Académique Documents
Professionnel Documents
Culture Documents
Autora:
1. Introducci
on 1
3. Numeros complejos 21
3.1. Numeros complejos y sus operaciones . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1. Suma y resta de n umeros complejos . . . . . . . . . . . . . . . . . . . 22
3.1.2. Multiplicacion de n
umeros complejos . . . . . . . . . . . . . . . . . . 23
3.1.3. Division de n
umeros complejos . . . . . . . . . . . . . . . . . . . . . 25
3.1.4. Forma polar de n umeros complejos. . . . . . . . . . . . . . . . . . . 26
3.1.5. El Teorema de De Moivre. . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1.6. Races de numeros complejos. . . . . . . . . . . . . . . . . . . . . . . 34
3.1.7. Formula de Euler. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5. Transformaciones Lineales. 65
5.1. Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1.1. Combinaciones lineales y conjunto generador. . . . . . . . . . . . . . 66
5.1.2. Dependencia e independencia lineales. . . . . . . . . . . . . . . . . . 67
iv
Introducci
on
Esta nota surgio de los apuntes de clase de la experiencia educativa de algebra que se
imparte en la Facultad de Ingeniera de la Universidad Veracruzana campus Coatzacoalcos.
La finalidad de esta gua es dar la pauta de los tipos de ejercicios que se deberan de presentar
dicha experiencia educativa. Siguiendo el programa de estudio de algebra, en estos apuntes
hemos desglosado cada uno de los temas de la siguiente manera.
El Captulo 2 muestra algunas operaciones aritmeticas con polinomios, as como, los
metodos para localizar las races de ecuaciones de segundo grado, tales como: factorizacion,
metodo de completar cuadrados, formula general y division sintetica.
El Captulo 3 introduce los n umeros complejos. Muestra sus operaciones algebraicas
(suma, resta, division y multiplicacion). Ademas, en este captulo se analiza la forma polar,
el Teorema de De Moivre, el metodo para encontrar la raz n-esima de un n umero complejo
y la Formula de Euler.
El Captulo 4 trata de las operaciones con matrices y los sistemas de ecuaciones lineales.
Primero estudia las tres operaciones elementales que se definen en el conjunto de matrices
(suma, resta y multiplicacion, inlcuyendo transposicion). Despues, define el determinante de
una matriz. Finalmente, hace un estudio de los sistemas de ecuaciones lineales ilustrando el
metodo de Gauss-Jordan tanto para encontrar una solucion al sistema lineal dado como para
encontrar la matriz inversa de la matriz asociada el sistema ( con esta matriz inversa tambien
podemos encontrar una solucion al sistema). Tambien, se analiza la Regla de Cramer y el
metodo de la adjunta para encontrar la matriz inversa de un sistema lineal dado.
El Captulo 5 estudia primero los conceptos de espacio vectorial, combinacion lineal, con-
junto generador, dependencia e independencia lineal, base y dimension. Despues se analizan
las transformaciones lineales y el rango y nulidad de una transformacion lineal. El captulo
finaliza con los conceptos de valores y vectores propios y diagonalizacion de matrices.
Observe que en el captulo 2 se esta trabajando con el conjunto de los n umeros reales,
mientras que en el captulo 3 nos vemos en la necesidad de trabajar en el conjunto de los
numeros complejos al no poder encontrar una solucion en los n umeros reales a la ecuacion
x2 + 1 = 0. En el captulo 4 nos cambiamos al conjunto de matrices debido a que buscamos
las soluciones de un sistema de ecuaciones lineales. En los captulos 2, 3 y 4 hemos estado
trabajando sin mencionarlo a nuestros estudiantes en espacios vectoriales, debido a que los
2
n
umeros reales (R), los n umeros complejos (C) y el conjunto de las matrices cumplen con
todos los axiomas que definen que un conjunto sea un espacio vectorial. Por lo mencionado
previamente no esta demas mencionar que el programa de la experiencia educativa de algebra
nos lleva de lo particular (captulo 2,3,4) a lo general captulo 5.
Captulo 2
Definicion 2.1.2 Para sumar (restar) dos polinomios se suman (restan) los coeficientes
de las variables que tienen el mismo exponente. Por ejemplo: sumar el polinomio P (x) =
3x5 + 2x4 5x3 + x2 1 con el polinomio G(x) = x5 + x4 + 6x3 + 2x2 + 3.
1 4
12 x2
2x2 + 3x 1 3
x +x +1
1 4 1 3
3
x 2
x + 16 x2
1 3
2
x 13 x2 +x
1 3
2
x + 34 x2 14 x
5 2
12
x + 43 x + 1
5 2
12 x 85 x + 24
5
1
8
x + 29
24
1
2
x 14
2x5 + 3x4 x2 + x + 6 x6 + x5 + x4 + 5x2 2x + 1
3
x6 2 x5 + 2 x3 12 x2 3x
1
12 x5 + x4 + 21 x3 + 92 x2 5x + 1
1 5
2
x + 43 x4 14 x2 + 41 x + 32
7 4
4
x + 21 x3 + 17
4
x2 19
4
x + 52
1 2
2
14 x + 18
x
2x5 + x4 + 7x2 + 3x + 10 x7 4x4 + 5x3 x + 7x + 9 2
x7 12 x6 72 x4 23 x3 5x2
12 x6 15
2
x4 + 72 x3 6x2 + 7x
1 6
2
x + 14 x5 + 47 x3 + 34 x2 + 52 x
1 5
4
x 15
2
x4 + 21
4
x3 21
4
x2 + 19
2
x +9
1 5 1 4
4x 8x 8 x 8 x 54
7 2 3
61
8
x4 + 21
4
x3 49
8
x2 + 73
8
x + 31
4
Teorema 2.1.5 (Teorema del Residuo). Si un polinomio, P (x), se divide entre x r, en-
tonces el residuo es igual al polinomio evaluado en r, es decir,
residuo = P (r).
x2 x
x2 x3 3x2 + 2x
x3 + 2x2
x2 + 2x
x2 2x
0
2x2 +x+2
x1 2x3 x2 +x+4
2x3 + 2x2
x2 +x
x2 +x
2x + 4
2x + 2
6
Ejercicios 2.1.6 Empleando el Teorema del residuo, encuentrese el residuo que se ob-
tendra al dividir la primera expresion de los problemas 1 al 16, entre la segunda.
1. x3 + 6x2 4x + 3, x 1.
2. x3 5x2 + 6x 2, x + 1.
3. x3 + 7x2 3x 4, x 2.
4. x3 + 3x2 + 9x + 4, x + 3.
5. 2x3 + 2x2 3x 5, x + 2.
6. 3x3 + 6x2 4x + 1, x + 3.
7. 2x3 3x2 2x 5, x 4.
2.1 Polinomios: suma, resta, multiplicaci
on y divisi
on 7
3 2
8. 4x + 2x + x 7, x 1.
9. 4x3 3x2 + 5x 6, x + 2.
10. 3x3 9x2 + 7x + 1, x + 4.
11. 5x3 + 6x2 + 6x 4, x + 1.
12. 6x3 5x2 + 3x + 6, x 1.
13. x5 2x4 + 3x3 5x2 2x + 4, x 2.
14. 2x4 9x2 7x 7, x + 3.
15. 16x5 + 8x4 4x3 2x2 + 4x 3, x 21 .
16. 3x6 2x5 + 2x4 3x3 + x2 x + 7, x + 2.
Definici
on 2.1.7 La Divisi on sint etica es un procedimiento mediante el cual podemos
encontrar el cociente y residuo de la division de un polinomio P (x) entre x r.
1. Encontrar el cociente y residuo de la division de P (x) = x3 3x2 + 2x 3 entre x 1.
1 3 2 3
1 1 2 0
1 2 0 3
Cociente= x2 2x.
Residuo=-3.
2. Encontrar el cociente y residuo de la division de P (x) = 3x4 + 2x3 + 3x2 + x + 5 entre
x + 2.
3 2 3 1 5
2 6 8 22 42
3 4 11 21 47
Cociente= 3x3 4x2 + 11x 21.
Residuo=47.
3. Encontrar el cociente y residuo de la division de P (x) = x5 + 5x3 + 5x 2 entre x + 3.
1 0 5 0 5 2
3 3 9 42 126 393
1 3 14 42 131 395
2. 3x3 + x2 3x + 2, x + 2.
3. 2x3 + 7x2 + x 1, x + 3.
4. 3x3 + 2x2 9x + 5, x 2.
5. 3x3 + 11x2 + x + 7, x 4.
6. 2x3 + 6x2 + 5x 1, x 3.
7. 6x3 9x2 + 5x 7, x + 3.
8. x3 9x2 + x + 2, x + 1.
17. 6x3 x 1, x + 1.
18. x4 + 4x2 1, x + 2.
19. x5 6x3 + x, x 2.
23. 8x3 + x2 4x 1, x + 34 .
24. 9x3 x2 + 5x + 2, x 32 .
2.1 Polinomios: suma, resta, multiplicaci
on y divisi
on 9
6
25. 2x 30x 25, x 2.
Ejercicios 2.1.9 Encuentrese para k un valor tal, que al dividir la primera entre la segunda
de las expresiones siguientes, el residuo tenga valor que se indica.
2. x3 3x2 + 5x k; x 3; residuo 1.
2.1.1. Factorizaci
on de polinomios
Definici on 2.1.10 Factorizar un polinomio significa buscar dos o mas polinomios (factores)
lo mas simple posible (grado 1 preferentemente) de tal forma que al multiplicarlos se obtenga
el polinomio dado.
b) 6x2 + 11x + 3.
c) 7x2 9x + 2.
d) 4x2 15x + 9.
e) 6x2 5x 6.
2.1 Polinomios: suma, resta, multiplicaci
on y divisi
on 11
2
f ) 8x + 6x + 1.
g) 2x2 x 10.
h) x2 4x + 3.
i) x2 + 4x + 4.
j) x2 + 13x + 36.
k) x2 + 7x 18.
l) 2x2 + 7x 4.
m) x2 + 5x 24.
n) x2 + 15x + 56.
) 8x2 2x 3.
n
Como puede verse en la Seccion 1.1.1, de manera general cuando dividimos un polinomio
P (x) entre otro polinomio Q(x) obtenemos que:
polinomio = (divisor)(cociente).
Es decir,
P (x) = Q(x)C(x).
Lo cual implica que Q(x) y C(x) son factores de P (x). En el caso particular que
Q(x) = (x r),
con r un numero entero, obtenemos que (xr) es un factor del polinomio P (x) si el residuo es
igual a cero. Esto es precisamente lo que dice el teorema del factor enunciado a continuacion.
x2 x
x2 x3 3x2 + 2x
x3 + 2x2
x2 + 2x
x2 2x
0
Por lo tanto
P (x) = x3 3x2 + 2x = (x2 x)(x 2).
x+1
2
x+1 x + 2x + 1
x2 x
x+1
x1
0
Por lo tanto
P (x) = x2 + 2x + 1 = (x + 1)(x + 1).
Ejercicios 2.1.13 Empleando el Teorema del factor, demuestre que la segunda expresi
on
de los problemas 1 al 18 es un factor de la primera.
1. x3 + 3x2 + 4x + 2, x + 1.
2. x3 + 4x2 5x + 2, x 1.
3. 2x3 + 2x2 3x + 2, x + 2.
4. 3x3 + 4x2 + 3x + 2 , x 2.
9. 16x3 + 8x2 + 2x + 1, x + 21 .
17. xn an , x a.
18. xn a3n , x a3 .
Definici
on 2.2.1 Una ecuacion de grado superior es una ecuacion de la forma
an xn + an1 xn1 + . . . + ax + a0 = 0,
Definici
on 2.2.2 Dada una ecuacion de la forma
an xn + an1 xn1 + . . . + ax + a0 = 0,
Observaci on 2.2.3 Note que si r es una raz de un polinomio P (x) entonces al dividirlo
entre x r obtenemos
P (x) = Q(x)(x r), (2.2)
por el Teorema del Factor. Esto significa que s podemos encontrar las races de un polino-
mio, entonces podemos factorizarlo. Ahora bien, de manera inversa, si podemos factorizar el
polinomio en la forma (2.2), entonces el n
umero r es una raz del polinomio ya que
ax2 + bx + c = 0.
