TECNOLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC

DIVISIÓN DE INGENIERÍA ELECTRÓNICA Y TELEMÁTICA

NÚMEROS COMPLEJOS

ÁLGEBRA LINEAL

CON APLICACIONES

Material de Apoyo para el Curso de

Matemáticas IV

M. en C. Antonio Silva Martínez

2007
 TECNÓLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC
DIVISIÓN DE INGENIERÍA ELECTRÓNICA Y TELEMÁTICA

INTRODUCCIÓN

Este material es de apoyo para el curso de Matemáticas IV, del plan de estudios DGEST
2004 de la carrera de Ingeniería Electrónica, correspondiente a Números Complejos y
Álgebra Lineal, resultado del compromiso profesional hacia la institución para una sólida
formación académica de los estudiantes en Ingeniería Electrónica.

Como herramienta necesaria en la modelación y solución de problemas de ingeniería en

general, las matemáticas merecen un especial apoyo con material didáctico detallado
para la buena comprensión y motivación de los estudiantes. Para lo cual se ha preparado
este nuevo trabajo con ejemplos resueltos, desarrollados con los pasos detallados hasta
su solución, así como algo muy importante que debe motivar al estudiante de Ingeniería
Electrónica sobre la importancia y retos de las matemáticas en su formación académica:
ejemplos y ejercicios prácticos de circuitos eléctricos estables. Complementándose este
trabajo con ejercicios de práctica para el estudiante y sus respuestas a los impares.

Las Matemáticas en general no pueden estudiarse en forma contemplativa o pasiva, al

contrario, requieren una actitud dinámica y participativa. Bajo este punto de vista, se
espera que el alumno se anime a analizar, comprender y realizar con este apoyo, la
mayor cantidad de ejercicios y problemas aplicados posibles. Adquiriendo así las bases
cognitivas para asignaturas posteriores de la carrera, donde se analicen fenómenos
electrónicos mediante esta importante herramienta.

Para la compilación de este trabajo se ha contado con la valiosa ayuda de Lobsang

Javier Mendoza Licea y César Martín García Prado, egresados de la carrera de
Ingeniería Electrónica, quienes se han dado la tarea de revisar minuciosamente los
ejemplos y ejercicios propuestos en este problemario, para una mejor calidad y
aprovechamiento del mismo por parte de los alumnos.

Finalmente, este trabajo se presenta ante la coordinación de Material Didáctico y la

Academia de Ciencias Básicas de la División de Ingeniería Electrónica y Telemática del
TESE, el cual ha sido avalado por las mismas para su difusión y uso del mismo por parte
de los profesores y estudiantes de la División.

M. EN C. ANTONIO SILVA MARTÍNEZ

DOCENTE DE LA DIVISIÓN

2
 TECNÓLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC
DIVISIÓN DE INGENIERÍA ELECTRÓNICA Y TELEMÁTICA

ÍNDICE
Página
1. Números Complejos
1.1 Origen de los números complejos. 5
1.2. Los números complejos y su Algebra. 6
1.2.1 Operaciones elementales con números complejos. 7
1.2.2 Conversión de forma rectangular a forma polar de un numero 7
complejo
1.2 Ejemplos 8
1.2 Ejercicios 13
1.3 Potencia real de un número complejo. 14
1.3 Ejemplos. 15
1.3 Ejercicios. 19
1.4 Raíces de un número complejo. 20
1.4 Ejemplos. 21
1.4 Ejercicios. 24
1.5 Logaritmo complejo. 25
1.5 Ejemplos. 27
1.6 Exponencial compleja. 30
1.6 Ejemplos. 31
1.6 Ejercicios. 34

2. Sistemas de Ecuaciones Lineales

2.1 Introducción a los sistemas de Ecuaciones Lineales. 35
2.2 Interpretación geométrica de las soluciones de los sistemas de 36
ecuaciones lineales.
2.2.1 Sistemas de ecuaciones lineales en R 2 36
2.2.2 Sistemas de ecuaciones lineales en R 3 38
2.3 Métodos de solución de sistemas de ecuaciones lineales “Eliminación de 40
Gauss”.
2.3 Ejemplos. 40
2.3 Ejercicios. 45
2.4 Eliminación por “Gauss-Jordán”. 46
2.4 Ejemplos. 47
2.4 Ejercicios. 49
2.5 Aplicaciones. Circuitos Eléctricos (redes) 51
2.5 Ejemplos. 52
2.5 Ejercicios. 58

3
3. Matrices y Determinantes.
3.1 Introducción. 59
3.2 Operaciones con matrices. 59
3.2.2 Multiplicación de matrices. 60
3.2 Ejemplos. 62
3.2 Ejercicios. 65
3.3 Clasificación de Matrices. 66
3.4 Matriz inversa. 70
3.4 Ejemplos. 73
3.4 Ejercicios. 77
3.5 Determinante de una matriz. 78
3.6 Propiedades de los determinantes. 80
3.6 Ejemplos. 82
3.6 Ejercicios. 85
3.7 Adjunta de una matriz. 86
3.7 Ejemplos. 88
3.7 Ejercicios. 93
3.8 Solución de un sistema de ecuaciones lineales a través de la inversa. 94
3.8 Ejemplos. 95
3.8 Ejercicios. 100
3.9 Solución de un sistema de ecuaciones lineales por la Regla de Cramer. 101
3.9 Ejemplos. 102
3.9 Ejercicios. 106

4. Espacios Vectoriales
4.1 Definición 107
4.1 Ejemplos 108
4.1 Ejercicios 113
4.2 Subespacios Vectoriales 115
4.2 Ejemplos 115
4.2 Ejercicios 123
4.3 Independencia lineal 124
4.3 Ejemplos 124
4.3 Ejercicios 126
4.4 Bases vectoriales 127
4.4 Ejemplos 127
4.4 Ejercicios 130
4.1.1 Cambio de Base 131
4.1.1 Ejemplos 134
4.1.1 Ejercicios 143

5. Transformaciones
5.1 Transformaciones Lineales 145
5.1 Ejemplos 147
5.1 Ejercicios 154

6. Apéndice. Algebra Lineal con Scientific Word Place (Versión 5.0) 156

7. Bibliografía Consultada 167

4
1. NÚMEROS COMPLEJOS

1.1 ORIGEN DE LOS NUMEROS COMPLEJOS

Los números complejos fueron propuestos inicialmente en 1545, por el

matemático italiano Girolamo Cardaco, en un tratado monumental acerca de la
solución de la ecuación cúbica y cuártica titulado Ars Magna. Para apreciar la
dimensión de esta propuesta debe tenerse en cuenta que el concepto de
números negativos apenas había tenido aceptación, y que aun había controversia
en relación con sus propiedades. Las cantidades “ficticias” de Cardano fueron
ignoradas por la mayoría de sus colegas, hasta que el genio matemático Carl
Friedich Gauss les dio el nombre actual y las utilizó para demostrar el Teorema
Fundamental del Algebra, el cual establece que todo polinomio que no sea
constante tiene al menos un cero. En esta sección se explorarán las propiedades
de los números complejos y sus operaciones elementales, Además de algunas
funciones con valores complejos, que en la teoría de funciones de una variable
compleja extiende los conceptos del cálculo al plano complejo y por consiguiente
la derivación y la integración complejas adquieren una nueva profundidad y
elegancia, y por lo tanto la naturaleza bidimensional del plano complejo produce
muchos resultados útiles en Matemáticas Aplicadas en la Ingeniería. En particular
a la Ingeniería de Circuitos Eléctricos Transitorios y Análisis de Señales,
simplificando notoriamente los cálculos que llevan a la interpretación de su
comportamiento.

5
1.2. LOS NÚMEROS COMPLEJOS Y SU ÁLGEBRA

Un número complejo es un número de la forma a  bi donde a y b son números

reales e i es un símbolo con la propiedad de que i 2  1 . El número real a se
considera como un tipo especial de número complejo, de razón de que a  a  0i.
Si Z  a  bi es un número complejo, entonces la parte real de Z denotada por Re
Z es a y la imaginaria de Z denotada por Im z es b. Dos números complejos a  bi
y c  di son iguales si sus partes reales e imaginaria son iguales, es decir si,
a  c y b  d . Un número complejo a  bi puede identificarse con el punto a, b 
graficado en un plano, denominado plano complejo o plano de Argand., como se
muestra en la siguiente figura. En el plano complejo, el eje horizontal se le conoce
como el eje real, mientras que el eje vertical se conoce como eje imaginario.

Im

z=a+ib

Re

Figura 1.2 Representación de un número complejo z en el plano complejo

6
1.2.1 OPERACIONES ELEMENTALES CON NÚMEROS COMPLEJOS

La suma, la diferencia, el producto y el cociente de dos números complejos

Z1  a1  b1i y Z 2  a2  b2i dan como resultado un número complejo y se definen
de la siguiente manera:

i  Z1  Z 2  a1  a2   b1  b2 i

ii  Z1  Z 2  a1  a2   b1  b2 i

iii  Z1 Z 2  a1a2  b1b2   a1b2  b1a2 i

Z1 a1  b1i a2  b2i  a1a2  b1b2  a2b1  a1b2 

iv     i
Z 2 a2  b2i a2  b2i  a12  a22 a12  a22

En otras palabras, al sumar o restar dos números complejos simplemente se

suman o se restan las partes reales y las imaginarias correspondientes. Para
multiplicar dos números complejos aplicamos la ley distributiva y el hecho de que
i 2  1 . Finalmente, para el cociente de dos complejos se aplica la regla del
binomio conjugado.

1.2.2 CONVERSION DE FORMA RECTANGULAR A FORMA POLAR DE UN

NÚMERO COMPLEJO

Sea:
Z1  a1  b1 i

De donde:

Z1  a12  b12

b 
  tg 1  1 
 a1 
Entonces:

Forma Polar de un Número Complejo:

Z1  Z1 

7
 Z  Z Cos  iSen 

1.2 EJEMPLOS. Realizar las siguientes operaciones con los números complejos
que se dan a continuación y expresar sus resultados en forma rectangular y polar.
Donde:
Z1 Z1  3  2i
a )Z 1  Z 2 e)
Z3
b )Z 4  Z 3 Z 2  4  3i
Z
f ) 3  Z1 Z 3  2  7 i
c )3Z 1  Z 3 Z4
1 4
d )Z 2 Z 4 g )( Z 1 Z 3 )  Z 2 Z4   i
3 7

Forma rectangular:

a) Z 1  Z 2  (3  2i )  ( 4  3i )
 (3  4)  ( 2  3)i
 7i

1 4
b) Z 4  Z 3  (  i )  ( 2  7i )
3 7
1 4
 (  2)  (  7)i
3 7
7 53
  i
3 7

c) 3Z 1  Z 3  3(3  2i )  ( 2  7i )
 (9  6i )  ( 2  7i )
 (9  2)  (6  7)i
 11  13i

1 4
d) Z 2 Z 4  ( 4  3i ) * (  i )
3 7
1 4
 ( 4  3i ) * ( )  ( 4  3i ) * ( i )
3 7
4 16 12
 i  
3 7 7
76 19
  i
21 7
16
 i
3

8
 Z1 3  2i
e) 
Z 3  2  7i
(3  2i) * (2  7i)  6  4i  21i  14
 
(2  7i) * (2  7i) 4  14i  14i  49
 6  14  4i  21i

4  49
 20 17
  i
53 53

Z3  2  7i
f)  Z1  1 4  (3  2i)
Z 3
 7i
(2  7i) * ( 13  74 i) 2
 i  87 i  4
7
  3 3

( 13  74 i) * ( 13  74 i) 1
9
 i  214 i  1649
4
21

( 32  4)  ( 37  87 )i 14

 2521 i 14
 2521 i
  3
 3

( 19  1649 )  ( 214  214)i 193

441
 0i 193
441
14 25
 3
193
 21
193
i   2058
193
 193
525
i
441 441

Z3
 Z1  ( 193  193 i)  (3  2i)
2058 525

Z4
 ( 193
2058
 3)  ( 193
525
 2)i

  1479
193
 139
193
i

g ) ( Z1 Z 3 )  Z 2  (3  2i) * (2  7i)  (4  3i)

 (3  2i) * (2  7i)  6  4i  21i  14
 (6  14)  (4  21)i  8  25i
( Z1Z 3 )  Z 2  8  25i  4  3i
 (8  4)  (25  3)i
 4  22 i

9
Forma polar:

a) Z 1  Z 2  (3  2i )  (4  3i )
Z1  Z 2  7  i
Z  Z 1  Z 2  (7) 2  (1) 2  49  1  50
  tg 1  17   0.1418rads.  8.07 0

3.1416 rads 1800

-0.1418 rads   8.070

Z  50  0.1418rads .

1 4 7 53
b) Z  Z 4  Z 3  (  i )  (2  7i )   i
3 7 3 7
2 2
 7   53 
Z        7.92
3  7 
 53 
  tg 1  77   1.2718 rads.  72.87 0
 3


Forma polar:

Z  7.92 1.2718 rads

c) Z  3Z 1  Z 3  11  13i
Z  112  132  17.02
 13 
  tg 1    0.8685rds  49.76 0
 11 

10
 
Forma polar:

Z  17.02 0.8685 rads

64 9
d ) Z  Z2 Z4   i
21 7
6421 2  79 
2

Z   3.30
 9 
  tg 1  647   0.3992 rads  21.760
 21 

Forma polar:

Z  3.3077 0.3992 rads

Z1 20 17
e) Z    i
Z3 53 53
2 2
 20   17 
Z         0.4952
 53   53 
  17
  tg 1  
  40.90 0  0.8663 rads

53
20
  53

  180  40.90  139.10  2.42 rads

 
Forma polar:

Z  0.4952 2.42 rads

11
 Z3 1479 139
f) Z   Z1    i
Z4 193 193
2 2
 1479   139 
Z        7.696
 193   193 
 139

  tg 1  1479
193 
  0.093 rads  5.36
0

 193 
  180  5.36  185.360  3.23 rads


Forma polar:

Z  7.69 3.23 rads

g ) Z  Z 1 * Z 3   Z 2  4  22i
Z  42  222  22.360
 22 
  tg 1     1.390rads  79.69 0
 4 

Forma polar: 

Z  22.36  1.390rads

12
1.2 EJERCICIOS. Realice las siguientes operaciones con los números complejos
que se dan a continuación y expresar sus resultados en forma rectangular y polar.

Z
a) 1
Z
3 Donde :
b )Z  Z Z 1  3  2i
2 4
c) Z  Z Z 2  4  5i
6 2
d )Z  Z Z 3  6  2i
2 3
e )Z Z
4 6 Z 4  1  5i
f )Z Z
1 5 Z 5  2  i
Z Z 6   18  3i
g) 6
Z
4

RESPUESTAS:

Forma rectangular: Forma Polar

7 9 a) Z= 0.57 -0.909 rads

a) Z  i
20 20

31
c) Z    8i c) Z= 8.88 4.2613 rads.
8

119 29
e)   i e) Z=15.31 0.2390 rads.
8 8

121 19
g)    i
208 208 g) Z=0.58 2.9858 rads.

13
1.3 POTENCIA REAL DE UN NÚMERO COMPLEJO

TEOREMA DE DE´ MOIVRE

La potencia enésima de w   w Cos  iSen  , está dada por:

Z  wn   w Cos   iSen  = w Cos n   iSen n  .

n n

Y se verifica para todo valor real de la Exponente n

En el caso de un exponente racional de la forma 1/n, se tiene:

1

w n  a  ib n   w n Cos   i Sen    w n Cos  i Sen n 

1 1 1 n 1

  n

Donde:
w  a 12  b12
y
b 
  tg 1  1 
 a1 

14
1.3 EJEMPLOS. Calcule las potencias que se indican con los números
complejos que se dan a continuación.

a) Z  1  i 
29

Z  12  12  2
1 
  tg 1    0.7853  450
1
w  2; 0.7853 rads

Z  2 Cos 0.7853  iSen 0.7853 

29

29

Z 2 2
Cos0.785329  iSen 0.785329
29

Z  2 2 Cos 22.773  iSen 22.773

29

Z  2 2  0.7096  i 0.7096 
Z  16441.761  i 

b) Z   1  i 
36

w   12   12  2 
 1
  tg 1    0.7853rads  45
0


  1 β

  180  450  3.92rads  2250

Z  2 Cos 0.7853  iSen 0.7853 

36

36
Z 2 2
Cos0.785336  iSen 0.785336
36
Z 2 2
Cos28.281  iSen 28.28
 
36
Z  2  0.999  i5.66 x10 3
2

Z  26188.856  1483.73i

15
c) Z   1  17i 
17

Z   12  17 2  290

 17 
  tg 1     1.51 rads  86.510  
 1
  180  86.51  93.49 0  1.63 rads.

Z  290 Cos 1.63  iSen 1.63 17

 17

Z  290 2 Cos 1.6317   iSen 1.6317 
 
17
Z  290 2
Cos27.71  iSen 27.71
17
Z  290 2
 0.8444  i0.5348

Z  7.193 x10 20  4.555 x10 20 i

d) Z   3 i 15

Z   3   1
2 2
 3 1  4  2
 1 
  tg 1    0.5235 rads  30
0

 3

Z  2Cos 0.5235  iSen 0.5235
15


Z  215 Cos 0.523515  iSen 0.523515 
Z  215 Cos 7.8525  iSen 7.8525

Z  215 1.481x10 3  0.999i 

Z  48.529  32735.232i

16
e) Z  2  2i 
12

Z  22  22  44  8

2
  tg 1    0.7853 rads  450
2

Z  8 Cos 0.7853  iSen 0.7853 12


Z  8 6 Cos 0.785312   iSen 0.785312  
Z  8 6 Cos 9.423  iSen 9.423


Z  8 6  0.999  i1.77 x10 3 
Z  261881.8  463.99i

f ) Z   6  5i 
9

Z   62  52  36  25  61
 5
  tg 1     0.6947rads  39.800
 6
  180  39.80  140.20  2.447 rads
 

Z  61 Cos0.6947  iSen 0.6947   9

 92 
Z  61 Cos 2.447 9   iSen 2.447 9 
 
9

Z  61  0.999  0..0318 4i 
2

Z  61  0.1804  0.9835i 
2

Z  19508361.32  106355173.8i

17
 
g ) Z   7  3i 
18

w   7 2  32  7  9  16
 3 
  tg 1     1.1302 rads  64.76
0

 7

  3.14159  1.1302  2.01139 rads

Z  2 Cos 2.01139   iSen 2.01139  18 β


Z  29 Cos 2.1139 18  iSen 2.1139 18 

Z  29 Cos 36.205  iSen 36.205 
Z  29 0.8069  i 0.63209 

Z  413.132  323.633i

6
4 4
h) Z    
7 9
2 2
4 4
Z        0.723
7 9
4
  tg 1  94   0.6610 rads  33.46 0
7


Z  0.723Cos 0.6610   iSen 0.6610 

6


Z  0.7236 Cos 0.6610 6   iSen 0.6610 6  
Z  1.605 6 Cos 3.966   iSen 3.966 

Z  1.605 6 4.73  i3.683

Z  0.6756  0.5260i

18
1.3 EJERCICIOS. Calcule las potencias que se indican con los números
complejos que se dan a continuación.

RESPUESTAS

Z  4.6435 x1021  5.8 x1022 i

Z  8  32 i  1)
25
1)

Z   15  83 i 
18
2) 3) Z  342.82  118.02 i

3) Z   3  12 i 10

5) Z  8.59556 x1021  5.244 x1021 i

4) Z   1
7
i 
15

7) Z  54.03  296.97 i
Z  10  14 i 
22
5)

6) Z   10
2  2i 8 9) Z  1225.488  489.454 i

Z  6  3i 
3
7)

Z   12  4i  7
5
8)

Z   74  6i 
4
9)

10) Z  8  2i 
2
3

19
1.4 RAICES DE UN NÚMERO COMPLEJO

El teorema de De Moivre también puede utilizarse para encontrar las raíces de

un número complejo. Si z es una raíz n-ésima del número complejo w, a partir
de:
Z n  w.
Para encontrar z, se tiene:
Z  Z Cos   i Sen  y w  w Cos   i Sen  

Donde   arg Z y   arg w . De tal forma que con el teorema De Moivre se

tiene:

Z  Cos n  i Sen n  w Cos   i Sen  .

n

Así, se puede tomar:

1

Z  wn

arg w   Arg w  2 k , k  0,  1,  2
1 1

n n

Aunque la ecuación proporciona un número infinito de valores para  , sólo se

obtienen n ángulos polares diferentes, ya que:
2 k  n  2 k
  2 ,
n n

Ya que los ángulos polares se repiten cada n enteros. Por lo tanto, se limitará
la atención en los ángulos n-polares


1
 Arg w  2 k , k  0,1, 2n  1
n

20
1.4 EJEMPLOS. Calcule las raíces de los siguientes números complejos, por
medio del teorema de De´ MOIVRE.
Z  1  2i 
1/ 2
a)
w  12  22  5
2
  tg 1    1.107 rads.  63.420
1
Z   5  Cos1/ 2
1
2
1.107  2k   isen 12 1.107  2k 

para k  0 :
Z0   5  Cos 1/ 2
1
2
1.107   isen 12 1.107 
Z 0  1.2720  i 0.7860

para k  1 :
Z1   5  Cos 1.107  2   isen
1/ 2
1
2
1
2
1.107  2 
  5   0.8506  i 0.5256
1/ 2
Z1
Z1  1.2719  i 0.7860

b) Z  5  9i  3
1

w  52  92  106

9
  tg 1    1.063 rads.  60.900
5
Z   106  Cos
1/ 3
1
3
1.063  2k   isen 13 1.063  2k 

para k  0 :
Z0   106  Cos
1/ 3
1
3
1.063  isen 13 1.063
Z 0  2.0403  i 0.7548

para k  1 :
Z1   106  Cos
1/ 3
1
3
1.063  2   isen 13 1.063  2 
Z1  1.6738  i 1.3895

para k  2 :
Z2   106  Cos
1/ 3
1
3
1.063  4   isen 13 1.063  4 
Z 2  0.366  i 2.144

