Facultad de Ciencias Matemáticas

Centro de Responsabilidad Social y

Extensión Universitaria

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

7.3. Proyección Ortogonal y Producto Vectorial . . . . . . . . . . . . . . . . . . . . 54

7.3.1. Producto Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.3.2. Producto Mixto de vectores en R3 . . . . . . . . . . . . . . . . . . . . . . 56
.
Capítulo 1
Conceptos Preliminares

1.1. Teoría de Conjuntos

En esta sección daremos un resumen de notación y propiedades básicas de la teoría intuitiva

de conjuntos, la que será necesario recordar para las siguientes sesiones.
Consideraremos el término conjunto como un concepto primitivo no denido, es decir
entenderemos como conjunto a una colección, agregado o familia de objetos (aún cuando las
palabras anteriormente utilizadas son, en sentido estricto, sinónimos de la palabra conjunto).
En nuestro curso pasaremos por alto este detalle (que se explora más a fondo en la llamada
teor
ía axiomática de conjuntos) y nos percatamos que al hablar de conjuntos inmediatamente
hacemos referencia a los elementos del conjunto en el sentido que pertenece o no pertenece a
un conjunto dado.
En lo sucesivo denotaremos los conjuntos con letras mayúsculas y los elementos de un
conjunto con letras minúsculas. La relación de pertenencia de un elemento a un conjunto se
denotará como
a∈A
En el caso que un elemento dado no esté en un conjunto se escribirá

a∈
/A
Grácamente esto se puede representar como:

A A
.a .b

Figura 1.1: Diagrama de Venn para la relación de pertenencia a un conjunto

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.

Entenderemos la inclusión del conjunto A en el conjunto B como:

A ⊂ B ⇔ x ∈ A −→ x ∈ B (1.1.1)
En este caso diremos que A es un subconjunto de B.
Grácamente tenemos:

Figura 1.2: A está incluído en B

Si resulta que A no está incluído en el conjunto B :

Figura 1.3: A no está incluído en B

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

1.2. Algunos Conjuntos Especiales

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)

Teorema 1.2.1. El conjunto cvacío es único.

Teorema 1.2.2. Dado un conjunto universal relativo U, el conjunto ∅ es subconjunto de cual-

quier conjunto A ⊂ U.

Cardinal de un conjunto El cardinal de un conjunto A se dene como el número de ele-

mentos que posee A. Se denota como Card(A). Según el cardinal un conjunto puede tener cero
elementos (en este caso A = ∅), A puede tener una cantidad nita de elementos (En cuyo caso
se dice que A es nito) o por último A podría tener una cantidad innita de términos (en este
caso diremos que A es un conjunto innito).
Finalmente mencionaremos a un conjunto especial conformado por todos los subconjuntos
de un conjunto dado A, a este conjunto se le llama Conjunto Potencia de A, y denotado
como P(A). En símbolos se tiene

Definición 1.2.1. P(A) = {B/B ⊂ A}

Ejemplo 1.2.1. Dado el conjunto A = {a, b} el conjunto potencia de A es dado por
n o
P(A) = ∅, {a}, {b}, A
dando un total de cuatro subconjuntos.

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

2. Determinar la verdad o falsedad de los siguientes enunciados:

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

1.3. Álgebra de Conjuntos

A continuación denimos las operaciones básicas de conjuntos al igual que sus principales
propiedades.

Unión Sean A, B dos conjuntos. La unión de los conjuntos se dene como

(1.3.4)

A ∪ B = x ∈ U/x ∈ A ∨ x ∈ B

Intersección Sean A, B dos conjuntos. La intersección de los conjuntos se dene como

(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)

5. Si A ⊂ C y B ⊂ C , entonces ()A ∪ B) ⊂ C . (Monotonía)

Teorema 1.3.2. [Propiedades de la Intersección de Conjuntos]

1. A∩∅=∅
2. A∩B =B∩A (Conmutatividad)
,

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

Diferencia Dados los conjuntos A, B la diferencia A − B se dene como:

(1.3.6)

A−B = x∈A∧x∈ /B

Teorema 1.3.4 (Propiedades de la diferencia de conjuntos). 1. A − (B ∪ C) = (A − B) ∩

(A − C)

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)

Complemento de un Conjunto Sea A ⊂ U, el complemento de A, denotado por Ac se

dene como:
Ac = U − A (1.3.7)
El complemento de A también se denota como A, A′ , C(A).

Teorema 1.3.5. Sea un conjunto U jado, entonces:

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

Diferencia Simétrica También se le conoce como Unión disjunta o suma booleana de

A y B es dada por:

A△B = (A ∪ B) − (A ∩ B) (1.3.8)
Las principales propiedades de la diferencia simétricas se resumen en el sigiente

Teorema 1.3.6. La suma booleana tiene las siguientes propiedades:

1. A△B = (A − B) ∪ (B − A)

2. A△B = B△A

3. A△(B△C) = (A△B)△C

Teorema 1.3.7. La relación entre la disyunción fuerte y la intersección es dada por:

A ∩ (B△C) = (A ∩ B)△(A ∩ C) (1.3.9)

Ejercicios 1.3.1. Considere todos los conjuntos dentro de un conjunto de referencia U.

1. Pruebe las siguientes armaciones:

8 CAPÍTULO 1. CONCEPTOS PRELIMINARES

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

2. Sean A, B conjuntos nitos, pruebe que:

Card(A ∪ B) = Card(A) + Card(B) − Card(A ∩ B)

3. Sean A, B conjuntos tales que

Card(A ∪ B) = 60, Card(A − B) = 20, Card(B − A) = 30

Halle Card(A ∩ B)

4. Sean A, B, C conjuntos tales que

Card(A∪B∪C) = 80, Card(A∩B∩C) = 10, Card(A∩B) = 22, Card(A∩C) = 18, Card(B∩

Calcule:

a) Card(A) + Card(B) + Card(C) b) CArd(A∪B)+Card(A∪C)+Card(B∪

C)

5. Dado X = {0, 1, 2, 3, 4}

a) Halle el número de subconjuntos de X que no contienen el 1.

b) Halle el número de subconjuntos de X que contienen el 2.

c) Halle número de subconjuntos de X que contienen el 4 pero no el 3.

