Lineal 1 45

Capı́tulo 1
Vectores
El concepto de vector es básico para todo el curso. Proporciona la motivación

geométrica de cada cosa que sigue. Por lo tanto, se estudiarán sus propiedades al-
gebráicas y geométricas.
1.1. Definición de puntos en el espacio n

Sabemos que un número se puede representar por un punto en la recta; que una
pareja de números, (x, y), se representa por un punto en el plano; y que una terna de
números representa un punto en el espacio, esto es, en el espacio tridimensional (mostrar
gráficos). Aunque ya no se puede dibujar, se puede considerar:
Una cuádrupla de números (x1 , x2 , x3 , x4 ), que es un punto en el espacio de 4
dimensiones.
Una quı́ntupla (x1 , x2 , x3 , x4 , x5 ), un punto en el espacio de 5 dimensiones.
séxtupla, séptupla, óctupla,...

Se puede definir un punto en el espacio de n dimensiones como la n-upla de
números
(x1 , x2 , ..., xn )
si n es un entero positivo. Se denotará con una X mayúscula dicha n-upla; y a los
números x1 , x2 , ..., xn como las coordenadas de dicho punto.
Definición 1 Sean A = (a1 , a2 , ..., an ) y B = (b1 , b2 , ..., bn ) dos puntos. Se define la
suma de A y B, denotada por A + B, como el punto cuyas coordenadas son
A + B = (a1 + b1 , a2 + b2 , ..., an + bn )
Por ejemplo, en el plano, si A = (1, 2) y B = (−3, 5), entonces
A + B = (−2, 7)
1
2 CAPÍTULO 1. VECTORES
√
En el espacio de tres dimensiones, si A = (−1, π, 3) y B = ( 2, 7, −2), entonces
√
A + B = ( 2 − 1, π + 7, 1)
Definición 2 Sea A = (a1 , a2 , ..., an ) un punto y c cualquier número, entonces la mul-

tiplicación del punto A por el número c, denotado por cA, se define como el punto cuyas
coordenadas son
cA = (ca1 , ca2 , ..., can )
Si A = (2, −1, 5) y c = 7, entonces cA = (14, −7, 35).

Para A, B y C n-uplas y c un número, se cumplen las siguientes propiedades:
1. A + B = B + A
2. (A + B) + C = A + (B + C)
3. c(A + B) = cA + cB
4. Si c1 y c2 son números, entonces
(c1 + c2 )A = c1 A + c2 A y (c1 c2 )A = c1 (c2 A)
5. Si hacemos O = (0, 0, ..., 0) el punto cuyas todas las coordenadas son 0, entonces
O+A=A+O =A para toda A
6. 1 · A = A
7. Si denotamos −A por la n-upla (−1)A, entonces
A + (−1)A = O
Ahora checaremos la suma y la multiplicación por un número desde el punto de vista

geométrico. Considere los puntos en el plano A = (2, 3) y B = (−1, 1). Entonces
A + B = (1, 4)
Vemos que la representación geométrica de la suma genera un paralelogramo en el

plano.
Sea A = (1, 2) y c = 3, entonces cA = (3, 6). Por otra parte, 21 A = 21 , 1 . En general,

si t es un número positivo (t > 0), entonces tA es un punto en la misma dirección de

A. Sin embargo, si t < 0, entonces tA es un punto en dirección opuesta a A.
1.2. VECTORES ANCLADOS 3
1.2. Vectores anclados

Sean A = (a1 , a2 , ..., an ) y B = (b1 , b2 , ..., bn ) dos n-uplas. El vector anclado con
−→
punto inicial en A y punto final en B, denotado por AB, tiene por componentes:
−→
AB = B − A = (b1 − a1 , b2 − a2 , ..., bn − an )
Por ejemplo, si A = (3, 7) y B = (−4, 2) son dos puntos en el plano (<2 ), entonces el
−→
vector anclado AB tiene componentes:
−→
AB = B − A = (−4, 2) − (3, 7) = (−7, −5)
Por otra parte, si A = (1, −1, 3) y B = (2, 4, 1) son dos puntos en el espacio (<3 ),
−→
entonces AB = B − A = (1, 5, −2).
Un vector anclado en el origen se denota únicamente por su punto final, por ejemplo
A = (3, 6, −1, 8).
Definición 3 Se dice que dos vectores A y B son paralelos si existe un número c 6= 0
tal que B = cA.
Dicho de otra manera, dos vectores son paraelos si uno es múltiplo del otro. Por ejemplo,
los vectores A = (−7, −5) y B = (−21, −15) son paralelos porque
B = (−21, −15) = 3(−7, −5) = 3A
Ası́, B es un múltiplo de A. Como 3 > 0, los vectores A y B tienen el mismo sentido.
1.3. Producto escalar

Definición 4 Sean A = (a1 , a2 , ..., an ) y B = (b1 , b2 , ..., bn ) dos vectores en el espacio n
dimensional. Definimos el producto escalar o producto punto de A y B, denotado
por A · B, como
A · B = a1 b1 + a2 b2 + ... + an bn
Observe que el producto escalar da como resultado un número. Por ejemplo, si A =
(1, 3, −2) y B = (−1, 4, −3), entonces
A · B = (1, 3, −2) · (−1, 4, −3) = 1(−1) + 3(4) + (−2)(−3) = 17
El producto escalar satisface las siguientes propiedades:

Teorema 1 Sean A, B y C tres vectores en el espacio de dimensión n, y sea α un
número. Entonces se cumple lo siguiente:
1. A · B = B · A conmutativa
2. A · (B + C) = A · B + A · C distributiva
3. (αA) · B = α(A · B) y A · (αB) = α(A · B).
4. Si A = 0 es el vector cero, entonces A · A = 0; en otro caso A · A > 0.

Demostración: Sólo se demuestra el inciso 1. Sean los vectores A = (a1 , a2 , ..., an ) y
B = (b1 , b2 , ..., bn ). Por definición,
A · B = a1 b1 + a2 b2 + ... + an bn = b1 a1 + b2 a2 + ... + bn an
ya que la multiplicación de números reales es conmutativa. Por lo tanto, A · B = B · A.

Notación: A2 = A · A representa el producto escalar de un vector con él mismo.
Ejemplo 1 Verifique las siguientes identidades (A+B)2 = A2 +2A·B+B 2 y (A−B)2 =

A2 − 2A · B + B 2 .
Definición 5 Se dice que dos vectores A y B son perpendiculares entre sı́ (u orto-
gonales) si A · B = 0.
Por ejemplo, sean A = (1, 2, 3) y B = (2, 1, − 34 ). Entonces A · B = 0, por lo que A y B

son vectores perpendiculares u ortogonales.
Otro ejemplo, considere los vectores E1 = (1, 0, 0), E2 = (0, 1, 0) y E3 = (0, 0, 1) en
<3 . Observe que E1 · E2 = 0, E1 · E3 = 0 y E2 · E3 = 0; es decir, estos vectores son
ortogonales.
Si A = (a1 , a2 , a3 ), entonces la i-ésima componente de A está dada como
ai = A · Ei
Vemos que A es perpendicular a Ei si y sólo si su i-ésima componente es igual a cero.

Ejemplo 2 Producto interno. Sean f y g dos funciones continuas en el intervalo
cerrado [−1, 1]. Defina el producto escalar de las funciones f y g como
Z 1
hf, gi = f (x)g(x)dx
−1
Por ejemplo, si f (x) = x y g(x) = x2 entonces

Z 1 Z 1
2 2 2
hf, f i = x dx = hg, gi = x4 dx =
−1 3 −1 5
y Z 1
hf, gi = x3 dx = 0
−1
En este caso, decimos que f y g son funciones ortogonales porque su producto escalar
es cero.
1.4. LA NORMA DE UN VECTOR 5
1.4. La norma de un vector

Definición 6 Sea A = (a1 , a2 , ..., an ) un vector en <n . La longitud o norma de A,
denotada por kAk, se define como
q
kAk = a21 + a22 + ... + a2n
√
Se puede ver que kAk = A · A, por lo que kAk2 = A · A.
Si A = (a1 , a2 , ..., an ) y A 6= 0, entonces k A k6= 0 ya que para alguna coordenda ai 6= 0,
se tiene que a2i > 0 y por lo tanto
k A k2 = a21 + a22 + ... + a2n > 0
ası́ que k A k6= 0. Un vector unitario es aquel que tiene longitud igual a 1.
1.5. La ecuación de una recta

Definimos la ecuación paramétrica de una lı́nea recta que pasa a través del punto P
en la dirección de un vector A 6= 0 como
X = P + tA
donde t es cualquier número real.

