Clase 01-22 Merged

Sistema de Ecuaciones Lineales
Hernán Aules Centeno
Quito, Octubre del 2022

1
Clase 01-22
0.0.1. Sistemas de Ecuaciones Lineales
Sistema de Ecuaciones Lineales Homogéneos
8
>
> (1) : a1 x1 + a2 x2 + a3 x3 + ::: + an xn = 0
>
>
<
(2) : b1 x1 + b2 x2 + b3 x3 + ::: + bn xn = 0
>
>
>
>
:
(3) : c1 x1 + c2 x2 + c3 x3 + ::: + cn xn = 0
Nota
Una de las soluciones, puede ser la Solución Trivial (0; 0; 0; 0; :::; 0)
Un sistema de ecuaciones lineales homogéneas se tiene cuando todas las ecuaciones están igualadas a cero
Sistemas de Ecuaciones Lineales No Homogéneos
8
>
> (1) : a1 x1 + a2 x2 + a3 x3 + ::: + an xn = r
>
>
<
(2) : b1 x1 + b2 x2 + b3 x3 + ::: + bn xn = s
>
>
>
>
:
(3) : c1 x1 + c2 x2 + c3 x3 + ::: + cn xn = t
Son sistemas lineales no homogéneos cuando se igualan a valores distintos de cero
0.0.2. Métodos Fundamentales

1. Igualación
2. Sustitución
3. Suma y Resta
4. Determinantes
5. Matrices
6. Eliminación gaussiana
Consideraciones para los Sistemas Lineales
1. Sistemas compatibles que tienen solución única o in…nitas soluciones
2. Sistemas incompatibles que no tienen solución.( es posible que al realizar operaciones algebraicas puede cambiarse
a sistemas con in…nitas soluciones, o solución única o de…nitivamente que no tenga solución)
0.0.3. Solución de una Ecuación Lineal
En la solución de una ecuación lineal se presenta los siguientes casos
1er Caso
a2 a3 an b
En la ecuación lineal a1 x1 + a2 x2 + + an xn = b; si a1 6= 0 ) x1 = x2 x3 xn + al asignar
a1 a1 a1 a1
los valores a x2 ; x3 ; : : : ; xn se obtiene un valor para x1 , es decir que una sola ecuación con dos o más incógnitas
tiene in…nita soluciones.
2
2do Caso
Si ai = 0; 8i y b 6= 0, entonces la ecuación a1 x1 + a2 x2 + + an xn = b no tiene solución.
3er Caso
Si ai = 0; 8i y b = 0, entonces la ecuación a1 x1 + a2 x2 + + an xn = b todo vector es solución.
Observaciones
Se considera los siguientes sistemas de ecuaciones lineales
1. Si el sistema lineal tiene menos ecuaciones, y más incognitas (generan sistemas compatibles, consistente con
in…nitas soluciones)
8
< (1) : 3x + 4y 5z = 3; (x; y; z; :::; 3?)
:
(2) : x + 2y 2z = 5; (x; y; z; :::; 3?)
2. Si el sistema lineal tiene igual número de ecuaciones que incógnitas, por lo tanto este sistema es posible que
tenga solución única y que sea consistente y compatible
8
>
> (1) : 3x + 4y 5z = 3
>
>
<
(2) : x + 2y 2z = 5
>
>
>
>
:
(3) : 3x 2y + 5z = 1
3. Si el sistema lineal tiene más ecuaciones que incógnitas, por lo tanto el sistema tiene la posibilidad de no tener
soluciones, es decir que es inconsistente e incompatible
8
>
> (1) : 3x + 4y = 3
>
>
<
(2) : x + 2y = 5
>
>
>
>
:
(3) : 3x 2y = 1
Método de Igualación
Ejemplo
Resolución de un sistema lineal por el método de Igualación
8
< (1) : 3x + y = 4
:
(2) : 6x + 2y = 8
de la ecuación (1) despejo la variable x
4 y
3x + y = 4; 3x = 4 y; x= (4)
3
de la ecuación (2) también se despeja la variable x
8 2y
6x + 2y = 8; 6x = 8 2y; x= (5)
6
Igualando las ecuaciones (4) y (5) (Propiedad transitiva de la igualdad de los números Reales a = b ^ b = c ) a = c
)
3
4 y 8 2y
= ; 6 (4 y) = 3 (8 2y)
3 6
24 6y = 24 6y
0 = 24 6y 24 + 6y
0=0
El sistema es compatible....el sistema no tiene solución única... pero si es un sistema compatible con in…nitas
soluciones y además es linealmente dependiente
8
< 2 (1) : 3x + y = 4
:
(2) : 6x + 2y = 8
3 1 4 1 1
donde = = = ; r=
6 2 8 2 2
"Se genera una razón de propocionalidad entre las ecuaciones "las dos rectas serán paralelas "in…nita soluciones"
1. Se debe eliminar las ecuaciones repetitivas proporcionales, consideramos la ecuación (1)
8
< (1) : 3x + y = 4
:
(2) : Se elimina una ecuación (2)
2. Se despeja cualquier variable
3x + y = 4
y=4 3x
entonces al buscar la solución, se tiene que
(x; y) = (x; 4 3x)
3. Parametrizamos la variable x
x = f (t); y = f (t)
xRy = f(x; y) = (t; 4 3t); x = t; t 2 Rg
Por ejemplo
t = 1; (x; y) = (t; 4 3t) = (1; 4 3 1) = (1; 1)
t = 2; (x; y) = (t; 4 3t) = (2; 4 3 2) = (2; 3)
t = 0; (x; y) = (t; 4 3t) = (0; 4 3 0) = (0; 0)
t= 1; (x; y) = (t; 4 3t) = ( 1; 4 3 ( 1)) = ( 1; 7)

..
.
4
Gra…cando el modelo paramétrico (t; 2t 1)
y
5
-5 -4 -3 -2 -1 1 2 3 4 5
x
-5
-10
(t; 2t 1)
Método de Sustitución
Ejemplo
Inicialmente se procede con el método de igualación entre las ecuaciones (1) y (2)
8
< (1) : 3x + y = 4
:
(2) : x + 3y = 5
de la ecuación (1) despejamos la variable x
4 y
3x + y = 4; 3x = 4 y; x = (4)
3
de la ecuación (2) despejamos la variable x
x + 3y = 5; x=5 3y; x = 5 + 3y (5)
igualando las ecuaciones (4) y (5)
4 y
= 5 + 3y
3
4 y = 3 ( 5 + 3y)
4 y= 15 + 9y
y 9y = 15 4
10y = 19
19
y= (6)
10
La ecuación (6) reemplazando en (1)

5
19
(1) : 3x + y = 4; 3x + =4
10
19
3x = 4
10
21
21 10 21
3x = ; x= 3 =
10 1
30
21 19 7 19
(x; y) = ; = ;
30 10 10 10
El sistema es compatible, consistente, tiene solucion única, es linealmente independiente
Ejemplo
8
>
> (1) : 3x + y = 4
>
>
<
(2) : 2x + 4y = 1
>
>
>
>
:
(3) : x y=5
Inicialmente, se utiliza el método de Igualación, de la ecuación (1) despejo la variable x
4 y
3x + y = 4; 3x = 4 y; x = (4)
3
de la ecuación (2) despejo la variable x
1 4y
2x + 4y = 1; 2x = 1 4y; x = (5)
2
y de la ecuación (3) despejo la variable x
x y = 5; x = 5 + y (6)
Igualando las ecuaciones (4) y (5)
4 y 1 4y
= ; 2 (4 y) = 3(1 4y)
3 2
8 2y = 3 12y
2y + 12y = 3 8
1
10y = 5; y = (7)
2
igualando las ecuaciones (5) y (6)

6
1 4y
= 5 + y; 1 4y = 10 + 2y
2
4y 2y = 10 1
6y = 9
9
y= (8)
6
Y ahora que se debe hacer....? analizando las ecuaciones (7) y (8)
1
y= (7)
2
9
y= (8)
6
El sistema con 3 ecuaciones y 2 incógnitas, No tiene solución, es decir es incompatible e inconsistente)
Este sistema no tiene solución porque (7) y (8) son diferentes.
Nota
Si los valores de y hubiesen sido iguales, existe la posibilidad, que el sistema tenga in…nita soluciones o también
podría tener solución única
Método de Suma y Resta
Este método consiste sumar o restar varias ecuaciones con la …nalidad de eliminar variables
8
>
> (1) : 2x y + 4z = 2
>
>
<
(2) : x 3y z = 2
>
>
>
>
:
(3) : x + 5y z = 10
Multiplicamos por 2 la ecuación (2) y sumamos la ecuación (1), y se elimina la variable x
8
>
> (1) : 2x y + 4z = 2
>
>
<
2 (2) : 2x + 6y + 2z = 4
>
>
>
>
:
(1) 2 (2) 5y + 6z = 6 (4)
De manera análoga, la ecuación (2) le multiplicamos por 1 y le sumamos la ecuación (3) y nuevamente se elimina
la variable x
8
>
> (2) : x 3y z= 2
>
>
<
1(3) : x 5y + z = 10
>
>
>
>
:
(2) 1(3) : 8y = 12 (5)
de la ecuación (5) obtendremos el valor de la variable y

7
8y = 12
12 3
y = = (6)
8 2
La ecuación (6) la reemplazamos en la ecuación (4)
5y + 6z = 6 (4)
3
5 + 6z = 6
2
1
z = (7)
4
Las ecuaciones (6) y (7) reemplazamos en la ecuación (2) para determinar la variable x
x 3y z = 2
3 1
x 3 2
2 4
9
x =
4
por lo tanto la solución es (x; y; z) = 94 ; 32 ; 14 ; es decir el sistema de ecuaciones lineales es consistente, compatible
y con solución única y además es linealmente independiente.
Quito, Noviembre del 2022

1
Clase 02-22
Grá…cas de Sistemas Lineales
Ejemplo
Gra…cando un sistema con solución única
8
>
> (1) : 2x y + 4z = 2
>
>
< 9 3 1
(2) : x 3y z = 2 la solución es x= ; y= ; z=
>
> 4 2 4
>
>
:
(3) : x + 5y z = 10
4
-4 2 -4
z-2 -200 0 -2
-4
2 2
4y x4
Solución Única
Ejemplo
Gra…cando un sistema con in…nita soluciones
8
>
> (1) : 2x y + 4z = 2
>
>
< 13
(2) : 4x 3y z= 2 donde la solución es x=4 z; y = 6 9z
>
> 2
>
>
:
(3) : 8x 6y 2z = 4
Entonces
13
(x; y; z) = 4 z; 6 9z; z
2
cambiando z = t; t 2 R se tiene que
13
(x; y; z) = 4 t; 6 9t; t
2
que es la solución parametrizada, gra…cando

2
30
4
20
10 x
y 2
-20
-40
20 40 0 0
0 z
-2
-4 -20
-10
In…nitas Soluciones
Ejemplo
Gra…cando un sistema que no tiene solución
8
>
> (1) : 2x y = 2
>
>
<
(2) : x 3y = 1 No tiene solución
>
>
>
>
:
(3) : 5x + 5y = 10
-4
-2
4 y x
2 4
02 0
z 0 -2
-2 -4
-4
2
No tiene Solución
0.0.1. Solución de Sistemas de Ecuaciones lineales mediante la Regla de Cramer
Consideremos un sistema de m ecuaciones con n incógnitas, es decir
8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
>
>
>
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
( ) :
>
>
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + ::: + am;n xn = bm
El sistema ( ) tiene solución única si y sólo si jAj =

6 0 es decir que el determinante de la matriz al sistema ( ) es
jAi j
diferente de cero y esta solución está dado por xi = ; donde i = 1; 2; :::; n y además Ai es la matriz obtenida a
jAj
partir de A; reemplazando la columna i de A por la matriz columna b; es decir
jA1 j jA2 j jAn j

x1 = ; x2 = ; :::; xn = ;
jAj jAj jAj
3
donde
2 3 2 3
b1 a12 a1n a11 b1 a1n
6 b2 a22 a2n 7 6 a21 b2 a2n 7
6 7 6 7
A1 = 6 .. .. .. .. 7; A2 = 6 .. .. .. .. 7 ; :::
4 . . . . 5 4 . . . . 5
bn an2 ann an1 bn ann
Si det(A) = jAj = 0; entonces el sistema ( ) es:
a. Incompatible si jA1 j =
6 0; jA2 j 6= 0; :::; jAn j =
6 0;
b. Indeterminado si jA1 j = 0; jA2 j = 0; :::; jAn j = 0
La condición de incompatibilidad de un sistema de dos ecuaciones, es decir
8
< (1) : a1 x + b1 y = c1
:
(2) : a2 x + b2 y = c2
se puede expresar en la forma
a1 b1 c1 a1 b1 c1
= 6= mientras que la indeterminación es = =
a2 b2 c2 a2 b2 c2
Ejemplo
Mediante la regla de Cramer resolver el sistema de ecuaciones lineales
8
>
> (1) : 5x y z = 0
>
>
<
(2) : x + 2y + 3z = 14
>
>
>
>
:
(3) : 4x + 3y + 2z = 16
Solución
El sistema tiene solución si el determinante de los coe…cientes es diferente de cero jAj =

6 0
5 1 1
4 = jAj = 1 2 3 = 30 6= 0
4 3 2
0 1 1 5 0 1
4x = 14 2 3 = 30; 4y = 1 14 3 = 60
16 3 2 4 16 2
5 1 0
4z = 1 2 14 = 90
4 3 16
4x 30 4y 60 4z 90
x= = = 1; y = = = 2; z = = =3
4 30 4 30 4 30
luego la solución es x = 1; y = 2; z = 3 es decir (x; y; z) = (1; 2; 3)
Ejemplo
Mediante la regla de Cramer resolver el sistema de ecuaciones lineales

4
8
>
> (1) : y 3z + 4w = 5
>
>
>
>
>
>
< (2) : x 2z + 3w = 4
>
>
>
> (3) : 3x + 2y 5w = 12
>
>
>
>
:
(4) : 4x + 3y 5z = 5
Solución
El sistema tiene solución, si el determinante de los coe…cientes se diferente de cero jAj =

6 0
0 1 3 4 5 1 3 4
1 0 2 3 4 0 2 3
4 = jAj = = 24 6= 0; 4x = = 24
3 2 0 5 12 2 0 5
4 3 5 0 5 3 5 0
0 5 3 4 0 1 5 4
1 4 2 3 1 0 4 3
4y = = 48; 4z = = 24
3 12 0 5 3 2 12 5
4 5 5 0 4 3 5 0
0 1 3 5
1 0 2 4
4w = = 24
3 2 0 12
4 3 5 5
4x 4y 4z 4w
x = = 1; y = = 2; z = = 1; w = = 1
4 4 4 4
luego la solución es x = 1; y = 2; z = 1; w = 1 es decir (x; y; z; w) = (1; 2; 1; 1)
Ejemplo
Resolver el siguiente sistema de ecuaciones lineales, mediante el método de la regla de cramer
8
>
> (1) : 3x1 2x2 + 3x3 = 6
>
>
<
(2) : 5x1 + 2x2 + 8x3 = 2
>
>
>
>
:
(3) : x1 + 3x2 2x3 = 0
Obteniendo las matrices, a partir de la expresión matricial A X = b; se tiene que
0 1 0 1 0 1
3 2 3 x1 6
A=@ 5 2 8 A ; X = @ x2 A ; b = @ 2 A
1 3 2 x3 0
5
0 1
3 2 3 3 2 3
4 = jAj = det @ 5 2 8 A= 5 2 8
1 3 2 1 3 2
2 8 5 8 5 2
= 3 +2 +3
3 2 1 2 1 3
= 3( 4 24) + 2 ( 10 8) + 3 (15 2) = 81
0 1
6 2 3 6 2 3
4x = det @ 2 2 8 A= 2 2 8
0 3 2 0 3 2
2 8 2 8 2 2
= 6 +2 +3
3 2 0 2 0 3
= 6( 4 24) + 2 ( 4 + 0) + 3 (6 + 0) = 178
0 1
3 6 3 3 6 3
4y = det @ 5 2 8 A= 5 2 8
1 0 2 1 0 2
2 8 5 8 5 2
= 3 +6 +3
0 2 1 2 1 0
= 3 ( 4 + 0) + 6 ( 10 8) + 3 (0 2) = 126
0 1
3 2 6 3 2 6
4z = det @ 5 2 2 A= 5 2 2
1 3 0 1 3 0
2 2 5 2 5 2
= 3 +2 6
3 0 1 0 1 3
= 3 (0 6) + 2 (0 2) 6 (15 2) = 100
por lo tanto
4x 178 4y 126 4z 100
x1 = = ; x2 = = ; x3 = =
4 81 4 81 4 81
0.0.2. Forma Matricial de un Sistema de m Ecuaciones lineales con n Incógnitas
De…nición
A un conjunto de m ecuaciones lineales con n incógnitas se llaman sistema de ecuaciones lineales y es de la forma.
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + + amn xn = bm
6
donde aij 2 | y bi 2 |; i = 1; 2; ; m; j = 1; 2; ; n al sistema ( ) se le puede escribir en la forma siguiente
n
X
aij xj = bi ; 8i = 1; 2; ; m; j = 1; 2; ;n
j=1
Vector solución
Un vector u = (u1 ; u2 ; ; un ) se dice que es solución del sistema ( ), si es solución de cada una de las ecuaciones
lineales del sistema.
Forma Matricial de un Sistema de Ecuaciones Lineales
Consideremos un sistema de m ecuaciones lineales con n incógnitas, es decir
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
> .
> .
>
> .
>
:
De acuerdo al producto de matrices y de la igualdad de matrices se puede escribir en la forma
0 1 0 1 0 1
a11 a12 a1n x1 b1
B a21 a22 a2n C B x2 C B b2 C
B C B C B C
B .. .. .. C B .. C=B .. C
@ . . . A @ . A @ . A
am1 am2 amn xn bm
A X = 0
b 1
a11 a12 a1n
B a21 a22 a2n C
B C
A = B .. .. .. C
@ . . . A
am1 am2 amn
A : Se llama matriz de los coe…cientes, también se llama matriz asociada al sistema ( )
0 1
x1
B x2 C
B C
X=B .. C;
@ . A
xn
X : Se llama matriz de incógnitas
0 1
b1
B b2 C
B C
b=B .. C
@ . A
bn
b : Se llama matriz de los términos independientes
Si bi = 0, 8i; el sistema ( ) se llama homogéneo
Si bi 6= 0, 8i; el sistema ( ) se llama no homogéneo

7
0.0.3. Sistema de Ecuaciones por el Método Matricial ( Matriz Inversa )
A partir del modelo matricial siguiente
A X = b
1 1
A (A X) = A (b)
1 1
A A) X = A b
1
I X = A b
1
X = A b
Pero se debe obtener la matriz inversa.sabiendo que la matriz A es una matriz no singular det (A) 6= 0
1 1
A = Adj (A) ; jAj 6= 0
jAj
T
Adj(A) = [Cof (A)]
Ejemplo
8
>
> (1) : 3x1 2x2 + 3x3 = 6
>
>
<
(2) : 5x1 + 2x2 + 8x3 = 2
>
>
>
>
:
(3) : x1 + 3x2 2x3 = 0
Entonces obtendremos las matrices del sistema, así
0 1 0 1 0 1
3 2 3 x1 6
A=@ 5 2 8 A ; X = @ x2 A ; b = @ 2 A
1 3 2 x3 0
entonces
1
X = A b
0 1 0 1
x1 6
@ x2 A = A 1 @ 2 A
x3 0
Donde la matriz de cofactores de A será

8
0 1
a11 a12 a13
A = @ a21 a22 a23 A donde los cofactores son ( 1)i+j Mij
a31 a32 a33
1+1 2
a11 = ( 1) Mij ; a11 = ( 1) Mij ; a11 = +1 Mij
Por analogía
2+3 5
a23 = ( 1) Mij ; a11 = ( 1) Mij ; a11 = 1 Mij ...
0 1
2 8 5 8 5 2
B + 3 2 1 2
+
1 3 C
B C
B C 0 1
B C 28 18 13
B 2 3 3 3 3 2 C
Cof (A) = B
B + C=@
C 5 9 11 A
B 3 2 1 2 1 3 C
B C 22 9 16
B C
@ 2 3 3 3 3 2 A
+ +
2 8 5 8 5 2
T
adj(A) = [Cof (A)]
0 1
28 5 22
adj(A) = @ 18 9 9 A
13 11 16
0 1
3 2 3
Como det A se determinó anteriormente, es decir el det @ 5 2 8 A= 81 entonces, obtendremos su matriz
1 3 2
inversa
1 1
A = Adj (A)
jAj
0 1 0 28 5 22
1
28 5 22
1 @ 81 81 81
A 1
= 18 9 9 A=@ 2
9
1
9
1
9
A
81 13 11 16
13 11 16 81 81 81
Resolviendo el sistema matricial, se tiene que
1
X = A b
0 1 0 1
x1 6
@ x2 A = A 1 @ 2 A
x3 0
0 1 0 28 5 22
1 0 1
x1 81 81 81 6
@ x2 A = @ 2 1 1 A @ 2 A
9 9 9
13 11 16
x3 3 1 81 81 81 33
0 31
0 1 0 178
1
x1 81
@ x2 A = @ 14 A
9
100
x3 3 1 81 31
0.0.4. Sistemas de Ecuaciones Lineales Homogéneas
El sistema de ecuaciones lineales de m ecuaciones con n incógnitas

9
8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
>
>
<
( ) a21 x1 + a22 x2 + ::: + a2n xn = b2
>
> ..
>
> .
>
:
am1 x1 + am2 x2 + ::: + amn xn = bm
es equivalente a la forma matricial
A X = ; donde A = [aij ] es una matriz de orden m n; X = [xi ] es una matriz de orden n 1 y es la matriz
nula de orden m 1
Observación
1. El sistema ( ) siempre tiene por lo menos una solución (llamada solución trivial) de la forma x1 = x2 = ::: =
xn = 0 por lo tanto es consistente. Luego Rg(A) = Rg(Aa )
2. Una condición necesaria y su…ciente para que el sistema ( ) tenga más de una solución es que Rg(A) = k < n;
donde n es el número de incógnitas. En este caso, el sistema también posee soluciones diferentes de la nula, las
cuáles son llamadas soluciones no triviales, para hallar estas soluciones se aplica el método que se uso en el caso
de un sistema de ecuaciones lineales no homogéneas.
3. Si en el sistema ( ) se tiene m = n (número de ecuaciones=números de incógnitas) entonces una condición

necesaria y su…ciente para que el sistema tenga soluciones no triviales es que jAj = 0 puesto que en este caso
Rg(A) < n para el caso de un sistema homogéneo, es decir
8
>
> (1) : a1 x + b1 y + c1 z = 0
>
>
<
(2) : a2 x + b2 y + c2 z = 0
>
>
>
>
:
(3) : a3 x + b3 y + c3 z = 0
a1 b1 c1
a. Si a2 b2 c2 6= 0; la solución es única (solución trivial) x = y = z = 0
a3 b3 c3
a1 b1 c1
b. Si a2 b2 c2 = 0; el sistema se reduce a dos ecuaciones independientes, la tercera sería combinación lineal
a3 b3 c3
de ellas, o a una sola ecuación las otras dos serían dependientes, en ambos casos el sistema homogéneo tendría
in…nitas soluciones y sería
8
< (1) : a1 x + b1 y + c1 z = 0
:
(2) : a2 x + b2 y + c2 z = 0
donde
b1 c1 a1 c1 a1 b1
x= t; y = t; z = t; t 2 R
b2 c2 a2 c2 a2 b2
Ejemplo
10
8
>
> (1) : x + y + z = 0
>
>
<
(2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : 3x + 4y + 3z = 0
0 1
1 1 1
como, det @ 3 6 5 A = 2 6= 0
3 4 3
8
>
> (1) : x+y+z =0
>
>
<
entonces (2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : 3x + 4y + 3z = 0
Tiene solución trivial (x; y; z) = (0; 0; 0)
Ejemplo
8
>
> (1) : x+y+z =0
>
>
<
Resolver el sistema de ecuaciones homogéneas (2) : 3x + 6y + 5z = 0
>
>
>
>
:
(3) : x + 4y + 3z = 0
Solución
Calculando el determinante de los coe…cientes
1 1 1
det(A) = jAj = 3 6 5 =0
1 4 3
Como jAj = 0 el sistema homogéneo tiene soluciones distintas de cero, resolviendo el sistema formado por dos
ecuaciones
8
< (1) : x + y + z = 0
:
(2) : 3x + 6y + 5z = 0
de donde se tiene
1 1 1 1 1 1
x = t; y = t; z = t; t 2 R
6 5 3 5 3 6
x = t; y = 2t; z = 3t; t 2 R
entonces la solución será (x; y; z) = ( t; 2t; 3t) sabiendo que t 2 R
Ejemplo
Resolver el sistema 8
>
> (1) : 2x + 2y z + u = 0
>
>
>
>
>
>
< (2) : x y + 2z 3w + u = 0
>
>
>
> (3) : x + y 2z u = 0
>
>
>
>
:
(4) : z + w + u = 0
11
Solución
Completando el sistema, obtendremos
8
>
> (1) : 2x + 2y z + u + 0w = 0
>
>
>
>
>
>
< (2) : x y + 2z + u 3w = 0
>
>
>
> (3) : x + y 2z u + 0w = 0
>
>
>
>
:
(4) : 0x + 0y + z + u + w = 0
2 2 1 1 0
1 1 2 1 3
Luego como no es una matriz cuadrada, hay dos columnas iguales entonces por
1 1 2 1 0
0 0 1 1 1
2 1 1 0
1 2 1 3
propiedad de determinantes se puede eliminar una de ellas, luego, el determinante será
1 2 1 0
0 1 1 1
es igual a cero, así det(A) = 0 y realizando las operaciones respectivas se obtiene la solución
(x; y; z; w; u) = ?
x = 5 t; y = 5 ; z = t; w = 0; u = t; t 2 R
(x; y; z; w; u) = ( 5 t; 5; t; 0; t); t 2 R
Ejemplo
Resolver el siguiente sistema de ecuaciones homogéneas
8
>
> (1) : 2x 4y + z + w = 0
>
>
>
>
>
>
>
> (2) : x 5y + 2z = 0
>
>
<
(3) : 2y 2z w = 0
>
>
>
>
>
>
>
> (4) : x + 3y + w = 0
>
>
>
>
:
(5) : x 2y z + w = 0
su solución es x = y = z = w = 0
Quito, Noviembre del 2022

