 A 10 2
1
X 23
2
2) 10 x1 72 x 2 8
3
8 x1 3 x 2 10
10 72
A 3
30 16
21
501
16
8 3
8 72
A1 24 702 11
10 3
10 8
A2 100 3 103
3
8 10
A1 11 176 A2 103 1648
x1 501 , x2 501 ,
A 16 501 A 16 501
176
501
X 1648
501
3) 2 x1 3 x 2 1
7 x1 4 x 2 47
2 3 1 3 2 1
A 8 21 29 A1 4 141 145 A2 94 7 87
7 4 47 4 7 47
A1 145 A2 87
x1 5, x2 3,
A 29 A 29
5
X
3
102
4) 2 x1 2 x 2 x3 7
x1 2 x 2 x3 0
x1 x 2 3 x3 1
2 2 1 2 2
A 1 2 1 1 2 12 2 2 2 6 11 6 5
1 1 3 1 1
7 2 1 7 2
A1 0 2 1 0 2 42 2 2 7 44 9 35
1 1 3 1 1
2 7 1 2 7
A2 1 0 1 1 0 7 1 2 21 6 23 29
1 1 3 1 1
2 2 7 2 7
A3 1 2 0 1 0 4 7 14 2 11 12 23
1 1 3 1 1
A1 35 A2 29 A1 23
x1 7, x2 , x3
A 5 A 5 A 5
7
X 295
235
103
5) 2 x1 x 2 x3 6
3 x1 2 x 2 x3 5
8 x1 2 x 2 5 x3 11
2 1 1 2 1
A 3 2 3 3 2 20 24 6 16 12 15 25
8 2 5 8 2
6 1 1 6 1
A1 5 2 3 5 2 60 33 10 22 36 25 50
11 2 5 11 2
2 6 1 2 6
A2 6 5 3 3 5 50 144 33 40 66 90 125
8 11 5 8 11
2 1 6 2 1
A3 3 2 5 3 2 44 40 36 96 20 33 75
8 2 11 8 2
A1 20 A2 125 A1 75
x1 2, x2 5, x3 3
A 25 A 25 A 5
2
X 5
3
104
6) 2 x1 x 2 x3 4
x1 x3 2
x 2 5 x3 1
2 1 1 2 1
A 1 0 1 1 0 0 0 1 (0 2 5) 1 2 5 2
0 1 5 0 1
6 1 1 6 1
A1 5 2 3 5 2 60 33 10 22 36 25 50
11 2 5 11 2
2 6 1 2 6
A2 6 5 3 3 5 50 144 33 40 66 90 125
8 11 5 8 11
2 1 6 2 1
A3 3 2 5 3 2 44 40 36 96 20 33 75
8 2 11 8 2
A1 20 A2 125 A1 75
x1 2, x2 5, x3 3
A 25 A 25 A 5
2
X 5
3
105
3.9 EJERCICIOS. Resuelva los siguientes sistemas de ecuaciones por la regla
Cramer.
1) 4 x1 8 x 2 24
48
2 x1 6 x 2 30 Re spuesta : X
21
2) 5 x1 7 x 2 5
3 x1 9 x 2 22
3) 4 x1 7 x 2 9 x3 30
12 x1 5 x 2 2 x3 45
6 x1 18 x 2 x3 42
1640
4677
39
Re spuesta : X 41
2631
820
4) 2 x1 6 x 2 5 x3 19
3 x1 4 x3 8
7 x1 2 x 2 x3 15
5) 5 x1 x 2 3 x3 x 4 40
2 x1 4 x 2 7 x3 5 x 4 16
10 x 2 7 x3 9 x 4 15
9 x1 4 x 2 2 x3 8 x 4 30
3749
421
1500
Re spuesta : X 933421
842
4011
842
6) 3 x1 3 x 2 x4 6
5 x1 x 2 4 x3 7 x 4 25
8 x1 33 x 2 2 x3 23
7 x1 6 x 2 2 x3 9 x 4 8
106
4. ESPACIOS VECTORIALES
107
4.1 EJEMPLOS. Determine si el conjunto dado, junto con las operaciones
especificadas de multiplicación y adición por escalares son un espacio
vectorial.
x
1) El conjunto de todos los vectores en R 2 de la forma en las operaciones
x
vectoriales habituales de adición y multiplicación por escalares.
Solución:
x x
u 1 ; v 2
x1 x2
Aplicando las propiedades a este conjunto :
x x x x2
1) u v 1 2 1
x1 x 2 x1 x 2
x cx
6) cu c 1 1
x1 cx1
x x x x x x
2) 1 2 3 1 2 3
x1 x 2 x3 x1 x 2 x3
x x
3) 1 0 1
x1 x1
x x
4) 1 1 0
x1 x1
x x x x
5) 1 2 2 1
x1 x 2 x 2 x1
x x x x
7) c 1 2 c 1 c 2
x1 x 2 x1 x2
x x x
8) (c d ) 1 c 1 d 1
x1 x1 x1
x x1
9) c d 1 c d x
x1 1
x x
10) 1 1 1
x1 x1
Por lo tan to, como el conjunto dado cumple con los diez axiomas , es un espacio vectorial .
108
x
2) El conjunto de todos los vectores en R 2 con x 0 , y 0 con las
y
operaciones vectoriales habituales de adición y multiplicación por escalar.
Solución:
x x
u 1 ; v 2
y1 y2
Aplicando las propiedades a este conjunto :
x x x x2
1) u v 1 2 1 si la cumple
y1 y 2 y1 y 2
x cx
6) cu c 1 1 no la cumple
y1 cy1
109
x
y en R con xy 0 , (es decir en el
2
3) El conjunto de todos los vectores
primer o tercer cuadrante) con las operaciones vectoriales habituales de
adición y multiplicación por escalar.
