Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía
Guía
Clase 01
8
>
> (1) : a1 x1 + a2 x2 + a3 x3 + ::: + an xn = 0
>
>
<
(2) : b1 x1 + b2 x2 + b3 x3 + ::: + bn xn = 0
>
>
>
>
:
(3) : c1 x1 + c2 x2 + c3 x3 + ::: + cn xn = 0
Nota
Un sistema de ecuaciones lineales homogéneas se tiene cuando todas las ecuaciones están igualadas a cero
8
>
> (1) : a1 x1 + a2 x2 + a3 x3 + ::: + an xn = r
>
>
<
(2) : b1 x1 + b2 x2 + b3 x3 + ::: + bn xn = s
>
>
>
>
:
(3) : c1 x1 + c2 x2 + c3 x3 + ::: + cn xn = t
2. Sistemas incompatibles que no tienen solución.( es posible que al realizar operaciones algebraicas puede cambiarse
a sistemas con in…nitas soluciones, o solución única o de…nitivamente que no tenga solución)
1er Caso
a2 a3 an b
En la ecuación lineal a1 x1 + a2 x2 + + an xn = b; si a1 6= 0 ) x1 = x2 x3 xn + al asignar
a1 a1 a1 a1
los valores a x2 ; x3 ; : : : ; xn se obtiene un valor para x1 , es decir que una sola ecuación con dos o más incógnitas
tiene in…nita soluciones.
2
2do Caso
3er Caso
Ejemplo
8
< (1) : 3x + 4y 5z = 3; (x; y; z; :::; 3?)
:
(2) : x + 2y 2z = 5; (x; y; z; :::; 3?)
Observaciones
1. Si el sistema lineal tiene menos ecuaciones, y más incognitas (generan sistemas compatibles con in…nitas solu-
ciones)
8
< (1) : 3x + 4y 5z = 3
:
(2) : x + 2y 2z = 5
2. Si el sistema lineal tiene igual número de ecuaciones que incógnitas, por lo tanto este sistema es posible que
tenga solución única
8
>
> (1) : 3x + 4y 5z = 3
>
>
<
(2) : x + 2y 2z = 5
>
>
>
>
:
(3) : 3x 2y + 5z = 1
3. Si el sistema lineal tiene más ecuaciones que incógnitas, por lo tanto el sistema tiene la posibilidad de no tener
soluciones
8
>
> (1) : 3x + 4y = 3
>
>
<
(2) : x + 2y = 5
>
>
>
>
:
(3) : 3x 2y = 1
Método de Igualación
Ejemplo
8
< (1) : 3x + y = 4
:
(2) : 6x + 2y = 8
4 y
3x + y = 4; 3x = 4 y; x= (4)
3
8 2y
6x + 2y = 8; 6x = 8 2y; x= (5)
6
3
4 y 8 2y
= ; 6 (4 y) = 3 (8 2y)
3 6
24 6y = 24 6y
0 = 24 6y 24 + 6y
0=0
El sistema es compatible....el sistema no tiene solución única... pero si es un sistema compatible con in…nitas
soluciones y además es linealmente dependiente
8
< 2 (1) : 3x + y = 4
:
(2) : 6x + 2y = 8
3 1 4 1 1
donde = = = :r=
6 2 8 2 2
"Se genera una razón de propocionalidad entre las ecuaciones "las dos rectas serán paralelas "in…nita soluciones"
1. Se debe eliminar las ecuaciones repetitivas proporcionales, consideramos la ecuación (1)
8
< (1) : 3x + y = 4
:
(2) : Se elimina una ecuación (2)
3x + y = 4
y=4 3x
3. Parametrizamos la variable x
x = f (t); y = f (t)
Por ejemplo
y
5
-5 -4 -3 -2 -1 1 2 3 4 5
x
-5
-10
(t; 2t 1)
Método de Sustitución
Ejemplo
Inicialmente se procede con el método de igualación entre las ecuaciones (1) y (2)
8
< (1) : 3x + y = 4
:
(2) : x + 3y = 5
4 y
3x + y = 4; 3x = 4 y; x = (4)
3
4 y
= 5 + 3y
3
4 y = 3 ( 5 + 3y)
4 y= 15 + 9y
y 9y = 15 4
10y = 19
19
y= (6)
10
19
(1) : 3x + y = 4; 3x + =4
10
19
3x = 4
10
21
21 10 21
3x = ; x= 3 =
10 1
30
21 19 7 19
(x; y) = ; = ;
30 10 10 10
Ejemplo
8
>
> (1) : 3x + y = 4
>
>
<
(2) : 2x + 4y = 1
>
>
>
>
:
(3) : x y=5
4 y
3x + y = 4; 3x = 4 y; x = (4)
3
1 4y
2x + 4y = 1; 2x = 1 4y; x = (5)
2
x y = 5; x = 5 + y (6)
4 y 1 4y
= ; 2 (4 y) = 3(1 4y)
3 2
8 2y = 3 12y
2y + 12y = 3 8
1
10y = 5; y = (7)
2
1 4y
= 5 + y; 1 4y = 10 + 2y
2
4y 2y = 10 1
6y = 9
9
y= (8)
6
1
y= (7)
2
9
y= (8)
6
Nota
Si los valores de y hubiesen sido iguales, existe la posibilidad, que el sistema tenga in…nita soluciones o también
podría tener solución única
Este método consiste sumar o restar varias ecuaciones con la …nalidad de eliminar variables
8
>
> (1) : 2x y + 4z = 2
>
>
<
(2) : x 3y z = 2
>
>
>
>
:
(3) : x + 5y z = 10
8
>
> (1) : 2x y + 4z = 2
>
>
<
2 (2) : 2x + 6y + 2z = 4
>
>
>
>
:
(1) 2 (2) 5y + 6z = 6 (4)
De manera análoga, la ecuación (2) le multiplicamos por 1 y le sumamos la ecuación (3) y nuevamente se elimina
la variable x
8
>
> (2) : x 3y z= 2
>
>
<
1(3) : x 5y + z = 10
>
>
>
>
:
(2) 1(3) : 8y = 12 (5)
8y = 12
12 3
y = = (6)
8 2
5y + 6z = 6 (4)
3
5 + 6z = 6
2
1
z = (7)
4
Las ecuaciones (6) y (7) reemplazamos en la ecuación (2) para determinar la variable x
x 3y z = 2
3 1
x 3 2
2 4
9
x =
4
9 3 1
por lo tanto la solución es (x; y; z) = 4; 2; 4
Ejemplo
8
>
> (1) : 2x y + 4z = 2
>
>
< 9 3 1
(2) : x 3y z = 2 la solución es x= ; y= ; z=
>
> 4 2 4
>
>
:
(3) : x + 5y z = 10
4
-4 2 -4
z-2 00 0 -2
-2
-4
2 2
4y x4
Solución Única
8
Ejemplo
8
>
> (1) : 2x y + 4z = 2
>
>
< 13
(2) : 4x 3y z= 2 donde la solución es x=4 z; y = 6 9z
>
> 2
>
>
:
(3) : 8x 6y 2z = 4
Entonces
13
(x; y; z) = 4 z; 6 9z; z
2
cambiando z = t; t 2 R se tiene que
13
(x; y; z) = 4 t; 6 9t; t
2
que es la solución parametrizada, gra…cando
30
4
20
10 x
y 2
-20
-40
20 40 0 0
0 z
-2
-4 -20
-10
In…nitas Soluciones
Ejemplo
8
>
> (1) : 2x y = 2
>
>
<
(2) : x 3y = 1 No tiene solución
>
>
>
>
:
(3) : 5x + 5y = 10
-4
-2
4 y x
2 4
02 0
z 0 -2
-2 -4
-4
2
No tiene Solución
9
8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
>
>
>
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
( ) :
>
>
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + ::: + am;n xn = bm
2 3 2 3
b1 a12 a1n a11 b1 a1n
6 b2 a22 a2n 7 6 a21 b2 a2n 7
6 7 6 7
A1 = 6 .. .. .. .. 7; A2 = 6 .. .. .. .. 7 ; :::
4 . . . . 5 4 . . . . 5
bn an2 ann an1 bn ann
a. Incompatible si jA1 j =
6 0; jA2 j 6= 0; :::; jAn j =
6 0;
8
< (1) : a1 x + b1 y = c1
:
(2) : a2 x + b2 y = c2
a1 b1 c1 a1 b1 c1
= 6= mientras que la indeterminación es = =
a2 b2 c2 a2 b2 c2
Ejemplo
8
>
> (1) : 5x y z = 0
>
>
<
(2) : x + 2y + 3z = 14
>
>
>
>
:
(3) : 4x + 3y + 2z = 16
Solución
5 1 1
4 = jAj = 1 2 3 = 30 6= 0
4 3 2
0 1 1 5 0 1
4x = 14 2 3 = 30; 4y = 1 14 3 = 60
16 3 2 4 16 2
5 1 0
4z = 1 2 14 = 90
4 3 16
4x 30 4y 60 4z 90
x= = = 1; y = = = 2; z = = =3
4 30 4 30 4 30
8
>
> (1) : y 3z + 4w = 5
>
>
>
>
>
>
< (2) : x 2z + 3w = 4
>
>
>
> (3) : 3x + 2y 5w = 12
>
>
>
>
:
(4) : 4x + 3y 5z = 5
Solución
El sistema tiene solución, si el determinante de los coe…cientes se diferente de cero jAj =
6 0
0 1 3 4 5 1 3 4
1 0 2 3 4 0 2 3
4 = jAj = = 24 6= 0; 4x = = 24
3 2 0 5 12 2 0 5
4 3 5 0 5 3 5 0
0 5 3 4 0 1 5 4
1 4 2 3 1 0 4 3
4y = = 48; 4z = = 24
3 12 0 5 3 2 12 5
4 5 5 0 4 3 5 0
0 1 3 5
1 0 2 4
4w = = 24
3 2 0 12
4 3 5 5
4x 4y 4z 4w
x = = 1; y = = 2; z = = 1; w = = 1
4 4 4 4
8
>
> (1) : 3x1 2x2 + 3x3 = 6
>
>
<
(2) : 5x1 + 2x2 + 8x3 = 2
>
>
>
>
:
(3) : x1 + 3x2 2x3 = 0
11
0 1 0 1 0 1
3 2 3 x1 6
A=@ 5 2 8 A ; X = @ x2 A ; b = @ 2 A
1 3 2 x3 0
0 1
3 2 3 3 2 3
4 = jAj = det @ 5 2 8 A= 5 2 8
1 3 2 1 3 2
2 8 5 8 5 2
= 3 +2 +3
3 2 1 2 1 3
= 3( 4 24) + 2 ( 10 8) + 3 (15 2) = 81
0 1
6 2 3 6 2 3
4x = det @ 2 2 8 A= 2 2 8
0 3 2 0 3 2
2 8 2 8 2 2
= 6 +2 +3
3 2 0 2 0 3
= 6( 4 24) + 2 ( 4 + 0) + 3 (6 + 0) = 178
0 1
3 6 3 3 6 3
4y = det @ 5 2 8 A= 5 2 8
1 0 2 1 0 2
2 8 5 8 5 2
= 3 +6 +3
0 2 1 2 1 0
= 3 ( 4 + 0) + 6 ( 10 8) + 3 (0 2) = 126
0 1
3 2 6 3 2 6
4z = det @ 5 2 2 A= 5 2 2
1 3 0 1 3 0
2 2 5 2 5 2
= 3 +2 6
3 0 1 0 1 3
= 3 (0 6) + 2 (0 2) 6 (15 2) = 100
por lo tanto
4x 178 4y 126 4z 100
x1 = = ; x2 = = ; x3 = =
4 81 4 81 4 81
De…nición
A un conjunto de m ecuaciones lineales con n incógnitas se llaman sistema de ecuaciones lineales y es de la forma.
12
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + + amn xn = bm
n
X
aij xj = bi ; 8i = 1; 2; ; m; j = 1; 2; ;n
j=1
Vector solución
Un vector u = (u1 ; u2 ; ; un ) se dice que es solución del sistema ( ), si es solución de cada una de las ecuaciones
lineales del sistema.
Forma Matricial de un Sistema de Ecuaciones Lineales
Consideremos un sistema de m ecuaciones lineales con n incógnitas, es decir
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + + amn xn = bm
0 1 0 1 0 1
a11 a12 a1n x1 b1
B a21 a22 a2n C B x2 C B b2 C
B C B C B C
B .. .. .. C B .. C=B .. C
@ . . . A @ . A @ . A
am1 am2 amn xn bm
A X = 0
b 1
a11 a12 a1n
B a21 a22 a2n C
B C
A = B .. .. .. C
@ . . . A
am1 am2 amn
0 1
x1
B x2 C
B C
X=B .. C;
@ . A
xn
0 1
b1
B b2 C
B C
b=B .. C
@ . A
bn
A X = b
1 1
A (A X) = A (b)
1 1
A A) X = A b
1
I X = A b
1
X = A b
Pero se debe obtener la matriz inversa.sabiendo que la matriz A es una matriz no singular det (A) 6= 0
1 1
A = Adj (A) ; jAj 6= 0
jAj
T
Adj(A) = [Cof (A)]
Ejemplo
8
>
> (1) : 3x1 2x2 + 3x3 = 6
>
>
<
(2) : 5x1 + 2x2 + 8x3 = 2
>
>
>
>
:
(3) : x1 + 3x2 2x3 = 0
0 1 0 1 0 1
3 2 3 x1 6
A=@ 5 2 8 A ; X = @ x2 A ; b = @ 2 A
1 3 2 x3 0
entonces
1
X = A b
0 1 0 1
x1 6
@ x2 A = A 1 @ 2 A
x3 0
0 1
a11 a12 a13
A = @ a21 a22 a23 A donde los cofactores son ( 1)i+j Mij
a31 a32 a33
1+1 2
a11 = ( 1) Mij ; a11 = ( 1) Mij ; a11 = +1 Mij
Por analogía
2+3 5
a23 = ( 1) Mij ; a11 = ( 1) Mij ; a11 = 1 Mij ...
0 1
2 8 5 8 5 2
B + 3 2 1 2
+
1 3 C
B C
B C 0 1
B C 28 18 13
B 2 3 3 3 3 2 C
Cof (A) = B
B + C=@
C 5 9 11 A
B 3 2 1 2 1 3 C
B C 22 9 16
B C
@ 2 3 3 3 3 2 A
+ +
2 8 5 8 5 2
T
adj(A) = [Cof (A)]
0 1
28 5 22
adj(A) = @ 18 9 9 A
13 11 16
0 1
3 2 3
Como det A se determinó anteriormente, es decir el det @ 5 2 8 A= 81 entonces, obtendremos su matriz
1 3 2
inversa
1 1
A = Adj (A)
jAj
0 1 0 28 5 22
1
28 5 22
1 @ 81 81 81
A 1
= 18 9 9 A=@ 2
9
1
9
1
9
A
81 13 11 16
13 11 16 81 81 81
1
X = A b
0 1 0 1
x1 6
@ x2 A = A 1 @ 2 A
x3 0
0 1 0 28 5 22
1 0 1
x1 81 81 81 6
@ x2 A = @ 2 1 1 A @ 2 A
9 9 9
13 11 16
x3 3 1 81 81 81 33
0 31
0 1 0 178
1
x1 81
@ x2 A = @ 14 A
9
100
x3 3 1 81 31
Sistema de Ecuaciones Lineales
Clase 01
8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
>
>
<
( ) a21 x1 + a22 x2 + ::: + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + ::: + amn xn = bm
A X = ; donde A = [aij ] es una matriz de orden m n; X = [xi ] es una matriz de orden n 1 y es la matriz
nula de orden m 1
Observación
1. El sistema ( ) siempre tiene por lo menos una solución (llamada solución trivial) de la forma x1 = x2 = ::: =
xn = 0 por lo tanto es consistente. Luego Rg(A) = Rg(Aa )
2. Una condición necesaria y su…ciente para que el sistema ( ) tenga más de una solución es que Rg(A) = k < n;
donde n es el número de incógnitas. En este caso, el sistema también posee soluciones diferentes de la nula, las
cuáles son llamadas soluciones no triviales, para hallar estas soluciones se aplica el método que se uso en el caso
de un sistema de ecuaciones lineales no homogéneas.
8
>
> (1) : a1 x + b1 y + c1 z = 0
>
>
<
(2) : a2 x + b2 y + c2 z = 0
>
>
>
>
:
(3) : a3 x + b3 y + c3 z = 0
a1 b1 c1
a. Si a2 b2 c2 6= 0; la solución es única (solución trivial) x = y = z = 0
a3 b3 c3
a1 b1 c1
b. Si a2 b2 c2 = 0; el sistema se reduce a dos ecuaciones independientes, la tercera sería combinación lineal
a3 b3 c3
de ellas, o a una sola ecuación las otras dos serían dependientes, en ambos casos el sistema homogéneo tendría
in…nitas soluciones y sería
8
< (1) : a1 x + b1 y + c1 z = 0
:
(2) : a2 x + b2 y + c2 z = 0
donde
b1 c1 a1 c1 a1 b1
x= t; y = t; z = t; t 2 R
b2 c2 a2 c2 a2 b2
Ejemplo
2
8
>
> (1) : x + y + z = 0
>
>
<
(2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : 3x + 4y + 3z = 0
0 1
1 1 1
como, det @ 3 6 5 A = 2 6= 0
3 4 3
8
>
> (1) : x+y+z =0
>
>
<
entonces (2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : 3x + 4y + 3z = 0
Ejemplo
8
>
> (1) : x+y+z =0
>
>
<
Resolver el sistema de ecuaciones homogéneas (2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : x + 4y + 3z = 0
Solución
1 1 1
det(A) = jAj = 3 6 5 =0
1 4 3
Como jAj = 0 el sistema homogéneo tiene soluciones distintas de cero, resolviendo el sistema formado por dos
ecuaciones
8
< (1) : x + y + z = 0
:
(2) : 3x + 6y + 5z = 0
de donde se tiene
1 1 1 1 1 1
x = t; y = t; z = t; t 2 R
6 5 3 5 3 6
x = t; y = 2t; z = 3t; t 2 R
Ejemplo
Resolver el sistema 8
>
> (1) : 2x + 2y z + u = 0
>
>
>
>
>
>
< (2) : x y + 2z 3w + u = 0
>
>
>
> (3) : x + y 2z u = 0
>
>
>
>
:
(4) : z + w + u = 0
3
Solución
8
>
> (1) : 2x + 2y z + u + 0w = 0
>
>
>
>
>
>
< (2) : x y + 2z + u 3w = 0
>
>
>
> (3) : x + y 2z u + 0w = 0
>
>
>
>
:
(4) : 0x + 0y + z + u + w = 0
2 2 1 1 0
1 1 2 1 3
Luego como no es una matriz cuadrada, hay dos columnas iguales entonces por
1 1 2 1 0
0 0 1 1 1
2 1 1 0
1 2 1 3
propiedad de determinantes se puede eliminar una de ellas, luego, el determinante será
1 2 1 0
0 1 1 1
es igual a cero, así det(A) = 0 y realizando las operaciones respectivas se obtiene la solución
(x; y; z; w; u) = ?
x = 5 t; y = 5 ; z = t; w = 0; u = t; t 2 R
(x; y; z; w; u) = ( 5 t; 5; t; 0; t); t 2 R
Ejemplo
8
>
> (1) : 2x 4y + z + w = 0
>
>
>
>
>
>
>
> (2) : x 5y + 2z = 0
>
>
<
(3) : 2y 2z w = 0
>
>
>
>
>
>
>
> (4) : x + 3y + w = 0
>
>
>
>
:
(5) : x 2y z + w = 0
su solución es x = y = z = w = 0
Para resolver un sistema de ecuaciones lineales usando el método de Gauss, se hace de la siguiente forma
1. Se escribe una matriz formada por los coe…cientes de la matriz A (colocando en el lado izquierdo de la línea
vertical) y la matriz de los términos independientes b (colocando al lado derecho de la línea vertical) es decir
.
Aa = A .. b
2. Se efectúa las operaciones elementales de …las (suma, restas, multiplicaciones, divisiones) en ambas matrices de
la matriz ampliada, hasta que la matriz A se convierte en una matriz triangular superior y si fuese el método de
Gauss - Jordan, se convierte en una matriz identidad I, la matriz b se convierte en la solución del sistema.
4
Nota
Los elementos de la matriz diagonal, serán siempre los pivots, o pivotes de la matriz Aa , o si fuese el caso de la
matriz A, solo con estas …las de pivots se realizán las operaciones elementales entre las …las
.
Matriz Aumentada o Ampliada Aa = A .. b
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ) : a21 x1 + a22 x2 + + a2n xn = b2 a la matriz de la forma
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + + amn xn = bm
0 1
..
B a11 a12 a1n . b1 C
B .. C
.. B a21 a22 a2n . b2 C
Aa = aij . bj = B B . .. .. ..
C
.. C
B .. . . . . C
@ A
..
am1 am2 amn . bm
La llamaremos matriz aumentada del sistema ( ), a esta matriz podemos escribirla en la forma abreviada, así
.
Aa = A .. b
.
Aa = aij .. bj
Ejemplo
8
< (1) : x + y = 5
:
(2) : x y=7
.
Aa = A .. b
0 1
..
1 1 . 5 A
Aa = @ .
1 1 .. 7
Entonces resolviendo por el método de eliminación gaussiana, tenemos una matriz triangular superior
0 1 0 1
.. .
@ 1 1 . 5 A 1 1 .. 5 A
. f1 f2 ! f2 @ .
1 1 .. 7 0 2 .. 2
0 1
..
@ 1 1 . 5 A
!( ):
(1) : x + y = 5
.. (2) : 2y = 2
0 2 . 2
entonces resolviendo el sistema ( ) se tiene de la ecuación (2) despejamos la variable y ; 2y = 2; y = 1 (3)
ahora a partir de la ecuación (3) al reemplazar en la ecuación (1) se tiene que x 1 = 5; x = 6 por lo tanto, la
solución será (x; y) = (6; 1)
Por otro lado, complementando el método de la eliminación gaussiana, lo podemos resolver con el método de Gauss
- Jordan, así
0 1 0 1
.. ..