Supóngase que trabajamos en el espacio de tres dimensiones, es decir, <3 , y escribimos
las coordenadas del punto X como (x, y, z). Sean P = (x0 , y0 , z0 ) y A = (a, b, c).
Entonces en términos de coordenadas, podemos escribir
(x, y, z) = (x0 , y0 , z0 ) + t(a, b, c)
por lo que,
x = x0 + at, y = y0 + bt y z = z0 + ct
estas son las ecuaciones paramétricas de la recta. Al despejar t en las tres ecuaciones
e igualandolas resulta:
x − x0 y − y0 z − z0
= =
a b c
siempre que a, b y c sean diferentes de cero. Estas son las ecuaciones simétricas de
la recta.
Ejemplo 3 Escriba las ecuaciones simétricas y paramétricas de la recta ` que pasa por
el punto P = (2, −3, 1) en dirección del vector A = (−1, 4, 3).
Solución: Sea P = (x0 , y0 , z0 ) = (2, −3, 1) y A = (a, b, c) = (−1, 4, 3). Entonces las
ecuaciones paramétricas de la recta ` son
x=2−t y = −3 + 4t z = 1 + 3t
Mientras que
x−2 y+3 z−1
= =
−1 4 3
son las ecuaciones simétricas.
Ejemplo 4 Encuentre las ecuaciones paramétricas y simétricas de la recta ` que pasa

por los puntos P = (2, −1, 6) y Q = (3, 1, −2).
Solución: Tenemos dos puntos por donde pasa la recta pero nos hace falta el vector de
dirección A. El vector dirección se obtiene de la siguiente manera
−→
A = P Q = Q − P = (3, 1, −2) − (2, −1, 6) = (1, 2, −8)
Si P = (x0 , y0 , z0 ) = (2, −1, 6) y A = (a, b, c) = (1, 2, −8), entonces
x=2+t y = −1 + 2t z = 6 − 8t
son las ecuaciones paramétricas de la recta `, mientras que

x−2 y+1 z−6
= =
1 2 −8
son las ecuaciones simétricas.
Suponga que la recta ` pasa por el origen P = (0, 0, 0) con vector de dirección A =
(a, b, c), entonces sus ecuaciones paramétricas quedan de la forma
x = at y = bt z = ct
Mientras que las simétricas están dadas por

x y z
= =
a b c
siempre que a, b y c sean diferentes de cero.
Ejemplo 5 Escriba las ecuaciones paramétricas y simétricas de la recta ` que pasa por
el punto P = (0, 0, 0) con vector de dirección A = (2, −3, 7).
Solución. La recta ` pasa por el origen ya que P = (x0 , y0 , z0 ) = (0, 0, 0) y vector de

dirección A = (a, b, c) = (2, −3, 7). Entonces
x = 2t y = −3t z = 7t
son las ecuaciones paramétricas y

x y z
= =
2 −3 7
son las simétricas.
1.6. EL PLANO EN R3 7
1.6. El plano en R3
Ası́ como la ecuación de una recta en el espacio se obtiene especificando un punto
sobre la recta y un vector paralelo a esta recta, pueden derivarse ecuaciones de un
plano en el espacio especificando un punto en el plano y un vector ortogonal a todos
los vectores en el plano. Este vector ortogonal se llama vector normal al plano y se
denota por N .
Definición 7 Sea P un punto en el espacio y sea N un vector dado diferente de cero.

−→
Entonces el conjunto de todos los puntos Q para los que P Q · N = 0 constituye un
plano en <3 .
Sea P = (x0 , y0 , z0 ) un punto fijo sobre un plano con vector normal N = (a, b, c). Si
Q = (x, y, z) es otro punto en el plano, entonces
−→
P Q = Q − P = (x − x0 , y − y0 , z − z0 )
−→
es ortogonal al N , es decir, P Q · N = 0. Pero esto implica que
(x − x0 , y − y0 , z − z0 ) · (a, b, c) = 0
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0

Esta es la ecuación cartesiana del plano. O bien,
ax + by + cz = d
donde d = ax0 + by0 + cz0 = P · N .
Ejemplo 6 Encuentre la ecuación de un plano que pasa por el punto P = (2, 5, 1) y

que tiene como vector normal a N = (1, −2, 3).
Solución: Haciendo P = (x0 , y0 , z0 ) = (2, 5, 1), N = (a, b, c) = (1, −2, 3) y usando la

ecuación anterior resulta,
1(x − 2) − 2(y − 5) + 3(z − 1) = 0
o bien,
x − 2y + 3z = −5
Esta es la ecuación del plano que pasa por P ortogonal a N .
Ejemplo 7 Encuentre la ecuación del plano que pasa por los puntos P = (1, 2, 1),
Q = (−2, 3, −1) y R = (1, 0, 4).
Solución. Los vectores

−→
P Q = Q − P = (−3, 1, −2)
y
−→
QR = R − Q = (3, −3, 5)
están en el plano, por lo que un vector ortogonal N al plano está dado por

i j k
−→ −→ 1 −2 −3 −2
+ k −3 1

N = P Q × QR = −3 1 −2 = i − j
3 −3 5 −3 5 3 5 3 −3
Al simplificar se obtiene N == −i + 9j + 6k. Haciendo P = (x0 , y0 , z0 ) = (1, 2, 1),

N = (a, b, c) = (−1, 9, 6) y usando la ecuación cartesiana del plano se llega a
−1(x − 1) + 9(y − 2) + 6(z − 1) = 0
o bien,
−x + 9y + 6z = 23
Definición 8 Dos planos son paralelos si sus vectores normales son paralelos.
Si H1 y H2 son dos planos con vectores normales N1 y N2 , respectivamente, entonces

por la definición 3, H1 y H2 son paralelos si y solo si N1 y N2 son paralelos, dicho de
otro modo, si
N1 × N2 = 0
Ejemplo 8 Determine si los planos H1 : 2x + 3y − z = 3 y H2 : −4x − 6y + 2z = 8

son paralelos.
Solución: Observe que N1 = (2, 3, −1) y N2 = (−4, −6, 2). Luego

i j k
3 −1 2 −1
+ k 2 3

N1 × N2 = 2 3 −1 = i − j
−4 −6 2 −6 2 −4 2 −4 −6
que al simplificar resulta el vector cero; por lo que N1 y N2 son paralelos. También
sabemos que dos vectores son paralelos cuando uno es múltiplo del otro. Ası́
N2 = (−4, −6, 2) = −2(2, 3, 1) = −2N1
Definición 9 Tres vectores U, V y W son coplanares si y sólo si su triple producto

escalar es cero, es decir U · (V × W ) = 0.
1.7. EJERCICIOS 9
1.7. Ejercicios
1. Encontrar A + B, A − B, 3A y −2A en cada uno de los siguientes casos. Graficar
cada inciso.
a) A = (2, −1) y B = (−1, 1);

b) A = (−1, 3) y B = (0, 4);
c) A = (2, −1, 5) y B = (−1, 1, 1);
d ) A = (−1, −2, 3) y B = (−1, 3, −4).
2. Para el inciso a del ejercicio 1, dibujar los puntos A + 2B, A + 3B, A − 2B, A − 3B
y A + 21 B.
−→ −→
3. En cada caso, determine cuales vectores anclados P Q y AB son paralelos:
a) P = (1, −1), Q = (4, 3), A = (−1, 5) y B = (7, 1).

b) P = (1, 4), Q = (−3, 5), A = (5, 7) y B = (9, 6).
c) P = (1, −1, 5), Q = (−2, 3, −4), A = (3, 1, 1) y B = (−3, 9, −17).
d ) P = (2, 3, −4), Q = (−1, 3, 5), A = (−2, 3, −1) y B = (−11, 3, −28).
4. Encontrar A · A para los incisos a hasta d del ejercicio 1.
5. Encontrar B · B para los incisos a hasta d del ejercicio 1.
6. ¿Cuáles de los siguientes pares de vectores son perpendiculares?
a) (1, −1, 1) y (2, 1, 5);

b) (1, −1, 1) y (2, 3, 1);
c) (−5, 2, 7) y (3, −1, 2);
d ) (π, 2, 1) y (2, −π, 0).
7. Demuestre que para el producto escalar del ejemplo 2, de la sección 1.3, se satis-
facen las siguientes propiedades:
a) hf, gi = hg, f i;
b) hf, g + hi = hf, gi + hf, hi;
c) hcf, gi = chf, gi;
d ) Si f = 0, entonces hf, f i = 0 y si f 6= 0, entonces hf, f i > 0.
8. Sean f y g dos funciones continuas en el intervalo [−π, π]. Se define el producto

escalar de f y g como Z π
hf, gi = f (x)g(x)dx
−π
Demuestre que las funciones f (x) = sen(nx) y g(x) = cos(mx) son ortogonales
para este producto escalar ( m y n son números enteros).
9. Sea A un vector perpendicular a cualquier vector X. Probar que A = 0.
10. Encuentre las ecuaciones paramétricas y simétricas de la recta que pasa por los
puntos:
a) A = (1, −1, 1) y B = (−1, 1, −1)

b) A = (1, 2, 3) y B = (3, 2, 1)
c) A = (6, 10, 3) y es paralela al vector de dirección A = (−10, 7, 9)
11. Demuestre que las rectas dadas son ortogonales.

x−3 y+1 z−2 x−3 y+1 z−3
l1 : = = y l2 : = =
2 4 −1 5 −2 2
12. Verifique que las rectas l1 : x = 1 + t, y = −3 + 2t, z = −2 − t y l2 : x =

17 + 3s, y = 4 + s, z = −8 − s tienen el punto (2, −1, −3) en común.
13. Encuentre una recta l3 ortogonal a las rectas l1 y l2 dadas y que pase por el punto
(−4, 7, 3):
x−2 y+3 z+1 x−2 y−5 z+3
l1 : = = y l2 : = =
−4 −7 3 3 −4 −2
14. Encuentre una recta l3 ortogonal a las rectas l1 y l2 dadas y que pase por el punto
(−2, 3, 4):
l1 : x = 3 − 2t, y = 4 + 3t, z = −7 + 5t
l2 : x = −2 + 4s, y = 3 − 2s, z = 3 + s
15. Encuentre la ecuación del plano que pasa por P = (0, 0, 0) con vector normal
N = (−3, 2, −6).
16. Encuentre la ecuación del plano que pasa por P = (2, −1, 6) con vector normal
N = (3, −1, 2).
17. Encuentre la ecuación del plano que contiene los puntos P = (1, 2, −4), Q =
(2, 3, 7) y R = (4, −1, 3).
18. Encuentre la ecuación del plano que contiene los puntos P = (7, 2, 1), Q =
(9, −4, 5) y R = (5, −3, 1).
1.7. EJERCICIOS 11
19. Dos planos son orotognales si sus vectores normales son ortogonals. Determine si
los siguientes planos son paralelos, orotogonales o coincidentes (es decir, el mismo)
o ninguno de los anteriores.
a) H1 : x + y + z = 2 y H2 : 2x + 2y + 2z = 4
b) H1 : x + 2y + 3z = 1 y H2 : 2x + 4y + 6z = 2
c) H1 : 2x − y + z = 3 y H2 : x + y − z = 7
d ) H1 : 3x − 2y + 5z = 0 y H2 : x + 4y − 6z = 0
Capı́tulo 2
Sistemas de ecuaciones lineales
Antes de iniciar el estudio de los sistemas de ecuaciones lineales estudiaremos que

es una matriz y cuáles son sus operaciones elementales con renglones.
2.1. Introducción a las matrices

Definición 10 Una matriz A de m × n es un arreglo rectangular de mn números
dispuestos en m renglones y n columnas, es decir,
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A =  ..
 
