You are on page 1of 104

TECNOLGICO NACIONAL DE MXICO

INSTITUTO TECNOLGICO DE LA PAZ

APUNTES DE LA ASIGNATURA
lgebra lineal

ELABORADO POR:
MA. Marco Antonio Calzada Velzquez

La Paz, Baja California Sur

UNIDAD 1 NMEROS COMPLEJOS

Subtemas
1.1. Definicin y origen de los nmeros complejos.
1.2. Operaciones fundamentales con nmeros complejos.
1.3. Potencias de i, mdulo o valor absoluto de un nmero complejo.
1.4. Forma polar y exponencial de un nmero complejo.
1.5. Teorema de De Moivre, potencias y extraccin de races de un nmero complejo.
1.6. Ecuaciones polinmicas.

Objetivo
Manejar los nmeros complejos y las diferentes formas de representarlos, as como las
operaciones entre ellos para tener una base de conocimiento a utilizar en ecuaciones
diferenciales, circuitos elctricos y en diferentes aplicaciones de ingeniera.

Bibliografa

Aguilar Marquez, A. (2009). Matemticas simplificadas. Mxico. Person.

Grossman Stanley (2012); lgebra lineal. Mxico. Mc Graw Hill

Larson et al. (1986). Clculo y geometra analtica. Madrid. Mc Graw Hill

William H. et al. (2007). Anlisis de Circuitos en Ingeniera. Mxico. Mc Graw Hill

NMEROS COMPLEJOS
Origen de los nmeros complejos

Bombolli (XVll)
Leonard Euler i =1 = 1
Caspar wessel (1745-1818)

Quien tambin realizo una interpretacin geomtrica fue Charl Friedrich Gauss, como gauss
pblico antes que Wessel y se dio el crdito y se le denomina al plano de los nmeros complejos
como el plano Gaussiano.
Definicin de los nmeros complejos
Es aquel nmero que est formado por dos partes (una parte real y otra imaginaria)
= +
a = parte real
bi= parte imaginaria
Graficar los siguientes nmeros complejos
b) 2 = 2 5

C) 3 =

d) 4 = 7

e) 1 = 2 + 9

im

e
c

Re

A) 1 = 3 + 2

Y=nmero imaginario
X=nmeros reales

La grafica esta seccionada


del 1-7 en cada eje

Suma y resta de nmeros complejos


La suma y diferencia de nmeros complejos se realiza sumando y restando partes reales entre s y
partes imaginarias entre s.

= +

a) 1 + 2 =

(7 3) + (5 + 9) =

b) 23 + 2 4

3
2

= 2 (2 ) + (2 5 + 3) =
3
5

2 2

+ 2 1 + 4 =

3
2

12 + 6
7

c) 4 35 + 1 = (5 + 3) 3 ( ) + (7 3) =
d)

= +

51
5

(5 + 9) + (5 + 9) (7 3) + (5 + 3) =
1
2

21
57
+
2
2

e) 1 2 + 5(3 + 4 ) 5 = (7 3) (5 + 9) + 5 (( ) + ( + ))
1

( )
2

292
11
+ 6
10

Potencias de i
=
=
=
=
=

Multiplicacin de nmeros complejos


El producto de los nmeros complejos se realiza aplicando la propiedad distributiva del producto
respecto de la suma y teniendo en cuenta que =

Sean; = +

= +

= (1 + 2)(3 5) = (3 5 + 6 + 10) = 13 +

1
4
= (4)2 ( + ) = + 2
2 3
3

c)

+ + + = (3 + (1 + 2) (2 + 3) + (1 + 2)2 + =

17
3

3
3

Conjugado de nmero complejo


Numero complejo

conjugado

= +

El conjugado de un nmero
complejo, solo cambia el signo
de la parte imaginaria

Ejercicio: conjugado de nmero complejo

Numero complejo

conjugado

) 1 = 3 2

= 3 + 2

) 2 = 5

= 5

) 3 = 16

= 4

Divisin de nmeros complejos =


El cociente de nmeros complejos se hace racionalizando el denominador; esto es, multiplicando
numerador y denominador por el conjugado de ste.
Ejemplo
= +
)

= +

= +

2 + 3 5 + 2
10 + 4 + 15 6
4 + 19
=

=
=

5 2 5 + 2
25 10 10 + 4
29


(5 2)(7 + 2) 31 + 24 4 19
124 + 589 + 94 + 456
=
=

=

(5 + 2)(2 + 3)
4 + 19
4 19
16 76 + 76 + 361
332 + 683
=
377
( )
(5 2(5 + 2) (2 + 3)) 5 2(3 1)
15 5 6 2
=
=
=
(5 + 2) + (7 + 2)
+
2 + 4
2 + 4
13 11 2 4 (26 52 + 22 44) 7 3
=

=
=
2 + 4 2 4
4 + 8 8 + 16
2

Mdulo de un nmero complejo


Llamamos mdulo de Z valor absoluto de Z a la distancia entre el punto (, ) y el origeny
los denotamos como ( ||)
bi

2 = 2 + 2

bi
a

= 2 + 2

Ejemplo
1 = 5 + 2

= 52 + 22

= 29

2 = 5

= 52 + 12

= 26

3 = 49

= 72

=7

4 = 1 + 3

= 12 + 3

=2

Forma polar de un nmero complejo


=
c
a

a
c

Por lo tanto:
=
=
=

Argumento de Z

Sea

= +

-=

> 0 { > 0

< 0}

2- = 2

=0

>0

=0

<0

4- = 0

>0

=0

5- =

<0

=0

<0

>0

3- =

6- = + tan

7- = + tan

<0

<0

Ejemplo:
1 = 2 + 2
2 = 4 + 6

=2
= 4

=2
=6

2
= 45
2

= 56.30 + 180 = 123.69

3 = 5 2

=5

= 2

6
4

5
= 45
2

Ejercicios. Pasar de forma polar los siguientes nmeros complejos.

Rectangular

Polar

)1 =

)1 = 90

)2 = 9

)2 = 3 90

)3 = 4

)3 = 40

)4 = 2 + 14

)4 = 14.071 84.23

Multiplicacin y divisin en forme polar


Para multiplicar dos nmeros complejos en forma polar se multiplican los mdulos y se suman los
argumentos.
Para dividir dos nmeros complejos en forma polar se dividen los mdulos y se restan los
argumentos.

1 1 = 1 2 [cos(1 +2 ) + (1 +2 )]
1 1 =

1
[cos(1 2 ) + (1 2 )]
2

Ejemplo
Sean:

a) = (5)(10) cis (2 + 2 = 50
b)

10
5

c)

32 90
1025
=
90 45
90 45

d)

cis (2 2 = 2

(5)(5) (2+2)

5
2

3
2

16
45

45
25 4

= (90)(32) (45+90) = 2,880 135 = 8.68 103

Forma exponencial de un nmero complejo


Una variante de la forma polar se obtiene al tener en cuenta la frmula de Euler.
= +
Esto nos permite escribir un nmero complejo de la forma siguiente denominada forma
exponencial.
=
Cambio entre la forma polar y exponencial
3

Forma polar = 22 [cos ( 4 ) + ( 4 )]


3

Exponencial= = 22 4
Cambiar los siguientes nmeros complejos a su forma rectangular.
a) = 3( + ) =

b) = 7 4 =

= 3
= 4.94 + 4.94

c) = 3 2 =
9
d) = =

= 0 + 3
= 4.5 7.9

Multiplicacin y divisin en forma exponencial

a)

1 2
3

b)

3 1
2 4

c)

13 4
22 3

1
2

Sean; 1 = 4 2

3 = 8 2

2 =
1
2

(4)( ) (2+)

8 2
17

32 3
5

2 2
1 (63)
64( )
4

1
(2+ )
2
(8)
4

2 3

8 2

4 =

4 3

1 5

= 4 2

= 25611
19

= 8 6

Teorema de Moiure
Si = ( + ) y n es cualquier numero entero positivo, entonces;
= ( + )
Hallar; la dcima potencia del nmero complejo; = 1 +
=1

=1

= 10

= 12 + 12 = 2

10 = (2)10 { 10(45) + 10(45)} =

1
= tan ( ) = 45
1

32
8

Ejercicios; hallarla potencia indicada de los siguientes nmeros complejos y representarlos en su


forma +

) = 5
=0

3
2

4 == (5)4 { 4(45) + 4(45)} = 625

= 5

= 02 + 52 = 5

=4

12 == (2)12 { 12(135) + 12(135)} =

) = 1 +
64
= 1

=1

= 12 + 12 = 2

= 12

= 45 + 180 = 135

= 3

1
= + tan ( )
1

13 == (2)13 { 13(150) + 13(150)} = 78.38 +

) = 1 + 3
45.25
= 1

1
= tan ( ) = 45
1

= 13

= 12 + 3 = 2

1
= + tan ( ) = 150
3

13 == (2)15 { 15(150) + 15(150)} = 181

) =
3.64
=

1
3

1
3

= 1

10 == (1.1547)10 { 10(30) + 10(30)} = 2.10 +

= 10

12
=
+ (1)2 = 1.1547
3

1
= + tan ( )
3

= 30

) = 2 3
5,254.05
=2

= 3
= 49.1

16 == (27)13 { 16(49.1) + 16(49.1)} = 2,372.29

= 16

= 22 + 3 = 7

1
= + tan ( )
3

Teorema de las races ensimas de un nmero complejo


Para cualquier nmero entero positivo n el numero complejo:
= ( + )
Tiene exactamente n races distintas; tales races estn dadas por;
+2
+2

= [cos (
) + (
)]

Donde k=0,1,2,3,4,5.n-1
Ejemplo; obtener la raz cubica de =
a)
=3

=0

=1

= 02 + 12 = 1

= 90

=0

90 + 2(0)
90 + 2(0)
3
= 1 [cos (
) + (
)] = 0.86 + 0.5
3
3

=1

90 + 2(1)
90 + 2(1)
3
= 1 [cos (
) + (
)] = 0.86 + 0.5
3
3

=2

90 + 2(2)
90 + 2(2)
3
= 1 [cos (
) + (
)] =
3
3

b) = 2 + 2
=3

= 2

=2

= (2)2 + (2)2 = 8

= 45 + 180 = 135

=0

135 + 2(0)
135 + 2(0)
6
= 8 [cos (
) + (
)] = 1 +
3
3

=1

135 + 2(1)
135 + 2(1)
3
= 1 [cos (
) + (
)] = 1.36 + 0.36
3
3

=2

135 + 2(2)
135 + 2(2)
3
= 1 [cos (
) + (
)] = 0.36 1.36
3
3

Obtener las races cuartas de;

= 16 [cos ( 3 ) + ( 3 )]
=4

= 8

= 13.85

= (8)2 + (13.85)2 = 16

= 30 180 = 150
10

=0

= 16 [cos (

=1

= 16 [cos (

=2

= 16 [cos (

=3

= 16 [cos (

150 + 2(0)
150 + 2(0)
) + (
)] = 1.285 1.532
3
3
150 + 2(1)
150 + 2(1)
) + (
)] = 1.53 + 1.28
3
3
150 + 2(2)
150 + 2(2)
) + (
)] = 1.285 + 1.52
3
3
150 + 2(2)
150 + 2(2)
) + (
)] = 1.532 1.28
3
3

Ecuaciones polinomicas
Obtener las races 3 27 = 0
3 = 27

( 3)

( 2 + 3 + 9) Segundo factor

= 27


=
+
+

=3
Factorizar 2 + 3 + 9 = 0
=1 =3 =9
1 , 2 =

3 32 4(1)(9)
= 1 = 3
2
2(1)
3
3
3 3
3 3
= +

3 =

2
2
2
2

3 = Se obtiene con
el conjugado del 2

Otro procedimiento seria; sustitucin x por Z


3 27 = 0
3 27 = 0
=3

= 27

=0

= 272 + 02 = 27

= 0

=0

0 + 2(0)
0 + 2(0)
3
= 1 [cos (
) + (
)] = 3
3
3

=1

120 + 2(1)
120 + 2(1)
3
= 1 [cos (
) + (
)] = 1.5 + 2.5
3
3

=2

240 + 2(2)
240 + 2(2)
3
= 1 [cos (
) + (
)] = 1.5 2.5
3
3
11

Factorice las siguientes expresiones


a) 3 + 3 2 + 2 = 0
( 2 + 3 + 2) = ( + 1)( + 2)
1 = 0

2 = 1

3 = 2

b) 3
( + 1)( 1)
1 = 0

2 = 1

3 = 1

c) 4 1
( 2 + 1)( 2 1)
2 = 1

2 = 1

= 1 =

= 1 = 1

1 =

2 =

3 = 1

4 = 1

d) 3 8
( 2)( 2 + 2 + 4)
2 22 4(1)(4)
= 1 = 1 + 3 2 = 1 3
2(1)
1 = 2

2 = 1 + 3

3 = 1 3

Ejercicios; determinar el valor de Z en su forma rectangular que satisfagan las siguientes


ecuaciones.
a) ( + 1) = (4 + 5)
2 + 2 = 8 10
2 = 8 10 2
2 = 8 12
=

12 8
+
2 2

= 6 + 4

12

b) 5 = 3 + 2
( 5) = 3 + 2
=

3 + 2
5 +

3 + 2 5 (15 3 10 + 2)

=
5 + 5
25 + 5 5 + 1

1
1

2
2

c) 3 5 + 2 = 6 (5 2)
3 6 = 5 + 2 + 5 + 2
3 = 7 + 7
=

7
7

3
3

d) ( + )2 = ( + 2)( + 2)
( 2 + 2 1) = 2 2 + 2 4
= 3 + 2

Divisin sinttica (regla de RUFFINI)


Otro mtodo para obtener las races de un polinomio de n grado es la divisin sinttica.
() = + 1 1 + 2 2 +. . . 2 2 + 1 + 0

Ejemplo; hallar las races del siguiente polinomio; 3 + 2 1


1- 0 = 1{1}

= 1{1}
2-

= 1

1+111
1
+1 + 2 + 1
1+2+1 0 1
1 1 0
1 +1 0 0 1
1 0 0
1 0 0 0

13

Por lo tanto los valores son; 1 ( 1)

2 ( + 1)

3 ( 1)

3 4 2 + + 6 = 0
0 = 6{1, 2, 3, 6}

= 1{1}
14+1+6 1
1 + 5 6
15+6 0 2
2 6 0
13 0 0 3
+3 0 0
1 0 0 0
Por lo tanto los valores son; 1 ( + 1)

2 ( 2)

3 ( 3)

2 ( 1)

3 ( + 2)

2 4 + 5 3 8 2 17 6 = 0

2 + 5 8 17 6 2
4 + 18 + 20 + 6
2 + 9 + 10 + 3 0 1
2 7 3 0
1
2+7 +3 0 0
2
1 3 0 0
2 6 0 0
26 0 0
3
6 0 0
2 0 0 0
Por lo tanto los valores son; 1 ( 2)

4 ( 3)

14

UNIDAD 2 MATRICES Y DETERMINANTES

Subtemas
2.1. Definicin de matriz, notacin y orden.
2.2. Operaciones con matrices.
2.3. Clasificacin de las matrices.
2.4. Transformaciones elementales por rengln.
2.5. Escalonamiento de una matriz. Rango de una matriz.
2.6. Clculo de la inversa de una matriz.
2.7. Definicin de determinante de una matriz.
2.8. Propiedades de los determinantes.
2.9. Inversa de una matriz cuadrada a travs de la adjunta.
2.10.Aplicacin de matrices y determinantes.

