Fundamentos de Álgebra

Fundamentos de Álgebra
por
Vega Ramı́rez Guillermo
Escuela Superior de Ingenierı́a, Mecánica y Eléctrica-Zacatenco

Unidad Profesional, Adolfo López Mateos
Col. Zacatenco, C.P. 07738, México, D. F.
Junio de 2013
Contenido Sintético del curso de Fundamentos de Álgebra
1 Números Complejos
2 Sistemas de Ecuaciones Lineales
3 Matrices y determinantes
4 Vectores
5 Introducción a Espacios Vectoriales y Transformaciones Lineales

Bibliografı́a
Stanley I. Grossman, Churchill Ruel
Álgebra Lineal, Ed. V.,Variable Compleja
Mc Graw Hill. Stewart James, Varias y Aplicaciones, Ed.
Variables, Cálculo, Mc Graw Hill.
Transcendentes
tempranas, Ed.
Cengage Learning.
Kolman Bernard,
Álgebra Lineal, Ed. Murray R. Spiegel,
Pearson Prentice Hall. Variable Compleja,
Ed. Mc Graw Hill.
Unidad I
Números Complejos
Introducción
Existen diversos conjuntos de números como:
Números naturales: N = {1, 2, 3, 4, 5, 6, . . . }, este tipo de

números se pueden sumar, dando otro número del mismo
conjunto.
Enteros negativos y el cero: −1, −2, −3, . . . y el 0
Números enteros: Z = {. . . , −3, −2, −1, 0, 1, 2, 3, . . . }. Se

pueden sumar, multiplicar y restar estos números, dando otro
número que pertenece a este mismo conjunto.
Números racinales: Q = { pq : p, q números enteros, con q 6= 0}.

Estos números se pueden sumar, restar, multiplicar y dividir y el
resultado vuelve a dar un número racional. Ejemplo: 23 , 35 .
Introducción
Números irracionales: Se denotan por I, estos números

representan distancias que no pueden ser representadas como
cocientes de enteros, es decir, no
√ pueden ser representados por
números racionales. Ejemplo: 2, π.
Números reales: Son la unión de los racionales con los

irracionales, y se representan por R
Introducción
Dada la ecuación:
x2 + 1 = 0 (1)
Empleando la formula general:
√
−b ± b2 − 4ac
x= (2)
2a
Nos lleva a la expresión:
√
x = ± −1 (3)
La cual no es un número real (no existen raices negativas).
Lo que haremos será construir un conjunto de números, llamados
números complejos, denotados por C, junto con una suma y
producto, de tal forma que se cumplan las propiedades algebraicas de
R.
Introducción
Además, queremos que se puedan considerar a los números reales

como un subconjunto de los números complejos, de tal manera que,
las operaciones definidas para números complejos se transforman en
las operaciones comunes de suma y multiplicación cuando se
restringen a R.
El conjunto de números complejos cumplirá que, dada una ecuación

de segundo orden con coeficientes en los reales o en los complejos,
las raices pertenecen a C.
Números Complejos
Definición: Los números complejos se pueden definir como pares

ordenados (x, y) de números reales, con las operaciones de suma y
multiplicación siguientes:
Suma: (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
Multiplicación: (x1 , y1 )(x2 , y2 ) = (x1 x2 − y1 y2 , y1 x2 + x1 y2 )
Que satisfacen las propiedades algebraicas (propiedades de campo) de

los números complejos siguientes:
Leyes para la suma
Si z1 = (x1 , y1 ), z2 = (x2 , y2 ) y z3 = (x3 , y3 ) ∈ C:
Si z1 , z2 ∈ C, entonces z1 + z2 ∈ C
z1 + z2 = z2 + z1
(z1 + z2 ) + z3 = z1 + (z2 + z3 )
Existe un número (0, 0) que cumple: z1 + (0, 0) = z1
Si z = (x, y), el número −z = (−x, −y) cumple que:

z + (−z) = (0, 0)
Leyes para el producto
Si z1 , z2 ∈ C, entonces z1 z2 ∈ C
z1 z2 = z2 z1
(z1 z2 )z3 = z1 (z2 z3 )
Existe un número (1, 0) que cumple: z1 (1, 0) = z1
Si z = (x, y) 6= 0, existe un único número complejo denotado por

z−1 tal que zz−1 = 1

−1 x −y
Nota: Se puede probar que z = , 2
x + y x + y2
2 2
z1 (z2 + z3 ) = z1 z2 + z1 z3
1.2 Representación del número complejo
Si z = (x, y) es un número complejo, x se le llama parte real
y se le denota por: Re z, y a y se le conoce como la parte imaginaria
y se le denota por: Im z.
Se puede graficar un
número complejo
z = (x, y) en el plano,
graficando la parte Re z
sobre el eje x y la parte
Im z sobre el eje y.
Entonces se puede pensar
que cada número
complejo es un punto en
el plano. Con esta
representación el plano
(x, y) se le llama plano
complejo o plano de
Argand.
1.2 Representación del número complejo
Si identificamos los números reales x con los puntos (x, 0), los
números reales se pueden ver como subconjunto de los números
complejos y al eje que contiene estos puntos, se llama eje real.
Los números complejos de la forma (0, y), correspondientes a puntos

en el eje y, se llaman números imaginarios puros, y al eje que contiene
estos puntos, se llama eje imaginario.
(x1 , y1 ) = (x2 , y2 ) ⇐⇒ x1 = x2 y y1 = y2
Las operaciones definidas para números complejos se transforman en
operaciones comunes de suma y multiplicación cuando se restringen a
los números reales.
(x1 , 0) + (x2 , 0) = (x1 + x2 , 0)
(x1 , 0)(x2 , 0) = (x1 x2 , 0).
Como el sistema de los números complejos también contiene a los

números reales, es de esta manera, una extensión de los números
reales.
El número i
Notemos que:
(x, 0) + (0, y) = (x, y)
(0, 1)(y, 0) = (0, y)
Por lo tanto:
(x, y) = (x, 0) + (0, 1)(y, 0)
Si se piensa (x, 0) y (y, 0) como números reales y se denota a (0, 1)

por i, se puede escribir:
(x, y) = x + iy
El número i
Por notación:
z2 = z · z i = (0, 1)
z3 = z · z · z i2 = (0, 1)(0, 1)
.
i2 = (0 · 0 − 1 · 1, 1 · 0 + 0 · 1)
.
zn = z · z · z · · · z i2 = (−1, 0)
∴ i2 = −1
Notemos que el número i cumple la ecuación: z2 + 1 = 0.

Si consideramos la notación z = x + iy, la multiplicación de dos
números complejos quedaria como:
(x1 + iy1 )(x2 + iy2 ) = x1 x2 + iy1 x2 + ix1 y2 + i2 y1 y2

= x1 x2 − y1 y2 + (y1 x2 + x1 y2 )i
= (x1 x2 − y1 y2 , y1 x2 + x1 y2 )
Reglas algebraicas para los números complejos
Definición:La división por un número complejo se define ası́:

z1
= z1 z−1
2 , (z2 6= 0)
z2
Diversas reglas de la suma y multiplicación de los números complejos

son las mismas que para los números reales. Aqui se indican algunas:
z1 + z2 z1 z2
= (z1 + z2 )z−1 −1 −1
3 = z1 z3 + z2 z3 = +
z3 z z3
3
1 1 1
= (z1 z2 )−1 = z−1 −1
1 z2 =
z1 z2 z1 z2

z1 z2 z1 z2
=
z3 z4 z3 z4
z1 z z1
= , (z2 6= 0, z 6= 0)
z2 z z2
Ejemplos
(2 + 2i)(2 − 2i) = 4 − 4i + 4i − 4i2 = 4 + 4 = 8

(3 + 3i)(3 − 3i) = 9 − 9i + 9i − 9i2 = 9 + 9 = 18
(a + ib)(a − ib) = a2 + b2
(a − ib)(a + ib) = a2 + b2
Escriba en la forma a+ ib losnúmeros:
1 1 1 + 7i 1 + 7i 1 + 7i 1 7i
= = = = +
1 − 7i 1 − 7i 1 + 7i 12 + 72 50 50 50
1 1 1 + 4i 1 + 4i 1 4i
= = = +
1 − 4i 1 − 4i 1 + 4i 12 + 42 17 17
Simplifique la siguiente expresión:

(1 − i)−1 = 1
1−i
1+i
1+i = 1+i
12 +12
= 1
2 + i
2
1 + i + i + i2

1+i 1+i 1+i
= = =
1−i 1−i 1+i 12 + 12
1 + 2i − 1 2i
= = =i
2 2
(1 + i)4 = (1 + i)2 (1 + i)2 = (1 + 2i + i2 )(1 + 2i + i2 ) =
= (2i)(2i) = 4i2 = −4

1+i 2i 1+i 1+i 2i 4 + 2i
+ = +
1 − i 4 − 2i 1−i 1+i 4 − 2i 4 + 2i
8i + 4i2

8i − 4 −4 28i
=i+ 2 2
=i+ = +
4 +2 20 20 20
Interpretación geométrica de la suma
El proceso de sumar el número complejo z = x1 + iy1 al número

complejo z2 = x2 + iy2 tiene una interpretación simple en terminos
vectoriales:
Conjugado de un número complejo
Si z = x + iy es un número complejo, llamaremos conjugado del

número z, al número z̄ = x − iy.
Ejemplo:
Si z = 2 + 3i, su conjugado es: z̄ = 2 − 3i
Si z = −4 − 7i, su conjugado es: z̄ = −4 + 7i
Propiedades de conjugación
z1 + z2 = z¯1 + z¯2 z = z̄ si y sólo si z ∈ R

z1 · z2 = z¯1 · z¯2 z + z̄
= Re z
2
z1 z¯1
= z − z̄
z2 z¯2 = Im z
2i
Si z = a + ib, entonces
zz̄ = a2 + b2
Módulo y argumento de un número complejo
Sea z = (a, b) = a + ib, llamaremos
√ módulo de un número complejo
z, al número real dado por a2 + b2 y lo denotaremos por |z| ( o por
r). El módulo se interpreta como la distancia del origen al número z.
El ángulo entre el eje x y el vector que determina a z, lo denotaremos

por arg z (o por θ).
Si queremos que θ ∈ [0, 2π), para calcularlo utilizaremos lo siguiente:
Nota: También se podria considerar que θ ∈ (−π, π]

Para los números que son reales o imaginarios puros, el ángulo θ se
obtiene como se muestra en la figura:
Notemos que θ tiene infinitos valores posibles, pues:
cos(θ) = cos(θ + 2πk), k ∈ Z
sen(θ) = sen(θ + 2πk)
Entonces al número z = (a, b) le corresponde los ángulo θ + 2πk,

k ∈ Z
Cada valor posible de θ + 2πk se llama un argumento de z, y el
conjunto de todos esos valores se denota por arg z:
arg z = {θ + 2πk : k ∈ Z}
Cualquier elección particular, tomada anticipadamente, se llama la

parte principal y el valor de θ se llama su valor principal.
Consideraremos el intervalo [0, 2π), en donde para cada z 6= 0

corresponde solamente un valor de θ
Propiedades del Módulo
Recordemos
√ que si z = a + ib, el módulo o valor absoluto de z es:
|z| = a2 + b2 , cumpliendose las siguientes propiedades:
|z1 z2 | = |z1 ||z2 | |z1 + z2 | ≤ |z1 | + |z2 |

z1 |z1 | −|z| ≤ Re z ≤ |z|
z2 |z2 | , z2 6= 0
=
−|z| ≤ Im z ≤ |z|
|z̄| = |z|
Nota: |zn | = |z|n

Ejemplos: Encuentre el módulo y el argumento de los siguientes
números complejos:
√ √
z = (2 3, 2) = 2 3 + 2i
Sol.
q √ √
|z| = (2 3)2 + 22 = 16 = 4

θ = tan−1 2
√
2 3
= 0,5235
z = (1, −1) = 1 − i
Sol.
q √
|z| = 12 + (−1)2 = 2

−1 | − 1| π 7π
θ = 2π−tan = 2π− =
|1| 4 4
√ √
z = (−2 3, −2) = −2 3 − 2i
Sol.
q √ √
|z| = (−2 3)2 + (−2)2 = 16 = 4

|−2|
θ = π + tan−1 √
|−2 3|
=
= π + 0,5235 = 3,665
z = (−1, 1) = −1 + i
Sol.
q √
|z| = (−1)2 + 12 = 2

−1 |1| π 3π
θ = π−tan = π− =
| − 1| 4 4
Forma polar de un número complejo
Si z = a + ib, entonces:
b
senθ = r ⇒ b = rsenθ
a
cosθ = r ⇒ a = rcosθ
∴ z = rcosθ + isenθ (Fomar polar)
Se acostumbra denotarlo como:
z = rcisθ
Ejemplo
Halle la forma polar de z = −2 − i

Sol.
p √
r = |z| = (−2)2 + (−1)2 = 5

|−1|
arg z = π + θ, con θ = tan−1 |−2| = 0.4636
entonces arg z = π + 0.46 = 3,605
√ √
∴ z= 5cis 3.605 = 5[cos(3.605) + isen(3.605)]
Forma exponencial
Es conveniente expresar a cos(θ) + i sen(θ) como eiθ ; es decir:
eiθ = cos(θ) + i sen(θ) (Fórmula de Euler)
Si z = r(cos θ + i sen θ) entonces z se puede expresar como:
z = reiθ (Forma exponencial)
Las fórmulas para la multiplicación y división tomarı́an la forma:
z1 z2 = r1 r2 ei(θ1 +θ2 )
z1 r1 i(θ1 −θ2 )
z2 = r2 e
Ejemplos
Exprese en forma polar y en forma exponencial:
√
z = 1 + 3i
Solución. √ !
q √ √ −1 3 π
|z| = (1)2 + ( 3 )2 = 2; θ = tan = rad
1 3
√ h π π i
Forma polar: z= 2 cos + i sen
3 3
√
Forma exponencial: 2e(π/3)i
z = −2 + 6i
Solución.
√ √

6
q
−1
|z| = (2)2 + ( 6)2 = 40; θ = π − tan = 1,89254 rad
2
√
Forma polar: z= 40 [cos (1, 89254) + i sen (1,89254)]
√
Forma exponencial: 2e(1,89254)i
Escriba en forma rectangular y polar a los números complejos:
z= e3+(π/3)i
Solución.
Forma rectangular: z = 10,04276 + 17,39458i
h π π i
Forma polar: z = e3 cos + i sen
3 3
π
z = 4e 6 i
Solución.
Forma rectangular: z = 3,4641 + 2i
h π π i
Forma polar: z = 4 cos + i sen
6 6
Exprese en forma rectangular y en forma exponencial:
h π π i
z1 = 5 cos + i sen
4 4
Solución.
Forma rectangular: z = 3,5355 + 3,5355i
Forma exponencial: z = 5 e(π/4)i

z2 = 4 (cos(200o ) + isen(200o ))
Solución.
Forma rectangular: z = −3,75877 − 1,36808i
o
Forma exponencial: z = 4 e(200 )i
• Si z1 = r1 (cosθ1 + isenθ1 ) = r1 cis θ1 y
z2 = r2 (cosθ2 + isenθ2 ) = r2 cis θ2
Su producto es:
z1 · z2 = r1 · r2 cis (θ1 + θ2 ) = r1 · r2 [cos(θ1 + θ2 ) + isen(θ1 + θ2 )]
Demostración:
z1 · z2 = (r1 cis θ1 )(r2 cis θ2 )

= r1 (cosθ1 + isenθ1 )r2 (cosθ2 + isenθ2 )
= r1 · r2 [(cosθ1 cosθ2 + i2 senθ1 senθ2 ) + i(senθ1 cosθ2 + cosθ1 senθ2 )]
= r1 · r2 [(cosθ1 cosθ2 − senθ1 senθ2 ) + i(senθ1 cosθ2 + cosθ1 senθ2 )]
= r1 · r2 [cos(θ1 + θ2 ) + isen(θ1 + θ2 )]
= r1 · r2 cis (θ1 + θ2 ) (4)
Generalizando:
z21 = r12 cis 2θ

z31 = r13 cis 3θ
z41 = r14 cis 4θ
.
.
zn1 = r1n cis nθ
(5)
Formula de Moivre
zn = rn [cos(nθ) + isen(nθ)]
• Si z1 = r1 [cosθ1 + isenθ1 ] y z2 = r2 [cosθ2 + isenθ2 ], se cumple:

z1 r1
z2 = r2 [cos(θ1 − θ2 ) + isen(θ1 − θ2 ]
• Forma rectangular: z = a + ib
• Forma trigonométrica: z = r(cosθ + isenθ)
Ejemplos:
√
Calcule z10
1 = ( 3 + i)
10
Sol. q √ √
r1 = ( 3)2 + (1)2 = 4 = 2 y θ1 = tan−1 √13 = π
6
Por lo tanto:
√ π π 10
( 3 + i)10 = 2[cos + isen ]
6 6
π π
= 210 [cos10 + sen10 ]
π6 6
= 210 cis10
6
√
Calcule z62 = (−1 + i 3)6
Sol. q
√ √
r2 = (−1)2 + ( 3)2 = 4 = 2
√
θ2 = π − tan−1 3 = π − π3 = 2π
3
Por lo tanto:
√ 2π 2π
(−1 + i 3)6 = (2[cos( ) + isen( )])6
3 3
2π 2π 2π
= 26 [cos(6 ) + isen(6 )] = 26 cis6
3 3 3
√
( 3 + i)10
Halle √
(−1 + i 3)6
Sol.
√
( 3 + i)10 210 10 2π −14
√ = 6 cis( π − 6 ) = 24 cis( )
(−1 + i 3)6 2 6 3 π
= 16[cos( −14π −14π
6 ) + isen( 6 ))] = 8 − i13.85
Raı́ces de un número de complejo
Las raı́ces de ω = r(cosθ + isenθ) son los números
z = ρ(cosφ + isenφ)
tal que:
zn = ω
entonces:
[ρ(cosφ + isenφ)]n = r(cosθ + isenθ)
Usando la formula de De Moivre:
ρn (cos(nφ) + isen(nφ)) = r(cosθ + isenθ)
de donde: ρn = r; nφ = θ + 2πk, k∈Z
Pues sen θ y cos θ son funciones periódicas con periodo T = 2π.