.. .. 
 . . . 
am1 am2 · · · amn
La matriz A de m×n se abrevia de la forma A = (aij ) para i = 1, 2, ..., m y j = 1, 2, ..., n,

donde el subı́ndice i indica el renglón mientras que j indica la columna. El número aij
es la componente ij de A, la cual se obtiene en la intersección del renglón i con la
columna j. El renglón i de A es
(ai1 ai2 ... ain )
y su columna j es
 
a1j
 a2j 
 
 .. 
 . 
anj
13
14 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
 
a1j
 a2j 
j
Si hacemos Ai = (ai1 ai2 ... ain ) y A =  .. , entonces A se puede escribir como
 
 . 
anj
 
A1
 A2 
A =  ..  o bien A = (A1 A2 · · · An )
 
 . 
Am

1 1 −2
Por ejemplo, si A = es una matriz de 2 × 3 entonces los renglones de A
−1 4 −5
son
A1 = (1, 1, −2) A2 = (−1, 4, −5)
y sus columnas son

1 1 2 1 3 −2
A = A = A =
−1 4 −5
 (x1 , x2 , ..., xn ) se considera una matriz de 1 × n; mientras que un

Un vector renglón
x1
 x2 
vector columna  ..  es una matriz de n × 1, y a un número a se le llama matriz de
 
.
xn
1 × 1.
2.2. Operaciones elementales sobre renglones de una

matriz
Las tres operaciones elementales sobre renglones aplicadas a una matriz son las
siguientes:
1. Multiplicar (o dividir) un renglón por un número diferente de cero.
2. Sumar un múltiplo de un renglón a otro renglón.
3. Intercambiar dos renglones.
El proceso de aplicar las operaciones elementales sobre renglones para simplificar una
matriz se llama reducción por renglones. La notación que usaremos para las tres
operaciones elementales es la siguiente.
1. Ri → cRi quiere decir reemplaza el renglón i por ese mismo renglón multiplicado
por c”.
2.2. OPERACIONES ELEMENTALES SOBRE RENGLONES DE UNA MATRIZ15
2. Rj → Rj + cRi significa ”sustituye el renglón j por la suma del renglón j más el

renglón i multiplicado por c”.
3. Ri Rj quiere decir ı̈ntercambiar los renglones i y j”.
A continuación se muestran las tres operaciones elementales sobre renglones de una
matriz.    
1 −1 1 1 −1 1
R →3R2
2 4 3  −−2−−−→ 6 12 9 
5 6 −2 5 6 −2
   
1 −1 1 1 −1 1
R3 →R3 −5R1
2 4 3  −− −−−−−→ 2 4 3
5 6 −2 0 11 −7
   
1 −1 1 5 6 −2
R R3
2 4 3  −−1−−→ 2 4 3
5 6 −2 1 −1 1
2.2.1. Forma escalonada reducida por renglones

Una matriz se encuentra en la forma escalonada reducida por renglones si se
cumplen las siguientes condiciones:
1. Todos los renglones (si los hay) cuyos elementos son todos cero aparecen en la
parte inferior de la matriz.
2. El primer número diferente de cero (comenzando por la izquierda) en cualquier
renglón cuyos elementos no todos son cero es 1.
3. Si dos renglones sucesivos tienen elementos distintos de cero, entonces el primer
1 en el renglón de abajo está más hacia la derecha que el primer 1 en el renglón
de arriba.
4. Cualquier columna que contiene el primer 1 en un renglón tiene ceros en el resto
de sus elementos. El primer número diferente de cero en un renglón (si lo hay) se
llama pivote para ese renglón.
 
1 −3 4
Ejemplo 9 Escriba la forma escalonada reducida por renglones de A = 2 −5 7.
0 −1 1
Solución. Aplicando la reducción por renglones sobre A tenemos:
     
1 −3 4 1 −3 4 1 0 1
R2 →R2 −2R1 R1 →R1 +2R2
2 −5 7 − −−−−−−→ 0 1 −1 −− −−−−−→ 0 1 −1
R3 →R3 +R2
0 −1 1 0 −1 1 0 0 0
La última matriz es la forma escalonada reducida por renglones de la matriz A y tiene
dos pivotes.
2.2.2. Forma escalonada por renglones

Una matriz se encuentra en la forma escalonada por renglones si se cumplen
las siguientes condiciones:
1. Todos los renglones (si los hay) cuyos elementos son todos cero aparecen en la
parte inferior de la matriz.
2. El primer número diferente de cero (comenzando por la izquierda) en cualquier
renglón cuyos elementos no todos son cero es 1.
3. Si dos renglones sucesivos tienen elementos distintos de cero, entonces el primer
1 en el renglón de abajo está más hacia la derecha que el primer 1 en el renglón
de arriba.
 
2 4 6
Ejemplo 10 Escriba la forma escalonada por renglones de A = 4 5 6 .
3 1 −2
Solución. Aplicando la reducción por renglones sobre A obtenemos los siguiente:

     
2 4 6 1
R → R1
1 2 3 1 2 3
R2 →R2 −4R1
4 5 6  −−1−−2−→ 4 5 6  − −−−−−−→ 0 −3 −6 
R3 →R3 −3R1
3 1 −2 3 1 −2 0 −5 −11
     
1
R2 →− R2
1 2 3 1 2 3 1 2 3
R3 →R3 +5R2 R3 →(−1)R3
−−−−−3−→ 0 1 2  −− −−−−−→ 0 1 2  −−−−−−−→ 0 1 2
0 −5 −11 0 0 −1 0 0 1
La última matriz es la forma escalonada por renglones de A.
2.3. Sistema de dos ecuaciones lineales con dos incógni-

tas
Un sistema de dos ecuaciones lineales con dos incógnitas x y y es de la forma:
a11 x + a12 y = b1
a21 x + a22 y = b2
Los números a11 , a12 , a21 y a22 son los coeficientes del sistema y, b1 y b2 son los términos
constantes. Cada una de estas ecuaciones corresponde a una lı́nea recta. Cualquier par
de números reales (x, y) que satisface las ecuaciones anteriores se llama solución.
Ejemplo 11 Resolver el sistema de ecuaciones lineales
3x − 2y = 4
5x + 2y = 12
2.3. SISTEMA DE DOS ECUACIONES LINEALES CON DOS INCÓGNITAS 17
Solución. La matriz de coeficientes del sistema está dada por

3 −2
A=
5 2
y el vector de términos constantes es

4
b=
12
Se construye la matriz aumentada del sistema de la siguiente manera:

3 −2 | 4
5 2 | 12
Sobre esta matriz aumentada se reduce por renglón la matriz de coeficientes a la forma
escalonada reducida por renglones.
3 −2 | 4 R1 → 13 R1 1 − 23 | 43 1 − 23 | 34

R2 →R2 −5R1
−−−−−→ −−−−−−−→
5 2 | 12 5 2 | 12 0 163
| 16
3
1 − 32 | 43

3
R2 → 16 R2 1 0 | 2
R1 →R1 + 23 R2
−−−−−−→ −−−−−−−−→
0 1 | 1 0 1 | 1
De la última matriz aumentada, se tiene que x = 2 y y = 1. Por lo tanto, el sistema
tiene solución única dada por x = 2 y y = 1, o bien por el par (2, 1).
x−y =7
2x − 2y = 14
Solución. Procediendo como el ejemplo anterior, se tiene:

1 −1 | 7 R2 →R2 −2R1 1 −1 | 7
−−−−−−−→
2 −2 | 14 0 0 | 0
De la última matriz aumentada se obtiene la ecuación x − y = 7, por lo que y = x + 7.

Es decir, el sistema tiene un número infinito de soluciones dadas por y = x + 7 para
cualquier valor de x, o bien por el par (x, x + 7). Si x = 4 entonces y = 4 + 7 = 11. Ası́,
(4, 11) es una solución particular del sistema.
x−y =7
2x − 2y = 13
Solución. Procediendo como en los ejemplos anteriores,

1 −1 | 7 R2 →R2 −2R1 1 −1 | 7
−−−−−−−→
2 −2 | 13 0 0 | −1
En el segundo renglón, de la última matriz aumentada, se tiene que 0 = −1. Contra-

dicción. Esto significa que el sistema no tiene solución.
Definición 11 Se dice que un sistema de ecuaciones lineales es inconsistente si no

tiene solución. Se dice que un sistema que tiene al menos una solución es consistente.
El procedimiento usado en la solución de los sistemas de ecuaciones anteriores se deno-

mina Eliminación de Gauss-Jordan.
Definición 12 En el método de Gauss-Jordan se reduce por renglón la matriz de co-

eficientes a la forma escalonada reducida por renglones.
2.4. Sistema de tres ecuaciones lineales con tres incógni-

tas
Un sistema de tres ecuaciones lineales con tres incógnitas x, y y z es de la forma:
a11 x + a12 y + a13 z = b1

a21 x + a22 y + a23 z = b2
a31 x + a32 y + a33 z = b3
Los números a11 , a12 , ..., a33 son los coeficientes del sistema y, b1 , b2 y b3 son los términos
constantes. Cada una de estas ecuaciones corresponde a un plano en el espacio. Cual-
quier terna de números reales (x, y, z) que satisface las ecuaciones anteriores se llama
solución.
Ejemplo 14 Mediante el método de Gauss-Jordan resuelva el sistema de ecuaciones

lineales
x + 2y = −3
2x + 3y − 2z = −10
−x + 6z = 9
Solución. La matriz de coeficientes aumentada (A|b) es

 
1 2 0 | −3
 2 3 −2 | −10
−1 0 6 | 9
2.4. SISTEMA DE TRES ECUACIONES LINEALES CON TRES INCÓGNITAS 19
y al aplicar la reducción por renglones se llega a:

