Sunteți pe pagina 1din 132

Antologa de lgebra Lineal

Todas las Carreras

Instituto Tecnolgico
Superior de Xalapa

Antologa
lgebra Lineal
Docente:
ISC Ren Zahor Torres Becerra

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Temario
1. Nmeros Complejos
1.1. Definicin y origen de los nmeros Complejos
1.2. Operaciones Fundamentales con Nmeros Complejos
1.3. Potencias de i, mdulo o valor absoluto de un nmero complejo
1.4. Forma polar y exponencial de un nmero complejo
1.5. Teorema de De Moivre, potencias y extraccin de races de un nmero complejo.
1.6. Ecuaciones polinmicas
2. Matrices y Determinantes
2.1. Definicin de matriz, notacin y orden.
2.2. Operaciones con Matrices
2.3. Clasificacin de Matrices
2.4. Transformaciones elementales por rengln. Escalonamiento de una Matriz. Rango de
una Matriz
2.5. Clculo de la inversa de una matriz
2.6. Definiciones de determinantes de una matriz
2.7. Propiedades de los determinantes
2.8. Inversa de una matriz cuadrada a travs de la adjunta
2.9. Aplicaciones de matrices y determinantes
3. Sistemas de Ecuaciones Lineales
3.1. Definicin de Sistemas de Ecuaciones Lineales
3.2. Clasificacin de los Sistemas de Ecuaciones Lineales y tipos de solucin
3.3. Interpretacin geomtrica de las soluciones
3.4. Mtodos de solucin de Sistemas de Ecuaciones Lineales: Gauss, Gauss-Jordan,
Inversa de la matriz y regla de Cramer
3.5. Aplicaciones
4. Espacios Vectoriales
4.1. Definicin de Espacio Vectorial
4.2. Definicin de Espacio Subvectorial y sus propiedades
4.3. Combinacin Lineal. Independencia Lineal
4.4. Base y dimensin de un espacio vectorial, cambio de base
4.5. Espacio vectorial con producto interno y sus propiedades
4.6. Base Ortogonal, proceso de ortonormalizacin de Gram-Schmidt
5. Transformaciones Lineales
5.1. Introduccin a las transformaciones lineales
5.2. Ncleo e imagen de una transformacin lineal
5.3. La matriz de una transformacin lineal
5.4. Aplicaciones de las transformaciones lineales: Reflexin, Dilatacin, Contraccin y
rotacin.

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Unidad 1
Nmeros Complejos.
1.1

Definicin y origen de los nmeros complejos.


Origen de los Nmeros Complejos.

Desde Al'Khwarizmi (800 DC), quien fuera precursor del lgebra, slo se obtenan
las soluciones de las races cuadradas de nmeros positivos. La primera referencia conocida
relacionada con races cuadradas de nmeros negativos proviene del trabajo de los
matemticos griegos (entre ellos Hern de Alejandra en el siglo antes de Cristo), ella
surge como resultado de una imposible seccin de una pirmide.
Los nmeros complejos se hicieron ms populares en el siglo XVI, cuando se
buscaba hallar las frmulas que dieran las races exactas de los polinomios de segundo y
tercer grado por matemticos italianos como Tartaglia o Cardano y aunque slo estaban
interesados en las races reales, se encontraron con la necesidad de manejar races de
nmeros negativos.
Girolamo Cardano (1501-1576) menciona por primera vez en su libro Ars Magna
(1545) la necesidad de definir y utilizar nmeros que respondan a la forma a con a<0. En el
libro aparece el siguiente problema: dado un segmento de 10 unidades, dividirlo en dos
partes de manera tal, que el rea del rectngulo que se obtenga con esas dos partes sea de
40 unidades cuadradas.
La solucin deba ser fcil. Si una parte es x la otra parte es y = x-10, tal que x.y =
40. Reemplazando: x.(10-x) = 40, operando x2 10 x + 40 = 0.
Al resolver la ecuacin queda x1,2= 5 15 . A tales soluciones el filsofo y
matemtico alemn Descartes (1596-1650) las llam imposibles o imaginarios, y en 1637
dedujo que las soluciones no reales de las ecuaciones, son nmeros de la forma a+bi, con a y b
reales.
Fue Karl F. Gauss (1777-1855) fsico, matemtico y astrnomo alemn quien us los nmeros
complejos en forma realmente confiable y cientfica. En 1799 demostr que las soluciones de
cualquier ecuacin algebraica de cualquier grado, pertenecen a un conjunto de nmeros que l
llamo complejos, y que este conjunto estaba formado por un nmero ordinario (nmero real)
ms un mltiplo de la raz cuadrada de 1, llamado unidad imaginaria.
La implementacin ms formal, con pares de nmero nmeros reales fue dada en el Siglo
XIX.

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Definicin de Nmeros Complejos


Definicin 1: Un nmero complejo es un par ordenado de nmeros reales.
De acuerdo a la definicin, la expresin analtica del conjunto de los nmeros
complejos es: C ={(a; b) / aR bR }, en otras palabras son nmeros que representan un
punto en un eje cartesiano pero que contiene una parte imaginaria.
U n id ad im agin aria
La u n id ad im agin aria es el n mero

y s e des igna por la letra

i:

Un n m ero im agin ario s e denota por b i, donde :


b es un nmero rea l
i es la unidad i maginar ia
Con los nm eros im agin ar ios podemos cal cular races con
ndice par y radi cando nega tivo.
x2 + 9 = 0

N m eros com p lejos en form a b in m ica


A l nmero a + b i le lla ma mos n m ero com p lejo en f orm a
b in m ica .
El n me ro a s e ll ama p arte real del n m ero com p lejo .
El n me ro b s e ll ama p arte im agin aria del n m ero com p lejo .
S i b = 0 el n m ero com p lejo s e reduce a un nm ero real ya que
a + 0 i = a.
S i a = 0 el nm ero com p lejo s e reduce a bi , y s e dice que es un
nm ero im agin ario p u ro .

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

El conj unto de todos nm eros com plejos s e des igna por

Los nm eros com plejos a + bi y a bi s e lla ma n op u es tos .


Los nm eros com plejos z = a + b i y z = a b i s e ll aman
con ju gad os .
Dos n m eros com p lejos son igu ales cuando ti enen la m ism a
com p on en te real y la m ism a com pon en te im agin aria.
R ep res en tacin grf ica d e n m eros com p lejos
Los nm eros com plejos s e repres ent an en unos ej es cartes i anos .
El eje X s e ll ama eje real y el Y , eje im agin ario . El nm ero com p lejo
a + b i s e repres ent a:
1) P or el punto (a,b ) , que se l la ma s u af ijo ,

z
2) M ediante un vector d e orig en (0, 0) y extrem o (a, b ).

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Los afij os de los nm eros real es s e s itan s obre el ej e real, X. Y


los im agin arios s obre el ej e imagin ario, Y.

1.2

Operaciones fundamentales con nmeros complejos.


S um a y d if eren cia d e nm eros com plejos

La s u ma y diferenc ia de nmeros complej os s e real iza sum an d o y


res tand o p artes real es en tre s y p artes im agin arias en tre s .
(a + b i) + (c + d i ) = (a + c) + (b + d ) i
(a + b i) (c + d i ) = (a c) + (b d ) i
(5 + 2 i ) + ( 8 + 3 i) (4 2 i ) = (5 8 4) + (2 + 3 + 2) i
= 7 + 7 i
Mu ltip licac in d e nm eros com p lejos
El produc to de los n meros complej os s e reali za apl icando la
propiedad d is trib u tiva del producto res pecto de la su ma y teniendo en
cuenta que i 2 = 1 .
(a + b i) (c + d i) = (ac b d ) + (ad + b c) i
(5 + 2 i ) (2 3 i ) = 10 15 i + 4 i 6 i 2
= 10 11i + 6
= 16 11i
D ivis in d e nm eros com p lejos
El coc ient e de n meros complej os s e hace racion al izan d o el
d en om in ad or ; es to es , mul tipl icando numerador y denominador por el
conj ugado de s te.

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Ejemplos:
(9 - 5i) - (4 + 7i) = (9 - 4) + (-5 - 7)i = 5 + 12i.
(3 - 5i) - (6 + 7i) = (3 - 6) + (-5 - 7)i = -3 - 12i
EJERCICIOS (Tarea):
a) Calcular la siguiente operacin: (6 + 3 i) + (4 + 5 i)
a) 10+8i

b) 23+44i

c) 24+45i

d) 35+23i

e) 45+45i

b) Calcular la siguiente operacin: (12 9 i) (4 14 i)


a) 8+5i b) 18+13i

c) 23+23i

d)34+56i

e) 56+35i

3 5 5 1
i i
c) Calcular la siguiente operacin: 8 2 6 7

a)

11 37i

24 14

b)

11 37i

2
4

c)

21 47i

24 14

d)

34 57i

24 14

e)

9 10i

24 14

d) Calcular la siguiente operacin: (2 - 7i)(3 + 4i).


a) 34-13i

b) 45+45i

c) 78+98i

d) 46-67i

e) 78-98i

d) 4+10i

e) 9+11i

e) Calcular la siguiente operacin: 3i - (2 - 4i)


a) -2+7i

b) -4+8i

c) -6+6i

1.3

Potencias de i, mdulo o valor absoluto de un nmero complejo.


Definicin: La unidad imaginaria, es el nmero complejo imaginario puro (0,1) y se representa
con la letra i o j.

1 Semana 1: Tarea individual: a) Resolver del ejercicio a) al e) de esta pgina.


Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

Se observa que, cada cuatro potencias sucesivas de la unidad imaginaria se repiten las
soluciones, por lo tanto, cuando se desea elevar i a una potencia n No. cualquiera, se puede
proceder de la siguiente manera:

Poten c ias d e la u n id ad im agin aria


i0
i1
i2
i3
i4

=
=
=
=
=

1
i
1
i
1

Los valores s e repi ten de cuatro en cuatro, por es o, para s aber


cunto vale una deter mi nada potenci a de i , s e divide el exponen te entr e
4, y el res to es el exponent e de l a potenc ia equ ivalen te a la dada.
i22

i22 = (i4)5 i2 = 1
i27 = i

Ren Zahor Torres Becerra

Antologa de lgebra Lineal


1.4

Todas las Carreras

Forma polar y exponencial de un nmero complejo.


Md u lo d e u n nm ero com p lejo
El mdu lo de un n mero co mpl ej o es e l mdulo del vec tor
deter mi nado por el origen de coordenadas y su afij o . S e des igna por |z | .

A rgum en to d e un n m ero com plejo


El argu me nto de un nmero co mp lej o es el ngulo que for ma el
vector con el ej e rea l . S e des igna por arg(z) .

.
E xp res in d e un n m ero com plejo en form a p olar
z = r
| z| = r r es el m du lo .
arg(z) =
es el argum en to .

Ren Zahor Torres Becerra

Antologa de lgebra Lineal

Todas las Carreras

E jem p los :
Pas ar a la f orm a p olar :

Z= 2 6 0

Z = 2120

Z = 2240

Z = 2300
z = 2

Z = 20
z = 2

Z = 2180
z = 2i

Z = 290
Ren Zahor Torres Becerra

10

Antologa de lgebra Lineal

Todas las Carreras

z = 2 i

Z = 2270
Pas ar a la f orm a b in m ica : z = 2 1 2 0
P ara pas ar de l a for ma polar a l a bin mi ca, tene mos que pas ar en
primer lugar a la for ma trigono m tri ca :
r = r (cos + i s en )
z = 2 (cos 120 + i s en 120 )

C omprueba los s iguientes ej erci cios :


z
z
z
z

=10 = 1
=1180 = 1
=190 = i
=1270 = i

Forma polar o mdulo-argumento


Otra forma de expresar un nmero complejo es la forma polar o forma mduloargumento,

donde
que

es el mdulo de

, y donde es un argumento de

Ren Zahor Torres Becerra

, esto es, es un ngulo tal

11

Antologa de lgebra Lineal

Todas las Carreras

NOTA: Un nmero complejo tiene infinitos argumentos distintos. De hecho se puede


definir el argumento de un nmero complejo no nulo como el conjunto de todos los posibles
valores que verifican lo anterior, es decir,

Es claro, por tanto, que si

es un valor particular del argumento de

Se denomina argumento principal al nico valor

, entonces

tal que

y se denota
Se verifica entonces que:
.
Dos nmeros complejos

representados en forma polar son iguales si y slo si sus mdulos son iguales
argumentos se diferencian en un nmero entero de vueltas, es decir,

, y sus
, con
.

La forma polar de un nmero complejo es especialmente cmoda a la hora de


multiplicar, ya que basta con multiplicar los mdulos y sumar los argumentos, es decir, si
,y

, entonces

Ren Zahor Torres Becerra

12

Antologa de lgebra Lineal

Todas las Carreras

Del mismo modo se puede calcular el cociente de un complejo por otro no nulo sin
ms que dividir los mdulos y restar los argumentos:
,
siempre que

Forma exponencial
Una variante de la forma polar se obtiene al tener en cuenta la conocida como frmula
de Euler:
para

Esto nos permite escribir un nmero complejo en la forma siguiente, denominada


forma exponencial:

Esta nueva forma es especialmente cmoda para expresar productos y cocientes ya que
slo hay que tener en cuenta las propiedades de la funcin exponencial (para multiplicar se
suman exponentes y para dividir se restan). En particular, para potencias con exponentes
enteros se tiene
.
Esto nos permite dar una nueva expresin para el inverso de un complejo no nulo en la
forma

Forma polar y exponencial de un nmero complejo.


Forma polar z r (cos isen )
i
Forma euler z re

Ren Zahor Torres Becerra

13

Antologa de lgebra Lineal

Todas las Carreras

Producto:
Sean z1 = r1(cos x + isen x) y z2 = r2(cos y + isen y) dos nmeros complejos en
forma trigonomtrica. Es:
z1z2 = [r1(cos x + isen x)][r2(cos y + isen y)] = r1r2(cos x + isen x)(cos y + isen y)
= r1r2(cos x cos y + icos x sen y + isen x cos y + i2sen x sen y)
= r1r2[(cos x cos y - sen x sen y) + i(cos x sen y + sen x cos y)]
= r1r2[cos(x + y) + isen(x + y)]
Es decir;
z1z2 = r1r2[cos(x + y) + isen(x + y)]
En forma polar sera:
rxry = (rr)x + y
Cociente:
Veamos en primer lugar cmo se calcula el inverso de un nmero complejo en forma
polar. Sea z = r(cos x + isen x) = a + b:i , donde a = rcos x y b = rsen x , tenemos:
1/z = a/(a2 + b2) - [b/(a2 + b2)]i
= (rcos x)/(r2cos2x + r2sen2x) - [(rsen x)/(r2cos2x + r2sen2x)]i
= (cos x)/[r(cos2x + sen2x)] - i(sen x)/[r(cos2x + sen2x)]
= (1/r)cos x - (1/r)isen x = (1/r)(cos x - isen x)
= (1/r)[cos(-x) + isen(-x)]
Es decir,
1/rx = (1/r)-x
Por lo tanto, la expresin del cociente de nmeros complejos vendr dada por:
rx /ry = (r/r)x - y
EJERCICIOS (Tarea):
1) Pasar a forma Euler la siguiente expresin: 4(cos45 + i sen45)
a)

4e

i
4

b)

6e

i
7

c)

8e

i
9

d)

10e 1 0

4
e) 4e

2) Pasar a forma euler la siguiente expresin: 3(cos135 + i sen135)


a) 3e

3 i
4

b) 5e

6 i
7

c) 7e

9 i
11

d) 9e

1 1i
13

e) 13e

3 i
9

3) Pasar a forma euler la siguiente expresin: 8(cos270 + i sen 270)


a) 8e

3 i
2

5 i

b)

10e 2

9 i

7 i

c)

12e 2

d)

Ren Zahor Torres Becerra

14e 2

3 i

e)

8e 2

14

Antologa de lgebra Lineal

Todas las Carreras

4) Pasar a forma euler la siguiente expresin: (cos25 + isen 25)


a)

5 i
36

b) e

5 i
30

c)

4e

5 i
3

d) 5e

7 i
36

e)

3e

5 i
6

5) Pasar a forma euler la siguiente expresin: (cos180 +i sen 180)


a)

e i

i
b) 3e

i
c) 2e

i
d) 7e

e) e

1.5

Teorema de De Moivre, potencias y extraccin de races de un nmero complejo.