21
c) Z   73  6i 
1/ 4

w     6
3 2
7
2
 36.18
 6
  tg 1   3   1.499 rads.  85.910
 7
Z  36.18  Cos
1/ 4
1
4
 1.499  2k   isen 14  1.499  2k 

para k  0 :
Z0   36.18  Cos  1.499  isen
1/ 4
1
4
1
4
 1.499
 36.18  0.9305  i 0.366
1/ 4
Z0
Z 0  1.4572  i 0.5731

para k  1 :
Z1   36.18  Cos  1.499  2   isen
1/ 4
1
4
1
4
 1.499  2 
 36.18  0.9965  i 0.00145
1/ 4
Z1
Z1  1.56057  i 0.00227

para k  2 :
Z2   36.18  Cos  1.499  4   isen
1/ 4
1
4
1
4
 1.499  4 
 36.18   0.9305  i 0.3660
1/ 3
Z2
Z 2  1.4572  i 0.5731

para k  3 :
Z3   36.18  Cos  1.499  6   isen
1/ 4
1
4
1
4
 1.499  6 
 36.18   0.3660  i 0.9305
1/ 4
Z3
Z 3  0.5731  i1.4572

22
d ) Z   52  34 i 
1/ 3

w     
5 2
2
3 2
4
 6.81
3
  tg 1  54   0.2914 rads.  16.69 0
 
2
Z  6.81  Cos
1/ 3 1
3
0.2914  2k   isen 13 0.2914  2k 

para k  0 :
Z0   6.81  Cos 0.2914  isen
1/ 3 1
3
1
3
0.2914
 6.81  1.3702  i 0.1335
1/ 3
Z0

para k  1 :
Z1   6.81  Cos
1/ 3 1
3
0.2914  2   isen 13 0.2914  2 
Z1  0.800  i 1.119

para k  2 :
Z2   6.81  Cos
1/ 3 1
3
0.2914  4   isen 13 0.2914  4 
Z 2  0.5695  i 1.2534

Z  8  7i 
1/ 4
e)
w 82  7 2  113
7
  tg 1    0.7188 rads.  41.185 0
8
Z  113  Cos 1/ 4
1
4
0.7188  2k   isen 14 0.7188  2k 

para k  0 :
Z0   113  Cos1/ 4
1
4
0.7188  isen 14 0.7188
Z 0  1.776  i 3.227

para k  1 :
Z1   113  Cos1/ 4
1
4
0.7188  2   isen 14 0.7188  2 
Z 1  0.3227  i 1.776

23
 para k  2 :
Z2   113  Cos1/ 4
1
4 0.7188  4   isen 14 0.7188  4 
Z 2  1.776  i 0.3227

para k  3 :
Z3   113  Cos1/ 4
1
4 0.7188  6   isen 14 0.7188  6 
Z 3  0.3227  i 1.7765

1.4 EJERCICIOS. Calcule las raíces de los siguientes números complejos, por
medio del teorema de De´ MOIVRE.
RESPUESTAS

Z 0  1.0985  i 0.4549
1) Z  1  i 
1/ 2
1)
Z1  1.0985  i 0.4549

2) Z   5  2i 
1/ 3

Z 0  1.4521  i 0.4919
3) Z  2  3i  3) Z1  0.241  i 1.5036
1/ 3

Z 2  1.1521  i 1.0115

4) Z   74  52 i 
1/ 3

Z 0  1.2568  i 0.4270
Z   0.4270  i 1.2568
5) Z   54  3i 
1/ 4
5) 1
Z 2  1.2568  i 0.4270
Z 3  0.4270  i 1.2568

6) Z  7  32 i 
1/ 4

24
1.5 LOGARITMO COMPLEJO

La exponencial compleja esta definida por:

e z  e x  iy  e x eiy
 e x Cos y  i Sen y 

Es una función entera con valor diferente de cero que satisface a la ecuación
diferencial.
f ´z   f z , f 0  1

De donde e z  0 se sigue de que ni e x ni Cos y  i Sen y se anulan. Además

observe que como z  x  iy , la notación conduce a:

eiy  Cos y  i Sen y eiy  1

Si z1  x1  iy1 y z2  x2  iy2 Entonces las fórmulas trigonométricas para las

sumas implican que:

e z1 e z 2  e x1 e x 2 Cos y1  i Sen y1 Cos y2  i Sen y2 

 e x1  x2 Cos y1 Cos y2  Sen y1 Sen y2   iSen y1 Cos y2  Cos y1 Sen y2 
 e x1  x2 Cos  y1  y2   i Sen y1  y2 
 e x1  x2 ei  y1  y 2   e z1  z 2

Como e z :    es uno a uno como la superficie de Reimann, se puede definir

su función inversa que mapea  en  . Limitando el caso real, se llama a este
mapeo inverso logaritmo y se denota por
log z :   
Como la exponencial compleja y el logaritmo son funciones inversas, se tiene
que:
log e z  z, para todo z en 
y
elog z  z, para todo z en 

25
La única tarea pendiente es obtener una expresión para Log z en términos de
funciones conocidas.
La representación polar y la naturaleza inversa de las funciones logaritmo y
exponencial proporcionan una definición natural para el logaritmo complejo:

 
log z  log z ei arg z  log e  log z  i arg z

 log z  i arg z,

Donde log z es el logaritmo natural del cálculo elemental.

Con estos conceptos, no es difícil verificar que log z es continua ya que:

log z  log w  log z  i arg z  log w  i arg w

 log z  log w   iarg z  arg w,

Y el logaritmo natural y a función argumento son continuas.

TEOREMA: la función log z  i arg z es analítica para todo z en 

El logaritmo complejo tiene las propiedades usuales de un logaritmo:

log z1 z2  log z1  log z2 ,
z1
log  log z1  log z2 .
z2

Note que en estas dos identidades suponemos que z1 z2 son puntos de la

superficie de Reimann

26
1.5 EJEMPLOS. Realice las siguientes operaciones con los complejos dados

3
1) Ln  5  i
2

5
3
  52   32 2  27.25
2
 3   3
arg   5  i   tg 1   2   0.291
 2   5
 0.291    2.850 rads
3
Ln  5  i  27.25  i 2.850
2
Debido a que el vector se encuentra en el 2 0 cuadrante,
se debe sumar 180 0 o  rads

4 7
2) Ln  i
3 4
4 7
   43 2   74 2  4.840
3 4
4 7   7 
arg   i   tg 1  4
  0.919 rads
3 4  
4
3 
4 7
Ln  i  4.840  i 0.919
3 4

3) Ln 6  5i
6  5i  6 2   52  61
 5
arg 6  5i   tg 1     0.694 rads
 6
Debido a que el vector se encuentra en el 4 0 cuadrante,
y a pesar de que el ángulo sea negativo, éste se mide
con respecto al eje de los reales positivos.

27
 2
4) Ln   6i
5
2
  6i   52 2   62  36.16
5
 2   6
arg    6i   tg 1  2   1.50
 5  5 
180  85.94  265.94 0  4.64 rads
2
Ln   6i  36.16  i 4.64
5
Nota : debido a que el vector se encuentra en el 3 0 cuadrante,
se le tienen que aumentar 180 0 o  rads

5) Ln 3  8i
38  32  82  73
8
arg 3  8i   tg 1    1.21 rads
 3
Ln 3  8i  73  i 1.21

6) e 3  4 i   e 3 e  4 i
 e 3 Cos 4  i Sen 4 
 e 3 Cos 4  i e 3 Sen 4
 13.28   15.20i
 13.28  i 15.20

28
  2 15 i  1
 e 2 * e 5
i
7) e
 e  2 Cos 15  i Sen 1
5 
 e  2 Cos 15  e  2 i Sen 1
5

 0.132  i 0.026

 52  82 i   52  82 i
8) e e *e
e
 52
Cos 82  i Sen 82 
5 5
 e 2 Cos 82  e 2 i Sen 2
8

 0.079  i 0.020

9) e  3 9 i   e 3 * e 9 i
 e 3 Cos 9  i Sen 9 
 e 3Cos 9  i e 3 Sen 9
 18.30  i 8.277

 23 i   23
10) e e * ei
e
 23
Cos 1  i Sen 1
 23 2
 e Cos 1  e 3 i Sen 1
 0.277  i 0.432

29
1.6 EXPONENCIAL COMPLEJA

Las funciones exponenciales y logaritmo compleja se pueden usar para definir

las funciones potencias.

Definición:
Sea: z a  e a log z , a complejo  0

La función z z :    es analítica y uno a uno porque la composición de

funciones de esos tipos. Por regla de la cadena.
z   e
a a log z
* az  a z a 1

El valor principal de la función potencia esta dado por:

z a  e a log z
A menudo existe el interés en el caso en donde son enteros positivos factores
comunes. Considere ahora el conjunto de números e log z  2i ,   0,1,2.....,
esto es que aquellos puntos en R situados directamente arriba y abajo del

punto e log . Entonces e 

Log  z  2i m / n
 e m / n Log z e m / n 2i y si se escribe
  pn  q con p y q enteros , 0  q  n, se tiene:

e m / n 2i  e 2pmi e 2iqmn / n  e 2iqm / n ,

De tal forma que hay únicamente n respuestas con valores complejos
diferentes. Así el mapeo z m / n :    conduce a cada n copias de   0a una

copia de   0y se repite a partir de ahí. Este hecho permite simplificar el

modelo usado para describir el mapeo w  z m / n . Para simplificar suponga que

m=1. Entonces,
1  1n Log z
w z n
e e 2iq / n , q  0,1,2,........, n  1

Puede visualizarse como un mapeo de   0 en   0 , donde   0

n n

consiste en n copias de   0 pegadas” una después de la otra a lo largo del

eje real negativo, como en R excepto que el bordaje superior de la rama de
arriba de pega al borde inferior de la rama de abajo.

30
1.6 EJEMPLOS. Calcule la exponencial compleja de los siguientes números
complejos.

 e ( 0  i ) Ln 1 0i 
( 0i )
1) i i  e Ln ( 0  i )
Donde :
1
Ln 0  i  i  i arg( 0  i )  02  12  tg 1  
0
Ln 0  i  1  i 2


Entonces :
0  i 1 i 2 
 e 2  e 2 cos 1  isen1
  i 
e
 0.1123  i 0.1749

5  3 i 1 2i   e Ln5 3i 

1 2 i 
2)
Donde :
Ln 5  3i  52   32  i tg 1  53 
 5.83  i 0.54
Entonces :
e1 2i 5.83 i 0.54  e6.91 i 11.12
e6.91ei11.12  e6.91Cos 11.12  i Sen11.12 
 124.38  i 994.49

1  43 i i  e Ln1 i   
i
4
 i Ln 1 43 i
3) 3
e
Donde :
12   43 2  i tg 1 1 
4
Ln1  43 i  3

 1.66  i 0.9272
Entonces :
e  i 1.66 i 0.9272  e i 1.66 0.9272
e  i 1.66 * e0.9272  e0.9272Cos 1.66  i Sen1.66 
 0.2360  i 2.5163

31
  1  3 i 
 1  3 i   
 4 
1 Ln 
    
 
 4 
Ln 1
i 2 3 1
i 2
4) 1
4
i 2 e 4
e 4 4

Donde :

 14 2   2 2  i tg 1  
1

Ln 1
i 2  4

4
 2

 1.435  i 1.39
Entonces :
1 1.435 i 1.39 
 e  2.47  i 0.32 
3

e 4

e  2.47 * e  i 0.32  e  2.47 Cos 0.32  i Sen0.32 

 0.080  i 0.026

13 i
 
 2 5 

 
 
13 i
Ln   1  i  i Ln   1  i 
 
 2 5 
1

1 3 1

5) 1
3
i 1
2
e  3 2 
e 2 5  3 2 

Donde :

 13 2     
1

Ln  13  i 1
 1 2
 i tg 1   12 
2 2
 3 
 0.611  i 1.130
Entonces :
 
i  0.611 i 1.130 
 e0.3725 i 0.9316

1 3

e 2 5

e 0.3725 * e  i 0.9316  e 0.3725 Cos 0.9316  i Sen0.9316 

 0.8658  i 1.164

 4 3 i 
 
 4 3 i   2 
 
  3 i  4  i Ln   3 i 
1  3 i 
 2  Ln 1 3 1

6) e e 2

Donde :

Ln 
1
 3i  1 2  32  i tg 1  3 
 
1

 3.016  i 1.4650
Entonces :
4  i 3.016 i 1.4650
 e14.257  i 1.34 
3

e 2

e14.257 * ei 1.34  e14.257 Cos1.34  i Sen1.34 

 355715 .5  i 1513789 .4

32
  1  i 

   1  i Ln  13 i 
 1  i   

 
 
Ln 1
i 3 3
7) 1
3
i 3 e 3
e
Donde :

Ln 1
3
i 3      3
1 2
3
2
 i tg 1 

1
3
3


 1.825  i 1.249
Entonces :
 1  i 1.825i 1.249
e  e  0.669i 2.222
e 0.699 * e i 2.222  e 0.699 Cos 2.222  i Sen 2.222 
 0.310  i 0.407

 8 3 i 

 9  2 i 
8 3 i 
8)  e Ln  9 2 i   e 83 i Ln  9 2 i 
Donde :
Ln  9  2 i   92  22  i tg 1  2
9 
 9.219  i 2.922
Entonces :
e 83 i 9.219i 2.922  e 64.98i 51.02
e 64.98 * e i 51.02  e 64.98 Cos 51.02  i Sen51.02 
 1.210 x10 28  1.37 x10 28

 3 i 
   3i  Ln   87 
   i
  3 i  Ln   87 i
e e
8 i
9) 7

Donde :
Ln    8
7 i    2   87 2  
 i tg 1  7
8

 3.343  i 3.48
Entonces :
e  3i 3.343i 3.48  e  6.81i 13.783
e 6.81 * e i 13.783  e 6.81 Cos 13.783  i Sen13.783
 3.82 x10 4  1.03 x10 3

33
1.6 EJERCICIOS. Calcule la exponencial compleja de los siguientes números
complejos.

 1 
  2 i 
 1  5 
RESPUESTAS
1)   3 i
 2 
43 i   1 
 2   1 
  2 i 

2)   3  i 
5
1)   3 i  0.0343  0.0139 i
 6   2 
3) 742  i 
6 2 i 

2i 
 3  3) 2  i 6 2 i   2.13x10 6  3.112 x10 6 i
4)   i 
5 8 
  2 3 i    2 3 i 
 3 1   3 1 
5)   i  5)   i   1.25  0.2013 i
 2 4   2 4 
 1 3 
  i
 4 1  3 4 
6)   i   1 
7 8  7)  6  9 i  4 2 i   2.79 x1017  2.021x1018i
 1 
7)  6  9 i  4 2 i 
26 i  9)    7 i 5i   1.923x10 47  3.56 x10 47 i
 1 3 
8)    i 
  3 
9)    7 i 5i 
  2 i 
 1 
10)   2
 4 

34
2. SISTEMAS DE ECUACIONES LINEALES

2.1 INTRODUCCION A LOS SISTEMAS DE ECUACIONES LINEALES

La ecuación general de una recta en 2 es de la forma:

ax  by  c

y la ecuación general de un plano en 3 es de la forma:

ax  by  cz  d
Las ecuaciones de esta forma se denominan ecuaciones lineales.

Definición: una ecuación lineal en las n variables x1 , x2 ..., xn es una ecuación

que puede escribirse en la forma:

a1x1  a2 x2  .....  an xn  b
Donde los coeficientes an y el término constante b son constantes.

Sean, por ejemplo las siguientes ecuaciones lineales:

1 15
3x  4 y  1, r  s  t  9, x1  5 x2  3  x3  2 x4
2 3
Observe que en la tercera ecuación es lineal porque puede reescribirse en la
forma x1  5x2  x3  2 x4  3 También es importante advertir que, aunque estos

son ejemplos (y que en la mayoría de las aplicaciones) los coeficientes y

términos constantes son números reales, en algunos ejemplos y aplicaciones
serán números complejos o miembros de  p para algún número primo p.

Las siguientes ecuaciones son ejemplos de ecuaciones no lineales:

x
xy  2 z  1, x1  x2  3, z2
2 3

y
  
2x  y  Sen z   1, Sen x1  3x2  2 x3  0
4 5 
De este modo, las ecuaciones lineales no contienen productos, recíprocos u
otras funciones de las variables; éstas presentan únicamente a la primer
potencia y están multiplicadas sólo por constantes.

35
2.2 INTERPRETACIÓN GEOMÉTRICA DE LAS SOLUCIONES DE
SISTEMAS LINEALES DE ECUACIONES

2.2.1. SISTEMAS DE ECUACIONES LINEALES EN R2

Los sistemas de ecuaciones lineales y sus soluciones pueden ser mapeadas

en los espacios 2 y 3 en un principio, y generalizarse para un espacio  n .

Por ejemplo, las sean los siguientes sistemas de ecuaciones lineales en 2 :

a  x  y 1 b x y2 c  x  y 1
x y 3 2x  2 y  4 x y 3

Resolviendo tales sistemas, se tiene:

(a) La suma de las dos ecuaciones da 2x=4, de manera que x=2, de lo que
se desprende que y=1. una rápida verificación confirma que 2, 1 es en
realidad una solución de ambas ecuaciones. Ésta es la única solución
que se puede ver al examinar que corresponde al (único) punto de
intersección (2, 1) de las rectas con ecuaciones x  y  1 y x  y  3,

como se muestra en la figura 2.2.a. De este modo 2, 1 es sólo una

solución única.
x

2
2 4
y
-4 -2
-2

-4

(a)

Figura 2.2.a. Representación geométrica de un sistema de ecuaciones

lineales con solución única.

36
 (b) La segunda ecuación de este sistema es exactamente dos veces la
primera, de modo que las soluciones son las mismas de esta ultima, a
saber, los puntos sobre la recta x  y  2 . Estos pueden ser

representados paramétricamente como 2  t, t . De esta manera, este

sistema tiene un número infinito de soluciones, figura 2.2.b.

2
2 4
y
-4 -2
-2

-4

(b)

Figura 2.2.b Representación geométrica de un sistema de ecuaciones lineales

con infinidad de soluciones.

(c) Dos números x y y no pueden tener simultáneamente una diferencia de 1

y 3. por consiguiente este sistema no tiene soluciones (un enfoque más
algebraico sería resaltar la segunda ecuación a la primera, con lo cual se
llegaría a la igualmente absurda conclusión de que 0=-2) como se
muestra en la figura 2.2.c., en este caso las ecuaciones de la rectas son
paralelas.
x

2 4
y
-4 -2

-2

-4

(c
(c)
)

Figura 2.2.c. Representación geométrica de un sistema de ecuaciones lineales

sin solución

37
2.2.2. SISTEMAS DE ECUACIONES LINEALES EN R3

Cuando las rectas tienen un solo punto de intersección entonces el sistema de

ecuaciones lineales tiene solución única; si coinciden, existe un número infinito
de soluciones; si son paralelas, no existe una solución, y por lo tanto el sistema
es inconsistente.
Algo similar pasa cuando se tienen tres ecuaciones con tres incógnitas, la
grafica de la ecuación ax  by  cz  d en el espacio de tres dimensiones es un
plano.
Considere el sistema de tres ecuaciones con tres incógnitas:
ax  by  cz  d
ex  fy  gz  h
jx  ky  lz  m
en donde a, b, c, d, e, f, g, h, j, k, l, y m son constantes y al menos una de ellas
en cada ecuación es diferente de cero.
En este sistema de ecuaciones, cada ecuación, representa a un plano. Cada
solución (x, y, z) al sistema de ecuaciones debe de ser al menos un mismo
punto en cada uno de los tres planos. Existen tres posibilidades:

(a) Los tres planos se intersecan en un solo punto P(x,y,z). Entonces existe una
solución única para el sistema lineal de ecuaciones.

P(x,y,z)

38
(b) Los tres planos coinciden en un número infinito de puntos, formando una
recta o inclusive coincidiendo dos o más planos. Entonces en cada punto sobre
el plano es una solución del sistema de ecuaciones lineales y por lo tanto se
tiene infinidad de soluciones para el sistema de ecuaciones lineales.

(C) Dos o más planos que representan al sistema de ecuaciones lineales no

coinciden mediante puntos o rectas (planos paralelos) de tal manera que
ningún punto plano se interfecta con los otros. Por lo tanto no existe solución
al sistema de ecuaciones lineales, y el sistema es inconsistente.

39
2.3 MÈTODOS DE SOLUCION DE SISTEMAS DE ECUACIONES LINEALES.
“ELIMINACION DE GAUSS”

Cuando se aplica la reducción de renglón a la matriz aumentada de un sistema

de ecuaciones lineales, se crea un sistema que puede ser resuelto mediante
sustitución hacia atrás. El proceso completo es conocido como “Eliminación
Gaussiana”.
1. Escriba una matriz aumentada de sistema de ecuaciones lineales.
2. Utilice operaciones elementales de renglón para reducir la matriz
aumentada a la forma escalonada del renglón.
3. Mediante la sustitución hacia atrás, resuelva el sistema equivalente que
corresponda a la matriz del renglón reducido.

2.3 EJEMPLOS. Por el método de eliminación Gaussiana resuelva los

siguientes sistemas de ecuaciones.