Primero ilustraremos el metodo de completar cuadrados el cual nos lleva a la formula general
de segundo grado.
El metodo de completar cuadrados consiste en lo siguiente:
1. Dada una ecuacion de segundo orden:
ax2 + bx + c = 0. (2.3)
b b2 c b2
x2 + + 2 = + 2. (2.6)
a 4a a 4a
6. El lado derecho de la ecuacion (2.6) es un binomio cuadrado perfecto que puede ser
factorizado de la siguiente forma:
b b c b2
x+ x+ = + 2. (2.7)
2a 2a a 4a
1. 4x2 + 5x 2 = 0.
1
Multiplicando ambos lados de la igualdad por 4
obtenemos
5 1
x2 + x = 0,
4 2
pasando el termino constante al lado derecho de la igualdad
5 1
x2 + x = , (2.11)
4 2
5
diviendo 4
entre 2 y elevandolo al cuadrado
5 2 5 2 25
4
= = ,
2 8 64
25
agregando 64
en ambos lados de la igualdad (2.11)
5 25 1 25
x2 + x + = + ,
4 64 2 64
5 25 57
x2 + x + = ,
4 64 64
factorizando 5 5 57
x+ x+ = ,
8 8 64
5 2 57
x+ =
8 64
16
sacando raz cuadrada r
5 57
x+ = ,
8 64
despejando x obtenemos las dos races
r
5 57
x1 = +
8 64
r
5 57
x2 =
8 64
2. 5x2 + 4x 2 = 0.
1
Multiplicando ambos lados de la igualdad por 5
obtenemos
4 2
x2 + x = 0,
5 5
pasando el termino constante al lado derecho de la igualdad
4 2
x2 + x = , (2.12)
5 5
4
diviendo 5
entre 2 y elevandolo al cuadrado
4 2 4 2 2 2 4
5
= = =
2 10 5 25
4
agregando 25
en ambos lados de la igualdad (2.12)
4 4 2 4
x2 + x + = + ,
5 25 5 25
sumando, multiplicando, factorizando y sacando raz cuadrada se obtienen las races
4 4 14
x2 + x + = ,
5 25 25
2 2 14
x+ x+ = ,
5 5 25
2 2 14
x+ = ,
5 25
r
2 14
x+ = ,
5 25
r
2 14
x1 = + ,
3 25
r
2 14
x2 = .
5 25
2.2 Ecuaciones algebraicas 17
Observaci on 2.2.4 Note que a traves del metodo de completar cuadrado uno puede obtener
la bien conocida f
ormula general, ecuacion (2.10).
b b2 4ac b b2 4ac
x= = .
2a 2a 2a
Este resultado se conocio desde tiempo de los griegos. En el siglo XVI, el algebra recibe
un gran impulso con el descubrimiento, por los matematicos de la escuela italiana (Nicolo
Fontana llamado Tartaglia y Girolamo Cardano), de la resolucion por radicales de la ecuaci
on
3 2
c
ubica ax + bx + cx + d = 0.
a) 2x2 + x 20 = 0.
b) 2x2 x 8 = 0.
c) x2 4x 1 = 0.
d) 3x2 6x = 9.
e) 2x2 5x 6 = 0.
f ) 2x2 5x = 12.
g) 4x2 + 4x = 1.
h) 6x2 5x = 1.
i) 2x2 8x = 1.
j) 4x2 11 = 4x.
k) x2 2x 15 = 0.
m) x2 (7x + 6) = x + 59.
n) x2 19x = 88.
) x2 + 7x + 12 = 0.
n
a) 2x2 3x 2 = 0.
b) 3x2 + 2x 5 = 0.
18
c) x2 6x + 8 = 0.
d) 4x2 12x + 9 = 0.
e) 7x2 + x 5 = 0.
f ) 2x2 + 5x + 1 = 0.
g) x2 x + 1 = 0.
h) 20x2 + 9x + 1 = 0.
i) x2 10x + 25 = 0.
j) x2 2x + 2 = 0.
k) 3x2 + 11x + 7 = 0.
l) x2 6x + 10 = 0.
m) 27x2 + 12x 7 = 0.
n) 9x2 12x + 4 = 0.
) 5x2 7x 90 = 0.
n
Observaci
on 2.2.7 La formula general
b b2 4ac b b2 4ac
x= = ,
2a 2a 2a
como hemos mencionado nos permite encontrar las races de ecuaciones de segundo grado
de la forma ax2 + bx + c = 0 siempre y cuando el termino conocido como discriminante,
b2 4ac, sea mayor o igual a cero. Los casos que se pueden presentar son:
1. Cuando b2 4ac > 0 existen dos races reales y diferentes. Por ejemplo: usando la
formula general encontramos que las races de la ecuacion 2x2 + 3x 1 = 0 son
3 17 3 17
x1 = + , y x2 = ,
4 4 4 4
debido a que
b2 4ac = (3)2 4(2)(1) = 17 > 0.
2. Cuando b2 4ac = 0 existen dos races reales e iguales. Para este caso se dice que la
ecucion tiene una raz de multiplicidad 2. Por ejemplo: la ecuacion x2 + 4x + 4 = 0
tiene como races
x1 = 2, y x2 = 2,
2.2 Ecuaciones algebraicas 19
ya que
b2 4ac = (4)2 4(1)(4) = 0.
Note que x2 + 4x + 4 = (x + 2)2 , de aqu la multiplicidad 2. Por tanto, una raz es
multiplicidad n si se repite n veces en la factorizacion del polinomio.
i2 + 1 = 0,
umero su valor sera i = 1. En el siguiente captulo presentaremos al
s existiece tal n
conjunto de los n umeros complejos creados bajo la existencia del n
umero imaginario i.
N
umeros complejos
Los algebristas italianos del siglo XVI se enfrentaban al siguiente problema: ecuaciones
de la forma
x2 + 1 = 0
parecan no tener solucion. Lo anterior se debe a que todo n
umero real elevado al cuadrado es
positivo. Pero, por otra parte, era muy conveniente trabajar bajo el supuesto que una solucion
para esta ecuacion existiese. Fue el matematico italiano Girolamo Cardano el primero en
trabajar como si la ecuacion x2 + 1 = 0 tuviera solucion, sin embargo pensaba que esta
solucion era un n
umero imposible y por ello lo llamo imaginario.
El primero en usar los n umeros complejos fue el matematico italiano Girolamo Cardano
(15011576) quien los uso en la formula para resolver las ecuaciones c ubicas. El termino
numero complejo fue introducido por el gran matematico aleman Carl Friedrich Gauss.
Los numeros complejos se usan en ecuaciones diferenciales, cuando se estudian las soluciones
de las ecuaciones diferenciales lineales con coeficientes constantes, en ingeniera electronica y
en otros campos para una descripcion adecuada de las se nales periodicas variables. Tambien
se usan para encontrar soluciones de ecuaciones polinomicas, una raz del polinomio P (x) es
un complejo z tal que P (z) = 0. Un resultado importante de esta definicion es que todos los
polinomios de grado n tienen exactamente n soluciones en el campo complejo, esto es, tiene
exactamente n complejos z que cumplen la igualdad P (z) = 0, contados con sus respectivas
multiplicidades.
Llamemos i a una solucion de la ecuacion x2 + 1 = 0. Este no es un n umero como los
2
que conocemos (los n umeros reales) pues satisface que i = 1. Sin embargo adoptemoslo
formalmente como un nuevo n umero, el numero imaginario i.
3.1. N
umeros complejos y sus operaciones
En esta seccion definiremos el n
umero complejo y las propiedades que debe satisfacer.
Adrmas, mostraremos las operaciones de suma, resta, multiplicacion y division de estos.
Definici
on 3.1.1 Un n
umero complejo es un par ordenado de n
umeros reales, denotado
22
por (a, b) o a + bi, donde a, b son n
umeros reales. El conjunto de n
umeros complejos se
denotara por C.
Definici
on 3.1.2 Algunas veces es conveniente usar una sola letra, como z, para denotar
un n
umero complejo. As, se puede escribir
z = a + bi.
El n
umero real a se denomina la parte real de z y el n
umero real b, la parte imaginaria de z.
El conjunto de n
umeros complejos, C, satisface las siguientes propiedades.
8. Para cualquier n umero complejo z1 6= 0, existe un numero u nico z en C tal que z +z1 =
0; z se llama el opuesto (o recproco) de z1 con respecto a la adicion y es denotado por
z1 .
y su resta es igual a:
1. (3 + 2i) (5 + i) = 8 + i.
2. (5 + 4i) + (1 + i) = 4 3i.
3. (8 + 4i) (2 + i) = 6 + 3i.
6. ( 31 + 43 i) + ( 14 + 32 i) = 12
1
+ 2i.
1. (4 + i) (1 + i).
2. ( 21 + 4i) + (1 + 2i).
3. ( 87 + 43 i) (5 + i).
4. ( 21 + 34 i) + ( 15 + 37 i).
5. (5 i) (1 6i).
6. (2 + 3i) (5 + 2i).
7. ( 31 + 12 i) + (1 + 5i).
8. ( 71 13 i) ( 52 + i).
9. ( 61 + 32 i) + ( 19 + 17 i).
10. (3 i) (7 6i).
3.1.2. Multiplicaci
on de n
umeros complejos
Definici
on 3.1.5 Si z1 = a + bi y z1 = c + di, entonces su multiplicacion se define como:
EJEMPLOS.
4. (2 i)(4 i) = 8 2i + 4i 1 = 9 + 2i.
5. (6 + i)(7 i) = 42 + 7i 6i + 1 = 43 i.
6. (18 i) i = 18i + 1.
7. ( 91 + 16 i)( 1
4
1
+ i) = 36 + 9i i
24
1
6
7
= 36 + 249
216
i 7
= 36 + 15
216
i.
12.
3 1 8 9 3 8 3 9 1 8 1 9
+ i + i = + i + i + i2
2 4 7 2 2 7 2 2 4 7 4 2
24 27 8 9
= + i+ i
14 4 28 8
24 9 27 8
= + + i
14 8 4 28
192 126 756 + 32
= + i
112 112
66 788
= + i
112 112
13.
1 1 7 4 1 7 1 4
+ i i = + i
2 4 2 3 2 2 2 3
1 7 1 4
+ i i2
4 2 4 3
7 4 7 4 7 1 2 7
= + i i+ = + + i
4 6 8 12 4 3 3 8
21 + 4 16 21 25 5
= + i= + i
12 24 12 24
2. (8 + i)(i).
3.1 N umeros complejos y sus operaciones 25
3. (25 i)(3 2i).
4. ( 12 i)( 34 + i).
5. 42 + 31 i 54 + 92 i .
7
6. 4
+ 56 i 67 32 i .
3 1 1 1
7. 2
+ 3
i + 4 2
i .
4 1 10 1
8. 7 3
i 7
+ 2
i .
9. (6 + 4i)(23 2i).
3.1.3. Divisi
on de n
umeros complejos
Antes de ver como se dividen los n
umeros complejos necesitamos la siguiente definicion.
Definici
on 3.1.7 (Conjugado de un n umero complejo) Sea z = a + bi un n
umero complejo,
entonces su conjugado es el n
umero complejo
z = a bi.
EJEMPLOS.
b) Si z = 3 i, entonces su conjugado es z = 3 + i.
Definici
on 3.1.8 Si z1 = a + bi y z1 = c + di, entonces su division se define como:
EJEMPLOS.
3+2i (3+2i)(4+i) 12+3i+8i2 10 11
1. 4i
= (4i)(4+i)
= 16+1
= 17
+ 17
i
3
+ 12 i 107 66
2. 4
5
+ 79 i
= 72
36
i
2
(5i)
5. (3+2i)
= 1 + i.
(8i) 159 28
6. (20+i)
= 401
401
i.
( 81 21 i) 1 13
7. ( 23 + 21 i)
= 40
40
i.
(8+i)
2. i
.
(25i)
3. (32i)
.
( 12 i)
4. ( 34 +i)
.
( 42 + 31 i)
5. ( 54 + 29 i)
.
( 74 + 56 i)
6. ( 67 32 i)
.
