Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de Matemática
Básica
2022-1
Índice general
1. Conceptos Preliminares 3
1.1. Teoría de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Algunos Conjuntos Especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Álgebra de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Relaciones y Funciones 9
2.1. Producto Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1. Tipos especiales de Relaciones . . . . . . . . . . . . . . . . . . . . . . . . 11
3. Números Reales 13
3.1. Propiedades Algebraicas de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2. La relación de orden en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3. Valor Absoluto: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4. El Axioma del Supremo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4.1. El axioma del Supremo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4.2. El principio de Arquímedes: . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4.3. Algunas consecuencias del axioma del Supremo . . . . . . . . . . . . . . 24
4. Cálculo Matricial 25
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.4. Matrices Cuadradas Especiales: . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.5. Ecuaciones Matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.5.1. Operaciones Elementales en una Matriz . . . . . . . . . . . . . . . . . . . 34
4.5.2. Matrices escalonadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.6. Método de Gauss-Jordan para hallar la Matriz Inversa . . . . . . . . . . . . . . 37
5. Determinantes 41
6. Sistema de Ecuaciones Lineales 47
6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2. Sistema Homogéneo de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7. Vectores 51
7.1. Introducción: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7.2. Producto Escalar y Ortogonalidad de Vectores . . . . . . . . . . . . . . . . . . . 53
7.2.1. Paralelismo de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
1
2 ÍNDICE GENERAL
a∈
/A
Grácamente esto se puede representar como:
A A
.a .b
Un conjunto se puede representar enumerando sus elementos entre llaves, por ejemplo:
A = {a, e, i, o, u}
O también indicando alguna propiedad que cumplen los elementos del conjunto dado, de
manera esquemática esto se representa como:
3
4 CAPÍTULO 1. CONCEPTOS PRELIMINARES
A = {x/p(x)}
Donde p(x) es una propiedad que verican los elementos que forman el conjunto A. Veamos
esto con algunos ejemplos:
Ejemplo 1.1.1. El conjunto P = {2, 4, 6, 8, 10, · · · } se podría escribir como P es el conjunto de
1
los números pares. Pero recordando que N = {1, 2, 3, 4, · · · } podemos representar el conjunto
dado como
P = {a/a = 2n, n ∈ N}
La representación anterior nos dice que P es el conjunto de todos los múltiplos positivos de
2, que no es otra cosa que la denición de los números pares.
A ⊂ B ⇔ x ∈ A −→ x ∈ B (1.1.1)
En este caso diremos que A es un subconjunto de B.
Grácamente tenemos:
Dadas las relaciones de pertenencia (que está dada entre elementos y un conjunto) y la
inclusión (que se dene entre conjuntos) podemos denir las operaciones básicas de conjuntos.
Definición 1.1.1 (Igualdad de Conjuntos). Sean los conjuntos A y B, diremos que A es
igual al conjunto B , denotado por A = B si uno es el subconjunto del otro y viceversa. Es decir:
A = B ⇐⇒ (A ⊂ B) ∧ (B ⊂ A) (1.1.2)
1 Asumiremos que el conjunto de los números naturales empiezan desde el uno
1.2. ALGUNOS CONJUNTOS ESPECIALES 5
En otras palabras dos conjuntos son iguales si y solamente si tienen los mismos elementos.
Además, gracias a la lógica proposicional podemos demostrar que los siguientes conjuntos son
iguales:
A = {a, e, a, e, e, e, a, a, i}, B = {a, e, i}
La prueba es sencilla y la dejamos para el lector.
Si resulta que dos conjuntos no son iguales escribiremos A ̸= B
En el desarrollo de la teoría de conjuntos una de los conceptos que llevaban a las llamadas
antinomias en la teoría de conjuntos era dado por el llamado Conjunto Universal (denotado
por U ), el que se asumía era el conjunto que contiene todos los conjuntos. Actualmente se
acepta que tal conjunto no puede existir y usándose actualmente el término para referirse a
una teoría en particular. Debido a esta razón algunos autores preeren hablar de un Conjunto
Universal Relativo. Por ejemplo en Aritmética el Conjunto Universal serían los números
enteros o en la Geometría Plana el Conjunto universal sería dado por el plano.
De manera dual al concepto de Conjunto Universal hablamos de un conjunto que no tiene
ningún elemento. Tal conjunto se le llama el Conjunto Vacío y se denota con la letra griega
phi : ∅.
∅ = {x ∈ A/x ∈
/ A} (1.2.3)
Ejercicios 1.2.1. 1. Sea U = {0, 1, 2, · · · , 10}. Escriba de forma explícita los elementos de
los siguientes conjuntos:
a) A = {x ∈ U/3x = x2 }
b) B = {x ∈ U/x2 − 2x − 3 = 0 ∨ x2 − 9x + 20 = 0}
c) C = {an ∈ U/n ∈ N, a ∈ U}
6 CAPÍTULO 1. CONCEPTOS PRELIMINARES
a) Si A ⊂ ∅, entonces A = ∅
b) Si A ̸= B y B ̸= C , entonces A ̸= C
3. Sea A = x, y, {x}, {y}, {x, y} , entonces:
a) x∈A
b) {{y}} ⊂ A
c) {{x}} ∈ A
d) {{x, y}} ⊂ A
A continuación denimos las operaciones básicas de conjuntos al igual que sus principales
propiedades.
(1.3.4)
A ∪ B = x ∈ U/x ∈ A ∨ x ∈ B
(1.3.5)
A ∩ B = x ∈ U/x ∈ A ∧ x ∈ B
disjuntos .
Si A ∩ B = ∅, diremos que A y B son
Teorema 1.3.1. [Propiedades de la Unión de Conjuntos]
1. A∪∅=A
2. A ∪ B = B ∪ A, para cualesquier conjuntos A, B . (Conmutatividad)
3. (Asociatividad)
A ∪ (B ∪ B) = (A ∪ B) ∪ C
4. A ∪ A = A (Idempotencia)
3. A ∩ (B ∩ C) = (A ∩ B) ∩ C , (Asociatividad)
4. A ∩ A = A , (Idempotencia)
5. Si A⊂B y A ∩ C, entonces A ⊂ (B ∩ C)
Teorema 1.3.3. [Distributividad] Sean A, B, C subconjuntos de un conjunto U, entonces:
1. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
2. A ∪ (B ∩ B) = (a ∪ B) ∩ (A ∪ C)
Las pruebas de estos teoremas se basan en la lógica proposicional como veremos en los
ejercicios de esta subsección.