La frmula de Moivre permite obtener de forma sencilla frmulas trigonomtricas que
expresan el seno y el coseno de un ngulo mltiple en funcin del seno y coseno del ngulo
simple. Para ello no hay ms que tener en cuenta la propia frmula de Moivre

y el desarrollo del binomio de Newton

De este modo si, por ejemplo, queremos obtener una frmula para
en
funcin del seno y del coseno de , bastar con considerar por un lado la frmula de
Moivre

y por otro el desarrollo del cubo

Si igualamos ahora las partes reales de ambos desarrollos tenemos


Igualando las partes imaginarias obtenemos adems, sin ningn esfuerzo adicional
una expresin para

2 Semana 2: Tarea individual: b) Resolver los 5 ltimos ejercicios de pasar a la forma


polar y los 4 ltimos de pasar a la forma binmica. c) Realizar la tarea de la pgina 14
Ren Zahor Torres Becerra

15

Antologa de lgebra Lineal

Todas las Carreras

Races n-simas de un nmero complejo


Estudiemos ahora las potencias con exponente racional de un nmero complejo.
Dado

, sea
Si

, para un nmero natural p.


, puesto que

tanto,

, es decir,

, y adems,

, o sea,

. Por
, para

De todos estos valores slo p consecutivos son distintos, el resto resulta ser
repeticin sucesiva de valores ya obtenidos. Por tanto, un nmero complejo tiene siempre p
races p-simas distintas
, para
.
Se puede observar que las p races psimas tienen todas el mismo mdulo, y sus
argumentos se diferencian en cada uno del siguiente, esto es, las races p-simas se
encuentran en los vrtices de un polgono regular de p lados incrito en la circunferencia de
centro 0 y radio

Como ejemplo, en la siguiente grfica podemos ver las races quintas de

Ren Zahor Torres Becerra

16

Antologa de lgebra Lineal

Todas las Carreras

Puede verse lo mismo en la siguiente animacin:

Teorema de Moivre, potencias y extraccin de races de un nmero complejo.


Potencia:
Sea z = rx un nmero complejo en forma polar. Para calcular su potencia n-sima,
bastar con multiplicarlo por s mismo n veces, con lo que se obtiene:
zn = zz..(n veces)..z = (rx)(rx)..(n veces)..(rx) = (rr..(n veces)..r)x+x+..(n veces)..+x = (rn)nx
Es decir,
(rx)n = (rn)nx
Si escribimos el nmero z en forma trigonomtrica obtenemos:
z = r(cos x + isen x) ==> zn = rn(cos x + isen x)n = rn(cos nx + isen nx)
De donde:
cos(nx) + isen(nx) = (cos x + isen x)n
expresin que recibe el nombre de frmula de Moivre. Como aplicacin de esta frmula
podemos obtener las razones trigonomtricas seno y coseno de mltiplos de un ngulo
conocidas las razones trigonomtricas del ngulo.
Ejemplo: Conocidos cos x y sen x , calculemos cos 4x y sen 4x :
cos 4x + isen 4x = (cos x + isen x)4
Ren Zahor Torres Becerra

17

Antologa de lgebra Lineal

Todas las Carreras

= (40)cos4x + (41)cos3xisen x + (42)cos2xi2sen2x + (43)cos xi3sen3x +


(44)i4sen4x = cos4x + 4icos3xsen x - 6cos2xsen2x - 4icos xsen3x +
sen4x
= (cos4x - 6cos2sen2x + sen4x) + (4cos3xsen x - 4cos xsen3x)i
Como dos complejos son iguales si y slo si lo son sus partes reales as como sus
partes imaginarias, tenemos que:
cos 4x = cos4x - 6cos2xsen2x + sen4x
sen 4x = 4cos3xsen x - 4cos xsen3x
Raz n-sima de un nnero complejo
Raz n-sima
Sea z = rx un nmero complejo. Calculemos su raz n-sima. sta va a ser un nmero
complejo w = sy de forma que wn = (sy)n = rx. Es decir:
sn = r
s = r1/n
(sn)ny = rx ==>
==>
ny = x + 2kpi , con k C Z
y = (x + 2kpi)/n , con k C Z
Cualquiera de los nmeros complejos que se obtienen de sy al variar k en Z es una raz
n-sima de z.
Teorema: Todo numero complejo z tiene exactamente n races n-simas distintas.
Demostracin: Sea z = rx un nmero complejo. Hemos dicho que sy es una raz nsima de z, siendo s = r1/n e y = (x + 2kpi)/n , con k C Z. Si llamamos wk = sy , cuando k C
{0,1,2,...,n-1}, obtenemos exactamente n races n-simas de z distintas. Veamos que cualquier
otra raz coincide con una de estas xk. Sea t C Z, t distinto de 0,1,2,...,n-1. Entonces, por el
algoritmo de la divisin eucldea es:
t = pn + r, con 0 <= r < n , y r nmero entero.
Si notamos por xt = sy, siendo y = (x + 2tpi)/n, tenemos que:
y = (x + 2tpi)/n = (x + 2rpi +2nppi)/n = (x + 2rpi)/n + 2ppi
De donde xt y xr tienen el mismo argumento, y por tanto xt = xr. Adems, xr es uno de
los xk que dijimos antes, ya que r C {0,1,2,...,n-1}.
c.q.d.
En resumen, para calcular la raz n-sima del nmero complejo z = rx , se procede de la
siguiente manera:

El mdulo ser la raz n-sima del mdulo de z.


El argumento viene dado por la frmula:
y = (x + 2kpi)/n dndole a k los valores 0,1,2,...,n-1
Ren Zahor Torres Becerra

18

Antologa de lgebra Lineal

Todas las Carreras

EJERCICIOS (Tarea):
5
1) Calcule la potencia de (1 i)

b) 6 14i c) 14 14i d) 24 24i

a) 4 4i

34 24i

e)

20
2) Calcular la potencia de (1 i)

a) -1024

b) 1234

c) 2345

d) 3487

e) 2354

c) 56

d) 39

e) 0

6
3) Calcular la potencia ( 3 i )

a) -64

b) 34

6
4) Calcular la potencia (1 i)

a) 8i

b) 10i

c) 9i d) 18i

e)

8i

3
5) Calcular la potencia ( 2 7i)

a)
1.6

(286.68 i 258.13)

b)

( 346.68 i 458.13)

c)

( 456.68 i348.13)

d)

( 586.68 i 648.13

e)

( 666.68 i758.13)

Ecuaciones polinmicas.
Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas
(sucesin de trminos constituidos de nmeros y letras, cada trmino es separado del otro
por un signo "+" "-"), en la que intervienen una o ms letras, llamadas incgnita (cuyo
valor hay que averiguar). Las expresiones que estn a ambos lados del signo igual son los
miembros de la ecuacin: primer miembro el de la izquierda, segundo miembro el de la
derecha. Se denomina solucin de una ecuacin a un valor o conjunto de valores de la
incgnita (x), para los cuales se verifica la igualdad.
Una ecuacin puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1
es una ecuacin con una incgnita con una solucin, x = 2
x 2 + y 2 + 5 = 0 es una ecuacin con dos incgnitas sin solucin, pues la suma de dos
cuadrados es un nmero positivo, a partir del cual no se puede obtener 0 sumndole 5.
2x + 3y = 15 es una ecuacin con dos incgnitas que tiene infinitas soluciones, algunas de
las cuales son x = 0, y = 5; x = 3, y = 3; x = 30, y = -15.
Dos ecuaciones se llaman equivalentes si tienen las mismas soluciones o ambas
carecen de solucin.

Ren Zahor Torres Becerra

19

Antologa de lgebra Lineal

Todas las Carreras

As, la ecuacin 3x 7 = x + 1 es equivalente a 2x 8 = 0 porque ambas tienen


como solucin nica x = 4.

Ren Zahor Torres Becerra

20

Antologa de lgebra Lineal

Todas las Carreras

Tipos de Ecuaciones
Las ecuaciones con una incgnita suelen tener un nmero finito de soluciones,
mientras que en las ecuaciones con varias incgnitas encontramos infinitas soluciones, las que
suelen ser estudiadas cuando forman sistemas de ecuaciones.
Podemos encontrar distintos tipos de ecuaciones con una incgnita: polinmica,
racionales, exponenciales, trigonomtricas
Las ecuaciones polinmicas son de la forma P(x) = 0, donde P(x) es un polinomio en x,
que al trasponer trminos y simplificar adoptan esa expresin
3x3 5x2 + 3x + 2 = 0 es una ecuacin polinmica
Las ecuaciones polinmicas de primer grado, ax + b = 0, se llama ecuacin lineal
5x + 7 = 3 (es lineal)
(x 5)2 + 3 = x2 1 (No hay que dejarse engaar por las apariencias, esta ecuacin
tambin es lineal. Al desarrollar y simplificar se obtiene: 10x + 29 = 0).
Las ecuaciones polinmicas de segundo grado que responden a la estructura: ax2 +
bx + c = 0, se las denomina cuadrticas. Son ecuaciones de este tipo: x2 - 5x + 3 = 0,
(x 2)2 + 7x =5 + x. (En este caso, se despeja x de manera que al final queda una ecuacin
cuadrtica, o sea, un polinomio de grado dos.
Las ecuaciones radicales son aquellas en las que la incgnita est bajo un signo
radical, como
Las ecuaciones racionales son ecuaciones en las que aparecen cocientes de
polinomios; por ejemplo:

En las ecuaciones exponenciales la incgnita est en un exponente: 2x = 8


En las ecuaciones logartmica (inversa de las de tipo exponencial) la incgnita se
encuentra afectada por el logaritmo, acordarse que la solucin debe estar de acuerdo con el
dominio de la funcin logartmica): log (x + 1) = 10.
En las ecuaciones trigonomtricas la incgnita est afectada por alguna funcin
trigonomtrica; por ejemplo:
sen (/4 + x) cos x = 1
Ren Zahor Torres Becerra

21

Antologa de lgebra Lineal

Todas las Carreras

Resolucin de Ecuaciones
Resolver una ecuacin es hallar su solucin (soluciones), o podemos llegar a la
conclusin que no tiene solucin. Para resolver una ecuacin, se pasa a otra equivalente
cuya apariencia sea ms sencilla. Para averiguar el valor de x debe despejarse la letra
incgnita. Para ello nos valemos de una propiedad matemtica (propiedad uniforme) que
nos permite poner un mismo nmero en ambos miembros de la expresin algebraica,
siempre y cuando se mantenga la igualdad.
4x 7 = 1 (tenemos esta ecuacin)
4x 7 + 7 = 1 + 7 (Para que el 7 se anule le sumamos 7, por eso se dice que un numero
que est restando "pasa" sumando).
4x = 1 + 7
4x = 8
4x : 4 = 8 : 4 (Para anular el cuatro que est multiplicando dividimos ambos miembros por
4, por eso se dice que un numero que est multiplicando "pasa" dividiendo)
Tiene una nica solucin: x = 2.
Sin embargo, hay tipos de ecuaciones para cuya resolucin se requieren tcnicas
especiales. Es el caso, por ejemplo, de las ecuaciones cuadrticas y bicuadradas.
Resolucin de ecuaciones cuadrticas
No existe una nica forma de escribir la ecuacin cuadrtica. Generalmente las
ecuaciones cuadrticas se presentan de la forma polinmica: f(x) = ax2 + bx + c la que se
resuelve mediante la ecuacin cuadrtica
Por ejemplo, la ecuacin 2x2 + 5x + 3 = 0 de coeficientes a = 2, b = 5, c = 3, se
resuelve as:

Casos especiales
Las ecuaciones de segundo grado de los tipos siguientes se llaman incompletas
porque les falta uno de los trminos:
ax2 + bx = 0
ax2 + c = 0
Se pueden resolver aplicando la frmula general, pero es ms cmodo resolverlas
despejando directamente la x.
Ren Zahor Torres Becerra

22

Antologa de lgebra Lineal

Todas las Carreras

En el primer caso, ax2 + bx = 0 (ax + b)x = 0


Una solucin es x = 0 y la otra se obtiene resolviendo la ecuacin lineal ax + b = 0.
Por ejemplo: 3x2 + 5x = 0 (3x + 5)x = 0 3x + 5 = 0 x = 0, despejando x concluimos
que las soluciones son) x = 0 y x = 5/3.
En el segundo caso, ax2 + c = 0 ax2 = c x2 = c/a

Por ejemplo: 3x2 - 17 = 0 3x2 = 17


Resolucin de ecuaciones bicuadradas
Se llama bicuadrada a una ecuacin polinmica de cuarto grado que no tiene
trminos de grado impar: ax4 + bx2 + c = 0 (1)
Si se realiza el cambio de variable x2 = z, con lo cual x4 = z2, entonces se transforma
en una ecuacin de segundo grado:
az2 + bz + c = 0 (2) Cada una de sus soluciones puede dar lugar a dos, una o ninguna
solucin de la ecuacin inicial. As, si z es solucin de la ecuacin (2), se verifica que:
si z1 > 0 , entonces x1 =
, x2 = son races de (1);
si z1 = 0 , tambin x1 = 0 es raz de (1);
si z1 < 0 , x2 = z1 no da lugar a ninguna solucin real de x.
Por ejemplo, la ecuacin bicuadrada: x4 - x2 12 = 0 se transforma, mediante el
cambio de variable x2 = z, en la ecuacin de segundo grado: z2 z 12 = 0

Cuyas soluciones son


Por tanto, las nicas races reales de la ecuacin son x1 = 2, x2 = 2.
Resumiendo: las ecuaciones bicuadrticas cuya expresin es: ax4 + bx2 + c = 0 , se
pueden obtener hasta cuatro resultados aplicando:
Sistema de ecuaciones:
Conjunto de ecuaciones cuyas soluciones comunes se pretende hallar. Para indicar
que varias ecuaciones forman un sistema, se abarca el conjunto de todas ellas con una llave.

Ren Zahor Torres Becerra

23

Antologa de lgebra Lineal

Todas las Carreras

Las ecuaciones de un sistema suelen tener dos o ms incgnitas, por lo que cada una
de ellas puede tener infinitas soluciones. Se llama solucin del sistema a una solucin
comn a todas las ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar
todas sus soluciones o concluir que no tiene solucin. Si dos sistemas de ecuaciones tienen
las mismas soluciones o ambos carecen de solucin, se dice que son equivalentes.
Los sistemas de ecuaciones sin solucin se llaman incompatibles y los que tienen
solucin, compatibles.
Por ejemplo, el sistema formado por las ecuaciones 2x - 5y = 16 y 4x + y = 10 se
expresa as

La solucin de este sistema es x = 3, y = -2 porque es solucin de ambas


ecuaciones. Es, por tanto, un sistema compatible.
El sistema

es incompatible, pues no tiene solucin.