Objetivo
Manejar las matrices, sus propiedades y operaciones a fin de expresar conceptos y
problemas mediante ellas, en los sistemas de ecuaciones lineales; as como en otras reas
de las matemticas y de la ingeniera, para una mejor comprensin y una solucin ms
eficiente. Utilizar el determinante y sus propiedades para probar la existencia y el clculo
de la inversa de una matriz.

Bibliografa

Grossman, Stanley I. (2012). Algebra lineal. Mxico: McGraw-Hill

Anton, Howard (2008). Introduccin al lgebra lineal. Mxico: Limusa.

Poole, David (2007). lgebra lineal. Mxico: Thomson.

Seymour, Lipschutz (1991). Teora y Problemas de lgebra Lineal. Mxico: Serie


Schaum.
15

MATRICES Y DETERMINANTES

INTRODUCCIN
Las matrices aparecen por primera vez hacia el ao 1850, introducidas por J.J. Sylvester. El
desarrollo inicial de la teora se debe al matemtico W.R. Hamilton en 1853. En 1858, A. Cayley
introduce la notacin matricial como una forma abreviada de escribir un sistema de m ecuaciones
lineales con n incgnitas. El concepto de matriz alcanza mltiples aplicaciones tanto en la
representacin y manipulacin de datos como en el clculo numrico y simblico que se deriva de
los modelos matemticos utilizados para resolver problemas en diferentes disciplinas como, por
ejemplo, las ciencias sociales, las ingenieras, economa, fsica, estadstica y las diferentes ramas de
las matemticas entre las que destacamos las ecuaciones diferenciales, el clculo numrico y, por
supuesto, el lgebra.

Definicin de matriz
Es un arreglo rectangular de nmeros dispuestos en filas y en columnas, encerrados entre
parntesis. Los nmeros del arreglo se conocen como elementos de la matriz.
Las matrices se nombran con letras maysculas [A, B, C] y sus elementos con minsculas con dos
subndices [ ] que indican respectivamente la fila y la columna en la que se sita el elemento.
Notacin
11
21

12
22

= { } = [

1 2

1
2

Columnas ()
Filas o renglones ()

Orden o tamao.
Una matriz de filas y columnas se dice que es una matriz de orden y se representa
por () cuando = se tiene una matriz cuadrada. Una matriz que solo tiene elementos o se le
denomina matriz o matriz nula.
16

Una matriz con una fila (1) se le llama vector fila y cuando la matriz solo tiene columnas, se le
llama vector columna.
Ejemplo
900 800 700
=[
]
20
30
60

= [1 2

3]

40
= [ 50 ]
100

La matriz (23) (dos filas y tres columnas) se le llama matriz rectangular


La matriz (13) (una fila y tres columnas) se le llama vector fila
La matriz (41) (cuatro filas y una columna) se le llama vector columna

OPERACIONES CON MATRICES


Suma y resta.
Dadas dos matrices la suma o diferencia de estas se obtiene sumando o restando los
elementos correspondientes. La nica regla para realizar estas operaciones sea del mismo
orden; la suma y resta de diferente orden no est definida.
Propiedades de las matrices

A)
B)
C)
D)

Conmutativa
Asociativa
Elemento neutro
Elemento opuesto

+ =+
( + ) + = + ( + )
+=
+ () =

Ejemplo
=[

1 2 5
]
1 7 3

1 11 17
=[
]
0 5 4

+ = [

2 9 22
]
7 2 7

17

Realizar las siguientes operaciones


= [ ]


= [ ]


=[
]


= [
]

A) +
B) +
C) +
D)
E) + +
F)

1
A) + = [2
0

0
2
1] + [4
3
5

1
2 1
2] = [6 3]
7
5 10

2 1
2 5 3
B) + = [4 2] + [
] = ( )
1 0 4
5 7
2 5 3
0 5 2
2 0 5
C) + = [
]+ [
]=[
]
1 0 4
1 8 1
2 0 8

D) = [

2 10 1
0 5 2
2 5 3
][
]= [
]
0 8 3
1 8 1
1 0 4

1 0
2 1
2 5 3
E) + + = [2 1] + [4 2] + [
]=
1 0 4
0 3
5 7
( )
2 1
2 1
F) = [4 2] [4 2] =
5 7
5 7
18

Producto de una matriz por un escalar


El producto de un escalar por una matriz , representado por es la matriz que se obtiene al
multiplicar cada elemento de .

Propiedades
A) 1 ( + ) = 1 + 1

B) (1 + 2 ) = 1 + 2

C) (1 2 ) = 1 (2 )

D) 1 =

Ejercicios
Realizar las siguientes operaciones con matrices dadas

= [ ]


= [ ]


= [ ]

=

=[



] =[
] =[
]

A) 1 +
B) 1 + 2
C) 4 + 2
D) 3 + 2 + 1
E) 1 + 1 2 + (1 + 2 )
F) 5 + 3 4

19

1
A) + = 2 [1
0

1 1
2 5
0 1] + [ 0 2
1 0
3 4

1
4
1] = [2
0
3

7 3
2 3]
6 0

B) + =

1 1
2 [1 0
0 1

1
1
1] 1 [1
0
0

1 1
1
0 1] + = [1
1 0
0

1 1
0 1]
1 0

C) + =

1
[2
2

2 8
4
4 6

10
1
2 ] 1 [1
0
0

1 1
0 3 4
0 1] = [ 0 2 0]
1 0
2 2 0

D) + + = (

E) + + ( + ) =

2[

2 5
F) + = 1 [0 2
3 4
1 1 1
1 2
0 [1 0 1] = [] [0
2
0 1 0
3

= [

=[

2 2
0
3 3

1 2
0
1.5 3

5 5
2 2
4 4

0 2
0 3
2 1
1 3
] 2[
] 3[
]=[
]
1 1
0 3
1 0
1 4

1
2 2
1] = [ 0
0
3 3

5 5
2 2
4 4

1
1 ] +
0

1 2.5 0.5
5 1
2 1] = [ 0
1 0.5]
1.5 4
4 0
0

1
1 2.5 0.5
1 ] + [] [ 0
1 0.5]
0
1.5 4
0

2.5 5
1 2
42 4

0.5
0.5 ]
0

20

Producto de matrices
Sean dos matices tales que el numero de comlumnas es igual al nmero de filas de , es
decir, es una matriz () y es una matriz () entonces el producto es la matriz
() cuya componente ( ) es la que se obtiene multiplicando la fila i-esima de columna jesima de .

A
A ( m x np ))

B(pxn)

= C(mxn)

Si son iguales si se puede multiplicar

Nota: el producto no esta definido si es una matriz () y es una matriz ()

Propiedades

A)
B)
C)
D)

( ) = ( ) ( )
( + ) = +
( + ) = +
( ) = () = ()

Nota: no se puede alterar el orden de los productos (no son conmutables

21

Ejemplo
=[

5(3) + 2(2) 5(2) + 2(4)


19 18
5 2 3 2
][
]=[
]=[
]
1(3) 1(2) 1(2) 1(4)
1
2
1 1 2 4

Traza de matrices
Si es una matriz cuadrada, entonces la traza de denotada () se define como la suma de los
elementos de la diagonal principal de . La traza de no esta definida si no es una matriz
cuadrada.
Propiedades

A) ( + ) = () + ()
B) () = ()
C) ( ) = ()

Ejemplo:
Calcule la traza
1 2
1
5
3 1 0
7 ] = () = (1) + (1) + (6) + (2) = 4
=[
3 1
6
6
0 10 2 2

Ejercicios
Considera las matrices:


= [ ] = [
]


=[
]


= [ ]


= [ ]

Calcular los siguientes (en caso de ser posible)
22

A) ()
B) ( 3)
C) 4(7)
D) ()
E) ()
F) ( + 2) 2( 2 )

1 5 2
A) () = [1 0 1] = 1 + 0 + 4 = 5
3 2 4
6 1
1 5 2
B) ( ) = [1 0 1] 3 [1 1
4 1
3 2 4

3
1 5 2
2] = [1 0 1] +
3
3 2 4

18 3 9
17 2
7
[ 3
3 6] = [ 2
3 5] = 17 3 5 = 25
9 3 9
6 1 5
4
C) ()= 4 7 [
0

1
4
] = 28 [
2
0

1
112 28
]=[
] = 112 + 56
2
0
56

D) () =
3 0
1
E) () = [1 2] [
3
1 2

3
4 2
] = [5
1 5
7

F) ( + ) ( ) = [

2[

1 4
3 1

12 6
2 8 ] = 3 2 + 12 = 13
6 12

3 0
2
1 12
] [1 2] = [
]
5
13 12
1 2

4 1
8 2
1 12
8
]=[
] = [
]+[
0 2
0 4
13 12
0

2
9 10
] =[
] = 25
4
13 16

6 1 3
4 8 12
1 5 2 1 5 2
2
9 15
[1 0 1] [1 0 1] = [ 2 3 2 ] [1 1 2] = 2 [ 3 4 0 ]
4 1 3
9 13 21
3 2 4 3 2 4
13 14 24
23

= 2 13 = 26 = 25 26 = 1

Realizar las siguientes operaciones con las matrices dadas

= [ ] = [ ] = [ ] = [ ] = [ ]






= [ ] = [
]

= []

A)
B)
C)
D)
E)
F)
G) 3
H) 3 + 2 +
I)

1 0
A) = [0 1
0 0

0
1 3 4
1 3
0] [ 2 0 2] = [ 2 0
1
4 5 1
4 5

1 3
B) = [ 2 0
4 5

1 0
C) = [0 1
0 0

4
2 3 1
34
2] [ 4 6 0] = [ 6
1
5 2 9
17

4
2]
1

23 35
10 20]
44 13

0
4 7
4 7
0] [ 5 1] = [ 5 1 ]
1
2 3
2 3
24

1 3
D) = [ 2 0
4 5

4
2 3 1
1
89
34 20 35
2] [ 4 6 0] = [ 6
10 20] [2] = [ 72 ]
1
5 2 9
3
222
17 44 13

2 3 1
1 3 4
12 1 1 2 3
E) = [ 4 6 0] [ 2 0 2] = [ 8 12 28 ] [ 4 6
5 2 9
4 5 1
35 60 39 5 2
2 3 1
4
= [ 4 6 0] [5
5 2 9
2
4
F) = [5
2

7
20
5 11 1
] = [25
1] [
0 7 2
3
10

1
0]
9

7
41
80
=
]
[
1
148 152]
3
518 422

93 18
62 7 ]
43 8

G) =

1
H) + + = [0
0

0 0
1 0
1 0] [ 0 1
0 1
0 0

0
1 0
0] [ 0 1
1
0 0

0
1
0] = [0
1
0

0 0
1 0]
0 1

1 3 4
1 3 4
23 17 6
[ 2 0 2] [ 2 0 2] = [ 6 16 10]
4 5 1
4 5 1
10 17 27

1
[0
0

I)

0 0
23
1 0] + [ 6
0 1
10

17 6
23 17 6
2 3 1
52 183 77
16 10] = [ 6 16 10] + [ 4 6 0] = [102 134 96 ]
17 27
10 17 27
5 2 9
183 186 253

1 3
= [ 2 0
4 5

4
2 3 1
34

=
]
[
]
[
2
4 6 0
6
1
5 2 9
17

20 35
10 20]
44 13

25

2 3 1
1 3
[ 4 6 0] [ 2 0
5 2 9
4 5

4
12 1 1
2] = [ 8 12 28 ]
1
35 60 39

12 1 1
22
21
36
34 20 35
[ 6 10 20] [ 8 12 28 ] = [ 2
2
8 ]
35 60 39
18 16 26
17 44 13

Clasificacin de matrices
a) Matriz triangular superior: Una matriz cuadrada se llama triangular superior si todos los
componentes que se encuentran por debajo de la diagonal principal con cero
Ejemplo:
1 3
=[
]
0 4

15 6
=[0 1
0 0

9
11]
8

b) Matriz triangular inferior: Se dice que una matriz cuadrada es triangular inferior si todos los
componentes que se encuentran arriba de la diagonal principal son cero,
Ejemplo:
6 0
=[
]
5 4

15
= [12
5

0 0
1 0]
4 8

c) Matriz diagonal. Una matriz cuadrada se llama matriz diagonal si todos los componentes
que estn fuera de la diagonal principal son cero.
Ejemplo:
6 0
=[
]
0 4

15
=[0
0

0 0
1 0]
0 8

26

d) Matriz escalar: matriz diagonal triangular (superior e inferior a la vez) cuyos elementos son
todos iguales.se comporta como escalar
2
=[
0

0
]
2

e) Matriz identidad ( ): matriz cuadrada cuya diagonal principal est formada solo por uno se
representa. Cumple con las siguientes propiedades.
1
=[
0

1) =
2) =

f)

0
]
1

Matriz potencia: matriz cuadrada que resalta del producto de por si mismo repetido en el
eje. es entero positivo.
1
2 = [0
2

3 1
1
4 2] [0
5 1
2

3 1
2 20 4
4 2] = [4 6 10]
5 1
4 31
7

2 = =
2 = =
2 = =
g) Matriz peridica: una matriz se llama peridica, si el menor numero entero y positivo
para el cual se cumple +1 = . Se dice que la matriz tiene como periodo .
Ejemplo:
1 2 6
= [3 2
9 ] = 2
2
0 3
1 2 6
1 2 6
5 6 6
2+1 = [3 2
9 ] [3 2
9 ] == [ 9 10 9 ]
2
0 3
2
0 3
4 4 3
1 2 6
1 2 6
5 6 6
3 [ 9 10 9 ] [3 2
9 ] = [3 2
9]
2
0 3
2
0 3
4 4 3
27

3 = , 2

h) Matriz nilpotente: siendo una matriz cuadrada y si es un numero menor entero positivo
para el cual = 0,entonces es nilpotente de orden .