( 23 + 31 i)
7. ( 14 + 12 i)
.
( 74 13 i)
8. ( 10 + 12 i)
.
7
(6+4i)
9. (232i)
.
(18i)
10. i
.
b P
r
o a
Re
llamada la forma polar del n umero complejo, y (r, ) se llaman coordenadas polares.
A cualquier numero complejo z 6= 0 le corresponde solamente un valor de en 0 < 2.
No obstante, cualquier otro intervalo de longitud 2, por ejemplo < , se puede
emplear. Cualquier eleccion particular, tomada anticipadamente, se llama la parte principal
y el valor de se llama su valor principal.
EJEMPLOS.
1. Sea el n
umero complejo z = i, entonces z se puede expresar como z = 0 + 1i. Como
sabemos el modulo de z esta dado por:
|r| = a2 + b2 = 0 + 12 = 1,
Im
i
90=/2
Re
umero complejo z = 1.
3. Expresar en forma polar el n
Observe que z = 1 = 1 + 0i, por lo que
p
|r| = (1)2 + (0)2 = 1, y = rad,
umero complejo z = 3 i.
7. Expresar en forma polar el n
Dado que
3
= tan1 = 18,43 ,
1
el angulo requerido es:
el modulo es: p
|r| = (1)2 + (3)2 = 10.
Ocupando lo anterior, la forma polar de z es:
z = 10 cos(1,1) + isen(1,1) .
el modulo es:
p
|r| = (17)2 + (8)2 = 289 + 64 = 353.
Ocupando lo anterior, la forma polar de z es:
z = 353 cos(1,65) + isen(1,65) .
30
(32i)3
9. Encontrar la forma polar del n
umero complejo z = 5i
.
Primero expresamos z en su forma rectangular, para ello note que
La tan = 239
1
, implicando que = tan1 (239) = 89,76 . Por lo que, el angulo
requerido es
El modulo es
r r r
1 2 239 2 1 57121 169
|r| = + = + = .
26 26 676 676 2
Por tanto, la forma polar es:
r
169
z= cos(1,50) + isen(1,50) .
2
8+1
3i
10. Encontrar la forma polar del n
umero complejo z = 4+i .
Note primero que
8 + i 3 + i 25 5i
= + .
3 i 3 + i 10 10
Por tanto
25 + 5i 4 i 19 3
z = 10 10
= i,
4 + i 4 i 30 10
con lo cual 9
tan = ,
19
9
= tan1 ,
19
3.1 N
umeros complejos y sus operaciones 31
por tanto = 25,34 . Pero el angulo que nos interesa es = 360 , con lo cual
= 334,66 1,85.
La norma es r
9 19
|r| = ( )2 + ( )2
30 30
r
82 361
|r| = +
900 900
r
442
|r| =
30
Por lo que la forma polar es
r
442
z= cos(1,85) + sen(1,85) .
30
(3+2i)3
11. Encontrar la forma polar de z = (55i)+(8i) .
42i
Note que
(3 + 2i)3 (3 + 2i)3 9 + 46i
z= (55i)+(8i)
= 136i = 32 1 ,
42i 42i 10
+ 10 i
debido a que 13 6i 4 + 2i 64 + 2i 32 1
= = + i
4 2i 4 + 2i 20 10 10
y
(3 + 2i)(3 + 2i)(3 + 2i) = (9 + 6i + 6i 4)(3 + 2i) = (5 + 12i)(3 + 2i) = 9 + 46i.
Entonces:
9 + 46i
z = 32 1
10
+ 10 i
9 + 46i 32 1
i
10 10
= 32 1 32 1
10
+ 10
i 10
10
i
288 9 1472
10
+ 10
i+ 10
i + 46
10
= 1024 1
100
+ 100
242
10
+ 1481
10
i
= 1025
100
2420 14910
= + i
1025 1025
484 2962
= + i. (3.1)
205 205
32
Por lo tanto, = tan1 ( 2962
484
) = 80,71 . Pero el angulo que nos interesa es = 180 =
99,29 ,55.
La norma del vector es
r r
2962 2 484
2 8788
|r| = + = .
205 205 41
De donde la forma polar es
r
8788
z= cos(,55) + isen(,55) .
41
2. 3 4i
1
3. 3
2i.
4. 7 i.
5. i.
7
6. 4
+ 2i.
3
7. 2
+ 31 i.
8. 10
7
+ 12 i.
9. 23 2i.
10. 18 2i.
El n
umero complejo z = i se puede expresar como z = 0+1i. Como sabemos el modulo
de z esta dado por:
|r| = a2 + b2 = 0 + 12 = 1,
El angulo es
3
= 135 = 90 + 45 = + = rad,
2 4 4
y el modulo es dado por p
|r| = (1)2 + (1)2 = 2.
Por tanto, z 13 es
13
(13)3 (13)3 13
39 39
z=2 2 cos + i sin =2 2 cos + i sin .
4 4 4 4
34
3.1.6. Races de n
umeros complejos.
Definici
on 3.1.11 Un n umero w es llamado una raz n-esima de un n
umero complejo z si
wn = z, y escribimos w = z 1/n .
n = + 2k, k = k = 0, 1, 2, , n 1
o
2k
= + , k = 0, 1, 2, , n 1.
n n
As, los valores w que satisfacen wn = z estan dados por
La norma es
r r r
13 2
9 2 169 81 125
|r| = ) +( = + = .
2 2 4 4 2
Tomando n = 2, = 1,3 y k = 1, 0. Las races cuadradas son
k = 0,
r 1
125 2 1,3+2(0) 1,3+2(0)
z1 = 2
cos 2
+ isen 2
,
r 1
125 2 1,3 1,3
z1 = 2
cos 2
+ isen 2
.
k = 1,
r 1
125 2 1,3+2(1) 1,3+2(1)
z2 = 2
cos 2
+ isen 2
,
r 1
125 2 3,3 3,3
z2 = 2
cos 2 + isen 2 .
3.1.7. F
ormula de Euler.
Leonhard Paul Euler (1707-1783). Fue un matematico y fcsico suizo. Trabajo practi-
camente en todas las areas de las matematicas: geometra, calculo, trigonometra, algebra,
teora de n
umeros, etc. Tambien definio la funcion exponencial para numeros complejos, y
descubrio su relacion con las funciones trigonometricas [].
Al suponer que el desarrollo de la serie infinita
ex = 1 + x + x2 /2! + x3/3! +
(ei )n = ein
.
A continuacion presentamos dos ejemplos.
3.1 Numeros complejos y sus operaciones 37
1. El n
umero complejo z = i se puede expresar como z = 0+1i. Como sabemos el modulo
de z esta dado por:
|r| = a2 + b2 = 0 + 12 = 1,
4.1. Matrices
ARTHUR CAYLEY. El matematico ingles Arthur Cayley (1821-1895) desarrollo, en
1857, el algebra de matrices, es decir, las reglas que indican como se suman y multiplican
las matrices. Cayley esta clasificado como el tercer matematico mas prolfico en la historia;
lo sobrepasan solo Euler y Cauchy. Ademas de desarrollar la teora de matrices, Cayley
fue pionero con sus contribuciones a la geometra analtica, la teora de determinantes, la
geometra de n dimensiones, la teora de curvas y superficies, el estudio de formas binarias, la
teora de funciones elpticas y el desarrollo de la teora de invariantes. Para mayor informacion
se recomienda al lector [].
Definicion 4.1.1 Una matriz es un arreglo rectangular de n
umeros. Los n
umeros en el
arreglo se denominan elementos de la matriz.
Algunos ejemplos de matrices son
1 5 0
4 1 9 , 1 8 0 9
, [6].
10 7 6 6
3 7 1
Definici
on 4.1.2 El tamano de una matriz se describe en terminos del n
umero de filas y
columnas que continene. As, por ejemplo la matriz
1 5 0
4 1 9
3 7 1
no 3 3. Mientras la matriz
tiene tama
a11 a12 . . . a1n
a21 a22 . . . a2n
A = ..
.. ..
. . .
am1 am2 . . . amn
40
no m n. Es decir, m filas por n columnas.
tiene tama
Amn o A = {aij }.
La estructura de las matrices cuadradas es tal que permite definir tres regiones dentro de la
estructura de una matriz Ann .
Definici
on 4.1.5 Las tres regiones mencionadas producen una subclasificacion inmediata
en las matrices cuadradas que son llamadas:
Definicion 4.1.6 Una matriz cuadrada formada por unos en la diagonal principal y ceros
en el resto de las entradas se llama matriz identidad y se denota como Inn .
4.1 Matrices 41
Ejemplo: Para n = 3 se tiene
1 0 0
I33 = 0 1 0
0 0 1
Definici
on 4.1.7 Por potencia de una matriz cuadrada Ann se entiende aqu el producto
de A por s misma realizando un determinado n
umero de veces; as:
A2 = AA,
A3 = A2 A,
An = An1 A.
Por convencion se asignara: A0 = Inn .
Ejemplo: la matriz
2 3 5
A = 1 4 5
1 3 4
2 3 5
es idempotente debido a que A2 = 1 4 5 .
1 3 4
Ejemplo: La matriz
0 0 0 0 0
1 0 0 0 0
N =
0 1 0 0 0 ,
0 0 1 0 0
0 0 0 1 0
es nilpotente de ndice 5, ya que N 5 = 0. En efecto:
0 0 0 0 0
0 0 0 0 0
N2 = 1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
42
0 0 0 0 0
0 0 0 0 0
3
N =
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 0 0 0
0 0 0 0 0
4
N =
0 0 0 0 0
0 0 0 0 0
1 0 0 0 0
0 0 0 0 0
0 0 0 0 0
5
N =
0 0 0 0 0 .
0 0 0 0 0
0 0 0 0 0
Definici
on 4.1.10 La traza de una matriz cuadrada Ann se define como la suma de los
elementos en la diagonal principal, es decir,
n
X
T r(A) = aii .
i=1
(a) AT Mnm ,
(T )
(b) aij = aji ; i, j
2. (A + B)T = AT + B T
3. (A)T = AT
4. (AB)T = B T AT
Multiplicaci
on. Esta operacion se multiplica fila por columna de la siguiente manera,
a b c a1 b 1 c1 aa1 + bd1 + ch1 ab1 + bf1 + ci1 ac1 + bg1 + cj1
d f g d1 f1 g1 = da1 + f d1 + gh1 db1 + f f1 + gi1 dc1 + f g1 + gj1
h i j h1 i1 j1 ha1 + id1 + jh1 hb1 + if1 + ji1 hc1 + ig1 + jj1
Observaci on 4.1.12 Para que las matrices A y B se puedan multiplicar se tiene que cumplir
que el n
umero de columnas de A sea igual al n umero de filas de B. Es decir, si el tama no
de la matriz A es m n, entonces el tama no de la matriz B debe de ser de n p. De cual
podemos deducir que el tama no de la matriz C que resulta de la multiplicacion de Amn Bnp
es m p.
De maneral general, en terminos de las entradas aij de la matriz A y de las entradas bij
de la matriz B, la entrada cij de la matriz C = AB es dada por
n
X
cij = aik bkj 1 i m, 1 j p.
k=1
Ejemplos.
4 1 0 12 3 0
3 2 7 9 = 6 14 18
2 3 5 4 6 10
4.1 Matrices 45
2 4 3 1 2 3 3 6 6
1 0 3 + 1 3 4 = 2 3 1
2 5 1 4 2 2 2 3 3
4 3 0
Sean la matrices: A= 5 2 B=
5 0 1
4 3 0
A*B= 5 2 = 5(4) + 2(5) 5(3) + 2(0) 5(0) + 2(1) = 30 15 2
5 0 1
5
Sean la matrices: A= 30 15 2 B= 3
5
5
A*B= 30 15 2 3 = 30(5) 15(3) 2(5) = 205
5
2 1
1 0 2
Sean la matrices: A= B = 2 0
1 1 3
4 5
2 1
1 0 2 1(2) + 0(2) + 2(4) 1(1) + 0(0) + 2(5)
A*B= 2 0 = =
1 1 3 1(2) + 1(2) + 3(4) 1(1) + 1(0) + 3(5)
4 5
10 11
8 14
4.1.2. El determinante.
Definici
on 4.1.13 Sea A una matriz cuadrada. La funcion determinante se denota por det,
y det(A) se define como la suma de los productos elementales con signo de A. El n
umero
det(A) se denomina determinante de A.