Solución:
x x
u 1 ; v 2
y1 y2
Aplicando las propiedades a este conjunto :
x x x x2
1) u v 1 2 1 como resultado se ubica en el primer o tercer cuadrante
y1 y 2 y1 y 2
x cx
6) cu c 1 1
y1 cy1
Si c 0 el resultado se ubica en el primer cuadrante
Si c 0 el resultado se ubica en el tercer cuadrante
x x x x x x
2) 1 2 3 1 2 3
y1 y 2 y3 y1 y 2 y 3
x x
3) 1 0 1
y1 y1
x x
4) 1 1 0
y1 y1
x x x x
5) 1 2 2 1
y1 y 2 y 2 y1
x x x x2
7) c 1 2 c 1 c y
y1 y 2 y1 2
x x x
8) (c d ) 1 c 1 d 1
y1 y1 y1
si la suma de (c d ) es positiva o negativo el resultado se ubica
en el primer o tercer cuadrante
x x
9) c d 1 c d 1
y1 y1
si la multiplica cion de (cd ) es positiva o negativo el resultado se ubica
en el primer o tercer cuadrante
x x
10) 1 1 1
y1 y1
Por lo tan to , como el conjunto dado cumple con los diez axiomas , es un espacio vectorial .
.
110
z
4) El conjunto de todos los vectores en R 2 de la forma con la operaciones
z
habituales de adición y multiplicación por escalares.
Solución:
z z
u 1 ; v 2
z1 z 2
Aplicando las propiedades a este conjunto :
z z a ib1 a 2 ib 2 (a1 a 2 ) i (b1 b2 )
1) u v 1 2 1 si se cumple
z 1 z 2 a1 ib1 a 2 ib2 (a1 a 2 ) i (b1 b2 )
z c (a ib ) ca icb
6) cu c 1 si se cumple
z 1 c (a ib ) ca icb
pero con c 0
ca icb (ca icb ) z
cu
ca icb (ca icb ) z
Cambia su forma con respecto al conjunto dado originalme nte, por lo tan to
no es un espacio vectorial
a 1 0
5) El conjunto de matrices de la forma en M 22 . Con las
0 a 1
operaciones vectoriales habituales de adición y multiplicación por escalares.
Solución:
a 1 0 a 1 0
M1 1 ; M2 2
0 a1 1 0 a 2 1
a 1 0 a 2 1 0 a1 a 2 2 0
1) M 1 M 2 1
0 a1 1 0 a 2 1 0 a1 a 2 2
( a a 2 ) 2 0
1
0 (a1 a 2 ) 2
111
6) El conjunto de matrices diagonales de 3x3 bajo la suma y multiplicación de
matrices por escalares.
Solución:
a1 0 0 a 2 0 0
M 1 0 a1
0 ; M 2 0 a2 0
0 0 a1 0 0 a 2
a1 0 0 a 2 0 0 a1 a 2 0 0
1) M 1 M 2 0 a1 0 0 a2 0 0 a1 a 2 0
0 0 a1 0 0 a 2 0 0 a1 a 2
a1 0 0 ca1 0 0
6) cM 1 c 0 a1 0 0 ca1 0
0 0 a1 0 0 ca1
a1 0 0 a 2 0 0 a3 0 0
2) 0 a1 0 0 a2 0 0 a3 0
0 a1 0 a 2 0 a3
0 0 0
a1 0 0 a 2 0 0 a3 0 0
0 a1 0 0 a2 0 0 a3 0
0 0 a1 0 0 a 2 0 0 a3
a1 0 0 a1 0 0
3) 0 a1
0 0 0 a1 0
0 0 a1 0 0 a1
a1 0 0 a1 0 0
4) 0 a1 0 0 a1 0 0
0 0 a1 0 0 a1
a1 0 0 a 2 0 0 a 2 0 0 a1 0 0
5) 0 a1 0 0 a2 0 0 a2 0 0 a1 0
0 0 a1 0 0 a 2 0 0 a 2 0 0 a1
112
a1 0 0 a 2 0 0 a1 0 0 a 2 0 0
7) c 0 a1 0 0 a2 0 c 0
a1 0 c 0
a2 0
0 a1 0 a 2 0 a1 0 a 2
0 0 0 0
a1 0 0 a1 0 0
9) c d 0 a1 0 c d 0
a1 0
0 a1 0 a1
0 0
a1 0 0 a1 0 0
10) 1 0 a1 0 0 a1 0
0 0 a1 0 0 a1
Por lo tan to el conjunto dado cumple con los diez axiomas y es un espacio vectorial .
x
2) El conjunto de todos los vectores en R 2 con x y con las operaciones
y
vectoriales habituales de adición y multiplicación por escalares.
x
3) El conjunto de los vectores en R 3 de la forma x con la operaciones
x
habituales de suma y multiplicación por un escalar.
113
RESPUESTA: Si constituye un espacio vectorial porque cumple con las diez
propiedades.
0 a
6) El conjunto de las matrices de 2x2 que tienen la forma bajo la suma
b 0
y multiplicación por escalares usuales.
114
4.2 SUBESPACIOS VECTORIALES
Nota: se puede decir que el subespacio H hereda las operaciones del espacio
vectorial “padre” V .
1) Si x H y y H , entonces x y H
1)
a
V R 3 ; W 0
a
a1 a 2
W1 0 ; W2
0
a1
a 2
a1 a 2 a1 a 2
1) W1 W2 0 0
0
a1
a 2
a1 a 2
a1 ca1
2) cW c
0 0
a1
ca1
a1 0
3) con a 0 ; 0
0
1
a
0
contiene al elemento nulo , por lo tan to W es un subespacio de V R 3
115
2)
a
V R ; W a
3
2a 1
a1 a2
W1 a1 ; W2 a 2
2a1 1 2a 2 1
a1 a 2 a1 a 2 a1 a 2
1) W1 W2 a1 a 2 a1 a 2 (a a )
1 2
2a1 1 2a 2 1 (2a1 1) (2a 2 1) 2a1 2a 2 2
a1 a 2
(a1 a 2 ) no cumple con la propiedad de la cerradura
2(a1 a 2 ) 2
a1 ca1 ca1
2) cW c a1 ca1 ca1
2a1 1 c 2a1 1 c 2a1 c1
0
3) con a 0 ; 0 No cumple con el elemento nulo.