Los sistemas de ecuaciones lineales son especialmente interesantes por las mltiples
aplicaciones que tienen en diversas ciencias.
Sistemas de Ecuaciones Lineales:
Una ecuacin con varias incgnitas es lineal si es de la forma ax + by = c, ax + by +
cz = d,, es decir, si las incgnitas aparecen sin exponentes (elevadas a 1).
Un sistema de ecuaciones lineales compatible, o bien tiene solucin nica (es
determinado), o tiene infinitas soluciones (es indeterminado).
Existen varios mtodos elementales para resolver sistemas de ecuaciones: el mtodo
de sustitucin, el mtodo de igualacin y el mtodo de reduccin. A continuacin se aplican
en la resolucin de sistemas de dos ecuaciones con dos incgnitas.
El mtodo de sustitucin consiste en despejar una de las incgnitas en una de las
ecuaciones y sustituir su expresin en la otra, la cual se transformar en una ecuacin con
una incgnita que se puede resolver. Una vez conocido el valor de dicha incgnita se
obtiene, de inmediato, el valor de la otra.
Para resolver el sistema
y de la segunda ecuacin:

por el mtodo de sustitucin conviene despejar la

y = 10 4x (ahora se sustituye su valor en la primera) 2x - 5.(10 4x) = 16

Ren Zahor Torres Becerra

24

Antologa de lgebra Lineal

Todas las Carreras

Se resuelve la ecuacin resultante, pues slo tiene una incgnita:


2x 50 + 20x = 16 22 . x = 66 x = 66 : 22 = 3
Ahora el valor de x se sustituye en la expresin de y obtenida antes:
y = 10 4x = 10 4 3 = 10 12 = 2
Se ha obtenido as la solucin x = 3, y = 2.
El mtodo de igualacin consiste en despejar la misma incgnita en las dos
ecuaciones e igualar sus expresiones, obteniendo as una ecuacin con una incgnita. Una
vez resuelta se obtiene fcilmente el valor de la otra incgnita.
Para resolver por igualacin el sistema anterior, se puede despejar la x en ambas
ecuaciones e igualar sus expresiones:
(despejamos x en cada una de las expresiones para igualarlas y, de esa manera,
poder hallar el valor de y)

Por ltimo, se sustituye el valor de y en alguna de las expresiones de x:

Se ha obtenido la solucin x = 3, y = 2.
El mtodo de reduccin consiste en procurar que una de las incgnitas tenga el
mismo coeficiente en las dos ecuaciones para que, al restarlas miembro a miembro, se
elimine dicha incgnita, dando lugar a una ecuacin con slo la otra incgnita. Se resuelve
dicha ecuacin y el valor de la incgnita se sustituye en una de las ecuaciones primitivas, y
con ello se puede obtener el valor de la otra incgnita.
Para resolver por reduccin el mismo sistema:

Ren Zahor Torres Becerra

25

Antologa de lgebra Lineal

Todas las Carreras

se multiplican los dos miembros de la primera ecuacin por 2 con el fin de que el
coeficiente de la x sea el mismo en ambas ecuaciones: 4x 10y = 32 y 4x + y = 10
Ahora, restando miembro a miembro se obtiene la ecuacin siguiente:
11y = 22 y = 22 : ( 11) y = 2.
Y se sustituye en una de las ecuaciones iniciales:
2x 5(2) = 16 2x + 10 = 16 2x = 6 x = 3
La solucin es x = 3, y = -2.
Representacin grfica:
La representacin de un sistema de dos ecuaciones lineales con dos incgnitas
consiste en un par de rectas, si stas se cortan, el sistema es compatible determinado y las
coordenadas del punto de corte son la solucin del sistema. Si las rectas son paralelas, el
sistema es incompatible. Si las rectas son coincidentes (son la misma recta), el sistema es
compatible indeterminado: sus soluciones son todos los puntos de la recta.
Por ejemplo, el sistema de ecuaciones

Se trazan ambas rectas y el punto donde se cortan es la solucin del sistema.

El punto en que se cortan las rectas, (2,1), es la solucin del sistema: x = 2, y = 1.


Una ecuacin lineal con tres incgnitas, ax + by + cz = d, se representa
generalmente mediante un plano en un sistema de R3. La representacin de un sistema de
tres ecuaciones lineales con tres incgnitas consiste en tres planos cuya posicin relativa
determina que el sistema sea compatible o incompatible. Si los tres planos se cortan en una
recta, el sistema es compatible indeterminado, pues tiene infinitas soluciones. Si no se
cortan (no existe ningn valor para x, y, z) el sistema es incompatible.
Ren Zahor Torres Becerra

26

Antologa de lgebra Lineal

Todas las Carreras

Si el sistema de ecuaciones con tres incgnitas puede ser presentado por rectas en un
espacio (por lo menos cuatro dimensiones), en ese caso si las tres se cortan en un punto el
sistema es compatible determinado. (ver rectas paramtricas)
Resolucin de ecuaciones racionales
En este caso tenemos "fracciones" con polinomios. Se recomienda factorial siempre
el denominador para poder buscar el denominador comn y reducir la operacin a un
polinomio (generalmente de primer o segundo grado) al
que se lo resuelve como una ecuacin comn.
Pongamos un ejemplo:
Factoriamos lo que sea factoriable
Como no se repite ningn binomio en la suma,
tomamos ambos como "comn denominador". Se opera
igual que una suma de fracciones, se divide (x 1) (x + 1)
por cada uno de los denominadores y el resultado se lo
multiplica por el numerador.
Se simplifican los
ecuacin lineal.

denominadores quedando una

Se despeja x.

Ren Zahor Torres Becerra

27

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

28

Antologa de lgebra Lineal

Todas las Carreras

Resolucin de ecuaciones exponenciales y logartmicas


En este tipo de ecuaciones se debe tener presentes las propiedades de logartmos ya
que las funciones exponenciales y logartmicas son inversas una de otras.
Ecuacin exponencial:
Aplicamos logaritmo a ambos miembros de la ecuacin.
Al resolverse el logaritmo queda una ecuacin la que puede ser lineal o cuadrtica.
De ser cuadrtica se aplica la ecuacin para resolverla. En este caso es lineal as que se
despeja x.
Ecuacin logartmica:
Aplicamos definicin de logaritmo. Como no hay ningn nmero que indique la
base del logaritmo, la base es 10. Por definicin, el resultado del logaritmo es la potencia,
as que queda 102.
Al quedar una ecuacin se despeja x
EJERCICIOS:
1) Resolver el siguiente producto: (x+1)(x+2)
2
2
2
2
2
2
a) x 3x 2 b) x 3x 2 c) 3 x 3 x 2 d) x 3x 2 e) x 3x 2 f) 4 x 3x 2

2) Resolver el siguiente producto: (x+1)(x+3)


2
2
a) x 3x 2 b) 3 x 3 x 6

2
c) 4 x 4 x 8

2
2
d) x 3x 2 e) x 3 x 2

3) Resolver el siguiente producto: (x+1)(x+4)


2
2
a) x 4 x 3 b) 4 x 6 x 3

2
c) 5 x 4 x 5

2
2
d) x 4 x 3 e) x 4 x 3

4) Resolver el siguiente producto: (x+1)(x+5)


2
2
a) x 6 x 5 b) 2 x 4 x 3

2
c) 3x 8 x 15

2
2
d) x 6 x 5 e) x 6 x 5

5) Resolver el siguiente producto: (x+1)(x+6)


2
2
a) x 7 x 6 b) 2 x 8 x 9

2
c) 3x 10 x 5

2
2
d) x 7 x 5 e) x 7 x 6

3 Semana 3: Tarea individual: d) Resolver los ejercicios de la pgina 19 y 27 e) Resolver


los ejercicios de ecuaciones dados por el docente.
Ren Zahor Torres Becerra

29

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

30

Antologa de lgebra Lineal

Todas las Carreras

Unidad 2
Matrices y Determinantes.
2.1 Definicin de Matriz, notacin y orden.
Introduccin
Las matrices aparecen por primera vez hacia el ao 1850, introducidas por J.J. Sylvester. El
desarrollo inicial de la teora se debe al matemtico W.R. Hamilton en 1853. En 1858, A.
Cayley introduce la notacin matricial como una forma abreviada de escribir un sistema de m
ecuaciones lineales con n incgnitas.
Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas de
ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Adems de
su utilidad para el estudio de sistemas de ecuaciones lineales, las matrices aparecen de
forma natural en geometra, estadstica, economa, informtica, fsica, etc...
La utilizacin de matrices (arrays) constituye actualmente una parte esencial dn los
lenguajes de programacin, ya que la mayora de los datos se introducen en los ordenadores
como tablas organizadas en filas y columnas : hojas de clculo, bases de datos,...
Matrices
Definicin: Se llama Matriz a todo cuadro de nmeros distribuidos en filas y
columnas.
NOTACION: Generalmente, una matriz se nombra por una letra mayscula y sus
elementos, una vez distribuidos en las filas y columnas respectivas, se encierran con corchetes
o con parntesis, as:
a11

a12

a 21

A=

a 22

a1n

a11

a12

a1n

a2n

a 21

a 2n

a m 1 a m 2 a mn ;

A=

1
2

a
a
a
m
mn
m

o as:

a 22

En estas notas usaremos preferentemente los corchetes.


Orden de una Matriz
El orden de una matriz es el nmero de filas y de columnas que tiene esa matriz.

Ren Zahor Torres Becerra

31

Antologa de lgebra Lineal

Todas las Carreras

Si el nmero de filas de una matriz A es "m" y el de columnas es "n", se suele anotar


Amxn, leyndose "matriz A de orden m por n".
Elemento Genrico
El smbolo "aij", llamado elemento genrico de una matriz, se usa para indicar que el
elemento por l designado ocupa el lugar correspondiente a la fila "i" y a la columna "j".
En consecuencia, una anotacin del tipo "a23" debe interpretarse que se trata del
elemento "a", que ocupa el lugar correspondiente a la fila 2 y a la columna 3.
Otra notacin de una Matriz
Para el caso de una matriz A con m filas y n columnas, se debe entender que i vara
desde 1 hasta m y que j vara desde 1 hasta n (siendo i y j variables en el conjunto de los
nmeros naturales).
Por ello, otra forma de anotar una matriz A, de m filas y n columnas, que tiene como
elemento genrico a aij, es:
Amxn = (aij)

(i= 1, 2, ..., m; j= 1, 2, ..., n)

a11 a12 a13

A=

a 21 a 22 a 23
a 31 a32 a33
a 41 a42 a43

As, la matriz
puede anotarse de esta forma:
A4x3 = (aij)

(i= 1, 2, 3, 4; j= 1, 2, 3)

Matrices Iguales
Definicin: Dos matrices son iguales si y slo si
i) son del mismo orden
ii) los elementos homlogos son respectivamente iguales.
En smbolos: A = B aij = bij, i,j

Ren Zahor Torres Becerra

32

Antologa de lgebra Lineal

Todas las Carreras

Clasificacin de las Matrices por su Orden


Por su orden ( o dimensin), las matrices se clasifican en:
a)
b)

rectangulares
cuadradas.
Sea Amxn ;
si m n, la matriz se dice rectangular;
si m = n, la matriz se dice cuadrada.
a11 a12 a13

a 21 a 22 a 23

a11 a12 a13

a31 a32 a33

a 21 a 22 a 23

a41 a42 a43


Matriz Rectangular

a31 a32 a33


Matriz Cuadrada

Matrices Especiales
Matriz fila: Es la matriz que tiene una sola fila.
Ejemplo:

B = b11 b12 b13 = ( b1j )(j = 1, 2, 3)

Matriz columna: Es la matriz que tiene una sola columna.

Ejemplo:

c11

C = c 21 = ( ci1 ) (i = 1, 2, 3)

c31

Caracterizacin de las regiones de una matriz cuadrada


Por el comportamiento de los subndices i y j de un elemento del tipo aij de una matriz
cuadrada cualquiera, es posible caracterizar tres regiones en ella:
1)
2)
3)

los elementos aij tales que i=j, forman la diagonal principal


los elementos aij tales que i<j, forman el tringulo superior.
los elementos aij tales que i>j, forman el tringulo inferior.

Ren Zahor Torres Becerra

33

Antologa de lgebra Lineal

Todas las Carreras

Matrices Triangulares
Si en una matriz cuadrada es:
aij = 0 , i<j
se dice que la matriz es triangular superior.
La que sigue es una matriz triangular superior de orden 4:
a11

a 21 a 22

a31 a32 a33

A=

a41 a42 a43 a44

Si en una matriz cuadrada es:


aij = 0 , i>j
se dice que la matriz es triangular inferior.
La que sigue es una matriz triangular inferior de orden 4:
a11 a12 a13 a14

0 a 22 a 23 a 24

B=

0 a33 a34

0 a44

Matriz Diagonal
Se llama matriz diagonal a toda matriz que es simultneamente triangular superior y
triangular inferior.
Es inmediato que, en una matriz diagonal, es
aij = 0 , ij .
El siguiente es un ejemplo de matriz diagonal:
d 11

0 d 22

0 d 33

D=

0 d 44

Ren Zahor Torres Becerra

34

Antologa de lgebra Lineal

Todas las Carreras

Matriz Escalar
Se llama matriz escalar a toda matriz diagonal en la que:
d11=d22=d33= ... = dii= k , siendo k un escalar.
Este es un ejemplo de matriz escalar:

0 0 0

0 k 0 0
E=
0 0 k 0

0 0 0 k
Matriz Identidad
Se llama matriz identidad a la matriz escalar en la que k=1.
La matriz identidad de orden n se anota In. Ejemplo:

1 0 0 0

0 1 0 0

I4=
0 0 1 0

0 0 0 1
El elemento generador de una matriz identidad recibe el nombre de "Delta de
Krocneker", se simboliza con ij y se define as:

1 si i = j
0 si i j

ij =
De modo que In = (ij ) ; i,j = 1, 2, ..., n .
Matrices Equidimensionales

Dos matrices se dicen equidimensionales si tienen el mismo orden.


Amxn y Bpxq son equidimensionales m=n p=q

Ren Zahor Torres Becerra

35

Antologa de lgebra Lineal

Todas las Carreras

Matrices Conformables
Una matriz A es conformable con otra matriz B cuando el nmero de columnas de A
es igual al nmero de filas de B.
A es conformable con B Amxn Bnxp
El nmero n de columnas de A y de filas de B se llama nmero de conformabilidad
entre A y B.
EJERCICIOS (Tara):
1) Definicin de matriz
a) Es un arreglo rectangular de nmeros denominados entradas
b) Es una permutacin de filas y columnas de un determnate
c) Es una combinacin lineal de filas y columnas de un determinantes
d) Es una lnea recta en el espacio que el linealmente independiente
e) Es una lnea recta en el espacio que el linealmente dependiente
2) Definicin de una matriz
a) Es un arreglo rectangular de nmeros denominados elementos
b) Es una forma de combinacin lineal de las matrices en el espacio
c) Es una forma de permutacin lineal de las matrices en el plano cartesiano
d) Es una forma de recta numrica parcialmente independiente del espacio
e) Es una forma de recta numrica parcialmente dependiente del espacio
3) Definicin de una matriz
a) Es un tipo de arreglo rectangular formado por filas y por columnas
b) Se entiende como una permutacin lineal de todas las rectas en el espacio
c) Se entiende como una combinacin lineal de todas las rectas en el espacio
d) Se entiende como la suma de las fuerzas linealmente independiente
e) Se entiende como la resta de una fuerza mayor en el espacio
4) Notacin de una matriz
a)

b)

c)

d)

e)

2.2 Operaciones con Matrices.


Las matrices son usadas en matemticas discretas para expresar relaciones entre
objetos.
Ren Zahor Torres Becerra

36

Antologa de lgebra Lineal

Todas las Carreras

Definicin: Concepto de matriz Una matriz es un ordenacin rectangular de


nmeros. Una matriz con m filas y n columnas es llamada una matriz de tamao m x n.
Ejemplo:

Es una matriz de tamao 4 x 3 Se emplean los parntesis cuadrados con el fin de


considerar la ordenacin rectangular de nmeros como una entidad.
Ahora introduciremos alguna terminologa acerca de matrices.
En general una matriz A de tamao m x n frecuentemente se escribe as:

La isima fila de A es la matriz de tamao 1 x n,

La jsima columna de A es la matriz de tamao n x 1,

El elemento, o entrada
, de A es el nmero
, es decir, el nmero que se
encuentra localizado en la isima fila y jsima columna de A,

Una notacin abreviada para expresar la matriz A es escribir


, lo cual indica
que A es una matriz de tamao m x n, y su elemento
y su elemento es igual a .

Ren Zahor Torres Becerra

37

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo: Consideremos la matriz


Sus filas son

Y sus columnas

Algunos de sus elementos son

Definicin: Matriz cuadrada Una matriz A de tamao n x n, es decir, cuando el


nmero de filas es igual al nmero de columnas, se denomina una matriz cuadrada de orden n.
En una matriz cuadrada A de orden n los elementos
elementos diagonales, y se dice que forman la diagonal principal de A.

se denominan

Ejemplo: La siguiente es una matriz cuadrada de orden 3:


Sus elementos diagonales son:

Definicin: Igualdad entre matrices.