Por lo tanto:
√
n
ρ= r
θ + 2πk
φ=
n
Las raı́ces de ω son entonces:
√

n
θ + 2πk θ + 2πk
zn = r cos + isen k ∈ Z.
n n
(6)
Para k = 0, 1, 2, ....., n − 1 las raı́ces son distintas y debido a la

periocidad del seno y coseno, no se obtienen raı́ces adicionales con
otros valores de k.
Por lo tanto las raı́ces n-ésimas de ω = r(cosθ + isenθ) son:
√

n
θ + 2πk θ + 2πk
zn = r cos + isen
n n
con k = 0, 1, 2, ...., n − 1.
Ejemplo:
√
Encuentre las raı́ces cúbicas de z = 3−i
Sol. q
√ √
|z| = ( 3)2 + (−1)2 = 4 = 2

θ = 2π − tan−1 √13 = 5.75
como n = 3 =⇒ k = 0, 1, 2
√

3 5.75 + 2π(0) 5.75 + 2π(0)
z0 = 2 cos + isen
3 3
√

3 5.75 5.75
= 2 cos + isen
3 3
= 1.25(−0.33 + i0.94)
= −0.41 + i1.175
√

3 5.75 + 2π(1) 5.75 + 2π(1)
z1 = 2 cos + isen
3 3

5.75 + 2π 5.75 + 2π
= 1.25 cos + isen
3 3
= 1.25(−0.64 − i0.76)
= −0.8 − i0.95
√

3 5.75 + 2π(2) 5.75 + 2π(2)
z2 = 2 cos + isen
3 3

5.75 + 4π 5.75 + 4π
= 1.25 cos + isen
3 3
= 1.25(0.98 − i0.17)
= 1.22 − i0.21
Solución de una ecuación cuadrática
Dada la ecuación: az2 + bz + c = 0, con a, b y c números complejos;
se puede probar (ver la sol. para números reales) que las soluciones
estan dadas por:
√
−b ± b2 − 4ac
z=
2a
Ejemplos:
Resuelva Z 2 + iZ + 2 = 0
Solución.
p √
−i ± (i)2 − 4(1)(2) −i ± −1 − 8
z= = =
(2(1) 2
−i + 3i


 i

√

 2
= −i±2 −9 = =
 −i − 3i −2i

 
2
Resuelva −4Z 2 + 5Z − 2 = 0
Solución.
p √
−5 ± 52 − 4(−4)(−2) −5 ± 25 − 32
z= = =
(2(−4) −8
 √  √
 5 7  5 7
 8 + i −8  −i
 
√
 
−5± −7 8 8
= −8 = √ = √
 5
 7  5 7
 −i
  +i

8 −8 8 8
Resuelva 2Z 2 + 4Z − 4 − 2i = 0
Solución.
p √
−2 ± 22 − 4(1)(−2 − i) −2 ± 4 + 8 + 4i
z= = =
(2(1) 2 √
√

√
p
−2 ± 4(3 + i) −1 + 3+i
−2 ± 2 3 + i 
= −2± 212+4i = = = √
2 2
−1 − 3 + i

Si u = 3 + i:
√

1
q
2 2 −1
|u| = (3) + (1) = 10; θ = tan = 0.32175rad
3
n = 2; k = 0, 1.
Las raices cuadradas de u son:
Si k = 0:
√ 1 0,32175 + 2π(0)
0,32175 + 2π(0)

u0 = 10 2 cos + i sen =
2 2
√ 1 0,32175
0,32175

= 10 2 cos + i sen =
2 2
≈ 1,75530 + i0,028484
Si k = 1:
√ 1 0,32175 + 2π(1)
0,32175 + 2π(1)

u1 = 10 2 cos + i sen =
2 2
√ 1
= 10 2 [cos (3,30246) + i sen (3,30246)] =
≈ −1,75530 − i0,028484
Por lo tanto:
 √ 
 −1 + 3 + i  −1 + 1,75530 + i 0,28484
z= √ =
 −1 − 1,75530 − i 0,28484
−1 − 3 + i


 0,75530 + i 0,28484
=
 −2,75530 − i 0,28484
Funciones complejas de variable compleja
Sea S un conjunto de números complejos. Una función definida en S

es una regla bien definida que asigna a cada z en S un número
complejo w. Este número w se llama valor de S en z y se denota por:
f (z). El conjunto S se llama dominio de definición de f .
Ejemplos:
1
f (z) = z
Dominio de f = C − (0, 0)
Si z = a + ib 6= (0, 0)

1 1 a−ib a−ib a b
z = a+ib a−ib = a2 +b2 = a2 +b2
− a2 +b2
i
a −b
∴ u(x, y) = a2 +b2
y v(x, y) = a2 +b2
f (z) = 3z3 + 4z
Dominio de f = C, tomando z = x + iy
3z3 + 4z = 3(x + iy)3 + 4(x + iy)

= 3x3 − 9xy2 + 9x2 iy − 3iy3 + 4x + 4iy (7)
3 2 2 3
= (x − 9xy + 4x) + (9x y − 3y + 4y)i
Re z = u(x, y) = x3 − 9xy2 + 4x, Im z = v(x, y) = 9x2 y − 3y3 + 4y

2
f (z) = z+4
Dominio de f = C − {(−4, 0)}

Si z = x + iy

2 2 (x+4)−iy (x+4)−iy
(x+iy)+4 = (x+4)+iy (x+4)−iy = 2 (x+4)2 +y2 =
(x+4) y
2 (x+4)2 +y2 − 2 (x+4)2 +y2 i
(x+4)
∴ u(x, y) = 2 (x+4)2 +y2 y v(x, y) = −2 (x+4)y 2 +y2
Ejemplo
Sea f (z) = 1z , evalue f en los puntos i, 1 + 2i, 3i
Sol.
Dominio de f = C − {0}
f (i) = 1i = 1i −i i
−i = i2 = −i
1 1−2i 1−2i 1
f (1 + 2i) = 1+2i = 1−2i = 5 = 5 − 25 i
1 1 −3i −3i
f (3i) = 3i = 3i −3i = 9 = − 31 i
Unidad II
Sistemas de Ecuaciones
Lineales
Dos ecuaciones lineales con dos incógnitas
Considere el siguiente sistema de dos ecuaciones lineales con dos

incógnitas “x” y “y”:
a11 x + a12 y = b1
a21 x + a22 y = b2
donde a11 , a12 , a21 , a22 , b1 y b2 son números dados. Cada una de
estas ecuaciones corresponde a una lı́nea recta. Una solución al

sistema anterior es un par de números, denotados por (x, y) que
satisfacen el sistema.
Las preguntas que surgen en forma natural son:

Para responder estas preguntas, se usan dos hechos importantes del
álgebra elemental.
Hecho A: Si a = b y c = d ∴ a + c = b + d
Hecho B: Si a = b y c es cualquier número real ∴ ca = cb
El hecho A establece que si se suman dos ecuaciones se obtiene una

tercera ecuación correcta. El hecho B establece que si se multiplican
ambos lados de una ecuación por una constante se obtiene una
segunda ecuación válida (se supone que c 6= 0).
Ejemplo: Sistema con una solución
Considere el sistema:
x−y= 7
x+y= 5
Resolviendo:
x−y =7
x+y =5 y= 5−x
2x = 12 y= 5−6
x =6 y = −1
Por lo tanto, el sistema tiene una solución única.
(x, y) = (6, −1)
Este punto es el punto de intersección de las dos rectas.

Ejemplo: Sistema con infinidad de soluciones
Considerando el siguiente sistema de ecuaciones:
x − 7y = 5 (1)
2x − 14y = 10 (2)
de la ecuación (2), se tiene:
5−x
y=
−7
Por lo que las soluciones del sistema son:
5−x
(x, )
−7
Ejemplo: Sistema que no tiene soluciones
Ahora tomemos el siguiente sistema:
x − 7y = 5
x − 7y = 10
Resolviendo, tenemos:
x − 7y =5
(x − 7y = 10)(−1)
0 = −5
Nos conduce a un resultado que no puede ser, por lo tanto el sistema
no tiene solución. Si no hay solución, nos dice que se tienen rectas
paralelas.
Método de eliminación de Gauss-Jordan
Sea el siguiente sistema de tres ecuaciones con tres incógnitas
2x1 + 4x2 + 6x3 = 18 (1)

4x1 + 5x2 + 6x3 = 24 (2)
3x1 + x2 − 6x3 = 18 (3)
Aplicando el método de eliminación de Gauss-Jordan:

multiplicando por 1/2 a la ecuación 1, tenemos:
x1 + 2x2 + 3x3 = 9 (4)

4x1 + 5x2 + 6x3 = 24 (5)
3x1 + x2 − 6x3 = 18 (6)
Multiplicando a la ec. (4) por −4 y sumandola con la ec. (2):
−4x1 − 8x2 − 12x3 = −36

4x1 + 5x2 + 6x3 = 24
−3x2 − 6x3 = −12
El resultado lo sustituimos por la ec. (5):
x1 + 2x2 + 3x3 = 9 (7)

−3x2 − 6x3 = −12 (8)
3x1 + x2 − 6x3 = 18 (9)
Ahora, multiplicando a la ec. (7) por −3 y sumándola a la ec.(9):
−3x1 − 6x2 − 9x3 = −27

3x1 + x2 − 6x3 = 18
−5x2 − 15x3 = −9
Sustituyendo en el sistema de ecuaciones por la ec. (9):
x1 + 2x2 + 3x3 = 9 (10)

−3x2 − 6x3 = −12 (11)
−5x2 − 15x3 = −9 (12)
Dividiendo a la ec. (11) por (−3), tenemos:
x1 + 2x2 + 3x3 = 9 (13)

x2 + 2x3 =4 (14)
−5x2 − 15x3 = −9 (15)
Multiplicando a la ec. (14) por (−2) y sumandola a la ec.(13):
x1 + 2x2 + 3x3 = 9
−2x2 − 4x3 = −8
x1 − x3 =1
Ahora multiplicando a la ec. (14) por 5, y sumandola a la ec. (15):
5x2 + 10x3 = 20
−5x2 − 15x3 = −9
−5x3 = 11
Sustituyendo en el sistema de ecuaciones, tenemos:
x1 − x3 = 1 (19)
x2 + 2x3 = 4 (20)
−5x3 = 11 (21)
Dividiendo a la ec. (21) por (−5), el sistema nos queda:
x1 − x3 = 1 (19)
x2 + 2x3 = 4 (20)
x3 = − 11
5 (21)
Sumando la ec. (19) y (21):
x1 − x3 =1
x3 = − 11
5
−6
x1 = 5
Ahora, multiplicando la ec. (21) por (−2) y sumandola con la ec. (20):
x2 + 2x3 = 4
−2x3 = 22
5
42
x2 = 5
Finalmente tenemos:
x1 = −6
5
x2 = 42
5
x3 = − 11
5
El sistema tiene una solución única: (x1 , x2 , x3 ) = ( −6 42 11

5 , 5 ,− 5 )
Que fue lo que se hizo?
Se dividió la primera ecuación en una constante para ser el

coeficiente de x1 igual a 1.
Se eliminaron los términos en x1 de la segunda y tercera

ecuación. Esto es, los coeficientes de estos términos se hicieron
cero al multiplicar la primera ecuación por las constantes
adecuadas y sumándola a la 2da y 3ra ecuaciones
respectivamente, de manera que al sumar las ecuaciones una de
las incógnitas se eliminaba.
Se dividió la 2da ecuación entre una constante, para ser el
coeficiente de x2 igual a 1 y después se usó la segunda ecuación
para eliminar los términos en x2 de la 1ra y 3ra ecuaciones, de
manera parecida a como se hizo en el paso anterior.
Se dividió a la tercera ecuación entre una constante para hacer

los coeficientes de x3 igual a 1 y después se usó ésta 3ra ecuación
para eliminar los términos de x3 de la 1ra y 2da ecuaciones. Cabe
resaltar el hecho de que en cada paso se obtuvieron sistemas que
tienen el mismo conjunto de soluciones del precedente, a estos
sistemas les llamaremos equivalentes.
Antes de resolver otros sistemas de ecuaciones es conveniente
introducir una notación que simplifique cada paso del procedimiento.
Lo haremos usando el concepto de matriz.
Una matriz es un arreglo rectangular de números, por ejemplo: los
coeficientes de las variables x1 , x2 y x3 del sistema de ecuaciones
anterior, se puede representar como:
 
1 2 3
A= 4 5 6 
3 1 −2
Esta matriz A se le llama matriz de coeficientes del sistema. En

general, una matriz con m renglones y n columnas se le llama matriz
de mxn.
La matriz aumentada del sistema anterior es:

 
1 2 3 9
 4 5 6 24 
3 1 −2 −4
Operaciones elementales con renglones
Multiplicar o dividir un renglón por un número diferente de cero.

Sumar un múltiplo de un renglón a otro renglón.
intercambiar dos renglones.
El proceso de aplicar las opraciones elementales con renglones para

simplificar una matriz aumentada se llama reducción por renglones.
Notación
1 Ri → cRi , quiere decir “reemplaza el i-ésimo renglón por ese mismo
renglón multiplicado por c”.
2 Rj → Rj + cRi significa sustituye el j-ésimo renglón por la suma del
renglón j más el renglón i multiplicado por c.
3 Ri
Rj , quiere decir: “intercambia el renglón i por el renglón j.
4 A −→ B, quiere decir: Las matrices A y B son equivalentes, es decir,
que los sistemas que representan tienen la misma solución.
Ejemplos:
Sistema de ecuaciones con solución única:
x1 + 2x2 + 3x3 =9
4x1 + 5x2 + 6x3 = 24
3x1 + x2 − 2x3 =4
   
1 2 3 9 1 2 3 9
R2 → R2 − 4R1
 4 5 6 24  −−−−−−−−−−→  0 −3 −6 −12 
3 1 −2 4 R3 → R3 − 3R1 0 −5 −11 −23
1    
− R2
R2 → 1 2 3 9 1 0 −1 1
R1 → R1 − 2R2
−−−−−−3−−→  0 1 2 4  −−−−−− −−−−→  0 1 2 4 
0 −5 −11 −23 R3 → R3 + 5R2 0 0 −1 −3
   
1 0 −1 1 1 0 0 4
−R3 
R3 → R1 → R1 + R3
−−−−−−→ 0 1 2 4  −−−−−−−−−−→  0 1 0 −2 
0 0 1 3 R2 → R2 − 2R3 0 0 1 3
La solución del sistema de ecuaciones es:
x1 = 4, x2 = −2, x3 = 3,
es decir, tiene una solución única.
Sistema de ecuaciones con infinidad de soluciones:
2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24
2x1 + 7x2 + 12x3 = 30
  1  
2 4 6 18 R1 → R1 1 2 3 9
 4 5 6 24  −−−−−2 −→  4 5 6 24 
2 7 12 30 2 7 12 30
  1  
1 2 3 9 R2 → − R2 1 2 3 9
R2 → R2 − 4R1  3
−−−−−−−−−−→ 0 −3 −6 −12  −−−−−−−−→  0 1 2 4 
R3 → R3 − 2R1 0 3 6 12 0 3 6 12
 