1
por lo tan to W no es un subespacio de V R 3
3)
V P2 ; W bx cx 2
W1 b1 x c1 x 2 ; W2 b2 x c 2 x 2
1) W1 W2 b1 x c1 x 2 b2 x c 2 x 2 xb1 b2 x 2 c1 c 2
2) cW c b1 x c1 x 2 cb1 x cc1 x 2
3) con b c 0 ; 0 x 0 x 2 0
contiene al elemento nulo, por lo tan to W es un subespacio de V P2
116
4)
a
V R 3 ; W b
a b 1
a1 a2
W1 b1
; W2 b2
a1 b1 1 a 2 b2 1
a1 a2 a1 a 2
1) W1 W2
b1 b2 b1 b2
a1 b1 1 a 2 b2 1 a1 b1 1 a 2 b2 1
a1 a 2 a1 a 2
b1 b2
b1 b2
a1 b1 a 2 b2 2 a1 a 2 b1 b2 2
no cumple con la propiedad de la cerradura, ya que 2 no es igual al elemento del
subconjunt o original .
a1 ca1 ca1
2) cW c
b1 cb1 cb1
a1 b1 1 c a1 b1 1 ca1 cb1 c1
a1 0
3) con a b 0 ; b1 0 No cumple con el elemento nulo.
a1 b1 1 1
117
5)
a
V R 3 ; W b
a
a1 a2
W1 b1 ; W2 b2
a1 a 2
a1 a 2 a1 a 2
1) W1 W2 b1 b2 b1 b2
a1 a 2 a1 a 2
a1 ca1
2) cW c b1 cb1
a1 c a1
a1 0
3) con a b 0 ; b1 0
a1 0
contiene al elemento nulo , por lo tan to W es un subespacio de V R 3
6)
a b
V M 22 ; W
b 2a
a b1 a b2
M1 1 ; M2 2
b1 2a1 b2 2a 2
a b1 a 2 b2 a1 a 2 b1 b2
1) M 1 M 2 1
b1 2a1 b2 2a 2 b1 b2 2a1 2a 2
a a 2 b1 b2
1
b1 b2 2a1 a 2
a b1 ca1 cb1
2) cW c 1
b1 2a1 cb1 c 2a1
a b1 0 0
3) con a b 0 ; 1
b1 2a1 0 0
118
7) Determine si W es un subespacio de V .
V P2 ; W a bx cx 2 para a b c 0
W1 a1 b1 x c1 x 2 ; W2 a 2 b2 x c 2 x 2
1) W1 W2 a1 b1 x c1 x 2 a 2 b2 x c 2 x 2
a1 a 2 xb1 b2 x 2 c1 c 2
para : a1 4 , b1 2 , c1 2 ; a 2 6, b2 3, c 2 3
respe tan do la condicion a b c 0 se tiene :
4 6 x 2 3 x 2 2 3
10 5 x 5 x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de :10 5 5 0 ; por lo tan to cumple con la
propiedad de la cerradura
2) cW c a1 b1 x c1 x 2 ca1 cb1 x cc1 x 2
para : a1 4 , b1 2 , c1 2
4c 2cx 2cx 2
sigue cumpliendo con la condicion inicial , multiplica ndo
por cualquier valor de c
3) a1 b1 x c1 x 2 con a1 b1 c1 0 ; 0 0 x 0 x 2 0
119
8)
a b
V R 2 ; W
2a b
a b a b2
W1 1 1 ; W2 2
2a1 b1 2a 2 b2
a b a b2 a1 b1 a 2 b2
1) W1 W2 1 1 2
2a1 b1 2a 2 b2 2a1 b1 2a 2 b2
a a 2 b1 b2
1
2a1 a 2 b1 b2
a b 0
3) con a b 0 ; 1 1
2a1 b1 0
120
9)
a b
b c
V R ;W
4
c d
d a
a1 b1 a 2 b2
b c b c
W1 1 1
; W2 2 2
c1 d1 c2 d 2
d1 a1 d 2 a 2
a1 b1 a 2 b2 a1 b1 a 2 b2 a1 a 2 b1 b2
b c b c b c b c b b c c
1) W1 W2 1 1 2 2
1 1 2 2
1 2 1 2
c1 d1 c 2 d 2 c1 d1 c 2 d 2 c1 c 2 d1 d 2
d1 a1 d 2 a 2 d1 a1 d 2 a 2 d1 d 2 a1 a 2
c1 d1 cc1 d1 cc1 cd 1
d1 a1 cd1 a1 cd 1 ca1
a1 b1 0
b c 0
3) con a b c d 0 ; 1 1
c1 d1 0
d1 a1 0
121
10)
V P2 ; W a bx cx 2 para abc 0
W1 a1 b1 x c1 x 2 ; W2 a 2 b2 x c 2 x 2
1) W1 W2 a1 b1 x c1 x 2 a 2 b2 x c 2 x 2
a1 a 2 xb1 b2 x 2 c1 c 2
para : a1 0 , b1 4 , c1 3 ; a 2 0, b2 3, c 2 5
0 0 x4 3 x 3 5
2
0 7 x 8x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de : (0)(7)(8) 0 ; por lo tan to cumple con la
propiedad de la cerradura con a1 a 2 0
para : a1 3 , b1 0 , c1 3 ; a 2 4, b2 0, c 2 5
3 4 x0 0 x 2 3 5
7 0 8x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de : (7)(0)(8) 0 ; por lo tan to cumple con la
propiedad de la cerradura con b1 b2 0
NOTA : con x 2 c1 c 2 no se puede dar valor de c1 c 2 0
por que ya no seria un polinomio de grado 2.