Ejemplo:
1
1
3
=[ 5
2
6]
2 1 3
Calcular 3
1 2 6
1 2 6
0
0
0
3 = [3 2
9 ] [3 2
9 ]=[ 3
3
9]
2
0 3
2
0 3
1 1 3
0
0
0
1 2 6
0 0

=
[3
3
9 ] [3 2
9 ] [0 0
1 1 3
2
0 3
0 0

i)

0
0]
0

Matriz idempotente: una matriz de es idempotente si y solo 2 = .


Ejemplo:
2 2 4
= [1 3
4]
1 2 3

2 2 4
2 2 4
2 2 4
2 = [1 3
4 ] [1 3
4 ] = [1 3
4]
1 2 3
1 2 3
1 2 3

J)

Matriz involutiva: una matriz es involutiva si cumple con ES involutiva si cumple con
2 =

Ejemplo:
28

1 1 2
=[ 0
1
0]
0
0
1
1 1 2
1 1 2
1
2 = [ 0
1
0 ][ 0
1
0 ] = [0
0
0
1
0
0
1
0

0 0
1 0]
0 1

K) Matriz simtrica: matriz cuadrada que verifica = . Todos sus elementos estn
contenidos en los nueros reales { }, .

Ejemplo:
1 5
= [5 1
3 2

3
1 5 3
2] = = [5 1 2] =
1
3 2 1

L) Matriz antisimetrica: matriz cuadrada que verifica = . Todos sus elementos estn
contenidos en los nueros reales { }, .los elementos de la diagonal principal son iguales
a cero.

Ejemplo:
0 2 5
1
0
2 5 1
2
2 0 7 1
1
0
7

=[
]= =[
] = ()
5 7 0
5
8
7
0 8
1 1 8 0
1 1 8
0
0 2 5
1
2
1
0
7
=[
]
5 7 0
8
1 1 8 0
M) Matriz compleja: matriz que almenos un elemento es complejo.
Ejemplo:
1
=[

1
1
] = = [
5 + 2

1
]
5 2

29

N) Matriz conjugada: sea una matriz compleja, la matriz conjugada se forma con los dos
conjugados de cada elemento de , se representa por .
Ejemplo:
1 2
=[
3

1 + 2
] = = [
3 + 3
3

]
3 3

O) Matriz hermitiana: matriz cuadrada de los elementos complejos que verifica = . Tiene
los elementos de la diagonal principal nmeros reales.
Ejemplo:
3
= [5
2

3
2
3 + 2 ] = = [ 5
2
7

5
5
3 2

3
= = [ 5
2

5
2
3 2

5
5
3 + 2

2
3 2 ]
7

2
3 + 2 ]
7

P) Matriz antihermitiana: matriz cuadrada de los elementos complejos que verifica = .


Tiene los elementos de la diagonal principal elementos imaginarios puros.
Ejemplo:

= [3
7

3
2
5

= = [ 3
7

3
5 ] = = [3
2
3
7 5

3
2
5+

5 + ] = () = [ 3
3
7

7
5 ]
3

3
2
5

7
5 ]
3

Q) Matriz ortogonal: una matriz cuadrada s ortogonal si = .


Ejemplo:
1
3
1

6
2

=
3
6
1
1
[3 6

3
1

3
2

3
1

0
1
2 ]

6
1

[ 2

1 0
= [0 1
6
0 0
1
2]

0
0]
1

30

Expresiones polinmicas en las que aparecen matrices.


() = + 1 + 0
Si es una matriz cuadrada, entonces;
() = + 1 + 0
Ejemplo:
1
=[
2

() = 2 3 + 9
1
() = [
2

3
]
7

3
1 3
1 3
1 0
][
] 3[
]+ 9[
]
7
2 7
2 7
0 1

1 3
1 3
5 24
][
]=[
]
2 7
2 7
16 43
1 3
3
9
3 [
]=[
]
2 7
6 21
1
+9 [
0

0
9 0
]=[
]
1
0 9

3
9
5 24
8 15
1
]+[
]=[
]+9= [
6 21
16 43
10 22
10

15
]
31

Matriz aumentada: Es aquella matriz que se une a otra matriz que tiene el mismo nmero de filas.
Se representa por /.
3 2
= [0 7
0 1

1
1]
2

3
/ = [0
0

3
5
= [10 11 ]
7 1

2 1 3
5
7 1 | 10 11 ]
1 2 7 1

Escalonamiento de una matriz:


Introduccin

31

Donde:
3 2
= [0 7
0 1

1
1]
2

=
=
= #

Operaciones elementales de rengln

1)

2)

3)

Al proceso de aplicar las operaciones elementales de rengln con el propsito de simplificar una
matriz aumentada se llama reduccin por renglones. Al usar operaciones elementales de rengln
en una matriz se puede volver a la matriz original aplicando las operaciones inversas.
Ejemplo:
3 5 1
9 15 3
1) [1 0 3] 3 [1 0 3]
5 7 4
5
7 4

1
2
3
1
2
3
2) [ 5
6
7 ] 2 23 [15 6 17]
10 11 12
10 11 12
1 0
0
0
0 3
3) [ 0 2 0 ] 1 3 [ 0 2 0 ]
0
0 3
1 0
0

El objetivo de aplicar operaciones elementales de rengln es para llegar a la formula escalonada


reducida. Para que una matriz sea de esta forma debe tener las siguientes propiedades.

32

1) Si un rengln no consta completamente de 0 entonces el primer nmero diferente de


cero en ese rengln es uno (que se denomina uno principal).
2) Si hay renglones que constan completamente de ceros se agrupan en la parte inferior de la
matriz.
3) En dos renglones consecutivos cuales quiera que no consten completamente de ceros, el
uno principal del rengln inferior aparece ms a la derecha que el uno principal que en el
rengln superior.
4) Cada columna que tenga un uno principal tiene ceros en las dems posiciones.

Nota: se dice que una matriz que cumpla con las tres primeras condiciones se le llama
escalonada.

Ejercicio:
Diga cuales de las siguientes matrices estn en su forma escalonada reducida, forma
escalonada o ninguna de estas:
1
= [0
0

0 0 4
1 0 7 ] =
0 1 1

1 4
= [0 1
0 0

3 7
6 2] =
1 5

1
= [0
0

1 0
1 0] =
0 1

1
= [1
0

0 1
1 0] =
0 1

=[

0 1
= [0 0
0 0

0 0
] =
0 0
2 6 0
1 1 0] =
0 0 1
33

0
0
= [0
0

1
0
0
0

=[

2
0
0
0

0
0
1
0

1
0
3] =
0

1 7 5
] =
0 1 3

1
= [5
7

0 8
1 9] =
2 3

1
= [0
0

0 0
1 0] =
0 1

Obtencin de la forma escalonada reducida


Ejemplo:

=[
]

2
=[
4

6 1
1 3
1
] =[
] 2 41 = [
1 2 1
4 1
0

=[

3
] 2 + 32
1

1 0
]
0 1

0
= [1
0
0
= [1
0

1
3
1
=[
] 2
13
0
13

1 0
0 1]
0 1

1 0
1 0 1
1
0 1] 1 2 [0 1 0] 1 3 [0
0 1
0 0 1
0

0 0
1 0]
0 1

Calcule la forma escalonada reducida de las siguientes matrices


=[


]

34

3
=[
1

2
1
] 2 1 [
1
3

1
1
] 2 31 [
2
0

1
1 1
1
] 2 [
] 1 2 [
1
0 1
0

0
]
1


= [ ]

1 1
= [2 4
3 6
1 1
1
2 [0 1
2
0 0

2
1 1
3] 2 21 [0 2
5
3 6
1 1

2
7 ] 3 31 [0 1
17
0 0
1 0

1
3
17
0 1
[0 0

2
1 1
7] 3 31 [0 2
5
0 3

2
7 ]
11

11
2
1 0
2
7
7
] 1 2
2
0 1
2
17
[0 0 17]

11
1 0
2
11
7 1 3 [0 1
2

2
0 3
1 ]

0
1 0 0
7
7
] 2 + 3 [0 1 0]
2
2
0 0 1
1

Ejercicios. Calcular la forma escalonada reducida de las siguientes matrices


=[
=[

3 2
1
] 2 [
1 1 1
3

1
1
] 31 [
2 2
0

1
1 1
1 0
] 2 [
] 2 [
]
1
0 1 1
0 1


= [ ]

1 1
= [2 4
3 6

2
1 1
3] 2 21 [0 2
5
3 6
1

3 31 [0
0

2
1 1
7] 3 31 [0 2
5
0 3

2
1 0
7
1 ] 1 2
2
0 1
0 17
[0 0

1 1
2 1
7 ] 1 [0 1
2
11
0 3

11
1
2
1
7 3
17

0
2
[0
17]

2
7
]
2
11

11
2
11
7 1 3
2
1
2
0 1 ]
0

35

1 0
[0 1
0 0

0
1 0
7
7
] 2 + 3 [0 1
2
2
0 0
1

0
0]
1


= [ ]

2
= [4
2

4 6 1
1 2
3
1
5 6 ] 1 ; 2 41 ; 3 21 [0 3 6] 2 ; 3 32
2
3
7 12
0 3
6
1
[0
0

2 3
1 0
1 2] 1 22 [0 1
0 0
0 0

1
2]
0

Forma escalonada reducida



= [ ]

2
= [2
2

7
7 6 1
1
3
1
7
2
] 2 ; 3 + 22 ; 1 2
1 9 ] 1 ; 2 21 ; 3 21 [
2
0 6 15
6
2
5 3
0 2 3

1 0
0 1
[0 0

23
1 0 0
4
1
23
5
5 2 ; 1 3 ; 2 + 3 [0 1 0]
2
4
2

0 0 1
2
]
2

=[

36

1
4
=[
2

0
1

0
1
0
0
1] 2 41 ; 3 21 [

0
3

0
1
5

1 0
3 [0 1
0 0

= [

1
= [2
2
1

1 0
1 42 0 1
0 0
[

0
0]
1

4
8 8
1
7 13 23] 2 ; 3 + 22 ;
7
2 9 16

4 36
1 0
7 7
7
13
13
23
3 ; 1 43 ; 2 2 0 1

37
7
7
7
37 66
0 0

[
7
7]

= [

1
5
=[
1
0

0
0
1]

1
] 21 ; 2 21 ; 3 1 [0
1 3 7
0
2 1 8
2 4

0
1 0
0
0 1
1] 2 ; 3 52 [

0 0
3

228
37
1
0
37
66
1 ]
37
0

2
2
4
10 10 20] + 5 ; ; + 6
2
1 3
1 3
1
1
2 1
1
2 3

37

1
[0
0
0

1
[0
0
0

2
0
3
1

2
0
4
2

4
1
0 ] [0
3 0
5 2
0
3

2
1
3
0

2
2
4
0

4
3] 3 ; 2
3
2 1
2
5
0
1 0
0 1

0 6 2
1 2 3 ] 1 ; 6 ; + 2 =
3 2
3
0 10 4 10 3 1
0 0
0
0 0
[0 0

2
5
11
0
5
4
1
10
0
0 ]
0

=[
]

1
3 6 9
1
1
1
=[
8 24] 1 ; +2 1 ; 3 + 1 [0
3
2
2
6 12 18
0

1 0
[0 1
0 0

9
0

3
45 1
] 2 ; 1 + 22
2 9
36

8
1 0
5
5 1
] 3 ; 1 83 ; 2 3 [0 1
2
2 36
0 0
36

=[

=[

0
0]
1

1 2 4 5 4
1 2
4 5
] 21 [
2 4 4 10 6 2
0 0 4 0

4
]
2

= [ ]

38

1
2
0
1 2
0
1
= [ 3 1 2 ] 2 31 ; 3 + 21 [0 7 2 ] 2 ; 3 72 ; 1 22
7
2 3 2
0 7 2
1 0

7
2
[0 1 ]
7
0 0 0
=[

3
=[
3

5 1
5
1 0
5 1
] 1 ; 2 + 31 [1 3 ] 2 ; 1 2 = [
]
0 1
2 3
5
2
0 5

Rango de una matriz


Es el nmero de filas (o columnas) que son linealmente independientes. Algunos autores distinguen
entre rengln y rango columna de la matriz pero al final tienen el mismo valor.
Una utilidad del Rango es que nos permite identificar el nmero de soluciones de un sistema de
ecuaciones lineales. Para calcular el Rango de una matriz se aplica el mtodo para formar una
matriz en su forma escalonada (este mtodo se llama eliminacin GAUSSIANA). El nmero de filas
mximas que sean diferentes de cero, ser el rango de la matriz y se denotara ().
Ejemplo:
1 2 3
1 2
3
= [3 5 7 ] 2 31 ; 3 41 [0 1 2] 2 ; 3 + 22
4 6 12
0 2 0
1
[0
0