Capítulo 2
Relaciones y Funciones

El concepto de funciones se basa en el de par ordenado, el cual, a su vez, fue concebida

en su forma actual por el gran lósofo, físico y geómetra francés René Descartes (1596-1650).
Aunque es justo reconocer que una idea primigenia fue concebida aún en la antigua Grecia por
Apolonio de Pérgamo, destacado matemático que estudió las llamadas curvas cónicas (Parábola,
Elipse, Hipérbola) introduciendo unos ejes de referencia que posteriormente Descartes mejoraría
para introducir los ejes coordenados. A pesar de la aparente sencillez de la idea, ella fue la
piedra que permitió desarrollar el cálculo, la que a su vez dejó el camino para el desarrollo de
mejores máquinas y sentando las bases de las revoluciones industriales. No es poco decir que
nuestro mundo tecnológico actual se basa en desarrollos matemáticos que propiciaron a su vez
la aplicación de la economía, física, biología e incluso en ciencias sociales. Iniciemos pues el
desarrollo de esta sección deniendo de forma rigurosa el concepto de par ordenado.

2.1. Producto Cartesiano

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)

Ahora bien, si tenemos dos conjuntos el Producto Cartesiano de A y B se dene como

n o
A × B = (a, b)/a ∈ A ∧ b ∈ B (2.1.2)

Ejemplo 2.1.1. Sean A = {a, b}, B = {x, y, z} , entonces:

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)}

Algunas propiedades del producto cartesiano se dan en el siguiente teorema:

Teorema 2.1.2. Sean A, B dos conjuntos, entonces:

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×∅=∅

6. Sean A, B conjuntos nitos, entonces Card(A × B) = Card(B × 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

Dados los conjuntos A, B llamamos relación de A en B a cualquier subconjunto de A × B .

Es decir
R es relación de A en B ⇐⇒ R ⊂ A × B (2.2.3)

Figura 2.1: Relación en A × B

Como ejemplo ilustrativo supongamos que H es el conjunto de varones en Perú y M el

conjunto de Mujeres en Perú. Podemos denir la siguiente relación entre elementos de H y M
como:
C = {(x, y) ∈ H × M/ x es cónyuge de y }

Una relación cualquiera denida en A × B origina de forma natural dos subconjuntos en A

y B , que son:

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)

Ejemplo 2.2.1. Sea X = {1, 2, 3, 4, 5, 6, 7, 8}, Y = {2, 3, 4, 5, 6, 8, 9, 10}, denamos la relación

R en X ×Y dada por

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.

2.2.1. Tipos especiales de Relaciones

Sea R ⊂ A × A, donde A ̸= ∅, entonces

R es una relación reexiva en A =⇒ ∀x ∈ A : (x, x) ∈ R

R es una relación simétrica en A ⇐⇒ (x, y) ∈ R −→ (y, x) ∈ R

R es una relación antisimétrica en A =⇒ (x, y) ∈ R ∧ (y, x) ∈ R ←− x = y

R es una relación transitiva en A =⇒ (x, y) ∈ R ∧ (y, z) ∈ R −→ (x, z) ∈ R

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.

2. Dada la relación R ∈ A × B tal que R = {(a, b)/a ∈ A ∧ b ∈ B} se dene la relación

inversa de R como R−1 ∈ B × A dada por R−1 = {(b, a) ⇔ (a, b) ∈ R}. Por ejemplo:
Sea A = B = {1, 2, 3, 4, 5} denimos R = {(1, 2), (2, 3), (4, 5), (3, 5)}, entonces R−1 =
{(2, 1), (3, 2), (5, 4), (5, 3)}. Ahora tomemos A = {2, 3, 5, 7, 8, 6, 9, 12, 14, 16, 18, 25} y de-
namos R ∈ A × A tal que

R = {(a, b) ∈ A2 /a es dividido por b}

Diga si R es reexiva, simétrica, transitiva, antisimétrica.

12 CAPÍTULO 2. RELACIONES Y FUNCIONES
 Capítulo 3
Números Reales

En esta sección introduciremos los números reales en forma axiomática para luego indicar
algunas propiedades y consecuencias derivados a partir de estos axiomas.

Sistema de Números Reales

Se llama Sistema de Números Reales a un conjunto R, no vacío provisto de dos operaciones
internas llamadas adición y multiplicación, denotadas por:

(+) : 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.

(A1) Para todo a, b ∈ R : a + b = b + a ; (Conmutatividad)

(A2) Para todos a, b, c ∈ R : a + (b + c) = (a + b) + c ; (Asociatividad)

(A3) Existe 0 ∈ R , tal que para todo a ∈ R : a + 0 = a ; (Existencia del neutro aditivo)

(A4) Para todo a ∈ R, existe −a ∈ R : a + (−a) = 0

La multiplicación satisface los siguientes axiomas:

(M1) Para todo a, b ∈ R : ab = ba ; (Conmutatividad)

(M2) Para todo a, b, c ∈ R : a(bc) = (ab)c

(M3) Existe 1 ∈ R tal que para todo a ∈ R : 1 · a = a

(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:

(D1) Para todo a, b, c ∈ R : a(b + c) = ab + ac . (Distributividad)

La relación de orden satisface el siguiente axioma:

(Or1) Existe un conjunto P ⊂ R , que satisface las siguientes condiciones:

(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.

3.1. Propiedades Algebraicas de R

Teorema 3.1.1. El elemento neutro aditivo es único.

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

Análogamente tomando b=0 obtendremos

0 + 0̃ = 0

Luego del Axioma de la conmutatividad de la adición (A1) obtenemos 0 = 0̃. La contradic-

ción se elimina asumiendo que el neutro aditivo es único como se deseaba probar.

Teorema 3.1.2. Sea a ∈ R. El inverso aditivo de a es único.

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

De manera análoga se prueba la unicidad del neutro multiplicativo y el inverso multiplicati-

vo. Nótese que el axioma garantiza la existencia de inverso multiplicativo sólo para elementos
diferentes de cero.
3.1. PROPIEDADES ALGEBRAICAS DE R 15

Deniciones importantes
Dados a, b ∈ R denimos:

Diferencia: a − b = a + (−b)
a
Cociente: a ÷ b = = a(b−1 ), b ̸= 0
b

Relación menor que: b < a ⇐⇒ a − b ∈ P

Relación Mayor que: a > b ⇐⇒ b < a

Relación menor o igual: a ≤ b ⇐⇒ a < b ∨ a = b

Relación mayor o igual: a ≥ b ⇐⇒ a > b ∨ a = b

Seguidamente enunciaremos algunos resultados inmediatos que se deducen de los teoremas
y axiomas anteriores. Probaremos algunos de esos resultados y dejamos los otros como ejercicio
para el lector.
Proposición 3.1.1. La adición en R satisface:

1. a = −(−a), para todo a ∈ R.