2. Mientras que el determinante de una matriz A33 se obtiene de la regla de Sarrus como
a11 a12 a13
det(A) = det a21 a22 a23
a31 a32 a33
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32 .
46
3. Dadas las componentes explcitas de la matriz A = {aij } de tamano n n. Para cada
i y j se define la matriz Aij como aquella matriz que se obtiene de A eliminandole la
fila i y la columna j. En general, el determinante de una matriz Ann tomando i = 1,
esta dado por
n
X
det(A) = aij (1)i+j det(Aij ). (4.1)
j=1
2. Multiplicar todos los elementos de una fila (o columna) de A por un escalar multiplica
el determinante por este escalar.
2. Det(AB) = Det(A)Det(B)
3. Det(AT ) = Det(A)
4. Det(Ap ) = (Det(A))p
EJEMPLOS.
3 5
1. Det = (3)(2) (1)(5) = 6 + 5 = 11.
1 2
4.1 Matrices 47
2.
2 4 6
5
6 4 4
6 + 6 4 5
Det 4 5 6 = 2
1 2 3 2 3 1
3 1 2
= 2(10 6) 4(8 18) + 6(4 15)
= 2(16) 4(26) + 6(11)
= 32 + 104 66 = 98 + 104 = 6.
1 5 4
3. Sea A = 3 2 1 y = 2 entonces
4 1 5
h 1 5 4 i 2 10 8
4 2
6 2
Det(A) = Det 2 3 2 1
= Det 6 4 2
= 2 10
2 10 8 10
4 1 5 8 2 10
6 4
+ 8 = 2(40 4) 10(60 16) + 8(12 32) = 2(36) 10(44) + 8(20)
8 2
= 72 440 160 = 528. (4.2)
En este ejemplo podemos apreciar que la propiedad 1 se cumple debido a que las
cantidades (4.2) y (4.3) son iguales.
1
2
2
4. Sea A = 3 , entonces
4
5
1 3
Det(AT ) = Det 2 4 = ( 21 )(5) ( 34 )(2) = 52 23 = 22 = 1.
1 2 5
2
Det(A) = Det 3 2 = ( 12 )(5) ( 34 )(2) = 52 32 = 1.
4
5
En este ejemplo podemos apreciar que la propiedad 3 vale.
48
i 4
5. Sea A = y p = 2 entonces
3+i 1
h i 4
i 4 i
i2 4(3 + i) 4i 4
2
Det(A ) = Det = Det
3+i 1 3+i 1 3i + i2 + 3 + i 12 4i + 1
1 12 4i 4 4i 13 4i 4 4i
= Det = Det
3i 1 + 3 + i 11 4i 2 + 4i 11 4i
= (13 4i)(11 4i) (2 + 4i)(4 4i)
= (13)(11) + (13)(4i) + 44i + 16i2 (8 8i 16i 16i2 )
= (13)(11) + 52i + 44i 16 + 8 + 8i + 16i 16
= (13)(11) + 96i 24 + 24i
= (13)(11) + 120i 24
= 143 24 + 120i
= 119 + 120i. (4.4)
Ademas,
Det(A) = i (3 + i)(4) = i + 12 + 4i = 12 + 5i
por lo que
2
Det(A) = (12 + 5i)2 = (122 + 2(12)(5i) + (5i)2 = 144 + 120i + 25i2
= 144 + 120i 25 = 119 + 120i. (4.5)
En este ejemplo podemos apreciar que la propiedad 4 se cumple debido a que las
cantidades (4.4) y (4.5) son iguales.
1 12
4 3
6. Sean A = 1 yB= , entonces
3
4 1 2
1 1 4 3
Det(AB) = Det 1 2
4 1 2
3 1
3 2
4+
= Det 4 2 3 2
+4 3 8
39
2
2
= Det 16
3
7
63 32 189 64 253
= = = . (4.6)
2 3 6 6 6
Por otra parte,
1
1 2
Det(A) = Det 1
3
4
1 1 1 23
= (1)(4) =4 = .
3 2 6 6
4.1 Matrices 49
y
4 3
Det(B) = Det = 8 3 = 11.
1 2
por lo que
23 253
Det(A)Det(B) = (11) = . (4.7)
6 6
En este ejemplo podemos apreciar que la propiedad 2 se cumple debido a que las
cantidades (4.6) y (4.7) son iguales.
1 3
7. Calcular el determinante de la matriz A = 2 4
2
3
25
5 2 3
1
Det(A) =
2 2 3 4
5 1 5 2 7
= = = .
4 2 4 4 4
1 2 3
8. Calcular el determinante de A = 1 2 0
3 1 0
2 0 1 0 1 2
Det(A) = (1) 2
3 0 + 3 3
1 0 1
= 0 0 + 3(1 (6)) = 3(5) = 15.
12 9 6
4. Encontrar el determinante de la matriz 51 A BA, donde A = 1 4 1 y
3 5 1
9 6 6
B = 1 0 5 .
5 1 1
12 7 6
5. Encontrar el determinante de la matriz 14 A B T AT , donde A = 8 4 1 y
3 5 7
9 5 5
B = 1 4 5 .
5 14 4
donde los aij , bj pertenecen al cuerpo real R. El sistema se dice homogeneo si las constantes
b1 , . . . , bm son todas 0. Una n-upla u = (k1 , ..., kn ) de n
umeros reales es una solucion (o
tambien una solucion particular) si satisface cada una de las ecuaciones; el conjunto de
todas las soluciones se llama el conjunto solucion general.
El sistema de ecuaciones lineales
se llama el sistema homogeneo asociado con el sistema (4.8). El sistema anterior siempre tiene
una solucion, la n-upla cero 0 = (0, 0, ..., 0) llamada la solucion cero o la solucion trivial.
Cualquier otra solucion, si existe, se llama una solucion distinta de cero o no trivial.
Definici
on 4.2.1 Si tomamos
a11 a12 . . . a1n b1 x1
a21 a22 . . . a2n b2 x2
A= , b = , X = ,
.. .. .. .. .. ..
. . . . . .
am1 am2 . . . amn bm xn
AX = b. (4.10)
ii Sumar un m
ultiplo de un renglon.
2. Rj Rj + cRi , significa sustituye el j-enesimo renglon por la suma del renglon j mas
el renglon i multiplicado por c.
4. A B indica que las matrices aumentadas A y B son equivalentes; es decir , que los
sistemas que representan tienen las misma solucion.
EJEMPLOS.
4 0
1. La matriz E1 = es elemental ya que se puede obtener de la matriz identidad
0 1
usando la primera operacion emental de fila o renglon, es decir, se obtiene multiplicando
la fila 1 de la matriz identidad por 4.
1 2
2. La matriz E2 = es elemental ya que se puede obtener de la matriz identidad
0 1
usando la segunda operacion emental de fila o renglon, es decir, se obtiene reemplazando
la fila 1 de la matriz identidad por la fila 1 mas 2 veces la fila 2.
1 2
Observaci on 4.2.3 Sea A = , si realizamos a la matriz A la operacion elemental
4 3
1 2
R2 R2 + 3R1 , obtenemos A1 = . Ahora, obtengamos la matriz elemental que se
7 9
1 0
genera con la misma operacion R2 R2 + 3R1 , esta es E1 = . Note que
3 1
1 0 1 2 1 2
E1 A = = = A1 .
3 1 4 3 7 9
Observaci on 4.2.4 Sea AX = b la representacion matricial (4.10) del sistema lineal (4.8).
Si nosotros tuvieramos varias matriaces elementales E1 , E2 , . . . En tal que
AX = b
(En (En1 , . . . (E1 A)))X = (En (En1 , . . . (E1 b)))
IX = (En (En1 , . . . (E1 b)))
X = (En (En1 , . . . (E1 b))). (4.11)
En la ecuacion (4.11) vemos que al multiplicar por las matrices elementales (hacer varias
operaciones elementales de fila ) ambos lados de la igualdad AX = b encontramos la soluci
on
X del sistema lineal.
4.2.1. Eliminaci
on Gaussiana
La observacion 4.2.4 nos da el metodo de eliminacion Gaussina, este metodo consiste en
aplicar varias operaciones elementales de fila a la matrices A y b del sistema de ecuaciones
lineales de tal forma que lleguemos a la matriz identidad. Para esta finalidad se tiene que
definir primero la matriz aumentada (A|b), la cual es la matriz A agregandole una columna
que contiene los elementos del vector b.
EJEMPLOS.
1. Encontrar la solucion del sistema
4x + 2y = 1
8x + 3y = 2.
4 2 x 1
Sean A = ,X= ,yb= . Entonces la matriz aumentada es
8 3 y 2
4 2 : 1
(A|b) = .
8 3 : 2
1 12 : 41
1
4 2 : 1 2R1 +R2 4 2 0: 1 R ,R2
4 1
1 R2 +R1
(A|b) = 2
8 3 : 2 0 1 : 4 0 1 : 4
1 0 : 47
0 1 : 4
implicando que
7
x = , y = 4.
4
54
2. Encontrar la solucion del sistema
x
3y = 2
2
4x 2y = 0.
1
3
2
x 2
Sean A = ,X= yb= .
4 2 y 0
1
2
3 : 2
La matriz aumentada es (A|b) = .
4 2 : 0
Aplicando operaciones elementales de fila:
1 1
3 : 2 2R1 1 6 : 4 4R1 +R2 1 6 : 4 R2
(A|b) = 2 22
4 2 : 0 4 2 : 0 0 22 : 16
4
1 6 : 4 6R2 +R1 1 0 : 11
8 8 .
0 1 : 11 0 1 : 11
La solucion es
4
x 11
= 8 .
y 11
4x 8y = 5
3x 6y = 1.
4 8 x 5
Sean A = ,X= yb= La matriz aumentada es
3 6 y 1
4 8 ; 5
(A|b) = .
3 6 : 1
3x + 2y = 8
6x + 4x = 16.
4.2 Sistema de Ecuaciones
Lineales
55
3 2 x 8
Sean A = ,X= yb= .
6 4 y 16
la matriz aumentada es
3 2 : 8
(A|b) = .
6 4 : 16
Aplicando
operacioneselementales de fila:
3 2 : 8 2R1 +R2 3 2 : 8 3x + 2y 8
(A|b) = =
6 4 : 16 0 0 : 0 0+0 0
Debido a que det(A) = 12 12 = 0, el sistema NO tiene solucion. De hecho las rectas
son paralelas.
2x z = 1
3y + 4z = 0
x + y + z = 2.
3 0 1 x 1
Sean A = 0 3 4 , X = y y b = 0 .
1 1 1 z 2
La matriz aumentada es
2 0 1 : 1
(A|b) = 0 3 4 : 0 .
1 1 1 : 2
de la misma manera, la inversa por la izquierda de A es una matriz Lmn tal que:
AX = b
1
A AX = A1 b
AA1 X = A1 b
IX = A1 b,
X = A1 b,
1 12
1
4 2 F
4 1
A=
8 3 8 3
4.2 Sistema de Ecuaciones Lineales 57
Si aplicamos esta misma operacion elemental a la matriz identidad, encontramos la matriz
elemental E1 . Note que E1 multiplicada por A le hace a la matriz A la operacion elemental
de fila F1 14 F1 , esto es,
1
1
1 12
0
4 4
0 4 2
E1 = ; E1 A = =
0 1 0 1 8 3 8 3
La segunda operacion de fila es F2 8F1 + F2 .
1 12 1
8F1 +F2 1
2
8 3 0 1
Si aplicamos la operacion F2 8F1 + F2 a la matriz identidad, encontramos la matriz ele-
mental E2 . Note que E2 multiplicada por E1 A le hace a la matriz E1 A la operacion elemental
de fila F2 8F1 + F2 , es decir,
1 21 1
1 0 1 0 1 2
E2 = ; E2 (E1 A) = =
8 1 8 1 8 3 0 1
La tercera operacion elemenetal es F2 (1)F2
1
1 12
1 (1)F2
2
0 1 0 1
Si aplicamos la operacion F2 (1)F2 a la matriz identidad, encontramos la matriz
elemental E3 . Note que E3 multiplicada por E2 E1 A le hace a la matriz E2 E1 A la operaci
on
elemental de fila F2 8F1 + F2 , es decir,
1 1
1 0 1 0 1 2
1 2
E3 = ; E3 (E2 (E1 A)) = =
0 1 0 1 0 1 0 1
La cuarta operacion elemental es F1 12 F2 + F1 .