@ 1 1 . 5 A
f2 2f1 ! f1 @
2 0 . 12 A
. ..
0 2 .. 2 0 2 . 2
0 1
f1 ..
.
2 ! f1 @ 1 0 . 6 A
I .. b
f2 .
2 ! f2 0 1 .. 1
Siendo la matriz b la solución del sistema, así por lo que regresando al sistema original, tenemos que
0 1 8
.. < (1) : x=6
@ 1 0 . 6 A
entonces luego (x; y) = (6; 1)
. :
0 1 .. 1 (2) : y= 1
2. Consistente
3. Compatible
Ejemplo
8
< (1) : x y=7
la solución es (x = y + 7) = (y + 7; y)
:
(2) : 2x 2y = 14
(x; y) = (t + 7; t) ; t 2 R
Entonces se observa que estas dos ecuaciones son equivalentes y para ver esto es su…ciente multiplicar la primera
ecuación x y = 7 por 2 y se obtiene la segunda ecuación 2x 2y = 14 entonces la solución del sistema para
cualquier número real x es decir el sistema es consistente, compatible, linealmente dependiente y con in…nitas
soluciones.
8
< (1) : x y=7
generando la matriz ampliada
:
(2) : 2x 2y = 14
0 1
..
@ 1 1 . 7 A
.
2 2 .. 14
6
x y = 7; y = x 7 ) (x; y) = (x; x 7)
por lo tanto, la y se cambia por un parámetro , en este ejemplo el parámetro será t; t 2 R tiempo, es decir
(x; y) = (t; t 7) ; t 2 R
Nota
(x; y) = (7 + y; y)
(x; y) = (7 + t; t) ; 8t 2 R
2. Consistente
3. Compatible
Ejemplo
8
< (1) : x y=7
:
(2) : 2x 2y = 13
0 1
..
1 1 . 7
Aa = @ ..
A
2 2 . 13
0 1 0 1
. .
@ 1 1 .. 7 A 1 1 .. 7 A
. 2f1 f2 ! f2 @ ..
2 2 .. 13 0 0 . 1
8 8 8
< (1) : x y=7 < (1) : x y=7 < (1) : x y=7
: : : 1
(2) : 0x + 0y = 1 (2) : 0y = 1 (2) : y= 0 no existe
7
10
y
-2 -1 1 2 3 4 5 6 7 8 9 10
x
-5
-10
Si las rectas no son paralelas, se interceptan en un sólo punto en este caso el sistema tiene solución única, es
linealmente independiente, consistente y compatible
8
< (1) : x y = 7
2. Para In…nita soluciones donde
:
(2) : 2x 2y = 14
P (x; y) = P (7 + t; t) ; 8t 2 R
o
P (x; y) = P (t; t 7); 8t 2 R
se veri…ca
10
y
5
-2 2 4 6 8 10
x
-5
-10
Si las rectas son paralelas y coincidentes, sus intercepciones es un número in…nito de puntos, en este caso el
sistema tiene in…nita soluciones, linealmente dependiente, consistente, compatible y además parametrizado.
8
< (1) : x y = 7
3. Para el sistema sin solución donde las variables x y y no existen, entonces se veri…ca
:
(2) : 2x 2y = 13
8
5
y
-2 -1 1 2 3 4 5 6 7 8 9 10
x
-5
-10
Si las rectas son paralelas y distintas, en este caso no tienen puntos de intersección, por lo tanto el sistema no tiene
solución, además es incompatible e incosistente
Ejemplo
8
>
> (1) : 5x y z = 0
>
>
<
Resolver el sistema de ecuación por el método de Gauss (2) : x + 2y + 3z = 14
>
>
>
>
:
(3) : 4x + 3y + 2z = 16
Solución
9
0 1
.
B 5 1 1 .. 0 C ! permutando f1 por f2
B . C
Aa = B 1
@ 2 3 .. 14 C
A
.
4 3 2 .. 16
0 1
.
B 1 2 3 .. 14 C
B . C
B 5
@ 1 1 .. 0 C
A
! f2 5f1 ; de f2 restar 5 veces f1
. ! f3 4f1 ; de f3 restar 4 veces f1
4 3 2 .. 16
0 1
..
B 1 2 3 . 14 C
B . C
B 0
@ 11 16 .. 70 C
A
! f2 2f3 ; de f2 restar 2 veces f3
1
. ! 5 f3 ; dividir f3 en 5
0 5 10 .. 40
0 1
.
B 1 2 3 .. 14 C
B . C
B 0
@ 1 4 .. 10 C A
.. ! f3 + f2 ; a f3 sumar f2
0 1 2 . 8
0 1
..
B 1 2 3 . 14 C
B . C
B 0
@ 1 4 .. 10 C A 1
.. ! 6 f3
0 0 6 . 18
0 1
..
B 1 2 3 . 14 C ! f1 3f3
B . C
B 0
@ 1 4 .. 10 C A
! f2 4f3 Eliminación Gaussiana ó método de Gauss
..
0 0 1 . 3
8
>
> (1) : x + 2y + 3z = 14
>
>
<
(2) : y + 4z = 10
>
>
>
>
:
(3) : z=3
Luego
0 1
..
B 1 2 . 0 5 C ! f1 + 2f2
B .. C
B 0 1 0 . 2 C ! ( 1) f2
@ A
.
0 0 1 .. 3
0 1
..
B 1 0 0 . 1 C
B . C
B 0 1 0 .. 2 C Método de Gauss - Jordan
@ A
..
0 0 1 . 3
8
>
> (1) : x = 1
>
>
<
(2) : y = 2
>
>
>
>
:
(3) : z = 3
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + + amn xn = bm
donde
Propiedades
1. Una condición necesaria y su…ciente para que el sistema sea consistente, es que el rango de la matriz de los
coe…cientes sea igual al rango de la matriz aumentada, Es decir
a). Que el sistema tenga una solución ( solución única) esto ocurre cuando el número de incónitas del sistema es
igual al rango de la matriz aumentada, es decir
b) Que el sistema tenga más de una solución ( existen in…nitas soluciones ) esto ocurre cuando el número de
incógnitas del sistema es mayor que el rango de la matriz aumentada, es decir
Observación
Si k < n; entonces (n k) variables o incógnitas del sistema toman valores arbitrarios, estas variables o incógnitas
que toman valores arbitrarios se conoce con el nombre de variables libres, variables independientes o parámetros.
3. Si el rango de la matriz de los coe…cientes es distinto del rango de la matriz aumentada, en este caso se dice que
el sistema es inconsistente, es decir
En resumen tenemos
A X=b
8 8
>
> < Si k = n Solución Única ! L:i:
>
>
>
> Si Rg(A) = Rg(Aa ) = r Consistente,compatible, hay solución
< :
Si k < n In…nitas Soluciones ! L:d:
>
>
>
>
>
>
:
Si Rg(A) 6= Rg(Aa ) Inconsistente,incompatible no hay solución
11
Ejemplo
8
>
> (1) : x + 2z = 1
>
>
>
>
>
>
< (2) : x + y + (4a + 2)z = 1
Para que valores de a y b el sistema de ecuaciones tiene solución única...?
>
>
>
> (3) : 2x + ay + 5z = 2
>
>
>
>
:
(4) : 3x + ay + 7z = b
0 1
..
B 1 0 2 . 1 C
B .. C
B 1 1 4a + 2 . 1 C
Sea Aa = B
B ..
C resolviendo mediante la Eliminación Gaussiana ( Método de Gauss ) tenemos
C
B 2 a 5 . 2 C
@ A
..
3 a 7 . b
0 1 0 1
.. ..
B 1 0 2 . 1 C B 1 0 2 . 1 C
B .. C B .. C
B 1 1 4a + 2 . 1 C f2 f1 ! f2 B 0 1 4a . 0 C
B C B C
B .. C f3 2f1 ! f3 B .. C
B 2 a 5 . 2 C B 0 a 1 . 0 C
@ A f4 3f1 ! f4 @ A f4 f3 ! f4
.. ..
3 a 7 . b 0 a 1 . b 3
0 1
..
B 1 0 2 . 1 C
B . C
B 0 1 4a .. 0 C
B C
B .. C
B 0 a 1 . 0 C f3 af2 ! f3
@ A
..
0 0 0 . b 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2 . 0 C
@ A
..
0 0 0 . b 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2 . 0 C
@ A
..
0 0 0 . b 3
8
>
> (1) : x + 0y + 2z = 1
>
>
>
>
>
>
< (2) : 0x + y + 4az = 0
>
>
>
> (3) : 0x + 0y + 1 4a2 z = 0
>
>
>
>
:
(4) : 0x + 0y + 0z = b 3
0
0x + 0y + 1 4a2 z = 0; 1 4a2 z = 0; z = ;1 4a2 6= 0
1 4a2
r
2 2 1 p 1 1
4a 6= 1; a 6= ; a2 =
6 ; jaj =
4 4 2
1 1
a = ^a=
2 2
a. Análisis 1
0 1 0 1
.. .. 0 1
B 1 0 2 . 1 C B 1 0 2 . 1 C ..
B
B 0 1 4a
.. C
C
B
B 0
.. C B 1 0 2 . 1 C
B . 0 C si b 1 4a . 0 C
C entonces B .. C
B .. C = 3; B
B .. C B 0 1 4a . 0 C
B 0 0 1 4a2 C B 0 @ A
@ . 0 A @ 0 1 4a2 . 0 C
A ..
.. .. 0 0 1 4a2 . 0
0 0 0 . b 3 0 0 0 . 0
0 1
..
1 B 1 0 2 . 1 C
B .. C
si a = entonces B 0 1 4 1
. 0 C
2 @ 2 A
..
0 0 0 . 0
0 1 0 1
.. ..
B 1 0 2. 1 C B 1 0 2 . 1 C
B . C B . C
es decir B 0
@ 1 2 .. 0 C ^B
A @ 0 1 2 .. 0 CA
. ..
0 0 0 .. 0 0 0 0 . 0
8
< (1) : x + 2z = 1
de (1) : 2z = 1 x; de (2) : 2z = y
:
(2) : y + 2z = 0
1
sistema con in…nitas soluciones, se concluye que cuando b = 3 ^ a = 2 entonces el sistema, es consistente,
compatible, linealmente dependiente, con in…nitas soluciones.
b. Análisis 2
1
si a 6= 2; a = 5 y además b 6= 3; b = 2 entonces
13
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2
. 0 C
@ A
..
0 0 0 . b 3
reemplazando a = 5; b = 2
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4(5) . 0 C
B C
B .. C
B 0 0 1 4 (5)
2
. 0 C
@ A
..
0 0 0 . 2 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 20 . 0 C
B C
B . C
B 0
@ 0 99 .. 0 C
A
..
0 0 0 . 1
8
>
> (1) : x + 2z = 1
>
>
>
>
>
>
< (2) : y + 20z = 0
>
>
>
> (3) : 99z = 0
>
>
>
>
:
(4) : 0 = 1
1
por lo tanto, el sistema no tiene solución, cuando a 6= 2 ^ b 6= 3
0 1
1 0 2
B 1 1 4a + 2 C
A=B
@ 2 a 5
C Rg(A) = 3
A
3 a 7
y luego comparo con el rango de la matriz aumentada Aa
0 1
..
B 1 0 2 . 1 C
B .. C
B 1 1 4a + 2 . 1 C
Aa = B
B ..
C Rg(Aa ) = 4
C
B 2 a 5 . 2 C
@ A
..
3 a 7 . b
entonces, si r < n In…nitas Soluciones, es decir es L:D:; porque 3 < 4 esto determina que el sistema tiene in…nitas
soluciones.
Conclusión
1
1. b = 3 ^ a = 2 el sistema tiene in…nitas soluciones
1
2. a 6= 2 ^ b 6= 3 el sistema no tiene solución
Ejemplo
14
8
>
> (1) : 2x y + z = m
>
>
<
Dado el sistema de ecuaciones lineales (2) : x + 2y + z = n Para que valores de m; n y el sistema es
>
>
>
>
:
(3) : 3x + y + 2z =
compatible? (tiene solución pero no única)
0 1 0 1
. .
B 2 1 1 .. m C B 1 2 1 .. n C
B . C ! f1 $ f2 B . C
B 1 2
@ 1 .. n C
A
B 2
@ 1 1 .. m C
A
. .
3 1 2 .. 3 1 2 ..
0 1
..
B 1 2 1 . n C
B . C
! f2 2f1 B 0
@ 5 1 .. m 2n C
A
! f3 3f1 .
0 5 1 .. 3n
0 1
..
B 1 2 1 . n C
B . C
B 0
@ 5 1 .. m 2n C
A
! f3 f2 ..
0 0 0 . m n
Además como Rg(A) = Rg(Aa ) = 2 y es menor que el número de incógnitas entonces el sistema tiene in…nita
soluciones ( no tiene solucíón única)
Ejemplo
8
>
> (1) : x+y 3z + u = 1
>
>
>
>
>
>
< (2) : 2x 4y + 2u = 2
Sea el sistema de ecuaciones lineales hallar para que el sistema tenga solución
>
>
>
> (3) : x 2z + 3u = 3
>
>
>
>
:
(4) : 3x 4y 2z =
única o distinta al sistema. Para resolver aplicamos el método de eliminación gaussiana, así
0 1
..
0 1
B 1 1 3 1 . 1 C
1 1 3 1 1
B .. C
B 2 4 0 2 . 2 C B 2 2 C
B C entonces B 2 4 0 C
B .. C @ 1 0 2 3 3 A
B 1 0 2 3 C
. 3 A
@ 3 4 2 0
..
3 4 2 0 .
0 1
1 1 3 1 1
B 0 6 6 0 0 C
obtenemos B
@ 0
C
0 0 2 2 A
0 0 0 0
a) El sistema es compatible si =0
0 1
1 1 3 1 1
B 2 4 0 2 2 C
B C
@ 1 0 2 3 3 A
3 4 2 0 0
tendremos
[x = 2z; y = z; z = z; u = 1]
entonces, si
8
>
> (1) : x = 2t
>
>
>
>
>
>
< (2) : y = t
z=t) ; 8t 2 R
>
>
>
> (3) : z = t
>
>
>
>
:
(4) : u = 1
0 1
1 1 3 1 1
B 2 4 0 2 2 C
B C
@ 1 0 2 3 3 A
3 4 2 0 1
8
>
> (1) : x+y 3z + u = 1
>
>
>
>
>
>
< (2) : 6y + 6z = 0
como 0u = 1; 0 6= 1 el sistema no tiene solución
>
>
>
> (3) : 2u = 2
>
>
>
>
:
(4) : 0u = 1
Ejemplo
0 1
1 1 1 1 1 7
B 3 2 1 1 3 2 C
B C
@ 0 1 2 2 6 23 A
5 4 3 3 1 12
) Rg(A) = Rg(Aa ) = 2
El sistema es consistente, donde el número de incógnitas es mayor que el número de ecuaciones, ahora analizamos
y 2z 2w 6z = 23; y + 2z + 2w + 6u = 23
y = 23 2z 2w 6u; x + y + z + w + u = 7
reemplaza
x + (23 2z 2w 6u) + z + w + u = 7
x = (23 2z 2w 6u) (z + w + u) + 7
x = 5u + w + z 16
ahora el sistema es
8
< (1) : x = z + w + 5u 16
para 8 (z; w; u) 2 R
:
(2) : y = 23 2z 2w 6u
17
Ejemplo
Tiene
a. solución única
b. No tiene solución
c. In…nita soluciones
0 1
3 2 1 b
@ 5 8 9 3 A
2 1 a 1
1
a. Solución única si Rg(A) = Rg(An ) = 3 , a 6= 3 y b 6= 3
1
b. No tiene solución si a = 3 y b 6= 3
1
c. Tiene in…nita soluciones si a = 3yb= 3
Una Liebre perseguida por un Galgo lleva ya adelantados 90 saltos y da 5 saltos mientras el perro da 4, y
como 7 saltos de la liebre equivalen a 5 del perro. ¿Cuántos saltos tendrá que dar el galgo para alcanzarla?
Procedimiento
1. Leer bien
2. Comprender bien
4. Grá…co
7. Resolución
8. Interpretación de resultados
9. Si es ilógico...regresar al paso 1
Solución
Dese A hasta C hay (90 + x) saltos de la liebre, pero (90 + x) 75 saltos del perro.
4
En este lapso la liebre ha dado "x"saltos y el perro solo x 5 de lo cual se puede ya establecer un modelo
matemático, Resolver
5 4
(90 + x) = x
7 5
25 (90 + x) = 28x
2250 = 3x
2250
x= = 750
3
4 4
entoces la liebre dá 750 saltos,es decir,los saltos del perro = x 5 = 750 5 = 600
Interpretación
el perro Galgo debe dar 600 saltos para alcanzar a la liebre que apenas da 750 saltos, por lo que 750 600 = 150
saltos, con estos saltos es alcanzada la liebre.
Ejemplo
En un examen de admisión, un postulante ha marcado 140 preguntas obteniendo 80 puntos, sabiendo que gana un
punto por respuesta correcta y pierde un cuarto de punto por cada pregunta mal constestada. ¿Cuántas respuestas
están equivocadas?
Solución
1
80 = 1 (140 x) + x
4
1
80 = 140 x x
4
1
80 140 = x x
4
5
60 = x
4
5
60 = x
4
240 = 5x
Ejemplos de Aplicación
Después de comprar 15 cajas de cerveza del mismo precio, me sobran 38 usd y me faltan 47 usd para poder
comprar otra más ¿De qué suma disponía?
Si tuviera 15 años más de la edad que tengo, entonces lo que me faltaría para cumplir 78 años sería los cinco
tercios de la edad que tenía hace 7 años: Dentro de 5 años que edad tendré?
Para podar un Jardín le tomaría a Isabel 9 horas; Miriam lo hace en 6 horas mientras que Bertha sola lo hace
en 3 horas. ¿Cuánto tiempo les tomará trabajando todas juntas?
Matrices
Quito,Mayo de 2022
1
Clase 03
2
Capítulo 1
Matrices
1.0.1. Matrices
Introducción
Sea el siguiente grafo A; donde A es la construcción de un grafo de redes en comunicación, la misma que genera
una matriz A binaria, de la forma
P3 ! ! P6
# # # "
# # # "
# P1 ! ! ! P5 ! !
# P2 ! " #
! ! ! " P4
0 1
P1 P2 P3 P4 P5 P6
B P1 0 0 0 0 1 0 C
B C
B P2 0 0 0 0 1 0 C
B C
A=B
B P3 1 1 0 0 1 1 C
C
B P4 0 1 0 0 1 0 C
B C
@ P5 0 0 0 0 0 1 A
P6 0 0 0 1 0 0 66
1.0.2. Matriz
Se suele representar por letras mayúsculas A; B; :::; etc: y a sus elementos de la forma aij donde el primer subíndice
indica la …la y el segundo subíndice la columna a la que pertenece dicho elemento.
0 1
a11 a12 a13 a1j a1n
B a21 a22 a23 a2j a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
A=B
B ai1
C
C
B ai2 ai3 aij ain C
B . .. .. .. .. .. .. C
@ .. . . . . . . A
am1 am2 am3 amj amn mn
3
4 CAPÍTULO 1. MATRICES
8
< 1 i m
A = (aij )m n ;
:
1 j n
Ejemplo
2 p 3
2 3i 1 i 2+i
A = 4 e3i i2 4 i 5 ; A 2 Cm n
cis 2 cos 6 + i sin 6 i 33
A = (aij )m n ; 1 i m; 1 j n; A 2 C
A = (aij )m n ; A 2 |mxn
Una matriz de m …las y n columnas se dice que tiene dimensión o que es de orden m n, y al conjunto de todas
las matrices de orden m n lo denotaremos por |mxn (en el supuesto de que los elementos de la matriz A sean
elementos de R).
Igualdad de Matrices
Dos matrices A = [aij ]m n y B = [bij ]m n son iguales si tienen el mismo orden y sus elementos correspondientes
son iguales
8
< 8i; 1 i m
A = B , aij = bij ;
:
8j; 1 j n
Propiedades
Sean A; B; C matrices del mismo orden (elementos de |m n ) se cumplen las siguientes propiedades
a. A = A; 8A
b. A = B ) B = A
c. A = B ^ B = C ) A = C
Ejemplo
igualando todos los elementos correspondientes, y si este sistema tiene solución, entonces se cumple dicha condición
5
8
>
> (1) : 2x + 1 = 3 2y
>
>
>
> (2) : 2=2
>
>
>
> (3) : z 1=x+y
>
>
< (4) : x+2=z+3
Resolviendo el sistema, se tiene (5) : 1= 1
>
>
>
> (6) : 2y = z 2x
>
>
>
> (7) : y 1=z 5
>
>
>
> (8) : 8=8
:
(9) : x 2z = 1
De…nición
Ejemplo
p
A= i 3 e3i i 3 2i cis 56 2 7 17
De…nición
De igual manera, se denomina Matriz Columna a aquella que consta de una única columna.
2 3
a11
6 a21 7
6 7
6 .. 7
6 . 7
A=6
6 ai1
7 2 |m 1
7
6 7
6 . 7
4 .. 5
am1
Ejemplo
2 3
3 2i
6 p 7
A=6 6 2i 7 2 |m 1
4 cos 4 4 5
3 + i sin 3
4e 2 i 41
Matriz Cuadrada.
Si m = n (número de …las es igual al número de columnas), diremos que An = (aij ) o An = [aij ] se denomina
matriz cuadrada de orden n .
0 1
a11 a12 a1n
B a21 a22 a2n C
B C
A=B .. .. .. .. C A 2 |n n
@ . . . . A
am1 am2 amn
Ejemplo
2 3 3
p4 + 0i 2 2i e4i
A = 4 25p 3 + 21 i 11
2 + 3i 2 +p7i 5
3 2i cis 73 5 + 3i 3 3
A3 = [aij ]3 ; A 2 C3 3
Matriz Diagonal.