1) x1  x2  x3  3
2 x1  3 x 2  x3  5
x1  x 2  2 x3  5
SOLUCIÓN:
1 1 1 3   2 R1 R 2 1 1 1 3 1 1 1 3 
   R1 R 3   2 R 2 R 3    15 R 3
 2 3 1 5       0 1  1  1      0 1  1  1   
1  1  2  5 0  2  3  8 0 0  5  10

1 1 1 3
 
0 1  1  1 
0 0 1 2

El sistema correspondiente es ahora:

x1  x2  x3  3
x 2  x3  1
x3  2

La sustitución hacia atrás da como resultado: x3  2, x2  1, x1  0 de manera

que la solución puede expresarse de forma vectorial como:

40
 0 

 
x= 1
 
 2 

2) x1  2 x 2  3 x3  9
2 x1  x 2  x3  0
4 x1  x 2  x3  4

1 2  3 9  2 R1 R 2 1 2  3 9   1 R 2 1 2  3 9  1 2  3 9 
   4 R1 R 3   9 R5 2 R 3  7 18 
5 R3
 
2  1 1 0  0  5 7  18   0 1  5 5   0 1  75 18
2
5
 4  1 1 4 0  9 13  32 0 0 2 2  0 0 1 1 
     5 5  
El sistema correspondiente es ahora:
x1  2 x2  3 x3  9
x2  75 x3  18
5

x3  1

La sustitución hacia atrás da como resultado: x3  1, x2  5, x1  2 de manera

que la solución puede expresarse de forma vectorial como:

2

x  5 
1 

3) x1  3 x 2  2 x3  0
 x1  x 2  x3  0
2 x1  4 x 2  6 x3  0

 1  3  2 0 R1 R 2 1  3  2 0  1 R 2 1  3  2 0 1  3  2 0
   2 R1 R 3   82 R 2 R 3   1
 
 1 1 1 0   0  2  1 0  0 1 0 
 0 1
1 R 3 1
2
4
2
0
 2 4 6 0 0 8 8 0 0 0 4 0 0 0 1 0

El sistema correspondiente es ahora:

x1  3x 2  2 x3  0
x 2  12 x3  0
x3  0

La sustitución hacia atrás da como resultado: x3  0, x2  0, x1  0 de manera

que la solución puede expresarse de forma vectorial como:

0 

x  0 (Solución trivial)
0

41
4) x1  2 x 2  x3  8 x 4  2
3 x1  4 x 2  3x3  3 x 4  21
 2 x1  4 x 2  8 x3  x 4  6

 1 2  1 8 2  3 R1 R 2  1 2 1 8 2   12 R1  1 2  1 8 2 
  2 R1 R 3    16 R 3  
 3 4  3 3 21    0  2  21 15   0 1 0  152 
21
0 2
 2  4 8  1 6   0 0 6 15 10 0 0 1 15 10 
 6 6 

Parametriz ando : Si x4  t
x3  15
6 x4  10
6 x2  0  21
2 x 4   152 x1  2 x 2  x3  8 x 4  2
x3  106  156 t x 2   152  0  21
2 x4 x1  2 x 2  x3  8 x 4  2
x 2   152  21
2 t x1  2 152  21  10 15
2 t  6  6 t  8t  2

x1  15  21t  53  52 t  8t  2
x1  56
3  21
2 t
Nota:
Donde: “t”= 1, 2, 3……., n
Por lo tanto el sistema tiene infinidad de soluciones

5) 2 x1  3 x 2  x3  4 x 4  0
3 x1  x 2  x4  1
3 x1  4 x 2  x3  x 4  2

2 3  1 4 0 2 3RR11 R 2  1 32
1
 12 2 0  112R 2  1 32  12 2 0
    2 R 2 R 3 
17
 112 R 3
 3 1 0 1 1  3 R1 R 3
  0  112 3
2
 5 1    0 1  113 10
11
 112  
3  4 
1  1 2   7 2  0 0 5
 0  2
17 5 2 8
2  11 11 11 

 1 32  12 2 0
 
 0 1  11  112 x4  t
3 10
11
Parametrizando : Si
 0 0 1 4 52 


x3  4 x 4  5
2 x 2  113 x3  10
11 x 4   11
2
x1  32 x 2  12 x3  2 x 4  0
x3  52  4t x 2   112  113 x3  10
11 x 4 x1   32 x 2  12 x3  2 x 4
x 2   112  113  52  4t   10
11 t x1   32  12  112 t   12  52  4t   2t
x 2   112  15
22  11 t  11 t
12 10
x1   34  113 t  54  2t  2t
x 2  12  112 t x1  12  113 t

Donde: “t”= 1, 2, 3……., n

Por lo tanto el sistema tiene infinidad de soluciones

42
6) 2 x1  x2  3
4 x1  x 2  7
2 x1  5 x 2  5

2 1 3 12 R4 R1 1 R 2 1 1
2
3
2
 1 R2 1 12 32 
   2 R1 R 3   6 R 2 R 3 
3
1
4  1 7  0  3 1  0 1  3 
2  5 5 0  6  4  0 0  6 
   
El sistema correspondiente es ahora:
x1  32  16  5
3

x1  12 x 2  3
2

x 2   13

El sistema correspondiente no tiene solución, ya que: 0  6

7) 7 x1  5 x 2  8
 2 x1  x 2  3
9 x1  4 x 2  5

7 5 8 217 RR11 R 2 1 5
7
8
7
 73 R 2 1 75 8
7

  9 R1 R 3  37 
73
R 2 R 3  
 2  1 3   0 7    0 1
3 37

7
7 3
 9  4 5 0  737  377  0 0 
2442
   49
El sistema correspondiente es ahora:
x1  87  185
21   3
23

x1  75 x 2  8
7

x2  37
3

0 2442
49

El sistema correspondiente no tiene solución, ya que: 0  2442

49

8)  3 x1  6 x2  8 x3  2
4 x1  x2  9 x3  7

43
  3 8  2 43 RR11 R 2 1  2  83  1 R 2 1  2  83 
1
2 2
6
     
 
3 3

7

 4 1 0 
59
0 3
13 59 13
9 7 7 3  1 21 21

Parametriz ando : Si x3  t
x 2  59
21 x 3 
13
21 x1  2 x 2  83 x3  2
3

x2  13
21  59
21 t x1  23  x 2  83 x3
x1  23  213  8
21  21 t  3 t
59

x1  23  26
21  118
21 t  3 t
8

x1  40
21  62
21 t

Nota:
Donde: “t”= 1, 2, 3……., n
Por lo tanto el sistema tiene infinidad de soluciones

9) x1  2 x2  4 x3  4
 2 x1  4 x2  8 x3  8

1 2  4 4  2 R1 R 2 1 2  4 4
   
 2  4 8  8 0 0 0 0

El sistema correspondiente es ahora:

x1  2 x 2  4 x3  4
00
Con x2=t1 y x3=t2
Donde: “tn”= 1, 2, 3……., n
Por lo tanto el sistema tiene infinidad de soluciones

44
2.3 EJERCICIOS. Por el método de Eliminación Gaussiana, resuelva los
siguientes sistemas de ecuaciones.

1) x1  2 x 2  3 x3  11 9) x1  x2  x3  0
4 x1  x 2  x3  4 4 x1  x 2  5 x3  0
2 x1  x 2  3 x3  10 6 x1  x 2  3 x3  0

2)  2 x1  x 2  6 x3  18 10) 2 x 2  5 x3  6
5 x1  8 x3  16 x1  4 x3  4
3 x1  2 x 2  10 x3  3 2 x1  4 x 2  2

3) 3 x1  6 x 2  6 x3  9
2 x1  5 x 2  4 x3  6 RESPUESTAS:
 x1  16 x 2  14 x3  3

 1
4) 3 x1  6 x 2  6 x3  9 
1) x   2 .
2 x1  5 x 2  4 x3  6
 2
5 x1  28 x 2  26 x3  8

3) Parametriz ando a x3 , el sistema

5) x1  x 2  x3  7
tiene inifinidad de soluciones
4 x1  x 2  5 x3  4
2 x1  2 x 2  3 x3  0
  9

5) x  30 .
6) x1  x 2  x3  7
14 
4 x1  x 2  5 x3  6
6 x1  x 2  3 x3  18

7) No existe solucion para este sistema

7) x1  x 2  x3  7
4 x1  x 2  5 x3  4
6 x1  x 2  3 x3  20

9) Parametriz ando a x3 , el sistema

8) x1  2 x 2  3 x3  0
tiene inifinidad de soluciones
4 x1  x 2  4 x3  0
2 x1  x 2  3 x3  0

45
2.4 ELIMINACIÓN POR GAUSS-JORDAN
Una modificación de la Eliminación Gaussiana simplifica en gran medida la fase
de sustitución hacia atrás, y es particularmente útil cuando se hacen los
cálculos a mano en un sistema que tiene un número infinito de ecuaciones.
Esta variante conocida como la eliminación de Gauss-Jordan, depende de
reducir aún más la matriz aumentada.
Definición. Una matriz se encuentra en forma reducida del renglón
escalonado si satisface las propiedades siguientes:
1. Cualquier renglón conformado completamente por ceros se encuentra
en la parte inferior
2. La entrada principal en cada renglón distinto de cero es un 1
(denominado 1 principal)
3. Cada columna que contiene un 1 principal tiene ceros en cualquier otro
sitio.

Eliminación de Gauss-Jordan
1. Escriba una matriz aumentada del sistema de ecuaciones lineales.
2. Utilice operaciones elementales del renglón para reducir la matriz
aumentada a la forma reducida del renglón escalonado.
3. Si el sistema resultante es consistente, resuelva para las variables
principales en términos de cualquier variable libre restante.

46
2.4 EJEMPLOS. Resuelva el sistema por medio de la eliminación Gauss-
Jordán
1) 2 x1  4 x 2  6 x3  18
4 x1  5 x 2  6 x3  24
3 x1  x 2  2 x3  4

2 4 6 18  12 R4 R1 1 R 2 1 2 3 9   23 RR 22 R1 1 0  1 1   2RR3 3 R 2 1 0 0 4 

1

  3 R1 R 3   5 R 2 R 3   R 3 R1  
4 5 6 24  0  3  6  12   0 1 2 4   0 1 0  2
3 1  2 4  0  5  11  23 0 0  1  3 0 0 1 3 

 4

x   2
 3 

2) 2 x1  x 2  3 x3  5
3x1  2 x 2  2 x3  5
5 x1  3 x 2  x3  16
2 R 2
2  1  3 5  12 3RR11 R 2 1  12  32 5
2
 12 R 2 R1 1 0  8 5
  5 R1 R 3  5
1
R 2 R 3  
3  2 2 5    0  12  2   0 1  13 5
13 2
2
5  3  1 16 0  12 13 7  0 0 0 6
 2 2 

El sistema correspondiente no tiene solución, ya que: 0  6

3) x1  2 x2  3 x3  3
2 x1  3 x2  8 x3  4
3x1  2 x2  17 x3  1

1 2 3 3  2 R1 R 2 1 2 3 3   2RR2 2 R1 1 0 7  1 2 R103R3R 2 1 0 0  1

1

  3 R1 R 3   4 R 2 R 3   7 R 3 R1  
2 3 8 4  0  1 2  2  0 1  2 2    0 1 0 2 
3 2 7 1 0  4  2  8 0 0  10 0  0 0 1 0 

  1

x   2
 0 

47
4) 2 x1  3 x 2  3
x1  2 x 2  5
3 x1  2 x 2  7
 2 R2
2 3 3 12 RR11 R 2 1 32 3
2
  732 R 2 R1 1 0 3 
  3 R1 R 3   52 R 2 R 3  
1  2 5   0  72   0 1  1
7
2
3 2 7 0  52 5  0 0 0 
 2 

  3
x 
 1

5) 6 x1  7 x 2  10
 x1  4 x 2  8
3 x1  5 x 2  7
6
R2
 6  7 10 R16 R11R 2 1  76 10
6
 1776 R 2 R1 1 0 17
96

  3 R1 R 3    172 R 2 R 3  58 
 1 4 8    0   0 1 17 
17 29
6 3
 3 5 7  0 17
2  0 0  27
 2  
El sistema correspondiente no tiene solución, ya que: 0  27

6) 2 x1  3 x2  1
5 x1  7 x 2  3
2 R1
2 3 1 2 5RR11 R 2 1 32 12   32 R 2 R1 1 0 2 
1

       1 1
  
 5 7 3 0  2 2  0 1  1
  2
x 
  1

48
7) x1  5 x 2  4 x3  13x 4  3
3x1  x 2  2 x3  5 x 4  2
2 x1  2 x 2  3 x3  4 x 4  1
 1 R3
 1 5 4  13 3 3 R1 R 2  1  13 3  516RR212 R1  1 0   16164 R 3 R 2
1 7 3 13
5 4 8 4 16
       78 R 3 R1
 3 1 2 5 2 
2 R1 R 3
  0  16  10 44  7 
8 R 2 R3
 0 1 10
16
 44
16   
7
16
2 2 3  4 1  0  8  5 22  5  0 0 0 0   3
 2

El sistema correspondiente no tiene solución, ya que: 0   32

2.4 EJERCICIOS. Resuelva el sistema por medio de la eliminación Gauss-

Jordán
1) x1  x3  x 4  5  2
x1  x3  x 4  1 
 2
RESPUESTA : x   
x1  x 2  x3  x 4  3   2
 
x1  2 x3  2  5 

2) x1  8 x 2  7 x4 9
 2 x1  16 x 2  x3  20 x 4  24
2 x1  16 x 2  6 x3  50 x 4  x5  51

3) x1  8 x 2  4 x3  5 x 4 0

 7t 4  417
40 

RESPUESTA : x   
 2 x1  x 2  10 x3  16 x 4  6 3
80 
2 x1  6 x 2  20 x3  46 x 4  x5  33  3t 4  160
429 


4) 6 x1  4 x3  4 x 4  0
2 x1  x 2  x3  6 x 4  6
16 x1  2 x 2  4 x3  4 x 4  12

5) x1  x 2  x3  2 x 4  0   2
x1  x 4  1 
 1 
RESPUESTA : x   12 
x 2  x3  x 4  1  2 
 
x1  2 x 2  3  1

49
6) x1  2 x3  x4  1
x2  x3  2 x4  0
x1  x2  2 x3  x4  4
x2  x3  2

7) 3x1  x3  x 4  3  1
2 x 2  3x3  3x 4  14   2
RESPUESTA : x   
x3  x 4  6   2
 
x 4  4   4

50
2.5 APLICACIONES. CIRCUITOS ELECTRICOS (REDES)
Las redes o circuitos eléctricos son un tipo especializado de red que
proporciona información acerca de fuentes de poder o alimentación, tales como
las bombillas eléctricas o los motores. Una fuente de poder “obliga” a una
corriente de electrones a fluir a través del circuito, donde encuentra varios
resistores, casa uno de los cuales requiere que cierta cantidad de fuerza sea
aplicada a fin de que la corriente fluya a través de ellos.
La ley fundamental de la electricidad es la ley de Ohm, que establece
exactamente cuánta fuerza Electromotriz E es necesaria para conducir una
corriente I a través de un resistor con una resistencia igual a R.

FUERZA ELECTROMOTRIZ = RESISTENCIA X CORRIENTE

E = RI
La Fuerza Electromotriz (E) se mide en volts, la Resistencia (R) se mide ohms
y la Corriente (I) en amperios. Así, en términos de estas unidades, la ley de
ohm se convierte en “voltios = ohms X amps”, y nos dice que la caída de voltaje
se establece cuando una corriente pasa a través de un resistor; es decir,
cuanto voltaje se gasta.

LEYES DE KIRCHHOFF

Ley de la corriente (nodos)

 La suma de las corrientes que fluyen hacia cualquier nodo es igual a la
suma de las corrientes que fluyen hacia fuera de este nodo.
Ley del voltaje (mallas)
 La suma de las caídas de voltaje en cualquier circuito es igual al voltaje
total del circuito (proporcionado por las baterías).

51
2.5 EJEMPLOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos

1) Determine las corrientes I1 , I 2 , I 3 del circuito eléctrico que se presenta en la

siguiente figura.

D I1 V1 I1 C
8v

2Ω 2Ω

1Ω
A I2 I2 B

4Ω
I3 V2 I3
E F
16 v

En el nodo A la ley de la corriente se obtiene:

I1  I 2  I 3  0

De manera semejante se obtiene la misma ecuación para la malla CDABC,

pero aplicando la ley de voltajes se tiene que:

Malla : CDABC
8  2I1  I 2  2I1  0
8  4I1  I 2  0
4I1  I 2  8

Observando la Malla BAEFB se obtiene que:

.
Malla : BAEFB
I 2  4 I 3  16  0
I 2  4 I 3  16

52
Con estas tres ecuaciones podemos construir un sistema de ecuaciones:
3) I1  I 2  I 3  0
4I1  I 2 8
I 2  4 3  16

1  1 1 0  1  1 1 0  R5 R22 R1 1 0 15  54 R 3 R 2 1 0 0 1
1 8
5
   4 R1 R 2      15 R 3 R1  
4 1 0 8    0 5  4 8   R 2 R3
0 1  54 8
5    0 1 0 4
0 1 4 16 0 1 2 16 0 0 245 72  0 0 1 3
 5 
 1

Es decir: I   4
 3 

Por lo tanto el valor de las corrientes es: I1  1A; I 2  4 A; I 3  3 A

53
2) I1
A F

E=8V
1Ω

1Ω
I2 E
B

4Ω
I3 D
C
E=13V

Nodo B :
I1  I 2  I 3  0

Malla BEDCB :
 I 2  13  4 I 3  0
 I 2  4 I 3  13
I 2  4 I 3  13

Malla ABEFA :
 I 2  I1  8  0
I1  I 2  8

nodo B : I1  I 2  I 3  0
malla BEDCB : I 2  4 I 3  13
malla ABEFA : I 1  I 2 8

1  1 1 0  1  1 1 0  R 2 R1 1 0 5 13  419 RR 33 R 2 1 0 0 3

   R1 R 3      
0 1 4 13   0 1 4 13 2 R 2 R3
0 1 4 13  5 R 3 R1
0 1 0 5
1 1 0 8  0 2  1 8  0 0  9  18 0 0 1 2

3 

I  5 
2

Por lo tanto el valor de las corrientes es: I1  3 A; I 2  5 A; I 3  2 A

54
3) B I1 E=5V C

1Ω

2Ω
A I2 D

4Ω
I3 D

F E
8V
v
Malla DCBAD :
 I1  5  2I 2  0
 I 1  2 I 2  5
I1  2I 2  5

Malla AFEDA :
4I 3  8  2I 2  0
2I 2  4I 3  8

Nodo A :
I1  I 2  I 3  0

malla DCBAD :  I 1  2 I 2  5
malla AFEDA : 2I 2  4I 3  8
nodo A : I 1  I 2  I 3  0

1 2 0 5 1 2 0 5  2 R2 R2 2 R1 1 0  4  3 7 R2 R3 3 R 2 1 0 0 1
1 1

   R1 R 3   R 2 R 3   R 3 R1  
 0 2 4 8   0 2 4 8  3  0 1 2 4 4 0 1 0 2
 1  1 1 0 0  3 1  5 0 0 7 7 0 0 1 1

1 

I  2
1 

Por lo tanto el valor de las corrientes es: I1  1A; I 2  2 A; I 3  1A

55
 I1 12 V
A F
4)

3Ω
2Ω

4Ω
I2
B E

6Ω
8Ω
D
I3
C D
1Ω

Malla BEFAB :
 4 I 2  2 I 1  12  3I 1  0
 5 I 1  4 I 2  12  5
 5 I 1  4 I 2  12
5 I 1  4 I 2  12

Malla BEDCB :
4 I 2  6 I 3  I 3  8I 3  0
4 I 2  15I 3  0

Nodo B :
I1  I 2  I 3  0

malla BEFAB : 5I 1  4 I 2  12
malla BEDCB : 4 I 1  15I 3  0
nodo B : I 1  I 2  I 3  0

1
R2
5 4 0 12 1 R1 1 54 0 125  4 54 R 2 R1 1 0  3 125  3115RR3 3 R 2 1 0 0 155 
4
228

   R1 R 3 
5
 5 R 2 R 3 
9
 3 R 3 R1
4
 36 
0 4 15 0    0 4 15 0    0 1 4 0   0 1 0 31 
15

1  1 1 0  0  95 1  125  0 0 314  125  0 0 1  155

48 
     

 155
228


 36 
I   31 
 155
48 


I1  155
228
A; I 2  36
31 A; I 3   155
48
A

56
 B I1 C
5 E=13V

2Ω 4Ω

8Ω
A I2 D

1Ω
7Ω
I3 D
F 0.5 Ω E

malla DCBAD : 6 I 1  8I 2  13
malla AFEDA :  8I 2  8.5I 3  0
nodo A : I1  I 2  I3  0

Malla DCBAD :
 4 I 1  2 I 1  13  8I 1  0
 6 I 1  8I 2  13  0
 6 I 1  8I 2  13
6 I 1  8 I 2  13

Malla AFEDA :
7 I 3  12 I 3  I 3  8I 3  0
8I 2  172 I 3  0

Nodo A :
I1  I 2  I 3  0

1 R2 48
R3
6 8 0 13 1 R1 1 8
6 0   886 R 2 R1 1 0
13
6  17
12
13
6
 1671716 R  R 2 1 0 0 334
429

  6 R1 R 3   73 R 2 R 3   1712 R 3 R1  221 
2 0    0 0    0 1 0   0 1 0 334 
17 17 17
0 8 8 2 16
1 1 1 0  0  73 13 
1 6 0 0 167 13 
6 0 0 1  167
104 
  48  

 334
429


 221
I   334 
 167
104 


Por lo tanto el valor de las corrientes es:

I1  1.284 A; I 2  0.661A; I 3  0.6227 A

Nota: el signo negativo de la corriente I 3 es porque es tomado en sentido contrario la

polarizacion.

57
2.5 EJERCICIOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos

1) I1 C I1
10 v

28 5Ω
Ω
1Ω
A
I2 I2 B Re spuesta : I1  0.17 Am. I 2  4.11Am. I 3  3.94 Am.

2Ω
I3 D I3
12 v

2)
I1 C I1
12 v

3Ω
0.5Ω Re spuesta : I1  2.33 Am. I 2  1.91Am. I 3  0.41Am.
I2 2Ω I2
A B

8Ω D
I3 I3
12 v

3)
B I1 C
E=12V

1Ω 9Ω

Re spuesta : I1  0.84 Am. I 2  0.44 Am. I 3  0.39 Am.

8Ω
A I2 D

3Ω
4Ω
D
I3

F 2Ω E

Nota: El signo negativo de la corriente I 3 es porque es tomado en sentido contrario la

polarizacion.

58
3. MATRICES Y DETERMINANTES
3.1 INTRODUCCIÓN.
Ahora se estudiará la matriz por su propio valor. Anteriormente se han utilizado
matrices (en la forma de matrices aumentadas) para registrar información y
para ayudar a racionalizar los cálculos con ellas, por ejemplo en la solución de
sistemas de ecuaciones lineales.

Ahora se verá que las matrices tienen propiedades algebraicas propias, que
permiten hacer cálculos con ellas, sujetas a las reglas algebraicas de matrices.
Además, se observará que las matrices no son objetos estáticos, que recopilan
información y datos; en lugar de ello, representan varios tipos de funciones que
“actúan” como vectores, transformándolos en otros vectores. Estas
transformaciones matriciales comenzaran a jugar un papel preponderante en el
estudio de algebra lineal y emitirán una nueva luz sobre lo que ya se ha
aprendido acerca de los vectores y sistemas de ecuaciones lineales. Además
de que las matrices se presentan en muchas otras formas aparte de las
versiones aumentadas.

Definición. Una matriz es el arreglo rectangular de números determinados a las

entradas o elementos de una matriz

3.2 OPERACIONES CON MATRICES

3.2.1 Suma de matrices.

Generalizando a partir de la adición de vectores, se define la adición de
matrices por componentes. Si A  aij  y B  bij  son matrices de m x n, su

suma A  B es la matriz de m x n, obtenida mediante la suma de las entradas

correspondientes, de esta manera,
A  B  aij  bij 

De igual manera, se podría haber definido A  B en términos de la adición de

vectores especificando que cada columna (o renglón) de A  B fuera de la
suma de las columnas (o renglones) correspondientes de A  B . Si no son del
mismo tamaño, entonces A  B no está definida.
59
3.2.2. MULTIPLICACIÓN DE MATRICES
A diferencia de las definiciones de adición de matrices y la multiplicación por un
escalar, la conceptualización del producto de dos matrices no es una definición
por componentes. Naturalmente, no hay nada que nos detenga para definir un
producto de matrices en forma de componentes; desafortunadamente tal
definición tiene pocas aplicaciones y no es tan natural como la que ahora se
muestra:

Definición. Si A es una matriz de dimensiones m x n y B una matriz de

dimensiones n x r , entonces el producto C=AB es una matriz de m x n . La
entrada del producto se calcula como sigue:
cij  ai1b1 j  ai 2 b2 j  .....  ain bnj

Observaciones: nótese que A y B no necesitan ser del mismo tamaño. Sin

embargo el número de columnas de la matriz A debe de ser el mismo que el
número de renglones de la matriz B. Si se escriben los tamaños de A, B y AB
en orden, se puede apreciar de un vistazo si este requerimiento es satisfecho.