1 0 −1 1
R1 → R1 − 2R2 
−−−−−−−−−−→ 0 1 2 4 
R3 → R3 − 3R2 0 0 0 0
Como el último renglón nos da cero, sólo se cuenta con dos ecuaciones para
tres incógnitas x1 , x2 , x3 , lo cual nos dice que existe un número infinito de
soluciones. Esto es equivalente al siguiente sistema de ecuaciones:
x1 − x3 =1
x2 + 2x3 =4
Obteniendo ası́:
x1 = 1 + x3
x2 = 4 − 2x3
Dando una solución para cualquier número x3 , el cual se puede representar
como:
(1 + x3 , 4 − 2x3 , x3 )
Sistema de ecuaciones sin solución:
2x2 + 3x3 =4
2x1 − 6x2 + 7x3 = 15
x1 − 2x2 + 5x3 = 10
   
0 2 3 4 1 −2 5 10
 2 −6 7 15  R1
R3  2 −6 7 15 
1 −2 5 10 0 2 3 4
  1  
1 −2 5 10 R2 → − R2 1 −2 5 10
R2 →R2 − 2R1  2 3 5
−−−−−−−−−−→ 0 −2 −3 −5  −−−−−−−−→  0 1 2 2

0 2 3 4 0 2 3 4
 
1 0 8 15
R1 → R1 + 2R2 3 5
−−−−−− −−−−→  0 1 2 2

R3 → R3 − 2R2
0 0 0 −1
Observemos que la última ecuación resultó ser:
0x1 + 0x2 + 0x3 = −1,
lo cual no es posible, ya que 0 6= 1. Por lo tanto, el sistema no tiene

solución.
Solución de un sistema mediante el método de
eliminación Gaussiana
Tomando el sistema de ecuaciones del primer ejemplo (solución

única):
2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24
3x1 + x2 − 2x3 = 4
Aplicando el método de eliminación Gaussiana:
  1  
2 4 6 18 R1 → R 1 1 2 3 9
R2 → R2 − 4R1
2 −→  4 5 6 24  −
 4 5 6 24  −−−−− −−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 4 3 1 −2 4
  1  
1 2 3 9 R2 → − R2 1 2 3 9
 0 −3 −6 3
−12  −−−−−−−−→  0 1 2 4 
0 −5 −11 −23 0 −5 −11 −23
   
1 2 3 9 1 2 3 9
R3 → R3 + 5R2 R3 → −R3
−−−−−−−−−−→  0 1 2 4  −−−−−−→  0 1 2 4 
0 0 −1 −3 0 0 1 3
La matriz aumentada del sistema (y los coeficientes de la matriz) se
encuentran en forma escalonada por renglones, donde se puede observar de
inmediato que x3 = 3. Para encontrar los valores de las demás incognitas, se
utiliza la sustitución hacia atrás.
En el segundo renglón de la matriz tenemos:
x2 + 2x3 =4
sustituyendo el valor de x3 , obtenemos:
x2 + 2(3) = 4 ⇒ x2 = 4 − 6 = −2
Sustituyendo el valor de x2 y x3 en la ecuación correspondiente al primer
renglón de la matriz:
x1 = 4 − 9 + 9 ⇒ x1 = 4
Encontramos que el sistema tiene una solución única:
(4, −2, 3),
la cual ya se habia obtenido mediante el método de eliminación de

Gauss-Jordan.
Podemos observar que se cuenta con dos métodos para resolver los
sistemas de ecuaciones:
Eliminación de Gauss-Jordan
Se reduce por renglón la matriz de coeficientes a la forma
escalonada reducida por renglones usando el procedimiento
descrito anteriormente.
Eliminación Gaussiana
Se reduce por renglón la matriz de coeficientes a la forma
escalonada por renglones, se despeja el valor de la última
incógnita y después se usa la sustitución hacia atrás para las
demás incógnitas.
Resuelva el sistema:
x1 + 3x2 − 5x3 + x4 = 4
2x1 + 5x2 − 2x3 + 4x4 = 6
Resolviendo el sistema mediante el método de Gauss-Jordan:

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

−R2
R2 → 1 3 −5 1 4
−−−−−−→
0 1 −8 −2 2

R1 → R1 − 3R2 1 0 19 7 −2
−−−−−− −−−−→
0 1 −8 −2 2
Hasta aqui se puede llegar. El sistema de ecuaciones tiene un número

infinito de soluciones. Los valores de las variables x3 y x4 pueden
escogerse de manera arbitraria. Por lo tanto todas las soluciones se
pueden representar como:
(−2 − 19x3 − 7x4 , 2 + 8x3 + 2x4 , x3 , x4 )
Sistemas Homogéneos de Ecuaciones
Un sistema general de m × n ecuaciones lineales se llama homogéneo

si todas las constantes b1 , b2 , ......, bm son cero. Es decir, el sistema
general homogéneo está dado por:
a11 x1 + a12 x2 + . . . + a1n xn = 0

a21 x1 + a22 x2 + . . . + a2n xn = 0
.. .. .. ..
. . . .
am1 x1 + am2 x2 + ... + amn xn =0
Ejemplo:
Sistema homogéneo que tiene solución trivial
2x1 + 4x2 + 6x3 = 0

4x1 + 5x2 + 6x3 = 0
3x1 + x2 − 2x3 = 0
Resolviendo el sistema mediante el método de Gauss-Jordan:
  1  
2 4 6 0 R1 → R1 1 2 3 0
2 −→  4 5 6 0  −R2 → R2 − 4R1
 4 5 6 0  −−−−− −−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 0 3 1 −2 0
  1  
1 2 3 0 R2 → − R2 1 2 3 0
 0 −3 −6 0  −−−−−−3−−→  0 1 2 0 
0 −5 −11 0 0 −5 −11 0
   
1 0 −1 0 1 0 −1 0
R1 → R1 − 2R2 R3 → −R3
−−−−−− −−−−→  0 1 2 0  −−−−−−→  0 1 2 0 
R3 → R3 + 5R2
0 0 −1 0 0 0 1 0
 
1 0 0 0
R1 + R3 
R1 →
−−−−−−−−−−→ 0 1 0 0 
R2 → R2 − 2R3
0 0 1 0
El sistema tiene una solución única (0, 0, 0), es decir, la solución

trivial.
Unidad III
Matrices y Determinantes
Matrices
Una matriz A de mxn es un arreglo rectangular de mn números
distribuidos en un orden de m renglones y n columnas:
 
a11 a12 . . . a1j . . . a1n

 a21 a22 . . . a2j . . . a2n 

 .. .. .. 
 . . . 
A = (aij ) = 
 ai1 ai2 . . . aij . . . ain


 
 .. .. .. 
 . . . 
am1 am2 . . . amj . . . amn
donde aij es la ij-ésima componente de A.
Si A es una matriz de mxn con m = n, se dice que A es una matriz

cuadrada. Una matriz mxn con todas sus componentes iguales a cero
es llamada matriz cero de mxn.
Igualdad de matrices
Dos matrices A = (aij ) y B = (bij ) son iguales si:
Tienen el mismo tamaño
Sus componentes correspondientes son iguales.
Ejemplos de diferentes tipos de matrices:

1.
1 3
A= matriz cuadrada 2x2
4 2
2.  
−1 3
B= 4 0  matriz de 3x2
1 −2
3.
−1 4 1
C= matriz de 2x3
3 0 2
4.  
1 6 −2
D= 3 1 4  matriz de 3x3
2 −6 5
5.
0 0 0 0
E= matriz cero de 2x4
0 0 0 0
Suma de matrices
Sean A = (aij ) y B = (bij ) dos matrices de mxn. La suma de A y B:
 
a11 + b11 a12 + b12 ... a1n + b1n
 a21 + b21 a22 + b22 ... a2n + b2n 
A + B = (aij + bij ) = 
 
.. .. .. 
 . . . 
am1 + bm1 am2 + bm2 ... amn + bmn
La suma esta definida cuando las matrices tienen el mismo tamaño.

Ejemplos:
1.  
−1 0
1 2 3
+ 4 5  La suma no esta definida
4 5 6
3 7
2.
     
2 4 −6 7 0 1 6 −2 2 5 0 5
 1 3 2 1 + 2 3 4 3 = 3 6 6 4 
−4 3 −5 5 −2 1 4 4 −6 4 −1 9
3.
1 2 4 4 0 5 5 2 9
+ =
−7 3 −2 1 −3 6 −6 0 4
Multiplicación por un número real
Sea C un número real y A una matriz de mxn

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A = (aij ) =  .
 
.. ..
 ..

. . 
am1 am2 . . . amn
La multiplicación por un número real es:

 
Ca11 Ca12 . . . Ca1n
 Ca21 Ca22 . . . Ca2n 
CA = (Caij ) =  .
 
.. ..
 ..

. . 
Cam1 Cam2 . . . Camn
Ejemplos:
1.
2 3 7(2) 7(3) 14 21
7A = =
1 4 7(1) 7(4) 7 28
2.
− 31 (1) − 31 (0) − 13 )(5)

1 1 0 5
− =
3 2 4 6 − 31 (2) − 31 (4) − 13 (6)
1
− 3 0 − 53

=
− 32 − 43 − 23
3.
       
2 1 0 4 2 1 0 −28
 4 −2  − 7  2 1  =  4 −2  +  −14 −7 
3 2 −3 −5 3 2 21 35
 
2 −27
=  −10 −9 
24 37
Teorema:
Sean A, B y C matrices de mxn y sea α un número real. Entonces:
A + 0 = A, donde 0 representa la matriz cero
0A = 0, 0 es la matriz cero
A + B = B + A, ley conmutativa para la suma de matrices
(A + B) + C = A + (B + C), ley asociativa para la suma de
matrices
α(A + B) = αA + αB
1A = A
Ejemplos:
1.a

1 4 −2 2 −2 3 3 −1 2
+ + =
3 −1 0 1 −1 5 0 1 4

3 2 1 3 −1 2 6 1 3
+ =
4 −2 5 0 1 4 4 −1 9
1.b

1 4 −2 2 −2 3 3 −1 2
+ + =
3 −1 0 1 −1 5 0 1 4

1 4 −2 5 −3 5 6 1 3
+ =
3 −1 0 1 0 9 4 −1 9
Multiplicación de Matrices
Ejemplos:
1.  
5
1 2 3  −2  = 1(5) + 2(−2) + 3(1) = 4
1
2.
 
5
1 2 3  −2  = 1(5) + 2(−2) + 3(1) 4
=
2 1 0 2(5) + 1(−2) + 0(1) 8
1
3.  
5 −7
1 2
 −2 0  = 3
2 1 0
1 2

1(5) + 2(−2) + 3(1) 1(−7) + 2(0) + 3(2) 4 −1
=
2(5) + 1(−2) + 0(1) 2(−7) + 1(0) + 0(2) 8 −14
Definición de Producto de Matrices
Sea A = (aij ) una matrix de mxn y B = (bij ) una matrix de nxp
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= .
 
.. .. 
 .. . . 
am1 am2 . . . amn
 
b11 b12 . . . b1j . . . b1p
 b21 b22 . . . b2j . . . b2p 
B=
 
.. .. .. 
 . . . 
bn1 bn2 . . . bnj . . . bnp
Cij = ai1 b1j + ai2 b2j + . . . + ain bnj
n
X
⇒ Cij = aik bkj
k=1
La multiplicación de A por B es:
 
c11 c12 . . . c1j . . . c1p
 c21 c22 . . . c2j . . . c2p 
AB =  . ..  Matriz mxp
 
..
 .. . . 
cn1 cn2 . . . cnj . . . cnp
Ejemplo:
 
 1  2  
2 1 −4 2  2+1+2 4+2−4
 3 2 5 1  1 2  

 0 = 3+2+1 6+4+5 =
1 
1 0 3 3 1+3 2+3
1 0
 
5 2
=  6 15 
4 5
Propiedades
Ley asociativa para la multiplicación de matrices
Sean A = (aij ) una matriz de nxm; B = (bij ) una matriz de mxp; y

C = (cij ) una matriz de pxq. Entoces la ley asociativa se cumple:
A(BC) = (AB)C.
Leyes distributivas para la multiplicación de matrices
Si las sumas y productos estan definidos, entonces:

A(B + C) = AB + AC
(A + B)C = AC + BC
Inversa de una matriz cuadrada
Definición:La matriz identidad In de nxn es una matriz cuyos

elementos de la diagonal principal son iguales a 1 y todos los demás
son cero. Esto es:

1 si i = j
In = (bij ), con bij =
0 si i 6= j
Ejemplo:
 
I1 = (1) 1 0 0 0
 0 1 0 0 
1 0 I4 =  
I2 =  0 0 1 0 
0 1
  0 0 0 1
1 0 0
I3 =  0 1 0 
0 0 1
Teorema: Sea A una matriz cuadrada de nxn, entonces:
In A = A = AIn
∴ In conmuta con cualquier matriz de nxn.
Ejemplo:

1 3 1 0 1+0 0+3 1 3
= =
−2 5 0 1 −2(1) + 0 0 + 5 −2 5

1 0 1 3 1+0 3(1) + 0 1 3
= =
0 1 −2 5 0 + 1(−2) 0+5 −2 5
Definición: Sean A y B matrices de nxn. Supongamos que:
AB = BA = In
entonces B se conoce como la inversa de A y se escribe A−1 , de esta

manera tenemos:
AA−1 = A−1 A = In
Si A tiene una inversa, entonces decimos que A es invertible.
Teorema: La inversa de una matriz cuadrada A es única.
Teorema: Sean A y B dos matrices invertibles de nxn, entonces AB es

invertible:
(AB)−1 = B−1 A−1

Ejemplo:
Calcule A−1 si:
 
2 4 6
A= 4 5 6 
3 1 −2
Solución:
  R1  1

2 4 6 1 0 0 R1 → 1 2 3 0 0
2→  4 2 R → R2 − 4R1
 4 5 6 0 1 0  −−−−−−− 5 6 0 1 0  −−2−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 0 0 1 3 1 −2 0 0 1
 1
 R2  1

1 2 3 2
0 0 R2 → 1 2 3 2
0 0
−3 2
 0 −3 −6 −2 1 0  −−−−−−−→  0 1 2 3
− 13 0 
0 −5 −11 − 23 0 1 0 −5 −11 − 32 0 1
− 56 2
 
1 0 −1 0
R1 → R1 − 2R2  3 R → −R3
−−−−−−−−−−→ 0 1 2 2
3
− 13 0  −−3−−−−−−→
R3 → R3 − 5R2 11
0 0 −1 6
− 53 1
− 65 2
− 83 7
   
1 0 −1 3
0 1 0 0 3
−1
2 R1 → R1 + R3
 0 1 2 3
− 13 0  −−−−−−−−−−→  0 1 0 13
3
− 11
3
2 
R2 → R2 − 2R3
0 0 1 − 11
6
5
3
−1 0 0 1 − 116
5
3
−1
− 83 7
 
3
−1
∴ A−1 =  13
3
− 11
3
2 
− 11
6
5
3
−1
Procedimiento para encontrar la inversa de una matriz cuadrada
Paso 1. Se escribe la matriz aumentada (A|I).
Paso 2. Se utiliza la reducción por renglones para poner la matriz A a

su forma escalonada reducida por renglones.
Paso 3. Se decide si A es invertible.
a) Si la forma escalonada reducida por renglones de A es
la matriz identidad I, entonces A−1 es la matriz que se
tiene a la derecha de la barra vertical.
b) Si la reducción de A conduce a un renglón de ceros a la
izquierda de la barra vertical, entonces A no es
invertible.
Se pueden expresar a) y b) como:
“Una matriz cuadrada A es invertible si y sólo si su forma escalonada

reducida por renglones, es la matriz identidad.”
Ejemplo:
Sea  
1 −3 4
A= 2 −5 7  A−1 =?
0 −1 1
   
1 −3 4 1 0 0 1 −3 4 1 0 0
R → R − 2R
 2 −5 7 0 1 0  −−2−−−−−2
−−−−→1 
0 1 −1 −2 1 0 
0 −1 1 0 0 1 0 −1 1 0 0 1
 
1 0 1 −5 3 0
R1 → R1 + 3R2
−−−−−−−−−−→  0 1 −1 −2 1 0 
R3 → R3 + R2
0 0 0 −2 1 1
La matriz A no puede reducirse a la matriz identidad, ∴ A no es invertible.

Matrices equivalentes por renglones (o filas)
Definición: Suponga que la matriz A se puede transformar en la matriz B mediante operaciones
con renglones. Entonces se dice que A y B son equivalentes por renglones.
Teorema: Sea A una matriz de nxn.

1. A es invertible si y sólo si A es equivalente por renglones a la matriz identidad In .
2. A es invertible sı́ y sólo sı́ el sistema A~x = ~b tiene una única solución para cada n-vector
b1
 
 b2 
~b =  .

..
 
 
bn
b1 a11 x1 + a12 x2 + . . . + a1n xn = b1 a11 a12 ... a1n x1

    
 b2  a21 x1 + a22 x2 + . . . + a2n xn = b2  a21 a22 ... a2n  x2 
=. .. =  ..
    
.. .. .. .. .. .. ..
 ..
  