2) cW c a1 b1 x c1 x 2 ca1 cb1 x cc1 x 2
para : a1 0 , b1 4 , c1 3 y con : a1 4 , b1 0 , c1 3
0c 4cx 3cx 2 4c 0cx 3cx 2
sigue cumpliendo con la condicion inicial , multiplica ndo
por cualquier valor de a1 b1 0
3) a1 b1 x c1 x 2 con a1 b1 c1 0 ; 0 0 x 0 x 2 0
122
4.2 EJERCICIOS. Determine en los siguientes ejercicios si W es un
subespacio de V .
a
1) V R 2 ; W Re spuesta :W si es un subespacio de V R 2
0
a c
2) V R ; W b c
3
5c
a
3) V R ; W 0
3
Re spuesta :W si es un subespacio de V R 3
2a
a 1
4) V R 2 ; W
a
a b
5) V M 22 ; W Re spuesta :W no es un subespacio de V M 22
c d
para ad bc
a 1 a
8) V M 22 ; W
0 0
Re spuesta : W no es un subespacio de V P3
123
4.3 INDEPENDENCIA LINEAL
c1 v1 c2 v2 ........ ck vk 0
1)
sea v1 , v 2 , v3 es linealment e dependient e ya que existen escalares c1 , c 2 , c3
de tal forma que :
c1 1 x x 2 c 2 1 x 3x 2 c3 1 3 x x 2 0
1 x x ,1 x 3 x
2
,1 3 x x 2
2
tales escalaressomn, por inspeccion :
1 x x 2 1 x 3x 2 1 3x x 2 0
como el resultado es igual a 0 el conjunto es linealment e dependient e
2)
Deter min e si 1 x, x x 2 ,1 x 2 es linealment e independie nte
entonces : c1 1 x c 2 x x 2 c3 1 x 2 0
agrupando : c1 c3 c1 c 2 x c 2 c3 x 2 0
Esto implica :
c1 c3 0
c1 c2 0 esto implica : c1 c 2 c3 0
c2 c3 0
1 0 1
1 1 0 11 0 11 0 2
0 1 1
como el det er min ante es diferente de 0, e lconjunto es linealment e independie nte
124
3)
1 1 3 0 0 2 1 0
Deter min e si , 1 1 , 3 1 , 1 7 es linealment e independie nte
2 2
1 1 3 0 0 2 1 0 a b
c1 1 1 3 1 1 7 c d
c c c
2 2
2 3 4
c1 3c 2 c4 a 1 3 0 1 c1 a
c1 2c 3 b 1
0 2 0 c 2 b
2c1 c2 3c3 c4 c 2 1 3 1 c3 c
2c1 c2 c3 7c 4 d 2 1 1 7 c 4 d
0 2 0 1 2 0 1 0 0 1 0 2
1 1 3 1 3 2 3 1 0 2 1 1 1 2 1 3
1 1 7 2 1 7 2 1 7 2 1 1
4)
x , 1 x en V P1 1
En forma general :
a bx c
En forma matricial :
0 1 1 c1
1 1 x c
2
0 1
1 1 0 1 1
como el det er min ante es diferente de 0, el conjunto es linealment e independie nte
125
5)
1 x , 1 x 2
,1 x x 2 en V P 2
c1 1 x c 2 1 x 2
c 1 x x
3
2
c1 c1 x c 2 c 2 x c3 c3 x c3 x 2
2
c1 c 2 c3 1 c1 c3 x c 2 c3 x 2 a bx cx 2
c1 c2 c3 a 1 1 1 c1 a
c1 c3 b 1 0 1 c b
2
c2 c3 c 0 1 1 c3 c
0 1 1 1 1 0
1 1 1 10 1 11 0 11 0
1 1 0 1 0 1
111 1
como el det er min ante es diferente de 0, el conjunto es linealment e independie nte
1 1 1 1 1 0
1) Deter min e si , , es linealment e independie nte en M 22
0 1 1 0 3 2
Re spuesta : es linealment e independie nte
2 3 1 1 1 3
2) Deter min e si , , es linealment e independie nte en M 22
4 2 3 3 1 5
2 4
3) Deter min e si 1 , 2 es linealment e independie nte en R 3
4 7
Re spuesta : es linealment e dependient e
4) 2 x , x x 2 , 1 x 3 , 2 x 2 x 3 en V P3
5) x , 2 x x 2 , 3 x 2 x 2 en V P2
Re spuesta : es linealment e dependient e
126
4.4 BASES VECTORIALES.
1.- genera a V
2.- es linealmente independiente.
