ALGEBRA LINEAL

Ciclo 2020-I

FIEE-UNI Junio 2020

Ing. César Atalaya Pisco

Planos en el espacio.  

   
 
 
H P(x,y,z)
 
Z
 
 
  Y’
k
   
H: Ax+By+Cz+D=0 X’
Y
P’1(x,y,z)
 

  X
P (x,y,z)
 

 
 Z
Ecuaciones ejes coordenadas

Tarea grupal:
Determinar- Una ecuación paramétrica de
una recta paralela y contenida en el plano Y
XY; XZ y YZ

Determinar- Una ecuación paramétrica de X

una recta paralela y contenida en el plano
XY; XZ y YZ, que biseca a los ejes XZ, YZ y XZ
 

 
 
   
 
 
   
 

d
 
H
H  

   
 
H
H1
  d
d
H
H2  

 
Sistema de ecuaciones lineales

 
 

Incógnitas: n A: Matriz Coeficientes

Rango=R X: Matriz Incógnitas
Variables Libres=n-R AX=B B: Matriz Resultados

R: Mayor Orden de la sub matriz  

cuadrada de coeficientes, cuya
determinante es distinta de cero.
 Qo 𝑛⃗ 
H:3x-4y-2z-16=0 (1)
𝑃  𝑜 ε 𝐻 ?
 
D=//u
d
H
 En H:
n=3; 𝑃  𝑜
R=1 H
VL=n-R=2
VL: (x,y), (x,z), (y,z) ;
 
Tomar x=y=0 (2)

(2) En (1): -2z-16=0, z=-8

 
 
   
d
 
 
 

H
  
Intersección entre una recta y un plano L

 
h
H Pi
   

   

 
   
 

  P=(xo,yo,zo)+t(a1,a2,a3)=(x1,y1,z1)

P=(-1,3,3))+t(2,1,0)=(x1,y1,z1)
   =(-1,3,3))+t(2,1,0)=(x1,y1,z1)  -1+2t; (3)

  : ++-6=0 (4)

 (3) En (4): (-1+2t)+3+t+3-6=0; 3t=1; t= (5)   , ,3)

  (5) En (3) : =-; ;

  
𝑛  1
⃗
Intersección entre dos planos no paralelos L
𝑛⃗  2
 
 
H1: A1x+B1y+C1z+D1=0 (1)
H2: A2x+B2y+C2z+D2=0 (2)   H1ՈH2={}=
 
⃗  ⊥ ⃗𝑛1 𝑦 𝑎
𝑎 ⃗⊥𝑛
⃗2 ; ⃗
𝑎 =⃗𝑛1 𝑥 ⃗𝑛2
 
 Cálculo de =( ε H2 (3)

  (4)

(5)

(6) En (4) y 3n (5):

  VL=(   (7)
n=3
R=2 𝑃
  𝑜 =(0 , 𝑦 𝑜 , 𝑧 𝑜)
VL=3-2=1 (8)
Ejercicio. Calcular la intersección de los planos H1: x+2y-3z-18=0;
H2: 3x+y-z+14=0

Angulo entre una recta y un plano L  

 
Definición.- Es el ángulo formado por la recta y la normal al plano.

   

H
  
α
α
Angulo entre dos planos  

Definición.- está dado por el ángulo α

α
formado por las normales a ambos planos

 
 
   
 

 
 
 Proyección ortogonal de una recta sobre un plano
𝑎⃗  L1
Datos: H y la recta L
 𝑃𝑜
  ⊥
  Procedimiento: H2
𝑛⃗  2
1. Trazar el plano H2⊥H1
;
2.  Calcular ,  
P
3. H2: (p-

H1 L3

  =L3
 Determine el área de la
R sombra del triángulo
B (5,-7,9) ABC sobre el
C(-4,-1,3) paralelogramo PQRS

Q ,2 )
,- 1
) =  (1
,-1 ,2
B’ =  (1
𝑎⃗  H: 2x+y+2z+18=0
⃗𝑏  C’
A (3,-4.-2)

 𝐴 1
S ′ ′ = |𝑎⃗ 𝑥 ⃗𝑏|
𝐴 𝐵 𝐶′
2
A’

H
P
 LA=A+t1,-1,2)=A’=(x1,y1,z1)=HՈLA

X1=3+t (1) B’
C’
Y1=-4-t (2)
Z1=-2+2t (3)

H: 2x+y+2z+18=0 (4)

  𝑠= 1 |⃗
𝐴 𝐴 𝐶 ′ 𝑥⃗
′ ′
𝐴 𝐵 ′|
Reemplazando (1), (2), (3) en (4): 2

2(3+t)-4-t+2(-2+2t)+18=0 (5) A’
De (5) se calcula t y se reemplaza en (1), (2) y (3) y se calcula A’
 𝑡 𝑜
Calcular las trayectorias incidente y 𝑡 𝑓
reflejadas al emitirse un rayo 𝑃  1
𝑛⃗  𝐿  𝑅
𝑃  𝑓
luminoso desde el punto Pi que debe 𝑎⃗ 
llegar al punto Pf ⃗𝑏 

  Datos:

𝑃  𝐼 1  𝑃𝑅
 Procedimiento
𝐿  𝑖
1. Trazar
2. Calcular 𝑃  𝐼 ′
3. Calcular imagen ( de P1PR=(Tr-To)
 
4. se calcula
5. = (Rayo de reflexión) 𝐿  1 ′
6. Calcular: PRPf=(Tf-TR)
 
7. Calcular
   𝐴 1 𝐵1 𝐶 1
 Sean los planos
[ 𝐴2
𝐴3
𝐵2
𝐵3
𝐶2
𝐶3 ] Drivers:
1. Rango (R)
2. N° Incógnitas (n): n=3
 Para tres planos 3. Variables Libres (VL)
n=3 VL=n-R
Caso 1: R=3; VL=0 Solución única
 Caso 1: R=2; VL=1