 . . . . .  . . .  . 
bn an1 x1 + an2 x2 + ... + ann xn = bn an1 an2 ... ann xn
3. Si A es invertible entonces la solución única está dada por:
A−1~b = ~x
Ejemplo:
Sea
2x1 + 4x2 + 6x3 = 2

4x1 + 5x2 + 6x3 = 0
3x1 + x2 − 2x3 = 0
Entonces:
− 83 7
−1
     
2 4 6 3 2
−1 13 ~b =  0 
A= 4 5 6 , A = 3
− 11
3
2  y
3 1 −2 − 116
5
3
−1 0
− 38 7
−1 − 16
        
2 3 2 3 x1
−1  0  =  13
A 3
− 11
3
2   0  =  26
3
 =  x2 
0 − 11
6
5
3
−1 0 −622 x3
Las soluciones son: x1 = − 16

3 , x2 =
26
3 y x3 = − 22 11
6 =−3
Resumen
Teorema: Sea A una matriz de nxn. Entonces cada una de las

siguientes afirmaciones implica a las otras.
A es invertible
La única solución al sistema homogéneo A~x = ~0 es la solución
trivial (~x = ~0)
El sistema A~x = ~b tiene una única solución para cada n-vector ~b
A es equivalente por renglones a la matriz identidad In de nxn.
Transpuesta de una matriz
Definición: Sea A = (aij ) una matriz de mxn. Entonces la transpuesta

de A, escrita At , es la matriz de nxm obtenida intercambiando los
renglones y columnas de A. Abreviadamente se puede escribir:
At = (aji ).
Si  
a11 a12 ... a1n
 a21 a22 ... a2n 
A = (aij ) =  .
 
.. ..
 ..

. . 
am1 am2 ... amn
entoces  
a11 a21 ... am1
 a12 a22 ... am2 
At = (aji ) = 
 
.. .. .. 
 . . . 
a1n a2n ... amn
el i-ésimo renglón de A es la i-ésima columna de At y la j-ésima
columna de A es el j-ésimo renglón de At .
Ejemplos:
Encuentre la transpuesta de las siguientes matrices:

 
1 2 −6
2 3 2 3 1  2 −3 4 
A= , B= , C=
 
1 4 −1 4 6 0 1 2 
2 −1 5
Solución.
   
2 −1 1 2 0 2
2 1
At = , Bt =  3 4 , Ct =  2 −3 1 −1 
3 4
1 6 −6 4 2 5
Teorema Supongamos que A = (aij ) es una matriz de nxm y

B = (bij ) es una matriz de mxp. Entonces:
(At )t = A
(AB)t = Bt At
Si A y B son matrices de nxm, entonces:
(A + B)t = At + Bt
Si A es invertible, entonces At es invertible y (At )−1 = (A−1 )t
Matriz Simétrica
Se dice que la matriz A de nxn (cuadrada) es simétrica si:
At = A
Ejemplos: Las siguientes matrices son simétricas:

 
  −1 2 4 6
1 −4 2
1 2  2 7 3 5 
In , A = , B =  −4 7 5 , C= 
2 3  4 3 8 0 
2 5 0
6 5 0 −4
Determinantes
Definición: Sea A una matriz de 2x2

a11 a12
A=
a21 a22
definimos:
Determinante de A = |A| = a11 a22 − a12 a21 = det A
Ejemplo: Sea
1 2
4 3
det A = |A| = (1)(3) − (2)(4) = 3 − 8 = −5
Sea A una matriz de 3x3:
 
a11 a12 a13
A =  a21 a22 a23 
a31 a32 a33
Entonces su determinante es:

a22 a23 a21 a23 a21 a22
detA = a11 − a12 + a13
a32 a33 a31 a33 a31 a32
Una forma de calcular el determinantes es:
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33
Ejemplo
Calcule el determinante de las siguientes matrices:

   
3 5 2 2 −3 5
A= 4 2 3 , B =  1 0 4 
−1 2 4 3 −3 9
Solución.

2 3 4 3 4 2
det A = 3 −5
−1 +2
−1 = 3(8−6)−5(16+3)+2(8+2)
2 4 4 2
= 3(2) − 5(19) + 2(10) = 6 − 95 + 20 = −69

0 4 1 4 1 0
det B = 2 −(−3) +5 = 2(0+12)+3(9−12)+5(−3−0)
−3 9 3 9 3 −3
= 2(12) + 3(−3) + 5(−3) = 24 − 9 − 15 = 0

Definición de Menor
Sea A una matriz de nxn y sea µij la matriz de (n-1)x(n-1) que se

obtiene de A eliminando el renglón i y la columna j. µij se llama el
menor ij de A.
Ejemplo: Sea  
1 −2 3
A= 5 7 4 
−8 2 0
Los menores µ22 , µ12 , y µ23 son:

1 3 5 4 1 −2
µ22 = , µ12 = , µ23 =
−8 0 −8 0 8 2
 
5 2 3 0
 −1 4 2 7 
A= 
 −5 −2 1 0 
2 3 4 −3
Los menores µ13 , µ32 son:
   
−1 4 7 5 3 0
µ13 =  −5 −2 0  , µ32 =  −1 2 7 
2 3 −3 2 4 −3
Definición de Cofactor
Sea A una matriz de nxn. El Co-Factor ij de A, denotado pr Aij esta
dado por:
Aij = (−1)i+j |µij |
Ejemplo:
Sea  
1 −2 3
A= 5 7 4 
−8 2 0
El cofactor de A12 es:

5 4
1+2
A12 = (−1) −8 0 = (−1)[(5)(0)−(4)(−8)] = −1(32) = −32

∴ A12 = −32
El cofactor A31 es:

−2 3
3+1

A31 = (−1) = 1[(−2)(4)−(3)(7)] = 1[−8−21] = −29
7 4
Determinante de nxn
Sea A una matriz nxn:
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A=
 
.. .. .. 
 . . . 
an1 an2 ... ann
Entonces el determinante de A es:
n
X
det A = |A| = a11 A11 + a12 A12 + . . . + a1n A1n = a1k A1k
k=1
Esto se conoce como desarrollo por cofactores

Ejemplo:
 
1 2 3 4
 6 7 0 1 
A=
 −2

4 3 0 
1 0 −2 5
Su determinante es:
det A = 1A11 + 2A12 + 3A13 + 4A14
donde:

7 0 1
= (−1)1+1 4

A11 3 0 = 7[15 − 0] − 0[20 − 0] + 1[−8 − 0]
0 −2 5
= 105 − 8 = 97

6 0 1
= (−1)1+2 −2

A12 3 0 = (−1)(6[15 − 0] − 0[−10 − 0] + 1[4 − 3])

1 −2 5
= −(90 + 1) = −91

6 7 1
= (−1)1+3 −2

A13 4 0 = 6[20 − 0] − 7[−10 − 0] + 1[0 − 4]

1 0 5
= 120 + 70 − 4 = 186

6 7 0
= (−1)1+4 −2

A14 4 3 = (−1)(6[−8 − 0] − 7[4 − 3] + 0[0 − 4])

1 0 −2
= −1(−48 − 7) = 55
∴ det A = 1(97) + 2(−91) + 3(186) + 4(55) = 97 − 182 + 558 + 220 = 693
Observemos que para calcular un determinante de una matriz de 4x4,

se debe evaluar cuatro determinantes de 3x3. Para una matriz de 5x5,
deben calcularse cinco determinantes de 4x4, lo que equivale calcular
veinte determinantes de 3x3. Por fortuna, existen técnicas que ayudan
a simplificar estos cálculos.
Matriz triangular
Definición: Una matriz cuadrada se denomina “triangular superior” si
todas sus componentes por debajo de la diagonal son cero.
Será “triangular inferior” si todas sus componentes por encima de la
diagonal son cero.
Triangular superior si: aij = 0 para i > j
Triangular inferior si: aij = 0 para i < j
Diagonal si: aij = 0 para i 6= j
Ejemplos:
Matrices que son triangulares superiores
 
  −2 3 0 1
2 1 7  0 0 2 4 
A =  0 2 −5  , B = 
 0

0 1 3 
0 0 1
0 0 0 −2
Matrices que son triangulares inferiores
 
5 0 0
0 0
C =  2 3 0 , D =
1 0
−1 2 4
Matrices diagonales
 
2 0 0
In , E =  0 −7 0 
0 0 −4
Sea A una matriz triangular inferior:
 
a11 0 0 0
 a21 a22 0 0 
A=  a31 a32 a33 0


a41 a42 a43 a44
Calculando su determinante:

a22 0 0

det A = a11 A11 + 0A12 + 0A13 + 0A14 = a11 a32 a33 0

a42 a43 a44

a 0
= a11 a22 33

= a11 a22 a33 a44
a43 a44
Teorema: Sea A = (aij ) una matriz de nxn triangular superior o
inferior, entonces:
det A = a11 a22 a33 . . . ann

Ejemplos: Calule el determinante de las siguientes matrices
triangulares
 
  −2 3 0 1  
2 1 7  0 2 0 0
0 2 4 
A= 0 2 −5  , B = 
 0
, E =  0 −7 0 
0 1 3 
0 0 1 0 0 −4
0 0 0 −2
Solución.
det A = (2)(2)(1) = 4
det B = (−2)(0)(1)(−2) = 0
det E = (2)(−7)(−4)
Propiedades de los determinantes
Teorema. Sean A y B dos matrices nxn. Entonces det AB = det A det
B.
 
1 −1 2
Ejemplo. Verifique el teorema para A =  3 1 4  y
0 −2 5
 
1 −2 3
B =  0 −1 4 .
2 0 −2
Solución.
Det A = 16 y det B = −8. Se puede calcular
    
1 −1 2 1 −2 3 5 −1 −5
AB =  3 1 4   0 −1 4  =  11 −7 5 
0 −2 5 2 0 −2 10 2 −18
y det AB = −128 = (16)(−8) =det A detB.

Advertencia El determinante de la suma no siempre es igual a la
suma de los determinantes. Es decir, para la mayoria de los pares de
matrices A y B,
det (A + B) 6= det A + det B
Ejemplo.

1 2 3 0 4 2
Sean y . Entonces A + B = :
3 4 −2 2 1 6
det A = −2, det B = 6 y det (A + B) = 22

Teorema. Sea
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A = (aij ) = 
 
.. .. .. 
 . . . 
an1 an2 . . . ann
una matriz de n × n. Entonces

n
X
det A = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain = aik Aik
k=1
para i = 1, 2, . . . , n. Más aún,

n
X
det A = a1j A1j + a2j A2j + · · · + anj Anj = akj Ajk
k=1
para j = 1, 2, . . . , n.
Ejemplo. Sea  
4 7 −2
A =  3 −5 1  .
−8 6 9
Expandiendo por cofatores en el segundo renglon se obtiene:
det A = (3)A21 + (−5)A22 + (1)A23 =

2+1 7 −2 2+2 4 −2

= (3)(−1) 6 9 + (−5)(−1) −8 9

2+3 4 7

+(1)(−1) −8 6 = (3)(−75) + (−5)(20) + (1)(80) = −405
Propiedad. Si cualquier renglón o columna de A es un vector cero,
entonces det A = 0.
Ejemplo.

4 7 0 3
−8 6 0 −5
=0

−1 2 0 −3
2 1 0 9

4 7 −1

0 0 0 =0

−2 7 −3
Propiedad. Si el renglón i o columna j de A se multiplica por un
escalar c, entonces det A se multiplica por c. Es decir, si se denota por
B esta nueva matriz, entonces

a11 a12 ... a1n

a11 a12 . . . a1n

a21 a22 ... a2n

a21 a22 . . . a2n
.. .. .. .. .. ..
. . . . . .
|B| = = c = c|A|
cai1 cai2 . . . cain

ai1 ai2 . . . ain
.. .. .. .. .. ..

. . .

. . .
an1 an2 . . . ann an1 an2 . . . ann
Ejemplo. Sea  
1 −1 2
A =  3 1 4 .
0 −2 5
Entonces det A = 16. Si se multiplica el segundo renglón por 4 se
tiene  
1 −1 2
B =  12 4 16 
0 −2 5
y det B = 64 = 4 det A. Si se multiplica la tercera columna de A por
−3 se obtiene  
1 −1 −6
C =  3 1 −12 
0 −2 −15
y det C = −48 = −3 det A.
 
a11 a12 . . . a1j . . . a1n
 a21 a22 . . . a2j . . . a2n 
Propiedad. Sea A =  ..  ,
 
.. .. ..
 . . . . 
an1 an2 . . . anj . . . ann
 
a11 a12 . . . α1j . . . a1n
 a21 a22 . . . α2j . . . a2n 
B= ..  y
 
.. .. ..
 . . . . 
an1 an2 . . . αnj . . . ann
 
a11 a12 . . . a1j + α1j . . . a1n
 a21 a22 . . . a2j + α2j . . . a2n 
C
 
.. .. .. .. 
 . . . . 
an1 an2 . . . anj + αnj . . . ann
Entonces det C = det A + det B.

   
1 −1 2 1 −6 2
Ejemplo. Sea A =  3 1 4 , B =  3 2 4  y
0 −2 5 0 4 5
   
1 −1 − 6 2 1 −7 2
C = 3 1+2 4 = 3 3 4 
0 −2 + 4 5 0 2 5
Entonces det A = 16, det B = 108 y
det C = 124 = det A + det B

Propiedad. El intercambio de cualesquiera dos renglones (o
columnas) distintos de A tiene el efecto de multiplicar det A por −1.
 
1 −1 2
Ejemplo. Sea A =  3 1 4 .
0 −2 5
 
0 −2 5
Al intercambiar los renglones 1 y 3 se obtiene B =  3 1 4 .
1 −1 2
Realizando los cálculos, se encuentra que det A = 16 y det B = −16
Al intercambiar
 las 
columnas 1 y 2 de A se obtiene
−1 1 2
C =  1 3 4  y se cumple que det C = −16.
−2 0 5
Propiedad. Si A tiene dos renglones o columnas iguales, entonces
det A = 0.  
1 −1 2
Ejemplo. Sea A =  5 7 3 . Como el renglon 1 es igual al
1 −1 2
renglon 3 se cumple que det A = 0.
 
5 2 2
Ejemplo. Sea B =  3 −1 −1 . Como la columna 2 es igual
−2 4 4
a la columna 3 se cumple que det B = 0.
Propiedad. Si un renglon de A es un multiplo escalar de otro renglón
(columna) , entonces det A = 0.

2 −3 5

Ejemplo. Sea A = 1 7 2 = 0 ya que el tercer renglón es

−4 6 −10
igual a −2 veces el primero.

2 4 1 12

−1 1 0 3
Ejemplo. Sea B = = 0 porque la cuarta
0 −1 9 −3

7 6 3 9
columna es igual a tres veces la segunda.
Propiedad. Si se suma un multiplo escalar de un renglón (columna)
de A a otro renglón (columna) de A, entonces el determinante no
cambia.
 
1 −1 2
Ejemplo. Sea A =  3 1 4 . Entonces det A = 16. Si se
0 −2 5
multiplica el tercer renglón por 4 y se suma al segundo renglón, se
obtiene una nueva matriz dada por
   
1 −1 2 1 −1 2
B =  3 + 4(0) 1 + 4(−2) 4 + 5(4)  =  3 −7 24 
0 −2 5 0 −2 5
y det B = 16 = det A.
Ejemplo. Utilice las propiedades de los determinantes para calcular
|A|, donde
 
1 3 5 2
 0 −1 3 4 
A=  2 1 9 6 

3 2 4 8
Solución. Ya existe un cero en la primera columna, por lo que lo más
sencillo es reducir otros elementos de la primera columna a cero. Se
puede continuar la reducción buscando una matriz triangular.
Se multiplica el primer renglón por −2 y se suma al tercer renglón; se

multiplica el primer renglón por −3 y se suma al cuarto.

1 3 5 2

0 −1 3 4
|A| =
0 −5 −1 2

0 −7 −11 2
Se multiplica el segundo renglón por −5 y se suma el tercer renglón,
se multiplica el segundo renglón por −7 y se suma al cuarto renglón.

1 3 5 2

0 −1 3 4
=
0 0 −16 −18

0 0 −32 −26
Se factoriza −16 del tercer renglón.

1 3 5 2

0 −1 3 4
= −16 9

0 0 1
8
0 0 −32 −26
Se multiplica el tercer renglón por 32 y se suma al cuarto.