1)
Demuestre que 1 x, x x 2 ,1 x 2 es una base para V P2
c1 1 x c 2 x x 2 c3 1 x 2 a bx cx 2
c1 c3 c1 c 2 x c 2 c3 x 2 a bx cx 2
c1 c3 a
c1 c2 b
c2 c3 c
1 0 1
de donde : 1 1 0 11 0 11 0 2
0 1 1
127
2)
1 0 0 1 1 1 1 1
Demuestre que , es una base para V M 22
0 1 1 1 1
, ,
0 1 1
1 0 0 1 1 1 1 1 a b
c1 c2 c3 c4
0 1 1 0 1 1 1 1 c d
c1 c3 c4 a 1 0 1 1 c1 a
c2 c3 c4 b 0 1
1 1 c 2 b
c2 c3 c4 c 0 1 1 1 c3 c
c1 c3 c4 d 1 0 1 1 c 4 d
1 1 1 0 1 1 0 1 1 0 1 1
1 1 1 1 0 0 1 1 1 0 1
1 10 1 1
0 1 1 1 1 1 1 0 1 1 0 1
14 00 1 2 1 2 4 2 2 4
como el det er min ante es diferente de 0, elconjunto es linealment e independie nte
por lo tan to es una base para V M 22
3)
1 0 0 1 1 1 1 0
Demuestre que , , , es una base para V M 22
0 1 1 0 0 1 1 1
1 0 0 1 1 1 1 0 a b
c1 c2 c3 c4
0 1 1 0 0 1 1 1 c d
c1 c3 c4 a 1 0 1 1 c1 a
c2 c3 b 0 1 1 0 c b
2
c2 c4 c 0 1 0 1 c 3 c
c1 c3 c4 d 1 0 1 1 c 4 d
1 1 0 0 1 0 0 1 0 0 1 1
1 1 0 1 0 0 0 1 1 0 1 1 1 0 1 0
0 1 1 1 1 1 1 0 1 1 0 1
128
4)
1 2 3 4 5 6 7 8
Demuestre que , , , es una base para V M 22
1 2 3 4 5 6 7 8
1 2 3 4 5 6 7 8 a b
c1 c2 c3 c4
1 2 3 4 5 6 7 8 c d
c1 3c 2 5c3 7c 4 a c1 a
1 3 5 7
2c1 4c 2 6c 3 8c 4 b c b
2 4 6 8
2
c1 3c 2 5c3 7c 4 c c3 c
1 3 5 7
2c1 4c 2 6c 3 8c 4 d 2
c 4 d
4 6 8
4 6 8 2 6 8 2 4 8 2 4 6
1 3 5 7 3 1 5 7 5 1 3 7 7 1 3 5
4 6 8 2 6 8 2 4 8 2 4 6
5)
Demuestre que 1 x,1 x 2 , x x 2 es una base para V P2
c1 1 x c 2 1 x 2 c3 x x 2 a bx cx 2
c1 c1 x c 2 c 2 x 2 c3 x c3 x 2 a bx cx 2
c1 c2 c1 c3 x c2 c3 x 2 a bx cx 2
Igualando potencias en ambos lados :
c1 c 2 a
c1 c3 b
c 2 c3 c
1 1 0
0 1 10 1 11 0 01 0
ò 1
0 1 1
11 0 0
como el det er min ante es igual a 0, el conjunto es linealment e dependient e
por lo tan to no es una base para V P2
129
4.4 EJERCICIOS. Determine si los siguientes conjuntos constituyen una base.
1 2 2 1 1 3 2 3
1) Demuestre que , 1 2 , 3 1 , 3 1 es una base para V M 22
2 1
1 1 0 1 1 1
2) Demuestre que , 1 0 , 1 1 es una base para V M 22
0 1
1 0 0 1 1 0 0 1
3) Demuestre que , , , es una base para V M 22
0 1 1 0 1 0 0 1
4) Demuestre que 1 , 1 2 x 3 x 2 es una base para V P2
5) Demuestre que 1 , 2 x , 3 x 2 , x 2 x 2 es una base para V P2
130
4.4.1 CAMBIO DE BASE.
1 0
En V R 2 se expresan vectores en término de la base iˆ , ˆj , . Así
0 1
como también, para V R se expresan vectores en términos de la base
3
1 0 0
iˆ , ˆj , kˆ 0 , 1 , 0 .
0 0 1
Pero en ocasiones se puede trabajar en alguna otra base y para lo cual existe
in numero infinito de bases para escoger, ya que en un espacio vectorial de
dimensión n cuales quiera n vectores linealmente independientes forman una
base.
1 0
Para el caso de V R 2 , sean uˆ1 y uˆ 2 . Entonces 1 uˆ1 , uˆ 2 es una
0 1
1 1
base canónica en R 2 . Sean v1 y v2 . Como v1 y v 2 son linealmente
3 2
independientes (por que v1 no es múltiplo de v 2 ), entonces 2 v1 , v2 es
x1
una segunda base en R 2 . Sea x un vector en R 2 . Esta notación
x2
significa que:
x 1 0
x 1 x1 x2 x1 uˆ1 x2 uˆ 2
x2 0 1
Es decir x esta expresado en términos de los vectores de la base 1 . Es decir:
x
x 1 1
x2
Como 2 es otra base en R 2 , existen escalares c1 y c2 tales que:
x c1 v 1 c2 v 2
c1
Encontrando a c1 y c2 , se tiene: x
2 c2
Lo que significa que x esta expresado en términos de los vectores en 2 .
131
Para encontrar c1 y c2 se escribe la base anterior uˆ1 , uˆ 2 en términos de la
1 1 1
uˆ1 c1 c 2 A
0 3 2
0 1 1
uˆ 2 c1 c 2 B
1 3 2
Entonces:
De A : 1 c1 c 2
0 3c1 2c 2 Re solviendo;
3 3c1 3c 2
0 3c1 2c 2
3 0 5c 2
3 2 3
3 5c 2 c2 uˆ1 v1 v 2
5 5 5
3 2
c1 1 c 2 1
5 5
De B : 0 c1 c 2
1 3c1 2c 2 Re solviendo;
0 3c1 3c 2
1 3c1 2c 2
1 0 5c 2
1 1 1
1 5c 2 c 2 uˆ 2 v1 v 2
5 5 5
1
c1 c 2
5
2 3 1 1
Entonces : x x1uˆ1 x 2 uˆ 2 x1 v1 v 2 x 2 v1 v 2
5 5 5 5
2 1
3 1
x1 x 2 v1 x1 x 2 v 2
5 5 5 5
2 1
Entonces : c1 x1 x 2
5 5
3 1
c 2 x1 x 2
5 5
o tambien :
2 1 2 1
c1 5 x1 5 x 2 5
5 x1
x 2
c 2 3 x1 1 x 3 1 x 2
5 5 5 5
132
3
Por ejemplo si x 1 , entonces :
4
2 1 2
3
x 2 5 5 5
3 1 4 13
5 5 5
y
y
û 2
x
v1
û1 v2
2
v1
5 x
13
v2
5
2 13 3
v1 v2
a b 5 5 4
3 1 0
FIGURA (a) Expresión de v = en términos de 1 ,
4 0 1
3 1 1
FIGURA (b) Expresión de v = en términos de 2 ,
4 3 2
2 1
A la matriz A 5 5 se le llama matriz de transición de 1 a 2 .