 𝐻 1  𝐻 1

 𝐻 3  𝐻 3

 𝐻 2
 𝐻 2
 Caso 3.1: R=1; VL=2 Caso 3.1: R=1; VL=2
 
 
Sean X=Y=0 variables libres (4)  
Sean x=z=0 variables libres (5)
(4) En (1): z+ (5) En (1): y+

𝐻 1 Ո𝐻 2 Ո𝐻 3=𝑃1 =¿
 
𝐻
 (4) En (2): z=   1

z
  − 𝐷2
𝐻 1 Ո 𝐻 2 Ո 𝐻 3=𝑃2 =(0,0 , ) − 𝐵1
𝐶2   =(0 ,
𝑃 , 0) 𝑃  2
2
𝐷1
z

𝑃  2 O 𝑃  2  𝐻 1
𝑃  1 Y
 𝐻 2
O X
 𝐻 1
Y

X
MATRICES
Definición.- Arreglo rectangular de información ordenada en filas (líneas
horizontales) y columnas (líneas verticales), las cuales pueden ser ocupadas por
números, funciones, vectores, etc.

Orden de una matriz.- Está dado por el número de filas y el número de columnas de
la matriz dada. Para el caso de la matriz A mostrada abajo, el Orden de dicha matriz
es nxm

ܽଵଵ ܽଵଶ ܽଵଷ … ܽଵ௠ ିଵ ܽଵ௠

ܽଶଵ ܽଶଶ ܽଶଷ … ܽଶ௠ ିଵ ܽଶ௠
A= ‫ڭ‬ ܽ௜௝ = (ࢇ࢐࢏ ሻ࢓࢞࢔
ܽ௡ଵ ܽ௡ଶ ܽ௡ଷ ܽ௡௠ ିଵ ܽ௡௠

1 ≤ i ≤n 1 ≤ j ≤m
 Ejemplos:
 a11 a12 a13 ... ... a1n  Fila 1  6 4 -1 
a ... ... a2n  Fila 2
i) La matriz   A =   tiene dos filas y tres columnas, por lo tanto es de
 21 a22 a23  0  0,5 

A =  a31 a32 a33 ... ... a3n  Fila 3 orden 2x3 (tiene 2x3 = 6 elementos)
 
 .. .. .. ... ... ..  ....  4 -1 2 / 3 
am1 am2 am3 amn  Fila m 
ii) Mientras que la matriz B =  5 0

0  es de orden 3x3.
 -2 - 1 
Col 1 Col 2 Col 3 .... ..... Col n 

Igualdad de matrices.- Dos matrices A y B son iguales cuando tienen el mismo

orden y los mismos elementos.   A=   B=

 Suma de matrices.- Dadas dos matrices del mismo orden A =(y B=( la suma de
dichas matrices: A±B=(

Propiedades.- Dadas las matrices A, B, C y O, del mismo orden:

1. A+B=B+A
2. A+B+C=(A+B)+C=A+(B+C)
3. A+O=A, , siendo O la Matriz Cero
Ejemplo.
4 0 3 0 1 -2 -3 2 
Dadas las matrices A = -3 2 -2 3  y B =  4 -3 3 -1 , determinar A+B.
 0 1 0 4   1 -1 -2 5 

Resolución:
Como ambas matrices son del mismo orden, la suma se puede realizar.
4 0 3 0 1 -2 -3 2   4 +1 0-2 3-3 0+2  5 -2 0 2
A +B = -3 2 -2 3  +  4 -3 3 -1 = -3 + 4 2-3 -2 + 3 3 -1  =  1 -1 1 2 
 0 1 0 4   1 -1 -2 5   0 +1 1-1 0-2 4 + 5   1 0 -2 9 

 Multiplicación de un escalar por una matriz.- A =( y rεR, rA=(r

Ejemplo.
 -4 2 
0
1 -4 2 0   2 2 -2 1 0
Tenemos : ( )  = =
2  6 1 -2   6 1 -4   3 0,5 -2 
 2 2 2 
Propiedades. Para matrices A y B del mismo orden y r, s escalares (reales o
complejos), se tiene:
a) r(A + B) = rA + rB.
b) (r + s)A = rA + sA
c) 1.A = A.
d) r(sA) = (rs)A

Multiplicación de una matriz fila por una matriz columna.

Para multiplicar una matriz fila por una matriz columna, se requiere que el número de columnas
de la primera matriz sea igual al número de filas de la segunda.
La operación se desarrolla efectuando el producto término a término: El primero por el primero,
más el segundo por el segundo, más el tercero por el tercero y así sucesiva-mente hasta acabar
con todos los elementos. Al final resulta una matriz de orden 1x1.
 b1
b21 ௠
a1 a12 a13 … a1m b31 ܽ ܾ ൅ܽ ܾ ൅‫ڮ‬൅ ܽ ܾ ൌ෍ܽ ܾ
‫ = ڭ‬ଵ ଵ ଵଶ ଶଵ ௠ଵ ௠ଵ ௝ଵ ଵ
௝ୀଵ
bm1

b11
b21 ௠
a11 a12 a13 … a1m b31   =(
‫ڭ‬
= ܽଵଵܾଵଵ ൅ ܽଵଶܾଶଵ ൅ ‫ ڮ‬൅ ܽଵ௠ ܾ௠ ଵ ൌ
෍ ܽଵ௝ܾ௝ଵ
௝ୀଵ
bm1

Ejemplo.
1
 -2 De lo anterior se deduce que para que este producto
Efectuar : (3 - 2 4 0)   sea consistente, el número de filas de la matriz Fila
1
  debe ser igual al número de columnas de la matriz
5
columna
Resolución:
Reconocemos que el número de columnas de la primera matriz coincide con el
número de filas de la segunda matriz; luego efectuamos el producto:

1
-2
(3 - 2 4 0)   = [3(1) + (-2)(-2) + 4(1) + 0(5)] = [11]
1
 
5
 TdP brinda a sus clientes 1,200 productos distintos a planes tarifarios distintos por
cada uno.

1. Represente la matriz de planes mensuales vendidos y de planes tarifarios, los

mismos que no se modifican durante el año
2. Represente matricialmente y mediante sumatorias las ventas de todos los
productos para cualquier mes del año
3. Represente matricialmente y mediante sumatorias la venta anual de cualquier
producto