1.3. ÁLGEBRA DE CONJUNTOS 7
(1.3.6)
A−B = x∈A∧x∈ /B
2. A − (B ∩ C) = (A − B) ∪ (A − C)
3. A − (B − C) = (A − B) ∪ (A ∩ C)
4. (A ∪ B) − C = (A − C) ∪ (B − C)
5. (A ∩ B) − C = (A − C) ∩ (B − C)
6. A ∩ B = A − (A − B)
7. A ∩ (B − C) = B ∩ (A − C)
1. ∅c = U; Uc = ∅ 4. A − B = A ∩ Bc
5. A ⊂ B ⇐⇒ B c ⊂ Ac
2. (Ac )c = A
6. Leyes de De Morgan
c
3. A ∩ A = ∅; A ∪ Ac = U (A ∩ B)c = Ac ∪ B c ; (A ∪ B)c = Ac ∩ B c
A△B = (A ∪ B) − (A ∩ B) (1.3.8)
Las principales propiedades de la diferencia simétricas se resumen en el sigiente
1. A△B = (A − B) ∪ (B − A)
2. A△B = B△A
3. A△(B△C) = (A△B)△C
a) A ⊂ B ⇔ A ∪ B = B
b) A ⊂ B ⇔ A ∩ B = A
c) Sea C tal que A ⊂ C, B ⊂ C , entonces (A ∪ B) ⊂ C
d) Sea D tal que D ⊂ A, D ⊂ B , entonces D ⊂ (A ∩ B)
e) Si A∩B =A∩C y A∪B =A∪C , entonces B=C
f) Son equivalentes
1) A∩B =∅ 2) A ⊂ Bc 3) B ⊂ Ac
g) A ∪ (B − C) = (A ∪ B) ∩ (A ∪ C c ) = (A ∪ B) − (B − A) ∩ C
h) A△∅ = A
i) A△A = ∅
j) A△(A ∩ B) = A − B
k) A△(A ∩ B) = B − A
l) Si A△B = A△C , entonces B=C
Halle Card(A ∩ B)
Calcule:
5. Dado X = {0, 1, 2, 3, 4}
Definición 2.1.1. Sean A, B conjuntos, el par ordenado (a, b) se dene como el siguiente
conjunto: n o
(a, b) = {a}, {a, b}
Consecuencia de esta denición es el siguiente teorema que justica el término par ordenado
Teorema 2.1.1 (Igualdad de pares ordenados). Sean (a, b), (c, d) dos pares ordenados, enton-
ces:
(a, b) = (c, d) ⇐⇒ a = b ∧ c = d (2.1.1)
A × B = {(a, x), (a, y), (a, z), (b, x), (b, y), (b, z)}
B × A = {(x, a), (x, b), (y, a), (y, b), (z, a), (z, b)}
1. A × B ̸= B × A
9
10 CAPÍTULO 2. RELACIONES Y FUNCIONES
2. A × (B ∪ C) = (A × B) ∪ (A × C)
3. A × (B ∩ C) = (A × B) ∩ (A × C)
4. A × (B − C)(A × B) − (A × C)
5. A×∅=∅
7.
Ejercicio 2.1.1. Sean los conjuntos A = {1; 2; 3}, B = [−2, 4]. Graque A × A, A × B, B ×
B, B × A
2.2. Relaciones
Dominio de R Es el conjunto de todas las primeras componentes de los pares ordenados que
conforman R.
Dom(R) = {x ∈ A/(x, y) ∈ R, para algún y ∈ B} (2.2.4)
2.2. RELACIONES 11
Rango de R Es el conjunto de todas las segundas componentes de los pares ordenados que
conforman R.
Ran(R) = {y ∈ B/(x, y) ∈ B, para algún x ∈ A} (2.2.5)
R = {(x, y) ∈ X × Y /x + y es múltiplo de 6}
Desarrollando tendremos R = {(1, 5), (2, 4), (2, 10), (3, 3), (3, 9), (4, 2), (4, 8), (6, 6), (7, 5), (8, 4)}
Entonces Dom(R) = {1, 2, 3, 4, 6, 7, 8} y Ran(R) = {2, 3, 4, 5, 6, 8, 9, 10, }
Un tipo especial de relaciones son las que están denidas en un conjunto A, es decir R ⊂
A×A. éstas juegan un pape importante en las matemáticas pues nos permiten denir ecuaciones
y fórmulas.
Observación .
Una relación R, denida en A, es de equivalencia si es reexiva, simétrica y transitiva al mismo
tiempo.
Una relación R, denida en A, es de orden parcial si es reexiva, antisimétrica y transitiva
al mismo tiempo.
Ejercicios 2.2.1. 1. Dado A = {1, 2, 3, · · · , 10} y la relación R = {(a, b) ∈ A×A/a, b son primos entre
a) Escriba explícitamente R.
b) Determine si R es reexiva, simétrica o transitiva.
En esta sección introduciremos los números reales en forma axiomática para luego indicar
algunas propiedades y consecuencias derivados a partir de estos axiomas.
(+) : R × R −→ R (·) : R × R −→ R
(a, b) −→ a + b (a, b) −→ a · b
Y una relación de Orden menor denotado por <, tales que satisfacen los siguientes
axiomas.
(A3) Existe 0 ∈ R , tal que para todo a ∈ R : a + 0 = a ; (Existencia del neutro aditivo)
(M4) Para todo elemento a ∈ R distinto de cero, existe a−1 ∈ R tal que a · a−1 >= 1 Las
operaciones de adición y multiplicación satisfacen el siguiente axioma:
(1) Si a, b ∈ P, entonces a + b ∈ P; ab ∈ P
(2) 0 ∈
/P
13
14 CAPÍTULO 3. NÚMEROS REALES
(3) (Tricotomía) Dado a ∈ R, una y sólo una de las siguientes proposiciones es verda-
dera:
(i) a ∈ P (ii) a = 0 (iii) (−a) ∈ P
Podemos notar que en los axiomas (A3,A4,M3,M4) se postula la existencia de ciertos ele-
mentos distinguidos en el sistema de números reales aunque no se exige la unicidad (El cuan-
ticador que utilizamos es apenas el de existencia). Debido a esto probaremos la unicidad de
dichos elementos.
Demostración 3.1.1. Por el absurdo, supongamos que existen dos neutros aditivos diferentes:
0, 0̃.. tenemos por A3:
a + 0 = a, para todo a ∈ R , además b + 0̃ = b para todo b ∈ R. En particular tomando
a = 0̃ tendremos
0̃ + 0 = 0̃
0 + 0̃ = 0
Demostración 3.1.2. Supongamos que −a, ã son los inversos aditivos de algún a ∈ R. Por
A4 se tiene:
a + (−a) = (−a) + a = 0 ; a + ã = ã + a = 0
Tenemos:
−a = −a + 0 Por (A3)
= (−a) + a + ã Por (A3)
= (−a) + a + ã Por (A2)
= 0 + ã Por (A3)
= ã
Deniciones importantes
Dados a, b ∈ R denimos:
Diferencia: a − b = a + (−b)
a
Cociente: a ÷ b = = a(b−1 ), b ̸= 0
b
Esto es que el inverso de (−a) es único pero también a es inverso aditivo de −a. Por la unicidad
del inverso aditivo concluimos que a = −(−a).
(2) Sea b ∈ R, tenemos:
b = b + 0 por (A3)
h i
= b + a + (−a) por A4
= b + a + (−a) por asociatividad
= [c + a] + (−a) Por hipótesis
= c + [a + (−a)] Por asociatividad
= c+0
= c
4. −a = (−1)a
5. a(−b) = (−a)b = −(ab)
6. (−a)(−b) = ab . En particular se tiene (−1)(−1) = 1
7. [Teorema del factor nulo]: Si ab = 0, entonces a = 0 o b = 0.
8. Sean a, b números reales no nulos, entonces (ab)−1 = a−1 b−1
La prueba de las dos primeras armaciones de esta proposición son análogas a la proposición
anterior. Basta reemplazar los axiomas de adición con los de la multiplicación. Probemos las
armaciones faltantes:
Demostración: .