2 3 1
1 2
1 2] 3 [0 1
4
0 4
0 0

3
2] = () = 3
1

Encuentre el rango de la siguiente matriz



= [ ]

39

1 2 4 0
1 2
= [3 1 5 2] 2 + 31 ; 3 + 21 [0 7
2 3 9 2
0 7
4
17
7
0

1 2
[0 1
0 0

4 0 1
17 2] 2 ; 3 72
7
17 2

0
2
] = () = 2
7
2


]
= [

1
= [2
4
0

3 3
1 3 3
1
3 ] 2 ; 4 ; [0 7
7 ] 1 ; 17 ; 2
2
1
3
1
2 4
1
0 17 17 7 2 3
9
5
2
0 2
2
2
1
[0
0
0

3 2
1
3 ] () = 2
0
0
0
0


= [ ]


1
2

3 4 2 5 4
6 9 1 8 2
=[
] 2 21 ; 3 21 ; 4
2 6 9 1 9
7
1 3 4 2 5 4
1 3 4 2 5
1 [ 0 0 1 3 2
0 0 1 3 1
0 6 8 4 10

1
4
6 ] [0 6
4
1 2
0
8
0
1

3 4
8
0 1
2 ; 1 + 32 ; 2 3
6
0 0 1
[ 0 0 0

3 4 2 5 4
8 4 10 8]
0 1 3 1 1
0 1 3 2 6

2 5 4
4 4
8

6 6
6 = () = 3
3 1 1
0 1 5]

40


= [ ]

1 4
= [0 1
0 0

3 7
1 0
]
=

4
;

6
;
[
6 2
2
2 2
3 0 1
0 0
1 5

27 1
1
]
=

+
27
[
0
28
1
3 0
0
1 5

0 0
1 0
0 1

7
2]
5

= () = 3


= [ ]

1
= [0
0

1 0
1
1 0] = 1 2 [0
0 1
0

0 0
1 0] = () = 3
0 1


= [ ]

1 0
= [1 1
0 0

1
1 0
0] = 1 2 [0 1
1
0 0

1
1 0
0] = 1 3 [0 1
1
0 0

0
0] = () = 3
1


= [ ] = () = 0

= [


] = () = 0

=[
1
=[
0

1
7 5
] + 72 [
0
1 3 1

0 26
] = () = 2
1 3
41


= [ ]

1 0
= [5 1
7 2

1
3 22 [0
0

8
1
9] 2 51 ; 3 71 [0
3
0

0 8
1 9]
2 3

0
8 1
1 0
1 32] 3 ; 1 83 ; 1 + 312 [0 1
51
0 51
0 0

0
0] () = 3
1

Matriz inversa: matriz cuadrada que verifica


) 1 =
)1 =
NOTA: si la matriz tiene inversa se llama regular, y si no tiene se llama singular.
Calculo de la matriz inversa

1- Escrbase la matriz aumentada con la identidad(con el mismo orden que )


2- Utilice las operaciones elementales de rengln con el objeto de reducir la matriz asu
forma escalonada reducida.
3- Comprobar 1 =

Propiedades de las matrices inversas

1. (1 )1 =
2. ( )1 = 1 1
3. ()1 =

1 1

4. ( )1 =. (1 )

. 1 =. (1 ) =
42

Ejemplo; matriz inversa


=[
=[

2 5
2
] = 1. = [
1 1
1

1
[
0

5 1
|
1 0

0
1
] 2. 1 . 2 [
1
2

0 1
1 0 1 1
1 1 1
2] 1 2 [1
|
] 2 [
|

3 1 2 3
0 1
0
3
3
2
3. = [
1

0 1
5 1
2] = [1
][

0
1
2
3

1 0
|
5 1

1
] 21
0 2

0 1
1 1
2]
|

3
3
3

0 1
2]
1 = [1

2
3

0
]
1

Ejemplo calcule la inversa de las siguientes matrices

=[
]


=[
]

= [

1
4
1
4 1 0
1 4 1 0
1 0 3 4
=[
]=[
|
] 2 [
|
] 42 [
|
]
1 3
1 3 0 1 1
0 1 1 1 1
0 1 1
1
1
4 3 4
1 0
[
][
]=[
]
1 3 1
1
0 1

1 1 0
1 1 0 1
=[ 1
0 1] = [ 1
0 1| 0
6 2
3
6 2
3 0
1
[0
0

1 0 1 0
1 1| 1 1
4 3 6 0

3 4
= [
]
1
1

0 0
1 0] 2 1 ; 3 + 61
0 1

0
1 0 1 0
1
0
0] 1 + 2 ; 3 + 42 [0 1 1| 1 1
0 ] 1 + 3 ; 2 + 3
1
0 0 1 2 4 1
43

1
[0
0

0 0 2 3 1
1 1 0 2 3 1
1 0 0
1 0| 3 3 1] = [ 1
0 1] [3 3 1] = [0 1 0]
0 1 2 4 1
6 2
3 2 4 1
0 0 1
2 3 1
= [3 3 1]
2 4 1

Ejemplo
Demuestre que es inversa de
1- = [

1 = [


= [ ]

1 2 1 0
1 2 1 0 1
1
|
] 2 31 [
|
] ; 22 [
3 4 0 1
0 2 3 1 2 1 1
0


2- = [
]

1 = [

1 1 1
|
2 3 0

=[

0
1
] 21 [
1 2
0


3- = [ ]


2 2 3 1 0
= [ 1 1 0| 0 1
0
1 4 0 0

[0

3
1
2 1 0
1 0 5
|
] ; + 2 [
|
5 2 1 5 1 1
0 1 2

1
3
5] = [ 5
1
2

5
5

1
5]
1
5

= [ ]


3 1
1 1
0 1
2 2
0] 1 ; 2 1
3 || 1
2
0 0
1
2 2
[0 1
4 0

3 1

0 0
1 0
2 2
2
|
4 | 0 0 1 1
0 1
3
3 1
1 0]
[0 0
2 2

1 1
0

2 1
2 1
0 3
1] = [ 3
1]
|

1
2
2
2
2

1
3

2
2| 0
4 1
1
3

0 0
1 0

2 3

0 1]

0 0

5
0 1 1 3 ; 2 43
2
2
0]
3

44

4
3
0 0 4
1 0|
0 1 3
1
3

1
0
0
[


4- = [ ]

5
4
1

3
3
8
4

1 =
3
3
2
1
0] [
3
3

1
1 4 5 3
1 = [4 8 3]
3
1
2 0
0]


= [ ]

2 17 11 1
= [1 11 7| 0
0
3
2 0

0 0 1
1 0] 1 ; 2 + 1
2
0
0 1
[0

1 0
2
17
2 ; 3 32 ; 1 + 2 0 1
5
2
[0 0
1
[0
0

5
3
8

3
2
3

2 11 17
5 5
5
3| 1
2

5| 5
5
1 3
6

5 5
5

0 0 1 1 2
1
1 0| 2 4 3] = [2
0 1 3 6 5
3

17
2
5
2
3

11 1
0
2 2
|
3 1
1
|
2 2
2 0 0

0
0
1]

0
2
0 53 ; 1 3 ; 2
5

3
+ 3
4

1]
1 2
4 3]
6 5

En los siguientes ejercicios encuentre la inversa si existe



5- [
]

1
[
3

2 1
|
7 0

0
1
] 31 [
1 2
0

2 1
|
1 9

0
1
] 22 [
1 1
0

0 21 2
21 2
|
]=[
]
1 9
11
9
11


6- [
]

1 2 1
|
2 3 0

0
1
] 2 21 [
1
0

2 1 0
1 0 3 2
3 2
|
] 1 + 22 [
|
]=[
]
1 2 1
0 1 2 1
2 1

45


7- [
]

33 1

0
33
7| 7
] 72 ; 1 + 2
1 4
7
1

7 7
0 19 33
19 33
|
]=[
]
1 4
7
4
7

1
7 33 1 0 1
[
|
] 1 ; 2 41 [
4 19 0 1 7
0
1
[
0


8- [
] = su determnate es = 0


9- [ ]

1 1 1 1 0
[ 3 5 4| 0 1
3 6 5 0 0

1
0
[0

0
1
0] 2 31 ; 3 31 [0
1
0

1 1 1 0
2 1| 3 1
3 2 3 0

1 5
1

0
2 3
2
1
1
1
1| 3 1
1

0 23 ; 1 2 ; 2 3 [0
2
2
2| 2 2
0
1 3
3
0

1]
2 2
2
1
1 1
[3 2 1]
3 3 2

0 1
0] 2 ; 3 32 ; 1 2
2
1

0 0 1
1 1
1 0| 3 2 1] =
0 1 3 3 2

10- [

1
2
2 1
[3
7
9 |0
1 4 7 0

0 0
1
1 0] 2 31 ; 3 + 1 [0
0 1
0

2
2 1 0
1
3 | 3 1
2 5 1 0

0
0] 3 + 22 ; 1 + 21
1

46

1 0 4 7 2 0
1 0
[0 1 3 | 3 1 0] 1 + 43 ; 2 33 [0 1
0 0 1 5 2 1
0 0
13 6
4
[ 12 5 3]
5
2
1

11- [ ]

1 2
[3 7
7 16

1 1
10| 0
21 0

0 13 6
4
0| 12 5 3] =
1 5
2
1

0 0
1 0] = = 0
0 1


12- [ ]

3
7
1

10
10
0 0 1
7
1 | 10
1 0] 1 ; 2 + 51 ; 3 31 0
1
10
2
2 | 3
0 1
1
1
10
[0 2
10
1

10 5
[5 1
3 2

7 1
4 |0
2 0

1 0
2
1
5
2 ; 3 2 ; 1 2 0 1
7
2
10
[0 0
1 0
0 1
0 0
[

0 0
1 0
0 1
]

27
3
1

0
35 70
7
|
27
1
1
2
2
0 353 ; 1 + 3 ; 2 3
35
7
7 | 7
7
1
31
1

1]
35
70
7

12 4 27
12
5
0 5
1 5
= 2
0| 2
31
1 31

5 35 ] [
2
2

27

35 ]

Criptografa
0 =_

6=

12 =

18 =

24 =

1=

7=

13 =

19 =

25 =

2=

8=

14 =

20 =

26 =

3=

9=

15 =

21 =

27 =

4=

10 =

16 =

22 =

5=

11 =

17 =

23 =

47

Ejercicios. Codificar el siguiente mensaje (MAANA_HAY_EXAMEN)


A) 13 1 15 1 14 1 0 8 1 26 0 5 25 1 13 5 14 0
Con la matriz codificadora (cualquiera que tenga inversa)
1 1 0
=[ 1
0 1]
6 2
3
2- Agrupar el criptograma de acuerdo a la matriz codificadora(3 filas)
[13 1 15 ][1 14 1 ][0 8 1 ][26 0 5 ][25 1 13][5 14 0]

3-

acomodar la matriz y multiplicarla por la matriz codificadora


76 17
44
13 1 15
9
1
11
1 14 1
1 1 0
0
2
1
2
8
5
[1
0 1] =
4 16 15
26 0
5
3
1
52
38
25 1 13 6 2
[ 19
[ 5 14 0 ]
5 14]

4- Mensaje codificado
76 17 44 9 1 11 2 2 5 4 16 15 52 1 38 19 5 14

Descifrar los siguientes criptogramas con la matriz dada


b) 113 28 63 60 9 38 36 16 20 105 43 40 5 4 1
Con la matriz codificadora
1 1 0
2 3 1
=[ 1
0 1] 1 = [3 3 1]
6 2
3
2 4 1
1- Agrupar el criptograma de acuerdo a la matriz codificadora(3 filas)
[113 28 63 ][60 9 38 ][36 16 20 ][105 43 40 ][5 4 1]
2- acomodar la matriz y multiplicarla por la matriz codificadora

48

113 28
63
16 3 22
2
3
1
60
9
38
17 1 13
36
16 20 [3 3 1] = 16 20 0
105 43
40 2 4 1
1 26 22
[ 5
[4
0]
4
1 ]
1
3- mensaje decodificado
[16 3 22 ][17 1 13 ][16 20 0 ][1 26 22][4 1 0] =OCUPAMOS_AYUDA_

C) 43 60 1 1 21 2 23 33 14 6 9 19 71 63 15 29 38 9 11 30
Con la matriz decodificadora
2
= [ 1
1
3

1 1
3 1 1
1
1
1 ] 1 = [ 1 1
1 1
2
2 0
1 2 4
2 1

8 4
6 3 ]
11 5
13
6

1- Agrupar el criptograma de acuerdo a la matriz codificadora(4 filas)


[43 60 1 1 ][21 2 23 33 ][14 6 9 19 ][71 63 15 29][38 9 11 30]

2- acomodar la matriz y multiplicarla por la matriz codificadora

17 16 14 7
43 60 1 1
1 1
8 4
20 5
21 2
23 33
6 3 ] = 1 14
14
6 9 19 [ 1 1
0
1
0 5 =PONGANSE_A_ESTUDIAR_
71 63 15 29 2 0 11 5
20 21 22 4
6
[38 9 11 30 ] 2 1 13
[9
1 19 0]

Ecuaciones matriciales
Resolver para x cuando;
) 3 + 2 =
) 2 5 = 3
) 2 + 2 = + 2

49

4 0
= [ 1 5]
3 2

1 2
= [2 1]
4 4

)3 = ( 2)
3
1 2
4 0
2
1 9
3 = [2 1] 2 [ 1 5] = = [4 11] = =
3
4 4
3 2
10 0

0
10
[3

2
3
11
3
0]