  A=   B=

Matriz productos vendidos

mensualmente
 p11 p12 p13 … p1j … p1m-1 p1m t11
p21 p22 p23 … p2j … p2m-1 p2m t21
p31 p32 p3j … p3m-1 p3m t31
‫ڭ‬ … tj1
pi1 pi2 pi3 … pij … pim
‫ڭ‬ tj1199
p121 p122 p12j p12m tj1200

t11
t21
t31 1200
 
pi1 p12 pi3 pij pi1200 tj1 ¿ ∑ 𝑃𝑖𝑗𝑡𝑗 1
𝑗=1
tj1199
tj1200

  12
1200   1200
 
𝑃𝑖 = ∑ 𝑝𝑖 𝑗 𝑃 𝐴 =∑ 𝑃𝑖
𝑃1= ∑ 𝑝 1 𝑗 𝑖=1
𝑗=1 𝑗=1
 12
   12 1200
𝑃 𝐴 = ∑ 𝑃𝑖 PA= ∑ ∑ 𝑝𝑖𝑗
𝑖=1 𝑖=1 𝑗=1
p1j p1j
p2j p2j

(tj1) (tj1)
Va=
pij pij

p12j
p12j
Tres empresas móviles brindan a sus clientes 1,200, 1000 y 800 productos distintos a
planes tarifarios distintos por cada uno.

1. Represente la matriz de planes mensuales vendidos y de planes tarifarios, los

mismos que no se modifican durante el año
2. Represente matricialmente y mediante sumatorias las ventas de todos los
productos para cualquier mes del año
3. Represente matricialmente y mediante sumatorias la venta anual de cualquier
producto
 Juan le dice a Pedro:” Tengo 9 veces la edad que tú tenías cuando yo tenía la edad que tienes, y cuando
tengas la edad que tengo, nuestras edades sumarán 110 años. Calcular vectorialmente las edades de Juan
y Pedro dentro de 10 años.
ITEM Pasado Presente Futuro
J
Juan x y
Edad(años) 𝑎⃗  =(1,1)
Pedro 2x-y x 𝑃  6
P

  𝑃  4 𝑃  5

𝑃  2
Y=m+ (2)
(1) En (2): m=y-x (3) 𝑃  3
𝑃  𝑜

  𝑃  1

=( T(años)
TP TA TF
𝑇
  𝑃 +𝑚= 𝑥 , 𝑇 𝑃 = 𝑥 − 𝑚 = 𝑥 − ( 𝑦 − 𝑥 )= 2 𝑥 − 𝑦 (4)
𝑇
  𝑃 +𝑚= 𝑥 , 𝑇 𝑃 = 𝑥 − 𝑚 = 𝑥 − ( 𝑦 − 𝑥 )= 2 𝑥 − 𝑦 (4)

J
  Y=9(2x-y)=18x-9y, 10y=18x, y=
Edad(años) 𝑎⃗  =(1,1)
  =, 𝑃  6
P
𝑃
  6= 𝑃5 +𝑚 ( 0,1 ) =( 𝑇 𝐹 ,𝑇 𝐹 ) + ( 0 , 𝑚 )=(𝑇 𝐹 , 𝑚 +𝑇 𝐹 )
𝑃  4 𝑃  5

  Edades de Juan y Pedro en futuro: 𝑃  2

𝑃  3
Y+m+ 𝑃  𝑜

𝑃  1
  (5) En (7): 3*x-x=110, 22x=550, x=25; y=45 T(años)
TP TA TF
 A B
G L

1200 SL

Mientras la libre da 5 saltos, el galgo da 3, pero un salto de galgo equivalen a dos de la liebre. Calcular
vectorialmente, cuántos saltos tiene que dar el galgo para alcanzar a la liebre
y(Sg)

)
⃗𝑣  𝑔=(1,3)

,3
⃗𝑣  𝐿

(1
 ⃗𝑣𝑔 =
1 5
( 2)
⃗𝑣  𝐿 =( 1,5 )= 1,5 =(1, )
2
𝑃  𝑖 𝑒  𝑔 =3𝑇 𝑥
B
B=(0,600)
𝑠  𝑔 =3 𝑥 1200=3600 𝑠𝑎𝑙𝑡𝑜𝑠
 

A 𝑇  𝑥
5 t(ut))
Igualando (1) y (2): 3  𝑇 𝑥 =600+ 𝑇 𝑥 ;𝑇 𝑥 =1200 𝑢𝑡 .
2
Multiplicación de matrices.
El producto se realiza multiplicando cada una de las filas de la primera matriz por todas y
cada una de las columnas de la segunda matriz, es decir, multiplicamos la fila i de la
primera matriz por todas las columnas j de la segunda matriz; quedando la operación
multiplicación algebrizada de la siguiente manera:
“Para multiplicar las matriz Amxp =(aik)mxp de orden mxp por la matriz Bpxn =(bkj)pxn de orden
pxn (número de columnas de la primera igual al número de filas de la segunda), se multi-
plica la fila i por la columna j de B, obteniéndose el resultado unas matriz C (pij) de orden
mxn
  b1j 
b 
 2j  m
ai1 a a .... .... a   b3j  = [pij ], donde p ij =  a ikb kj
 i2  i3       im   k=1
fila i de A ...
 
bmj 
 

columna jde B

Este resultado se ubica en la fila i y columna j de la matriz P quedando:

 b1j 
b 
 2j  m
A mxp xBpxn = P = (pij )mxn , donde pij =  a i1 a i2 a i3 .... .... a im   b3j  =  a ikb kj
              k=1
fila i de A ...
 
bmj 
 

columna jde B
Ejemplos:
 2 -1
   3 2
Calcular AB, si : A =  1 2  y B =  
 0 -1  -1 0 
 