(3): Sea a ∈ R, entonces:
a·0 = a·0
= a · (0 + 0)
= a·0+a·0 por (D1)
b = b·1
= b · (a · a−1 )
= (b · a) · a−1
= 0 · a−1 Pues por hipótesis ab = 0
= 0
Lo que nos indica que b−1 a−1 es inverso multiplicativo de ab, por unicidad resulta nalmente
Proposición 3.1.3. La diferencia y el cociente de números reales cumplen las siguientes pro-
piedades:
3.2. LA RELACIÓN DE ORDEN EN R 17
1. Si a − b = c, entonces a=b+c
2. −(a − b) = b − a
a −1 b
3. Si a ̸= 0, b ̸= 0, entonces =
b a
a c ad + bc
4. Si bd ̸= 0 , entonces + =
b d bd
c−b
5. Si ax + b = c, donde a ̸= 0 , entonces x=
a
Proposición 3.2.1. Ley de Tricotomía: Dados los números reales a, b una y sólo una de las
siguientes proposiciones es verdadera:
(ii) a = 0, entonces 02 = 0.
(iii)
−a ∈ P, entonces(−a)(−a) = (−1)a (−1)a = (−1)2 a2 = a2 , además como −a ∈ P,
2
entonces (−a) ∈ P.
Luego en los tres casos se cumple que a2 ≥ 0 que es lo que se deseaba demostrar.
2. Si a < b, entonces, para todo c ∈ R : a+c < b+c (Cancelación en la suma para
desigualdades)
18 CAPÍTULO 3. NÚMEROS REALES
7. (Ley de Signos).
h i h i
ab > 0 ⇐⇒ a > 0 ∧ b > 0 ∨ a < 0 ∧ b < 0
h i h i
ab < 0 ⇐⇒ a > 0 ∧ b < 0 ∨ a > 0 ∧ b < 0
8. a2 + b2 = 0 ⇐⇒ a = b = 0
M ed Cuadrática
M ed Aritmética
M ed Geométrica √ z }| { z }| {
r
2ab √
z}|{
a+ ab + b a+b 2
2(a + ab + b ) 2
a2 + b 2 a2 + b
≤ ab ≤ ≤ ≤ ≤ ≤
|a {z
+ b} | 3
{z } 2
|
3(a + b)
{z }
2 | a {z
+b
M ed Armónica M ed Heroniana M ed Centroidal M ed Contra−a
a) −0 = 0, 1−1 = 1
b) Si a2 = 1 a = 1 o a = −1
, entonces
a c
c) Si bd ̸= 0, entonces = ⇐⇒ ad = bc
b d
a c ad − bc
d) Si bd ̸= 0 , entonces − =
b d bd
2. Pruebe las siguientes identidades:
1
a) x + >2
x
1 1
b) x2 + 2 > x +
x x
1 1
c) x3 + 3 > x2 + 2
x x
Denición
Dado a ∈ R , denimos el valor absoluto de a como:
a ; a≥0
|a| = (3.3.1)
−a ; a < 0
2. ∀a ∈ R : −|a| ≤ a ≤ |a|
3. | − a| = |a|
6. |a| − |b| ≤ |a − b|
8. |x| = |b| ⇐⇒ x2 = b2
La prueba de las tres primeras propiedades son consecuencia directa de la denición del
valor absoluto para las restantes propiedades se usa la tricotomía de los números reales para
analizar cada caso posible. Hagamos esto para la propiedad |ab| = |a||b|.
20 CAPÍTULO 3. NÚMEROS REALES
(ii) a < 0, b < 0 : Ahora |a| = −a; |b| = −b, además ab > 0 por lo que |ab| = ab =
(−a)(−b) = |a||b|
(iii) a > 0, b < 0 : Tendremos |a| = a, |b| = −b por tanto ab < 0 luego |ab| = −(ab) =
a(−b) = |a||b|.
El caso en que a < 0, b > 0 es análogo al anterior y se deja como ejercicio para el lector.
Finalmente si a o b es cero entonces ab = 0 y se tendría ab = 0 = |ab|
Ejemplo 3.3.1. Resuelva |3x − 1| = 8 Aplicando la propiedad (7) del teorema [3.3.1] tenemos:
h i
|3x − 1| = 8 ⇐⇒ (8 > 0) ∧ (3x − 1 = 8) ∨ (3x − 1) = −8
n 7 o
⇐⇒ x = 3 ∨ x = −7/4 Luego CS = − ; 3
4
h i
|5x − 7| = 5 − 3x ⇐⇒ (5 − 3x ≥ 0) ∧ (5x − 7 = 5 − 3x) ∨ (5x − 7 = 3x − 5)
h i
⇐⇒ (x ≤ 5/3) ∧ x = 3/2 ∨ x = 1
3
Como ambos valores de x son menores que 5/3 se tiene que CS = 1,
2
Ejercicios 3.3.1. .
a) |3 − 4x| = 13 d) |2x − 1| ≥ 3
b) |5x + 3| = 2x + 6
e) |2 − 5x| ≥ 9
x−2
c) =2 f) |x + 5| < |x − 4|
x+1
1 Los tres casos posibles en a y b se pueden reducir a dos casos en cada una: a ≥ 0, a < 0; b ≥ 0, b < 0
3.4. EL AXIOMA DEL SUPREMO 21
2. Sea −1 < x < 1 con x ∈ R. Halle el mayor valor de a y el menor valor de b tales que se
cumpla:
2x + 3
a< <b
3−x
¾ Se podrá hallar a, b si se tiene −3 < x < 2? Explique en caso negativo.
3x2 + 8x − 5 3
3. Sea −2 < x < 1 , con x ∈ R. Pruebe que −9 < <
x+3 2
Los axiomas estudiados en la sección anterior son los llamados axiomas algebraicos de
R, de hecho uno puede notar que esas mismas propiedades se cumplen en el conjunto de los
números racionales2 sin embargo falta indicar un axioma adicional que no se cumple en Q pero
sí en R, este axioma (también llamado de continuidad) es el que permite asegurar la inclusión
propia dada por Q ⊂ R donde Q ̸= R. Veamos la pertinencia de un axioma de este tipo con el
siguiente resultado ya conocido desde la Grecia Clásica (La demostración siguiente se atribuye
a Pitágoras)
√
Proposición 3.4.1. 2∈
/Q
√
Demostración: Usando reducción al absurdo, supongamos que 2 ∈ Q, entonces deben exis-
√ p p2
tir dos enteros coprimos p, q tal que 2= . Elevando al cuadrado resulta 2 = , de donde
q q2
p2 = 2q 2 , es decir, p2 es par. Por propiedad de enteros se concluye que p también debe ser
par, es decir, debe existir un entero no nulo m tal que p = 2m. Elevando al cuadrado a última
2 2 2 2 2 2
igualdad tendremos p = 4m = 2q . Simplicando tendremos q = 2m . Puesto que q es par
entonces q también debe ser par.
Así resulta que p, q son coprimos y a la vez son pares. Esto obviamente es una contradicción
√ √
que se origina al asumir 2 es racional. Por tanto 2∈
/Q como se deseaba probar.