   
1 2 0 | −3 1 2 0 | −3
R2 →R2 −2R1
 2 3 −2 | −10 − −−−−−−→ 0 −1 −2 | −4
R3 →R3 +R1
−1 0 6 | 9 0 2 6 | 6
   
1 2 0 | −3 1 0 −4 | −11
R2 →(−1)R2 R →R −2R2
−−−−−−−→ 0 1 2 | 4  −−3−−−3−−−→ 0 1 2 | 4 
R1 →−2R2 +R1
0 2 6 | 6 0 0 2 | −2
   
1
R3 → R3
1 0 −4 | −11 1 0 0 | −15
R2 →R2 −2R3
−−−−2−→ 0 1 2 | 4  −− −−−−−→ 0 1 0 | 6 
R1 →R1 +4R3
0 0 1 | −1 0 0 1 | −1
La última matriz aumentada muestra que el sistema de ecuaciones tiene solución única
dada por x = −15, y = 6 y z = −1 o bien (−15, 6, −1).
La gráfica de cada una de las ecuaciones del sistema, dadas en el ejemplo 30, son planos.
La solución única indica que los tres planos se intersectan en un solo punto.
lineales
x + 2y − z = 4
2x + 5y + 2z = 9
x + 4y + 7z = 6
Solución. Al aplicar la reducción por renglones sobre la matriz aumentada del sistema
(A|b) se obtiene:
     
1 2 −1 | 4 1 2 −1 | 4 1 0 −9 | 2
→R3 −R1 R3 →R3 −2R2
2 5 2 | 9 −R−3− −−−−→ 0 1 4 | 1 −− −−−−−→ 0 1 4 | 1
R2 →R2 −2R1 R1 →R1 −2R2
1 4 7 | 6 0 2 8 | 2 0 0 0 | 0
La última matriz aumentada genera el siguiente sistema de dos ecuaciones en las incógni-
tas x, y y z:
x − 9z = 2 x = 2 + 9z
y + 4z = 1 y = 1 − 4z
Esto significa que el sistema tiene un número infinito de soluciones con variable arbi-
traria z. Una solución particular del sistema se obtiene dando valor a z, por ejemplo,
si z = 0 entonces x = 2 y y = 1. Esta solución también se puede escribir como la terna
(2, 1, 0). Análogamente, la solución general se puede escribir como (2 + 9z, 1 − 4z, z).
Si hacemos z = t, entonces la solución general del sistema anterior se puede expresar
como
x = 2 + 9t
y = 1 − 4t
z=t
que son las ecuaciones paramétricas de una recta que pasa por el punto (2, 1, 0) en
dirección del vector A = (9, −4, 1), para cualquier número real t. Es decir, la intersección
de los tres planos generados por el sistema dado en el ejemplo 31 es una recta en <3 .
lineales
y − 2z = −4
2x − y + z = −2
4x − y = −4
Solución. Al aplicar la reducción por renglones sobre la matriz aumentada del sistema
(A|b) se obtiene:
   
0 1 −2 | −5 4 −1 0 | −4 R → 1 R
R1 R3 1 1
2 −1 1 | −2 − −−−→ 2 −1 1 | −2 −−−−4−→
4 −1 0 | −4 0 1 −2 | −5
1 − 14 0 | −1 1 − 14 0 | −1
   
R2 →R2 −2R1 R2 R3
2 −1 1 | −2 − −−−−−−→ 0 − 12 1 | 0  −−−−→
0 1 −2 | −5 0 1 −2 | −5
1 − 14 0 | −1 R →R + 1 R 1 0 − 21 | − 49
   
0 1 −2 | −5 −−1−−−1−− 4 2
−→ 0 1 −2 | −5 
1 R3 →R3 + 12 R2
0 −2 1 | 0 0 0 0 | − 52
El tercer renglón de la última matriz aumentada muestra que 0 = − 52 , lo cual es una
contradicción. Por lo tanto, el sistema no tiene solución. Es decir, al menos un plano
no intersecta a los otros dos.
2.5. Sistema de m ecuaciones lineales con n incógni-

tas
Un sistema de m ecuaciones lineales con n incógnitas x1 , x2 , ..., xn es de la forma:
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
am1 x1 + am2 x2 + · · · + amn xn = bm
Los números a11 , a12 , ..., amn son los coeficientes del sistema, y b1 , b2 , ..., bm son los térmi-
nos constantes. Este sistema se puede escribir en forma matricial de la forma
AX = b
2.5. SISTEMA DE M ECUACIONES LINEALES CON N INCÓGNITAS 21
donde      
a11 a12 ··· a1n x1 b1
 a21 a22 ··· a2n   x2   b2 
A =  .. X =  ..  b =  .. 
     
.. .. 
 . . .  .  . 
am1 am2 · · · amn xn bm
A se llama matriz de coeficientes del sistema, X es el vector de incógnitas y b vector

de constantes. En general, un sistema de m ecuaciones lineales con n incógnitas puede
tener:
1. Solución única,
2. Un número infinito de soluciones, o bien
3. Ninguna solución.
Ejemplo 17 Resuelva el sistema de ecuaciones
x1 + 3x2 − 5x3 + x4 = 4
2x1 + 5x2 − 2x3 + 4x4 = 6
Solución. Se reduce por renglones la matriz aumentada.

1 3 −5 1 | 4 R2 →R2 −2R1 1 3 −5 1 | 4
−−−−−−−→
2 5 −2 4 | 6 0 −1 8 2 | −2

R2 →(−1)R2 1 3 −5 1 | 4 R1 →R1 −3R2 1 0 19 7 | −2
−−−−−−−→ −−−−−−−→
0 1 −8 −2 | 2 0 1 −8 −2 | 2
Es evidente que existe un número infinito de soluciones. De la última matriz aumentada
se observa que
x1 + 19x3 + 7x4 = −2
x2 − 8x3 − 2x4 = 2
por lo que la solución general al sistema está dada por
x1 = −2 − 19x3 − 7x4
x2 = 2 + 8x3 + 2x4
donde x3 y x4 pueden tomar cualquier número real. Si hacemos x3 = 0 y x4 = 0 se

obtiene la solución particular (−2, 2, 0, 0).
2.6. Sistemas homogéneos

Un sistema homogéneo de m ecuaciones lineales con n incógnitas x1 , x2 , ..., xn es
de la forma:
a11 x1 + a12 x2 + · · · + a1n xn = 0

a21 x1 + a22 x2 + · · · + a2n xn = 0
..
.
am1 x1 + am2 x2 + · · · + amn xn = 0
Observe que x1 = 0, x2 = 0, ..., xn = 0 es una solución del sistema homogéneo denomi-

nada solución trivial. Por lo tanto, un sistema homogéneo siempre tiene solución: la
solución trivial, o bien, un número infinito de soluciones.
Ejemplo 18 Resuelva el sistema homogéneo de ecuaciones
2x1 + 4x2 + 6x3 = 0

4x1 + 5x2 + 6x3 = 0
3x1 + x2 − 2x3 = 0
Solución. Tiene la solución trivial.
Ejemplo 19 Resuelva el sistema homogéneo de ecuaciones
x1 + 2x2 − x3 = 0
3x1 − 3x2 + 2x3 = 0
−1x1 − 11x2 + 6x3 = 0
1
x , 5 x , x3

Solución. Tiene un número infinito de soluciones 9 3 9 3
.
Teorema 2 Un sistema homogéneo de m ecuaciones con n incógnitas tiene un número

infinito de soluciones si n > m.
El teorema anterior nos dice que si un sistema homogéneo tiene más incógnitas que
ecuaciones, entonces tendrá un número infinito de soluciones.
Ejemplo 20 Resuelve el siguiente sistema homogéneo
x1 + x2 − x3 = 0
4x1 − 2x2 + 7x3 = 0
Solución. El sistema tiene un número infinito de soluciones dadas por (− 65 x3 , 11

6 3
x , x3 ).
2.7. EJERCICIOS 23
2.7. Ejercicios
1. Resuelva el sistema de ecuaciones
y + 2z = 6
3x − 3y − 3z = −15
x + 3y + 3z = 11
3x + y + 3z = 15
−x + 3y − z = −5
2x + 4y + 2z = 9
3y + z − w = 3
x + y − 2z = 6
−2x + y + 2z − w = 9
−x + 2y − z + 3w = 4
−3x + 6y − 3z + 9w = 12
5. Resuelva el sistema homogéneo de ecuaciones
2x − 5y − 6z − 3w = 0
x + 3y − 5z + 4w = 0
6. En el siguiente sistema de ecuaciones
2x − y − kz = 0
x − y − 2z = 1
−x + 2z = k
determine para qué valores de k el sistema:
No tiene solución
Tiene un número infinito de soluciones
Tiene solución única
Capı́tulo 3
Matrices
3.1. Definiciones
Supóngase que se tiene un conjunto K de objetos y dos operaciones sobre los ele-
mentos de K como sigue: la primera operación, llamada adición, asocia a cada par de
elementos x, y de K un elemento x + y de K; la segunda operación, llamada multi-
plicación, asocia a cada par x, y de K un elemento xy de K; las cuales satisfacen las
siguientes propiedades:
1. La adición es conmutativa,
x+y =y+x
para cualquiera x e y de K.
2. La adición es asociativa,
x + (y + z) = (x + y) + z
para cualquiera x, y y z de K.
3. Existe un elemento único 0 (cero) de K tal que
x+0=x
para todo x en K.
4. A cada x de K corresponde un elemento único (−x) de K tal que
x + (−x) = 0
5. La multiplicación es conmutativa,
xy = yx
para cualquiera x e y de K.
25
26 CAPÍTULO 3. MATRICES
6. La multiplicación es asociativa,
x(yz) = (xy)z
para cualquiera x, y y z de K.
7. Existe un elemento no nulo único de K tal que
x1 = x
para todo x de K.
1
8. A cada elemento no nulo x de K corresponde un único elemento x−1 (o ) de K
x
tal que
xx−1 = 1
9. La multiplicación es distributiva respecto de la adición, esto es,
x(y + z) = xy + xz
para cualesquiera x, y y z de K.
Al conjunto K, junto con las operaciones de adición y multiplicación, que satisface

las nueve propiedades anteriores se le llama campo. Con las operaciones comunes de
adición y multiplicación, el conjunto C de los números complejos es un campo, como lo
es el conjunto < de los números reales. Como < es un subconjunto de C, decimos que
< es un subcampo de C.
Ejemplo 21 Demuestre que el conjunto de los enteros positivos no es un subcampo de

C.
Ejemplo 22 Demuestre que el conjunto de los números enteros no es un subcampo de

C.
Ejemplo 23 El conjunto de los números racionales es un subcampo de C.
Definición 13 Una matriz A de m × n es un arreglo rectangular de mn números

dispuestos en m renglones y n columnas, es decir,
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  ..
 