1
Clase 03-22
0.0.1. Método de Gauss (Eliminación Gaussiana)
Para resolver un sistema de ecuaciones lineales usando el método de Gauss, se hace de la siguiente forma
1. Se escribe una matriz formada por los coe…cientes de la matriz A (colocando en el lado izquierdo de la línea
vertical) y la matriz de los términos independientes b (colocando al lado derecho de la línea vertical) es decir
.
Aa = A .. b
2. Se efectúa las operaciones elementales de …las (suma, restas, multiplicaciones, divisiones) en ambas matrices de
la matriz ampliada, hasta que la matriz A se convierte en una matriz triangular superior y si fuese el método de
Gauss - Jordan, se convierte en una matriz identidad I, la matriz b se convierte en la solución del sistema.
Nota
Los elementos de la matriz diagonal, serán siempre los pivots, o pivotes de la matriz Aa , o si fuese el caso de la
matriz A, solo con estas …las de pivots se realizán las operaciones elementales entre las …las
.
Matriz Aumentada o Ampliada Aa = A .. b
Consideremos un sistema de ecuaciones lineales no homogéneas
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ) : a21 x1 + a22 x2 + + a2n xn = b2 a la matriz de la forma
>
> ..
>
> .
>
:
0 1
..
B a11 a12 a1n . b1 C
B .. C
.. B a21 a22 a2n . b2 C
Aa = aij . bj = B B . .. .. ..
C
.. C
B .. . . . . C
@ A
..
am1 am2 amn . bm
La llamaremos matriz aumentada del sistema ( ), a esta matriz podemos escribirla en la forma abreviada, así
.
Aa = A .. b
.
Aa = aij .. bj
Ejemplo
8
< (1) : x + y = 5
:
(2) : x y=7
Se genera una matriz ampliada Aa así

2
.
Aa = A .. b
0 1
..
1 1 . 5 A
Aa = @ .
1 1 .. 7
Entonces resolviendo por el método de eliminación gaussiana, tenemos una matriz triangular superior
0 1 0 1
.. ..
@ 1 1 . 5 A 1 1 . 5 A
. f1 f2 ! f2 @ ..
1 1 .. 7 0 2 . 2
Regresando al sistema original
0 1
..
@ 1 1 . 5 A
!( ):
(1) : x+y =5
.. (2) : 2y = 2
0 2 . 2
entonces resolviendo el sistema ( ) se tiene de la ecuación (2) despejamos la variable y ; 2y = 2; y = 1 (3)
ahora a partir de la ecuación (3) al reemplazar en la ecuación (1) se tiene que x 1 = 5; x = 6 por lo tanto, la
solución será (x; y) = (6; 1)
Por otro lado, complementando el método de la eliminación gaussiana, lo podemos resolver con el método de Gauss
- Jordan, así
0 1 0 1
.. ..
@ 1 1 . 5 A
f2 2f1 ! f1 @
2 0 . 12 A
.. .
0 2 . 2 0 2 .. 2
0 1
f1 ..
.
2 ! f1 @ 1 0 . 6 A
I .. b
f2 .
2 ! f2 0 1 .. 1
Siendo la matriz b la solución del sistema, así por lo que regresando al sistema original, tenemos que
0 1 8
.. < (1) : x=6
@ 1 0 . 6 A
entonces luego (x; y) = (6; 1)
.. :
0 1 . 1 (2) : y= 1
A manera de conclusión, se dice que el sistema es
1. Linealmente independiente ( L.i)
2. Consistente
3. Compatible
4. Tiene solución única
Ejemplo
8
< (1) : x y=7
la solución es (x = y + 7) = (y + 7; y)
:
(2) : 2x 2y = 14
(x; y) = (t + 7; t) ; t 2 R
3
Entonces se observa que estas dos ecuaciones son equivalentes y para ver esto es su…ciente multiplicar la primera
ecuación x y = 7 por 2 y se obtiene la segunda ecuación 2x 2y = 14 entonces la solución del sistema para
cualquier número real x es decir el sistema es consistente, compatible, linealmente dependiente y con in…nitas
soluciones.
Veamos esto por el método de eliminación gaussiana
8
< (1) : x y=7
generando la matriz ampliada
:
(2) : 2x 2y = 14
0 1
.
1 1 .. 7 A
Aa = @ .
2 2 .. 14
por eliminación gaussiana se tiene
0 1 0 1
.. ..
@ 1 1 . 7 A 1 1 . 7
.. 2f1 + f2 ! f2 @ ..
A
2 2 . 14 0 0 . 0
8
< (1) : x y = 7
regresando al sistema original tenemos la única ecuación que queda es x y = 7 se debe
:
(2) : 0x + 0y = 0
obtener (x; y) =?
x y = 7; y = x 7 ) (x; y) = (x; x 7)
por lo tanto, la x se cambia por un parámetro, en este ejemplo el parámetro será t; t 2 R tiempo, es decir
(x; y) = (t; t 7) ; t 2 R
Nota
Se puede también analizar la otra variable
x y = 7; x = 7 + y; por lo tanto se representa la solución de la siguiente manera (7 + y; y) cambiando la variable

y por t se tiene
(x; y) = (7 + y; y) parametrizando obtendremos
(x; y) = (7 + t; t) ; 8t 2 R
Por lo tanto, a manera de conclusión, se tiene que el sistema es
1. Linealmente dependiente (L.d.)
2. Consistente
3. Compatible
4. Soluciones in…nitas ( Soluciones paramétricas ) donde t 2 R
Ejemplo
Hallar la solución del sistema de ecuaciones lineales
8
< (1) : x y=7
:
(2) : 2x 2y = 13
0 1
..
1 1 . 7 A
Aa = @ .
2 2 .. 13
4
aplicando el método de eliminación gaussiana, tenemos
0 1 0 1
. .
@ 1 1 .. 7 A 1 1 .. 7 A
. 2f1 f2 ! f2 @ ..
2 2 .. 13 0 0 . 1
regresando al sistema original
8 8 8
< (1) : x y=7 < (1) : x y=7 < (1) : x y=7
: : : 1
(2) : 0x + 0y = 1 (2) : 0y = 1 (2) : y= 0 no existe
como y no existe, por lo tanto no existe el valor de x es decir el sistema es
1. Inconsistente
2. Incompatible
3. No tiene solución
Observación
Los ejemplos anteriores lo analizaremos en los siguientes grá…cos

8
< (1) : x + y = 5
1. Para Solución única donde P (x; y) = (6; 1) se veri…ca
:
(2) : x y = 7
10
y
-2 -1 1 2 3 4 5 6 7 8 9 10
x
-5
-10
Si las rectas no son paralelas, se interceptan en un sólo punto en este caso el sistema tiene solución única, es
linealmente independiente, consistente y compatible
8
< (1) : x y = 7
2. Para In…nita soluciones donde
:
(2) : 2x 2y = 14
P (x; y) = P (7 + t; t) ; 8t 2 R
o
P (x; y) = P (t; t 7); 8t 2 R
se veri…ca
5
10
y
5
-2 2 4 6 8 10
x
-5
-10
Si las rectas son paralelas y coincidentes, sus intercepciones es un número in…nito de puntos, en este caso el
sistema tiene in…nita soluciones, linealmente dependiente, consistente, compatible y además parametrizado.
8
< (1) : x y=7
3. Para el sistema sin solución donde las variables x y y no existen, entonces se veri…ca
:
(2) : 2x 2y = 13
5
y
-2 -1 1 2 3 4 5 6 7 8 9 10
x
-5
-10
Si las rectas son paralelas y distintas, en este caso no tienen puntos de intersección, por lo tanto el sistema no tiene
solución, además es incompatible e incosistente
Ejemplo
8
>
> (1) : 5x y z = 0
>
>
<
Resolver el sistema de ecuación por el método de Gauss (2) : x + 2y + 3z = 14
>
>
>
>
:
(3) : 4x + 3y + 2z = 16
Solución
6
0 1
.
B 5 1 1 .. 0 C ! permutando f1 por f2
B . C
Aa = B 1
@ 2 3 .. 14 C
A
..
4 3 2 . 16
0 1
.
B 1 2 3 .. 14 C
B . C
B 5
@ 1 1 .. 0 C
A
! f2 5f1 ; de f2 restar 5 veces f1
.. ! f3 4f1 ; de f3 restar 4 veces f1
4 3 2 . 16
0 1
..
B 1 2 3 . 14 C
B .. C
B 0 11 16 . 70 C ! f2 2f3 ; de f2 restar 2 veces f3
@ A 1
.. ! 5 f3 ; dividir f3 en 5
0 5 10 . 40
0 1
..
B 1 2 3 . 14 C
B .. C
B 0 1 4 . 10 C
@ A ! f + f ; a f sumar f
.. 3 2 3 2
0 1 2 . 8
0 1
..
B 1 2 3 . 14 C
B .. C
B 0 1 4 . 10 C
@ A
. ! 16 f3
0 0 6 .. 18
0 1
..
B 1 2 3 . 14 C ! f1 3f3
B .. C
B 0 1 4 . 10 C ! f2 4f3 Eliminación Gaussiana ó método de Gauss
@ A
..
0 0 1 . 3
8
>
> (1) : x + 2y + 3z = 14
>
>
<
(2) : y + 4z = 10 donde
>
>
>
>
:
(3) : z = 3
z = 3 (4) esta ecuación la reemplazamos en la ecuación (2); y + 4(3) = 10; luego y = 2 (5) y …nalmente la
ecuación (4) y (5) en la ecuación (1) ; x + 2(2) + 3(3) = 14 por lo tanto x = 1 entonces (x; y; z) = (1; 2; 3) por la
eliminación gaussiana, y si continuamos con Gauss - Jordan, entonces
0 1
..
B 1 2 0 . 5 C ! f1 + 2f2
B .. C
B 0 1 0 . 2 C ! ( 1) f2
@ A
.
0 0 1 .. 3
0 1
..
B 1 0 0 . 1 C
B . C
B 0 1 0 .. 2 C Método de Gauss - Jordan
@ A
..
0 0 1 . 3
8
>
> (1) : x = 1
>
>
<
(2) : y = 2
>
>
>
>
:
(3) : z = 3
7
Entonces la solución será

(x; y; z) = (1; 2; 3)
0.0.2. Rango de un Sistema de Ecuaciones
Consideremos el sistema de ecuaciones lineales
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
>
>
<
( ): a21 x1 + a22 x2 + + a2n xn = b2
>
> ..
>
> .
>
:
donde
A = [aij ] es la matriz de los coe…cientes del sistema ( )
X = [xi ] es la matriz de las incógnitas
b = [bi ] es la matriz de los términos independiente
.
Aa = A .. b es la matriz aumentada ó ampliada
Propiedades
1. Una condición necesaria y su…ciente para que el sistema sea consistente, es que el rango de la matriz de los
coe…cientes sea igual al rango de la matriz aumentada, Es decir
El sistema es consistente , Rg(A) = Rg(Aa )
2. Si el sistema es consistente, se presentan los siguientes casos

a) Que el sistema tenga una solución ( solución única) esto ocurre cuando el número de incónitas del sistema es
igual al rango de la matriz aumentada, es decir
El sistema tiene solución única , Rg(A) = Rg(Aa ) = n
b) Que el sistema tenga más de una solución ( existen in…nitas soluciones ) esto ocurre cuando el número de
incógnitas del sistema es mayor que el rango de la matriz aumentada, es decir
El sistema tiene in…nita soluciones () Rg(A) = Rg(Aa ) = k < n
Observación
Si k < n; entonces (n k) variables o incógnitas del sistema toman valores arbitrarios, estas variables o incógnitas
que toman valores arbitrarios se conoce con el nombre de variables libres, variables independientes o parámetros.
3. Si el rango de la matriz de los coe…cientes es distinto del rango de la matriz aumentada, en este caso se dice que
el sistema es inconsistente, es decir
El sistema es inconsistente,incompatible (no existe solución) () Rg(A) 6= Rg(Aa )
En resumen tenemos
A X=b
8 8
>
> < Si k = n Solución Única ! L:i:
>
>
>
> Si Rg(A) = Rg(Aa ) = r Consistente,compatible, hay solución
< :
Si k < n In…nitas Soluciones ! L:d:
>
>
>
>
>
>
:
Si Rg(A) 6= Rg(Aa ) Inconsistente,incompatible no hay solución
8
Ejemplo
8
>
> (1) : x + 2z = 1
>
>
>
>
>
>
< (2) : x + y + (4a + 2)z = 1
Para que valores de a y b el sistema de ecuaciones tiene solución única...?
>
>
>
> (3) : 2x + ay + 5z = 2
>
>
>
>
:
(4) : 3x + ay + 7z = b
0 1
..
B 1 0 2 . 1 C
B .. C
B 1 1 4a + 2 . 1 C
Sea Aa = B
B ..
C resolviendo mediante la Eliminación Gaussiana ( Método de Gauss ) tenemos
C
B 2 a 5 . 2 C
@ A
..
3 a 7 . b
0 1 0 1
.. ..
B 1 0 2 . 1 C B 1 0 2 . 1 C
B .. C B .. C
B 1 1 4a + 2 . 1 C f2 f1 ! f2 B 0 1 4a . 0 C
B C B C
B .. C f3 2f1 ! f3 B .. C
B 2 a 5 . 2 C B 0 a 1 . 0 C
@ A f4 3f1 ! f4 @ A f4 f3 ! f4
.. ..
3 a 7 . b 0 a 1 . b 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 a 1 . 0 C f3 af2 ! f3
@ A
..
0 0 0 . b 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2 . 0 C
@ A
..
0 0 0 . b 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2 . 0 C
@ A
..
0 0 0 . b 3
8
>
> (1) : x + 0y + 2z = 1
>
>
>
>
>
>
< (2) : 0x + y + 4az = 0
>
>
>
> (3) : 0x + 0y + 1 4a2 z = 0
>
>
>
>
:
(4) : 0x + 0y + 0z = b 3
De la ecuación (4), se tiene

0x + 0y + 0z = b 3; 0z = b 3; 0 = b 3; b = 3
9
además de la ecuación (3), tenemos
0
0x + 0y + 1 4a2 z = 0; 1 4a2 z = 0; z = ;1 4a2 6= 0
1 4a2
r
2 2 1 p 1 1
4a 6= 1; a 6= ; a2 =
6 ; jaj =
4 4 2
1 1
a = ^a=
2 2
Analizando las condiciones del problema
a. Análisis 1
0 1 0 1
.. .. 0 1
B 1 0 2 . 1 C B 1 0 2 . 1 C ..
B
B 0
.. C
C
B
B 0
.. C B 1 0 2 . 1 C
B 1 4a . 0 C si b 1 4a . 0 C
C entonces B .. C
B .. C = 3; B
B .. C B 0 1 4a . 0 C
B 0 C B 0 @ A
@ 0 1 4a2 . 0 A @ 0 1 4a2 . 0 C
A ..
.. .. 0 0 1 4a2 . 0
0 0 0 . b 3 0 0 0 . 0
0 1
..
1 B 1 0 2 . 1 C
B .. C
si a = entonces B 0 1 4 1
. 0 C
2 @ 2 A
..
0 0 0 . 0
0 1 0 1
.. ..
B 1 0 2. 1 C B 1 0 2 . 1 C
B . C B . C
es decir B 0
@ 1 2 .. 0 C ^B
A @ 0 1 2 .. 0 CA
. ..
0 0 0 .. 0 0 0 0 . 0
8
< (1) : x + 2z = 1
de (1) : 2z = 1 x; de (2) : 2z = y
:
(2) : y + 2z = 0
(1) = (2) : 1 x= y; y = x 1; P (x; y) = P (x; x 1)
donde P (x; y) = P (t; t 1); t 2 R
sistema con in…nitas soluciones, se concluye que cuando b = 3 ^ a = 12 entonces el sistema, es consistente,
compatible, linealmente dependiente, con in…nitas soluciones y parametrizado.
b. Análisis 2
1
si a 6= 2; a = 5 y además b 6= 3; b = 2 entonces
10
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4a . 0 C
B C
B .. C
B 0 0 1 4a2 . 0 C
@ A
..
0 0 0 . b 3
reemplazando a = 5; b = 2
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 4(5) . 0 C
B C
B .. C
B 0 0 1 4 (5)
2
. 0 C
@ A
..
0 0 0 . 2 3
0 1
..
B 1 0 2 . 1 C
B .. C
B 0 1 20 . 0 C
B C
B .. C
B 0 0 99 . 0 C
@ A
..
0 0 0 . 1
8
>
> (1) : x + 2z = 1
>
>
>
>
>
>
< (2) : y + 20z = 0
>
>
>
> (3) : 99z = 0
>
>
>
>
:
(4) : 0 = 1
1
por lo tanto, el sistema no tiene solución, cuando a 6= 2 ^ b 6= 3
Analizando los rangos de las matrices, se tiene que la matriz A
0 1
1 0 2
B 1 1 4a + 2 C
A=B
@ 2
C Rg(A) = 3
A
a 5
3 a 7
y luego comparo con el rango de la matriz aumentada Aa
0 1
..
B 1 0 2 . 1 C
B .. C
B 1 1 4a + 2 . 1 C
Aa = B
B ..
C Rg(Aa ) = 4
C
B 2 a 5 . 2 C
@ A
..
3 a 7 . b
entonces, si r < n In…nitas Soluciones, es decir es L:D:; porque 3 < 4 esto determina que el sistema tiene in…nitas
soluciones.
Conclusión
1
1. b = 3 ^ a = 2 el sistema tiene in…nitas soluciones
1
2. a 6= 2 ^ b 6= 3 el sistema no tiene solución
3. Inicialmente el sistema no tendría solución única (veri…car si existe... )
Ejemplo
11
8
>
> (1) : 2x y + z = m
>
>
<
Dado el sistema de ecuaciones lineales (2) : x + 2y + z = n Para que valores de m; n y el sistema es
>
>
>
>
:
(3) : 3x + y + 2z =
compatible? (tiene solución pero no única)
0 1 0 1
. .
B 2 1 1 .. m C B 1 2 1 .. n C
B . C ! f1 $ f2 B . C
B 1
@ 2 1 .. n C
A
B 2
@ 1 1 .. m C
A
.. ..
3 1 2 . 3 1 2 .
0 1
..
B 1 2 1 . n C
B . C
! f2 2f1 B 0 5 1 .. m 2n C
! f3 3f1 @ .
A
0 5 1 .. 3n
0 1
..
B 1 2 1 . n C
B . C
B 0
@ 5 1 .. m 2n C
A
! f3 f2 ..
0 0 0 . m n
El sistema es compatible si m n=0) =n+m
Además como Rg(A) = Rg(Aa ) = 2 y es menor que el número de incógnitas entonces el sistema tiene in…nita
soluciones ( no tiene solucíón única)
Ejemplo
8
>
> (1) : x+y 3z + u = 1
>
>
>
>
>
>
< (2) : 2x 4y + 2u = 2
Sea el sistema de ecuaciones lineales hallar para que el sistema tenga solución
>
>
>
> (3) : x 2z + 3u = 3
>
>
>
>
:
(4) : 3x 4y 2z =
única o distinta al sistema. Para resolver aplicamos el método de eliminación gaussiana, así
0 1
.
B 1 1 3 1 .. 1 C
B . C
B 2
B 4 0 2 .. 2 C
C entonces por eliminación gaussiana
B .. C
B 1 0 2 3 . 3 C
@ A
..
3 4 2 0 .
0 1
.
B 1 1 3 1 .. 1 C
B . C
B 0 6 6 0 .. 0 C
obtenemos B
B .
C
C
B 0
@ 0 0 2 .. 2 C
A
.
0 0 0 0 ..
regresando al sistema original se tiene

12
8
>
> (1) : x+y 3z + u = 1
>
>
>
>
>
>
< (2) : 6y + 6z = 0
por lo que analizaremos, lo siguiente
>
>
>
> (3) : 2u = 2
>
>
>
>
:
(4) : 0z =
a) El sistema es compatible si =0
Regresando al sistema original

0 1
.
B 1 1 3 1 .. 1 C
B . C
B 2
B 4 0 2 .. 2 CC
B . C
B 1 0
@ 2 3 .. 3 CA
.
3 4 2 0 .. 0
por eliminación gaussiana se tiene
0 1
.
B 1 1 3 1 .. 1 C
B . C
B 0
B 6 6 0 .. 0 C
C
B .. C
B 0 0 0 2 . 2 C
@ A
..
0 0 0 0 . 0
regresando al sistema original tendremos

8
>
> (1) : x+y 3z + u = 1
>
>
<
(2) : 6y + 6z = 0 Resolviendo por cualquier método,
>
>
>
>
:
(3) : 2u = 2
tendremos
[x = 2z; y = z; z = z; u = 1]
entonces, si
8
>
> (1) : x = 2t
>
>
>
>
>
>
< (2) : y = t
z=t) ; 8t 2 R
>
>
>
> (3) : z = t
>
>
>
>
:
(4) : u = 1
b) El sistema es incompatible si 6= 0; por ejemplo si =1

13
0 1
.
B 1 1 1 .. 1 C
3
B . C
B 2
B 4 0 2 .. 2 C
C
B .. C
B 1 0 2 3 . 3 C
@ A
..
3 4 2 0 . 1
por eliminación gaussiana
0 1
.
B 1 1 3 1 .. 1 C
B . C
B 0
B 6 6 0 .. 0 C
C
B .. C
B 0 0 0 2 . 2 C
@ A
..
0 0 0 0 . 1
regresando al sistema de ecuaciones, se tiene
8
>
> (1) : x + y 3z + u = 1
>
>
>
>
>
>
< (2) : 6y + 6z = 0
como 0u = 1; 0 6= 1 el sistema no tiene solución
>
>
>
> (3) : 2u = 2
>
>
>
>
:
(4) : 0u = 1
Ejemplo
Discutir el siguiente sistema de ecuaciones