2. Si a + b = a + c, entonces b=c . (Ley de Cancelación en la adición).

Demostración 3.1.3. (1) Dado a ∈ R se tiene que a + (−a) = 0, donde −a es el inverso
aditivo de a. Como −a ∈ R entonces del axioma (A4):
 
(−a) + − (−a) = 0

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

Proposición 3.1.2. La multiplicación en R satisface:

1. Si a ̸= 0, entonces (a−1 )−1 = a.

2. Si ab = ac, a ̸= 0 , entonces b=c (Ley de cancelación en la multiplicación).

3. Para todo a∈R:a·0=0
16 CAPÍTULO 3. NÚMEROS REALES

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)

Como a · 0 = a · 0 + 0 = a · 0 + a · 0 y aplicando la cancelación en la adición resulta a · 0 = 0.

Que es lo que queríamos probar.
(4): Sea a ∈ R, entonces a[1 + (−1)] = a · 0 = 0. Por otro lado aplicando la distributividad
se tiene a[1 + (−1)] = a · 1 + a · (−1) = a + a · (−1), luego a · 1 + a · (−1) = 0. Pero sabemos
que a + (−a) = 0 y por la unicidad del inverso aditivo se concluye que −a = a · (−1)
(5) Es inmediato aplicando el resultado anterior (4) y la asociatividad en la multiplicación.
Una vez probado (5) nuevamente por el axioma (M2) se prueba la propiedad (6).
(7): Si a o b son cero no hay más que probar. Ahora supongamos que a ̸= 0. Entonces por
axioma (M3) sabemos que existe a−1 . Además:

b = b·1
= b · (a · a−1 )
= (b · a) · a−1
= 0 · a−1 Pues por hipótesis ab = 0
= 0

(8): Como a ̸= 0, b ̸= 0, entonces existen a−1 , b−1 , además:

 
−1 −1 −1 −1
Por (M2)


ab(b a ) = a bb a
= a(1)a−1
= aa−1
= 1

Lo que nos indica que b−1 a−1 es inverso multiplicativo de ab, por unicidad resulta nalmente

(ab)−1 = a−1 b−1 = b−1 a−1

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

3.2. La relación de orden en R

A continuación comentaremos brevemente algunas consecuencias que se obtienen del axioma
de orden en R. De la denición de la relación menor que se deduce inmediatamente que

P = a ∈ R/a > 0
Ahora si consideramos dos reales cualesquiera entonces b − a ∈ R, aplicando tricotomía
obtenemos el siguiente resultado inmediato:

Proposición 3.2.1. Ley de Tricotomía: Dados los números reales a, b una y sólo una de las
siguientes proposiciones es verdadera:

(i) a < b (ii) a = b (iii) a > b

Ahora aplicando el item (5) de la proposición [3.1.2] resulta

Proposición 3.2.2. Para todo a∈R se tiene a2 ≥ 0

Demostración: Por la tricotomía consideremos tres casos para a ∈ R:

(i) a ∈ P, entonces por axioma de orden [Or1] a · a = a2 ∈ P, luego a2 > 0.

(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.

Observación: Puesto que 12 = 1, entonces 1 ∈ P, luego 1 > 0. Asimismo 2=1+1 está en P.

Generalizando tendremos:

· · · , −3 < −2 < −1 < 0 < 1 < 2 < 3 < 4 < · · ·

Teorema 3.2.1. (Propiedades de la relación menor en R) .

1. Si a < b, b < c, entonces a<c (Propiedad transitiva de la relación menor)

2. Si a < b, entonces, para todo c ∈ R : a+c < b+c (Cancelación en la suma para
desigualdades)
18 CAPÍTULO 3. NÚMEROS REALES

3. Si a < b; c < d , entonces a + c < b + d.

4. (Cancelación en la adición para desigualdades) Sea a < b entonces:

(
c > 0 =⇒ ac < bc
c < 0 =⇒ ac > bc

5. Sea a ̸= 0 ,entonces a, a−1 tienen el mismo signo.

6. Sea 0 < a < b ⇐⇒ 0 < b−1 < a−1

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

9. Sea la desigualdad doble a < x < b, entonces

ab < 0 =⇒ 0 ≤ x2 < máx{a2 , b2 }

ab > 0 =⇒ mı́n{a2 , b2 } < x2 < máx{a2 , b2 }

Teorema 3.2.2. (Desigualdad de las medias) Sean a, b números positivos, entonces:

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

La igualdad se cumple únicamente cuando a = b.

Ejercicios 3.2.1. 1. Pruebe las siguientes propiedades de los números reales:

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:

a) (a ± b)2 = a2 ± 2ab + b2 , para todo a, b ∈ R

b) a3 + b3 = (a + b)(a2 − ab + b2 )
c) a3 − b3 = (a − b)(a2 + ab + b2 )
d) a4 − b4 = (a − b)(a3 + a2 b + ab2 + b3 ) = (a − b)(a + b)(a2 + b2 )

3. Sea x ∈ R x > 0 ∧ x ̸= 1 , entonces:

3.3. VALOR ABSOLUTO: 19

1
a) x + >2
x
1 1
b) x2 + 2 > x +
x x
1 1
c) x3 + 3 > x2 + 2
x x

3.3. Valor Absoluto:

Denición
Dado a ∈ R , denimos el valor absoluto de a como:

a ; a≥0
|a| = (3.3.1)
−a ; a < 0

Las principales propiedades del valor absoluto se enuncian en el siguiente teorema:

Propiedades del valor absoluto

Teorema 3.3.1. 1. |a| ≥ 0 , además |a| = 0 únicamente cuando a=0

2. ∀a ∈ R : −|a| ≤ a ≤ |a|

3. | − a| = |a|

4. |ab| = |a||b| (El valor absoluto respeta la multiplicación).