.. .. 
 . . . 
am1 am2 · · · amn
3.2. OPERACIONES CON MATRICES 27
La matriz A de m×n se abrevia de la forma A = (aij ) para i = 1, 2, ..., m y j = 1, 2, ..., n,

donde el subı́ndice i indica el renglón mientras que j indica la columna. El número aij es
la componente ij de A, la cual se obtiene
en la intersección del renglón i con la columna
1 1 −2
j. Por ejemplo, si A = es una matriz de 2 × 3 entonces los renglones de
−1 4 −5
A son
A1 = (1, 1, −2) A2 = (−1, 4, −5)
y sus columnas son

1 1 2 1 3 −2
A = A = A =
−1 4 −5
3.2. Operaciones con matrices

La siguiente definición indica cuando dos matrices son iguales.
Definición 14 Se dice que las matrices A y B son iguales, denotado por A = B, si

tienen el mismo tamaño y sus componentes correspondientes son iguales.
Por ejemplo,
a 5 1 5
=
−1 0 −1 b
sólo si a = 1 y b = 0. La siguiente definición indica como se realiza la suma de matrices.
Definición 15 Sean A = (aij ) y B = (bij ) dos matrices de m × n. La suma de A y

B, denotada por A + B, es la matriz de m × n dada por
 
a11 + b11 a12 + b12 ··· a1n + b1n
 a21 + b21 a22 + b22 ··· a2n + b2n 
A + B = (aij + bij ) = 
 
.. .. .. 
 . . . 
am1 + bm1 am2 + bm2 ··· amn + bmn
En otras palabras, sumamos matrices del mismo tamaño, componente a componente.
Por ejemplo, sean las matrices

1 −1 0 5 1 −1
A= y B=
2 3 4 2 1 −1
Entonces, la suma de A y B está dada por la nueva matriz

1 −1 0 5 1 −1 6 0 −1
A+B = + =
2 3 4 2 1 −1 4 4 3
Ahora checamos la multiplicación de una matriz por un escalar (o número).

Definición 16 Sea A = (aij ) una matriz de m × n y α un número. Entonces la mul-

tiplicación de A por α, denotada por αA, es la matriz m × n dada por
 
α × a11 α × a12 · · · α × a1n
 α × a21 α × a22 · · · α × a2n 
αA = (α × aij ) = 
 
.. .. .. 
 . . . 
α × am1 α × am2 · · · α × amn
Es decir, αA se obtiene multiplicando cada componente de A por α. Por ejemplo, si

1 −1 0
A=
2 3 4
entonces la multilplicación de A por los números −3 y 5 son las nuevas matrices,

respectivamente,

−3 3 0 5 −5 0
−3A = y 5A =
−6 −9 −12 10 15 20
Para la diferencia o resta de las matrices A y B, denotada por A − B, se restan los

elementos correspondientes ya que
A − B = A + (−1)B
La suma y la multiplicación de matrices por un escalar satisfacen las siguientes propie-

dades.
Teorema 3 Sean A, B y C tres matrices de m × n cualesquiera, y sean α y β números

cualesquiera. Entonces
1. A + B = B + A conmutativa
2. (A + B) + C = A + (B + C) asociativa
3. A + O = O + A = A O matriz cero
4. A + (−A) = (−A) + A = 0
5. α(A + B) = αA + αB distributiva bajo la multiplicación por un escalar
6. (α + β)A = αA + βA distributiva
7. (αβ)A = α(βA) = β(αA)
8. 1 · A = A
9. 0 · A = O
En el punto 9, el cero de la izquierda es un número mientras que el cero de la derecha

es una matriz.
Ejemplo 24 Demostrar la propiedad 2 del teorema 3.
Solución. Sean las matrices de tamaño m × n: A = (aij ), B = (bij ) y C = (cij ). Entonces
 
a11 + b11 a12 + b12 · · · a1n + b1n
 a21 + b21 a22 + b22 · · · a2n + b2n 
A+B =
 
.. .. .. 
 . . . 
am1 + bm1 am2 + bm2 · · · amn + bmn
Ahora sumamos la nueva matriz A + B con C.
 
(a11 + b11 ) + c11 (a12 + b12 ) + c12 · · · (a1n + b1n ) + c1n
 (a21 + b21 ) + c21 (a22 + b22 ) + c22 · · · (a2n + b2n ) + c2n 
(A + B) + C = 
 
.. .. .. 
 . . . 
(am1 + bm1 ) + cm1 (am2 + bm2 ) + cm2 · · · (amn + bmn ) + cmn
que es equivalente a
 
a11 + (b11 + c11 ) a12 + (b12 + c12 ) ··· a1n + (b1n + c1n )
 a21 + (b21 + c21 ) a22 + (b22 + c22 ) ··· a2n + (b2n + c2n ) 
(A + B) + C = 
 
.. .. .. 
 . . . 
am1 + (bm1 + cm1 ) am2 + (bm2 + cm2 ) · · · amn + (bmn ) + cmn )
ya que la suma de números reales es asociativa. En consecuencia, (A + B) + C =

A + (B + C).
Ejemplo 25 Se quiere determinar la matriz X tal que 2X − 4B = 3A donde

1 2 0 0 1 3
A= y B=
0 0 −1 1 0 −1
Solución: La idea es aplicar los resultados del teorema 2.
2X − 4B = 3A 2X − 4B + 4B = 3A + 4B
2X + [−4B + 4B] = 3A + 4B 2X + O = 3A + 4B

1 1
2X = 3A + 4B 2X = [3A + 4B]
2 2

1
X= [3A + 4B]
2
Al sustituir se obtiene
1 3 10 12
X=
2 4 0 −7
A continuación veremos cómo se realiza la multiplicación de dos matrices.
Definición 17 Sea A = (aij ) una matriz de m × n y sea B = (bjk ) una matriz de

n × p. Se define el producto de A y B, denotado por AB, como la matriz de m × p
cuya componente ik es igual a
n
X
aij bjk = ai1 b1k + ai2 b2k + · · · + ain bnk
j=1
Si A1 , A2 , ..., Am denotan los renglones de A y si B 1 , B 2 , ..., B p denotan las columnas

de B, entonces la
n
X
k
componente ik de AB = Ai · B = aij bjk
j=1
De esta manera,  
A1 · B 1 A1 · B 2 ··· A1 · B p
 A2 · B 1 A2 · B 2 ··· A2 · B p 
AB = 
 
.. .. .. 
 . . . 
Am · B 1 Am · B 2 · · · Am · B p
Note que la multiplicación de matrices está definida sólo cuando el número de columnas
de la primera matriz es igual al número de renglones de la segunda.
Ejemplo 26 Calcular AB, BA, A(BC) y (AB)C para las matrices
 
3 4
2 1 5 1 3
A= B = −1 2 C=
1 3 2 −1 −1
2 1
Solución: Como A tiene 3 columnas y B tiene 3 renglones entonces podemos calcular
el producto AB que es una matriz de 2 × 2.
 
3 4
2 1 5  15 15
AB = −1 2 =
1 3 2 4 12
2 1
Análogamente, el producto BA se puede calcular ya que el número de columnas de B
que es 2 es igual al número de renglones de A. BA es una matriz de 3 × 3.
   
3 4 10 15 23
2 1 5
BA = −1 2 =0 5 1
1 3 2
2 1 5 5 12
Podemos ver que el producto AB es diferente del producto BA, es decir, el producto
de matrices no es conmutativo. Ahora, note que BC es una matriz de 3 × 2 dada por
   
3 4 −1 5
1 3
BC = −1 2 = −3 −5
−1 −1
2 1 1 5
Ası́ que
    
3 4 −1 5
2 1 5  1 3  2 1 5 
A(BC) = −1 2 = −3 −5
1 3 2 −1 −1 1 3 2
2 1 1 5
por lo que
0 30
A(BC) =
−8 0
A continuación veremos algunas propiedades que satisface el producto de matrices. El
siguiente resultado dice que la multiplicación de matrices es asociativa.
Teorema 4 Sea A = (aij ) una matriz de m × n, B = (bjk ) una matriz de n × p y