8
>
> (1) : x+y+z+w+u=7
>
>
>
>
>
>
< (2) : 3x + 2y + z + w 3u = 2
>
>
>
> (3) : y + 2z + 2w + 6u = 23
>
>
>
>
:
(4) : 5x + 4y + 3z + 3w u = 12
0 1
..
B 1 1 1 1 1 . 7 C
B . C
B 3 2 1 1 3 .. 2 C
Aa = B
B .
C
C
B 0 1 2 2 6 .. 23 C
@ A
.
5 4 3 3 1 .. 12
Por eliminación gaussiana
0 1
..
B 1 1 1 1 1 . 7 C
B . C
B 0
B 1 2 2 6 .. 23 C
C
B . C
B 0
@ 0 0 0 0 .. 0 CA
.
0 0 0 0 0 .. 0
) Rg(A) = Rg(Aa ) = 2
El sistema es consistente, donde el número de incógnitas es mayor que el número de ecuaciones, ahora analizamos
14
)5 2 = 3 variables o parámetros, por otro lado se tiene
y 2z 2w 6z = 23; y + 2z + 2w + 6u = 23
y = 23 2z 2w 6u; x + y + z + w + u = 7
reemplazando
x + (23 2z 2w 6u) + z + w + u = 7
x = (23 2z 2w 6u) (z + w + u) + 7
x = 5u + w + z 16
ahora el sistema es
8
< (1) : x = z + w + 5u 16
para 8 (z; w; u) 2 R
:
(2) : y = 23 2z 2w 6u
Ejemplo
Para que valores de a; b el sistema de ecuaciones lineales

8
>
> (1) : 3x 2y + z = b
>
>
<
(2) : 5x 8y + 9z = 3
>
>
>
>
:
(3) : 2x + y + az = 1
Tiene
a. Solución única
b. No tiene solución
c. In…nita soluciones
0 1
..
B 3 2 . 1 b C
B . C
Aq = B 5
@ 8 9 .. 3 C
A
.
2 1 a .. 1
Por el método de eliminación gaussiana tenemos

0 1
..
B 3 2 1 . b C
B . C
B 0 7
@ 3 a 32 .. 2
3b 1 C
A
.
0 0 2a + 6 .. 1 3b
1
a. Solución única si Rg(A) = Rg(An ) = 3 , a 6= 3 y b 6= 3
1
b. No tiene solución si a = 3 y b 6= 3
1
c. Tiene in…nita soluciones si a = 3yb= 3
15
0.0.3. Problemas de Aplicación de Ecuaciones Lineales
Una Liebre perseguida por un Galgo lleva ya adelantados 90 saltos y da 5 saltos mientras el perro da 4, y
como 7 saltos de la liebre equivalen a 5 del perro. ¿Cuántos saltos tendrá que dar el galgo para alcanzarla?
Procedimiento
1. Leer bien
2. Comprender bien
3. Análisis de variables y de constantes
4. Grá…co
5. Buscar modelo matemático
6. Realizar procedimiento matemático
7. Resolución
8. Interpretación de resultados
9. Si es ilógico...regresar al paso 1
10. Si es lógico... Finalizar
Solución
x: el número de saltos que da la liebra desde B hasta C
5
Desde P hasta C hay (90 + x) saltos de la liebre, pero (90 + x) saltos del perro.
7
4
En este lapso la liebre ha dado "x"saltos y el perro solo x de lo cual se puede ya establecer un modelo
5
matemático, Resolver
5 4
(90 + x) = x
7 5
25 (90 + x) = 28x
2250 + 25x = 28x
2250 = 28x 25x
2250 = 3x
2250
x= = 750
3
16
4 4
entoces la liebre da 750 saltos,es decir,los saltos del perro = x = 750 = 600
5 5
Interpretación
El perro Galgo debe dar 600 saltos para alcanzar a la liebre que apenas da 750 saltos, por lo que 750 600 = 150
saltos, con estos saltos es alcanzada la liebre.
Ejemplo
En un examen de admisión, un postulante ha marcado 140 preguntas obteniendo 80 puntos, sabiendo que gana un
punto por respuesta correcta y pierde un cuarto de punto por cada pregunta mal constestada. ¿Cuántas respuestas
están equivocadas?
Solución
Sea x = Número de respuestas incorrectas
(140 x) = Número de respuestas correctas
Total de puntos = Total de preguntas correctas + Puntos de la preguntas incorrectas
1
80 = 1 (140 x) + x
4
1
80 = 140 x x
4
1
80 140 = x x
4
5
60 = x
4
5
60 = x
4
240 = 5x
x = 48 número de respuestas incorrectas
Ejemplos de Aplicación
Después de comprar 15 cajas de cerveza del mismo precio, me sobran 38 usd y me faltan 47 usd para poder
comprar otra más ¿De qué suma disponía?
Si tuviera 15 años más de la edad que tengo, entonces lo que me faltaría para cumplir 78 años sería los cinco
tercios de la edad que tenía hace 7 años. Dentro de 5 años que edad tendré?
Para podar un Jardín le tomaría a Isabel 9 horas; Miriam lo hace en 6 horas mientras que Bertha sola lo hace
en 3 horas. ¿Cuánto tiempo les tomará trabajando todas juntas?
Matrices
Quito,Noviembre de 2022
1
Clase 04-22
2
Capítulo 1
Matrices
1.0.1. Matrices
Introducción
Sea el siguiente grafo A; donde A es la construcción de un grafo de redes en comunicación, la misma que genera
una matriz A binaria, de la forma
P3 ! ! P6
# # # "
# # # "
# P1 ! ! ! P5 ! !
# P2 ! " #
! ! ! " P4
0 1
P1 P2 P3 P4 P5 P6
B P1 0 0 0 0 1 0 C
B C
B P2 0 0 0 0 1 0 C
B C
A=B
B P3 1 1 0 0 1 1 C
C
B P4 0 1 0 0 1 0 C
B C
@ P5 0 0 0 0 0 1 A
P6 0 0 0 1 0 0 66
La Matriz A genera un modelo matemático de aplicación en el campo de la electrónica.
1.0.2. Matriz
Una Matriz es una tabla de m n elementos dispuestos en m …las y n columnas.
Se suele representar por letras mayúsculas A; B; :::; etc: y a sus elementos de la forma aij donde el primer subíndice
indica la …la y el segundo subíndice la columna a la que pertenece dicho elemento.
Así pues, una matriz A = (aij )m n con 1 i m; 1 j n es de la forma:
0 1
a11 a12 a13 a1j a1n
B a21 a22 a23 a2j a2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
A=B
B ai1
C
C
B ai2 ai3 aij ain C
B . .. .. .. .. .. .. C
@ .. . . . . . . A
am1 am2 am3 amj amn mn
3
4 CAPÍTULO 1. MATRICES
8
< 1 i m
A = (aij )m n ;
:
1 j n
Ejemplo
2 p 3
2 3i 1 i 2+i
A = 4 e3i i2 4 i 5 ; A 2 Cm n
cis 2 cos 6 + i sin 6 i 33
A = (aij )m n ; 1 i m; 1 j n; A 2 C
A = (aij )m n ; A 2 |mxn
Orden de una Matriz.
Una matriz de m …las y n columnas se dice que tiene dimensión o que es de orden m n, y al conjunto de todas
las matrices de orden m n lo denotaremos por |mxn (en el supuesto de que los elementos de la matriz A sean
elementos de R).
Igualdad de Matrices
Dos matrices A = [aij ]m n y B = [bij ]m n son iguales si tienen el mismo orden y sus elementos correspondientes
son iguales
8
< 8i; 1 i m
A = B , aij = bij ;
:
8j; 1 j n
Propiedades
Sean A; B; C matrices del mismo orden (elementos de |m n ) se cumplen las siguientes propiedades
a. A = A; 8A
b. A = B ) B = A
c. A = B ^ B = C ) A = C
Ejemplo
Sean las matrices

2 3 2 3
2x + 1 2 z 1 3 2y 2 x+y
A=4 x+2 1 2y 5 y B =4 z+3 1 z 2x 5
y 1 8 x 2z 3 3 z 5 8 1 33
para que las matrices A y B sean iguales se utiliza la condición

8
< 8i; 1 i m
A = B , aij = bij ;
:
8j; 1 j n
igualando todos los elementos correspondientes, y si este sistema tiene solución, entonces se cumple dicha condición
5
8
>
> (1) : 2x + 1 = 3 2y
>
>
>
> (2) : 2=2
>
>
>
> (3) : z 1=x+y
>
>
< (4) : x+2=z+3
Resolviendo el sistema, se tiene (5) : 1= 1
>
>
>
> (6) : 2y = z 2x
>
>
>
> (7) : y 1=z 5
>
>
>
> (8) : 8=8
:
(9) : x 2z = 1
la solución es [x = 3; y = 2; z = 2] ; entonces la triada es (x; y; z) = (3; 2; 2)
De…nición
Se denomina Matriz Fila a aquella que consta de una única …la.
A= a11 a12 a13 a1j a1n 2 |1 n
Ejemplo
p
A= i 3 e3i i 3 2i cis 56 2 7 17
De…nición
De igual manera, se denomina Matriz Columna a aquella que consta de una única columna.
2 3
a11
6 a21 7
6 7
6 .. 7
6 . 7
A=6
6 ai1
7 2 |m 1
7
6 7
6 . 7
4 .. 5
am1
Ejemplo
2 3
3 2i
6 p 7
A=6 6 2i 7 2 |m 1
4 cos 4 4 5
3 + i sin 3
4e 2 i 41
1.0.3. Matrices Especiales
Matriz Cuadrada.
Si m = n (número de …las es igual al número de columnas), diremos que An = (aij ) o An = [aij ] se denomina
matriz cuadrada de orden n .
0 1
a11 a12 a1n
B a21 a22 a2n C
B C
A=B .. .. .. .. C A 2 |n n
@ . . . . A
am1 am2 amn
a. Al conjunto de matrices de orden 2 2 se les puede representar por A2
b. Al conjunto de matrices de orden 3 3 se les puede representar por A3
c. Al conjunto de matrices de orden 4 4 se les puede representar por A4

d. Al conjunto de matrices de orden m n; donde m = n se les puede representar por An
Ejemplo
2 3 3
p4 + 0i 2 2i e4i
A = 4 25p 3 + 21 i 11
2 + 3i 2 +p7i 5
3 2i cis 73 5 + 3i 3 3
A3 = [aij ]3 ; A 2 C3 3
Matriz Diagonal.
La matriz cuadrada An = [aij ]n es diagonal si aij = 0; 8 i 6= j y 9i; aii 6= 0; 1 i n
0 1
a11 a12 a1n
B a21 a22 a2n C
B C
An = B .. .. .. .. C = diag a11 a22 amn
@ . . . . A
am1 am2 amn
Por lo menos algún aii es diferente de cero

0 1
3i 0 0 0
B 0 x2 + 2 0 0 C
An = diag (A) = B
@ 0
C
A
0 ex 0
0 0 0 2x + 3i
Se puede escribir también
diag (A) = 3i x2 + 2 ex 2x + 3i
Ejemplo
En |4;4
2 3
2 0 0 0
6 0 0 0 0 7
A4 = 6
4 0
7 Diagonal Principal
0 3 0 5
0 0 0 0
D = 2 0 3 0
Ejemplo
En |5;5
2 3
3 0 0 0 0
6 0 4 0 0 0 7
6 7
A5 = 6
6 0 0 2 0 0 7 Diagonal Principal
7
4 0 0 0 8 0 5
0 0 0 0 4
diag(A) = 3 4 2 8 4 =D
7
Matriz Diagonal Principal
Dada la matriz An = [aij ]n , se llama diagonal principal al conjunto. D a11 a22 amn
Ejemplo
2 3
2 3 1 5
6 1 4 3 2 7
Sea A = 6
4 8
7, entonces D = 2 4 3 0 es la diagonal principal de A4
1 3 4 5
4 3 2 0
Matriz Identidad.
La matriz cuadrada In es una matriz identidad si, y sólo si aij = 0; 8 i 6= j y aii = 1 8i
0 1
1 0 0
B 0 1 0 C
B C
In = B .. .. .. .. C=I
@ . . . . A
0 0 1
Ejemplo
2 3
1 0 0 0 0
6 0 1 0 0 0 7
6 7
I5 = 6
6 0 0 1 0 0 7
7
4 0 0 0 1 0 5
0 0 0 0 1
Matriz Nula.
Am n es nula si,y sólo si aij = 0; 8i; 8j denotaremos por mn
Ejemplo
2 3
0 0
=4 0 0 5
0 0 mn
Matriz Escalar
Es aquella matriz diagonal cuyos elementos diagonales son todos iguales, es decir si se veri…ca que a11 = a22 =
a33 = ::: = an n =
0 1
0 0
B 0 0 C
B C
A=B .. .. .. .. C
@ . . . . A
0 0 nn
Ejemplo
2 3
(3 7i) 0 0 0
6 0 (3 7i) 0 0 7
A4 = 6
4
7
5
0 0 (3 7i) 0
0 0 0 (3 7i) 44
2 3
1 0 0 0
6 0 1 0 0 7
A4 = (3 7i) 6
4 0
7
0 1 0 5
0 0 0 1 44
A4 = (3 7i) I4 4 ; 2 |4 4 ; A 2 C
Ejemplo
Resolver
2 3
5 0 0
A3 = 4 0 5 0 5
0 0 5 33
2 3
1 0 0
A3 = 54 0 1 0 5 = 5I
0 0 1 33
Matriz Triangular Superior.
Una matriz cuadrada cuyos elementos aij = 0; para i > j se llama matriz triangular superior, es decir
0 1
a11 a12 a13 a1n
B 0 a22 a23 a2n C
B C
B 0 0 a33 a3n C
A4s =B C
B .. .. .. .. .. C
@ . . . . . A
0 0 0 0 ann
Matriz Triangular Inferior
Una matriz cuadrada cuyos elementos aij = 0; para i < j se llama matriz triangular inferior, es decir
0 1
a11 0 0 0
B a21 a22 0 0 C
B C
B a31 a32 a33 0 C
A4I =B C
B .. .. .. .. .. C
@ . . . . . A
an1 an2 an4 ann
Ejemplo
0 p 1
2 i cis i2
p
A4s = @ 0 e i 3 A
0 0 3i
Ejemplo
0 p 1
3 0 0
A4I = @ 2 2i 0 A
p
3ei 3 3i 4 3
9
Matriz Idempotente
Una Matriz Cuadrada A = (aij )n es idempotente si, y sólo si A2 = A

Propiedades
1. La matriz B C es idempotente únicamente si se cumple propiedad la conmutativa respecto del producto de
matrices B C = C B
2. Si B es una matriz idempotente, la matriz I B también es idempotente aunque B I en general no lo es
Ejemplo
Sea
2 3 2 32 3 2 3
1 1 1 1 1 1 1 1 2
6 2 2 7 2 6 2 2 7 6 2 2 7 6 2 2 7
A = 4 1 1 5;A A = A = 4 1 1 54 1 1 5=4 1 1 5
2 2 2 2 2 2 2 2
2 3
1 1
6 2 2 7
= 4 1 1 5
2 2
Matriz Nilpotente
A es nilpotente, si Ak = para algún k 2; : matriz cuadrada nula.

Propiedades
1. Si una matriz A es nilpotente, su determinante jAj = 0
1
2. Si la matriz A es nilpotente y In A es inversible, su inversa es igual a (In A) = In + A
Ejemplo
Determine el menor k 2 N tal que Ak = ; donde
2 3
0 1 0 0 0
6 0 0 1 0 0 7
6 7
A=6
6 0 0 0 1 0 7
7
4 0 0 0 0 1 5
0 0 0 0 0
2 3 2 3 2 3
0 1 0 0 0 0 1 0 0 0 0 0 1 0 0
6 0 0 1 0 0 7 6 0 0 1 0 0 7 6 0 0 0 1 0 7
6 7 6 7 6 7
A 2
= A A=6
6 0 0 0 1 0 7
7
6
6 0 0 0 1 0 7=6
7 6 0 0 0 0 1 7
7
4 0 0 0 0 1 5 4 0 0 0 0 1 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 3 2 3 2 3
0 0 1 0 0 0 1 0 0 0 0 0 0 1 0
6 0 0 0 1 0 7 6 0 0 1 0 0 7 6 0 0 0 0 1 7
6 7 6 7 6 7
A 3
= A 2
A=6
6 0 0 0 0 1 7
7
6
6 0 0 0 1 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 0 5 4 0 0 0 0 1 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 3 2 3 2 3
0 1 0 0 0 0 0 0 1 0 0 0 0 0 1
6 0 0 1 0 0 7 6 0 0 0 0 1 7 6 0 0 0 0 0 7
6 7 6 7 6 7
A4 = A3 A = 6
6 0 0 0 1 0 7
7
6
6 0 0 0 0 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 1 5 4 0 0 0 0 0 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 3 2 3 2 3
0 0 0 0 1 0 0 0 0 1 0 0 0 0 0
6 0 0 0 0 0 7 6 0 0 0 0 0 7 6 0 0 0 0 0 7
6 7 6 7 6 7
A5 = A4 A = 6
6 0 0 0 0 0 7
7
6
6 0 0 0 0 0 7=6
7 6 0 0 0 0 0 7
7
4 0 0 0 0 0 5 4 0 0 0 0 0 5 4 0 0 0 0 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Entonces k = 5; se tiene que A5 =
Matriz Unipotente (Involutiva)
Una matriz A de orden n se llama unipotente, si se veri…ca que
A A = A2 = In
Propiedad
1. Si una matriz A es unipotente, entonces su determinante jAj = 1
Ejemplo
Sea
p p !
2 2
A = p2 2p
2 2
2 2
p p ! p p !
2 2 2 2
2 p2 2p p2 2p 1 0
A A = A = =
2 2 2 2 0 1
2 2 2 2
por otro lado se calcula su determinante
p p !
2 2
det(A) = det p2 2p = 1
2 2
2 2
Ejemplo
1 0
Sea A =
0 1
2
1 0
A A = A2 =
0 1
1 0
= =I
0 1
1 0
además det(A) = det = 1
0 1
Ejemplo
11
2 3
3 6 2
Sea A = 4 2 4 1 5
2 3 0
2 32
3 6 2
A A = A2 = 4 2 4 1 5
2 3 0
2 3
1 0 0
= 4 0 1 0 5=I
0 0 1
0 1
3 6 2
Además det(A) = det @ 2 4 1 A= 1
2 3 0
1.0.4. Potencia de una Matriz
Sea A una matriz cuadrada de orden n n, a la potencia de la matriz de…niremos como
A0 = I
A1 = A
A2 = A A
A3 = A A A
..
.
n
A = A A A ::: A
además
q
Ap Aq = Ap+q y (Ap ) = Apq
Las matrices A y B son conmutables. Entonces cualquier potencia natural de los mismos también son conmutables
y
p
(A B) = Ap B p ; p 2 N
arbitrarios
Ejemplo
0 1
2 3 5
Sea A = @ 1 4 5 A determinar A5 =?
1 3 4
0 1 0 1 0 1
2 3 5 2 3 5 2 3 5
A2 = @ 1 4 5 A @ 1 4 5 A=@ 1 4 5 A
1 3 4 1 3 4 1 3 4
entonces A2 = A ) A es idempotente, luego
2
A5 = A A2 = A A2 = A A = A2 = A
Ejemplo
2 3
0 1 0
Dada la matriz A = 4 0 0 1 5 determinar A25 =?
1 1 1
2 32 3 2 3
0 1 0 0 01 0 0 1
A2 = 4 0 0 1 54 0 1 5=4 1
0 1 1 5
1 1 1 1 11 1 0 0
2 32 3 2 3
0 0 1 0 1 0 1 1 1
A3 = A2 A=4 1 1 1 54 0 0 1 5=4 1 0 0 5
1 0 0 1 1 1 0 1 0
2 32 3 2 3
1 1 1 0 1 0 1 0 0
A4 = A3 A=4 1 0 0 54 0 0 1 5=4 0 1 0 5
0 1 0 1 1 1 0 0 1
Entonces
6
A4 = I; A4 = I6 = I
6
A4 = A24 = I entonces A25 = A24 A = I A = A es decir A25 = A
Matriz Hermitiana (Hermítica)
t t
Sea A 2 Cn n ; A es hermitiana si y sólo si A = A ; A :Transpuesta de la conjugada de A
Notación: Si A = [aij ] entonces A = [aij ] donde aij es la conjugada de aij y A es la conjugada de A entonces
t
A =A
Ejemplo
2 3
2 + 0i 1 i 4 + 2i
Sea A = 4 1 + i 5 + 0i 1 i 5
4 2i 1+i 3 + 0i
2 3
2 1+i 4 2i
donde A = 4 1 i 5 1+i 5
4 + 2i 1 i 3
2 3
2 1 i 4 + 2i
t
A = 4 1+i 5 1 i 5
4 2i 1+i 3
t
se cumple A = A ; entonces A es hermitiana
Matriz Ortogonal
De…nición
Sea A 2 Mn (R) se dice que A es ortogonal, si se veri…ca que
A At = At A = In
De…nición
Sea An = [aij ]n una matriz cuadrada no singular

1
A ortogonal, si y sólo si A = At
Propiedades
1. En particular toda matriz ortogonal es invertible

13
t
2. Puesto que (At ) = A se deduce que la inversa de una matriz ortogonal es una matriz ortogonal
3. Si A y B son ortogonales, entonces A B es ortogonal
Observación
Para la matriz ortogonal debe cumplirse que A 1 = At hay que tener en cuenta que sus determinantes son diferentes
de cero, es decir que sus matrices sean invertibles o no singulares
Teorema
El producto de dos matrices ortogonales es una matriz ortogonal.
Demostración
Sean A y B dos matrices ortogonales, se tiene que

t
At = A 1
; Bt = B 1
de donde (A B) = B t At
Luego
t 1 1 1
(A B) = B A = (A B)
por lo tanto A B es una matriz Ortogonal
Observación
t
(A B) = At B t no está de…nido
Ejemplo
Comprobar que la matriz cuadrada dada es ortogonal
2 3
cos x sin x 0
A = 4 sin x cos x 0 5
0 0 1 33
entonces comprobaremos A At
2 3 2 3
cos x sin x 0 cos x sin x 0
A = 4 sin x cos x 0 5 La Transpuesta es At = 4 sin x cos x 0 5 por lo tanto
0 0 1 0 0 1
0 1 0 1
cos x sin x 0 cos x sin x 0
A At = @ sin x cos x 0 A @ sin x cos x 0 A
0 0 1 33 0 0 1 33
0 1
cos2 x + sin2 x 0 0
= @ 0 cos2 x + sin2 x 0 A
0 0 1 33
Recordadndo cos2 x + sin2 x = 1 Ecuación Pitágora fundamental

0 1 0 1
cos2 x + sin2 x 0 0 1 0 0
A At = @ 0 cos2 x + sin2 x 0 A = @ 0 1 0 A=I
0 0 1 0 0 1
Entonces A es Ortogonal
Ejemplo
p1
1 1
Sea A = comprobar si A es una matriz ortogonal, sabiendo que debe cumplir con la condición
2 1 1
t 1
A =A
1
p 1
p
1 1 1 2 p2 2p 2
Sea A = p = 1 1
2 1 1 2 2 2 2
1
p 1
p
2 2 p2
luego At = 2 p
1 1 por otro lado, se calcula A 1
=?
2 2 2 2
1
p 1
p
1 2 p 2 2 p2
donde A = 1 1
2 2 2 2
por lo tanto, como At = A 1

entonces A es ortogonal
Ejemplo
Comprobar si A es una matriz ortogonal
0 1 2 2
1
3 3 3
Sea A = @ 2
3
2
3
1
3
A
2 1 2
3 3 3
0 1 2 2
1 0 1 2 2
1
3 3 3 3 3 3
A = @ 2
3
2
3
1
3
A ; At = @ 2
3
2
3
1
3
A
2 1 2 2 1 2
3 3 3 3 3 3
0 1 2 2
10 1 2 2
1 0 1
3 3 3 3 3 3 1 0 0
A At = @ 2
3
2
3
1
3
A@ 2
3
2
3
1
3
A=@ 0 1 0 A = I3
2 1 2 2 1 2
3 3 3 3 3 3
0 0 1
por lo tanto A si es una matriz ortogonal
1.0.5. Traza de una Matriz
Sea la matriz cuadrada A = [aij ]n se llama Traza de A, al número
T r (A) = a11 + a22 + a33 + ::: + ann
(n;n)
X
T r(A) = aij ; 8i = j; fi; jg 2 N; T r(A) 2 |
(i;j)=(1;1)
(es la suma de los elementos de la diagonal principal)
Propiedades
Sean A y B matrices cuadradas y es un escalar que pertenece a |
a. Tr ( ) = 0
b. Tr (In ) = n
c. Tr (At ) = Tr (A)
d. Tr (A + B) = Tr (A) + Tr (B)
e. Tr ( A) = Tr (A)
f. Tr (AB) = Tr (BA)
Ejemplo
0 1
cos x sin x 0
Sea la matriz A = @ sin x cos x 0 A ; Determinar la T r(A) =?
0 0 1
15
T r(A) = cos x + cos x + 1 = 2 cos x + 1
Ejemplo
0 1
2 3 5
Hallar la T r(A); sabiendo que A = @ 1 4 5 A
1 3 4
T r(A) = 2 + 4 4=2
Ejemplo
Determine la traza de la matriz simétrica (los elementos equidistantes de la diagonal de la matriz A tienen que ser
iguales)
0 1
a 5 7
A = @ a + 2b 2b 3c + a A
2b + 3c 20 3c
Como A es una matriz simétrica entonces