0 1
a11 a12 a1n
B a21 a22 a2n C
B C
An = B .. .. .. .. C = diag a11 a22 amn
@ . . . . A
am1 am2 amn
diag (A) = 3i x2 + 2 ex 2x + 3i
Ejemplo
En |4;4
2 3
2 0 0 0
6 0 0 0 0 7
A4 = 6
4 0
7 Diagonal Principal
0 3 0 5
0 0 0 0
D = 2 0 3 0
Ejemplo
En |5;5
2 3
3 0 0 0 0
6 0 4 0 0 0 7
6 7
A5 = 6
6 0 0 2 0 0 7 Diagonal Principal
7
4 0 0 0 8 0 5
0 0 0 0 4
diag(A) = 3 4 2 8 4 =D
7
Dada la matriz An = [aij ]n , se llama diagonal principal al conjunto. D a11 a22 amn
Ejemplo
2 3
2 3 1 5
6 1 4 3 2 7
Sea A = 6
4 8
7, entonces D = 2 4 3 0 es la diagonal principal de A4
1 3 4 5
4 3 2 0
Matriz Identidad.
0 1
1 0 0
B 0 1 0 C
B C
In = B .. .. .. .. C=I
@ . . . . A
0 0 1
Ejemplo
2 3
1 0 0 0 0
6 0 1 0 0 0 7
6 7
I5 = 6
6 0 0 1 0 0 7
7
4 0 0 0 1 0 5
0 0 0 0 1
Matriz Nula.
Ejemplo
2 3
0 0
=4 0 0 5
0 0 mn
Matriz Escalar
Es aquella matriz diagonal cuyos elementos diagonales son todos iguales, es decir si se veri…ca que a11 = a22 =
a33 = ::: = an n =
0 1
0 0
B 0 0 C
B C
A=B .. .. .. .. C
@ . . . . A
0 0 nn
8 CAPÍTULO 1. MATRICES
Ejemplo
2 3
(3 7i) 0 0 0
6 0 (3 7i) 0 0 7
A4 = 6
4
7
5
0 0 (3 7i) 0
0 0 0 (3 7i) 44
2 3
1 0 0 0
6 0 1 0 0 7
A4 = (3 7i) 6
4 0
7
0 1 0 5
0 0 0 1 44
A4 = (3 7i) I4 4 ; 2 |4 4 ; A 2 C
Ejemplo
Resolver
2 3
5 0 0
A3 = 4 0 5 0 5
0 0 5 33
2 3
1 0 0
A3 = 54 0 1 0 5 = 5I
0 0 1 33
Una matriz cuadrada cuyos elementos aij = 0; para i > j se llama matriz triangular superior, es decir
0 1
a11 a12 a13 a1n
B 0 a22 a23 a2n C
B C
B 0 0 a33 a3n C
A4s =B C
B .. .. .. .. .. C
@ . . . . . A
0 0 0 0 ann
Una matriz cuadrada cuyos elementos aij = 0; para i < j se llama matriz triangular inferior, es decir
0 1
a11 0 0 0
B a21 a22 0 0 C
B C
B a31 a32 a33 0 C
A4I =B C
B .. .. .. .. .. C
@ . . . . . A
an1 an2 an4 ann
Ejemplo
0 p 1
2 i cis i2
p
A4s = @ 0 e i 3 A
0 0 3i
Ejemplo
0 p 1
3 0 0
A4I = @ 2 2i 0 A
p
3ei 3 3i 4 3
9
Matriz Idempotente
Matriz Nilpotente
2 3
0 1 0 0 0
6 0 0 1 0 0 7
6 7
A=6
6 0 0 0 1 0 7
7
4 0 0 0 0 1 5
0 0 0 0 0
2 3 2 3 2 3
0 1 0 0 0 0 1 0 0 0 0 0 1 0 0
6 0 0 1 0 0 7 6 0 0 1 0 0 7 6 0 0 0 1 0 7
6 7 6 7 6 7
A 2
= A A=6
6 0 0 0 1 0 7
7
6
6 0 0 0 1 0 7=6
7 6 0 0 0 0 1 7
7
4 0 0 0 0 1 5 4 0 0 0 0 1 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 3 2 3 2 3
0 0 1 0 0 0 1 0 0 0 0 0 0 1 0
6 0 0 0 1 0 7 6 0 0 1 0 0 7 6 0 0 0 0 1 7
6 7 6 7 6 7
A 3
= A 2
A=6
6 0 0 0 0 1 7
7
6
6 0 0 0 1 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 0 5 4 0 0 0 0 1 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 3 2 3 2 3
0 1 0 0 0 0 0 0 1 0 0 0 0 0 1
6 0 0 1 0 0 7 6 0 0 0 0 1 7 6 0 0 0 0 0 7
6 7 6 7 6 7
A4 = A3 A = 6
6 0 0 0 1 0 7
7
6
6 0 0 0 0 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 1 5 4 0 0 0 0 0 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 CAPÍTULO 1. MATRICES
2 3 2 3 2 3
0 0 0 0 1 0 0 0 0 1 0 0 0 0 0
6 0 0 0 0 0 7 6 0 0 0 0 0 7 6 0 0 0 0 0 7
6 7 6 7 6 7
A5 = A4 A = 6
6 0 0 0 0 0 7
7
6
6 0 0 0 0 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 0 5 4 0 0 0 0 0 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
A A = A2 = In
Propiedad
Ejemplo
Sea
p p !
2 2
A = p2 2p
2 2
2 2
p p ! p p !
2 2 2 2
2 p2 2p p2 2p 1 0
A A = A = =
2 2 2 2 0 1
2 2 2 2
p p !
2 2
det(A) = det p2 2p = 1
2 2
2 2
Ejemplo
1 0
Sea A =
0 1
2
1 0
A A = A2 =
0 1
1 0
= =I
0 1
1 0
además det(A) = det = 1
0 1
Ejemplo
11
2 3
3 6 2
Sea A = 4 2 4 1 5
2 3 0
2 32
3 6 2
A A = A2 = 4 2 4 1 5
2 3 0
2 3
1 0 0
= 4 0 1 0 5=I
0 0 1
0 1
3 6 2
Además det(A) = det @ 2 4 1 A= 1
2 3 0
A0 = I
A1 = A
A2 = A A
A3 = A A A
..
.
n
A = A A A ::: A
además
q
Ap Aq = Ap+q y (Ap ) = Apq
Las matrices A y B son conmutables. Entonces cualquier potencia natural de los mismos también son conmutables
y
p
(A B) = Ap B p ; p 2 N
arbitrarios
Ejemplo
0 1
2 3 5
Sea A = @ 1 4 5 A determinar A5 =?
1 3 4
0 1 0 1 0 1
2 3 5 2 3 5 2 3 5
A2 = @ 1 4 5 A @ 1 4 5 A=@ 1 4 5 A
1 3 4 1 3 4 1 3 4
2
A5 = A A2 = A A2 = A A = A2 = A
Ejemplo
2 3
0 1 0
Dada la matriz A = 4 0 0 1 5 determinar A25 =?
1 1 1
12 CAPÍTULO 1. MATRICES
2 32 3 2 3
0 1 0 0 01 0 0 1
A2 = 4 0 0 1 54 0 1 5=4 1
0 1 1 5
1 1 1 1 11 1 0 0
2 32 3 2 3
0 0 1 0 1 0 1 1 1
A3 = A2 A=4 1 1 1 54 0 0 1 5=4 1 0 0 5
1 0 0 1 1 1 0 1 0
2 32 3 2 3
1 1 1 0 1 0 1 0 0
A4 = A3 A=4 1 0 0 54 0 0 1 5=4 0 1 0 5
0 1 0 1 1 1 0 0 1
Entonces
6
A4 = I; A4 = I6 = I
6
A4 = A24 = I entonces A25 = A24 A = I A = A es decir A25 = A
t t
Sea A 2 Cn n ; A es hermitiana si y sólo si A = A ; A :Transpuesta de la conjugada de A
Notación: Si A = [aij ] entonces A = [aij ] donde aij es la conjugada de aij y A es la conjugada de A entonces
t
A =A
Ejemplo
2 3
2 + 0i 1 i 4 + 2i
Sea A = 4 1 + i 5 + 0i 1 i 5
4 2i 1+i 3 + 0i
2 3
2 1+i 4 2i
donde A = 4 1 i 5 1+i 5
4 + 2i 1 i 3
2 3
2 1 i 4 + 2i
t
A = 4 1+i 5 1 i 5
4 2i 1+i 3
t
se cumple A = A ; entonces A es hermitiana
Matriz Ortogonal
De…nición
A At = At A = In
De…nición
Propiedades
t
2. Puesto que (At ) = A se deduce que la inversa de una matriz ortogonal es una matriz ortogonal
Observación
Para la matriz ortogonal debe cumplirse que A 1 = At hay que tener en cuenta que sus determinantes son diferentes
de cero, es decir que sus matrices sean invertibles o no singulares
Teorema
Demostración
Luego
t 1 1 1
(A B) = B A = (A B)
por lo tanto A B es una matriz Ortogonal
Observación
t
(A B) = At B t no está de…nido
Ejemplo
2 3
cos x sin x 0
A = 4 sin x cos x 0 5
0 0 1 33
entonces comprobaremos A At
2 3 2 3
cos x sin x 0 cos x sin x 0
A = 4 sin x cos x 0 5 La Transpuesta es At = 4 sin x cos x 0 5 por lo tanto
0 0 1 0 0 1
0 1 0 1
cos x sin x 0 cos x sin x 0
A At = @ sin x cos x 0 A @ sin x cos x 0 A
0 0 1 33 0 0 1 33
0 1
cos2 x + sin2 x 0 0
= @ 0 cos2 x + sin2 x 0 A
0 0 1 33
Entonces A es Ortogonal
Ejemplo
p1
1 1
Sea A = comprobar si A es una matriz ortogonal, sabiendo que debe cumplir con la condición
2 1 1
t 1
A =A
14 CAPÍTULO 1. MATRICES
1
p 1
p
1 1 1 2 p2 2p 2
Sea A = p = 1 1
2 1 1 2 2 2 2
1
p 1
p
2 2 p2
luego At = 2 p
1 1 por otro lado, se calcula A 1
=?
2 2 2 2
1
p 1
p
1 2 p 2 2 p2
donde A = 1 1
2 2 2 2
Ejemplo
0 1 2 2
1
3 3 3
Sea A = @ 2
3
2
3
1
3
A
2 1 2
3 3 3
0 1 2 2
1 0 1 2 2
1
3 3 3 3 3 3
A = @ 2
3
2
3
1
3
A ; At = @ 2
3
2
3
1
3
A
2 1 2 2 1 2
3 3 3 3 3 3
0 1 2 2
10 1 2 2
1 0 1
3 3 3 3 3 3 1 0 0
A At = @ 2
3
2
3
1
3
A@ 2
3
2
3
1
3
A=@ 0 1 0 A = I3
2 1 2 2 1 2
3 3 3 3 3 3
0 0 1
Quito,Mayo de 2022
Capítulo 1
Matrices
(n;n)
X
T r(A) = aij ; 8i = j; fi; jg 2 N; T r(A) 2 |
(i;j)=(1;1)
Propiedades
a. Tr ( ) = 0
b. Tr (In ) = n
c. Tr (At ) = Tr (A)
d. Tr (A + B) = Tr (A) + Tr (B)
e. Tr ( A) = Tr (A)
f. Tr (AB) = Tr (BA)
Ejemplo
0 1
cos x sin x 0
Sea la matriz A = @ sin x cos x 0 A ; Determinar la T r(A) =?
0 0 1
Ejemplo
0 1
2 3 5
Hallar la T r(A); sabiendo que A = @ 1 4 5 A
1 3 4
T r(A) = 2 + 4 4=2
Ejemplo
Determine la traza de la matriz simétrica (los elementos equidistantes de la diagonal de la matriz A tienen que ser
iguales)
1
2 CAPÍTULO 1. MATRICES
0 1
a 5 7
A = @ a + 2b 2b 3c + a A
2b + 3c 20 3c
T r(A) = 16
Sean A 2 |m n y 2 | se de…ne Producto de un Escalar por una Matriz de por A 2 |m n tal que sus elementos
son los de A multiplicados por .
Se denota por
A = ( aij )m n = ( aij )1 i m
1 j n
Ejemplo
Ejemplo
0 1
2 3 5
Hallar el producto de un escalar = 5 por la matriz A = @ 1 4 5 A
1 3 4
0 1 0 1
2 3 5 10 15 25
A = 5@ 1 4 5 A = @ 5 20 25 A
1 3 4 5 15 20
3
Propiedades
1. Asociativa
8 ; 2 | y 8A 2 |m n ) ( ) A = ( A) = ( A)
2. Distributivas
8 ; 2 | y 8A 2 |m n ) ( + )A = A + A
8 2 | y 8A; B 2 |m n ) (A + B) = A + B
3. Modulativas
8A 2 |m n ) 1 A=A
8A 2 |m n ) 0 A=
Observación
a. Por tanto (Rm n ; +; ) es un espacio vectorial sobre el cuerpo R de los números reales.
b. Para matrices complejas (Cm n ; +; ) sería un espacio vectorial sobre el cuerpo C de los números complejos.
c. En caso muy general, se puede suponer que cualquier conjunto de los números se les puede representar con |
bij = aji ; 81 i m; 81 j n
donde B es la transpuesta de A
0 1 0 1
a11 a12 a1n a11 a21 am1
B a21 a22 a2n C B a12 a22 am2 C
B C B C
Si A = B .. .. .. .. C entonces At = B .. .. .. C
@ . . . . A @ . . . A
am1 am2 amn mn
a1n a2n amn mn
Ejemplo
2 3
1 i 2i i
Sea A = 4 i 5 3i 2 + 3i 5
i 1 2i 1
2 3
1 i i i
entonces At es At = 4 2i 5 3i 1 2i 5
i 2 + 3i 1
Propiedades
a. Traspuesta de la Identidad I t = I
t
c. Escalar por Matriz Traspuesta (k A) = kAt ; k es un escalar
Xr t Xr
d. Suma de Matrices Traspuesta (A + B)t = At + B t o generalizando Ai = Ai t
i=1 i=1
t
e. Producto de Matrices Traspuestas (A B) = B t At
Ejemplo
2 3
1 i 2i i
A = 4 i 5 3i 2 + 3i 5
i 1 2i 1
2 3
1 i i i
la Matriz At es At = 4 2i 5 3i 1 2i 5
i 2 + 3i 1
2 3t 2 3
1 i i i 1 i 2i i
t t
A = 4 2i 5 3i 1 2i 5 = 4 i 5 3i 2 + 3i 5
i 2 + 3i 1 i 1 2i 1
t
At = A
Observación
3+4=7 Suma
1. Operación Suma Módulo (0)
3 + ( 4) = 1 Resta (Propiedad)
3 4 = 12 Multiplicación
3 41 = 34 División (Propiedad)
2. Operación multiplicación Módulo (1)
3p2 = 9 Potenciación (Teorema)
3
8=2 Radicación (Teorema)
Ejemplo
Análisis
0 1
1 2
1 4 2
A = ; B=@ 1 3 A
1 4 2 23 5 2 32
A B si se puede multiplicar....
B A si se puede multiplicar....
por lo tanto el orden …nal de la matriz A = (aij )2 3 y B = (bij )3 2 entonces el orden de la matriz [B A] es
cuadrada de orden 6
Por determinarse B A como las …las de A y B y las columnas de A y B que son equivalentes, si es posible
determinarse B A =?
5
[B A] = ?
0 1
1 2
1 4 2
A = ; B=@ 1 3 A
1 4 2
5 2
0 1 0 1 0 1
1 2 1 2 1A 2A
se considera B = @ 1 3 A luego A = A @ 1 3 A = @ 1A 3A A
5 2 5 2 5A 2A
…nalmente se tiene
0 1
1 4 2 2 8 4
B 1 4 2 2 8 4 C
B C
B 1 4 2 3 12 6 C
B A=B
B
C
C
B 1 4 2 3 12 6 C
@ 5 20 10 2 8 4 A
5 20 10 2 8 4 66
Procedimiento
Cálcular de B A =?
0 1 0 1
1 2 A 2A
A = A@ 1 3 A=@ A 3A A
5 2 5A 2A
0 1 0 1
1 2 1A 2A
B A = B A =@ 1 3 A @ A 3A A
5 2 5A 2A
0 1
1A 2A
1 4 2
como A = entonces se realiza A = @ 1A 3A A =?
1 4 2
5A 2A
1 4 2 1 4 2
1 =
1 4 2 1 4 2
1 4 2 2 8 4
2 =
1 4 2 2 8 4
1 4 2 1 4 2
1 =
1 4 2 1 4 2
1 4 2 3 12 6
3 =
1 4 2 3 12 6
1 4 2 5 20 10
5 =
1 4 2 5 20 10
1 4 2 2 8 4
2 =
1 4 2 2 8 4
0 1
1 4 2 2 8 4
B 1 4 2 2 8 4 C
B C
B 1 4 2 3 12 6 C
B A=B
B
C
C
B 1 4 2 3 12 6 C
@ 5 20 10 2 8 4 A
5 20 10 2 8 4
Matriz Simétrica
Una matriz cuadrada An = [aij ]n se dice que A es Simétrica si coincide con su traspuesta. (es simétrica respecto
a su Diagonal Principal).
A simétrica () A = At
Observación
Para la matriz simétrica debe cumplirse que A = At es decir aij = aji para i 6= j
Ejemplo
2 3 2 3
4 2 1 4 2 1
Sea A = 4 2 3 5 5 entonces At = 4 2 3 5 5 como A = At entonces A es simétrica
1 5 8 1 5 8
Ejemplo
2 3 2 3
2 1 3 2 4 1
Sea A = 4 4 3 2 5 entonces At = 4 1 3 4 5 es decir como A 6= At entonces A no es simétrica
1 4 3 3 2 3
Ejemplo
2 3
ip 1 2+ii
A = 4 12 + 21 3i p 1 1 4 i 5;
1
i 2 3 + 2 i i
2 1
p 3
i 2i 3 + 12 p i
La matriz Transpuesta es At = 4 1 i 1 1
2 3 + 2i
1 5 entonces no se cumple A = At lo que indica
2+i 4 i i
que A no es es una Matriz Simétrica.
Matriz Antisimétrica
Una matriz cuadrada An = [aij ]n se dice que es Antisimétrica si coincide con la opuesta de su traspuesta.
A antisimétrica () A = At
Observaciones
a. Para que una matriz A sea antisimétrica debe cumplirse que aij= aji para i 6= j y los elementos simétricos
respecto a la diagonal principal deben ser ceros, es decir aij = 0; i = j
b. Una matriz cuadrada A es no singular si, y sólo si, su determinante es diferente de cero.