Dos matrices
y
(del mismo tamao) son iguales si todos los
elementos correspondientes son iguales, esto es, si

Ren Zahor Torres Becerra

38

Antologa de lgebra Lineal

Ejemplo: Hallar

Todas las Carreras

si

Por la definicin de igualdad entre matrices, tenemos:

Despejando

en las ecuaciones anteriores, tenemos:

Operaciones entre matrices


Definicin: Suma de matrices Sean
matriz
definida por

y. La suma de A y B es la

Esto es, la suma de dos matrices del mismo tamao es la matriz de ese mismo tamao
obtenida al sumar los correspondientes elementos de A y B. La matriz C se denota por A+B.
Por lo tanto,

Ejemplo: Sean
y
Entonces

Ejemplo: La suma

No est definida por que las matrices son de tamao diferente.


Ren Zahor Torres Becerra

39

Antologa de lgebra Lineal

Todas las Carreras

Definicin: Matriz cero. Una matriz en que todos sus elementos son cero se
denomina matriz cero (o matriz nula) y se denota por 0.

El tamao de la matriz 0 ser evidente dentro del contexto en el cual se use.


Ejemplo: Las siguientes matrices son todas cero:

El siguiente teorema enuncia las propiedades bsicas de la suma de matrices.


Teorema Sean A, B, yC matrices de tamao m x n. Entonces

Demostracin: Sean
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de F y G son iguales.
Para esto demostramos las matrices por:

Veamos que

Teniendo en cuenta las notaciones anteriores y la definicin de suma entre matrices


obtenemos:
Ren Zahor Torres Becerra

40

Antologa de lgebra Lineal

Todas las Carreras

Ejercicio: Demostrar las otras partes del teorema anterior.


Definicin: Producto de matrices
Sea

y sea

. El producto de A y B es la matriz

definida por
La matriz C se denota por AB.
En la siguiente figura, hemos resaltado la fila de A y la columna de B que son usadas
para calcular el elemento cij de AB.

Ntese que el producto de una matriz A con una matriz B solamente se define cuando
el nmero de columnas de A es igual al nmero de filas de B. Adems el tamao de la matriz
producto es:
Ejemplo: Hallar el producto de

El producto est definido pues el nmero de columnas de A es igual al nmero de filas


de B. El producto AB, de tamao 2 x 4 es de la forma:

Ren Zahor Torres Becerra

41

Antologa de lgebra Lineal

Todas las Carreras

Donde

La multiplicacin de matrices no es conmutativa. Es decir, si A y B son matrices, no


necesariamente se cumple que AB y BA sean iguales. En realidad, puede pasar que
nicamente uno de estos dos productos est definido. Por ejemplo, s A es de tamao 2 x 3 y B
es de tamao 3 x 4, mientras que BA no est definido, puesto que es imposible multiplicar una
matriz de 3 x 4 y una matriz de 2 x 3.
En general, supongamos que A es una matriz de m x n y B es una matriz de r x s.
Entonces AB est definida nicamente cuando n = r y BA est definida solamente cuando s
=m. Por otra parte, cuando AB y BA estn definidas, ellas no son del mismo tamao a menos
que m = n = r = s. Por consiguiente, si AB y BA estn definidos, entonces A y B tienen que ser
cuadradas y del mismo tamao. Adems, puede pasar que, A y B sean matrices de tamao n x
n, y AB no es necesariamente igual a BA, como lo demuestra el siguiente ejemplo.
Ejemplo: Sean

Entonces

Por lo tanto,
. Las propiedades bsicas de la multiplicacin de matrices se
enuncian en el siguiente teorema.
Teorema

Ren Zahor Torres Becerra

42

Antologa de lgebra Lineal

Todas las Carreras

En las operaciones indicadas hemos supuesto que A, B, y C son matrices de tamao tal
que las operaciones se puedan efectuar.
Demostracin:
b) Sean
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de G y H son iguales.
Para esto denotemos las matrices por:

Veamos que
Teniendo en cuenta las notaciones anteriores, las definiciones de suma y producto de
matrices, y las propiedades de la suma y el producto de nmeros reales obtenemos:

Ejercicio: Demostrar las otras partes del teorema anterior.


Definicin: Una matriz cuadrada de orden n que tiene todos los elementos diagonales
iguales a 1 y todos los dems componentes iguales a 0 se llama matriz identidad (o idntica)
de orden n y se denota por

En otra palabras, si

entonces

por lo tanto,

Ren Zahor Torres Becerra

43

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:

Si el orden es evidente dentro del contexto, se escribe simplemente I .Si A es una


matriz de m x n es sencillo verificar que

Ejercicio: Sea A una matriz de m x n. Demostrar que


Definicin: Potencia de una matriz Sea A una matriz de n x n. Definimos la n ensima potencia de A de la siguiente manera

Ejemplo: Sea

Entonces

Se pueden probar las siguientes leyes de los exponentes.


Teorema: Sean m y n enteros no negativos. Entonces

Obsrvese que la igualdad


embargo, si

, entonces

no es cierta para matrices cuadradas. Sin


.

Ren Zahor Torres Becerra

44

Antologa de lgebra Lineal

Definicin: Producto por escalar. Sea


por escalar es la matriz
.

Todas las Carreras

y c un nmero real. El producto

definida por

Esto es, la matriz producto por escalar se obtiene al multiplicar cada elemento de A por
c. La matriz B se denota por
. Por lo tanto

Ejemplo:

Utilizando la definicin de producto por escalar, podemos definir la diferencia de


matrices.
Definicin: Diferencia de matrices Sean
la diferencia
por
.

. Se define

Ejemplo:

Ejemplo:

El siguiente teorema resume las propiedades bsicas del producto por escalar.
Teorema Si c y d son nmeros reales y A y B son matrices, entonces

Ren Zahor Torres Becerra

45

Antologa de lgebra Lineal

Todas las Carreras

Demostracin:
b) Sean

Debemos demostrar que:


Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de D y G son iguales.
Para esto denotemos los elementos de las matrices por:

Veamos que

Teniendo en cuenta las notaciones anteriores, la definicin de suma y producto por


escalar entre matrices, y la ley distributiva del producto sobre la suma para nmeros reales
obtenemos:

Ejercicio: Demostrar las otras partes del teorema anterior.


Definicin: Transpuesta de una matriz. Sea
La transpuesta de A es la matriz B

.
definida por:

Esto es, la transpuesta de A se obtiene intercambiando las filas y columnas de A. La


matriz B se denota por

. Por lo tanto

Ren Zahor Torres Becerra

46

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Sea

Entonces

El siguiente teorema resume las propiedades bsicas de la transpuesta.


Teorema Si c es un nmero real y A y B son matrices, entonces

Demostracin:
c) Sean:
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de D y G son iguales.
Para esto denotemos las matrices por:

Veamos que:
Teniendo en cuenta las notaciones anteriores, las definiciones de producto de matrices
y transpuesta de una matriz, y la ley conmutativa del producto de nmeros reales obtenemos:

Ren Zahor Torres Becerra

47

Antologa de lgebra Lineal

Todas las Carreras

Ejercicio: Demostrar las otras partes del teorema anterior.


Definicin: Matriz simtrica. Una matriz cuadrada A se denomina simtrica si
tanto

es simtrica

.Por lo

Obsrvese que una matriz es simtrica si y solamente si es cuadrada y es simtrica con


respecto a su diagonal principal

Ejemplo:

Sean:
Entonces A es simtrica y B no es simtrica.
Operaciones con matrices (suma, resta, producto,
producto de un escalar por una matriz).
Suma y diferencia de matrices
La suma de dos matrices A=(aij), B=(bij) de la misma dimensin, es otra matriz
S=(sij) de la misma dimensin que los sumandos y con trmino genrico sij=aij+bij. Por
tanto, para poder sumar dos matrices estas han de tener la misma dimensin. La suma de las
matrices A y B se denota por A+B.
Ejemplo
Propiedades de la suma de matrices
1. A + (B + C) = (A + B) + C (propiedad asociativa)
2. A + B = B + A (propiedad conmutativa)
3. A + 0 = A (0 es la matriz nula)
Ren Zahor Torres Becerra

48

Antologa de lgebra Lineal

Todas las Carreras

4. La matriz A, que se obtiene cambiando de signo todos los elementos de A, recibe el


nombre de matriz opuesta de A, ya que A + (A) = 0.
La diferencia de matrices A y B se representa por AB, y se define como: AB = A + (B)
Producto de una matriz por un nmero
El producto de una matriz A = (aij) por un nmero real k es otra matriz B = (bij) de la
misma dimensin que A y tal que cada elemento bij de B se obtiene multiplicando aij por k,
es decir, bij = kaij.
Ejemplo
El producto de la matriz A por el nmero real k se designa por kA. Al nmero real k se le
llama tambin escalar, y a este producto, producto de escalares por matrices.
Propiedades del producto de una matriz por un escalar
1.
2.
3.
4.

k (A + B) = k A + k B (propiedad distributiva 1)
(k + h)A = k A + h A (propiedad distributiva 2)
k [h A] = (k h) A (propiedad asociativa mixta)
1A = A (elemento unidad)

Propiedades simplificativas
1. A + C = B + C A = B.
2. k A = k B A = B si k es distinto de 0.
3. k A = h A h = k si A es distinto de 0.
Producto de matrices
Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se obtienen
multiplicando las filas de A por las columnas de B. De manera ms formal, los elementos
de P son de la forma:

Es evidente que el nmero de columnas de A debe coincidir con el nmero de filas


de B. Es ms, si A tiene dimensin m n y B dimensin n p, la matriz P ser de orden m
p. Es decir:

Ejemplos

Ren Zahor Torres Becerra

49

Antologa de lgebra Lineal

Todas las Carreras

Propiedades del producto de matrices


1.
2.
3.
4.

A(BC) = (AB)C
El producto de matrices en general no es conmutativo. (Ejemplo)
Si A es una matriz cuadrada de orden n se tiene AIn = InA = A.
Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal que AB =
BA = In. Si existe dicha matriz B, se dice que es la matriz inversa de A y se representa
por A1.
5. El producto de matrices es distributivo respecto de la suma de matrices, es decir: A(B
+ C) = AB + AC
Consecuencias de las propiedades
a)
b)
c)
d)

Si AB= 0 no implica que A=0 B=0. (Ejemplo)


Si AB=AC no implica que B = C. (Ejemplo)
En general (A+B)2 A2 + B2 +2AB, ya que AB BA.
En general (A+B)(AB) A2B2, ya que AB BA.

EJERCICIOS (Tarea):
2 0 3

1) Calcular la siguiente operacin A+B de: A= 1 2 4

a)

3 6 0
3 4 7

b)

3 8 0
3 4 7

c)

3 10 0
3 14 7

d)

3 26 0
3 24 7

4 0 3

2) Calcular la siguiente operacin A+B de: A= 5 2 4

a)

7 6 0
9 4 7

b)

7 16 0
9 14 7

c)

7 26 0
9 24 7

d)

7 19 0
9 13 7

c)

7 29 0
9 23 7

d)

Ren Zahor Torres Becerra

e)

7 46 0
9 44 7

3 6 3

B= 4 8 3

7 39 0
9 33 7

4 3 8

4) Calcular la siguiente operacin A+B de: A= 5 5 7

e)

3 36 0
3 34 7

3 6 3

B= 4 6 3

7 36 0
9 34 7

4 3 3

3) Calcular la siguiente operacin A+B de: A= 5 5 4


7 9 0

a) 9 3 7 b)

1 6 3

B= 2 6 3

e)

7 49 0
9 43 7

3 6 10

B= 4 8 5

50

Antologa de lgebra Lineal

a)

7 9 2
9 3 12

b)

2
17 9
19 3 12

c)

2
27 9
29 3 12

d)

Ren Zahor Torres Becerra

37 9 2
39 3 12

Todas las Carreras


e)

47 9 2
49 3 12

51

Antologa de lgebra Lineal

Todas las Carreras

8 3 8

5) Resolver la siguiente operacin A+B de: A= 7 5 7


a)

12 9 2
12 3 12

b)

12 19 2
12 13 12

c)

12 29 2
12 23 12

d)

8 4 8

6) Resolver la siguiente operacin A+B de: A= 7 6 7


a)

12 11 2
12 3 12

b)

12 11 2
12 3 12

c)

12 11 2
12 3 12

d)

4 6 10

B= 5 8 5
2
12 39
12 33 12

e)

12 49 2
12 43 12

4 7 10

B= 5 9 5

12 11 2
12 3 12

e)

12 11 2
12 3 12

2.3 Clasificacin de las Matrices.


Matriz Fila.
Una m atri z fila es t cons titu ida por una sola fila.

Matri z C olum na.


La m atri z colum na ti ene una sola colu mn a

Matri z R ectan gu lar.


La m atri z rectan gu lar tiene dis tinto nmero de filas que de
colu mnas , s iendo s u d im ens in m xn .

Matri z Cu ad rad a.
La m atri z cu ad rad a tiene el mis mo n mero de filas que de
colu mnas . Los ele me ntos de la forma a i i cons titu yen la d iagon al
p rin cip al . La d iagon al s ecu n d aria la forman los e le men tos con i +j =
n +1 .

4 Semana 4: Tarea individual: f) Resolver los ejercicios de la pgina 33, 47


Ren Zahor Torres Becerra

52

Antologa de lgebra Lineal

Todas las Carreras

Matri z Nu la.
En una m atri z n u la todos los ele me ntos s on ceros .

Matri z Trian gu lar S u p erior.


En una m atri z trian gu lar su p erior los ele me ntos s ituados por
debaj o de la diagonal principa l s on ceros .

Matri z Trian gu lar in f erior.


En una m atri z trian gu lar inf erior los ele me ntos s ituados por
enci ma de l a diagona l princ ipal son ceros .

Matri z D iagon al.


En una m atri z d iagon al todos los el emen tos s ituados por enci ma y
por debaj o de la diagonal principa l s on nulos .

Matri z Es calar.
Una m atri z es calar es una ma triz diagona l en la que los el ementos
de la diagonal principa l s on igual es .

Matri z id en tid ad o Un id ad .
Una m atri z id en tid ad es una matr iz di agonal en la que los
ele me ntos de l a diagona l princ ipal son igua les a 1.

Ren Zahor Torres Becerra

53

Antologa de lgebra Lineal

Todas las Carreras

Matri z tras pu es ta.


D ada una mat riz A, s e lla ma m atri z tras p u es ta de A a la ma tr iz que
s e obtiene ca mb iando ordenad ament e las fi las por las colu mnas

Matri z R egu lar.