Además se puede predecir el tamaño del producto antes de hacer cualquier

cálculo, puesto que el número de renglones de AB es el mismo que el de los
renglones de A, mientras que el número de de las columnas de AB es el mismo
que el de las columnas de B como se muestra a continuación:
A B  AB
mxn nxr mxr
La fórmula para las entradas del producto se asemejan a un producto punto y
en realidad lo es. Se dice que la entrada (i y j de la matriz AB es el producto
punto de el i-enésimo renglón de A y de la j-enésima columna de B.

a11 a12  a1n 

  b11  b1 j  b1r 
    
ai1 ai 2  ain  b21  b2 j  b2 r 
      
     
a m1 a m 2  a mn  bn1  bnj  bnr 

60
Nótese que en la expresión cij  ai1b1 j  ai 2 b2 j    ain bnj los subíndices

exteriores en cada término ab de la suma son siempre i y j mientras que en los

subíndices interiores siempre concuerdan y se incrementan desde 1 hasta n.
Se observa este patrón claramente si se escribe mediante el empleo de la
notación de sumatoria, tal como se muestra a continuación
n
cij   aik bkj
k 1

La transpuesta de una matriz A de m x n, es la matriz de AT de m x n, que se

obtiene cuando se intercambian los renglones y columnas de A. Es decir la i-
enésima columna de AT es el i-enésimo renglón de A para toda i.

61
3.2 EJEMPLOS. Realice las operaciones entre las matrices indicadas de los
siguientes ejercicios. (Si es posible)

1 2
 3 0 4  2 1 
A , B C  3 4
2 3
,
  1 5 0 5 6
 0  3   1
D E  4 2, F 
1 
,
 2  2

1) A  2D

2) 3D  2 A

3) BC

4) B  CT

5) AB

6) BD

7) D  BC

8) B BT

9) E  AF 

10 ) F DF 

62
  3 0  0  3  3 0  0  6  3  6
1 ) A  2D     2   
  1 5  2 1    1 5   4 2   5 7 

 0  3  3 0  0  9   6 0   6  9
2 ) 3 D  2 A  3   2      
 2 1  1 5  6 3   2  10  8 13 

1 2
4  2 1  
3) B  C     3 4 " No es posible realizar la operación"
0 2 3
5 6

4  2 1  1 3 5   3  5  4 
4 ) B  CT    
0 2 3 2 4 6  2  2  3

 3 0 4  2 1   34   0 0  3 2  02 31  03

5 ) AB    
  1 5  0 2 3  14   50   1 2  52  11  53 

 12  6 3
AB  
 4 12 14

4  2 1   0  3
6 ) BD  
2 3   2 1 
" No es posible realizar la operación"
0

1 2
 0  3 4  2 1     . 0  3   3 6    3 3 
7 ) D  BC        2 1  21 26 19 27 
3 4
 2 1  0 2 3  
5 6
Donde :
1 2
4  2 1   4 1   2 3  15 42   24  16
BC    3 4  
0 2 3  01  23  35 02  24  36 
5 6 

 465 886   3 6 
BC    
0  6  15 0  8  18 21 26

63
  4 0

8 ) BB T  
4  2 1   2 2  4 4    2  2   11 40   22  13

2 3    0 4   2  2   31 00  22  33 
0  1 3 

16  4  1 0  4  3  21  1
BB T    
 0  4  3 0  4  9  1 13 

  3 0   1   3
9 ) E  AF   4 2        4 2    4  3  2 11   12  22  10
   1 5  2   11 
Donde :
 3 0   1  3 1  0 2    3  0  3
AF       
 1 5  2  1 1  52   1  10   11 

  1   0  3  1    1  6
10 ) F DF                " No es posible realizar la operación"
 2    2 1   2    2  4 
Donde :
 0  3  1 0  1   32  0  6   6
DF         
 2 1   2    2  1  12  2  2  4 

64
3.2 EJERCICIOS. Realice las operaciones entre las matrices indicadas de los
siguientes ejercicios. (Si es posible)

1 2
 3 0 4  2 1 
A , B C  3 4
2 3
,
  1 5 0 5 6
 0  3   1
D E  4 2, F  
1 
,
 2  2

1) B  C ; Re spuesta : No es posible realizar la operación

2) AB

3 3
3) D  BC ; Re spuesta :  
19 27 

4) E  AF 

  4  2
Re spuesta : 
4 
5) FE ;
8

6) B T C T  CB 
T

 27 0 
7) A 3 ; Re spuesta :  
 49 125

8) E T  F

 2  10
9) A T D Re spuesta :  
 10 5 

10) 2 D  8C T

65
3.3 CLASIFICACIÓN DE MATRICES
a) Triangular Superior
Una matriz cuadrada se denomina triangular superior si todas las entradas
por debajo de la diagonal principal son cero. De este modo la forma de una
matriz triangular superior es:
* *  * *
0 *  * * 

0 0   
 
  * *
0 0  0 *

Donde las entradas marcadas con un * son arbitrarias. Una definición más
 
formal de una matriz A  aij de esta clase, es que aij  0 si i  j .

b) Triangular Inferior.
Una matriz cuadrada se denomina triangular inferior si todas las entradas
por arriba de la diagonal principal son cero. De este modo la forma de una
matriz triangular inferior es:
* 0  0 0
* *  0 0 

* *    
 
  * 0
* *  * * 

Donde las entradas marcadas con un * son arbitrarias. Una definición más
 
formal de una matriz A  aij de esta clase, es que aij  0 si i  j

c) Diagonal.
Una matriz cuadrada A  aij  se llama diagonal si todos sus elementos

fuera de la diagonal principal son cero. Esto es aij  0 si i  j. De este modo

una matriz diagonal es:

a11 0  00 
0 a  0 0 
 22

0 0    
 
   a33 0 
0  0 a 44 
 0

66
d) Escalar.
Una matriz diagonal en la cual todas sus entradas diagonales son las
mismas se les conoce como matriz escalar. Si el escalar de la diagonal es
1, la matriz escalar se le llama matriz identidad, por ejemplo sean:
3 0 0  1 0 0
 2 5 0  3 1
A  , B  , C  0 6 0, D  0 1 0
 
 1 4 1  4 5 0 0 2 0 0 1

Las entradas diagonales de A son 2 y 4, pero A no es cuadrada: B es una

matriz cuadrada de 2x2 con entradas diagonales 3 y 5; C es una matriz
diagonal: D es una matriz identidad de 3x3. La matriz identidad de nxn se
denota mediante el símbolo I n (o simplemente I si sus dimensiones son

obvias).
e) Nilpotente.
Una matriz cuadrada A se denomina nilpotente (de potencia nula) si A  0
para algún m  1. La palabra nilpotente proviene del latín nihil que significa
“nada” y potere, que quiere decir “poder”. Una matriz nilpotente es,
entonces una que se convierte en nada (es decir la matriz cero) cuando se
eleva alguna potencia.

f) Idempotente
Una matriz cuadrada A se denomina idempotente si A2  A (la palabra
idempotente proviene del latín Idem, que significa “lo mismo” y potere que
quiere decir “tener poder”, “tener potencia”. De esta manera algo que es
idempotente tiene la “misma potencia” cuando se eleva al cuadrado.

g) Potencia
Cuando A y B son dos matrices de n x n su producto AB también será una
matriz de n x n . Un caso especial se presenta cuando A= B. tiene sentido

definir A2  AA y en general, definir A k como

Ak  AA A
Si k es un entero positivo. De esta forma y A es conveniente para definir.

67
Antes de hacer demasiadas suposiciones deberíamos preguntarnos hasta
que punto las potencias de matrices se comportan como potencias de
números reales.
Las propiedades que se presentan a continuación se siguen
inmediatamente de las definiciones que se acaban de dar y son los
análogos matriciales de las correspondientes propiedades de las potencias
de los números reales
Si A es una matriz cuadrada y r y s son enteros no negativos, entonces

1. A r A s  A r  s
2. A 
r s
 A rs
h) Transpuesta
Hasta ahora todas las operaciones con matrices que se han definido son
análogas a las correspondientes con números reales, aunque pueden no
comportarse siempre de la misma manera. La operación siguiente no tiene
un análogo así.
La transpuesta de una matriz A de m x n, es la matriz de AT de m x n, que
se obtiene cuando se intercambian los renglones y columnas de A. Es decir
la i-enésima columna de AT es el i-enésimo renglón de A para toda i.
En ocasiones, la transpuesta es empleada para proporcionar una definición
alternativa del producto punto de dos vectores en términos de la
multiplicación de matrices.
Una definición alternativa útil de la transpuesta se proporciona en términos
de sus componentes:
A ij
T
 A ji para toda i y j

i) Simétrica
La transpuesta también se utiliza para definir un tipo muy importante de
matriz cuadrada: una matriz simétrica. Una matriz cuadrada es simétrica
si es igual a su propia transpuesta, sea:
1 3 2 
 1 2
A  3 5 0 y B 
2 0 4   1 3

68
 Entonces A es simétrica, puesto que AT  A pero B no es simétrica,
1  1
puesto que B T   B
2 3
Una matriz simétrica tiene la propiedad de que es su propia imagen
(como un espejo) con respecto a su diagonal principal.
Una matriz simétrica cuadrada A es simétrica si y solo si Aij  Aij para

toda i y j.

j) Antisimétrica
Una matriz cuadrada se llama antisimétrica si AT   A (es decir aij  a ji ).

Lo que quiere decir que la transpuesta de una matriz es igual a la negativa

de la matriz original.

k) Hermitiana
La matriz A se llama Hermitiana si A*  A donde A* es la matriz transpuesta
conjugada de A, denotada como A* , y que esta definida por el elemento
ij de A*  a ji

l) Ortogonal
Una matriz Q de n x n cuyas columnas forman un conjunto orto-normal se
denomina matriz ortogonal.
El hecho más importante acerca de las matrices ortogonales es señalado
por el siguiente teorema:
Una matriz cuadrada Q es ortogonal su y solo si Q 1  Q T .

69
3.4 MATRIZ INVERSA
En esta parte se regresará a la descripción de la matriz A x=b de un sistema de
ecuaciones lineales y se investigará maneras para utilizar el algebra de
matrices para resolver el sistema. A modo de analogía considere la ecuación
ax  b donde a, b, y x representan números reales y queremos resolverla para
x . Rápidamente se puede comprender que se quiere x  b / a como la solución
Pero se debe recordar que ello es cierto si y solo si a  0 , se alcanzará la
solución mediante la siguiente serie de pasos:
ax  b  1
a
ax  1a b   1a ax  ba  1 x  ba  x  ba
Para imitar este procedimiento para la ecuación matricial A x=b ¿Qué es lo que
se necesita? Se necesita hallar una matriz A´ tal que A´ A =I, una matriz
identidad. Si una matriz así existe entonces se puede efectuar la siguiente
secuencia de cálculos:
A x=b  A´ ( A x)= A´ b  ( A´ A )x= A´ b  Ix= A´ b  x= A´ b
Definición: Si A es una matriz de n x n, una inversa de A es una matriz A´ de
n x n con la propiedad de que
A A´ =I y A´ A =I
Donde I  I n es la matriz identidad de n x n. si tal A´ existe, entonces A se
dice que es invertible.
Teorema 1:
Si A es una matriz invertible, entonces su inversa es única.

Teorema 2:
Si A es una matriz de n x n, entonces el sistema de ecuaciones lineales dado
por A x=b tiene solución única x= A 1 b para cualquier b en  .

Teorema 3:
a b 
Si A , entonces A es invertible si ad  bc  0, cuyo caso
c d 
1  d  b
A 1 
ad  bc  c a 
Si ad  bc  0, entonces A no es invertible.

70
Teorema 4:
Si A es una matiriz invertible , entonces A 1 es invertible y :

A 
1 1
A
Si A es una matiriz invertible , y c es un escalar diferente de cero, entonces
 AB es invertible y :
cA  
1 1
c A 1

Si A y B son matrices invertible s del mismo tamaño, entonces AB es

 invertible y :
 AB 1  B 1 A 1
Si A es una matiriz invertible , entonces AT es invertible y :

A 
T 1
 
 A 1
T

Si A es una matiriz invertible , entonces A n es invertible para todos

 los enteros negativos n y :
A 
n 1
 
 A 1
n

Teorema 5:
Sea E la matriz elemental que se obtiene cuando se efectúa una operación
elemental por renglón sobre I n . Si la misma operación elemental por renglón
se realiza sobre una matriz de A de n x r, el resultado es el mismo que el de la
matriz EA .

Teorema 6:
Cada matriz elemental es invertible y su inversa es una matriz elemental del
mismo tipo.

Teorema 7:
Sea una matriz de n x n. las declaraciones siguientes son equivalentes:
 A es invertible
 A x=b tiene una solución única para toda b en  n
 A x=0 tiene únicamente una solución trivial.
 La forma reducida escalonada por renglón de A es I n

 A es un producto de matrices elementales.

71
Teorema 8:
Sea A una matriz cuadrada. Si B es una matriz cuadrada tal que
AB  I o BA  I , entonces A es invertible y B  A 1 .

Teorema 9:
Sea A una matriz cuadrada. Si una sucesión de operaciones elementales por
renglón reduce a A a I , entonces la misma sucesión de operaciones
elementales por renglón transforma a I en A 1

72
3.4 EJEMPLOS. Calcular la matriz inversa de los siguientes ejercicios (si es
posible)
4 7 
1) 1 2 
 
4 7 1 0 4 RR11 R 2 1 0  74 R 2 R1 1 0 2  7 
1 4 R1
7 1

         
4 4
 
1 2 0 1  0
1
4
 1
4 1 0 1  1 4
Comprobando :
4 7   2  7  1 0
1 2    1 
  4  0 1

 4  2
2) 2 0 

4  2 1 0 4 R2 R1 1 R 2 1  12 14 0 12 R 2 R1 1 0 0 12 
1

           
2 0 0 1 0 1  12 1 0 1  2 1 
1

Comprobando :
 4  2  0  1 0
1

 2
2
 0   12 1 0 1

3 4
3) 6 8 
 
3 4 1 0 3 R6 1R1 R 2 1 43 13 0
1

      
6 8 0 1  0 0  2 1 
Nota :
Como en el segundo renglon aparece un cero, quiere decir que esta matriz
no tiene matriz invertible.

3 2
4) 1 2
 
3
R1
3 2 1 0 3 RR11 R 2 1 0 4 23 R 2 R1 1 0 12  12 
1
2 1

         
3 3
 3
1 2 0 1 0
4
3  1
3 1 0 1  4
1
4
e)
Comprobando :
3 2  12  12  1 0
1 2   1 3
 
  4 4 0 1 

73
 7 5 
5) 4 4
 
7
R2
7 5 1 0 7 R4 R1 1 R 2 1 0 875 R 2 R1 1 0 12  85 
1
5 1

         
7 7
 7
4 4 0 1 0
8
7
 4
7 1 0 1  8
4
8 
Comprobando :
7 5  12  85  1 0
 4 4   4 7
 
  8 8 0 1 

2 3 0
6) 1 2  1

2 0  1
 R2
0 1 0 0 12 RR11 R 2 1 0 12 0 0  73 R 2 R1
2
2 3 3
2
    2

1 2  1 0 1 0 2 R1 R 3
  0  7
2
R 2 R 3
 1  12 1 0 3  
2 0  1 0 0 1 0 3  1  1 0 1

7 R 3
1 0  146 72 6
14 0  72 R 3 R 2 1 0 0 2 3  3
  164 R 3 R1  
0 1
2
7
2
14  2
7 0   0 1 0  1  2 2
0 0  17  74  6
1 0 0 1 4 6  7 
 7

Comprobando :
2 3 0  2 3  3 1 0 0
1 2  1  1  2 2   0 1 0
 
2 0  1  4 6  7  0 0 1

74
 1 3 2
7) 3 2 1 

3 3 3 
1 3 2 1 0 0 3 R1 R 2 1 3 2 1 0 0 317 RR22 R1
   
3 2 1 0 1 0 
3 R1 R 3
  0  7 R 2 R 3
 5  3 1 0 6  
3 3 3 0 0 1 0  6  3  3 0 1
7
R3
1 0  17  72 3
7 0  975 R 3 R 2 1 0 0  13 1
3
1
9

  1
R 3 R1  
0 1
5
7
3
7  17 0 7
 0 1 0 23 1
3  95 
0 0 7  7
9 3
 76 1 0 0 1  33  23 7
  9

Comprobando :
1 3 2  13 1
3
1
9 1 0 0
3
 2 1   23 1
3    0
5
9 1 0 
3 3 3   33  23 7
9
0 0 1 

1 1  1
8) 1 2  1
3 4  3 
1 1  1 1 0 0  R1 R 2 1 1  1 1 0 0  R 2 R1
  3 R1 R 3  
1 2  1 0 1 0    0 1 0  1 1 0  R 2 R 3

3 4  3 0 0 1 0 1 0  3 0 1
1 0  1 2  1 0
 
0 1 0  1 1 0 No existe inversa para esta matriz.
0 0 0  2  1 1

75
  1 0 1 
9)  1 2
3
4 
3 
 0  1 1 
 1 0 1 1 0 0  R1 1  1 1 0 0 3 R 2
0
   R1 R 2   2 2 R3
1
2
3
4
3
0 1 0    0  13 1 1 0 R
2
3

 0  1 1 0 0 1 0  1 1 0 0 1
1 0  1  1 0 0 21 RR33  R 2 1 0 0 2 3 2
  R2 3  R1  
0 1  2 2     1
1 3 3
2
0 1 0 3 3 1
0 0 1 3 3
1 0 0 1 3 3 2
 2 2 2

Comprobando :
 1 0 1  2 3 2 1 0 0
1 2 4  3 3 1   0 1 0 
 3 3   
 0  1 1  3 3 2 0
  0 1 

 2 0  1 
10)  0  1  2
 
 0 0  2
 2 0  1 1 0 0 1 0 1
 12 0 0
 2 R1  
2
 1

 0 1  2 0 1 0   0  1  2 0 1 0  

R2

 0 0 20 0 1  0 0  2 0 0 1 

 1 R3
1 0 12  12 0 0  22 R 3  R 2 1 0 0  12 0 1

   12 R 3  R1  
4

0 1 2 0 1 0    0 1 0 0 1 1 
0 0  2 0 0 1  0 0 1 0 0  12 
 
Comprobando :
 2 0  1   12 0 1
4
 1 0 0
 0  1  2  0 
 1 1   0 1 0 
 
 0 0  2  0 0  12  0 0 1 

76
3.4 EJERCICIOS. Calcular la matriz inversa. (si es posible)

 1 2 1  14 
1)   2  4 ; Re spuesta :  12 1
  4 8

  13 1
3
2)  2  1
 3 3

 4 4  34 
1
2
3) 8 6 ; Re spuesta :  
   1  
1
2

 2 3
4) 1 2 
 

 15  43   45
71
120
71 
2 Re spuesta :  60 
 12 
5) ;
 71
18
3 71 

 1 6 2
6)  2 3 5 

 7 12  4

1 2 3   0 1  1
7) 1 1 2  ; 
Re spuesta :  2  2 1
 
0 1 2   1 1 1

 2  1 4
8)  1 0 5

 19  7 3

3 1 0  83 1
8  14 
9) 1  1 2;
  Re spuesta :   18  3
8
3
4
1 1 1   14 1
4
1
2

 2  4 5
10) 6 7 8

7  14 0

77
3.5 DETERMINANTE DE UNA MATRIZ.
Dada una matriz cuadrada de orden n:

A=

Se llama Determinante de A y se representa por |A| ó también det (A), al

número que se obtiene de la siguiente forma:

Son las distintas permutaciones de n elemento (es decir, n! elementos)

Por tanto, el determinante de una matriz de orden n estará formado por la

suma de n! Sumandos, cada uno de ellos formado por n factores, entre los
que figura un solo elemento de cada fila y un solo elemento de cada
columna de la matriz.

Es conveniente combinar un menor con un signo de + o de -. Para este fin,

definimos el cofactor (i, j) se A como:

Cij   1
i j
det Aij

Con esta notación la definición se convierte en:

n
det Aij   a1 j C1 j
j 1

La definición anterior se conoce a menudo como el desarrollo por cofactores a

lo largo del primer renglón. Es un hecho sorprendente que se tenga
exactamente el mismo resultado a desarrollar a o largo de cualquier renglón (o
incluso se cualquier columna).

78
Se resume este hecho como un teorema pero se pospone la demostración
hasta el final de esta sección (puesto que es algo larga e interrumpiría la
exposición si se presenta en este momento).

Teorema de expansión de Laplace

 
El determinante de una matriz de n x n, A  aij , donde n  2 puede ser

calculado como:
n
det A  ai1Ci1  ai 2 Ci 2    ain Cin   aij Cij
j 1

(La cual es la expansión por cofactores a la largo del i-esimo renglón) y

también como:
n
det A  a1 j C1 j  a 2 j C 2 j    a nj C nj   aij Cij
i 1

(La cual es la expansión por cofactores a la largo del j-ésima columna)

Debido a que Cij   1

i j
det Aij , cada cofactor es el menor correspondiente

con signos: + o -, con el signo correcto dado por el término 1

i j
una manera
rápida para determinar si el signo es + o – es recordar que los signos
conforman un patrón “tablero de Ajedrez”:

    
    

    
 
    
     

79
 3.6 PROPIEDADES DE LOS DETERMINANTES.

La manera más eficiente de calcular determinantes es mediante el empleo

de la reducción por renglones. Sin embargo, no todas las operaciones
elementales por renglones dejan el determinante de una matriz sin cambios.
El teorema siguiente resume las propiedades principales que necesita
entender a fin de utilizar de manera eficiente la reducción por renglones.

 
SeaA  aij una matriz cuadrada.