1 3 5 2

0 −1 3 4
= −16 9

0 0 1
8
0 0 0 10
por lo tanto
|A| = (−16)(1)(−1)(1)(10) = 160
Ejemplo. Uso de de las propiedades para calcular un determinante de
5 × 5. Calcule

1 −2 3 −5 7

2
0 −1 −5 6
|A| = 4 7 3 −9 4
3
1 −2 −2 3
−5 −1 3 7 −9
Solución. Sumando el renglón 2 y despues el renglón 4 al renglón 5,
se obtiene

1 −2 3 −5 7

2 0 −1 −5 6

|A| = 4 7 3 −9 4 = 0
3 1 −2 −2 3

0 0 0 0 0
Este ejemplo ilustra el hecho de que un poco de observación antes de
empezar los cálculos puede simplificar las cosas considerablemente.
Determinantes e inversas
Teorema: Sea A una matriz 2x2,
A es invertible si y sólo si det A 6= 0
Si det A 6= 0, entonces:

1 a22 −a12
A−1 =
det A −a21 a11
donde el determinante de una matriz de 2x2 esta dado como:
det A = a11 a22 − a12 a21

Ejemplo:
Sea
2 −4
A=
1 3
Calcule A−1 .
Calculando su determinante:

2 −4
det A = = 2(3) − (−4)1 = 6 + 4 = 10
1 3
Como su det A 6= 0, nos dice que A−1 existe.
3 4

−1 1 3 4 10 10
A = = 1 2
10 −1 2 − 10 10
Verificando que A−1 sea la inversa:

−1 1 3 4 2 −4 1 6 + 4 −12 + 12
A A= =
10 −1 2 1 3 10 −2 + 2 4+6

1 10 0 1 0
= =
10 0 10 0 1
Ejemplo:
Sea
1 2
A= A−1 =?
−2 −4

1 2
det A = = 1(−4) − 2(−2) = −4 + 4 = 0
−2 −4
∴ no existe A−1
Teorema. Si A es invertible entonces det A 6= 0 y
1
det A−1 =
det A
Nota. Antes de utilizar determinantes para calcular las inversas es
necesario definir la adjunta de una matriz A = (aij ). Sea B = (Aij ) la
matriz de cofactores de A, es decir:
 
A11 A12 . . . A1n
 A21 A22 . . . A2n 
B= .
 
. .. .. 
 . . . 
An1 An2 . . . Ann
Definición. Sea A una matriz de n × n y sea B = (Aij ) la matriz de sus
cofactores. Entonces la adjunta de A, escrito adj A, es la traspuesta de
la matriz B de n × n; es decir,
 
A11 A21 . . . An1
 A12 A22 . . . An2 
adj A = Bt =  .
 
.. .. 
 .. . . 
A1n A2n . . . Ann
 
2 4 3
Ejemplo. Sea A =  0 1 −1  . Calcule adj A.
3 5 7
Solución.
1 −1 0 −1
A11 = (−1)1+1 = 12, A12 = (−1)1+2 = −3,
5 7 3 7
0 1 4 3
A13 = (−1)1+3 = −3, A21 = (−1)2+1 = −13,
3 5 5 7
2 3 2 4
A22 = (−1)2+2 = 5, A23 = (−1)2+3 = 2,
3 7 3 5
4 3 2 3
A31 = (−1)3+1 = −7, A32 = (−1)3+2 = 2,
1 −1 0 −1
 
12 −13 −7
2 4
A33 = (−1)3+3 = 2. ∴ adj A =  −3 5 2 
0 1
−3 2 2
Teorema. Sea A una matriz de n × n. Entonces A es invertible si y
sólo si det A 6= 0. Si det A 6= 0, entonces
1
A−1 = adj A
det A
 
2 4 3
Ejemplo. Sea A =  0 1 −1  . Calcule A−1 .
3 5 7
2 4 3 2 4
Solución. Se tiene que det A = 0 1 −1 0 1 = 3 6= 0
3 5 7 3 5
1 −1 0 −1
A11 = (−1)1+1 = 12, A12 = (−1)1+2 = −3,
5 7 3 7
0 1 4 3
A13 = (−1)1+3 = −3, A21 = (−1)2+1 = −13,
3 5 5 7
2 3 2 4
A22 = (−1)2+2 = 5, A23 = (−1)2+3 = 2,
3 7 3 5
4 3 2 3
A31 = (−1)3+1 = −7, A32 = (−1)3+2 =2
1 −1 0 −1
2 4
A33 = (−1)3+3 = 2. Se tiene entonces que
0 1
 
12 −13 −7
adj A =  −3 5 2 
−3 2 2
1
A−1 =adjA =
det A
 −13 −7 
4
   3 3 
12 −13 −7  
1  5 2 
=  −3 5 2 = −1 
3  3 3 
−3 2 2  
2 2
 
−1
3 3
Regla de Cramer
Cuando se tiene un sistema de ecuaciones donde su número de
incógnitas coincide con el número de ecuaciones, se puede emplear la
Regla de Cramer para encontrar la solución única al sistema, siempre
y cuando su det A 6= 0. Consideremos el siguiente sistema de n
ecuaciones lineales con n incógnitas:
a11 x1 + a12 x2 + . . . + a1n xn = 0

a21 x1 + a22 x2 + . . . + a2n xn = 0
.. .. .. ..
. . . .
an1 x1 + an2 x2 + ... + ann xn =0
El cual puede escribirse en la forma:
Ax = b
Si su detA 6= 0, el sistema tiene una solución única dada por

x = A−1 b. Podemos desarrollar un método para encontrar dicha
solución sin reducción por renglones.
Sea D = det A. Se definen n nuevas matrices:
   
b1 a12 ... a1n a11 b1 ... a1n
 b2 a22 ... a2n   a21 b2 ... a2n 
A1 =  , A2 =  ,
   
.. .. .. .. .. ..
 . . .   . . . 
bn an2 ... ann an1 bn ... ann
 
a11 a12 ... b1
 a21 a22 ... b2 
. . . , An = 
 
.. .. .. 
 . . . 
an1 an2 ... bn
Es decir, Ai es la matriz obtenida al reemplazar la columna i de A por

b. Asi, se puede definir lo siguiente:
D1 = det A1 , D2 = det A2 , . . . , Dn = det An .

Regla de Cramer
Sea A una matriz de n × n y suponga que det A 6= 0. Entonces la
solución única al sistema Ax = b esta dada por:
D1 D2 Di Dn
x1 = D , x2 = D , . . . , xi = D , . . . , xn = D
Ejemplo: Solución de un sistema de 3 × 3 utilizando la regla de

Cramer
2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24
3x1 + x2 − 2x3 = 4
Calclando los determinantes:
2 4 6
D = 4 5 6 = 2[5(−2) − 6(1)] − 4[4(−2) − 6(3)] + 6[4(1) − 5(3)]
3 1 −2
= 2(−10 − 6) − 4(−8 − 18) + 6(4 − 15) = 2(−16) − 4(−26) + 6(−11)
= −32 + 104 − 66 = 104 − 98 = 6
18 4 6
D1 = 24 5 6 = 18[5(−2)−6(1)]−4[24(−2)−6(4)]+6[24(1)−5(4)]
4 1 −2
= 18(−10 − 6) − 4(−48 − 24) + 6(24 − 20) = 18(−16) − 4(−72) + 6(4)
= −288 + 288 + 24 = 24
2 18 6
D2 = 4 24 6 = 2[24(−2)−6(4)]−18[4(−2)−6(3)]+6[4(4)−24(3)]
3 4 −2
= 2(−48 − 24) − 18(−8 − 18) + 6(16 − 72) = 2(−72) − 18(−26) + 6(−56)
= −144 + 468 − 336 = −12
2 4 18
D3 = 4 5 24 = 2[5(4) − 24(1)] − 4[4(4) − 24(3)] + 18[4(1) − 5(3)]
3 1 4
= 2(20 − 24) − 4(16 − 72) + 18(4 − 15) = 2(−4) − 4(−56) + 18(−11)
= −8 + 224 − 198 = 18
La solución del sistema es:
D1 24 D2 −12
x1 = = = 4, x2 = = = −2
D 6 D 6
D3 18
x3 = = =3
D 6
Unidad IV
Vectores
Vectores
Sea ~a = (x, y) un vector bidimensional, el módulo de ~a se define
como:
p
|~a| = x2 + y2
y la dirección del vector ~a se define por el ángulo que forma el vector

con el eje x.
Dados dos puntos A(x1 , y1 , z1 ) y B(x2 , y2 , z2 ), el vector ~a con
−
→
representación AB es:
~a =< x2 − x1 , y2 − y1 , z2 − z1 >
Ejemplo: Encuentre el vector representado por el segmento de recta

dirigido con punto inicial A y punto terminal B.
A(2, −3, 4), B(−2, 1, 1).

Solución.
→
−
~a = AB = (−2 − 2, 1 + 3, 1 − 4)
= (−4, 4, −3)
A(2, 3, 1), B(−2, 4, 0).
Solución.
−
→
~a = AB = (−4, 1, −1)
A(5, 2, −1), B(3, 4, 2).

Solución.
−
→
~a = AB = (−2, 2, 3)
Se define la magnitud o longitud de un vector como la longitud de
cualquiera de sus representaciones y su dirección como la dirección
de cualquiera de sus representaciones. √
Si ~v =< a, b > se encuentra que |~v| = a√2 + b2
Si ~v =< a, b, c > se encuentra que |~v| = a2 + b2 + c2
Se define la dirección del vector ~v =< a, b > como el ángulo θ,
medido en radianes que forma el vector como el lado positivo del eje
x. Por convención, se escoge θ tal que 0 ≤ θ < 2π.
Para determinar θ de manera única es necesario determinar el
cuadrante de ~v, como se muestra en los siguientes ejercicios
Ejemplo: Calcule la magnitud y dirección de los siguientes vectores:
~v = (2, 2)
Solución.
√ √ √
|~v| = 4 + 4 = 8 = 2 2
tan(θ) = 22 = 1
∴ θ = 0.78 rad
√
~v = (2, 2 3)
Solución.
p √
|~v| = 4 + 4(3) = 16 = 4
√
2 3
√
tan(θ) = 2 = 3
∴ θ = 1.047 rad
√
~v = (−2 3, 2)
Solución.
p √
|~v| = 4(3) + 4 = 16 = 4
2
tan(θ1 ) = 2√ 3
= √13
∴ θ1 = 0.52rad
θ2 = π − θ1 = π − 0.52 = 2.61rad
~v = (−3, 3)
Solución.
√ √
|~v| = 9 + 9 = 18
tan(θ) = 33 = 1
∴ θ1 = 0.785rad
θ2 = 23 π − θ1 = π − 0.785 = 3.92rad
~v = (6, −6)
Solución.
√ √
|~v| = 36 + 36 = 72
tan(θ1 ) = 66 = 1
∴ θ1 = 0.785rad
θ2 = 2π − θ1 = 2π − 0.785 = 5.5rad
Suma de vectores (Regla del triángulo o del paralelogramo)
Si ~a = ha1 , a2 i y ~b = hb1 , b2 i, entonces el vector ~a + ~b esta definido

por
~a + ~b = ha1 + b1 , a2 + b2 i
y para vectores tridimensionales
ha1 , a2 , a3 i + hb1 , b2 , b3 i = ha1 + b1 , a2 + b2 , a3 + b3 i
Figura de la interpretación geométrica de la de la suma de vectores:
Multiplicación escalar
Si c es un escalar y ~a = ha1 , a2 i, entonces el vector c~a esta definido

por:
c~a = hca1 , ca2 i
y para vectores tridimensionales:
cha1 , a2 , a3 i = hca1 , ca2 , ca3 i

Si ~a = ha1 , a2 i, entonces
q q √ q
c~a = (ca1 ) + (ca2 ) = c (a1 + a2 ) = c2 a21 + a22 = |c||~a|
2 2 2 2 2
de modo que la longitud de c~a es c por la longitud de ~a.

Si a1 6= 0 y c > 0, entonces a1 y ca1 tienen el mismo signo.
Igualmente si a2 6= 0 y c > 0, entonces a2 y ca2 tienen el mismo
signo. Esto significa que ~a y c~a tienen la misma dirección.
Si a1 6= 0 y c < 0, entonces a1 y ca1 tienen signo contrario.
Igualmente si a2 6= 0 y c < 0, entonces a2 y ca2 tienen signo
contrario. Esto significa que ~a y c~a tienen direcciones contrarias.
El vector −~a = −1(~a) tiene la misma longitud que ~a, pero apunta en
la direccón contraria.
Para vectores tridimensionales también es cierto que c~a es un vector
que tiene |c| veces la longitud de ~a, y la misma dirección que ~a si
c > 0, ası́ como la dirección contraria si a < 0.
Definición. Dos vectores ~a y ~b diferentes de cero se llaman paralelos

si cumplen que ~b = c~a para algún escalar c.
Por la diferencia de ~a − ~b de dos vectores queremos decir:
~a + (−~b)
De modo que (~a − ~b) + ~b = ~a, el vector ~a + (−~b) cuando se suma a
~b, da ~a. esto se ilustra en la figura siguiente.
Ejemplo. Si ~a = h3, 2, 4i y ~b = h1, −2, 5i, encuentre |a| y los
vectores ~a + ~b, ~a − ~b, 3~a y 2~a + 4~b
Solución.
p √ √
|a| = (3)2 + (2)2 + (4)2 = 9 + 4 + 16 = 29.
~a +~b = h3, 2, 4i+h1, −2, 5i = h3+1, 2+(−2), 4+5i = h4, 0, 9i.
~a − ~b = h3, 2, 4i − h1, −2, 5i = h3 − 1, 2 − (−2), 4 − 5i =
h2, 4, −1i.
3~a = 3h3, 2, 4i = h9, 6, 12i
2h3, 2, 4i + 4h1, −2, 5i = h6, 4, 8i + h4, −8, 20i = h10, −4, 28i
Denotaremos por R2 al conjunto de todos los vectores
bidimensionales, y por R3 al conjunto de todos los vectores
tridimensionales.
Un vector n-dimensional, es un conjunto ordenado de n elementos:
~a = ha1 , a2 , . . . , an i
donde a1 , a2 , . . . , an son números reales que se llaman componentes
de ~a. Al conjunto de todos los vectores n-dimensionales los
denotaremos por Rn . La suma y multiplicación escalar en Rn se
definen en terminos de componentes, analogamente como para n = 2
y n = 3. La norma de
~a = ha1 , a2 , . . . , an i
es:
q
|~a| = (a1 )2 + (a2 )2 + · · · + (an )2
Propiedades de vectores:
Si ~a, ~b y ~c son vectores en Rn y α, β son escalares reales, entonces
~a + ~b = ~b + ~a α(~a + ~b) = α~a + α~b

~a + (~b + ~c) = (~a + ~b) + ~c (α + β)~a = α~a + β~a
~a + ~0 = ~a (αβ)~a = α(β~a)
~a + (−~a) = ~0 1~a = ~a
Hay tres vectores especiales en R3 :
î = h1, 0, 0i, ĵ = h0, 1, 0i y k̂ = h0, 0, 1i

estos vectores tienen longitud 1 y apuntan en las direcciones positivas
de los ejes x, y y z. Del mismo modo en R2 existen
î = h1, 0i y ĵ = h0, 1i
Si ~a = ha1 , a2 , a3 i, entonces
~a = ha1 , a2 , a3 i = ha1 , 0, 0i + h0, a2 , 0i + h0, 0, a3 i
de donde se tiene que
~a = a1 î + a2 ĵ + a3 k̂
Ası́, cualquier vector en R3 puede expresarse como combinación de

los vectores î, ĵ y k̂ (llamados base para R3 )
Ejemplo. h2, −3, 5i = 2î − 3ĵ + 5k̂
Ejemplo. Si ~a = î + 2ĵ − 3k̂ y ~b = 4î + 7k̂, exprese el vector

2~a + 3~b como combinación lineal de î, ĵ, k̂
Solución.
2~a + 3~b = 2(î + 2ĵ − 3k̂) + 3(4î + 7k̂) =

= 2î + 4ĵ − 6k̂ + 12î + 21k̂ = 14î + 4ĵ + 15k̂
Definición. Un vector unitario es un vector cuya longitud es 1.
Por ejemplo î, ĵ y k̂ son vectores unitarios. En general, si ~a 6= ~0,

entonces el vector unitario que tiene la misma dirección que ~a es:
~a
~u =
|~a|
1
Para verificarlo, hacemos c = . Se cumple que ~u = c~a y c es un
|~a|
escalar positivo, de modo que ~u tiene la misma dirección que ~a.
Igualmente:
1
|~u| = |c~a| = |c||~a| = |~a| = 1
|~u|
Ejemplo. Encuentre el vector unitario en la dirección del vector
~v = 2î − 3ĵ + 4k̂.
Solución.
Priemero encontramos la longitud del vector:
q √
|~v| = |2î − 3ĵ + 4k̂| = (2)2 + (−3)2 + (4)2 = 29
Por lo tanto el vector unitario en la dirección de ~v es:
~v 2î − 3ĵ + 4k̂ 2 3 4

~u = = √ = √ î − √ ĵ + √ k̂
|~v| 29 29 29 29
Producto punto.
definición. Si ~a = ha1 , a2 , . . . , an i y ~b = hb1 , b2 , . . . , bn i, entonces el

producto punto de ~a y ~b es el número ~a · ~b dado por:
~a · ~b = a1 b1 + a2 b2 + . . . + an bn
Ejemplos:
h2, 4i · h3, −1i = 2(3) + 4(−1) = 2
h−1, 7, 4ih6, 2, −5i = (−1)(6) + 7(2) + 4(−5) = −12