3 1
5 5
En general, el procedimiento para encontrar la matriz de transición de una base
1 a la base 2
133
4.4.1 EJEMPLOS.
1) Sea Px 1 2 x x 2 con 1 1, x, x 2 . Encuentre el vector coordenada de
Px con respecto a 2 1 x, x x 2 ,1 x 2
Los vectores coordenados de Px en términos de 2 son:
1 0 1
1 x 1
1 , x x 2
1 1 , 1 x
2
1 0
0 1 1
Entonces, la matriz de transición de 1 a 2 se obtiene a partir de:
1 0 1
P1 2 1 1 0
0 1 1
Para determinar P1 2 es mucho más fácil utilizar el hecho de que:
1
1 0 1
P 2 1 P1 2
1
1 1 0
0 1 1
1 0 1 1 0 0 1 0 1 1 0 0
R1 R2
1 1 0 0 1 0 0 1 1 1 1 0
0 1 1 0 0 1 0 1 1 0 0 1
1 0 1 1 0 0 1 12
1
R
2 3
R3 R2
0 0 12 1
2
R2 R3 R3 R1 1
0 1 1 1 1 0 0 1 0 12 1
2 2
0 0 2 1 1 1 0 0 1 12 1
2
1
2
12 1
2 12
12 1
2
1
2
2 2
1 1 1
2
Entonces:
12 1
12 1 12 1 12 2
2
Px 2 P1 2 12 1 1 1
1
2 2 2 1 2 0
1
x 1 2
12 1
2
1 12 1 12 1
2 1
Finalmente: Px 2 2 x 2
134
3 1 0 0 1 1 1
2) Sea x 1 1 , 1 0 , 1 , 0 ; 2 0 , 1 , 1
0 0 1 1 0 1
5
Calcular x 2
Los vectores coordenados de x 1 términos de 2 se obtienen de las siguientes
combinaciones lineales:
1 1 1 1
0 c1 0 c 2 1 c3 1
0 1 0 1
0 1 1 1
1 c 4 0 c 5 1 c 6 1
0 1 0 1
0 1 1 1
0 c 7 0 c 8 1 c 9 1
1 1 0 1
1 1 1
Entonces: P1 2 0 1 1
1 0 1
135
1
1 1 1
P 2 1 P1 2
1
0 1 1
1 0 1
1 1 1 1 0 0 1 1 1 1 0 0
R1 R3
0 1 1 0 1 0 0 1 1 0 1 0
1 0 1 0 0 1 0 1 0 1 0 1
R2 R3
1 0 0 1 1 0 1 0 0 1 1 0
R2 R1 R3 R2
0 1 1 0 1 0 0 1 0 1 0 1
0 0 1 1 1 1 0 0 1 1 1 1
1 1 0
1 0 1
1 1 1
Finalmente:
1 1 0 3 3 1 0 2
1 0 1 1 3 0 5 2
1
x 2 P1 2 x 1
1 1 1 5 3 1 5 3
136
3) Sea P1 x 4 2 x x 2 con 1 1, x, x 2 . Encuentre el vector coordenada de
Px con respecto a 2 1 x x , x x , x 2 . 2 2
1 0 0
1 x x 1 2
1 ,
x x 1
x 1 0
2
1 , 2
1
1 0 0
P 2 1 P1 2 1
1 1 0
1 1 1
1 0 0 1 0 0 R R 1 0 0 1 0 0
1 2
1 1 0 0 1 0
R1 R3
0 1 0 1 1 0
1 1 1 0 0 1 0 1 1 1 0 1
1 0 0 1 0 0
R2 R3
0 1 0 1 1 0
0 0 1 0 1 1
1 0 0
1 1 0
0 1 1
Entonces:
1 0 0 4 4 0 0 4
Px 2 P1 2 1 1 0 2 4 2 0 6
1
x 1
0 1 1 1 0 2 1 1
Finalmente: Px 2 4 6 x x 2
137
1 1 0 0 1 1 0
4) Sea x 1 4 , 1 0 , 1 , 0 ; 2 0 , 1 , 0
0 0 1 1 1 1
0
Calcular x 2
P 2 1 P1 2
1
1 1 0
Entonces: P1 2 0 1 0
1 1 1
R2 R1
1 0 0 1 1 0
2 R2 R3
0 1 0 0 1 0
0 0 1 1 2 1
1 1 0
0 1 0
1 2 1
Finalmente:
1 1 0 1 1 4 0 3
x 2 P1 2
1
x 1
0 1 0 4 0 4 0 4
1 2 1 0 1 8 0 7
138
1 1 4 0 1 0 1
5) Sea x 1 4 , 1 3 , 2 , 1 ; 2 0 , 1 , 0
2 1 2 1 1 0
2
Calcular x 2
Partiendo de x u 1 4 u 2 2 u 3 u 1 4u 2 2u 3
2 2 2 2
Ordenando:
1
x 2 u 1 u 2 u 3 4
2 2 2
2
Donde: P 2 1 u 1 u u3
2 2 2
2
Por lo tanto:
1 1 0 1
u 1 3 c1 0 c 2 1 c3 0
2 1 1 0
1 c1 c3 c1 5
3 c2 de donde c2 3
2 c1 c2 c3 4
Entonces: u 1 5 v 1 3 v 2 4 v 3
139
Ordenando:
5 3 1
P 2 1 3 2 1
4 1 1
Finalmente:
5 3 1 1 5 12 2 9
x 2 3 2 1 4 3 8 2 3
4 1 1 2 4 4 2 6
1 2
1
12 1
2 2
Finalmente:
1 2 1 32 52
1
1
x 2 P1 2 x 1 12 2
2 12 3 1 32 12
140
1 1 0 0 1 0 0
7) Sea x 0 , 1 0 , 1 , 0 ; 2 1 , 1 , 0 en R 3
0 0 1 1 1 1
1
Calcular x 2
P 2 1 P1 2
1
1 0 0
Entonces: P1 2 1 1 0
1 1 1
Finalmente:
1 0 0 1 1 0 0 1
1 1 0 0 1 0 0 1
1
x 2 P1 2 x 1
0 1 1 1 0 0 1 1
141
8) Sea P1 x 2 x con 1 1, x. Encuentre el vector coordenado de Px
con respecto a 2 x ,1 x.