 Si A tiene un renglón (columna) cero, entonces det A  0

 Si B se obtiene al intercambiar dos renglones (columnas) de A, entonces

det B  0 =  det A  0

 Si A tiene dos renglones (columnas) idénticos, entonces. det A  0

 Si B se obtiene al multiplicar un renglón (columna) de A por k, entonces
det B  0 = k det A  0

 Si A, B y C son idénticas excepto que i-ésimo renglón (columna) de C

sea la suma de los i-ésimos renglones (columnas) de A y B, entonces
det C  0 = det A  det B

 Si B se obtiene al sumar un múltiplo de un renglón () de A a otro renglón

(columna), entonces det B  det A  0 columna

a11 a12
SeaA  Una matriz de 2 x 2 se define el determinante de A por:
a 21 a 22

det A  a11a22  a12a21

Con frecuencia se denotará det A por:

a11 a12
A ó
a 21 a 22

El Determinante de una matriz n x n se definirá de manera inductiva. En otra

palabras se usaran lo que se sabe de un determinante de 2 x 2, para definir un
determinante de 3 x 3, esto a su vez se usará para definir un determinante de
4 x 4, etc.

80
Se comienza por definir un determinante de 3 x 3:
 a11 a12 a13 
 
Sea A   a 21 a 22 a 23 . Entonces :
a a33 
 31 a32
a 22 a 23 a a 23 a a 22
det A  A  a11  a12 21  a13 21
a32 a33 a31 a33 a31 a32
observe el signo menos antes del segundo termíno del lado derecho.

81
3.6 EJEMPLOS. Calcular los siguientes determinantes.

3 6
1)  (3)(7)  (4)(6)
4 7
 3

0 1
2)  (0)(100)  (1)(1)
 1 100
 1

7 4
3)  7)(10   4 1
1 10
 66

  
1 0 3
1 4 0 4 0 1
4) 0 1 4 1 0 3
1 0 2 0 2 1
2 1 0
 110   14   00 0   4 2   30 1  2 1
 1 4   0 8  3 2 
 4  6  10

  
1 1 0
1 4 2 4 2 1
5) 2 1 4  1 1 0
5 6 1 6 1 5
1 5 6
 116   54   12 6   14   02 5  11
 16  20   112  4   010  1
 1 14   18  0 9 
 14  8  6
  
3 1 4
3 5 6 5 6 3
6) 6 3 5 3 1 4
1 6 2 6 2 1
2 1 6
 336    15  16 6   2 5  46  1  2 3
 318  5  136  10   4 6  6 
 69  26  48  47

82
    
1 0 0 0            
2 0 0 5 0 0 5 2 0 5 2 0
5 2 0 0
7) 1 0 3 0  07 4 0  07 0 0  07 0 3
7 0 3 0
1 4 0 9 3 0 9 1 0 9 1 4
9 1 4 0
donde :
  
2 0 0
 3 0 0 0 0 3
1 0 3 0  12 0 0 
4 0 1 0 1 4 
1 4 0 

 1230   4 0   00 0    10   00 4    13

 120   00   03
 10   0
  
5 0 0
 4 0 7 0 7 4
0 7 4 0  0 5  .0 0 
9 3 0  3 0 9 0 9 3

 054 0   30   07 0   9 0   07 3  9 4 
 050   00   015
 00   0
  
5 2 0
 0 0 7 0 7 0 
07 0 0  0 5 2 0 
 1 0 9 0 9 1
9 1 0

 050 0    10   27 0   9 0   07  1  9 0 
 050   00   0 7 
 00   0
  
5 2 0
 0 3 7 3 7 0 
07 0 3  0 5 2 0 
 1 4 9 4 9 1
9 1 4

 050 4    13  27 4   9 3  07  1  9 0 
 053  21  0 7 
 013  0
Por lo tan to :
   
1 0 0 0
5 2 0 0
 0000  0
7 0 3 0
9 1 4 0

83
    
2 0 3 1            
1 4 2 0 4 2 0 1 2 0 1 4
0 1 4 2
8)  2 0 1 5  0 0 1 5  3 0 0 5  10 0 1
0 0 1 5
2 3 0 1 3 0 1 2 0 1 2 3
1 2 3 0
donde :
  
1 4 2
 1 5 0 5 0 1
2 0 1 5  2 1 4 2 
 3 0 2 0 2 3
2 3 0

 2110   35  40 0   2 5  20 3  2 1

 2 15  40  4 
 221  42
  
0 4 2
 1 5 0 5 0 1
 0 0 1 5  0 0 4 2 
1 3 0  3 0 1 0 1 3

 0010   35  40 0   15  20 3  11

 00  20  2 
 018  0
  
0 1 2
 0 5 0 5 0 0
3 0 0 5  3 0 1 2 
1 2 0  2 0 1 0 1 2

 30 0 0   2 5  10 0   15  20 2   10 
 3 5
 15
  
0 1 4
 0 1 0 1 0 0
 1 0 0 1  10 1 4 
 2 3 1 3 1 2
1 2 3

 100 3  2 3  10 3  11  40 2   10 
 1 1
 1
Por lo tan to :
   
2 0 3 1
0 1 4 2
 42  0  15  1  56
0 0 1 5
1 2 3 0
84
3.6 EJERCICIOS. Calcular los siguientes determinantes
9 6
1) A ; Re spuesta : A  3
4 3
5 8
2) A
1  4
6 2
3) A ; Re spuesta : A  38
4 5
1 5
4) A 2
3
7
6
4 5

1 0 2
5) A0 5 0 Re spuesta : A  10
3 0 4
11 1 0
6) A  2 7 0
3 0 2
3 5 1
7) A  1 0 2 Re spuesta : A  15
0 3 0
1 2 0
8) A3 4 0
0 0 5
1 0 0 0
0 0 0 1
9) A Re spuesta : A  1
0 1 0 0
0 0 1 0
2 0 0 7
1 2 1 4
10) A 
3 0 1 5
4 2 3 0

85
3.7 MATRIZ ADJUNTA

Sea una matriz de 2 x 2:

a a 
Sea A   11 12 
 a21 a22 

Entonces su matriz adjunta se define como:

A A21   a 22  a12 
Adj A   11  
 A12 A22    a 21 a11 

Al calcular la adjunta de una matriz, no olvide transponer la matriz de

cofactores.

Consideremos una matriz n-cuadrada A = (ai j) sobre un cuerpo K. El adjunto de

A, denotado por Adj. A, es la transpuesta de la matriz de cofactores de A:

Por ejemplo:

Los cofactores de los nueve elementos de A son:

86
La transpuesta de la matriz de los cofactores anteriores proporciona la adjunta
de A:

Aplicación del adjunto para hallar la matriz inversa

Observemos que esta propiedad nos permite hallar por otro método la inversa
de una matriz.

Reconsidera la matriz:

Así pues, aplicando la propiedad anterior:

1
A 1  (adj A) Se obtiene:
A

87
3.7 EJEMPLOS. Calcular la matriz inversa por el método de la Matriz Adjunta.

 6 4 2  4
A  Por definición , para matrices 2 x 2 : AdjA  
6 
1)
  3 2 3

5 6   7  6
A  Por definición , para matrices 2 x 2 : AdjA  
5 
2)
9 7   9

  

6  2 4
 
3) A  8  5 2 
  
3 1 7
 
  
6 2 4 6 2 4 6 2
  
Sea A  8  5 2  8  5 2 8  5  210  12  32   60  12  112   30
  
3 1 7 3 1 7 3 1

Y
  5 2   2 4
A11      35  2  37 A21      (14  4)  18
 1 7  1 7
8 2 6 4 
A12      56  6   50 A22      42  12  30
3 7  3 7 
8  5 6  2 
A13     8  15  23 A23     (6  6)  12
3 1  3 1 

  2 4
A31      4  20  16
  5 2
6 4 
A32      12  32   20
8 2 
6  2 
A33      30  16  14
8  5 
Entonces :
 37  50  37
T
23 18 16 

AdjA   18  
30  12    50 30 20
 16 20  14  23  12  14
Finalmente :
 37 18 16   37 30
3
5  85 
20   53  23 
1 1 
A 1  Adj A    50 30 1
det A 30
 23  12  14  30  52
23 7 
15 

88
   

2 4

3

4) A  0 1  1
   
3 5 7
 
2 4 3 2 4
Sea A  0 1  1 0 1  14  12  0  9  10  0   3
3 5 7 3 5

1  1 4 3
A11     7  5  12 A21     (28  15)  13
5 7  5 7 
0  1 2 3
A12      0  3  3 A22   
7 
 14  9  5
3 7  3
0 1 2 4
A13      0  3  3 A23      (10  12)  2
 3 5 3 5

4 3 
A31      4  3  7
1  1
2 3 
A32       2  0   2
0  1
 2 4
A33      20  2
0 1 
Entonces :
 12  3  3  12  13  7 
T

Adj A   13 5 2     3
 5 2 
  7 2 2    3 2 2 

Finalmante :

 12  13  7   4  133  73 
Adj A    3 2     1 2
1 1
A 1  5 5
3 3
det A 3
  3 2 2    1 2
3
2
3

89
    
3 2 1 
5) A  0 2 2 
   
0 1  1
 
3 2 1 3 2
Sea A  0 2 2 0 2  6  6  12
0 1 1 0 1

2 2  2 1 
A11      2  2  4 A21      2  1  3
1  1 1  1
0 2  3 1 
A12      0 A22      3
0  1 0  1
0 2  3 2
A13    0 A23    3
0 1  0 1 

2 1
A31     42  2
2 2
3 1
A32     6
0 2
3 2
A33    6
0 2 
Entonces :
 4 0  4
T
0 3 2
1   
A   3  3  3   0  3  6 
 2  6 6   0  3 6
Finalmante :
 4 3 2  13  14  16 
Adj A    0  3  6   0 1
1 1
A 1  1
4 2
det A 12
 0  3 6 0 1
4  12 

90
    

 1 0
 
01 2
 1 1 2 1   1 1 0 1 1
 1 2 1 0  10  1   
6)       1 0  1  0 0  1 1 0  1
 0 0  1 1  2  2  2 2  2  1  2 0 1  2
1
  
   
 2  2 0
 1 2 0  1 2   1 2 1  1 2
   
 0 0 0 1 0 0  1 0 0  1 0 0
 1 2 0 1 2  1 2  2 1 2
 1(2  (4))  0  0  1(2  (2))  1(6)  0  0  1(4)  6  4  10

2 1 1 2 1
 
A11   0  1 1 0  1   2  4 4   6
2  2 2 2  2
 1 1 0 1 1
 
A12    0  1 1 0  1   (1  2)  1
 1  2 0 1  2
 1 2 0  1 2
 
A13    0 0 1 0 0  2  (2)  4
 1 2 0 1 2
 1 2 1  1 2
 
A14    0 0  1 0 0    ( 2  2 )  4
 1 2  2 1 2

0 0 1 0 0 
 
A21   0  1 1 0  1   (0  (2))  2
2  2 0 2  2
1 0 1 1 0 
 
A22   0  1 1 0  1   0  ( 1  2 )  3
1  2 0 1  2
1 0 1 1 0
 
A23   0 0 1 0 0    ( 0  2)  2
1 2 0 1 2
1 0 0 1 0
 
A24   0 0  1 0 0  0  (2)  2
1 2  2 1 2

91
 0 0 1 0 0 
 
A31   2 1 0 2 1   4  2  6
2  2 0 2  2
1 0 1 1 0
 
A32    1 1 0 1 1   (2  1)  1
 1  2 0 1  2
1 0 1 1 0
 
A33    1 2 0  1 2  2  2  4
 1 2 0 1 2
1 0 0 1 0
 
A34    1 2 1  1 2  (4  2)  6
 1 2  2 1 2

0 0 1 0 0
 
A41   2 1 0 2 1   (2  0)  2
0  1 1 0  1
1 0 1 1 0
 
A42    1 1 0  1 1  1  1  0  2
 0  1 1 0  1
1 0 1 1 0
 
A43    1 2 0  1 2  (2  0)  2
 0 0 1 0 0
1 0 0 1 0
 
A44    1 2 1  1 2  2
 0 0  1 0 0

6  2  6 2 
T
6 1 4 4
 2 3 2 2 1 3  1 2 
1
A    ;
 6  1  4 6   4 2  4  2
   
2 2  2  2 4 2 6  2

6  2  6 2   53  15  53 5 
1

    101 1 
1 1 1 1 3  1 2   101 103 5 
A  Adj A  
det A 10 4 2  4  2  52 1
 52  15 
 2 
5

4 2 6  2  5 1
5
3
5  15 

92
3.7 EJERCICIOS. Calcule la matriz inversa por el método de la Matriz Adjunta.

3 6  4  6
A  Re spuesta : A 1  
3 
1)
5 4  5
 2 2
3
2) A   9 
  2 6
 8 6 3  7  39 12 
3) A   7 2 3 1
Re spuesta : A   317
1 
 53  67 45 
 1 3 8  19 30  58
6 2  1
4) A  2 3 4 
5 3  8
 76 1
3  79   1429 187
294
1
21 
  98  
5) A   6 1 4  Re spuesta : A 1   193  21
57
14
30
7 
 32  87 5 
2 
 117
14
145
98
8
7

 3 6 4
6) A   8 0 6
 0 2 0
6 3 5 4  129  81 58 229 
7 8 9 0  96 30  134  125
7) A 1 1 
Re spuesta : A   651
4 6 0 1  15  36 74  67 
   
2 3 6 2   60 144  79  166

93
3.8 SOLUCION DE UN SISTEMA DE ECUACIONES LINEALES A TRAVES
DE LA INVERSA.

Teorema. Si A es una matriz invertible de n x n , entonces para cada matriz B

de n x l , el sistema de ecuaciones AX  B tiene exactamente una solución,
dada por:

X  A1 B

Ejemplo: Sea el siguiente sistema de ecuaciones lineales:

x1  2 x 2  3x3  5
2 x1  5 x 2  3x3  3
x1  8 x3  17

En su forma matricial, el sistema se puede escribir como AX  B , donde

1 2 3  x1  5 
A  2 5 3 X   x 2  B   3 
1 0 8  x3   17

Una vez que se muestre que A es invertible, que:

 40 16 9 
A   13  5  3
1

 5  2  1

Por el anterior teorema, la solución del sistema es

 40 16 9   5   1 
X  A B   13  5  3  3     1
1

 5  2  1 17  2

Es decir, x1 1, x2  1, x3  2 .

94
3.8 EJEMPLOS. Resolver los siguientes sistemas de ecuaciones lineales a
través de la inversa.

1) 2 x1  3 x 2  4
 x1  5 x 2  3
De la matriz de coeficient es correspondiente :
2
R2
 2  3 1 0 R2 R11 R 2 1  32 0 732 R 2  R1 1 
1
1 5 3
0
        
2 7 7

  1 5 0 1  0
7
2
1
2
1 0 1 1
7
2
7 
Por lo tanto :
5  3
A 1   17 7
, entonces :
2
7  7

  5 3   4  20  9   11 
x  A 1b   17 72      74 67    27 
7 7    3  7  7    7 
Finalmente se tiene :
  11 
x   27 
 7 
2) 2 x1  6 x 2  3
4 x1  3 x 2  8
2  6 1 0 2 R4 RI 1  3 12 0 39 RR22 R1 1 0  16 
1 1
1 1
R2
            3

4  3 0 1 0 9 2 1 0 1  92 1
9 
1   16 1
A  2 
3

 9
1
 9

   3   3  8   19 
x  A 1b      66 83    146 
 8  9  9   9 

3) x1  x 2  4
2 x1  3 x 2  7

1 1 1 0  2 R1 R 2 1 1 1 0  R5 R2 2 R1 1 
1
3 1
0
            5 5

2  3 0 1 0  5  2 1  0 1 2
5
 
1
5

3  1
A 1   52 
5

5   1
5

  12  7  4  19 
x  A 1b   58 75      15 
 5  5  7   5 

95
4) x1  x 2  x3  3
2 x1  3 x 2  x3  5
x1  x 2  2 x3  5
1 1 1 1 0 0  2 R1 R 2 1 1 1 1 0 0  R 2 R1
   R1 R 3   R 2 R 3
2 3 1 0 1 0    0 1  1  2 1 0 2 
1  1  2 0 0 1 0  2  3  1 0 1
1 0 2 3  1 0 R153R 3R 2 1 0 0 1  15 2
5

   2 R 3 R1  
0 1  1  2 1 0    0 1 0 1  15 
3
5
0 0  5  5 2 1 0 0 1 1  52  15 

 1  15 5
2

A 1   1 3
5  15 
 1  52  15 
 1  15 2
5  3  3  1  2  0
x  A 1b   1    5   3  3  1  1 

3 1
5 5
 1  52    5  3  2  1  2
1
5

5) x1  x 2  x3  2
3 x1  2 x 2  2 x3  16
2 x1  x 2  x3  9
1  1  1 1 0 0 3 R1 R 2 1  1  1 1 0 0 R 2 R1
   
3  2 2 0 1 0  2 R1 R 3
  0 1 5  3 1 0 R 2 R 3

2  1  1 0 0 1 0 1 3  2 0 1
1 0 4 2 1 0 512 RR33 R 2 1 0 0 0 1 2
   5
0 1 5  3 1 0  4 R 3 R1
 0 1 02 2
1 3
2
0 0  2 1  1 1 0 0 12 1 1 1
 2
 2

 0 1 2 
A   12  32
1 5 
2 
 2
1 1
2  12 
 0  16  18   2   0  16  18   2

x  A b   1  24  452  16   1  24  452     52 
1

  1  8  92   9    1  8  92   52 

96
6) 5 x1  x 2  x 3  14
x1  5 x 2  2 x 3  9
x1  2 x 2  10 x 3  30

 5
R2
5 1  1 1 0 0 5 RR11 R 2 1  15 15 0 0  15 R 2  R1
1 1 26

  5 R 2 R3
5
  11

1  5 2 0 1 0  R1 R 3
0  265 115  15 1 0  
1  2 10 0 0 1 0  115 515  15 0 1


 26
R3
1 0  263 265 1
0 1126 R 3 R 2 1
241
0 0 24146 8 3

  263 R 3 R1  
26 241 241

0 1 11
26
1
26
 265 0    0 1 8
0 241  51
241
11

241
0 0 241  262  11 1 0 0 1  241
3
 11 26
 26 26  241 
241

 241
46 8
241
3
241   14 
1  8  
A   241  51
241
11
241   9 
 241
3
 11
241
26
241
  30

 241
46 8
241
3
  14   662
241 241

 8    901
x  A 1b   241  51
241
11
   9    241
241
 241
3
 11
241
26  30  837
241 241


97
7) x1  2 x2  2 x3  10
3 x1  5 x2  x4  2
2 x1  x2  x3 5
 4 x1  x2  x3  2 x4  4

 1 2 0 1 0 0 0
2
 
 3 5 0  1 0 1 0 0
 2 1 1 0 0 0 1 0
 
 4 1 1  2 0 0 0 1
 1 2 2 0 1 0 0 0
 3 R1 R 2
 
 2 R1 R 3
0 1  6 1  3 1 0 0
  
4 R1 R 4
 0 3 5 0 2 0 1 0
 
 0 7 9 2 4 0 0 1
1
R2 0  10  2  5 2 0 0

 2 R 2  R1

3R 2 R3
0 1 6 1 3 1 0 0
  
7 R 2 R 4
0 0 13 3 7 3 1 0
 
0 0  33  9  17 7 0 1
1
13
1
R3 0 0 4 5
 134 10
0
 
13 13 13
33R 3  R 4
 6 R 3 R 2
0 1 0  13  13
5 3 5
 136 0
  
10R 3  R1 13
0 0 1 3 7
 133 1
0
 13 13 13

0 0 0  18
13
10
13
 138 33
13
1
 13 R 4
1 
18
 3 R 4 R3
13 0 0 0 5
 94 4 2

 
9 3 9
5
R 4 R 2
13
0 1 0 0 4 5
 7
 
5
  
 4 R 4  R1 9 9 6 18
13

0 0 1 0 2
 1 1 1 
 3 3 2 6

0 0 0 1 5
9
4
9
 11
6
 
13
18

 95  94 4
3
2
9 10
 4  2
 5
 7
  5
A   29
1 9 6 18  
 3  1 1 1
5
 5   
3 2 6

  9   
4 11 13
9 6 18 4
 95  94 4
3
2
9
 10  110 9

 4   2    185 
 5
 7
 
5
x  A b   29
1 9 6 18     18 
 3  1 1 1   5   556 
 5     301
3 2 6

  9     4   18 
4 11 13
9 6 18

98
8) 2 x1  x 2  2 x3  3 x 4  4
 x1  4 x 2  5 x3 8
x 2  x3  2 x 4  10
6 x1  x 2  x3  4 x 4  5
2 1 2 3 1 0 0 0
 
 1  4 5 0 0 1 0 0
0 1 1 20 0 1 0
 
 6 1 1 1 0 0 0 1
1 12 1 3
2
1
2 0 0 0
 
1
2
R1
R1 R 2
0 2 6
7 3 1
1 0 0
   
6 R1 R 4 2 2
0 1 1 2 0 0 1 0
 
0  2  5  8  3 0 0 1
1
 72 R 2
0 137 12
7
4
7
1
7 0 0

 12 R 2  R1

 R 2 R 3
0 1  127  6
 17  72 0 0
 
  2 R 2 R 4 14
0 0 197  11 1 2
1 0
 
7 7 7

0 0  597  72
7
 23
7  74 0 1
7
R3
1  191  19 0
19
53 9 13
59
R 3 R 4 0 0 19 19
 
7
12
R 3 R 2
7
0 1 0  27
 1
 19 19 0
2 12
  
 173 R 3 R1 19 19
0 0 1  11 1 2 7
0
 
19 19 19 19

0 0 0  261
19  54
19
6
19
59
19 1
 21691R 4
111R 4 R 3 0 0 0  293 1
87  261
14 53
261

 
19
27
R 4 R 2
19
0 1 0 0 297  4 9
 3
   
 15 93 R 4  R1 29 29 29
0 0 1 0 295 8 62
 11
 
87 261 261

0 0 0 1 296  2
87  59
261  19

261

 293 1
87  261
14 53

261
 7  294 9
  3
A   295
1 29 29
 29 8 62
  11

 6 
87 261 261

 29  87   
2 59 19
261 261

 293 1
87  261
14
261 
53
 4   261
41


 7  294 9
 293   8   71 
x  A b   295
1 29     29 
 29 8 62 11 
 261 10  937 
 6 19     517 
87 261 261

 29  87   261  5   261
2 59
261 

99
3.8 EJERCICIOS. Resolver los siguientes sistemas de ecuaciones lineales a
través de la inversa.