5. |a + b| ≤ |a| + |b| (Desigualdad triangular)

6. |a| − |b| ≤ |a − b|

En el caso de ecuaciones e inecuaciones con valor absoluto se tienen las siguientes

propiedades:
h i
7. |x| = r ⇐⇒ r ≥ 0 ∧ (x = r) ∨ (x = −r)

8. |x| = |b| ⇐⇒ x2 = b2

9. |x| < r ⇐⇒ r > 0 ∧ (−r < x < r)

10. |x| > r ⇐⇒ (x > r) ∨ (x < −r)

11. |x| < |y| ⇐⇒ x2 < y 2

12. Sea a < x < b. Entonces

ab < 0 =⇒ 0 ≤ |x| < máx{|a|, |b|}

ab > 0 =⇒ mı́n{|a|, |b|} < |x| < máx{|a|, |b|}

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

Por la tricotomía consideremos los casos siguientes1

(i) a ≥ 0, b ≥ 0 : En este caso |a| = a ∧ |b| = b. Como ab ≥ 0 se tendrá: |ab| = ab = |a||b|.

(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

Ejemplo 3.3.2. Resolver |5x − 7| = 5 − 3x

Por la propiedad usada en el ejemplo anterior tenemos:

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

Figura 3.1: Ejemplo 3.3.2

Ejercicios 3.3.1. .

1. Resuelva las siguientes ecuaciones e inecuaciones con valor absoluto:

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

3.4. El Axioma del Supremo

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:

1. S es acotado superiormente si existe un número u ∈ R tal que s ≤ u, para

todo s ∈ S . A cada número u se le llama cota superior de S .

2. S es acotado inferiormente si existe w ∈ R tal que para todo s ∈ S se tiene

w ≤ s. A cada número w se le llama cota inferior de S .

3. S es un conjunto acotado si tiene cota inferior y superior. En caso contrario se

dice que S es no acotado.

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

Supremo e Ínmo de un conjunto

Definición 3.4.1. Sea S⊂R tal que S ̸= ∅.

1. Si S es acotado superiormente, diremos que u ∈ R es un supremo de S si se

satisfacen la siguientes condiciones simultáneamente:

a) u es una cota superior de S.

b) Si v es cualquier cota superior de S, entonces u ≤ v.

2. Si S es acotado inferiormente diremos que w ∈ R es un ínmo de S si se cumplen:

a) w es una cota inferior de S.

b) Si µ es cualquier cota inferior de S, entonces µ ≤ w.

A partir de las deniciones anteriores no es complicado probar la unicidad del supremo

e ínmo de un conjunto acotado (superior o inferiormente según corresponda). Debido ello
escribiremos:
u = sup(S) , w = ı́nf(S)
Al supremo se también se le llama la mínima cota superior de S , de manera análoga al
ínmo se le llama la máxima cota inferior de S .

Figura 3.2: ı́nf(S), sup(S)

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

u = sup(S) ⇐⇒ para toda ϵ>0 existe un sϵ , tal que u − ϵ < sϵ (3.4.3)

De manera análoga existen dos caracterizaciones alternas para el ínmo de un conjunto

S ⊂ R.
Lema 3.4.3. [Primera Caracterización del Ínmo] Sea S un subconjunto no nulo de R
acotado inferiormente, entonces

(i) s ≥ w, para toda s ∈ S
w = ı́nf(S) ⇐⇒ (3.4.4)
(ii) Si µ > w, entonces existe s′ ∈ S tal que s′ < µ
3.4. EL AXIOMA DEL SUPREMO 23

La segunda condición indica que cualquier número mayor que w no puede ser cota inferior,
por tanto no puede ser ínmo.

Lema 3.4.4. [Segunda Caracterización del Ínmo] Sea S un subconjunto no nulo de R

acotado inferiormente, entonces

w = ı́nf(S) ⇐⇒ para toda ϵ>0 existe un sϵ , tal que sϵ < w − ϵ (3.4.5)

Observación 3.4.1. Sea u = sup(S) ,el supremo puede o no pertenecer al conjunto S , en

caso de que u ∈ S a u se le llama el máximo de S , lo que se denota como u = máx(S).
Análogamente el w =∈ (S) puede o no estar en S , en caso de pertenecer se le llama el mínimo
de S , denotado como w = mı́n(S).

Ilustremos los resultados anteriores con algunos ejemplos:

Ejemplo 3.4.1. Un conjunto no nulo con un número nito de elementos S = {s1 , s2 , · · · sk }

siempre es acotado, además se cumple

sup(S) = máx{s1 , s2 , · · · , sk } , ı́nf(S) = mı́n{s1 , s2 , · · · , sk }

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).

3.4.1. El axioma del Supremo

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.

El Axioma del Supremo

Todo subconjunto no vacío de R, acotado superiormente tiene supremo.

Gracias a este axioma podemos armar que R es un cuerpo ordenado completo.

3.4.2. El principio de Arquímedes:

Enunciaremos un resultado que prueba el resultado tan familiar que N no es un conjunto

acotado. La demostración de este hecho es conocido como el principio de Arquímedes.

Principio de Arquímedes
El conjunto de los números naturales N no es acotado superiormente.

Demostración (Por reducción al absurdo) Supongamos que N es acotado superiormente,

entonces existe u = sup(N ), luego se tiene que para todo n ∈ N : n ≤ u. Como u − 1 no es
cota superior de N entonces debe existir un m ∈ N tal que u − 1 < m de donde se obtiene
u < m + 1 que nos dice que u no es cota superior de N. Esta contradicción nos dice que N no
puede tener cota superior tal como se deseaba probar.
Este resultado nos dice que para cualquier x ∈ R siempre se puede hallar un número natural
n tal que x ≤ n.
24 CAPÍTULO 3. NÚMEROS REALES

Resultados equivalentes al principio de Arquímedes se dan en el siguiente teorema:

Proposiciones equivalentes al Principio de Arquímedes

Teorema 3.4.1. Los siguientes resultados equivalen al principio Arquimediano:
 
1
1. Sea S= /n ∈ N , entonces ı́nf(S) = 0.
n
1
2. Para todo ϵ>0 existe un n0 ∈ N tal que < ϵ.
n0
3. Sea a > 0, entonces existe na ∈ N tal que na − 1 ≤ a < na
 
3n + 8 .
Ejercicios 3.4.1. 1. Sea el conjunto A = an = n∈N . Diga si A tiene cota
n+2
inferior y superior, halle, si existen sup(S),ı́nf(S)
 
4n − 3
2. Sea B = bn = ,n ∈ N .
n+3
a) Diga si B es un conjunto acotado, en caso armativo halle cotas superiores e infe-
riores.

b) Halle sup(B),ı́nf(B)
3n2 + 2n + 2
 
3. Repita el proceso anterior para C = cn = ,n ∈ N
n+1

3.4.3. Algunas consecuencias del axioma del Supremo

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.