(3î − 4ĵ + 2k̂) · (2î − 3ĵ + 4k̂) = 3(2) + (−4)(−3) + (2)(4) = 26
Propiedades del producto punto.
Si ~a, ~b, ~c son vectores en Rn y c es un escalar, entonces:
~a · ~a = |~a|2 ~a · ~b = ~b · ~a
~a · (~b + ~c) = ~a · ~b + ~a · ~c (c~a) · ~b = c(~a · ~b) = ~a · (c~b)
~0 · ~a = 0
Al producto punto se le puede dar una interpretación geométrica en
términos del ángulo θ entre ~a y ~b, que se define como el ángulo entre
las representaciones de ~a y ~b que inician en el origen, de tal forma que
0 ≤ θ ≤ π. En otras palabras θ es el ángulo entre los segmentos de
−
→ −→
recta 0A y OB, como se muestra en la figura.
Note que si ~a y ~b son vectores paralelos, entonces θ = 0 o θ = π

Teorema. Si θ es el ángulo entre los vectores ~a y ~b, entonces
~a · ~b
cos θ =
|~a||~b|
Demostración.
Se colocan las representaciones de ~a y ~b con los puntos iniciales en el
origen, como se indica en la figura
Usando la ley de los cosenos se tiene que:
|~a − ~b|2 = |~a|2 + |~b|2 − 2|~a||~b| cos θ (8)

Utilizando las propiedades del producto punto:
|~a − ~b|2 = (~a − ~b) · (~a − ~b) = ~a · (~a − ~b) − ~b · (~a − ~b) =
= ~a · ~a − ~a · ~b − ~b · ~a + ~b · ~b = |~a|2 − 2~a · ~b + |~b|2 (9)

Como las ecuaciones (8) y (9) son iguales se tiene que:
|~a|2 + |~b|2 − 2|~a||~b| cos θ = |~a|2 − 2~a · ~b + |~b|2

Por lo que
~a · ~b = |~a||~b|cosθ
o equivalentemente
~a · ~b
cos θ =
|~a||~b|
Ejemplo. Si los vectores ~a y ~b tienen longitud 4 y 6 respectivamente,
π
y el ángulo entre ellos es , encuentre ~a · ~b.
3
Solución.
Como
~a · ~b
cos θ =
|~a||~b|
se tiene
π ~a · ~b ~a · ~b
cos = ⇐⇒ 0,5 = ⇐⇒ ~a · ~b = 12
3 (4)(6) 24
Ejemplo. Encuentre el ángulo entre los vectores ~a = h1, 2, 3i y
~b = h4, −3, 2i.
Solución.
~a · ~b h1, 2, 3i · h4, −3, 2i

cos θ = = p
|~a||~b|
p
( (1)2 + (2)2 + (3)2 )( (4)2 + (−3)2 + (2)2 )
1(4) + 2(−3) + (3)(2)

= √ √ = 0,198516
( 14)( 29)
Por lo tanto
θ = cos−1 (0,198516) = 1,37
Definición. Dos vectores ~a y ~b diferentes de cero se llaman
π
perpendiculares u ortogonoles si el ángulo entre ellos es θ = .
2
Teorema. Los vectores ~a y ~b diferentes de cero son ortogonales si y
sólo si ~a · ~b = 0.
Demostración.
⇒) Sean ~a y ~b vectores diferentes de cero ortogonales, entonces:
π ~a · ~b π
cos = ⇐⇒ ~a · ~b = |~a||~b| cos
2 |~a||~b| 2
π

Como cos 2 = 0; se tiene que:
~a · ~b = 0
⇐) Si ~a · ~b = 0, entonces
~a · ~b 0
cos θ = = =0
~
|~a||b| |~a||~b|
De modo que
π
θ = cos−1 (0) = .
2
Por lo tanto los vectores son ortogonales.
Ejemplo. Pruebe que 2î + 2ĵ − 1k̂ es perpendicular a 5î − 4ĵ + 2k̂
Solución.
Como
(2î + 2ĵ − 1k̂)(5î − 4ĵ + 2k̂) = 2(5) + 2(−4) + (−1)(2) = 0
los vectores son perpendiculares.

Teorema. Dos vectores ~a y ~b diferentes de cero son paralelos si y sólo
si el ángulo entre ellos es 0 o π. Demostración. (Ejercicio)
Los vectores paralelos tienen la misma dirección o direcciones

opuestas.
Ejemplo. Pruebe que los vectores ~a = (2, −3) y ~b = (−4, 6) son

paralelos.
(2, −3) · (−4, 6)
Solución. cos θ = p p =
(2)2 + (−3)2 (−4)2 + (6)2
2(−4) + (−4)(6) −26
= √ √ = = −1
13 52 26
Por lo tanto θ = cos−1 (−1) = π y los vectores son paralelos.
Ángulos y cosenos de dirección. los ángulos directores de un vector
a, diferente de cero, son los ángulos α, β y γ del intervalo [0, π] que
forma el vector ~a con los ejes positivos x, y y z, como se muestra en la
figura.
Los cosenos de estos ángulos se llaman cosenos directores del vector

~a.
~a · ~b
Usando el hecho de que cos θ =
|~a||~b|
Si ~a = ha1 , a2 , a3 i y consideramos ~b = î se tiene que:
~a · î a~1
cos α = = (10)
|~a||î| |~a|
analogamente, considerando ~b = ĵ y ~b = k̂, se obtiene:

a2 a3
cos β = y cos γ = (11)
|~a| |~a|
Considerando las ecuaciones (10) y (11) se sigue que:
2 2 2
2 2 2 a1 a2 a3
cos α + cos β + cos γ = + + =
|~a| |~a| |~a|
a21 + a22 + a23 |~a|2

= = =1
|~a|2 |~a|2
Tambien podemos usar las ecuaciones de (10) y (11) para reescribir ~a:
~a = ha1 , a2 , a3 i = h|~a|cosα, |~a| cos β, |~a| cos γi = |~a|hcosα, cos β, cos γi
1
De modo que ~a = hcosα, cos β, cos γi
|~a|
Lo cual nos dice que los cosenos directores de ~a son las componentes
del vector unitario en la dirección de ~a.
Ejemplo. Encuentre los ángulos directores de ~a = h1, 2, 3i.
Solución. p √
Como |~a| = (1)2 + (2)2 + (3)2 = 14, se tiene que:
1 2 3
cos α = √ , cos β = √ y cos γ = √
14 14 14

1
por lo que: α = cos−1 √ = 74◦ ,
14

−1 2 ◦ −1 3
β = cos √ = 58 , y γ = cos √ = 37◦ ,
14 14
Proyecciones
−→ − →
La siguiente figura muestra las representaciones PQ y PR de dos
vectores ~a y ~b con el mismo origen P:
Si S es el pie de la perpendicular trazada de R a la recta que contiene

−→ −
→
el vector PQ, entonces el vector PS se llama vector de proyección de
~b sobre ~a y se denota por proy~a ~b
La proyección escalar de ~b sobre ~a se define como la magnitud del
vector de proyección: que es el número |~b| cos θ, donde θ es el ángulo
entre ~a y ~b. Esto se denota por comp~a ~b (a veces se le llama
componente de ~b en la dirección de ~a.)
−
→
|PS| −
→
Se tiene que cos θ = ⇐⇒ |PS| = |~b| cos θ
|~b|
π
Observe que si < θ ≤ π, entonces comp~a ~b es negativa.
2
La ecuación
~a · ~b = |~a||~b|cosθ = |~a|(|~b|cosθ)
muestra que el producto punto de ~a y ~b se puede interpretar como la
longitud de ~a por la proyección escalar de ~b sobre ~a. Como
~a · ~b ~a ~
|~b|cosθ = = ·b
|~a| |~a|
la componente de ~b a lo largo de ~a se puede calcular tomando el

producto de ~b con el vector unitario en la dirección de ~a. Resumimos
estas ideas como sigue:
Proyección escalar de ~b sobre ~a:
~a · ~b
comp~a ~b =
|~a|
Vector de proyección de ~b sobre ~a:
! !
~a · ~b ~a ~a · ~b
proy~a ~b = = ~a
|~a| |~a| |~a|2
Note que, el vector de proyección, es la proyección escalar por el

vector unitario en la dirección de ~a.
Ejemplo. Encuentre la proyección escalar y el vector de proyección
de ~b = h1, 1, 2i sobre ~a = h−2, 3, 1i.
Solución.
p √
Como |~a| = (−2)2 + (3)2 + (1)2 = 14, entonces:
~a · ~b (−2)(1) + (3)(1) + (1)(2) 3

comp~a ~b = = √ =√
|~a| 14 14
El vector de proyección es:
 
!
~a · ~b  (−2)(1) + (3)(1) + (1)(2) 
proy~a ~b = 2
~a =  √ 2  h−2, 3, 1i =
|~a|
14

−3 9 3
= √ , ,
7 14 14
Teorema. sea ~a un vector diferente de cero. Entonces para cualquier
otro vector ~b, el vector
!
~
a · ~b
~ = ~b −
w ~a
|~a|2
es ortogonal a ~a
Demostración.
! !
~a · ~b
~ · ~a = ~b −
w ~a · ~a =
|~a|2
(~a · ~b)(~a · ~a) ~ (~a · ~b)|~a|2 ~

= ~b · ~a − = b · ~
a − = b · ~a − ~b · ~a = 0
|~a|2 |~a|2
Producto cruz
El producto cruz ~a × ~b de dos vectores ~a y ~b, a diferencia del producto
punto, es un vector. Por esta razón, también recibe el nombre de
producto vectorial. Note que ~a × ~b esta definido sólo cuando ~a y ~b son
vectores tridimensionales.
Definición. Si ~a = ha1 , a2 , a3 i y ~b = hb1 , b2 , b3 i, entonces el

producto cruz de ~a y ~b es el vector:
~a × ~b = ha2 b3 − a3 b2 , a3 b1 − a1 b3 , a1 b2 − a2 b1 i
Para que la definición se más fácil de recordar, usamos la notación de

determinantes.

î ĵ k̂
~
a2 a3 a1 a3 a1 a2
~a × b = a1 a2 a3 =
î −
ĵ +
k̂
b1 b2 b3 b2 b3 b1 b3 b1 b2
Ejemplo. Si ~a = h1, 3, 4i y h2, 7, −5i, entonces:

î ĵ k̂
3 4 1 4
~ ĵ + 1 3

~a × b = 1 3 4 =
î − k̂ =
2 7 −5 7 −5 2 −5 2 7
= (−15 − 28)î − (−5 − 8)ĵ + (7 − 6)k̂ = −43î + 13ĵ + k̂

Ejemplo. Demuestre que ~a × ~a = ~0 para cualquier vector ~a ∈ R3
Demostración. Si ~a = ha1 , a2 , a3 i, entonces

î ĵ k̂

~a × ~a = a1 a2 a3 =
a1 a2 a3
= (a2 a3 − a3 a2 )î − (a1 a3 − a3 a1 )ĵ + (a1 a2 − a2 a1 )k̂ = 0

Una de las propiedades más importante del producto cruz esta dada
por el siguiente teorema:
Teorema. El vector ~a × ~b es ortogonal a ~a y ~b.
Demostración.
(~a × ~b) ·~a = (a2 b3 − a3 b2 )a1 − (a1 b3 − a3 b1 )a2 + (a1 b2 − a2 b1 )a3 =
= a1 a2 b3 − a1 b2 a3 − a1 a2 b3 + b1 a2 a3 + a1 b2 a3 − b1 a2 a3 = 0
Un cálculo semejante demuestra que
(~a × ~b) · ~b = 0
Por lo tanto ~a × ~b es ortogonal a ~a y ~b.

Si ~a y ~b estan representados por segmentos de recta dirigidos con el
mismo punto inicial, como en la figura:
Entonces el teorema anterior nos dice que el producto cruz ~a × ~b

apunta en una dirección perpendicular al plano que pasa por ~a y ~b. La
dirección de ~a × ~b esta dada por la regla de la mano derecha.
Teorema. Si θ es el ángulo entre ~a y ~b (de modo que 0 ≤ θ ≤ π),
entonces
|~a × ~b| = |~a||~b| sen θ.
Demostración. (Ejercicio).
Corolario. Dos vectores no nulos ~a y ~b son paralelos si y sólo si

|~a × ~b| = 0Demostración. (Ejercicio).
La interpretación geométrica de que |~a × ~b| = |~a||~b| sen θ, se puede
observar en la siguiente figura:
Si ~a y ~b están representados por segmentos de recta dirigidos y con el

mismo origen, entonces determinan un paralelogramo con base |~a|,
altura |~b| sen θ, y área:
A = |~a|(|~b| sen θ) = |~a × ~b|

Ejemplo. Halle el área del triangulo con vértices P(1, 4, 6),
Q(−2, 5, −1) y R(1, −1, 1).
Solución.
−→
Los vectores que corresponden a los segmentos de recta dirigidos PQ
−→
y PR son: ~a = h−3, 1, −7i y ~b = h0, −5, −5i.

î ĵ k̂
~

~a×b = −3 1 −7 = (−5−35)î−(15)ĵ+15k̂ = −40î−15ĵ+15k̂

0 −5 −5
El área A del triangulo PQR es la mitad del área del paralelogramo

con lados adyacentes PQ y PR. Entonces:
√
1 1 5 82
q
~
A = |~a × b| = 2 2
(−40) + (−15) + (15) = 2
2 2 2
Se cumple que:
î × ĵ = k̂ ĵ × k̂ = î k̂ × î = ĵ
ĵ × î = −k̂ k̂ × ĵ = −î î × k̂ = −ĵ
Observemos que:
î × ĵ 6= ĵ × î
Notemos que no siempre se cumple:
(~a × ~b) × ~c = ~a × (~b × ~c)
un ejemplo de esto es:
î × (î × ĵ) = î × k̂ = −ĵ
(î × î) × ĵ = 0̂ × ĵ = ~0
Propiedades del producto vectorial
Sean ~a, ~b, ~c vectores y α un escalar real, entonces:

1 ~a × ~b = −~b × ~a
2 (α~a) × ~b = α(~a × ~b) = ~a × (α~b)
3 ~a × (~b × ~c) = (~a × ~b) + (~a × ~c)
4 (~a + ~b) × ~c = (~a × ~c) + (~b × ~c)
5 ~a · (~b × ~c) = (~a × ~b) · ~c
6 ~a × (~b × ~c) = (~a · ~b)~b − (~a · ~b)~c
Demostración. (de la propiedad 5)
~a · (~b ×~c) = a1 (b2 c3 − b3 c2 ) + a2 (b3 c1 − b1 c3 ) + a3 (b1 c2 − b2 c1 ) =
= a1 b2 c3 − a1 b3 c2 + a2 b3 c1 − a2 b1 c3 + a3 b1 c2 − a3 b2 c1 =
= (a2 b3 − a3 b2 )c1 − (a1 b3 − a3 b1 )c2 + (a1 b2 − a2 b1 )c3 =
= (~a × ~b) · ~c
El producto ~a · (~b × ~c) se llama producto escalar triple de los vectores
~a, ~b y ~c.
Notemos que el producto escalar triple se puede escribir como un

determinante:
a1 a2 a3
~a · (~b × ~c) = b1 b2 b3

c1 c2 c3
Si consideramos el paralelepı́pedo determinado por ~a, ~b y ~c:
El area del paralelogramo base es A = |~b × ~c|. Si θ es el ángulo entre

~a y ~b × ~c, entonces la altura h del paralelepı́pedo es
h = |~a|| cos θ|
π
Debemos usar | cos θ| en lugar de cos θ, en el caso θ > .
2
Por lo tanto, el volumen del paralelepı́pedo es
V = Ah = |~b × ~c||~a|| cos θ| = |~a · (~b × ~c)|