Ahora deniremos algunos conceptos fundamentales para enunciar el axioma del supremo
y analizaremos algunas consecuencias del mismo.
Cotas de un conjunto
Sea S ⊂ R, donde S ̸= ∅. Entonces:
2 En Álgebra un conjunto que cumpla los axiomas indicados en A1 al M4 se le llama cuerpo, por ejemplo
R, Q, C
22 CAPÍTULO 3. NÚMEROS REALES
Observación Para probar que u = sup(S) a veces es necesario reformular la denición [3.4.1]
en formas equivalentes que indicaremos:
Lema 3.4.1. [Primera Caracterización del Supremo] Sea S un subconjunto no nulo de
R acotado superiormente, entonces
(i) s ≤ u, para toda s ∈ S
u = sup(S) ⇐⇒ (3.4.2)
(ii) Si v < u, entonces existe s′ ∈ S tal que v < s′
Lema 3.4.2. [Segunda Caracterización del Supremo] Sea S un subconjunto no nulo de
R acotado superiormente, entonces
La segunda condición indica que cualquier número mayor que w no puede ser cota inferior,
por tanto no puede ser ínmo.
Ejemplo 3.4.2. Intervalos del tipo ⟨−∞, b⟩; ⟨−∞, b] son acotados superiormente, además b =
sup(S). Análogamente los intervalos del tipo ⟨a, ∞⟩, [a, ∞⟩ son acotados inferiormente y se
tiene a = ı́nf(S).
El siguiente axioma permite identicar a los números reales como un cuerpo más grande
que los números racionales. De hecho su uso es frecuente en el estudio de las sucesiones, series
y todo proceso que involucre un paso al límite.
Principio de Arquímedes
El conjunto de los números naturales N no es acotado superiormente.
b) Halle sup(B),ı́nf(B)
3n2 + 2n + 2
3. Repita el proceso anterior para C = cn = ,n ∈ N
n+1
Mencionaremos algunos resultados que se deducen del uso del axioma del supremo. Omiti-
remos la demostración dejando los detalles a la bibligrafía del nal de la publicación.
√
Teorema 3.4.2. 2 ∈ R, es decir, existe un número real c tal que c2 = 2.
Teorema 3.4.3. [Densidad de Q en R] Sean x, y números reales cualesquiera tales que
x < y, entonces existe un número racional r∈Q tal que x < r < y.
4.1. Introducción
En este capítulo estudiaremos una herramienta muy útil en el estudio de los sistemas de
ecuaciones lineales. Cuando se resuelve un sistema uno se percata que solamente importan
los coecientes de las variables del sistema y sus respectivas posiciones. La aparición de tales
sistemas de ecuaciones (que estudiaremos en el siguiente capítulo) se da en diferentes disciplinas
de ingeniería y ciencias aplicadas. Por ejemplo en la modelación de objetos en 3D, o el modelado
de maquinaria nueva. En esos campos es usual trabajar con sistemas que contienen millones
de variables. Sin embargo antes de lanzarnos al estudio de sistemas tan grandes (Para los
que afortunadamente existen algoritmos computacionales muy buenos) necesitamos conocer los
fundamentos teóricos que los rigen. Empezaremos con la siguiente denición:
Denición de Matriz
Definición 4.1.1. Sea K a
un cuerpo , llamaremos matriz a toda ordenación rectangular
de la forma:
a11 a12 a13 ··· a1n
a21 a22 a23 ··· a2n
a31 a32 a33 ··· a3n
(4.1.1)
.. .. .. .. ..
. . . . .
am1 am2 am3 · · · amn
a Para nosotros K será igual a R o igual a C
Una matriz la denotaremos con letras mayúsculas y sus entradas con minúsculas y , de
ser necesario, con subíndices para indicar su posición. Las las en una matriz se ven de forma
25
26 CAPÍTULO 4. CÁLCULO MATRICIAL
horizontal (se cuentan de arriba hacia abajo) mientras que las columnas se dan en forma vertical
(y se cuentan de izquierda a derecha).
Definición 4.1.2. [Orden de una matriz] El orden o dimensión de la matriz está dado por
el número de las por el número de columnas que posee y se indica por el producto m×n
1 −2 0
Por ejemplo A = es una matriz de orden 2 × 3 , mientras que
3 7 −11
3 −11
B=
12 5
Definición 4.1.3. El conjunto de matrices del mismo orden en un cuerpo K dado se denota
por Km×n
Ejercicio 4.1.1. Escriba las entradas de la matriz dada por A = [aij ] ∈ R3×3 tal que aij =
3i − 2j
(2) Matriz Columna: Es toda matriz conformada por una sola columna, es decir son de
orden m × 1.
(3) Matriz Fila: Es toda matriz con una sola la, su orden es 1 × n
(4) Matriz Nula: Es una matriz con todas las entradas nulas.
Definición 4.3.2. [Suma de matrices] Sean A = [aij ], B = [bij] ∈ Km×n Diremos que
C es la suma de A y B, es decir C = [cij ] dada por
2 −3 4 3 4 −2
Ejemplo 4.3.1. Sean A = 0
, B=
7 1 5 −4 2
, entonces:
2+3 −3 + 4 4 + (−2) 5 1 2
A+B = =
0 + 5 7 + (−4) 1+2 5 3 3
2 − 3 −3 − 4 4 − (−2) −1 −7 6
A−B = =
0 − 5 7 − (−4) 1−2 −5 11 −1
4 −6 8 9 12 −6 13 6 2
Además se tiene 2A + 3B = + =
0 14 2 15 −126 15 2 8
1. (A + B) ∈ Km×n (Clausura)
2. A + B = B + A
3. A + (B + C) = (A + B) + C
Multiplicación de matrices
Definición 4.3.4. Sean las matrices A = [aij ] ∈ Rm×p , B = [bij ] ∈ Rp×n . Se dene la
matriz producto de A con B como C = [cij ] ∈ Rm×n tal que:
. p
X
AB = C = [cij ] ∈ R m×n
cij = aik bkj , ∀i, j (4.3.5)
k=1
3 −2
2 −1 3
Ejemplo 4.3.2. Sean las matrices A=
3 2 −4
, B = −4 5 . Diga si existen
1 0
AB, BA y halle sus componentes de ser posible.
4.3. OPERACIONES CON MATRICES 29
Solución: Como A ∈ R2×3 , B ∈ R3×2 se tiene que existen AB ∈ R2×2 , BA ∈ R3×3 Hallemos
la matriz AB :
3 −2
2 −1 3 −4 5 = c 11 c 12
AB = =C
3 2 −4 c21 c22
1 0
P3
Por la denición de producto matricial dada por [4.3.5] se tiene cij = k=1 aik bkj donde
i ∈ {1, 2, 3}, j ∈ {1, 2}.