Corolario 3.4.1. [Densidad de I en R] Sean x, y números reales cualesquiera tales que

x < y, entonces existe un número irracional z tal que x < z < y .
Capítulo 4
Cálculo Matricial

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

Donde los aij son escalares en K, se llama una matriz sobre K.

Figura 4.1: Lectura de los subíndices en una entrada de una matriz en K

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).

Figura 4.2: Filas y columnas en una matriz

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

Es una matriz de orden 2 × 2

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

4.2. Tipos de matrices

(1) Matriz Rectangular: Es toda matriz de orden m × n donde m ̸= n

(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.

(5) Matriz Cuadrada: Es una matriz de orden n × n

4.3. OPERACIONES CON MATRICES 27

4.3. Operaciones con matrices

Operaciones básicas con Matrices

Definición 4.3.1. [Igualdad de Matrices] Dos matrices A = [aij ], B = [bij ] , son
iguales si tienen el mismo orden y tienen las mismas entradas en la misma posición. Es
decir
A, B ∈ Km×n : A = B ⇐⇒ aij = bij , ∀i, ∀j (4.3.2)

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

C = A + B ⇐⇒ cij = aij + bij , ∀i, ∀j (4.3.3)

Definición 4.3.3. [Multiplicación de matrices por escalares] Sean α ∈ K; A =

[aij ] ∈ Km×n denimos B = αA como

B = [bij ] = [αaij ] , ∀a, ∀j (4.3.4)

La sustracción de matrices se dene como A − B = A + (−1)B = [aij − bij ]

28 CAPÍTULO 4. CÁLCULO MATRICIAL

   
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

Propiedades de la Adición de Matrices

Sean A, B, C ∈ Km×n , entonces:

1. (A + B) ∈ Km×n (Clausura)

2. A + B = B + A

3. A + (B + C) = (A + B) + C

4. ∀A ∈ Km×n , ∃Om×n ∈ Km×n : A + Om×n = A

5. ∀A ∈ Km×n , ∃(−A) ∈ Km×n : A + (−A) = Om×n

Propiedades de la Multiplicación de escalares por una matriz

Sean A, B ∈ Km×n ; α, β ∈ K , entonces:

1. α(βA) = (αβ)A (asociatividad escalar)

2. (α + β)A = αA + βA (Distributividad respecto a suma escalar)

3. α(A + B) = αA + αB (Distributividad respecto a suma matricial)

La prueba de estas proposiciones se basan en que el cuerpo K tiene las propiedades de

conmutatividad, asociatividad, neutro aditivo e inverso aditivo. Igual con las propiedades donde
interviene la multiplicación en K.

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

Figura 4.3: Multiplicación matricial

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

A = [aij ] =⇒ At = [aji ] , ∀a, ∀j (4.3.6)

La trasposición en una matriz intercambia la posición de las con columnas. ES decir Si

A ∈ Rm×n , entonces At ∈ Rn×m tal como podemos ver en la siguiente expresión
   
a11 a12 a13 · · · a1n a11 a21 a31 · · · am1
 a21 a22 a23 · · · a2n   a12 a22 a32 · · · am2 
   
A =  a31 a32 a33 · · · a3n  =⇒ At =  a13 a23 a33 · · · am3
   
 .. .. .. .. ..   .. .. .. .. ..

 . . . . .   . . . . .


am1 am2 am3 · · · amn a1n a2n a3n · · · amn
30 CAPÍTULO 4. CÁLCULO MATRICIAL

 
  1 4
1 3 −5
Ejemplo 4.3.3. Sea A=
4 0 2
,entonces At =  3 0 
−5 2

Propiedades de la Trasposición de matrices

Teorema 4.3.1. .

1. Sean A, B matrices del mismo orden, entonces (A + B)t = At + B t .

2. Para toda matriz A se cumple (At )t = A

3. Sean k ∈ K, A ∈ Km×n , entonces (kA)t = kAt

4. Sean A, B matrices conformes con la multiplicación, entonces (AB)t = B t At

Ejercicios 4.3.1. .

1. Halle la matriz M = (AB)t − 2C , sabiendo que

     
2 3 −2 6 2 4 2 3/2 3/2
A =  −1 4 3  ; B =  0 2 −2  , C= 5 2 2 
0 2 1 3 0 −1 2 15/2 −7/2

2. Sean las matrices

   
3 0 1 6 3 2
A =  −1 4 1  ; B =  −2 4 0 
2 2 1 1 −5 −2

Además se tiene C = (BA)t + 2A. Halle la suma de los elementos de la segunda columna
de C.

4.4. Matrices Cuadradas Especiales:

En lo que sigue consideraremos matrices de orden n × n.

(1) Matriz Simétrica : At = A.

(2) Matriz Antisimétrica At = −A

(3) Matriz Diagonal Tienen la forma

 
a11 0 0 ··· 0
.. 
0 a22 0 ··· . 


..
 = [dij ] , tal que dij = 0 si i ̸= j
 
D= . 0 a33 ··· 0 
.. .. .. .. 

..
. . . . . 


0 0 0 · · · ann

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.

(6) Matriz Periódica Si existe un p ∈ N, p ̸= 1 tal que Ap+1 = A. p se le llama período de

la matriz A.

(7) Matriz Idempotente Se cumple A2 = A.

(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.

(9) Matriz Involutiva A2 = I .

(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. .

1. Sea A una matriz cuadrada de orden n, verique que B = A + At es simétrica y que

C = A − At es una matriz antisimétrica.

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

4.5. Ecuaciones Matriciales

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

Luego x31 + x32 + x33 = 2.

Ejercicios 4.5.1. .
   
−2 3 3 1
1. Sean A= , B= .Halle X, Y ∈ R2×2 tal que
5 4 5 0

3X + 2Y = A
X − 3Y = B
   
−2 3 3 1
2. Sean A= , B= .Halle X ∈ R2×2 sabiendo que se cumple
4 3 5 0
 
1 1
(A + B)X =
0 2
     
3 5 −2 7 11 1
3. Si A= , B= , C= , resuelva la ecuación
−2 1 4 −1 10 5
2(X + B) = 3[A − 2(B + X)] + C
 
a b −1
4. Sea la matriz A= Halle la expresión de A
c d

4.5.1. Operaciones Elementales en una Matriz

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.

Intercambio de las Esta operación consiste en intercambiarla i-ésima la y la j-ésima

la de una matriz. Denotaremos esa operación con Fi ↔ Fj
Ejemplo 4.5.3.    
3 4 2 −5 3 4
A =  0 2 1  (F1 ↔ F3 )  0 2 1 
−5 3 4 3 4 2

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:

4.5.2. Matrices escalonadas

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

Diremos que es una matriz escalonada si:

1. El primer elemento de cada una de las r"las no nulas es uno.

2. Si existen "s"las nulas, éstas se encuentran en la parte inferior de la matriz.

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

son matrices escalonadas reducidas.

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.

Teorema de Equivalencia de matrices

Toda matriz es equivalente por las a una matriz escalonada.

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

2. Pruebe que las matrices siguientes son equivalentes por las:

   
3 1 0 −1 2 7
a) A = , B=
4 1 −1 3 −5 −18
   
1 2 −1 2 1 3
b) A =  3 −1 2 , B =  1 3 2 
4 −2 5 3 2 1
   
2 −3 1 0 2 −3 1 −1
c) C =  −2 3 −1 5  , D =  4 −6 2 3 
4 −6 2 −5 −2 3 −1 −1
4.6. MÉTODO DE GAUSS-JORDAN PARA HALLAR LA MATRIZ INVERSA 37

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

4.6. Método de Gauss-Jordan para hallar la Matriz Inversa

Pasos a seguir

1. Dada la matriz cuadrada de orden n , se construye la matriz rectangular  = [A, In ] de

orden n × 2n. aquí In es la matriz identidad de orden n.

2. Usar operaciones elementales por las para transformar  en una matriz escalonada
reducida E

3. Si E = [In , B] donde In es la matriz identidad, entonces A es inversible, con B = A−1 .

4. Si E ̸= [In , B] entonces A no es invertible.

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.

paso 1 Hallamos la matriz aumentada

 
1 −1 1 1 0 0
Γ(A) =  0 0 1 0 1 0 
1 1 −1 0 0 1

paso 2 Aplicamos operaciones elementales por la

38 CAPÍTULO 4. CÁLCULO MATRICIAL

 
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. .

1. Halle la matriz X en las siguientes ecuaciones matriciales

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

2. Halle las inversas de las siguientes matrices:

   
1 a x −z 1 1 1 1
 0 1 b y   1 1 −1 −1 
a) A =   b) B =  
 0 0 −1 c   1 −1 1 −1 
0 0 0 1 1 −1 −1 1
4.6. MÉTODO DE GAUSS-JORDAN PARA HALLAR LA MATRIZ INVERSA 39
   
3 3 −4 −3 0 1 2 2
 0 6 1 1   1 1 2 3 
c) A = 
 5
 d) A =  
4 2 1   2 2 2 3 
2 3 3 2 2 3 3 3
40 CAPÍTULO 4. CÁLCULO MATRICIAL
Capítulo 5
Determinantes

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)

Denición del Determinante de una matriz

Definición 5.0.1. El determinante es una función que asigna a cada matriz cuadrada
de orden n un número, y que cumple las siguientes condiciones:

1. A = [a] ∈ R1×1 −→ |A| = a

2. El menor Mij del elemento aij es el determinante de la matriz cuadrada de orden

n−1 que resulta de borrar la i-ésima la y la j-ésima columna de la matriz A.

3. El cofactor Aij del elemento aij es Aij = (−1)i+j Mij

4. El determinante de A ∈ Rn×n está dado por:

Desarrollo por las:

n
X
|A| = aij Aij , Para todo i ∈ In f ijo. (5.0.1)
j=1

ó el desarrollo equivalente:

Desarrollo por columnas:

n
X
|A| = aij Aij , Para todo j ∈ In f ijo. (5.0.2)
i=1

 
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:

A11 = (−1)1+1 M11 = a22 , A12 = (−1)1+2 M12 = −a21

Luego

a11 a12
= a11 A11 + a12 A12 = a11 a22 − a12 a21
a21 a22
Finalmente tendremos

Determinante de una matriz 2 × 2

a11 a12
= a11 a22 − a12 a21
a21 a22

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

Ahora calculando los cofactores usando la denición

A11 = (−1)1+1 M11 = 10

A31 = (−1)3+1 M31 = −6
A23 = (−1)2+3 M23 = 13

Ejemplo 5.0.3. Sea A una matriz cuadrada de orden 3, entonces su determinante viene dado
por:

a11 a12 a13

|A| = a21 a22 a23 = a11 A11 + a12 A12 + a13 A13 (5.0.3)
a31 a32 a33
O en términos de los menores:

|A| = a11 M11 − a12 M12 + a13 M13 (5.0.4)

 43

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:

det(A) = (−1)A11 + (3)A12 + (1)A13

= (−1)(−10) + (3)(4) + (1)(−13)
= 9

Ahora si uno desarrolla en función de la segunda la :

|A| = 2A21 + 5A22 + 0A23

3 1
A21 = (−1)1+2 = (−1)(−7) = 7
1 −2

−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

pues ella contiene mayor cantidad de ceros:

44 CAPÍTULO 5. DETERMINANTES

|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

|A| = a33 (−1)3+3 A33

= (−3)(1)A33

Ahora sólo nos queda desarrollar A33 .

1 0 5
|A| = −2 1 0 = 13
0 −1 3

∴ |A| = (−3)(13) = −39

Si uno tiene dudas puede hacer la expansión por la primera la y se obtiene:

|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

Luego |A| = (1)M11 + (2)M13 − (5)M14 = (1)(−9) + (2)(0) − (5)(6) = −39

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:

Unicidad del Determinante

Teorema 5.0.1. El valor del determinante de una matriz es el mismo para cualquier
expansión por cofactores ( o menores ) respecto de cualquier la y columna.

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

Teorema 5.0.2. (Propiedades del Determinante) Sea A ∈ Rn×n , entonces:

1. Si A tiene una la (o columna) nula, entonces det(A) = 0.
∼
2. Sea A la matriz obtenida al intercambiar las las i, j en la matriz A, es decir
∼
A= (fi ↔ fj )A, entonces
∼
det(A) = − det(A) (5.0.5)
Es decir el valor del determinante cambia de signo al intercambiar dos las.