Los vectores coordenadas de Px en términos de 2 son:
1 1
x 1 x 1
0
1 1
1
1 1
P 2 1 P1 2
1
0 1
1 1 1 0 R2 R1 1 0 1 1
0 1 0 1 0 1 0 1
1 1
0 1
Entonces:
1 1 2 2 1 3
Px 2 P1 2
1
x 1
0 1 1 1 1
Finalmente: Px 2 3 x
142
4.4.1 EJECICIOS. Encuentre la matriz de cambio de base P1 2 de los
siguientes ejercicios.
2 1 0 1 1
1) Sea x , 1 , ; 2 , en R 2
3 0 1 1 1
Calcular x 2
5
Re spuesta : 2 1
2
4 1 1 0 2
2) Sea x , 1 , ; 2 , en R 2
1 0 1 1 3
Calcular x 2
2 1 0 1 3 1 0
3) Sea x 1 , 1 1 , 1 , 0 ; 2 0 , 2 , 1 en R 3
4 0 1 1 0 1 5
Calcular x 2
86
33
Re spuesta : 11 20
117
3 0 0 1 1 0 1
4) Sea x 2 , 1 1 , 0 , 0 ; 2 1 , 1 , 0 en R 3
5 0 1 0 0 1 1
Calcular x 2
5) Sea P1 x 1 x 2 con 1 1, x, x 2 . Encuentre el vector coordenado de Px
con respecto a 2 1 x x , x x , x 2 .
2 2
1
Re spuesta : 1 1 x x 2
1
6) Sea P1 x 1 3x con 1 1 x,1 x. Encuentre el vector coordenado de
Px con respecto a 2 2 x,4. .
143
7) Sea P1 x 2 x 3 3x 2 5x 6 con 1 1, x, x 2 , x 3 . Encuentre el vector
coordenado de Px con respecto a 2 1,1 x, 1 x , 1 x .
2 3
Re spuesta : 2 x 3 x 2 5 x 2 x 10x 1 16
8) Sea P1 x 2 x 3x 2 con 1 1 x,3x, x 2 x 1 . Encuentre el vector
coordenado de Px con respecto a 2 3 2 x,1 x, x x 2 .
144
5. TRANSFORMACIONES
Las matrices pueden ser utilizadas para transformar vectores cuando actúan en
funciones de la forma w T v .
Una función es una transformación lineal de los números reales que
transforman números reales en números reales, por ejemplo: f x x 2 .
En el caso de matrices, éstas pueden transformar un vector en R 2 a R 3 , por
ejemplo:
1 3
2
A 1 0 y v
4 3 5
1 3 2 15 17
2
Entonces: w A v 1 0 2 0 2
5
4 3 8 15 23
Esto demuestra que A transforma a v en w .
x 3y
x
La matriz A transforma un vector arbitrario de R en un vector x 0
2
y 4 x 3 y
de R 3 .
Tal transformación se escribe como:
x 3y
x
T A x
y 4 x 3 y
Una transformación (o mapeo o función) T de R n a R m es una regla que
asigna a cada vector v de R n un vector único T v de R m . El dominio de T
es R , mientras que el contradominio de T es R m . Escribiéndose de la
n
145
Definición. Una transformación T : R n R m se denomina transformación lineal
si:
1. T u v T u T v para todo u y v en R n
2. T c v cT v para todo v en R n y todo escalar c
La definición de transformación puede ser racionalizada mediante la
combinación de las dos propiedades anteriores, de la siguiente manera:
T : R n R m es transformación lineal si T c1 v 1 c2 v 2 c1T v 1 c2T v 2 para
todo v 1 y v 2 en R n y escalares c1 y c2 .
En el caso de las transformaciones matriciales, todas son lineales.