) 3 = 2 5
4 0
1 2
8
0
13 10
5
10
3 = 2 [ 1 5] 5 [2 1] = [ 2 10] [10 1 ] = [ 12 15]
3 2
4 4
6
4
26 19
20 20
13
10

2
3
1 13 10
= [ 12 15] = 4
5
3
26
19
26 19
[ 3 3 ]

) 2 = 4

4 0
16
0
0
8
0
1 16
2 = 4 [ 1 5] = [ 4
20] = [ 4
20] = [ 2 10]
2
3 2
12
8
12
8
6
4

Siendo;
=[
A) =

1 1
]
3 4

=[

2 1
]
1 1

=[

1 2
]
1 3

= 1

1
1 = [
3

1 1
|
4 0

0
1
] 31 [
1 2
0

= 1 = [
B) + =

1 1 0
1 0 4 1
|
] 2 [
|
]
1 3 1 1
0 1 3 1

2 1 4 1
5 1
][
]==[
]
1 1 3 1
1 0

= 1 ( )
50

=[

1 2
2
][
1 3
1

C) + = 2

1
= 2[
1

4 1 1 1
4 2
= [
][
]=[
]
3 1
0 2
3 1

= (2 )1

2
2 1
2
][
]=[
3
1 1
2

D) = 2

2 = 2 [

1
1 1
]=[
]
1
0 2

4
2
][
6
1

( ) = 2

1 2
2
]=[
1 3
2

4
]
6

1
0 3 4 1
9 3
]=[
][
]==[
]
1
1 5 3 1
11 4

= 2( )1

1 1 2 1
3 2
1
= [
][
]=[
] [
3 4 1 1
10 7
1

2
2 0
]=[
]
3
9 4

1
=[ 2
]
9 3
28 2

Introduccin a determinantes
Los determinantes hicieron su aparicin en las matemticas ms de un siglo antes que las
matrices. El trmino matriz fue creado por James Joseph Sylvester, tratando de dar a entender que
era la madre de los determinantes.
Algunos de los ms grandes matemticos de los siglos XVIII y XIX contribuyeron al desarrollo de las
propiedades de los determinantes. La mayora de los historiadores coinciden en afirmar que la
teora de los determinantes se origin con el matemtico alemn Gottfried Wilhelm Leibniz (16461716) quien fue con Newton, el co inventor del clculo diferencial e integral. Leibniz emple los
determinantes en 1693 con relacin a los sistemas de ecuaciones lineales simultneas. No
obstante hay quienes creen que el matemtico japons Seki Kowa hizo lo mismo unos 10 aos
antes.
51

El determinante de una matriz cuadrada es un nmero que se obtiene a partir de los elementos de
la matriz. Su estudio se justifica en cuanto que simplifica la resolucin de sistemas lineales y el
clculo de la matriz inversa, entre otras aplicaciones.
En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido como
sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales
(es decir, un sistema de ecuaciones en donde cada ecuacin es de primer grado), definidas sobre
un cuerpo o un anillo conmutativo.

Determinante de una matriz


Mientras que una matriz es un arreglo rectangular de nmeros, el determinante es un solo
nmero que se obtiene al trabajar con filas y columnas de una matriz cuadrada, se representa
como det() , ||, .
Determinante de segundo orden
Sea A una matriz de 22 el determinante de la matriz se denota como y se calcula;
11
= |

12
22 | = || = (11 22 ) (21 12 )

21

La matriz A solo ser invertible (tendr inversa) si y solo si su determinante es diferente de cero
Ejemplo
9 5
=|
|
11 2
|| = | 9 5| = (9 2) (11 5) = 37
11 2
Ejercicios; hallar el determinante de las siguientes matrices

2 5
=|
|
3 9

=|

3 3
|
7 7

=|

1
2

1
|
5+

=|

|| = (2 9) (3 5) = 3
|| = (3 7) (7 3) = 0
52

|| = (1 5 + ) (2 1 ) = 7 + 3
|| = ( ) ( ) = 2 + 2

Determinante de tercer orden


Sea A una matriz de orden 33 el determinante se calcula por medio de la regla de sarrus.
11
= |21
31

12
22
32

12
23 |
33

|| = [(11 22 33 ) + (12 23 31 ) + (12 21 32 )] [(31 22 12 )


+ (32 23 11 ) + (33 21 12 )]
Ejemplo
3
= |5
2

1 0
7 3|
10 1

|| = [(3 7 1) + (1 3 2) + (0 5 10)] [(2 7 0) + (10 3 3) + (1 5 1)


= 70
Ejercicios; hallar el determinante de las siguientes matrices
3 5 2
= | 4 2 3|
1 2 4

2
= |1
3

3 5
0 4|
3 9

5 1
= |2 3
1 0

2
5|
2

1
= |4
8
3+

0 |
2

|| = [(3 2 4) + (5 3 1) + (2 4 2)] [(1 2 2) + (2 3 3) + (4 4 5)


= 69
|| = [(2 0 9) + (3 4 3) + (5 1 3)] [(3 0 5) + (3 4 2) + (9 1 3)
=0
|| = [(5 3 2) + (1 5 1) + (2 2 0)] [(1 3 2) + (0 5 5) + (2 2 1) = 33
|| = [( 8 2 ) + (1 0 ) + ( 4 3 + )] [( 8 ) + (3 + 0 )
+ (2 4 1 ) = 16

Menores y cofactores
53

Si A es una matriz cuadrada, entonces el menor del elemento se denota por | | y se define
como el determinante de la submatriz que se forma al suprimir el rengln y la columna de A. El
cofactor de un elemento se denota por y se calcula por = (1)+ | | .
Ejemplo
3 1
= |2 5
1 4

4
6 | |12 |, 12 , |31 |, 31
8

12 = 1
31 = 1

12 = |

2 6
| = 16 6 = 10
1 8

31 = |

1 4
| = 6 + 20 = 26
5 6

12 = (1)3 (10) = 10
12 = (1)4 (14) = 26

El menor y cofactor de una matriz puede diferir solamente en el signo.la siguiente grafica ilustra
los signos que deben de asociar a cada uno de los menores para allar el correspondiente cofactor.
+ +
| + |
+ +
El determinante de una matriz A de se puede calcular multiplicando los elementos de los
renglones (de una columna) por sus cofactores y sumando todos los productos resultantes, es
decir;
Desarrollo de cofactores a lo largo de la columna
|| = 1 1 + 2 2 +. . .
Desarrollo de cofactores a lo largo de la renglon
|| = 1 1 + 2 2 +. . .
Ejemplo; calcule el determinante por medio de cofactores
3
= |2
3

5 1
8 2|
0 7

Primer rengln 11 11 + 12 12 + 13 13
|| = 3(1)2 |8
0

2
2 2
2
| 5(1)3 |
| + 1(1)4 |
7
3 7
3

8
|
0
54

= 3(56) 5(20) + 1(24) = 44

Ejercicios;
Calcule el determinante por medio de cofactores
2
4 1 5
=| 5
0
1 | = |2
4
1 2 6

2 4
3
2|
2 4
1
=| 0
1
1

0
= |2
5

1
0
|
1 0

1
= |4
1
0

2
3
3
5

1
7
4
2

2
5 |
6
1

0 2 1
2 7 2|
2 3 0
3 0 4

|| = 21 21 + 22 22 + 23 23
4 1
1 5
5(1)3 |
| 1(1)5 |
| = 5(4) + 1(7) = 27
1
2
2 6

|| = 21 21 + 22 22 + 23 23
2(1)3 |

2 4
2 4
2
| + 3(1)4 |
| 2(1)5 |
2 4
4 4
4

2
|
2

= 2(16) 3(24) + 2(4) = 96

|| = 11 11 + 12 12 + 13 13
2
(1)3 |
5

2
| 1(1)4 |
0
5

0
| = (5) 1(2) = 3
1

|| = 41 41 + 42 42 + 43 43 + 44 44
1 1 2
1 2 2
1 2 1
5(1)6 |4 7
5 | + 2(1)7 |4 3 5 | 1(1)8 |4 3 7 | = 257
1 4
6
1 3 6
1 3 4

55

|| = 11 11 + 12 12 + 13 13 + 14 14
2 7
1 |2 3
3 0

2
0 2
0| 2 | 1 2
4
1 3

2
0 2 7
0| + 1 | 1 2 3| = 17
4
1 3 0

Propiedades de los determinantes


1- Toda matriz triangular tiene un determinante igual al producto de los elementos de su
diagonal principal
11
=| 0
0

12
22
0

13
23 |
33

2- Si una matriz cuadrada tiene un rengln o columna de ceros, entonces su determinante es


cero.
1
= |8
9

0 2
0 4| = || = 0
0 3

3- Si una matriz cuadrada tiene 2 renglones (o dos columnas) iguales su determinante es


cero.
3
= |1
3

1 5
0 7| = || = 0
1 5

4- Si una matriz cuadrada tiene un rengln mltiplo (o columna) que otro (a) su
determinante es cero.
1 4
= |3 5
3 12

2
1| = || = 0
6

5- Si en una matriz cuadrada intercambiamos dos renglones ( o dos columnas) se obtiene una
matriz con un determinante de signo contrario.
|| = ||
3
= |1
2

2 4
2 4
0
1 3| 1 3 = () |1 1 3|
4
0
3 2 4
|| = 56

( )|| = 56

6- Si sumamos un mltiplo de un rengln de una matriz cuadrada a otro rengln, obtenemos


otra matriz y su determinante ser igual. Lo mismo es vlido a columnas.
56

2 4
0
= |1 1 3| 2 23
3 2 4
|| = 56

2
4
0
() |5 5 11|
3 2
4
|| = 5

7- Si en una matriz con determinante A multiplicamos un rengln o una columna por uno
constante K, obtenemos otra matriz en la que su determinante ser ||
2
4
0
2
4
0
1
5 5 11
= |5 5 11| 5 3 = | 3
|
2
1
2
3 2
4
2
|| = 56

|| = 28(2) = 66

Ejemplo; calcule el determinante aplicando propiedades


|| = |3
5

2
1
1
2
3| = 2
| 1 , 2 51 |
2
4 3
3
0
3

1 2 6
4 1 5
|| = | 5
0
1 | 1 ; 2 51 ; 3
0
1 | 1 3 | 5
4 1 5
1 2 6
1 2
6
1 2
6 1
29
41 |0 10 29| 2 |0 1 | = 2
10
10
0 7 19
0 0
2
Ejercicios; halle el determinante aplicando propiedades
1 2 3
3 5 2
|| = | 4 2 3| 1 3 ; 1 ; 2 41 ; 3 31 |0 10 15 |
0 11 11
1 2 3
1 2 3
15
1
11
0 1
|
2 ; 3 112 |
2 || = (10) = 55
10
2
11
0 0
2
1
2
|| = |
4
3

0 3 7
1 0
3
3 6 6| + 2 ; 4 ; 3 |3 3 0
1 3
1 4
3 0
1 12 1 2
1 0
7 9 10
0 7 0

7
20 |
27
31
57

3 0
= |1 0
7 0

20
27| = 0
31

4 2
1
2 0
1
1
1
0
4
|| = |
| ; 1 ; 3 31 ; 4 + 21 |0
0
3 5 1 2 2 1 2
2 1 0 3
0

0
2
1 2
5 5
1
4

1
3|
5
5

1 2 3
= 1 | 5 5 5| = 25 + 10 + 60 + 15 20 + 50 = 70
1
4
5

12
4
|1
|
0
3

2 1 2 3
3
7 5 2
3 4 6 1 || 1 4 ; 2 41 ; 3 121 ; 5
5 2 1 5
1 2 1 0

1
3
4
0 9
9
31 ||0 34 49
0
5
2
0 8 10

6 1
9
9 19 2
19 2
34
49
74 15|
|
74 15| = 1 |
5
2
1
5
1
5
8 10
17 3
17 3

9 19 2
9 19 2
49 74 15
= 9 | 2

34
+
5
| 2
|49 74 15|
1
5|
1
5 |
10 17 3
10 17 3
8 10 3
9 19 2
8 |49 74 15| = 15894
2
1
5

58

Matriz adjunta
Si A es una matriz cuadrada y Y es el cofactor de , entonces la matriz
11
21
[

12
22

1
2
]

Se llama matriz de cofactores de A. la transpuesta de esta matriz se le llama la adjunta de A y se


denota ().

Halle la adjunta de A
3
= |1
2
11 = |

6 3
| = 12
4 0

2 1
21 = () |
|=4
4 0
31 = |

2 1
| = 12
6 3

2 1
6
3|
4 0

1 3
12 = () |
|=6
2 0
22 = |

3 1
|=2
2 0

32 = () |

1
13 = |
2

6
| = 16
4

3
23 = () |
2

3 1
| = 10
1 3

3
33 = |
1

12
6
16
12
4
= | 4
2
16 | = = () = | 6
2
12 10 16
16 16

2
| = 16
4
2
| = 16
6

12
10|
16

Calculo de la inversa de una matriz utilizando la adjunta


1

Si A es una matriz invertible, entonces los puntos la matriz inversa 1 = || ()


59

Calcule la inversa
3 2 1
= |1 6
3 | = () = 64
2 4 0

12
4
12
() = | 6
2 10|
16 16 16

3
16
| 3
4
12
1 12
=
| 6
2 10| =
64
| 32
16 16 16
1

1
3
16 16
1
5|

32
32|
1
1
4
4

Ejercicio; calcule la inversa de la matriz utilizando la adjunta


2
= |0
3
1
11 = |
5

4
21 = () |
5
4
31 = |
1

1
| = 12
7

0
12 = () |
3

3
| = 13
7

3
| = 7
1

4 3
1 1| = || = 3
5 7

2
22 = |
3

1
| = 3
7

3
|=5
7

2 3
32 = () |
|=2
0 1

0
13 = |
3

1
| = 3
5

23 = () |

2 4
|=2
3 5

2
33 = |
0

4
12 3 3
= |13 5
2|
7
2
2

1 12 13 7
() = |3
5
2|
3
3
2
2

|
1 = 1
|
1

4
|=2
1

13
3

5
3
2
3

7
3
2 |
3 |
2
3

60

UNIDAD 3 SISTEMAS DE ECUACIONES LINEALES

Subtemas
3.1. Definicin de sistemas de ecuaciones lineales.
3.2. Clasificacin de los sistemas de ecuaciones lineales y tipos de solucin.
3.3. Interpretacin geomtrica de las soluciones.
3.4. Mtodos de solucin de un sistema de ecuaciones lineales: Gauss, Gauss-Jordan,
inversa de una matriz y regla de Cramer.
3.5. Aplicaciones.