1 21
12 F2 +F1 1 0
0 1 0 1
Si aplicamos la operacion F1 21 F2 + F1 a la matriz identidad, encontramos la ma-
triz elemental E4 . Note que E4 multiplicada por E3 E2 E1 A le hace a la matriz E3 E2 E1 A la
operacion elemental de fila F1 21 F2 + F1 , es decir,
58
1 12 1 12 1 12
1 0
E4 = ; E4 (E3 (E2 (E1 A))) = = .
0 1 0 1 0 1 0 1
Finalmente hemos llegado a la matriz identidad. Luego la inversa es dada por:
1
1 12
3 1
1 4
0 1 0 1 0 1 0 4 2
A = E4 E3 E2 E1 I = = .
0 1 8 1 0 1 0 1 0 1 2 1
1 12 : 14 0 1 1
1
4 2 : 1 0 R
4 1 8R1 +R2 1 : 0
2 4
8 3 : 0 1 8 3 : 0 1 0 1 : 2 1
0 : 34 12 1 0 : 34 1
1
R +R1
2 2 1 R2
2
0 1 : 2 1 0 1 : 2 1
Entonces la matriz inversa es :
43 1
2 .
2 1
1
2
3
2. Sea A = ,
4 2
4.2 Sistema de Ecuaciones Lineales 59
Aplicando operaciones elementales de fila:
1
3 : 1 0 2R1 1 6 : 2 0 4R1 +R2 1 6 : 2 0
2
4 2 : 0 1 4 2 : 0 1 0 22 : 8 1
4 6
1
R
22 2 1 6 : 2 0 6R2 +R1 1 0 : 22
8 1 8
22
1
0 1 : 22 22
0 1 : 22 22
Entonces la matriz inversa es :
2 3
11 11
4 1 .
11 22
4 8
3. Sea A = ,
3 6
1 2 : 41 0 1
4 8 : 1 0 1
R
4 1 3R1 +R2 1 2 : 0
4
3
3 6 : 0 1 3 6 : 0 1 0 0 : 4 1
Dado que la segunda fila de la u
ltima matriz tiene puros ceros, conclumos que la matriz
dada NO tiene inversa.
3 2
4. Sea A = ,
6 4
1 23 : 13 0 1 32 : 1
1
3 2 : 1 0 R
3 1 6R1 +R2 0
3
6 4 : 0 1 6 4 : 0 1 0 0 : 2 1
4x + 2y = 1
8x + 3y = 2.
un sistema
lineal, donde:
a11 a1n x1 b1
A = ... .. , X = .. y B = .. son las matrices asociadas al sistema
. . .
an1 ann xn bn
(4.16).
4.2 Sistema de Ecuaciones Lineales 63
Regla de Cramer. Definamos = detA, A(i|B) es la matriz A con la columna i
reemplazada por la matriz B y i = det(A(i|B)). Si 6= 0, entonces
i
xi = ,
para i = 1, n
EJEMPLOS
1. Resolver usando la regla de cramer el siguiente sistema
2x y = 2,
4x + 2y = 1.
Donde
= 8,
2 1
1 = det = 4 + 1 = 5,
1 2
2 2
2 = det = 2 8 = 6,
4 1
por lo tanto, x = 85 , y = 34 .
x
+ 2y = 0,
3
2x + 3y = 1.
= detA = 1 +4 = 5.
0 2
1 = det = 0 2 = 2,
1 3
1
0 1 1
2 = det 3 = 0= ,
2 1 3 3
por lo tanto x1 = 25 , x2 = 1
15
1
3x y = 4,
2
3
8z = 9,
5
1 1
x + y + z = 3.
3 2
Como puede verse las matrices asociadas del sistema son:
3 21
0 4
3
A= 0
5
8 , B = 9
1 1
3 2
1 3
Donde:
3
5
8 1 0 8 3 4 1 8 227
= 3det 1 + det 1 = 3( + ) + ( ) =
2
1 2 3
1 5 1 2 3 15
1
4 2 0 3
3 8 1 9 8 3 4 1 349
1 = det 9 5
8 = 4det 1 5 + = 4( + ) + (9 + 24) =
1 2
1 2 3 1 5 1 2 10
3 2
1
3 4 0
8 32 265
2 = det 0
9 8 = 3(9 + 24) 4( = 3(33) =
1 3 3 3
3
3 1
12 4
3
3 68
3 = det 0
5
9 = .
1 1 18
3 2
3
1047 1325 170
por lo tanto, x1 = 454
, x2 = 227
, x3 = 681
.
Captulo 5
Transformaciones Lineales.
x V y K : x V.
c) La suma es asociativa x, y, z V :
x + (y + z) = (x + y) + z.
d) La suma es conmutativa: x, y V :
x + y = y + x.
3. ()x = (x).
4. 1x = x.
Ejemplos
1. Es el conjunto {(3, 4, 1), (4, 5, 9), (3, 4, 2)} R3 linealmente dependiente o indepen-
diente?
Para responder la pregunta hay que plantear la igualdad (5.1). Si existen escalares i no
todos cero y se satisface la igualdad (5.1) entonces los vectores dados seran lineamente
dependiente. Por el contrario si todos los coeficientes son iguales a cero entonces el
conjunto dado es linealmente independiente.
1 (3, 4, 1) + 2 (4, 5, 9) + 3 (3, 4, 2) = (0, 0, 0) (5.2)
(31 , 41 , 1 ) + (42 , 52 , 92 ) + (33 , 43 , 23 ) = (0, 0, 0) (5.3)
(31 + 42 33 , 41 + 52 + 43 , 1 + 92 + 23 ) = (0, 0, 0) (5.4)
68
esto implica que:
31 + 42 33 = 0,
41 + 52 + 43 = 0,
1 + 92 + 23 = 0.
Ejemplos:
n 1 0 0 1 0 0 0 0 o
1. El conjunto generado por las matrices , , ,
0 0 0 0 1 0 0 1
es el espacio vectorial de todas las matrices de dimension 2 2.
2. El espacio vectorial generado por los vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es R3 .
2. V = G[Z].
Los ejemplos 1, 2 y 3 dados en la seccion anterior forma una base para el respectivo
espacio vectorial que generan.
Definici
on 5.1.2 La dimensi on, denotada por Dim V , de un espacio vectorial dado es
el n
umero de vectores linealmente independientes, necesarios para generar dicho espacio: el
n
umero de vectores de una base.
70
La dimension del espacio puede escribirse como un subndice del smbolo empleado para
representarlo. As, Dim Vn = n. Si el numero de vectores que componen una base es infinito,
se dice que el espacio es de dimension infinita y se nota V . En cualquier espacio vectorial
existen un numero infinito de bases posibles.
Ejemplos:
n 1 0 0 1
1. Como el espacio vectorial de las matrices 22 tiene como base al conjunto , ,
o 0 0 0 0
0 0 0 0
, el cual tiene 4 elementos, la dimension de este espacio vectorial
1 0 0 1
es 2 2=4.
3. El conjutno {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de 3 elementos genera a R3 , por tanto su di-
mension es 3.
debido a que cualquier par ordenado (a, b) se puede escribir como combinacion lineal
de los elementos de la base dada.
En este caso las coordenadas de (a, b) respecto a la base canonica son a, b. Cabe emen-
cionar que si existe otra base para R2 entonces la coordenadas de (a, b) cambiaran.
5.1 Espacio vectorial 71
2. Generalizando, la base canonica del conjunto de ternas ordenadas (a, b, c), es decir, R3
es
B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},
debido a que cualquier terna ordenada (a, b, c) se puede escribir como combinacion
lineal de los elementos de la base dada.
T (x + y) = T (x) + T (y)
X + Y = (x1 , y1 ) + (x2 , y2 )
= (x1 + x2 , y1 + y2 ).
T (X + Y ) = T (x1 + x2 , y1 + y2 )
= (3(x1 + x2 ), 3(y1 + y2 ))
= (3x1 + 3x2 , 3y1 + 3y2 ). (5.11)
72
Por otra parte
Dado que (5.11) y (5.12) son iguales, podemos concluir que T es una transformacion
lineal.
R = {x V | u U : T (u) = x}.
Sea T : R2 R2 una transformacion lineal tal que T (x, y) = (3x, 3y). Entonces
La nulidad de T es la Dim(N ).
Sea T : R2 R2 una transformacion lineal tal que T (x, y) = (3x, 3y). Entonces
5.1.8. Representaci
on matricial de una transformaci
on lineal.
Sea L = {T |T : Um Vn }, y sean A = {ai | i = 1, . . . m}, B = {bj | j = 1, . . . n} dos
bases de Un y Vn , respectivament. Al aplicar T sobre los vectores de A, puede escribirse:
T (ai ) Vn ; i
5.1 Espacio vectorial 73
y por consiguiente:
n
X
T (ai ) = tji bj ; i
j=1
T (A) = B(t1 , t2 , , tm )T ,
y llamando:
TBA = (t1 , t2 , , tm ),
a) Entonces u + v = (x1 + x2 , y1 + y2 , z1 + z2 )
74
x1 + x2 (y1 + y2 )
y1 + y2 + z1 + z2
T (u + v) =
2(x1 + x2 ) (y1 + y2 ) (z1 + z2 )
(x1 + x2 ) + y1 + y2 + 2(z1 + z2 )
(x1 y1 ) + (x2 y2 )
(y1 + z1 ) + (y2 + z2 )
=
(2x1 y1 z1 ) + (2x2 y2 z2 )
(x1 + y1 + 2z1 ) + (x2 + y2 + 2z2 )
x1 y 1 x2 y 2
y1 + z1
y2 + z2
=
zx1 y1 z1 + (2x2 y2 + 2z1 )
= T (u) + T (v).
x1 + x1 + 2z1 x2 + y2 + 2z2
b)
T (u) = T (x1 , y1 , z1 )
= T (x1 , y1 , z1 )
x1 y1 x1 y 1
y1 + z1 y1 + z1
= =
2x1 y1 z1 = T (u).
2x1 y1 z1
x1 + y1 + 2z1 x1 + y1 + 2z1
La Representaci
on Matricial
es:
1
1 0
T 0 = = 1(1, 0, 0, 0) + 0(0, 1, 0, 0) + 2(0, 0, 1, 0) 1(0, 0, 0, 1)
2
0
1
1
0 1
T 1 = = 1(1, 0, 0, 0) + 1(0, 1, 0, 0) 1(0, 0, 1, 0) + 1(0, 0, 0, 1)
1
0
1
0
0 1
T 0 = = 0(1, 0, 0, 0) + 1(0, 1, 0, 0) 1(0, 0, 1, 0) + 2(0, 0, 1, 0)
1
1
2
1 1 0
0 1 1
AT =
2 1 1 .
1 1 2
5.2 Valores y vectores propios 75
Ejercicios 5.1.6 Demostrar si las siguientes funciones son transformaciones lineales.
1. T : R2 R2 ; T (x, y) = (0, y)
2. T : R3 R3 ; T (x, y, z) = (1, y, z)
3. T : R3 R3 ; T (x, y, z) = (y, z, 1)
4. T : R2 R; T (x, y) = x/y
5. Sea C[0, 1] el conjunto de funciones continuas en [0, 1]. T : C[0, 1] C[0, 1]; T f (x) =
f (1)
6. T : R2 R2 ; T (x, y) = (0, y)
7. T : R3 R2 ; T (x, y, z) = (y, z)
Como sera evidente en los ejemplos, p() es un polinomio de grado n en . En efecto, sea
a b
A= ,
c d
a b
0
A I =
c d
0
a b
=
c d
y el polinomio caracterstico de A es
p() = det(A I)
= (a )(d ) bc
= 2 2(a + d) + (ad bc).