Una m atri z regu lar es una ma triz cuadrada que ti ene invers a.
Matri z S in gu lar.
Una m atri z s in gu lar no tiene matr iz inv ers a.
Matri z Id em poten te.
Una ma tri z, A, es ide mpotent e s i: A 2 = A.
Matri z In volu tiva.
Una ma tri z, A, es involu tiva s i: A 2 = I .
Matri z S im tri ca.
Una m atri z s im trica es una matr iz cuadr ada que verific a: A = A t .
Matri z an tis im tri ca o Hem is im trica.
Una m atri z an tis im trica o h em is im trica es una matr iz cuadr ada
que verifi ca: A = -A t .
Matri z Ortogon al.
Una ma tri z es ortogona l s i verifi ca que : A A t = I .
EJERCICIOS (Tarea):

1) Identifique el tipo de matriz :


a) Triangular inferior b) Simtrica

2 3 1
0 4 2

0 0 3

c) Triangular Superior d) Diagonal unitria

Ren Zahor Torres Becerra

e) Nula

54

Antologa de lgebra Lineal

6 7
0 4

Todas las Carreras

6
9

2) Identifique el tipo de matriz: 0 0 23


a) Triangular inferior b) Simtrica c) Triangular Superior d) Diagonal unitria

e) nula

9 10 13
0 14 23

0
25
0

3) Identifique el tipo de matriz:


a) Triangular inferior b) Simtrica c) Triangular Superior d) Diagonal unitria

e) Nula

19 23 35
0 24 42

0 0 39

4) Identificar el tipo de matriz:


a) Triangular inferior b) Simtrica c) Triangular Superior d) Diagonal unitria

e) nula

1 2 3
0 4 5

0 0 6

5) Identificar el tipo de matriz:


a) Triangular inferior b) Simtrica c) Triangular Superior d) Diagonal unitria

e) nula

2.4 Transformaciones Elementales por Rengln. Escalonamiento de una Matriz. Rango


de una Matriz.
La idea que se persigue con las transformaciones elementales es convertir una matriz concreta
en otra matriz ms fcil de estudiar. En concreto, siempre ser posible conseguir una matriz
escalonada, en el sentido que definimos a continuacin.
Sea A una matriz y F una fila de A. Diremos que F es nula si todos los numeros de F
coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer numero distinto de
cero de F contando de izquierda a derecha.
Una MATRIZ ESCALONADA es aquella que verifica las siguientes propiedades:
a) Todas las filas nulas (caso de existir) se encuentran en la parte inferior de la matriz.
b) El pivote de cada fila no nula se encuentra estrictamente mas a la derecha que el
pivote de la fila de encima.
Por ejemplo, entre las matrices:

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


5 Semana 5: Tarea individual: g) Resolver los ejercicios de la pgina 50.
Ren Zahor Torres Becerra

55

Antologa de lgebra Lineal

Todas las Carreras

Dada una matriz escalonada E se define el RANGO de E, que representamos por rg


(E), como el numero 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:
a) Intercambiar la posicin de dos filas.
b) Multiplicar una fila por un nmero real distinto de cero.
c) 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.

Ren Zahor Torres Becerra

56

Antologa de lgebra Lineal

Todas las Carreras

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.
EJEMPLO
Rango de una Matriz
Ran go d e u n a m atri z : es el nmero de l neas de es a ma tri z (fil as o
colu mnas ) que s on linea lment e indep endient es .
Una lnea es lin ealm en te d ep end i en te de otra u otras cuando s e
puede es tab lecer una co mb inacin line al entr e el las .
Una lnea es lin ealm en te in d ep en d ien te de otra u otras cuando no
s e puede es tab lecer una co mbin acin linea l entr e el las .
El rango de una mat riz A s e s i mbol iza: ran g(A ) o r(A ).
Tambin podemos decir que el rango es : el ord en d e la m ay or
su bm atri z cu ad rad a no n u la . U til izando es ta defin icin s e puede
calcu lar e l rango us ando det erminan tes .
S e puede ca lcular el rango de una mat riz por dos m todos :
Cl cu lo d el ran go d e u n a m atri z p or el m tod o d e Gau s s
P odemos des cartar una lne a s i:

Todos s us coefici entes s on ceros


H a y dos l neas igua les .
Una lnea es proporcional a otra.
Una lnea es combina cin linea l de otras .

Ren Zahor Torres Becerra

57

Antologa de lgebra Lineal

Todas las Carreras

F 3 = 2F 1
F 4 es nula
F 5 = 2F 2 + F 1
r(A ) = 2.
En gen eral con s is te en h acer nu las el m xim o nm ero d e l n eas
p os ib le, y el ran go s er el n m ero d e filas n o n u las .

F 2 = F 2 - 3F 1
F 3 = F 3 - 2F 1

P or tanto r(A ) = 3.
Cl cu lo d el ran go d e u n a m atri z p or el m tod o d e D eterm in an tes

1) S uprimi mos la terc era co lumna porque es combina cin linea l de


las dos primeras : c 3 = c 1 + c 2

2) Comproba mos s i t iene rango 1, para el lo s e ti ene que cumplir


que al me nos un ele mento de la ma triz no s ea cero y por tanto
su de ter min ante no s er nulo.
|2 |= 2 0
Ren Zahor Torres Becerra

58

Antologa de lgebra Lineal

Todas las Carreras

3) Tendr rango 2 s i exis t e alguna s ubmatri z cuadrad a de orden 2,


tal que s u deter mi nante no s ea nulo.

4) Tendr rango 3 s i exis t e alguna s ubmatri z cuadrad a de orden 3,


tal que s u deter mi nante no s ea nulo.

Como todos los deter minan tes de las sub ma tric es son nulos
no tiene rango 3, por tan to r(B) = 2 .
5) S i tien e rango 3 y exis t e alguna s ubmatri z de orden 4, cu yo
deter mi nant e no s ea nulo, tendr rango 4. D e es te mis mo mo do
s e trabaj a para comprobar s i tiene rango s uperior a 4.
2.5 Clculo de la Inversa de una Matriz.
El produc to de una m atri z por s u in vers a es igua l al m atri z
id en tid ad . A A - 1 = A - 1 A = I
Clculo de la Inversa de una Matriz por el mtodo de Gauss
S ea A una ma tri z cuadrad a de orden n. P ara cal cular la mat riz
invers a de A, que denotare mos como A - 1 , s eguire mos los s iguien tes pas os :
1 Cons truir una ma tr iz del tipo M = (A | I ) , es deci r, A es t en la
mi ta d izqui erda de M y la matr iz id entidad I en la derech a. Cons idere mos
una matr iz 3x3 arbitrar ia

La a mp lia mos con la ma tri z iden tidad de orden 3.

Ren Zahor Torres Becerra

59

Antologa de lgebra Lineal

Todas las Carreras

2 U til izando el mt odo G aus s vamos a trans for mar la mi tad


izquierd a, A, en l a matr iz identid ad, que ahora es t a la derech a, y la
ma tr iz que res ul te en el lado derecho ser la mat riz invers a: A - 1 .
F2 - F1

F3 + F2

F2 - F3

F1 + F2

(-1) F 2

La mat riz invers a es :


EJERCICIOS (Tarea):
2 1

1) Calcular la inversa de: A= 3 2

2 1

a) 3 2

2)

2 1

b) 4 2

2 1

c) 5 2

2 1

d) 7 2

2 1

e) 9 2

2 4

Calcular la inversa de: A= 1 3

4
3
10 10
1 2

a) 10 10 b)

4
3
10 10
3 2

10 10 c)

4
3
10 10
5 2

10 10 d)

Ren Zahor Torres Becerra

4
3
10 10
7 2

10 10 e)

3
4
10 10
11 2

10 10
60

Antologa de lgebra Lineal

Todas las Carreras

2 4
4 5

3) Calcular la inversa de: A=

a)

8
3
13
3
11
6

7
3
11
3
5
3

2
1

b)

8
3
13
3
11
8

7
3
11
3
5
3

1
2
1

c)

4) Calcular la inversa de: A=

a)

5
2

3
2

1
1
2

3
1

b)

9
5

3
2

1
1
2

5
3
1

6
6
3 1 2

c)

5) Calcular la inversa de: A=

8
3
13
3
11
12

1
2
1

7
3
11
3
5
3

11
3

d)

8
3
13
3
11
14

5
3

3
2

d)

9
5

7
3

1
2
1

8
3
13
3

11
3

11
15

5
3

e)

e)

9
5

10

7
3

1
2
1

1 2 1
2 2 4

1 3 3
9
5

3
2

1
1
2

5
3
1

1
1
2

5
3
1

3
2

1
1
2

5
3
1

4 7
1 2

2 7
2 7
2 7
2 7
2 7
1 4
3 4
5 4
7 4

b)
c)
d)
e) 9 4
a)
2.6 Definicin 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.

Ren Zahor Torres Becerra

61

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

62

Antologa de lgebra Lineal

Todas las Carreras

Definicin de determinante de una matriz.


Sea A una matriz cuadrada y aij uno cualquiera de sus elementos. Si se suprime la
fila i y la columna j de la matriz A se obtiene una submatriz Mij que recibe el nombre de
matriz complementaria del elemento aij.
Dada la matriz

la matriz complementaria del elemento a11 es la matriz que resulta de suprimir en la matriz
A la fila 1 y la columna 1; es decir:

Llamamos menor complementario del elemento aij al determinante de la matriz


complementaria del elemento aij , y se representa por aij
Se llama adjunto de aij , y se representa por por Aij, al nmero (1)i+jaij. El
determinante de una matriz cuadrada es igual a la suma de los elementos de una fila o
columna cualquiera, multiplicados por sus adjuntos.
Por ejemplo, si desarrollamos un determinante de orden n por los adjuntos de la 1
fila se tiene:

La demostracin es muy fcil, basta con aplicar la definicin de determinante a ambos


lados de la igualdad.
Nota Esta regla rebaja el orden del determinante que se pretende calcular en una
unidad. Para evitar el clculo de muchos determinantes conviene elegir lneas con muchos
ceros.
Ren Zahor Torres Becerra

63

Antologa de lgebra Lineal

Todas las Carreras

EJERCICIOS (Tarea):
1) Definicin de un determinante
a) Se define como la suma de n factorial productos dotados de signo a los cuales se le llama
termino
b) Es una particin de ecuaciones dispuestas perpendicularmente a ala recta tangente
c) Es una manera de dibujar la familia de rectas tangentes a la curva en ese punto exacto
d) Es una manera de representar los nmeros complejos que se encuentran en el plano
cartesiano
e) No tiene una definicin bien definida
2) Definicin de determnate
a) Es una sumatoria de productos llamados trminos
b) Una recta tangente a una curva plana
c) Es una permutacin de n productos
d) Es una forma de clasificacin de cosa
e) No tiene una definicin determinada
3) Definicin de determnate
a) Es una serie de sumas de n productos llamados trminos
b) Es una manifestacin matemticas de las rectas
c) Es una recta numrica que tiene como caracterstica es nula
d) Es una permutacin de los nmeros naturales en forma de anillo
e) No tiene definicin
4) Definicin de determnate
a) Es una sumatoria de varios productos llamados trminos
b) Es una pendiente en el espacio de tres dimensiones
c) Es una manera de tener los trminos de un polinomio
d) Es una manifestacin de los nmeros complejos
e) No tiene definicin
5) Definicin de determnate
a) Es una sumatoria de productos llamados trminos
b) Es una combinacin lineal de productos
c) Es una permutacin de elementos alternos
d) Es una curva transversal a una figura
e) No tiene definicin
6

6 Semana 6: Tarea individual: h) Resolver los ejercicios de la pgina 56 y 59


Ren Zahor Torres Becerra

64

Antologa de lgebra Lineal

Todas las Carreras

2.7 Propiedades de los Determinantes.


1. |A t |= |A | El deter mi nant e de una ma tri z A y el de s u tras pues ta A t s on
iguales .

2. |A |= 0

S i: P os ee dos lneas iguales

Todos los el emen tos de una ln ea s on nulos .

Los ele me ntos de una lnea s on combina cin linea l de las otras .

F3 = F1 + F2
3. Un de ter min ante triangu lar es igua l al producto de los ele me ntos
de la diagonal principa l.

4. S i en un deter minan te s e ca mbian entre s dos ln eas paral elas s u


deter mi nant e ca mb ia de s igno.

5. S i a los ele mentos de una lne a s e le su man los ele mentos de otra
parale la mul tip licados previa me nte por un n real el valor del
deter mi nant e no vara.

6. S i s e mu lt ipli ca un det ermin ante por un nmero rea l, queda


mu lt ipli cado por dicho nmero cua lquier lne a, pero s lo una.

Ren Zahor Torres Becerra

65

Antologa de lgebra Lineal

Todas las Carreras

7. S i todos los ele mentos de una fila o colu mna es tn for mados por
dos s u mandos , dicho deter minan te s e des co mpone en la su ma de dos
deter mi nant es .

8. |A B| = |A | |B | El de ter min ante de un producto es igual a l


producto de los deter mi nantes .
2.8 Inversa de una Matriz cuadrada a travs de la adjunta.
Una matriz cuadrada que posee inversa se dice que es inversible o regular; en caso
contrario recibe el nombre de singular.
Propiedades de la inversin de matrices
La matriz inversa, si existe, es nica
A-1A=AA-1=I
(AB) -1=B-1A-1
(A-1) -1=A
(kA) -1=(1/kA-1
(At) 1=(A-1) t
Observacin: Podemos encontrar matrices que cumplen AB = I, pero que BA I,
en tal caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la inversa
de A "por la derecha".
Hay varios mtodos para calcular la matriz inversa de una matriz dada:

Dada la matriz

Directamente (Ejemplo)
Usando determinantes
Por el mtodo de Gauss-Jordan

buscamos una matriz que cumpla AA-1 = I, es decir

Para ello planteamos el sistema de ecuaciones:

Ren Zahor Torres Becerra

66

Antologa de lgebra Lineal

Todas las Carreras

La matriz que se ha calculado realmente sera la inversa por la "derecha", pero es fcil
comprobar que tambin cumple A-1 A = I, con lo cual es realmente la inversa de A.
EJERCICIOS (Tarea):
1 4 7
2 6 8

2 6 9

1) Calcular la inversa de la matriz:

a)

3 3 5
1
5
3
2

0 1 1

b)

3 3 5
1
5
3
2

0 1 3

c)

3 3 5
1
5
3
2

0 1 5

d)

3 3 5
1
5
3
2

0 1 7

e)

3 3 5
1
5
3
2

0 1 9

1 6 7
2 6 8

2) Calcular la inversa de la matriz:

a)

1 1 1
1 5

3 6 1
0 1 1

b)

3 1 1
1

5
1
3
0 61 1

3) Calcular la inversa de la matriz:


1

1
3

7
6

4
3

a)

b)

1
3

7
6

4
3

a)

4
0
1

2
1
0

b)

1 4 2
1 0
1

3 1 0

a)

b)

5 4 0
1
0 1

0 1 1

d)

7 1 1
1

5
1
3
0 61 1

e)

9 1 1
1

5
1
3
0 61 1

1 6 8
2 6 8

2 6 9
7

c)

1
3

7
6

4
3

d)

1
3

11

7
6

4
3

1
3

7
6

4
3

1 1

e)

1 1

1 2 4
1 2 3

1 3 4

c)

5) Calcular la inversa de la matriz:


3 4 0
1
0 1

0 1 1

5 1 1
1

5
1
3
0 61 1

c)

4) Calcular la inversa de la matriz:


1
1

2 6 9

1
1

4
0
1

2
1
0

d)

1
1

4
0

2
1

9
1

0
1
1 1

e)

1
1

4
0
1

2
1
0

1 4 4
1 3 3

1 3 4

c)

7 4 0
1
0 1

0 1 1

d)

Ren Zahor Torres Becerra

4
0

e)

13
1

0
1
1 1
4
0

67

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

68

Antologa de lgebra Lineal

Todas las Carreras

2.9 Aplicacin de Matrices con Determinantes.

Ren Zahor Torres Becerra

69

Antologa de lgebra Lineal

Todas las Carreras

7 Semana 7: Tarea individual: i) Resolver los ejercicios de la pgina 62. e) Resolver los
ejercicios dados por el docente.
Ren Zahor Torres Becerra

70

Antologa de lgebra Lineal

Todas las Carreras

Unidad 3
Sistemas de Ecuaciones Lineales.
3.1 Definicin Sistemas de Ecuaciones Lineales
Dentro del proceso de resolucin de problemas, se pueden diferenciar seis etapas:

Leer el problema
Definir las incgnitas principales de forma precisa
Traduccin matemtica del problema
Resolucin del problema matemtico
Interpretar las soluciones
Contrastar la adecuacin de esas soluciones

Podemos describir seis categoras de interpretacin y uso de las letras:

Letras evaluadas. A la letra se le asigna un valor numrico desde el principio.


Letras ignoradas. Se ignora la letra y no se le da ningn significado.
Letras como objetos. Las letras son vistas como un objeto concreto (lados de
un polgono, frutas, tiempo) eliminando as el significado abstracto de las letras
por algo concreto y real.
Letras como incgnitas especficas. Los alumnos consideran las letras como
un nmero desconocido pero especfico y pueden operar sobre l directamente.
Letras generalizando nmeros. Los alumnos ven las letras como una
representacin de varios valores numricos y no como uno exactamente
Letras como variables .Las letras son consideradas como una representacin
de un conjunto de valores no especificados, y se observa una relacin
sistemtica entre dos conjuntos de valores.