8
>
> (1) : a + 2b = 5
>
>
<
11
(2) : 2b + 3c = 7 , Resolviendo el sistema anterior se tiene la solución a = 9; b = 2; c = 3
>
>
>
>
:
(3) : 3c + a = 20
entonces
0 1
a 5 7
A = @ a + 2b 2b 3c + a A como T r(A) = a + 2b + 3c
2b + 3c 20 3c
11
T r(A) = (9) + 2( 2) + 3 = 16
3
T r(A) = 16
1.0.6. Producto de un Escalar por una Matriz (L:c:e)
Sean A 2 |m n y 2 | se de…ne Producto de un Escalar por una Matriz de por A 2 |m n tal que sus elementos
son los de A multiplicados por .
Se denota por
A = B; A y B son matrices del orden m n; 2|
A = ( aij )m n = ( aij )1 i m
1 j n
Ejemplo
Sea = (3 2i) 2 C además

2 p p 4
3
(3 p7i) R 2 3 i 3
6 7 xdx 6 2z 7
A = 6
4 d tan2 x
p 7
5
dx 8 sin x 3 7
6 i 4 e i 44
2 p p 4
3
(3 p7i) R 2 3 i 3
6 7 xdx 6 2z 7
A = (3 2i) 6
4 d tan2 x
p 7
dx 8 sin x 3 7 5
6 i 4 e i 44
2 p p 4
3
(3 p2i) (3 7i) 2 (3 R 2i) 3 i (3 2i) 3 (3 2i)
6 7 (3 2i) (3 2i) xdx 6 (3 2i) 2z (3 2i) 7
A = 6
4 (3 2i) d tan2 x
p 7
5
dx 8 (3 2i) (3 2i) sin x 3 7 (3 2i)
6 (3 2i) i (3 2i) 4 (3 2i) e i (3 2i)
Ejemplo
0 1
2 3 5
Hallar el producto de un escalar = 5 por la matriz A = @ 1 4 5 A
1 3 4
0 1 0 1
2 3 5 10 15 25
A = 5@ 1 4 5 A = @ 5 20 25 A
1 3 4 5 15 20
Propiedades
Sean y dos escalares y A y B dos matrices del mismo orden, entonces
1. Asociativa
8 ; 2 | y 8A 2 |m n ) ( ) A = ( A) = ( A)
2. Distributivas
8 ; 2 | y 8A 2 |m n ) ( + )A = A + A
8 2 | y 8A; B 2 |m n ) (A + B) = A + B
3. Modulativas
8A 2 |m n ) 1 A=A
8A 2 |m n ) 0 A=
Observación
Entonces, se puede considerar que
a. Por tanto (Rm n ; +; ) es un espacio vectorial sobre el cuerpo R de los números reales.
b. Para matrices complejas (Cm n ; +; ) sería un espacio vectorial sobre el cuerpo C de los números complejos.
c. En caso muy general, se puede suponer que cualquier conjunto de los números se les puede representar con |
1.0.7. Matriz Transpuesta (Traspuesta de una Matriz)
Sean las matrices A = [aij ]m n y B = [bij ]n m diremos que B es la transpuesta de A si y sólo sí
bij = aji ; 81 i m; 81 j n
y denotamos por B = At (o por t A) es decir
At = B , bij = aji ; 8i; 8j

17
donde B es la transpuesta de A
0 1 0 1
a11 a12 a1n a11 a21 am1
B a21 a22 a2n C B a12 a22 am2 C
B C B C
Si A = B .. .. .. .. C entonces At = B .. .. .. C
@ . . . . A @ . . . A
am1 am2 amn mn
a1n a2n amn mn
Ejemplo
2 3
1 i 2i i
Sea A = 4 i 5 3i 2 + 3i 5
i 1 2i 1
2 3
1 i i i
entonces At es At = 4 2i 5 3i 1 2i 5
i 2 + 3i 1
Propiedades
a. Traspuesta de la Identidad I t = I
b. Traspuesta de la Traspuesta (At )t = A

t
c. Escalar por Matriz Traspuesta (k A) = kAt ; k es un escalar
Xr t Xr
d. Suma de Matrices Traspuesta (A + B)t = At + B t o generalizando Ai = Ai t
i=1 i=1
t
e. Producto de Matrices Traspuestas (A B) = B t At
f. Traspuesta de la identidad Int = In

1 t 1
g. La Traspuesta de la inversa A = (At )
Ejemplo
2 3
1 i 2i i
A = 4 i 5 3i 2 + 3i 5
i 1 2i 1
2 3
1 i i i
la Matriz At es At = 4 2i 5 3i 1 2i 5
i 2 + 3i 1
2 3t 2 3
1 i i i 1 i 2i i
t
At = 4 2i 5 3i 1 2i 5 = 4 i 5 3i 2 + 3i 5
i 2 + 3i 1 i 1 2i 1
t
At = A
Matrices y Determinantes
Quito, Noviembre de 2022

Capítulo 1
Matrices
1.0.1. Operación de Matrices
Observación
3+4=7 Suma
1. Operación Suma Módulo (0)
3 + ( 4) = 1 Resta (Propiedad)
3 4 = 12 Multiplicación
3 14 = 34 División (Propiedad)
2. Operación multiplicación Módulo (1)
3p2 = 9 Potenciación (Teorema)
3
8=2 Radicación (Teorema)
Ejemplo
Determinar la operación B A de matrices
Análisis
Se sabe que A = (aij )2 3 y B = (bij )3 2 donde
0 1
1 2
1 4 2
A = ; B=@ 1 3 A
1 4 2 23 5 2 32
A B si se puede multiplicar....
B A si se puede multiplicar....
i) Número de Filas de A : (2) y Número de Filas de B : (3) entonces 2 3 = 6

ii) Número de Columnas de A : (3) y Número de Columnas de B : (2) entonces 3 2 = 6
por lo tanto el orden …nal de la matriz A = (aij )2 3 y B = (bij )3 2 entonces el orden de la matriz [B A] es
cuadrada de orden 6
Por determinarse B A como las …las de A y B y las columnas de A y B que son equivalentes, si es posible
determinarse B A =?
[B A] = ?
0 1
1 2
1 4 2
A = ; B=@ 1 3 A
1 4 2
5 2
0 1 0 1 0 1
1 2 1 2 1A 2A
se considera B = @ 1 3 A luego A = A @ 1 3 A = @ 1A 3A A
5 2 5 2 5A 2A
1
…nalmente se tiene
0 1
1 4 2 2 8 4
B 1 4 2 2 8 4 C
B C
B 1 4 2 3 12 6 C
B A=B
B
C
C
B 1 4 2 3 12 6 C
@ 5 20 10 2 8 4 A
5 20 10 2 8 4 66
Procedimiento
Cálcular de B A =?
0 1 0 1
1 2 A 2A
A = A@ 1 3 A=@ A 3A A
5 2 5A 2A
0 1 0 1
1 2 1A 2A
B A = B A =@ 1 3 A @ A 3A A
5 2 5A 2A
0 1
1A 2A
1 4 2
como A = entonces se realiza A = @ 1A 3A A =?
1 4 2
5A 2A
por lo tanto, se tiene
1 4 2 1 4 2
1 =
1 4 2 1 4 2
1 4 2 2 8 4
2 =
1 4 2 2 8 4
1 4 2 1 4 2
1 =
1 4 2 1 4 2
1 4 2 3 12 6
3 =
1 4 2 3 12 6
1 4 2 5 20 10
5 =
1 4 2 5 20 10
1 4 2 2 8 4
2 =
1 4 2 2 8 4
y generando la matriz …nal, tenemos que
0 1
1 4 2 2 8 4
B 1 4 2 2 8 4 C
B C
B 1 4 2 3 12 6 C
B A=B
B
C
C
B 1 4 2 3 12 6 C
@ 5 20 10 2 8 4 A
5 20 10 2 8 4
Matriz Simétrica
Una matriz cuadrada An = [aij ]n se dice que A es Simétrica si coincide con su traspuesta. (es simétrica respecto
a su Diagonal Principal).
3
A simétrica () A = At
Observación
Para la matriz simétrica debe cumplirse que A = At es decir aij = aji para i 6= j
Ejemplo
2 3 2 3
4 2 1 4 2 1
Sea A = 4 2 3 5 5 entonces At = 4 2 3 5 5 como A = At entonces A es simétrica
1 5 8 1 5 8
Ejemplo
2 3 2 3
2 1 3 2 4 1
Sea A = 4 4 3 2 5 entonces At = 4 1 3 4 5 es decir como A 6= At entonces A no es simétrica
1 4 3 3 2 3
Ejemplo
2 3
ip 1 2+i i
A = 4 21 + 21 3i p 1 1 4 i 5;
1
i 2 3 + 2i i
2 1
p 3
i 2i 3 + 12 p i
La matriz Transpuesta es At = 4 1 i 1 1
2 3 + 2i
1 5 entonces no se cumple A = At lo que indica
2+i 4 i i
que A no es es una Matriz Simétrica.
Matriz Antisimétrica
Una matriz cuadrada An = [aij ]n se dice que es Antisimétrica si coincide con la opuesta de su traspuesta.
A antisimétrica () A = At
Observaciones
a. Para que una matriz A sea antisimétrica debe cumplirse que aij= aji para i 6= j y los elementos simétricos
respecto a la diagonal principal deben ser ceros, es decir aij = 0; i = j
b. Una matriz cuadrada A es no singular si, y sólo si, su determinante es diferente de cero.
Ejemplo
2 3 2 3
0 2i ei 0 sin 27 cos 3
Sea A = 4 sin 27 0 3 + 4i 5 entonces At = 4 2i 0 1 2i 5
cos 3 1 2i 0 ei 3 + 4i 0
Ahora cambiaremos de signo a la matriz At así
2 3
0 sin 27 cos 3
At = 4 2i 0 1 + 2i 5
ei 3 4i 0
como A 6= At entonces A no es antisimétrica
Ejemplo
0 1
0 2 4
Sea B = @ 2 0 2 A probar que B = B t es decir analizar si B es una antisimétrica
4 2 0
0 1 0 1
0 2 4 0 2 4
Como B = @ 2 0 2 A la matriz transpuesta es B t = @ 2 0 2 A pero además
4 2 0 4 2 0
0 1
0 2 4
Bt = @ 2 0 2 A entonces B = B t por lo tanto B es una matriz antisimétrica
4 2 0
Ejemplo
0 1
0 1 2
Sea A = @ 1 0 3 A probar que A = At es decir analizar si B es una antisimétrica
2 3 0
Determinando la matriz transpuesta de A, se tiene
0 1 0 1 0 1
0 1 2 0 1 2 0 1 2
At = @ 1 0 3 A= @ 1 0 3 A=@ 1 0 3 A
2 3 0 2 3 0 2 3 0
por lo tanto, como At = A; A es antisimétrica
Ejemplo
1 1
Resolver A = 2 (A + At ) + 2 (A At )
Solución
Probaremos que 12 (A + At )
0 1 0 1
0 2 4 0 2 4
Sea A = @ 2 0 2 A entonces la matriz transpuesta es At = @ 2 0 2 A
4 2 0 4 2 0
20 1 0 13 0 1
0 2 4 0 2 4 0 0 0
1 1
A + At = 4@ 2 0 2 A+@ 2 0 2 A5 = @ 0 0 0 A
2 2
4 2 0 4 2 0 0 0 0
1
Además debemos comprobar que 2 (A At )
20 1 0 13 0 1
0 2 4 0 2 4 0 2 4
1 1 4@
A At = 2 0 2 A @ 2 0 2 A5 = @ 2 0 2 A
2 2
4 2 0 4 2 0 4 2 0
1 1
Entonces, veri…cando tenemos que A = 2 (A + At ) + 2 (A At )
0 1 0 1 0 1 0 1
0 2 4 0 0 0 0 2 4 0 2 4
@ 2 0 2 A=@ 0 0 0 A+@ 2 0 2 A=@ 2 0 2 A
4 2 0 0 0 0 4 2 0 4 2 0
Matriz Positiva
Sea A 2 Rn n ; A es positiva si y sólo si
Xt A X > 0; 8X 2 Rn ; X 6=
Xt A X > 0; 8X 2 Rn ; X 6=
D > 0; 8X 2 Rn ; X 6=
5
Donde D : es la matriz de Diagonalización y X : es una matriz de Pasaje
Ejemplo
q(x; y; z) = x2 + 2y 2 4xz 4yz + 7z 2 forma cuadrática
A partir del modelo cuadrático, se obtiene una matriz asociada, así
0 1 0 1
a11 a12 a13 axx axy axz
A = @ a21 a22 a23 A cambiar a A = @ ayx ayy ayz A
a31 a32 a33 azx azy azz
0 1
ax2 axy axz
Haciendo la matriz simétrica A = @ axy ay2 ayz A
axz ayz az 2
0 1
1 0 2
A = @ 0 2 2 A
2 2 7
donde A también es una matriz simétrica, entonces realizando la diagonalización de la matriz A se tiene
0 1
1 0 0
D=@ 0 2 0 A
0 0 1
donde D es la matriz de diagonalización de la matriz A y además es una matriz Positiva
Nota
Donde
D = Pt A P
y además P es una matriz de pasaje formado por los vectores unitarios de la matriz A
Matriz Estocástica (Probabilística)
Una matriz estocástica es una matriz cuyos elementos son Probabilidades, es decir A = (aij )m n 2 Pr donde Pr
es una matriz de probabilidades
0 1
p11 p12 p13 p1j p1n
B p21 p22 p23 p2j p2n C
B C
B .. .. .. .. .. .. .. C
B . . . . . . . C
A=B
B pi1
C
C donde A 2 Pr(P )
B pi2 pi3 pij pin C
B . .. .. .. .. .. .. C
@ .. . . . . . . A
pm1 pm2 am3 pmj pmn mn
De…nición
Una matriz estocástica ( o probalilística) se tiene cuando la sumatoria de todos los elementos de las …las ó columnas
valen 1
m
X n
X
Pr(A) = ai1 = 1 Y Pr(A) = a1j = 1
i=1 j=1
Ejemplo
0 1 1
1 0 1 1
1
2 0 2 2 1 2
A=@ 0 1 0 A;B = @ 1
4 0 1
2
A
1 1 1 1
3 3 3 4 0 0
De…nición
Una matriz doblemente estocástica se tiene cuando la sumatoria de todos los elementos tanto de las …las y columnas
valen
m
X n
X
Pr(A) = ai1 = 1 ^ Pr(A) = a1j = 1
i=1 j=1
Ejemplo
0 1 0 1 1 1
1
1 0 0 2 4 4
A=@ 0 1 0 A;B = @ 1
4
1
8
5
8
A
1 5 1
0 0 1 4 8 8
Ejemplo
0 1
1 0 0;25
A = @ 0 0;50 0 A ; A es una matriz estocástica
0 0;50 0;75
de la matriz estocástica se obtiene un polinomio mínimo
Pr(x) = x3 2: 25x2 + 1: 625x 0;375
y
4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
Pr(x) = x3 2: 25x2 + 1: 625x 0;375
Ejemplo
Sea la matriz estocástica, determinar el vector de probabilidad

0 1
0 0 1
Se sabe que A = @ 0 1 0 A su vector de probabilidad, mediante el punto …jo resulta
0 0;25 0;75
0 1
0 0 1
= [x; y; 1 x y] @ 0 1 0 A = [x; y; 1 x y]
0 0;25 0;75
8
>
> 0=x
>
>
<
entonces y + 0;25 0;25x 0;25y = y
>
>
>
>
:
x + 0;75 0;75 0;25y = 1 x y
donde S = f(0; 1; 0)g ) v = (0; 1; 0)

7
1.0.2. Suma de Matrices (L:c:i)
Sean A; B 2 |m n se denomina Matriz Suma de A y B y se denota por C = A + B a la matriz C 2 |m n tal que
cij = aij + bij i = 1; :::; m , j = 1; :::; n:
Por lo tanto
A+B = [aij ]m n + [bij ]m n = [aij + bij ]m n = [cij ]m n = C
) A + B = [cij ]m n = C
La suma de matrices se de…ne solamente si las matrices tienen el mismo número de …las y columnas
Se puede sumar n cantidad de matrices, siempre que todas tengan el mismo orden m n
AT = A11 + A22 + A33 + ::: + Apk ; A 2 M m n
(p;k)
X
AT = Aij ; Aij 2 M m n
(i;j)=(1;1)
Ejemplo
Determinar la suma de las matrices A + B si

2 3 2 3
1 i 2i 3 2i i 1 i
p 2+i
A = 4 0 + 2i 5 3i 2 3i 5 y B=4 6 3 4 i 5
5i 1 2i i2 33
7 cos 6 + i sin 6 i 3;3
Entonces
2 3 2 3
1 i 2i 3 2i i 1 i
p 2+i
A+B = 4 0 + 2i 5 3i 2 3i 5 + 4 6 3 4 i 5
5i 1 2i i2 33
7 cos 6 + i sin 6 i 33
2 3
1 p 1+i 5 i
A+B = 4 6 + 2i p 3 + 5 3i 2 + 2i 5
7 + 5i 21 3 + 1 32 i 1 i 33
Propiedades
1. Conmutativa
8A; B 2 |m n ) A + B = B + A
2. Asociativa
8A; B; C 2 |m n ) (A + B) + C = A + (B + C)
3. Escalar por la suma de Matrices
8A; B 2 |m n ) k (A + B) = kA + kB; k 2 | y es escalar

4. La existencia del Elemento Neutro Aditivo
Existe la matriz 2 |m n denominada matriz nula y cuyos elementos son todos nulos, tal que
8A 2 |m n ; 9 2 |m n =A + = +A=A
1.0.3. Resta de Matrices (Propiedad del inverso de la adición de Matrices)
5. La existencia de Elemento Opuesto (Resta)

Para cualquier matriz A 2 |m n existe la matriz A 2 |m n denominada Matriz Opuesta (no positiva) y cuyos
elementos son los opuestos de los elementos de la matriz A tal que
8A 2 |m n ; 9! A 2 |m n = A + ( A) = A A=
Nota
Por las propiedades anteriores se puede decir que (|m n ; +; ) es un Grupo Conmutativo.
Ejemplo
Del ejemplo anterior, podemos determinar la resta de las matrices A B de la siguiente manera
2 3
1 i 2i 3 2i
A B = A + ( B) si A = 4 0 + 2i 5 3i 2 3i 5 y
5i 1 2i i2 33
2 3
i 1 i
p 2+i
B = 4 6 3 4 i 5
7 cos 6 + i sin 6 i 33
entonces
2 3 2 3
1 i 2i 3 2i i 1+pi 2 i
A + ( B) = 4 0 + 2i 5 3i 2 3i 5 + 4 6 3 4+i 5
5i 1 2i i2 33
7 cos 6 + i sin 6 i 33
2 3
1 2i 1p + 3i 1 3i
A + ( B) = 4 6 + 2i 5 p3 3i 6 + 4i 5
1 5
7 + 5i 1 2 3 2 i 1+i 33
1.1. Multiplicación de Matrices ( )
Se debe considerar la matriz A = [aij ]m n de orden m n y la matriz B = [bij ]n r de orden n r el producto de A

por B es una nueva matriz C = [cij ]m r donde cij es el producto escalar de la i-ésima …la por la j-ésima columna,
en símbolos se tiene
Sea A = [aij ]m n ; B = [bij ]n r
Condición : El número de columnas de A es igual al número de …las de B

y por lo tanto, el orden de la matriz C es m r
8
n
X < i = 1; 2; :::; m; 8i 2 N
cij = aik bkj ;
:
k=1 j = 1; 2; :::; r; 8j 2 N
Ejemplo
Calcular A B
2 3 2 3
1 2 3 2 0
si A = 4 4 5 6 5 y B=4 1 2 5
0 1 0 33 0 1 32
Condición : de A las columnas es 3 y las …las de B es 3

Entonces el orden de C es 3 2
1.1. MULTIPLICACIÓN DE MATRICES ( ) 9
Nota
El número de columnas de la primera matriz es igual al número de …las de la segunda matriz, si es verdad se puede
realizar la multiplicación entre A B y el orden de la matriz multiplicación será, el número de …las de la primera
matriz por el número de columnas de la segunda matriz
Nota
A B=C hA=Bi producto interno
2 3 2 3
1 2 3 2 0
A B = 4 4 5 6 5 4 1 2 5
0 1 0 33 0 1 32
2 3
c11 c12
C = 4 c21 c22 5
c31 c32 3 2
2 3
4 7
C = 4 13 16 5
1 2 32
El Procedimiento consiste en analizar primero el orden de la matriz resultante, en nuestro caso el orden es de 3 2
por cuanto se forma por el número de …las de la Matriz A por el número de columnas de la Matriz B, pero para
realizar este producto las matrices deben cumplir con la igualdad del número de columas de la Matriz A con el
número de …las de la Matriz B, es decir 3 = 3 en caso de no cumplirse con esta condición, no será posible realizar
el producto de matrices, además se debe tener en cuenta que el producto de matrices no cumple con la propiedad
conmutativa de matrices
Procedimiento
2 3 2 3
1 2 3 2 0
A B = 4 4 5 6 5 4 1 2 5
0 1 0 33 0 1 32
2 3
c11 c12
C = 4 c21 c22 5
c31 c32 3 2
0 1
2
c11 = 1 2 3 @ 1 A=1 2+2 1+3 0=4
0
0 1
0
c32 = 0 1 0 @ 2 A=0 0+1 2+0 1=2
1
0 1
0
c22 = 4 5 6 @ 2 A = 4 0 + 5 2 + 6 1 = 16
1
Y así analógicamente, por lo tanto se tiene la matriz resultado, así

2 3 2 3 2 3
1 2 3 2 0 4 7
A B = 4 4 5 6 5 4 1 2 5 = 4 13 16 5
0 1 0 33 0 1 32 1 2 32
2 3 2 3
2 0 1 2 3
B A = 4 1 2 5 4 4 5 6 5 ; 2 6= 3
0 1 32 0 1 0 33
por lo tanto no existe B A es decir que
A B 6= B A no existe la propiedad conmutativa
no es posible, porque 2 es distinto de 3
Para determinar los elementos cij se debe considerar el siguiente modelo algebraico, por comprobar
8
n
X < i = 1; 2; :::; m; 8i 2 N
cij = aik bkj ;
:
k=1 j = 1; 2; :::; r; 8j 2 N
n
X
c11 = a1k bk1 = a11 b11 + a12 b21 + a13 b31 + ::: + a1n bn1
k=1
2 3
b11
6 b21 7
6 7
6 b31 7
c11 = a11 a12 a13 a1n 6 7
6 .. 7
4 . 5
bn1
n
X
c12 = a2k bk2 = a21 b12 + a22 b22 + a23 b32 + ::: + a2n bn2
k=1
2 3
b12
6 b22 7
6 7
6 b32 7
c12 = a21 a22 a23 a2n 6 7
6 .. 7
4 . 5
bn2
y así sucesivamente se obtiene
n
X
cij = aik bkj = ai1 b1j + ai2 b2j + ai3 b3j + ::: + ain bnj
k=1
2 3
b1j
6 b2j 7
6 7
6 b3j 7
cij = ai1 ai2 ai3 ain 6 7
6 .. 7
4 . 5
bnj
8
n
X < i = 1; 2; :::; m; 8i 2 R
cij = aik bkj ;
:
k=1 j = 1; 2; :::; r; 8j 2 R
Ejemplo
Determinar el producto de las matrices A B si