1)  6 x1  5 x 2  8 Re spuesta : x1   71
41 , x 2   104
205

 56 x1  5 x 2  4

2) 9 x1  6 x 2  3
7 x1  8 x 2  8

3)  2 x1  x 2  4 Re spuesta : x1   269 , x2  16
95

 x1  5 x 2  6

4)  x1  12 x 2  14 x3  20
8 x1  43 x 2  5 x3  31
 x1  x2  x3  25

5)  84 x1  23 x 2  63 x3  14 Re spuesta : x1   4186
629 , x 2   2086
269 , x3  4680
629

13x1  87 x 2  25 x3  16
21x1  15 x 2  25 x3  96

6) 5 x1  x2  x3  14
 36 x1  52 x 2  24 x3  98
 55 x1  92 x 2  10 x3  30

7) 78 x1  12 x 2  2 x3  45 Re spuesta : x1  746485

406716 , x 2   163417
101679, x3   11447339
135572

36 x1  56 x 2  x 4  25 x 4  101679
108998

 41x1  96 x 2  x3  71x 4  69

33 x1  x 2  x3  52 x 4  78

8)  13 x1  51x 2  30 x3  26 x 4  34
22 x1  41x 2  55 x3  19 x 4  88
 45 x1  59 x 2  36 x3  22 x 4  20
61x1  87 x 2  69 x3  48 x 4  52

100
3.9 SOLUCIÓN DE DE UN SISTEMA DE ECUACIONES LINEALES POR LA
REGLA DE CRAMER

Regla de Cramer: Sea una matriz de n x n y suponga que det A  0 Entonces

la solución única al sistema Ax  b esta dada por:

D1 D D D
x1  , x2  2 ,............xi  i .................xi  n
D2 D D D

Demostración. La solución Ax  b es x  A1b. Pero

 A11 A21  An1   b1 

  
1 1 1  A12 A22  An 2   b2 
A b  (adj A)b  
D D      
  
A A2 n  Ann   bn 
 13

Ahora bien (Adj A) b es un n-vector cuya componente j es:

 b1 
 
b 
( A1 j A2 j  Anj ). 2   b1 A1 j  b2 A2 j    bn Anj

 
b 
 n

Considere la matriz A j :

 a11 a 21  b1  a1n 
 
a a 22  b2  a 2 n 
A j   12
    
 
a a 2 n  bn  a nn 
 13

Si se expande el determinante A j respecto a su columna j, se obtiene:

D j  b1 cofactor de b1   b2 cofator de b2     bn cofator de bn 

Pero para encontrar el cofactor de b1 se elimina el renglón i y la columna de j

de A j . pero la columna j de A j es b, y se elimina se tendrá simplemente el
menor ij de A entonces:

Cofactor de bi en A j  Aij

101
3.9 EJEMPLOS. Resuelva los siguientes sistemas de ecuaciones por la regla
Cramer.

1) 3 x1  x 2  0
4 x1  2 x 2  3
3 1 0 1 3 0
A  6  4  10 A1   055 A2   15  0  15
4 2 5 2 4 5
A1 5 1 A2 15 3
x1    , x2    ,
A 10 2 A 10 2
 1
X   23 
2

2) 10 x1  72 x 2  8
3
8 x1  3 x 2  10
10  72
A 3
 30  16
21
 501
16
8 3
8  72
A1   24  702  11
 10 3
10 8
A2   100  3  103
3
8  10
A1 11 176 A2 103 1648
x1    501   , x2    501   ,
A 16 501 A 16 501
   176
501 
X   1648 
 501 

3) 2 x1  3 x 2  1
 7 x1  4 x 2  47
2 3 1 3 2 1
A  8  21  29 A1   4  141  145 A2   94  7  87
7 4 47 4  7 47
A1 145 A2 87
x1    5, x2    3,
A 29 A 29
  5
X  
 3

102
4) 2 x1  2 x 2  x3  7
x1  2 x 2  x3  0
 x1  x 2  3 x3  1

2 2 1 2 2
A 1 2 1 1 2  12  2   2  2  6   11  6  5
1 1 3 1 1

7 2 1 7 2
A1  0 2 1 0 2  42  2  2  7   44  9  35
1 1 3 1 1

2 7 1 2 7
A2  1 0 1 1 0  7  1  2  21  6  23  29
1 1 3 1 1

2 2 7 2 7
A3  1 2 0 1 0  4  7   14  2   11  12  23
1 1 3 1 1

A1 35 A2 29 A1 23
x1    7, x2   , x3  
A 5 A 5 A 5

 7

 
X   295 
 235 

103
5) 2 x1  x 2  x3  6
3 x1  2 x 2  x3  5
8 x1  2 x 2 5 x3  11

2 1 1 2 1
A  3 2 3 3  2  20  24  6   16  12  15  25
8 2 5 8 2

6 1 1 6 1
A1  5  2  3 5  2  60  33  10   22  36  25  50
11 2 5 11 2

2 6 1 2 6
A2  6 5  3 3 5  50  144  33  40  66  90   125
8 11 5 8 11

2 1 6 2 1
A3  3  2 5 3  2  44  40  36   96  20  33  75
8 2 11 8 2

A1  20 A2  125 A1 75
x1    2, x2    5, x3    3
A  25 A  25 A 5

 2

X   5
  3

104
6) 2 x1  x 2  x3  4
x1  x3  2
 x 2  5 x3  1

2 1 1 2 1
A 1 0 1 1 0  0  0  1  (0  2  5)  1  2  5  2
0 1 5 0 1

6 1 1 6 1
A1  5  2  3 5  2  60  33  10   22  36  25  50
11 2 5 11 2

2 6 1 2 6
A2  6 5  3 3 5  50  144  33  40  66  90   125
8 11 5 8 11

2 1 6 2 1
A3  3  2 5 3  2  44  40  36   96  20  33  75
8 2 11 8 2

A1  20 A2  125 A1 75
x1    2, x2    5, x3    3
A  25 A  25 A 5

 2

X   5
  3

105
3.9 EJERCICIOS. Resuelva los siguientes sistemas de ecuaciones por la regla
Cramer.

1) 4 x1  8 x 2  24
  48 
 2 x1  6 x 2  30 Re spuesta : X   
 21

2) 5 x1  7 x 2  5
3 x1  9 x 2  22

3) 4 x1  7 x 2  9 x3  30
12 x1  5 x 2 2 x3  45
6 x1  18 x 2  x3  42
 1640
4677


 39 
Re spuesta : X   41 
 2631
820 

4) 2 x1  6 x 2  5 x3  19
3 x1  4 x3  8
7 x1  2 x 2  x3  15

5) 5 x1  x 2  3 x3  x 4  40
2 x1  4 x 2  7 x3  5 x 4  16
10 x 2  7 x3  9 x 4  15
 9 x1  4 x 2  2 x3  8 x 4  30
 3749
421 
  1500
Re spuesta : X   933421 
 842 
 4011
 842 

6) 3 x1  3 x 2  x4  6
5 x1  x 2  4 x3  7 x 4  25
 8 x1  33 x 2  2 x3  23
7 x1  6 x 2  2 x3  9 x 4  8

106
4. ESPACIOS VECTORIALES

4.1 Definición. Un espacio vectorial real V es un conjunto de objetos,

llamados vectores, junto con dos operaciones llamadas suma y multiplicación
por un escalar que satisfacen los 10 axiomas o propiedades siguientes.

Propiedades de un Espacio Vectorial.

1) Si x V y y V , entonces x  y  V (cerradura bajo la suma).

2) Para todo x, y y z en V , ( x  y)  z  x  ( y  z) (ley asociativa de la

suma de vectores).

3) Existe un vector 0  V tal que para todo x  V , x  0  0  x  x (el 0 se

llama vector cero o idéntico aditivo).

4) Si x  V , existe un vector  x en V tal que x  ( x)  0 (  x se llama

inverso aditivo de x ).

5) Si x y y están en V , entonces x  y  y  x (ley conmutativa de la

suma de vectores).

6) Si x  V y  es un escalar, entonces  x  V (cerradura bajo la

multiplicación por un escalar).

7) Si x y y están en V y  es un escalar, entonces  ( x  y)   y   x

(primera ley distributiva).

8) Si x  V y  y  son escalares, entonces (   ) x   x   x

(segunda ley distributiva).

9) Si x  V y  y  son escalares, entonces  ( x)  (  ) x (ley

asociativa de la multiplicación por escalares).

10) Para cada vector x  V , 1x  x

Nota: no es difícil demostrar que el idéntico aditivo y el inverso aditivo en un

espacio vectorial son únicos.

En la práctica, verificar los diez axiomas puede ser tedioso. En adelante se

verificarán solo aquellos axiomas que no son obvios.

107
4.1 EJEMPLOS. Determine si el conjunto dado, junto con las operaciones
especificadas de multiplicación y adición por escalares son un espacio
vectorial.

 x
1) El conjunto de todos los vectores en R 2 de la forma   en las operaciones
 x
vectoriales habituales de adición y multiplicación por escalares.

Solución:

x  x 
u   1 ; v   2 
 x1   x2 
Aplicando las propiedades a este conjunto :
 x   x   x  x2 
1) u  v   1    2    1 
 x1   x 2   x1  x 2 
 x  cx 
6) cu  c  1    1 
 x1  cx1 
 x  x   x  x   x  x  
2)   1    2     3    1     2    3  
  x1   x 2    x3   x1    x 2   x3  
x  x 
3)  1   0   1 
 x1   x1 
x   x  
4)  1      1    0
 x1    x1  
x  x  x  x 
5)  1    2    2    1 
 x1   x 2   x 2   x1 
 x  x   x  x 
7) c   1    2    c  1   c  2 
  x1   x 2    x1   x2 
x  x  x 
8) (c  d )  1   c  1   d  1 
 x1   x1   x1 
 x    x1 
9) c  d  1    c d x 
  x1    1
x  x 
10) 1  1    1 
 x1   x1 

Por lo tan to, como el conjunto dado cumple con los diez axiomas , es un espacio vectorial .

108
  x
2) El conjunto de todos los vectores   en R 2 con x  0 , y  0 con las
 y
operaciones vectoriales habituales de adición y multiplicación por escalar.

Solución:
x  x 
u   1 ; v   2 
 y1   y2 
Aplicando las propiedades a este conjunto :
 x   x   x  x2 
1) u  v   1    2    1  si la cumple
 y1   y 2   y1  y 2 
 x  cx 
6) cu  c  1    1  no la cumple
 y1  cy1 

Ya que, si c toma valores negativos ( c  0) el resultado ya no se ubica en el

primer cuadrante y no se cumple la condicion x  0, y  0

Por lo que se concluye que no es un espacio vectorial .

109
  x
 y  en R con xy  0 , (es decir en el
2
3) El conjunto de todos los vectores
 
primer o tercer cuadrante) con las operaciones vectoriales habituales de
adición y multiplicación por escalar.

Solución:
x  x 
u   1 ; v   2 
 y1   y2 
Aplicando las propiedades a este conjunto :
 x   x   x  x2 
1) u  v   1    2    1  como resultado se ubica en el primer o tercer cuadrante
 y1   y 2   y1  y 2 
 x  cx 
6) cu  c  1    1 
 y1  cy1 
Si c  0 el resultado se ubica en el primer cuadrante
Si c  0 el resultado se ubica en el tercer cuadrante
 x  x  x  x   x  x 
2)   1    2     3    1     2    3  
  y1   y 2    y3   y1    y 2   y 3  
x  x 
3)  1   0   1 
 y1   y1 
x   x 
4)  1      1    0
 y1    y1  
x  x  x  x 
5)  1    2    2    1 
 y1   y 2   y 2   y1 
 x  x  x   x2 
7) c   1    2    c  1   c y 
  y1   y 2    y1   2
x  x  x 
8) (c  d )  1   c  1   d  1 
 y1   y1   y1 
si la suma de (c  d ) es positiva o negativo el resultado se ubica
en el primer o tercer cuadrante
 x  x 
9) c  d  1    c d  1 
  y1    y1 
si la multiplica cion de (cd ) es positiva o negativo el resultado se ubica
en el primer o tercer cuadrante
x  x 
10) 1  1    1 
 y1   y1 
Por lo tan to , como el conjunto dado cumple con los diez axiomas , es un espacio vectorial .
.

110
 z
4) El conjunto de todos los vectores en R 2 de la forma   con la operaciones
z
habituales de adición y multiplicación por escalares.

Solución:

z  z 
u   1 ; v   2 
z1  z 2 
Aplicando las propiedades a este conjunto :
 z   z  a  ib1  a 2  ib 2  (a1  a 2 )  i (b1  b2 )
1) u  v   1    2    1    si se cumple
 z 1   z 2   a1  ib1   a 2  ib2  (a1  a 2 )  i (b1  b2 ) 
 z  c (a  ib ) ca  icb 
6) cu  c  1      si se cumple
 z 1  c (a  ib )  ca  icb 
pero con c  0
  ca  icb   (ca  icb )  z 
cu     
 ca  icb    (ca  icb )   z 

Cambia su forma con respecto al conjunto dado originalme nte, por lo tan to
no es un espacio vectorial

a  1 0 
5) El conjunto de matrices de la forma  en M 22 . Con las
 0 a  1
operaciones vectoriales habituales de adición y multiplicación por escalares.

Solución:

a  1 0  a  1 0 
M1   1  ; M2   2
 0 a1  1  0 a 2  1

a  1 0  a 2  1 0  a1  a 2  2 0 
1) M 1  M 2   1    
 0 a1  1  0 a 2  1  0 a1  a 2  2
( a  a 2 )  2 0 
 1
 0 (a1  a 2 )  2

Por lo que tal estructura cambia conrespect o al conjunto de matrices

dadas originalme nte. Por lo tan to no es un espacio vectorial .

111
6) El conjunto de matrices diagonales de 3x3 bajo la suma y multiplicación de
matrices por escalares.

Solución:

a1 0 0 a 2 0 0
M 1   0 a1 
0  ; M 2   0 a2 0 
 0 0 a1   0 0 a 2 

a1 0 0  a 2 0 0  a1  a 2 0 0 
1) M 1  M 2   0 a1 0    0 a2 0    0 a1  a 2 0 
 0 0 a1   0 0 a 2   0 0 a1  a 2 

a1 0 0  ca1 0 0 
6) cM 1  c  0 a1 0    0 ca1 0 
 0 0 a1   0 0 ca1 

 a1 0 0  a 2 0 0   a3 0 0
 
2)   0 a1 0    0 a2 0     0 a3 0  
 0 a1   0 a 2    0 a3 
 0 0 0
a1 0 0   a 2 0 0  a3 0 0 
 
  0 a1 0     0 a2 0    0 a3 0  
 0 0 a1    0 0 a 2   0 0 a3  

a1 0 0 a1 0 0
3)  0 a1 
0   0   0 a1 0 
 0 0 a1   0 0 a1 

a1 0 0   a1 0 0 
 
4)  0 a1 0      0 a1 0    0
 0 0 a1    0 0 a1  

a1 0 0  a 2 0 0  a 2 0 0  a1 0 0
5)  0 a1 0    0 a2 0    0 a2 0    0 a1 0 
 0 0 a1   0 0 a 2   0 0 a 2   0 0 a1 

112
  a1 0 0  a 2 0 0  a1 0 0 a 2 0 0
 
7) c   0 a1 0    0 a2 0    c 0
 a1 0   c 0
 a2 0 
 0 a1   0 a 2    0 a1   0 a 2 
 0 0 0 0

a1 0 0 a1 0 0 a1 0 0

8) (c  d )  0 a1 0   c 0
 a1 0   d 0
 a1 0 
 0 0 a1   0 0 a1   0 0 a1 

 a1 0 0  a1 0 0
 
9) c  d  0 a1 0    c d 0
 a1 0 
 0 a1    0 a1 
  0 0

a1 0 0  a1 0 0
10) 1  0 a1 0    0 a1 0 
 0 0 a1   0 0 a1 

Por lo tan to el conjunto dado cumple con los diez axiomas y es un espacio vectorial .

4.1 EJERCICIOS. Determine si el conjunto dado, junto con las operaciones

especificadas de multiplicación y adición por escalares son un espacio
vectorial.

1) ( x, y) : y  0; x, y realescon la suma de vectores y multiplicación por

escalares usuales.

RESPUESTA: No constituye un espacio vectorial porque no cumple las

propiedades (4) y (6), solo se cumple si c  0 para la propiedad (6).

 x
2) El conjunto de todos los vectores   en R 2 con x  y con las operaciones
 y
vectoriales habituales de adición y multiplicación por escalares.

 x
3) El conjunto de los vectores en R 3 de la forma  x  con la operaciones
 x 
habituales de suma y multiplicación por un escalar.

113
RESPUESTA: Si constituye un espacio vectorial porque cumple con las diez
propiedades.

4) Los vectores en el plano que están en el primer cuadrante con la

operaciones habituales de suma y multiplicación por un escalar.

5) El conjunto de todas las matrices triangulares superiores de 2x2 con las

operaciones matriciales habituales de adición y multiplicación por escalares.

RESPUESTA: Si constituye un espacio vectorial porque cumple con las diez

propiedades.

0 a 
6) El conjunto de las matrices de 2x2 que tienen la forma   bajo la suma
b 0 
y multiplicación por escalares usuales.

114
4.2 SUBESPACIOS VECTORIALES

Definición. Sea H un subconjunto no vacío de un espacio vectorial V y

suponga que H es en si un espacio vectorial bajo las operaciones de suma y
multiplicación por un escalar definidas en V . Entonces se dice que H es un
subespacio de V .

Nota: se puede decir que el subespacio H hereda las operaciones del espacio
vectorial “padre” V .

Propiedades de un Subespacio Vectorial

1) Si x H y y  H , entonces x  y  H

2) Si x H , entonces x  H para todo escalar  .

Las propiedades anteriores contienen un hecho que por su importancia merece

que se le haga mención explícitamente:

Todo subespacio de un espacio vectorial V contiene al 0 o elemento

nulo.

Este hecho con frecuencia facilita ver si un subconjunto de V en particular no

es un subespacio de V . Es decir si un subconjunto no contiene al 0 , entonces
no es un subespacio. Note que el vector cero en H , un subespacio de V , es el
mismo que el vector cero en V .

4.2 EJEMPLOS. Determine en los siguientes ejercicios si W es un subespacio

de V .

1)
a  
 
V  R 3 ; W  0 
a  
  
 a1  a 2 
W1   0  ; W2 
 
0


 a1 
 
a 2 

 a1   a 2   a1  a 2 
1) W1  W2   0 0 
     0 


 a1 
 a 2 
 
 a1  a 2 

 a1  ca1 
2) cW  c   
0   0 


 a1 
 
ca1 

 a1  0 
3) con a  0 ;  0
 
  0 
 

 1
a  
0 

contiene al elemento nulo , por lo tan to W es un subespacio de V  R 3

115
2)
 a  
 
V  R ; W   a  
3

2a  1 
 
 a1   a2 
W1    a1  ; W2    a 2 
 
2a1  1 2a 2  1
 a1   a 2   a1  a 2   a1  a 2 
  
1) W1  W2    a1     a 2       a1  a 2     (a  a ) 
  1 2 
2a1  1 2a 2  1 (2a1  1)  (2a 2  1) 2a1  2a 2  2
 a1  a 2 
   (a1  a 2 )  no cumple con la propiedad de la cerradura
2(a1  a 2 )  2

 a1   ca1   ca1 
2) cW  c   a1     ca1     ca1 
    
2a1  1 c 2a1  1 c 2a1  c1 
0 
3) con a  0 ; 0 No cumple con el elemento nulo.
1
por lo tan to W no es un subespacio de V  R 3

3)


V  P2 ; W bx  cx 2 
W1  b1 x  c1 x 2 ; W2  b2 x  c 2 x 2

   
1) W1  W2  b1 x  c1 x 2  b2 x  c 2 x 2  xb1  b2   x 2 c1  c 2 

 
2) cW  c b1 x  c1 x 2  cb1 x  cc1 x 2

3) con b  c  0 ; 0 x  0 x 2  0
contiene al elemento nulo, por lo tan to W es un subespacio de V  P2

116
4)

 a  
 
V  R 3 ; W  b  
a  b  1 
 
 a1   a2 

W1   b1   
 ; W2  b2 
a1  b1  1 a 2  b2  1
 a1   a2   a1  a 2 
1) W1  W2        
b1  b2  b1  b2 
a1  b1  1 a 2  b2  1 a1  b1  1  a 2  b2  1
 a1  a 2   a1  a 2 
  b1  b2   
 b1  b2 
a1  b1  a 2  b2  2 a1  a 2   b1  b2   2
no cumple con la propiedad de la cerradura, ya que 2 no es igual al elemento del
subconjunt o original .
 a1   ca1   ca1 
2) cW  c      
b1  cb1  cb1 
a1  b1  1 c a1  b1  1 ca1  cb1  c1 
 a1  0 
3) con a  b  0 ;  b1   0 No cumple con el elemento nulo.
  
a1  b1  1 1

por lo tan to W no es un subespacio de V  R 3

117
5)

 a  
  
V  R 3 ; W  b  
 a  
  
 a1   a2 
   
W1   b1  ; W2   b2 
 a1   a 2 
 a1   a 2   a1  a 2 
     
1) W1  W2   b1    b2    b1  b2 
 a1   a 2   a1  a 2 

 a1   ca1 
   
2) cW  c  b1    cb1 
 a1  c a1 
 a1  0
 
3) con a  b  0 ;  b1   0
 a1  0
contiene al elemento nulo , por lo tan to W es un subespacio de V  R 3

6)

a b 
V  M 22 ; W  
b 2a 
a b1  a b2 
M1   1  ; M2 2 
b1 2a1  b2 2a 2 
a b1  a 2 b2  a1  a 2  b1  b2  
1) M 1  M 2   1  
 b1 2a1   b2 2a 2   b1  b2  2a1  2a 2 
a  a 2  b1  b2  
 1 
 b1  b2  2a1  a 2 
a b1  ca1 cb1 
2) cW  c  1 
 b1 2a1  cb1 c 2a1 
a b1  0 0
3) con a  b  0 ;  1 
 b1 2a1  0 0

contiene al elemento nulo por lo tan to W es un subespacio de V  M 22

118
7) Determine si W es un subespacio de V .