Ejemplo
2 3 2 3
0 2i ei 0 sin 72 cos 3
Sea A = 4 sin 72 0 3 + 4i 5 entonces At = 4 2i 0 1 2i 5
cos 3 1 2i 0 ei 3 + 4i 0
2 3
0 sin 27 cos 3
At = 4 2i 0 1 + 2i 5
ei 3 4i 0
como A 6= At entonces A no es antisimétrica
Ejemplo
0 1
0 2 4
Sea B = @ 2 0 2 A probar que B = B t es decir analizar si B es una antisimétrica
4 2 0
0 1 0 1
0 2 4 0 2 4
Como B = @ 2 0 2 A la matriz transpuesta es B t = @ 2 0 2 A pero además
4 2 0 4 2 0
0 1
0 2 4
Bt = @ 2 0 2 A entonces B = B t por lo tanto B es una matriz antisimétrica
4 2 0
Ejemplo
0 1
0 1 2
Sea A = @ 1 0 3 A probar que A = At es decir analizar si B es una antisimétrica
2 3 0
0 1 0 1 0 1
0 1 2 0 1 2 0 1 2
At = @ 1 0 3 A= @ 1 0 3 A=@ 1 0 3 A A
2 3 0 2 3 0 2 3 0
Ejemplo
1 1
Resolver A = 2 (A + At ) + 2 (A At )
Solución
Probaremos que 21 (A + At )
0 1 0 1
0 2 4 0 2 4
Sea A = @ 2 0 2 A entonces la matriz transpuesta es At = @ 2 0 2 A
4 2 0 4 2 0
20 1 0 13 0 1
0 2 4 0 2 4 0 0 0
1 1 4@
A + At = 2 0 2 A+@ 2 0 2 A5 = @ 0 0 0 A
2 2
4 2 0 4 2 0 0 0 0
1
Además debemos comprobar que 2 (A At )
20 1 0 13 0 1
0 2 4 0 2 4 0 2 4
1 1
A At = 4@ 2 0 2 A @ 2 0 2 A5 = @ 2 0 2 A
2 2
4 2 0 4 2 0 4 2 0
1 1
Entonces, veri…cando tenemos que A = 2 (A + At ) + 2 (A At )
0 1 0 1 0 1 0 1
0 2 4 0 0 0 0 2 4 0 2 4
@ 2 0 2 A=@ 0 0 0 A+@ 2 0 2 A=@ 2 0 2 A
4 2 0 0 0 0 4 2 0 4 2 0
8 CAPÍTULO 1. MATRICES
Matriz Positiva
Xt A X > 0; 8X 2 Rn ; X 6=
Xt A X > 0; 8X 2 Rn ; X 6=
D > 0; 8X 2 Rn ; X 6=
Ejemplo
0 1 0 1
a11 a12 a13 axx axy axz
A = @ a21 a22 a23 A cambiar a A = @ ayx ayy ayz A
a31 a32 a33 azx azy azz
0 1
axx axy axz
Haciendo la matriz simétrica A = @ axy ayy ayz A
axz ayz azz
0 1
1 0 2
A = @ 0 2 2 A
2 2 7
donde A también es una matriz simétrica, entonces realizando la diagonalización de la matriz A se tiene
0 1
1 0 0
D=@ 0 2 0 A
0 0 1
donde D es la matriz de diagonalización de la matriz A y además es una matriz Positiva
Nota
Donde
D = Pt A P
y además P es una matriz de pasaje formado por los vectores unitarios de la matriz A
Una matriz estocástica es una matriz cuyos elementos son Probabilidades, es decir A = (aij )m n 2 Pr donde Pr
es una matriz de probabilidades
0 1
p11 p12 p13 p1j p1n
B p21 p22 p23 p2j p2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
A=B
B pi1
C
C donde A 2 Pr(P )
B pi2 pi3 pij pin C
B . .. .. .. .. .. .. C
@ .. . . . . . . A
pm1 pm2 am3 pmj pmn mn
De…nición
9
Una matriz estocástica ( o probalilística) se tiene cuando la sumatoria de todos los elementos de las …las ó columnas
valen 1
m
X n
X
Pr(A) = ai1 = 1 Y Pr(A) = a1j = 1
i=1 j=1
Ejemplo
0 1 1
1 0 1 1
1
2 0 2 2 1 2
A=@ 0 1 0 A;B = @ 1
4 0 1
2
A
1 1 1 1
3 3 3 4 0 0
De…nición
Una matriz doblemente estocástica se tiene cuando la sumatoria de todos los elementos tanto de las …las y columnas
valen
m
X n
X
Pr(A) = ai1 = 1 ^ Pr(A) = a1j = 1
i=1 j=1
Ejemplo
0 1 0 1 1 1
1
1 0 0 2 4 4
A=@ 0 1 0 A;B = @ 1
4
1
8
5
8
A
1 5 1
0 0 1 4 8 8
Ejemplo
0 1
1 0 0;25
A=@ 0 0;50 0 A ; A es una matriz estocástica
0 0;50 0;75
de la matriz estocástica se obtiene un polinomio mínimo
y
4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
Ejemplo
0 1
0 0 1
= [x; y; 1 x y] @ 0 1 0 A = [x; y; 1 x y]
0 0;25 0;75
8
>
> 0=x
>
>
<
entonces y + 0;25 0;25x 0;25y = y
>
>
>
>
:
x + 0;75 0;75 0;25y = 1 x y
Quito,Junio de 2022
Capítulo 1
Matrices
Por lo tanto
) A + B = [cij ]m n = C
La suma de matrices se de…ne solamente si las matrices tienen el mismo número de …las y columnas
Se puede sumar n cantidad de matrices, siempre que todas tengan el mismo orden m n
(p;k)
X
AT = Aij ; Aij 2 M m n
(i;j)=(1;1)
Ejemplo
Entonces
2 3 2 3
1 i 2i 3 2i i 1 i
p 2+i
A+B = 4 0 + 2i 5 3i 2 3i 5 + 4 6 3 4 i 5
5i 1 2i i2 33
7 cos 6 + i sin 6 i 33
2 3
1 p 1+i 5 i
A+B = 4 6 + 2i p 3 + 5 3i 2 + 2i 5
7 + 5i 21 3 + 1 32 i 1 i 33
Propiedades
1
2 CAPÍTULO 1. MATRICES
1. Conmutativa
8A; B 2 |m n ) A + B = B + A
2. Asociativa
8A; B; C 2 |m n ) (A + B) + C = A + (B + C)
Existe la matriz 2 |m n denominada matriz nula y cuyos elementos son todos nulos, tal que
8A 2 |m n ; 9 2 |m n =A + = +A=A
Para cualquier matriz A 2 |m n existe la matriz A 2 |m n denominada Matriz Opuesta (no positiva) y cuyos
elementos son los opuestos de los elementos de la matriz A tal que
8A 2 |m n ; 9! A 2 |m n = A + ( A) = A A=
Nota
Por las propiedades anteriores se puede decir que (|m n ; +; ) es un Grupo Conmutativo.
Ejemplo
Del ejemplo anterior, podemos determinar la resta de las matrices A B de la siguiente manera
2 3
1 i 2i 3 2i
A B = A + ( B) si A = 4 0 + 2i 5 3i 2 3i 5 y
5i 1 2i i2 33
2 3
i 1 i
p 2+i
B = 4 6 3 4 i 5
7 cos 6 + i sin 6 i 33
entonces
2 3 2 3
1 i 2i 3 2i i 1+pi 2 i
A + ( B) = 4 0 + 2i 5 3i 2 3i 5 + 4 6 3 4+i 5
5i 1 2i i2 33
7 cos 6 + i sin 6 i 33
2 3
1 2i 1p + 3i 1 3i
A + ( B) = 4 6 + 2i 5 p3 3i 6 + 4i 5
1 5
7 + 5i 1 2 3 2 i 1+i 33
Ejemplo
Calcular A B
2 3 2 3
1 2 3 2 0
si A = 4 4 5 6 5 y B=4 1 2 5
0 1 0 33 0 1 32
Nota
El número de columnas de la primera matriz es igual al número de …las de la segunda matriz, si es verdad se puede
realizar la multiplicación entre A B y el orden de la matriz multiplicación será, el número de …las de la primera
matriz por el número de columnas de la segunda matriz
Nota
2 3 2 3
1 2 3 2 0
A B = 4 4 5 6 5 4 1 2 5
0 1 0 33 0 1 32
2 3
c11 c12
C = 4 c21 c22 5
c31 c32 3 2
2 3
4 7
C = 4 13 16 5
1 2 32
El Procedimiento consiste en analizar primero el orden de la matriz resultante, en nuestro caso el orden es de 3 2
por cuanto se forma por el número de …las de la Matriz A por el número de columnas de la Matriz B, pero para
realizar este producto las matrices deben cumplir con la igualdad del número de columas de la Matriz A con el
número de …las de la Matriz B, es decir 3 = 3 en caso de no cumplirse con esta condición, no será posible realizar
el producto de matrices, además se debe tener en cuenta que el producto de matrices no cumple con la propiedad
conmutativa de matrices
Procedimiento
2 3 2 3
1 2 3 2 0
A B = 4 4 5 6 5 4 1 2 5
0 1 0 33 0 1 32
2 3
c11 c12
C = 4 c21 c22 5
c31 c32 3 2
4 CAPÍTULO 1. MATRICES
0 1
2
c11 = 1 2 3 @ 1 A=1 2+2 1+3 0=4
0
0 1
0
c32 = 0 1 0 @ 2 A=0 0+1 2+0 1=2
1
0 1
0
c22 = 4 5 6 @ 2 A = 4 0 + 5 2 + 6 1 = 16
1
Para determinar los elementos cij se debe considerar el siguiente modelo algebraico, por comprobar
8
n
X < i = 1; 2; :::; m; 8i 2 N
cij = aik bkj ;
:
k=1 j = 1; 2; :::; r; 8j 2 N
n
X
c11 = a1k bk1 = a11 b11 + a12 b21 + a13 b31 + ::: + a1n bn1
k=1
2 3
b11
6 b21 7
6 7
6 b31 7
c11 = a11 a12 a13 a1n 6 7
6 .. 7
4 . 5
bn1
n
X
c12 = a2k bk2 = a21 b12 + a22 b22 + a23 b32 + ::: + a2n bn2
k=1
2 3
b12
6 b22 7
6 7
6 b32 7
c12 = a21 a22 a23 a2n 6 7
6 .. 7
4 . 5
bn2
n
X
cij = aik bkj = ai1 b1j + ai2 b2j + ai3 b3j + ::: + ain bnj
k=1
2 3
b1j
6 b2j 7
6 7
6 b3j 7
cij = ai1 ai2 ai3 ain 6 7
6 .. 7
4 . 5
bnj
8
n
X < i = 1; 2; :::; m; 8i 2 R
cij = aik bkj ;
:
k=1 j = 1; 2; :::; r; 8j 2 R
Ejemplo
Para resolver estas matrices, es preferible que sus elementos sean transformados a la forma binómica, para que se
facilite el cálculo,así, Para la Matriz A
3 3 3
z1 = cis = cos + i sin =0 i= i
2 2 2
z3 = 2 3i = 2 + 3i
z4 = cos + i sin =i
2 2
z5 = i2 = 1
1 1p
z6 = e 3 i = 1 cos + i sin = + 3i
3 3 2 2
z7 = i2 = i2 = 1
1p 1
z9 = cos + i sin = 3+ i
6 6 2 2
2 3 2 3
1 i 2i i ip 1 i 2+i
A=4 i 5 3i 2 + 3i 5 y B=4 1
2 + 1
2 3i p 1 1 4 i 5
i 1 2i 1 1
33 i 2 3 + 2i i 33
6 CAPÍTULO 1. MATRICES
2 3 2 3
1 i 2i i ip 1 i 2+i
A B=C=4 i 5 3i 2 + 3i 5 4 1
2 + 1
2 3i p 1 1 4 i 5
i 1 2i 1 1
33 i 2 3 + 2i i 33
2 3
c11 c12 c13
Se realiza una matriz C de la forma C = 4 c21 c22 c23 5 ahora calculamos sus elementos, así
c31 c32 c33 3;3
2 3
ip p
c11 = 1 i 2i i 4 1
+ 1
3i 5 = 2 3 + 2i
2 2
i
2 3
1 i
4 5= 3 1p
c12 = 1 i 2i i p 1 2+ 3 i
1 1 2 2
2 3 + 2i
2 3
2+i
c13 = 1 i 2i i 4 4 i 5 = 4 9i
i
2 3
ip
4 3 5 p 3 1
c21 = i 5 3i 2 + 3i 1
2 + 1
2 3i 5 = + i 3 + i
2 2 2 2
i
2 3
1 i p
c22 = i 5 3i 2 + 3i 4 1 5 = 1 + 3i 3
11
+ 3i
1
p 1 2 2
2 3 + 2i
2 3
2+i
c23 = i 5 3i 2 + 3i 4 4 i 5 = 21 + 7i
i
2 3
ip
4 1 p 1
c31 = i 1 2i 1 1
2 + 1
2 3i 5 = 1+ i 3 2i
2 2
i
2 3
1 p i
c32 = i 1 2i 1 4 1 5 = 1i 1 3
1
p 1 2 2
2 3 + 2i
2 3
2+i
c33 = i 1 2i 1 4 4 i 5 = 7 + 10i
i
2 p 3
p 3
2
p3 + 2i 2 2p+ 12 3 i 4 9i
C=4 3
2 + 5
2 i 3 1
p3 12 + 2 i 1 + 32 i 3 p 11 2 + 3i 21 + 7i 5
1 1 1
1 + 2 i 3 2 2i 2 i 2 3 7 + 10i 3 3
Ejemplo
2 3
51 0 2
Determine x y en la ecuación matricial, donde una matriz C resultante será 4 30 15 56
3
5
36 0 40 33
1.1. MULTIPLICACIÓN DE MATRICES ( ) 7
X Y = ?
2 3 2 3
7 0 3 x 0 4
X = 4 4 5 2 5 ;Y = 4 0 3 4 5
3 0 6 33 3 0 y 33
2 3 2 3 2 3
7 0 3 x 0 4 7x + 9 0 3y + 28
4 4 5 2 5 4 0 3 4 5 = 4 4x + 6 15 2y + 36 5
3 0 6 33 3 0 y 33 3x + 18 0 6y + 12 3 3
2 3 2 3
7x + 9 0 3y + 28 51 0 2
4 4x + 6 15 2y + 36 5 = 4 30 15 56 5
3
3x + 18 0 6y + 12 3 3 36 0 40 3 3
8
< (1) : 7x + 9 = 51
26 26
La solución es x = 6; y = 3 además por lo tanto x y = 6 3 = 52
:
(2) : 3y + 28 = 2
Propiedades
1. No Conmutativa, de manera general se tiene
A 2 |m n ; B 2 |n p ) A B 6= B A
2. Asociativa
A 2 |m n ; B 2 |n p ; C 2 |p q ) (A B) C = A (B C)
3. Distributivas
A 2 |m n ; B 2 |n p ; C 2 |n p ) A (B + C) = A B + A C
A 2 |p m ; B 2 |n p ; C 2 |n p ) (B + C) A = B A + C A
5. No Cancelativa
A 2 |m n ; B 2 |n p ; C 2 |n p ) A B = A C ; B = C
8A 2 |n n ; 9!In =) In A = A In = A
1 1
A A=A A = In
Demostración
Comprobar k (A B) = A (kB) ; k es un escalar, como k (A B) ) A (kB)
Sea k 2 | y A = [aij ]m n y B = [bij ]n r se tiene
8 CAPÍTULO 1. MATRICES
1: k (A B) ) A (kB) Hipótesis
2: = k [aij ]m n [bij ]n r De…nición de matrices
3: = k [aij ]m n [bij ]n r De…nición de escalar por matriz
4: = [aij ]m n k [bij ]n r Axioma asociativo de la
5: = A (kB) De…nición de matrices
Si A y B son dos hipermatrices cuyas submatrices son (Aik ) ; (Bkj ) ; para todo i; j; k 2 N, respectivamente, la
hipermatriz producto C = AB se de…ne como
" #
X
C = (cij ) = Aik Bkj ; 8i; j; k 2 N
8k
Ejemplo
Determine A B dadas las matrices
0 1 0 1
4 3 5 2 1 0 3 9 1
B 0 4 6 3 8 C B 1 3 6 3 C
B C B C
A=B
B 1 2 3 6 2 C
C ; B=B
B 2 4 6 8 C
C
@ 1 2 5 x 7 A @ 1 4 6 3 A
1 0 3 5 1 55
2 4 8 5 54
Ejemplo
Forma Directa
0 1 0 1 0 1
4 3 5 2 1 0 3 9 1 17 53 104 64
B 0 4 6 3 8 C B 1 3 6 3 C B 35 80 142 109 C
B C B C B C
A B = B
B 1 2 3 6 2 C
C
B
B 2 4 6 8 C B
C = B 18 53 91 59 C
C
@ 1 2 5 6 7 A @ 1 4 6 3 A @ 32 81 143 100 A
1 0 3 5 1 55
2 4 8 5 54 13 39 65 45 54
B11(2 3)
C11 = A11(2 2) A12(2 3) = A11(2 2) B11(2 3) + A12(2 3) B21(3 3)
B21(3 3)
B12(2 1)
C12 = A11(2 2) A12(2 3) = A11(2 2) B12(2 1) + A12(2 3) B22(3 1)
B22(3 1)
B11(2 3)
C21 = A21(3 2) A22(3 3) = A21(3 2) B11(2 3) + A22(3 3) B21(3 3)
B21(3 3)
B12(2 1)
C22 = A21(3 2) A22(3 3) = A21(3 2) B12(2 1) + A22(3 3) B22(3 1)
B22(3 1)
Particionando Matrices
4 3 5 2 1 0 3 9 1
C22 = ; D23 = ; E23 = ; F21 =
0 4 6 3 8 1 3 6 3
0 1 0 1 0 1 0 1
1 2 3 6 2 2 4 6 8
G32 = @ 1 2 A ; H33 = @ 5 6 7 A ; J33 = @ 1 4 6 A ; K31 = @ 3 A
1 0 3 5 1 2 4 8 5
C22 D23 E23 F21 C22 E23 + D23 J33 D23 K31 + C22 F21
A B = =
G32 H33 J33 K31 G32 E23 + H33 J33 G32 F21 + H33 K31
1.1. MULTIPLICACIÓN DE MATRICES ( ) 9
2 0 1 3
2 4 6
4 3 0 3 9 5 2 1 17 53 104
C22 E23 + D23 J33 = +4 @ 1 4 6 A 5 =
0 4 1 3 6 6 3 8 35 80 142
22 23 23 23 2 4 8 33 23 23
0 1
8
5 2 1 @ 3 A+ 4 3 1 64
D23 K31 + C22 F21 = =
6 3 8 0 4 3 109
5 21
0 1 0 10 1 0 1
1 2 3 6 2 2 4 6 18 53 91
0 3 9
G32 E23 + H33 J33 = @ 1 2 A +@ 5 6 7 A@ 1 4 6 A = @ 32 81 143 A
1 3 6
1 0 3 5 1 2 4 8 13 39 65 33
0 1 0 10 1 0 1
1 2 3 6 2 8 59
1
G32 F21 + H33 K31 = @ 1 2 A +@ 5 6 7 A@ 3 A = @ 100 A
3
1 0 3 5 1 5 45 31
entonces AB es:
0 1
17 53 104 64
B 35 80 142 109 C
B C
A B=B
B 18 53 91 59 C
C
@ 32 81 143 100 A
13 39 65 45 5;4
Ejemplo
0 1
1 1 0 0 1
B 2 1 1 2
3 0 C
A=B
@ 0
C y G=@ 3 2 1 A
0 1 A
1 1 0 33
0 0 6 43
0 1
1 1 0
B 2 3 0 C 1 1 0 0 0 1
A = B
@ 0
C;B = ; C2 1 = ; D2 2 = ; E2 1 =
0 1 A 22 2 3 0 0 0 6
0 0 6
B22 C21
A =
D22 E21
0 1
1 1 2
1 1 2
G = @ 3 2 1 A ; E2 3 = ; F1 3 = 1 1 0 ;
3 2 1
1 1 0
E2 3
G =
F1 3
Entonces A G se tiene
B2 2 C2 1 E2 3 B2 2 E2 3 + C2 1 F1 3
A G= =
D2 2 E2 1 22
F1 3 21
D2 2 E2 3 + E2 1 F1 3 21
1 1 1 1 2 0 2 3 1
B22 E23 + C21 F13 = + 1 1 0 =
2 3 3 2 1 0 11 4 7
0 0 1 1 2 1 1 1 0
D22 E23 + E21 F13 = + 1 1 0 =
0 0 3 2 1 6 6 6 0
10 CAPÍTULO 1. MATRICES
0 1
0 1 2 3 1
E23 B22 + C21 F13 B 11
A=B 4 7 CC
entonces A G = @ @ 1 1 0 A
D22 E23 + E21 F13
6 6 0 43
Forma Directa
0 1 0 1
1 1 0 0 1 2 3 1
B 2 1 1 2
3 0 C B 11 4 7 C
A G=B
@ 0
C @ 3 2 1 A =B C
0 1 A @ 1 1 0 A
1 1 0 33
0 0 6 43 6 6 0 43
Sea la matriz A = [aij ]m n diremos que el rango de la matriz A es " "; "Rg" si existe una submatriz cuadrada B
de A de orden " " tal que jBj =6 0 y el determinante de cualquier submatriz cuadrada de A de orden mayor que B
es cero
Notación
Si A = [aij ]m n denotaremos (A) = n para indicar el rango de la matriz A:
Propiedades
Si A = [aij ]m n es una matriz de orden m n se cumplen
a. (A) m n (m; n)
b. (At ) = (A)
c. Si A = [aij ]n implica (A) < n; si y sólo si jAj = 0
Las operaciones elementales que se hacen sobre las …las de una matriz A = [aij ]m n son
1. Permutar dos …las
2. Multiplicar a una …la por un escalar
3. Sumar a una …la el múltiplo de otra …la.
Combinando estas operaciones elementales se reduce la matriz A hasta convertirla en otra matriz equivalente
simple.