3
X
c11 = a1k bk1 = a11 b11 + a12 b21 + a13 b31 = 2(3) + (−1)(−4) + 3(1) = 13
k=1
X3
c12 = a1k bk2 = a11 b12 + a12 b22 + a13 b32 = 2(−2) + (−1)(5) + 3(0) = −9
k=1
X3
c21 = a2k bk1 = a21 b11 + a22 b21 + a23 b31 = 3(3) + 2(−4) + (−4)(1) = −3
k=1
X3
c22 = a2k bk2 = a21 b12 + a22 b22 + a23 b32 = 3(−2) + 2(5) + (−4)(0) = 4
k=1
13 −9
Por tanto AB =
−3 4
0 −7 17
Procediendo de forma análoga resulta BA = 7 14 −32
2 −1 3
Trasposición de Matrices
Definición 4.3.5. Sea A = [aij ] ∈ Km×n denimos la matriz traspuesta At como
1 4
1 3 −5
Ejemplo 4.3.3. Sea A=
4 0 2
,entonces At = 3 0
−5 2
Ejercicios 4.3.1. .
Además se tiene C = (BA)t + 2A. Halle la suma de los elementos de la segunda columna
de C.
Una forma de notación para las matrices diagonales es A = Diag(a11 , a22 , · · · , ann )
Algunos casos especiales de matriz diagonal son dadas por:
4.4. MATRICES CUADRADAS ESPECIALES: 31
(3.1) Matriz Identidad Denotada como In ∈ Kn×n ,dada por In = [δij ], donde
1 ,i = j
δij =
0 , i ̸= j
Tienen la forma:
1 0 0 ··· 0
.
0 1 0 · · · ..
..
In = . 0 1 ··· 0
.. .. .. ..
..
. . . . .
0 0 0 ··· 1
(3.2) Matriz Escalar Denotada como En ∈ Kn×n ,dada por E = αIn , donde α ∈ K, In es la
matriz identidad.
k 0 0 ··· 0
.
0 k 0 · · · ..
.
..
En = 0 k ··· 0
. .. .. . . ..
.. . . . .
0 0 0 ··· k
(4) Matriz Triangular Superior A = [aij ] es matriz triangular superior si aij = 0 para
j > i.
(5) Matriz Triangular Inferior A = [aij ] es matriz triangular inferior si aij = 0 para j < i.
(8) Matriz Nilpotente Si existe un entero positivo p tal que Ap = 0, donde 0 es la matriz
cuadrada nula de orden n. A p se le llama índice de nilpotencia de A.
(10) Matriz Inversa Sea A ∈ Kn×n . Diremos que B ∈ Kn×n es la matriz inversa de A si
se cumple AB = BA = I . Si existe1 B se llamará la matriz inversa de A, y se denota como
B = A−1
Ejercicios 4.4.1. .
2. Sea A una matriz cuadrada de orden n. La diagonal principal de A es dada por los
elementos a11 , a22 , a33 , · · · , ann . Pruebe que los elementos de la diagonal principal en una
matriz antisimétrica deben ser ceros.
1 Se puede probar que si A tiene matriz inversa, ésta es única
32 CAPÍTULO 4. CÁLCULO MATRICIAL
3. Sea A matriz cuadrada de orden n. Se puede descomponer en dos matrices B, C tales que
A + At A − At t t
se cumplen As = , Aa = , tales As = As , Aa = −Aa .
2 2
2 1
4. Sea A= halle f (A), donde f (x) = 3x2 − 4.
0 3
1 3
5. Sea A= , vericar A2 − 2A − 5I = 0
2 1
6. Se dice que la matriz cuadrada A es Ortogonal si su inversa es igual a su transpuesta,
cos α − sen α
es decir A−1 = At . Compruebe que la matriz A = es una matriz
sen α cos α
ortogonal.
3 2 −1 x
7. Sean las matrices A= 2 5 −3 , B = y
y C = [1; −2; 3]. Si BtA = C . Halle
−1 0 1 z
S =x+y+z
1 −1 1
8. Sea la matriz A = 2 −1 0 Compruebe que A3 = I
1 0 0
−1 −2 −2
9. Demuestre que la siguiente matriz es idempotente: A = 1 2 1
−1 −1 0
2 −2 −4 −1 2 4
10. Verique que las matrices A = −1 3 4 yB=
1 −2 −4 Son idempo-
1 −2 −3 −1 2 4
tentes y permutables.
3 0 1 6 3 2
11. Si A = −1 4 1 , B = −2 4 0 y C = (BA)t + 2A. Halle la suma de los
2 2 1 1 −5 −2
elementos de la segunda la de la matriz C .
1 a − b −1
12. Si A = 2 3 b es una matriz simétrica, halle A2 .
b−x a−x 4
1 −2 −6
13. Compruebe que la matriz A = −3 2 9 es periódica y halle su período.
2 0 −3
Las matrices con respecto a la adición y la multiplicación con escalares tienen propieda-
des similares a los elementos en K, esto permite resolver de una forma más directa algunas
ecuaciones donde las variables son matriciales. Veamos unos ejemplos para ilustrar el concepto.
2 1 4 −1
Ejemplo 4.5.1. Sean A = −3 4 , B = 5 2 .Halle X ∈ R2×2 tal que se cumple
2A + 3X = B
4.5. ECUACIONES MATRICIALES 33
a b
Solución Larga Como X ∈ R , pongamos X = c d . Entonces reemplazando en la
2×2
4 2 3a 3b 4 + 3a 2 + 3b
condición del problema resulta: 2A + 3X = + = =
−6 8 3c 3d −6 + 3c 8 + 3d
4 −1
Luego, igualando las componentes, resulta el sistema de ecuaciones:
3 2
4 + 3a = 4
2 + 3b = −1
−6 + 3c = 3
8 + 3d = 2
0 −1
Que dan como solución: a = 0, b = −1, c = 3, d = −2. Por tanto X=
3 −2
Aunque se obtiene la solución correcta (como puede vericar el lector) nosotros podemos
resolver de una forma más corta.
1
Solución Corta Puesto que 2A + 3X = B , entonces 3X = B − 2A =⇒ X = (B − 2A)
3
Ahora reemplazando A y B tendremos:
1 4 −1 4 2 1 0 −3 0 −1
X= − = =
3 3 2 −6 8 3 9 −6 3 −2
De manera similar se puede resolver otros tipos de ecuaciones matriciales usando de manera
adecuada las propiedades de las matrices.
Observe que si deseamos hallar toda la matriz el segundo método es más eciente, sin
embargo si sólo deseamos hallar algunos elementos de la matriz incógnita se puede combinar
las dos formas para llegar más rápido al resultado. Veamos con el ejemplo siguiente:
Ejemplo 4.5.2. Sean las matrices
5 1 5 1 3 1
A = −3 6 3 , B = −6 −2 0
2 −4 2 5 6 −8
Si (At + B)t = 2(X − At ) + 3B . Halle la suma de las entradas de la tercera la de la matriz X.
Solución Por denición sabemos que si A = [aij ], B = [bij ], entonces At = [aji ], B t = [bji ].
Además al despejar la matriz X obtenemos
1
X = (2At + A + B t − 3B)
2
1
Si tomamos X = [xij ] , entonces xij = 2aji + aij + bji − 3bij ∀i, ∀j . Como los elementos
2
de la tercera la son x31 , x32 , x33 tendremos:
1 1
x31 = 2a13 + a31 + b13 − 3b31 = 10 + 2 + 1 − 15 = −1
2 2
1 1
x32 = 2a23 + a32 + b23 − 3b32 = 6 − 4 + 0 − 18 = −8
2 2
1 1
x33 = 2a33 + a33 + b33 − 3b33 = 6 + 16 = 11
2 2
34 CAPÍTULO 4. CÁLCULO MATRICIAL
En una matriz se pueden denir operaciones a nivel de sus componentes, nosotros men-
cionaremos las operaciones elementales que se pueden hacer a nivel de las o su análogo en
columnas.