Objetivo
Modelar y resolver diferentes problemas de aplicaciones de sistemas de ecuaciones
lineales en el rea de las matemticas y de la ingeniera por los mtodos de Gauss, GaussJordan, matriz inversa y regla de Cramer.

Bibliografa

Grossman, Stanley I. (2012). Algebra lineal. Mxico: McGraw-Hill

Anton, Howard (2008). Introduccin al lgebra lineal. Mxico: Limusa.

Poole, David (2007). lgebra lineal. Mxico: Thomson.

Seymour, Lipschutz (1991). Teora y Problemas de lgebra Lineal. Mxico: Serie


Schaum.

61

SISTEMAS DE ECUACIONES LINEALES


Sistemas de ecuaciones lineales
Ecuacin; es una igualdad en la que hay una o varias cantidades desconocidas llamadas incgnitas
y que solo se verifican si es verdadero para determinados valores de las incgnitas. Las ecuaciones
lineales son aquellas en la que su o sus incgnitas presentan grado uno.
Sistema de ecuaciones lineales; es un conjunto de ms de uno o dos ecuaciones lineales de la
forma:
11 1 + 12 2 + + 1 = 1
21 1 + 22 2 + + 2 = 2
31 1 + 32 2 + + 3 = 3
Sistema ;
=
=
=
=
=
Los sistemas de ecuaciones lineales se pueden clasificar segn su trmino independiente en;
a) Sistemas homogneos: son iguales a cero( + = 0)
b) Sistemas heterogneos: son diferente de cero ( + 11 2 = 2)
Clasificacin de los sistemas de ecuaciones lineales (S.E.L)
Heterogneos segn el tipo de solucin;

Compatible o inconsistente (tiene solucin) si son: determinado (solucin nica) y si es


indeterminado (infinitas soluciones).

Incompatible o inconsistente (no tienen solucin)

62

Interpretacin grafica de las soluciones


Ejemplo;
a) + = 6
5 4 = 12
+ =6

= 0 ; = 6

5 4 = 12

= 0 ; = 6

= 0 ; = 3

= 0 ; =

12
5

2.4
3

Una herramienta til para resolver S.E.L es el uso de las matrices y los determinantes. Algunos
mtodos son;
a) Gauss Jordan
b) Gauss o eliminacin gaussiana
c) Aplicando la inversa de la matriz
d) Regla de cramel
Gauss Jordan
Primeramente para aplicar este mtodo se debe de representar los coeficientes de las incgnitas
del sistema y aumentarlas con los trminos independientes. Una vez teniendo la matriz

63

aumentada se deben de aplicar operaciones elementales de rengln con el fin de llegar a la forma
escalonada reducida para por medio de una observacin se vea la solucin.
Ejemplo;
2 5 = 16
4 + = 10
5
5
8 1
1
2 5 16 1
[
| ] 1 ; 2 41 [1 2|
] 2 ; 1 + 2 [
26 11
0
4 1 6 2
2
0 11

0 3
| ]
11 2

= 2 = 3
Ejercicios;
a) + + 2 = 9
2 + 4 3 = 1
3 + 6 5 = 0
1 1
[2 4
3 6

2 9
1
3| 1] 2 21 ; 3 31 [0
5 0
0

1
1 1 0
[0

1 2
9 1
2 5| 17] 2 ; 3 32 ;
2
3 8 27

7 35
2
2
5
7 1
5| 17
23 ; 2 + 3 ; 1 [0
1
2
2
2| 2
0
1
3
0 ]
2
2
0

=1 =2

0 0 1
1 0| 2]
0 1 3

=3

b) 2 + 4 + 6 = 18
4 + 5 + 6 = 24
2 + 7 + 12 = 30
2 4 6 18 1
1
[4 5 6 | 24] 1 ; 2 41 ; 3 21 [0
2
2 7 12 30
0

2
3
9
3 6| 12]
3
6 54
64

1
1
2 ; 3 32 ; 1 22 [0
3
0

0 1 1
1 2 | 4] =
0 0 0

c) 2 + 4 + 6 = 18
4 + 5 + 6 = 24
2 + 7 + 12 = 30
2 4 6 18 1
1

4
;

2
[4 5 6 | 24] 1 2
1 3
1 [0
2
2 7 12 30
0
1
1
2 ; 3 32 ; 1 22 [0
3
0

2
3
9
3 6| 12]
3
6 54

0 1 1
1 2 | 4] =
0 0 1

d) 2 3 = 11
4 + = 4
2 + 3 = 10
1 2 3 11
1 2 3 11 1
[4 1 1| 4 ] 2 41 ; 3 21 [0 9 13| 40] 2 ; 3
9
2 1 3 10
0 3
3 12
1 19
1 0
9
9
13
1
13| 40 3
31 ; 1 + 22 0 1
3 ; 2 + 3 ; 1 1

9
9
9| 9 4
4
4
[0 0
3
3 ]
1 0 0 2
[0 1 0| 3] = = 2
0 0 1 1

= 3

=1

Eliminacin gaussiana
Este mtodo es similar al de Gauss Jordan, sin embargo al aplicar operaciones elementales de
rengln solo se llegara a la forma escalonada y una vez que se obtiene el valor de la ltima
incgnita se procede a la sustitucin hacia atrs para encontrar las otras incgnitas.
a) 2 + 4 + 6 = 18
65

4 + 5 + 6 = 24
3 + 2 = 4
2 4 6 18 1
1
[4 5 6 | 24] 1 ; 2 41 ; 3 31 [0
2
3 1 2 4
0
1
1
2 ; 3 + 52 ; 1 22 [0
3
0
= 3 ;
2 = 4 ;

2
3
9
3 6 | 12]
5 11 23

2 3 9
1 2| 4]
0 1 3

=3
= 4 2(3)

; = 2

+ 2 + 3 = 9 ; = 9 2(2) 3(3) ; = 4
Ejercicio;
21 + 2 3 24 = 1
1 2 33 4 = 12
1 2 3 4 = 6
1 + 2 + 3 + 4 = 10

2 1 1 2 1
1
[1 1 3 1| 12] 1 ; 2 1 ; 3 1 ; 4 1
1 1 1 1 6 2
1 1
1
1 10
1
1
1

1
2
2
2
| 25
3
5
0

2
2
3
1
2
3
| 2 2 ; 3 + 2 ; 4 2
3
1
13
3
2
2
0

0
2
2
| 2
19
1
3
2
[0 2
2 ]
2
1

66

1
0
0
[0

1
1
2
2
5
1
3
2
0 2
0
3

1
2
2
8
3

1
2
1
| 25
1
2
0

2 2 3 ; 4 3 3
| 6
0
16
[0
3 ]

1 = 2

2 = 2 3 = 4

1
2
1
0
0

1
1
1
2
2
| 25
5

2
3
2
1 1 | 3
10
10
0
3
3 ]

4 = 1

Sistema de ecuaciones lineales homogneas.


El sistema homogneo es aquel que todos los trminos independientes son iguales a cero.
Este tipo de sistemas de ecuaciones solo pueden tener dos soluciones:
a) Cuando todas las incgnitas son iguales a cero (llamada solucin trivial o solucin cero)
det () 0
b) Cuando existen infinitas soluciones.
Ejemplo;
a) 1 + 22 3 = 0
31 32 + 23 = 0
1 112 + 63 = 0
1
2
1 0
[3
3
2 | 0] = 18 4 + 33 + 3 + 22 36 = 0
1 11 6 0

b) 1 + 2 3 = 0
21 42 + 33 = 0
31 + 72 3 = 0

1 1 1 0
[2 4 3 | 0] 4 + 9 14 12 21 + 2 = 32
3 7 1 0

67

Solucin de un sistema de ecuaciones a travs de la inversa.


Si A es una matriz invertible, entonces para todo vector columna b, el sistema de ecuaciones =
tiene exactamente una solucin y est dada por:
= 1

Ejemplo:
a) 51 + 22 = 3
1 72 = 10
=[

5 2
]
1 7

1
= [ ]
2

3
=[ ]
10

det() = 35 2 = 37

= [

1 7 2
7 1
7 2
] () = [
] 1 = [
]
2 5
1 5
37 1 5

7
2
41
3
= [ 37 37 ] [ ] = [ 37 ]
47
1
5 10

37
37
37

Ejercicios. Resolver los siguientes sistemas a travs de la inversa.


a) 1 + 2 + 23 = 9
21 + 42 33 = 1
31 + 62 53 = 0
1 1
= [2 4
3 6

2
3]
5

9
= [1]
0

= [ 2]
3

det() = 21
4
|
6

3
| = 2
5

2
|
3

3
| = 1
5

2 4
|
|=0
3 6

1 2
| = 17
6 5
68

1
|
3

2
| = 11
5
1
|
2

1 1
|=3
3 6

1
|=2
4

1
|
4

2
| = 11
3

1 2
| = 7
2 3

2
1 0
= [17 11 3] () =
11 7 2

3
17
25
+
7
21
21
2 17 11
1 2 17 11 9
3
11
20
=
[1 11 7 ] = [1 11 7 ] [1] =
+
21
7
21
21
0
3
2
0
3
2
0
3
3
0

[21
] [ 21]

Regla de Cramer.
Si = es un sistema de n-ecuaciones lineales con n-incgnitas tal que su det() = 0; entonces
el sistema tiene solucin nica y es:
1 =

|1 |
||

2 =

|2 |
| |
=
||
||

Donde A; es el determinante de la matriz que se obtiene al sustituir la j-esima columna de A por el


vector columna b

Ejemplo:
a) + = 6
5 4 = 12
1
det() = |
5

1
| = 9
4

6
1
|
| = 36
12 4

1 6
| = 18
5 12

36
=4
9

, =

18
=2
9

69

Algunas aplicaciones
La diferencia de dos nmeros es cuarenta y 1/8 de su suma es 11. Hallar los nmeros.
+ = 40
1
1
+ = 11
8
8
1 1
1
40
[1 1| ] = =
11
4
8 8
40
|
11

1
1| = 16
8

1
|1
8

40
11

| = 64

16
64
=6 , =
= 24
1
1
4
4

Un albail compro 4kg de cal 7kg de yeso por 14 pesos y a la semana siguiente compro a los
mismos precios 8kg de cal y 9kg de yeso por 18 pesos. Hallar el costo de la cal y yeso por kg.
4 + 7 = 514
8 + 9 = 818
4
[
8

7 514
|
] = 20
9 818

514 7
8 514
| = 1,100 |
| = 840
818 9
4 818
=

1,100
840
= 55 , =
= 42
20
20

En un barco viajan 480 personas entre hombres y mujeres. El nmero de hombres es el triple que
el de mujeres. Cuantos hombre y mujeres hay?
+ = 480
70

+ 3 = 0
[
|

1 1 480
|
] = 4
1 3 0

480 1
| = 1440
0
3
=

1 480
| = 480
1
0

1440
480
= 360 , =
= 120
4
4

La suma de 3 nmeros es 37. El menor disminuido en 1 equivale a 1/3 de la suma del mayor y el
mediano; la diferencia entre el mediano y el menor equivale al mayor disminuido en 13. Hallar
los nmeros
+ + = 37
1
1
1+ + =0
3
3
+ 13 = 0
1

1
1
[1
3
1 1

1
1 1
1
1 1 1 37
1 37
2
2 37
| 1 ] = [0
| 36] = [0 1 1| 54 ]
3 13
3
3 24
0 0 2 108
1
0 2
0
= 54 = 12 = 15

Encuntrela ecuacin cuadrtica que pasa por los puntos (1,4),(2,0),(3,12).recuerde la ecuacin :
= 2 + +

(1,4) 4 = (1)2 + (1) +

(2,0) 0 = (2)2 + (2) +

(3,12) 12 = (3)2 + (3) +


1 1
[4 2
9 3
4 1 1
[ 0 2 1] = 16
12 3 1

1
1] = = 2
1

1 4 1
1 1
[4 0 1] = 56 [4 2
9 12 1
9 3

4
0 ] = 48
12
71

16
=8
2

56
= 28
2

48
= 24
2

Integracin por fracciones parciales


3 + 4

=
+
( 1)(2 + 4) 1 2 + 4
3 + 4
(2 + 4) + ( 1)
=
( 1)(2 + 4)
( 1)(2 + 4)
3 + 4 = 2 + 4 +
3 + 4 = (2 + ) + (4 )
2 + = 3
4 = 4
=

7
6

2
3

Balance de ecuaciones qumicas


3 + + 2 3 4 +
= + 2 = 3
==
= 3 + = 4 +
==

Supuesto = 1 = 1
=1 =

3
5

2
5

=1

53 + 3 + 22 33 4 + 5

72

Anlisis de redes
Las redes compuestas de ramas y nodos e utilizan como modelos en campos tan variados como la
economa el anlisis vehicular en la ingeniera elctrica. En estos modelos asumimos que el flujo
total que entra a un nodo es igual a que sale.
De cada nodo se genera una ecuacin lineal por la que el flujo puede ser analizado a travs de una
red compuesta por varios nodos a resolver un sistema de ecuaciones lineales.