Equivalencia de Matrices
Diremos que la matriz Bm n es equivalente a la matriz Am n si y solo si B puede obtenerse efectuando un número
…nito de operaciones elementales sobre A:
Notación
A B se lee "A es equivalente a B "
Ejemplo
Hallar el rango de la matriz A, para todo x 2 R
2 3
4 x 7 12 4
6 5 2x 13 14 7 7
6 7
A=6
6 2 x 6 6 3 7
7
4 2 x 4 x+5 5 5
2 x+6 x 11 3 54
1.1. MULTIPLICACIÓN DE MATRICES ( ) 11
2 3
4 x 7 12 4
6 0 1 5 7
6 2x 2 0 1 7
6 0 0 x 5 0 7
6 7
4 0 0 0 2x 14 5
x 5
0 0 0 0 54
Es decir, el (A) m n (m; n) entonces; como existen 4 …las no nulas, el (A) = 4 y analizando el orden de la
matriz, se tiene que m n (5; 4) donde el m n = 4 y por la condición de (A) m n (m; n) entonces el rango de la
matriz A es Rg(A) = 4
Ejemplo
2 3
2 1 4 5
Determinar el rango de la matriz A, siendo A = 4 2 0 1 2 5
3 1 0 1 34
2 3 2 3
2 1 4 5 2 1 4 5
f1 f2 ! f2
A = 4 2 0 1 2 5 4 0 1 5 3 5
3f1 2f2 ! f3
3 1 0 1 34
0 5 12 17
2 3
2 1 4 5
5f2 f3 ! f3 4 0 1 5 3 5
0 0 13 2 3 4
Ejemplo
2 3
2 x 1 1 2
6 4 2 2 7 4
6 7
Hallar el rango de la matriz A, 8x 2 R : A = 6
6 5 2 3 2 7
7
4 1 x 3 2 x+6 5
8 3 2 x 1 54
Eliminación Gaussiana 2 3
2 x 1 1 2
6 0 4 2x 0 0 7
6 7
6 0 0 2 x+7 7
6 7
4 0 0 0 7 49 5
4x + 4
0 0 0 0 54
0 1
2 x 1 1 2
B 4 2 2 C 4
B C
B 5 2 3 2 C
B C
@ 1 x 3 2 x+6 A
8 3 2 x 1 54
0 1 0 1
2 2 1 1 2 2 1 1 2
B 4 2 2 C 4 B 0 1 2 9 C
B C B C
B 5 2 3 2 C ; entonces B 0 0 3 3 C
B C B 2 2 C
@ 1 2 3 2 2+6 A @ 0 0 0 0 A
8 3 2 2 1 54 0 0 0 0 54
12 CAPÍTULO 1. MATRICES
Luego, existen 3 …las no nulas y como m n(5; 4) = 4 entonces (A) m n (5; 4) nos deternima que Rg(A) = 3
cuando x = 2
Conclusión
Ejemplo
2 3
1 x 0 1 2 3
¿ A qué es igual el rango de la matriz A = 4 2 1 0 x 5 7 5 para diferentes valores de x
1 0 0 6 1 2 36
2 3
1 x 0 1 2 3
A=4 2 1 0 x 5 7 5
1 0 0 6 1 2 36
2 3
1 x 0 1 2 3
4 0 x 0 5 1 1 5
1 1 1
0 0 0 x x2 + 12x + 5 x (3x + 1) x (3x + 1) 36
Si x = 3 tenemos
0 1
1 3 0 1 2 3
@ 2 1 0 3 5 7 A
1 0 0 6 1 2 36
Ejemplo
2 3
2 +
6 0 0 7
Calcular el rango de la matriz A = 6
4
7
5
0 0
+ 0 0 +
para los diferentes valores de y reales
2 3
2 +
6 0 0 7
A=6
4
7
5
0 0
+ 0 0 +
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
Condiciones
1. Si = = 0 entonces Rg(A) = 2
1.1. MULTIPLICACIÓN DE MATRICES ( ) 13
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
2 3
2 0 0 0
6 0 0 0 0 7
6 7
4 0 0 0 0 5
0 0 0 2 44
2. Si 6= 6= 0 entonces
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
2 3
2 2 1 3
6 0 1 1 7 3
6 2 7 2
4 0 0 3 3 5
0 0 0 4 44
Ejemplo
2 3
x x 1 0
6 0 1 7 x x
Encontrar x para que rango de la matriz A = 6
4 1
7 sea menor que 4
0 5 x x
x x 0 1
2 3
x 1 0 x
6 0 x x 1 7
A=6
4 1 x x 0 5
7
x 0 1 x 44
por eliminación gaussiana tenemos 2 3
x 1 0 x
6 0 x x 1 7
6 7
4 0 0 2 1 5
x
1
0 0 0 2x2 4x2 1 44
1
entonces el Rg(A) = 4 pero, como 2x2 4x2 1 =0
2 1 1 3 2 3
2 1 0 2 1
1 0 1
6 0 1 1 7 2 2
6 2 2 1 7 6 0 1 1
1 7
6 0 0 2 2 7 6 2 2 7
4 5 4 0 0 2 2 5
1 1 2
0 0 0 2 4 2 1 0 0 0 0 44
2( 12 )
44
1
b. Ahora comprobaremos para x2 = 2
2 1 1 3 2 3
2 1 0 2 1
1 0 1
6 0 1 1 7 2 2
6 2 2 1 7 6 0 1 1
1 7
6 0 0 2 2 7 6 2 2 7
4 5 4 0 0 2 2 5
1 1 2
0 0 0 2 4 2 1 0 0 0 0
2( 1
) 44
2 44
Ejemplo
2 3
2 4 2 2
Hallar el rango de A = 4 1 1 1 0 5
2 1 2 1 34
2 3 2 3
2 4 2 2 2 4 2 2
Sea A = 4 1 1 1 0 5 4 0 3 0 1 5
2 1 2 1 34 0 0 0 0 34
2 3
1 2 1 1
4 0 1 0 1 5
3
0 0 0 0 34
1
entonces concluimos, como los vectores …las no nulas son 1 2 1 1 ; 0 1 0 3 por lo tanto
Rg (A) = 2
Matrices y Determinantes
Quito,Junio de 2022
Capítulo 1
Matrices
Matriz Periódica
Una matriz periódica es aquella matriz cuya potencia n da como resultado la misma matriz.
Observación
Nota
2. Para realizar la potencia n de una matriz, es necesario que esta sea una matriz cuadrada
Ejemplo
0 1
Sea A = determinar el período de la matriz A
1 0
0 1
A =
1 0
0 1 0 1 1 0
A2 = A A= =
1 0 1 0 0 1
0 1 1 0 0 1
A3 = A A2 = =
1 0 0 1 1 0
0 1 0 1 1 0
A4 = A A3 = =
1 0 1 0 0 1
0 1 1 0 0 1
A5 = A A4 = =
1 0 0 1 1 0
Nota
1
2 CAPÍTULO 1. MATRICES
Combinatoria ( Formas )
n!
C(n; k) =
k!(n k)!
n n!
=
k k! (n k)!
Binomio de Newton
n n n n n n n n n
(a + b)n = a + a 1
b+ a 2 2
b + + abn 1
+ b
0 1 2 n 1 n
Ejemplo
8
Resolver (a + b)
8 8 8 8 7 8 6 2 8 5 3 8 4 4
(a + b) = a + a b+ a b + a b + a b +
0 1 2 3 4
8 3 5 8 2 6 8 8 8
+ a b + a b + ab7 + b
5 6 7 8
Demostración. Proposición
( Binomio de Newton ) Sean A y B dos matrices de | que conmutan ( esto es A B = B A). Entonces
n
X
n n k
(A + B) = A Bn k
k
k=0
Para n = 0 entonces
0 0
(A + B) = I = 1 I = 1 I I = A0 B 0
0
n
X1
n 1 n 1
(A + B) = Ak B n 1 k
k
k=0
"n 1 #
n n 1
X n 1
(A + B) = (A + B) (A + B) = Ak B n 1 k
(A + B)
k
k=0
n
X1 n
X1
n 1 n 1
( ) = Ak B n 1 k
A+ Ak B n 1 k
B
k k
k=0 k=0
n
X1 n
X1
n 1 n 1
= Ak+1 B n 1 k
+ Ak B n k
si k = l 1; k = l
k k
k=0 k=0
n
X1 n
X1
n 1 l n 1
= A Bn l
+ Al B n l
l 1 l
l=1 l=1
n
X1
n 1 n n 1 n 1 n 1
= A + + Al B n l
+ Bn
n 1 l 1 l 0
l=1
n
X1 n
X
n l n k
= An + A Bn l
+ Bn = A Bn k
l k
l=1 k=0
Este resultado permite establecer una propiedad fundamental de la exponencial cuyo uso será de gran utilidad para
el cáculo efectivo de la misma.
Ejemplo
Proposición.
1
X 1
1 k N X1 l
eD = D ;e = N
k! l!
k=0 l=0
entonces
1
X 1 1 X
1
1 k X1 l X 1 1 k l
eD eN = D N = eD eN = D N
k! l! k! l!
k=0 l=0 k=0 l=0
Sumando siempre todos los elementos tales que k + l = n para cada n = 0; 1; :::; 1 se tiene
1
"1 # 1
"1 #
X X 1 X 1 X n
::: Dk N n k
= D N k n k
n=0 n=0
k! (n k)! n=0
n! n=0 k
X1
1 n
eD eN = (D + N ) = eD+N
n=0
n!
Ejemplo
a 0 0 0
A= ; B=
b a b 0
Solución
4 CAPÍTULO 1. MATRICES
a 0 0 0 0 0
A B = =
b a b 0 ab 0
0 0 a 0 0 0
B A = =
b 0 b a ab 0
n
X
n n k
(A + B) = A Bn k
k
k=0
3
X
3 3
(A + B) = Ak B 3 k
k
k=0
3 3 0 3 1 3 2 3 3
(A + B) = A B3 0
+ A B3 1
+ A B3 2
+ A B3 3
0 1 2 3
0 3
3 a 0 0 0 0 0
X1 = =
0 b a b 0 0 0
1 2
3 a 0 0 0 0 0
X2 = =
1 b a b 0 0 0
2 1
3 a 0 0 0 0 0
X3 = =
2 b a b 0 3a2 b 0
3 0
3 a 0 0 0 a3 0
X4 = =
3 b a b 0 3a2 b a3
entonces
0 0 0 0 0 0 a3 0 a3 0
X1 + X2 + X3 + X4 = + + + =
0 0 0 0 3a2 b 0 3a2 b a3 6a2 b a3
3 a3 0
(A + B) =
6a2 b a3
n an 0
(A + B) =
6an 1 b an
Ejemplo
a b
Teniendo en cuenta que A = B + I; Calcular An ; 8n 2 N; B I =
0 a
Por el desarrollo del Binomio de Newton y la de…nición de números combinatorios y el factorial de un número
natural, tenemos
n n 0 n n 1 n 1 n 2 n 2 n n n n
(x + y) = x y + x y + x y + ::: + xn 1
y+ x y
0 1 2 n 1 n
Xn
n n i n i
(x + y) = xy
i=0
i
5
Además
z }| {
n n n! n (n 1) ::: (n i + 1)
= 1; = = ; 0! = 1; i! = 1 2 3 (i 1) i
0 i i! (n i)! i!
n n n n 1 n 1
= ; = +
i n i i i 1 i
Entonces en nuestro caso conmutan B y I podemos aplicar el desarrollo del binomio de newton
Xn
n I B=B I n
An = (B + I) = Bi I n i
i=0
i
n n n n B n =B;8n2N
An = B0I n + B1I n 1
+ B2I n 2
+ ::: + BnI 0; =
0 1 2 n
n n n n
An = I+ B+ B 2 + ::: + B n ; B n = B; 8n 2 N
0 1 2 n
n n n n
An = I+ B+ B + ::: + B
0 1 2 n
n n n
An = I + + + ::: + B
1 2 n
n n n n n
An = I + + + + ::: + B
0 1 2 n 0
n n
An = I + (1 + 1) B
0
An = I + (2n 1) B
Ejemplo
Xn
n n n i i
Sea (R; R; +; ) ; r 2 R; r = (a b) = a b , a:b = b:a; entonces
i=0
i
X5
5 5
r5 = (a + b) = a5 i
bi
i=0
0
5 5 5 5 5 5 5 5 5 5 5 5 5
r5 = (a + b) = a 0 0
b + a 1 1
b + a 2 2
b + a 3 3
b + a 4 4
b + a 5 5
b
0 1 2 3 4 5
a b a 0 0 b 1 0 0 b
Sea B I = = + =a + = aI + B = A + B
0 a 0 a 0 0 0 1 0 0
6 CAPÍTULO 1. MATRICES
Xn
n n n i
C n = (aI + B) = (aI) B i , (aI) B = B (aI) entonces
i=0
i
n n n 0 n n 1 n n 2 n n n
C n = (aI + B) = (aI) B0 + (aI) B1 + (aI) B2 + + (aI) Bn
0 1 2 n
0 b
Como B = entonces
0 0
0 b 0 b 0 0
B2 = = entonces B 2 = = B n ahora se tiene
0 0 0 0 0 0
n n 0 n n 1 n n
Cn = (aI) B0 + (aI) B1; = 1; =n
0 1 0 1
n n 1
C n = 1 (aI) 1 + 1 n (aI) B
n 1
C n = an I n + n a In 1
B; I n = I; I n 1
=I
n 1
C n = an I + n a I B
1 0 n 1 1 0
Cn = an + na B
0 1 0 1
1 0 n 1 1 0 0 b
Cn = an + na
0 1 0 1 0 0
1 0 n 1 0 b
Cn = an + na
0 1 0 0
n 1 n 1
an 0 0 na b an na b
Cn = + =
0 an 0 0 0 an
n 1
an na b
C (n) = ; realizamos ahora el método de inducción Matemática
0 an
1 0
C (0) = Para comprobar reeemplazmos n = 0 y obtenemos la matriz identidad.
0 1
a b
C (1) = para n = 1
0 a
ak+1 (k + 1) ak b
C (k + 1) = para n = k + 1
0 ak+1
Ejemplo
7
0 a 1
3 0 0 0
B b a
0 0 C
Sea C4 = B
@ 2c
2 3 C Hallar C n . Utilizando el Binomio de Newton y hallar C 10
2
b a
3 0 A
b a
d 2c 2 3
0 a
1 0 1
3 0 0 0 0 0 0 0
B 0 a
0 C B b 0 C
C4 = B 3 0 C+B 2 0 0 C = aI + B = A + B
@ 0 0 a
0 A @ 2c b
0 0 A 3
3 2
a b
0 0 0 3 d 2c 2 0
n Xn n i
a n a a a
Cn = I +B = I Bi , I B=B I entonces
3 i=0
i 3 3 3
a a
3I B=B 3I asociativa
a a
3 (IB) = 3 (BI) escalar
a a
3 (B) = 3 (B) modulativo
a n n a n 0 n a n 1 n a n 2 n a n n
Cn = I +B = I B0 + I B1 + I B2 + + I Bn
3 0 3 1 3 2 3 n 3
0 1
0 0 0 0
B b 0 0 0 C
Como B = B 2
@ 2c
C entonces
b
2 0 0 A
b
d 2c 2 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B b 0 0 0 C B b 0 0 0 C B 0 0 0 0 C
B2 = B
@ 2c
2 CB 2 C=B C
b
2 0 0 A @ 2c b
2 0 0 A @ 1 2
4b 0 0 0 A
b b 1 2
d 2c 2 0 d 2c 2 0 2bc 4b 0 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B b 0 0 0 C B 0 0 0 0 C B 0 0 0 0 C
B3 = B
@ 2c
2 CB C=B C
b
2 0 0 A @ 14 b2 0 0 0 A @ 0 0 0 0 A
1 3
d 2c b
2 0 2bc 14 b2 0 0 8b 0 0 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B 0 0 0 0 C B 0 0 0 0 C B 0 0 0 0 C
B4 = B
@ 1 b2
CB C=B C
4 0 0 0 A@ 0 0 0 0 A @ 0 0 0 0 A
1 2 1 3
2bc 4b 0 0 8 b 0 0 0 0 0 0 0
a n n a n 0 n a n 1 n a n 2 n a n n
Cn = I +B = I B0 + I B1 + I B2 + + I Bn
3 0 3 1 3 2 3 n 3
a n n a n 0 n a n 1 n a n 2 n a n 3
Cn = I +B = I B0 + I B1 + I B2 + I B3
3 0 3 1 3 2 3 3 3
n 2
a n a n 1 n (n 1) a n (n 1) (n 2) a n 3
Cn = In I + n I B+ I B2 + I B 3 ; I n+1
3 3 2 3 6 3
Cn = In 1
= In 2
= In 3
=I
n 2
a n a n 1 n (n 1) a n (n 1) (n 2) a n 3
Cn = I+ n B+ B2 + B3 = X + Y + Z + W
3 3 2 3 6 3
8 CAPÍTULO 1. MATRICES
0 1 0 1 n 1
1 0 0 0 3a 0
n
0 0
a nB
B 0 1 0 0 C B
C=B 0 1
3a 0 0 C
C
X = n
3 @ 0 0 1 0 A @ 0 0 1
3a 0 A
1 n
0 0 0 1 0 0 0 3a
0 1 0 0 0 0 0
1
0 0 0 0
a n 1 B b C B 1 bn 1 a n 1 0 0 0 C
B 2 0 0 0 C B 2 3 C
Y = n @ 2c =B n 1 n 1 C
3 b
2 0 0 A @ 2cn 13 a 1 1
2 bn 3 a 0 0 A
b n 1 n 1 n 1
d 2c 0 dn 13 a 2cn 31 a 1
bn 1
2 2 3a 0
0 1 0 1
0 0 0 0 0 0 0 0
n (n 1) a n 2B C B 0 0 0 0 C
Z = B 10 2 0 0 0 C B
=@ 1 2 1 n 2 C
@ b 0 0 0 A 0 0 A
2 3 4 8b n 3a (n 1) 0
1 2 n 2 n 2
2bc 4 b 0 0 bcn 1
a (n 1) 1 2
b n 1
a (n 1) 0 0
3 8 3
0 1 0 1
0 0 0 0 0 0 0 0
n (n 1) (n 2) a n 3 B 0 C
0 0 0 C B B 0 0 0 0 C
W = B =@ C
6 3 @ 0 0 0 0 A 0 0 0 0 A
1 3 1 3 1 n 3
8b 0 0 0 48 b n 3 a (n 1) (n 2) 0 0 0
entonces: C n =?
0 n 1 0 1
1 0 0 0 0
3a 0 0 0
B 1 n
C B 1 1
2 bn 3 a
n 1
0 0 0 C
Cn = B
0 3a 0
n
0 C+B
B n 1 n 1
C
C
@ 0 0 1 A @ 2cn 1 a 1 1
A
3a 0
n 3 2 bn 3a 0 0
1 n 1 n 1 n 1
0 0 0 3a dn 13 a 2cn 1 1 1
3a 2 bn 3a 0
0 1 0 1
0 0 0 0 0 0 0 0
B 0 0 0 0 C B 0 0 0 0 C
+B
@ n 2 C+B C
1 2
8b n
1
3a (n 1) 0 0 0 A @ 0 0 0 0 A
1 n 2 1 2 1 n 2 1 3 1 n 3
bcn 3 a (n 1) 8b n 3a (n 1) 0 0 48 b n 3a (n 1) (n 2) 0 0 0
Entonces C n es
0 1 n 1
3a 0 0 0
B C
B C
B 1 1 n 1 1 n C
B 2 bn 3a 3a 0 0 C
n B C
C =B C
B 1 n 1 n 2 n 1 n C
B 2cn 3a + 18 b2 n 1
3a (n 1) 1
2 bn
1
3a
1
3a 0 C
B C
@ A
3n 1 n 16a2 d+9b3 n 3b3 n2 6b3 +48abc 48abcn 3n 1 n 3b2 n+16ac 3b2 1 1 n 1 1 n
16 3a a3 8 3a a2 2 bn 3a 3a
0 1
1 0 0 0
B 0 1 0 0 C
C0 = B
@ 0
C está correcto, nos dá la matriz I
0 1 0 A
0 0 0 1
0 1
1 0 a 1
3a 0 0 0 3 0 0 0
B 1 1
0 C B b a
0 0 C
C1 = B 2b 3a 0 C=B 2 3 C = C4
@ 2c 1 1
0 A @ 2c b a
0 A
2b 3a 2 3
1 1 b a
d 2c 2b 3a d 2c 2 3
0 1 10
1
59 049 a 0 0 0
B C
B C
B 5 9 1 10 C
B 19 683 a b 59 049 a 0 0 C
C 10 =B
B
C
C
B 20 9 5 8 2 5 9 1 10 C
B 19 683 ca + 2916 a b 19 683 a b 59 049 a 0 C
@ A
10 9 10 8 5 7 3 20 9 5 8 2 5 9 1 10
19 683 da 729 ca b 729 a b 19 683 ca + 2916 a b 19 683 a b 59 049 a
10 CAPÍTULO 1. MATRICES
Capítulo 2
Determinantes
Sea una Matriz A = [aij ]n n entonces det [aij ]n n = k; k 2 R se la puede representar así
0 1
a11 a12 a13
det @ a21 a22 a23 A = k; k 2 R
a31 a32 a33 3 3
0 1
a11 a12 a13
B a21 a22 a23 C
B C
det B
B a31 a32 a33 C
C
@ a11 a12 a13 A
a21 a22 a23 33
= + (a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ) - (a31 a22 a13 + a11 a32 a23 + a21 a12 a33 )
Ejemplo
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
11
12 CAPÍTULO 2. DETERMINANTES
0 1
2 1 2
B 3 3 5 C
B C
det B
B 7 2 1 C
C = +(6 + 12 + 35) ( 42 20 + 3) = 112
@ 2 1 2 A
3 3 5 33
0 1
2 1 2 2 1
det @ 3 3 5 3 3 A = + (6 + 35 + 12) ( 42 20 + 3) = 112
7 2 1 7 2 33
0 1
a11 a12 a13
det @ a21 a22 a23 A = k; k 2 R
a31 a32 a33 3 3
= + (a11 a22 a33 + a21 a32 a13 + a12 a23 a31 ) (a31 a22 a13 + a21 a12 a33 + a32 a23 a11 )
Ejemplo
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
0 1
2 1 2
det @ 3 3 5 A = + (6 + 12 + 35) ( 42 + 3 20) = 112
7 2 1 33
0 1
a11 a12 a13 a1n a11 a12 a13 a1n
B a21 a22 a23 a2n C a21 a22 a23 a2n
B C
B a31 a32 a33 a3n C a31 a32 a33 a3n
det(A) = det B C ;m = n
B .. .. .. .. C .. .. .. ..
@ . . . . A . . . .
a1m a2m a3m amn mn
a1m a2m a3m amn mn
Se llama determinante de la matriz A al número real denotado por det(A) ó jAj y de…nido por (Laplaciano )
n
X i+j
det(A) = ( 1) aij Mij
i=1
siendo j …jo en 1 j n; donde el elemento aij pertenece a la i-ésima …la y a la j-ésima columna y Mij es el
menor complementario del elemento aij :
n
X i+j
det(A) = ( 1) aij Mij
i=1
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 13
0 1
a11 a12 a13 P
Si A = @ a21 a22 a23 A entonces su determinante es det(A) = 3i=1 ( 1)i+j aij Mij desarrollando por la
a31 a32 a33 3 3
primera columna …ja j=1
3
X i+j
det(A) = ( 1) aij Mij = a11 M11 a21 M21 + a31 M31
i=1
Ejemplo
0 1
1 3 5
det @ 3 5 1 A =?
5 1 3 33
3
X i+j
det (A) = ( 1) aij Mij = a11 M11 a21 M21 + a31 M31
i=1
0 1
1 = a11 3 5
det @ 3 = a21 5 1 A
5 = a31 1 3
= 14 12 110 = 108
Ejemplo
0 1
a11 + a12 a13 +
det @ a21 a22 + a23 A
a31 + a32 a33 +
a22 a23 a21 a23 a21 a22
= +a11 det a12 det + a13 det
a32 a33 a31 a33 a31 a32
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
0 1
2+ +1 +2+
det @ 3 3 5 A
7 2 1
3 5 3 5 3 3
= 2 det 1 det + 2 det
2 1 7 1 7 2
Nota
Es una combinación entre el método de extensión Laplaciana más una propiedad de los determinantes
El método del pibote sirve para calcular el determinante de una matriz de orden superior al tercero. El método
consiste en obtener otro determinante a partir de det(A) aplicando repetidas veces las propiedad del determinante
( ) de los determinantes, que goce de la propiedad de que todos los elementos de alguna …la o columna son ceros
excepto uno, es decir
i+j
det(A) = ( 1) aij Mij
Donde Mij es el menor complementario de aij y al elemento aij se le llama elemento pibote
( ) Si a cada uno de los elementos de una …la o columna se le multiplica por "m" a y éste resultado se le suma a
otra …la o columna, el valor del determinante no se altera.