Definicin de Sistema de Ecuaciones Lineales


En matemtica 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.
EJEMPLO:

Ren Zahor Torres Becerra

71

Antologa de lgebra Lineal

Todas las Carreras

En general, un sistema con m ecuaciones lineales n incgnitas puede ser escrito en


forma ordinaria como:

Ejemplo

Al comenzar los estudios de Bachillerato se les hace un test a los estudiantes con
30 cuestiones sobre Matemticas. Por cada cuestin contestada correctamente se le
dan 5 puntos y por cada cuestin incorrecta o no contestada se le quitan 2 puntos.
Un alumno obtuvo en total 94 puntos. Cuntas cuestiones respondi
correctamente?
Halla dos nmeros tales que si se dividen el primero por 3 y el segundo por 4 la
suma es 15; mientras que si se multiplica el primero por 2 y el segundo por 5 la
suma es 174.
Juan y Roberto comentan: Juan: "Si yo te tomo 2 monedas, tendr tantas como t"
Roberto: "S, pero si yo te tomo 4, entonces tendr 4 veces ms que t". Cuntas
monedas tienen cada uno?

S is tem as d e ecu ac ion es


Dos ecua ciones con dos incgn itas for ma n un s is te ma, cuando lo
que pretend emos de el las es encontr ar s u s olucin co mn.

La s olucin de un s is te ma es un par de n me ros x 1 , y 1 , ta les que


ree mpl azando x por x 1 e y por y 1 , s e s atis fac en a l a vez ambas
ecuac iones .
x = 2, y = 3

C riterios d e Eq u ivalen c ia d e S is tem as d e Ecu acion es


1 S i a ambos mie mbros de una ecu acin de un s is tema s e les s uma
o s e les res ta una mi s ma expres in , el s is t ema res ultant e es eq u ivalen te .

Ren Zahor Torres Becerra

72

Antologa de lgebra Lineal

Todas las Carreras

x = 2, y = 3
2 S i mul tipl ica mos o dividi mos ambos mie mbros de las ecu aciones
de un s is te ma por un nmero dis t into de cero , el s is t ema res ultant e es
eq u ivalen te .
x = 2, y = 3
3 S i s uma mos o res t amos a una ecuacin de un s is te ma otra
ecuac in del mis mo s is te ma , el s is t ema res ultant e es eq u ivalen te al dado.
x = 2, y = 3
4 S i en un s is te ma s e s us titu ye una ecua cin por otra que res ult e
de s umar las dos ecua ciones de l s is te ma previa mente mu lt ipli cadas o
dividid as por nmeros no nulos , res ulta otro s is te ma eq u ivalen te al
primero.

5 S i en un s is te ma s e ca mb ia e l orden de las ecuac iones o el orden


de las incgn itas , res ult a otro s is te ma eq u ivalen te .

3.2 Clasificacin de los sistemas de ecuaciones lineales y tipos de solucin


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:

Sistema Incompatible. Si no tiene ninguna solucin.


Sistema Compatible. Si tiene alguna solucin, en este caso adems puede
distinguirse entre:
1. Sistema compatible Determinado. Cuando tiene un nmero finito de
soluciones.
2. Sistema compatible Indeterminado. Cuando admite un conjunto infinito
de soluciones

8 Semana 8: Tarea individual: j) Resolver los ejercicios dados por el docente.


Ren Zahor Torres Becerra

73

Antologa de lgebra Lineal

Todas las Carreras

Por lo tanto la clasificacin queda de la siguiente manera:


Tipos de Sistemas

Compatible Determinado
Indetermiando
Incompatible

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.
Sistema compatible determinado det(A) 0
En otras palabras, podemos clasificar los sistemas de ecuaciones lineales segn su
nmero de soluciones de la siguiente forma:
a) Sistemas con una solucin: Las ecuaciones del sistema son rectas secantes. Se
cortan en un punto (x, y) que es la solucin del sistema
b) Sistemas sin solucin: Las ecuaciones del sistema son rectas paralelas. No tienen
ningn punto en comn, y por tanto no hay solucin
c) Sistemas con infinitas soluciones: Las ecuaciones del sistema son rectas
coincidentes. Tienen todos los puntos en comn, y por tanto todos ellos son
solucin
Qu condiciones deben cumplir las ecuaciones para que el sistema tenga una, ninguna
o infinitas soluciones?
a) Una solucin: Los coeficientes de x e y de las dos ecuaciones no son proporcionales
2x 3y 1

i. Ejemplo: x 5 y 7
b) Ninguna solucin: Los coeficientes de x e y de una ecuacin son proporcionales a los
de la otra, mientras que los trminos independientes no lo son
2x 3 y 1

i. Ejemplo: 4 x 6 y 7
c) Infinitas soluciones: Los coeficientes de x e y, y el trmino independiente de una
ecuacin, son proporcionales a los de la otra
2x 3 y 1

i. Ejemplo: 4 x 6 y 2
Ren Zahor Torres Becerra

74

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

75

Antologa de lgebra Lineal

Todas las Carreras

Un sistema de ecuaciones es compatible cuando tiene solucin.


Un sistema de ecuaciones es compatible determinado cuando tiene solucin nica.
Un sistema de ecuaciones es compatible indeterminado cuando tiene infinitas
soluciones.
Un sistema de ecuaciones es incompatible cuando no tiene solucin.
Un sistema de ecuaciones es homogneo cuando todos sus trminos independientes
son cero.
3.3 Interpretacin geomtrica de las soluciones
Sistema Compatible Determinado
Tiene una sol a s olucin.

x = 2, y = 3
Grf icam en te la s olu cin es el pu n to d e corte d e las dos rectas

Ren Zahor Torres Becerra

76

Antologa de lgebra Lineal

Todas las Carreras

S is tem a C om p atib le I nd ete rm in ad o


El s is te ma ti ene inf init as soluc iones .

Grf icam en te ob ten em os dos rectas coin c id en tes . Cu alq u ier pu n to d e


la recta es solu cin

S is tem a I n com p atib le


No t iene soluc in

Grf icam en te ob ten em os dos rectas p arale las

9 Semana 9: Tarea individual: k) Resolver los ejercicios dados por el docente.


Ren Zahor Torres Becerra

77

Antologa de lgebra Lineal

Todas las Carreras

3.4 Mtodos de solucin de un sistema de ecuaciones lineales: Gauss, Gauss-Jordan,


inversa de una matriz y regla de Cramer
Mtod o d e s us titu cin
R es olucin de s is temas de ecuacion es por el m todo de sus titu cin
1. S e des pej a una incgni ta en una de las ecu aciones .
2. S e sus ti tu ye la expres in de es ta incgn ita en la otra ecua cin,
obteniendo un ecuac in con una sol a incgni ta.
3. S e res uelve la ecua cin.
4. El va lor obtenido s e s us ti tu ye en la ecu acin en la que aparec a
la incgn ita des pej ada.
5. Los dos va lores obtenidos cons t itu ye n la s olucin del s is te ma.

1 D es p ejam os una de las incgnit as en una de l as dos


ecuac iones . Eleg i mos la incgni ta que tenga e l coefi cien te ms baj o.
2 Su s titu im os en la otra ecua cin la variab le x, por el valor
anterior :
3 R es olvem os la ecu acin obten ida:
4 Su s titu im os el valor obten ido en l a variab le des pej ada.
5 S olu cin
Mtod o d e igu alacin
Res olucin de s is temas de ecuacion es por el m todo de iguala cin
1. S e des pej a la mis ma incgn ita en ambas ecu aciones .
2. S e igualan las expres iones , con lo que obt ene mos una ecuacin con
una incgni ta.
3. S e res uelve la ecua cin.
4. El va lor obtenido s e s us ti tu ye en cualqui era de las dos expres iones
en las que aparec a des pej ada la otra incgn ita.
5. Los dos va lores obtenidos cons t itu ye n la s olucin del s is te ma.

Ren Zahor Torres Becerra

78

Antologa de lgebra Lineal

Todas las Carreras

1 D es p ejam os , por ej e mplo, la incgni ta x de la pri me ra y


s egunda ecuac in:

2 Igu alam os a mb as expres iones :

3 R es olvem os la ecu acin :

4 Su s titu im os el valor de y , en una de las dos exp res ion es en las


que tene mos d es p ejad a la x :

5 S olu cin :
Mtod o d e red u ccin
Res olucin de s is temas de ecuacion es por el m todo de reduccin
1. S e preparan las dos ecu acion es , mu lt iplic ndolas por los n me ros
que convenga.
2. La res ta mos , y des aparec e una de las incgni tas .
3. S e res uelve la ecua cin res ul tante.
4. El va lor obtenido s e s us ti tu ye en una de las ecu acion es inici ales y
s e res uelve.
5. Los dos va lores obtenidos cons t itu ye n la s olucin del s is te ma.

Lo ms fc il es s upri mi r la y, de es te modo no tendr amos que


preparar las ecuac iones ; pero vamos a optar por supri mir la x, para que
vea mos mej or el proces o.

Ren Zahor Torres Becerra

79

Antologa de lgebra Lineal

Todas las Carreras

Res ta mos y res olve mos la ecu acin :

S us ti tui mos el valor de y en la s egunda ecuac in ini cia l.


S olucin:
Mtod o d e Gaus s
El m todo de G aus s cons is te en trans formar un s is te ma de
ecuac iones en otro equival ente de forma que s te s ea es ca lonado.
P ara faci lit ar el clcu lo va mos a trans formar e l s is te ma en una
m atri z , en la que pondremos los coef icien tes d e las variab les y los
trm in os in d ep en d ien tes (s epar ados por una rect a).

E jem p los :
3x
5x
x

+2y
+3y
+ y

+ z
+4 z
- z

=
=
=

1
2
1

S is te ma co mp atib le D eter minado

Ren Zahor Torres Becerra

80

Antologa de lgebra Lineal

Todas las Carreras

S is te ma co mp atib le D eter minado

S is te ma Inco mp atib le
R egla d e C ram er
La regla d e C ram er s irve para res olver s is te mas de ecu aciones
linea les . S e apl ica a s is temas que cumplan las dos condicion es
s iguientes :
Ren Zahor Torres Becerra

81

Antologa de lgebra Lineal

Todas las Carreras

El n m ero d e ecu acion es es igual al n m ero d e in cgn itas .


El d eterm in an te de la ma tri z de los coef ici entes es d is tin to d e
cero. Tales s is tem as s e denominan s is tem as d e C ram er .

S ea el det er min ante de la ma tri z de coef icien tes .

Y s ean: 1 , 2 , 3 ... , n los deter mi nant es que s e obtien e al


sus ti tuir los coef ici entes del 2 mie mbro (los t rminos indep endien tes )
en la 1 colu mna , en la 2 colu mna, en la 3 colu mn a y en la ens i ma
colu mna res pect iva men te.
Un s is tem a d e C ram er ti ene u n a sol a s olu cin que viene dada
por las s iguient es expres iones :

Ren Zahor Torres Becerra

82

Antologa de lgebra Lineal

Todas las Carreras

E jem p lo

EJERCICIOS (Tarea):
R es olve r los s is tem as d e ecu acion es p or su s titu cin :

1.

2.

3.

4.

5.

Ren Zahor Torres Becerra

83

Antologa de lgebra Lineal

Todas las Carreras

6.

Ren Zahor Torres Becerra

84

Antologa de lgebra Lineal

Todas las Carreras

R es olve r los s is tem as d e ecu acion es p or igu alacin :

1.

2.

3.

4.

5.

6.
R es olve r los s is tem as d e ecu acion es p or red u ccin :

1.

2.

3.

4.
Ren Zahor Torres Becerra

85

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

86

Antologa de lgebra Lineal

Todas las Carreras

5.

6.

7.
E jercic ios d e s is tem as d e ecu ac ion es
1. Res uelve por sus titu cin, igu alac in, reducc in y grfi ca men te el
s is t ema:

2. Res uelve el s is te ma :

3. H alla las s oluciones del s is te ma :

4. Res uelve:

5. Res uelve por sus titu cin, igu alac in, reducc in y grfi ca men te el
s is t ema:

Ren Zahor Torres Becerra

87

Antologa de lgebra Lineal

Todas las Carreras

6. Res uelve el s is te ma :

7. H alla las s oluciones del s is te ma :

R es olve r p or el m tod o d e Gau s s los s is tem as :

1.

2.

3.

4.

5.

6.

Ren Zahor Torres Becerra

88

Antologa de lgebra Lineal

Todas las Carreras

7.

8.
Resolver por el mtodo de Cramer

1.

2.

3.

4.

5.

6.

Ren Zahor Torres Becerra

89

Antologa de lgebra Lineal

Todas las Carreras

3.5 Aplicaciones

Ren Zahor Torres Becerra

90

Antologa de lgebra Lineal

Todas las Carreras

10

10 Semana 10: Tarea en equipo: l) Resolver los ejercicios de las pginas 76, 77, 78, 79 y
80, m) Resolver los problemas aplicacin de las pginas 81 y 82.
Ren Zahor Torres Becerra

91

Antologa de lgebra Lineal

Todas las Carreras

Unidad 4
Espacios Vectoriales.
4.1 Definicin de Espacio Vectorial
TEMAS INTRODUCTORIOS DE GEOMETRA

Su objetivo en esta unidad ser identificar y manipular los principales objetos geomtricos
con los que se trabaja en el espacio como son planos, rectas, cilindros, superficies cudricas
y de revolucin, tanto en las coordenadas rectangulares como en los sistemas de
coordenadas cilndricas y esfricas.
PANORAMA CONCEPTUAL SOBRE RECTAS Y PLANOS EN EL ESPACIO
Al trabajar en el espacio cules son los objetos geomtricos ms simples con los
cuales se debe trabajar?
A continuacin, encontrar una visualizacin grfica de este tema de la unidad.

Ren Zahor Torres Becerra

92

Antologa de lgebra Lineal

Todas las Carreras

Definicin y propiedades bsicas


Espacio vectorial real. Un espacio vectorial real V es un conjunto de objetos,
llamados vectores, junto con dos operaciones llamadas suma y multiplicacin por un
escalar que satisfacen los diez axiomas enumerados a continuacin.
Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se escribe
como x + y y el producto escalar de a y x como a x.
Axiomas de un Espacio Vectorial
Si x V y Y V, entonces x+y V
Para todo x,y y z en V, (x+y)+z = x + (y +z) (ley asociativa de la suma de
vectores)
c)
Existe un vector 0 V tal que para todo x V, x+0 = 0+x=x (el 0 se llama
vector cero o idntico aditivo)
d)
Si x V, existe un vector x en V tal que x + (-x) = 0 (-x se llama inverso
aditivo de x)
e)
Si x y y estn en V, entonces x+y= y+x (ley conmutativa de la suma de
vectores)
a)
b)

Ren Zahor Torres Becerra

93

Antologa de lgebra Lineal


f)
g)
h)
i)
j)

Todas las Carreras

Si x V y a es un escalar, entonces a x V
( cerradura bajo la
multiplicacin por un escalar)
Si x y y estn en V y es un escalar, entonces (x +y) = x + y (primera ley
distributiva)
Si x V y y son escalares, entonces ( + )x = x+ x (Segunda ley
distributiva)
Si x V y y son escalares, entonces y (x) = (y)x (ley asociativa de la
multiplicacin por escalares)
Para cada vector x V, 1x= x

Ejemplo 1:
n

El Espacio R . Sea V =R

X1
Donde X j R para i=1,2, , n .
X2

Cada vector en Rn es una matriz de n*1 segn la definicin de suma de matrices, x + y


es una matriz de n * 1 si x y y son matrices de n*1. Haciendo:

[ ][ ]
o X 1
o X 2

o X n

0=
y x=
matrices.