20
1

10

10
4

5
5

1 + 2 = 20
3 + 4 = 20
2 + 3 = 20
1 5 = 10
4 + 5 = 10
1
0
0
1
[0

0 0
0
0 20
0 1 1
0 20
1 1
0
0 || 20 4 1
0 0
0 1 10
0 0 1 1 10]

73

1
0
0
0
[0

0
1 0
0
0
0 20
0
0
0 20
0 1 1
0 20
0 1
1
0
0 20
1
1
0
0 || 20 3 2 0 0 1 1
0 || 20
1 0
0 1 10
0 1 0
0 1 10
[0 0
0
0 1 1 10]
0 1 1 10]

1
0
0
0
[0

0
1
0
0
0

1
0 0
0 20
1 0
0 20
0
1 1 0 || 20 = 0
1 0 1 10
0
0 1 1 10] [0
1
0
0
0
[0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
1
0
0
0

0 0
0 20
1 0
0 40
1 1 0 || 20 =
0 1 1 10
0 1 1 10]

0 10
0 30
0 || 10 =
1 10
0
0 ]

74

UNIDAD 4 ESPACIOS VECTORIALES

Subtemas
4.1. Definicin de espacio vectorial.
4.2. Definicin de subespacio vectorial y sus propiedades.
4.3. Combinacin lineal. Independencia lineal.
4.4. Base y dimensin de un espacio vectorial, cambio de base.
4.5. Espacio vectorial con producto interno y sus propiedades.
4.6. Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt.

Objetivo
Comprender el concepto de espacio vectorial como la estructura algebraica que generaliza
y hace abstraccin de operaciones que aparecen en diferentes reas de la matemtica
mediante las propiedades de adicin y multiplicacin por un escalar. Construir, utilizando
el lgebra de vectores, bases de un espacio vectorial y determinar la dimensin del
espacio correspondiente.

Bibliografa

Grossman, Stanley I. (2012). Algebra lineal. Mxico: McGraw-Hill

Anton, Howard (2008). Introduccin al lgebra lineal. Mxico: Limusa.

Poole, David (2007). lgebra lineal. Mxico: Thomson.

Seymour, Lipschutz (1991). Teora y Problemas de lgebra Lineal. Mxico: Serie


Schaum.

75

ESPACIOS VECTORIALES

En general, identificamos a un vector con su punto final (a,b) de R, generalizando llamamos a un nupla ordenada de nmeros reales a un vector (a1,a2,a3,an).

El conjunto de todas las n-uplas de nmeros reales, se llama un espacio en particular una n-uplas

en n , u (u1 , u2 ,...un ) en un vector donde las ui son las componentes y coordenadas del vector

u.

Ejemplo:
(0,1) (1,3) son vectores de 2 componentes y son puntos de R2.
(1,2, 3,4) son vectores de 4 componentes y son puntos de R4.

Dos vectores son iguales si tienen el mismo nmero de componentes, es decir, pertenecen al
mismo espacio y adems si sus componentes correspondientes son iguales.

Ejemplo:
(1, 2,3) (3, 2,1) porque sus componentes no son iguales en orden.

x3
x y 4

(x y, x y, z 1) (4 ,2,3) x y 2 y 1
z 1 3
z4

1) (3,-4,5) + (1,1,-2) = (4,-3,3)


2) (1,2) + ( -3,4,5) = no definido por el nmero de componentes

x 2
y 6

3) (x,3) = (2, x + y) (4,y) = ( 2x, 3x)

4) (2,-3,4) = x(1,1,1) + y (1,1,0) + z(1,0,0)

76

x y z 2 x 4

(2,-3,4) = x + y + z, x + y, x x y 3 z 5
x4
y 7

Definicin de espacio vectorial


Un espacio vectorial es una estructura matemtica creada a partir de un conjunto no vaco con
una operacin suma interna al conjunto y una operacin producto externa entre dicho conjunto y
un cuerpo, cumpliendo una serie de propiedades o requisitos iniciales. A los elementos de un
espacio vectorial se les llamar vectores y a los elementos del cuerpo se les llamar escalares,
estas tienen 10 axiomas o reglas.

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

La suma de U y V, denotada por u +v, est en v


u + v= v + u
(u + u) + w = u + (v + w)
existe un vector cero en v tal que u +0 =u
Para cada u en v, existe un vector -u en v tal que u+ (-u)=0
El mltiplo escalar de u por c, denotado por cu, est en v
c (u+v)=cu+cv
(c+d) u= cu+ du
c(du) =(cd)u
1u= u

Definicin de subespacio vectorial y sus propiedades.


Un subespacio de un espacio vectorial V es un subconjunto H de V que tiene tres propiedad:
1. El vector cero de V esta en H2
2. H es cerrado bajo la suma de vectores. Esto es, para cada U y V en H, la suma de U+V est
en H.
3. H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y cada escalar
C, el vector CU est en H
77

Las propiedades a,b,c garantizan que un subespecie H de U es en si mismo un espacio vectorial


ya definidas en U.

Combinacin lineal. Independencia lineal.


Dado dos vectores: u y v, dos nmeros: a y b, el vector au + bu se dice que es una combinacin
lineal de u y v.
Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores
multiplicados por sendos escalares.

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

esta combinacin lineal es nica.


Independencia lineal En el estudio del algebra lineal, una idea central es la dependencia o
independencia lineal de los vectores
Sean Y1 y Y2. Yn n vectores en un espacio vectorial U. entonces se dice que los vectores son
lineal mente de pendientes si existen n escalares C1,C2Cn, no todos ceros tales que
C1V1+C2V2++CnVn=0
Si los vectores no son linealmente dependientes, se dice que son linealmente independiente.
De otra forma se puede decir que V1, V2.Vn son linealmente dependientes si el vector cero en V
78

se puede expresar como una combinacin lineal de V1,V2.Vn con coeficiente s no todos iguales a
cero.

Base

de

dimensin

de

un

espacio

vectorial,

Un conjunto finito de vectores (V1,V2Vn) es una base para


V si

cambio

de

base.

un espacio vectorial

a) {V1,V2Vn} es limite independiente.


b) {V1,V2.Vn} genera a V

Todo conjunto de n vectores linealmente independiente es Rn


En Rn se define:

e1

1
0
0

0
( )

e2=

es una base en Rn

0
1
0

0
( )

0
0
e3= 0

1
( )

Puesto que los vectores e, son las columnas de una matriz identidad {e1, e2, .en} es un conjunto
linealmente independiente y, por lo tanto , constituye una base en Rn esta base espacial se
denomina base cnica en Rn.
*Dimensin- si el espacio vectorial V tiene una base con un nmero finito de elementos, entonces
la dimensin de V es el nmero de vectores en todas las bases y V se denomina espacio vectorial
de dimensin finita. De otra manera, V se denomina espacio vectorial de dimensin infinita, Si
V=o, entonces se dice que V tiene dimensin cero

Producto interno o producto punto-escalar

Sean u y v dos vectores en Rn ,


u v (u1 v1 , u2 v 2 ,..., un vn )

Los vectores se dicen ortogonales (perpendiculares si su producto interno es cero.

Ejemplo:

Sean u (1,2,3,4)

v (6,7,1,2)

w (5,4,5,7)
79


u v (1 6 (2) 7 3 1 (4) (2) 6 14 3 8 3

u w (1 5 (2) (4) 3 5 (4) 7 5 8 15 28 0 u y w son ortogonales.

Norma y distancia en R

Consideremos los vectores u y v Rn, u (u1 , u2 ,..., un ) y v (v1 , v 2 ,..., v n ) la distancia entre

los puntos u y v

d(u y v) (u1 v1 )2 (u2 v 2 )2 (un vn )2

La norma (o longitud) del vector u escrita como u

u u u (u1 u1 ) (u2 )2 (un )2

Ejemplo: Dado el vector f (1,2,4 ,1) y a (3,1,5,0)

d( f y a) (1 3)2 (2 1)2 (4 5)2 (1 0)2 95


Long_ a a 3 2 12 (5)2 0 2 35

P(a,b)
P a 2 b2

P(a,b)

b-d
Pq (a c)2 (b d 2

(a,0)
q(c,d)

a-c

80

Vector unitario: Es aquel que tiene como norma uno u 1 .

Vectores en R2 y R3
En R2, en el plano XY es un par ordenado de nmeros reales (a,b) conocidos como componentes
del vector que se inicia en el origen y termina en ese punto.

El vector cero (0, 0) no tiene direccin pues inicia y termina en el mismo lugar.

Magnitud u

Direccin

(a, b)

a2 b2

b
a

Si u (a, b) u (a, b)

(u ) 2 a 2 2 b 2 a 2 b 2 u

Como la recta es la mnima distancia entre dos puntos se cumple la desigualdad del tringulo:
+


u v u v

Vectores unitarios:
(1, 0) = i

(0, 1) = j

Son lineales independientes.

u = (a, b) = a(1, 0) + b(0, 1) = ai + bj

(a,
bj

La magnitud del vector unitario es 1.

1
ai

81

Ejemplo:

1 3

u
1
2 2
2

3
1
u i
j
2
2

u ai bj (cos )i (sen ) j

v
v

Si v 0 u es un vector unitario con la misma direccin que v.


Ejemplo:

Ejemplo: Encontrar el vector unitario con la misma direccin que v 2i 3 j

2
3
2i 3 j
u

i
j
13
13
13

v 22 (3)2 13
Comprobando:

13
2 3
4 9

u
1


13
13 13
13 13
ngulo entre dos vectores: Es el nmero de ngulos positivos.

=0
=

82

Bases ortonormal, processo de ortonomalizacion de gram-schmidt


En matemticas y anlisis numrico, el mtodo de ortogonalizacin de GramSchmidt de lgebra
lineal es un mtodo de ortogonalizar un conjunto de vectores en un espacio prehilbertiano, ms
comnmente el espacio eucldeo Rn. Ortogonalizacin en este contexto significa lo siguiente:
comenzamos con vectores v1,, vk los cuales son linealmente independientes y queremos
encontrar mutuamente vectores ortogonales u1, , uk los cuales generan el mismo subespacio
que los vectores v1, , vk.
Este mtodo lleva el nombre en honor a Jrgen Pedersen Gram y Erhard Schmidt.
Mtodo de GramSchmidt
Definimos el opeador proyeccin con

Proyecta el vector v ortogonalmente en el vector u.


El mtodo de GramSchmidt entonces funciona como sigue:

Los dos primeros pasos del mtodo de GramSchmidt

83

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

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

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

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

84

UNIDAD 5 TRANSFORMACIONES LINEALES

Subtemas
5.1.

Introduccin a las transformaciones lineales.

5.2.

Ncleo e imagen de una transformacin lineal.

5.3.

La matriz de una transformacin lineal.

5.4.

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


rotacin.

Objetivo
Aplicar las transformaciones lineales y sus propiedades para representarlas mediante una
matriz de reflexin, dilatacin, contraccin y rotacin.

Bibliografa

Grossman, Stanley I. (2012). Algebra lineal. Mxico: McGraw-Hill

Anton, Howard (2008). Introduccin al lgebra lineal. Mxico: Limusa.

Poole, David (2007). lgebra lineal. Mxico: Thomson.

Seymour, Lipschutz (1991). Teora y Problemas de lgebra Lineal. Mxico: Serie


Schaum.

85

TRANSFORMACIONES LINEALES
Definicin
Si : es una funcin de un espacio vectorial a un espacio vectorial , entonces se
denomina una transformacin lineal de a si para todos los vectores y de y para todos los
escalares .
a) ( + ) = () + ()

b) () = ()

En el caso especial en que = , la transformacin lineal : se denomina operador lineal


sobre .

Dos observaciones sobre la notacin


1- Se escribe : para indicar que toma el espacio vectorial real y lo lleva al
espacio vectorial real ; esto es. es una funcin con como su dominioy su
subconjunto de como su imagen.
2- Se escriben indistintamente y ().denotan lo mismo; los dos se leen de .
Ejemplo
Transformacin lineal de
+
1

2
Sea : definida por () = ( ) . ( ) = ( 5 )
3
3
9.
2

1 + 2 + 1 + 2
1 + 1 2 + 2
1
2
1 + 2

[( ) + ( )] = ( + ) = ( 1
2
1
2 ) = (1 1 ) (2 2 ) Pero
1
2
1
2
31 + 32
31
32
1 + 1
2 + 2
1
2
1
2
1
2
(1 1 ) = ( ) (2 2 ) = ( ) As [( ) + ( )] = ( ) + ( ) de manera
1
2
1
2
1
2
31
32
+

similar [ ()] = () = ( ) = () as, es una trasformacion lineal


3

86

Transformacin cero
Sea y espacios vectoriales y definida : por = 0 para todo en . Entonces
(1 + 2 ) = 0 = 0 + 0 = 1 + 2 () = 0 = 0 = . En este caso, se denomina la
transformada de cero.

Transformacin identidad
Sea un espacio vectorial y definida : por = para todo . Aqu es obvio que es una
transformacin lineal, la cual se denomina transformacin identidad u operador identidad.

Transformacin de reflexin

Sea : 2 2definida por () = ( ). Es fcil verificar que es lineal. En trminos


geomtricos, toma un vector en 2 y lo refleja respecto al eje (vase en la figura 1)

Figura 1; el vector (, ) es una reflexin respecto al eje del vector (, )


Teorema
Si : es una transformacin lineal, entonces
a) (0) = 0
b) () = ()
87

c) ( ) = () ()

Transformaciones lineales de dada la multiplicacin por una matriz de


Sea una matriz de y definida : por = . Como ( + ) = + y
() si y estn en , se observa que es una transformacin lineal. Entonces: toda
matriz de se puede utilizar para definir una transformacin lineal de .

Transformacin de rotacin

Suponga que el vector = () en el plano se rota un angulo (medido en grados o


radianes) en sentido contrario a las manecillas del reloj. Llame a este nuevo vector rotado =

( ). Entonces, como se ve en la figura 2, si denta la longitud de (que no cambia por la

rotacin),
=
= ( + )

=
= ( + )

Figura (2). Transformacin de rotacin


Pero cos( + ) = , de manera que
= . . (1)
88

De manera similar, ( + ) = + , o sea


= + . . (2)
Sea

= (

) . (3)

Esto se deduce de la definicin estndar de como las coordenadas, , de un punto


en el crculo unitario. Si (, ) es un punto en el crculo de radio con centro en el origen,
entonces = y = , donde es el ngulo que forma el vector(, ) con el lado
positivo del eje .