Es decir
C1 + mC2 ! C1
0 1 0 1
a1 a2 a3 a1 + ma2 a2 a3
det @ b1 b2 b3 A = det @ b1 + mb2 b2 b3 A
c1 c2 c3 c1 + mc2 c2 c3
Esta propiedad sirve para reducir el orden de un determinante y poder hallar su valor
Ejemplo
0 1
4 1 3 2
B 1 2 3 4 C
A = B
@ 2
C
1 3 5 A
1 4 3 6 44
0 1
4 1 3 2
B 1 2 3 4 C
B C
B 2 1 3 5 C
det (A) = det B
B
C
C
B 1 4 3 6 C
@ " " " A
c1 4c2 ! c1 c3 3c2 ! c3 c4 2c2 ! c4
0 1
0 1 = a12 0 0
B 9 2 9 0 C
= det B
@
C
6 1 0 3 A
15 4 15 2
0 1
9 9 0 0 1
B 6 0 3 C 0 9 = a12 0
B C
(1) det B C=
1+2
= ( 1) B 15 15 2 C det @ 6 0 3 A
@ " A 0 15 2
c1 c2 ! c1
1+2 6 3
= ( 1) ( 9) det = ( 9) (12 0) = 108
0 2
Ejemplo
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 15
10 2
= ( 1)3+3 (2) det = 2( 20 4) = 48
2 2
a b a1 b1 a + a1 b + b1
A+B = + =
c d c1 d1 c + c1 d + d1
a + a1 b + b1
det(A + B) = det
c + c1 d + d1
det(A + B) = (a + a1 ) (d + d1 ) (c + c1 ) (b + b1 )
a b
det(A) = = ad bc
c d
a1 b1
det(A) = = a1 d1 b1 c1
c1 d1
a b a1 b1
det (A) + det (B) = + = (ad bc) + (a1 d1 b1 c1 )
c d c1 d1
= a1 d1 b1 c1 + ad bc
Ejemplo
0 1 0 1
1 4 2 1 2 3
Sea A = @ 2 3 1 A yB=@ 3 1 5 A
5 2 3 33 6 4 2 33
0 1 0 1 0 1
1 4 2 1 2 3 0 6 5
A+B = @ 2 3 1 A +@ 3 1 5 A =@ 1 4 6 A
5 2 3 33 6 4 2 33 1 2 5 33
0 1
0 6 5
det (A + B) = det @ 1 4 6 A = 56
1 2 5
16 CAPÍTULO 2. DETERMINANTES
Además
0 1
1 4 2
det(A) = det @ 2 3 1 A = 13
5 2 3
0 1
1 2 3
det(B) = det @ 3 1 5 A= 112
6 4 2
a b a1 b1
Sea A = yB=
c d 22
c1 d1 22
a b
det(A) = det = ad bc
c d
a1 b1
det(B) = det = a1 d1 b1 c1
c1 d1
a b a1 b1
det (A B) = det det
c d c1 d1
Entonces det (A B) = det (A) det (B) = ada1 d1 adb1 c1 bca1 d1 + bcb1 c1
Ejemplo
0 1 0 1
1 4 2 1 2 3
Sea A = @ 2 3 1 AyB=@ 3 1 5 A
5 2 3 6 4 2
0 1 0 1 0 1
1 4 2 1 2 3 25 10 13
A B = @ 2 3 1 A @ 3 1 5 A = @ 13 11 19 A
5 2 3 6 4 2 29 4 11
0 1
25 10 13
det (A B) = det @ 13 11 19 A = 1456
29 4 11
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 17
Además
0 1
1 4 2
det(A) = det @ 2 3 1 A = 13
5 2 3
0 1
1 2 3
det(B) = det @ 3 1 5 A= 112
6 4 2
2.1.7. Propiedades
Ejemplo
0 1 0 1
2 1 2 2 1 2
A = @ 3 3 5 A; B = @ 3 3 5 A
7 2 1 7 2 1
0 1 0 1 0 1
2 1 2 2 1 2 4 2 4
A+B = @ 3 3 5 A+@ 3 3 5 A=@ 6 6 10 A
7 2 1 7 2 1 14 4 2
0 1
4 2 4
det (A + B) = det @ 6 6 10 A = 896
14 4 2
0 1
2 1 2
det(A) = det @ 3 3 5 A = 112
7 2 1
0 1
2 1 2
det(B) = det @ 3 3 5 A = 112
7 2 1
Ejemplo
18 CAPÍTULO 2. DETERMINANTES
0 1 0 1
i 3 i2i i 1 2i i
Sea A = @ 1 i i 4 A y B =@ 1+i i 2 A
2 2i 1 + i 3 + i 2+i 1 i 2+i
0 1 0 1 0 1
i 3 i i2 i 1 2i i 0 4 3i 1+i
A+B = @ 1 i i 4 A+@ 1+i i 2 A=@ 2 2i 6 A
2 2i 1 + i 3 + i 2+i 1 i 2+i 4 i 2 5 + 2i
0 1
0 4 3i 1+i
det(A + B) = det @ 2 2i 6 A = 12 84i
4 i 2 5 + 2i
0 1
i 3 i i2
det(A) = det @ 1 i i 4 A = 9 27i
2 2i 1 + i 3 + i
0 1
i 1 2i i
det(B) = det @ 1 + i i 2 A = 1 5i
2+i 1 i 2+i
Ejemplo
0 1 0 1
2 1 2 2 3 7
A = @ 3 3 5 A además AT = @ 1 3 2 A
7 2 1 2 5 1
0 1
2 1 2
det(A) = det @ 3 3 5 A = 112
7 2 1
0 1
2 3 7
det(AT ) = det @ 1 3 2 A = 112
2 5 1
4. El determinante de una matriz es igual a cero, si todos los elementos de una …la o de una columna son iguales a
cero
0 1
0 3 i i2
A=@ 0 i 4 A entonces det (A) = 0
0 1+i 3+i
Ejemplo
0 1
2 0 2
A = @ 3 0 5 A
7 0 1
0 1 0 1
2 0 2 2 5 2
det(A) = det @ 3 0 5 A = det @ 0 0 0 A=0
7 0 1 7 8 1
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 19
5. El determinante de una matriz A cambia de signo si se intercambian dos …las o dos columnas
0 1
x1 x2 x3 x4
B y1 y2 y3 y4 C
det (A) = B
@ z1
C
z2 z3 z4 A
w1 w2 w3 w4
0 1
w1 w2 w3 w4
B y1 y2 y3 y4 C
cambiando F1 por F4 entonces det (B) = B
@ z1
C
z2 z3 z4 A
x1 x2 x3 x4
Ejemplo
0 1
2 6 2
A = @ 3 1 5 A f1 $ f3
7 8 1
0 1
7 8 1
B = @ 3 1 5 A
2 6 2
0 1
2 6 2
det(A) = det @ 3 1 5 A = 48
7 8 1
0 1
7 8 1
det(B) = det @ 3 1 5 A = 48
2 6 2
6. Si B es una matriz que se obtiene a partir de una matriz A, trasladando una de sus …las o columnas k lugares,
entonces se cumple que
k
det (B) = ( 1) det (A)
0 1
x1 y1 z1 w1
B x2 y2 z2 w2 C
det (A) = B
@ x3
C trasladamos F4 a F1 ; k = 3 lugares, entonces tenemos
y3 z3 w3 A
x4 y4 z4 w4
0 1
x4 y4 z4 w4
B x1 y1 z1 w1 C
det (B) = B
@ x2
C Si det (A) = p ) det (B) = ( 1)3 det (A) de donde
y2 z2 w2 A
x3 y3 z3 w3
7. El determinante de una matriz no cambia de signo si una de sus …las o columnas se traslada a un número par de
lugares, el determinante cambiará de signo si una de sus …las o columnas se traslada un número impar de lugares.
8. El determinante de una matriz es igual a cero si una de sus …las o columnas es igual o múltiplo de otra …la o
columna.
20 CAPÍTULO 2. DETERMINANTES
0 1
3 5 1
det (A) = @ 6 2 2 A = 0; C1 = 3C3
12 0 4
9. Si todos los elementos de una …la o columna de un determinante se multiplican por un escalar k donde (k 6= 0);
entonces el valor del determinante queda multiplicado por k
0 1 0 1
x1 x2 x3 x1 x2 x3
det (A) = det @ y1 y2 y3 A ; det (B) = det @ y1 y2 y3 A
z1 z2 z3 kz1 kz2 kz3
10. Si todos los elementos de una …la o de una columna de un determinante son múltiplos de un escalar k se puede
sacar el factor común k, en dicho determinante
0 1 0 1
2 1 3 2 1 6
1
det (A) = det @ 0 1 4 A ) det (A) = @ 0 1 8 A
2
2 5 4 2 5 8
0 1
ka11 ka11 ka1n
B ka21 ka22 ka2n C
B C
det (kA) = det B .. .. .. C
@ . . . A
kan1 kan2 kann
12. Si una …la o columna de una matriz A se le suma o se le resta m veces otra …la o columna, el valor del
determinante de A no varía (la utilizada en el método del Pibote de determinantes)
0 1 0 1
x1 x2 x3 x4 x1 x2 + mx4 x3 x4
B y1 y2 y3 y4 C B y1 y2 + my4 y3 y4 C
det (A) = det B
@ z1
C ) det (A) = det B C
z2 z3 z4 A @ z1 z2 + mz4 z3 z4 A
w1 w2 w3 w4 w1 w2 + mw4 w3 w4
c2 + mc4 ! c2
13. El determinante de una matriz triangular, diagonal o escalar es igual al producto de los elementos de la diagonal.
0 1
4 1 2
det (A) = det @ 0 1 0 A
0 0 8
Observación
0 1
1 0 0
I=@ 0 1 0 A entonces det(I) = 1
0 0 1
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 21
14. Si los elementos de una …la o columna de un determinante están formados de "p" términos cada uno, entonces
el determinante se puede descomponer en la suma de "p" determinantes.
0 1 0 1 0 1
x1 + w1 y1 + w2 z1 + w3 x1 y1 z1 w1 w2 w3
det (A) = det @ x2 y2 z2 A = det @ x2 y2 z2 A + det @ x2 y2 z2 A
x3 y3 z3 x3 y3 z3 x3 y3 z3
Ejemplos
0 2 2 2 2 1
( + 1) ( + 2) ( + 3)
B 2
( + 1)
2
( + 2)
2
(
2 C
+ 3) C
det (A) = det B
@ + 3) A
2 2 2 2
( + 1) ( + 2) (
2 2 2 2
( + 1) ( + 2) ( + 3)
Procedimiento
C3 C2 ! C3
0 2 1 0 2 1 0 2 2 1 0 1
( + 2) ( + 1) ( + 2) ( + 1) 2 +3
B ( + 2) C
2 B ( + 1) C
2 B ( + 2)
2
( + 1) C
2 B 2 +3 C
B C B C = B C=B C
@ ( + 2)
2 A @ ( + 1)
2 A @ ( + 2)
2
( + 1) A @ 2
2
+3 A
2 2 2 2 2 +3
( + 2) ( + 1) ( + 2) ( + 1)
C4 C2 ! C4
0 2 1 0 2 1 0 2 2 1 0 1
( + 3) ( + 1) ( + 3) ( + 1) 4 +8
B ( + 3) C
2 B ( + 1) C
2 B ( + 3)
2
( + 1) C
2 B 4 +8 C
B C B C = B C=B C
@ ( + 3)
2 A @ ( + 1)
2 A @ ( + 3)
2
( + 1) A @ 4
2
+8 A
2 2 2 2 4 +8
( + 3) ( + 1) ( + 3) ( + 1)
C2 C1 ! C2
0 2 1 0 2
1 0 2 2 1 0 1
( + 1) ( + 1) 2 +1
B ( 2 C
+ 1) C B 2 C B ( + 1)2 2 C B 2 +1 C
B B C = B C=B C
@ ( + 1) A
2 @ 2 A @ ( + 1)2 2 A @ 2 +1 A
2 2 2 2
( + 1) ( + 1) 2 +1
0 2 1
2 +1 2 +3 4 +8
B 2 2 +1 2 +3 4 +8 C
det (A) = B 2 C
@ 2 +1 2 +3 4 +8 A
2
2 +1 2 +3 4 +8
C4 2C3 ! C4
0 1 0 1 0 1
4 +8 2 +3 2
B 4 +8 C B 2 +3 C B 2 C
B C B
2@ C = B C
@ 4 +8 A 2 +3 A @ 2 A
4 +8 2 +3 2
22 CAPÍTULO 2. DETERMINANTES
C3 C2 ! C3
0 1 0 1 0 1
2 +3 2 +1 2
B 2 +3 C B 2 +1 C B 2 C
B C B C = B C
@ 2 +3 A @ 2 +1 A @ 2 A
2 +3 2 +1 2
0 2
1
2 +1 2 2
B 2
2 +1 2 2 C
det (A) = B C ( )
@ 2
2 +1 2 2 A
2
2 +1 2 2
C3 C4 ! C4
0 2
1
2 +1 2 0
B 2
2 +1 2 0 C
det (A) = det B
@
C=0
2
2 +1 2 0 A
2
2 +1 2 0
0 1 0 2
1
2 +1 2 2 2 2
2@
= 2 +1 2 2 A (2 + 1) @ 2
2 A+
2
2
2 +1 2 2 2 2
0 2 1 0 2
1
2 +1 2 2 +1 2
::: + 2 @ 2 2 +1 2 A 2@ 2
2 +1 2 A
2 2
2 +1 2 2 +1 2
2
det (A) = det (A1 ) (2 + 1) det (A2 ) + 2 det (A3 ) 2 det (A4 )
0 1
2 +1 2 2
det (A1 ) = det @ 2 + 1 2 2 A=0
2 +1 2 2
0 2 1
2 2
det (A2 ) = det @ 2 2 2 A=0
2
2 2
0 2 1
2 +1 2
det (A3 ) = det @ 2 2 +1 2 A
2
2 +1 2
2 2 2 2 2 2
= 4 4 4 +4 +4 4
2 2 2 2 2 2
= 2 4 4 4 +4 +4 4
2 2 2 2 2 2
= 8 8 8 +8 +8 8
= 8( )( )( )
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 23
0 2
1
2 +1 2
det (A4 ) = det @ 2
2 +1 2 A
2
2 +1 2
2 2 2 2 2 2
= 4 4 4 +4 +4 4
2 2 2 2 2 2
= 2 4 4 4 +4 +4 4
2 2 2 2 2 2
= 8 +8 +8 8 8 +8
= 8( )( )( )
Entonces
2
det (A) = det (A1 ) (2 + 1) det (A2 ) + 2 det (A3 ) 2 det (A4 )
2
det (A) = (0) (2 + 1) (0) + 8 ( )( )( ) 8( )( )( )
det (A) = 0
Ejemplo
Hallar el determinante
0 2 2 1
B 2 2 C
= B
@ 2 2
C
A
2 2
8 6 2 4 4 2 6 8 4 4
= 4 +6 4 + =( ) ( + )
Otro procedimiento
24 CAPÍTULO 2. DETERMINANTES
F1 + F2 + F3 + F4 ! F1
0 2 2 2 2 2 2 2 2 1
+2 + +2 + +2 + +2 +
B 2 2 C
= B C
@ 2 2 A
2 2
0 2 2 2 2 1
( + ) ( + ) ( + ) ( + )
B 2 2 C
= B C
@ 2 2 A
2 2
0 1
1 1 1 1
2B C
2 2
= ( + ) B
@ 2 2
C Ahora realizamos C1
A C4 ! C1
2 2
0 1
0 1 1 1
B 0 2 2 C
( + ) det B C por menores, referencia
2
= @ 2 2 A 41 ; se tiene
0
2 2 2
0 1
1 1 1
2
= ( + ) 2 2
det @ 2 2 A
2 2
0 1
1 1 1
2
= ( + ) 2 2
det @ 2 2 A
2 2
0 1
1 1 1
1 = @ 2 2 A
2 2
4 3 3 4 3
1 = 2 +2 = ( + )( )
Entonces
2 2 2 3
= ( + ) ( + )( )
2 2 2 3
= ( + ) ( + )( )
2 3 4 4
= ( + ) ( )( + )( + )( ) =( + ) ( )
Ejemplo
Demostrar que
0 1 0 1
a + bt at + b c a b c
det @ x + yt xt + y z A= 1 t2 det @ x y z A
u + vt ut + v w u v w
0 1
0 1 0 1 0 1 y x
a b c bt at c a b c B b a c C
det @ x y z A + det @ yt xt z A = det @ x y z A + t2 det B
@ y x
C
z A
u v w vt ut w u v w
v u w
0 1 0 1
a b c a b c
= det @ x y z A + t2 ( 1)2 det @ x y z A
u v w u v w
factorizando tendremos
0 1 0 1
a + bt at + b c a b c
det @ x + yt xt + y z A = 1 t2 det @ x y z A
u + vt ut + v w u v w
1
2.2. Matriz Inversa A
Corolario
1
adj (A) = det (A) A ( )
1 1
A = adj (A)
jAj
Matriz de Cofactores
Consideremos la matriz
0 1
a11 a12 a13
A = @ a21 a22 a23 A
a31 a32 a33
Si a cada elemento de la matriz A sustiuimos por sus respectivos cofactores, obtenemos una matriz que se denomina
matriz de cofactores y denotamos, así
0 1
M11 M12 M13
CA = Cof (A) = @ M21 M22 M23 A
M31 M32 M33
Matriz Adjunta
Propiedades
26 CAPÍTULO 2. DETERMINANTES
1: adj(I) = I
T
2: adj(AT ) = (adj(A)) si det (A) 6= 0
1 1
3: adj(A ) = (adj(A))
n 1
6: adj ( A) = adj (A) ; 2C
n 1
7: det (adj (A)) = det (A)
n 1 n n 1
8: det (adj ( A)) = det (A)
1 n
9: det (adj (An )) = det An
(n 1)2
10: det (adj(adj (A))) = det (A)
Sugerencia
Matriz No Singular
Una matriz cuadrada A = [aij ]n de orden n es no singular si y sólo si det(A) 6= 0 es decir que
Matriz Regular
Es aquella matriz cuadrada que tiene inversa, es decir que su det(A) 6= 0 entonces
1
An que tiene A entonces A es regular
Ejemplo
2 1
det(A) = det = + (6) ( 1) = 7
1 3
0 1
2 3 4
det(B) = det @ 0 3 0 A= 30
0 0 5
Como det (A) 6= 0 y det (B) 6= 0 entonces se puede determinar las matrices inversas de A y B además las
matrices mencionadas son no singulares.
Matriz Singular
1
A s 9; A es matriz singular
1
2.2. MATRIZ INVERSA A 27
Consideremos una matriz cuadrada A, si det (A) 6= 0; entonces a la inversa de la matriz A de…niremos de la siguiente
manera
1 1 1 T 1 T
A = adj(A) = (CA) = (cof (A))
jAj jAj jAj
Propiedades
1 1
1: A =A
1 1 1
2: (A B) =B A
1 1 T
3: AT = A
1
4: ( A) = 1A 1
8 0
< A =I
1 1 n
5: (An ) = A 8n 2 Z+ donde
:
An = A An 1
; n 2 Z+
1
6: I =I
Ejemplo
0 1
1 3 5
det(A) = det @ 3 5 1 A= 108
5 1 3
0 1
1 3 5
det @ 3 5 1 A = 108
5 1 3
1
Como det (A) = 108 6= 0 entonces 9 A por lo tanto A
/ es una matriz no singular, entonces debemos determinar
la matriz de cofactores
0 1
+M11 M12 +M13
adj(A) = (CA) = cof (A) = @ M21 +M22 M23 A =?
+M31 M32 +M33
0 1
1 3 5
de la matriz A = @ 3 5 1 A se obtiene, los cofactores
5 1 3 33
28 CAPÍTULO 2. DETERMINANTES
5 1
M11 = + det = 15 1 = 14
1 3
3 1
M12 = det =9 5=4! 4
5 3
3 5
M13 = + det =3 25 = 22
5 1
3 5
M21 = det =9 5=4! 4
1 3
1 5
M22 = + det =3 25 = 22
5 3
1 3
M23 = det =1 15 = 14 ! 14
5 1
3 5
M31 = + det =3 25 = 22
5 1
1 5
M32 = det =1 15 = 14 ! 14
3 1
1 3
M33 = + det =5 9= 4
3 5
0 1
14 4 22
adj(A) = (CA) = cof (A) = @ 4 22 14 A
22 14 4
0 1
14 4
22
T
adj(A) = (CA)T = (cof (A)) = @ 4 14 A entonces
22
22 144
0 1
14 4 22
1 1 T 1 @
A 1
= adj(A) = (CA) = 4 22 14 A
jAj jAj 108
22 14 4
0 14 4 22 1
108 108 108
A 1
= @ 4
108
22
108
14
108
A
22 14 4
108 108 108
0 7 1 11
1
54 27 54
A 1
= @ 1
27
11
54
7
54
A
11 7 1
54 54 27
Ejemplo
1 1 1
Determinar A =? sabiendo que A = adj (A)
jAj
0 1 0 1
1 2
1 + 2i i i 1 + 2i i
A = @ 1 2 2 + i A forma directa A 1 = @ 1 i 1 i A
1 2 + i 2 2i 1 0 1
0 1
1 2 i 1 + 2i
det (A) = det @ 1 2 2 + i A donde det (A) = i
1 2 + i 2 2i
0 1
1 2 i 1 + 2i
det (A) = det @ 1 2 2 + i A entonces det (A) = i; det (A) 6= 0
1 2 + i 2 2i
1
2.2. MATRIZ INVERSA A 29
1
entonces A existe porque es matriz no singular
0 1
1 2+i 1
adj (A) = @ i 1 1+i A
i 0 i
1 1
A = adj (A)
jAj
0 1 0 1
1 2+i 1 i 1 + 2i i
1 @
A 1
= i 1 1+i A=@ 1 i 1 i A
i
i 0 i 1 0 1
Este método consiste en construir una matriz de orden n 2n formada por la matriz A y la matriz unitaria I es
decir
(A j I)
Mediante las operaciones elementales sobre la …la de la matriz construida, se transforma a la forma
(I j B)
1
donde B = A es la matriz inversa
Ejemplo
0 1
1 1 4 2
B 2 0 3 1 C
A=B
@ 4
C
2 1 0 A
2 4 1 2 44
Procedimiento
0 1
..