EJEMPLOS
Sea
4 2
det(A I) =
3 3
= (4 )(3 ) 6
= 2 7 + 6
= ( 1)( 6).
Entonces
1
v2 =
1
0 1 4 | 0 0 1 4 | 0
1 0 1 | 0 1 0 1 | 0
2 0 2 | 0 0 0 0 | 0
Esto lleva a
3 1 4 | 0 3 1 4 | 0
3 4 1 | 0 15 0 15 | 0
2 1 1 | 0 5 0 5 | 0
3 1 4 | 0 1 1 0 | 0
1 0 1 | 0 1 0 1 | 0
5 0 5 | 0 0 0 0 | 0
Por u
ltimo, para 3 = 3 se tiene:
2 1 4 x1 0
(A 3I)v = 3 1 1 x2 = 0
2 1 4 x3 0
5.2 Valores y vectores
propios 79
2 1 4 | 0 2 1 4 | 0
3 1 1 | 0 5 0 5 | 0
2 1 4 | 0 0 0 0 | 0
2 1 4 | 0 2 1 0 | 0
1 0 1 | 0 1 0 1 | 0
0 0 0 | 0 0 0 0 | 0
Observaci on. En este y otros ejemplos existe un n umero infinito de formas de elegir el
vector caracterstico. Se selecciono arbitrariamente un ejemplo sencillo haciendo una o mas
de las xi igual a un n umero conveniente. En este caso, una de las xi se hizo igual 1. Otra
seleccion comun es escalar el vector caracterstico para que sea unitario.
Av = v
Av v = 0
(A I)v = 0
entonces
v Ker(A I)
EJEMPLOS.
Primero calculamos
80
4 2
|A I| =
3 3
= (4 )(3 ) 6
= 12 7 + 2 6
= 2 7 + 6
= ( 6)( 1)
1 = 6
2 = 1.
Para 1 = 6
4 2 6 0 2 2
A 6I = = .
3 3 0 6 3 3
por lo tanto
1 1 x xy 0
= =
0 0 y 0 0
De donde:
v1 = (1, 1).
Para = 1
5.2 Valores y vectores propios 81
41 2 3 2
AI = = .
3 31 3 2
1 23 x + 23 y
3 2 x 0
= =
3 2 0 0 y 0 0
por lo que:
2
Ker(A I) = {(x, y)|x = y}
3
2
= {( y, y)}
3
2
= {y( , 1)}
3
v2 = ( 23 , 1).
2. Para
1 2
A= .
3 1
Sea
1 2
det(A I) = det
3 1
= (1 )(1 ) + 6
= 2 2 + 7
p r
2 4 4(7)(1) 2 24
= = = 1 6
2(1) 2 4
1 = 1 + i 6 y 2 = 1 i 6
Para 1 = 1 + i 6 tenemos que
82
1 (1 + i 6) 2 i 6 2
A (1 + i 6)I = =
3 1 (1 + i 6) 3 i 6
" q # " q #
i 6 2 1 i 23 x x + i 23 y 0
= =
3 i 6 0 0 y 0 0
Por lo que:
q
Ker(A I) = {(x, y) R2 |x = i 23 }
q
= {y(i 23 , 1)|y R}
Comprobacion:
Av = v
q ! q !
1 2 i 23 i 23
= (1 + i 6)
3 1 1 1
q ! q !
2 i 23 2i 2
3
=
1+i 6 1+i 6
Para 2 = 1 i 6 se tiene que
1 (1 i 6) 2 i 6 2
A (1 i 6)I = =
3 1 (1 i 6) 3 i 6
Por lo que:
q
Ker(A I) = {(x, y) R |x = i 23 }
2
q
= {y(i 23 , 1)|y R}
Comprobacion:
Av = v
q ! q !
1 2 i 23 i 23
= (1 i 6)
3 1 1 1
q ! q !
2 + i 23 2+i 2
3
= .
1i 6 1i 6
3. Para
5 4
A=
3 3
Sea
5 4
det(A I) = det
3 3
= (5 )(3 ) 12
= 2 8 + 3
p
8
64 4(3)(1)
= = 4 13
2(1)
1 = 4 + 13 y 2 = 4 13
Para 1 = 4 + 13
5 (4 + 13) 4 1 13 4
A (4 + 13)I = =
3 3 (4 + 13) 3 1 13
1
1 13 4 1 (1 13) x x + 13 (1 13)y 0
3 = =
3 1 13 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x= 13 (1 13)y}
= {y( 31 (1 13), 1)|y R}
1
v1 = ( (1 + 13), 1).
3
Comprobacion:
Av = v
1
1
5 4 3
(1 + 13) (1 + 13)
= (4 + 13) 3
3 3 1 1
1
1
3
(17+
5 13) 3
(17 +
5 13)
=
4 + 13 4 + 13
5.2 Valores y vectores propios 85
Para 2 = 4 13
5 (4 13) 4 1+ 13 4
A (4 13)I = =
3 3 (4 13) 3 1 + 13
1
1+ 13 4 1 ( 13 1) x x + 13 ( 13 1)y 0
3 = =
3 1 + 13 0 0 y 0 0
Por lo que:
2 1
Ker(A I) = {(x, y)
R |x = 3
( 13 1)y}
1
= {y( 3 ( 13 1), 1)|y R}
1
v1 = ( (1 13), 1).
3
Comprobacion:
Av = v
1
1
5 4 (1 13) (1 13)
3 = (4 13) 3
3 3 1 1
1
1
3
(17
5 13) 3
(17 5 13)
=
4 13 4 13
4. Para
1 2
A=
2 4
Sea
86
1 2
det(A I) = det
2 4
= (1 )(4 ) 1
= 2 5
1 = 5 y 2 = 0
Para 1 = 5
15 2 4 2
A 5I = =
2 45 2 1
1 12 x 12 y
4 2 x 0
= =
2 1 0 0 y 0 0
Por lo que:
v1 = (1, 2).
Comprobacion:
Av = v
1 2 1 1
= (5)
2 4 2 2
5 5
=
10 10
5.2 Valores y vectores propios 87
Para 2 = 0
10 2 1 2
A 5I = =
2 40 2 4
Por lo que:
v2 = (2, 1).
Comprobacion:
Av = v
1 2 2 2
= (0)
2 4 1 1
0 0
= .
0 0
5. Para la matriz
3 1
A= .
4 3
Sea
3 1
det(A I) = det
4 3
= (3 )(3 ) + 4
= 2 6 + 13
88
De donde los valores caractersticos de A son
p
6 36 4(13)(1)
= = 3 2i
2(1)
1 = 3 + 2i y 2 = 3 2i
Para 1 = 3 + 2i
3 (3 + 2i) 1 2i 1
A (3 + 2i)I = =
4 3 (3 + 2i) 4 2i
1 12 i x 12 iy
2i 1 x 0
= =
4 2i 0 0 y 0 0
Por lo que:
1
v1 = ( i, 1).
2
Comprobacion:
Av = v
1 1
3 1 2
i 2
i
= (3 + 2i)
4 3 1 1
1 + 32 i 1 + 32 i
=
3 + 2i 3 + 2i
Para 2 = 3 2i
5.2 Valores y vectores propios 89
3 (3 2i) 1 2i 1
A (3 2i)I = =
4 3 (3 2i) 4 2i
1
x + 12 iy
2i 1 1 i x 0
2 = =
4 2i 0 0 y 0 0
Por lo que:
1
v1 = ( i, 1).
2
Comprobacion:
Av = v
12 i 12 i
3 1
= (3 2i)
4 3 1 1
1 32 i 1 32 i
= .
3 2i 3 2i
6. Para la matriz
6 7
A=
3 2
Sea
6 7
det(A I) = det
3 2
= (6 )(2 ) 21
= 2 8 + 9
90
De donde los valores caractersticos de A son
1 = 9 y 2 = 1
Para 1 = 9
69 7 3 7
A 9I = =
3 29 3 7
1 73 x 73 y
3 7 x 0
= =
3 7 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x = 73 y}
= {y( 73 , 1)|y R}
7
v1 = ( , 1).
3
Comprobacion:
Av = v
7 7
6 7 3 3
= (9)
3 2 1 1
21 21
=
9 9
Para 2 = 1
6+1 7 7 7
A + 1I = =
3 2+1 3 3
5.2 Valores y vectores propios 91
Reduciendo por filas :
7 7 1 1 x x+y 0
= =
3 3 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
v1 = (1, 1).
Comprobacion:
Av = v
6 7 1 1
= (1)
3 2 1 1
1 1
= .
1 1
7. Para la matriz
10 2
A=
5 4
Sea
10 2
det(A I) = det
5 4
= (10 )(4 ) + 10
= 2 14 + 50
Para 1 = 7 + i
10 (7 + i) 2 3i 2
A (7 + i)I = =
5 4 (7 + i) 5 3 i
1 35 51 i x ( 35 + 15 i)y
3i 2 x 0
= =
5 3 i 0 0 y 0 0
Por lo que:
3 1
v1 = ( + i, 1).
5 5
Comprobacion:
Av = v
3
+ 15 i 3
+ 51 i
10 2 5 5
= (7 + i)
5 4 1 1
4 + 2i 4 + 2i
=
7+i 7+i
Para 1 = 7 i
10 (7 i) 2 3+i 2
A (7 i)I = =
5 4 (7 i) 5 3 + i
5.2 Valores y vectores propios 93
Reduciendo por filas :
1 35 + 15 i x + ( 51 i 35 )y
3+i 2 x 0
= =
5 3 + i 0 0 y 0 0
Por lo que:
3 1
v1 = ( i, 1).
5 5
Comprobacion:
Av = v
3
15 i 3
51 i
10 2 5 = (7 i) 5
5 4 1 1
4 2i 4 2i
= .
7i 7i
8. Para la matriz
3 2
A=
4 1
Sea
3 2
det(A I) = det
4 1
= (3 )(1 ) 8
= 2 4 5
1 = 5 y 2 = 1
94
Para 1 = 5
35 2 2 2
A 5I = =
4 15 4 4
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
v1 = (1, 1).
Comprobacion:
Av = v
3 2 1 1
= (5)
4 1 1 1
5 5
=
5 5
Para 1 = 1
3+1 2 4 2
A + 1I = =
4 1+1 4 2
1 21 x + 12 y
4 2 x 0
= =
4 2 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x = 12 y}
= {y( 21 , 1)|y R}
1
v1 = ( , 1).
2
Comprobacion:
Av = v
21 12
3 2
= (1)
4 1 1 1
1 1
2 = 2 .
1
9. Para la matriz
1 4
A=
2 3
Sea
1 4
det(A I) = det
2 3
= (1 )(3 ) 8
= 2 4 5
1 = 5 y 2 = 1
Para 1 = 5
96
15 4 4 4
A 5I = =
2 35 2 2
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
v1 = (1, 1).
Comprobacion:
Av = v
1 4 1 1
= (5)
2 3 1 1
5 5
=
5 5
Para 1 = 1
1+1 4 2 4
A + 1I = =
2 3+1 2 4
v1 = (2, 1).
Comprobacion:
Av = v
1 4 2 2
= (2)
2 3 1 1
2 2
= .