Tenemos las siguientes transformaciones:
1. Intercambio de las.
2. Sumar una la a otra.
3. Multiplicar una la por un número distinto de cero.
4. Multiplicar una la por un número no nulo y sumar a otra la.
Multiplicar o dividir una la por un número distinto de cero Esta operación hace
que se multipliquen todos los elementos de una la por un número no nulo (k ̸= 0). La la
resultante reemplaza a la la dada. Se denota con
Fi → kFi
Ejemplo 4.5.4.
1 4 2 1 4 2
1 5 −3 (F3 → −2F3 ) 1 5 −3
0 2 1 0 −4 −2
4.5. ECUACIONES MATRICIALES 35
Multiplicar o dividir una la por un número no nulo y sumar a otra la
Consiste en multiplicar una la ï"por un número no nulo y luego el resultado se suma a otra
la "j".Se denota con Fj ↔ Fj + kFi .
Ejemplo 4.5.5.
3 1 5 3 1 5
2
7 −2
(F3 ↔ F3 − 2F4 ) 2 7 −2
4 1 −1 0 7 −13
2 −3 6 2 −3 6
Resumiremos las cuatro operaciones en la siguiente tabla para referencia rápida:
Operación Resultado
Fi ↔ Fj Intercambiar la la i con la la j
Fi → kFi Multiplicar la i por k (k ̸= 0)
Fj ↔ Fj + kFi Sumar k veces la la i a la la j
Para nalizar existen las operaciones elementales por columna que actúan de manera aná-
loga. Se simbolizan como:
Operación Resultado
Ci ↔ Cj Intercambiar la columna i con la columna j
Ci → kCi Multiplicar columna i por k (k ̸= 0)
Cj ↔ Cj + kCi Sumar k veces la columna i a la columna j
A continuación denimos una matriz muy especial que será útil para secciones posteriores:
Matriz escalonada
Definición 4.5.1. Dada una matriz de la forma:
···
)
1 a b c x
0 0 1 e f ··· y r las no nulas
.
.
. 0 1 ··· z
. )
.. · · · ··· 0
0 ··· ··· 0 s las nulas
3. El número de ceros en la parte izquierda de cada la crece de arriba hacia abajo.
Si además se cumple:
4 Si una columna tiene elemento unidad, entonces los demás elementos de esa co-
lumna son nulos.Diremos que tenemos una matriz Reducida .
36 CAPÍTULO 4. CÁLCULO MATRICIAL
Observe que para hallar la forma reducida primero hallamos la forma escalonada, de ahí es
fácil hallar una reducida. La recomendación a tener en cuenta es efectuar bien las operaciones
en las las. Sólo así podremos evitar errores en las aplicaciones. Veamos algunos ejemplos de
ambos tipos de matrices.
Ejemplo 4.5.6.
1 0 5 2 1 0 5
A= 0 1 3 3 y B= 0 1 3
0 0 1 −2 0 0 1
son matrices escalonadas. Por otro lado
0 1 4 0 2
1 0 5 2 0
0 1 3 0 0 1 5
2 y
0
0 0 0 0
0 0 1 −2
0 0 0 0 0
La importancia de las matrices escalonadas radica en que cualquier matriz se puede convertir
en una matriz escalonada mediante un número nito de operaciones elementales por la. En
este caso se dice que ambas matrices son equivalentes por la (existe un análogo con el caso
de operaciones elementales por columna). Esto constituye un teorema que aceptaremos sin
demostración.
Ejercicios 4.5.2. .
1. Halle una matriz escalonada asociada a cada una de las siguientes matrices:
−3 6 2 3 −1 0
a)
1 −2 1 2 4 3
c) A =
−2 1 3 2
−1 −2 −3 0
0 3 −1 2 0
0 1 2 3 1 0 2 1
d)
b) 2 3 −1
−1 0 2 −1 −1
2 4 1 2 4 1 3 0
3. Compruebe que:
a a 2 a3 a4 1 0 0 abc
f
b b 2 b3 b4 ≡ 0 1 0 −(ab + bc + ac)
2 3 4
c c c c 0 0 1 a+b+c
Pasos a seguir
2. Usar operaciones elementales por las para transformar  en una matriz escalonada
reducida E
Observación 4.6.1. La matriz  se le conoce como 'matriz aumentada' también aparece cuan-
do apliquemos matrices a la resolución de sistemas lineales de ecuaciones.
El método de Gauss - Jordan es muy eciente pues al aplicarlo a una matriz no es necesario
saber de antemano si la matriz en inversible, esa cuestión será despejada en la fase 3 y 4 del
método.
Los pasos 3 y 4 se excluyen, es decir si se cumple 3 no se cumple 4 y viceversa.
1 −1 1
Ejemplo 4.6.1. Determinar si A = 0 0 1 es inversible usando el método Gauss-
1 1 −1
Jordan.
1 −1 1 1 0 0
Γ(A) = 0 0 1 0 1 0
1 1 −1 0 0 1
1 −1 1 1 0 0
Γ(A) ≡ 0 0 1 0 1 0
−R1 + R3 → R3 0 2 −2 −1 0 1
1 −1 1 1 0 0
≡ 0 0 1 0 1 0
1
R → R3
2 3
0 1 −1 − 12 0 12
1 −1 1 1 0 0
≡ R2 ↔ R3 0 1 −1 − 12 0 12
0 0 1 0 1 0
−R3 + R1 → R1 1 −1 0 1 −1 0
≡ R3 + R2 → R2 0 1 −1 − 12 1 12
0 0 1 0 1 0
1 1
R2 + R1 → R1 1 0 0 2
0 2
≡ 0 1 0 −1 1 1
2 2
0 0 1 0 1 0
paso 3 Observamos que la matriz aumentada se ha reducido a una matriz de la forma (I|B) ,
Luego concluimos que
1
0 21
1 0 1
2 1
A−1 = − 121 21 = −1 2 1
2
0 1 0 0 2 0
Ejercicios 4.6.1. .
a) AX = B , sabiendo que
1 2 −3 1 −3 0
A= 3 2 −4 , B = 10 2 7
2 −1 0 10 7 8
b) XA = B , donde
5 3 1 −8 3 0
A = 1 −3 −2 , B = −5 9 0
−5 2 1 −2 15 0
Los orígenes del determinante se remontan al matemático japonés Seki TAkakasu (1683)
y, de forma independiente por el matemático alemán Gottfried Leibniz en 1693. Por varias
décadas los determinantes aparecieron en el estudio de los sistemas de ecuaciones Lineales. El
determinante, que es un número que se asigna a una formación cuadrada de números (O en otras
palabras, es un número que se asigna a una matriz cuadrada), se volvieron una herramienta
muy útil en la Geometría Analítica (Cramer, Suiza en 1750).