Ecuaciones de rectas y planos
Una recta del plano xy esta determinada cuando se dan un punto de la

recta y su dirección (su pendiente o angulo de inclinación). La
ecuación puede escribirse en la forma de punto pendiente.
Del mismo modo, una recta en L en un espacio tridimensional se

determina cuando conocemos un punto P0 (x0 , y0 , z0 ) de L y la
dirección de L. En tres dimensiones, la dirección de una recta se
puede describir como un vector ~v, de modo que ~v sea paralelo a L. Sea
P(x, y, z) un punto arbitrario en L y sea r0 y r los vectores de posición
−−→ −→
de P0 y P (es decir, tienen representaciones OP0 y OP), si ~a es el
−−→
vector con representación P0 P, como en la siguiente figura.
La regla del triángulo para la suma de vectores da
~r = ~r0 + ~a.
Pero, como ~a y ~v son vectores paralelos, existe un escalar t de manera
que ~a = t~v (recordemos que dos vectores ~a y ~v son paralelos si y sólo
si existe un escalar real t tal que ~a = t~v.)
Por tanto
~r = ~r0 + t~v (12)
a esta ecuación se le llama ecuación vectorial de la recta L.
Cada valor del parámetro t da el vector de posición ~r de un punto en la

recta L.
Si el vector ~v que da la dirección de la recta L se escribe en forma de
componente como
~v = ha, b, ci
entonces tenemos
t~v = hta, tb, tci.
También podemos escribir
~r = hx, y, zi y ~r0 = hx0 , y0 , z0 i,
de modo que la ecuación vectorial de la recta (12) se convierte en
hx, y, zi = hx0 + ta, y0 + tb, z0 + tci
Como dos vectores son iguales si y sólo si sus componentes son

iguales, se tienen las tres ecuaciones escalares:
x = x0 + at, y = y0 + bt, z = z0 + ct (13)
donde t ∈ R. Estas ecuaciones se llaman ecuaciones paramétricas de
la recta L que pasa por el punto P0 (x0 , y0 , z0 ) y es paralela al vector
~v = ha, b, ci. Cada valor del parámetro t da un punto (x, y, z) en L.
Ejemplo.
1 Encuentre la ecuación vectorial y las ecuaciones paramétricas
para la recta que pasa por el punto (5, 1, 3) y es paralela al vector
î + 4ĵ − 2k̂
2 Encuentre otros puntos de la recta.
Solución.
1 Aquı́ r0 = h5, 1, 3i = 5î + ĵ + 3k̂ y ~v = î + 4ĵ − 2k̂. De
modo que la ecuacón vectorial de la recta es:
hx, y, zi = h5, 1, 3i + th1, 4, −2i
Para encontrar las ecuaciones paramétricas realizamos las

operaciones, y obtenemos:
hx, y, zi = h5 + t, 1 + 4t, 3 − 2ti.
Por lo que las ecuaciones paramétricas son:
x = 5 + t, y = 1 + 4t, z = 3 − 2t
2 La selección del valor del parámetro t = 1 da x = 6, y = 5,

z = 1, de modo que (6, 5, 1) es un punto de la recta.
Análogamente, t = −1 da el punto (4, −3, 5).

la ecuación vectorial y las ecuaciones paramétricas no son únicas. Si
cambiamos el punto o el paramétro, o escogemos un vector paralelo
diferente, entonces las ecuaciones cambian. por ejemplo, si en lugar
de (5, 1, 3) escogemos el punto (6, 5, 1) en el ejemplo anterior,
entonces las ecuaciones paramétricas de la recta se convierte en:
x = 6 + t, y = 5 + 4t, Z = 1 − 2t.
O bien, si nos quedamos con el punto (5, 1, 3), pero escogemos, el
vector paralelo ~v = h2, 8, −4i, llegamos a las ecuaciones:
x = 5 + 2t, y = 1 + 8t, z = 3 − 4t.

Ejercicios. Encuentre una ecuación vectorial y ecuaciones
paramétricas para la recta
1 Que pasa por el punto (1, 0, 3) y es paralela al vector 2î − 4ĵ + 5k̂
2 Que pasa por el punto (−2, 4, 10) y es paralela al vector
h3, 1, −8i.
En general, si un vector ~v = ha, b, ci se utiliza para describir la

dirección de una recta L, entonces los números a, b y c se llaman
números directores de L. Como cualquier vector paralelo a ~v podrı́a
usarse también, vemos que tres números cualesquiera proporcionales
a: a, b y c también pueden usarse como un conjunto de números
directores para L.
Otra forma de describir una recta L es eliminar el paramétro t de las
ecuaciones de L. Ninguno de los números a, b o c es 0, podemos
despejar t de cada una de las ecuaciones paramétricas, igualar los
resultados y obtener
x − x0 y − y0 z − z0
= = .
a b c
Estas ecuaciones se llaman ecuaciones simétricas de L. Note que los
números a, b y c que aparecen en los denominadores de las
ecuaciones se conocen como números directores de L, es decir,
componentes de un vector paralelo a L.
Si a, b o c es 0, todavia podemos eliminar t. Por ejemplo, si a = 0,
escribimos las ecuaciones de L como
y − y0 z − z0
x = x0 ; = .
b c
esto significa que L se encuentra en el plano vertical x = x0 .
Ejemplo.
1 Halle las ecuaciones paramétricas y las ecuaciones simétricas de
la recta que pasa por los puntos A(2, 4, −3) y B(3, −1, 1).
Solución. Explı́citamente no dan ahora un vector paralelo a la recta,
−
→
pero observamos que el vector ~v con representación AB es paralelo a
la recta, por lo que
~v = B − A = h3 − 2, −1 − 4, 1 − (−3)i = h1, −5, 4i
Entonces los números directores son a = 1, b = −5 y c = 4.
Tomando el punto (2, 4, 3) como P0 , vemos que las ecuaciones

paramétricas son:
x = 2 + t, y = 4 − 5t, z = −3 + 4t
y las ecuaciones simétrica son

x−2 y−4 z+3
= =
1 −5 4
En general, el procedimiento del ejemplo anterior muestra que los
números directores de la recta L, que pasa por los puntos P0 (x0 , y0 , z0 )
y P1 (x1 , y1 , z1 ) son
a = x1 − x0 , b = y1 − y0 , c = z1 − z0
por lo tanto las ecuaciones simétricas de L son:

x − x0 y − y0 z − z0
= =
x1 − x0 y1 − y0 z1 − z0
Ejemplo. Pruebe que las rectas L1 y L2 con ecuaciones paramétricas:
x = 1 + t, y = −2 + 3t, z=4−t
x = 2s, y = 3 + s, z = −3 + 4s
no se cortan y no son paralelas (las rectas que no se cortan y no son
paralelas se llaman oblicuas).
Solución. Las rectas no son paralelas porque los vectores

correspondientes h1, 3, −1i y h no son paralelos (ninguno es múltiplo
del otro).
Por otro lado, si L1 y L2 tuvieran un punto de intersección, habrı́a

valores de t y s tales que
1 + t = 2s, −2 + 3t = 3 + s, 4 − t = −3 + 4s
Resolviendo las primeras dos ecuaciones
1 + t = 2s 1 + t = 2s 1 + t = 2s
⇐⇒ ⇐⇒
−2 + 3t = 3 + s −5 + 3t = s −10 + 6t = 2s
11
⇐⇒ 11 − 5t = 0 ⇐⇒ t =
5
y entonces sustituyendo el valor de t en la primera ecuación
11 16 8
1+ = 2s ⇐⇒ = 2s ⇐⇒ s =
5 5 5
11 8
Pero estos valores, t = y s = no satisfacen la tercera ecuación,
5 5
pues:
11 8 9 17
4− = −3 + 4 ⇐⇒ =
5 5 5 5
lo cual no puede ser. Por lo tanto no existen valores de t y s que
satisfagan las tres ecuaciones. En consecuencia, L1 y L2 no se cortan.
Planos
Aún cuando una recta en el espacio está determinada por un punto y

una dirección, un plano en el espacio es más dificil de describir. Un
vector paralelo a un plano no es suficiente para indicar la “dirección”
del plano, pero un vector perpendicular al plano indica completamente
su dirección. Entonces, un plano en el espacio está determinado por
un punto P0 (x0 , y0 , z0 ) del plano y un vector ~n que es ortogonal al
plano. Este vector ortogonal ~n se llama vector normal.
Sea P(x, y, z) punto arbitrario del plano, y sean ~r y ~r0 los vectores de
posición de P y P0 . Entonces el vector ~r − ~r0 esta representado por
−−→
P0 P.
El vector normal ~n es ortogonal a todo vector del plano dado. En

particular, ~n es ortogonal a ~r − ~r0 y, por tanto, tenemos:
~n · (~r − ~r0 ) = 0
que se puede escribir también como: ~n · ~r = ~n · ~r0
Cualquiera de las dos ecuaciones anteriores se llama ecuación

vectorial del plano.
Para obener una ecuación escalar para el plano, escribimos
~n = ha, b, ci, ~r = hx, y, zi, ~r0 = hx0 , y0 , z0 i.
Luego la ecuación del plano se convierte en
ha, b, ci · hx − x0 , y − y0 , z − z0 i = 0
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0 (14)

Esta ecuacion se llama ecuación escalar del plano que pasa por
P0 (x0 , y0 , z0 ) con vector normal ~n = ha, b, ci.
Ejemplo. Encuentre una ecuación del plano que pasa por el punto
(2, 4, −1) con vector normal ~n = h2, 3, 4i. Encuentre los puntos de
intersección con los ejes x, y, z y trace el plano.
Solución. Se tiene que ~n = h2, 3, 4i y P0 (2, 4, −1), por lo que a = 2,

b = 3, c = 4, x0 = 2, y0 = 4, z0 = −1, entonces una ecuacion del
plano es:
2(x − 2) + 3(y − 4) + 4(z + 1) = 0
2x − 4 + 3y − 12 + 4z + 4 = 0
2x + 3y + 4z − 12 = 0
2x + 3y + 4z = 12 (15)
Para hallar el punto de intersección con el eje x hacemos y = z = 0 en
la ecuación (15) y obtenemos x = 6. Análogamente, la intersección en
el eje y es 4, y en el eje z es 3. Esto permite trazar la parte del plano
que esta en el primer octante.
Si agrupamos términos semejantes en la ecuación (14), como hicimos
en el ejemplo anterior, podemos escribir la ecuación de un plano como
ax + by + cz + d = 0 (16)
donde d = −ax0 − by0 − cz0 .
La ecuación (16) se llama ecuación lineal en x, y, y z. Por el contrario,

se puede probar que si a, b y c no son todas 0, entonces la ecuación
lineal (16) representa un plano con vector normal ha, b, ci.
Ejemplo. Encuentre una ecuación del plano que pasa por los puntos
P(1, 3, 2), Q(3, −1, 6) y R(5, 2, 0).
−→ − →
Solución. Los vectores ~a y ~b correspondientes a PQ y PR son
~a = h2, −4, 4i y ~b = h4, −1, −2i.
Como ~a y ~b están en el plano, su producto cruz ~a × ~b es ortogonal al

plano y se puede tomar como vector normal. Ası́,

i j k
~n = ~a × ~b = 2 −4 4 = 12i + 20j + 14k

4 −1 −2
y una ecuación del plano es
12(x − 1) + 20(y − 3) + 14(z − 2) = 0
o
6x + 10y + 7z = 50.
Ejemplo. Halle el punto en el que la recta, con ecuaciones
paramétricas
x = 2 + 3t, y = −4t, z=5+t
corta al plano
4x + 5y − 2z = 18
Solución. Sustituimos las expresiones para x, y, z de las ecuaciones
paramétricas en la ecuación del plano:
4(2 + 3t) + 5(−4t) − 2(5 + t) = 18
Esto se simplifica a
10 − t = 20 ⇐⇒ t = −2.
Por tanto, el punto de intersección corresponde al valor del parametro
t = −2. Entonces
x = 2 + 3(−2) = −4, y = −4(−2) = 8, z=5−2=3
y, por ende, el punto de intersección es (−4, 8, 3).
Definición. Dos vectores son paralelos si sus vectores normales son

paralelos.
Si dos planos no son paralelos, entonces se cortan en una recta y el
ángulo entre los dos planos se define como el ángulo agudo entre sus
vectores normales
Ejemplo.
1 Encuentre el ángulo entre los planos
x+y+z=1
x − 2y + 3z = 1
2 Encuentre ecuaciones simétricas para la recta de interseccı́on L
de estos dos planos
Solución.
(1) Los vectores normales de estos dos planos son
~n1 = h1, 1, 1i ~n2 = h1, −2, 3i
y ası́, si θ es el ángulo entre los planos,
h1, 1, 1i · h1, −2, 3i

cos θ = p p =
(1)2 + (1)2 + (1)2 (1)2 + (−2)2 + (3)2
2
=√ √
3 14
Por lo que
−1 2
θ = cos √ √ = 72◦
3 14
(2) Primero necesitamos hallar un punto de L. Por ejemplo, si
hacemos z = 0 en ambas ecuaciones de los planos, encontramos las
ecuaciones
x + y = 1, y x − 2y = 1
cuya solución es x = 1, y = 0. Por lo tanto el punto (1, 0, 0) cumple
ambas ecuaciones de los planos y se encuentra en L.
Ahora, observamos que, , como L se encuentra en ambos planos, es
perpendicular a ambos vectores normales. En consecuencia, un vector
~v paralelo a L está dado por el producto cruz

i j k

~v = ~n1 × ~n2 = 1 1 1 = 5i − 2j − 3k
1 −2 3
y ası́, las ecuaciones simétricas de L se escriben como

x−1 y z
= =
5 −2 −3
Unidad I
Introducción a Espacios
Vectoriales y Transformaciones
Lineales
Definición y propiedades basicas
Definición. Un espacio vectorial real V es un conjunto de objetos,

denominados vectores, junto con dos operaciones binarias llamadas
suma y multiplicación por un escalar y que seatisfacen los 10 axiomas
siguientes:
Si ~x, ~y ∈ V, entonces ~x + ~y ∈ V (cerradura bajo la suma).
Para todo ~x,~y y ~z ∈ V:
(~x +~y) +~z = ~x + (~y +~z) (ley asociativa de la suma de vectores)

Existe un vector ~0 ∈ V tal que para todo x ∈ V:
~x + ~0 = ~0 + ~x = 0 (el ~0 se llama vector cero).

Si ~x ∈ V, existe un vector −~x ∈ V tal que:
~x + (−~x) = 0 ( −~x se llama inverso aditivo de ~x ).

Si ~x y ~y ∈ V, entonces:
~x + ~y = ~y + ~x (ley conmutativa de la suma de vectores)

Si ~x ∈ V y α es un escalar, entonces α~x ∈ V.
Si ~x y ~y ∈ V y α es un escalar, entonces α(~x + ~y) = α~x + α~y.
Si ~x ∈ V y α y β son escalare, entonces (α + β)~x = α~x + β~x.
Si ~x ∈ V y α y β son escalare, entonces α(β~x) = (αβ)~x.
Para cada vector ~x ∈ V, 1~x = ~x
  

 x1 

x2

  

n
Ejemplo. Sea V = R =   : xj ∈ R para i = 1, 2, . . . , n
 
..



 .  


xn
 
Cada vector en Rn es una matriz de n × 1, por la suma de matrices

~x + ~y es una matriz de n × 1 si ~x y ~y son matrices de n × 1. Haciendo
   
0 −x1
 0   −x2 
~0 = 
 .. ,

y − ~x = 

..


 .   . 
0 −xn
y considerando la multiplicación de una matriz de n × 1 por un escalar
real, se observa que Rn cumple los axiomas de espacio vectorial.
Ejemplo. Espacio vectorial trivial. Sea V = {0}. Es decir V consiste
sólo en el número 0. Como
0 + 0 = 1 · 0 = 0 + (0 + 0) = (0 + 0) + 0 = 0
se ve que V es un espacio vectorial. Con frecuencia se le otorga el

nombre de espacio vectorial trivial.
Ejemplo. (Un conjunto que no es espacio vectorial). Sea V = {1}. Es

decir, V consiste únicamente del número 1. Éste no es un espacio
vectorial ya que viola el axioma de cerradura de suma de vectores,
pues 1 + 1 = 2 ∈ / V. tambien viola otros axiomas, sin embargo, con
tan sólo demostrar que viola al menos 1 de los 10 axiomas queda
probado que V no es un espacio vectorial.
Se hace la observación de que verificar los 10 axiomas puede resultar
laborioso. La prueba de los siguientes ejemplos se deja como
ejercicio.
Ejemplo. El conjunto de puntos en R2 que se encuentran en una recta

que pasa por el origen constituye un espacio vectorial:
V = {(x, y) : y = mx, donde m es un número real fijo y x un número

real arbitrario}
Ejemplo. (Conjunto que no es un espacio vectorial). El conjunto de

puntos en R2 que se encuentran sobre una recta que no pasa por el
origen no es un espacio vectorial, por ejemplo:
V = {(x, y) : y = 2x + 1, x ∈ R}, no es espacio vectorial, pues el

(0, 0) no se encuentra en V.
Ejemplo. El conjunto de puntos en R3 que se encuentran en un plano
que pasa por el origen constituye un espacio vectorial. Es decir:
V = {(x, y, z) : ax + by + cz = 0}
es espacio vectorial.
Ejemplo. Si V = Pn es el conjunto de polinomios con coeficientes

reales de grado menor o igual a n, con la suma de polinomios y la
multiplicación de un polinomio por un número real como se definen
usualmente, entonces V es espacio vectorial.
Ejemplo. sea V = C [0, 1] el conjunto de funciones continuas de

valores reales definidas en el intervalo [0, 1]. Se define
(f + g)(x) = f (x) + g(x) y (αf )(x) = α [f (x)]

V con estas operaciones es espacio vectorial.
Ejemplo. Si V = Mmn denota el conjunto de matrices de m × n con
componentes reales, entonces con la suma de matrices y
multiplicación por un escalar usuales, se puede verificar que Mmn es
un espacio vectorial cuyo neutro aditivo es la matriz de ceros de
dimensión m × n.
Subespacios vectoriales
Definición. Se dice que H es un subespacio vectorial de V si H es un

subconjunto no vacio de V, y H es un espacio vectorial, con las
operaciones de suma entre vectores y multiplicación por un escalar
definidas para V.
Teorema. . Un subconjunto no vacio H de un espacio vectorial de V
es un subespacio de V si se cumplen las dos reglas de cerradura:
1 Si ~x ∈ H y ~y ∈ H, entonces ~x + ~y ∈ H.
2 Si ~x ∈ H, entonces α~x ∈ H para todo escalar α.
Demostración. (ejercicio).
Ejemplo. Para cualquier espacio vectorial V, el subconjunto {0} que
consiste en el vector cero es un subespacio de V, ya que 0 + 0 = 0 y
α0 = 0 para todo número real α. Este subespacio se denomina
subespacio trivial.
Ejemplo. Para cualquier espacio vectorial V, el subconjunto {0} que
consiste en el vector cero es un subespacio de V, ya que 0 + 0 = 0 y
α0 = 0 para todo número real α. Este subespacio se denomina
subespacio trivial.
Ejemplo. Un espacio vectorial es un subespacio en si mismo.
Definición. Los subespacios distintos a {0} y V se denominan

subespacios propios.
Ejemplo. Sea V = {(x, y) : y = mx}, entonces V es subespacio

vectorial de V.
Ejemplo. Sea V = {(x, y, z) : x = at, y = bt z = ct; a, b, c, t reales},

entonces V es subespacio vectorial de R3 .
Combinación lineal y espacio generado
Definición. Sean ~v1 ,~v2 , . . . ,~vn vectores en un espacio vectorial V.