B 1 . C
B 1 4 2 . 1 0 0 0 C
B 2 0 3 1 .. 0 1 0 0 C
1. B
B 4
C f2
C 2f1 ! f2
B 2 1 0 .. 0 0 1 0 C
@ 2 . A
4 1 2 0 0 0 1
..
.
2 0 3 1 0 1 0 0 2 1 1 4 2 1 0 0 0 ! f2
2 0 3 1 0 1 0 0 + 2 2 8 4 2 0 0 0 ! f2
0 2 5 3 2 1 0 0 ! f2
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
2. B C 4f 1 f3 ! f3
@ 4 2 1 0 0 0 1 0 A
2 4 1 2 0 0 0 1
4 1 1 4 2 1 0 0 0 4 2 1 0 0 0 1 0 ! f3
4 4 16 8 4 0 0 0 + 4 +2 1 0 0 0 1 0 ! f3
0 2 15 8 4 0 1 0 ! f3
30 CAPÍTULO 2. DETERMINANTES
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
3. B C 2f 1 + f 4 ! f 4
@ 0 2 15 8 4 0 1 0 A
2 4 1 2 0 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f2 + f3 ! f3
@ 0 2 15 8 4 0 1 0 A
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
4. B C f2 f4 ! f4
@ 0 0 10 5 2 1 1 0 A
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C 12f 3 + 10f 4 ! f 4
@ 0 0 10 5 2 1 1 0 A
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 C
5. B 0 2 5 3 2 1 0 C f4 ! f4
@ 0 0 10 5 2 1 1 0 A 2
0 0 0 30 16 24 12 10
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f 4 + 3f 3 ! f 3
@ 0 0 10 5 2 1 1 0 A
0 0 0 15 8 12 6 5
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
6. B C
@ 0 0 30 0 2 15 9 5 A
0 0 0 15 8 12 6 5
T así sucesivamente ( matrices equivalentes....) entonces se tiene que al realizar el proceso primero de eliminación
gaussiana y posteriormente el de Jordan, se obtiene la matriz inversa....
0 1
..
B 1 . C
B 1 4 2 . 1 0 0 0 C f2 2f1 ! f2
B 2 0 3 1 .. 0 1 0 0 C
(A j I) = B
B 4
C
C f3 4f1 ! f3
B 2 1 0 .. 0 0 1 0 C
@ 2 . A f4 + 2f1 ! f4
4 1 2 0 0 0 1
..
.
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C f3 f2 ! f3
B C
@ 0 2 15 8 4 0 1 0 A f4 f2 ! f4
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f + f4 ! f3
@ 0 0 10 5 2 1 1 0 A 3
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f + f4 ! f3
@ 0 0 2 4 2 2 1 1 A 3
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f 6f3 ! f4
@ 0 0 2 4 2 2 1 1 A 4
0 0 0 15 8 11 6 5
1
2.2. MATRIZ INVERSA A 31
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C 1
B C f4 ! f4
@ 0 0 2 4 2 2 1 1 A 15
8 11 6 5
0 0 0 1 15 15 15 15
0 1
1 1 4 2 1 0 0 0
B 0 f1 2f4 ! f1
B 2 5 3 2 1 0 0 C
C
@ 0 f2 + 3f4 ! f2
0 2 4 2 2 1 1 A
8 11 6 5 f3 4f4 ! f3
0 0 0 1 15 15 15 15
0 1 22 12 10
1
1 1 4 0 15 15 15 15
B 0 2 5 0 6 18 18 15 C 1
B 15 15 15 15 C 2 f3 ! f3
@ 0 0 2 0 2 14 9 5 A f1 2f3 ! f1
15 15 15 15
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 2 5 0 6 18 18 15 C
B 15 15 15 15 C f2 + 5f3 ! f2
@ 0 0 1 0 2 14 9 5 A
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 2 0 0 20 34 9 5 C
B 30 30 30 30 C 1
@ 0 0 1 0 2 14 9 5 A 2 f2 ! f2
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 1 0 0 20 34 9 5 C
B 60 60 60 60 C f1 + f2 ! f1
@ 0 0 1 0 2 14 9 5 A
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 4 5 3 5
1
1 0 0 0 30 30 20 60
B 0 1 0 0 20 34 9 5 C
(I j B) = B
@ 0
60
2
60
14
60
9
60
5
C
A
0 1 0 30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
Por lo tanto 0 1
4 5 3 5
30 30 20 60
B 20 34 9 5 C
A 1
=B=B
@
60
2
60
14
60
9
60
5
C
A
30 30 30 30
8 11 6 5
15 15 15 15
Espacios y Subespacios Vectoriales
El álgebra lineal, trata del estudio de los espacios vectoriales, de las transformaciones, de matrices y sistemas de
ecuaciones lineales (combinaciones lineales) de los determinantes, de los valores característicos y vectores carac-
terísticos, de los espacios con producto interno y los operadores sobre espacios con producto interno.
Para hacer hacer una de…nición formal y rigurosa de los múltiples tema sque se tratan en el álgebra lineal, vamos
a recordar algunas de…niciones preliminares.
De…nición
El producto del conjunto A por el conjunto B es el conjunto de todos los pares ordenados (duplas), (a; b), tales a
es un elemento A y b es un elemento del conjunto B
A B = f(a; b) = a 2 A ^ b 2 Bg
ARB = f(a; b) = a 2 A ^ b 2 Bg
Aplicación de A en B
Diremos que f es una aplicación ó función de A en B si y sólo si para todo x 2 A existe un único y 2 B tal que
y = f (x)
Notación
f: A ! B
x 7! y = f (x)
Ejemplo
a.
f: N f0g ! R
2
n 7! f (n) = n
b.
g: [ 3; 3] ! [0; 3] p
x 7! g(x) = 9 x2
Notación
: ARA ! A
(a; b) 7! a b
Ejemplo
+: RR R ! R : RRR ! R
;
(a; b) 7 ! a+b (a; b) 7! a b
2
+ : R 2 R R2 ! R2
f(x1 ; y1 ); (x2 ; y2 )g 7! (x1 + x2 ; y1 + y2 )
Cuerpo (Campo |)
El cuerpo se lo de…ne como una estructura algebraica, donde un conjunto | 6= a esto se le conoce como Cuerpo, si
en | (escalares) están de…nidas las operaciones de Suma y Producto y que veri…can las siguientes propiedades
A. Suma
+: |R | ! |
(a; b) 7! a + b
A1 : a + (b + c) = (a + b) + c Asociativa
A2 : a+b=b+a Conmutativa
A3: 9!0 2 | = 0 + a = a; 8a 2 | Existencia del elemento neutro aditivo
A4 : 8a 2 |; 9 a 2 | = a + ( a) = 0 Existencia del elemento inverso aditivo
B. Producto
: |R| ! |
(a; b) 7! a b
P1 : a (b c) = (a b) c Asociativa
P2 : a b=b a Conmutativa
P3: 9!1 2 | = 1 a = a; 8a 2 | Existencia del elemento neutro multiplicativo
P4 : 8a 6= 0; 9!a 1 2 | = a a 1 = 1 Existencia del elemento inverso multiplicativo
a (b + c) = a b + a c
Ejemplos
Espacio Vectorial (V ; +; |; )
Un conjunto V no vacío, se llama espacio vectorial sobre | si está provisto de dos operaciones: suma (suma de
vectores) y producto ( multiplicación de escalar por vector) de…nidos de la siguiente manera
1.
+: V R V ! V
Ley decomposición interna (L.c.i)
(u; v) 7 ! u+v
2
: |RV ! V
Ley de Composición externa (L.c.e)
( ; v) 7 ! v
A1 : u + v = v + u; u; v 2 V Comutativa
A2 : (u + v) + w = u + (v + w); u; v; w 2 V Asociativa
A3: 9! 2 V = v + = v; 8v 2 V Existencia del elemento neutro aditivo
A4 : 8v 2 V; 9 v 2 V = v + ( v) = Existencia del elemento inverso aditivo
P1 : ( v) = ( ) v; 8 ; 2 |; v 2 V Asociativa de escalares por un vector
P2 : 1 v = v; 8v 2 V; 1 2 | Unicidad, Existencia del elemento neutro multiplicativo
Distributividad
Como V está de…nido sobre los elementos de |; decimos que V es un | espacio vectorial
Notación
(V ; +; |; )
Ejemplo
Observaciones
a. Un conjunto V 6= para que sea un espacio vectorial sobre un campo | debe tener de…nidas dos operaciones:
suma y multiplicación por un escalar y que cumple con las propiedades mencionadas, en caso que no cumpla con
alguna de dichas propiedades no es un espacio vectorial.
b. Al conjunto de los polinomios de grado 3 con coe…cientes complejos denotaremos por k[x] es decir
Ejemplos
(a; b) + (c; d) = (a + c; b + d)
2. En R2 cualquier recta que pase por el origen (0; 0), es un espacio vectorial sobre R.
El conjunto
V = (x; y) 2 R2 = 3x 2y = 0
Gra…cando
3
3x 2y = 0; 2y = 3x; y = x
2
4
y
4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
y = 32 x
V = (x; y; z) 2 R3 = x y z=0
4
z 0 5
2 0 -2 -4
-5
-2 x y
-4
x y z=0
(a; b) + (c; d) = (b + d; a + c)
(a; b) = ( a; b)
En efecto
5
Probaremos que
u + v = v + u; 8u; v 2 V
u + v = (a; b) + (c; d) = (a + c; b + d)
v + u = (c; d) + (a; b) = (c + a; d + b)
= (a + c; b + d)
u + (v + w) = (u + v) + w
= (a + e + c; d + b + f ) (1)
= (a + c + e; b + d + f ) (2)
de (1) y (2) se tiene u + (v + w) 6= (u + v) + w; no cumple con la propiedad asociativa, por lo tanto (V; +; R; ) no
es un espacio vectorial.
7. El conjunto V = f(x; y) 2 R2 = x + y 1g, no es un espacio vectorial con las operaciones de R2 en este caso falla
el opuesto, pues (3; 9) 2 V sin embargo (3; 9) = ( 3; 9) 2 = V puesto que 3 + 9 1
Ejemplo Completo
9*. Probar que el conjunto de todos los polinomios con coe…cientes reales,
P [x] = fan xn + an 1 xn 1
+ + a1 x + a0 ; n 2 N; a0 ; a1 ; ; an 2 Rg
donde
p(x) = a0 + a1 x + a2 x2 + + an xn y q(x) = b0 + b1 x + b2 x2 + + bn xn
p(x) = a0 + a1 x + a2 x2 + + an xn ;
Solución
Ahora probaremos las propiedades, en primer lugar demostramos ai se cumple las operaciones de suma y producto
de un escalar, mediante las leyes de composición interna y externa.
+:V R V !V
(x; y) ! +(x; y) = x + y
Ley de composición interna (l:c:i)
6
cumple con la operación suma de vectores ;ahora veri…camos las propiedades dadas para los espacios vectoriales
A1 . La suma de polinomios es conmutativa,sea
p(x) + q(x) = q(x) + p(x)
p2 (x) = b0 + b1 x + b2 x2 + ::: + bn xn
p3 (x) = c0 + c1 x + c2 x2 + ::: + cn xn
p(x) = a0 + a1 x + + an xn
de P [x] se veri…ca que el polinomio p0(x) = a0 a1 x an xn es su elemento opuesto, puesto que
p(x) + p0(x) = q(x) = 0
(a0 + a1 x + + an xn ) + ( a0 a1 x an xn ) = 0 + 0x + + 0xn = 0
( )p(x) = ( )(a0 + a1 x + a2 x2 + + an xn )
= [ a0 + a1 x + a2 x2 + + an xn ] = [ p(x)]
7
P2 . Existe un elemento unidad 1 2 R, tal que 1 p(x) = p(x) para todo polinomio p(x) de P [x]
1 v = v; 8v 2 V; 1 2 |
= 1 (a0 + a1 x + a2 x2 + + an xn )
= 1 a0 + 1 a1 x + 1 a2 x2 + + 1 an xn
= a0 + a1 x + a2 x2 + + an xn = p(x)
si p(x) 2 P [x] y ; 2R
( + )v = v + v; 8 ; 2 |; v 2 V
( + )p(x) = ( + )(a0 + a1 x + a2 x2 + + an xn )
= a0 + a1 x + a2 x2 + + an xn + a0 + a1 x + a2 x2 + + an xn
= p(x) + p(x)
(u + v) = u + v; 8 ; 2 |; u; v 2 V
Con lo cual se ha probado que el conjunto P [x] de polinomios de coe…cientes reales R es un espacio vectorial sobre
R y se representa, así
(P [x]; +; R; )
Demostración
8
0 0
Supongamos 9 2 V tal que + u = u; 8u; v 2 V
0 0 0 0
= + = + = ) =
por lo tanto " "es único.
8u 2 V se tiene 0 u =
Demostración
0 u + u = 0 u + 1 u = (0 + 1) u = 1 u = u
(0 u + u) + ( u) = u + ( u)
por la propiedad asociativa tenemos
0 u + [u + ( u)] = u + ( u)
por lo tanto
0 u+ =
de donde
0 u=
3. Si el producto de un escalar por un vector es el vector nulo entonces el escalar es "0" o el vector es nulo es decir
Si x= ) =0 o x=
Demostración
1. Suponiendo que x 6= y x= ) =0
En efecto
1
si 6= 0 ) = 1; 8 2 |
1 1
si x = ) ( x) = =
1
)( )x = )1 x= )x=
en efecto
1 1 1
si 6= 0 ) 9 ) ( x) =
1
)( )x = )1 x= )x=
9
sí 2 |; x 2 V; ( )x = ( x)
Demostración
( x) + x = =0 x=( + )x
( x) + x = ( )x + x ) ( x) = ( )x
por lo tanto
( )x = ( x)
Al conjunto de todas las funciones f con dominio de un conjunto X 6= y rango de un cuerpo |, denotaremos por
|X , es decir
|X = ff =f : X ! |g
un elemento que pertenece a |X es una función f : X ! | ahora en |X de…nimos la suma de funciones y el
producto de un escalar por funciones
Luego el conjunto (|X ; +; |; ), provisto de dos operaciones suma y producto es un espacio vectorial sobre |,
para esto probaremos las propiedades.
Solución
A1 :Sean
f; g 2 |X ) f; g : X ! | y f + g : X ! |
A2 : Sean
f; g; h 2 |X ) f; g; h : X ! |; por probar que (f + g) + h = f + (g + h)
Sea
como
f (x) ; g (x) ; h (x) 2 | = R
10
entonces de ( ) y ( ) se tiene
) (f + g) + h = f + (g + h)
) (f + 0)(x) = f (x); 8x 2 X
) f + 0 = f ) 8f 2 |X ; 9f 2 |X =f + 0 = f
Por lo tanto cumple, con la existencia del elemento neutro aditivo de la operación
A4 . 8f 2 |X sea f : X ! | de…nida por ( f )(x) = f (x)
) [f + ( f )](x) = f (x) + ( f )(x) = f (x) f (x) = 0 = 0(x) ; 8x 2 X
de donde se tiene
f + ( f) = 0
) 8f 2 k X ; 9( f ) 2 k X = f + ( f ) = 0
por lo tanto cumple con la propiedad de la existencia del elemento inverso aditivo de la operación
B. Con la operación multiplicación de un escalar por un vector
B1 . Sean
f; g 2 |X y 2 | ) [ (f + g)](x) = (f + g)(x) = (f (x) + g(x))
[ (f + g)](x) = ( f + g)(x); 8x 2 X
entonces
(f + g) = f + g
por lo tanto, cumple con la propiedad distributiva de un escalar por la adición de dos funciones de la operación
B2 . Sea f 2 |X y ; 2 | entonces se tiene
[( + )f ](x) = ( + )f (x) = f (x) + f (x)
entonces
( + )f = f + f
por lo tanto cumple con la propiedad distributiva de la adición de escalares por una función de la operación
entonces
[( )f ](x) = [ ( f )](x)
)( )f = ( f )
por lo tanto, cumple con la propiedad de la asociativa de escales por un función de la operación
B4 : Sea f 2 |X y, 1 2 | entonces
(1 f )(x) = 1 f (x) = f (x); 8x 2 X
Luego, (|X ; +; |; ) provisto de dos operaciones suma y multiplicación es un espacio vectorial sobre |; es decir
(|X ; +; R; )
Casos Particulares
|X = ff =f : X ! |g
|X = ff =f : R ! R es continua g
espacio vectorial sobre R.
De…nición
| = R; |X = ff = f : X ! |g
Sí f 2 |X ) f : X ! |
Casos particulares
m = 3; n = 2 entonces
X = f(i; j)=1 i 3; 1 j 2g i; j
enteros
) X = f(1; 1); (1; 2); (2; 1); (2; 2); (3; 1); (3; 2)g
12
Sí f 2 |X ) f : X ! |
Luego se tiene 2 3
f11 f12
f = 4f21 f22 5
f31 f32 3 2
2 3
f11 f12 ::: f1n
6 f21 f22 ::: f2n 7
6 7
6 : : : : 7
Ahora para 1 i my1 j n se tiene f = 6
6 :
7
6 : : : 77
4 : : : : 5
fm1 fm2 ::: fmn
Igualdad de Matrices
Sea f; g 2 |X , entonces 2 3 2 3
f11 f12 ::: f1n g11 g12 ::: g1n
6 f21 f22 ::: f2n 7 6 g21 g22 ::: g2n 7
6 7 6 7
6 : : : : 7 6 : 7
f =6 7;g = 6 : : : 7
6 : : : : 7 6 : : : : 7
6 7 6 7
4 : : : : 5 4 : : : : 5
fm1 fm2 ::: fmn gm1 gm2 ::: gmn
f = g , fij = gij ; 81 i m; 1 j n
es decir
f11 = g11 ; f12 = g12 ; :::; fmn = gmn
2 3
f11 + g11 f12 +g 12 ::: f1n +g 1n
6 f21 +g 21 f22 +g 22 ::: f2n + g2n 7
6 7
6 : : : : 7
f +g =6
6
7
7
6 : : : : 7
4 : : : : 5
fm1 + gm1 fm2 + gm2 ::: fmn + gmn
2 3
f 11 f 12 ::: f 1n
6 f 21 f 22 ::: f 2n 7
6 7
6 : : : : 7
f =6
6
7
6 : : : : 7 7
4 : : : : 5
f m1 f m2 ::: f mn
Luego el conjunto de todas las matrices de orden m n sobre | = R denotado por |X = Rm n está provisto de dos
operaciones suma y producto .
13
2 3
f11 + g11 f12 +g 12 ::: f1n +g 1n
6 f21 +g 21 f22 +g 22 ::: f2n + g2n 7
6 7
6 : : : : 7
f +g =6
6
7
7
6 : : : : 7
4 : : : : 5
fm1 + gm1 fm2 + gm2 ::: fmn + gmn
2 3
g11 + f11 g12 +f 12 ::: g1n + f1n
6 g21 + f21 g22 + f22 ::: g2n + f2n 7
6 7
6 : : : : 7
=6
6
7=g+f
7
6 : : : : 7
4 : : : : 5
gm1 + fm1 gm2 + fm2 ::: gmn + fmn
por lo tanto
f +g =g+f
A2 : Sean f; g; h 2 RX ) f; g; h : X ! R
2 3 2 3
f11 f12 ::: f1n g11 + h11 g12 +h12 ::: g1n + h1n
6 f21 f22 ::: f2n 7 6 g21 + h21 g22 + h22 ::: g2n + h2n 7
6 7 6 7
6 : : : 7
: 7 6 6 : : : : 7
6
f + (g + h) = 6 =6 7
7 7
6 : : : : 7 6 : : : : 7
4 : : : : 5 4 : : : : 5
fm1 fm2 ::: fmn gm1 + hm1 gm2 + hm2 ::: gmn + hmn
2 3
f11 + (g 11 + h11 ) f12 + (g 12 +h12 ) ::: f1n + (g 1n + h1n )
6 f21 + (g + h21 ) f22 + (g 22 + h22 ) ::: f2n + (g 2n + h2n ) 7
6 21 7
6 : : : : 7
=6 6
7
7
6 : : : : 7
4 : : : : 5
fm1 + (g m1 + hm1 ) fm2 + (g m2 + hm2 ) ::: fmn + (g mn + hmn )
asociando los fij + (gij + hij ) y descomponiendo como suma de dos matrices se tiene
f + (g + h) = (f + g) + h
2 3
0 0 ::: 0
60 0 ::: 07
6 7
6: : : :7
A3 :Sea la matriz 0 = 6
6:
7 tal que 8f 2 RX se tiene
6 : : :7 7
4: : : :5
0 0 0 0
2 3 2 3
f11 f12 ::: f1n 0 0 ::: 0
6 f21 f22 ::: f2n 7 6 7
6 7 60 0 ::: 07
6 : : : : 7 6: : : :7
7 6
6 +6 7=f
6 : : : : 7 7
6 7 6: : : :7
4 : : : : 5 4 : : : :5
fm1 fm2 ::: fmn 0 0 ::: 0
14
) 8f 2 RX ; 90 2 RX =f + 0 = f
A4 :8f 2 RX sea 2 3
f 11 f12 ::: f1n
6 f21 f22 ::: f2n 7
6 7
6 : : : : 7
f =6
6
7)
6 : : : : 7 7
4 : : : : 5
fm1 fm2 ::: f mn
2 3 2 3
f11 f 11 f12 f12 ::: f1n f1n 0 0 ::: 0
6 f21 f21 f22 f22 ::: f2n f2n 7 60 0 ::: 07
6 7 6 7
6 : : : : 7 6: : : :7
f + ( f) = 6
6
7=
7
6
6: : : :7
7
6 : : : : 7 6 7
4 : : : : 5 4: : : :5
fm1 fm1 fm2 fm2 ::: fmn f mn 0 0 ::: 0
Luego
8f 2 RX ; 9 f 2 RX =f + ( f ) = 0
B1 : Sea f 2 RX ; ; 2 R se tiene
( )f = ( f )
D1 :Sea f 2 RX ; ; 2 R se tiene
( + )f = f + f
Por lo tanto se tiene que el conjunto de matrices RX de orden m n provisto de las dos operaciones de suma y
producto es un espacio vectorial sobre R, y se representa, así
RX ; +; R;
Ejemplos
2. Sea V = f x + ex = ; 2 Rg, de donde f (x) = x; g(x) = ex son funciones reales, probar que V es un espacio
vectorial sobre R.