Resolución:
Como el número de columnas de la primera matriz es igual al número de filas de la se-
gunda, el producto se puede realizar:
Primera forma: Multiplicamos cada fila de la primera matriz por todas las columnas
de la segunda:
  3 2 
 (2 -1)  
  -1 0 
 2 -1    7 4
 3 2   3 2 
AB =  1 2    =  (1 2)  
  =  1 2

-1 0    -1 0   
0 -1    -1 0 
(0 -1)  3 2  
  
 -1 0  
 Propiedades. Para matrices A, B y C , con ordenes Tipos de matrices. Tenemos los siguientes
adecuados y r un escalar (real o complejo), se tiene: tipos, de acuerdo a sus elementos y a su
a) ABC = (AB)C = A(BC). forma:
b) A(B + C) = AB + AC; BA + CA = (B + C)A Matriz O (matriz nula). Ocurre cuando
c) r(AB) = (rA)B = A(rB)
todos los elementos son ceros.
Comentarios:
Matriz rectangular. Ocurre cuando el
i) En general AB  BA.
número de filas es diferente del número de
ii) De la expresión: AB = AC, no se pude concluir que B = C.
columnas.
iii) También de AB = 0, no se puede afirmar que A = 0 ó B = 0. Matriz cuadrada. Ocurre cuando el número
de filas y el de columnas son iguales.
Comentario. Dada la matriz cuadrada A
Traza de una matriz cuadrada. La traza de una matriz (aij)nxn, de orden nxn (o simplemente de orden
cuadrada A, denotada por Tr(A) o traz(A), está dada por n) llamaremos diagonal principal al conjunto
la suma de los elementos de su diagonal principal; es de elementos:{aii tal que i = 1, 2, 3, …, n}.
decir:
n
Dad a la m a tr iz cu a dra d a A =  aij  nxn
, se t ien e T r(A ) = t ra z(A ) = a ii
i=1

A la otra diagonal, se le llama diagonal

n secundaria
Dada la matriz cuadrada A =  aij  , se tiene Tr(A) = traz(A)=  aii
nxn
i=1
Matriz diagonal. Es aquella matriz cuadrada cuyos
Propiedades de la traza. Para matrices cuadradas
elementos no pertenecientes a la diagonal principal
del mismo orden, A y B, se tiene:
son nulos.
i) Traz(A + B)= = Traz(A) + Traz(B).
Comentario. Cabe mencionar que en algunos textos,
ii) Traz(rA) = rTraz(A), rR.
la definición de matriz diagonal también viene dada
iii) Traz(AB) = Traz(BA)
para matrices rectangulares, siendo la definición
similar a la anterior.
Matriz escalar. Es una matriz diagonal donde los
elementos de la diagonal principal son iguales entre sí.
Matriz unidad  (matriz identidad). Es una matriz
escalar en la cual todos los elementos de la diagonal
principal son iguales a la unidad
Propiedades fundamentales de las matrices Matriz triangular. Es una matriz cuadrada en la
cuadradas. cual todos los elementos debajo o por encima de
i) A = A = A, donde  es la matriz unidad o identidad. la diagonal principal son iguales a cero.
ii) Para obtener las potencias de una matriz, efectuamos En el primer caso se denomina, triangular superior;
la construcción: Para una matriz cuadrada A, de orden y se afirma:
nxn, se tiene: A es triangular superior de orden n si y solo si aij
A0 = ; A1 = A; A2 = A.A; A3 = A2.A = A. A2,….. = 0 para toda i > j
Generalizando: Ak = Ak-1.A = A.Ak-1 y Am.An = Am+n; donde Mientras que en el segundo caso, se llama
k, m y n son naturales triangular inferior; en este caso se cumple:
iii) Para una matriz cuadrada A de orden nxn, se
construye una matriz B que conmute con ella (AB = A es triangular inferior de orden n si y solo si aij =
BA) de modo que B = aA + b.
0 para toda i < j

Matriz fila. Es una matriz que consta de una fila, siendo

de orden 1xn.
Matriz columna. Es aquella matriz con una sola columna,
siendo de orden mx1
 A es triangular inferior de orden n si y solo si aij = 0 para toda i < j
Ejemplos:

 i < j  i > j

Matriz transpuesta. La transpuesta de una matriz A de

orden mxn, es otra matriz de orden nxm, denotada por AT
o por At, que se obtiene transponiendo las filas de A como
columnas de At ( o las columnas como filas).

Es decir, si A = (aij)mxn, entonces su transpuesta será: At =

(atij )nxm, donde atij = aji

Propiedades fundamentales. Si A y B son matrices con ordenes adecuados para efectuar las operaciones
indicadas y r es un escalar, se tiene:
i) (At)t = A
ii) (A + B)t = At + Bt.
iii) (AB)t = BtAt.
iv) (rA)t = rAt

Matriz simétrica. Es una matriz cuadrada cuando At = A; es decir, se cumple que aji = aij para todo i y todo j.
Comentario. En este caso los elementos de la diagonal principal permanecen fijos, ya que al efectuar la
transposición de los elementos de la diagonal , resultan ellos mismos.
Si ocurre que At = - A, entonces se dice que A es antimétrica; es decir se cumple que
aji = - aij para todo i, j y aij = 0 cuando i = j.
2.6.9.1. Propiedades fundamentales:
i) A+ At es una matriz simétrica.
ii) A – At es una matriz antisimétrica.
iii) AAt y AtA son simétricas.
Matriz invertible o no singular. Dada una matriz
cuadrada A de orden nxn, decimos que ella es invertible si
existe una matriz B del mismo orden, tal que AB = BA = .
En este caso, a la inversa de A, que es la matriz B se le
denota por B = A-1; cumpliéndose
que AA-1 = A-1 = 
También podemos afirmar que A es la inversa de A-1

Ejemplos.
-1 2 -1 -1/ 2 1/ 2 
1. La inversa de la matriz A =   es la matriz B= A =  1/ 4 1/ 4  , ya que :
 1 2   
-1 2   -1/ 2 1/ 2   1 0  -1/ 2 1/ 2  -1 2 
A.A -1 =     =   =  =     = A -1A
 1 2  1/ 4 1/ 4   0 1   1/ 4 1/ 4   1 2 
 Propiedades fundamentales. Si A y B son matrices  1 1 0   1 1 0  0 0 -1
A = A × A =  -1 -1 -1   -1 -1 -1  =  0 -1 0 
2

invertibles, se tiene:  0 1 1   0 1 1   -1 0 0 
i) (AB)-1 = B-1 A-1.  1 1 0   0 0 -1  0 -1 -1
ii) (A-1)-1 = A. A = A × A =  -1 -1 -1   0 -1 0  =  1
3 2
1 1 
 0 1 1   -1 0 0   -1 -1 0 
iii) (Ak)-1 = (A-1)k, kN.
 1 1 0  0 -1 -1  1 0 0
iv) (rA) = r A , donde r  0 A 4 = A × A 3 =  -1 -1 -1   1 1 1 =  0 1 0 = 
-1 -1 -1
    
 0 1 1   -1 -1 0   0 0 1
v) (At)-1 = (A-1)t.

Matriz periódica.- Una matriz cuadrada A

Luego tenemos que: A5 = AxA4 = Ax = A, con lo cual
es matriz periódica, con periodo p, si se
concluimos que la menor potencia de la matriz A que
cumple Ap+1 = A, donde p es el menor
reproduce A, es A5, de donde concluimos que el
entero positivo que cumple la expresión
periodo es 4
dada.
Una matriz cuadrada A es una matriz involutiva si y
solo si A2 = .

Una matriz cuadrada A es una matriz idempotente si

y solo si A2 = A
  k-4 0 0
a) Determinar los valores de k tal que A =  0 k - 4 0  sea una matriz idempotente.
 
 0 k 0 

Una matriz cuadrada A es una matriz ortogonal si y solo

si A.At = At.A = , de manera equivalente: A es ortogonal si
y solo si At = A-1.
 En la figura se indican los tráficos telefónicos (en miles de minutos) consumidos entre las distintas
localidades . Las tarifas por minuto de llamada son:

1000
L1
100 250
L3
300
Tipo de Llamada Tarifa ( S/.x min)
150
Región 600
Arequipa 30 Intrarregional 0,1
Región
200 500 Lima
200
Interregional 0,4
L4
L2 300
200
700

50
70 Calcule matricialmente los ingresos percibidos
100

L5 por las llamadas.

Ejemplo
Una pastelería elabora dos tipos de bizcocho: integral y Chiflón, utilizando harina, levadura y huevos.
Elaborar 50 integrales requiere 15 bolsas de harina, 3 unidades de levadura y 4 huevos; elaborar 50
chiflones requiere 10 bolsas de harina, 2 unidades de levadura y 6 huevos.
La panadería tiene una sucursal en Lima y otra en provincias. En Lima cada bolsa de
harina cuesta 15 u.m, cada unidad de levadura cuesta 10 u.m y cada huevo cuesta 3
u.m.; en provincias, los costos son de 10, 8 y 2 u.m. respectivamente.
a) Represente matricialmente (en dos matrices) los datos antes mencionados.
b) Determine, usando operaciones matriciales, los costos totales de producir 50 bizcochos de cada tipo
en cada una de las sucursales.
La asociación de vendedores de alimentos ha decidido exportar sus productos estrellas:
Espárragos, Palta Hass y Mango extra a 4 ciudades de Estados Unidos: Miami, Nueva York, Atlanta y
Charleston; según lo indicado en la siguiente tabla:

Productos Espárragos Palta Hass Mango Extra

Destino
Miami 100 50 50
Nueva York 60 40 40
Atlanta 70 60 60
Charleston 60 50 40

Si la asociación ha recibido propuestas de don empresas A y B para transportar los productos a las
ciudades indicadas, tal como se indica en la siguiente tabla:
 Ciudad Miami Nueva York Atlanta Charleston
Transporte
Empresa A ( en u.m) 200 250 200 280
Empresa B (e u.m.) 220 230 180 300

Efectuando el producto de matrices, se obtiene la matriz C = [cij]2x3, se pide:

a) Interpretar cada resultado de l producto matricial
b) En base a qué resultados podemos decidir cuál es la empresa que más barato cobra.
 Y(Obra)

1 𝑃  𝑥
𝐿
  1= {𝑡 ⃗
𝑣1} , 0 ≤𝑡 ≤𝑇 1
𝐿  1
𝐿
  2= { 𝑃 1+𝑡 ⃗
𝑣2 } , 𝑇1 ≤ 𝑡 ≤ 𝑇 2
𝑃  1
𝐿
  3= { 𝑃2+𝑡 ⃗
𝑣3 } , 𝑇 2 ≤ 𝑡 ≤ 𝑇 𝑥

Y(Solesx1000)
𝑇  1
𝑇
  𝑥
1 𝑃  𝑥 T(días)
𝐿′
  1
𝐿
  1 ′ ={ 𝑡 ⃗
𝑣 1 ′ } ,0 ≤ 𝑡 ≤ 𝑇 1
𝑃  1

  +

𝑇  1
𝑇
 𝑖 −1 𝑖− 1
  𝑘
S=6+66+666+…+66666…6 ∑ ( 𝑎𝑘 − 𝑎𝑘 − 1 )=9 ∑ 10 =(𝑎𝑖 −1 −𝑎 −1)(5)
𝑘=0 𝑘=0

  =6x=  𝑖 −1 10 𝑖
−1
𝑘
=66=6x+6X=6
(4) En (5) ∑ 10 = 9 (𝑎𝑖 −1 −𝑎 −1) (6)
𝑘=0

  =

  S==6

Reemplazando (1) en (2)

  S=6
𝑘 +1 𝑖 0
𝑎
  𝑘 =10 𝑎
  𝑖 −1 =10 𝑎
  − 1=10 =1( 4 )
𝑘
𝑎
  𝑘 −1 =10
𝑘 +1 𝑘 𝑘
𝑎
  𝑘 − 𝑎𝑘 −1=10 − 10 =9 𝑥 10
Definición de determinante. El determinante es una función lineal, cuyo dominio es el
conjunto de las matrices cuadradas Mnxn y su rango está contenido en el conjunto K.
Si el determinante de la matriz cuadrada A se denota por IAI= det(A), se tiene:f(A)= IAI.

Menor complementario
Llamaremos menor complementario del elemento aij de la matriz A al determinante de la

submatriz que se obtiene al suprimir la fila i y la columna j de A; denotándose por Mij.

Al termino Aij = (-1)i+j Mij se le denomina cofactor del elemento aij.

También llamaremos matriz de cofacores de A, denotada por cofact(A), a la matriz que se

construye con todos los cofactores Aij de los elementos aij de A; es decir:

 A11 A12 A13 .... A 1n 

A A 22 A 23 .... A 2n 
 21
cofact(A) = .... .... .... .... .... 
 
.... .... .... .... .... 
 A n1 A n2 A n3 .... A nn 


Matriz adjunta
La adjunta de A, denotada como adj(A), es la transpuesta de la matriz cofact(A); es
decir:
  A11 A 21 A 31 .... A n1 
A A n2 
 12 A 22 A 32 ....
Adj(A) = [cofact(A)] t = .... .... .... .... .... 
 
.... .... .... .... .... 
 A1n A 2n A 3n .... A nn 

Ejemplo: Calcular la Adj(A)

 -2 1 -3    𝐴 11 𝐴 12 𝐴 13 − 20 6 − 24
A=
 2

2 -4 
-1

Cof(A)=
[ 𝐴 21
𝐴 31
𝐴 22
𝐴 32 𝐴 33 ][
𝐴 23 = − 16
− 10
−2
− 42
− 20
6 ]
 -1 3 
  ===-20
Adj(A)=
 

  ===6
Teorema fundamental. (Teorema de los cofactores o de expansión de Laplace). El determinante de la
matriz A de orden nxn está dado por la suma de los productos de los elementos de una línea cualquiera
(fila o columna) por sus respectivos cofactores.
Si elegimos la fila i ={ai1, ai2, ai3,….ain}, el determinante queda:

a11 a12 a13 ... a1j ... a1n

a21 a22 a23 ... a2j ... a2n
a31 a32 a331 ... a3j ... a3n
A = ... ... ... ... ... ... ... = +ai1A i1 + ai2 A i2 + ai3 A i3 +...+ ain A in
ai1 ai2 ai3 ... aij ... ain fila i
... ... ... ... ... ... ... = (-1)i+1ai1Mi1 + (-1)i+2 ai2Mi2 + (-1)i+3 ai3Mi3 -...(-1)i+n ainMin
an1 an2 an3 ... anj ... ann

Si elegimos la columna j ={a1j, a2j, a3j,….anj}, el determinante queda:

 a11 a12 a13 ... a1j ... a1n
a21 a22 a23 ... a2j ... a2n
a31 a32 a331 ... a3j ... a3n = +a1j A 2j + a2j A 2j + a3j A 3j +...+ anj A nj
A = ... ... ... ... ... ... ...
ai1 ai2 ai3 ... aij ... ain = (-1)1+j a1jM1j + (-1)2+j a2jM2j + (-1)3+j a3jM3j +...(-1)n+j anjMnj
... ... ... ... ... ... ...
an1 an2 an3 ... anj ... ann
Col j
Luego, la determinante de una matriz la podemos representar como:

𝑛 𝑛 𝑛
  𝑖+ 𝑗
∑ 𝑎𝑖𝑗 𝐴 𝑖𝑗 =∑ (− 1)
=  𝑎𝑖𝑗 𝑀 𝑖𝑗 =∑ (− 1)𝑖+ 𝑗 𝑎 𝑖𝑗 𝑀 𝑖𝑗
𝑗=1 𝑗=1 𝑖=1

Ejemplo. Calcular: -2 1 3 -1
0020
IAI= =+a12 A12 +a22 A22 +a32 A32 +a42 A42 =A12 +3A42 =(-1)1+2M12 +3(-1)4+2M42
2 0 -1 4 1 0 0 3
=8
0301
Propiedades de las determinantes. Sean las matrices cuadradas A, B y C:

1. El determinante de la matriz transpuesta es igual al determinante de la matriz original; es decir: IAtI = IAI.

2 El determinante de un producto de matrices es igual al producto de los determinantes de cada matriz;

es decir IABI= IAIIBI.
Consecuencia: IAnI = IAIn

3 Si una matriz tiene una línea (fila o columna) nula, entonces su determinante es cero.

4 Si una matriz tiene dos líneas (filas o columnas) iguales o proporcionales, su determinante es cero.

5 El determinante de una matriz triangular (superior o inferior) es igual al producto de los elementos de la
diagonal principal. Algo similar sucede con el determinante de las matrices diagonales, escalares y
unidad.
6 Si en una matriz se intercambian dos líneas (filas o columnas), el determinante cambia de signo.
7 Si una línea (fila o columna) de una matriz se traslada k lugares, entonces el determinante queda
multiplicado por (-1)k.

h) Si todos los elementos de una línea (fila o columna) de una matriz son multiplicados por un escalar r, se
tiene que el determinante queda multiplicado por r; es decir:

a11 a12 a13 a11 ra12 a13 a11 a12 a13 ra11 ra12 ra13
r a21 a22 a23 = a21 ra22 a23 = a21 a22 a23 = a21 a22 a23
a31 a32 a33 a31 ra32 a33 ra31 ra32 ra33 a31 a32 a33

8 Si a una línea (fila o columna) de una matriz se le suma otra línea (fila o columna) multiplicada por un
escalar r, el determinante no varía.
Comentario. Esta propiedad se utiliza fundamentalmente para llevar un determinante, de ser posible, a
una forma triangular, ya sea superior o inferior.
Ejemplo:
 1 -3 2 0 1 -3 2 0
 -1 2 1 1
F2+F1
0 -1 3 1
Calcular el determinante de la matriz : A =  ||
F3-2F1
 2 -6 3 0  0 0 -1 0   ==1
  F4+2F1 0 0 0 1
 -2 6 -4 1

 Matriz Inversa (

Es decir, la matriz inversa de A es la única matriz que al multiplicarla por ella obtenemos la
matriz identidad del orden correspondiente.

A·A-1 = I = A-1·A

La matriz inversa no siempre existe, para que exista, es condición necesaria y suficiente que
el determinante de la matriz sea distinto de cero.
Cálculo de la Inversa mediante el Método de la Adjunta

  −𝟏 𝟏
𝑨 = ( 𝑨𝒅𝒋 ( 𝑨 𝒕 ) )
| 𝑨|

Propiedades. Para una matriz cuadrada de orden nxn, se tiene:

1
i) Si A es invertible se tiene A -1 = .
A
ii) El determinante de la matriz adjunta de A, esta dado por: IAdj(A)I = IAIn-1
iii) Axadj(A) = Adj(A)xA = IAI.n

 1 2
Ejemplo Sea A =   , calcular su inversa A -1,si existe.
-2 1 
a b
Si existe la inversa de A, ella será de la forma A -1 =   , donde debemos determinar los valores
c d

de a, b, c y d; aplicando para ello la definición: AxA-1 = .

  a + 2c =1... (1)
 1 2  a b   1 0   b + 2d = 0... (2)
AxA =   
-1
c = 
 -2 1  d  0 1  -2a + c = 0...(3)
-2b + d =1...(4)

 1 2
 - 
De (1) y (3) concluimos que a = 1/5 y c = 2/5. -1
Finalmente : A = 
5 5

 2 1
De (2) y (4), se obtiene: b = -2/5 y d = 1/5.  5 5 

Cálculo de la Inversa por el Método de Gauss-Jordan (Método de la operaciones elementales)

 El esquema matricial de la forma (A ) se de poner a la forma (()

Ejemplo:
 1 2 -1
Dada la matriz A =   , calcular su inversa A ,si existe.
 -2 1
Resolución:
Aplicamos el método de Gauss-Jordan, partiendo de (A I ) :
 1 2 1 0 1 2 1 0  1 0 1/ 5 -2 / 5   1 0 1/ 5 -2 / 5 
 A   = -2 1 0 1   
0 5 2 1  
 
0 5 2 1  
 
0 1 2 / 5 1/ 5 
     2 1 
f +2f  f1- f2 
2  f2         
1
 5 5
A  A-1

 1/ 5
-1
- 2 / 5
Concluimos que A = 
 2/5 1/ 5 
 SISTEMA DE ECUACIONES LINEALES

Definición de Sistema de ecuaciones lineales. Un sistema de ecuaciones líneales se define como un

conjunto de dos más ecuaciones de la forma:

a11x1 a12x 2 a13 x 3 .... .... a1nx n = b1... (1) 

a21x1 a22 x 2 a 23 x 3 .... .... a 2nx n = b 2... (2) 
 Sistema de m ecuaciones lineales
a31x1 a32 x 2 a33 x 3 .... .... a3nx n = b 3... (3) 
 con n variables
.... .... .... .... .... .... ... ... ...

am1x1 am2 x 2 am3 x 3 .... .... a mnx n = b m... (m)

Proceso y método fundamental para ejecutar la sistematización matricial. Veremos este proceso
mediante el siguiente ejemplo.
  -x +y +2z = 6....(1)

1. Resolver el sistema : 4x -5y +4z = 20....(2)
3x -3y +z = 10...(3)


Estrategia de resolución. Empleando solo operaciones entre las ecuaciones, eliminaremos las
variables, en el orden en que aparecen, y a su vez el sistema será llevado a una forma triangular,
donde el número de variables disminuya de ecuación en ecuación, hasta llegar a la última de ellas.
Paso 1. Eliminación de la variable x. Para este caso, la fila 1 (donde figura la
variable “x”) queda igual y se procede a eliminar la variable “x” de las ecuaciones (2) y
(3), operando para ello con las ecuaciones (1) y (2); y (1) y (3) respectivamente; tal
como se indica:

Tomamos como base la primera ecuación : - x +y +2z = 6.....(1 )

A la ecuación (2) le sumamos
144444444444444444444444444 4 veces la ecuación (1)
42 4444444444444444444444444443 : -y +12z = 44...(2)
f2 +4f1

A la ecuación (3) le sumamos

144444444444444444444444444 3 veces la ecuación (1)
42 4444444444444444444444444443 :  +7z = 28...(3)
f3 +3f1
Paso 2. Eliminación de la variable “y” . Por similitud, la fila 2 (donde figura la
variable “y”) queda igual y se procede a eliminar la variable “y” de la ecuacion (3);
operando para ello con las ecuaciones (2) y (3).
Comentario. Este ejercicio ya cumple con este paso.

Paso 3. El sistema equivalente queda bajo la forma triangular:

 X Y Z R 7z=28 z=4
-1 1 2 6
0 -1 10 44 -y+10z=-y+40=44 y=-4
0 0 7 28
(x,y,z)=(-2,-4,4)
-x+y+2z=-x-4+8=6 x=-2

 2x -3y +5z = 18........(1)


Resolver el sistema : -3x +5y +4z = -17......(2)  
 5x -7y +24z = 55......(3)


1 -1.5 2.5 9 1 -1.5 2.5 9 1 -1.5 2.5 9

-3 5 4 -17 F2+3F1 0 0.5 11.5 10 F3-F2 0 0.5 11.5 10
5 -7 24 55 F3-5F1 0 0.5 11.5 10 0 0 0 0

En este sistema tenemos lo siguiente: n=3; R=2; VL=n-R=1: Sistema consistente e indeterminado (infinitas
soluciones). Asumimos como variable libre z=tεR
 Conclusión:
y = 20 – 23z; es decir y = 20 – 23t; Geométricamente, el C.S.
representa la ecuación vectorial
De igual modo, de (1) , se tiene: x = -1 + 2y + 9z = 39 – 37t
de una rectas L que pasa por el
Finalmente, el conjunto solución es: punto (39,20,0) y es paralelo al
vector (-37,-23,1)
 39 - 37t    39   -37  
       