Entonces cualquier vector de la forma
a1~v1 + a2~v2 + · · · + an~vn
donde a1 , a2 , . . . , an son escalares se denomina una combinación

lineal de ~v1 ,~v2 , · · · ,~vn .
   
−7 −1
Ejemplo. En R3 ,  7  es una combinación lineal de  2  y
7 4
       
5 −7 −1 5
 −3  ya que  7  = 2  2  − 1  −3 
1 7 4 1
Definición. se dice que los vectores ~v1 ,~v2 , . . . ,~vn de un espacio
vectorial generan a V si todo vector en V se puede escribir como una
combinación lineal de los mismos. es decir, para todo ~v ∈ V existen
escalares a1 , a2 , . . . , an tales que
~v = a1~v1 + a2~v2 + · · · + an~vn
Ejemplo. conjunto de vectores que generan a R2 y R3 . Losvectores


1
1 0
î = y ĵ = generan R2 . Los vectores î =  0 ,
0 1
0
   
0 0
ĵ =  1  y k̂ =  0  generan R3 .
0 1
Ejemplo. Los monomios 1, x, x2 , . . . , xn generan Pn .
Ejemplo. Como

a b 1 0 0 1 0 0 0 0
=a +b +c +d ,
c d 0 0 0 0 1 0 0 1

1 0 0 1 0 0 0 0
vemos que , , y
0 0 0 0 1 0 0 1
generan a M22
Definición. Sea ~v1 ,~v2 , . . . ,~vk , k vectores de un espacio vectorial V. El
espacio generado por {~v1 ,~v2 , . . . ,~vk } es el conjunto de
combinaciones lineales de ~v1 ,~v2 , . . . ,~vk . Es decir
gen {~v1 ,~v2 , . . . ,~vk } = {~v : ~v = a1~v1 + a2~v2 + · · · + ak~vk }
donde a1 , a2 , . . . , ak son escalares arbitrarios.

Vectores linealmente dependientes e independientes
Definición. Sean ~v1 ,~v2 , . . . ,~vn , n vectores en un espacio vectorial V.

Entonces se dice que los vectores son linealmente dependientes si
existen n escalares, c1 , c2 , . . . , cn no todos cero tales que
c1~v1 + c2~v2 + · · · + cn~vn = 0

Si los vectores no son linealmente dependientes, se dice que son
linealmente independientes.
Ejemplo. Determine si el conjunto de vectores es linealmente
independiente o linealmente dependiente:
{ (1, −2, 3), (2, −2, 0), (0, 1, 7) }

Solución.
Los vectores son linealmente dependientes si existen a, b, c números
reales no todos cero tal que
a(1, −2, 3) + b(2, −2, 0) + c(0, 1, 7) = (0, 0, 0).
a + 2b = 0
(a+2b, −2a−2b+c, 3a+7c) = (0, 0, 0) ⇐⇒ −2a − 2b + c = 0
3a + 7c = 0
De este modo, los vectores serán linealmente dependientes si y sólo si
este sistema tiene soluciones no triviales, reduciendo por renglones, la
forma escalonada reducud por renglones de
 
1 2 0 0
 −2 −2 1 0 
3 0 7 0
es  
1 0 0 0
 0 1 0 0 
0 0 1 0
por lo tanto, el sistema tiene solución única: a = 0, b = 0, c = 0. Por
lo que el sistema no tiene soluciones no triviales y los vectores dados
son linealmente independientes.
Ejemplo. Determine si el conjunto de vectores es linealmente
independiente o linealmente dependiente:
{ (1, −3, 0), (3, 0, 4), (11, −6, 12) }

Solución.
Los vectores son linealmente dependientes si existen a, b, c números
reales no todos cero tal que
a(1, −3, 0) + b(3, 0, 4) + c(11, −6, 12) = (0, 0, 0).
a + 3b + 11c = 0
(a+3b+11c, −3a−6c, 4b+12c) = (0, 0, 0) ⇐⇒ −3a − 6c = 0
4b + 12c = 0
De este modo, los vectores serán linealmente dependientes si y sólo si
este sistema tiene soluciones no triviales, reduciendo por renglones
   
1 3 11 0 1 0 2 0
 −3 0 −6 0  es  0 1 3 0 
0 4 12 0 0 0 0 0
por lo tanto, el sistema tiene una infinidad de soluciones dada por:
a + 2c = 0
a + 3c = 0
Considerando c = 1, se tiene b = −3 y a = −2, de manera que, como
puede verificarse,
−2(1, −3, 0) − 3(3, 0, 4) + 1(11, −6, 12) = (0, 0, 0)
y se cumple que los vectores son linealmente dependientes.

Ejemplo. En P3 determine si los polimonios 1, x, x2 y x4 son
linealmente dependientes o independientes.
Suponga que a + bx + cx2 + dx3 = 0. Esto debe cumplirse para todo

número real x. En particular si x = 0, se obtiene c1 = 0. Entonces,
haiendo x = 1, −1, 2 se obtiene, sucesivamente
b+c+d =0
−b + c − d = 0
2b + 4c + 8d = 0
El determinante de este sistema homogéneo es:

1 1 1

−1 1 −1 = 12 6= 0

2 4 8
En P2 determine si los polimonios x − 2x2 , x2 − 4x y −7x + 8x2 son
linealmente dependientes o independientes.
Solución.
Sea c1 (x − 2x2 ) + c2 (x2 − 4x) + c3 (−7x + 8x2 ) = 0. Reacomodando

los terminos se obtiene
(c1 − 4c2 − 7c3 )x + (−2c1 + c2 + 8c3 )x2 = 0
Esta ecuación se cumple para todo x si y sólo si
c1 − 4c2 − 7c3 = 0
−2c1 + c2 + 8c3 = 0
si resolvemos este sistema homogéneo, se obtiene, sucesivamente

1 −4 −7 0 R2 →R2 +2R1 1 −4 −7 0
−− −−−−−→
−2 1 8 0 0 −7 −6 0

1 −4 −7 0
  −25 
1
R2 → −7 R2 1 0 0
−−−−−−→ 
 R1 →R1 +4R2  7
 −−−−−−−→ 
 
6 6

0 1 0 0 1 0
7 7
De donde se tienen las ecuaciones:
25 6
1c1 = c3 y c2 = − c3
7 7
Por lo tanto, considerando c3 = 7, entonces, c1 = 25, c2 = −6 y se
tiene
25(x − 2x2 ) − 6(x2 − 4x) + 7(−7x + 8x2 ) = 0
Teorema. Un conjunto de n vectores en Rm es siempre linealmente
dependiente si n > m.
Teorema. Un conjunto de vectores linealmente independientes en Rn

contiene a lo más n vectores.
Teorema. Sea
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A=
 
.. .. .. 
 . . . 
am1 am2 . . . amn
entonces las columnas de A consideradas como vectores son
linealmente dependientes si y sólosi el sistema
 A~c = ~0, tiene
c1
 c2 
soluciones no triviales. Aquı́ ~c =  . 
 
 .. 
cn
Bases y dimensión
Definición. Un conjunto finito de vectores {~v1 ,~v2 , . . . ,~vn } es una

base para un espacio vectorial V si
1 {~v1 ,~v2 , . . . ,~vn } es linealmente independiente.
2 {~v1 ,~v2 , . . . ,~vn } genera a V.
Ejemplo. En Rn se define
       
1 0 0 0

 0 


 1 


 0 


 0 

~e1 = 
 0  , ~e2 = 
  0  , ~e3 = 
  1  , . . . ,~en = 
  0 

 ..   ..   ..   .. 
 .   .   .   . 
0 0 0 1
Puesto que los vectores ~ei son las columnas de una matriz identidad
(que tiene determinante 1), {~e1 ,~e2 , . . . ,~en } es un conjunto
linealmente independiente y, por tanto, constituye una base en Rn .
Esta base se denomina base canonica en Rn .
Ejemplo. Los polinomios 1, x, x2 , x3 son linealmente independientes
en P3 y generan a P3 , pues cualquier polinomio de P3 es de la forma
a + bx + cx2 + dx3
Por lo tanto {1, x, x2 , x3 } es una base para P3 .

Ejemplo. Encuentre una base para
  
 x 
π =  y  : 2x − y + 3z = 0
z
 
Solución. Para encontrar

 unabase se observa que si x y z se escogen
 x
arbitrariamente y si  y  ∈ π , entonces
z

         
x x 0 1 0
 2x + 3z  =  2x  +  3z  = x  2  + z  3 
z 0 z 0 1
   
1 0
lo cual muestra que  2  y  3  generan a π. Como estos
0 1
vectores son linealmente independientes, porque uno no es múltiplo
del otro), forman una base para π.
Teorema. Cualesquiera dos bases en un espacio vectorial V tienen el
mismo número de vectores.
Definición. Si el espacio vectorial V tiene una base con un número

finito de elementos, entonces la dimensión de V es el número de
vectores en todas las bases y V se denomina espacio vectorial de
dimensión finita. De otra manera V se denomina espacio vectorial de
dimensión infinita.La dimensión de V se denota por dim V.
Ejemplo. dim Rn = n
Ejemplo. dim P3 = 4
Transformaciones lineales
Definición. Sean V y W espacios vectoriales reales. Una

transformación lineal de V en W es una función que asigna a cada
vector ~v ∈ V un único T(~v) ∈ W y que satisface, para cada ~u y ~v en V
y cada escalar α,
1 T(~u + ~v) = T(~u) + T(~v)
2 T(α~v) = αT(~v)
 
x+y
x
Ejemplo. Sea T : R2 → R3 definida por T = x−y 
y
3y
Solución.

x1 x2 x1 + x2
T + = T =
y1 y2 y1 + y2
     
x1 + x2 + y1 + y2 x1 + y1 x2 + y2
=  x1 + x2 − y1 − y2  =  x1 − y1  +  x2 − y2  =
3y1 + 3y2 3y1 3y2

x1 x2
= T +T
y1 y2
Sea α ∈ R, entonces:
 
αx + αy
x αx
T α =T =  αx − αy  =
y αy
3αy
 
x+y
x
= α  x − y  = αT
y
3y
Ası́, T es una transformación lineal.

x −x
Ejemplo. Sea T : R2 → R3 definida por T =
y y
Solución.

x1 x2 x1 + x2
T + = T =
y1 y2 y1 + y2

−x1 − x2 −x1 −x2
= = + =
y1 + y2 y1 y2

x1 x2
= T +T
y1 y2
Sea α ∈ R, entonces:

x αx −αx
T α =T = =
y αy αy

−x x
=α = αT
y y
Ası́, T es una transformación lineal.

Fundamentos de Álgebra

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fundamentos de Álgebra

Cargado por

Copyright:

Formatos disponibles

Fundamentos de Álgebra

Vega Ramı́rez Guillermo

Escuela Superior de Ingenierı́a, Mecánica y Eléctrica-Zacatenco

2 Sistemas de Ecuaciones Lineales

5 Introducción a Espacios Vectoriales y Transformaciones Lineales

Existen diversos conjuntos de números como:

Números naturales: N = {1, 2, 3, 4, 5, 6, . . . }, este tipo de

Enteros negativos y el cero: −1, −2, −3, . . . y el 0

Números enteros: Z = {. . . , −3, −2, −1, 0, 1, 2, 3, . . . }. Se

Números racinales: Q = { pq : p, q números enteros, con q 6= 0}.

Números irracionales: Se denotan por I, estos números

Números reales: Son la unión de los racionales con los

Además, queremos que se puedan considerar a los números reales

El conjunto de números complejos cumplirá que, dada una ecuación

Definición: Los números complejos se pueden definir como pares

Suma: (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )

Multiplicación: (x1 , y1 )(x2 , y2 ) = (x1 x2 − y1 y2 , y1 x2 + x1 y2 )

Que satisfacen las propiedades algebraicas (propiedades de campo) de

Si z1 = (x1 , y1 ), z2 = (x2 , y2 ) y z3 = (x3 , y3 ) ∈ C:

Existe un número (0, 0) que cumple: z1 + (0, 0) = z1

Si z = (x, y), el número −z = (−x, −y) cumple que:

(z1 z2 )z3 = z1 (z2 z3 )

Existe un número (1, 0) que cumple: z1 (1, 0) = z1

Si z = (x, y) 6= 0, existe un único número complejo denotado por

Los números complejos de la forma (0, y), correspondientes a puntos

(x1 , 0) + (x2 , 0) = (x1 + x2 , 0)

(x1 , 0)(x2 , 0) = (x1 x2 , 0).

Como el sistema de los números complejos también contiene a los

(x, 0) + (0, y) = (x, y)

(0, 1)(y, 0) = (0, y)

(x, y) = (x, 0) + (0, 1)(y, 0)

Si se piensa (x, 0) y (y, 0) como números reales y se denota a (0, 1)

Notemos que el número i cumple la ecuación: z2 + 1 = 0.

(x1 + iy1 )(x2 + iy2 ) = x1 x2 + iy1 x2 + ix1 y2 + i2 y1 y2

Definición:La división por un número complejo se define ası́:

Diversas reglas de la suma y multiplicación de los números complejos

(2 + 2i)(2 − 2i) = 4 − 4i + 4i − 4i2 = 4 + 4 = 8

(1 + i)4 = (1 + i)2 (1 + i)2 = (1 + 2i + i2 )(1 + 2i + i2 ) =

El proceso de sumar el número complejo z = x1 + iy1 al número

Si z = x + iy es un número complejo, llamaremos conjugado del

z1 + z2 = z¯1 + z¯2 z = z̄ si y sólo si z ∈ R

El ángulo entre el eje x y el vector que determina a z, lo denotaremos

Nota: También se podria considerar que θ ∈ (−π, π]

cos(θ) = cos(θ + 2πk), k ∈ Z

sen(θ) = sen(θ + 2πk)

Entonces al número z = (a, b) le corresponde los ángulo θ + 2πk,

Cualquier elección particular, tomada anticipadamente, se llama la

Consideraremos el intervalo [0, 2π), en donde para cada z 6= 0

|z1 z2 | = |z1 ||z2 | |z1 + z2 | ≤ |z1 | + |z2 |

Nota: |zn | = |z|n

∴ z = rcosθ + isenθ (Fomar polar)

Se acostumbra denotarlo como:

Halle la forma polar de z = −2 − i

Es conveniente expresar a cos(θ) + i sen(θ) como eiθ ; es decir:

eiθ = cos(θ) + i sen(θ) (Fórmula de Euler)

Si z = r(cos θ + i sen θ) entonces z se puede expresar como:

z = reiθ (Forma exponencial)

Las fórmulas para la multiplicación y división tomarı́an la forma:

Forma exponencial: z = 5 e(π/4)i

z2 = r2 (cosθ2 + isenθ2 ) = r2 cis θ2

z1 · z2 = r1 · r2 cis (θ1 + θ2 ) = r1 · r2 [cos(θ1 + θ2 ) + isen(θ1 + θ2 )]

z1 · z2 = (r1 cis θ1 )(r2 cis θ2 )

z21 = r12 cis 2θ

• Si z1 = r1 [cosθ1 + isenθ1 ] y z2 = r2 [cosθ2 + isenθ2 ], se cumple: