Unidad Completa de Algebra Lineal Isc

INSTITUTO TECNOLOGICO DE TAPACHULA ALGEBRA LINEAL
1

ALGEBRA LINEAL

PROF. M.C JOS
LUIS RUIZ MALDONADO

ACTIVIDAD 1. NUMEROS COMPLEJOS

EQUIPO No. 6

GUILLERMO MORALES MALDONADO 11510163
SWITMY MAYUMI ALVAREZ RUIZ 11510226
HIPOLITO MAGDALENO DOMINGUEZ 11510154
CHRISTIAN GONZALO JIMENEZ ANCHEYTA 11510219

Aula Martes Mircoles Viernes
M3 15-17 15-16 15-17

SEGUNDO SEMESTRE

ING. EN SISTEMAS COMPUTACIONALES

2

TAPACHULA, CHIAPAS; 30 DE AGOSTO DE 2011
ACTIVIDAD No. 1
EXAMEN DIAGNOSTICO
1.- Resolver Problemas
a) x
2
+ 4x + 12 = 0
Paso 1:
Se transpone el trmino independiente al miembro de la derecha.
x
2
+ 4x = - 12
Paso 2:
Se obtiene la mitad del coeficiente del trmino lineal y se eleva al cuadrado y se
suma a ambos miembros para que esta no se altere.
x
2
+ 4x + (
)
2
= - 12 + (
)
2

x
2
+ 4x + (2)
2
= - 12 + (2)
2

Paso 3:
Se ha completado un trinomio cuadrado perfecto, el cual puede descomponerse
en 2 factores.
(x + 2)
2
= - 12 + 4
(x + 2)
2
= - 8
Paso 4:
Se extrae raz cuadrada a ambos miembros de la igualdad.
\(x + 2)
2
= \- 8
(x + 2) = \- 8
x = - 2 \- 8
o bien

3

x
1
= - 2 + \- 8 x
2
= - 2 - \- 8

Paso 5:
Comprobacin para x
1
Comprobacin para x
2

(- 2 + \- 8)
2
+ 4 (- 2 + \- 8) + 12 = 0 (- 2 - \- 8)
2
+ 4 (- 2 - \- 8) +12 = 0
4 - 4\- 8 - 8 - 8 + 4\- 8 + 12 = 0 4 + 4\- 8 - 8 - 8 - 4\- 8 + 12 = 0
16 16 = 0 16 16 = 0
0 = 0 0 = 0
b) 2 x y = -1
x +3 y = 10
Paso 1: Debemos decidir cual de las 2 literales igualamos. Escogemos la x de la
2da. Ecuacin, para que tenga el mismo coeficiente que la de la primera, se
multiplica por 2 y para que sea de signo contrario se multiplica por - 2.
2 x y = -1
(- 2) x +3 y = 10

2x - y = - 1
-2x - 6y = - 20

-7y = - 21
y =

y = 3
Paso 2: Ahora este valor se sustituye en alguna de las 2 ecuaciones originales
para obtener el valor de la otra incgnita. En este caso la primera.
2 x y = -1
2x 3 = -1
2x = -1 + 3
2x = 2

4

x =

x = 1
Paso 3: Sustituyendo los valores encontrados para las incgnitas en las 2
ecuaciones.
Comprobacin en la ecuacin 1 Comprobacin en la ecuacin 2
2 x y = -1 x +3 y = 10
2(1) 3 = -1 1 + 3(3) = 10
2 3 = -1 1 + 9 = 10
-1 = -1 10 = 10
c) x + y + z = 6
2x + y z= 1
x y + 4z = 11
Paso 1: Primero procedemos a calcular los determinantes D, x, y, z. Las
determinantes se forman con los coeficientes de las incgnitas y los trminos
independientes de cada ecuacin. (Regla de cramer).

1 1 1 1 1 (-)
D = 2 1 -1 2 1 = 4 1 2 1 1 8 = - 9
1 -1 4 1 -1 (+)

6 1 1 6 1 (-)
x = 1 1 -1 1 1 = 24 11 1 11 6 4 = 24 33 =
= 1
11 -1 4 11 -1 (+)

1 6 1 1 6 (-)

5

y = 2 1 -1 2 1 = 4 6 + 22 1 + 11 - 48 = 37 55 =
= 2
1 11 4 1 11 (+)

1 1 6 1 1 (-)
z = 2 1 1 2 1 = 11 + 1 12 6 + 1 22 = 13 - 40 =
= 3
1 -1 11 1 -1 (+)

Paso 2: Llegar a una identidad en la comprobacin de las 3 ecuaciones, significa
que el valor obtenido de nuestras incgnitas es correcto.
Ecuacin 1 Ecuacin 2 Ecuacin 3
x + y + z = 6 2x + y z = 1 x y + 4z = 11
1 + 2 + 3 = 6 2(1) + 2 3 = 1 1 2 + 4(3) = 11
6 = 6 4 3 = 1 -1 + 12 = 11
1 = 1 11 = 11
2.- ESCRIBIR CADA UNO DE LOS METODOS PARA RESOLVER
ECUACIONES

MTODO DE SUSTITUCIN

Para resolver un sistema de ecuaciones lineales de dos variables por este mtodo
se siguen los siguientes pasos:

PASO 1: Despejamos una de las variables de una de las ecuaciones.
PASO 2: La sustituimos en la otra ecuacin y resolvemos para encontrar el valor
de la variable que corresponde.
PASO 3: Sustituimos dicho valor en la ecuacin del Paso 1 y resolvemos para
obtener el valor de la otra variable.

6

PASO 4 : Comprobamos sustituyendo los valores en ambas ecuaciones.

MTODO DE IGUALACIN

Para resolver un sistema de ecuaciones lineales de dos variables por este mtodo
se siguen los siguientes pasos:

PASO 1: Despejamos una de las variables de ambas ecuaciones
PASO 2: Igualamos dichas ecuaciones y resolvemos para la variable que queda.
PASO 3: Sustituimos el valor de esta variable en alguna de las ecuaciones del
paso 1 y resolvemos para la otra variable.
PASO 4: Comprobamos la solucin sustituyendo los valores de ambas ecuaciones.

MTODO DE SUMA Y RESTA

Para resolver un sistema de ecuaciones lineales de dos variables utilizando este
mtodo, seguimos los siguientes pasos:

PASO 1: Se multiplican las ecuaciones por los nmeros que hagan que ambas
ecuaciones tengan el coeficiente de una de las variables iguales excepto tal vez
por el signo.
PASO 2: Se suman o se retan las ecuaciones para eliminar esa variable.
PASO 3: Se resuelve la ecuacin resultante para la variable que quedo.
PASO 4: Se sustituye este valor en cualquiera de las ecuaciones originales para
encontrar el valor de la otra variable. A este mtodo tambin se le conoce como el
mtodo de reduccin.

ECUACIONES SIMULTNEAS DE PRIMER GRADO POR DETERMINANTE
MTODO DE DETERMINANTE

Para encontrar el valor de las incgnitas por el mtodo de determinante se
sustituyen los trminos independientes en la columna donde estn las x

7

( Cuando se requiere conocer la x) y en el denominador se pone la matriz original,
lo mismo para calcular el valor de y.

METODO DE SARRUS

Para resolver un sistema de ecuaciones simultneas de 3 incgnitas con
determinantes se utiliza el mtodo de Sarrus para utilizar los coeficientes, y este
nos indica que debemos agregar a la matriz las primeros 2 renglones. Para
resolver esta determinante se multiplica la diagonal principal por la diagonal
secundaria.

METODO DE KRAMER

Para el clculo de los valores de cada una de las incgnitas del sistema de
ecuaciones simultneas los elementos o coeficientes se acomodan de acuerdo a
La regla de Kramer, que nos indica que debemos de sustituir los trminos
independientes por los coeficientes de la variable que se va a resolver, en el
denominador del determinante se pone la matriz original.

8

ALGEBRA LINEAL

PROF. M.C JOS LUIS RUIZ MALDONADO

ACTIVIDAD 2. INVESTIGAR Y/O ANALIZAR BIBLIOGRAFIAS DE ALGEBRA
LINEAL
EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


TAPACHULA, CHIAPAS; 13 DE SEPTIEMBRE DE 2011

9

ACTIVIDAD No. 2
INVESTIGAR Y/O ANALIZAR BIBLIOGRAFIAS DE LIBROS DE
ALGEBRA LINEAL

LIBROS

Algebra lineal
Segunda edicin
Stanley I. Grossman
Grupo editorial Iberoamericana

Introduccin al algebra lineal
Howard anton
Editorial Limusa S. A.

Algebra lineal
Quinta edicin
Stanley I. Grossman
Editorial Mc GrawHill

Algebra lineal II
Ferran Puerta Sales
Editorial UPC

Algebra lineal
Segunda edicin
Seymour Lipschutz

Algebra lineal y teora de las
matrices
I.N. Herstein David J. Winter
Grupo editorial Iberoamericana

Algebra lineal y geometria
cartesiana
Juan de Burgos

10

FUENTES DE INFORMACION ELECTRONICO

Algebra Lineal:
http://personal.us.es/meneses/algebra_lineal_08_09.pdf

Algebra Lineal:
http://www.uv.es/ivorra/Libros/Algebra.pdf

11

Sistemas lineales, matrices y vectores:
http://www.youtube.com/watch?v=W6_ZucLU5LA

Algebra lineal:
http://www.dma.fi.upm.es/mreyes/Algebra/Algebra.html

12

Algebra lineal:
http://www.slideshare.net/tile/algebra-lineal-550443

Algebra lineal:
http://www.youtube.com/watch?v=lMDg20BoNW0

13

ALGEBRA LINEAL


ACTIVIDAD 3. INVESTIGAR HISTORIA DE LOS NUMEROS COMPLEJOS,
FORMAS Y POTENCIAS DE I. PROPIERDADES CICLICAS DE I

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


14

ACTIVIDAD No.3

INVESTIGAR HISTORIA DE LOS NUMEROS COMPLEJOS,
FORMAS Y POTENCIAS DE I Y PROPIEDADES CICLICAS DE I

Aunque hoy nos es muy familiar el concepto de nmero, ste fue elaborado muy
lentamente a travs de los tiempos. Incluso en tiempos recientes, tribus que
mantenan normas de vida muy primitivas tenan los conceptos numricos muy
atrasados. Por ejemplo, se dan casos en los que no exista nombre para
cantidades mayores que tres; en otros, para nmeros un poco mayores se
utilizaban trminos similares a "muchos" o "incontables".

Si retrocedemos al tiempo, de las cuatro grandes civilizaciones del mundo
occidental antiguo (Babilonia, Egipto, Grecia y Roma), veremos que babilonios y
griegos desarrollaron elevados conocimientos de matemticas.

Para poder realizar importantes obras agrcolas y arquitectnicas, los babilonios
tuvieron que desarrollar, hacia el siglo XXII a. de C., un sistema de numeracin
til.

Se sabe que su sistema de numeracin era de base 60 (a diferencia del actual,
que es de base 10); es decir, dividan la unidad en 60 partes (de forma similar a
como dividimos una hora en 60 minutos). Los sumerios tambin utilizaban este
sistema de numeracin, y realizaban complicados clculos aritmticos.

Aunque los egipcios no hicieron aportaciones tan significativas como los griegos
al desarrollo de los nmeros, se ha encontrado un interesante documento, en el
cual se demuestra que ya manejaban algunas fracciones sencillas. Este
documento se denomina el Papiro de Rhind. Fue escrito bajo el reinado del rey
Ekenenre Apopi, hacia el 1600 a. de C., y, al parecer, es una transcripcin de un
escrito ms antiguo, que se remontara al reinado de Amenemhat o Amenemes III
(XII dinasta, 1850-1800 a. de J. C.). En este papiro se observan unas reglas para
realizar sumas y restas de fracciones.
Cuando se deba realizar una reparticin exacta, no se presentaban problemas de
clculo; sin embargo, si haba que dividir 42 panes entre 10 personas, la operacin
se complicaba. En estos casos, los babilonios utilizaban el nmero decimal (4,2),
mientras que los egipcios, con un sistema de numeracin ms primitivo,
necesitaban de las fracciones para expresar estas divisiones no exactas.
Conocan las fracciones de numerador 1 y de denominador 2, 3, 4 , etc., adems
de las fracciones 2 / 3 y 3 / 4. En el papiro de Rhind se propone un mtodo de
clculo (bastante pesado) que permite dividir 2 entre 19 de la siguiente manera:

15

Los chinos tambin conocan las fracciones, y saban reducir a comn
denominador. Llamaban "hijo" al numerador, y "madre" al denominador.
Pero, entre todos los pueblos de la antigedad, fueron los griegos los que
realizaron las aportaciones ms valiosas al desarrollo del concepto de nmero. La
escuela pitagrica (siglo V a. de C.) descubri que slo con los nmeros naturales
y las fracciones no pueden realizarse todas las medidas posibles. Existan pares
de segmentos, como la diagonal y el lado de un pentgono regular, o la diagonal y
el lado de un cuadrado, cuyo cociente de longitudes no es una fraccin. Creyeron
que el caos entraba en su mundo ordenado, y llamaron a tal razn "alogos" o
irracional.
Posteriormente se desarroll el concepto de nmero negativo. Fueron los chinos,
quienes en el siglo III a. de C. emplearon las varas de contar, un conjunto de
barras pintadas de rojo para los nmeros positivos, y de negro para los negativos.
Un siglo despus, aparecen por vez primera reglas para operar con los nmeros
negativos; sin embargo, no eran aceptados como soluciones de los problemas.

Siglos despus, hacia el ao 500, en la India se plasmaron los orgenes de
nuestro sistema de numeracin. El principio de posicin (valor relativo de las
cifras), las nueve cifras y el cero aparecen en las obras del matemtico indio
Brahmagupta. Durante esta poca, los matemticos indios tambin aceptaron las
soluciones negativas de las ecuaciones, al tiempo que admitan como nmeros las
races de otros nmeros que no podan ser expresados mediante nmeros
racionales.

En el ao 772, una embajada india llev hasta Bagdad los libros en que se
recogan estos conocimientos. Gracias a este hecho, en la primera mitad del siglo
IX se recopilaron los nuevos mtodos matemticos en un tratado de Al-
Khuwarizmi, que en el siglo siguiente se difundieron lentamente por Occidente.
La civilizacin musulmana llev estos conocimientos a Sicilia y a Espaa, y los
mercaderes rabes e italianos los adoptaron, satisfechos de no tener que llevar
consigo el incmodo baco. Fue el mercader Leonardo Pisano quien, despus de
haber aprendido aquel arte de los rabes en sus viajes comerciales por Argelia,
Sicilia y Oriente, reuni todos los conocimientos de aritmtica y lgebra de su
tiempo en una obra llamada Liber Abaci (1202), que difundi por Europa la
numeracin india.

Hasta entonces, en Europa se haban evitado los nmeros negativos; pero en el
siglo XIII, el matemtico italiano Fibonacci, en un problema referente al dinero, que
no tiene solucin positiva, observ su necesidad. Durante el siglo XIV, los
nmeros negativos eran denominados numeri absurdi.

16

Se debi esperar hasta el siglo XV, para que el francs Chaquet expresara por
primera vez un nmero negativo aislado en la ecuacin
4x = -2
Durante el siglo XVI, se populariz el uso de la barra horizontal para separar los
trminos de una fraccin, nomenclatura de origen rabe. Pero, aunque algunos
problemas se solucionaban, surgan otros. Al intentar resolver ecuaciones de
segundo grado como
x2 - 2x + 5 = O

Y otras de grado mayor, empezaron a encontrarse expresiones, como la raz
cuadrada de -16, que no se saban interpretar. Aun sin entenderlas, algunos
comenzaron a manipularlas con las mismas reglas que utilizaban para los
nmeros que conocian. Fue Cardano, durante este mismo siglo, quien propuso un
nuevo tipo de nmeros, que denomin ficticios, como solucin a las races
cuadradas de nmeros negativos.

El problema de los nmeros irracionales no se resolvi por completo hasta el Siglo
XVII, cuando Fermat, matemtico francs que puede ser considerado el padre de
la moderna teora de nmeros, demostr que expresiones como raz cuadrada de
3 no eran nmeros racionales.

Slo quedaba por resolver el problema de las races negativas; y esto ocurri en
1777, cuando Euler dio a la raz cuadrada de -1 el nombre de i (imaginario). En
1799, Gauss acab de resolver el problema al demostrar que las soluciones de
cualquier ecuacin algebraica, fuera cual fuese su grado, perteneca a un conjunto
de nmeros que l llam complejos, a los que consider compuestos de un
nmero "ordinario" (hoy lo llamamos nmero real), ms un mltiplo de la raz
cuadrada de -1, llamado unidad imaginaria.

17

Gerolamo Cardano

Matemtico (1501 Pava, ducado de Miln, 1576 Roma, actual Italia)
Cardano naci el 24 de septiembre de 1501 en Pava, ducado de Miln y muri en
Roma el 21 de septiembre de 1576. Fue hijo ilegtimo de Fazio Cardano y Chiara
Micheria. Su padre era abogado en Miln, pero su experiencia en Matemtica hizo
que Leonardo da Vinci lo consultara en temas de Geometra. Fazio dio clases de
Geometra en la Universidad de Pavia. Con ms de cincuenta aos, conoci a
Chiara Micheria, una viuda treintaera, que luchaba por criar 3 hijos. Chaira qued
embarazada de Fazio, con quien se cas aos despus.

Cardano comenz como asistente de su padre, que le ense Matemtica. Pero l
aspiraba a ms y empez a pensar en hacer una carrera. Aunque su padre quera
que estudiara derecho, Cardano ingres a la Universidad de Pavia a estudiar
medicina, estudios que luego debi continuar en la Universidad de Padua por la
guerra. Cardano se gradu de mdico en 1525.
Malgast lo que recibi de su padre y se dedic al juego para mejorar sus finanzas
(dados, cartas, ajedrez), del cual hizo un medio de vida ya que habitualmente era
ms lo que ganaba que lo que perda. En este ambiente estuvo rodeado de gente
de dudosa reputacin. El juego se convirti en una adiccin que te dur muchos
aos y te hizo perder mucho tiempo valioso, dinero y reputacin.

Una vez acabados sus estudios intent ejercer medicina en su Miln natal, pero
debido a su mala reputacin fue rechazado continuamente por el colegio de

18

mdicos. Mientras estuvo inhabilitado para ejercer la medicina, Cardano, en 1533,
volvi al juego para poder subsistir, pero te fue tan mal que tuvo que empear las
joyas de su esposa Luca, con quien se haba casado en 1531.

Buscando desesperadamente un cambio en su suerte, se mud a Miln, pero te
fue peor y entr en la pobreza. En 1539, Cardano public sus dos primeros libros.
Uno de ellos fue La prctica de Aritmtica y las mediciones simples. Este fue el
comienzo de una prolfica carrera literaria sobre Medicina, Filosofa, Astronoma,
Teologa, adems de Matemtica. Cardano fue un ardiente astrlogo, llevaba
amuletos y predeca el futuro durante las tormentas. Tambin escribi sobre el
juego.

Ese mismo ao Cardano se acerc a Tartaglia, que se haba hecho famoso por
ganar un duelo matemtico resolviendo ecuaciones de tercer grado, y trat de que
te explicara el mtodo. Tartaglia acept con la promesa bajo juramento de
Cardano de que no iba a publicarlo hasta que el mismo Tartaglia lo publicara.
Durante los siguientes 6 aos Cardano trabaj en las ecuaciones de tercer y
cuarto grado sin ningn resultado. Entre 1540 y 1542, Cardano se dedic al juego
de nuevo. En 1545 publica su obra ms importante, Ars Magna. En esta obra da
los mtodos de resolucin de las ecuaciones de tercer y cuarto grado. Hoy da
sabemos que los resultados publicados y muchas de las ideas contenidos no eran
suyos.

Su Ars Magna sin embargo tuvo una influencia en todos los matemticos
posteriores. En esta obra, adems se expresan diversos teoremas que relacionan
races y coeficientes, as como la divisibilidad de un polinomio por factores (x-x1),
donde x, es raz del polinomio. Asimismo en esta obra se establece un notable
cambio desde el lgebra literal al lgebra simblica. Era el mejor libro de lgebra
escrito hasta la fecha. Todava utilizaba la Geometra para demostraciones
algebraicas y todava rehua la utilizacin de nmeros negativos. Sin embargo, el
Ars Magna presenta una explicacin completa de la ecuacin cbica, incluyendo el
tratamiento de nmeros imaginarios. En este libro, tambin se publica la
resolucin de la ecuacin general de cuarto grado, debida a su alumno, Ferrari,
quien se hizo rico al servicio del cardenal Fernando Gonzalo.

A sus 50 aos era un mdico famoso y conocido. Entre sus pacientes estuvo el
Arzobispo de Escocia. Se deca que padeca tuberculosis y Cardano dijo que la
saba curar, lo cual no era cierto. Viaj a Edimburgo y afortunadamente para el
obispo, y tambin para Cardano, result que la enfermedad era asma. Cuando
Cardano pas por Londres en el viaje de vuelta, fue recibido por el joven rey
Eduardo VI a quien hizo un horscopo. Le predijo larga vida y un prspero futuro,
lo cual le puso en una situacin incmoda cuando el chico muri poco despus.

Aunque, en varias ocasiones, Cardano haba sido profesor de matemticas de las
universidades de Miln, Pavia y Bolonia, teniendo que dimitir de todas ellas por
algn escndalo. Al regresar de Escocia era un importante profesor de Medicina

19

en la Universidad de Pavia y con muchos pacientes adinerados, se transform en
un hombre rico y afortunado. En 1546, muri su mujer Luca y se transform en
rector del Colegio de Mdicos de Miln, al cual tanto te cost ingresar. Su mujer
muri a la edad de 31 aos, dejando a Cardano con dos hijos y una hija. De ellos,
el mayor, Giambattista estudi medicina y pareca tener un brillante porvenir.

Giambattista se cas y su mujer tuvo tres hijos, ninguno de los cuales result ser
de su marido. Parece ser que por ello Giambattista le prepar un pastel con
arsnico y ella muri. Giambatista fue encarcelado, torturado y finalmente
ejecutado el 13 de abril de 1560, ya que Cardano no pudo pagar la suma de
dinero que te exigan para salvar a su hijo.
Todo esto afect mucho a Cardano. Con su otro hijo tampoco tampoco tuvo
consuelo, fue un criminal y estuvo en prisin muchas veces por ello. En 1562
abandon Miln, la ciudad de sus triunfos y tragedias, siendo profesor de medicina
en la universidad de Bolonia.

Enfermo, en 1565 Ferrari regresa a Bolonia para ensear Matemtica. All es
envenenado con arsnico por su propia hermana. En 1570 fue encarcelado por
hereja por realizar el horscopo de Jess y por escribir el libro "En homenaje a
Nern", el odiado emperador anticristiano. Sorprendentemente, sali de prisin
poco despus y se traslad a Roma como astrlogo de la corte papal.

Tambin public Liber de ludo aleae, que contiene algunos de los primeros
trabajos sobre probabilidad, en los que aprovech su experiencia como jugador y
una autobiografa extremadamente franca, De propria vita, que adquiri cierta
fama. Hay una leyenda que mantiene que mediante la astrologa predijo el da de
su muerte, el 20 de septiembre de 1576, y que se suicid para hacer correcta la
prediccin.

Pero Cardano ha pasado a la historia porque se apropi de los resultados de
Tartaglia y de Nicolo Ferrari, los descubridores de la solucin de la ecuacin
cbica y cuntica, publicndolos antes que ellos.

20

Raffaele Bombelli

(Bolonia, c. 1530- id., 1572) Matemtico italiano. En su obra se encuentran
interesantes contribuciones a las ecuaciones bicuadradas, a la teora de los
nmeros y al paso progresivo del lgebra geomtrica a la geometra analtica.
Rafael Bombelli naci en enero de 1526 en Bolonia (Italia). Era uno de los seis
hijos de Antonio Mazzoli que cambi su apellido por el de Bombelli. La familia
Mazzoli era una noble y rica familia a la que le haban sido confiscadas todas sus
propiedades, debido al apoyo que haba dado a la familia Bentivoglio en sus
disputas con el Papa Julio II. Fue Antonio, padre de Rafael, el que logr recuperar
sus propiedades y pudo volver a Bolonia.

Rafael Bombelli no recibi una educacin universitaria, sino que adquiri su
formacin con el ingeniero y arquitecto Pier Francesco Clementi. El propio
Bombelli eligi la profesin de ingeniero y arquitecto, trabajando para Rufini, un
noble romano que llegara a obispo de Melfi. No se sabe exactamente como
adquiri Bombelli su inters por las matemticas, probablemente el motivo fue
que viva en la regin de Italia donde se desarrollaban los desafos matemticos
entre Cardano, Tartaglia y otros, con el fin de resolver ecuaciones.

Su patrn Alejandro Rufini le encarg un proyecto para desecar las marismas del
valle de Chiana. Aunque este trabajo no lleg a terminarse, Bombelli con su
proyecto adquiri una gran reputacin en ingeniera hidrulica. En 1561 Bombelli
va a Roma a reparar el puente de Santa Mara sobre el Tber. A pesar del fracaso
del puente su fama como ingeniero no sufri ninguna merma.

21

En una de sus visitas a Roma, Bombelli hizo un gran descubrimiento matemtico.
Antonio Mara Pazzi, profesor de matemticas en la universidad de Roma, le
ense a Bombelli un manuscrito de la Aritmtica de Diofanto y los dos decidieron
hacer conjuntamente una traduccin del mismo. A pesar de que nunca llegaron a
completar la traduccin, Bombelli, a la luz del texto de Diofanto comenz a revisar
sus conocimientos de lgebra. De hecho, en su libro III, 143 de los 272 problemas
que aparecen son originales de Diofanto, hecho que el propio Bombelli reconoca.
La obra de Bombelli titulada "lgebra" est dividida en cinco libros. Los tres
primeros fueron publicados en 1572, y anunciaba que los libros IV y V, dedicados
a la geometra, apareceran seguidamente. Desgraciadamente Bombelli nunca
lleg a publicar estos volmenes porque la muerte se lo impidi. Muri en 1573,
probablemente en Roma.

En 1923, un manuscrito de Bombelli fue descubierto en una biblioteca de Bolonia.
Adems de una versin manuscrita de los tres libros ya publicados, haba un
manuscrito inconcluso de los otros dos libros. La geometra incompleta de
Bombelli fue publicada en 1929, y en ella se aprecia una influencia de los
procedimientos geomtricos de Omar Khayyam.
En el lgebra de Bombelli se dan las reglas de los signos, que an hoy dan tantos
problemas a los estudiantes, para operar con nmeros positivos y negativos.
Adems fue el primero que escribi las reglas para la suma, resta y multiplicacin
de los nmeros complejos. Adems demostr que usando el clculo de los
nmeros complejos podan resolverse ecuaciones. Bombelli us una notacin
muy sofisticada para su tiempo. Es justo reconocer a Bombelli como el inventor de
los nmeros complejos y su Algebra tuvo una influencia capital en Leibniz.

Bombelli, un ingeniero, hizo un uso prctico de los nmeros complejos porque
dichos nmeros le daban resultados tiles. El lgebra de Bombelli es uno de los
ms importantes trabajos matemticos del siglo XVI, y fue el nico que dio
importancia a los nmeros complejos cundo an nadie se la daba.

22

POTENCIAS DE i
En cuanto a potencias de i (la unidad imaginaria de un nmero complejo), se tienen 4
potencias conocidas como bsicas, ya que en ellas nos basaremos para sacar otras
potencias ms grandes.

i
0
= 1
i
1
= i
i
2
= 1
i
3
= i
i
4
= 1

Los resultados de las potencias de la unidad imaginaria se repiten de cuatro en
cuatro.
Para saber cunto vale una determinada potencia de i, se divide el exponente entre 4,
y el resto es el exponente de la potencia equivalente a la dada.

i
22

224=5, y el resto es 2
i
22
= (i
4
)
5
i
2
= 1
i
27
= i

23

ALGEBRA LINEAL


ACTIVIDAD 4. SUMA Y RESTA DE NUMEROS COMPLEJOS. PROPIEDADES

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


24

ACTIVIDAD No. 4
SUMA DE NUMEROS COMPLEJOS

Z
1
+Z
2
= (a
1+
a
2
) + (b1+b
2
)i
Ejemplo:
Z
1
=3+2i con z
2
=-8+4i
Z
1
+Z
2
= (3-8) + (2+4)i
Z
1
+Z
2
=-5+6i
NOTA: para sumar nmeros complejos simplemente se suman sus componentes
correspondientes.
RESTA DE NUMEROS COMPLEJOS
Z-W= (a-c)+ (b-d) i
Ejemplo:
Z=4+7i y w=2+3i
Z-W= (4-2) + (7-3) i
Z-W=2+4i
NOTA: para restar nmeros complejos se restan sus componentes correspondientes.

25

PROPIEDADES
1. Propiedad de cierre para la suma: si Z y W son nmeros complejos, entonces
tanto Z+W como z-W son nmeros complejos.

2. Propiedad asociativa: si Z, W y U son nmeros complejos.
Z +(W+U)= (Z+W) + U
3. Propiedad conmutativa: si Z y U son nmeros complejos.
Z+U= U+Z
4. Propiedad del elemento neutro: El numer complejo, 0=0+0i es el elemento
neutro para la suma.
En efecto si, Z=a+bi es cualquier nmero complejo, se tiene:
Z+0= (a+bi) + (0+0i)= (a+0) (b+0) i= Z
De la misma manera se puede probar que 0+Z=Z
5. Propiedad del opuesto: si Z=a+bi es un numero complejo, el opuesto de esta
es Z=-a-bi, el cual es el otro nmero complejo, siendo:
Z+ (-Z) = (-Z) + Z=0
Usando todas las propiedades es posible calcular expresiones complicadas en
la que aparezcan sumas y restas de nmeros complejos.
Ejemplo- calcule el valor de Z donde:
Z= (5+2i) + [(10-8i) + [(6+3i) (7+2i)]]
Z= (5+2i) + [(10-8i) + (-1+i)]
Z= (5+2i) + (9-7i)
Z= 14-5i

26

ALGEBRA LINEAL


ACTIVIDAD 5. EJERCICIOS

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE

27


ACTIVIDAD No. 5
EJERCICIOS
Z
1
= 2 3i
Z
2
= - 1 + 5i
Z
3
= 2i
Z
4
= - 7

A) Z
1
+ 2Z
2
= (2- 3i) + 2(-1 + 5i)
= 2 -3i 2 + 10i
= 7i
B) (1+ i)(z
1
) = (1 + i) (2 + 3i)
= 2 + 3i + 2i + 3i
2

= 2 + 5i + 3(- 1)
= 2 + 5i -3
= - 1+ 5i
C) Z
3
* Z
4
= (2i) (-7) = - 14i
D) (z
1
) (z
3
) = (2 + 3i) (- 2i)
= - 4i 6i
2

= -4i 6(-1)
= - 4i + 6
= 6 4i

28

E) (z
2
)
2
= (-1+5i)
2
=1-10i + 25i
2

=1-10i + 25(-1) =1-10i-25
=-24-10i = -(24 +10i)

F) (z
1
)
3
= (2-3i)
3

(a-b)
3
=a
3
-3a
2
b+3ab
2
-b
3
=2
3
-3(2)
2
(3i) + 3(2) (3i)
2
- (3i)
3

=8-36i +54i
2
-27i (i)
=8- 36i + 54(-1) 27 (-1)i
=8 36i -54 + 27i
=-46-9i

G) 1/z
2
= 1/-1+5i *-1-5i/-1-5i
= -1-5i / (-1)
2
-(-5i)
2

=-1-5i/1-25i
2

= -1-5i/1-25(-1)
= -1-5i/1 + 25
= -1-5i/26
= -1/26 5/26i

29

H) z
1
/z
3
= 2 3i/2i *-2i/ -2i
= -4i +6i/ 4i
2

=-4i +6(-1)/ -4(-1)
= -4i + 6/4
= -4i/4 -6/4
=-i -3/2
=- 3/2 i

____
I) Z
1
*Z
3
= (2- 3i)(2i)= 4i 6 i
2

=

4i 6(-1)
= 6 + 4i
= 6- 4i

J) Z
1
= (2)
2
(3i)
2

= 4 9i
2

= 4 9(-1) = 4 + 9
= 13

30

K) i * Z
2
= i(-1 5i) = -i 5i
2
= (- i)
2
(5i
2
)
2

= i
2
25i
4

= -1 -25 (-1) (-1)
= -26
= 26i

L) Z
1
*Z
2
*Z
3
*Z
4
= 2 3i* -1 + 5i
=- 2 +13i - 15i
2
(2i)

= 4i + 26i
2
30i
3
(-7)
= 28i 182i
2
+ 210 i
3
= 28 i 182(-1) + 210 (-1)i
= 28i +182 -210i
= 182 182i

31

ALGEBRA LINEAL


ACTIVIDAD 6. RESOLVER EJERCICIOS CON EL TEOREMA DE MOIVRE

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE

32



ACTIVIDAD No. 6
RESOLVER EJERCICIOS CON EL TEOREMA DE MOIVRE
a) Z=1=i; r= 2; =/4=45
0

Z
2
= [2 (cos /4 + i sen /4)]
2

Z
2
= 2 (cos /2 + i sen /2)
Z
2
= 2 (0 + i.1)
Z
2
= 0 + 2i
Z
2
= 2i

Z
3
= [2 (cos /4 + i sen /4)]
3
Z
3
= 2
3
(cos(3) /4 + I sen (3) /4)
Z
3
= 2 2 (-2/2 + I 2/2)
Z
3
= -2 + 2i

b) Z= + 3/2i
r= 1; = /3= 60
0
k= 0, 1,2,3,4
Z
5
= cos (5) /3 + i sen (5) /3
Z
0
=
5
1 [cos +2(0) + i sen +2(0) ]
5 5
Z
0
=
5
1 [cos /3+2 (0) + i sen /3+2 (0) ]
5 5
Z
0
=
5
1 [cos /15 + I sen /15]
Z
0
=
5
1 [0.9781 + i.0.2079]
Z
0
= 0.978147 + 0.2079i

33

Z
1
=
5
1 [cos /3 + 2(1) + i sen /3 + 2(1) ]
5 5
Z
1
=
5
1 [cos 7/3 + i sen 7/3 ]
Z
1
= + 3/2i
Z
2
=
5
1 [cos /3 + 2(2) + i sen /3 + 2(2) ]
2

5
Z
2
=
5
1 [cos 13/5 + i sen 13/5 ]
Z
2
=
5
1 [-0.9135 + i 0.4062]
Z
2
= -0.9135 + 0.4067i

Z
3
=
5
1 [cos /3 + 2(3)
n
+ i sen /3]
5 5
Z
3
=
5
1 [cos 14/15 + i sen 14/15 ]
Z
3
= -0.6691-0.7931i

Z
4
=
5
1 [cos /3 + 2(4) + i sen /3 + 2(4) ]
5 5
Z
4
=
5
1 [cos 5/3 + i sen 5/3 ]
Z
4
= 1/2- 3/2i

APLICAR LA FORMULA DE MOIVRE
a) (cos + i sen )
2
= cos (2 ) + i sen (2 )
= cos 2 + i sen
IDENTIDADES TRIGONOMETRICAS
Sen (2a) = (2 sen a cos a)
Cos (2a) = (cos
2
a- sen
2
a)
(Cos + (sen )
2 =
cos
2
- sen
2
+ c (2 sen cos )

a) [ 2 (cos /3 + i sen /3)]
3
= 2
3
[ cos (3(/3)) + I sen (3 (/3))]
3 [cos + i sen ] = 8[(-1) + i (0)] = -8 + 0(i)

34

b) (cos + i sen )
0
= cos 0 + i sen 0= 1+i(0)= 1

c)
4
16 cos + 16 i sen
Z= 16 cos + 16i sen = 16(-1) + 16(i.0) = -16 + 0.i
Z= (-16)
2
+ (0)
2
= 256= 16
Z
0
=
4
16 [cos ( + 2(0) ) + i sen ( + (0) )]
4 4
Z
0
= 2 [cos /4 + i sen /4]

Z
1
=
4
16 [cos ( + 2(1) ) + I sen ( + 2(1) )
4 4
Z
1
= 2 [cos 3/4 + i sen 3/4]

Z
2
=
4
16 [cos ( + 2(2) ) + i sen ( + 2(2) )]
4 4
Z
2
= 2 [cos 5/4 + i sen 5/4]

Z
3
=
4
16 [cos ( + 2(3) ) + i sen ( +2 (3) )]
4 4
Z
3
= 2 [cos 7/4 + i sen 7/4]

TRANSFORMA A FORMA DE EXPONENCIAL
a) Z= + 3/4
Z= (1/2)
2
+ (3/2)
2
= 1/4 + 3/4= 4/4= 1
= tg
-1
(b/a) = tg
-1
(3/2) = tg
-1
(3) = 60
0
= /3
1/2
Z= Z (cos + i sen ) = (cos /3 + i sen /3)

35

Z= e
i./3

b) Z= 2/2 + i 2/2
Z= (2/2)
2
+ (2/2)
2
= 2/4 + 2/4= 4/4= 1
= tg
-1
(2/2) = tg
-1
(1) = 45
0
= /4
2/2
Z= (cos /4 + i sen /4)
Z= e
i./4

36

ALGEBRA LINEAL


ACTIVIDAD 7. APLICAR LA FORMULA DE MOIVRE

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE

37


ACTIVIDAD No. 7
APLICAR LA FORMULA DE MOIVRE

TRANSFORMANDO A FORMA EXPONENCIAL
d e
3+i/6
= e
3
. e
i/6

POTENCIA DE FOMA TRIGONOMETICA (FORMULA MOIVRE)
(a + bi)Z
m
= (a + bi)
m
poco practico
Z= r (cos m + i sen m )
Z
m
= r
m
(cos m + i sen m ) practica
m
Z=
m
r (cos + 2k + i.sen +2k)
6/k
= 0, 1,2(m-1)
m m

Ejemplo:
W
2
=
5
z
W=
5
r (cos + 2(0) + i.sen +2(0) )
5 5

W
1
=
5
r (cos + 2(1) + i.sen +2(1))
5 5

W
1
=
5
r (cos + 2 + i.sen +2)
5 5

38

ALGEBRA LINEAL


ACTIVIDAD 8. 11 CONSEJOS DE BILL GATES

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


39

ACTIVIDAD No. 8
11 CONSEJOS DE BILL GATES
Regla # 1: la vida no es justa acostmbrate a ello.

Regla # 2: al mundo no le importa tu autoestima. El mundo espera que triunfes en
algo antes de que puedas sentirte bien contigo mismo.

Regla # 3: No ganars $60 mil dlares al mes justo despus de graduarte. Tampoco
sers un vicepresidente con un telfono mvil hasta que consigas ambas cosas.

Regla # 4: Si crees que tu maestro es rudo espera a que conozcas a tu futuro jefe.

Regla # 5: Trabajar en un lugar de hamburguesas no atenta contra tu dignidad. Tus
abuelos tenan otra forma de llamar a este tipo de actividades: oportunidades.

Regla # 6: Si te equivocas no culpes a tus padres, asume tu responsabilidad y
aprende de los errores.

Regla # 7: Antes de que t nacieras tus padres no eran tan aburridos como lo son
ahora. Se volvieron as porque tienen que pagar tus cuentas, limpiar tu ropa, y
escucharte hablar de lo cool que crees ser. As que antes de salvar el bosque de
manos de los parsitos nacidos en la generacin de tus padres, trata de limpiar por ti
mismo tu propio armario.

Regla # 8: En tu escuela quiz la gente ya no esta separada en ganadores y
perdedores, pero en la vida real an se mantiene esta distincin.

Regla # 9: La vida no esta dividida en semestres. No existen las vacaciones de
verano y pocos empleadores estn interesados en ayudarte a encontrarte a ti mismo.
Para eso utiliza tu propio tiempo extra laboral.

Regla # 10: La televisin no es como la vida real. En la vida real la gente de hecho no
vive en cafeteras conviviendo con sus amigos, tienen que ir a trabajar.

Regla # 11: Se amable con los nerds, probablemente termines trabajando para uno de
ellos.

40

ALGEBRA LINEAL


ACTIVIDAD 9. INVESTIGACION SOBRE EL TEOREMA DEL RESIDUO. TEOREMA
DEL FACTOR Y TEOREMA DEL ALGEBRA

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE

41


ACTIVIDAD No. 9
INVESTIGACION SOBRE EL TEOREMA DEL RESIDUO, TEOREMA
DEL FACTOR Y TEOREMA DEL ALGEBRA
TEOREMA DEL RESIDUO

Teorema que establece que si un polinomio de x, f(x), se divide entre (x - a), donde a
es cualquier nmero real o complejo, entonces el residuo es f(a).
Por ejemplo, si f(x) = x
2
+ x - 2 se divide entre (x-2), el residuo es f(2) = 2
2
+ (2) - 2 = 4.
Este resultado puede volverse obvio si cambiamos el polinomio a una de las
siguientes formas equivalentes:
f(x) = (x-2)(x+3) + 4
Como se muestra, la expresin anterior nos puede llevar fcilmente a esperar que 4
sea el residuo cuando f(x) se divide entre (x-2).
El teorema del residuo nos puede ayudar a encontrar los factores de un polinomio. En
este ejemplo, f(1) = 1
2
+ (1) - 2 = 0. Por lo tanto, significa que no existe residuo, es
decir, (x-1) es un factor. Esto puede mostrarse fcilmente una vez que reacomodamos
el polinomio original en una de las siguientes expresiones equivalentes:
f(x) = (x-1)(x+2)
Como se muestra, (x-1) es un factor.
TEOREMA DEL FACTOR
En lgebra, el teorema del factor sirve para encontrar los factores de un polinomio
(una expresin en la cual los trminos slo son sumados, sustrados o multiplicados,
e.g. x
2
+ 6x + 6). Es un caso especial del teorema del resto.
El teorema del factor establece que un polinomio f(x) tiene un factor (x k) si y slo si
k es una raz de f(x), es decir que f(k) = 0.
Ejemplo
Si se desea encontrar los factores de x
3
+ 7x
2
+ 8x + 2, para ello se podra tantear un
primer factor, (x a). Si el resultado de sustituir a en el polinomio es igual a 0, se sabe

42

que hay un factor. Es (x 1) un factor? Para saberlo, se sustituye x = 1 en el
polinomio:

Cmo esta operacin da 18 (y no 0), (x 1) no es un factor de x
3
+ 7x
2
+ 8x + 2. As
que ahora se prueba con (x + 1) (sustituyendo x = 1 en el polinomio):
.
Que da como resultado 0. Por tanto, x ( 1), que es equivalente a x + 1, es un
factor, y -1 es una raz de x
3
+ 7x
2
+ 8x + 2.
Las otras dos races se pueden encontrar dividiendo x
3
+ 7x
2
+ 8x + 2 entre (x + 1)
para obtener un polinomio de segundo grado, que se puede resolver de nuevo por el
teorema del factor, o directamente con la frmula para resolver ecuaciones de
segundo grado.

TEOREMA DEL ALGEBRA

El teorema fundamental del lgebra establece que un polinomio en una variable, no
constante y con coeficientes complejos, tiene tantas races
1
como indica su grado,
contando las races con sus multiplicidades. En otras palabras, dado un polinomio
complejo p de grado n > 0, la ecuacin p (z) = 0 tiene exactamente n soluciones
complejas, contando multiplicidades. De manera equivalente:
El cuerpo de los complejos es cerrado para las operaciones algebraicas.
Todo polinomio complejo de grado n se puede expresar como un producto de n
polinomios de la forma .
El teorema se establece comnmente de la siguiente manera: Todo polinomio en una
variable de grado n 1 con coeficientes reales o complejos tiene por lo menos una
raz (real o compleja).
2
Aunque sta en principio parece ser una declaracin ms
dbil, implica fcilmente la forma completa por la divisin polinmica sucesiva por
factores lineales.
El nombre del teorema es considerado ahora un error por muchos matemticos,
puesto que es ms un teorema del anlisis matemtico que del lgebra.

43

ALGEBRA LINEAL


ACTIVIDAD 10. INVESTIGACION DE MATEMATICOS QUE DESARROLLARON EL
ALGEBRA LINEAL

EQUIPO No. 6


M3 15-17 15-16 15-17

44

SEGUNDO SEMESTRE


ACTIVIDAD No. 10
INVESTIGACIN DE MATEMATICOS QUE DESARROLLARON EL
ALGEBRA LINEAL
HERON DE ALEJANDRIA

(En griego: ) (ca. 1070 d. C.) fue un ingeniero y matemtico
helenstico, que destac en Alejandra (en la provincia romana de Egipto); ejerci de
ingeniero en su ciudad natal, Alejandra. Este griego es considerado uno de los
cientficos e inventores ms grandes de la antigedad y su trabajo es representativo
de la tradicin cientfica helenista.
Su mayor logro fue la invencin de la primera mquina de vapor, conocida como
eolpila, y la Fuente de Hern. Es autor de numerosos tratados de mecnica, como La
neumtica donde estudia la hidrulica, y Los autmatas el primer libro de robtica de
la historia. En La dioptra describe el funcionamiento de este aparato, similar al actual
teodolito, usado en observaciones terrestres y astronmicas durante siglos. Tambin
en este libro describe el odmetro, utilizado para medir distancias recorridas por un
viandante (o un vehculo).
Describi, aunque de forma arcaica, la ley de accin-reaccin de Isaac Newton,
experimentando con vapor de agua. Generaliz el principio de la palanca de
Arqumedes. Adems, realiz una descripcin detallada del hdraulis de Ctesibio (un
rgano que funcionaba con agua).
En ptica, propuso en su Catptrico que la luz viaja siguiendo el camino
geomtricamente ms corto.

45

Hern escribi numerosos libros y tratados en diversas reas, como la mecnica en el
que encontramos sus tratados sobre neumtica y autmatas. Sobre la ptica tiene un
libro titulado Catptrico.

Trabajo como matemtico
Sin embargo, es conocido sobre todo como matemtico, tanto en el campo de la
geometra como en el de la geodesia (una rama de las matemticas que se encarga
de la determinacin del tamao y configuracin de la Tierra, y de la ubicacin de
reas concretas de la misma). Hern trat los problemas de las mediciones terrestres
con mucho ms acierto que cualquier otro de su poca.
Como matemtico, escribi La Mtrica, obra donde estudia las reas y volmenes de
diversas superficies y cuerpos. Desarroll tambin tcnicas de clculo, tomadas de
los babilonios y egipcios, como el clculo de races cuadradas mediante iteraciones.
Frmula de Hern
Su logro ms destacado en el campo de la geometra es la denominada frmula de
Hern, donde establece la relacin entre el rea de un tringulo y la longitud de sus
lados:
En un tringulo de lados a, b, c, y semipermetro s=(a+b+c)/2, su rea es igual
a la raz cuadrada de s(s-a)(s-b)(s-c).

DIOFANTO

(griego antiguo: , Diphantos ho Alexandres), nacido
alrededor del 200/214 y fallecido alrededor de 284/298, fue un antiguo matemtico
griego. Es considerado "el padre del lgebra".
Resolvi problemas con ecuaciones algebraicas e invent un formulismo particular.
Su principal obra es la "Arithmetica", dedicada casi exclusivamente a la resolucin

46

exacta de ecuaciones determinadas e indeterminadas, de forma que la rama del
anlisis que se dedica a esta tarea, se conoce hoy en da como anlisis diofntico.
La obra ms conocida de Diofanto es Aritmtica, una coleccin de 130 problemas,
distribuidos en 13 libros, de los que slo se conservan 6. La mayora de los problemas
son de ecuaciones lineales y cuadrticas, pero siempre con solucin positiva y
racional, pues en aquella poca no tenan sentido los nmeros negativos y mucho
menos los irracionales.
Diofanto consider tres tipos de ecuaciones de segundo grado:
ax
2
+ bx = c
ax
2
= bx + c
ax
2
+ c = bx
El motivo de no considerar estas ecuaciones como una sola es que en aquella poca
no exista el cero ni los nmeros negativos.
Aritmtica tambin trata sobre teora de nmeros. Parece ser que Diofanto saba que
ningn nmero de la forma 4n + 3 o 4n - 1 puede obtenerse como la suma de dos
cuadrados, ni ningn nmero de la forma 24n + 7 puede obtenerse como la suma de
tres cuadrados.
Diofanto introdujo smbolos para representar las cantidades desconocidas y una
abreviatura para la palabra igual. Esto fue un paso muy importante hacia el lgebra
simblica actual.
Aritmetica ha sido un libro muy influyente en el desarrollo de la matemtica. La
traduccin ms famosa es la de Bachet en 1621, que es la edicin en que Fermat hizo
su clebre anotacin.Su obra se caracteriza por su estilo analtico propio, nico en
toda la literatura matemtica antigua. Los escritos de Diofanto contribuyeron de
manera esencial para el perfeccionamiento de la notacin algebraica, a la vez que
abrieron nuevas perspectivas para el desarrollo del lgebra de la poca. La obra de
Diofanto sirvi de base a tres importantes corrientes de la matemtica posterior: la
geometra analtica, el lgebra moderna y la teora de nmeros.
Se puede considerar a Diofanto como el fundador del lgebra.

47

Diofanto escribi otros libros, como Porismas, que se ha perdido y otro Sobre
nmeros poligonales que ha llegado hasta nuestros das. Otro trabajo titulado
Preliminares a los elementos de geometra, que se atribua a Heron, se cree que
pertenece a Diofanto.

AL-JWARIZMI

Debemos a su nombre y al de su obra principal, Hisab al yabr ua al muqabala, (
) nuestras palabras lgebra, guarismo y algoritmo. De hecho, es
considerado como el padre del lgebra y como el introductor de nuestro sistema de
numeracin.
OBRAS
lgebra
En su tratado de lgebra Al-Kitab al-mukhtaar fi hsb al-Gabr wa'l-muqbala (El
Libro Recopilatorio sobre el Clculo por Complecin y Equilibrio), obra eminentemente
didctica, se pretende ensear un lgebra aplicada a la resolucin de problemas de la
vida cotidiana del imperio islmico de entonces. La traduccin de Rosen de las
palabras de Al-Jwarizmi describiendo los fines de su libro, dan cuenta de lo que el
sabio pretenda ensear:
Aquello que es fcil y ms til en aritmtica, tal que los hombres lo requieren
constantemente en casos de herencia, legados, particiones, juicios, y comercio, y en
todos sus tratos con los dems, o cuando se trata de la mensura de tierras, la
excavacin de canales, clculos geomtricos, y otros objetos de varias clases y tipos."

48

Traducido al latn por Gerardo de Cremona, se utiliz en las universidades europeas
como libro de texto hasta el siglo XVI. Es posible que antes de l se hubiesen resuelto
ecuaciones concretas, pero ste es el primer tratado conocido en el que se hace un
estudio exhaustivo.
Luego de presentar los nmeros naturales, al-Jwarizmi aborda la cuestin principal en
la primera parte del libro: la solucin de ecuaciones. Sus ecuaciones son lineales o
cuadrticas y estn compuestas de unidades, races y cuadrados; para l, por
ejemplo, una unidad era un nmero, una raz era x y un cuadrado x
2
. Aunque en los
ejemplos que siguen usaremos la notacin algebraica corriente en nuestros das para
ayudar al lector a entender las nociones, es de destacar que al-Juarizmi no empleaba
smbolos de ninguna clase, sino slo palabras.
Primero reduce una ecuacin a alguna de las seis formas siguientes:
1. Cuadrados iguales a races.
2. Cuadrados iguales a nmeros.
3. Races iguales a nmeros.
4. Cuadrados y races iguales a nmeros, por ejemplo x
2
+ 10x = 39
5. Cuadrados y nmeros iguales a races, por ejemplo x
2
+ 21 = 10x
6. Races y nmeros iguales a cuadrados, por ejemplo 3x + 4 = x
2

La reduccin se lleva a cabo utilizando las operaciones de al-jabr ("complecin", el
proceso de eliminar trminos negativos de la ecuacin) y al-muqabala ("balanceo", el
proceso de reducir los trminos positivos de la misma potencia cuando aparecen a
ambos lados de la ecuacin). Luego, al-Jwarizmi muestra como resolver los seis tipos
de ecuaciones, usando mtodos de solucin algebraicos y geomtricos. Por ejemplo,
para resolver la ecuacin x
2
+ 10x = 39, escribe:
"Un cuadrado y diez races son iguales a 39 unidades. Entonces, la pregunta en este
tipo de ecuacin es aproximadamente as: cul es el cuadrado que, combinado con
diez de sus races, dar una suma total de 39. La manera de resolver este tipo de
ecuacin es tomar la mitad de las races mencionadas. Ahora, las races en el
problema que tenemos ante nosotros son diez. Por lo tanto, tomamos 5 que
multiplicadas por s mismas dan 25, una cantidad que agregars a 39 dando 64.
Habiendo extrado la raz cuadrada de esto, que es 8, sustraemos de all la mitad de
las races, 5, resultando 3. Por lo tanto el nmero tres representa una raz de este
cuadrado."

49

Sigue la prueba geomtrica por complecin del cuadrado, que no expondremos aqu.
Sealaremos sin embargo que las pruebas geomtricas que usa al-Jwarizmi son
objeto de controversia entre los expertos. La cuestin, que permanece sin respuesta,
es si estaba familiarizado con el trabajo de Euclides. Debe recordarse, en la juventud
de al-Jwarizmi y durante el reinado de Harun al-Rashid, al-Hajjaj haba traducido los
Elementos de Euclides al rabe, y era uno de los compaeros de al-Jwarizmi en la
Casa de la Sabidura. Hay historiadores que opinan que el tratamiento de al-Jwarizmi
fue probablemente inspirado en el reciente conocimiento de los Elementos. Otros, sin
embargo, sostienen que los Elementos le eran completamente desconocidos.
Contina el Hisab al-jabr w'al-muqabala examinando cmo las leyes de la aritmtica
se extienden a sus objetos algebraicos. Por ejemplo, muestra cmo multiplicar
expresiones como (a + bx)(c + dx). La parte siguiente consiste en aplicaciones y
ejemplos. Describe reglas para hallar el rea de figuras geomtricas como el crculo, y
el volumen de slidos como la esfera, el cono y la pirmide. Esta seccin,
ciertamente, tiene mucha mayor afinidad con los textos hebreos e indios que con
cualquier obra griega. La parte final del libro se ocupa de las complejas reglas
islmicas de herencia, pero requiere poco del lgebra que expuso anteriormente, ms
all de la resolucin de ecuaciones lineales.

Aritmtica
De su aritmtica, posiblemente denominada originalmente Kitab al Yamaa ua al Tafriq
bi Hisab al Hindi, ( ), "libro de la suma y de la resta,
segn el clculo indio", slo conservamos una versin latina del siglo XII, Algoritmi de
numero Indorum. Desafortunadamente, se sabe que la obra, traducida al ingls, se
aparta bastante del texto original. En esta obra se describe con detalle el sistema
indio de numeracin posicional en base 10 y mtodos para hacer clculos con l. Se
sabe que haba un mtodo para encontrar races cuadradas en la versin rabe, pero
no aparece en la versin latina. Posiblemente fue el primero en utilizar el cero como
indicador posicional. Fue esencial para la introduccin de este sistema de numeracin
en el mundo rabe y posteriormente en Europa.

Astronoma
De su tratado sobre astronoma, Sindhind zij, tambin se han perdido las dos
versiones que escribi en rabe. Esta obra se basa en trabajos astronmicos indios a
diferencia de manuales islmicos de astronoma posteriores, que utilizaron los
modelos planetarios griegos del `Almagesto' de Ptolomeo. El texto indio en que se
basa el tratado es uno de los obsequiados a la corte de Bagdad alrededor de 770 por
una misin diplomtica de la India. En el siglo X, Maslama al-Majriti realiz una

50

revisin crtica de la versin ms corta, que fue traducida al latn por Adelardo de
Bath; existe tambin una traduccin latina de la versin ms larga, y ambas
traducciones han llegado hasta nuestro tiempo. Los temas principales cubiertos en la
obra son los calendarios; el clculo de las posiciones verdaderas del Sol, la Luna y los
planetas; tablas de senos y tangentes; astronoma esfrica; tablas astrolgicas;
clculos de paralajes y eclipses; y visibilidad de la Luna.
Geografa
En Geografa, con una obra denominada Kitab Surat-al-Ard, revis y corrigi a
Ptolomeo en lo referente a frica y al Oriente. Lista latitudes y longitudes de 2402
sitios, y emplaza ciudades, montaas, mares, islas, regiones geogrficas y ros, como
base para un mapa del mundo entonces conocido. Incluye mapas que, en conjunto,
son ms precisos que los de Ptolomeo. Esta claro que donde hubo mayor
conocimiento local disponible para al-Jwarizmi, como las regiones del Islam, frica y
el Lejano Oriente, el trabajo es mucho ms exacto que el de Ptolomeo, pero parece
haber usado los datos de ste para Europa. Se dice que en estos mapas trabajaron a
sus rdenes setenta gegrafos.

Otras obras
Su obra conocida se completa con una serie de obras menores sobre temas como el
astrolabio, sobre el que escribi dos textos, sobre relojes solares y sobre el calendario
judo. Tambin escribi una historia poltica conteniendo horscopos de personajes
prominentes.

OMAR JAYYAM

(c. 18 de mayo de 1048 - c. 4 de diciembre de 1131). Matemtico, astrnomo y poeta
persa, nacido en Nishapur.

51

Realiz relevantes investigaciones en astronoma, que abarcaron la compilacin de
tablas astronmicas y particularmente, la correccin del antiguo calendario
Zaratustrano, que los persas haban conservado debido a su exactitud, a pesar de
que la cultura islmica impona a todas las naciones conquistadas su calendario lunar.
Las investigaciones realizadas, le permitieron calcular el error del calendario persa
que tena un ao de 365 das exactos. Para el nuevo calendario, que se llam Yalal,
(por orden de Malek Shah, que tambin se llamaba Yalaledn) Jayam calcul la
duracin del ao con una exactitud pasmosa. Su error es de un da en 3770 aos,
menor an que el del calendario gregoriano (de un da en 3330 aos), que se
comenzara a emplear en Europa a partir del 15 de octubre de 1582. Fue formalmente
inaugurado el 15 de marzo de 1079, y es el calendario empleado todava hoy por los
Persas. Jayam no pudo terminar las tablas astronmicas a causa de las muertes de
Nezam-el-Molk, y en el mismo ao, 1092 DC, la del sultn Malek Shah.
Hizo su peregrinacin a La Meca, segn la costumbre musulmana en el 1092 DC. A
su regreso a Neishabur, permaneci vinculado a la corte donde se desempe como
historiador y juez, y dio clases de disciplinas como matemticas, astronoma, historia,
medicina y filosofa. Lamentablemente, su obra cientfica slo nos lleg en parte. Son
extraordinarias: la Disertacin sobre una posible demostracin del postulado paralelo,
de la geometra de Euclides, la Tesis sobre demostraciones de lgebra y comparacin
escrita en rabe (traducida por Woepecke en 1851), y el Tratado sobre la exactitud
del sistema indio para calcular races de ecuaciones referido a ecuaciones de
segundo y tercer grado, Los problemas en aritmtica y clculo, la Descripcin de las
tablas astronmicas de Malek Shah, el ensayo Luz de la Razn sobre la ciencia en
general, y la Disertacin sobre ciencias naturales. Existen unos ocho trabajos ms,
sobre fsica, economa, historia, filosofa, metafsica y tradiciones.
En su Tesis sobre demostraciones de lgebra y comparacin desarrolla el primer
procedimiento de solucin de las ecuaciones cuadrticas y cbicas a partir de las
secciones cnicas, que permite encontrarles una raz positiva, y asimismo logra
demostrar que tienen al menos una segunda raz. Su afirmacin de que no se puede
hallar las races de las ecuaciones de tercer grado mediante regla y comps, no pudo
ser demostrada hasta 750 aos despus, y la teora de las ecuaciones de tercer
grado, se desarroll recin en el siglo XVII, con Descartes.
Fue el primero que describi el desarrollo de la potencia de un binomio con exponente
natural, y estableci, por primera vez en la historia de las matemticas, la idea de que
las fracciones podran constituir un campo numrico con propiedades ms amplias
que el campo de los nmeros naturales, nico conocido entonces, y que databa
desde los griegos. Estos conceptos tericos se contaron entre las matemticas de
punta durante todo el renacimiento europeo. La crnica de Nezam-el-Molk, destaca a
Jayam como insuperable astrnomo. Pero sus aportes a las matemticas, que

52

entonces no se comprendieron en toda su trascendencia, aventajan notoriamente sus
importantes logros en astronoma.
A pasar de las dificultades de la poca en la que viva, escribi numerosos trabajos,
entre los que se incluye "Problemas de Aritmtica", que es un libro de msica y otro
de lgebra y todo esto antes de cumplir sus 25 aos.
En 1070 escribi su famoso trabajo de lgebra, Tratado sobre demostraciones de
problemas de lgebra, el cual contiene una completa clasificacin de ecuaciones
cbicas resueltas geomtricamente, mediante la interseccin de secciones cnicas. Y
es que intent clasificar ecuaciones cuadrticas con xito, aunque no pudo encontrar
la solucin para todas las ecuaciones cbicas, a pesar de estar seguro de que era
posible hacerlo, ya que en algunos casos hall soluciones geomtricas.
Malek Shah, nieto del fundador de la dinasta selycida, llam a Omar Jayam para
que se trasladase a Isfahn para instalar un observatorio. Omar dirigi este
conservatorio durante 18 aos, convirtindose en un centro de investigacin
excepcional. En este lugar se elaboraron tablas astronmicas y se contribuy a la
reforma del calendario, ya que las investigaciones llevadas a cabo le permitieron
calcular el error del calendario persa, el cual tena 365 das exactos y debemos de
tener en cuenta que a finales del S.XIX eran 365,242196 das y en la actualidad la
duracin que se da del ao es de 365,242190. Este calendario hoy da es el
empleado por los persas. En 1092 se produce la muerte de Malek Shah y se
abandona la financiacin del observatorio, por lo que la reforma del calendario es
abandonada y las tablas astronmicas no pueden ser llevadas a cabo, es decir,
acabadas por Omar y es que l mismo sufri los ataques de los ortodoxos
musulmanes al interrumpirse el perodo de paz tras la muerte de Malek Shah.
Investig las ecuaciones y a l se debe el que la incgnita de las mismas se llame x:
Jayam la llamaba shay ("cosa" o "algo", en rabe). El trmino pas a xay en
castellano, y de ah qued slo la inicial x.
LEONARDO FIBONACCI

(c. 1170 - 1250), tambin llamado Fibonacci, fue un matemtico italiano, famoso por
haber difundido en Europa el sistema de numeracin indo-arbigo actualmente

53

utilizado, el que emplea notacin posicional (de base 10, o decimal) y un dgito de
valor nulo: el cero; y por idear la sucesin de Fibonacci.
- Liber Abaci (Libro del baco). Escrito en 1202, revisado y considerablemente
aumentado en 1228, se divide en quince captulos. Un captulo importante est
dedicado a las fracciones graduales, de las que expone las propiedades. En
ellas basa una teora de los nmeros fraccionarios y, despus de haberlas
introducido en los clculos de nmeros abstractos, las vuelve un instrumento
prctico para la obtencin de nmeros concretos. Todas las fracciones se
presentan a la manera egipcia, es decir, como suma de fracciones con
numeradores unitarios y denominadores no repetidos. La nica excepcin es la
fraccin ,

que no se descompone. Incluye una tabla para descomposicin en
fracciones unitarias que se lee derecha a izquierda, como en las lenguas
semticas.
- Practica Geometriae. (Geometra prctica) Est dividido en siete captulos en
los que aborda problemas de geometra dimensional referente a figuras planas
y slidas. Es la obra ms avanzada en su tipo que se encuentra en esa poca
en Occidente.
- Flos super solutionibus quarumdam questionum ad numerum et ad
geometricam pertinentium. (Ramillete de soluciones de ciertas cuestiones
relativas al nmero y a la geometra) Comprende quince problemas de anlisis
determinado e indeterminado de primer grado. Dos de esos problemas haban
sido propuestos como desafo a Leonardo por Juan de Palermo, matemtico de
la corte del emperador Federico II.
- Carta a Teodoro. Es una simple carta que Leonardo enva a Teodoro,
astrlogo de la corte de Federico II. En ella se resuelven dos problemas. El
primero es algebraico y consiste en encontrar objetos de diferentes
proporciones. Estos objetos llevan los nombres de pjaros de diversas
especies. Paul Ver Eecke, quien tradujo el Liber Quadratorum al francs desde
el original latino de la edicin de 1228, opina que pudo haber sido una cortesa
hacia Federico II, que era aficionado a la caza con halcn, previendo que su
carta sera llevada al prncipe. El segundo problema es geomtrico-algebraico.
Trata de inscribir en un tringulo issceles un pentgono equiltero que tenga
un lado sobre la base del tringulo y los otros dos sobre los restantes de ste.
Lo reduce a una ecuacin de segundo grado, dando un valor muy aproximado
para el lado del pentgono en el sistema sexagesimal .
- Liber Quadratorum. (El Libro de los Nmeros Cuadrados) Consta de veinte
proposiciones. Estas no consisten en una recopilacin sistemtica de las
propiedades de los nmeros cuadrados, sino una seleccin de las propiedades
que llevan a resolver un problema de anlisis indeterminado de segundo grado
que le fuera propuesto por Teodoro, un matemtico de la corte de Federico II.

54

CARL FRIEDERCH GAUSS

(30 de abril de 1777, Brunswick 23 de febrero de 1855, Gttingen), fue un
matemtico, astrnomo y fsico alemn que contribuy significativamente en muchos
campos, incluida la teora de nmeros, el anlisis matemtico, la geometra
diferencial, la geodesia, el magnetismo y la ptica. Considerado "el prncipe de las
matemticas" y "el matemtico ms grande desde la antigedad", Gauss ha tenido
una influencia notable en muchos campos de la matemtica y de la ciencia, y es
considerado uno de los matemticos que ms influencia ha tenido en la Historia. Fue
de los primeros en extender el concepto de divisibilidad a otros conjuntos.

OBRAS
- 1799: Disertacin sobre el teorema fundamental del lgebra, con el ttulo:
Demonstratio nova theorematis omnem functionem algebraicam rationalem
integram unius variabilis in factores reales primi vel secundi gradus resolvi
posse ("Nuevas pruebas del teorema donde cada funcin integral algebraica de
una variable puede resolverse en factores reales [i.e. polinomiales] de primer o
segundo grado")
- 1801: Disquisitiones Arithmeticae
- 1809: Theoria Motus Corporum Coelestium in sectionibus conicis solem
ambientium (Theorie der Bewegung der Himmelskrper, die die Sonne in
Kegelschnitten umkreisen), trad. al ingls C. H. Davis, reempreso 1963,
Dover, NY
- 1821, 1823 & 1826: Theoria combinationis observationum erroribus minimis
obnoxiae. Drei Abhandlungen betreffend die Wahrscheinlichkeitsrechnung als
Grundlage des Gau'schen Fehlerfortpflanzungsgesetzes. trad. al ingls G.
W. Stewart, 1987, Society for Industrial Mathematics.
- 1827: Disquisitiones generales circa superficies curvas, Commentationes
Societatis Regiae Scientiarum Gottingesis Recentiores. Volume VI, pp. 99-146.
"General Investigations of Curved Surfaces" (published 1965) Raven Press,
New York, trad. A.M.Hiltebeitel & J.C.Morehead.
- 1843/44: Untersuchungen ber Gegenstnde der Hheren Geodsie. Erste
Abhandlung, Abhandlungen der Kniglichen Gesellschaft der Wissenschaften
in Gttingen. Zweiter Band, pp. 3-46
- 1846/47: Untersuchungen ber Gegenstnde der Hheren Geodsie. Zweite
Abhandlung, Abhandlungen der Kniglichen Gesellschaft der Wissenschaften
in Gttingen. Dritter Band, pp. 3-44

55

- Mathematisches Tagebuch 17961814, Ostwaldts Klassiker, Harri Deutsch
Verlag 2005, mit Anmerkungen von Neumamn, ISBN 978-3-8171-3402-1 (es
gibt auch engl. bers. mit Anmerkungen von Jeremy Gray, Expositiones Math.
1984)
- Obras colectivas de Gauss online, traducciones al alemn del texto en latn y
comentarios de varias autoridades.

HERMANN GRASSMANN

(Stettin, 15 de abril de 1809 - 26 de septiembre de 1877) fue un lingista y matemtico
alemn. Tambin fue fsico, humanista, erudito y editor.
En la primavera de 1832 obtuvo una plaza de profesor ayudante en el Instituto de
Stettin.
Fue sobre esta poca cuando realiz sus dos primeros descubrimientos matemticos
significativos, que estaban destinados a llevarlo a las importantes ideas que
desarrollara aos despus. En la premisa de su Die Lineale Ausdehnungslehre, ein
neuer Zweig der Mathematik (Teora de la extensin lineal, una nueva rama de las
matemticas 1844), Grassmann describe cmo haba ido llegando a estas ideas ya
alrededor del ao 1832.
Entre los muchos temas que abord Grassmann est su ensayo sobre la teora de las
mareas. Lo elabor en 1840, tomando como base la teora de la Mchanique
analytique de Lagrange y de la Mchanique cleste de Laplace, pero exponiendo esta
teora por mtodos vectoriales, sobre los que trabajaba desde 1832. Este ensayo,
publicado por primera en los Collected Works de 1894-1911, contiene el primer
testimonio escrito de lo que hoy se conoce como lgebra lineal y la nocin de espacio

56

vectorial. Grassmann desarroll estos mtodos en Die Lineale Ausdehnungslehre, ein
neuer Zweig der Mathematik y Die Ausdehnungslehre: Vollstndig und in strenger
Form bearbeitet.
En 1844, Grassmann publica su obra maestra, Die Lineale Ausdehnungslehre, ein
neuer Zweig der Mathematik, ms conocido como Ausdehnungslehre, que se puede
traducir como "teora de la extensin" o "teora de las magnitudes extensivas".
Despus de proponer en Ausdehnungslehre nuevas bases para todas las
matemticas, el trabajo empieza con definiciones de naturaleza ms bien filosfica.
Grassmann demostr adems que si la geometra se hubiese expresado en forma
algebraica como l propona, el nmero tres no hubiese desempeado el papel
privilegiado que tiene como nmero que expresa la dimensiones espaciales; de
hecho, el nmero de posibles dimensiones de inters para la geometra es ilimitado.
Desarrollando una idea de su padre, Grassmann defini tambin en
Ausdehnungslehre el producto exterior, llamado tambin "producto combinatorio" (en
alemn: ueres Produkt o kombinatorisches Produkt), la operacin clave en el
lgebra que hoy se conoce como lgebra externa. (Conviene no olvidar que en los
tiempos de Grassmann la nica teora axiomtica disponible era la Geometra
euclidiana, y que la nocin general de lgebra abstracta an no haba sido definida.)
En 1878, William Kingdon Clifford uni el lgebra externa con los cuaterniones de
William Rowan Hamilton, sustituyendo la regla de Grassmann e
p
e
p
= 0 por e
p
e
p
= 1.
Para mayor detalle vase lgebra externa.
El Ausdehnungslehre fue un texto revolucionario, muy avanzado en su poca como
para poder ser apreciado. Grassmann lo expuso como tesis doctoral, pero Mbius no
se consider capaz de valoralrlo y se lo remiti a Ernst Kummer, que lo rechaz sin
haber llevado a cabo una lectura atenta. En los 10 aos siguientes, Grassmann
escribi una serie de trabajos aplicando su teora de la extensin, incluyendo una
Neue Theorie der Elektrodynamik de 1845, y diversos trabajos sobre curvas y
superficies alegbraicas, con la esperanza de que estas aplicaciones movieran a los
dems a tomar ms en serio su teora.
En 1846, Mbius invit a Grassmann a una competicin para resolver un problema
originalmente planteado por Leibniz: idear un clculo geomtrico privado de
coordenadas y propiedades mtricas. Geometrische Analyse geknpft an die von
Leibniz erfundene geometrische Charakteristik de Grassmann, fue la idea ganadora.
Hay que decir sin embargo que el resultado de Grassmann fue el nico presentado.
De cualquier manera, Mbius, que era uno de los miembros del jurado, critic el modo
en que Grassmann introdujo la nocin abstracta sin proporcionar al lector intuicin
alguna sobre la validez de estas nociones.
En 1853, Grassmann public una teora sobre el modo en que se mezclan los colores;
sta y sus tres leyes de los colores siguen ensendose hoy en da. El trabajo de
Grassmann entraba en contradiccin con el de Helmholtz. Grassmann escribi
tambin sobre cristalografa, electromagnetismo, y mecnica.

57

En 1861 Grassmann expuso la primera formulacin axiomtica de la aritmtica,
usando ampliamente el principio de induccin. Giuseppe Peano y sus seguidores
citaron ampliamente este trabajo a partir de 1890.
En 1862, Grassman, tratando de conseguir el reconocimiento de su teora de la
extensin, public la segunda edicin de la 'Ausdehnungslehre', ampliamente
reescrita, y con la exposicin definitiva de su lgebra lineal. El resultado, Die
Ausdehnungslehre: Vollstndig und in strenger Form bearbeitet, que se conoce como
"Enseanza de la dilatacin" no fue mejor considerada que la edicin original, a pesar
de que el mtodo de exposicin de esta segunda versin de 'Ausdehnungslehre' se
anticipara a lo que han sido los libros de texto en el Siglo XX. En esta obra desarrolla
un clculo operatorio directo para las diversas magnitudes geomtricas, que se
conoce como nmeros de Grassmann.
El nico matemtico que valor en su justa medida las ideas Grassmann en vida de
ste fue Hermann Hankel. EN su obra Theorie der complexen Zahlensysteme(1867)
ayud a que se conocieran mejor las ideas de Grassmann. Este trabajo:
"... desarroll una parte del lgebra de Hermann Grassmann y de los cuaterniones de
Hamilton. Hankel fue el primero que reconoci la importancia de los textos de
Grassmann, que haban sido menospreciados durante mucho tiempo... " (introduccin
de Hankel en el Dictionary of Scientific Biography. New York: 1970-1990)
Se tard en adoptar los mtodos matemticos de Grassmann pero influyeron
directamente en Felix Klein y lie Cartan. La primera monografa de A. N. Whitehead,
Universal Algebra de 1898, inclua la primera exposicin sistemtica en ingls de la
teora de la extensi y del lgebra exterior. La teora de la extensin se aplic al
estudio de las formas diferenciales y en las aplicaciones de dichas formas al anlisis y
a la geometra. La geometra diferencial usa el lgebra exterior. Para una introduccin
sobre la importancia del trabajo de Grassmann en la fsica matemtica.
VARISTE GALOIS

(25 de octubre de 1811 - 31 de mayo de 1832) Era un joven matemtico francs
nacido en Bourg-la-Reine. Mientras an era un adolescente, fue capaz de determinar
la condicin necesaria y suficiente para que un polinomio sea resuelto por radicales,

58

dando una solucin a un problema que haba permanecido sin resolver. Su trabajo
ofreci las bases fundamentales para la teora que lleva su nombre, una rama
principal del lgebra abstracta. Fue el primero en utilizar el trmino "grupo" en un
contexto matemtico. La teora constituye una de la bases matemticas de la
modulacin CDMA utilizada en comunicaciones y, especialmente, en los Sistemas de
navegacin por satlite, como GPS, GLONASS, etc.

SYLVESTER, JAMES JOSEPH

(3 de septiembre de 1814, Londres 15 de marzo de 1897, Oxford) fue un
matemtico britnico. Profesor en las universidades de Londres, Baltimore y Oxford
hizo importantes contribuciones en el campo de las matrices (acu el trmino matriz
), teora de las invariantes algebraicas (en colaboracin con su colega A. Cayley),
determinantes, teora de nmeros, particiones y combinatoria. Utilizando
determinantes descubri el mtodo dialtico para eliminar una incgnita entre dos
ecuaciones polinomiales) y cre un importante vocabulario matemtico. Fue adems
fundador del American Journal of Mathematics.
En 1877, acept la presidencia de la seccin de matemticas en la Universidad Johns
Hopkins y, en 1 878, fund el American Journal of Mathematics, la primer revista
matemtica de Estados Unidos. En 1883, asumi la presidencia del departamento de

59

geometra en Oxford, pero, pocos aos despus, comenz a perder la memoria y
regres a Londres.
GEORGE BOOLE

(2 de noviembre de 1815 - 8 de diciembre de 1864) fue un matemtico y filsofo
britnico.
Como inventor del lgebra de Boole, que marca los fundamentos de la aritmtica
computacional moderna, Boole es considerado como uno de los fundadores del
campo de las Ciencias de la Computacin. En 1854 public "An Investigation of the
Laws of Thought" en el que desarrollaba un sistema de reglas que le permitan
expresar, manipular y simplificar problemas lgicos y filosficos cuyos argumentos
admiten dos estados (verdadero o falso) por procedimientos matemticos. Se podra
decir que es el padre de las operaciones lgicas y gracias a su lgebra hoy en da es
posible manipular operaciones lgicas.

ARTHUR CAYLEY

(Richmond, Reino Unido, 16 de agosto de 1821 - Cambridge, 26 de enero de 1895)
fue un matemtico britnico. Es uno de los fundadores de la escuela britnica
moderna de matemticas puras.
Adems de su predileccin por las matemticas, tambin era un vido lector de
novelas, le gustaba pintar, apasionado de la botnica y de la naturaleza en general, y
aficionado al alpinismo.
Fue educado en el Trinity College de Cambridge. Estudio durante algn tiempo la
carrera de leyes con lo que trabaj de abogado durante 14 aos, a la vez que
publicaba un gran nmero de artculos. Luego pas a ser profesor en Cambridge. Fue
el primero que introdujo la multiplicacin de las matrices. Es el autor del teorema de

60

Cayley-Hamilton que dice que cualquier matriz cuadrada es solucin de su polinomio
caracterstico. Dio la primera definicin moderna de la nocin de grupo.
Recibi la Royal Medal en 1859 y la Medalla Copley en 1882.
En combinatoria, su nombre est unido a la frmula n
n 2
que enumera los rboles
decorados con n picos.
Se llama a veces octavas de Cayley o nmeros de Cayley a los octoniones.
Es el tercer matemtico ms prolifico de la historia, sobrepasado tan solo por Euler y
Cauchy, con aportaciones a amplias reas de la matemtica. Cayley es autor de una
coleccin de artculos suyos llamado "Collecterd Mathematica Papers of Cayley", que
contiene 966 artculos en trece grandes volmenes.

CHARLES HERMITE

(24 de diciembre de 1822 - 14 de enero de 1901) fue un matemtico francs que
investig en el campo de la teora de nmeros, sobre las formas cuadrticas,
polinomios ortogonales y funciones elpticas, y en el lgebra. Varias entidades
matemticas se llaman hermitianas en su honor. Tambin es conocido por la
interpolacin polinmica de Hermite.
Fue el primero que demostr que e es un nmero trascendente y no la raz de una
ecuacin algebraica o polinmica con coeficientes racionales. Ferdinand von
Lindemann sigui su mtodo para probar la trascendencia de (1882).
Publicaciones
- "Sur quelques applications des fonctions elliptiques.", Paris, 1854

61

- "Cours profess la Facult des Sciences", ed. Andoyer, 4 ed. Paris, 1891
- "Correspondance", ed. Baillaud & Bourget, Paris, 1905, 2 vols.
- "Oeuvres de Charles Hermite" ed. Picard para la Academia de Ciencias, 2
vols., Paris, 1905 & 1908.

ALGEBRA LINEAL


ACTIVIDAD 11. EXAMEN: PROGRAMA DE NUMEROS COMPLEJOS

EQUIPO No. 6


62

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



ACTIVIDAD No. 11
EXAMEN. PROYECTO QUE SE LLAME PROGRAMA DE NUMEROS COMPLEJOS
import javax.swing.JOptionPane;
public class AlgebraL
{
int s, r, m,d, re,s1, r1,m1, n1, n2, n3, n4;
private void proceso(int me)
{
if(me==1)
{
n1=Integer.parseInt(JOptionPane.showInputDialog(null,"Dame un
NumeroReal","SUMA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
n2=Integer.parseInt(JOptionPane.showInputDialog(null,"Dame un Numero Imaginario
i","SUMA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
n3=Integer.parseInt(JOptionPane.showInputDialog(null,"Dame un Numero
Real","SUMA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
i","SUMA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
s=n1+n3;

63

s1=n2+n4;
JOptionPane.showMessageDialog(null,"El resultado de la suma es
"+s+"+"+s1+"i","ALGEBRA LINEAL",JOptionPane.ERROR_MESSAGE);
}
if(me==2)
{
Real","RESTA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
i","RESTA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
Real","RESTA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
i","RESTA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
r=n1-n3;
r1=n2-n4;
JOptionPane.showMessageDialog(null,"El resultado de la resta es "+r+"-
"+r1+"i","ALGEBRA LINEAL",JOptionPane.ERROR_MESSAGE);
}
if(me==3)
{
Real","MULTIPLICACION DE #
COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
i","MULTIPLICACION DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
m=n1*n2;
JOptionPane.showMessageDialog(null,"El resultado de la multiplicacion es
"+m+"i","ALGEBRA LINEAL",JOptionPane.ERROR_MESSAGE);

64

}
if(me==4)
{
Real","DIVISION DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
Imaginario","RESTA DE # COMPLEJOS",JOptionPane.QUESTION_MESSAGE));
d=n1/n2;
JOptionPane.showMessageDialog(null,"El resultado de la division es
"+d+"i","ALGEBRA LINEAL",JOptionPane.ERROR_MESSAGE);
}
if(me==5)
{
System.exit(0);
}
}
public static void main(String args[])
{
AlgebraL obj=new AlgebraL();
int z=0,v;
String a="";
a+="INSTITUTO TECNOLOGICO DE TAPACHULA\n\n Prof. M.C. Jose Luis Ruiz
Maldonado\n";
a+=" ALGEBRA LINEAL\n\n";
a+=" Guillermo Morales Maldonado\n Switmy Mayumi Alvarez Ruiz\n";
a+=" Hipolito Magdaleno Dominguez\nChristian Gonzalo Jimenez Ancheyta\n\n";
a+="PROGRAMA DE NUMEROS COMPLEJOS\n\n";

65

a+=" Ing. SISTEMAS COMPUTACIONALES\n Segundo Semestre\n\n";
a+="Tapachula Chiapas, a 13 de Septiembre del 2011.-";
JOptionPane.showMessageDialog(null,a);
JOptionPane.showMessageDialog(null,"B I E N V E N I D O AL P R O G R A M
A","Instituto Tecnologico de Tapachula",JOptionPane.ERROR_MESSAGE);
for(z=0;z<=10;z++)
{
v=Integer.parseInt(JOptionPane.showInputDialog(null,"M E N U \n 1.- Suma \n
2.- Resta \n 3.- Multiplicacion \n 4.- Division \n 5.- Salir","NUMEROS
COMPLEJOS",JOptionPane.ERROR_MESSAGE));
obj.proceso(v);
}
}
}

66

ALGEBRA LINEAL


UNIDAD II. MATRICES Y DETERMINANTES

EQUIPO No. 6


67

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


INDICE

MATRICES Y DETERMINANTES 66
Actividad No. 12 Definicion de matriz, notacion y orden _____________________ 68-71
Actividad No. 13 Operaciones con matrices ______________________________________________ 72-81
ctividad No. 14 Clasificacin de las matrices ____________________________________________ 82-85
Actividad No. 15 Transformaciones elementales por renglon _________________________________ 86
Escalonamiento de una matriz __________________________________________ 86-88
Rango de una matriz __________________________________________________ 89-90
Actividad No. 16 Calculo de la inversa de una matriz ______________________________________ 91-95
Calcular la matriz inversa por el mtodo Gauss-Jordn_____________________ 00
Actividad No. 17 Definicin de determinante de una matriz ____________________________ 96-97
Desarrollo de determinantes con la regla de Sarrus ____________________ 97-99
Desarrollo de determinantes por cofactores _____________________________ 99
Actividad No. 18 Propiedades de los determinantes ________________________________ 100-102
Actividad No. 19 Inversa de una matriz cuadrada a travs de la adjunta ________________ 103-105
Actividad No. 20 Aplicacin de matrices y determinantes ___________________________ 106-110

68

ALGEBRA LINEAL


ACTIVIDAD 12. DEFINICION DE MATRIZ, NOTACION Y ORDEN

EQUIPO No. 6


69


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


TAPACHULA, CHIAPAS; 04 DE OCTUBRE DE 2011
Actividad No. 12
DEFINICION DE MATRIZ, NOTACION Y ORDEN
Introduccin
Las matrices y los determinantes son herramientas del algebra que facilitan el
ordenamiento de datos as como manejo.
Los conceptos de matriz y todos los relacionados fueron desarrollados en el siglo XIX
por los matemticos ingleses J. J Sylvester, Arthur Cayley y el irlands William
Hamilton.
Las matrices se encuentran en aquellos hbitos en donde se trabaja con datos
regularmente ordenados y aparecen en situaciones propias de las ciencias sociales,
econmicas y biolgicas.
Matrices
- Definicin y primeros ejemplos
Una matriz es una tabla rectangular de nmeros reales dispuestos en filas y columnas
de modo:
A=(

+ FILA DE LA MATRIZ A
COLUMNA DE MATRIZ A
Abreviadamente se puede

70

A = ( a i j)
Cada elemento de la matriz lleva 2 subndices, el primero de ellos i indica la fila en el
que se encuentra el elemento y el segundo j la columna.
As el elemento a
23
est en la fila 2 y en la columna 3. Las matrices siempre se
representan con letras maysculas.
EJEMPLOS:
Los siguientes son ejemplos de matrices:
A=.

/ B=(

* C=(

)

A tiene 2 filas y 2 columnas su tamao es 2 x 2.
B tiene 2 filas y 3 columnas diremos que su tamao es de 2 x 3.
C tiene 3 filas y 3 columnas diremos que su tamao es de 3 x 3.

- Tipos de matrices
1.- Se llama matriz nula a la que tiene todos sus elementos cero.
A = .

/
Es una matriz nula de tamao 2 x 5.
2.- Se llama matriz fila a la que solo tiene una fila es decir su dimensin es 1 x n.
A = (

)
Es una matriz fila de tamao 1 x 4.
3.-Se llama matriz columna a la que solo consta de una sola columna, es decir su
dimensin es m x 1.
C = (
+
Es una matriz columna de tamao 3 x 1.
4.-Una matriz cuadrada cuando tiene el mismo nmero de filas que de columnas, es
decir su dimensin es n x n

71

A = .

/
La matriz es cuadrada de tamao 2 x 2 o simplemente de orden 2.
Otro ejemplo de matriz cuadrada es:
D = (

+ De orden 3
Dentro de las matrices cuadradas llamaremos diagonal principal a la formada por los
elementos a
11
, a
22
,, a
mn
, siendo la matriz:
A = (

+

En la matriz D del ejemplo anterior su diagonal principal est formada por 1, 5,
0(color amarillo).
D = (

+
Se llama traza de la matriz a la suma de los elementos de la diagonal. Es decir
Traza(A)= a
11
+a
22
+a
33
++a
mn

Y en el caso de D.
Traza(D)= 1 + 5 + 0 = 6.
La diagonal secundaria est formada por los elementos: a
1n-1
, a
3
, n
-2
,, a
n1
. En la
matriz D anterior estar formada 3, 5,-3(color verde).
5.- Una clase especial de matrices cuadradas son las matrices triangulares.
Una matriz es triangular superior si todos los elementos por debajo de la diagonal
principal son nulos y triangular inferior si son nulos todos los elementos situados por
encima de dicha diagonal.
Son ejemplo de estas matrices:
E=(

+ F=(

+
TRIANGULAR SUPERIOR TRIANGULAR INFERIOR
Si una matriz es a la vez triangular superior y triangular inferior, solo tiene elementos
no nulos en la diagonal principal.

72

A = (

+
6.-Una matriz de este tipo de denomina matriz diagonal.
G = (

+
7.-Por ultimo si una matriz diagonal tiene en su diagonal principal solo unos, se les
denomina matriz unidad o identidad. Se suele representar por In donde n es el
orden o tamao de la matriz. Algunas matrices identidad son:
2
= .

/
3
= (

+

ALGEBRA LINEAL


ACTIVIDAD 13. OPERACIONES CON MATRICES

EQUIPO No. 6


73


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


ACTIVIDAD No. 13
OPERACIONES CON MATRICES
Suma y diferencia
Dada dos matrices A y B, podemos realizar su suma o diferencia de acuerdo a la
siguiente regla:
Para sumar o restar los elementos que se encuentren en la misma posicin,
resultando otra matriz de igual tamao.
Ejemplo
.

/ - .

/ = .

/
Si las matrices tienen diferente tamao, no se pueden sumar o restar entre si.
Propiedades de la suma y diferencia de matrices
a) Conmutativa A + B = B + A
b) Asociativa A + (B + C) = (A + B) + C
c) Elemento neutro. La matriz nula del tamao correspondiente.
d) Elemento opuesto de A

74

Ejemplo
Si A= (

+ -A = (

+

Porque (

+ + (

+ = (

+

Producto por un nmero real
Si dada una matriz cualquiera A y un nmero real K, el producto de ambos se realizan
multiplicando todos los elementos de A, por el nmero real resultando otra matriz de
igual tamao (evidentemente la misma regla sirve para dividir una matriz por un
nmero real).
Ejemplo

-5 = .

/ = .

/

Propiedades
a) Distributiva respecto a la suma de matrices
K( A +B ) = k * A + k *B
b) Distributiva respecto a la suma de nmeros
K * A + d * A
c) Asociativa
K( d * A ) = ( k * d ) A
d) Elemento neutro, el numero I

75

I * A = A
Ejercicios
1. Si .

/ y .

/, hallar una matriz x que verifique la ecuacin:
2x-4.A=B

.

/ .

/

.

/ .

/

.

/ .

/
.

/
.

/

+

Comprobacin:

(

+ .

/ .

/

.

/ .

/ .

/

.

/ .

/

2. Determinar las matrices X y Y sabiendo que:

.

/
Ecuacion lineal
(3) .

/

.

/
.

/

76

.

/

.

/
,

(
, .

/

(
, .

/

.

/ (
,

(
,

(
,

Comprobacin

77

.

/

(
, (
, .

/

(
, (
, .

/

.

/ .

/

Trasposicin de matrices
Dada la matriz cualquiera A, se llama matriz traspuesta de A y se representa por esta
simbologa A
t
a la matriz que resulta de intercambiar las filas y las columnas de A.

A= .

/ 2*4 A
t
= (

, 4*2

Evidentemente si A es una matriz de tamao m*n entonces su traspuesta tendr
tamao n*m.
Por ejemplo la matriz A= 2*4 A
t
= 4*2
A= m*n A
t
= n*m
Si la matriz A es cuadrada su traspuesta tendr el mismo tamao.
Propiedades
a) (A
t
)
t
= A, es decir la traspuesta de la traspuesta es la matriz inicial.

b) (A+B)
t
=A
t
+ B
t

c) (K * A)
t
= K * A
t

78

En base a esta nueva operacin podemos definir otras 2 clases de matrices que son:
Matriz Simtrica, Es aquella para la que se cumple A
t
= A
Por ejemplo:
A= (

+ A
t
= (

+

En una matriz simtrica, los elementos son simtricos respecto a la diagonal principal.
Producto de Matrices
Hay que dejar en claro desde el principio que no todas las matrices puedan
multiplicarse. 2 matrices se pueden multiplicar cuando se cumple la siguiente
condicin:
Para multiplicar 2 matrices A y B, en este orden A*B, es condicin indispensable que
el numero de columnas de A sea igual al nmero de filas de B.
4*2 ; 2*n
Si no se cumple esta condicin no puede realizarse el producto, de modo que es una
condicin que debemos comprobar previo a la multiplicacin.
Una vez comprobado que el producto de A*B se puede realizar, si A es una matriz
m*n y B es una matriz n*p, entonces el producto A*B da como resultado una matriz C.
A= m*n B= n*p A*B= C (m*p)
El elemento que se encuentra en la fila i y la columna que se encuentra en la
columna j de la matriz C= A*B, se obtiene multiplicando los elementos de la fila i de A
por la columna j de B y sumando los resultados.
Ejemplo:

A= .

/ y B= (

,

A= .

/ B= (

, = .

/

79

2*4 4*3

(-1)(1)+(3)(2)+(2)(3)+(4)(4) = 27 (0)(1)+(1)(2)+(5)(3)+(1)(4) = 21
(-1)(0)+(3)(2)+(2)(3)+(4)(1) = 16 (0)(0)+(1)(2)+(5)(3)+(1)(1) = 18
(-1)(3)+(3)(1)+(2)(1)+(4)(0) = 2 (0)(3)+(1)(1)+(5)(1)+(1)(0) = 6

Propiedades del producto de matrices
a) Asociativa:
A *( B + C ) = A*B + A*C
b) Distributiva respecto la suma:
A *( B + C ) = A * B + A * C
( B + C ) * A = B * A + C * A
c) Elemento neutro: La matriz identidad correspondiente, si A es m*n
A * In = A
In * A = A
d) En general el producto de matrices no es conmutativa.
A * B B * A
e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz nula.
.

/ (

+ = .
/
2*3 3*1 2*1
(2)(5) + (1)(2) + (3)(-4) = 0
(0)(5) + (2)(2) + (1)(-4) = 0

80

Matriz Inversa
Sabemos tambin que el elemento neutro del producto de matrices es la matriz
identidad (In).
Todo nmero real excepto el 0 tiene inverso.
Trasladando a esto a las matrices, nos podemos plantear si dada una matriz cuadrada
de orden n, existe su inversa x para el producto de matrices, tal que A*X=In es decir,
el producto de A por su inversa produce un elemento neutro, la matriz identidad.
Sin embargo, hay algunas diferencias con los nmeros reales.
1.- No podemos despejar la matriz inversa.
2.- No todas las matrices cuadradas no nulas tienen inversa.
3.- Definamos en primer lugar el termino matriz inversa.
Dada una matriz cuadrada de orden n, se dice que A es invertible si existe otra matriz
de mismo orden, denominada matriz inversa de A y representada.
A
-1
= matriz inversa de A
Por lo tanto:
A * A
-1
= In
A
-1
* A = In
Si A no tiene inversa, se dice que es singular o no invertible.
Si una matriz tiene inversa, dicha matriz inversa es nica.
Para calcular dicha matriz inversa existe 2 mtodos:
a) Mtodo Algebraico

81

Consiste en determinar A
-1
planteando un sistema de ecuaciones, es decir si por
ejemplo queremos determinar la inversa de:
A = .

/
2 * 2
Lo que estoy buscando es otra matriz de igual tamao tal que A*A
-1
=I
2

A
-1
= .

/
A*A
-1
= .

/ .

/ = .

/

(

* = .

/

x + 2z = 1
-x + z = 0
y + 2t = 0
-y + t = 1
x =
z =
t =
y =
) = .

/

82

ALGEBRA LINEAL


ACTIVIDAD 14. CLASIFICACION DE MATRICES

EQUIPO No. 6


83

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


Actividad No. 14
CLASIFICACION DE MATRICES

Matriz fila.
Una matriz fila est constituida por un solo rengln.
A = (

)
Matriz columna.
Una matriz columna tiene una sola columna.
A = (

+
Matriz rectangular.
La matriz rectangular tiene distinto nmero de filas que de columnas, siendo su
dimensin m*n.
.

/
Matriz cuadrada
La matriz cuadrada tiene el mismo nmero de filas que de columnas.
Los elementos de la forma aii = Diagonal principal constituyen la diagonal principal.
La diagonal secundaria la forman los elementos con.

84

i + j = n + 1 (

+
Matriz Nula
Es una matriz nula cuando todos los elementos son ceros
.

/

Matriz Triangular Superior
Es una matriz triangula superior los elementos ordenados por debajo de la diagonal
principal son ceros.
(

+

Matriz Triangular Inferior
Es una matriz triangular inferior los elementos situados por encima de la diagonal
principal son ceros.
(

+
Matriz Diagonal
Es una matriz diagonal todos los elementos situados por encima y por debajo en la
diagonal principal son nulos.
(

+
Matriz Escalar
Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal
principal son iguales.

85

(

+
Matriz Identidad
Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal
principal son iguales a 1.
(

+

Matriz Traspuesta
Dada una matriz A, se llama matriz traspuesta de A a la matriz que se obtiene
cambiando ordenadamente las filas por las columnas.
A=(

+ A
t
=(

+

Matriz Regular
Una matriz regular aquella matriz cuadrada que tiene inversa.
Matriz Singular
Para que una matriz singular no tiene inversa
Matriz Idempotente
Una matriz A es ID si: A
2
= A
Matriz Involutiva
Una matriz A es involutiva si:
A
2
= In
Matriz Simtrica
Una matriz simtrica es una matriz cuadrada que verifica:
A= A
t

86

ALGEBRA LINEAL


ACTIVIDAD 15. TRANSFORMACIONES ELEMENTALES POR RENGLON.
ESCALONAMIENTO DE UNA MATRIZ. RANGO DE UNA MATRIZ

EQUIPO No. 6


87


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


Actividad No. 15.
TRANSFORMACIONES ELEMENTALES POR RENGLON.
ESCALONAMIENTO DE UNA MATRIZ. RANGO DE UNA MATRIZ
ESCALONAMIENTO DE UNA MATRIZ
Sea A una matriz y F una fila de A. Diremos que F es nula si todos los nmeros de F
coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer nmero
distinto de cero de F contando de izquierda a derecha.
Una MATRIZ ESCALONADA es aquella que verifica las siguientes propiedades:
1. Todas las filas nulas (caso de existir) se encuentran en la parte inferior de la
matriz.
2. El pivote de cada fila no nula se encuentra estrictamente ms a la derecha
que el pivote de la fila de encima.
Por ejemplo, entre las matrices:

88

A no es escalonada, mientras que B y C si lo son.

Dada una matriz escalonada E se define el RANGO de E, que representamos por rg
(E), como el nmero de filas no nulas de E.

En los ejemplos B y C de arriba se tiene rg (B) = rg(C) = 2, sin embargo no podemos
decir que rg(A) = 3 ya que A no est escalonada. Otro ejemplo, las matrices nulas
tienen rango cero y la matriz identidad de orden n cumple rg (In) = n.

La siguiente cuestin que abordaremos es la definicin de rango para una matriz
cualquiera que no est escalonada. La idea ser la de transformar la matriz dada en
otra que sea escalonada mediante las llamadas transformaciones elementales por
filas que describimos a continuacin.
Dada una matriz A cualquiera, las TRANSFORMACIONES ELEMENTALES por filas
de A son tres:

I. Intercambiar la posicin de dos filas.
II. Multiplicar una fila por un nmero real distinto de cero.
III. Sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido
previamente multiplicada por un nmero cualquiera.

Nota: Anlogamente podramos hacerlo todo por columnas; sin embargo, son las
transformaciones por filas las que son importantes en los sistemas de ecuaciones
lineales que estudiaremos despus.
El siguiente resultado nos garantiza que siempre podemos transformar una matriz
cualquiera en otra escalonada.

Teorema
A partir de cualquier matriz A se puede llegar, mediante una cantidad finita de
transformaciones elementales, a una matriz escalonada E.
Veamos en un ejemplo cmo se hace. Obsrvese que, primero, hacemos que la
componente (1,1) de la matriz de partida sea igual a uno. Luego, se hace que el resto
de componentes de la primera columna sean cero. Despus se pasa a la componente
(2,2), y as sucesivamente.

89

El teorema anterior nos permite hacer una definicin importante:

Dada una matriz A cualquiera se define el RANGO de A y lo denotamos rg(A) como el
rango de cualquier matriz escalonada E equivalente con A (se demuestra que este
nmero no depende de la matriz escalonada E a la que se llegue). El rango siempre
es un nmero menor o igual que el nmero de filas y el nmero de columnas de A.
Adems, el rango es cero si y slo si A = 0. En nuestro ejemplo de antes, el rango es
3.
RANGO DE UNA MATRIZ

Un concepto muy importante relacionado con las matrices es el de rango. El concepto
de rango se encuentra ligado al de independencia lineal de filas o columnas de una
matriz, pero no se introducir a de esta manera porque se requieren conceptos que no
conocemos.
Baste saber que se define el rango de una matriz como el nmero mximo de filas o
columnas linealmente independientes.
Sin embargo, el clculo del rango de una matriz lo abordaremos desde otra
perspectiva, utilizando el mtodo de Gauss.
Supongamos que tenemos una matriz cualquiera A, a la que aplicamos el metodo de
Gauss con el fin de simplificarla lo ms posible (es decir, consiguiendo que tenga el
mayor numero de ceros posible), realizando operaciones elementales en filas.
Llamaremos rango de la matriz A y lo representaremos por Rg(A) al nmero de filas
no nulas de la matriz tras aplicarle el mtodo de Gauss.

Ejemplo:
Calcular el rango de las siguientes matrices:

90

A = .

/ B = .

/ C = (

+ y D = .

/

- .

/
.

/ , Rg(A) = 1, solo una fila distinta de cero.
- .

/

.

/ , Rg(B) = 2 hay 2 filas no nulas.
- (

+
(

+

(

+

(

+ , Rg(C) = 2 hay 2 filas no nulas.

- .

/
.

/ , Rg(D) = 1, solo una fila no nula.
Los ejemplos anteriores ponen de manifiesto que el rango de cualquier matriz siempre
es menor o igual que el nmero de filas de la matriz.
De hecho se verifica que el rango de cualquier matriz siempre es menor o igual que
su nmero de filas y de columnas, pues el proceso para hacer el metodo de Gauss se
puede hacer indistintamente mediante operaciones elementales en filas o en
columnas.
Esto permite, antes de calcular el rango de una matriz, saber entre que valores va a
estar ese rango.
Por ejemplo, en el caso c) del ejemplo, como la matriz es 3x3 , el rango solo puede
ser 0, 1, 2 o 3, no hay otras posibilidades.
En el caso del apartado d), como la matriz es 2 x 3, el rango solo puede ser 0,1 o 2.
(De hecho, podemos reducir esto algo ms, pues una matriz solo tiene rango cero si
es la matriz nula).

Resumiendo:
Propiedad: Si A es una matriz de tamao m x n no nula se cumple que:
1 Rg(A) min{m, n}

Ejemplo
Calcular en funcin de k el rango de la matriz:

91

A = .

/
Aplicando Gauss,
.

/
.

/
Ahora es evidente que si k-6=0, la ltima fila es nula. Por tanto, si k=6, la ltima fila es
nula y el rango de A es 1, Rg(A)=1, mientras que si k-6 es distinto de cero, es decir si
k es distinto de 6, hay 2 filas no nulas y el rango de A es 2, Rg(A)=2.
Resumiendo:

Si k 6, entonces Rg(A) = 2
Si k=6, entonces Rg(A) = 1

Propiedad:
Una matriz cuadrada A tiene inversa Rg(A) es mximo.

ALGEBRA LINEAL


ACTIVIDAD 16. CALCULO DE LA INVERSA DE UNA MATRIZ EJERCICIO.
CALCULAR LA MATRIZ INVERSA POR EL METODO GAUSS-JORDAN

EQUIPO No. 6

92


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


Actividad No. 16.
CALCULO DE LA INVERSA DE UNA MATRIZ EJERCICIO. CALCULAR
LA MATRIZ INVERSA POR EL METODO GAUSS-JORDAN
MATRIZ TRASPUESTA
Es la matriz que obtenemos de cambiar filas por columnas. La traspuesta de A la
representamos por A
t.
Ejemplo

A
2x3 =
.

/

A
t
3x2 =
(

+

MATRIZ ADJUNTA
Es la matriz que se obtiene al sustituir cada elemento por su adjunto.
Ejemplo

93

Adj (A) = A = (

+

MATRIZ INVERSA
La matriz inversa de A es otra matriz que representamos por A
-1
y que verifica:
A * A-
1
= A
-1
*A =1
El producto de la matriz original con la matriz inversa nos da la matriz identidad.
La matriz inversa de A es
A
-1
=
||
(Adj (A) )
T
Solamente tiene inversa las matrices cuadradas cuyo determinantes es distinto de
cero.

Propiedades de la inversa
La inversa del producto de dos matrices es el producto de las inversas cambiando el
orden.
( A * B )
-1
= B-
1
* A-
1
Ejemplo
Calcular la inversa de la matriz
A = (

+
Para calcular la inversa, primero calculamos su determinante.
Determinante A: det(A)

Det(A) =
|
|

|
|

= 10
= -3
= 2
= -1
= 6
= 10

94

= 10 3 + 2 (-1+ 6 + 10) =
= 10 3 + 2 + 1 6 = - 6 El determinante de A es: - 6

A
11
= |

| = 5 3 = 2 A
12
= |

| = - 5 + 1 = - 4
- (- 5 + 1 ) = 4

A
13
= |

| = -3 + 1 = 2

A
21
= |

| = -10 3 = - 13 A
22
= |

| = 10 + 1 = 10

A
23
= |

| = 6 2 = 4 A
n1
= |

| = - 2 1 = - 3

A
n2
= |

| = 2 + 1 = 3 A
n3
= |

| = 2 2 = 0

Adj(A) = (

+

95

Traspuesta de A

Adj(A)
t
= (

+ A
-1
= -

(

+
Comprobacin

A
-1
* A = (

+ (

+ =

A -1 * A = A
-1
= -

(

+ = (

+ = I
3

APLICACIN A LA RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES

La inversa la hemos calculado. Pongamos el sistema en forma matricial.
(

+ 4
5 = (

+
Multiplicando ambos trminos de la igualdad por su inversa

(

+ (

+ 4
5 =

96

-

(

+ (

+ = -

+ = (

+

ALGEBRA LINEAL


ACTIVIDAD 17. DEFINICION DE DETERMINANTE DE UNA MATRIZ. DESARROLLO
DE DETERMINANTES POR LA REGLA DE SARRUS. DESARROLLO DE
DETERMINANTES POR COFACTORES
EQUIPO No. 6
X = 2
Y= 1
Z =-1

97


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


Actividad No. 17
DEFINICION DE DETERMINANTE DE UNA MATRIZ. DESARROLLO
DE DETERMINANTES POR LA REGLA DE SARRUS. DESARROLLO
DE DETERMINANTES POR COFACTORES
DEFINICION DE DETERMINANTE DE UNA MATRIZ
El determinante de una matriz cuadrada es un nmero real cuya definicin exacta es
bastante complicada. Por ello, definiremos primero el determinante de matrices
pequeas, y estudiaremos mtodos y tcnicas para calcular determinantes en
general. Solamente se puede calcular el determinante a matrices cuadradas.
En cuanto a la notacin, a veces el determinante se escribe con la palabra det, y otras
veces se indica sustituyendo los parntesis de la matriz por barras verticales.

- El determinante de una matriz 1 x 1 = det(A)=A
- El determinante de una matriz 2 x 2 es:
|

| = a
11
a
22
a
12
a
21

98

- El determinante de una matriz 3 x 3 es:
(

+
= a
11
a
22
a
33
+a
21
a
32
a
13
+a
12
a23a
31
-a
13
a
22
a
31
-a
23
a
32
a
11
-a
12
a
21
a
33
La frmula anterior se conoce como Regla de Sarrus.
DESARROLLO DE DETERMINANTES POR LA REGLA DE SARRUS
La definicin de determinantes es bastante engorrosa y se hace mucho mas pesada a
medida que aumenta el orden de la matriz A.
En el caso de las matrices cuadradas de orden 3, esta regla facilita el caso de dichos
determinantes.
Si la matriz es A = (

+ entonces el determinante de A se calcula
mediante de dos expresiones obtenidas del siguiente modo:

Llamaremos sumandos positivos a los obtenidos al multiplicar:
- Los elementos de la diagonal principal, a
11
a
22
a
33
.
- Los elementos de la lnea paralela superior a la diagonal principal por el elemento
aislado de la esquina inferior izquierda : a
12
a
23
a
31
.
- Los elementos de la lnea paralela inferior a la diagonal principal por el elemento
aislado de la esquina superior derecha: a
21
a
32
a
13
.

Grficamente

Llamaremos sumandos negativos a los obtenidos al multiplicar:

- Los elementos de la diagonal secundaria, a
13
a
22
a
31
.

99

- Los elementos de la lnea paralela superior a la diagonal secundaria por el elemento
aislado de la esquina inferior derecha: a
12
a
21

a33.

- Los elementos de la lnea paralela inferior a la diagonal secundaria por el elemento
aislado de la esquina superior izquierda: a
32
a
23
a
11.

Grficamente:

Y entonces det (A)= Sumandos positivos - Sumandos negativos.

Por ejemplo, en el caso de la matriz:

A = (

+

Se tiene que aplicando la regla de Sarrus:

det(A)=(-2)72+43(-3)+650-(375+0(-2)(-3)+642)=-28-36-105-48=-217.

DESARROLLO DE DETERMINANTES POR COFACTORES

Suponga una matriz A n n, el cofactor (i, j) de la matriz A se define como:
C
ij
= (-1)
i+j
M
ij

Ejemplo

Determine C
32
de la matriz A:

A = (

+

Calculamos primero M
32
:

100

A = (

+ , M
32
= .

/ = (1)(0) (3)(1) = 3

Por tanto, C
32
= (1)
3+2
M
32
= (1)
5
(3) = 3.

ALGEBRA LINEAL


ACTIVIDAD 18. PROPIEDADES DE LOS DETERMINANTES.

EQUIPO No. 6

101


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



ACTIVIDAD No. 18.
PROPIEDADES DE LOS DETERMINANTES.
Algunas propiedades importantes que tienen los determinantes, y que se enuncian sin
demostracin, son:
1. Si una matriz tiene una lnea (fila o columna) de ceros, el determinante vale cero.
Esta propiedad es evidente, puesto que por definicin de determinante, basta elegir
dicha lnea para desarrollar y el determinante ser 0.
2. Si una matriz tiene dos filas iguales o proporcionales, su determinante es nulo.
3. Si permutamos dos lneas paralelas de una matriz cuadrada, su determinante
cambia de signo, por ejemplo:

|

| = 91 |

| = - 91

4. Si multiplicamos todos los elementos de una lnea de un determinante por un
nmero, el determinante queda multiplicado por ese nmero. Por ejemplo:

102

|

| = 91 |

| = - 182

Pero |

| = 16 * 91 = 1456
5. Si a una lnea de una matriz se le suma otra lnea multiplicada por un nmero, el
determinante no cambia.
Esta propiedad permite utilizar un mtodo ms sencillo para calcular determinantes de
orden mayor que 3.

6. El determinante de una matriz es igual al de su traspuesta,
|A| = |A
t
|

7. Si A tiene matriz inversa, A1, se verifica que:

det(A
1
) =
()

Una estrategia a tener en cuenta en este caso de determinantes de orden 4 o
superior, o incluso de orden 3 si la matriz es compleja, es el mtodo de hacer ceros,
puesto que el valor del determinante no vara al realizar a la matriz ciertas
transformaciones elementales en filas, como indica la propiedad 5 anterior, si bien
hemos de ser cuidadosos al aplicar dicha propiedad.

As pues la mejor forma de calcular un determinante es hacer ceros en una fila o
columna y desarrollar por dicha fila o columna, porque entonces solo tendremos que
calcular un adjunto. Por ejemplo, si calculamos:

103

ALGEBRA LINEAL


ACTIVIDAD 19. INVERSA DE UNA MATRIZ CUADRADA A TRAVES DE LA
ADJUNTA.

EQUIPO No. 6


104


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


Actividad No.19

INVERSA DE UNA MATRIZ CUADRADA ATRAVES DE LA ADJUNTA

Dada una matriz cuadrada A, su matriz adjunta es el resultante de sustituir cada
termino de A por sus adjuntos respectivos.
El adjunto de un trmino a
ij
de la matriz A resulta del determinante de la submatriz que
se obtiene de eliminar de la matriz A, la fila y la columna a la que pertenece el termino
a
ij
multiplicado por (-1)
(i+j)
. El inters principal de la matriz de adjuntos es que permite
calcular la inversa de una matriz, ya que se cumple la relacin:

A
-1
=
||
(Adj (A) )
T
Sin embargo, para matrices de dimensiones grandes, este tipo de clculo resulta ms
costoso, en trminos de operaciones, que otros mtodos como el mtodo de
eliminacin de Gauss.
Definicin y frmulas de clculo
Dada una matriz A su matriz de adjuntos es la nica matriz B tal que:
AB
T
=B
T
A = det(A) I
Esta definicin no permite calcular directamente la matriz de adjuntos por lo que
comnmente se define tambin la matriz de adjuntos mediante la siguiente formula
explicita. Dadas las componentes explicitas de la matriz (a
ij )
= A M
nxn
para cada i y j
se define la matriz A (i, j) como la matriz de orden (n-1) obtenida a partir de A
eliminando la fila i-sima y la columna j-sima. Y se define la cantidad:

105

d
ij
= (-1)
i + j
det(A)(i, j)
Y se obtiene que esta son precisamente las componentes de la matriz de adjuntos ya
que, es decir, adj(A) =d
ij

Ejemplo
Dada una matriz 2 x 2

A = .

/

Su matriz de adjuntos viene dada por:

Adj(A) = .

/

Dada una matiz 3 x 3

A = (

+

Su matriz adjunta viene dada por:

Adj(A) = + 0

1 - 0

1 + 0

1

0

1 + 0

1 - 0

1
+ 0

1 - 0

1 + 0

1

A
22
A
33
A
23
A
32
A
23
A
32
- A
21
A
33
A
21
A
32
- A
22
A
31

106

= A
32
A
13
A
33
A
12
A
33
A
12
A
31
A
13
A
31
A
12
A
32
A
11

A
12
A
23
A
13
A
22
A
13
A
21
A
11
A
23
A
11
A
22
A
12
A
21
Para matrices de 3 x 3 tambien puede usarse la siguiente formula:
[adj(A)]
ij
=

mni
pqj
mp
nq

ALGEBRA LINEAL


ACTIVIDAD 20. APLICACIN DE MATRICES Y DETERMINANTES

EQUIPO No. 6


M3 15-17 15-16 15-17

107

SEGUNDO SEMESTRE



Actividad No. 20.
APLICACIN DE MATRICES Y DETERMINANTES
TECNICA GAUSS-SEIDEL
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones
suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende
de las ecuaciones de que se trate, del nmero de dgitos que se conservan en el
resultado de las operaciones aritmticas, y del procedimiento de redondeo. Utilizando
ecuaciones de error, el nmero de ecuaciones que se pueden manejar se puede
incrementar considerablemente a ms de 15 o 20, pero este mtodo tambin es
imprctico cuando se presentan, por ejemplo, cientos de ecuaciones que se deben
resolver simultneamente. El mtodo de inversin de matrices tiene limitaciones
similares cuando se trabaja con nmeros muy grandes de ecuaciones simultneas.

Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes
nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de
Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el
mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una
solucin o de que a veces converge muy lentamente. Sin embargo, este mtodo
convergir siempre a una solucin cuando la magnitud del coeficiente de una
incgnita diferente en cada ecuacin del conjunto, sea suficientemente dominante con
respecto a las magnitudes de los otros coeficientes de esa ecuacin.
Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros
para asegurar la convergencia y es an ms difcil predecir la velocidad de la
convergencia para alguna combinacin de valores de los coeficientes cuando esa
convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante
para una incgnita diferente para cada ecuacin es mayor que la suma de los valores
absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada.
Ese conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal.

Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es
condicin necesaria.
Afortunadamente, las ecuaciones simultneas lineales que se derivan de muchos
problemas de ingeniera, son del tipo en el cual existen siempre coeficientes

108

dominantes.

La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:

1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible
hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar
valores seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la
convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha
convergencia.

2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que
tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas
los valores supuestos.

3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene
el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la
incgnita del paso 2 y los valores supuestos para las incgnitas restantes.

4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado
de la incgnita que tiene el coeficiente ms grande en cada ecuacin particular, y
utilizando siempre los ltimos valores calculados para las otras incgnitas de la
ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para
las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha
sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha
completado una iteracin.

5. Continuar iterando hasta que el valor de cada incgnita, determinado en una
iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad
menor que cierto seleccionado arbitrariamente. El procedimiento queda entonces
completo.
Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor
ser la precisin de la solucin.
Sin embargo, la magnitud del epsilon no especifica el error que puede existir en los
valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de
convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la
precisin obtenida en los valores de las incgnitas para un dado.

CRIPTOGRAFA

109

La palabra criptografa es un trmino genrico que describe todas las tcnicas que
permiten cifrar mensajes o hacerlos ininteligibles sin recurrir a una accin especfica.
El verbo asociado es cifrar.

La criptografa se basa en la aritmtica: En el caso de un texto, consiste en
transformar las letras que conforman el mensaje en una serie de nmeros (en forma
de bits ya que los equipos informticos usan el sistema binario) y luego realizar
clculos con estos nmeros para:
- modificarlos y hacerlos incomprensibles. El resultado de esta modificacin (el
mensaje cifrado) se llama texto cifrado, en contraste con el mensaje inicial,
llamado texto simple.
- asegurarse de que el receptor pueda descifrarlos.
El hecho de codificar un mensaje para que sea secreto se llama cifrado. El mtodo
inverso, que consiste en recuperar el mensaje original, se llama descifrado.

El cifrado normalmente se realiza mediante una clave de cifrado y el descifrado
requiere una clave de descifrado. Las claves generalmente se dividen en dos tipos:
- Las claves simtricas: son las claves que se usan tanto para el cifrado como
para el descifrado. En este caso hablamos de cifrado simtrico o cifrado con
clave secreta.

110

- Las claves asimtricas: son las claves que se usan en el caso del cifrado
asimtrico (tambin llamado cifrado con clave pblica). En este caso, se usa
una clave para el cifrado y otra para el descifrado.
En ingls, el trmino decryption (descifrado) tambin se refiere al acto de intentar
descifrar en forma ilegtima el mensaje (ya conozca o no el atacante la clave de
descifrado).
Cuando el atacante no conoce la clave de descifrado, hablamos de criptanlisis o
criptoanlisis (tambin se usa el trmino decodificacin).
La criptologa es la ciencia que estudia los aspectos cientficos de estas tcnicas, es
decir, combina la criptografa y el criptoanlisis.

Las funciones de la criptografa
La criptografa se usa tradicionalmente para ocultar mensajes de ciertos usuarios. En
la actualidad, esta funcin es incluso ms til ya que las comunicaciones de Internet
circulan por infraestructuras cuya fiabilidad y confidencialidad no pueden garantizarse.
La criptografa se usa no slo para proteger la confidencialidad de los datos, sino
tambin para garantizar su integridad y autenticidad.
Criptoanlisis
El criptoanlisis consiste en la reconstruccin de un mensaje cifrado en texto simple
utilizando mtodos matemticos. Por lo tanto, todos los criptosistemas deben ser
resistentes a los mtodos de criptoanlisis. Cuando un mtodo de criptoanlisis
permite descifrar un mensaje cifrado mediante el uso de un criptosistema, decimos
que el algoritmo de cifrado ha sido decodificado.
Generalmente, se distinguen cuatro mtodos de criptoanlisis:
- Un ataque de slo texto cifrado consiste en encontrar la clave de descifrado
utilizando uno o ms textos cifrados;
- Un ataque de texto simple conocido consiste en encontrar la clave de
descifrado utilizando uno o ms textos cifrados conociendo el texto
correspondiente;
- Un ataque de texto simple elegido consiste en encontrar la clave de descifrado
utilizando uno o ms textos cifrados. El atacante tiene la opcin de generarlos
a partir de textos simples;
- Un ataque de texto cifrado elegido consiste en encontrar la clave de descifrado
utilizando uno o ms textos cifrados. El atacante tiene la opcin de generarlos
a partir de los textos simples.

111

ALGEBRA LINEAL


UNIDAD III. SISTEMA DE ECUACIONES LINEALES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


TAPACHULA, CHIAPAS; 11 DE NOVIEMBRE DE 2011

112

INDICE

SISTEMA DE ECUACIONES LINEALES 111
Actividad No. 21 Definicion de Sistemas de Ecuaciones Lineales ___________ 113-116
Actividad No. 22 Clasificacin de Sistemas de Ecuaciones Lineales y tipo de solucion ______ 117-120
ctividad No. 23 Interpretacion geometrica de las soluciones ___________________________ 121-126
Actividad No. 24 Metodos de solucion de un Sistema de Ecuaciones Lineales _________________ 127
Gauss- Jordan ____________________________________________________ 128-131
Inversa de una matriz ______________________________________________ 131-133
Regla de Cramer __________________________________________________ 134-135
Actividad No. 25 Ejercicios resueltos ___________________________________________ 136-142
Actividad No. 26 Comprobacin: (CBA)
-1
= C
-1
B
-1
A
-1
______________________________ 143-144
Actividad No. 27 Proyecto (Cdigo)____________ _________________________________ 145-150

113

ALGEBRA LINEAL


ACTIVIDAD NO. 21. DEFINICION DE SISTEMA DE ECUACIONES LINEALES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



114

Actividad No. 21.
DEFINICION DE SISTEMA DE ECUACIONES LINEALES
Se denomina ecuacin lineal a aquella que tiene la forma de un polinomio de primer
grado, es decir, las incgnitas no estn elevadas a potencias, ni multiplicadas entre s,
ni en el denominador.

Por ejemplo, 3x + 2y + 6z = 6 es una ecuacin lineal con tres incgnitas.

Como es bien sabido, las ecuaciones lineales con 2 incgnitas representan una recta
en el plano.
Si la ecuacin lineal tiene 3 incgnitas, su representacin grfica es un plano en el
espacio.

Un ejemplo de ambas representaciones puede observarse en la figura:

En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido
como sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de
ecuaciones lineales sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema
lineal de ecuaciones sera el siguiente:

(

,

El problema consiste en encontrar los valores desconocidos de las variables x
1
, x
2
y x
3

que satisfacen las tres ecuaciones.

115

El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la
matemtica y tiene una infinidad de aplicaciones, como en procesamiento digital de
seales, anlisis estructural, estimacin, prediccin y ms generalmente en
programacin lineal as como en la aproximacin de problemas no lineales de anlisis
numrico.

En general, un sistema con m ecuaciones lineales y n incgnitas puede ser escrito en
forma ordinaria como:

(
*
(
)

En este caso tenemos m ecuaciones y n incgnitas.

Los nmeros reales a
ij
se denominan coeficientes y los xi se denominan incgnitas (o
nmeros a determinar) y b
j
se denominan trminos independientes.

En el caso de que las incgnitas sean 2 se suelen designar simplemente por x e y en
vez de x
1
y x
2
, y en el caso de tres, x, y, z en lugar de x
1
, x
2
y x
3
pero esto es
indiferente a la hora de resolver el sistema.

Resolver el sistema consiste en calcular las incgnitas para que se cumplan TODAS
las ecuaciones del sistema simultneamente.
Diremos que dos sistemas son equivalentes cuando tienen las mismas soluciones.

EXPRESIN MATRICIAL DE UN SISTEMA

Cualquier sistema de ecuaciones lineales se puede expresar en forma matricial del
modo:

(
=
(

116

La matriz A =
(
se llama matriz de coeficientes, la

matriz X =
(
se llama matriz de incgnitas y la matriz B =

(
se llama matriz
de trminos independientes.

La matriz formada por A y B conjuntamente, es decir:

(A|B)=
[

Se llama matriz ampliada del sistema y se representara por (A|B) o bien por A*.

117

ALGEBRA LINEAL


ACTIVIDAD NO. 22 CLASIFICACION DE SISTEMAS DE ECUACIONES LINEALES Y
TIPO DE SOLUCION

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



118

Actividad No. 22.
CLASIFICACION DE SISTEMA DE ECUACIONES LINEALES Y TIPO
DE SOLUCION
CLASIFICACION.-
Segn como sea el TRMINO INDEPENDIENTE:
Atendiendo a este criterio los sistemas se pueden clasificar en
- SISTEMAS HOMOGNEOS (si el trmino independiente es el vector nulo)

- SISTEMAS NO HOMOGNEOS (el trmino independiente es no nulo

Siendo

Segn LA EXISTENCIA o no de SOLUCIONES
Los sistemas de ecuaciones se pueden clasificar segn el nmero de soluciones que
pueden presentar. De acuerdo con ese caso se pueden presentar los siguientes
casos:
- Sistema incompatible si no tiene ninguna solucin.
- Sistema compatible si tiene alguna solucin, en este caso adems puede
distinguirse entre:
o Sistema compatible determinado cuando tiene un nmero finito de
soluciones.
o Sistema compatible indeterminado cuando admite un conjunto infinito de
soluciones.

119

Quedando as la clasificacin:

Los sistemas incompatibles geomtricamente se caracterizan por (hiper)planos o
rectas que se cruzan sin cortarse. Los sistemas compatibles determinados se
caracterizan por un conjunto de (hiper)planos o rectas que se cortan en un nico
punto. Los sistemas compatibles indeterminados se caracterizan por (hiper)planos
que se cortan a lo largo de una recta [o ms generalmente un hiperplano de
dimensin menor]. Desde un punto de vista algebraico los sistemas compatibles
determinados se caracterizan porque el determinante de la matriz es diferente de
cero:

()

Sistemas compatibles indeterminados

Un sistema sobre un cuerpo K es compatible indeterminado cuando posee un nmero
infinito de soluciones. Por ejemplo, el siguiente sistema:

Tanto la primera como la segunda ecuacin se corresponden con la recta cuya
pendiente es y que pasa por el punto , por lo que ambas intersecan en
todos los puntos de dicha recta. El sistema es compatible por haber solucin o
interseccin entre las rectas, pero es indeterminado al ocurrir esto en infinitos puntos.
- En este tipo de sistemas, la solucin genrica consiste en expresar una o ms
variables como funcin matemtica del resto. En los sistemas lineales
compatibles indeterminados, al menos una de sus ecuaciones se puede hallar
como combinacin lineal del resto, es decir, es linealmente dependiente.

120

- Una condicin necesaria para que un sistema sea compatible indeterminado es
que el determinante de la matriz del sistema sea cero (y por tanto uno de sus
autovalores ser 0):

- De hecho, de las dos condiciones anteriores se desprende, que el conjunto de
soluciones de un sistema compatible indeterminado es un subespacio vectorial.
Y la dimensin de ese espacio vectorial coincidir con la multiplicidad
geomtrica del autovalor cero.
Sistemas incompatibles

De un sistema se dice que es incompatible cuando no presenta ninguna solucin. Por
ejemplo, supongamos el siguiente sistema:

Las ecuaciones se corresponden grficamente con dos rectas, ambas con la misma
pendiente, Al ser paralelas, no se cortan en ningn punto, es decir, no existe ningn
valor que satisfaga a la vez ambas ecuaciones.

Matemticamente un sistema de estos es incompatible cuando el rango de la matriz
del sistema es inferior al rango de la matriz ampliada. Una condicin necesaria para
que esto suceda es que el determinante de la matriz del sistema sea cero:

TIPO DE SOLUCIONES.-
Es un conjunto de valores de las incgnitas que verifican simultneamente a todas y
cada una de las ecuaciones del sistema.
De acuerdo con su solucin, un sistema puede ser:
- Consistente, si admite solucin; o Inconsistente, si no admite solucin.
o Determinado, si la solucin es nica o Indeterminado, si la solucin no es
nica. En este caso se demuestra que existe una infinidad de soluciones.

121

ALGEBRA LINEAL


ACTIVIDAD NO. 23 INTERPRETACIN GEOMETRICA DE LAS SOLUCIONES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



122

Actividad No. 23
INTERPRETACIN GEOMETRICA DE LAS SOLUCIONES
Un sistema con n, incgnitas se puede representar en el n-espacio correspondiente.
En los sistemas de 2 incgnitas, el universo de nuestro sistema ser el plano
bidimensional, mientras que cada una de las ecuaciones ser representada por una
recta, si es lineal, o por una curva, si no lo es. La solucin ser el punto (o lnea)
donde intersecten todas las rectas y curvas que representen las ecuaciones. Si no
existe ningn punto en el que intersecten al mismo tiempo todas las lneas, el sistema
es incompatible, o lo que es lo mismo, no tiene solucin.
En el caso de un sistema de 3 incgnitas, el universo ser el espacio tridimensional,
siendo cada ecuacin un plano dentro del mismo. Si todos los planos intersectan en
un nico punto, las coordenadas de ste sern la solucin del sistema. Si, por el
contrario, la interseccin de todos ellos es una recta o incluso un plano, el sistema
tendr infinitas soluciones, que sern las coordenadas de los puntos que forman dicha
lnea o superficie.
Para un sistema de 4 o ms incgnitas, la representacin grfica no es intuitiva para
el ser humano, por lo que dichos problemas no suelen enfocarse desde esa ptica.
Ejemplo:
Los sistemas ms sencillos son aquellos en los que solo hay dos incgnitas y 2
ecuaciones.
Hay varios sistemas para resolverlos, los ms habituales:

* Reduccin
* Igualacin
* Sustitucin

Como cada ecuacin lineal con 2 incgnitas se interpreta geomtricamente como una
recta, el estudio de la solucin del sistema se limita a estudiar la posicin de 2 rectas
en el plano.

Veamos algunos ejemplos con los tres casos que se pueden presentar. Resolver e
interpretar el sistema:

123

Por reduccin

De donde y = -1 y sustituyendo x + 2(-1) = -3, x = -1.

Es decir, la solucin del sistema es nica, x = -1, y = -1 lo que significa que el sistema
es compatible y determinado, y que las rectas se cortan en un punto, precisamente el
(-1,-1):

Solucin del sistema, punto(-1, -1)
Resolver e interpretar el sistema

Por igualacin:

De donde:

lo cual es imposible y por tanto el sistema no tiene solucin, es un sistema
incompatible y por tanto las rectas son paralelas.

124

Geomtricamente:

Sistema sin solucin. Rectas paralelas

Resolver e interpretar el sistema:

Por sustitucin:

Como x = 2y 3 resulta 3(2y 3) + 6y = 9, es decir 6y 9 + 6y = 9, por tanto
0y = 0, 0 = 0. Como 0 = 0 es una igualdad siempre cierta, quiere decir que el sistema
tiene infinitas soluciones, es compatible indeterminado, o que las rectas son la misma.

Infinitas soluciones. Las rectas coinciden

Lo expresaremos as. Como x = 2y 3, dando valores a y se obtiene x. As si le
damos a y el valor arbitrario de (lambda), entonces expresaremos la solucin como:

siendo

y como puede ser cualquier nmero real, hay infinitas soluciones.

125

Estos son los nicos casos que pueden darse con dos ecuaciones y dos incgnitas, y
su interpretacin geomtrica.

Interpretacin geomtrica de los sistemas con 3 ecuaciones y 3 incgnitas

Como cada ecuacin lineal con 3 incgnitas corresponde a un plano en el espacio, la
solucin del sistema corresponder a la posicin en que dichos planos estn en el
espacio. Lo ms sencillo es saber que ocurre con los planos 2 a 2, pues en el espacio
dos planos solo pueden estar en 3 posiciones:

* Son coincidentes: Lo cual es fcil de saber porque sus correspondientes ecuaciones
tienen coeficientes de las incgnitas y los trminos independientes proporcionales, es
decir, si los planos son:

Entonces se verifica:

(siempre que se puedan realizar las operaciones).

Por ejemplo:

Los planos y son secantes.

Puesto que podemos determinar la posicin de los planos 2 a 2, podemos determinar
en qu posicin se encuentran los 3 a la vez, fijndonos en los casos:

1. Si el sistema es S.C.D. (Solucin nica), es que los tres planos se cortan en un
punto, que es la solucin del sistema.

126

2. Si el sistema es S.C.I. (Infinitas soluciones), puede ocurrir que:

a) Los tres planos se corten en una recta.
b) Dos planos son coincidentes y el otro los corta en una recta.
c) Los tres planos son coincidentes.

3. Si el sistema es S.I. (Sin solucin), puede ocurrir que:

a) Los planos se cortan dos a dos.
b) Dos planos son paralelos y el otro los corta.
c) Los tres planos son paralelos.
d) Dos planos son paralelos y el otro coincidente con uno de ellos.

127

ALGEBRA LINEAL


ACTIVIDAD NO. 24 METODOS DE SOLUCIN DE UN SISTEMA DE ECUACION
LINEAL: GAUSS-JORDAN. INVERSA DE UNA MATRIZ. REGLA DE CRAMER.

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



128

ACTIVIDAD No. 24
METODOS DE SOLUCIN DE UN SISTEMA DE ECUACION LINEAL:
GAUSS-JORDAN. INVERSA DE UNA MATRIZ. REGLA DE CRAMER.
GAUSS-JORDAN
La eliminacin de Gauss-Jordn, ms conocida como mtodo de Gauss, es un
mtodo aplicable nicamente a los sistemas lineales de ecuaciones, y consistente en
triangular la matriz aumentada del sistema mediante transformaciones elementales,
hasta obtener ecuaciones de una sola incgnita, cuyo valor ser igual al coeficiente
situado en la misma fila de la matriz. Este procedimiento es similar al anterior de
reduccin, pero ejecutado de manera reiterada y siguiendo un cierto orden
algortmico.
El Mtodo de Gauss consiste en convertir un sistema normal de 3 ecuaciones con 3
incognitas en uno escalonado, en la que la primera ecuacin tiene 3 incgnitas, la
segunda ecuacin tiene 2 incgnitas, y la tercera ecuacin tiene 1 incgnita. De esta
forma ser fcil a partir de la ltima ecuacin y subiendo, calcular el valor de las tres
incgnitas.
En primer lugar, reducimos la incgnita x, sumando a la segunda fila, la primera
multiplicada por
, y a la tercera, la primera fila. La matriz queda as:

(

)

El siguiente paso consiste en eliminar la incgnita y en la primera y tercera fila, para lo
cual les sumamos la segunda multiplicada por y por , respectivamente.
(

)

129

Por ltimo, eliminamos la z, tanto de la primera como de la segunda fila, sumndoles
la tercera multiplicada por -2 y por
, respectivamente:

(

)

Llegados a este punto podemos resolver directamente las ecuaciones que se nos
plantean:

O, si lo preferimos, podemos multiplicar las tres filas de la matriz por:
, 2 y -1
respectivamente, y obtener as automticamente los valores de las incgnitas en la
ltima columna.

Pongamos un ejemplo del clculo de un sistema de ecuaciones por el mtodo de
Gauss:
Se renen 30 personas entre hombres, mujeres y nios. Se sabe que entre los
hombres y el triple de mujeres exceden en 20 el doble de los nios. Tambin se sabe
que entre hombres y mujeres se duplican al nmero de nios. Plantear y resolver el
sistema de ecuaciones.

x= numeros de hombres
y= numeros de mujeres
z=numeros de nios

130

Se renen 30 personas entre hombres, mujeres y nios:
x + y + z = 30
Se sabe que entre los hombres y el triple de mujeres exceden en 20 el doble
de los nios:
x + 3y = 2z + 20
Tambin se sabe que entre hombres y mujeres se duplican al nmero de nios:
x + y = 2z

Agrupando las tres ecuaciones tenemos el sistema, que ordenado resulta:

Aplicamos Gauss, restando la primera ecuacin a las dos siguientes:

En este caso en la tercera ecuacin se ha eliminado la y, por lo que no es necesario
hacer mas operaciones. Por lo tanto obtenemos que z = 10 de la tercera ecuacin:

Sustituyendo z en la segunda ecuacin obtenemos que y = 10:

131

Sustituyendo z y en la primera ecuacin obtenemos x = 10

Con lo que hemos obtenido el resultado del sistema:

INVERSA DE UNA MATRIZ
La teora general de matrices encuentra una de sus aplicaciones ms inmediatas en
la resolucin de sistemas de ecuaciones lineales con mltiples incgnitas. Aunque
posteriormente fue objeto de un extenso desarrollo terico, este campo de las
matemticas surgi en realidad como un instrumento de clculo para facilitar las
operaciones algebraicas complejas.
Matriz identidad y matriz inversa
Dada una matriz cuadrada A de orden n x n (o, simplemente, n), se define matriz
identidad I como la que, con la misma dimensin n, est formada por elementos que
son todos nulos salvo los situados en la diagonal principal, cuyo valor es 1. Es decir:

Para dicha matriz A de orden n, se dice que existe una matriz inversa A-1 tambin de
orden n, cuando el producto de ambas es igual a la matriz identidad:

Toda matriz que tiene inversa se dice invertible o regular, mientras que cuando carece
de inversa se denomina matriz singular.
Para calcular la matriz inversa de una dada, puede recurrirse a la resolucin de las
ecuaciones que planteara el producto de matrices , siendo los coeficientes
de A e I conocidos y los de X correspondientes a las incgnitas. Tambin se puede
aplicar el llamado mtodo de reduccin o gaussiano, segn el siguiente esquema:

132

Dada la matriz original A = (aij), con i, j = 1, 2,, n, se forma primero su matriz
ampliada (A | I).
Despus, se aplican operaciones elementales sobre las filas de la matriz hasta
conseguir reducir A a la matriz unidad. Las mismas transformaciones se van haciendo
en I. La nueva matriz obtenida es
.

Las operaciones elementales que se pueden aplicar a las matrices ampliadas son:
Multiplicacin de una fila por un nmero distinto de cero.
Suma ordenada a los elementos de una fila del mltiplo de los de otra.
Intercambio de filas.
Expresin matricial de un sistema de ecuaciones lineales
Cualquier sistema de ecuaciones lineales puede escribirse siempre en forma matricial
de la siguiente forma:
Donde A es la matriz de los coeficientes, X la matriz de las incgnitas y B la matriz de
los trminos independientes.
As, por ejemplo, el sistema de ecuaciones lineales:
Resolucin de un sistema por la matriz inversa
Un procedimiento rpido para la resolucin de sistemas de ecuaciones lineales
mediante matrices es el llamado mtodo de la matriz inversa. Esta tcnica consiste en
multiplicar por la izquierda los dos miembros de la expresin matricial del sistema de
ecuaciones por la matriz inversa de la de los coeficientes (si existe). De este modo:
Cuando la matriz de los coeficientes no es invertible, el sistema no tiene solucin (es
incompatible).
Sean A y B matrices de n x n, y suponiendo que la multiplicacin AB = BA = Identidad,
entonces la matriz B se le llama inversa de A, y se escribe
. De esta manera:

133

De la definicin anterior se deduce que(A
-1
)
-1
= A, si A tiene inversa. Nosotros
podemos conocer fcilmente si una matriz tiene inversa; basta con encontrar su
determinante, y si resulta cero, no tiene inversa; cualquier otro nmero nos indica que
tiene inversa.
Para encontrar la inversa de una matriz puede resultar un poco difcil, dependiendo
del tamao de la misma. Un ejemplo sencillo se muestra a continuacin. Sea:

A = (

+

Encontrar la inversa de A o
.
Si tomamos la definicin de inversa encontramos que
, entonces:

(

+(

+ = (

+

Resolviendo encontramos:
(

)(

+(

) = (

+

Igualando trmino a trmino, encontramos una serie de ecuaciones que al resolverlas
obtenemos el resultado:

A
-1
=
(

134

METODO DE CRAMER
Los sistemas que sean cuadrados y tales que su matriz de coeficientes tenga inversa
(los sistemas que cumplen estas dos condiciones se llaman sistemas de Cramer ), se
puede aplicar una regla muy sencilla para calcular la solucin y que se basa en los
determinantes, conocida como regla de Cramer. Si det(A) es cero, evidentemente la
regla no se puede aplicar.

La regla de Cramer:

Para un sistema de Cramer (cuadrado y con matriz regular) se verifica que la
incgnita nmero que se calcula dividiendo entre el determinante de A el determinante
que resulta de sustituir la columna que (correspondiente al lugar que ocupe la
incgnita que se est calculando) por la columna de trminos independientes.

Ejemplo

Resolver el sistema

Como el sistema es de Cramer puesto que det(A) = 49, aplicamos la regla de
Cramer:

Para x sustituimos la primera columna por la de trminos independientes pues x es la
primera incgnita:

X=[

] =

______________

Para y sustituimos la segunda columna por la de trminos independientes pues y es la
segunda incgnita

Y = [

] =

= 7
______________

135

Para z sustituimos la tercera columna por la de trminos independientes pues z es la
tercera incgnita).

Z = [

] =

= -2

136

ALGEBRA LINEAL


ACTIVIDAD NO. 25 EJERCICIOS RESUELTOS POR LA REGLA DE CRAMER,
GAUSS-JORDAN Y MATRIZ INVERSA

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



137

Actividad No. 25
EJERCICIOS RESUELTOS POR LA REGLA DE CRAMER, GAUSS-
JORDAN Y MATRIZ INVERSA

REGLA DE CRAMER
Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos
incgnitas:

Encontrar el valor de x e y mediante la regla de Cramer.
Empezaremos con el primer paso, que consiste en hallar la matriz ampliada A b
asociada al sistema de ecuaciones lineales:
x y
x y b
A:b=.

/

Calcular el determinante de A. As pues:
|| ()
ltimo paso consiste en calcular las incgnitas:
|| ()
||
B y

|

|

x b

|

|

138

GAUSS-JORDAN

(

+

La matriz aumentada del sistema es:

(

)

(

,

Por lo que el sistema de ecuaciones queda de la siguiente manera:

()

()

()

139

Por lo tanto:

Sustituyendo x
3
en (2):

Sustituyendo x
2
y x
3
en (1):

Es decir, finalmente:

140

MATRIZ INVERSA

Si A x = b, entonces:

(

+ (
+

Para comprobar si la matriz A es invertible:

|

| () |

| () |

| ( ) ( ) ( )

() () ()

Por lo tanto la matriz A es INVERTIBLE con solucin nica y determinante

El primer paso a realizar, ser calcular los cofactores de la matriz A:

|

| ()() ()()

|

| ( ) ()

|

|

|

| ( ) ()

|

|

|

| ( ) ()

|

|

|

| ( ) ()

141

|

|

Por lo que la matriz B de cofactores es:

(

+

Y con ello, puede obtenerse la matriz adjunta de A , definida en la siguiente
expresin:

Por lo que al momento de sustituir, se obtiene:

(

+

Teniendo la matriz adjunta de A y su determinante, puede obtenerse la matriz
inversa A
-1
:

(

+

142

Si de despeja al vector matriz de incgnitas o variables del modelo
matemtico A x = b :

Expresado en forma matricial, se obtiene lo siguiente:

(

Por lo que los resultados finales son:

COMPROBACIN de los valores obtenidos:

() () () ()

143

ALGEBRA LINEAL


ACTIVIDAD NO. 26 COMPROBACIN: (BA)-1 = B
-1
A
-1

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



144

Actividad No. 26
COMPROBACIN: (BA)
-1
= B
-1
A
-1
Proposicin:
Si A y B son matrices no singulares del mismo orden, entonces ()

Demostracin:
(
)AB =
A)B = (
I B) =
B = I
AB(
) = AB
= A I
= A
= I
De donde se concluye que:
()

Como no siempre la multiplicacin de matrices es conmutativa, no es cierto en
general que:
()

145

ALGEBRA LINEAL


ACTIVIDAD NO. 27 PROYECTO: PROGRAMA QUE RESUELVE SISTEMA DE
ECUACIONES DE 3 INCOGNITAS

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



146

Actividad No. 27
PROYECTO DE LA UNIDAD NO. 3
import javax.swing.*;
public class AlgebraLineal
{
public static void main(String arg[])
{
AlgebraLineal equipo= new AlgebraLineal();
float a=0, b=0, c=0, d=0, e=0, f=0, g=0, h=0, i=0, j=0, k=0, l=0, m=0, n=0, o=0, p=0,
q=0, r=0, s=0, t=0, u=0, v=0, w=0, x=0, y=0, z=0, A=0, B=0, C=0, D=0, E=0, F=0, G=0,
H=0, I=0, J=0;
int K, opc;
String aa="";
String bb="";
String cc="";
aa+=" INSTITUTO TECNOLOGICO DE TAPACHULA\n\n Prof.
M.C. Jose Luis Ruiz Maldonado\n\n";
aa+=" ALGEBRA LINEAL\n\n";
aa+=" Proyecto de la unidad No. 3\n\n";
aa+=" Sistemas de ecuaciones lineales\n\n";
aa+=" ALUMNOS:\n";
aa+=" Guillermo Morales Maldonado\n Switmy Mayumi
Alvarez Ruiz\n";
aa+=" Hipolito Magdaleno Dominguez\n Christian Gonzalo
Jimenez Ancheyta\n\n";
aa+=" Ing. SISTEMAS COMPUTACIONALES\n
Segundo Semestre\n\n";

147

aa+=" Tapachula Chiapas, a 11 de Noviembre del 2011";
JOptionPane.showMessageDialog(null,aa,"<<EQUIPO #
6>>",JOptionPane.INFORMATION_MESSAGE);
JOptionPane.showMessageDialog(null,"ESTE PROGRAMA RESUELVE SISTEMA
DE ECUACIONES DE 3 INCOGNITAS","<<EQUIPO
#6>>",JOptionPane.INFORMATION_MESSAGE);
JOptionPane.showMessageDialog(null,"RECUERDA QUE PRIMERO TIENES QUE
INGRESAR LA MATRIZ POR LO CUAL DEBES DE DIJITAR PRIMERAMENTE EL
#1","<<EQUIPO #6>>",JOptionPane.INFORMATION_MESSAGE);
do{
opc=Integer.parseInt(JOptionPane.showInputDialog(null,"DIGITA LA OPCION
DESEADA\n 1.- DETERMINANTE\n 2.- ADJUNTA\n 3.- INVERSA\n","<<EQUIPO #
6>>",JOptionPane.QUESTION_MESSAGE));
if(opc==1)
{
JOptionPane.showMessageDialog(null,"INGRESA LOS COEFICIENTES DE TU
SISTEMA DE ECUACION\n INGRESA LOS VALORES POR FILA","<<EQUIPO #
6>>",JOptionPane.QUESTION_MESSAGE);
a=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL PRIMER
VALOR","<<EQUIPO # 6>>",JOptionPane.QUESTION_MESSAGE));
b=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL SEGUNDO
c=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL TERCER
d=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL CUARTO
e=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL QUINTO

148

f=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL SEXTO
g=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL SEPTIMO
h=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL OCTAVO
i=Float.parseFloat(JOptionPane.showInputDialog(null," DAME EL NOVENO
j=((a*e)*i)+((b*f)*g)+((d*h)*c);
k=((c*e)*g)+((b*d)*i)+((f*h)*a);
l=j-k;
JOptionPane.showMessageDialog(null,"LA DETERMINANTE DE LA MATRIZ ES:"
+l,"<<EQUIPO # 6>>",JOptionPane.INFORMATION_MESSAGE);
}
if(opc==2)
{
JOptionPane.showMessageDialog(null,"CALCULANDO LA ADJUNTA","<<EQUIPO #
6>>",JOptionPane.QUESTION_MESSAGE);
m=(e*i)-(f*h);
n=-((b*i)-(c*h));
o=(b*f)-(c*e);
p=-((d*i)-(f*g));
q=(a*i)-(c*g);
r=-((a*f)-(c*d));
s=(d*h)-(e*g);
t=-((a*h)-(b*g));
u=(a*e)-(b*d);

149

bb=bb+m +" " +n+" "+o+"\n";
bb=bb+p +" " +q+" "+r+"\n";
bb=bb+s +" " +t+" "+u+"\n";
JOptionPane.showMessageDialog(null,bb,"<<EQUIPO
}
if(opc==3)
{
JOptionPane.showMessageDialog(null,"CALCULANDO LA INVERSA DE LA
MATRIZ","<<EQUIPO # 6>>",JOptionPane.QUESTION_MESSAGE);
v=((1/l)*m);
w=((1/l)*n);
x=((1/l)*o);
y=((1/l)*p);
z=((1/l)*q);
A=((1/l)*r);
B=((1/l)*s);
C=((1/l)*t);
D=((1/l)*u);
cc=cc+v +" " +w+" "+x+"\n";
cc=cc+y +" " +z+" "+A+"\n";
cc=cc+B +" " +C+" "+D+"\n";
JOptionPane.showMessageDialog(null,cc,"<<EQUIPO
}
if(opc>=4)

150

{
JOptionPane.showMessageDialog(null,"ESTA OPCION NO ESTA
DISPONIBLE","<<EQUIPO # 6>>",JOptionPane.ERROR_MESSAGE);
}
K=Integer.parseInt(JOptionPane.showInputDialog(null,"DESEAS REALIZAR ALGO
MAS?? \n 1.- SI\n 2.-NO"));
}while(K==1); }}

151

ALGEBRA LINEAL


UNIDAD IV. ESPACIOS VECTORIALES

EQUIPO No. 6


M3 15-17 15-16 15-17

SEGUNDO SEMESTRE


TAPACHULA, CHIAPAS; 02 DE DICIEMBRE DE 2011

152

INDICE
ESPACIOS VECTORIALES

Actividad 28. Definicin de espacio vectorial .................................................................153-160
Actividad 29. Definicin de subespacio vectorial y sus propiedades ..............................161-165
Actividad 30. Combinacin Lineal. Dependencia e independencia lineal .......................166-169
Actividad 31. Base y dimensin de un espacio vectorial. Cambio de base .....................170-176
Actividad 32. Espacio vectorial con producto interno y sus propiedades.....177-179
Actividad 33. Base ortonormal. Proceso de ortonormalizacion de Gram-Schmidt. 180-183
Actividad 34. Ejercicios. 184-209
Actividad 35. Proyecto de la unidad 4: Programa que suma vectores.. 210-213

153

ALGEBRA LINEAL


ACTIVIDAD NO. 28 DEFINICION DE ESPACIO VECTORIAL

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



154

Actividad No. 28
DEFINICION DE ESPACIO VECTORIAL
En matemticas, un espacio vectorial es una estructura algebraica creada a partir de
un conjunto no vaco, una operacin interna (llamada suma, definida para los
elementos del conjunto) y una operacin externa (llamada producto, definida entre
dicho conjunto y un cuerpo matemtico), cumpliendo una serie de propiedades o
requisitos iniciales.

A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.
Un vector (tambin llamado vector euclidiano o vector geomtrico) es una herramienta
geomtrica utilizada para representar una magnitud fsica definida por un modulo (o
longitud) y una direccin (u orientacin).
Los vectores se pueden representar geomtricamente como segmentos de recta
dirigidos o flechas en el plano o en el espacio.
Ejemplos:
La velocidad con que se desplaza un mvil es una magnitud vectorial, ya que
no queda definida tan slo por su mdulo (lo que marca el velocmetro, en el
caso de un automvil), sino que se requiere indicar la direccin hacia la que se
dirige.
La fuerza que acta sobre un objeto es una magnitud vectorial, ya que su
efecto depende, adems de su intensidad o mdulo, de la direccin en la que
opera.
El desplazamiento de un objeto.

155

Se denomina escalar a los nmeros reales o complejos que sirven para describir un
fenmeno fsico con magnitud, pero sin la caracterstica vectorial de direccin.
Formalmente es un tensor de rango cero.
En trminos matemticos, se llama escalar a los elementos de un cuerpo (en algunos
casos tambin a los elementos de un anillo), generalmente nmeros, y en particular
se usa cuando se quiere distinguirlos claramente de los vectores en el lgebra lineal y
en cualquier rama que use mdulos o espacios vectoriales.
Espacio Euclidiano Dimensional
Si n es un entero positivo, entonces una n-ada ordenada es una sucesin de n
nmeros reales (

). El conjunto de todas las n-adas ordenadas se conoce

como espacio n dimensional y se denota por R
n
.
Cuando n=2, o bien, 3, es comn usar los trminos pareja ordenada y terna
ordenada, en lugar de 2-ada y 3-ada ordenadas. Cuando n=1, cada n-ada ordenada
consta de un nmero real y, por tanto R
1
se puede concebir como el conjunto de los
nmeros reales.

(

)

(

)

Se dice que dos vectores u=(
) y v=(
) en R
n
son iguales si:

La suma de u + v se define por:
(
)

a b

156

Y si k es cualquier escalar, el mltiplo escalar ku se define por
(
)
Las operaciones de adicin y multiplicacin escalar dadas en esta definicin se
denominan operaciones estndar sobre R
n
. Se define el vector cero en R
n
como el
vector.
( )
Si (
) es un vector cualquiera en R
n
, entonces el negativo (o inverso
aditivo) de u se denota por u y se define por:
(
)
Se define la sustraccin de vectores en R
n
por v u = v + (-u) o, en trminos de las
componentes,
() (
) (
)
(
)

ESPACIO EUCLIDIANO n DIMENSIONAL
a)
b) ( ) ( )
c)
d) ()
e) () ()
f) ( )
g) ( )
h)

157

Con este teorema se pueden manipular los vectores en R
n
.
Por ejemplo, para despejar x en la ecuacin vectorial , se puede sumar u a
ambos miembros y proceder como sigue:
( ) () ()
( )

Si (
) y (
) son vectores cualesquiera en R

n
, entonces
el producto euclidiano interior u * v se define por

Ejemplo 1
El producto euclidiano interior de los vectores
() ( )
En R
4
es
()() ()() ()() ()()

En el siguiente teorema se listan las cuatro propiedades aritmticas principales del
producto euclidiano interior.
Si u, v y w son vectores en R
n
y k es un escalar cualesquiera, entonces:
a)
b) ( )
c) () ( )
d)

158

Ejemplo 2
( ) ( ) () ( ) () ( )
() () () () () ()
( ) ( ) ( ) ( )
( ) ( ) ( )

ESPACIOS VECTORIALES GENERALES
Sea V un conjunto arbitrario de objetos sobre los cuales se definen dos operaciones,
la adicin y la multiplicacin por escalares (nmeros reales). Por adicin se entiende
una regla para asociar, con cada pareja de objetos u y v en V, un elemento u + v,
llamado suma de u y v; por multiplicacin escalar se entiende una regla para asociar,
con cada escalar k y cada objeto en u en V, un elemento ku, llamado mltiplo escalar
de u por k.
a) Si u y v son objetos en V, entonces u + v esta en V.
b)
c) ( ) ( )
d) Existe un objeto 0 en V tal que 0, u = u + 0 = u para todo u en V
e) ( )
f) ( )
g)
Ejemplo
El conjunto V=R
n
, con las operaciones estndar de adicin y multiplicacin escalar
definidas en la seccin anterior, es un espacio vectorial. Los axiomas 1 y 6 se
deducen de las definiciones de las operaciones estndar sobre R
n
.

159

ESPACIOS VECTORIALES GENERALES
El argumento es semejante al que se uso en el ejemplo 5 y se basa en el hecho de
que los puntos de V satisfacen ecuaciones parametricas de la forma:

Ejemplo:
Sea V el conjunto de las funciones con valor real definidas sobre toda la recta real. Si
f=f(x) y g=g(x) son dos de esas funciones y k es cualquier numero real, se define la
funcin suma f + g y el mltiplo escalar hf por
( )() () ()
()() ()
En otras palabras el valor de la funcin f + g en x se obtiene al sumar los valores de f
y g en x. El vector cero en este espacio es la funcin constante cero, es decir, la
funcin cuya grafica es una recta horizontal que pasa por el origen.

160

( ) V

( )

161

ALGEBRA LINEAL


ACTIVIDAD NO. 29 DEFINICION DE SUBESPACIO VECTORIAL Y SUS
PROPIEDADES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



162

Actividad No. 29
DEFINICION DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES
Algunos de los espacios vectoriales que hemos dado como ejemplo estn
relacionados entre s.

Por ejemplo, C(I) es subconjunto de
I
y P puede pensarse como subconjunto C( ),
ya que cada polinomio define una funcin continua en . Ms aun, las operaciones
son las mismas tanto en
I
como en C(I) y tanto en C( ) como en P. Esta situacin
la de tener un subconjunto de un espacio vectorial V que, con las operaciones
definidas en V, tambin es un espacio vectorial es muy comn y tiene consecuencias
importantes.

Definicin de subespacio.

Un subconjunto S de un espacio vectorial V es subespacio de V si S es un espacio
vectorial con las operaciones definidas en V. Notamos que con esta definicin C(I) es
subespacio de
I
y P es subespacio de C(). De acuerdo con la definicin de
subespacio, para concluir que un subconjunto de V es subespacio deberamos
probar lo siguiente:

1. S no es vaco.
2. la suma y el producto definidos en V son operaciones cerradas en , es decir,
es elemento de si u y v son elementos de , y u es elemento de si es un
escalar arbitrario y u es elemento de (en caso contrario la suma no sera una ley de
composicin interna o el producto por escalares no sera una ley de composicin
externa).
3. se verifican las propiedades 1 a 8 de la definicin de espacio vectorial.

Sin embargo no es necesario probar el tercer punto debido al siguiente

163

Teorema 1 (Teorema del subespacio). Sea un subconjunto de un espacio vectorial
V. Entonces es subespacio de V si y solo si se verifican las siguientes condiciones:

1. no es vaco.
2. Si u y v pertenecen a entonces pertenece a .
3. Si u pertenece a y es un escalar arbitrario, u pertenece a
Ejemplo

1. Claramente = {0}, (el conjunto que solo contiene al elemento nulo de V) y
son subespacios de V . A estos subespacios se los denomina subespacios
triviales.

2. En
2
toda recta que pase por el origen es subespacio. Esta afirmacin puede
justificarse mediante el teorema del subespacio apelando a las interpretaciones
geomtricas de la adicin de vectores en el plano (regla del paralelogramo) y del
producto de vectores por escalares. En efecto, no es vaco porque el origen de
coordenadas pertenece a . Por otra parte, si sumamos dos vectores contenidos en
la recta aplicando la regla del paralelogramo, se comprueba fcilmente que el vector
resultante pertenece a la misma recta. Por ltimo, si multiplicamos un vector
cualquiera de S por un escalar, el vector que obtenemos tiene la misma direccin que
el primero y por lo tanto tambin pertenece a .

Mediante argumentos geomtricos y el teorema del subespacio tambin es posible
demostrar que toda recta o plano que contenga al origen es subespacio de
3

164

3. Sea A
(K = o C), entonces ={x K

m
: Ax = 0} es subespacio de K
m
.

Para comprobarlo usamos nuevamente el teorema del subespacio

i) no es vaco porque 0 S, ya que A0 = 0.
ii) Sean u y v S. Por lo tanto Au = 0 y Av = 0. Entonces A( ) = = ,
con lo cual .
iii) Supongamos u S. Entonces . Para comprobar que un
escalar arbitrario pertenece a , veamos que .
Pero () () . Con esto ltimo queda demostrado que S es
subespacio. A partir de este resultado se puede deducir en forma analtica que toda
recta en
2
que pase por el origen es subespacio. En efecto, si S es una recta que
pasa por el origen, sus puntos verifican una ecuacin de la forma ax1 + bx2 = 0, es
decir, *
+

Si llamamos , - tenemos que *
+ que es subespacio
por lo que ya vimos. En forma similar se demuestra que una recta S en R3 que pase
por el origen es subespacio. En este caso los puntos de S son solucin de un sistema
de dos ecuaciones lineales homogneas, es decir,

*

165

Si ahora consideramos la matriz A = [

], tenemos que
*
+ que es un subespacio de
.
4. Dado un nmero natural o nulo n, denominado P
n
al subconjunto de P compuesto
por los polinomios de grado menor o igual a n junto con el polinomio nulo. Entonces
si y solo si
.
Por ejemplo,
son elementos de

q tambin es
elemento de
, mientras que p no lo es.

es subespacio de P y, por ende, es un espacio vectorial real. En efecto,

no es
vaco por que

contiene al polinomio nulo. Por otra parte, la suma de dos polinomios
de grado menor o igual a n es de grado menor o igual a n, y el producto de un
polinomio de grado menor o igual a n por una constante es igual es un polinomio
menor o igual a n, con lo cual las operaciones suma y producto son cerradas en

5. Dado un intervalo de la recta real, consideremos al conjunto
() formado por
todas las funciones derivables con continuidad. Evidentemente
()es
un subconjunto de C(), pues toda funcin derivable es continua. Afirmamos que
() es un subespacio C(). En efecto, como la funcin nula es derivable y su

derivada, que es la misma funcin nula, es contina,
(), no es vacio. Por otra

parte, si f y g pertenecen a
(), pertenece a
(), pues ( ) .
Similarmente, si
( ) , y es un nmero real cualquiera, () , es

continua y, por lo tanto, pertenece a
().

En forma similar se puede probar que
(I), el conjunto compuesto por todas las

funciones definidas en I que son k-veces derivables con continuidad, es subespacio
de C(I).

166

ALGEBRA LINEAL


ACTIVIDAD NO. 30 COMBINACION LINEAL. DEPENDENCIA E INDEPENDENCIA
LINEAL

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



167

Actividad No. 30
COMBINACION LINEAL. DEPENDENCIA E INDEPENDENCIA LINEAL.
Combinacin lineal
Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar
esos vectores multiplicados por sendos escalares.

Cualquier vector se puede poner como
combinacin lineal de otros que tengan
distinta direccin.

Esta combinacin lineal es nica.
Vectores linealmente dependientes
Varios vectores libres del plano se dice que son linealmente dependientes si hay una
combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los
coeficientes de la combinacin lineal.

Propiedades
1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos
se puede expresar como combinacin lineal de los dems.

168

Tambin se cumple el reciproco: si un vector es combinacin lineal de otros, entonces
todos los vectores son linealmente dependientes.
2. Dos vectores del plano son linealmente dependientes si, y slo si, son paralelos.
3. Dos vectores libres del plano (
) son linealmente
dependientes si sus componentes son proporcionales.
(
) (
]=0

Vectores linealmente independientes
Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinacin lineal de los restantes.

Los vectores linealmente independientes tienen distinta direccin y sus
componentes no son proporcionales.

[
]

169

Ejercicio hecho en clases
VECTORES LINEALMENTE INDEPENDIENTES
Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinacin lineal de los restantes.
Los vectores linealmente independientes tienen distinta direccin y sus componentes.
+

EJERCICIO
Estudia si son linealmente independientes o dependientes los vectores
() () ( )
() () ( ) ()

|
|

|
|
( ) (

170

ALGEBRA LINEAL


ACTIVIDAD NO. 31 BASE Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO
DE BASE.

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



171

Actividad No. 31
BASE Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO DE
BASE.
BASE Y DIMENSION DE UN ESPACIO VECTORIAL
Base: Un conjunto finito de vectores
es una base para un espacio

vectorial V si
es linealmente independiente

Todo conjunto de n vectores linealmente independiente R
n
es una base en R
n

En R
n
se define
1 0 0
*
Base cannica.- Entonces, como los vectores e
1
son las columnas de una matriz
identidad (
) es un conjunto linealmente independiente y, por lo tanto,

constituye una base en R
n
.
Ejemplo
Base cannica para M
22
que .

/ (

)(

)(

), y generan a M
22

Si .
/ .

/ .

/ .

/ .

/ .

/

Entonces es obvio que
. As, estas matrices son linealmente

independientes y forman una base para M
22
.
Definicin

172

Dimensin.- Si el espacio vectorial V tienen una base finita, entonces la dimensin
de V es el nmero de vectores en todas las bases y V se llama espacio vectorial de
dimensin finita. De otra manera, V se llama espacio de dimensin infinita. Si ()
entonces se dice que V tiene dimensin cero.

EJEMPLO
La dimensin de R
n
Como n vectores linealmente independientes en R
n
constituye
una base, se ve que

CAMBIO DE BASE
Sea x un vector que en base B
1
(de vectores unitarios
ser igual a
.

El mismo vector, utilizando otra base B
2
(de vectores unitarios v
1
, v
2
, ...) ser
Supongamos que
se representan en la base B
2
de esta forma:

Por lo tanto, sustituyendo estas ecuaciones en la frmula original nos queda:

)

Reordenando queda:

173

(

Comparando con la frmula
deducimos que:

Esto se puede expresar de forma matricial:

Llamando A a la matriz de coeficientes, X' al vector en la base B
2
y X al vector en la
base B
1
nos queda:

despejando X nos queda:

174

Base
Un conjunto de vectores *
+ forma una base para V si *
+ Es
linealmente independiente. *
+ genera V.

As pues, Todo conjunto de n vectores linealmente independientes en
n
es una base
en
n .
En
n
definimos

Como los trminos e
i
son las columnas de la matriz identidad (cuyo determinante es
1), entonces {e
1
, e
2
, ..., e
n
} es linealmente independiente y, por tanto, constituye una
base en
n
. Esta entidad especial se llama base cannica en
n
.

Teorema 1. Si *
+ es una base de V y si v V, entonces existe un

conjunto nico de escalares
tales que

Teorema 2. Si *
+ y *
+ son bases del espacio vectorial V,

entonces m = n; esto es, cualesquiera dos bases en un espacio vectorial V poseen el
mismo nmero de vectores.
Dimensin
Si el espacio vectorial V posee una base finita, la dimensin de V es el nmero de
vectores en la base, y V se llama espacio vectorial de dimensin finita. De otra
manera, V se denomina espacio vectorial de dimensin infinita. Si *+ entonces V
se dice que es de dimensin cero.

Notacin. Se simboliza la dimensin de V como dim V.

175

Teorema 3. Supngase que dim Si
es un conjunto de m vectores
linealmente independientes en V, entonces m n.

Teorema 4. Sea H un subespacio del espacio vectorial V de dimensin finito.
Entonces H es finito-dimensional y

Demostracin. Sea dim Cualquier conjunto de vectores en H linealmente
independiente, lo es tambin en V. Por el Teorema 3, cualquier conjunto linealmente
independiente en H, cuando ms, contiene n vectores. As pues, H es de dimensin
finita. Ms an, como una base en H es un conjunto linealmente independiente, se ve
que dim

Teorema 5. Cualesquiera n vectores linealmente independientes en un espacio
vectorial V de dimensin n, constituyen una base.

Ejercicios resueltos en clase
Base: Tres vectores con distinta direccin forman una base, porque cualquier
vector se puede poner como combinacin lineal entre ellos ( )
Dimension: Si el espacio vectorial tiene una base con un numero infinito de
elementos. Entonces la es el numero de vectores en todas las bases y se les
denomina espacio vectorial de dimensin infinita. Si de otra manera a se le
denomina de dimensin infinita. Si el espacio vectorial es igual a cero se dice que
tiende

176

EJERCICIO
Para que los vectores de a los vectores () ( ) ( ) forman
una base.
|
|

|
|

( )

( )

( )

Para Forman una base.

177

ALGEBRA LINEAL


ACTIVIDAD NO. 32 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS
PROPIEDADES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



178

Actividad No. 32
ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS
PROPIEDADES
Definicin. El espacio vectorial complejo V se conoce como un espacio con producto
interior si para cualquier par de vectores u y v en V, existe un nico nmero complejo
( ) llamado el producto interior de u y v, tal que si u, v y w estn en
entonces:
PROPIEDADES:
1.- ( )

EJEMPLO
Un producto interno en .- es un espacio con producto interno con ( )

2.- ( )
Sea V un espacio con producto interno y suponga que u y v estn en V. Entonces
i U y v son ortogonales si ( )

EJEMPLO

Dos vectores ortogonales en C2 En C2 los vectores ( ) ( ) son ortogonales
porque
(( ) ( )) ()() ()() Adems
( ))

179

3.- ( ) ( )
Conjunto ortonormal.- El conjunto de vectores es un conjunto ortonormal
en V si
( ) Para i
Y

4.- ( ) ( ) ( )

5.- ( ) ( ) ( )

6.- ( ) ( )

7.- ( ) ( )

180

ALGEBRA LINEAL


ACTIVIDAD NO. 33 BASE ORTONORMAL, PROCESO ORTONORMALIZACION DE
GRAM-SCHMIDT

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



181

Actividad No. 33
BASE ORTONORMAL, PROCESO ORTONORMALIZACION DE GRAM-
SCHMIDT
Mtodo de ortogonalizacin de Gram-Schmidt
En matemticas y anlisis numrico, el mtodo de ortonormalizacin de
GramSchmidt de lgebra lineal es un mtodo de ortogonalizar un conjunto de
vectores en un espacio prehilbertiano, ms comunmente el espacio eucldeo R
n
.

Ortogonalizacin en este contexto significa lo siguiente: comenzamos con vectores
v
1
,, v
k
los cuales son linealmente independientes y queremos encontrar
mutuamente vectores ortogonales u
1
, , u
k
los cuales generan el mismo subespacio
que los vectores v
1
, , v
k
.

Este mtodo lleva el nombre en honor a Jorgen Pedersen Gram y Erhard Schmidt.
Mtodo de GramSchmidt
Definimos el operador proyeccin con

Proyecta el vector v ortogonalmente en el vector u.

182

El mtodo de GramSchmidt entonces funciona como sigue:

Los dos primeros pasos del mtodo de GramSchmidt

EJERCICIOS:
1.- Determina si las siguientes pares de valores son ortogonales o paralelos.
a)0
1 0
1
Solucin:
|
|
2

183

*()
()
+ *()
()
+ *( )
( )
+
* + * + ()
()
= =
b )0
1 0
1

( ) () () ()

Dos vectores son ortogonales o perpendiculares si el producto escalar es igual a cero
c){
} {
}
( )() () () ()
d){
} {
}
()() () () () ()
2.- , para que los vectores sean ortogonales.
{
} {
}
( )( ) ; ;

Sustituyendo
(

*

184

ALGEBRA LINEAL


ACTIVIDAD NO. 34 EJERCICIOS

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



185

Actividad No. 34
EJERCICIOS
EJERCICIOS RESUELTOS DE COMBINACION LINEAL. DEPENDENCIA E
INDEPENDENCIA LINEAL
1.- Dado (() () ()) Determinar si S es LI o LD.
() () () ()
() ( ) ( ) ( )
() ( )

(

)
Solucin:
como existe nica solucin (trivial) entonces S es Linealmente Independiente LI.

186

2.- Dado (() () ()) Determinar si B es LI o LD.
() () () ()
() ( ) ( ) ( )
() ( )

(

+

3.-Sean el espacio vectorial (
) y el conjunto
(() () ( ))
Para qu valores de K?
a) T es linealmente independiente
b) T es linealmente dependiente
() () () ( )
() ( ) ( ) ( )
() ( )

187

(

+

a) *+ El determinante de T es igual a cero; por lo tanto existe una nica
solucin, entonces *+ T es linealmente independiente.

b) es el determinante de T es igual a cero, por lo tanto existen infinitas
soluciones; entonces si , T es linealmente dependiente.

4.- Dado (
). Determinar si A es igual a LI o LD.

() (
) (
) ()
() (
) (
) ()
() (
)

(

+
Solucin:
como existe nica solucin (trivial) entonces Aes Linealmente Independiente LI.

188

5.- Dado (
) . Determinar si D es LI o LD.
() (
) (
) ( )
() (
) (
) ( )
() (
)

(

+

Como existen infinitas soluciones, entonces D es linealmente Dependiente (LD).

6.- Dado (( )
( )
( )) . Determinar si C es LI o LD.
() (
) (
) ( )
() (
) (
) ( )
() (
)

189

(

)
Como existe nica solucin (trivial). Entonces C es linealmente independiente LI.

7.- Dado (() () () ( )) Determinar si D es LI o LD.
() () () ()( )
() ( ) ( ) ( )( )
() ( )

(

Como existen infinitas soluciones, Entonces E es linealmente dependiente LD.

190

8.- Dado (( ) () ( )) Determinar si B es LI o LD.
() ( ) () ( )
() ( ) ( ) ( )
() ( )

(

Como existe nica solucin (trivial). Entonces B es linealmente independiente LI.

191

9.- Sea el espacio vectorial
()
() *
+
Determinar para que valores el conjunto s es:
A) Linealmente independiente
B) Linealmente dependiente.
() (
) (
) (
)
() (
) (
) (
)
() (
)

|| (

+
||

||

|| (
)
|| ( )( )

a) * + El determinante de s es diferente de cero, entonces existe
nica solucin por lo tanto * + s es linealmente independiente LI.

b) El determinante de s es igual a cero, entonces existen
infinitas soluciones, por lo tanto si s es linealmente
dependiente LD.

192

10.- Dado (
) Determinar si A es LI o LD.
() (
) (
) (
)
() (
) (
) (
)
() (
)

(

,

Como existen infinitas soluciones, entonces A es linealmente dependiente LD.

193

EJERCICIOS RESUELTOS DE BASE Y DIMENSION DE UN ESPACIO VECTORIAL.
CAMBIO DE BASE
1 para que valores de a los vectores u=1,1,1, v=1,a,1 y w=(1,1,a) forman una base.

( )

( )

Para a1 forma una base

2. Si V=R
3
, una base muy sencilla de V es:

()

la cual es conocida como base cannica de R3. Otras bases de R3 son:

'()
()
()

En general, toda base de R
3
estar formada por tres vectores linealmente
independientes que pertenezcan a R
3
. Cuando el espacio vectorial en s mismo es un
conjunto finito entonces el nmero de bases distintas es finito.

194

1. Si V es un espacio vectorial de dimensin finita, entonces todas las bases de V
sern finitas y tendrn la misma cantidad de elementos.

2. No todas las bases tienen un nmero finito de elementos.

3. Las bases del espacio vectorial de los polinomios de una variable tienen infinitos
elementos. Una posible base es la formada por las potencias de :

Dimension sobre un espacio vectorial
Dado un espacio vectorial sobre K:
- Si tiene base finita, diremos dimensin al nmero de elementos de dicha base.

- Si tiene base no finita, diremos que es de dimensin infinita.

Notacion:
Dado un espacio vectorial E y un subespacio F E, tenemos que:
- Si E tiene dimensin n o indicaremos como

- Si F tiene dimension m como subespacio de E lo indicaremos como

195

4. Sea x un vector que en base B
1
(de vectores unitarios u
1
, u
2
, ...) ser igual a m
1
u
1
+
m
2
u
2
+ m
3
u
3
+ ... El mismo vector, utilizando otra base B
2
(de vectores

Supongamos que u1, u2, ... se representan en la base B2 de esta forma:

______________________________________

Por lo tanto, sustituyendo estas ecuaciones en la fo rmula original nos queda:

)

Reordenando queda:

( ) ( )

Comparando con la fo rmula x = n1v1+ n2v2 + n3v3 + ... deducimos que:

____________________________________

Esto se puede expresar de forma matricial:

196

________________________________

Llamando A a la matriz de coeficientes, X' al vector en la base B2 y X al vector en la base B1
nos queda:

despejando X nos queda:

5. Se consideran las siguientes bases de R
5

*() () () () ()+

*( ) () () ( ) ()+

Hallar con la ayuda de DERIVE:

a) Las coordenadas de los vectores de la base B2 respecto de la base B1

b) Las coordenadas de los vectores de la base B1 respecto de la base B2.