, se ve que los axiomas ii) ax) se obtienen de la definicin de

Ren Zahor Torres Becerra

94

Antologa de lgebra Lineal

Todas las Carreras

Espacio vectorial real

Un espacio vectorial real V es un conjunto de objetos llamados vectores, junto con


dos operaciones, llamadas suma y multiplicacin por un escalar que satisfacen diez
axiomas que se muestran enumerados a continuacin.
Notacin. Si x y y estn en V y si es un nmero real, entonces escribiremos x + y
para la suma de x y y y x para el producto escalar de f x.

Axiomas de un espacio vectorial.


a) Si x V y y V, entonces x + y V (es decir, V es cerrado para la suma).
b) Para todos x, y, z en V, (x + y) + z = x + (y + z) (ley asociativa de la suma).
c) Existe un vector 0 V tal que para todo x V, x + 0 = 0 + x = x (0 se conoce
como neutro aditivo).
d) Si x V, existe un vector -x en V tal que x + (-x) = 0 (-x se conoce como el inverso
aditivo de x).
e) Si x y y estn en V, entonces x + y = y + x (ley conmutativa de la suma de vectores).
f) Si x V, y es un escalar, entonces x V (se dice que V es cerrado para la
multiplicacin escalar).
g) Si x y y estn en V y si es un escalar, entonces (x + y) = x + y (primera ley
distributiva).
h) Si x V y si y son escalares, entonces ( y )x = x + x (segunda ley
distributiva)
i) Si x y si y son escalares, entonces ()x = x (ley asociativa de la
multiplicacin por escalar).
j) Para todo vector x V, 1x = x (al escalar 1 se le conoce como neutro
multiplicativo).
Teorema. Sea V un espacio vectorial. Entonces:
1)
2)
3)
4)

0 = 0 para todo nmero real .


0 * x = 0 para todo x V.
Si x = 0, entonces = 0 o bien x = 0 (o ambos).
(-1) x = -x para todo x V.

4.2 Definicin de Subespacio Vectorial y sus propiedades

Ren Zahor Torres Becerra

95

Antologa de lgebra Lineal

Todas las Carreras

Definicin: Sea H un subconjunto no vaco de un espacio vectorial V y suponga que


H es en s un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar
definidas en V. Entonces se dice que H es un subespacio de V.
Se puede decir que el subespacio H hereda las operaciones del espacio vectorial
padre V.

Ren Zahor Torres Becerra

96

Antologa de lgebra Lineal

Todas las Carreras

Teorema 1:
Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se
cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un
subespacio de V, es suficiente verificar que
x + y y ax estn en H cuando x y y estn en H y a es un escalar.
Lo anterior dice que:
Todo subespacio de un espacio vectorial V contiene al 0.
Ejemplo:
El subespacio trivial. Para cualquier espacio vectorial V, el subconjunto 0 que
consiste en el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para todo nmero
real a.
Teorema 2:
Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 H2 es un
subespacio de V.
Definicin de subespacio de un espacio vectorial y sus propiedades.
Definicin. Sea H un subconjunto de un espacio vectorial V y supongamos que H
es en s un espacio vectorial con las operaciones de suma y multiplicacin escalar definidas
sobre V. Se dice entonces que H es un subespacio de V.
Teorema.
Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V si las
dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio
a) Si x H y y H, entonces x + y H.
b) Si x H, entonces x H para todo escalar
Demostracin.
Para demostrar que H es un espacio vectorial, debemos verificar que los axiomas de
los espacios vectoriales cumplen con las operaciones de la suma vectorial y multiplicacin
escalar definidas en V. Las dos operaciones de cerradura se cumplen por hiptesis. Puesto
que los vectores en H tambin estn en V, las leyes asociativa, conmutativa, distributiva y
la del neutro multiplicativo se satisfacen. Ahora, si x H entonces 0x H, debido a la
hiptesis (ii). Pero por el teorema de espacios vectoriales (parte ii), 0x = 0.
Consecuentemente 0 H y el axioma (iii) se cumple. Finalmente, de la parte (ii) tenemos
que (-1)x H para todo x H. Por el teorema de espacios vectoriales (parte iv), -x = (Ren Zahor Torres Becerra

97

Antologa de lgebra Lineal

Todas las Carreras

1)x H, de tal forma que el axioma (iv) tambin se cumple y con ello concluimos la
demostracin.
Este teorema nos dice que para probar que H es un subespacio de V, nos basta con
verificar que:
x + y y x estn en H, siempre que x y y estn en H y sea un escalar.
La demostracin anterior contieen un resultado importante que debe mencionarse
explcitamente:
Todo subespacio de un espacio vectorial V contiene al 0.

Este resultado nos permitir ver fcilmente si un subespacio particular V no es un


espacio vectorial. Esto es, si un subconjunto no contiene al 0, entonces no es un subespacio.
Ejemplo 1.
Para todo espacio vectorial V, el subconjunto |0| que contiene solamente el vector
cero, es un subespacio puesto que 0 +0 = 0 y 0 = 0 para todo nmero real ; se le conoce
como el subespacio trivial.
Ejemplo 2
V es un subespacio de s mismo para todo espacio vectorial V.
Subespacio propio. Los primeros dos ejemplos nos muestran que todo espacio
vectorial V contiene dos espacios vectoriales, |0| y V (a menos que V=|0|). Desde luego, es
mucho ms interesante encontrar otros subespacios. Los subespacios que no son ni {0} ni
V se conocen como subespacios propios.
Teorema.
Sean H1 y H2 subespacios de un espacio vectorial V. Entonces H1H2 es un
subespacio de V.
Demostracin.
Sean x1 H1H2 y x2. Entonces, dado que H1 y H2 son subespacios, x1 + x2 H1 y
x1 + x2 H2. Esto es, x1 + x2 H1H2. Anlogamente, x1H1H2. De esta manera se
satisfacen los dos axiomas de cerradura y por lo tanto H1H2, es un subespacio.
11

4.3 Combinacin lineal. Independencia lineal


11 Semana 11: Tarea individual: n) Hacer un resume del tema 4.1 y 4.2 y demostrar sus
teoremas.
Ren Zahor Torres Becerra

98

Antologa de lgebra Lineal

Todas las Carreras

Independencia Lineal

Ren Zahor Torres Becerra

99

Antologa de lgebra Lineal

Todas las Carreras

En el estudio de lgebra lineal, una de las ideas centrales es la dependencia o independencia


lineal de los vectores.
Definicin:
Dependencia e independencia lneal sean v1, v2, ..., vn, n vectores en un espacio
vectorial V. Entonces se dice que los vectores son lineamientos dependientes si existen n
escalares no todos cero tales que:
C1 v1 + c2 v2 + ... cnvn = 0
Si los vectores no son lineamientos dependientes, se dice que son lineamientos
independientes.
Teorema 1:
Dos vectores en un espacio vectorial son linealmente dependientes si y slo si uno es
un mltiplo escalar del otro.
Teorema 2:
Un conjunto de n vectores en Rm siempre es linealmente dependiente si n>m.
Teorema 3:
a
a
a1 n
A= 11 12
a21 a 22 a2 n

Entonces las columnas de A, consideradas como vectores, son linealmente


dependientes si y solo si el sistema, que se puede escribir como Ac = 0, tiene soluciones no
triviales.
Teorema 4:
Sean v1, v2, ..., vn, n vectores en Rn y sea A una matriz de n*n cuyas columnas son v1,
v2, ..., vn. Entonces v1, v2, ..., vn son linealmente independientes si y slo si la nica solucin al
sistema homogneo Ax= 0 es la solucin trivial x=0.
Teorema 5:
Sea A una matriz de n*n. Entonces det A = 0 si y solo si las columnas de A son
linealmente independientes.
Teorema 6:
Cualquier conjunto n vectores linealmente independientes en Rn genera a Rn.
Ejemplo:
Dos vectores linealmente dependientes en R4
2 6
1 3
0
0
3 9

[ ][ ]

Ren Zahor Torres Becerra

100

Antologa de lgebra Lineal


Los vectores v1=

y v2=

Todas las Carreras

son linealmente dependientes ya que v2= -3v1.

Ren Zahor Torres Becerra

101

Antologa de lgebra Lineal

Todas las Carreras

Dependencia e independencia lineal

Definicin:
Dependencia e independencia lineales. Sean v1, v2, ..., vn n vectores en un espacio
vectorial V. Entonces se dice que los vectores son linealmente dependientes si existen n
escalares c1, c2, ..., cn no todos cero, tales que
c1v1 + c2v2+...+cnvn = 0
Si los vectores no son linealmente dependientes, entonces se dice que son
linealmente independientes.
Expresado de otro modo, v1, v2, ..., vn son linealmente independientes si la eciacin
c1v1 + c2v2+...+cnvn = 0 slo se satisface si c1= c2 = ... = cn = 0.
Cmo se determina si un conjunto de vectores es o no linealmente independiente?
El caso de dos vectores es sencillo.
Teorema 1:
Dos vectores en un espacio vectorial V son linealmente dependientes si y slo si uno
es un mltiplo del otro.
Teorema 2:
Un conjunto de n vectores en m es siempre linealmente dependiente si n > m.
Demostracin:
Sean v1, v2, ..., vn n vectores en m y tratemos de evaluar constantes c1, c2, ..., cn, no
todas nulas, tales que:
c1v1 + c2v2+...+cnvn = 0

Sean
convierte en:

(1)

. Entonces, la Ecuacin (1) se

(2)
Corolario. Un conjunto linealmente independiente de vectores en n contiene, a lo
sumo, n vectores.
Ren Zahor Torres Becerra

102

Antologa de lgebra Lineal

Todas las Carreras

Nota. Podemos expresar el corolario como sigue: Si se tienen n vectores-n


linealmente independientes, no es posible agregar ms vectores sin hacer que el conjunto
obtenido sea linealmente dependiente.
Teorema 3:

Sea:
. Entonces las columnas de A, consideradas
como vectores, son linealmente dependientes si y slo si el sistema (2), que puede ser

expresado como Ac = 0, posee un nmero infinito de soluciones. Aqui,


Teorema 4:
Sean v1, v2, ..., vn, n vectores en n, y sea A una matriz de n x n cuyas columnas son
v1, v2, ..., vn. Entonces v1, v2, ..., vn, son linealmente independientes si y slo si la nica
solucin al sistema homogneo Ax = 0 es la solucin trivial x = 0.
Demostracin:
Esto es el Teorema 3 en el caso en que m = n.
Teorema 5:
Sea A una matriz de n x n. Entonces A 0 si y solamente si las columnas de A son
linealmente independientes.
Teorema 6:
Sea A una matriz de n x n. Entonces cada uno de los siguientes siete enunciados
implica a los otros seis (esto es, si uno se verifica, todos son ciertos).
a)
b)
c)
d)
e)
f)
g)

A es invertible.
La nica solucin al sistema homogneo Ax = 0 es la solucin trivial (x = 0).
El sistema Ax = b posee una solucin nica para todo n-verctor b.
A es equivalente por filas a la matriz identidad In
A puede ser escrita como el producto de matrices elementales.
det A 0.
Las columnas (y los renglones) de A son linealmente independientes.

Combinacin lineal.

Ren Zahor Torres Becerra

103

Antologa de lgebra Lineal

Todas las Carreras

Sean v1, v2, ..., vn vectores en un espacio vectorial V. Entonces, toda expresin de la
forma: a1v1+ av22+ ...+anvn en donde a1,a2, ..., an son escalares, se llama combinacin lineal
de v1, v2, ..., vn

Ren Zahor Torres Becerra

104

Antologa de lgebra Lineal

Todas las Carreras

4.4 Base y dimensin de un espacio vectorial, cambio de base


Base y Dimensin
Definicin:
Base. Un conjunto finito de vectores {V 1 , V 2 , , V n }
espacio vectorial V si
a)
b)

{V
{V

, V 2, , V n}

es linealmente independiente

, V 2, , V n}

genera V.

es una base para un

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


En Rn se define

[] [] [] []

1
0
e 1= 0 ,e 2=

0
1
0 , e3 =

0
0
1 , , e n=

0
0
0

Base cannica.
Entonces, como los vectores e1 son las ,........
columnas de una matriz identidad
{e1 , e2 , , e n } es un conjunto linealmente independiente y, por lo tanto, constituye
una base en Rn.
Ejemplo:

[ ][ ][ ] [ ]
] [ ] [ ] [ ] [ ][ ]

Base cannica para M22. que

1 0 , 0 1 , 0 0 y 0 0
0 0 0 0 1 0
0 1

generan a M22 . Si

c1 c2
=c 1 1 0 +c 2 0 1 +c 3 0 0 +c 4 0 0 = 0 0 , entonces es obvio que c1 =
0 0
0 0
1 0
0 1
0 0
c3 c 4
c2=c3=c4= 0. As, estas matrices son linealmente independientes y forman una base para M22 .
Definicin:
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 V = 0 , entonces se
dice que V tiene dimensin cero.
Ejemplo:
La dimensin de Rn Como n vectores linealmente independientes en Rn constituye
una base, se ve que:
Dim Rn = n
Ren Zahor Torres Becerra

105

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

106

Antologa de lgebra Lineal

Todas las Carreras

Cambio de base

Sea x un vector que en base B1 (de vectores unitarios u1, u2, ...) ser igual a m1u1+
m2u2 + m3u3 + ... El mismo vector, utilizando otra base B2 (de vectores unitarios v1, v2, ...)
ser n1v1+ n2v2 + n3v3 + ...
Supongamos que u1, u2, ... se representan en la base B2 de esta forma:
u1 = a11v1 + a21v2 + ... + an1vn
u2 = a12v1 + a22v2 + ... + an2vn
...........................................
un = a1nv1 + a2nv2 + ... + annvn
Por lo tanto, sustituyendo estas ecuaciones en la frmula original nos queda:
x = m1(a11v1 + a21v2 + ... + an1vn ) + m2(a12v1 + a22v2 + ... + an2vn) + ...
Reordenando queda:
x = (m1a11 + m2a12 + ... + mna1n)v1 + ... + (m1an1 + m2an2 + ... + mnann)vn
Comparando con la frmula x = n1v1+ n2v2 + n3v3 + ... deducimos que:
n1 = m1a11 + m2a12 + ... + mna1n
n2 = m1a21 + m2a22 + ... + mna2n
...............................................
nn = m1ann + m2an2 + ... + mnann
Esto se puede expresar de forma matricial:
n1 a11 + a12 + ... + a1n
m1
n2 = a21 + a22 + ... + a2n
m2
..... ....................................
nn a2n + an2 + ... + ann
mn
Llamando A a la matriz de coeficientes, X' al vector en la base B2 y X al vector en la
base B1 nos queda:
X' = AX
despejando X nos queda:
X = A-1X'

Base
Ren Zahor Torres Becerra

107

Antologa de lgebra Lineal

Todas las Carreras

Un conjunto de vectores {v1, v2, ..., vn} forma una base para V si
a) {v1, v2, ..., vn} es linealmente independiente.

Ren Zahor Torres Becerra

108

Antologa de lgebra Lineal

Todas las Carreras

b) ii.{v1, v2, ..., vn} genera V.