C.S. =  20 - 23t     20  + t  -23  , t  R  (muchas soluciones). CS=(39-37t 20-23t t)
 t    0   1  
       

Representación matricial de un sistema de ecuaciones lineales. La representación matricial del

sistema de m ecuaciones lineales con n variables está dada por:

 a11x1 a12 x 2 a13 x3 .... .... a1n x n =b1... (1)

a x a22 x 2 a23 x3 .... .... a2n xn = b2 ... (2)
Sistema de m ecuaciones 
21 1

 a31x1 a32 x 2 a33 x3 .... .... a3n xn = b3 ... (3)

con n variables  .... .... .... .... .... .... ... ... ...

am1x1 am2 x 2 am3 x3 .... .... amn xn = bm ... (m)
 El sistema de ecuaciones lineales antes dado lo podemos representar matricialmente según la matriz , a la
cual llamaremos Matriz Ampliada; A la matriz A la llamaremos Matriz de Coeficientes; a la Matriz B la
llamaremos matriz de términos independientes; Los xj son las variables.

x1 x2 x3 xn
 a11 a12 a13 .. .. a1n b1 
a
 21 a22 a23 .. .. a2n b2 
Forma matricial : A a =  a31 a32 a33 .. .. a3n b3 
 
 .. .. .. .. .. .. .. 
am1 am 2 am 3 .. .. am n bm 
             
A B

 Según lo mencionado, la matriz de coeficientes será A=; la matriz ampliada mx(n+1)

  b1   x1 
 b2  x 
  2
B= b3  , llamada matriz de terminos independientes; y X =  x3  , matriz de las variables.
   
 ..   .. 
 bm  mx1  xn 
nx1

Luego el sistema queda, de manera breve como AX = b, que desarrollando significa:

 a11 a12 a13 .. .. a1n   x1   b1 

a a22 a23 .. .. a2n  x  b 
 21  2  2
 a31 a32 a33 .. .. a3n   x3  =  b3 
     
 .. .. .. .. .. ..   ..   .. 
am1 am 2 am 3 .. .. am n   x m  bm 
              
Matriz de coeficientes A Matriz X de Matriz B
variables de terminos
independientes
Métodos de resolución de un sistema de ecuaciones lineales. Tenemos tres grandes métodos: El
de Cramer, el de la inversión y el método de eliminación gaussiana.
Método (regla) de Cramer y el método de la inversa. Son métodos particulares que se aplican bajo
el requisito de que la matriz de los coeficientes A debe ser cuadrada (el número de ecuaciones debe
ser igual al de variables), y su determinante IAI debe ser no nulo.
a) Teorema (Regla de Cramer). Dado el sistema de n ecuaciones con n variables:

 a11 a12 a13 .. a1n 

..  x1   b1 
a a22 a23 .. a2n 
.. x  b 
 21  2  2
a31 a32 a33 .. a3n 
..  x3  = b 3  (brevemente : A nxn Xnx1 = bnx1)
     
 .. .. .. ..
.. ..   ..   .. 
an1 an2 an 3 .. .. an n   xn  bn 
             
Matriz de coeficientes A Matriz X de Matriz b de
variables terminos in-
dependientes
Tenemos que si det(A)  0), entonces el sistema tiene solución única, la cual viene
dada

Ak
por xk = ,donde k = 1,2,3,..,n
A

Además, el valor del término IAkI se obtiene a partir del determinante IAI, en el cual
se reemplaza la columna k por la matriz columna b.

Método de la inversa. Se presentan tres casos:

i) Para resolver el sistema AX = b, se sigue el proceso:
Multiplicamos por A-1, queda; (A-1)(AX) = A-1b  (A-1.A)X = A-1b  X= A-1b  X = A-1b
ii) Para determinar la solución del sistema XA =b, seguimos los pasos:
Multiplicando por A-1: (XA)A-1 = bA-1  x(AA-1) = bA-1  X = bA-1  X = bA-1.
iii) Mientras que para resolver el sistema AXC=b, deducimos: X = A-1bC-1.
 Compatibilidad e incompatibilidad de sistema de ecuaciones lineales

Sea el sistema: AX=B

n: Número de incógnitas AX=B

Sistema
Incompatible
F
𝑅 ( 𝐴)=𝑅(𝐴¿¿𝑎)¿
 

Sistema < Solución

R(A)=n
Compatible Indeterminada

V
Fin
Solución
única
 TALLER N° 2

Tarea

1. Resolver el sistema siguiente usando operaciones elementales. Emitir un

comentario respecto a la interpretación geométrica del conjunto solución

 -x +y +2z = 6........(1)

3x -3y + z = 10......(2)  
 4x -5y +4z = 20......(3)


 -2 1 -3 
2. Calcular, si existe, la inversa de la siguiente matriz : A =  2 2 -4 
 -1 3 -1

Calcule la respuesta usando el método de la adjunta

 TRANSFORMACIÓN COORDENADAS

Definición .- Variación de la posición original del origen de coordenadas y/o del ángulo de inclinación de los ejes
de coordenadas
X’
Terminología: Y
Y’
𝑢⃗  ⊥
P

⃗𝑢 
X’
𝑃
y y’   𝑜
α
x X
P y’
⃗𝑢  ⊥
⃗𝑢 
X’
𝑃  𝑜
  
Permite calcular las
coordenadas del punto P en
 P= Fórmula general de transformación de un punto el sistema original en
función al punto P’ y al
Punto de Traslación

 X’=(P-).
Ecuaciones de transformación inversa
Y’=(P- y X’

y’
Tipos de transformación

 Rotación Pura.- Cuando =(0,0); α≠0

α
x
 P=
  Traslación pura.- Cuando (0,0); α=0
  =+

 Traslación con rotación.- Cuando (0,0); α=0

Transformación componentes de un vector
⃗  ⊥
𝑢
𝑎  ′ 2
 Sea el vector =( 𝑎⃗ 

𝑎  ′ 1 ⃗𝑢 
Transformación coordenadas de una recta
Propiedades