3. Sea V un espacio vectorial sobre | y F un sub-conjunto de |, demostrar que V también es un espacio vectorial
sobre F .
4. Sean U y W dos espacios vectoriales sobre un cuerpo |. Sea V = f(u; w)=u 2 U; w 2 W g. Demostrar que V es
un espacio vectorial sobre |.
9. Considerando V = RR o sea el conjunto de las funciones reales con variable real y | = R, investigar si son
espacios vectoriales sobre R los conjuntos siguientes:
c. El conjunto de las funciones pares, o sea las funciones f 2 RR tales que f (x) = f ( x).
d. El conjunto de las funciones impares, o sea las funciones f 2 RR tales que f ( x) = f (x)
10. Probar que V = fA 2 R2 2 =Tr (A) = 1g es un espacio vectorial con las operaciones de R2 2
x y
12. Probar que V = =x; y; z 2 R es un espacio vectorial con las operaciones de R2 2
0 z
82 3 9
< 0 0 a =
13. Probar que V = 40 b 05 =a; b; c 2 R es un espacio vectorial con las operaciones de R3 3
: ;
c 0 0
14. En cada uno de los conjuntos siguientes que no son espacios vectoriales, indicar las propiedades que no se
cumplen
15. Determinar si (C2 ; +; C; ) es un espacio vectorial, de…niendo (Z1 ; Z2 ) + (Z10 + Z20 ) = (Z1 + Z10 ; Z2 + Z20 )
Z(Z1 ; Z2 ) = (ZZ1 ; ZZ2 )
De…nición
Sea (V; +; |; ) un espacio vectorial cualquiera, diremos que W 6= ; W V es un sub espacio vectorial de V sí y
sólo sí (W; +; |; ) con las operaciones de…nidas de la suma y producto por un escalar, entonces W es un sub espacio
vectorial. (ley de composición interna, ley de composición externa)
Observación
1. Fijado un espacio vectorial V , los subconjuntos y V son subespacios llamados sub espacios triviales
2. Cualquier sub espacio diferente de los triviales se denomina sub espacio propio
3. Un espacio vectorial tiene muchos sub espacios por ejemplo todas las rectas que pasan por el origen = (0; 0)
en el plano R2
Observación
16
Para probar que un sub conjunto W de un espacio vectorial V sea un sub espacio, es su…ciente probar que
W 6= ; W V y las operaciones de suma y producto por un escalar, las demás propiedades de…nidas en
V también se cumplen en W , y esto lo veremos en el siguiente teorema
Teorema
Sean (V; +; |; ) un espacio vectorial, y W 6= ;W V diremos que (W; +; |; ) es un sub espacio vectorial de
(V; +; |; ) sí y solo sí
1: W 6= ; W V
3:(ii) : 8 2 |; 8x 2 W ) x 2 W (l.c.e)
Demostración
() Por hipótesis tenemos que si se cumple (i), (ii) probaremos que (W; +; |; ) es un espacio vectorial
A3 : 8x 2 W; 9 2 W tal que x + = + x = x;
En forma similar se puede veri…car que (W; +; |; ) cumple las condiciones restantes de espacio vectorial.
Ejemplo
W = f(x; y; z) 2 R3 = x = zg
0.1. SUB ESPACIOS VECTORIALES 17
Solución
x1 + x2 = z1 + z2 entonces x3 = z3 2 W
) (x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 ) 2 W
Ejemplo
W = f(x; y; z) 2 R3 = z = x + 2g
Solución
es decir W 6=
18
8 8
>
<(x1 ; y1 ; z1 ) 2 W >
<(1) : z1 = x1 + 2
Si ) sumando (1) + (2)
>
: >
:
(x2 ; y2 ; z2 ) 2 W (2) : z2 = x2 + 2
z1 + z2 = x1 + x2 + 2 + 2
z1 + z2 = x1 + x2 + 4
z3 = x3 + 4
) (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2
=W
) (x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 ) 2
=W
Comprobando gra…camente z = x + 2
y 4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
z =x+2
Ejemplo
Solución
jxj = jyj
j1j = j 1j; 1 = 1
0.1. SUB ESPACIOS VECTORIALES 19
8 8
>
<(x1 ; y1 ; z1 ) 2 W >
<(1) : jx1 j = jy1 j
Si ) sumando (1) + (2)
>
: >
:
(x2 ; y2 ; z2 ) 2 W (2) : jx2 j = jy2 j
jx1 + x2 j =
6 jy1 + y2 j desigualdad triangular
Observación
jx1 + x2 j = jy1 + y2 j
jy1 + y2 j = jx1 + x2 j
ju + vj juj + jvj
) (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2
= W por de…nición de W
) (x1 ; y1 ; z1 ) + (x2 ; y2 + z2 ) 2
=W
Ejemplo
Z 1 Z 1
W1 = ff 2 C = f (t)dt = 0g ; W2 = ff 2 C = f (t)dt = 1g
0 0
Solución
A. Analizando al conjunto W1
1: W1 6= puesto que W1 V
2: Si f; g 2 W1 ) f + g 2 W1 (por probar)
8 8 R1
>
<f 2 W1 >
<(1) : 0 f (t)dt = 0
Si ) sumando (1) + (2)
>
: >
: R1
g 2 W1 (2) : 0 g(t)dt = 0
Z 1 Z 1
f (t)dt + g(t)dt = 0 + 0
0 0
Z 1 Z 1
f (t)dt + g(t)dt = 0
0 0
Z 1
(f (t) + g(t))dt = 0
0
Z 1
(f + g)(t)dt = 0 ) f + g 2 W1
0
3: 2 R; f 2 W1 ) f 2 W1 (por probar)
Z 1
Si f 2 W1 ) f (t)dt = 0
0
Z 1
) f (t)dt = 0
0
Z 1
) ( f )(t)dt = 0 ) f 2 W1
0
1: W2 6= puesto que W2 V
0.1. SUB ESPACIOS VECTORIALES 21
2: f; g 2 W2 ) f + g 2 W2 (por probar)
8 8 R1
>
<f 2 W2 >
<(1) : 0 f (t)dt = 1
Si ) sumando (1) + (2)
>
: >
: R1
g 2 W2 (2) : 0 g(t)dt = 1
Z 1 Z 1
f (t)dt + g(t)dt = 1 + 1 = 2
0 0
Z 1
(f + g)(t)dt = 2 6= 1 ) f + g 2
= W2
0
2: A; B 2 T ) A + B 2 T (por veri…car)
8 8
>
<A 2 T >
<(1) : aij = aji
si ) 8i;j sumando (1) + (2)
>
: >
:
B2T (2) : bij = bji
) A+B 2T
3: 2 R; A 2 T ) A 2 T (por veri…car)
) [aij ] 2 T; de donde A 2 T
22
2: A; B 2 S ) A + B 2 S (por comprobar)
8 8
>
<A 2 S >
<(1) : aij = aji
si ) 8i; j sumando (1) + (2)
>
: >
:
B2S (2) : bij = bji
aij + bij = (aji + bji )
) [aij ] + [bij ] 2 S
) A+B 2S
3: 2 R; A 2 S ) A 2 S (por veri…car)
) [ aij ] 2 S de donde A 2 S
Ejemplo
W = f(x; y; z) 2 R3 = 2x + y z = 0g
Solución
8 8
>
<(x1 ; y1 ; z1 ) 2 W >
<2x1 + y1 z1 = 0 (1)
Si ) sumando (1) y (2)
>
: >
:
(x2 ; y2 ; z2 ) 2 W 2x2 + y2 z2 = 0 (2)
(2x1 + y1 z1 ) + (2x2 + y2 z2 ) = 0 + 0
2x3 + y3 z3 = 0
) (x3 ; y3 ; z3 ) 2 W
) (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2 W
) (x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 ) 2 W
Si (x; y; z) 2 W ) 2x y+z =0
(2x y + z) = (0)
2( x) ( y) + ( z) = 0
) ( x; y; z) 2 W
) (x; y; z) 2 W
W = f(x; y; z) 2 R3 = 2x + y z = 0g
2x -4
-4 -2 0 -2 2 4
z 0
0
2
4 y
-2
-4
2x + y z=0
Ejemplo
Sea P [x] el conjunto de todos los polinomios de grado menor o igual a tres, indicar si el conjunto
W = fp 2 P = p(2) = p( 2) = p(0) = 0g
es un subespacio de P .
Solución
Observación
p(2) = 8a + 4b + 2c + d; a; b; c; d 2 R
p( 2) = 8a + 4b 2c + d; a; b; c; d 2 R
p(0) = d; a; b; c; d 2 R
ax3 + bx2 + cx + d = 0
8a + 4b + 2c + d = 0
8a + 4b 2c + d = 0
d=0
Demostración
1: W 6= es inmediato
0.1. SUB ESPACIOS VECTORIALES 25
2: Si p; q 2 W ) p + q 2 W (por probar)
8 8
>
<p 2 W >
<(1) : p(2) = p( 2) = p(0) = 0
Si ) sumando (1) + (2)
>
: >
:
q2W (2) : q(2) = q( 2) = q(0) = 0
r(2) = r( 2) = r(0) = 0
) p + q 2 W por de…nición de W
Si p 2 W ) p(2) = p( 2) = p(0) = 0
) p(2) = p( 2) = p(0) = 0
) p 2 W por de…nición de W:
Ejemplo
Solución
x1 + x2 2 Z
Si (x; y) 2 W )x2Z
1 x
) x2
= Z por ejemplo = x= 2Q
2 2
por lo tanto W 2
= Z
Ejemplo
Solución
3: 2 R; (x; y) 2 W ) (x; y) 2 W
Si (x; y) 2 W )x+y =0
) x+ y =0
) ( x + y) 2 W por de…nición de W
) (x; y) 2 W
Ejemplo
Solución
(x1 + x2 ) + (y1 + y2 ) = 6 6= 3
) (x1 ; y1 ) + (x2 ; y2 ) 2
=W
) (x1 ; y1 ) + (x2 ; y2 ) 2 W
Si (x; y) 2 W ) y = mx
) y = m( x)
) ( x; y) 2 W por de…nición de W
) (x; y) 2 W
es un subespacio de P [x]
Solución
1: W 6= es inmediato
2: Si p; q 2 W ) p + q 2 W (por probar)
8 8
>
<p 2 W >
<(1) : p(0) = 1
Si ) sumando (1) + (2)
>
: >
:
q2W (2) : q(0) = 1
p(0) + q(0) = 2
(p + q)(0) = 2 6= 1
) p+q 2
= W por de…nición de W:
2: Si f; g 2 W ) f + g 2 W (por probar)
8 8
>
<f 2 W >
<(1) : f (a + b) = f (a) + f (b) ^ f ( a) = f (a)
Si ) sumando (1) + (2)
>
: >
:
g2W (2) : g(a + b) = g(a) + g(b) ^ g( a) = g(a)
) f + g 2 W por de…nición de W
3: 2 R; f 2 W ) f 2 W (por probar)
1: T 6= puesto que T V
2: f; g 2 T ) f + g 2 T (porveri…car)
8 8
>
<f 2 T >
<(1) : f (0) + f (1) = 0
si ) 8i; j sumando (1) + (2)
>
: >
:
g2T (2) : g(0) + g(1) = 0
(f + g)(0) + (f + g)(1) = 0
) f + g 2 T por de…nición de T
3: 2 R; f 2 T ) f 2 T (por veri…car)
Si f 2 T ) f (0) + f (1) = 0
) ( f )(0) + ( f )(1) = 0
) f 2 T por de…nición de T
Por lo tanto T es un subespacio de V:
Ahora analizaremos el conjunto H.
2: f; g 2 H ) f + g 2 S por veri…car/
8 8
>
<f 2 S >
<(1) : f (x) 0
si ) sumando (1) + (2)
>
: >
:
g2S (2) : g(x) 0
f (x) + g(x) 0
(f + g)(x) 0
) f + g 2 H por de…nición de H
30
3: 2 R; f 2 H ) f 2 H por veri…car
Si f 2 H ) f (x) 0
f (x) 0 si >0
Ejemplo
Si V = F conjuntos de todas las funciones de…nidas en R. Demostrar que el conjunto de todas las funciones f que
satisface la ecuación diferencial f 00 (x) + 5f (x) = 0 es subespacio de V = F
Sea
H = ff 2 V =f 00 (x) + 5f (x) = 0g
Solución
2: f; g 2 H ) f + g 2 H por veri…car
8 8
> > 00
<f 2 H <(1) : f (x) + f (x) = 0
si ) sumando (1) + (2)
>
: >
:
g2H (2) : g 00 (x) + g(x) = 0
) f + g 2 H por de…nición de H
3: 2 R; f 2 H ) f 2 H por veri…car
Si f 2 H ) f 00 (x) + f (x) = 0
) f 00 (x) + f (x) = 0
) f 2 H por de…nición de H
Ejemplo
a b
Sea V = R2 2 el espacio vectorial de todas las matrices de la forma donde a; b son reales cualquiera en un
b a
subespacio de V:
Sea
a b
H= =a; b 2 R
b a
0.1. SUB ESPACIOS VECTORIALES 31
Solución
2: A; B 2 H ) A + B 2 H por veri…car
8
8 >
> a b
>
> (1) : A =
< A2H < b a
si ) sumando (1) + (2)
: >
>
B2H >
> c d
: (2) : B =
d c
a b c d a+c b+d
A+B = + =
b a d c b+d a+c
= 2 H ) A + B 2 H por de…nición de H
3: 2 R; A 2 H ) A 2 H por veri…car
a b
si A 2 H)A=
b a
a b a0 b0
A = = 2 H por de…nición de H
b a b0 a0
Ejemplo
Sea V = ff : 0; 1] ! R = f es una funcióng el espacio vectorial de las funciones reales, analizar si el conjunto
1 f (0) + f (1)
W = f 2V =f =
2 2
es un subespacio de V:
Solución
2: f; g 2 W ) f + g 2 W por veri…car
8
8 > 1 f (0) + f (1)
> >
>(1) : f =
<f 2 W < 2 2
si ) sumando (1) + (2)
>
: >
>
g2W >
:(2) : g 1 g(0) + g(1)
2 =
2
1 1 f (0) + f (1) g(0) + g(1)
f +g = +
2 2 2 2
1 (f + g)(0) + (f + g)(1)
(f + g) =
2 2
) f + g 2 W por de…nición de W
32
3: 2 R; f 2 W ) f 2 W por veri…car
1 f (0) + f (1)
Si f 2 W ) f =
2 2
1 f (0) + f (1)
f =
2 2
1 ( f )(0) + ( f )(1)
( f) =
2 2
) f 2 W por de…nición de W
Ejemplo
es un subespacio de R4
Solución
2: X = (x1 ; x2 ; x3 ; x4 ) 2 S;
4
X 4
X
xi + yi = 1+1
i=1 i=1
4
X
(xi + yi ) = 2 6= 1
i=1
) (x1 + y1 ; x2 + y2 ; x3 + y3 ; x4 + y4 ) 2
=S
) (x1 ; x2 ; x3 ; x4 ) + (y1 ; y2 ; y3 ; y4 ) 2
=S
) x+y 2
=S
Ejemplo
W = f(x; y; z) 2 R3 = x = zg
0.1. SUB ESPACIOS VECTORIALES 33
Solución
1: W 6= pues (1; 0; 1) 2 W
x1 + x2 = z1 + z2
) (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2 W
) (x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 ) 2 W
Si (x; y; z) 2 W ) x = z
x= z
) ( x; y; z) 2 W ) (x; y; z) 2 W
Ejemplo
W = f(x; y; z) 2 R3 = z = x + 2g
Solución
z1 + z2 = x1 + x2 + 2 + 2
) (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2
=W
) (x1 ; y1 ; z1 ) + (x2 ; y2 ; z2 ) 2
=W
Ejemplo
Solución
) (x1 ; y1 ) + (x2 ; y2 ) 2 W
Si (x; y) 2 W ) y = mx
) y = m( x)
) ( x; y) 2 W por de…nición de W
) (x; y) 2 W
Nota.
W geométricamente es el conjunto de rectas en R2 que pasan por el origen de lo cual se puede a…rmar que toda la
recta que pasa por el origen es un subespacio vectorial.
a. W = f(x; y; z) 2 R3 =x = 2yg
b. W = f(x; y; z) 2 R3 =x y zg
c. W = f(x; y; z) 2 R3 =x y = 0g
d. W = f(x; y; z) 2 R3 =x = y = zg
e. W = f(x; y; z) 2 R3 =x = y 3 g
f. W = f(x; y; z) 2 R3 =k1 x + k2 y + k3 z = 0; ki 2 Rg
a. W = f(x; y; z) 2 R3 = z = 0g
b. W = f(x; y; z) 2 R3 = z = 3x + yg
c. W = f(x; y; z) 2 R3 = x = z ^ y = 3g
d.W = f(x; y; z) 2 R3 = x + 3y + z = 2g
Pn
6. Probar que S = f(x1 ; x2 ; ; xn ) 2 Rn = i=1 ai xi = 0; ai 2 Rg es un subespacio de Rn
8. Considérese el espcio vectorial (R3 ; +; R; ) analizar cual de los siguientes conjuntos son subespacios de R3
a. S = f(x; y; z) 2 R3 = x = y + zg
b. W = f(x; y; z) 2 R3 = jx + zj = zg
c. H = f(x; y; z) 2 R3 = xz = 0g
10. ¿Cuál de los siguientes conjuntos dados son subespacios de Rn (n > 3)?
a. W = f(x1 ; x2 ; ; xn ) 2 Rn = x1 > 0
b. W = f(x1 ; x2 ; ; xn ) 2 Rn = x1 + 3x2 = x3 g
c. W = f(x1 ; x2 ; ; xn ) 2 Rn = x2 = x1 2 g
12. Sea V = M2 2 (R) espacio vectorial de matrices cuadradas sobre R y sean W1 = f[ai j ] 2 M2 2 (R)= a11 +a12 = 0g,
W2 = f[ai j ] 2 M2 2 (R)= a11 + a21 = 0g. Demostrar que W1 y W2 son subespacios de V .
13. Dado el espacio vectorial (M2 2 (R); +; R; ) Diga Ud. sí los siguientes subconjuntos:
a b
S = fA 2 M2 2 (R)= A = ; a; b; c 2 Rg,
b c
a 1+a
T = fA 2 M2 2 (R)= A = ; a 2 Rg, son subespacios de M2 2 (R)
0 0
S = f(x; y; z; u) 2 R4 = x2 + y 2 0; x2 + u2 0g
T = f(x; y; z; u) 2 R4 = 2x y =u_x 2y = zg
S = f(x1 ; x2 ; x3 ; x4 ) 2 R4 = x1 x4 = 0g
a. W = f(x; y; z; t) 2 R4 =x + y = 0; z t = 0g
b. W = f(x; y; z; t) 2 R4 =2x + y t = 0; z = 0g
a. W = f(x; y; z; u) 2 R4 = juj u; x = ug
36
b. W = f(x; y; z; u) 2 R4 = x2 + y 2 + u2 = 0g
19. Demostrar que (S; +; R; ) es un subespacio de Rn n , siendo S el conjunto de las matrices triangular superior.
20. Sea el espacio vectorial (RR ; +; R; ) donde RR = ff 2 RR = f : R ! Rg averiguar cual de los siguientes
subconjuntos de RR son subespacios vectoriales
a. W = ff 2 RR = f (0) + f (1) = 0g
b. W = ff 2 RR = f (0) = f (1)g
c. W = ff 2 RR = f (x) 0g
d. W = ff 2 RR = f (x2 ) = (f (x))2 g
e. W = ff 2 RR = f (3) = 1 + f ( 5)g
22. Considerando (C2 ; +; R; ) el espacio vectorial de los pares ordenados de números complejos sobre el cuerpo de
los reales, investigar si los siguientes conjuntos son subespacios del mismo.
a. S = f(z; u) 2 C2 = z 2 + u2 = 0g
b. S = f(z; u) 2 C2 = z + 2u 2 Rg
25. Sea H = f(x; y; z; w) 2 R4 = ax + by + cz + dw = 0g donde a; b; c; d son números reales no todos nulos. Demuestre
que H es un subespacio propio de R4 (a H se le conoce como un hiperplano en R4 ).
28. Indicar si los siguientes subconjuntos son o no subespacios vectoriales de los espacios vectoriales que se indican
en cada caso.
a. W = f(x; y) 2 R2 = x 0 e y 0g de R2
b. W = f(x; y; z) 2 R3 = x2 + y 2 z = 0g de R3
c. W = f(x; y) 2 R2 = ex + y = 0g de R2