1 1
Sea
2 3 1
det(A I) = det 2
1 3
1 3 2
= 3 + 52 + 8 12
= (3 52 8 + 12)
= ( 6)( + 2)( 1)
1 = 6 , 2 = 2 y 3 = 1
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
7 7
2 5 3 | 0 0 2 2 | 0 0 72 72 | 0 0 1 1 | 0
1 3 4 | 0 1 3 4 | 0 1 3 4 | 0 1 3 4 | 0
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
0 1 1 | 0 0 1 1 | 0 0 1 1 | 0 0 1 1 | 0
1 3 4 | 0 0 15
4
15
4
| 0 0 1 1 | 0 0 0 0 | 0
4 0 4 | 0 1 0 1 | 0
0 1 1 | 0 0 1 1 | 0
0 0 0 | 0 0 0 0 | 0
As, x1 = x3 , x2 = x3 , un vector caracteristico es:
v1 = (1, 1, 1)
comprobacon:
2 3 1 1 1 6
2 1 3 1 = (6) 1 = 6
1 3 2 1 1 6
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
2 3 3 | 3 5
0 0 2 2 | 0 0 3 5 | 0 0 3 5 | 0
9 15
1 3 4 | 0 1 3 4 | 0 1 3 4 | 0 0 4 4
| 0
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 0 4 | 0
0 3 5 | 0 0 3 5 | 0 0 1 53 | 0 0 1 35 | 0
0 3 5 | 0 0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
5.2 Valores y vectores propios 99
1 0 1 | 0
0 1 5 | 0
3
0 0 0 | 0
v2 = (3, 5, 3)
comprobacon:
2 3 1 3 3 6
2 1 3 5 = (2) 5 = 10
1 3 2 3 3 6
Reduciendo:
1 3 1 | 0 2 0 3 | 0 2 0 3 | 0 2 0 3 | 0
2 0 3 | 0 1 3 1 | 0 0 3 12 | 0 0 6 1 | 0
1 3 1 | 0 1 3 1 | 0 1 3 1 | 0 1 3 1 | 0
2 0 3 | 0 2 0 3 | 0 2 0 3 | 0 2 0 3 | 0
0 6 1 | 0 0 6 1 | 0 0 6 1 | 0 0 1 61 | 0
0 3 12 | 0 0 6 1 | 0 0 0 0 | 0 0 0 0 | 0
1 0 23 | 0
0 1 1 | 0
6
0 0 0 | 0
v3 = (9, 1, 6)
comprobacon:
2 3 1 9 9 9
2 1 3 1 = (1) 1 = 1 .
1 3 2 6 6 6
100
11. Para la matriz
1 2 1
A= 1 0 1
4 4 5
Sea:
1 2 1
det(A I) = det 1
1
4 4 5
= 3 + 62 11 + 6
= (3 62 + 11 6)
= ( 3)( 2)( 1)
1 = 3 , 2 = 2 y 3 = 1
Reduciendo:
2 2 1 | 0 4 4 2 | 0 4 4 2 | 0 2 2 1 | 0
1 3 1 | 0 1 3 1 | 0 0 2 1 | 0 0 2 1 | 0
2 2
4 4 2 | 0 2 2 1 | 0 2 2 1 | 0 2 2 1 | 0
2 2 1 | 0 2 2 1 | 0 2 2 1 | 0 2 2 1 | 0
0 4 1 | 0 0 4 1 | 0 0 4 1 | 0 0 1 14 | 0
2 2 1 | 0 2 2 1 | 0 0 0 0 | 0 0 0 0 | 0
0 21 | 0 1 0 14 |
2 0
0 1 14 | 0 0 1 41 | 0
0 0 0 | 0 0 0 0 | 0
v1 = (1, 1, 4)
5.2 Valores y vectores propios 101
comprobacon:
1 2 1 1 1 3
1 0 1 1 = (3) 1 = 3
4 4 5 4 4 12
Reduciendo:
1 2 1 | 0 4 4 3 | 0 4 4 3 | 0 4 4 3 | 0
1 2 1 | 0 1 2 1 | 0 0 1 1 | 0 0 4 1 | 0
4
4 4 3 | 0 1 2 1 | 0 1 2 1 | 0 1 2 1 | 0
4 4 3 | 0 4 4 3 | 0 4 4 3 | 0 4 4 3 | 0
0 4 1 | 0 0 4 1 | 0 0 4 1 | 0 0 4 1 | 0
1 2 1 | 0 0 1 14 | 0 0 4 1 | 0 0 0 0 | 0
1
4 4 3 | 0 4 0 2 | 0 1 0 2
| 0
0 1 1 | 0 0 1 1
4 | 0 0 1 1
4 | 0
4
0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
v2 = (2, 1, 4)
comprobacon:
1 2 1 2 2 4
1 0 1 1 = (2) 1 = 2
4 4 5 4 4 8
Reduciendo:
102
0 2 1 | 0 4 4 4 | 0 4 4 4 | 0 1 1 1 | 0
1 1 1 | 0 1 1 1 | 0 0 0 0 | 0 0 0 0 | 0
4 4 4 | 0 0 2 1 | 0 0 2 1 | 0 0 2 1 | 0
1 0 21 | 0
1 1 1 | 0 1 1 1 | 0
0 2 1 | 0 0 1 1 | 0 0 1 1 | 0
2 2
0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
v3 = (1, 1, 2)
comprobacon:
1 2 1 1 1 1
1 0 1 1 = (1) 1 = 1 .
4 4 5 2 2 2
5.2.1. Diagonalizaci
on de matrices
Para mayor comprension de los estudiantes en el proceso de diagonalizacion de matrices
volveremos a calcular los valores y vectores propios.
Primero calculamos
4 2
|A I| =
3 3
= (4 )(3 ) 6
= 12 7 + 2 6
= 2 7 + 6
= ( 6)( 1)
Para 1 = 6
4 2 6 0 2 2
A 6I = = .
3 3 0 6 3 3
por lo tanto
1 1 x xy 0
= =
0 0 y 0 0
De donde:
v1 = (1, 1).
Para = 1
41 2 3 2
AI = = .
3 31 3 2
1 23 x + 23 y
3 2 x 0
= =
3 2 0 0 y 0 0
por lo que:
104
2
Ker(A I) = {(x, y)|x = y}
3
2
= {( y, y)}
3
2
= {y( , 1)}
3
v2 = ( 23 , 1).
1 23
B=
1 1
3 2
1 5 5
B =
35 3
5
3 2
1 23
1 5 5
4 2
B AB =
35 3
5
3 3 1 1
18 12
1 23
= 5 5
35 3
5
1 1
6 0
= .
0 1
Sea
1 2
det(A I) = det
3 1
= (1 )(1 ) + 6
= 2 2 + 7
Para 1 = 1 + i 6
1 (1 + i 6) 2 i 6 2
A (1 + i 6)I = =
3 1 (1 + i 6) 3 i 6
" q # " q #
i 6 2 1 i 23 x x + i 23 y 0
= =
3 i 6 0 0 y 0 0
Por lo que:
q
Ker(A I) = {(x, y) R |x = i 23 }2
q
= {y(i 23 , 1)|y R}
Comprobacion:
Av = v
q ! q !
2 2
1 2 i i
3 = (1 + i 6) 3
3 1 1 1
q ! q !
2 i 23 2i 2
3
=
1+i 6 1+i 6
106
Para 2 = 1 i 6
1 (1 i 6) 2 i 6 2
A (1 i 6)I = =
3 1 (1 i 6) 3 i 6
" q # " q #
i 6 2 1 i 23 x x i 23 y 0
= =
3 i 6 0 0 y 0 0
Por lo que:
q
Ker(A I) = {(x, y) R2 |x = i 23 }
q
= {y(i 23 , 1)|y R}
Comprobacion:
Av = v
q ! q !
1 2 i 23 i 23
= (1 i 6)
3 1 1 1
q ! q !
2 + i 23 2+i 2
= 3
1i 6 1i 6
" q q #
i 3 i 23
2
B=
1 1
5.2 Valores y vectores propios 107
q
3 1
i 8 2
B 1 = q
i 38 1
2
q
" q q #
i 38 21
2 2
1 2 i i
B 1 AB = q 3 3
i 8 23 1 3 1 1 1
q q " q q #
32 + i 38 12 + i 32 i 2
i 2
= q q 3 3 .
3 3 1 3 1 1
2 i 8 2 i 2
1+i 6 0
=
0 1i 6
Sea
5 4
det(A I) = det
3 3
= (5 )(3 ) 12
= 2 8 + 3
p
8 64 4(3)(1)
= = 4 13
2(1)
1 = 4 + 13 y 2 = 4 13
Para 1 = 4 + 13
5 (4 + 13) 4 1 13 4
A (4 + 13)I = =
3 3 (4 + 13) 3 1 13
1
1 13 4 1 (1 13) x x + 13 (1 13)y 0
3 = =
3 1 13 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x= 13 (1 13)y}
= {y( 31 (1 13), 1)|y R}
1
v1 = ( (1 + 13), 1).
3
Comprobacion:
Av = v
1
1
5 4 3
(1 + 13) (1 + 13)
= (4 + 13) 3
3 3 1 1
1
1
3
(17 +
5 13) 3
(17 +5 13)
=
4 + 13 4 + 13
Para 2 = 4 13
5 (4 13) 4 1+ 13 4
A (4 13)I = =
3 3 (4 13) 3 1 + 13
1
1+ 13 4 1 ( 13 1) x x + 13 ( 13 1)y 0
3 = =
3 1 + 13 0 0 y 0 0
Por lo que:
5.2 Valores y vectores propios 109
2 1
Ker(A I) = {(x, y)
R |x = 3
( 13 1)y}
1
= {y( 3 ( 13 1), 1)|y R}
1
v1 = ( (1 13), 1).
3
Comprobacion:
Av = v
1
1
5 4 (1 13) (1 13)
3 = (4 13) 3
3 3 1 1
1
1
3
(17
5 13) 3
(17 5 13)
=
4 13 4 13
1 13 1 13
+
B= 3 3 3 3
1 1
"
3
1
13
#
1 26
13 2
26
B = 3 1 13
26 13 2
+ 26
"
3
1
13
#
13 5 4 1 13 1 13
1 26 2 26
+
B AB = 3 3 3 3
3
26 13 1
2
+ 2613 3 3 1 1
"
3
#
+ 613 3
+ 2913 1 13 1 13
2 2 +
= 3
3 3 3 3
.
2
613 3
2
2913 1 1
4+ 13 0
=
0 4 13
110
4. Diagonalizar la matriz dada
1 2
A=
2 4
Sea
1 2
det(A I) = det
2 4
= (1 )(4 ) 1
= 2 5
1 = 5 y 2 = 0
Para 1 = 5
15 2 4 2
A 5I = =
2 45 2 1
1 12 x 12 y
4 2 x 0
= =
2 1 0 0 y 0 0
Por lo que:
v1 = (1, 2).
Comprobacion:
Av = v
5.2 Valores y vectores propios 111
1 2 1 1
= (5)
2 4 2 2
5 5
=
10 10
Para 2 = 0
10 2 1 2
A 5I = =
2 40 2 4
Por lo que:
v2 = (2, 1).
Comprobacion:
Av = v
1 2 2 2
= (0)
2 4 1 1
0 0
=
0 0
1 2
1 5 5
B =
25 1
5
1 2
1 2 1 2
B 1 AB = 2
5 5
1
5 5 2 4 2 1
1 2 1 2
= .
0 0 2 1
5 0
=
0 0
Sea
3 1
det(A I) = det
4 3
= (3 )(3 ) + 4
= 2 6 + 13
1 = 3 + 2i y 2 = 3 2i
Para 1 = 3 + 2i
3 (3 + 2i) 1 2i 1
A (3 + 2i)I = =
4 3 (3 + 2i) 4 2i
1 12 i x 12 iy
2i 1 x 0
= =
4 2i 0 0 y 0 0
Por lo que:
1
v1 = ( i, 1).
2
Comprobacion:
Av = v
1 1
3 1 2
i 2
i
= (3 + 2i)
4 3 1 1
1 + 32 i 1 + 32 i
=
3 + 2i 3 + 2i
Para 2 = 3 2i
3 (3 2i) 1 2i 1
A (3 2i)I = =
4 3 (3 2i) 4 2i
1
x + 12 iy
2i 1 1 i x 0
2 = =
4 2i 0 0 y 0 0
Por lo que:
1
v1 = ( i, 1).
2
Comprobacion:
Av = v
12 i 12 i
3 1
= (3 2i)
4 3 1 1
1 32 i 1 32 i
=
3 2i 3 2i
i 21 i 21
B=
1 1
1
1 i 2
B = 1
i 2
i 12
1
i 2 i 12
1 3 1
B AB = 1
i 2 3 4 3 1 1 1 1
2 3i 2 + i i 2 i 2
=
2 + 3i 23 i 1 1 .
3 + 2i 0
=
0 3 2i
Sea
5.2 Valores y vectores propios 115
6 7
det(A I) = det
3 2
= (6 )(2 ) 21
= 2 8 + 9
1 = 9 y 2 = 1
Para 1 = 9
69 7 3 7
A 9I = =
3 29 3 7
1 73 x 73 y
3 7 x 0
= =
3 7 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x = 73 y}
= {y( 73 , 1)|y R}
7
v1 = ( , 1).