V  P2 ; W a  bx  cx 2  para a  b  c  0
W1  a1  b1 x  c1 x 2 ; W2  a 2  b2 x  c 2 x 2

  
1) W1  W2  a1  b1 x  c1 x 2  a 2  b2 x  c 2 x 2  
 a1  a 2   xb1  b2   x 2 c1  c 2 
para : a1  4 , b1  2 , c1  2 ; a 2  6, b2  3, c 2  3
respe tan do la condicion a  b  c  0 se tiene :
 4  6   x 2  3  x 2  2  3
 10  5 x  5 x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de :10  5  5  0 ; por lo tan to cumple con la
propiedad de la cerradura

 
2) cW  c a1  b1 x  c1 x 2  ca1  cb1 x  cc1 x 2
para : a1  4 , b1  2 , c1  2
 4c  2cx  2cx 2
sigue cumpliendo con la condicion inicial , multiplica ndo
por cualquier valor de c

3) a1  b1 x  c1 x 2 con a1  b1  c1  0 ; 0  0 x  0 x 2  0

contiene al elemento nulo , por lo tan to W es un subespacio de V  P2

119
8)
 a  b  
V  R 2 ; W  
  2a  b  

 a b   a  b2 
W1   1 1  ; W2  2 
2a1  b1  2a 2  b2 

 a  b   a  b2   a1  b1  a 2  b2 
1) W1  W2   1 1    2  
2a1  b1  2a 2  b2  2a1  b1  2a 2  b2 
 a  a 2   b1  b2  
 1 
2a1  a 2   b1  b2 

 a  b   ca1  b1    ca1  cb1 

2) cW  c  1 1     
2a1  b1  c2a1  b1  2ca1  cb1 

 a  b  0 
3) con a  b  0 ;  1 1    
2a1  b1  0

contiene al elemento nulo , por lo tan to W es un subespacio de V  R 2

120
9)

 a  b  
 
 b  c  
V  R ;W
4

 c  d  
d  a  

 a1  b1   a 2  b2 
b  c  b  c 
W1   1 1
; W2  2 2 

 c1  d1  c2  d 2 
   
d1  a1  d 2  a 2 

 a1  b1   a 2  b2   a1  b1  a 2  b2   a1  a 2   b1  b2  
 b  c   b  c   b  c  b  c   b  b   c  c  
1) W1  W2   1 1    2 2 
 1 1 2 2 
 1 2 1 2 

 c1  d1   c 2  d 2   c1  d1  c 2  d 2   c1  c 2   d1  d 2 
       
d1  a1  d 2  a 2  d1  a1  d 2  a 2  d1  d 2   a1  a 2 

 a1  b1   ca1  b1   ca1  cb1 

 b  c   cb  c    cb  cc 
2) cW  c  1 1    1 1    1 1

 c1  d1   cc1  d1   cc1  cd 1 
     
d1  a1  cd1  a1  cd 1  ca1 

 a1  b1  0
 b  c  0 
3) con a  b  c  d  0 ;  1 1    
 c1  d1  0
   
d1  a1  0

contiene al elemento nulo , por lo tan to W es un subespacio de V  R 4

121
10)


V  P2 ; W a  bx  cx 2  para abc  0
W1  a1  b1 x  c1 x 2 ; W2  a 2  b2 x  c 2 x 2

  
1) W1  W2  a1  b1 x  c1 x 2  a 2  b2 x  c 2 x 2  
 a1  a 2   xb1  b2   x 2 c1  c 2 
para : a1  0 , b1  4 , c1  3 ; a 2  0, b2  3, c 2  5
 0  0   x4  3  x 3  5
2

 0  7 x  8x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de : (0)(7)(8)  0 ; por lo tan to cumple con la
propiedad de la cerradura con a1  a 2  0
para : a1  3 , b1  0 , c1  3 ; a 2  4, b2  0, c 2  5
 3  4   x0  0   x 2 3  5
 7  0  8x 2
dando valores de a , b y c, el resultado obtenido cumple con la
condicion inicial de : (7)(0)(8)  0 ; por lo tan to cumple con la
propiedad de la cerradura con b1  b2  0
NOTA : con x 2 c1  c 2  no se puede dar valor de c1  c 2  0
por que ya no seria un polinomio de grado 2.

 
2) cW  c a1  b1 x  c1 x 2  ca1  cb1 x  cc1 x 2
para : a1  0 , b1  4 , c1  3 y con : a1  4 , b1  0 , c1  3
 0c  4cx  3cx 2  4c  0cx  3cx 2
sigue cumpliendo con la condicion inicial , multiplica ndo
por cualquier valor de a1  b1  0

3) a1  b1 x  c1 x 2 con a1  b1  c1  0 ; 0  0 x  0 x 2  0

contiene al elemento nulo , por lo tan to W es un subespacio de V  P2

122
4.2 EJERCICIOS. Determine en los siguientes ejercicios si W es un
subespacio de V .

a  
1) V  R 2 ; W    Re spuesta :W si es un subespacio de V  R 2
0  

a  c  
 
2) V  R ; W b  c  
3

 5c  
 

 a  
 
3) V  R ; W  0  
3
Re spuesta :W si es un subespacio de V  R 3
  2a  
 

a  1 
4) V  R 2 ; W  
 a  

a b 
5) V  M 22 ; W   Re spuesta :W no es un subespacio de V  M 22
c d 
para ad  bc

6) El conjunto de todos los vectores R 3 cuyo primero y último componente son

cero.

7) El conjunto de todos los vectores R 4 cuyos primeros tres componentes son

cero.
Re spuesta : W si es un subespacio de V  R 4

a 1  a 
8) V  M 22 ; W 
0 0 

9) El conjunto de todos los polinomios de grado 3; V  P3 ; W

Re spuesta : W no es un subespacio de V  P3

10) El conjunto de las matrices diagonales de nxn ; V  M nn ; W

123
4.3 INDEPENDENCIA LINEAL

Definición. Un conjunto de vectores   de un espacio vectorial V

  
 1 2
v , v ..... v k
 
es linealmente dependiente si existen escalares c1 , c2 .....ck , al menos uno de los
cuales no sea 0 , tal que:

  
c1 v1  c2 v2  ........  ck vk  0

Un conjunto de vectores no linealmente dependiente se dice que es

linealmente independiente (linealmente dependiente: al menos uno de los
vectores es combinación lineal de los otros).

4.3 EJEMPLOS. Determine si los siguientes conjuntos son linealmente

independientes o dependientes.

1)
   
sea v1 , v 2 , v3  es linealment e dependient e ya que existen escalares c1 , c 2 , c3
 
de tal forma que :
    
c1 1  x  x 2  c 2 1  x  3x 2  c3 1  3 x  x 2  0 
 1  x  x ,1  x  3 x
2
,1  3 x  x 2
2

tales escalaressomn, por inspeccion :
    
 1  x  x 2  1  x  3x 2  1  3x  x 2  0 
como el resultado es igual a 0 el conjunto es linealment e dependient e

2)
Deter min e si 1  x, x  x 2 ,1  x 2  es linealment e independie nte

 
entonces : c1 1  x   c 2 x  x 2  c3 1  x 2  0  
agrupando : c1  c3   c1  c 2 x  c 2  c3 x 2  0

Esto implica :
c1  c3  0
c1  c2  0 esto implica : c1  c 2  c3  0
 c2  c3  0
1 0 1
1 1 0  11  0   11  0   2
0 1 1
como el det er min ante es diferente de 0, e lconjunto es linealment e independie nte

124
3)
  1 1  3 0  0 2  1 0 
Deter min e si   , 1 1 ,  3 1  ,  1 7   es linealment e independie nte
   2 2       

  1 1 3 0  0 2  1 0 a b
c1    1 1   3 1    1 7    c d 
c c c
  2 2
2 3 4
      

   
 c1  3c 2  c4  a 1 3 0  1  c1   a 
c1  2c 3 b 1
 0 2 0  c 2   b 

 2c1  c2  3c3  c4  c  2 1  3  1 c3   c 
    
2c1  c2  c3  7c 4  d  2 1 1 7  c 4   d 

0 2 0 1 2 0 1 0 0 1 0 2
 1 1  3  1  3 2  3  1  0  2 1  1  1 2 1  3
   
1 1 7   2 1 7   2 1 7   2 1 1 

 1  16   34   08  1 4   16  12  4  0

como el det er min ante es igual a 0 , el conjunto es linealment e dependient e

4)
 x , 1  x  en V  P1 1

En forma general :
a  bx  c
En forma matricial :
0 1 1   c1 
1 1  x   c 
    2 

0 1
1 1  0  1  1
 
como el det er min ante es diferente de 0, el conjunto es linealment e independie nte

125
5)
1  x , 1  x 2
,1  x  x 2  en V  P 2


c1 1  x   c 2 1  x 2
  c 1  x  x 
3
2

 c1  c1 x  c 2  c 2 x  c3  c3 x  c3 x 2
2

 c1  c 2  c3 1  c1  c3 x  c 2  c3 x 2  a  bx  cx 2

  
c1  c2  c3  a 1 1 1  c1  a 
c1  c3  b 1 0  1 c   b 
   2  
 c2  c3  c 0 1 1 c3   c 
0  1 1  1 1 0
 1   1   1   10   1  11  0   11  0  
1 1  0 1  0 1
 111  1
como el det er min ante es diferente de 0, el conjunto es linealment e independie nte

4.3 EJERCICIOS. Determine si los siguientes conjuntos es linealmente

independiente o dependiente.

1 1  1  1 1 0 
1) Deter min e si  , ,   es linealment e independie nte en M 22
0  1 1 0  3 2 
Re spuesta : es linealment e independie nte

2  3 1  1  1 3 
2) Deter min e si  , ,   es linealment e independie nte en M 22
4 2  3 3   1 5 

 2   4  
 
3) Deter min e si   1  ,  2  es linealment e independie nte en R 3
  4  7  
    
Re spuesta : es linealment e dependient e


4) 2 x , x  x 2 , 1  x 3 , 2  x 2  x 3  en V  P3


5) x , 2 x  x 2 , 3 x  2 x 2  en V  P2
Re spuesta : es linealment e dependient e

126
4.4 BASES VECTORIALES.

Definición. Un subconjunto  de un espacio vectorial V es una base para V

si:

1.-  genera a V
2.-  es linealmente independiente.

4.4 EJEMPLOS. Determine si los siguientes conjuntos constituyen una base.

1)
 
Demuestre que   1  x, x  x 2 ,1  x 2 es una base para V  P2

   
c1 1  x   c 2 x  x 2  c3 1  x 2  a  bx  cx 2

c1  c3   c1  c 2 x  c 2  c3  x 2  a  bx  cx 2

Igualando potencias en ambos lados :

c1  c3  a
c1  c2 b
 c2  c3  c

1 0 1
de donde : 1 1 0  11  0   11  0   2
0 1 1

c omo el det er min ante es diferente de 0, el conjunto es linealment e independie nte,

por lo tan to  es una base para V  P2

127
2)
1 0 0  1 1 1 1 1  
Demuestre que    ,  es una base para V  M 22
0 1 1 1  1 
, ,
0 1 1
1 0 0  1 1 1 1 1 a b
c1    c2    c3    c4  
0 1  1 0 1 1 1  1  c d 
   
c1  c3  c4  a 1 0 1 1   c1   a 
 c2  c3  c4  b 0  1
 1 1  c 2   b 

 c2  c3  c4  c 0 1 1 1  c3   c 
     
c1  c3  c4  d 1 0 1  1 c 4  d 
 1 1 1  0 1 1  0  1 1  0  1 1
 1  1 1 1   0 0 1 1   1 0 1
    1   10 1 1
 0 1  1 1 1  1 1 0  1 1 0 1
 14   00   1 2   1 2   4  2  2  4
como el det er min ante es diferente de 0, elconjunto es linealment e independie nte
por lo tan to  es una base para V  M 22

3)

1 0 0 1 1 1 1 0 
Demuestre que    , , ,   es una base para V  M 22
0 1 1 0 0 1 1 1 

1 0 0 1  1 1 1 0 a b 
c1    c2    c3    c4   
0 1  1 0 0 1 1 1  c d 

   
c1  c3  c4  a 1 0 1 1  c1   a 
c2  c3 b 0 1 1 0 c   b 
  2   
 c2  c4  c 0 1 0 1 c 3   c 
     
c1  c3  c4  d 1 0 1 1 c 4   d 

1 1 0 0 1 0   0 1 0  0 1 1 
 1 1 0 1  0 0 0 1  1 0 1 1  1 0 1 0
 
0 1 1 1 1 1 1 0 1 1 0 1

 1  2  01  11  1 1  2  1  1  0

como el det er min ante es igual a 0, el conjunto es linealment e dependient e

por lo tan to  no es una base para V  M 22

128
4)
1 2 3 4 5 6 7 8 
Demuestre que    , , ,   es una base para V  M 22
1 2 3 4 5 6 7 8 

1 2 3 4 5 6  7 8  a b 
c1    c2    c3    c4   
1 2 3 4 5 6  7 8  c d 
   
c1  3c 2  5c3  7c 4  a  c1   a 
1 3 5 7
2c1  4c 2  6c 3  8c 4  b c   b 
2 4 6 8 
 2   

c1  3c 2  5c3  7c 4  c c3   c 
1 3 5 7
   
 
2c1  4c 2  6c 3  8c 4  d 2
c 4   d 
4 6 8
4 6 8  2 6 8  2 4 8   2 4 6
     
 1 3 5 7   3 1 5 7   5 1 3 7   7 1 3 5
4 6 8  2 6 8  2 4 8  2 4 6

 1 0   30   50   70   0

como el det er min ante es igual a 0, el conjunto es linealment e dependient e
por lo tan to  no es una base para V  M 22

5)
 
Demuestre que   1  x,1  x 2 , x  x 2 es una base para V  P2

   
c1 1  x   c 2 1  x 2  c3 x  x 2  a  bx  cx 2
c1  c1 x  c 2  c 2 x 2  c3 x  c3 x 2  a  bx  cx 2
c1  c2    c1  c3 x   c2  c3  x 2  a  bx  cx 2
Igualando potencias en ambos lados :
c1  c 2 a
 c1  c3  b
 c 2  c3  c
 1 1 0
 0 1   10  1  11  0   01  0 
ò  1
 0  1  1
 11 0  0
como el det er min ante es igual a 0, el conjunto es linealment e dependient e
por lo tan to  no es una base para V  P2

129
4.4 EJERCICIOS. Determine si los siguientes conjuntos constituyen una base.

1 2 2 1   1 3 2 3 
1) Demuestre que     , 1 2 ,  3 1 , 3 1  es una base para V  M 22
  2 1       

Re spuesta : el conjunto no consituye una base

1 1 0  1 1 1  
2) Demuestre que     , 1 0  , 1  1  es una base para V  M 22
  0 1    

1 0 0 1 1 0 0 1 
3) Demuestre que    , , ,   es una base para V  M 22
0 1 1 0 1 0 0 1 

Re spuesta : el conjunto no consituye una base

 
4) Demuestre que   1 , 1  2 x  3 x 2 es una base para V  P2

 
5) Demuestre que   1 , 2  x , 3  x 2 , x  2 x 2 es una base para V  P2

Re spuesta : el conjunto no consituye una base

130
4.4.1 CAMBIO DE BASE.
 1   0 
En V  R 2 se expresan vectores en término de la base iˆ , ˆj     ,   . Así
 0   1 
como también, para V  R se expresan vectores en términos de la base
3

 1   0   0 
iˆ , ˆj , kˆ    0  ,  1  ,  0  .
 0   0   1 
     
Pero en ocasiones se puede trabajar en alguna otra base y para lo cual existe
in numero infinito de bases para escoger, ya que en un espacio vectorial de
dimensión n cuales quiera n vectores linealmente independientes forman una
base.

1  0
Para el caso de V  R 2 , sean uˆ1    y uˆ 2    . Entonces 1  uˆ1 , uˆ 2  es una
 0 1
  1     1  
base canónica en R 2 . Sean v1    y v2    . Como v1 y v 2 son linealmente
 3 2
 
  
independientes (por que v1 no es múltiplo de v 2 ), entonces  2  v1 , v2  es
 
  x1 
una segunda base en R 2 . Sea x    un vector en R 2 . Esta notación
 x2 
significa que:
 x  1  0
x   1   x1    x2    x1 uˆ1  x2 uˆ 2
 x2   0 1


Es decir x esta expresado en términos de los vectores de la base  1 . Es decir:
x 

x 1   1 
 x2 
Como  2 es otra base en R 2 , existen escalares c1 y c2 tales que:
  
x  c1 v 1  c2 v 2

  c1 
Encontrando a c1 y c2 , se tiene:  x    
  2  c2 

Lo que significa que x esta expresado en términos de los vectores en  2 .

131
Para encontrar c1 y c2 se escribe la base anterior uˆ1 , uˆ 2  en términos de la

nueva base  v1 , v 2  . Es decir:

 

 
1 1   1
uˆ1     c1    c 2         A
 0  3  2
 0 1   1
uˆ 2     c1    c 2        B 
1  3  2

Entonces:

De  A : 1  c1  c 2
0  3c1  2c 2 Re solviendo;
 3  3c1  3c 2
0  3c1  2c 2
 3  0  5c 2
3 2 3
 3  5c 2  c2    uˆ1  v1  v 2
5 5 5
3 2
c1  1  c 2  1  
5 5
De B  : 0  c1  c 2
1  3c1  2c 2 Re solviendo;
0  3c1  3c 2
1  3c1  2c 2
1  0  5c 2
1 1 1
1  5c 2  c 2   uˆ 2  v1  v 2
5 5 5
1
c1  c 2 
5

2  3  1  1  
Entonces : x  x1uˆ1  x 2 uˆ 2  x1  v1  v 2   x 2  v1  v 2 
5 5  5 5 
2 1  
 3 1 
  x1  x 2  v1    x1  x 2  v 2
5 5   5 5 
2 1
Entonces : c1  x1  x 2
5 5
3 1
c 2   x1  x 2
5 5
o tambien :
2 1   2 1
  c1   5 x1  5 x 2   5 
5  x1 
x 2      
 c 2    3 x1  1 x    3 1  x 2 

 5 5   5 5

132
   3 
Por ejemplo si x 1    , entonces :
  4
 2 1  2 
   3   
x  2   5 5     5 
  3 1   4    13 
   
 5 5  5

y
y
û 2 

x 
v1
û1 v2

2
v1
5 x

13 
 v2
5

2  13   3 
v1  v2   
a  b  5 5   4

  3  1   0 
FIGURA (a) Expresión de v =   en términos de 1    ,  
  4  0   1 
  3  1    1
FIGURA (b) Expresión de v =   en términos de  2    ,  
  4  3   2 
 2 1
 
A la matriz A   5 5  se le llama matriz de transición de 1 a  2 .
 3 1 
 
 5 5
En general, el procedimiento para encontrar la matriz de transición de una base
1 a la base  2

1) Se escribe la matriz P1  2 cuyas columnas son V1 ,V2 , .....Vn

2) Se calcula P   P1  2  . Esta es la matriz de transición que se busca.

1
2 1

133
4.4.1 EJEMPLOS.

 
1) Sea Px   1  2 x  x 2 con 1  1, x, x 2 . Encuentre el vector coordenada de

Px  con respecto a  2  1  x, x  x 2 ,1  x 2 
Los vectores coordenados de Px  en términos de  2 son:

1 0  1
1  x 1
 1 , x  x  2
1  1 , 1  x 
2
1  0
0 1 1
Entonces, la matriz de transición de 1 a  2 se obtiene a partir de:
1 0 1
P1  2  1 1 0
0 1 1
Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

1
1 0 1

P 2  1  P1   2 
1
 1 1 0
0 1 1
1 0 1 1 0 0 1 0 1 1 0 0
   R1  R2  
 1 1 0 0 1 0  0 1  1  1 1 0
0 1 1 0 0 1 0 1 1 0 0 1
1 0 1 1 0 0 1  12 
1
R
2 3
R3  R2
0 0 12 1
2
 R2  R3    R3  R1  1
 0 1  1  1 1 0  0 1 0  12 1
2 2
0 0 2 1  1 1 0 0 1 12  1
2
1
2

 12 1
2  12 
  12 1
2
1
2
 2  2
1 1 1
2


Entonces:
 12 1
 12   1   12  1  12   2 
 
2

Px  2  P1  2   12 1    1 1  
1
2   2    2  1  2    0 
1
x 1 2
 12  1
2
1    12  1  12   1
2    1

Finalmente: Px  2  2  x 2

134
 3  1   0   0   1   1  1

             
2) Sea x 1  1 , 1   0  ,  1  ,  0  ;  2   0  ,  1  , 1
 0   0   1   1   0  1
5            

Calcular x  2

Los vectores coordenados de x 1 términos de  2 se obtienen de las siguientes
combinaciones lineales:
1 1 1  1
       
 0   c1  0   c 2  1   c3 1
0 1  0  1
       
0 1 1  1
       
 1   c 4  0   c 5  1   c 6  1
0 1 0  1
       
0 1 1  1
       
 0   c 7  0   c 8  1   c 9  1
1 1 0  1
       

Este procedimiento dará a resolver 3 sistemas linealmente independientes para


encontrar a x  2 . Pero es mucho más fácil utilizar el hecho de que.