C = (ckl ) una matriz de p × q. Entonces se cumple que
(AB)C = A(BC)
Demostración. El producto AB es una matriz de m × p y C es de p × q, luego (AB)C

es una matriz de m × q. Por otra parte, BC es de n × q y A es de m × n, por lo que
A(BC) es de m × q. Ası́ (AB)C y A(BC) son matrices del mismo tamaño. Ahora hay
que probar las componentes correspondientes de ambas matrices son iguales.
Sea la matriz AB = D = (dik ). Entonces la componente ik de AB es
n
X
dik = (AB)ik = Ai · B k = ai1 b1k + ai2 b2k + · · · + ain bnk = aij bjk
j=1
Por otra parte, la componente il de DC = (AB)C es

p
X
l l
(AB)i · C = Di · C = di1 c1l + di2 c2l + · · · + dip cpl = dik ckl
k=1
p p
n
! n
X X X X
= aij bjk ckl = aij bjk ckl (3.1)
k=1 j=1 k=1 j=1
Sea la matriz BC = E = (ejl ). Entonces la componente jl de BC es

p
X
l
ejl = (BC)jl = Bj · C = bj1 c1l + bj2 c2l + · · · + bjp cpl = bjk ckl
k=1
Ahora, la componente il de AE = A(BC) está dada por

n
X
l l
Ai · (BC) = Ai · E = ai1 e1l + ai2 e2l + · · · + ain enl = = aij ejl
j=1
p p
n
! n
X X X X
= aij bjk ckl = aij bjk ckl (3.2)
j=1 k=1 k=1 j=1
Las ecuaciones (2,1) y (2,2) indican que

la componente il de (AB)C = la componente il de A(BC)
Por tanto, hemos demostrado que (AB)C = A(BC).
De esta manera, la multiplicación de las matrices A, B y C se puede escribir simplemente
como ABC. Análogamente, las multiplicación de cuatro matrices se puedes escribir
como ABCD.
Teorema 5 Sea A una matriz de m × n y B una matriz de n × p. Si α es un número,
entonces
A(αB) = α(AB)
Demostración. Sea Ai el renglón i de A y sea (αB)k la columna k de αB. Entonces la
componente ik de la matriz A(αB) es
Ai · (αB)k = α(Ai · B k )
Por tanto, hemos demostrado que A(αB) = α(AB).
La multiplicación de matrices distribuye a la suma de matrices.
Teorema 6 Sea A una matriz de m × n y sean B y C matrices de n × p. Entonces
A(B + C) = AB + AC
Demostración. Sea Ai el renglón i de A y sean B k y C k las columnas de B y C,
respectivamente. Entonces la columna k de B + C es B k + C k . Entonces la componente
ik de A(B + C) es
Ai · (B k + C k ) = Ai · B k + Ai · C k = la componente ik de AB + la componente ik de AC
Por tanto, A(B + C) = AB + AC.
También se cumple que para las matrices B y C de mxn y A de nxp, entonces
(B + C)A = BA + CA
Podemos calcular la potencia de una matriz cuadrada. Si A es una matriz cuadrada, el
producto AA se denota como A2 , es decir AA = A2 . Análogamente, An = AA · · · A el
producto de n matrices A. Por último, A0 = I.
Si A es una matriz cuadrada y m y n son cualesquiera números enteros positivos en-
tonces se cumple que:
1. Am An = Am+n
2. (Am )n = Amn
3. (αA)n = αn An
3.3. MATRICES TRIANGULARES 33
3.3. Matrices triangulares

Sea A una matriz de mxn. Si el número de renglones es igual al decolumnas,

1 2
es decir, m = n, se dice que A es una matriz cuadrada. Por ejemplo, y
  −1 0
1 −1 5
2 1 −1 son matrices cuadradas de 2x2 y 3x3, respectivamente. La matriz nula
3 1 −1
o cero es aquella en la cual todas sus componentes son cero.
Definición 18 Una matriz cuadrada se llama triangular superior si todos sus ele-
mentos debajo de la diagonal principal son cero, es decir, una matriz triangular superior
es de la forma
 
a11 a12 · · · a1n
 0 a22 · · · a2n 
 
 .. .. .. 
 . . . 
0 0 · · · ann
A continuación se muestran algunas matrices triangulares superiores:
 
  0 0 0 7
0 2 −3
1 2 0 5 −4
0 0 0 0
 
0 5 0 0 0 1
0 0 0
0 0 0 0
Definición 19 Una matriz cuadrada se llama triangular inferior si todos sus ele-
mentos arriba de la diagonal principal son cero, es decir, una matriz triangular inferior
es de la forma
 
a11 0 · · · 0
 a21 a22 · · · 0 
 
 .. .. .. 
 . . . 
an1 an2 · · · ann
A continuación se muestran algunas matrices triangulares inferiores:
 
  0 0 0 0
0 0 0
−5 0 9 1 0
0
 0 0 0

4 8 0 3 0 0
0 8 0
2 0 0 0
Definición 20 Una matriz cuadrada se llama diagonal si todos los elementos arriba
y debajo de la diagonal principal son cero, es decir, una matriz diagonal es de la forma
 
a11 0 · · · 0
 0 a22 · · · 0 
 
 .. .. .. 
 . . . 
0 0 ··· ann
A continuación se muestran algunas matrices diagonales:
 
  1 0 0 0
2 0 0
6 0 0 1 0 0 1 0
 0

0 11 0 0 1 0
0 0 0
0 0 0 1
NOTA: Toda matriz diagonal es tanto triangular superior como triangular inferior.
La matriz identidad es una matriz cuadrada, denotada por In , tal que los elementos
de su diagonal principal son todos iguales a 1. Las siguientes son matrices identidad:
 
  1 0 0 0
1 0 0
1 0 0 1 0 0
I2 = I3 = 0 1 0
 I4 =  
0 1 0 0 1 0
0 0 1
0 0 0 1
Si A es cualquier matriz cuadrada de nxn, In es la matriz identidad de nxn y O es la

matriz cero de nxn, entonces:
1. IA = AI = A
2. OA = AO = O
3.4. Transpuesta de una matriz

Definición 21 Sea A = (aij ) una matriz de mxn. La transpuesta de A, denotada por
At , se define como la matriz de nxm dada por
 
a11 a21 · · · am1
 a12 a22 · · · am2 
At =  ..
 
.. .. 
 . . . 
a1n a2n · · · amn
Es decir, la transpuesta de una matriz equivale a intercambiar renglones por columnas

y viceversa.
La transpuesta de A = (aij ) se denota por At = (aji ).

2 1 0
Ejemplo 27 Determine la transpuesta de la matriz A = .
1 3 5
3.4. TRANSPUESTA DE UNA MATRIZ 35
Aplicando la definición de transpuesta de una matriz se obtiene que

 
2 1
t
A = 1 3
0 5
 
2
t
Si A = (2, −1, 4) es un vector renglón, entonces A = −1 es un vector columna.

  4 
5 0 0 5 0 0
Sea la matriz diagonal A = 0 3 0 , entonces At = 0 3 0  = A. En general,
0 0 −2 0 0 −2
si A es una matriz diagonal entonces su transpuesta es ella misma.
La transpuesta de una matriz satisface las siguientes propiedades:
1. La transpuesta de la transpuesta de una matriz es ella misma, es decir
(At )t = A
2. La transpuesta de una suma es la suma de las transpuestas, es decir
(A + B)t = At + B t
3. Si α es un número entonces
(αA)t = αAt
4. La transpuesta de un producto es el producto de las transpuestas en orden inverso.

Es decir,
(AB)t = B t At
Solo se demuestra la propiedad 4. Sea A = (aij ) una matriz de mxn y B = (bjk ) una
matriz de nxp. Defina AB = C = (cik ). Entonces la componente ik de C es
 
b1k
 b2k  Xn
k
cik = Ai · B = (ai1 , ai2 , ..., ain ) ·  ..  = aij bjk
 
 .  j=1
bnk
0 0
Por otra parte, B t = (bkj ) y At = (aji ). Entonces, la componente ki de B t At es, por
definición  0 
a1i
 a0  X n
0 0 0  2i  0 0
(B t )k · (At )i = (bk1 , bk2 , ..., bkn ) ·  ..  = bkj aji
 .  j=1
0
ani
0 0
pero bkj = bjk y aji = aij , entonces
n n n
0 0
X X X
bkj aji = bjk aij = aij bjk
j=1 j=1 j=1
Por definición, ésta es la componente ki de la matriz (AB)t . Ası́, hemos demostrado

que (AB)t = B t At .
El resultado número 4 se generaliza a la multiplicación de varias matrices:
(ABC)t = C t B t At
(ABCD)t = Dt C t B t At
(A1 A2 ...An−1 An )t = Atn Atn−1 ...At2 At1
3.5. Matriz simétrica

Definición 22 Se dice que una matriz cuadrada A es una matriz simétrica si es
igual a su transpuesta. Es decir, A es simétrica si At = A.
 
1 −1 2
Por ejemplo, la matriz A = −1 0 3 es simétrica porque
2 3 7
 
1 −1 2
At = −1 0 3 = A
2 3 7
NOTA: Toda matriz diagonal es simétrica.
Ejemplo 28 Probar que para cualquier matriz cuadrada A, la matriz A+At es simétri-
ca.
Solución. Aplicando la propiedad de la transpuesta de una suma resulta
(A + At )t = At + (At )t = At + A = A + At
Por lo tanto, A + At es una matriz simétrica.
3.6. Traza de una matriz

Definición 23 Se define la traza de una matriz cuadrada A, denotada por tr(A), como
la suma de sus elementos diagonales.
3.7. DETERMINANTE DE UNA MATRIZ CUADRADA 37
Si A = (aij ) es una matriz cuadrada de nxn entonces

n
X
tr(A) = a11 + a22 + · · · + ann = aii
i=1
 
1 −1 2
Por ejemplo, si −1 0 3 entonces la traza está dada por
2 3 7
tr(A) = a11 + a22 + a33 = 1 + 0 + 7 = 8
La traza de una matriz cuadrada cumple las siguientes propiedades:

1. Para cualquier matriz cuadrada se cumple
tr(A) = tr(At )
2. Para A y B matrices cuadradas del mismo tamaño se cumple
tr(A + B) = tr(A) + tr(B)
3. Si α es un número y A es una matriz cuadrada, entonces
tr(αA) = αtr(A)
4. Para A y B matrices cuadradas del mismo tamaño se tiene
tr(AB) = tr(BA)
3.7. Determinante de una matriz cuadrada

a11 a12
Considere la matriz cuadrada de 2x2, A = . Entonces el determinate de
a21 a22
A, denotado por det(A) o | A |, está dado por el número

a11 a12
det(A) = = a11 a22 − a12 a21
a21 a22

1 2 1 2
= 1(4) − 2(3) = −2.
Por ejemplo, si A = entonces det(A) =
3 4 3 4
El determinante de una matriz cuadrada A de 3x3 está dado por

a11 a12 a13
a22 a23 a21 a23 a21 a22
det(A) = a21 a22 a23 = a11 − a12 a31 a33 + a13 a31 a32

a31 a32 a33 a 32 a33
 
1 2 0
Por ejemplo, si A = 1 0 −2 entonces el determinante de A es
0 2 −1

1 2 0
0 −2 1 −2 1 0
det(A) = 1 0 −2 = 1

− 2 0 −1 + 0 0 2 = 6

0 2 −1 2 −1
Definición 24 Sea A una matriz de nxn y sea Mij la matriz de (n − 1)x(n − 1) que se
obtiene de A eliminando el renglón i y la columna j. Mij se llama el menor ij de A.
Definición 25 Sea A una matriz de n × n. El cofactor ij de A, denotado por Aij ,

está dado por
Aij = (−1)i+j |Mij |
De las definiciones 12 y 13, se observa que:
El menor ij de A, Mij , es una matriz cuadradra.
El cofactor ij de A, Aij , es un número.