2 3 2 3
1 i 2i cis 32 i 1 i 2+i
A=4 e2i 5 3i 2 3i 5 y B = 4 e 3 i i2 4 i 5
cos 2 + i sin 2 1 2i i2 33
cis 2 cos 6 + i sin 6 i 3;3
Para resolver estas matrices, es preferible que sus elementos sean transformados a la forma binómica, para que se
facilite el cálculo,así, Para la Matriz A
3 3 3
z1 = cis = cos + i sin =0 i= i
2 2 2
z2 = e 2 i = 1(cos + i sin )=i

2 2
z3 = 2 3i = 2 + 3i
z4 = cos + i sin =i
2 2
z5 = i2 = 1
Ahora lo realizamos para la Matriz B
1 1p
z6 = e 3 i = 1 cos + i sin = + 3i
3 3 2 2
z7 = i2 = i2 = 1
z8 = cis = cos + i sin =i

2 2 2
1p 1
z9 = cos + i sin = 3+ i
6 6 2 2
redescribiendo las matrices se tiene
2 3 2 3
1 i 2i i ip 1 i 2+i
A=4 i 5 3i 2 + 3i 5 y B=4 1
2 + 1
2 3i p 1 1 4 i 5
i 1 2i 1 1
33 i 2 3 + 2i i 33
Entonces para obtener
2 3 2 3
1 i 2i i ip 1 i 2+i
A B=C=4 i 5 3i 2 + 3i 5 4 1
2 + 1
2 3i p 1 1 4 i 5
i 1 2i 1 1
33 i 2 3 + 2i i 33
2 3
c11 c12 c13
Se realiza una matriz C de la forma C = 4 c21 c22 c23 5 ahora calculamos sus elementos, así
c31 c32 c33 3;3
2 3
ip p
c11 = 1 i 2i i 4 1
+ 1
3i 5 = 2 3 + 2i
2 2
i
2 3
1 i
4 5= 3 1p
c12 = 1 i 2i i p 1 2+ 3 i
1 1 2 2
2 3 + 2i
2 3
2+i
c13 = 1 i 2i i 4 4 i 5 = 4 9i
i
2 3
ip
4 3 5 p 3 1
c21 = i 5 3i 2 + 3i 1
2 + 1
2 3i 5 = + i 3 + i
2 2 2 2
i
2 3
1 i p
c22 = i 5 3i 2 + 3i 4 1 5 = 1 + 3i 3
11
+ 3i
1
p 1 2 2
2 3 + 2i
2 3
2+i
c23 = i 5 3i 2 + 3i 4 4 i 5 = 21 + 7i
i
2 3
ip
4 1 p 1
c31 = i 1 2i 1 1
2 + 1
2 3i 5 = 1+ i 3 2i
2 2
i
2 3
1 p i
c32 = i 1 2i 1 4 1 5 = 1i 1 3
1
p 1 2 2
2 3 + 2i
2 3
2+i
c33 = i 1 2i 1 4 4 i 5 = 7 + 10i
i
2 p 3
p 3
2 p3 + 2i 2 2p+ 12 3 i 4 9i
C=4 3
2 + 5
2 i p 3 32 + 12 i 1 + 32 i 3 p 112 + 3i 21 + 7i 5
1 + 12 i 3 12 2i 1
2i
1
2 3 7 + 10i 3 3
Ejemplo
2 3
51 0 2
Determine x y en la ecuación matricial, donde una matriz C resultante será 4 30 15 56
3
5
36 0 40 33
X Y = ?
32 2 3
7 0 3 x 0 4
X = 4 4 5 2 5 ;Y = 4 0 3 4 5
3 0 6 33 3 0 y 33
2 3 2 3 2 3
7 03 x 0 4 7x + 9 0 3y + 28
4 4 52 5 4 0 3 4 5 = 4 4x + 6 15 2y + 36 5
3 06 33 3 0 y 33 3x + 18 0 6y + 12 3 3
2 3 2 3
7x + 9 0 3y + 28 51 0 2
4 4x + 6 15 2y + 36 5 = 4 30 15 56 5
3
3x + 18 0 6y + 12 3 3 36 0 40 3 3
8
< (1) : 7x + 9 = 51
26 26
La solución es x = 6; y = 3 además por lo tanto x y = 6 3 = 52
:
(2) : 3y + 28 = 2
Propiedades
1. No Conmutativa, de manera general se tiene
A 2 |m n ; B 2 |n p ) A B 6= B A
2. Asociativa
A 2 |m n ; B 2 |n p ; C 2 |p q ) (A B) C = A (B C)
3. Distributivas
A 2 |m n ; B 2 |n p ; C 2 |n p ) A (B + C) = A B + A C
A 2 |p m ; B 2 |n p ; C 2 |n p ) (B + C) A = B A + C A
4. Escalar por producto de Matrices
A 2 |p m ; B 2 |n p ) k (A B) = A (kB) ; k es un escalar
5. No Cancelativa
A 2 |m n ; B 2 |n p ; C 2 |n p ) A B = A C ; B = C
Para el caso de matrices cuadradas de orden n
6. Elemento Unidad: Existe In 2 |n n (Matriz Unidad de Orden n) tal que
8A 2 |n n ; 9!In =) In A = A In = A
7. Si A 2 |n n diremos que es Regular o No Singular si posee Matriz Inversa es decir, si existe A 1

2 |n n tal
que
1 1
A A=A A = In
Demostración
Comprobar k (A B) = A (kB) ; k es un escalar, como k (A B) ) A (kB)
Sea k 2 | y A = [aij ]m n y B = [bij ]n r se tiene
1: k (A B) ) A (kB) Hipótesis
2: = k [aij ]m n [bij ]n r De…nición de matrices
3: = k [aij ]m n [bij ]n r De…nición de escalar por matriz
4: = [aij ]m n k [bij ]n r Axioma asociativo de la
5: = A (kB) De…nición de matrices
1.1.1. Matrices Hipermatriz, Submatriz
Si A y B son dos hipermatrices cuyas submatrices son (Aik ) ; (Bkj ) ; para todo i; j; k 2 N, respectivamente, la
hipermatriz producto C = AB se de…ne como
" #
X
C = (cij ) = Aik Bkj ; 8i; j; k 2 N
8k
Ejemplo
Determine A B dadas las matrices
0 1 0 1
4 3 5 2 1 0 3 9 1
B 0 4 6 3 8 C B 1 3 6 3 C
B C B C
A=B
B 1 2 3 6 2 C
C ; B=B
B 2 4 6 8 C
C
@ 1 2 5 6 7 A @ 1 4 6 3 A
1 0 3 5 1 55
2 4 8 5 54
Ejemplo
Forma Directa
0 1 0 1 0 1
4 3 5 2 1 0 3 9 1 17 53 104 64
B 0 4 6 3 8 C B 1 3 6 3 C B 35 80 142 109 C
B C B C B C
A B = B
B 1 2 3 6 2 C
C
B
B 2 4 6 8 C B
C = B 18 53 91 59 C
C
@ 1 2 5 6 7 A @ 1 4 6 3 A @ 32 81 143 100 A
1 0 3 5 1 55
2 4 8 5 54 13 39 65 45 54
A11(2 2) A12(2 3) B11(2 3) B12(2 1) C11 C12

A B = =
A21(3 2) A22(3 3) 22
B21(3 3) B22(3 1) 22
C21 C22 22
B11(2 3)
C11 = A11(2 2) A12(2 3) = A11(2 2) B11(2 3) + A12(2 3) B21(3 3)
B21(3 3)
B12(2 1)
C12 = A11(2 2) A12(2 3) = A11(2 2) B12(2 1) + A12(2 3) B22(3 1)
B22(3 1)
B11(2 3)
C21 = A21(3 2) A22(3 3) = A21(3 2) B11(2 3) + A22(3 3) B21(3 3)
B21(3 3)
B12(2 1)
C22 = A21(3 2) A22(3 3) = A21(3 2) B12(2 1) + A22(3 3) B22(3 1)
B22(3 1)
Particionando Matrices
4 3 5 2 1 0 3 9 1
C22 = ; D23 = ; E23 = ; F21 =
0 4 6 3 8 1 3 6 3
0 1 0 1 0 1 0
1
1 2 3 6 2 2 4 6 8
G32 = @ 1 2 A ; H33 = @ 5 6 7 A ; J33 = @ 1 4 6 A ; K31 = @ 3 A
1 0 3 5 1 2 4 8 5
C22 D23 E23 F21 C22 E23 + D23 J33 D23 K31 + C22 F21
A B = =
G32 H33 J33 K31 G32 E23 + H33 J33 G32 F21 + H33 K31
2 0 1 3
2 4 6
4 3 0 3 9 5 2 1 17 53 104
C22 E23 + D23 J33 = +4 @ 1 4 6 A 5 =
0 4 1 3 6 6 3 8 35 80 142
22 23 23 23 2 4 8 33 23 23
0 1
8
5 2 1 @ 3 A+ 4 3 1 64
D23 K31 + C22 F21 = =
6 3 8 0 4 3 109
5 21
0 1 0 10 1 0 1
1 2 3 6 2 2 4 6 18 53 91
0 3 9
G32 E23 + H33 J33 = @ 1 2 A +@ 5 6 7 A@ 1 4 6 A = @ 32 81 143 A
1 3 6
1 0 3 5 1 2 4 8 13 39 65 33
0 1 0 10 1 0 1
1 2 3 6 2 8 59
1
G32 F21 + H33 K31 = @ 1 2 A +@ 5 6 7 A@ 3 A = @ 100 A
3
1 0 3 5 1 5 45 31
entonces AB es:
0 1
17 53 104 64
B 35 80 142 109 C
B C
A B=B
B 18 53 91 59 C
C
@ 32 81 143 100 A
13 39 65 45 5;4
Ejemplo
Partición de Matrices, Multiplicación de A G =?
0 1
1 1 0 0 1
B 2 1 1 2
3 0 C
A=B
@ 0
C y G=@ 3 2 1 A
0 1 A
1 1 0 33
0 0 6 43
0 1
1 1 0
B 2 3 0 C 1 1 0 0 0 1
A = B
@ 0
C;B = ; C2 1 = ; D2 2 = ; E2 1 =
0 1 A 22 2 3 0 0 0 6
0 0 6
B22 C21
A =
D22 E21
0 1
1 1 2
1 1 2
G = @ 3 2 1 A ; E2 3 = ; F1 3 = 1 1 0 ;
3 2 1
1 1 0
E2 3
G =
F1 3
Entonces A G se tiene
B2 2 C2 1 E2 3 B2 2 E2 3 + C2 1 F1 3
A G= =
D2 2 E2 1 22
F1 3 21
D2 2 E2 3 + E2 1 F1 3 21
1 1 1 1 2 0 2 3 1
B22 E23 + C21 F13 = + 1 1 0 =
2 3 3 2 1 0 11 4 7
0 0 1 1 2 1 1 1 0
D22 E23 + E21 F13 = + 1 1 0 =
0 0 3 2 1 6 6 6 0
0 1
0 1 2 3 1
E23 B22 + C21 F13 B 11
A=B 4 7 CC
entonces A G = @ @ 1 1 0 A
D22 E23 + E21 F13
6 6 0 43
Forma Directa
0 1 0 1
1 1 0 0 1 2 3 1
B 2 1 1 2
3 0 C B 11 4 7 C
A G=B
@ 0
C @ 3 2 1 A =B C
0 1 A @ 1 1 0 A
1 1 0 33
0 0 6 43 6 6 0 43
1.1.2. Rango de Matrices
Sea la matriz A = [aij ]m n diremos que el rango de la matriz A es " "; "Rg" si existe una submatriz cuadrada B
de A de orden " " tal que jBj =6 0 y el determinante de cualquier submatriz cuadrada de A de orden mayor que B
es cero
Notación
Si A = [aij ]m n denotaremos (A) = n para indicar el rango de la matriz A:
Propiedades
Si A = [aij ]m n es una matriz de orden m n se cumplen
a. (A) m n (m; n)
b. (At ) = (A)
c. Si A = [aij ]n implica (A) < n; si y sólo si jAj = 0
Operaciones Elementales sobre las …las de una Matriz
Las operaciones elementales que se hacen sobre las …las de una matriz A = [aij ]m n son
1. Permutar dos …las
2. Multiplicar a una …la por un escalar
3. Sumar a una …la el múltiplo de otra …la.
Combinando estas operaciones elementales se reduce la matriz A hasta convertirla en otra matriz equivalente
simple.
Equivalencia de Matrices
Diremos que la matriz Bm n es equivalente a la matriz Am n si y solo si B puede obtenerse efectuando un número
…nito de operaciones elementales sobre A:
Notación
A B se lee "A es equivalente a B "
Ejemplo
Hallar el rango de la matriz A, para todo x 2 R
2 3
4 x 7 12 4
6 5 2x 13 14 7 7
6 7
A=6
6 2 x 6 6 3 7
7
4 2 x 4 x+5 5 5
2 x+6 x 11 3 54
por eliminación gaussiana tenemos que
2 3
4 x 7 12 4
6 0 1 5 7
6 2x 2 0 1 7
6 0 0 x 5 0 7
6 7
4 0 0 0 2x 14 5
x 5
0 0 0 0 54
Es decir, el (A) m n (m; n) entonces; como existen 4 …las no nulas, el (A) = 4 y analizando el orden de la
matriz, se tiene que m n (5; 4) donde el m n = 4 y por la condición de (A) m n (m; n) entonces el rango de la
matriz A es Rg(A) = 4
Ejemplo
2 3
2 1 4 5
Determinar el rango de la matriz A, siendo A = 4 2 0 1 2 5
3 1 0 1 34
resolviendo por Eliminación Gaussiana
2 3 2 3
2 1 4 5 2 1 4 5
f1 f2 ! f2
A = 4 2 0 1 2 5 4 0 1 5 3 5
3f1 2f2 ! f3
3 1 0 1 34
0 5 12 17
2 3
2 1 4 5
5f2 f3 ! f3 4 0 1 5 3 5
0 0 13 2 3 4
entonces el (A) m n (m; n) entonces (A) m n (3; 4) por lo tanto el Rg(A) = 3
Ejemplo
2 3
2 x 1 1 2
6 4 2 2 7 4
6 7
Hallar el rango de la matriz A, 8x 2 R : A = 6
6 5 2 3 2 7
7
4 1 x 3 2 x+6 5
8 3 2 x 1 54
Eliminación Gaussiana 2 3
2 x 1 1 2
6 0 4 2x 0 0 7
6 7
6 0 0 2 x+7 7
6 7
4 0 0 0 7 49 5
4x + 4
0 0 0 0 54
a) Si consideramos x = 2 2 R entonces obtendremos
0 1
2 x 1 1 2
B 4 2 2 C 4
B C
B 5 2 3 2 C
B C
@ 1 x 3 2 x+6 A
8 3 2 x 1 54
Por eliminanción gaussiana
0 1 0 1
2 2 1 1 2 2 1 1 2
B 4 2 2 C 4 B 0 1 2 9 C
B C B C
B 5 2 3 2 C ; entonces B 0 0 3 3 C
B C B 2 2 C
@ 1 2 3 2 2+6 A @ 0 0 0 0 A
8 3 2 2 1 54 0 0 0 0 54
Luego, existen 3 …las no nulas y como m n(5; 4) = 4 entonces (A) m n (5; 4) nos deternima que Rg(A) = 3
cuando x = 2
Conclusión
Si x = 2 2 R entonces Rg(A) = 3 pero si x 6= 2 entonces Rg(A) = 4
Ejemplo
2 3
1 x 0 1 2 3
¿ A qué es igual el rango de la matriz A = 4 2 1 0 x 5 7 5 para diferentes valores de x
1 0 0 6 1 2 36
2 3
1 x 0 1 2 3
A=4 2 1 0 x 5 7 5
1 0 0 6 1 2 36
Por eliminación gaussiana
2 3
1 x 0 1 2 3
4 0 x 0 5 1 1 5
1 1 1
0 0 0 x x2 + 12x + 5 x (3x + 1) x (3x + 1) 36
Si x = 3 tenemos
0 1
1 3 0 1 2 3
@ 2 1 0 3 5 7 A
1 0 0 6 1 2 36
Por eliminación gaussiana 0 1

1 3 0 1 2 3
@ 0 7 0 5 1 1 A
50 10 10
0 0 0 7 7 7 36
entonces Rg(A) = 3 para x = 3 entonces el Rg(A) = 3nf0g
Ejemplo
2 3
2 +
6 0 0 7
Calcular el rango de la matriz A = 6
4
7
5
0 0
+ 0 0 +
para los diferentes valores de y reales
2 3
2 +
6 0 0 7
A=6
4
7
5
0 0
+ 0 0 +
por eliminación gaussiana
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
Condiciones
1. Si = = 0 entonces Rg(A) = 2
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
por eliminación gaussiana, se tiene
2 3
2 0 0 0
6 0 0 0 0 7
6 7
4 0 0 0 0 5
0 0 0 2 44
por lo tanto Rg(A) = 2
2. Si 6= 6= 0 entonces
2 3
2 +
6 0 1 1 2 1 2 1 7
6 2 2 2 2 7
4 0 0 + 5
0 0 0 2 2 2 44
es decir si = 2; = 1 y por eliminación gaussiana, obtendremos
2 3
2 2 1 3
6 0 1 1 7 3
6 2 7 2
4 0 0 3 3 5
0 0 0 4 44
por lo tanto Rg(A) = 4
Ejemplo
2 3
x x 1 0
6 0 1 7 x x
Encontrar x para que rango de la matriz A = 6
4 1
7 sea menor que 4
0 5 x x
x x 0 1
2 3
x 1 0 x
6 0 x x 1 7
A=6
4 1 x x 0 5
7
x 0 1 x 44
por eliminación gaussiana tenemos 2 3
x 1 0 x
6 0 x x 1 7
6 7
4 0 0 2 1 5
x
1
0 0 0 2x2 4x2 1 44
1
entonces el Rg(A) = 4 pero, como 2x2 4x2 1 =0
a. Resolviendo la ecuación se tiene que x1 = 21 ; x2 = 1

2 entonces reemplazando para x1 = 1
2 obtendremos
2 1 1 3 2 3
2 1 0 2 1
1 0 1
6 0 1 1 7 2 2
6 2 2 1 7 6 0 1 1
1 7
6 0 0 2 2 7 6 2 2 7
4 5 4 0 0 2 2 5
1 1 2
0 0 0 2 4 2 1 0 0 0 0 44
2( 12 )
44
(A) m n (m; n) entonces (A) m n (4; 4) por lo tanto el Rg(A) = 3 < 4

1
luego el Rg(A) = 3 cuando x = 2
1
b. Ahora comprobaremos para x2 = 2
2 1 1 3 2 3
2 1 0 2 1
1 0 1
6 0 1 1 7 2 2
6 2 2 1 7 6 0 1 1
1 7
6 0 0 2 2 7 6 2 2 7
4 5 4 0 0 2 2 5
1 1 2
0 0 0 2 4 2 1 0 0 0 0
2( 1
) 44
2 44
entonces Rg(A) = 3 < 4

1
Luego, para x = 2 entonces Rg(A) = 3
Ejemplo
2 3
2 4 2 2
Hallar el rango de A = 4 1 1 1 0 5
2 1 2 1 34
Realizando la eliminación gaussiana tenemos
2 3 2 3
2 4 2 2 2 4 2 2
Sea A = 4 1 1 1 0 5 4 0 3 0 1 5
2 1 2 1 34 0 0 0 0 34
Ahora dividimos por 2 la primera …la, y por 3 la segunda …la, se tiene
2 3
1 2 1 1
4 0 1 0 1 5
3
0 0 0 0 34
1
entonces concluimos, como los vectores …las no nulas son 1 2 1 1 ; 0 1 0 3 por lo tanto
Rg (A) = 2
Quito,Diciembre de 2022
Capítulo 1
Matrices
Matriz Periódica
Una matriz periódica es aquella matriz cuya potencia n da como resultado la misma matriz.
Sea n 2 N y An = A A ::: n veces... A entonces A es periódica si An = A
Observación
Se denomina Matriz Periódica de período p si Ap+1 = A
Nota
1. Si la matriz periódica es de período 2 (A2 = A) entonces se denomina también matriz idempotente
2. Para realizar la potencia n de una matriz, es necesario que esta sea una matriz cuadrada
Ejemplo
0 1
Sea A = determinar el período de la matriz A
1 0
0 1
A =
1 0
0 1 0 1 1 0
A2 = A A= =
1 0 1 0 0 1
0 1 1 0 0 1
A3 = A A2 = =
1 0 0 1 1 0
0 1 0 1 1 0
A4 = A A3 = =
1 0 1 0 0 1
0 1 1 0 0 1
A5 = A A4 = =
1 0 0 1 1 0
por lo tanto A5 = A entonces A es periódica de período 4
Nota
Determinar el valor de la matriz A1025 =?