∼
3. Sea A= (kfi → fi )A, entonces:

∼
det(A) = k det(A) (5.0.6)

4. Si A tiene dos las (o columnas) iguales, entonces det(A) = 0.

∼
5. Si A= (kfi + fj )A, entonces

∼
det(A) = det(A) ∀ i ̸= j (5.0.7)

6. Sean A, B ∈ Rn×n , entonces

|AB| = |A||B|

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

2. Calcule el determinante de las siguientes matrices usando dos expansiones distintas

   
−5 4 3 −1 2 0
a)
−3 2  4 0 −3 5 
e) 
 0


6 4
 6 0 0 
b) 1 3 −4 2
3 2
 
2 5 1 0
 
3 1 −2
c)  4 2 5   −4
f) 
0 −3 0 
−6 3 −1  3 −2 1 6 

2 −5 1
 −1 4 2 0
d)  −3 1 6 
4 −2 3
46 CAPÍTULO 5. DETERMINANTES
Capítulo 6
Sistema de Ecuaciones Lineales

6.1. Introducción

Consideremos el sistema de ecuaciones lineales de m ecuaciones y n incógnitas:

Sistema de Ecuaciones lineales



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. .. . (P)


 . . . . = ..
 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m

El cual expresado de manera matricial queda como

    
a11 a12 ··· a1n x1 b1
 a21 a22 ··· a2n  x2   b2 
.. .. .. .. .. = .. (6.1.1)
    
. . . . . .
  
    
am1 am2 · · · amn xn bm

Denotando A = [aij ]m×n , X = [xi ]n×1 , b = [bi ]m×1 tenemos la ecuación

AX = b (6.1.2)

Sistema de Ecuaciones Lineales no Homogéneo: Si b ̸= 0

Sistema de Ecuaciones Lineales Homogéneo: Si b = 0 , en este caso tenemos Ax = b

Entendemos por solución del sistema (6.1.1) a todo vector columna X que satisface la
ecuación matricial dada.
Una pregunta que surge de inmediato al intentar resolver es ver si el sistema tiene solución,
suponiendo que tiene solución surge la pregunta adicional de la cantidad de soluciones que se
tiene. A n de responder ambas cuestiones debemos introducir algunas deniciones previas:

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

Rango de una matriz

Definición 6.1.2. Sea la matriz A ∈ K
m×n
que es equivalente por las a una matriz
m×n
escalonada E∈ K . El rango de la matriz A se dene como el número de las nulas
que tiene su matriz escalonada equivalente por las.

 
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:

1. Si rang(Â) = rang(A) = n. Entonces el sistema tiene solución única (Sistema

Compatible Determinado).
2. Si ran(Â) = rang(A) < n. Entonces el sistema tiene innitas soluciones (Sistema
Compatible Indeterminado).
3. Si ran(Â) ̸= ran(A). El sistema no tiene soluciones (Sistema Incompatible).

Ilustremos este teorema con un ejemplo

Ejemplo 6.1.2. Resolver:

 
 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


Formemos las matrices aumentadas para cada sistema:

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

De donde al resolver el sistema equivalente


 x1 − 7x3 = −4
x2 − 5x3 = −3
x3 = 1


Aquí r(A′ ) = 3 por tanto tenemos solución única dada por x1 = 11, x2 = 2, x3 = 1.

2. Aplicando transformaciones elementales por la obtenemos la matriz equivalente a la

matriz aumentada inicial:  
1 2 3 | −1
 0 −5 −5 | 4 
0 0 0 | −4

De aquí tenemos que r(A) ̸= r(A′ ) por lo cual concluimos que el sistema (b) no tiene
soluciones.

3. Escribiendo la matriz aumentada

 
1 1 1 1 | 7
 1
 1 0 2 | 8 
 2 2 3 0 | 10 
−1 −1 −2 2 | 0

De la que luego de las operaciones elementales por la se convierte en

 
1 1 1 1 | 7
 0
 0 1 −2 | −4 

 0 0 0 1 | 3 
0 0 0 0 | 0

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.

6.2. Sistema Homogéneo de Ecuaciones

Es un sistema de ecuaciones lineales que tiene la forma:



 a11 x1 + a12 x2 + · · · + a1n xn = 0
 a21 x1 + a22 x2 + · · · + a2n xn = 0

.. .. .. .. .. .. (6.2.3)

 . . . . . .

 a x
m1 1 + am2 x2 + · · · + amn xn = 0

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:

(i) rang(A) = n , entonces la única solución es la trivial.

50 CAPÍTULO 6. SISTEMA DE ECUACIONES LINEALES

(ii) ran(A) ̸= n, entonces existen innitas soluciones distintas de la trivial.

6.3. Ejercicios

1. Use matrices para resolver los siguientes sistemas:

 
 x − 2y − 3z = −1  x + 3y − 3z = −5
a) 2x + y + z = 6 f) 2x − y + z = −3
x + 3y − 2z = 13 −6x + 3y − 3z = −1
 
 
 x + 3y − z = −3  5x + 2z = 1
b) 3x − y + 2z = 1 g) y − 3z = 2
2x − y + z = −1 2x + y = 3
 
 
 2x + y + z = 0  2x − 3y = 12
c) x − 2y − 2z = 0 h) 3y + z = −2
x+y+z = 0 5x − 3z = 3
 
 
 x + y − 2z = 0  x + 3y + z = 0
d) x − y − 4z = 0 i) x+y−z = 0
y+z = 0 x − 2y − 4z = 0
 
 
 2x + 6y − 4z = 1  4x − y = 2
e) x + 3y − 2z = 4 j) 2x + 2y = 1
2x + y − 3z = −7 4x − 5y = 3
 

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?.

3. Halle a, b, c, d tal que:

 
  1 0 2 0  
a b c d 
 0 0 1 1 
= 1 0 6 6
1 4 9 2  0 1 0 0  1 9 8 4
0 0 1 0
4. Hallar todas las matrices que conmutan con A , donde.
   
1 2 7 −3
a)A = b)A =
3 4 5 −2
 
3 1
5. Comprobar que A = es solución de la ecuación A2 − 5A + 7I = 0 .
−1 2
   
3 2   1 1 0
−1 0 −1
6. Si A =  −1 0  , B = , C =  2 1 0  , P = ABC , hallar el
2 1 0
0 −1 3 0 1
valor de la suma p11 + p22 + p33
Capítulo 7
Vectores

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:

Operaciones con vectores planos

Definición 7.1.1. Sean los vectores ⃗a = (x1 , y1 ), ⃗b = (x2 , y2 ), denimos:

Igualdad de vectores: ⃗a = ⃗b ⇐⇒ x1 = x2 ∧ y1 = y2

Suma de Vectores: ⃗a + ⃗b = (x1 + x2 , y1 + y2 )

Multiplicación por escalares: k⃗a = (kx1 , ky1 ), para todo k ∈ R

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.