P 2 1  P1  2 
1

Los vectores coordenados de  1 en términos de  2 son:

1 1  0 1  0 1
           
 0  2   0  ;  1  2   1  ;  0   2  1
 0 1  0  0 1 1
           

1 1 1
Entonces: P1  2  0 1 1
1 0 1

Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

135
 1
1 1 1

P 2  1  P1   2 
1
 0 1 1
1 0 1
1 1 1 1 0 0 1 1 1 1 0 0
   R1  R3  
 0 1 1 0 1 0 0 1 1 0 1 0
1 0 1 0 0 1 0  1 0  1 0 1

R2  R3
1 0 0 1  1 0 1 0 0 1 1 0 
 R2  R1    R3  R2  
  0 1 1 0 1 0  0 1 0 1 0  1
0 0 1  1 1 1 0 0 1  1 1 1 
1 1 0 
  1 0  1
 1 1 1 

Finalmente:
 1  1 0  3  3  1  0   2 
 
 
  1 0  1 1   3  0  5    2
1
x  2  P1  2 x 1
 1 1 1  5  3  1  5  3 

136
  
3) Sea P1 x   4  2 x  x 2 con 1  1, x, x 2 . Encuentre el vector coordenada de
Px  con respecto a  2  1  x  x , x  x , x 2 . 2 2

Los vectores coordenados de Px  en términos de  2 son:

1 0  0 

1  x  x 1 2
  1 ,
x  x 1  
x 1  0
2
 1 ,   2

1 1 1

Entonces, la matriz de transición de 1 a  2 se obtiene a partir de:
1 0 0
P1  2  1 1 0
1 1 1

Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

1
1 0 0

P 2  1  P1   2 1
 1 1 0
1 1 1
1 0 0 1 0 0  R  R 1 0 0 1 0 0
  1 2
 
 1 1 0 0 1 0 
R1  R3
0 1 0  1 1 0
1 1 1 0 0 1 0 1 1  1 0 1
1 0 0 1 0 0
 R2  R3  
 0 1 0  1 1 0
0 0 1 0  1 1
1 0 0
  1 1 0

 0  1 1

Entonces:
1 0 0  4   4  0  0   4 
 

Px  2  P1  2   1 1 0  2   4  2  0   6

1
x 1
 0  1 1   1  0  2  1   1 

Finalmente: Px  2  4  6 x  x 2

137
  1  1   0   0   1    1  0 

             
4) Sea x 1   4  , 1   0  ,  1  ,  0  ;  2   0  ,  1  ,  0 
 0   0   1   1   1   1 
 0             

Calcular x  2

P 2 1  P1  2 
1

Los vectores coordenadas de  1 en términos de  2 son:

1 1  0   1  0 0
           
 0  2   0  ;  1  2   1  ;  0  2   0 
 0 1  0 1 1 1
           

1  1 0
Entonces: P1  2  0 1 0
1 1 1

Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

1
1  1 0

P 2  1  P1   2 
1
 0 1 0
1 1 1
1  1 0 1 0 0 1  1 0 1 0 0
   R1  R3  
 0 1 0 0 1 0 0 1 0 0 1 0
1 1 1 0 0 1 0 2 1  1 0 1

R2  R1
1 0 0 1 1 0
 2 R2  R3  
  0 1 0 0 1 0
0 0 1  1  2 1
1 1 0
  0 1 0
 1  2 1

Finalmente:
1 1 0  1  1  4  0  3 
 
 
x  2  P1  2
1
x 1 
 0 1 0  4    0  4  0    4 
 1  2 1  0   1  8  0   7

138
  1  1   4   0   1   0   1 

             
5) Sea x 1   4  , 1   3  ,  2  ,   1 ;  2   0  ,  1  ,  0 
 2   1   2   1    1  0 
 2             

Calcular x  2


   
      
Partiendo de x   u 1  4 u 2  2 u 3    u 1   4u 2   2u 3 
  2   2   2   2

Ordenando:
 1

       
x 2  u 1  u 2  u 3   4 
  2 2  2
 2 
     
Donde: P 2 1  u 1  u u3
   2    2    2
2

Por lo tanto:
1 1 0 1
        
u 1   3   c1  0   c 2  1   c3  0 
 2 1   1 0
       
1  c1  c3 c1  5
3 c2 de donde c2  3
2  c1  c2 c3  4
   
Entonces: u 1  5 v 1  3 v 2  4 v 3

 4 1 0 1

        
u 2   2   c1  0   c 2  1   c3  0 
1 1   1 0
       
4  c1  c3 c1  3
2 c2 de donde c2  2
1  c1  c2 c3  1
   
Entonces: u 2  3 v 1  2 v 2  v 3

0 1 0 1

        
u 3    1  c1  0   c 2  1   c3  0 
2 1   1  0
       
0  c1  c3 c1  1
1  c2 de donde c 2  1
2  c1  c2 c3  1
   
Entonces: u 3  v 1  v 2  v 3

139
Ordenando:
5 3 1
P 2 1   3 2  1
 4 1  1
Finalmente:
5 3 1   1  5  12  2 9

x  2   3 2  1  4     3  8  2   3
 4 1  1  2   4  4  2  6

6) Encuentre el vector coordenados de x con respecto a la base  2 .

  2  1  0  1 1 
x    1 donde : 1      2     en R 2
 3  0  1  1  1

Entonces, la matriz de transición de 1 a  2 se obtiene a partir de:

1 1 
P1  2   
1  1
Para determinar P1  2 es mucho más fácil utilizar el hecho de que:
1
1 1 

P 2  1  P1   2 
1
 
1  1
1 1 1 0  R1  R2 1 1 1 0
    
1  1 0 1  0  2  1 1 
 12 R2  R3
 R2  R11 0 1

1
   2 2

0 1
1
2   1
2

1 2 
1
  12 1
2  2

Finalmente:
1  2 1  32   52 
 
  1
1
x  2  P1  2 x 1   12 2
 
2  12  3 1  32   12 

140
 1  1   0   0  1  0   0 
 
            
7) Sea x  0 , 1   0  ,  1  ,  0  ;  2  1 ,  1  ,  0  en R 3
 
 0   0   1  1  1   1 
 1            

Calcular x  2

P 2 1  P1  2 
1

Los vectores coordenados de  1 en términos de  2 son:

1 1  0  0  0  0
           
 0   1 ; 1  1 ;  0   0
 0    0   1  
   2 1   2  1    2  1 

1 0 0
Entonces: P1  2  1 1 0
1 1 1

Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

1
1 0 0

P 2  1  P1   2 
1
 1 1 0
1 1 1
1 0 0 1 0 0  R  R 1 0 0 1 0 0
  1 3
 
 1 1 0 0 1 0  R1  R2
0 1 0  1 1 0
1 1 1 0 0 1 0 1 1  1 0 1
1 0 0 1 0 0
 R2  R3  
 0 1 0  1 1 0
0 0 1 0  1 1
1 0 0
  1 1 0

 0  1 1

Finalmente:
1 0 0  1   1  0  0   1 
 
 
  1 1 0  0    1  0  0   1

1
x  2  P1  2 x 1
 0  1 1  1  0  0  1   1

141
8) Sea P1 x   2  x con 1  1, x. Encuentre el vector coordenado de Px 
con respecto a  2  x ,1  x.
Los vectores coordenadas de Px  en términos de  2 son:

1 1
 x     1  x    1
0  
1 1

Entonces, la matriz de transición de 1 a  2 se obtiene a partir de:

1 1
P1  2   
0 1

Para determinar P1  2 es mucho más fácil utilizar el hecho de que:

1
1 1

P 2  1  P1   2 
1
 
0 1
1 1 1 0  R2  R1 1 0 1  1
    
0 1 0 1  0 1 0 1 

1  1
 
0 1 

Entonces:
1  1  2  2  1  3 
 

Px  2  P1  2
1
x 1        
0 1   1   1   1

Finalmente: Px  2  3  x

142
4.4.1 EJECICIOS. Encuentre la matriz de cambio de base P1  2 de los
siguientes ejercicios.

  2  1   0   1  1  
1) Sea x    , 1    ,    ;  2    ,    en R 2
 3  0   1   1   1 

Calcular x  2
 5 
Re spuesta :  2 1 
 2 

 4  1  1   0   2  
2) Sea x    , 1    ,    ;  2    ,    en R 2
 1  0  1   1   3  

Calcular x  2

2  1   0   1   3   1   0 

             
3) Sea x   1 , 1    1 ,  1  ,  0  ;  2   0  ,  2  ,  1  en R 3
 
 4   0    1  1   0    1  5 
           

Calcular x  2
 86
33 

Re spuesta :  11 20 

 117 
 3  0   0   1   1   0   1 

             
4) Sea x  2 , 1   1  ,  0  ,  0  ;  2   1  ,  1  ,  0  en R 3
5  0   1   0   0   1   1 
           

Calcular x  2

 
5) Sea P1 x   1  x 2 con 1  1, x, x 2 . Encuentre el vector coordenado de Px 

con respecto a  2  1  x  x , x  x , x 2 .
2 2

1
Re spuesta :  1  1  x  x 2
 1 
6) Sea P1 x   1  3x con 1  1  x,1  x. Encuentre el vector coordenado de
Px  con respecto a  2  2 x,4. .

143
  
7) Sea P1 x   2 x 3  3x 2  5x  6 con 1  1, x, x 2 , x 3 . Encuentre el vector

coordenado de Px  con respecto a  2  1,1  x, 1  x  , 1  x  .
2 3

   
Re spuesta : 2 x 3  x 2  5 x 2  x  10x  1  16

 
8) Sea P1 x   2  x  3x 2 con 1  1  x,3x, x 2  x  1 . Encuentre el vector

coordenado de Px  con respecto a  2  3  2 x,1  x, x  x 2 . 

144
5. TRANSFORMACIONES

5.1 TRANSFORMACIONES LINEALES.

Las matrices pueden ser utilizadas para transformar vectores cuando actúan en
funciones de la forma w  T  v  .
 

 
Una función es una transformación lineal de los números reales que
transforman números reales en números reales, por ejemplo: f x   x 2 .
En el caso de matrices, éstas pueden transformar un vector en R 2 a R 3 , por
ejemplo:
 1 3
  2
A   1 0 y v 
 4 3 5 

 1 3  2  15   17 
   2
Entonces: w  A v   1 0      2  0    2
   
5 
 4 3  8  15   23 
 
Esto demuestra que A transforma a v en w .

De manera más general:

 1 3  x  3y 
  1 0  x    x0
   y  
 4 3   4 x  3 y 

 x  3y 
 x
La matriz A transforma un vector arbitrario   de R en un vector   x  0 
2

 y 4 x  3 y 
de R 3 .
Tal transformación se escribe como:

 x  3y 
  x  
T A        x 
  y   4 x  3 y 
 
Una transformación (o mapeo o función) T de R n a R m es una regla que


asigna a cada vector v de R n un vector único T  v  de R m . El dominio de T
 
es R , mientras que el contradominio de T es R m . Escribiéndose de la
n

siguiente forma T : R n  R m . En el ejemplo anterior, el dominio de TA es R 2 y

su contradominio es R 3 .

145
Definición. Una transformación T : R n  R m se denomina transformación lineal
si:
1. T  u  v   T  u   T  v  para todo u y v en R n
     

     
2. T  c v   cT  v  para todo v en R n y todo escalar c
  

   
La definición de transformación puede ser racionalizada mediante la
combinación de las dos propiedades anteriores, de la siguiente manera:

  
    
T : R n  R m es transformación lineal si T  c1 v 1  c2 v 2   c1T  v 1   c2T  v 2  para
     
 
todo v 1 y v 2 en R n y escalares c1 y c2 .
En el caso de las transformaciones matriciales, todas son lineales.

Definición. Sea A una matriz de nxm . Entonces la transformación matricial

  
TA : R n  R m definida por TA  x   A x (para x en R n ) es una transformación
 
lineal.

146
5.1 EJEMPLOS.

1) Suponer que T es una transformación lineal de R 2 en P2 tal que:

1  2
T    2  3x  x 2 y T    1 x2
1  3

 1 a 
Encuentre T   y T 
2 b 

1  2 
Ya que     ,   es una base para R 2 (son linealmente independientes)
1  3 
por lo tanto:

1 2  1 c1  2c2  1 c  7

c1    c2       Re solviendo 1
1  3  2  c1  3c2  2 c2  3

Por lo tanto:

 1  1 2  1  2

T    T  7    3    7T    3T  
2  1 3  1  3
  
 7 2  3x  x 2  3 1  x 2 
 11  21x  10 x 2

De manera similar:

1  2  a  c  2c2  a c1  3a  2b
c1    c2       1 Re solviendo
1  3 b  c1  3c2  b c2  b  a

Por lo tanto:
a   1  2  1  2
T     T 3a  2b    b  a     3a  2b T    b  a T  
b   1  3  1  3
   
 3a  2b  2  3x  x 2  b  a  1  x 2
a 
T     5a  3b    9a  6b x  4a  3b x 2
b 

Cuando a  1 y b  2 se tiene:

 1
T    11  21x  10 x 2
2

147
2) Sea T : P2  P2 una transformación lineal para la cual:

T 1  3  2 x T x  4 x  x 2  
T x 2  2  2x 2

Encuentre: T 6  x  4 x 2  
T a  bx  cx 2 
 
Ya que   1, x, x 2 es una base para P2 (son linealmente independientes), por
lo tanto:

 
c1 1  c2 x   c3 x 2  6  x  4 x 2

Igualando coeficientes en potencias de " x" :

c1  6 ; c2  1 ; c3  4

Por lo tanto:

  
T 6  x  4 x 2  T 61  1x   4 x 2  
 6 T 1  T x   4T x  2

 6 3  2 x   4 x  x   42  2 x 
2 2

 
T 6  x  4 x 2  18  12 x  4 x  x 2  8  8 x 2  10  8 x  9 x 2

De manera similar:

 
c1 1  c2 x   c3 x 2  a  bx  cx 2

Igualando coeficientes en potencias de " x"

c1  a ; c2  b ; c3  c

Por lo tanto:

  
T a  bx  cx 2  T a1  bx   c x 2  
 a T 1  bT x   cT x  2

 a 3  2 x   b4 x  x   c2  2 x 
2 2

 3a  2ax  4bx  bx 2  2c  2cx 2

 
T a  bx  cx 2  3a  2c    2a  4b x   b  2c x 2
Cuando a  6 ; b  1 ; c  4
 
T 6  x  4 x 2  10  8 x  9 x 2

148
3) Sea T : R 3  R 2 una transformación lineal para la cual:

1  0  0
   2     1    5 
T  0     T  1     T  0    
 0  3  0  4   1    3
     
 3 
 
Calcule T   4 
 5 
 

 1   0   0 
     
Dado que:    0  ,  1  ,  0  constituyen una base (linealmente
 0   0   1 
     
independientes), entonces:

1  0 0  3 
       
c1  0   c 2  1   c3  0     4 
 0  0 1  5 
       

Resolviendo:
c1  3 c2  4 c3  5

Entonces:

 1 0  0   3 
        
T 3  0   4  1   5  0   T   4 
  0  0
 
 1 
 
 5 
 
1 0 0  3 
       
3T  0   4 T  1   5 T  0   T   4 
0 0 1  5 
       
 3 
 2   1  5   
3    4    5    T   4 
 3 4   3  5 
 
 3 
 6   4   25   
         T   4 
 9    16    15   5 
 
 3 
   6  4  25   35 
T   4       
 5   9  16  15    22 
 

149
4) Sea T : M 22  R una transformación lineal para lo cual:
1 0 1 1 1 1 1 1
T  4 T   1 T  2 T 3
0 0 0 0 1 0 1 1

 4 7
Encuentre: T  
  1 2

Dado que:
 1 0 1 1 1 1 1 1 
   , 0 0 , 1 0 , 1 1  Constituyan una base (linealmente
  0 0       
independientes), entonces:

1 0 1 1 1 1 1 1  4 7
c1    c2    c3    c4   
0 0 0 0 1 0 1 1  1 2

Entonces: Resolviendo:

c1  c 2  c3  c 4  4 c4  2
c 2  c3  c 4  7 c3  1  c4  1  2  3
c3  c 4  1 c2  7  c3  c4  7   3  2  7  3  2  8
c4  2 c1  4  c2  c3  c4  4  8   3  2  4  8  3  2  3

Por lo tanto:

 1 0 1 1 1 1 1 1   4 7
T  3    8   3   2  T  
 0 0  0 0 1 0 1 1    1 2
1 0 1 1 1 1 1 1  4 7
 3T    8T    3T    2T   T  
0 0  0 0  1 0 1 1   1 2
 4 7
 3 4  8  1  3 2   2 3  T  
  1 2
 4 7
T   12  8  6  6  20
  1 2

150
5) Sea T : P2  P2 una transformación lineal para la cual

T 1  1  x 2 T x  x  x 2  
T x2  1 x  x2


Encuentre: T 4  x  3x 2 
 
Ya que   1, x, x 2 es una base para P2 (son linealmente independientes) por
lo tanto:

 
c1 1  c2 x   c3 x 2  4  x  3x 2

Igualando coeficientes en potencias de " x" :

c1  4 ; c2  1 ; c3  3

Por lo tanto:

  
T 4  x  3x 2  T 41  1x   3 x 2  
 4 T 1  T x   3T x 
2

 4 1  x   x  x   31  x  x 
2 2 2

 
T 4  x  3x 2  4  4 x 2  x  x 2  3  3x  3x 2  7  2 x  8 x 2

 
T 4  x  3x 2  7  2 x  8 x 2

6) Sea T : M 22  R una transformación lineal para lo cual:

1 0 1 1 1 1 1 1
T  1 T  2 T  3 T 4
0 0 0 0 1 0 1 1

1 3 
Encuentre: T  
 4 2
Dado que:
 1 0 1 1 1 1 1 1 
   , 0 0 , 1 0 , 1 1  Constituyen una base (son linealmente
  0 0       
independientes), entonces:

1 0 1 1 1 1 1 1 1 3
c1    c2    c3    c4   
0 0 0 0 1 0 1 1 4 2

151
Resolviendo:

c1  c 2  c3  c 4  1 c4  2
c 2  c3  c 4  3 c3  4  c4  4  2  2
c3  c 4  4 c2  3  c3  c4  3  2  2  1
c4  2 c1  1  c2  c3  c4  1   1  2  2  1  1  2  2  2
Por lo tanto:

 1 0 1 1 1 1 1 1  1 3 
T  2    1   2   2  T  
 0 0  0 0  1 0 1 1   4 2
1 0 1 1 1 1 1 1 1 3 
 2T    1T    2T    2T   T  
0 0  0 0  1 0 1 1  4 2
1 3 
 2 1  12   2 3  2 4   T  
 4 2
1 3 
T   2  2  6  8  10
 4 2

7) sea T : R 2  P2 una transformación lineal para la cual

1 3
T    1  2x y T    x  2x 2
1  1
 7 
Encuentre T  
9 
1  3 
Ya que     ,   es una base para R 2 (son linealmente independientes)
1   1

por lo tanto:
1  3   7  c1  3c2  7 c1  5
c1    c2       Re solviendo
1  1  9  c1  c2  9 c2  4

Por lo tanto:

 7   1  3   1 3

T    T 5   4     5 T    4T  
9   1  1  1  1

 51  2 x   4 x  2 x 2 
 5  10 x  4 x  8 x 2
 7 
T     5  14 x  8 x 2
9 

152
8) Sea T : R 2  R 2 una transformación lineal tal que:

1 5  2    9
T     y T    
 1  8  2  4 

 10  7
Encuentre T   y T 
 15 11

 1   2 
Ya que     ,   es una base para R 2 (son linealmente independientes)
  1  2 
por lo tanto:

1 2  10  c  2c2  10 c1  252

c1    c2       1 Re solviendo
 1 2  15  c1  2c2  15 c2   54

Por lo tanto:

 10   1  2  1  2
T    T  252    54     25
T    54 T  
 15   1  1
2
 2   2
5   9
 252    54  
 8 4
 125   45 
 2  4 
 100  5
 10   1252  4   295 
45
T       
4

 15  100  5  105

De manera similar:

1  2  7  c  2c2  7 c1  2
c1    c2       1 Re solviendo
 1 2 11  c1  2c2  11 c2  92

Por lo tanto:
7  1  2  1  2
T     T  2    92     2T    92 T  
11   1  2   1  2
5   9
 2    92  
 8 4
 10  812 
  
 16   18 
 7   10  812   101
T       2
11  16  18   34 

153
5.1 EJECICIOS. Encuentre las transformaciones lineales de los siguientes
ejercicios.

1) Sea T : P2  P1 una transformación lineal tal que:

 
T 1  x  x 2  1  3x  
T 1  x  x 2  3  2 x  
T 1  x  x 2  1  2x

  
Encuentre T a  bx  cx 2 y T  25  15x  10 x 2 
Re spuesta : a  b  c  2a  12 b  12 c x y  952 x

2) Sea T : P1  P1 una transformación lineal tal que:

T  1  x   8  5x y T 2  2 x   4  9 x

Encuentre T a  bx , T  15  10 x  y T b  ax 

3) Sea T : R 3  R 2 una transformación lineal tal que:

3 2  2
T e1  e2  e3     T  e1  e2  e3     T e1  e2  e3    
 1  3 1
  10 
Encuentre T x  y T  15 
 25
 12 x  12 y  2 z   952 
Re spuesta :   y  0 
 x yz   

4) Sea T : R 2  R 3 una transformación lineal tal que:

1  3
1   0    5  a 
T    2  y T    0  Encuentre T   y T  
0  1 1 4  2 b 
   

5) Sea T : P2  P2 una transformación lineal para la cual:

T 1  x   1  x 2  
T x  x2  x  x2 T 1 x2 1 x  x2  

Encuentre T 4  x  3x 2 
y T a  bx  cx 2  
  3a  b  c  2 
 
Re spuesta : 4  3x  5 x 2 y  a  cx    x 
  2  
6) Sea T : M 22  R una transformación lineal para lo cual:
1 1 0 0 0 1 1 0
T  3 T   4 T  5 T  1
0 0 1 1 0 1 1 0

154
 1 5 a b 
Encuentre: T   y T 
3 2 c d 

7) Sea T : R 2  R 3 una transformación lineal tal que:

1    4
1   0     2  3
T     2 y T    0  Encuentre T   y T 
0   3  1  5   4 7
   
 14  31
Re spuesta :  4  y   6 
 
 26   26 

8) Sea T : P  P una transformación lineal que satisface:

T x n  
1 n 1
x n0
n 1

Encuentre: T x  x 2  
T 1  x3  
T 1 x2 
2

155
6. APENDICE. Algebra Lineal con SCIENTIFIC WORD PLACE (Versión 5.0)

En la actualidad, el apoyo de Software para la motivación, cálculo y verificación

de resultados obtenidos en las Matemáticas y sus aplicaciones en la Ingeniería
en general, y en especial en la Ingeniería Electrónica, es de vital importancia.
Por lo cual, se anexan una serie de ejercicios de algebra Lineal y operaciones
con Números Complejos, con sus instrucciones de cálculo respectivas con el
programa SCIENTIFIC WORD PLACE. Programa compatible con Microsoft, ya
que utiliza una hoja de trabajo, ventanas, simbología y dinámicas de trabajo en
general similares. Por lo hace un paquete muy factible y versátil, aún cuando se
tengan bajos conocimientos en programación; sólo con pocas y sencillas
instrucciones para los respectivos cálculos en varias ramas de las
Matemáticas: Cálculo Diferencial e Integral, Cálculo de Varias Variables,
Análisis Numérico, Probabilidad y Estadística, Transformadas de Laplace,
Transformadas de Fourier, etc.

156
157
158
159
160
161
162
163
164
165
166
7. BIBLIOGRAFIA CONSULTADA.

 Derrick, William R. “Variable compleja con Aplicaciones”. Editoral

Iberoamérica. 1987.

 Spiegel Murray. “Variable Compleja”. Schaum, Editorial Mc Graw Hill,

México.

 Poole, David. “Algebra Lineal, una Introducción Moderna”. Editorial

Thomson. 2004.

 Grossman, Stanley I. “Algebra Lineal”. Editorial Mc Graw Hill. Quinta

Edición. 1996.

 Nakos, George / Joyner, David. “Algebra Lineal con Aplicaciones”.

Editorial Thomson. 1998.

 Howard, Anton. “Introducción al Algebra Lineal”. Editorial Limusa,

Primera Edición. 1976.

167