1025
a. 5 = 205
205
b. A5 = A = A1025
1
1.0.1. Matriz Binomial
Combinatoria ( Formas )
n!
C(n; k) =
k!(n k)!
n n!
=
k k! (n k)!
Binomio de Newton
n n n n n n n n n
(a + b)n = a + a 1
b+ a 2 2
b + + abn 1
+ b
0 1 2 n 1 n
Ejemplo
8
Resolver (a + b)
8 8 8 8 7 8 6 2 8 5 3 8 4 4
(a + b) = a + a b+ a b + a b + a b +
0 1 2 3 4
8 3 5 8 2 6 8 8 8
+ a b + a b + ab7 + b
5 6 7 8
= a8 + 8a7 b + 28a6 b2 + 56a5 b3 + 70a4 b4 + 56a3 b5 + 28a2 b6 + 8ab7 + b8
Demostración. Proposición
( Binomio de Newton ) Sean A y B dos matrices de | que conmutan ( esto es A B = B A). Entonces
n
X
n n k
(A + B) = A Bn k
k
k=0
Para n = 0 entonces
0 0
(A + B) = I = 1 I = 1 I I = A0 B 0
0
Podemos demostrar para n 1
n
X1
n 1 n 1
(A + B) = Ak B n 1 k
k
k=0
Entonces probaremos para n, así

3
"n 1 #
n n 1
X n 1
(A + B) = (A + B) (A + B) = Ak B n 1 k
(A + B)
k
k=0
n
X1 n
X1
n 1 n 1
( ) = Ak B n 1 k
A+ Ak B n 1 k
B
k k
k=0 k=0
n
X1 n
X1
n 1 n 1
= Ak+1 B n 1 k
+ Ak B n k
si k = l 1; k = l
k k
k=0 k=0
n
X1 n
X1
n 1 l n 1
= A Bn l
+ Al B n l
l 1 l
l=1 l=1
n
X1
n 1 n n 1 n 1 n 1
= A + + Al B n l
+ Bn
n 1 l 1 l 0
l=1
n
X1 n
X
n l n k
= An + A Bn l
+ Bn = A Bn k
l k
l=1 k=0
donde en ( )hemos utilizado el que A B = B A para sustituir Ak B n 1 k

A por Ak A B n 1 k
Este resultado permite establecer una propiedad fundamental de la exponencial cuyo uso será de gran utilidad para
el cáculo efectivo de la misma.
Ejemplo
Proposición.
Si D y N son dos elementos de | que conmutan, entonces eD+N = eD eN
Demostración. Por de…nición se tiene
1
X 1
1 k N X1 l
eD = D ;e = N
k! l!
k=0 l=0
entonces
1
X 1 1 X
1
1 k X1 l X 1 1 k l
eD eN = D N = eD eN = D N
k! l! k! l!
k=0 l=0 k=0 l=0
Sumando siempre todos los elementos tales que k + l = n para cada n = 0; 1; :::; 1 se tiene
1
"1 # 1
"1 #
X X 1 X 1 X n
::: Dk N n k
= D N k n k
n=0 n=0
k! (n k)! n=0
n! n=0 k
y ahora aplicando la fórmula del Binomio de Newton, se concluye
X1
1 n
eD eN = (D + N ) = eD+N
n=0
n!
Ejemplo
Determinar la matriz binomial (A + B)n sabiendo que
a 0 0 0
A= ; B=
b a b 0
Solución
Entonces por veri…carse que A B = B A
a 0 0 0 0 0
A B = =
b a b 0 ab 0
0 0 a 0 0 0
B A = =
b 0 b a ab 0
n
X
n n k
(A + B) = A Bn k
k
k=0
3
X
3 3
(A + B) = Ak B 3 k
k
k=0
3 3 0 3 1 3 2 3 3
(A + B) = A B3 0
+ A B3 1
+ A B3 2
+ A B3 3
0 1 2 3
0 3
3 a 0 0 0 0 0
X1 = =
0 b a b 0 0 0
1 2
3 a 0 0 0 0 0
X2 = =
1 b a b 0 0 0
2 1
3 a 0 0 0 0 0
X3 = =
2 b a b 0 3a2 b 0
3 0
3 a 0 0 0 a3 0
X4 = =
3 b a b 0 3a2 b a3
entonces
0 0 0 0 0 0 a3 0 a3 0
X1 + X2 + X3 + X4 = + + + =
0 0 0 0 3a2 b 0 3a2 b a3 6a2 b a3
3 a3 0
(A + B) =
6a2 b a3
Por lo tanto (A + B)n = ?
n an 0
(A + B) =
6an 1 b an
Ejemplo
a b
Teniendo en cuenta que A = B + I; Calcular An ; 8n 2 N; B I =
0 a
Por el desarrollo del Binomio de Newton y la de…nición de números combinatorios y el factorial de un número
natural, tenemos
n n 0 n n 1 n 1 n 2 n 2 n n n n
(x + y) = x y + x y + x y + ::: + xn 1
y+ x y
0 1 2 n 1 n
Xn
n n i n i
(x + y) = xy
i=0
i
5
Además
z }| {
n n n! n (n 1) ::: (n i + 1)
= 1; = = ; 0! = 1; i! = 1 2 3 (i 1) i
0 i i! (n i)! i!
n n n n 1 n 1
= ; = +
i n i i i 1 i
Entonces en nuestro caso conmutan B y I podemos aplicar el desarrollo del binomio de newton
Xn
n I B=B I n
An = (B + I) = Bi I n i
i=0
i
n n n n B n =B;8n2N
An = B0I n + B1I n 1
+ B2I n 2
+ ::: + BnI 0; =
0 1 2 n
n n n n
An = I+ B+ B 2 + ::: + B n ; B n = B; 8n 2 N
0 1 2 n
n n n n
An = I+ B+ B + ::: + B
0 1 2 n
n n n
An = I + + + ::: + B
1 2 n
n n n n n
An = I + + + + ::: + B
0 1 2 n 0
n n
An = I + (1 + 1) B
0
An = I + (2n 1) B
Ejemplo
Xn
n n n i i
Sea (R; R; +; ) ; r 2 R; r = (a b) = a b , a:b = b:a; entonces
i=0
i
X5
5 5
r5 = (a + b) = a5 i
bi
i=0
0
5 5 5 5 5 5 5 5 5 5 5 5 5
r5 = (a + b) = a 0 0
b + a 1 1
b + a 2 2
b + a 3 3
b + a 4 4
b + a 5 5
b
0 1 2 3 4 5
r5 = a5 + 5a4 b + 10a3 b2 + 10a2 b3 + 5ab4 + b5
Con la condición anterior, obtendremos An =?
a b a 0 0 b 1 0 0 b
Sea B I = = + =a + = aI + B = A + B
0 a 0 a 0 0 0 1 0 0
Xn
n n n i
C n = (aI + B) = (aI) B i , (aI) B = B (aI) entonces
i=0
i
(aI) B = B (aI) asociativa
a (IB) = a (BI) escalar
a (B) = a (B) modulativo
1=2 son conmutativos
n n n 0 n n 1 n n 2 n n n
C n = (aI + B) = (aI) B0 + (aI) B1 + (aI) B2 + + (aI) Bn
0 1 2 n
0 b
Como B = entonces
0 0
0 b 0 b 0 0
B2 = = entonces B 2 = = B n ahora se tiene
0 0 0 0 0 0
n n 0 n n 1 n n
Cn = (aI) B0 + (aI) B1; = 1; =n
0 1 0 1
n n 1
C n = 1 (aI) 1 + 1 n (aI) B
n 1
C n = an I n + n a In 1
B; I n = I; I n 1
=I
n 1
C n = an I + n a I B
1 0 n 1 1 0
Cn = an + na B
0 1 0 1
1 0 n 1 1 0 0 b
Cn = an + na
0 1 0 1 0 0
1 0 n 1 0 b
Cn = an + na
0 1 0 0
n 1 n 1
an 0 0 na b an na b
Cn = + =
0 an 0 0 0 an
n 1
an na b
C (n) = ; realizamos ahora el método de inducción Matemática
0 an
1 0
C (0) = Para comprobar reeemplazmos n = 0 y obtenemos la matriz identidad.
0 1
a b
C (1) = para n = 1
0 a
ak+1 (k + 1) ak b
C (k + 1) = para n = k + 1
0 ak+1
Ejemplo
7
0 a 1
3 0 0 0
B b a
0 0 C
Sea C4 = B
@ 2c
2 3 C Hallar C n . Utilizando el Binomio de Newton y hallar C 10
2
b a
3 0 A
b a
d 2c 2 3
0 a
1 0 1
3 0 0 0 0 0 0 0
B 0 a
0 C B b 0 C
C4 = B 3 0 C+B 2 0 0 C = aI + B = A + B
@ 0 0 a
0 A @ 2c b
0 0 A 3
3 2
a b
0 0 0 3 d 2c 2 0
n Xn n i
a n a a a
Cn = I +B = I Bi , I B=B I entonces
3 i=0
i 3 3 3
a a
3I B=B 3I asociativa
a a
3 (IB) = 3 (BI) escalar
a a
3 (B) = 3 (B) modulativo
1=2 son conmutativo
a n n a n 0 n a n 1 n a n 2 n a n n
Cn = I +B = I B0 + I B1 + I B2 + + I Bn
3 0 3 1 3 2 3 n 3
0 1
0 0 0 0
B b 0 0 0 C
Como B = B 2
@ 2c
C entonces
b
2 0 0 A
b
d 2c 2 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B b 0 0 0 C B b 0 0 0 C B 0 0 0 0 C
B2 = B
@ 2c
2 CB 2 C=B C
b
2 0 0 A @ 2c b
2 0 0 A @ 1 2
4b 0 0 0 A
b b 1 2
d 2c 2 0 d 2c 2 0 2bc 4b 0 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B b 0 0 0 C B 0 0 0 0 C B 0 0 0 0 C
B3 = B
@ 2c
2 CB C=B C
b
2 0 0 A @ 14 b2 0 0 0 A @ 0 0 0 0 A
1 3
d 2c b
2 0 2bc 14 b2 0 0 8b 0 0 0
0 10 1 0 1
0 0 0 0 0 0 0 0 0 0 0 0
B 0 0 0 0 C B 0 0 0 0 C B 0 0 0 0 C
B4 = B
@ 1 b2
CB C=B C
4 0 0 0 A@ 0 0 0 0 A @ 0 0 0 0 A
1 2 1 3
2bc 4b 0 0 8 b 0 0 0 0 0 0 0
B es Nilpotente de grado i = 4 entonces B 4 = = B n ahora se tiene
a n n a n 0 n a n 1 n a n 2 n a n n
Cn = I +B = I B0 + I B1 + I B2 + + I Bn
3 0 3 1 3 2 3 n 3
a n n a n 0 n a n 1 n a n 2 n a n 3
Cn = I +B = I B0 + I B1 + I B2 + I B3
3 0 3 1 3 2 3 3 3
n 2
a n a n 1 n (n 1) a n (n 1) (n 2) a n 3
Cn = In I + n I B+ I B2 + I B 3 ; I n+1
3 3 2 3 6 3
Cn = In 1
= In 2
= In 3
=I
n 2
a n a n 1 n (n 1) a n (n 1) (n 2) a n 3
Cn = I+ n B+ B2 + B3 = X + Y + Z + W
3 3 2 3 6 3
0 1 0 1 n 1
1 0 0 0 3a 0
n
0 0
a nB
B 0 1 0 0 C B
C=B 0 1
3a 0 0 C
C
X = n
3 @ 0 0 1 0 A @ 0 0 1
3a 0 A
1 n
0 0 0 1 0 0 0 3a
0 1 0 0 0 0 0
1
0 0 0 0
a n 1 B b C B 1 bn 1 a n 1 0 0 0 C
B 2 0 0 0 C B 2 3 C
Y = n @ 2c =B n 1 n 1 C
3 b
2 0 0 A @ 2cn 13 a 1 1
2 bn 3 a 0 0 A
b n 1 n 1 n 1
d 2c 0 dn 13 a 2cn 31 a 1
bn 1
2 2 3a 0
0 1 0 1
0 0 0 0 0 0 0 0
n (n 1) a n 2B C B 0 0 0 0 C
Z = B 10 2 0 0 0 C B
=@ 1 2 1 n 2 C
@ b 0 0 0 A 0 0 A
2 3 4 8b n 3a (n 1) 0
1 2 n 2 n 2
2bc 4 b 0 0 bcn 1
a (n 1) 1 2
b n 1
a (n 1) 0 0
3 8 3
0 1 0 1
0 0 0 0 0 0 0 0
n (n 1) (n 2) a n 3 B 0 C
0 0 0 C B B 0 0 0 0 C
W = B =@ C
6 3 @ 0 0 0 0 A 0 0 0 0 A
1 3 1 3 1 n 3
8b 0 0 0 48 b n 3 a (n 1) (n 2) 0 0 0
entonces: C n =?
0 n 1 0 1
1 0 0 0 0
3a 0 0 0
B 1 n
C B 1 1
2 bn 3 a
n 1
0 0 0 C
Cn = B
0 3a 0
n
0 C+B
B n 1 n 1
C
C
@ 0 0 1 A @ 2cn 1 a 1 1
A
3a 0
n 3 2 bn 3a 0 0
1 n 1 n 1 n 1
0 0 0 3a dn 13 a 2cn 1 1 1
3a 2 bn 3a 0
0 1 0 1
0 0 0 0 0 0 0 0
B 0 0 0 0 C B 0 0 0 0 C
+B
@ n 2 C+B C
1 2
8b n
1
3a (n 1) 0 0 0 A @ 0 0 0 0 A
1 n 2 1 2 1 n 2 1 3 1 n 3
bcn 3 a (n 1) 8b n 3a (n 1) 0 0 48 b n 3a (n 1) (n 2) 0 0 0
Entonces C n es
0 1 n 1
3a 0 0 0
B C
B C
B 1 1 n 1 1 n C
B 2 bn 3a 3a 0 0 C
n B C
C =B C
B 1 n 1 n 2 n 1 n C
B 2cn 3a + 18 b2 n 1
3a (n 1) 1
2 bn
1
3a
1
3a 0 C
B C
@ A
3n 1 n 16a2 d+9b3 n 3b3 n2 6b3 +48abc 48abcn 3n 1 n 3b2 n+16ac 3b2 1 1 n 1 1 n
16 3a a3 8 3a a2 2 bn 3a 3a
Para comprobar, reemplazamos n = 0 y tiene que dar la matriz identidad
0 1
1 0 0 0
B 0 1 0 0 C
C0 = B
@ 0
C está correcto, nos dá la matriz I
0 1 0 A
0 0 0 1
0 1
1 0 a 1
3a 0 0 0 3 0 0 0
B 1 1
0 C B b a
0 0 C
C1 = B 2b 3a 0 C=B 2 3 C = C4
@ 2c 1 1
0 A @ 2c b a
0 A
2b 3a 2 3
1 1 b a
d 2c 2b 3a d 2c 2 3
Ahora calcularemos para C 10 =?

9
0 1 10
1
59 049 a 0 0 0
B C
B C
B 5 9 1 10 C
B 19 683 a b 59 049 a 0 0 C
C 10 =B
B
C
C
B 20 9 5 8 2 5 9 1 10 C
B 19 683 ca + 2916 a b 19 683 a b 59 049 a 0 C
@ A
10 9 10 8 5 7 3 20 9 5 8 2 5 9 1 10
19 683 da 729 ca b 729 a b 19 683 ca + 2916 a b 19 683 a b 59 049 a
Capítulo 2
Determinantes
Sea una Matriz A = [aij ]n n entonces det [aij ]n n = k; k 2 R se la puede representar así
det (A) = k; k2R
det [aij ]n n = k; k 2 R ! det(A) = k; k 2 R
2.1. Métodos de Resolución de los Determinantes
2.1.1. Método de Sarrus
Consiste en aumentar n 1 …las o columnas
0 1
a11 a12 a13
det @ a21 a22 a23 A = k; k 2 R
a31 a32 a33 3 3
Filas: 3! n 1=3 1=2
Columnas: 3! n 1=3 1=2
0 1
a11 a12 a13
B a21 a22 a23 C
B C
det B
B a31 a32 a33 C
C
@ a11 a12 a13 A
a21 a22 a23 33
= + (a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ) - (a31 a22 a13 + a11 a32 a23 + a21 a12 a33 )
Ejemplo
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
11
12 CAPÍTULO 2. DETERMINANTES
0 1
2 1 2
B 3 3 5 C
B C
det B
B 7 2 1 C
C = +(6 + 12 + 35) ( 42 20 + 3) = 112
@ 2 1 2 A
3 3 5 33
0 1
2 1 2 2 1
det @ 3 3 5 3 3 A = + (6 + 35 + 12) ( 42 20 + 3) = 112
7 2 1 7 2 33
2.1.2. Método Estrella
Este método sólo sirve para determinantes de orden 3 3
0 1
a11 a12 a13
det @ a21 a22 a23 A = k; k 2 R
a31 a32 a33 3 3
= + (a11 a22 a33 + a21 a32 a13 + a12 a23 a31 ) (a31 a22 a13 + a21 a12 a33 + a32 a23 a11 )
Ejemplo
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
0 1
2 1 2
det @ 3 3 5 A = + (6 + 12 + 35) ( 42 + 3 20) = 112
7 2 1 33
2.1.3. Método por Menores (Extensión Laplaciana)
Consideremos la matriz cuadrada de orden n n
0 1
a11 a12 a13 a1n a11 a12 a13 a1n
B a21 a22 a23 a2n C a21 a22 a23 a2n
B C
B a31 a32 a33 a3n C a31 a32 a33 a3n
det(A) = det B C ;m = n
B .. .. .. .. C .. .. .. ..
@ . . . . A . . . .
a1m a2m a3m amn mn
a1m a2m a3m amn mn
Se llama determinante de la matriz A al número real denotado por det(A) ó jAj y de…nido por (Laplaciano )
n
X i+j
det(A) = ( 1) aij Mij
i=1
siendo j …jo en 1 j n; donde el elemento aij pertenece a la i-ésima …la y a la j-ésima columna y Mij es el
menor complementario del elemento aij :
Veremos para el caso de una matriz de tercer orden
n
X i+j
i=1
2.1. MÉTODOS DE RESOLUCIÓN DE LOS DETERMINANTES 13
0 1
a11 a12 a13 P
Si A = @ a21 a22 a23 A entonces su determinante es det(A) = 3i=1 ( 1)i+j aij Mij desarrollando por la
a31 a32 a33 3 3
primera columna …ja j=1
3
X i+j
det(A) = ( 1) aij Mij = a11 M11 a21 M21 + a31 M31
i=1
a22 a23 a12 a13 a12 a13

= +a11 det a21 det + a31 det
a32 a33 a32 a33 a22 a23
Ejemplo
0 1
1 3 5
det @ 3 5 1 A =?
5 1 3 33
3
X i+j
det (A) = ( 1) aij Mij = a11 M11 a21 M21 + a31 M31
i=1
0 1
1 = a11 3 5
det @ 3 = a21 5 1 A
5 = a31 1 3
1+1 5 1 2+1 3 5 3+1 3 5

= ( 1) (1) det + ( 1) (3) det + ( 1) (5) det
1 3 1 3 5 1
1+1 2+1 3+1
= ( 1) (1) (15 1) + ( 1) (3) (9 5) + ( 1) (5) (3 25)
= (1) (1) (15 1) + ( 1) (3) (9 5) + (1) (5) (3 25)
= (1) (14) + ( 3) (4) + (5) ( 22)
= 14 12 110 = 108
Ejemplo
0 1
a11 + a12 a13 +
det @ a21 a22 + a23 A
a31 + a32 a33 +
a22 a23 a21 a23 a21 a22
= +a11 det a12 det + a13 det
a32 a33 a31 a33 a31 a32
0 1
2 1 2
det @ 3 3 5 A
7 2 1 33
0 1
2+ +1 +2+
det @ 3 3 5 A
7 2 1
3 5 3 5 3 3
= 2 det 1 det + 2 det
2 1 7 1 7 2
= 2( 3 10) 1 (3 35) + 2 (6 + 21) = 112

2.1.4. Método del Pibote para calcular Determinantes
Nota
Es una combinación entre el método de extensión Laplaciana más una propiedad de los determinantes
El método del pibote sirve para calcular el determinante de una matriz de orden superior al tercero. El método
consiste en obtener otro determinante a partir de det(A) aplicando repetidas veces las propiedad del determinante
( ) de los determinantes, que goce de la propiedad de que todos los elementos de alguna …la o columna son ceros
excepto uno, es decir
i+j
Donde Mij es el menor complementario de aij y al elemento aij se le llama elemento pibote
( ) Si a cada uno de los elementos de una …la o columna se le multiplica por "m" a y éste resultado se le suma a
otra …la o columna, el valor del determinante no se altera.
Es decir
C1 + mC2 ! C1
0 1 0 1
a1 a2 a3 a1 + ma2 a2 a3
det @ b1 b2 b3 A = det @ b1 + mb2 b2 b3 A
c1 c2 c3 c1 + mc2 c2 c3
Esta propiedad sirve para reducir el orden de un determinante y poder hallar su valor
Ejemplo
Calcular el determinante de la matriz
0 1
4 1 3 2
B 1 2 3 4 C
A = B
@ 2
C
1 3 5 A
1 4 3 6 44
0 1
4 1 3 2
B 1 2 3 4 C
B C
B 2 1 3 5 C
det (A) = det B
B
C
C
B 1 4 3 6 C
@ " " " A
c1 4c2 ! c1 c3 3c2 ! c3 c4 2c2 ! c4
0 1
0 1 = a12 0 0
B 9 2 9 0 C
= det B
@
C
6 1 0 3 A
15 4 15 2
0 1
9 9 0 0 1
B 6 0 3 C 0 9 = a12 0
B C
(1) det B C=
1+2
= ( 1) B 15 15 2 C det @ 6 0 3 A
@ " A 0 15 2
c1 c2 ! c1
1+2 6 3
= ( 1) ( 9) det = ( 9) (12 0) = 108
0 2
Ejemplo
Calcular el determinante de la matriz

0 1
3 1 1 1
B 1 3 1 1 C
A = @ B C
1 1 3 1 A
1 1 1 3 44
0 1 0 1
3 1 1 1 f1 3f2 ! f1 0 8 2 2
B 1 3 1 1 C B 1 = a21 3 1 1 C
det (A) = det B @ 1
C= det B C
1 3 1 A f3 f2 ! f3 @ 0 2 2 0 A
1 1 1 3 f4 f2 ! f4 0 2 0 2
0 1 0 1
8 2 2 10 2 0
f + f3 ! f1
= ( 1)2+1 (1) det @ 2 2 0 A= 1 det @ 2 2 0 A
2 0 2 2 0 2 = a33
10 2
= ( 1)3+3 (2) det = 2( 20 4) = 48
2 2
2.1.5. Suma de Determinantes

a b a1 b1
Sea A = yB=
c d c1 d1
a b a1 b1 a + a1 b + b1
A+B = + =
c d c1 d1 c + c1 d + d1
a + a1 b + b1
det(A + B) = det
c + c1 d + d1
det(A + B) = (a + a1 ) (d + d1 ) (c + c1 ) (b + b1 )
det(A + B) = ad1 bc1 cb1 + da1 + a1 d1 b1 c1 + ad bc
Por otro lado, obtendremos
a b
det(A) = = ad bc
c d
a1 b1
det(A) = = a1 d1 b1 c1
c1 d1
a b a1 b1
det (A) + det (B) = + = (ad bc) + (a1 d1 b1 c1 )
c d c1 d1
= a1 d1 b1 c1 + ad bc
Entonces det (A + B) 6= det (A) + det (B)
Ejemplo
0 1 0 1
1 4 2 1 2 3
Sea A = @ 2 3 1 A yB=@ 3 1 5 A
5 2 3 33 6 4 2 33
0 1 0 1 0 1
1 4 2 1 2 3 0 6 5
A+B = @ 2 3 1 A +@ 3 1 5 A =@ 1 4 6 A
5 2 3 33 6 4 2 33 1 2 5 33
0 1
0 6 5
det (A + B) = det @ 1 4 6 A = 56
1 2 5
Además
0 1
1 4 2
det(A) = det @ 2 3 1 A = 13
5 2 3
0 1
1 2 3
det(B) = det @ 3 1 5 A= 112
6 4 2
det (A) + det (B) = (13) + ( 112) = 99
Es decir det (A + B) 6= det (A) + det (B)
2.1.6. Multiplicación de Determinantes
a b a1 b1
Sea A = yB=
c d 22
c1 d1 22
a b a1 b1 aa1 + bc1 ab1 + bd1