"Definimos los vectores de B1"

: ,-
: ,-
: ,-
: ,-
: ,-

197

"Y los vectores de B2"

: , -
: ,-
: ,-
: , -
: ,-

"(a)"

-
,
-

"coordenadas de
en base B1"

-
,
-

198

"coordenadas de
en B1"

-
,
-

"coordenadas de
en B1"

-
,
-

"coordenadas de
en B1"

-
,
-

199

"coordenadas de
en B1"

"(b)"

-
,
-

"coordenadas de
en B2"

-
,
-

200

"coordenadas de
en B2"

-
,
-

"coordenadas de
en B2"

-
,
-

"coordenadas de
en B2"
-
,
-
"
"

201

6. Sea *( ) () ()+ *() () ()+ bases de A 3.

Queremos hallar la matriz de transicio n de la base B a la Base C. Para ello expresamos los
vectores de la base B como combinacio n lineal de los vectores de la base C, es decir

( ) () () ()
() () () ()
() () () ()

lo cual nos lleva a los 3 sistemas de ecuaciones que tienen la misma matriz,

,( )- ( ) ,()- ( ) ,()- ()

por lo tanto la matriz de transicio n buscada es , en efecto, si w=(2,-3,4), en el ejemplo
anterior comprobamos que

( ) ( ) () ()
,( )- ( )

En efecto,

202

(
)() (
)() (
)() ( )

Sean *
+ *
)+ bases de P2.

a) Encuentre A, la matriz de transicin de la base B a la base C

) ,()- ( ) ,()-
) ,()- () ,()- ()

Solucin1:

-
B=(1,2,3)

Solucin 2

a)
() () ()
() () ()

b)
() () ()
() () ()

A y P son matrices inversas

Conjetura:
Si A es la matriz de transicin de la base S a la base B, entonces A-1 es la matriz de
transicin de la base B a la base S, En efecto, ,- ,- ,- ,-

203

Porqu podemos asegurar que A es invertible?

w=3(1,1)-2(-1,1) = (5,1)

Solucin3:

es la matriz de transicin de la base B a la base cannica.
es la matriz de transicin de la base C a la base cannica.
Por lo tanto Q-1 es la matriz de transicin de la base cannica a la C.

Q-1P es la matriz de transicin buscada; en efecto

Q-1*(P*[w]B)= Q-1*[w]S=[w]C

EJERCICIOS RESUELTOS DE BASE ORTONORMAL. PROCESO DE
ORTONORMALIZACION DE GRAM-SCHMIDT
1.- Considera el siguiente conjunto de vectores en (con el convencional producto
interno)
2
/3
Ahora, aplicamos GramSchmidt, para obtener un conjunto de vectores ortogonales:
/
.
/
.
/ 4

5
Verificamos que los vectores u
1
y u
2
son de hecho ortogonales:
/ 4

5

204

Entonces podemos normalizar los vectores dividiendo su tamao como hemos
mostrado anteriormente:
/ ;
/

2.- Utilizando el procedimiento de Gram- Schmidt ortonormalizar la base siguiente:
*
+ *+
PASO 1: Convertir la base dada en una base ortogonal (B)
()()
()() ()()

" *
+ *+
PASO 2: Convertir la base ortogonal (B) (B) en una base ortonormal (B).

" *
+ * +

Como
no existen la base dada no se puede ortonormalizar

205

3.- Dado el espacio vectorial V de los polinomios de grado menor o igual que 1 y el
producto escalar:
1
1 2 1 2
0
( ) ( ) ( ) ( ) p x p x p x p x dx - =
}

Calcular la matriz asociada al producto escalar respecto de la base
{ }
1 B x = ,

SOLUCIN:
Un producto escalar es un caso particular de forma bilineal simtrica, por lo tanto
existe una matriz simtrica A, asociada al producto escalar, respecto de cualquier
base *
+de V . Dicha matriz vendr dada por: .
/
En este caso particular tenemos que:
1 u =

y que
v x =

Tal y como se ha definido el producto escalar, lo que sabemos es que:

Luego, la matriz asociada al producto escalar en la base ( ) es:
(

*

206

4.- De un producto escalar definido en
2
respecto de la base *
+, se sabe
que:
)
)
) (
)
a) Calcular la matriz asociada al producto escalar.
b) Calcular () ()
SOLUCIN:
a) .
/
Tenemos que:
) (
) (
)
La matriz asociada al producto escalar es: .

/
b) () () ().
/ () .

/ .
/
5.- Sea E un espacio vectorial eucldeo de dimensin N y U un subespacio vectorial
de E, U
, el subespacio complemento ortogonal de U, calcular:

a) (
)
b) (
)

207

SOLUCIN:
a) Sabemos que la suma de
es directa, por tanto
+ con lo cual

b) Adems de ser suma directa se tiene que
, directamente se obtiene que

(
) ()
6.- Sea 2( )

3 calcular una base ortonormal de F.
SOLUCIN:
Primero hallaremos una base de F, si es ortogonal, bastara con normalizar y el
problema estara resuelto, sino aplicaremos el mtodo de Gram-Schmidt para
transformarla en otra base de F que sea ortonormal.
{( )

} {( )
}
*( )
+ () ()
Una base para F es
{(
+ (
+} *
+ que sus vectores no son ortogonales

ya que
() (
+
Aplicamos el mtodo de Gram-Schmidt
+ (
+

208

{(
+ (
+} es una base ortogonal de F y normalizando los vectores de
se
obtiene
{(
)(
)}
que es una base ortonormal de F.

7.- Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el
proceso de gram-schmidt para transformar los vectores bsicos
()
()
()
Calcular la base ortogonal
)
()
()
( )
)
()
()
( )
)
()
()
( )
)
()
()
( )
)
()
()
( )

()
()
Calcular la base ortogonal
) () ()
) () ()
) () ()
) () ()

209

) () ()

9.-Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el
()
()
Calcular la base ortonormal
) () ()
) () ()
) () ()
) () ()
) () ()

( )
()
()
Calcular la base ortonormal
)
( )
()
( )
)
( )
()
( )
)
( )
()
( )
)
( )
()
( )
)
( )
()
( )

210

ALGEBRA LINEAL


ACTIVIDAD NO. 35 PROYECTO: PROGRAMA QUE SUMA VECTORES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



211

Actividad No. 35
PROYECTO DE LA UNIDAD NO. 4
import javax.swing.*;
public class Vectores
{
public static void main (String arg [])
{
Vectores yo=new Vectores();
int a,i, opc = 0;
float c, e[], suma=0, sum=0, r=0, re=0, res=0, resul = 0, ang=0, angu=0, angulo=0, b, d;
e = new float[200];
String aa="";
aa+=" INSTITUTO TECNOLOGICO DE TAPACHULA\n\n Prof.
M.C. Jose Luis Ruiz Maldonado\n\n";
aa+=" ALGEBRA LINEAL\n\n";
aa+=" Proyecto de la unidad No. 4\n\n";
aa+=" Espacios Vectoriales\n\n";
aa+=" ALUMNOS:\n";
aa+=" Guillermo Morales Maldonado\n Switmy Mayumi
Alvarez Ruiz\n";
aa+=" Hipolito Magdaleno Dominguez\n Christian Gonzalo
Jimenez Ancheyta\n\n";

212

aa+=" Ing. SISTEMAS COMPUTACIONALES\n
Segundo Semestre\n\n";
aa+=" Tapachula Chiapas, a 11 de Noviembre del 2011";
JOptionPane.showMessageDialog(null,aa,"<<EQUIPO #
6>>",JOptionPane.INFORMATION_MESSAGE);
do
{
a=Integer.parseInt(JOptionPane.showInputDialog(null,"CUANTOS VECTORES
TIENES?","<<EQUIPO #6>>",JOptionPane.QUESTION_MESSAGE));
for(i=1;i<=a;i++)
{
b=Float.parseFloat(JOptionPane.showInputDialog(null,"INTRODUCE EL
VECTOR","<<EQUIPO #6>>",JOptionPane.QUESTION_MESSAGE));
d=Float.parseFloat(JOptionPane.showInputDialog(null,"INTRODUCE EL VALOR DEL
ANGULO","<<EQUIPO #6>>",JOptionPane.QUESTION_MESSAGE));
c= (float)Math.cos(d * Math.PI / 180);
e[i]=c*b;
suma=suma+e[i];
c= (float) Math.sin(d * Math.PI / 180);
e[i]=c*b;
sum=sum+e[i];

213

r=suma*suma;
re=sum*sum;
res=r+re;
resul= (float) Math.sqrt(res);
ang=sum/suma;
angu= (float) Math.atan(ang);
angulo=angu+180;
String bb="";
bb=bb+"SUMARTORIA F(X) ES="+suma+"\n";
bb=bb+"SUMARTORIA F(Y) ES="+sum+"\n";
bb=bb+"LA RESULTANTE ES="+resul+"N"+"\n";
bb=bb+"EL ANGULO ES="+angulo+""+"\n";
JOptionPane.showMessageDialog(null,bb,"<<EQUIPO
}
opc=Integer.parseInt(JOptionPane.showInputDialog(null,"1.- REGRESAR\n2.-
SALIR","<<EQUIPO #6>>",JOptionPane.QUESTION_MESSAGE));
}while(opc==1);
}
}

214

ALGEBRA LINEAL


UNIDAD V. TRANSFORMACIONES LINEALES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



215

INDICE
TRANSFORMACIONES LINEALES
INTRODUCCION A LAS TRANSFORMACIONES LINEALES___________________________216-219
PROPIEDADES DE LAS TRANSFORMACIONES LINEALES___________________________220-228
ALGUNAS APLICACIONES DE LAS TRANSFORMACIONES LINEALES_________________229-236

216

ALGEBRA LINEAL


ACTIVIDAD NO. 36 INTRODUCCION A LAS TRANSFORMACIONES LINEALES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



217

ACTIVIDAD No. 36
INTRODUCCION A LAS TRANSFORMACIONES LINEALES
Se inicia el estudio de las funciones con valor vectorial de una variable vectorial.
Es decir, funciones que tienen la forma () en donde la variable independiente v
y la dependiente w son vectores. Se enfoca la atencin en una clase especial de
funciones vectoriales conocidas como transformaciones lineales. Estas funciones
tienen muchas aplicaciones importantes en fsica, ingeniera, ciencias sociales y
diversas ramas de las matemticas.

Si V Y W son espacios vectoriales y F es una funcin que asocia un vector nico en
W, con cada vector en V, se dice que F aplica (mapea) Ven W y se escribe
Adems, si F asocia el vector w al vector v se escribe () y se dice
que w es la imagen de v bajo F.

Como ilustracin, si ( ) es un vector en
, entonces la frmula

() ( )

Define una funcin que aplica
en
. En particular, si (), entonces x=1y y =

1 de modo que la imagen de v bajo F es () ( ).
Definicin
Si es una funcin del espacio vectorial V hacia el espacio vectorial W,
entonces F es una transformacin lineal si

i.- ( ) () () para todos los vectores de u y v en V.
ii.- () () para todos los vectores de u en V y todos los escalares k.

sea
la funcin () ( )

218

si u = (
) y v = (
), entonces u + v = (
) de modo que:

( ) (

- ,
- ,

- ,
-)
= (

) (

)

= () ()

Tambin, si k es un escalar,
de manera que:
() (

()

Por lo tanto, F es una transformacin lineal.

Si es una transformacin lineal, entonces para
cualesquiera en V y
cualesquiera escalares
, se tiene que:

(

) (
) (
)

De modo anlogo, si

son vectores en V y
son
escalares, entonces:

(
)

DOS OBSERVACIONES SOBRE NOTACION
1.- Se escribe para indicar que T toma el espacio vectorial real V y lo lleva
al espacio vectorial real W; esto es, T es una funcin con V como su dominio y un
subconjunto de W como imagen.
2.- Se escribe indistintamente Tv y T(v). Denotan lo mismo; las dos se leen T de v.
Esto es anlogo a la notacin funcional f(x), que se lee f de x.

219

Ejemplo
Sean V Y W dos espacios vectoriales cualesquiera. La aplicacin tal que
() para todo v en V es una transformacin lineal conocida como transformacin
cero. A fin de ver que T es lineal, obsrvese que

( ) () () ()
Por lo tanto

( ) () () () ()

Ejemplo
Sea V cualquier espacio vectorial. La aplicacin definida por () se
conoce como transformacin identidad sobre V.
Si, es una transformacin lineal de un espacio vectorial Ven s mismo,
entonces T es un operador lineal sobre V.

220

ALGEBRA LINEAL


ACTIVIDAD NO. 37 PROPIEDADES DE LAS TRANSFORMACIONES LINEALES:
IMAGEN Y NUCLEO

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



221

ACTIVIDAD No.37
PROPIEDADES DE LAS TRANSFORMACIONES LINEALES:IMAGEN
Y NUCLEO
Teorema 1
Sea una transformacin lineal. Entonces para todos los vectores

en V y todos los escalares
:
i. T(0) = 0
ii. T(u v) = Tu Tv
iii. T(

Nota:
En la parte de i el cero de la izquierda es el vector cero en V, mientras que el cero de
la derecha es el vector cero en W.
Demostracion.-
i. () ( ) () ()
Asi () () () () () ()
ii. T(u v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu Tv
iii. Esta parte se prueba por induccin. Para n = 2 se tiene (
= (
. As la ecuacin (1) se cumple para n = 2. Se supone

que se cumple para n = k, y se prueba para
(
)
(
) (
)
Y usando la ecuacin en la parte iii) para n = k, esto es igual a
)
Que es lo que se quera demostrar. Esto completa la prueba.

222

Observacin:
Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii).
Un dato importante de las transformaciones lineales es que estn completamente
determinadas por el efecto sobre los vectores de la base.

Teorema 2
sea V un espacio vectorial de dimensin finita con base {
}. Sean
vectores en W. suponga que
son transformaciones lineales de V en W

tales que
para i = 1, 2, .., n. Entonces para cualquier vector v ,
es decir

Demostracin.-
Como B es una base para V, existe un conjunto nico de escalares
tales
que
Entonces el inciso iii) del teorema 1,

De manera similar

Por lo tanto,

El teorema 2 indica que si y V tiene dimensin finita, entonces solo es
necesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto es si
se conoce la imagen de cada vector bsico, se puede determinar la imagen de
cualquier vector en V. Esto determina T por completo. Para ver esto, sean

223

una base en V y sea v otro vector en V. Entonces, igual que en la prueba del teorema
2

Asi, se puede calcular Tv para cualquier vector v si se conocen

Ejemplo:
Si se conoce el efecto de una transformacin lineal sobre los vectores de la base, se
conoce el efecto sobre cualquier otro vector.
Sea T una transformacin lineal de
en
y suponga que T = (
+ .
/,
(
+ .
/ (
+ .
/ Calcule (
+
Solucin:
Se tiene
(
+ = 3(
+ (
+ (
+
Entonces
T(
+ = 3T(
+ (
+ (
+
.
/-4T.
/ .
/ .
/ .
/ .
/ .
/
Surge otra pregunta; si
son n vectores en W, existe una transformacin

lineal T tal que
, para i = 1, 2, , n? La respuesta es si, como lo muestra el

siguiente teorema.

224

Teorema 3
Sea V un espacio vectorial de dimensin finita con base {
}. Sea W un
espacio vectorial que contiene los vectores
. Entonces existe una

transformacin lineal nica : tal que
para i = 1, 2, , n.
Demostracion.-
i.

ii.
,
Entonces
Tv =

Como B es una base para V, T esta definida para todo v V; y como W es un espacio
vectorial, Tv W. Entonces falta demostrar que T es lineal; lo que se deduce
directamente de la ecuacin (1). Si u =
, y v =
,

Entonces:
( ) ,(
-
(
-
(
) (

De manera similar, T() asi que T es lineal. La unicidad de T se obtiene del
teorema 2 y la prueba queda completa.
Observacin.-

225

En los teoremas 2 y 3 los vectores
. no tienen que ser independientes y, de

hecho, ni siquiera tienen que ser distintos. Mas aun, se hace hincapi en que los
teoremas se cumplas si V es cualquier espacio vectorial de dimensin finita, no solo
. Observe que tambin W no tiene que ser finita.

Ejemplo
Definicin de una transformacin lineal de

Encuentre una transformacin lineal de
en el plano.
{4
5: }
Solucin
Se sabe que W es un subespacio en
con vectores bsicos
+ y
+.
Utilizando la base estndar
/
Se define la transformacin lineal T por T = .
/ (
+ y T=.
/ (
+
Entonces, como lo demuestra el anlisis que sigue al teorema 2, T est
completamente determinada. Por ejemplo:
T.
/= T0 .
/ .
/1 .
/ .
/ (
+ (
+ (
+
De manera mas general,
.
/ (
+

226

NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL
Definicin.-
Sean V y W dos espacios vectoriales y sea una transfomacion lineal.
Entonces:
i. El ncleo de T, denotado por un T, esta dado por
* +
ii. La imagen de T, denotado por Im T, esta denotado por
* +
Teorema 4
Si es una transformacin lineal, entonces,
i. nu T es un subespacio de V.
ii. Im T es un subespacio de W.
Demostracin.-
i. Sean u y v en un T; entonces ( ) y ()
de forma que u + v y estn en un T.
ii. Sean w y x en Im T. Entonces para dos vectores u y v en V.
Esto significa que ( ) () Por lo
tanto, w + x y estn en Im T.
Ejemplo
Nucleo e imagen de la transformacin cero
Sea Tv=0 para todo v V (T es la transformacin cero). Entonces nu T = V e
Im T= *+
Ejemplo
Nucleo e identidad de la transformacin identidad

227

Sea Tv = v para todo v (T es la transformacin lineal). Entonces un T = *+ e Im T
= V
Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo
se encuentra en el ncleo. En la segunda solo el vector cero se encuentra en el
ncleo. Los casos intermedios son ms interesantes.
Ejemplo
Ncleo e imagen de un operador de proyeccin
Sea
definida por 4
5 4
5
Esto es, T el operador de proyeccin de
en el plano xy.
Si 4
5 4
5 (
+ entonces x = y = 0.
Asi un T =*( ) +, es decir, el eje z, e Im T = * +: , es
decir, en el plano xy. Observe que dim nu T = 1 y dim Im T = 2.
Ejemplo
Nucleo e imagen de un operador traspuesto
Sea
y defina
por T(A) =
. Si TA =
, enonces
es la
matriz cero de m x n. Asi, un T = *+ y es claro que Im T =
. Esto significa que v(T)

= 0 y p(T) = mn.
Ejemplo
Nucleo e imagen de una transformacin

Defina :
por T(p) = T (
) (
). Entonces
si T(p)
para toda x, lo que implica
Asi un
T=*
: ()
+ e Im () ()

228

Ejemplo
Nucleo e imagen de un operador integral
Sea ,- y defina : ,-: por ()

Entonces un J=2 ,-: ()
3 Sea un numero real. Entonces la funcin

la constante f(x) = para x ,- esta en C[0,1] y
Como esto se cumple

para todo numero real se tiene que Im J =

229

ALGEBRA LINEAL


ACTIVIDAD NO. 38 ALGUNAS APLICACIONES DE LAS TRANSFORMACIONES
LINEALES

EQUIPO No. 6

M3 15-17 15-16 15-17

SEGUNDO SEMESTRE



230

ACTIVIDAD No. 38
ALGUNAS APLICACIONES DE LAS TRANSFORMACIONES
LINEALES
Reflexin respecto al eje x
En
se define una funcin T mediante la frmula T.
/=.
/. Geomtricamente, T
toma un vector en
y lo refleja respecto al eje x

Transformacin de un vector de produccin en un vector de materia prima
Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno
requiere tres tipos de materiales. Se identifican los cuatro productos
y a los
materiales como
. La tabla siguiente muestra el nmero de unidades de

cada materia prima que se requieren para fabricar 1 unidad de cada producto.

El vector (x,-y) es la
reflexin respecto al eje x
del vector (x,y)

231

Surge una pregunta natural: si se produce cierto nmero de los cuatro productos.
Cuntas unidades de cada material se necesitan? Sean
el nmero de
artculos fabricados de los cuatro productos y sean
el nmero de unidades
necesario de los tres materiales.
Entonces se define:
(
, (
+ (

+
Por ejemplo, suponga que (
+ Cuntas unidades de
se necesitan para

producir estos nmeros de unidades de los cuatro producto? De la tabla se tiene que

De manera similar

En general se ve que

(

+(
, = (
+
O

Ap = r

( 50)

232

Esto se puede ver de otra manera. Si a p se le conoce como el vector de
produccin y a r como el vector de materia prima, se define la funcin T por
() . Esto es, T es la funcin que transforma el vector de produccin en el
vector de la materia prima y se hace mediante la multiplicacin de matrices ordinaria.
Como se ver esta funcin tambin es una transformacin lineal.

Una transformacin lineal de

Sea
definida por T.
/ (

+ ,
Por ejemplo, T.
/ (
+ Entonces,
T0.
/ .
/1 .
/ (
)
(
+ (
+
Pero
(
+ .
/ (
+ .
/
As
0.
/ .
/1 .
/ .
/
De manera similar
0 .
/1 .
/ (

+ (

+ .
/
Asi, T es una transformacin lineal.

233

Transformacin cero

Sean V y W espacios vectoriales y defina por para todo v en V.
Entonces (
() En este caso, T
se denomina la transformacin cero.

La transformacin identidad

Sea V un espacio vectorial y defina por Iv = v para todo v en V. Aqu es
obvio que I es una transformacin lineal, la cual se denomina transformacin identidad
u operador identidad.

Transformacin de reflexin
Sea
definida por T.
/ .
/ Es fcil verificar que T es lineal. En

trminos geomtricos, T toma un vector en
y lo refleja respecto al eje.

Transformacion de
dada por la multiplicacin por una matriz m x n

Sea A una matriz de m x n y defina
por Tx = Ax.
Como ( ) () si x y y estn en
, se observa que T es
una transformacin lineal. Entonces, toda matriz A de m x n se puede utilizar para
definir una transformacin lineal de
.
El vector (-x,y) es la
reflexin al eje y del
vector (x,y)

234

Transformacin de rotacin
Suponga que el vector .
/ en el plano xy se rota un ngulo (medido en grados o

radianes) en sentido contrario a las manecillas del reloj. Llame a este nuevo vector
rotado (
*. Entonces, si r denota la longitud de v(que no cambia por la rotacin)

( ) ( )

Pero ( ) = de manera que
(3)
De manera similar, r(sen ) = r sen o sea
(4)
Sea
.

/ (5)
Entonces de (3) y (4), se ve que
/ (
*. La transformacin lineal
definida por Tv =
donde
est dado por (5) se llama transformacin de

rotacin.
(x`,y`) se obtiene
rotando
(x,y) un ngulo

235

Transformacin de proyeccin ortogonal
Sea H un subespacio de
. La transformacin de proyeccin ortogonal

Se define por

Sea *
+ una base ortonormal para H. Entonces se tiene

(

Como (
() ( ) se ve que P es una
transformacin lineal.
Dos operadores de proyeccin
Se define
por 4
5 4
5. Entonces T es el operador de proyeccin que

toma un vector en el espacio de tres dimensiones y lo proyecta sobre el plano xy.
De manera similar, T 4
5 4
5 proyecta un vector en el espacio sobre el plano xz

.

b) proyeccin sobre el
plano xz4
5 4
5

236

Operador de transposicin
Defina
por () . Como ( ) () se ve
que T es denominado operador de transposicin, es una transformacin lineal.
Operador integral
Sea ,- definida por ()

Como
,() ()-
() () () ()
si f y g
son continuas, se ve que J es lineal. Por ejemplo (
J se denomina operador
integral.
Operador diferencial
Suponga que
,- ,- se define por Como ( )

() si f y g son diferenciables, se ve que D es lineal. D se denomina
operador diferencial.

Unidad Completa de Algebra Lineal Isc

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad Completa de Algebra Lineal Isc

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLOGICO DE TAPACHULA ALGEBRA LINEAL

se llama matriz de coeficientes, la

se llama matriz de incgnitas y la matriz B =

(siempre que se puedan realizar las operaciones).

, y a la tercera, la primera fila. La matriz queda as:

). El conjunto de todas las n-adas ordenadas se conoce

) son vectores cualesquiera en R

(K = o C), entonces ={x K

, mientras que p no lo es.

() es un subespacio C(). En efecto, como la funcin nula es derivable y su

(), no es vacio. Por otra

( ) , y es un nmero real cualquiera, () , es

(I), el conjunto compuesto por todas las

es una base para un espacio

) es un conjunto linealmente independiente y, por lo tanto,

. As, estas matrices son linealmente

+ forma una base para V si *

+ es una base de V y si v V, entonces existe un

+ son bases del espacio vectorial V,

). Determinar si A es igual a LI o LD.

no existen la base dada no se puede ortonormalizar

+de V . Dicha matriz vendr dada por: .

, el subespacio complemento ortogonal de U, calcular:

es directa, por tanto

, directamente se obtiene que

+ que sus vectores no son ortogonales

+} es una base ortogonal de F y normalizando los vectores de

. En particular, si (), entonces x=1y y =

en V y todos los escalares

. As la ecuacin (1) se cumple para n = 2. Se supone

vectores en W. suponga que

son transformaciones lineales de V en W

para i = 1, 2, .., n. Entonces para cualquier vector v ,

Entonces el inciso iii) del teorema 1,

son n vectores en W, existe una transformacin

, para i = 1, 2, , n? La respuesta es si, como lo muestra el

. Entonces existe una

. no tienen que ser independientes y, de

. Observe que tambin W no tiene que ser finita.

con vectores bsicos

. Esto significa que v(T)

para toda x, lo que implica

3 Sea un numero real. Entonces la funcin

Como esto se cumple

se define una funcin T mediante la frmula T.

y lo refleja respecto al eje x

. La tabla siguiente muestra el nmero de unidades de

/ Es fcil verificar que T es lineal. En

y lo refleja respecto al eje.

dada por la multiplicacin por una matriz m x n

/ en el plano xy se rota un ngulo (medido en grados o

*. Entonces, si r denota la longitud de v(que no cambia por la rotacin)

est dado por (5) se llama transformacin de

. La transformacin de proyeccin ortogonal

+ una base ortonormal para H. Entonces se tiene

5. Entonces T es el operador de proyeccin que

5 proyecta un vector en el espacio sobre el plano xz

,- ,- se define por Como ( )

También podría gustarte