146
5.1 EJEMPLOS.
1 a
Encuentre T y T
2 b
1 2
Ya que , es una base para R 2 (son linealmente independientes)
1 3
por lo tanto:
Por lo tanto:
De manera similar:
1 2 a c 2c2 a c1 3a 2b
c1 c2 1 Re solviendo
1 3 b c1 3c2 b c2 b a
Por lo tanto:
a 1 2 1 2
T T 3a 2b b a 3a 2b T b a T
b 1 3 1 3
3a 2b 2 3x x 2 b a 1 x 2
a
T 5a 3b 9a 6b x 4a 3b x 2
b
Cuando a 1 y b 2 se tiene:
1
T 11 21x 10 x 2
2
147
2) Sea T : P2 P2 una transformación lineal para la cual:
T 1 3 2 x T x 4 x x 2
T x 2 2 2x 2
Encuentre: T 6 x 4 x 2
T a bx cx 2
Ya que 1, x, x 2 es una base para P2 (son linealmente independientes), por
lo tanto:
c1 1 c2 x c3 x 2 6 x 4 x 2
c1 6 ; c2 1 ; c3 4
Por lo tanto:
T 6 x 4 x 2 T 61 1x 4 x 2
6 T 1 T x 4T x 2
6 3 2 x 4 x x 42 2 x
2 2
T 6 x 4 x 2 18 12 x 4 x x 2 8 8 x 2 10 8 x 9 x 2
De manera similar:
c1 1 c2 x c3 x 2 a bx cx 2
c1 a ; c2 b ; c3 c
Por lo tanto:
T a bx cx 2 T a1 bx c x 2
a T 1 bT x cT x 2
a 3 2 x b4 x x c2 2 x
2 2
T a bx cx 2 3a 2c 2a 4b x b 2c x 2
Cuando a 6 ; b 1 ; c 4
T 6 x 4 x 2 10 8 x 9 x 2
148
3) Sea T : R 3 R 2 una transformación lineal para la cual:
1 0 0
2 1 5
T 0 T 1 T 0
0 3 0 4 1 3
3
Calcule T 4
5
1 0 0
Dado que: 0 , 1 , 0 constituyen una base (linealmente
0 0 1
independientes), entonces:
1 0 0 3
c1 0 c 2 1 c3 0 4
0 0 1 5
Resolviendo:
c1 3 c2 4 c3 5
Entonces:
1 0 0 3
T 3 0 4 1 5 0 T 4
0 0
1
5
1 0 0 3
3T 0 4 T 1 5 T 0 T 4
0 0 1 5
3
2 1 5
3 4 5 T 4
3 4 3 5
3
6 4 25
T 4
9 16 15 5
3
6 4 25 35
T 4
5 9 16 15 22
149
4) Sea T : M 22 R una transformación lineal para lo cual:
1 0 1 1 1 1 1 1
T 4 T 1 T 2 T 3
0 0 0 0 1 0 1 1
4 7
Encuentre: T
1 2
Dado que:
1 0 1 1 1 1 1 1
, 0 0 , 1 0 , 1 1 Constituyan una base (linealmente
0 0
independientes), entonces:
1 0 1 1 1 1 1 1 4 7
c1 c2 c3 c4
0 0 0 0 1 0 1 1 1 2
Entonces: Resolviendo:
c1 c 2 c3 c 4 4 c4 2
c 2 c3 c 4 7 c3 1 c4 1 2 3
c3 c 4 1 c2 7 c3 c4 7 3 2 7 3 2 8
c4 2 c1 4 c2 c3 c4 4 8 3 2 4 8 3 2 3
Por lo tanto:
1 0 1 1 1 1 1 1 4 7
T 3 8 3 2 T
0 0 0 0 1 0 1 1 1 2
1 0 1 1 1 1 1 1 4 7
3T 8T 3T 2T T
0 0 0 0 1 0 1 1 1 2
4 7
3 4 8 1 3 2 2 3 T
1 2
4 7
T 12 8 6 6 20
1 2
150
5) Sea T : P2 P2 una transformación lineal para la cual
T 1 1 x 2 T x x x 2
T x2 1 x x2
Encuentre: T 4 x 3x 2
Ya que 1, x, x 2 es una base para P2 (son linealmente independientes) por
lo tanto:
c1 1 c2 x c3 x 2 4 x 3x 2
c1 4 ; c2 1 ; c3 3
Por lo tanto:
T 4 x 3x 2 T 41 1x 3 x 2
4 T 1 T x 3T x
2
4 1 x x x 31 x x
2 2 2
T 4 x 3x 2 4 4 x 2 x x 2 3 3x 3x 2 7 2 x 8 x 2
T 4 x 3x 2 7 2 x 8 x 2
1 3
Encuentre: T
4 2
Dado que:
1 0 1 1 1 1 1 1
, 0 0 , 1 0 , 1 1 Constituyen una base (son linealmente
0 0
independientes), entonces:
1 0 1 1 1 1 1 1 1 3
c1 c2 c3 c4
0 0 0 0 1 0 1 1 4 2
151
Resolviendo:
c1 c 2 c3 c 4 1 c4 2
c 2 c3 c 4 3 c3 4 c4 4 2 2
c3 c 4 4 c2 3 c3 c4 3 2 2 1
c4 2 c1 1 c2 c3 c4 1 1 2 2 1 1 2 2 2
Por lo tanto:
1 0 1 1 1 1 1 1 1 3
T 2 1 2 2 T
0 0 0 0 1 0 1 1 4 2
1 0 1 1 1 1 1 1 1 3
2T 1T 2T 2T T
0 0 0 0 1 0 1 1 4 2
1 3
2 1 12 2 3 2 4 T
4 2
1 3
T 2 2 6 8 10
4 2
1 3
T 1 2x y T x 2x 2
1 1
7
Encuentre T
9
1 3
Ya que , es una base para R 2 (son linealmente independientes)
1 1
por lo tanto:
1 3 7 c1 3c2 7 c1 5
c1 c2 Re solviendo
1 1 9 c1 c2 9 c2 4
Por lo tanto:
152
8) Sea T : R 2 R 2 una transformación lineal tal que:
1 5 2 9
T y T
1 8 2 4
10 7
Encuentre T y T
15 11
1 2
Ya que , es una base para R 2 (son linealmente independientes)
1 2
por lo tanto:
Por lo tanto:
10 1 2 1 2
T T 252 54 25
T 54 T
15 1 1
2
2 2
5 9
252 54
8 4
125 45
2 4
100 5
10 1252 4 295
45
T
4
15 100 5 105
De manera similar:
1 2 7 c 2c2 7 c1 2
c1 c2 1 Re solviendo
1 2 11 c1 2c2 11 c2 92
Por lo tanto:
7 1 2 1 2
T T 2 92 2T 92 T
11 1 2 1 2
5 9
2 92
8 4
10 812
16 18
7 10 812 101
T 2
11 16 18 34
153
5.1 EJECICIOS. Encuentre las transformaciones lineales de los siguientes
ejercicios.
Encuentre T a bx cx 2 y T 25 15x 10 x 2
Re spuesta : a b c 2a 12 b 12 c x y 952 x
Encuentre T a bx , T 15 10 x y T b ax
154
1 5 a b
Encuentre: T y T
3 2 c d
155
6. APENDICE. Algebra Lineal con SCIENTIFIC WORD PLACE (Versión 5.0)
156
157
158
159
160
161
162
163
164
165
166
7. BIBLIOGRAFIA CONSULTADA.
167