As pues, todo conjunto de n vectores linealmente independientes en n es una base
en

En n definimos

Como los trminos ei son las columnas de la matriz identidad (cuyo determinante es
1), entonces {e1, e2, ..., en} es linealmente independiente y, por tanto, constituye una base en
n. Esta entidad especial se llama base cannica en n.
Teorema 1:
Si {v1, v2, ..., vn} es una base de V y si v V, entonces existe un conjunto nico de
escalares c1, c2, ..., cn tales que v= c1v1, c2v2, ..., cnvn.
Teorema 2:
Si {u1, u2, ..., un} y {v1, v2, ..., vn} 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 V = {0}, entonces V se dice que es
de dimensin cero.
Notacin. Se simboliza la dimensin de V como dim V.
Teorema 3:
Supngase que dim V = n. Si u1, u2, ..., um es un conjunto de m vectores linealmente
independientes en V, entonces m n.
Teorema 4:
Ren Zahor Torres Becerra

109

Antologa de lgebra Lineal

Todas las Carreras

Sea H un subespacio del espacio vectorial V de dimensin finito. Entonces H es


finito-dimensional y
dim H dim V

Ren Zahor Torres Becerra

110

Antologa de lgebra Lineal

Todas las Carreras

Demostracin:
Sea dim V = n. Cualquier conjunto de vectores en H linealmente independiente, lo
es tambien 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 H n.
Teorema 5:
Cualesquiera n vectores linealmente independientes en un espacio vectorial V de
dimensin n, constituyen una base.
12

4.5 Espacio vectorial con producto interno y sus propiedades


Espacios con Producto Interno
Definicin 1:
Un espacio vectorial complejo V se llama espacio con producto interno si para cada par
ordenado de vectores u y v en V, existe un nmero complejo nico (u,v), llamado producto
interno de u y v, tal que si u, v y w estn en V y C, entonces
a)
b)
c)
d)
e)
f)
g)

(v,v) > 0
(v,v) = 0 si y slo si v= 0
(u, v +w) = (u, v ) + (u,w)
(u + v, w)= (u, w) + (v, w)
(u, v) = (v,u)
(au, v) = a(u, v)
(u, av)= a (u, v)

Ejemplo:
Un producto interno en Rn Rn . Es un espacio con producto interno con (u, v)= u * v.
Definicin 2:
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces:
a) U y V son ortogonales si (u, v) = 0
b) La norma de u, denota por u, est dada por:

||U||= ( u , u )

Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto

12 Semana 12: Tarea individual: o) Hacer un resume del tema 4.3 y 4.4 y demostrar sus
teoremas.
Ren Zahor Torres Becerra

111

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Dos vectores ortogonales en C2. En C2 los vectores (3, -1) y (2, 6i) son ortogonales
porque
((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 6 = 0 adems ||( 3 , i )||

3 * 3 ( i )(i )

= 10 .

Definicin 3:
Conjunto ortonormal. El conjunto de vectores
conjunto ortonormal en V si

{V

, V 2, , V n}

es un

(vi, vj) = 0 para i j


y

||V i||= ( V 1 , Vj )=1


Definicin 4:
Complemento ortogonal.- Sea H un subespacio del espacio con producto interno V.
Entonces el complemento ortogonal de H, denotado por H, est dado por
H { X V : ( x , h ) =0, para toda h H }

Definicin 5:
Espacio con producto interno.- Un espacio vectorial complejo V se llama espacio
con producto interno si para cada par ordenado de vectores u y v en V, existe un nmero
complejo nico (u,v), llamado producto interno de u y v, tal que si u, v y w estn en V y
C, entonces
Ejemplo:
Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)= u
* v.
Definicin 6:
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces:
a) U y V son ortogonales si (u, v) = 0
b) La norma de u, denota por u, est dada por U = 0
Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto

Ren Zahor Torres Becerra

112

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i) son ortogonales
porque: ((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3, -i)) = = .
Definicin 7:
Conjunto ortonormal. El conjunto de vectores v1, v2, . . ., vn es un conjunto
ortonormal en V si (vi, vj) = 0 para i y vi = = 1
Definicin 8:
Complemento ortogonal. Sea H un subespacio del espacio con producto interno V.
Entonces el complemento ortogonal de H, denotado por H, est dado por
H = x V : (x, h) = 0 para todo h H
EJERCICIOS (Tarea):
1) Si u=(3,-2), v=(4,5) .Calcular <u,v>
a) 2
b) 4
c) 8

d) 9

e) 12

2) Si u=(4,-3), v=(5,6) .Calcular <u,v>


a) 2
b) 4
c) 8

d) 9

e) 12

3) Si u=(5,-4), v=(6,7) .Calcular <u,v>


a) 2
b) 4
c) 8

d) 9

e) 12

4) Si u=(6,-5), v=(7,8) .Calcular <u,v>


a) 2
b) 4
c) 8

d) 9

e) 12

5) Si u=(7,-6), v=(8,9) .Calcular <u,v>


a) 2
b) 4
c) 8

d) 9

e) 10

4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt


Proceso de ortonormalizacin Gram-Schmidt.

El proceso de ortogonalizacin de GramSchmidt de lgebra lineal es un proceso


utilizado en matemtica y anlisis numrico, para ortogonalizar un conjunto de vectores en
un espacio prehilbertiano, ms comnmente el espacio eucldeo Rn.

Ren Zahor Torres Becerra

113

Antologa de lgebra Lineal

Todas las Carreras

Ortogonalizacin en este contexto significa lo siguiente: comenzamos con vectores


v1,, vk los cuales son linealmente independientes y queremos encontrar mutuamente
vectores ortogonales u1, , uk los cuales generan el mismo subespacio que los vectores v1,
, vk.
Este proceso lleva el nombre en honor a Jorgen Pedersen Gram y Erhard Schmidt.
Definimos el operador proyeccin con:

donde los corchetes angulares representan el producto interior, proyecta el vector v


ortogonalmente en el vector u.
Antes de ver el proceso, debemos comprender el porqu de la definicin de
proyeccin. Si recordamos la definicin de producto escalar, tenemos para el caso del
numerador, mdulo de u por mdulo de v por el coseno del ngulo que forman. En el
denominador tenemos mdulo de u por mdulo de u, ya que el coseno sera 1. Si separamos
los dos mdulos de u en el denominador, vemos que a la izquierda tenemos nicamente
"mdulo de v * cos (ngulo que forman)", lo que nos da claramente el mdulo del vector
proyeccin. Teniendo el mdulo del vector proyeccin lo nico que debemos hacer es
asignarle una direccin, cosa que hacemos multiplicndolo por u/mdulo(u), lo que es el
vector de mdulo 1 con direccin u (el vector unitario).
El proceso de GramSchmidt entonces funciona como sigue:

Los dos primeros pasos del proceso de Gram-Schmidt

Ren Zahor Torres Becerra

114

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Considera el siguiente conjunto de vectores en Rn (con el convencional producto
interno)

Ahora, aplicamos GramSchmidt, para obtener un conjunto de vectores ortogonales:

Verificamos que los vectores u1 y u2 son de hecho ortogonales:

Entonces podemos normalizar los vectores dividiendo su tamao como hemos


mostrado anteriormente:

EJERCICIOS (Tarea):
1) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos u1=(1,1,1),u2=(0,1,1) Y
u3=(0,0,1). Calcular la base ortogonal
a) v1=(1,1,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
b) v1=(2,3,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
c) v1=(4,5,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
d) v1=(7,8,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
e) v1=(9,5,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
2) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos x1=(1,1),x2=(1,2). Calcular la
base ortogonal
a) v1=(1,1),v2=(-1/2,1/2)
b) v1=(3,1),v2=(-1/2,1/2)
c) v1=(5,1),v2=(-1/2,1/2)
d) v1=(7,1),v2=(-1/2,1/2)
e) v1=(9,1),v2=(-1/2,1/2)

Ren Zahor Torres Becerra

115

Antologa de lgebra Lineal

Todas las Carreras

3) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso


de gram-schmidt para transformar los vectores bsicos x1=(1,1),x2=(1,2). Calcular la
base ortonormal
a) q1=(0.707,0.707),q2=(-0.707,0.707)
b) q1=(2.707,2.707),q2=(-0.707,0.707)
c) q1=(4.707,4.707),q2=(-0.707,0.707)
d) q1=(6.707,6.707),q2=(-0.707,0.707)
e) q1=(7.707,7.707),q2=(-0.707,0.707)
4) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos x1=(1,-1,1),x2=(0,3,3),x3=(2,3,4). Calcular la base ortogonal
a) v1=( 1,-1,-1),v2=(2,1,1),v3=(0,-1,1)
b) v1=( 3,-1,-1),v2=(2,1,1),v3=(0,-1,1)
c) v1=( 5,-1,-1),v2=(2,1,1),v3=(0,-1,1)
d) v1=( 7,-1,-1),v2=(2,1,1),v3=(0,-1,1)
e) v1=( 9,-1,-1),v2=(2,1,1),v3=(0,-1,1)
5) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos x1=(1,-1,1),x2=(0,3,3),x3=(2,3,4). Calcular la base ortonormal
a) q1=(0.577,-0.577,-0.577),q2=(0.816,0.408,0.408),q3=(0,-0.707,0.707)
b) q1=(2.577,-0.577,-0.577),q2=(0.816,0.408,0.408),q3=(0,-0.707,0.707)
c) q1=(4.577,-0.577,-0.577),q2=(0.816,0.408,0.408),q3=(0,-0.707,0.707)
d) q1=(6.577,-0.577,-0.577),q2=(0.816,0.408,0.408),q3=(0,-0.707,0.707)
e) q1=(8.577,-0.577,-0.577),q2=(0.816,0.408,0.408),q3=(0,-0.707,0.707)
13

y 14

13 Semana 13: Tarea individual: p) Resolver los ejercicios de las pginas 96.
14 Semana 14: Tarea individual: q) Resolver los ejercicios de las pginas 98.
Ren Zahor Torres Becerra

116

Antologa de lgebra Lineal

Todas las Carreras

Unidad 5
Transformaciones Lineales.
5.1 Introduccin a las transformaciones lineales

Definicin y Ejemplos

Ren Zahor Torres Becerra

117

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

118

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

119

Antologa de lgebra Lineal

Todas las Carreras

Ejemplos (Transformaciones)

15

15 Semana 15: Tarea individual: r) Realizar los 6 ejemplos de transformaciones lineales.


Ren Zahor Torres Becerra

120

Antologa de lgebra Lineal

Todas las Carreras

5.2 Ncleo e imagen de una transformacin lineal


Sean V y W dos espacios vectoriales y sea
El ncleo de T , denotado por

una transformacin lineal. Entonces:

, est dado por :

La imagen de T , denotada por :


TEOREMA
Si

es una transformacin lineal, entonces:

es un subespacio de V .
es un subespacio de W .

Demostracin:
Sea

Sea

Sean

, en la imagen de T .

Entonces
Pero

Ejemplos:
Sean

para

(Transformacin cero).

Entonces:

Ren Zahor Torres Becerra

121

Antologa de lgebra Lineal

Sea

para

Sea

(Transformacin Lineal)

definida por

T es el operador de proyeccin de

Sea
Si
matriz cero de

Todas las Carreras

en en plano xy . Entonces:

y T definida por la transformacin


, entonces A t es la matriz cero pero de

por lo que A es la

As que
As que
Rango

y Nulidad

Definicin.
Si T es una transformacin lineal de V en W , entonces se define: la nulidad
y el rango

Ren Zahor Torres Becerra

122

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Sea

por

Entonces

por lo tanto

Ejercicios:
Encuentre Ncleo, Imagen, Rango y Nulidad de la Transformacin Lineal dada:

a)
Solucin:

b)
Solucin:

Ren Zahor Torres Becerra

123

Antologa de lgebra Lineal

Todas las Carreras

5.3 La matriz de una transformacin lineal.


Representacin Matricial de una Transformacin Lineal
Sea A una matriz de
transformacin lineal.

Ahora se estudiar que

lineal de

que est definida por

en

, T es una

, existe una matriz A de

.
TEOREMA
Sea

una transformacin lineal. Entonces existe una matriz nica de

tal que:
Demostracin:

Sea
Sea A T la formada por los elementos
logramos que A T denote a la transformacin de

en forma de columnas y
.

16

16 Semana 16: Tarea individual: s) Resolver los ejercicios solicitados por el docente.
Ren Zahor Torres Becerra

124

Antologa de lgebra Lineal

Ren Zahor Torres Becerra

Todas las Carreras

125

Antologa de lgebra Lineal

Todas las Carreras

Entonces:

As
para
los vectores bsicos .

, T y la transformacin A T son la misma poeque coincide en

Ejemplo:

Sea

definida por:

. Calcular At

Solucin:
Usemos la base cannica

Entonces

Ejemplo:

, definida por
Solucin:

Definicin:
La matriz A T del teorema anterior se llama matriz de transformacin
correspondiente a T representacin matricial de T.
Ren Zahor Torres Becerra

126

Antologa de lgebra Lineal

Todas las Carreras

TEOREMA
Sea A T la matriz de transformacin correspondiente a la transformacin lineal de T
. Entonces:

(Espacio columna).

, N A T espacio nulo .

Ejemplo:

Si

, Calcular

Solucin:

Ejemplo:

, Calcular

Ren Zahor Torres Becerra

127

Antologa de lgebra Lineal

Todas las Carreras

Solucin:

Ejercicio:
Encuentre la representacin matricial A T de la Transformacin Lineal T , el Nu T ,
la

y el

Solucin:

Ren Zahor Torres Becerra

128

Antologa de lgebra Lineal

Todas las Carreras

TEOREMA

,y

Sea V un espacio vectorial de dimensin n , W un espacio vectorial de dimensin m


una transformacin lineal.
Sean

bases.

Entonces existe una matriz nica A T de

tal que:

Ejemplo:
Sea

una transformacin lineal, definida por

Supngase que
Entonces

Ren Zahor Torres Becerra

129

Antologa de lgebra Lineal

Todas las Carreras

Ejemplo:
Sea una Transformacin Lineal

definida por:

Sean
y
donde

Obtener A T
, osea las coordenadas de

relativas a la base B 2 .

Solucin:

17

17 Semana 17: Tarea individual: s) Resolver los ejercicios solicitados por el docente.
Ren Zahor Torres Becerra

130

Antologa de lgebra Lineal

Todas las Carreras

5.4 Aplicacin de las transformaciones lineales: reflexin, dilatacin, contraccin y


rotacin.
Rotacin
Sea 0 < 2 un ngulo medido en radianes. La Transformacin de T : R2 R2 que gira
sobre un vector = (u1, u2) es un ngulo , para obtener un vector T () = (v1, v2).
Usando las funciones trigonomtricas, tenemos que:
v1 = ||T ()|| cos ( + ) = |||| (cos cos - sen sen )
v2 = ||T ()|| sen ( + ) = |||| (sen cos + cos sen )
Como u1 = |||| = cos y u2 = |||| = sen se obtiene:
v1 = u1 cos u2 sen
v2 = u2 cos u1 sen
Por lo tanto la Transformacin T : R2 R2 debe estar definida tal que:
T (u1, u2) = (u1 cos u2 sen , u2 cos u1 sen ).
Esta transformacin se llama la rotacin por un ngulo y es lineal, ya que:
T [(u1, u2) + (v1, v2)] = T (u1 + v1, u2 + v2)
= ((u1 + v1) cos (u2 + v2) sen , (u2 + v2) cos + (u1 + v1) sen )
=(u1 cos - u2 sen , u2 cos + u1 sen )+(v1 cos - v2 sen , v2 cos + v1 sen )
= T (u1, u2) + T (v1, v2)
Transformacin de Reflexin:
La Transformacin de T : R2 R2 que a cada vector = (u1, u2) lo refleja sobre
el eje x, para obtener un vector T () = (v1, v2).
En este caso, la situacin es ms sencilla ya que claramente tenemos dos tringulos
rectngulos que son congruentes, de donde T queda definida como sigue:
T (u1, u2) = (u1, -u2)
Esta transformacin se llama la reflexin sobre el eje x, y es lineal, ya que:
T [(u1, u2) + (v1, v2)] = T (u1 + v1, u2 + v2) = (u1 + v1, -u2 -v2)
= (u1, -u2) + (v1, -v2) = T (u1, u2) + T (v1, v2)
18

18 Semana 18: Tarea individual: t) Resolver un ejemplo de aplicacin de


transformaciones.
Ren Zahor Torres Becerra

131

Antologa de lgebra Lineal

Todas las Carreras

Bibliografa
Algebra lineal y sus aplicaciones

Lay, David C.
Pearson Educacin

Algebra lineal
Grossman, Stanley I.
McGraw-Hill

Algebra lineal con aplicaciones


Williams, Gareth
McGraw-Hill

Apuntes de lgebra lineal


Solar Gonzlez, Eduardo
Limusa

lgebra lineal con aplicaciones y Matlab


Kolman, Bernard
Pearson Educacin

Ren Zahor Torres Becerra

132