Ejemplo 7.1.2. Halle, si existen, los números r, s tales que se cumple:

1. r(−2, 3) + s(1, 5) = (5, 9)

2. r(−4, 8) + s(12, −24) = (18, 24)

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

Operaciones con vectores en el espacio

Definición 7.1.2. Sean los vectores ⃗a = (x1 , y1 , z1 ), ⃗b = (x2 , y2 , z2 ), denimos:

Igualdad de vectores: ⃗a = ⃗b ⇐⇒ x1 = x2 ∧ y1 = y2 ∧ z1 = z2

Suma de Vectores: ⃗a + ⃗b = (x1 + x2 , y1 + y2 , z1 + z2 )

Multiplicación por escalares: k⃗a = (kx1 , ky1 , kz1 ), para todo k ∈ R

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

3. ∀k ∈ R, ∀⃗a ∈ Rn : ||k⃗a|| = |k|||⃗a||

4. ∀⃗a, ⃗b ∈ R2 , ||⃗a + ⃗b|| ≤ ||⃗a|| + ||⃗b||

7.2. PRODUCTO ESCALAR Y ORTOGONALIDAD DE VECTORES 53

7.2. Producto Escalar y Ortogonalidad de Vectores

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:

7.2.1. Paralelismo de vectores

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

⃗a ∥ ⃗b ⇐⇒ ∃k ∈ R : ⃗a = k⃗b ∨ ⃗b = k⃗a (7.2.2)

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.

Solución: Como ⃗a y ⃗b deben tener la misma norma tenemos dos casos:

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

Ejemplo Sea ⃗a = (2, 5), ⃗b = (11 + α, 7 + 3α). Halle α de modo que ⃗a ∥ ⃗b .

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 ⇐⇒ ||⃗u + ⃗v || = ||⃗u − ⃗v || (7.2.3)

Denimos el producto escalar de vectores como:

54 CAPÍTULO 7. VECTORES

Producto escalar de vectores Rn

Sean ⃗u = (a1 , a2 , · · · , an ), ⃗v = (b1 , b2 , · · · , bn ) denimos el producto escalar como:

⃗u · ⃗v = a1 b1 + a2 b2 + · · · + an bn (7.2.4)

Propiedades del Producto Escalar

Teorema 7.2.1. Sean ⃗u = (a1 , a2 , · · · , an ), ⃗v = (b1 , b2 , · · · , bn ), w = (c1 , c2 , · · · , cn ), en-
tonces:

1. ⃗u · ⃗v = ⃗v · ⃗u

2. c(⃗u · ⃗v ) = (c⃗u) · ⃗v = ⃗u · (c⃗v ), para todo c∈R

3. ⃗u · (⃗v + w)
⃗ = ⃗u · ⃗v + ⃗u · w
⃗

4. ⃗u · ⃗u = ||⃗u||2

5. (Desigualdad de Cauchy-Schwarz) |⃗u · ⃗v | ≤ ||⃗u||||⃗v ||. la igualdad ocurre únicamente

cuando ambos vectores son paralelos.

Un resultado importante es dado en el siguiente teorema:

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)

7.3. Proyección Ortogonal y Producto Vectorial

Dados los vectores ⃗u, ⃗v en Rn se dene la proyección ortogonal de ⃗u en ⃗v como:

 
⃗u · ⃗v
P roy⃗v ⃗u = ⃗v (7.3.6)
||⃗v ||2

Propiedades de la Proyección Ortogonal

Teorema 7.3.1. Sean ⃗u = (a1 , a2 , · · · , an ), ⃗v = (b1 , b2 , · · · , bn ), w = (c1 , c2 , · · · , cn ), en-
tonces:

1. P roy⃗u (⃗v + w)
⃗ = P roy⃗u ⃗v + P roy⃗u w
⃗

2. P roy⃗u (α⃗v ) = αP roy⃗u (⃗v )

3. P roy(α⃗u) ⃗v = P roy⃗u ⃗v

Deniendo la componente de un vector como

⃗u · ⃗v
Comp⃗u⃗v =
||⃗u||
7.3. PROYECCIÓN ORTOGONAL Y PRODUCTO VECTORIAL 55

Se tiene inmediatamente que

⃗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

7.3.1. Producto Vectorial

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.

Producto vectorial de vectores en R3

Sean los vectores ⃗u = (a1 , a2 , a3 ), ⃗v = (b1 , b2 , b3 ) y los vectores unitarios ortogonales

i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1)

Denimos el producto vectorial de ⃗u y ⃗v como:

i j k
⃗u × ⃗v = a1 a2 a3 (7.3.7)
b1 b 2 b3

Propiedades del producto vectorial

Teorema 7.3.2. Sean ⃗u = (a1 , a2 , a3 ), ⃗v = (b1 , b2 , b3 ), w = (c1 , c2 , c3 ), entonces:

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).

4. r(⃗u × ⃗v ) = (r⃗u) × ⃗v = ⃗u × (r⃗v ), para todo r∈R (Asociatividad escalar).

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
⃗

9. (Identidad de Lagrange) ||⃗u × ⃗v ||2 = ||⃗u||2 ||⃗v ||2 − (⃗u · ⃗v )2

Para determinar la orientación del vector ⃗u × ⃗v se usa la regla de la mano derecha.

Geométricamente la magnitud de ⃗u ×⃗v es equivalente al área del paralelogramo determinado
por ⃗u y ⃗v .
56 CAPÍTULO 7. VECTORES

7.3.2. Producto Mixto de vectores en R3

También llamado Triple producto escalar, se dene como el número real [u, v, w] = ⃗u ·(⃗v × w)
⃗

Triple Producto Escalar de vectores en R3

Sean los vectores ⃗u = (a1 , a2 , a3 ), ⃗v = (b1 , b2 , b3 ), w
⃗ = (c1 , c2 , c3 )

a1 a2 a3
[⃗u, ⃗v , w]
⃗ = b1 b2 b3 (7.3.8)
c1 c2 c3

Geométricamente la magnitud del triple producto escalar equivale al volumen de un para-

lelepípedo formado por los vectores ⃗u, ⃗v , w
⃗

Ejercicios 7.3.1. Simplique la expresión A = (⃗a + ⃗b) · (⃗b + ⃗c) × (⃗c + ⃗a)