3
Comprobacion:
Av = v
7 7
6 7 3 3
= (9)
3 2 1 1
116
21 21
=
9 9
Para 2 = 1
6+1 7 7 7
A + 1I = =
3 2+1 3 3
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
v1 = (1, 1).
Comprobacion:
Av = v
6 7 1 1
= (1)
3 2 1 1
1 1
=
1 1
7
3
1
B=
1 1
5.2 Valores y vectores propios 117
3 3
1 10 10
B = 3 7
10 10
3 3
7
1 10 10
6 7 3
1
B AB = 3 7
10 10 37 2 1 1
27 27
10 10 3
1
= 3 7 .
10
10
1 1
9 0
=
0 1
Sea
10 2
det(A I) = det
5 4
= (10 )(4 ) + 10
= 2 14 + 50
1 = 7 + i y 2 = 7 i
Para 1 = 7 + i
10 (7 + i) 2 3i 2
A (7 + i)I = =
5 4 (7 + i) 5 3 i
1 35 51 i x ( 35 + 15 i)y
3i 2 x 0
= =
5 3 i 0 0 y 0 0
118
Por lo que:
3 1
v1 = ( + i, 1).
5 5
Comprobacion:
Av = v
3
+ 15 i 3
+ 51 i
10 2 5 5
= (7 + i)
5 4 1 1
4 + 2i 4 + 2i
=
7+i 7+i
Para 1 = 7 i
10 (7 i) 2 3+i 2
A (7 i)I = =
5 4 (7 i) 5 3 + i
1 53 + 15 i x + ( 51 i 35 )y
3+i 2 x 0
= =
5 3 + i 0 0 y 0 0
Por lo que:
3 1
v1 = ( i, 1).
5 5
Comprobacion:
Av = v
3
15 i 3
51 i
10 2 5 = (7 i) 5
5 4 1 1
4 2i 4 2i
=
7i 7i
3
+ i 51 3
i 15
B= 5 5
1 1
i 25 1
+ i 32
1 2
B =
i 25 1
2
i 32
i 25 12 + i 32 3
+ i 51 35 i 15
1 10 2 5
B AB = 5 1 3
5i 2 352 i 2 5 3 4 1 3
1
1
1
2
i 2
2 + 11i 5
+ i5 5
i 5
= 5 35
2
+ i 2 2 11i 1 1
7+i 0
=
0 7i
1 = 5 y 2 = 1
Para 1 = 5
35 2 2 2
A 5I = =
4 15 4 4
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
v1 = (1, 1).
Comprobacion:
Av = v
3 2 1 1
= (5)
4 1 1 1
5 5
=
5 5
Para 1 = 1
3+1 2 4 2
A + 1I = =
4 1+1 4 2
5.2 Valores y vectores propios 121
Reduciendo por filas :
1 21 x + 12 y
4 2 x 0
= =
4 2 0 0 y 0 0
Por lo que:
Ker(A I) = {(x, y) R2 |x = 12 y}
= {y( 21 , 1)|y R}
1
v1 = ( , 1).
2
Comprobacion:
Av = v
21 12
3 2
= (1)
4 1 1 1
1 1
2 = 2
1
1 12
B=
1 1
2 1
1 3 3
B =
23 2
3
122
2 1
1 12
1 3 23 3
B AB = 2 2
10
3 4 1 1 1 1
3
5
3
1 2 3
= 2 2
3
3 1 1
5 0
=
0 1
5.2.2. 8
1 4
A=
2 3
Sea
1 4
det(A I) = det
2 3
= (1 )(3 ) 8
= 2 4 5
1 = 5 y 2 = 1
Para 1 = 5
15 4 4 4
A 5I = =
2 35 2 2
Por lo que:
Ker(A I) = {(x, y) R2 |x = y}
= {y(1, 1)|y R}
5.2 Valores y vectores propios 123
y el vector propio es:
v1 = (1, 1).
Comprobacion:
Av = v
1 4 1 1
= (5)
2 3 1 1
5 5
=
5 5
Para 1 = 1
1+1 4 2 4
A + 1I = =
2 3+1 2 4
Por lo que:
v1 = (2, 1).
Comprobacion:
Av = v
124
1 4 2 2
= (2)
2 3 1 1
2 2
=
1 1
1 2
B=
1 1
1 2
1 3 3
B =
13 1
3
1 2
1 3 3
1 4 1 2
B AB =
13 13 2 3 1 1
5 10
3 3
1 2
= 1
3
31 1 1 .
5 0
=
0 1
Sea
2 3 1
det(A I) = det 2 1 3
1 3 2
3 2
= + 5 + 8 12
= (3 52 8 + 12)
= ( 6)( + 2)( 1)
1 = 6 , 2 = 2 y 3 = 1
5.2 Valores y vectores propios 125
Para 1 = 6 se tiene [A 6I]v = 0
4 3 1 x1 0
[A 6I]v = 2 5 3 x2 = 0
1 3 4 x3 0
Reduciendo:
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
2 5 3 | 0 0 7 7 | 0 0 7 7 | 0 0 1 1 | 0
2 2 2 2
1 3 4 | 0 1 3 4 | 0 1 3 4 | 0 1 3 4 | 0
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
0 1 1 | 0 0 1 1 | 0 0 1 1 | 0 0 1 1 | 0
1 3 4 | 0 0 15
4
15
4
| 0 0 1 1 | 0 0 0 0 | 0
4 0 4 | 0 1 0 1 | 0
0 1 1 | 0 0 1 1 | 0
0 0 0 | 0 0 0 0 | 0
v1 = (1, 1, 1)
comprobacon:
2 3 1 1 1 6
2 1 3 1 = (6) 1 = 6
1 3 2 1 1 6
Reduciendo:
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 3 1 | 0
2 3 3 | 0 0 3 5 | 0 0 3 5 | 0 0 3 5 | 0
2 2
1 3 4 | 0 1 3 4 | 0 1 3 4 | 0 0 49 15
4
| 0
126
4 3 1 | 0 4 3 1 | 0 4 3 1 | 0 4 0 4 | 0
0 3 5 | 0 0 3 5 | 0 0 1 53 | 0 0 1 35 | 0
0 3 5 | 0 0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
1 0 1 | 0
0 1 53 | 0
0 0 0 | 0
v2 = (3, 5, 3)
comprobacon:
2 3 1 3 3 6
2 1 3 5 = (2) 5 = 10
1 3 2 3 3 6
Reduciendo:
1 3 1 | 0 2 0 3 | 0 2 0 3 | 0 2 0 3 | 0
2 0 3 | 0 1 3 1 | 0 0 3 1 | 0 0 6 1 | 0
2
1 3 1 | 0 1 3 1 | 0 1 3 1 | 0 1 3 1 | 0
2 0 3 | 0 2 0 3 | 0 2 0 3 | 0 2 0 3 | 0
0 6 1 | 0 0 6 1 | 0 0 6 1 | 0 0 1 1 | 0
6
0 3 12 | 0 0 6 1 | 0 0 0 0 | 0 0 0 0 | 0
1 0 23 | 0
0 1 1 | 0
6
0 0 0 | 0
v3 = (9, 1, 6)
comprobacon:
5.2 Valores y vectores propios 127
2 3 1 9 9 9
2 1 3 1 = (1) 1 = 1
1 3 2 6 6 6
1 3 9
B = 1 5 1
1 3 6
11 15 7
40 40 20
B 1 = 1
24
5
40 1
12
1 1
15 0 15
11 15 7
40 40 20
2 3 1 1 3 9
1 5 1
B 1 AB = 24
40 12
2 1 3 1 5 1
1 1
15 0 15
1 3 2 1 3 6
33 27 21
20 12 10
1 3 9
1 1 1
= 12 4
6 1 5 1 .
1 1
15 0 15
1 3 6
6 0 0
= 0 2 0
0 0 1
Sea:
1 2 1
det(A I) = det 1
lambda 1
4 4 5
= 3 + 62 11 + 6
= (3 62 + 11 6)
= ( 3)( 2)( 1)
128
De donde los valores caractersticos de A son
1 = 3 , 2 = 2 y 3 = 1
Reduciendo:
2 2 1 | 0 4 4 2 | 0 4 4 2 | 0 2 2 1 | 0
1 3 1 | 0 1 3 1 | 0 0 2 1 | 0 0 2 1
| 0
2 2
4 4 2 | 0 2 2 1 | 0 2 2 1 | 0 2 2 1 | 0
2 2 1 | 0 2 2 1 | 0 2 2 1 | 0 2 2 1 | 0
0 4 1 | 0 0 4 1 | 0 0 4 1 | 0 0 1 14 | 0
2 2 1 | 0 2 2 1 | 0 0 0 0 | 0 0 0 0 | 0
0 21 | 0 1 0 14 |
2 0
0 1 14 | 0 0 1 41 | 0
0 0 0 | 0 0 0 0 | 0
v1 = (1, 1, 4)
comprobacon:
1 2 1 1 1 3
1 0 1 1 = (3) 1 = 3
4 4 5 4 4 12
Reduciendo:
5.2 Valores y vectores propios 129
1 2 1 | 0 4 4 3 | 0 4 4 3 | 0 4 4 3 | 0
1 2 1 | 0 1 2 1 | 0 0 1 1 | 0 0 4 1 | 0
4
4 4 3 | 0 1 2 1 | 0 1 2 1 | 0 1 2 1 | 0
4 4 3 | 0 4 4 3 | 0 4 4 3 | 0 4 4 3 | 0
0 4 1 | 0 0 4 1 | 0 0 4 1 | 0 0 4 1 | 0
1 2 1 | 0 0 1 14 | 0 0 4 1 | 0 0 0 0 | 0
1
4 4 3 | 0 4 0 2 | 0 1 0 2
| 0
0 1 1 | 0 0 1 1
4 | 0 0 1 14 | 0
4
0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
v2 = (2, 1, 4)
comprobacon:
1 2 1 2 2 4
1 0 1 1 = (2) 1 = 2
4 4 5 4 4 8
Reduciendo:
0 2 1 | 0 4 4 4 | 0 4 4 4 | 0 1 1 1 | 0
1 1 1 | 0 1 1 1 | 0 0 0 0 | 0 0 0 0 | 0
4 4 4 | 0 0 2 1 | 0 0 2 1 | 0 0 2 1 | 0
1 0 21 | 0
1 1 1 | 0 1 1 1 | 0
0 2 1 | 0 0 1 1 | 0 0 1 1 | 0
2 2
0 0 0 | 0 0 0 0 | 0 0 0 0 | 0
v3 = (1, 1, 2)
130
comprobacon:
1 2 1 1 1 1
1 0 1 1 = (1) 1 = 1
4 4 5 2 2 2
1 2 1
B= 1 1 1
4 4 2
1
1 0 2
B 1 = 1 1 0
0 2 12
1
1 0 2
1 2 1 1 2 1
B 1 AB = 1 1 0 1 0 1 1 1 1
1
0 2 2 4 4 5 4 4 2
3
3 0 2
1 2 1
= 2 2 0 1 1 1 .
1
0 2 2 4 4 2
3 0 0
= 0 2 0
0 0 1
Diagonalizar una matriz A es de gran importancia en el Algebra Lineal, debido a que se
cumple lo siguiente:
A = BDB 1 .
Donde la matriz D es aquella matriz que tiene en su diagonal los valores propios de la matriz
A. Usando este hecho se tiene que
An = B 1 Dn B
facilitando mucho el calculo de las potencias de A, dado que siendo una matriz diagonal, el
calculo de su pesima potencia es simple. Por ejemplo, si
a 0 0
D= 0 b 0
0 0 c
5.2 Valores y vectores propios 131
,
entonces
an 0 0
D n = 0 bn 0
0 0 cn
.
[1] Garza Olvera Benjamn: Aritmetica y algebra. Matematicas I. Direccion General de Edu-
cacion Tecnologica Industrial. Mexico (1997).
[2] Grossman S.I.: Algebra lineal. 6ta ed. Mc Graw Hill, Mexico (2008).
134