A B = =
c d c1 d1 ca1 + dc1 cb1 + dd1
aa1 + bc1 ab1 + bd1

det (A B) = det
ca1 + dc1 cb1 + dd1
det (A B) = ada1 d1 adb1 c1 bca1 d1 + bcb1 c1
Por otro lado, obtendremos
a b
det(A) = det = ad bc
c d
a1 b1
det(B) = det = a1 d1 b1 c1
c1 d1
a b a1 b1
det (A B) = det det
c d c1 d1
det (A B) = (ad bc) (a1 d1 b1 c1 ) = ada1 d1 adb1 c1 bca1 d1 + bcb1 c1
Entonces det (A B) = det (A) det (B) = ada1 d1 adb1 c1 bca1 d1 + bcb1 c1
Ejemplo
0 1 0 1
1 4 2 1 2 3
Sea A = @ 2 3 1 AyB=@ 3 1 5 A
5 2 3 6 4 2
0 1 0 1 0 1
1 4 2 1 2 3 25 10 13
A B = @ 2 3 1 A @ 3 1 5 A = @ 13 11 19 A
5 2 3 6 4 2 29 4 11
0 1
25 10 13
det (A B) = det @ 13 11 19 A = 1456
29 4 11
Además
0 1
1 4 2
det(A) = det @ 2 3 1 A = 13
5 2 3
0 1
1 2 3
det(B) = det @ 3 1 5 A= 112
6 4 2
det (A B) = (13) ( 112) = 1456
Es decir det (A B) = det (A) det (B) = 1456
2.1.7. Propiedades
Si A y B son matrices cuadradas del mismo orden
1. det(A + B) 6= det(A) + det(B)
Ejemplo
0 1 0 1
2 1 2 2 1 2
A = @ 3 3 5 A; B = @ 3 3 5 A
7 2 1 7 2 1
0 1 0 1 0 1
2 1 2 2 1 2 4 2 4
A+B = @ 3 3 5 A+@ 3 3 5 A=@ 6 6 10 A
7 2 1 7 2 1 14 4 2
0 1
4 2 4
det (A + B) = det @ 6 6 10 A = 896
14 4 2
0 1
2 1 2
det(A) = det @ 3 3 5 A = 112
7 2 1
0 1
2 1 2
det(B) = det @ 3 3 5 A = 112
7 2 1
det (A + B) 6= det(A) + det(B)
896 6= 112 + 112 = 224
Ejemplo
0 1 0 1
i 3 i2i i 1 2i i
Sea A = @ 1 i i 4 A y B =@ 1+i i 2 A
2 2i 1 + i 3 + i 2+i 1 i 2+i
0 1 0 1 0 1
i 3 i i2 i 1 2i i 0 4 3i 1+i
A+B = @ 1 i i 4 A+@ 1+i i 2 A=@ 2 2i 6 A
2 2i 1 + i 3 + i 2+i 1 i 2+i 4 i 2 5 + 2i
0 1
0 4 3i 1+i
det(A + B) = det @ 2 2i 6 A = 12 84i
4 i 2 5 + 2i
0 1
i 3 i i2
det(A) = det @ 1 i i 4 A = 9 27i
2 2i 1 + i 3 + i
0 1
i 1 2i i
det(B) = det @ 1 + i i 2 A = 1 5i
2+i 1 i 2+i
det(A) + det(B) = (9 27i) + ( 1 5i) = 8 32i entonces
(12 84i) 6= (8 32i) por lo tanto det(A + B) 6= det(A) + det(B)
2. det (A B) = det(A) det(B) Revisado anteriormente
3. Para toda matriz cuadrada A se cumple que det(AT ) = det (A)
Ejemplo
0 1 0 1
2 1 2 2 3 7
A = @ 3 3 5 A además AT = @ 1 3 2 A
7 2 1 2 5 1
0 1
2 1 2
det(A) = det @ 3 3 5 A = 112
7 2 1
0 1
2 3 7
det(AT ) = det @ 1 3 2 A = 112
2 5 1
se cumple det(AT ) = det (A)
4. El determinante de una matriz es igual a cero, si todos los elementos de una …la o de una columna son iguales a
cero
0 1
0 3 i i2
A=@ 0 i 4 A entonces det (A) = 0
0 1+i 3+i
Ejemplo
0 1
2 0 2
A = @ 3 0 5 A
7 0 1
0 1 0 1
2 0 2 2 5 2
det(A) = det @ 3 0 5 A = det @ 0 0 0 A=0
7 0 1 7 8 1
5. El determinante de una matriz A cambia de signo si se intercambian dos …las o dos columnas
0 1
x1 x2 x3 x4
B y1 y2 y3 y4 C
det (A) = B
@ z1
C
z2 z3 z4 A
w1 w2 w3 w4
0 1
w1 w2 w3 w4
B y1 y2 y3 y4 C
cambiando F1 por F4 entonces det (B) = B
@ z1
C
z2 z3 z4 A
x1 x2 x3 x4
Si det (A) = k ) det (B) = k
det (A) = det (B)
Ejemplo
0 1
2 6 2
A = @ 3 1 5 A f1 $ f3
7 8 1
0 1
7 8 1
B = @ 3 1 5 A
2 6 2
0 1
2 6 2
det(A) = det @ 3 1 5 A = 48
7 8 1
0 1
7 8 1
det(B) = det @ 3 1 5 A = 48
2 6 2
6. Si B es una matriz que se obtiene a partir de una matriz A, trasladando una de sus …las o columnas k lugares,
entonces se cumple que
k
det (B) = ( 1) det (A)
0 1
x1 y1 z1 w1
B x2 y2 z2 w2 C
det (A) = B
@ x3
C trasladamos F4 a F1 ; k = 3 lugares, entonces tenemos
y3 z3 w3 A
x4 y4 z4 w4
0 1
x4 y4 z4 w4
B x1 y1 z1 w1 C
det (B) = B
@ x2
C Si det (A) = p ) det (B) = ( 1)3 det (A) de donde
y2 z2 w2 A
x3 y3 z3 w3
det (B) = det (A) = p
7. El determinante de una matriz no cambia de signo si una de sus …las o columnas se traslada a un número par de
lugares, el determinante cambiará de signo si una de sus …las o columnas se traslada un número impar de lugares.
8. El determinante de una matriz es igual a cero si una de sus …las o columnas es igual o múltiplo de otra …la o
columna.
0 1
3 5 1
det (A) = @ 6 2 2 A = 0; C1 = 3C3
12 0 4
9. Si todos los elementos de una …la o columna de un determinante se multiplican por un escalar k donde (k 6= 0);
entonces el valor del determinante queda multiplicado por k
0 1 0 1
x1 x2 x3 x1 x2 x3
det (A) = det @ y1 y2 y3 A ; det (B) = det @ y1 y2 y3 A
z1 z2 z3 kz1 kz2 kz3
Si det (A) = p ) det (B) = k 1 p
10. Si todos los elementos de una …la o de una columna de un determinante son múltiplos de un escalar k se puede
sacar el factor común k, en dicho determinante
0 1 0 1
2 1 3 2 1 6
1
det (A) = det @ 0 1 4 A ) det (A) = @ 0 1 8 A
2
2 5 4 2 5 8
11. Si A es una matriz cuadrada de orden n y k es un escalar, entonces tendremos
det (kA) = k n det (A)
0 1
ka11 ka11 ka1n
B ka21 ka22 ka2n C
B C
det (kA) = det B .. .. .. C
@ . . . A
kan1 kan2 kann
det (kA) = k k k ::: k det (A) ) det (kA) = k n det (A)
12. Si una …la o columna de una matriz A se le suma o se le resta m veces otra …la o columna, el valor del
determinante de A no varía (la utilizada en el método del Pibote de determinantes)
0 1 0 1
x1 x2 x3 x4 x1 x2 + mx4 x3 x4
B y1 y2 y3 y4 C B y1 y2 + my4 y3 y4 C
det (A) = det B
@ z1
C ) det (A) = det B C
z2 z3 z4 A @ z1 z2 + mz4 z3 z4 A
w1 w2 w3 w4 w1 w2 + mw4 w3 w4
c2 + mc4 ! c2
13. El determinante de una matriz triangular, diagonal o escalar es igual al producto de los elementos de la diagonal.
0 1
4 1 2
det (A) = det @ 0 1 0 A
0 0 8
det (A) = diag [(4) ( 1) (8)] = 32
Observación
0 1
1 0 0
I=@ 0 1 0 A entonces det(I) = 1
0 0 1
14. Si los elementos de una …la o columna de un determinante están formados de "p" términos cada uno, entonces
el determinante se puede descomponer en la suma de "p" determinantes.
0 1 0 1 0 1
x1 + w1 y1 + w2 z1 + w3 x1 y1 z1 w1 w2 w3
det (A) = det @ x2 y2 z2 A = det @ x2 y2 z2 A + det @ x2 y2 z2 A
x3 y3 z3 x3 y3 z3 x3 y3 z3
Ejemplos
Utilizando las propiedades de los determinantes, determinar el det (A) =?
0 2 2 2 2 1
( + 1) ( + 2) ( + 3)
B 2
( + 1)
2
( + 2)
2
(
2 C
+ 3) C
det (A) = det B
@ + 3) A
2 2 2 2
( + 1) ( + 2) (
2 2 2 2
( + 1) ( + 2) ( + 3)
Procedimiento
C3 C2 ! C3
0 2 1 0 2 1 0 2 2 1 0 1
( + 2) ( + 1) ( + 2) ( + 1) 2 +3
B ( + 2) C
2 B ( + 1) C
2 B ( + 2)
2
( + 1) C
2 B 2 +3 C
B C B C = B C=B C
@ ( + 2)
2 A @ ( + 1)
2 A @ ( + 2)
2
( + 1) A @ 2
2
+3 A
2 2 2 2 2 +3
( + 2) ( + 1) ( + 2) ( + 1)
C4 C2 ! C4
0 2 1 0 2 1 0 2 2 1 0 1
( + 3) ( + 1) ( + 3) ( + 1) 4 +8
B ( + 3) C
2 B ( + 1) C
2 B ( + 3)
2
( + 1) C
2 B 4 +8 C
B C B C = B C=B C
@ ( + 3)
2 A @ ( + 1)
2 A @ ( + 3)
2
( + 1) A @ 4
2
+8 A
2 2 2 2 4 +8
( + 3) ( + 1) ( + 3) ( + 1)
C2 C1 ! C2
0 2 1 0 2
1 0 2 2 1 0 1
( + 1) ( + 1) 2 +1
B ( 2 C
+ 1) C B 2 C B ( + 1)2 2 C B 2 +1 C
B B C = B C=B C
@ ( + 1) A
2 @ 2 A @ ( + 1)2 2 A @ 2 +1 A
2 2 2 2
( + 1) ( + 1) 2 +1
0 2 1
2 +1 2 +3 4 +8
B 2 2 +1 2 +3 4 +8 C
det (A) = B 2 C
@ 2 +1 2 +3 4 +8 A
2
2 +1 2 +3 4 +8
C4 2C3 ! C4
0 1 0 1 0 1
4 +8 2 +3 2
B 4 +8 C B 2 +3 C B 2 C
B C B
2@ C = B C
@ 4 +8 A 2 +3 A @ 2 A
4 +8 2 +3 2
C3 C2 ! C3
0 1 0 1 0 1
2 +3 2 +1 2
B 2 +3 C B 2 +1 C B 2 C
B C B C = B C
@ 2 +3 A @ 2 +1 A @ 2 A
2 +3 2 +1 2
Aplicamos procedimiento por menores
0 2
1
2 +1 2 2
B 2
2 +1 2 2 C
det (A) = B C ( )
@ 2
2 +1 2 2 A
2
2 +1 2 2
C3 C4 ! C4
0 2
1
2 +1 2 0
B 2
2 +1 2 0 C
det (A) = det B
@
C=0
2
2 +1 2 0 A
2
2 +1 2 0
Utilizando el método Laplaciano ( menores ) en (*)
0 1 0 2
1
2 +1 2 2 2 2
2@
= 2 +1 2 2 A (2 + 1) @ 2
2 A+
2
2
2 +1 2 2 2 2
0 2 1 0 2
1
2 +1 2 2 +1 2
::: + 2 @ 2 2 +1 2 A 2@ 2
2 +1 2 A
2 2
2 +1 2 2 +1 2
2
det (A) = det (A1 ) (2 + 1) det (A2 ) + 2 det (A3 ) 2 det (A4 )
Cálculo de los determinantes parciales
0 1
2 +1 2 2
det (A1 ) = det @ 2 + 1 2 2 A=0
2 +1 2 2
0 2 1
2 2
det (A2 ) = det @ 2 2 2 A=0
2
2 2
0 2 1
2 +1 2
det (A3 ) = det @ 2 2 +1 2 A
2
2 +1 2
2 2 2 2 2 2
= 4 4 4 +4 +4 4
2 2 2 2 2 2
= 2 4 4 4 +4 +4 4
2 2 2 2 2 2
= 8 8 8 +8 +8 8
= 8( )( )( )
0 2
1
2 +1 2
det (A4 ) = det @ 2
2 +1 2 A
2
2 +1 2
2 2 2 2 2 2
= 4 4 4 +4 +4 4
2 2 2 2 2 2
= 2 4 4 4 +4 +4 4
2 2 2 2 2 2
= 8 +8 +8 8 8 +8
= 8( )( )( )
Entonces
2
det (A) = det (A1 ) (2 + 1) det (A2 ) + 2 det (A3 ) 2 det (A4 )
2
det (A) = (0) (2 + 1) (0) + 8 ( )( )( ) 8( )( )( )
det (A) = 0
Ejemplo
Hallar el determinante
0 2 2 1
B 2 2 C
= B
@ 2 2
C
A
2 2
8 6 2 4 4 2 6 8 4 4
= 4 +6 4 + =( ) ( + )
Otro procedimiento
F1 + F2 + F3 + F4 ! F1
0 2 2 2 2 2 2 2 2 1
+2 + +2 + +2 + +2 +
B 2 2 C
= B C
@ 2 2 A
2 2
0 2 2 2 2 1
( + ) ( + ) ( + ) ( + )
B 2 2 C
= B C
@ 2 2 A
2 2
0 1
1 1 1 1
2B C
2 2
= ( + ) B
@ 2 2
C Ahora realizamos C1
A C4 ! C1
2 2
0 1
0 1 1 1
B 0 2 2 C
( + ) det B C por menores, referencia
2
= @ 2 2 A 41 ; se tiene
0
2 2 2
0 1
1 1 1
2
= ( + ) 2 2
det @ 2 2 A
2 2
0 1
1 1 1
2
= ( + ) 2 2
det @ 2 2 A
2 2
0 1
1 1 1
1 = @ 2 2 A
2 2
4 3 3 4 3
1 = 2 +2 = ( + )( )
Entonces
2 2 2 3
= ( + ) ( + )( )
2 2 2 3
= ( + ) ( + )( )
2 3 4 4
= ( + ) ( )( + )( + )( ) =( + ) ( )
Ejemplo
Demostrar que
0 1 0 1
a + bt at + b c a b c
det @ x + yt xt + y z A= 1 t2 det @ x y z A
u + vt ut + v w u v w
Aplicando las propiedades en la primera columna, se tiene

0 1
0 1 0 1 0 1 y x
a b c bt at c a b c B b a c C
det @ x y z A + det @ yt xt z A = det @ x y z A + t2 det B
@ y x
C
z A
u v w vt ut w u v w
v u w
0 1 0 1
a b c a b c
= det @ x y z A + t2 ( 1)2 det @ x y z A
u v w u v w
factorizando tendremos
0 1 0 1
a + bt at + b c a b c
det @ x + yt xt + y z A = 1 t2 det @ x y z A
u + vt ut + v w u v w
Quito,Diciembre de 2022
Capítulo 1
Matrices
1
1.1. Matriz Inversa A
Corolario
1
adj (A) = det (A) A ( )
1 1
A = adj (A)
jAj
Matriz de Cofactores
Consideremos la matriz
0 1
a11 a12 a13
A = @ a21 a22 a23 A
a31 a32 a33
Si a cada elemento de la matriz A sustiuimos por sus respectivos cofactores, obtenemos una matriz que se denomina
matriz de cofactores y denotamos, así
0 1
M11 M12 M13
CA = Cof (A) = @ M21 M22 M23 A
M31 M32 M33
Matriz Adjunta
Llamaremos matriz adjunta a la transpuesta de la matriz de cofactores, es decir

0 1
M11 M21 M31
T
A = adj(A) = (CA) = (cof (A))T = @ M12 M22 M32 A
M13 M23 M33
Propiedades
1
1: adj(I) = I
T
2: adj(AT ) = (adj(A)) si det (A) 6= 0
1 1
3: adj(A ) = (adj(A))
4: adj(A B) = adj(B) adj(A) si det (A) 6= 0; det (B) 6= 0

n
5: adj(An ) = (adj(A))
n 1
6: adj ( A) = adj (A) ; 2C
n 1
7: det (adj (A)) = det (A)
n 1 n n 1
8: det (adj ( A)) = det (A)
1 n
9: det (adj (An )) = det An
(n 1)2
10: det (adj(adj (A))) = det (A)
Sugerencia
Las propiedades se demuestran aplicando el corolario (*)
Matriz No Singular
Una matriz cuadrada A = [aij ]n de orden n es no singular si y sólo si det(A) 6= 0 es decir que
(A) = n , det (A) 6= 0
Matriz Regular
Es aquella matriz cuadrada que tiene inversa, es decir que su det(A) 6= 0 entonces
1
An que tiene A entonces A es regular
Ejemplo
Sean las matrices

0 1
2 3 4
2 1
A = ; B=@ 0 3 0 A
1 3 22 0 0 5 33
2 1
det(A) = det = + (6) ( 1) = 7
1 3
0 1
2 3 4
det(B) = det @ 0 3 0 A= 30
0 0 5
Como det (A) 6= 0 y det (B) 6= 0 entonces se puede determinar las matrices inversas de A y B además las
matrices mencionadas son no singulares.
Matriz Singular
Es aquella matriz que no posee inversa, es decir su det(A) = 0
1
A s 9; A es matriz singular
1
1.1. MATRIZ INVERSA A 3
Matriz Inversa por el Método de la Matriz Adjunta
Consideremos una matriz cuadrada A, si det (A) 6= 0; entonces a la inversa de la matriz A de…niremos de la siguiente
manera
1 1 1 T 1 T
A = adj(A) = (CA) = (cof (A))
jAj jAj jAj
Propiedades
1 1
1: A =A
1 1 1
2: (A B) =B A
1 1 T
3: AT = A
1
4: ( A) = 1A 1
8 0
< A =I
1 1 n
5: (An ) = A 8n 2 Z+ donde
:
An = A An 1
; n 2 Z+
1
6: I =I
Ejemplo
Obtener la matriz inversa de A si existe, donde

0 1
1 3 5
A=@ 3 5 1 A
5 1 3 33
Calculando el determinante de la matriz A directamente
0 1
1 3 5
det(A) = det @ 3 5 1 A= 108
5 1 3
de otra forma, mediante extensión laplaciana en la primera …la
0 1
1 3 5
det @ 3 5 1 A = 108
5 1 3
det (A) = 1(15 1) 3(9 5) + 5(3 25) = 108
1
Como det (A) = 108 6= 0 entonces 9 A por lo tanto A
/ es una matriz no singular, entonces debemos determinar
la matriz de cofactores
0 1
+M11 M12 +M13
adj(A) = (CA) = cof (A) = @ M21 +M22 M23 A =?
+M31 M32 +M33
de donde el signo de matriz de cofactores es ( 1)i+j
0 1
1 3 5
de la matriz A = @ 3 5 1 A se obtiene, los cofactores
5 1 3 33
5 1
M11 = + det = 15 1 = 14
1 3
3 1
M12 = det =9 5=4! 4
5 3
3 5
M13 = + det =3 25 = 22
5 1
3 5
M21 = det =9 5=4! 4
1 3
1 5
M22 = + det =3 25 = 22
5 3
1 3
M23 = det =1 15 = 14 ! 14
5 1
3 5
M31 = + det =3 25 = 22
5 1
1 5
M32 = det =1 15 = 14 ! 14
3 1
1 3
M33 = + det =5 9= 4
3 5
0 1
14 4 22
adj(A) = (CA) = cof (A) = @ 4 22 14 A
22 14 4
0 1
14 4
22
T
adj(A) = (CA)T = (cof (A)) = @ 4 14 A entonces
22
22 144
0 1
14 4 22
1 1 T 1 @
A 1
= adj(A) = (CA) = 4 22 14 A
jAj jAj 108
22 14 4
0 14 4 22 1
108 108 108
A 1
= @ 4
108
22
108
14
108
A
22 14 4
108 108 108
0 7 1 11
1
54 27 54
A 1
= @ 1
27
11
54
7
54
A
11 7 1
54 54 27
Ejemplo
1 1 1
Determinar A =? sabiendo que A = adj (A)
jAj
0 1 0 1
1 2
1 + 2i i i 1 + 2i i
A = @ 1 2 2 + i A forma directa A 1 = @ 1 i 1 i A
1 2 + i 2 2i 1 0 1
0 1
1 2 i 1 + 2i
det (A) = det @ 1 2 2 + i A donde det (A) = i
1 2 + i 2 2i
0 1
1 2 i 1 + 2i
det (A) = det @ 1 2 2 + i A entonces det (A) = i; det (A) 6= 0
1 2 + i 2 2i
1
1
entonces A existe porque es matriz no singular
0 1
1 2+i 1
adj (A) = @ i 1 1+i A
i 0 i
1 1
A = adj (A)
jAj
0 1 0 1
1 2+i 1 i 1 + 2i i
1 @
A 1
= i 1 1+i A=@ 1 i 1 i A
i
i 0 i 1 0 1
1.1.1. Inversa de una matriz por el Método de Gauss - Jordan
Este método consiste en construir una matriz de orden n 2n formada por la matriz A y la matriz unitaria I es
decir
(A j I)
Mediante las operaciones elementales sobre la …la de la matriz construida, se transforma a la forma
(I j B)
1
donde B = A es la matriz inversa
Ejemplo
Hallar la inversa de la matriz A mediante el método de Gauss - Jordan, si existe donde
0 1
1 1 4 2
B 2 0 3 1 C
A=B
@ 4
C
2 1 0 A
2 4 1 2 44
Procedimiento
0 1
..
B 1 . C
B 1 4 2 . 1 0 0 0 C
B 2 0 3 1 .. 0 1 0 0 C
1. B
B 4
C f2
C 2f1 ! f2
B 2 1 0 .. 0 0 1 0 C
@ 2 . A
4 1 2 0 0 0 1
..
.
2 0 3 1 0 1 0 0 2 1 1 4 2 1 0 0 0 ! f2
2 0 3 1 0 1 0 0 + 2 2 8 4 2 0 0 0 ! f2
0 2 5 3 2 1 0 0 ! f2
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
2. B C 4f 1 f3 ! f3
@ 4 2 1 0 0 0 1 0 A
2 4 1 2 0 0 0 1
4 1 1 4 2 1 0 0 0 4 2 1 0 0 0 1 0 ! f3
4 4 16 8 4 0 0 0 + 4 +2 1 0 0 0 1 0 ! f3
0 2 15 8 4 0 1 0 ! f3
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
3. B C 2f 1 + f 4 ! f 4
@ 0 2 15 8 4 0 1 0 A
2 4 1 2 0 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f2 + f3 ! f3
@ 0 2 15 8 4 0 1 0 A
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
4. B C f2 f4 ! f4
@ 0 0 10 5 2 1 1 0 A
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C 12f 3 + 10f 4 ! f 4
@ 0 0 10 5 2 1 1 0 A
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 C
5. B 0 2 5 3 2 1 0 C f4 ! f4
@ 0 0 10 5 2 1 1 0 A 2
0 0 0 30 16 24 12 10
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f 4 + 3f 3 ! f 3
@ 0 0 10 5 2 1 1 0 A
0 0 0 15 8 12 6 5
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
6. B C
@ 0 0 30 0 2 15 9 5 A
0 0 0 15 8 12 6 5
T así sucesivamente ( matrices equivalentes....) entonces se tiene que al realizar el proceso primero de eliminación
gaussiana y posteriormente el de Jordan, se obtiene la matriz inversa....
0 1
..
B 1 . C
B 1 4 2 . 1 0 0 0 C f2 2f1 ! f2
B 2 0 3 1 .. 0 1 0 0 C
(A j I) = B
B 4
C
C f3 4f1 ! f3
B 2 1 0 .. 0 0 1 0 C
@ 2 . A f4 + 2f1 ! f4
4 1 2 0 0 0 1
..
.
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C f3 f2 ! f3
B C
@ 0 2 15 8 4 0 1 0 A f4 f2 ! f4
0 2 7 6 2 0 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f + f4 ! f3
@ 0 0 10 5 2 1 1 0 A 3
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f + f4 ! f3
@ 0 0 2 4 2 2 1 1 A 3
0 0 12 9 4 1 0 1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C
B C f 6f3 ! f4
@ 0 0 2 4 2 2 1 1 A 4
0 0 0 15 8 11 6 5
1
0 1
1 1 4 2 1 0 0 0
B 0 2 5 3 2 1 0 0 C 1
B C f4 ! f4
@ 0 0 2 4 2 2 1 1 A 15
8 11 6 5
0 0 0 1 15 15 15 15
0 1
1 1 4 2 1 0 0 0
B 0 f1 2f4 ! f1
B 2 5 3 2 1 0 0 C
C
@ 0 f2 + 3f4 ! f2
0 2 4 2 2 1 1 A
8 11 6 5 f3 4f4 ! f3
0 0 0 1 15 15 15 15
0 1 22 12 10
1
1 1 4 0 15 15 15 15
B 0 2 5 0 6 18 18 15 C 1
B 15 15 15 15 C 2 f3 ! f3
@ 0 0 2 0 2 14 9 5 A f1 2f3 ! f1
15 15 15 15
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 2 5 0 6 18 18 15 C
B 15 15 15 15 C f2 + 5f3 ! f2
@ 0 0 1 0 2 14 9 5 A
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 2 0 0 20 34 9 5 C
B 30 30 30 30 C 1
@ 0 0 1 0 2 14 9 5 A 2 f2 ! f2
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 3 6 6
1
1 1 0 0 15 15 15 0
B 0 1 0 0 20 34 9 5 C
B 60 60 60 60 C f1 + f2 ! f1
@ 0 0 1 0 2 14 9 5 A
30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
0 4 5 3 5
1
1 0 0 0 30 30 20 60
B 0 1 0 0 20 34 9 5 C
(I j B) = B
@ 0
60
2
60
14
60
9
60
5
C
A
0 1 0 30 30 30 30
8 11 6 5
0 0 0 1 15 15 15 15
Por lo tanto 0 1
4 5 3 5
30 30 20 60
B 20 34 9 5 C
A 1
=B=B
@
60
2
60
14
60
9
60
5
C
A
30 30 30 30
8 11 6 5
15 15 15 15
1.1.2. Espacios Vectoriales (V ; +; |; )
El álgebra lineal, trata del estudio de los espacios vectoriales, de las transformaciones, de matrices y sistemas de
ecuaciones lineales (combinaciones lineales) de los determinantes, de los valores característicos y vectores carac-
terísticos, de los espacios con producto interno y los operadores sobre espacios con producto interno.
Para hacer hacer una de…nición formal y rigurosa de los múltiples tema sque se tratan en el álgebra lineal, vamos
a recordar algunas de…niciones preliminares.
Producto de dos Conjuntos
De…nición
El producto del conjunto A por el conjunto B es el conjunto de todos los pares ordenados (duplas), (a; b), tales a
es un elemento A y b es un elemento del conjunto B
De manera simbólica se tiene