En este trabajo introduciremos los determinantes de manera recursiva, la notación usada
para el determinante de una matriz cuadrada es |A| , o de forma equivalente det(A)
ó el desarrollo equivalente:
a11 a12
Ejemplo 5.0.1. Halle el determinante de A=
a21 a22
41
42 CAPÍTULO 5. DETERMINANTES
Solución Usando un desarrollo por las respecto a la primera la se tendrán los siguientes
menores:
M11 = det [a22 ] = a22 , M12 = det [a21 ] = a21
Y los respectivos cofactores:
Luego
a11 a12
= a11 A11 + a12 A12 = a11 a22 − a12 a21
a21 a22
Finalmente tendremos
Que es la conocida expresión para calcular el determinante de una matriz cuadrada de orden
2.
1 −3 3
Ejemplo 5.0.2. Dado A= 4 2 0 , hallar M11 , M33 , M13 , A11 , A33 , A13
−2 −7 5
Para hallar M11 eliminamos la tercera la y la primera columna de A para obtener: M11 =
2 0
= 10
−7 5
Procediendo en M33 , M13 de manera análoga
−3 3
M31 = = -6
2 0
1 −3
M23 = = -13
−2 −7
Ejemplo 5.0.3. Sea A una matriz cuadrada de orden 3, entonces su determinante viene dado
por:
Estas expresiones se conocen como "desarrollo del determinante por cofactores (menores)
en la primera la". Sin embargo debemos aclarar que tal desarrollo se puede hacer en base a
cualquier la e incluso columna. Para nes prácticos se escoge una la (o columna) que tenga
la mayor cantidad posible de ceros o, en su defecto, los valores de cada componente más bajos
posible.
−1 3 1
Ejemplo 5.0.4. Hallar |A| , donde A= 2 5 0
3 1 −2
Desarrollando por la primera la según nuestra fórmula
5 0
A11 = (−1)1+1 = −10
1 −2
2 0
A12 = (−1)1+2 = −(−4) = 4
3 −2
2 5
A13 = (−1)1+3 = 2 − 15 = −13
3 1
Luego obtenemos:
−1 1
A22 = (−1)2+2 = (−1)(1) = −1
3 −2
Observamos que ya no es necesario calcular A23 pues al ser multiplicado por cero se anula. Así
tenemos nalmente:
|A| = 2(7) + 5(−1) = 9
1 0 2 5
−2 1 5 0
Ejemplo 5.0.5. Calcular det(A) si A =
0 0 −3
0
Expandimos por la tercera la
0 −1 0 3
|A| = a31 (−1)3+1 A31 + a32 (−1)3+2 A32 + a33 (−1)3+3 A33 + a34 (−1)3+4 A34
Como a31 = a32 = a34 = 0 nos queda
1 0 5
|A| = −2 1 0 = 13
0 −1 3
|A| = (−1)1+1 a11 M11 + (−1)1+2 a12 M12 + (−1)1+3 a13 M13 + (−1)1+4 a14 M14
= a11 M11 − a12 M12 + a13 M11 − a11 M14
ahora como a12 = 0 ya no es necesario hallar A12 calculando los cofactores restantes:
1 5 0
A11 = 0 −3 0 = −9
−1 0 3
−2 1 0
A13 = 0 0 0 =0
0 −1 3
−2 1 5
A14 = 0 0 −3 =6
0 −1 0
Observe que el valor del determinante es el mismo a pesar de haber usado dos expansiones
distintas.Este hecho es un teorema, que enunciaremos sin demostración:
Como podemos ver es más fácil usar las o columnas que tengan más ceros que las otras.
A continuación enunciamos un teorema que nos da algunas propiedades útiles en el cálculo del
determinante.
45
∼
3. Sea A= (kfi → fi )A, entonces:
∼
det(A) = k det(A) (5.0.6)
∼
det(A) = det(A) ∀ i ̸= j (5.0.7)
Este último teorema permite relacionar los resultados de la sección anterior con los resultados
ahora obtenidos.
Ejercicio 5.0.1. .
1. halle todos los menores y cofactores de las siguientes matrices y calcule sus determinantes
7 −1 2 4 −1
a)
5 0 c) 0 3 2
−5 7 0
5 −2 1
d) 4
−6 4 7 0
b)
3 2 −3 4 −1
6.1. Introducción
AX = b (6.1.2)
Definición 6.1.1. Sea un sistema de ecuaciones lineales denido en (P), si hay solución de-
cimos que (P) es consistente o compatible. En caso de no existir soluciones diremos que el
sistema es inconsistente o incompatible.
47
48 CAPÍTULO 6. SISTEMA DE ECUACIONES LINEALES
2 6
Ejemplo 6.1.1. Sea A = −1 −3 No es difícil darse cuenta que A es equivalente por las
1 3
a la matriz escalonada E = . Luego Rang(A) = 1.
0
El siguiente teorema se atribuye al matemático francés Rouché (quien lo enunció por vez
primera en 1875) y al matemático alemán Frobenius (quien fuera uno de los primeros mate-
máticos en demostrar el teorema) que nos permite saber la cantidad de soluciones (en caso de
existir soluciones)
Teorema de Rouché-Frobenius
Sea el sistema de ecuaciones lineales no homogéneo dado por AX = b, donde A ∈ Rm×n
(n indica el número de incógnitas en el sistema de m ecuaciones). Consideremos la matriz
aumentada  = [A, b] ∈ Km×(n+1) formada al aumentar la columna b a la matriz A.
Sea E la matriz escalonada equivalente por las a la matriz aumentada Â, entonces:
x1 − 2x2 + 3x3 = 2
x1 + x2 + 3x3 + x4 = 1
1. 4x1 − 6x2 + 2x3 = 2 x1 + x2 + 2x4 = 8
3.
3x1 − x2 + 2x3 = 9 2x1 + 2x2 + 3x3 = 10
−x1 − x2 − 2x3 + 2x4 = 0
x1 + 2x2 + 3x3 = −1
2. 3x1 − 9x2 − 6x3 = 9
4x1 − 2x2 + 2x3 = −4
1.
1 −2 3 | 2 1 −2 3 | 2
4 −6 2 | 2 −4f1 + f2 → f2 0 2 −10 | −6 1
f → f2
2 2
3 −1 2 | 9 −3f1 + f3 → f3 0 5 −7 | 3
1 −2 3 | 2 1 0 −7 | −4
0 1 −5 | −3 2f2 + f1 → f1 0 1 −5 | −3
0 5 −7 | 3 −5f2 + f3 → f3 0 0 18 | 18
6.2. SISTEMA HOMOGÉNEO DE ECUACIONES 49
Aquí r(A′ ) = 3 por tanto tenemos solución única dada por x1 = 11, x2 = 2, x3 = 1.
De aquí tenemos que r(A) ̸= r(A′ ) por lo cual concluimos que el sistema (b) no tiene
soluciones.
Luego se tiene que r(A′ ) < 4, luego el sistema tiene innitas soluciones, las que están
dadas por x1 = 2 − t, x2 = t, x3 = 2, x4 = 3, donde t ∈ R.