Entonces (1) y (2), se ve que () = ( ). La transformacin lineal : 2 2 definida =

, donde esta dado por (3), se le llama transformacin de rotacin.

Transformacin de proyeccin ortogonal


Sea un subespacio de 2. La transformacin de proyeccin ortogonal : se define por
=
Sea {1 , 2 . . , } una base ortogonal para . Entonces se tiene
= ( 1 )1 + ( 2 )2 + + ( )
Como ((1 +2 ) = 1 + 2 y () = ( ), se ve que es una transformacin
lineal.

Dos operadores de proyeccin

Se define : 3 3 por () = (). Entonces es el operador de proyeccin que toma un

0
vector en el espacio de tres dimensiones y lo proyecta sobre el plano de manera similar,

89

() = (0)proyecta un vector en el espacio sobre el plano . Estas dos transformaciones se

describen en la siguiente figura (3)

Figura (3).proyeccin sobre el plano

Operador de transposicin
Defina : por () = . Como ( + ) = + y () = , se ve que ,
denominado operador de transposicin, es una transposicin lineal.

Operador integral
1

Sea : [0,1] definida por = 0 () . Como 0 [() + ()] = 0 () +


1

0 () 0 () si y son continuas, se ve que es lineal.


1

Por ejemplo, ( 3 ) = 4 . Se denomina operador integral.

Operador diferencial
90

Suponga que : [0,1] [0,1] se define por = . Como ( + ) = + y () = si y


son diferenciables, se ve que es lineal. se denomina operacin diferencial.

Transformacin que no es lineal


Suponga que : [, 1] est definida por = (0) + 1. Entonces no es lineal. Para ver
esto se calcula
( + ) = ( + ) + 1 = (0) + (0) + 1
+ = [(0) + 1] + [(0) + 1] = (0) + (0) + 2
Esto proporciona una transformacin que puede parecer lineal pero que de hecho no lo es.

Ncleo e imagen de una transformacin lineal


Sea y dos espacios vectoriales y sea : una transformacin lineal. E

I-

entonces

El ncleo de , denotado por , esta dado por


= { : = 0}

II-

La imagen de , denotado por , esta dado por


= { : = para alguna }

Observacion1: observe que es no vaco porque, de acuerdo al teorema, (0) = 0 de


manera que 0 para cualquier transformacin lineal . Se tiene inters en encontrar
otros vectores en que se transforma en 0. De nuevo, obsrvese que cuando escribimos
(0) = 0, el 0 de la izquierda esta en y el de la derecha en .
Observacion2: la imagen de es simplemente el conjunto de imgenes de los vectores en
bajo la transformacin . De hechos, si = , se dice que es la imagen de bajo .
Si : es una transformacin lineal, entonces
I-

es un espacio de .
91

II-

es un subespacio de .

I-

Sea y en ; entonces ( + ) = + = 0 + 0 = 0 y () = = 0
de forma que + y estn en .

II-

Sean y en . Entonces = y = para dos vectores y en .esto


significa que ( + ) = + = + y () = = . Por lo tanto,
+ y estn en .

Ncleo e imagen de la transformacin cero


Sea = 0 para todo ( ).entonces = e =
{0}.

Ncleo e imagen de la transformacin identidad


Sea = para todo ( ). Entonces = {0} e
= .
Las transformaciones cero e identidades proporcionan dos extremos. En la primera todo se
encuentra en el ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos
intermedios son ms interesantes.

Ncleo e imagen de un operador de proyeccin

Sea : definida por ( ) = ( ), si ( ) = ( ) = 0 (0) entonces = = 0. As,

0
0
0
3

= {(, , ): = = 0, }, es decir, el eje , e = {(, , ): = 0}, es decir, el


plano . Obsrvese que dim = = 1 y 2
Nulidad y rango de una transformacin lineal
Si es una transformacin lineal de en , entonces se define
= () dim
= () = dim
92

Ncleo y nulidad de un operador de proyeccin


Sea un subespacio de y sea = . Es obvio que la = , se tiene que toda
si = + = + . SI = 0.lo que significa que ().

Ncleo e imagen de un operador transpuesto


Sea = y definida : por () = . Si = = 0, entonces es una
matriz cero de por lo que es la matriz cero de asi, = {0} y es claro que =
. Esto significa que () = 0 y ().

Ncleo e imagen de la transformacin de


Definida : 3 2 por () = (0 + 1 + 2 2 +3 3 = 0 + 1 + 2 2. Entonces si
() = 0, 0 + 1 + 2 2 = 0 para toda , lo que simplifica que 0 = 0 + 1 = 0 + 2 = 0. As
= { 3 : () = 3 3 } e = 2 , ( ) = 1 y () = 3.
Ncleo e imagen del operador integral
Sea

= [0,1]

defina

: [0,1]:

por

= 0 () .

Entonces

= {

[0,1]: 0 () = 0}. Sea un nmero real. Entonces la funcin constante () = para


1

[0,1]: esta en [0,1] y 0 = . como esto se cumple para todo nmero real , se tiene
que =

Matriz de una transformacin lineal


La clave para representar una transformacin lineal : por medio de una matriz es
determinar como acta sobre una base de . Una vez que se conoce la imagen de todo vector
de la base es posible aplicar las propiedades de las transformaciones lineales para determinar
() para todo en .
Recuerde que la base estndar para , escrita en notacin vector columna est definida por:
93

1 0
0
= {1 , 2 , } = {[0] , [1] [0]}.

0 0
0
Matriz estndar de una transformacin lineal
Sea : una transformacin lineal tal que
11
12
1
2
21
22
(1 ) = [ ] , (2 ) = [ ] , . . , ( ) = [ ].
1
2

Entonces la matriz de cuyas columnas corresponden a (),


11
21
=[
1

12
22

1
2

Tal que () = para toda en . se denomina matriz estndar para .

Ejemplo:
Determine la matriz estndar de la transformacin lineal : 3 2 definida por (, , ) =
(, 2, +)
Se empieza por encontrar las imgenes de 1 , 2 3 .
Notacin vectorial
(1 ) = (1,0,0) = (1,2)
(2 ) = (0,1,0) = (2,1)
(3 ) = (0,0,1) = (0,0)

Notacin matricial
1
1
)
(1 = ([0]) = [ ]
2
0
0
2
(2 ) = ([1]) = [ ]
1
0
0
0
(3 ) = ([0]) = [ ]
0
1

Por lo que se obtiene

94

1
= [(1 ) (2 ) (3 )] = [
2

2 0
]
1 0

Como verificacin se observa que

1
= [] = [
2

2
2 0
][ ] = [
],
2 +
1 0

Lo cual equivale a (, , ) = ( 2, 2 + ).
La matriz estndar de la matiz lineal definida por
(1 , 2 , 3 ) = (1 22 + 53 , 21 + 33 , 41 + 2 23 )
Se encuentra usando los coeficientes de 1 , 2 3 para formar los siguientes renglones de
como se muestra en seguida
1
= [2
4

11 22 + 53
2 5
0
3 ] = [21 + 02 + 33 ]
14 + 12 23
1 2

Composicin de transformaciones lineales


Sea : 1 : y 2 : transformaciones lineales con matrices estndar 1 Y 2 . La
composicin : definida por () = 2 (1 ()), es una transformacin lineal. Adems,
la matriz estndar de de est definida como el producto matricial de
= 1 2
Ejemplo
Sea 1 2 transformaciones lineales de 3 a 3 tales que
1 (, , ) = (2 + , 0, + )

2 (, , ) = ( , , )

Determine las matrices estndares de las composiciones = 2 1 y = 1 2 .


Las matrices estndar de 2 1 son
2 1
1 = [0 0
1 0

0
0]
1

1
2 = [0
0

1 0
0 1]
1 0

Por lo tanto

95

1 1 0 2
= 2 1 = [0 0 1] [0
0 1 0 1

1 0
2 1 0
0 0] = [1 0 1],
0 1
0 0 0

y la matriz estndar de est definida por


2
= 1 2 = [0
1

1 0 1
0 0] [0
0 1 0

1 0
2 2 1
0 1] = [ 0 0 0]
1 0
1 0 0

Transformacin lineal de la inversa


Si 1 : y 2 : son transformaciones lineales tales que para todo en
2 (1 ()) = y 1 (2 ()) = , entonces 2 se denomina inversa de 1 , y se dice que 1 , es
invertible.
Existencia de una transformacin inversa
: Una transformacin lineal con matriz estndar . Entonces, las condiciones siguientes
son equivalentes.
1- es invertible
2- es un isomorfismo
3- es invertible
Adems, se es invertible con matriz estandar , entonces la matriz estandar 1 es 1 .
Ejemplo
La transformacin lineal : 3 3 est definida por
(1 , 2 , 3 ) = (21 + 32 + 3 , 31 + 32 + 3 , 21 + 42 + 3
Demuestre que es invertible y encuentre su inversa.
La matriz estndar de es
2 3 1
= [ 3 3 1]
2 4 1
Aplicando las tcnicas para la inversin de matrices
96

1 1
0
= [1 0
1 ] Por consiguiente, es invertible y su matriz estandar es 1
6 2 3
1 + 2
1 1
0 1
3 ]
= [1 0
1 ] [2 ] = [ 1 +

3
6 2 3 3
1
2
3
1

Matriz de transformacin para bases no estndares


Sean Y espacios vectoriales de dimensiones finitas con bases y , respectivamente, donde
= {1 , 2 , . , }
Si : es una transformacin lineal tal que
11
12
1
2
21
21
[(1 )] = [ ] , [(2 )] = [ ] , [( )] = [ ],
1
2

Entonces la matriz de cuyas columnas corresponden a [( )] ,


11
21
=[
1

12
22

1
2

Es tal que [()] = [] para todo en


Ejemplo
Sea : 2 2 una transformacin lineal definida por
(, , ) = (1 + 2 , 21 2
Encuentre la matriz de con respecto a las bases
= {(1,2), (1,1)}

= {(1,0), (0,1)}

Por definicin de se tiene


(1 ) = (1,2) = (3,0) = 31 + 01
(2 ) = (1,1) = (0, 3) = 01 31
97

Por consiguiente las matrices de coordenadas de (1 ) y (2 ) con respecto a son


3
[(1 )] = [ ]
0

[(2 )] = [

0
]
3

La matriz con respecto a y se forman al usar estas matrices de coordenadas como


columnas para obtener
=[

3 0
]
0 3

Aplicaciones de las transformaciones lineales


Operador de reflexin
Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro
de manera tal que este es isomtrico al espacio euclidiano de entrada, llamamos a la operacin
realizada la reflexin del conjunto de puntos dado. Esto puede realizarse tambin con respecto a
la matriz, en tal situacin la matriz de salida es llamada la matriz de reflexin. La reflexin es
realizada siempre con respecto a uno de los ejes, sea el eje o el eje . Esto es como producir la
imagen espejo de la matriz actual.
Considere el operador : 2 2 que transforma cada vector en una imagen simtrica con
respecto al eje (figura 4)

(, )

(, )

= ()

Figura (4). Operador reflexin


Si se hace = (), entonces lasecuaciones que relacionan las componentes y son
1 = = + 0
2 = = 0 +
En forma matricial
98

1
1 0
[ ] = [
][ ]
0 1
2
Como las ecuaciones las ecuaciones de (1 ) son lineales, es un operador lineal, y por (2 ) se
tiene que la matriz estndar para es
1 0
=[
]
0 1
En general, los operadores sobre 3 y 3 que transforman cada vector en su imagen simtrica
con respecto a una recta o plano se denominan operadores reflexin. Estos operadores son
lineales. En las tablas (1) y (2) se enumeran algunos de los operadores comunes.
Tabla (1)

Tabla (2)

99

Operador de proyeccin
Considere el operador : 2 2 que transforma cada vector en su proyeccin ortogonal sobre
el eje (figura 5). Las ecuaciones que relacionan los componentes de y = ()son

1 = = + 0
2 = 0 = 0 +
En forma matricial
1
1 0
[ ] = [
][ ]
0 1
2
Como las ecuaciones las ecuaciones de (1 ) son lineales, es un operador lineal, y por (2 ) se
tiene que la matriz estndar para es
=[

1 0
]
0 0

En general, un operador proyeccin(o, con mayor precisin, un operador de proyeccin ortogonal)


sobre 2 3 es cualquier operador que transforma cada vector en su proyeccin ortogonal
sobre una recta o un plano que pasa por el origen. En las tablas 3 y 5 se enumeran algunos de los
operadores de proyeccin bsicos sobre 2 3.
Tabla 3.

100

Tabla 5.

Operador de rotacin
El trmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser realizada con
respecto al eje dado o al eje mismo. La rotacin se realiza para un cierto grado el cual es
expresado en forma de un ngulo. Asimismo, la rotacin puede realizarse en la direccin de las
manecillas del reloj, o inverso a las manecillas del reloj.
Un operador que hace girar todo vector en 2 a travs de un ngulo fijo de se denomina
operador rotacional. En la tabla 6 se presenta la frmula para los operadores rotacin sobre 2.
Tabla 6.

101

Considerar el operador de rotacin que hace girar cada vector en sentido contrario a las
manecillas del reloj a travs de un ngulo positivo fijo . Para encontrar las ecuaciones que
relacionen y = (), o sea el angulo del eje positivo a , y sea la longitud comn de y
figura (5).

= (1 , 2 )

= (, )

Figura 5.

Entonces, por trigonometra elemental,


= ,
1 = ( + ),

=
2 = ( + )

Usando identidades trigonomtricas, se obtiene


102

1 =
2 =
Y sustituyendo
1 =
1 = +
Las ecuaciones son lineales, de modo que es un operador lineal; adems, con base a estas
ecuaciones se concluye que la matriz estndar para es
[] = [

103