A B = f(a; b) = a 2 A ^ b 2 Bg
ARB = f(a; b) = a 2 A ^ b 2 Bg
Cuando A R^B R entonces A R B toma el nombre de producto cartesiano de A relacionado con B
Aplicación de A en B
Diremos que f es una aplicación ó función de A en R si y sólo si para todo x 2 A existe un único y 2 B tal que
y = f (x)
Notación
f: A ! B
x 7! y = f (x)
Ejemplo
a.
f: N f0g ! R
2
n 7! f (n) = n
b.
g: [ 3; 3] ! [0; 3] p
x 7! g(x) = 9 x2
Operación Binaria Interna
Sea A un conjunto no vacío
Llamaremos Operación Binaria de…nida en A a toda aplicación de
A R A en A, tal que cada pareja (a; b) 2 A R A
Notación
: ARA ! A
(a; b) 7! a b
Ejemplo
1. En el conjunto R de…nimos dos operaciones binarias
+: RR R ! R : RRR ! R
;
(a; b) 7 ! a+b (a; b) 7! a b
Llamados suma y producto de los Reales, respectivamente
2. En el conjunto R2 de…nimos las siguientes operaciones binarias
+ : R2 R R2 ! R2
f(x1 ; y1 ); (x2 ; y2 )g 7! (x1 + x2 ; y1 + y2 )
Cuerpo (Campo |)
El cuerpo se lo de…ne como una estructura algebraica, donde un conjunto | 6= a esto se le conoce como Cuerpo, si
en | (escalares) están de…nidas las operaciones de Suma y Producto y que veri…can las siguientes propiedades
A. Suma
+: |R | ! |
(a; b) 7! a + b
1
A1 : a + (b + c) = (a + b) + c Asociativa
A2 : a+b=b+a Conmutativa
A3: 9!0 2 | = 0 + a = a; 8a 2 | Existencia del elemento neutro aditivo
A4 : 8a 2 |; 9 a 2 | = a + ( a) = 0 Existencia del elemento inverso aditivo
B. Producto
: |R| ! |
(a; b) 7! a b
P1 : a (b c) = (a b) c Asociativa
P2 : a b=b a Conmutativa
P3: 9!1 2 | = 1 a = a; 8a 2 | Existencia del elemento neutro multiplicativo
P4 : 8a 6= 0; 9!a 1 2 | = a a 1 = 1 Existencia del elemento inverso multiplicativo
C. Propiedad distributiva del producto respecto a la suma
a (b + c) = a b + a c
Ejemplos
a. Son cuerpos los números reales (R)
b. los números complejos (C) y
c. los números racionales (Q) :::???
Espacio Vectorial (V ; +; |; )
Un conjunto V no vacío, se llama espacio vectorial sobre | si está provisto de dos operaciones: suma (suma de
vectores) y producto ( multiplicación de escalar por vector) de…nidos de la siguiente manera
1.
+: V R V ! V
Ley decomposición interna (L.c.i)
(u; v) 7 ! u+v
2
: |RV ! V
Ley de Composición externa (L.c.e)
( ; v) 7 ! v
y que cumple además con las siguientes propiedades
A1 : u + v = v + u; u; v 2 V Comutativa
A2 : (u + v) + w = u + (v + w); u; v; w 2 V Asociativa
A3: 9! 2 V = v + = v; 8v 2 V Existencia del elemento neutro aditivo
A4 : 8a 2 V; 9 v 2 V = v + ( v) = Existencia del elemento inverso aditivo
P1 : ( v) = ( ) v; 8 ; 2 |; v 2 V Asociativa de escalares por un vector
P2 : 1 v = v; 8v 2 V; 1 2 | Unicidad, Existencia del elemento neutro multiplicativo
Distributividad
D1 : ( + ) v = v + v; 8 ; 2 |; v 2 V Adición de escalares por un vector

D2 : (u + v) = u + v; 8 ; 2 |; u; v 2 V Escalar por la adición de vectores
Los elementos de V se llaman VECTORES y los elementos de | se llaman escalares
Como V está de…nido sobre los elementos de |; decimos que V es un | espacio vectorial
Notación
(V ; +; |; )
Ejemplo
1. Si | = R; es decir (V ; +; R; ) ; decimos que V es un espacio vectorial sobre R ó V es un R espacio vectorial
2. Si | = C; es decir (V ; +; C; ) ;decimos que V es un espacio vectorial complejo
Observaciones
a. Un conjunto V 6= para que sea un espacio vectorial sobre un campo | debe tener de…nidas dos operaciones:
suma y multiplicación por un escalar y que cumple con las propiedades mencionadas, en caso que no cumpla con
alguna de dichas propiedades no es un espacio vectorial.
b. Al conjunto de los polinomios de grado 3 con coe…cientes complejos denotaremos por k[x] es decir
k[x] = P (x) = P (x) = a3 x3 + a2 x2 + a1 x + a0 ; ai 2 | = C
Ejemplos
1. El conjunto V = R2 = (x; y) 2 R2 = x 2 R ^ y 2 R y | = R (el cuerpo) con la suma de pares ordenados
(a; b) + (c; d) = (a + c; b + d)
y el producto por un escalar
(a; b) = ( a; b); 2R
2
es un espacio vectorial sobre R, es decir R ; +; R;
2. En R2 cualquier recta que pase por el origen (0; 0), es un espacio vectorial sobre R.
El conjunto
V = (x; y) 2 R2 = 3x 2y = 0
con las operaciones de suma y producto de un escalar con las de R2 ; es decir (V ; +; R; )

Gra…cando
3
3x 2y = 0; 2y = 3x; y = x
2
y
4
-5 -4 -3 -2 -1 1 2 3 4 5
x
-2
-4
y = 32 x
3. EI conjunto V = R3 = f(x; y; z) = x 2 R ^ y 2 R ^ z 2 Rg con las operaciones de suma y de un escalar por un

elemento de R3 es un espacio vectorial sobre R
4. En R3 cualquier plano que pasa por el origen es un espacio vectorial sobre R.
V = (x; y; z) 2 R3 = x y z=0
1
-4z2-2 0 0
0
4 2 -2 -4
4
-2
yx
-4
x y z=0
5. El conjunto V = Rn = f(x1 ; x2 ; ; xn ) =xi 2 Rg es un espacio vectorial

Con las operaciones usuales de suma, es decir
(x1 ; x2 ; ; xn ) + (y1 ; y2 ; yn ) = (x1 + y1 ; x2 + y2 ; ; xn + yn )
y el producto por un escalar

(x1 ; x2 ; ::; xn ) = ( x1 ; x2 ; ; xn ); 2R
6. En el conjunto V = R2 , de…nimos las siguientes operaciones

(a; b) + (c; d) = (b + d; a + c)
(a; b) = ( a; b)
comprobar que (V; +; R; ) no es un espacio vectorial
En efecto
A1 . Si u; v 2 V ) u = (a; b); v = (c; d)
Probaremos que
u + v = v + u; 8u; v 2 V
u + v = (a; b) + (c; d) = (a + c; b + d)
v + u = (c; d) + (a; b) = (c + a; d + b)
= (a + c; b + d)
u + v = v + u se cumple con la propiedad conmutativa
A2 : Si u; v; w 2 V ) u = (a; b); v = (c; d); w = (e; f )

u + (v + w) = (u + v) + w
u + (v + w) = (a; b) + [(c; d) + (e; f )] = (a; b) + (c + e; d + f )
= (a + e + c; d + b + f ) (1)
(u + v) + w = [(a; b) + (c; d)] + (e; f ) = (a + c; b + d) + (e; f )
= (a + c + e; b + d + f ) (2)
de (1) y (2) se tiene u + (v + w) 6= (u + v) + w; no cumple con la propiedad asociativa, por lo tanto (V; +; R; ) no
es un espacio vectorial.
7. El conjunto V = f(x; y) 2 R2 = x + y 1g, no es un espacio vectorial con las operaciones de R2 en este caso falla
el opuesto, pues (3; 9) 2 V sin embargo (3; 9) = ( 3; 9) 2 = V puesto que 3 + 9 1
8. El conjunto R no es un espacio vectorial sobre | = C, pues si z 2 C y a 2 R entonces a z 2

= R, es decir no es
una ley de composición externa.
Ejemplo Completo
9*. Probar que el conjunto de todos los polinomios con coe…cientes reales,
P [x] = fan xn + an 1 xn 1
+ + a1 x + a0 ; n 2 N; a0 ; a1 ; ; an 2 Rg
es un espacio de suma y producto por un escalar del álgebra elemental.
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn ;
donde
p(x) = a0 + a1 x + a2 x2 + + an xn y q(x) = b0 + b1 x + b2 x2 + + bn xn
p(x) = a0 + a1 x + a2 x2 + + an xn ;
Ahora probaremos las propiedades, en primer lugar demostramos ai se cumple las operaciones de suma y producto
de un escalar, mediante las leyes de composición interna y externa.
+:V R V !V
(x; y) ! +(x; y) = x + y
Ley de composición interna (l:c:i)
cumple con la operación suma de vectores ;ahora veri…camos las propiedades dadas para los espacios vectoriales
A1 . La suma de polinomios es conmutativa,sea
p(x) + q(x) = q(x) + p(x)
p(x) = a0 + a1 x + ::: + an xn ; q(x) = b0 + b1 x + : : : bn xn dos elementos de P [x]
p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + + (an + bn )xn
= (b0 + a0 ) + (b1 + a1 )x + (b2 + a2 )x2 + + (bn + an )xn = q(x) + p(x)
A2 . La suma de polinomios es asociativa, consideremos polinomios de P [x]
p1 (x) = a0 + a1 x + a2 x2 + ::: + an xn
p2 (x) = b0 + b1 x + b2 x2 + ::: + bn xn
p3 (x) = c0 + c1 x + c2 x2 + ::: + cn xn
p1 (x) + [p2 (x) + p3 (x)] = [p1 (x) + p2 (x)] + p3 (x)
Se veri…ca la asociatividad sin problemas

1
A3 : Elemento neutro para la suma, el elemento neutro es el polinomio nulo q(x) = 0, puesto que para cualquier
p(x) 2 P [x] se veri…ca que
9!q(x) = 0 2 V = p(x) + 0 = p(x); 8p(x) 2 V
p(x) + q(x) = p(x) + 0 = p(x)
A4 . El elemento opuesto para la suma, dado cualquier polinomio
8p(x) 2 V; 9 p(x) 2 V = p(x) + ( p(x)) = 0
p(x) = a0 + a1 x + + an xn
de P [x] se veri…ca que el polinomio p0(x) = a0 a1 x an xn es su elemento opuesto, puesto que
p(x) + p0(x) = q(x) = 0
(a0 + a1 x + + an xn ) + ( a0 a1 x an xn ) = 0 + 0x + + 0xn = 0
B. Con la operación multiplicación de un escalar por un vector ;cumple con

:|R V !V
( ; x) ! ( ; x) = x
Ley de composición externa (l:c:e)
cumple con la operación del producto de un escalar
D1 . El producto de la suma de escalares por un vector
si p(x) 2 P [x] y ; 2R
( + )v = v + v; 8 ; 2 |; v 2 V
( + ) p(x) = p(x) + p(x); 8 ; 2 |; p(x) 2 V
( + )p(x) = ( + )(a0 + a1 x + a2 x2 + + an xn )
= a0 + a1 x + a2 x2 + + an xn + a0 + a1 x + a2 x2 + + an xn
= p(x) + p(x)
D2 Escalar por la suma de vectores
2 R y p1 (x); p2 (x) 2 P [x]
(u + v) = u + v; 8 ; 2 |; u; v 2 V
[p1 (x) + p2 (x)] = p1 (x) + p2 (x); 8 ; 2 |; p1 (x); p2 (x) 2 P [x]

= [p1 (x) + p2 (x)]
P1 :El producto de un escalar veri…ca la propiedad asociativa, es decir
si ; 2R y p(x) 2 P [x]
[ p(x)] = ( ) p(x); 8 ; 2 |; p(x) 2 V
( )p(x) = ( )(a0 + a1 x + a2 x2 + + an xn )
= [ a0 + a1 x + a2 x2 + + an xn ] = [ p(x)]
P2 . Existe un elemento unidad 1 2 R, tal que 1 p(x) = p(x) para todo polinomio p(x) de P [x]
1 v = v; 8v 2 V; 1 2 |
1 p(x) = p(x); 8p(x) 2 V; 1 2 |
= 1 (a0 + a1 x + a2 x2 + + an xn )
= 1 a0 + 1 a1 x + 1 a2 x2 + + 1 an xn
= a0 + a1 x + a2 x2 + + an xn = p(x)
con lo cual se ha probado que el conjunto P [x] de polinomios de coe…cientes reales R es un espacio vectorial sobre
R y se representa, así
(P [x]; +; R; )
1.1.3. Propiedad de los Espacios Vectoriales
Sea (V; +; R; ) un espacio vectorial, entonces se tiene
1. El elemento " " de la propiedad A3 es único
Demostración
0 0
Supongamos 9 2 V tal que + u = u; 8u; v 2 V
Por la propiedad A3 tenemos que

u + = u; 8u 2 V
0
+ = 0
Se cumple 0 puesto que ; 2 V son elementos neutros de V
+ =
Y por la propiedad conmutativa se cumple
0 0 0 0
= + = + = ) =
por lo tanto " "es único.
2. El producto del escalar 0 por cualquier vector es el vector nulo, es decir
8u 2 V se tiene 0 u =
Demostración
0 u + u = 0 u + 1 u = (0 + 1) u = 1 u = u
sumando ( u) a cada miembro tenemos

1
(0 u + u) + ( u) = u + ( u)
por la propiedad asociativa tenemos
0 u + [u + ( u)] = u + ( u)
por lo tanto
0 u+ =
de donde
0 u=
3. Si el producto de un escalar por un vector es el vector nulo entonces el escalar es "0" o el vector es nulo es decir
Si x= ) =0 o x=
Demostración
1. Suponiendo que x 6= y x= ) =0
En efecto
1
si 6= 0 ) = 1; 8 2 |
1 1
si x = ) ( x) = =
1
)( )x = )1 x= )x=
lo cual es una contradicción entonces = 0 puesto que x 6=
2. Suponiendo que 6= 0 y x = )x=
en efecto
1 1 1
si 6= 0 ) 9 ) ( x) =
1
)( )x = )1 x= )x=
4. El opuesto de cualquier escalar por un vector es igual al opuesto de su producto, es decir
sí 2 |; x 2 V; ( )x = ( x)
Demostración
Teniendo en cuenta A4 la suma del opuesto en | y B4 se tiene
( x) + x = =0 x=( + )x
( x) + x = ( )x + x ) ( x) = ( )x
por lo tanto
( )x = ( x)
1.1.4. Espacio Vectorial de Funciones
Al conjunto de todas las funciones f con dominio de un conjunto X 6= y rango de un cuerpo |, denotaremos por
|X , es decir
|X = ff =f : X ! |g
un elemento que pertenece a |X es una función f : X ! | ahora en |X de…nimos la suma de funciones y el
producto de un escalar por funciones
i) Sí f; g 2 |X entonces f + g : X ! | es tal que (f + g)(x) = f (x) + g(x); 8x 2 X
ii) Si 2 | y f 2 |X , entonces f : X ! | es tal que ( f )(x) = f (x); 8x 2 X
Luego el conjunto (|X ; +; |; ), provisto de dos operaciones suma y producto es un espacio vectorial sobre |,
para esto probaremos las propiedades.
A. Con la operación suma de vectores
A1 :Sean
f; g 2 |X ) f; g : X ! | y f + g : X ! |
) (f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x); 8x 2 X
de donde f + g = g + f , pues f (x); g(x) 2 | = (R; Q; C) donde la adición es conmutativa.
Por lo tanto, cumple con la propiedad conmutativa aditiva de la operación
A2 : Sean
f; g; h 2 |X ) f; g; h : X ! |; por probar que (f + g) + h = f + (g + h)
Sea
x 2 X; [(f + g) + h)](x) = [(f + g)(x)] + h(x)
= [f (x) + g(x)] + h(x); 8x 2 X :::( )
[f + (g + h)](x) = f (x) + [(g + h)(x)] = f (x) + [g(x) + h(x)]
) [f + (g + h)](x) = f (x) + [(g (x) + h)(x)]; 8x 2 X :::( )
como
f (x) ; g (x) ; h (x) 2 | = (R; Q; C)
entonces de ( ) y ( ) se tiene
[(f + g) + h](x) = [f + (g + h)](x); 8x 2 X
) (f + g) + h = f + (g + h)
por lo tanto cumple, con la propiedad asociativa aditiva de la operación
A3 . Sea "0" la función cero, 0 : X ! | tal que 0(x) = 0; 8x 2 X
) 8f 2 |X ; f : X ! |
se tiene
(f + 0)(x) = f (x) + 0(x) = f (x); 8x 2 X
) (f + 0)(x) = f (x); 8x 2 X
) f + 0 = f ) 8f 2 |X ; 9f 2 |X =f + 0 = f
Por lo tanto cumple, con la existencia del elemento neutro aditivo de la operación
1
A4 . 8f 2 |X sea f : X ! | de…nida por ( f )(x) = f (x)
) [f + ( f )](x) = f (x) + ( f )(x) = f (x) f (x) = 0 = 0(x) ; 8x 2 X
de donde se tiene
f + ( f) = 0
) 8f 2 k X ; 9( f ) 2 k X = f + ( f ) = 0
por lo tanto cumple con la propiedad de la existencia del elemento inverso aditivo de la operación
B. Con la operación multiplicación de un escalar por un vector
B1 . Sean
f; g 2 |X y 2 | ) [ (f + g)](x) = (f + g)(x) = (f (x) + g(x))
) [ (f + g)](x) = [f (x) + g(x)] :::( )
( f + g)(x) = ( f )(x) + ( g)(x) = f (x) + g(x) :::( )
[f (x) + g(x)] = f (x) + g(x)
pues ; f (x); g(x) 2 | = (R; Q; C) la multiplicación es distributiva respecto a la adición, entonces de ( ) y ( ) se

tiene
[ (f + g)](x) = ( f + g)(x); 8x 2 X
entonces
(f + g) = f + g
por lo tanto, cumple con la propiedad distributiva de un escalar por la adición de dos funciones de la operación
B2 . Sea f 2 |X y ; 2 | entonces se tiene
[( + )f ](x) = ( + )f (x) = f (x) + f (x)
= ( f )(x) + ( g)(x) = ( f + g)(x) = (f + g) (x) ; 8x 2 X
entonces
( + )f = f + f
por lo tanto cumple con la propiedad distributiva de la adición de escalares por una función de la operación
B3 . Sea f 2 |X y ; 2 | entonces se tiene
[( )f ](x) = ( )f (x) = ( f (x)) = ( f )(x) = [ ( f )](x); 8x 2 X
entonces
[( )f ](x) = [ ( f )](x)
)( )f = ( f )
por lo tanto, cumple con la propiedad de la asociativa de escales por un función de la operación
B4 : Sea f 2 |X y, 1 2 | entonces
(1 f )(x) = 1 f (x) = f (x); 8x 2 X
entonces 1 f = f por lo tanto, cumple con la propiedad de unicidad de la operación

es decir que V = |X es un espacio vectorial sobre |.
Luego, (|X ; +; |; ), provisto de dos operaciones suma y multiplicación es un espacio vectorial sobre |
Casos Particulares
|X = ff =f : X ! |g
i) Si X = R y | = R ) |X = ff =f : R ! Rg espacio vectorial sobre R.
ii) Si X = [a; b] y | = R ) |X = ff =f : [a; b] ! Rg espacio vectorial sobre R:
iii) X = R; | = R, f es continua, entonces
|X = ff =f : R ! R es continua g
espacio vectorial sobre R.

Clase 01-22 Merged

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 01-22 Merged

Cargado por

Copyright:

Formatos disponibles

Sistema de Ecuaciones Lineales

Hernán Aules Centeno

Quito, Octubre del 2022

0.0.1. Sistemas de Ecuaciones Lineales

Sistema de Ecuaciones Lineales Homogéneos

Una de las soluciones, puede ser la Solución Trivial (0; 0; 0; 0; :::; 0)

Sistemas de Ecuaciones Lineales No Homogéneos

Son sistemas lineales no homogéneos cuando se igualan a valores distintos de cero

0.0.2. Métodos Fundamentales

Consideraciones para los Sistemas Lineales

1. Sistemas compatibles que tienen solución única o in…nitas soluciones

0.0.3. Solución de una Ecuación Lineal

En la solución de una ecuación lineal se presenta los siguientes casos

Si ai = 0; 8i y b 6= 0, entonces la ecuación a1 x1 + a2 x2 + + an xn = b no tiene solución.

Si ai = 0; 8i y b = 0, entonces la ecuación a1 x1 + a2 x2 + + an xn = b todo vector es solución.

Se considera los siguientes sistemas de ecuaciones lineales

Resolución de un sistema lineal por el método de Igualación

de la ecuación (1) despejo la variable x

de la ecuación (2) también se despeja la variable x

2. Se despeja cualquier variable

entonces al buscar la solución, se tiene que

(x; y) = (x; 4 3x)

xRy = f(x; y) = (t; 4 3t); x = t; t 2 Rg

t = 1; (x; y) = (t; 4 3t) = (1; 4 3 1) = (1; 1)

t = 2; (x; y) = (t; 4 3t) = (2; 4 3 2) = (2; 3)

t = 0; (x; y) = (t; 4 3t) = (0; 4 3 0) = (0; 0)

t= 1; (x; y) = (t; 4 3t) = ( 1; 4 3 ( 1)) = ( 1; 7)

Gra…cando el modelo paramétrico (t; 2t 1)

de la ecuación (1) despejamos la variable x

de la ecuación (2) despejamos la variable x

x + 3y = 5; x=5 3y; x = 5 + 3y (5)

igualando las ecuaciones (4) y (5)

La ecuación (6) reemplazando en (1)

El sistema es compatible, consistente, tiene solucion única, es linealmente independiente

Inicialmente, se utiliza el método de Igualación, de la ecuación (1) despejo la variable x

de la ecuación (2) despejo la variable x

y de la ecuación (3) despejo la variable x

Igualando las ecuaciones (4) y (5)

igualando las ecuaciones (5) y (6)

Y ahora que se debe hacer....? analizando las ecuaciones (7) y (8)

El sistema con 3 ecuaciones y 2 incógnitas, No tiene solución, es decir es incompatible e inconsistente)

Este sistema no tiene solución porque (7) y (8) son diferentes.

Método de Suma y Resta

Multiplicamos por 2 la ecuación (2) y sumamos la ecuación (1), y se elimina la variable x

de la ecuación (5) obtendremos el valor de la variable y

La ecuación (6) la reemplazamos en la ecuación (4)

Hernán Aules Centeno

Quito, Noviembre del 2022

Grá…cas de Sistemas Lineales

Gra…cando un sistema con solución única

Gra…cando un sistema con in…nita soluciones

cambiando z = t; t 2 R se tiene que

que es la solución parametrizada, gra…cando

Gra…cando un sistema que no tiene solución

0.0.1. Solución de Sistemas de Ecuaciones lineales mediante la Regla de Cramer

Consideremos un sistema de m ecuaciones con n incógnitas, es decir

El sistema ( ) tiene solución única si y sólo si jAj =

jA1 j jA2 j jAn j

Si det(A) = jAj = 0; entonces el sistema ( ) es:

b. Indeterminado si jA1 j = 0; jA2 j = 0; :::; jAn j = 0

La condición de incompatibilidad de un sistema de dos ecuaciones, es decir

se puede expresar en la forma