En estos sistemas siempre se cumple ran(A) = ran(Ã) de lo cual se inere que estos sistemas
siempre tienen solución dada por:
x1 = x2 = · · · = xn = 0
Conocida como la solución trivial. Sin embargo del teorema de Rouché Frobenius se tiene
una de las dos alternativas posibles:
6.3. Ejercicios
2. Un proveedor de productos para jardinería cuenta con tres tipos de fertilizantes para
pasto:G1 , G2 , G3 que tienen un contenido en Nitrógeno de 30, 20 y 15 por ciento,El pro-
veedor piensa mezclarlas y obtener 600 libras de fertilizante con un contenido de Nitrógeno
de 25 %. La mezcla debe contener 100lb más del tipo G3 que del tipo G2 . ¾Cuánto de
cada tipo debe usar?.
7.1. Introducción:
Denimos un vector en el plano R2 como un par ordenado de números reales (x, y). Los
denotaremos con letrdas minúsculas ⃗a = (x, y) o con letras en negrita. Para dos vectores planos
denimos las siguientes operaciones:
Igualdad de vectores: ⃗a = ⃗b ⇐⇒ x1 = x2 ∧ y1 = y2
Geométricamente un vector en el plano se representa como una echa que une un punto
−→
inicial P0 con otro punto nal P1 . ⃗a =P0 P1
Se dice que un vector está en posición normal si P0 = (0, 0) Por otro lado todo vector
−→
⃗a =P0 P1 se puede llevar a su forma normal poniendo ⃗a = P1 − P0
−→
Ejemplo 7.1.1. Hallar el vector de posición de P1 P2 , sabiendo que P1 = (−2, 4), P2 = (5, 7) e
interprete geométricamente el resultado.
Dirección de un vector en el plano Está dado por la medida del ángulo α que forma el
vector con el eje positivo de las X .
Análogamente se denen vectores en el espacio R3 , en este caso la denición anterior se
expresa como:
51
52 CAPÍTULO 7. VECTORES
Igualdad de vectores: ⃗a = ⃗b ⇐⇒ x1 = x2 ∧ y1 = y2 ∧ z1 = z2
De las dos deniciones anteriores se puede generalizar sin ninguna dicultad a vectores
denimos en el espacio n-dimensional Rn .
Magnitud de un Vector
Sea el vector ⃗a = (x1 , x2 , · · · , xn ). Denimos su magnitud o norma, denotado como ||⃗a||
tal que q
||a|| = x21 + x22 + · · · + x2n (7.1.1)
x y
En el caso de ⃗a ∈ R se tiene que ⃗v = (x, y) = ||⃗v ||
2
, = ||⃗v ||(cos α, sen α)
||⃗v || ||⃗v ||
Figura 7.1:
Propiedades de la norma
Teorema 7.1.1. Sea ⃗a ∈ Rn
1. ||⃗a|| ≥ 0
2. ||⃗a|| = 0 ⇐⇒ ⃗a = 0
Dados dos vectores podemos saber la posición relativa entre ellos mediante operaciones
algebraicas. De esta manera podemos saber cuando son paralelos, ortogonales o, yendo un paso
más adelante, saber el ángulo que forman dos vectores en posición normal. Veamos:
Sean dos vectores en el plano: ⃗a = (x1 , y1 ), ⃗b = (x2 , y2 ). Diremos que son paralelos si uno es
múltiplo del otro, es decir:
Vectores paralelos en R2
Sean los vectores ⃗a = (x1 , x2 ), ⃗b = (x2 , y2 ) entonces
Observación: El vector nulo es paralelo a cualquier vector en R2 (De hecho el vector nulo
en Rn es paralelo a cualquier otro vector en Rn ).
Observación: Suponiendo que ⃗a ∥ ⃗b podemos decir que ambos vectores tienen el mismo
sentido si k > 0, si k < 0 ambos vectores tienen sentidos opuestos (también se dice que son
antiparalelos).
Ejemplo 7.2.1. Sean ⃗a = (6, −8), ⃗b = (2 + x, 3 − y). Halle los valores de x, y de modo que
ambos vectores sean paralelos y de la misma norma.
1. (⃗
a = ⃗b), entonces (6, −8) = (2+x, 3−y), igualando componentes tendremos x = 4, y = 11
2. (⃗
a = −⃗b), resultará (6, −8) = −(2 + x, 3 − y), operando x = −8, y = −5
Solución Por denición un vector debe ser múltiplo del otro, supongamos ⃗b = k⃗a. Entonces
tendremos k(2, 5) = (11 + α, 7 + 3α), igualando componentes resultan las ecuaciones 2k =
11 + α, 5k = 7 + 3α. Operando obtenemos α = 41.
Vectores ortogonales en Rn
Diremos que los vectores ⃗v y ⃗u son ortogonales si se cumple
⃗u · ⃗v = a1 b1 + a2 b2 + · · · + an bn (7.2.4)
1. ⃗u · ⃗v = ⃗v · ⃗u
3. ⃗u · (⃗v + w)
⃗ = ⃗u · ⃗v + ⃗u · w
⃗
4. ⃗u · ⃗u = ||⃗u||2
Criterio de Perpendicularidad
Teorema 7.2.2. Sean ⃗u = (a1 , a2 , · · · , an ), ⃗v = (b1 , b2 , · · · , bn ), entonces:
⃗u ⊥ ⃗v ⇐⇒ ⃗u · ⃗v = 0 (7.2.5)
1. P roy⃗u (⃗v + w)
⃗ = P roy⃗u ⃗v + P roy⃗u w
⃗
3. P roy(α⃗u) ⃗v = P roy⃗u ⃗v
⃗u · ⃗v
Comp⃗u⃗v =
||⃗u||
7.3. PROYECCIÓN ORTOGONAL Y PRODUCTO VECTORIAL 55
⃗u
P roy⃗u⃗v = (Comp⃗u⃗v )
||⃗u||
De estos se deduce que la componente es positiva cuando los vectores ⃗u, P roy⃗u⃗v tienen el
mismo sentido. Si la componente es negativa signica que tienen sentidos opuestos. Finalmente
si la componente es nula signica que los vectores ⃗u ⊥ ⃗v o bien ⃗u ⊥ proy⃗u ⃗v
Ahora deniremos una operación entre vectores de R3 esta operación se puede considerar
que surge del problema de cómo hallar un vector que sea perpendicular a otros dos dados en el
espacio.
i j k
⃗u × ⃗v = a1 a2 a3 (7.3.7)
b1 b 2 b3
1. ⃗u ⊥ ⃗u × ⃗v ; ⃗v ⊥ ⃗u × ⃗v
2. ⃗u × (⃗v + w)
⃗ = ⃗u × ⃗v + ⃗u × w
⃗ (Distributividad por la izquierda).
3. (⃗u + ⃗v ) × w
⃗ = ⃗u × w
⃗ + ⃗v × w
⃗ (Distributividad por la derecha).
5. ⃗u × ⃗v = −⃗v × ⃗u
6. ⃗u × ⃗u = 0
7. ⃗u × (⃗v × w)
⃗ ̸= (⃗u × ⃗v ) × w
⃗.
8. ⃗u × (⃗v × w)
⃗ = (⃗u · w)⃗
⃗ v − (⃗u · ⃗v )w
⃗
a1 a2 a3
[⃗u, ⃗v , w]
⃗ = b1 b2 b3 (7.3.8)
c1 c2 c3
Ejercicios 7.3.1. Simplique la expresión A = (⃗a + ⃗b) · (⃗b + ⃗c) × (⃗c + ⃗a)