 
2 −1 4
Ejemplo 29 Calcular los cofactores 13 y 31 de la matriz A = 0 1 5 .
6 3 −4
Teorema 7 Sea A = (aij ) una matriz de n × n. Entonces
det(A) = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain
para i = 1, 2, ..., n. Es decir, se puede calcular el determinante de A expandien-

do por cofactores en cualquier renglón de A. Análogamente,
det(A) = a1j A1j + a2j A2j + · · · + anj Anj
para j = 1, 2, ..., n. Es decir, se puede calcular el determinante de A expan-

diendo por cofactores en cualquier colunma de A.
3.7.1. Propiedades de los determinantes

A continuación se muestran algunas propiedades útiles de los determinantes.
Teorema 8 Sean A y B dos matrices de n × n. Entonces
det(AB) = det(A)det(B)
Es decir, el determinante del producto es el producto de los determinantes.

3.8. INVERSA DE UNA MATRIZ CUADRADA 39

1 2 3 0
Ejemplo 30 Verificar el resultado anterior para A = yB= .
3 4 −2 2
El determinante de la suma no siempre es igual a la suma de los determinantes,

es decir, para la mayorı́a de los pares de matrices, A y B,
det(A + B) 6= det(A) + det(B)
Por ejemplo, para las matrices del ejemplo 5 se tiene

4 2
det(A + B) = = 4 × 6 − 2 × 1 = 22
1 6
Sin embargo, det(A) = 4 − 6 = −2 y det(B) = 6 por lo que det(A) + det(B) = 4 6=

det(A + B).
Teorema 9 Sea A una matriz cuadrada. Entonces det(At ) = det(A).
 
1 −1 2
Ejemplo 31 Verificar el resultado anterior para A = 3 1 4
0 −2 5
.
Teorema 10 Si cualquier renglón o columna de una matriz cuadrada A es el vector
cero, entonces det(A) = 0.
Teorema 11 Si el renglón i o la columna j de una matriz cuadrada A se multiplica

por un escalar α, entonces det(A) se multiplica por α. Es decir, si se denota por B esta
nueva matriz, entonces det(B) = αdet(A).
Teorema 12 El intercambio de cualesquiera dos renglones (o columnas) distintos de

una matriz cuadrada A tiene el efecto de multiplicar det(A) por −1.
Teorema 13 Si A tiene dos renglones o columnas iguales, entonces det(A) = 0.
Teorema 14 Si un renglón (columna) de A es un múltiplo escalar de otro renglón

(columna), entonces det(A) = 0.
3.8. Inversa de una matriz cuadrada

Recuerde que la matriz identidad I es una matriz diagonal cuyos elementos de la
diagonal principale son iguales a 1.
Definición 26 Se dice que una matriz cuadrada A de nxn es invertible o no singu-
lar si existe una matriz cuadrada B de nxn tal que
AB = BA = I
La matriz B se llama inversa de A y se denota por A−1 . De esta manera,
AA−1 = A−1 A = I
De la definición 24 se deducen las siguientes observaciones:

La definición 24 no dice que toda matriz cuadrada sea invertible.
Si A−1 es la inversa de A entonces A es la inversa de A−1 , es decir (A−1 )−1 = A.

Una matriz cuadrada que no tiene inversa se llama no invertible o singular.

4 −7 2 7
Ejemplo 32 Determine si B = es la matriz inversa de A = .
−1 2 1 4
Solución. Aplicando la definición 24 resulta,

2 7 4 −7 1 0
AB = =
1 4 −1 2 0 1
y
4 −7 2 7 1 0
BA = =
−1 2 1 4 0 1
Por tanto, B = A−1 es la inversa de A. Se dice que A es invertible o no singular. A su
vez, A es la inversa de B = A−1 .
Antes de calcular la inversa de una matriz, estudiaremos algunos resultados útiles.
Teorema 15 Si una matriz cuadrada A tiene inversa, entonces su inversa es única.
Demostración. Supongamos que A tiene dos inversas denotadas por B y C. Es decir,
AB = BA = I y AC = CA = I
Observe que
B = BI = B(AC) = (BA)C = IC = C
Por consiguiente, B = C.
Procedimiento para encontrar la inversa de una matriz de una matriz cuadrada A:
1. Se escribe la matriz aumentada (A|I).
2. Se utiliza la reducción por renglones para poner la matriz A a su forma escalonada

reducida por renglones.
3. Se decide si A es invertible:
a) Si la forma escalonada reducida por renglones de A es la matriz identidad I,
entonces A−1 es la matriz que se tiene a la derecha de la barra vertical.
b) Si la reducción de A conduce a un renglón de ceros a la izquierda de la barra
vertical, entonces A no es invertible.
De lo anterior, se puede decir que una matriz A de nxn es invertible si y sólo si su

forma escalonada reducida por renglones es la matriz identidad; es decir, si su forma
escalonada reducida por renglones tiene n pivotes.
 
2 4 6
Ejemplo 33 Calcular la inversa (si existe) de la matriz A = 4 5 6 .
3 1 −2
Solución. Primero se pone A seguido de I en la forma de matriz aumentada
 
2 4 6 | 1 0 0
4 5 6 | 0 1 0
3 1 −2 | 0 0 1
y después se lleva a cabo la reducción por renglones.
1 2 3 | 12 0 0 3 | 12 0 0
   
1 2
1
R1 → R1 4 5 6 | 0 1 0 R2 →R2 −4R1 0 −3 −6 | −2 1 0
2 R3 →R3 −3R1
3 1 −2 | 0 0 1 0 −5 −11 | − 32 0 1
3 | 12 1 0 −1 | − 56 23 0
   
1 2 0 0
1
R2 → − R2 0 1 2 | 23 − 13 0 R1 →R1 −2R2 0 1 2 | 23 − 31 0
3 R3 →R3 +5R2
0 −5 −11 | − 23 0 1 0 0 −1 | 11 6
− 35 1
1 0 −1 | − 65 3
1 0 0 | − 38 7
   
2
0 3
−1
R3 → −R3 0 1 2 | 32 − 13 0  R1 →R1 +R3 0 1 0 | 13 3
− 11
3
2
11 5 R2 →R 2 −2R 3 11 5
0 0 1 | −6 3
−1 0 0 1 | −6 3
−1
Como A se redujo a I se tiene
− 83 7
 
3
−1
A−1 =  13
3
− 11
3
2
− 11
6
5
3
−1
Para verificar el resultado se calculan los productos AA−1 y A−1 A.
 
1 −3 4
Ejemplo 34 Calcular la inversa (si existe) de la matriz A = 2 −5 7.
0 −1 1
Solución. De acuerdo con el procedimiento anterior se obtiene, sucesivamente,
   
1 −3 4 | 1 0 0 1 −3 4 | 1 0 0
2 −5 7 | 0 1 0 R2 → R2 − 2R1 0
  1 −1 | −2 1 0
0 −1 1 | 0 0 1 0 −1 1 | 0 0 1
 
1 0 1 | −5 3 0
R1 →R1 +2R2 0 1 −1 | −2 1 0
R3 →R3 +R2
0 0 0 | −2 1 1
Hasta aquı́ se puede llegar. La matriz A no puede reducirse a la matriz identidad, por
lo que se puede concluir que A no es invertible.
Definición 27 Suponga que la matriz A se puede transformar en la matriz B mediante

operaciones con renglones. Entonces se dice que A y B son equivalentes por renglo-
nes.
Teorema 16 Sean A y B dos matrices de nxn. Entonces el producto AB es invertible

y
(AB)−1 = B −1 A−1
Demostración. La demostración se hace usando la definición 24.
(AB)(AB)−1 = (AB)(B −1 A−1 ) = A(BB −1 )A−1 = (AI)A−1 = AA−1 = I
y
(AB)−1 (AB) = (B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 (IB) = B −1 B = I
En consecuencia, (AB)−1 = B −1 A−1 es la inversa de AB.
El resultado del teorema 6 se puede generalizar al producto de tres o más matrices
invertibles.
Si A, B y C son matrices invertibles del mismo tamaño, entonces ABC es inver-

tible y
(ABC)−1 = C −1 B −1 A−1
Si A1 , A2 , ..., An son n matrices invertibles del mismo tamaño, entonces A1 A2 ···An

es invertible y
(A1 A2 · · · An )−1 = A−1 −1 −1 −1
n An−1 · · · A2 A1
Teorema 17 Si A es una matriz cuadrada invertible, entonces At es invertible y
(At )−1 = (A−1 )t
Otros resultados útiles de la inversa de una matriz son:
1. (αA)−1 = α1 A−1 para cualquier escalar α 6= 0.
2. (An )−1 = (A−1 )n
3.8.1. Determinantes e inversas

El siguiente resultado es útil para determinar si una matriz cuadrada es invertible
sin hacer la reducción por renglones.
Teorema 18 Sea A una matriz cuadrada. A es invertible si y solo sı́ detA 6= 0, además
1
det(A−1 ) =
detA
 
2 4 6
Ejemplo 35 Determine si la matriz es invertible: A = 4
 5 6 .
3 1 −2
 
1 −3 4
Ejemplo 36 Determine si la matriz es invertible: A = 2
 −5 7.
0 −1 1
Existe otra forma de calcular la inversa de una matriz invertible la cual requiere el
cálculo de la adjunta de una matriz.
Sea A = (aij ) una matriz cuadrada de n × n y sea B = (Aij ) la matriz de cofactores de
A. Entonces  
A11 A12 · · · A1n
 A21 A22 · · · A2n 
B =  ..
 
.. .. 
 . . . 
An1 An2 · · · Ann
Definición 28 Sea A una matriz de n×n y sea B la matriz de sus cofactores. Entonces
la adjunta de A, escrito adj A, es la transpuesta de la matriz B de n × n; es decir,
 
A11 A21 · · · An1
 A12 A22 · · · An2 
adj A = B t =  ..
 
.. .. 
 . . . 
A1n A2n · · · Ann
 
2 4 3
Ejemplo 37 Calcular la adjunta de la matriz A = 0 1 −1.
3 5 7
Teorema 19 Sea A una matriz de n × n. Entonces
 
detA 0 ··· 0
 0 detA · · · 0 
A(adjA) =  .. ..  = (detA)I
 
..
 . . . 
0 0 · · · detA
El siguiente resultado establece otra forma de calcular la inversa de una matriz inver-
tible.
Teorema 20 Sea A una matriz de n×n. Entonces A es invertible si y sólo si detA 6= 0.
Si detA 6= 0, entonces
1
A−1 = adjA
detA
Ejemplo 38 Determine si A es invertible y, de ser ası́, calcule A−1 .
 
2 4 3
A = 0 1 −1
3 5 7
3.9. Matrices elementales

Definición 29 Una matriz cuadrada E de n × n se denomina una matriz elemental
si se puede obtener a partir de la matriz identidad I de n×n mediante una sola operación
elemental con renglones.
Notación: Una matriz elemental se denota por E, cRi , Rj +cRi o por Pij llamada matriz
de permutación obtenida al intercambiar los renglones i y j de I.
Se
 muestran las siguientes  elementales de 3 × 3:
 matrices
1 0 0 1 0 0
→5R2
0 1 0 −−R−2− −−−→ 0 5 0 = 5R2
0 0 1 0 0 1 
1 0 0 1 0 0
R3 →R3 −3R1
0 1 0 −− −−−−−−−→  0 1 0 = R3 − 3R1
0 0 1  −3 0 1
1 0 0 1 0 0
0 1 0 −−R−2− R3
−−→ 0 0 1 = P23
0 0 1 0 1 0
Teorema 21 Para realizar una operación elemental por renglón en una matriz A se
multiplica A por la izquierda por la matriz elemental adecuada.
Se tienen los siguientes resultados para las inversas de matrices elementales donde α es
un escalar diferente de cero:
1. (αRi )−1 = α1 Ri
2. (Rj + αRi )−1 = Rj − αRi
3. (Pij )−1 = Pij
Toda matriz de permutación elemental es su propia inversa.
Teorema 22 Toda matriz elemental es invertible. El inverso de una matriz elemental

es otra matriz elemental.
El siguiente resultado relaciona la inversa de una matriz con las matrices elementales.
Teorema 23 Una matriz cuadrada es invertible si y sólo si es el producto de matrices

elementales.
Ejemplo 39 Demuestre que la matriz dada es invertible y escrı́bala como un producto

de matrices elementales.
3.9. MATRICES ELEMENTALES 45
 
3 2 1
A = 0 2 2 
0 0 −1
Solución. Observe que A es una matriz triangular superior cuyo determinante es −6
por lo que es invertible.
 2 1
1 3 3 | 31 0 0
  
3 2 1 | 1 0 0 R →1R R → 1 R2
0 2 2 | 0 1 0 −−1−−3−→ 1
0 2 2 | 0 1 0 −−−−2−−2−− −→
R1 →− 23 R2 +R1
0 0 −1 | 0 0 1 0 0 −1 | 0 0 1
1 0 − 31 | 31 − 13 0 1 0 − 31 | 13 − 13 0
   
R3 →(−1)R3
0 1 1 | 0 1 0 − −−−−−−→ 0 1 1 | 0 12 0
2
0 0 −1 | 0 0 1 0 0 1 | 0 0 −1
1 1 1
 
1
R1 → 3 R3 +R1
1 0 0 | 3
− 3
− 3
−−−−− −−−−→ 0 1 0 | 0 12 1 
R2 →(−1)R3 +R2
0 0 1 | 0 0 −1
De esta manera, 1 1 1

3
− 3
− 3
A−1 =  0 12 1 
0 0 −1
Note que la inversa de A se obtuvo mediante un número finito de operaciones elemen-
tales con renglones sobre la matriz identidad, es decir,
1 2 1 1
A−1 = R2 − R3 R1 + R3 (−1)R3 R1 − R2 R2 R1
3 3 2 3
Por lo tanto, la matriz A se puede escribir como el siguiente producto de matrices
elementales:
−1 −1
2 1
A = (A ) = 3R1 2R2 R1 + R2 (−1)R3 R1 − R3 R2 + R3
3 3
 2 
− 13
    
3 0 0 1 0 0 1 3 0 1 0 0 1 0 1 0 0
= 0 1 0
  0 2 0   0 1 0   0 1 0   0 1 0  0 1 1
0 0 1 0 0 1 0 0 1 0 0 −1 0 0 1 0 0 1

Lineal 1 45

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lineal 1 45

Cargado por

Copyright:

Formatos disponibles

Capı́tulo 1

El concepto de vector es básico para todo el curso. Proporciona la motivación

1.1. Definición de puntos en el espacio n

Una quı́ntupla (x1 , x2 , x3 , x4 , x5 ), un punto en el espacio de 5 dimensiones.

séxtupla, séptupla, óctupla,...

Por ejemplo, en el plano, si A = (1, 2) y B = (−3, 5), entonces

Definición 2 Sea A = (a1 , a2 , ..., an ) un punto y c cualquier número, entonces la mul-

Si A = (2, −1, 5) y c = 7, entonces cA = (14, −7, 35).

4. Si c1 y c2 son números, entonces

(c1 + c2 )A = c1 A + c2 A y (c1 c2 )A = c1 (c2 A)

O+A=A+O =A para toda A

7. Si denotamos −A por la n-upla (−1)A, entonces

Ahora checaremos la suma y la multiplicación por un número desde el punto de vista

Vemos que la representación geométrica de la suma genera un paralelogramo en el

si t es un número positivo (t > 0), entonces tA es un punto en la misma dirección de

1.2. Vectores anclados

B = (−21, −15) = 3(−7, −5) = 3A

Ası́, B es un múltiplo de A. Como 3 > 0, los vectores A y B tienen el mismo sentido.

1.3. Producto escalar

A · B = (1, 3, −2) · (−1, 4, −3) = 1(−1) + 3(4) + (−2)(−3) = 17

El producto escalar satisface las siguientes propiedades:

3. (αA) · B = α(A · B) y A · (αB) = α(A · B).

4. Si A = 0 es el vector cero, entonces A · A = 0; en otro caso A · A > 0.

ya que la multiplicación de números reales es conmutativa. Por lo tanto, A · B = B · A.

Ejemplo 1 Verifique las siguientes identidades (A+B)2 = A2 +2A·B+B 2 y (A−B)2 =

Por ejemplo, sean A = (1, 2, 3) y B = (2, 1, − 34 ). Entonces A · B = 0, por lo que A y B

Vemos que A es perpendicular a Ei si y sólo si su i-ésima componente es igual a cero.

Por ejemplo, si f (x) = x y g(x) = x2 entonces

1.4. La norma de un vector

k A k2 = a21 + a22 + ... + a2n > 0

1.5. La ecuación de una recta

donde t es cualquier número real.

(x, y, z) = (x0 , y0 , z0 ) + t(a, b, c)

Ejemplo 4 Encuentre las ecuaciones paramétricas y simétricas de la recta ` que pasa

Si P = (x0 , y0 , z0 ) = (2, −1, 6) y A = (a, b, c) = (1, 2, −8), entonces

son las ecuaciones paramétricas de la recta `, mientras que

Mientras que las simétricas están dadas por

Solución. La recta ` pasa por el origen ya que P = (x0 , y0 , z0 ) = (0, 0, 0) y vector de

son las ecuaciones paramétricas y

Definición 7 Sea P un punto en el espacio y sea N un vector dado diferente de cero.

a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0

donde d = ax0 + by0 + cz0 = P · N .

Ejemplo 6 Encuentre la ecuación de un plano que pasa por el punto P = (2, 5, 1) y

Solución: Haciendo P = (x0 , y0 , z0 ) = (2, 5, 1), N = (a, b, c) = (1, −2, 3) y usando la

1(x − 2) − 2(y − 5) + 3(z − 1) = 0

Solución. Los vectores

Al simplificar se obtiene N == −i + 9j + 6k. Haciendo P = (x0 , y0 , z0 ) = (1, 2, 1),

−1(x − 1) + 9(y − 2) + 6(z − 1) = 0

Si H1 y H2 son dos planos con vectores normales N1 y N2 , respectivamente, entonces

Ejemplo 8 Determine si los planos H1 : 2x + 3y − z = 3 y H2 : −4x − 6y + 2z = 8

Solución: Observe que N1 = (2, 3, −1) y N2 = (−4, −6, 2). Luego

N2 = (−4, −6, 2) = −2(2, 3, 1) = −2N1

Definición 9 Tres vectores U, V y W son coplanares si y sólo si su triple producto

a) A = (2, −1) y B = (−1, 1);

a) P = (1, −1), Q = (4, 3), A = (−1, 5) y B = (7, 1).

4. Encontrar A · A para los incisos a hasta d del ejercicio 1.

5. Encontrar B · B para los incisos a hasta d del ejercicio 1.

6. ¿Cuáles de los siguientes pares de vectores son perpendiculares?

a) (1, −1, 1) y (2, 1, 5);

8. Sean f y g dos funciones continuas en el intervalo [−π, π]. Se define el producto

9. Sea A un vector perpendicular a cualquier vector X. Probar que A = 0.

a) A = (1, −1, 1) y B = (−1, 1, −1)