Professional Documents
Culture Documents
NÚMEROS COMPLEJOS
ÁLGEBRA LINEAL
CON APLICACIONES
Álgebra Lineal
2018
TECNÓLÓGICO DE ESTUDIOS SUPERIORES DE ECATEPEC
DIVISIÓN DE INGENIERÍA ELECTRÓNICA
INTRODUCCIÓN
Este material es de apoyo para el curso de Álgebra Lineal, del plan de estudios por
Competencias Profesionales 2014 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.
Para la mejora y edición de este trabajo se ha contado actualmente con la ayuda del
alumno Marco Antonio Chávez Lucas, alumno de octavo semestre de la carrera de
Ingeniería Electrónica, que se ha dado la tarea de revisar minuciosamente los ejemplos y
ejercicios propuestos en la primera versión de este Problemario, para una mejor calidad
y aprovechamiento del mismo por parte de los alumnos de las carreras de Ingeniería.
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 Exponencial y logaritmo complejos. 25
1.5 Ejemplos. 27
1.5 Ejercicios 30
1.6 Potencia compleja de un complejo. 31
1.6 Ejemplos. 32
1.6 Ejercicios. 35
3
3. Matrices y Determinantes.
3.1 Introducción. 60
3.2 Operaciones con matrices. 60
3.2.2 Multiplicación de matrices. 61
3.2 Ejemplos. 63
3.2 Ejercicios. 66
3.3 Clasificación de Matrices. 67
3.4 Matriz inversa. 71
3.4 Ejemplos. 74
3.4 Ejercicios. 78
3.5 Determinante de una matriz. 79
3.6 Propiedades de los determinantes. 81
3.6 Ejemplos. 83
3.6 Ejercicios. 86
3.7 Adjunta de una matriz. 87
3.7 Ejemplos. 89
3.7 Ejercicios. 94
3.8 Solución de un sistema de ecuaciones lineales a través de la inversa. 95
3.8 Ejemplos. 96
3.8 Ejercicios. 101
3.9 Solución de un sistema de ecuaciones lineales por la Regla de Cramer. 102
3.9 Ejemplos. 103
3.9 Ejercicios. 107
4. Espacios Vectoriales
4.1 Definición 108
4.1 Ejemplos 109
4.1 Ejercicios 114
4.2 Subespacios Vectoriales 116
4.2 Ejemplos 116
4.2 Ejercicios 124
4.3 Independencia lineal 125
4.3 Ejemplos 125
4.3 Ejercicios 127
4.4 Bases vectoriales 128
4.4 Ejemplos 128
4.4 Ejercicios 131
4.1.1 Cambio de Base 132
4.1.1 Ejemplos 135
4.1.1 Ejercicios 144
5. Transformaciones
5.1 Transformaciones Lineales 146
5.1 Ejemplos 148
5.1 Ejercicios 155
4
1. NÚMEROS COMPLEJOS
5
1.2. LOS NÚMEROS COMPLEJOS Y SU ÁLGEBRA
Im
z=a+ib
Re
6
1.2.1 OPERACIONES ELEMENTALES CON NÚMEROS COMPLEJOS
i Z1 Z 2 a1 a2 b1 b2 i
Sea:
Z1 a1 b1 i
De donde:
Z1 a12 b12
b
tg 1 1
a1
Entonces:
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:
a )Z 1 Z 2 e)
Z1 Z1 3 2i
Z3
b )Z 4 Z 3 Z 2 4 3i
Z
f ) 3 Z1 Z 3 2 7i
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
7i
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
64 4
i
21 7
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) 32 73 i 87 i 4
( 13 74 i) * ( 13 74 i) 19 214 i 214 i 16
49
Z3
Z1 ( 193
2058
193
525
i) (3 2i)
Z4
( 193
2058
3) ( 193
525
2)i
1479
193
139
193
i
9
Forma polar:
a) Z1 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
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
537
tg 7 1.2718 rads. 72.870
1
3
Forma polar:
c) Z 3Z 1 Z 3 11 13i
Z 112 132 17.02
13
tg 1 0.8685rds 49.76 0
11
10
Forma polar:
64 9
d) Z Z2 Z4 i
21 7
6421 2 79
2
Z 3.30
9
tg 1 647 0.3992 rads 22.87 0
21
Forma polar:
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
Forma polar:
11
Z3 1479 139
f) Z Z1 i
Z4 193 193
2 2
1479 139
Z 7.696
193 193
139
tg 1479
193
1
0.093 rads 5.36
0
193
180 5.36 185.360 3.23 rads
Forma polar:
g ) Z Z 1 * Z 3 Z 2 4 22i
Z 42 222 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
b) Z Z
2 4
c) Z Z
6 2
d )Z Z Donde :
2 3
e) Z Z
4 6 Z1 3 2i
f )Z Z
1 5 Z 2 4 5i
Z
g) 6
Z Z 3 6 2i
4
h) Z Z Z
2 4 5 Z 4 1 5i
i)
Z5
Z 5 2 i
Z1
j)Z Z Z
1 5 3 Z 6 18 3i
Z
k) 6 Z
Z 5
4
13
RESPUESTAS:
7 9
a) i a) Z= 0.57 -0.909 rads
20 20
b) 5 0i b) Z= 5 0rads
31
c) 8i c) Z= 8.88 4.2613rads
8
d ) 10 7i
d) Z= 12.206 0.6107rads
119 29
e) i e) Z=15.31 0.2390rads.
8 8
f ) 8 i
f) Z=8.06225 3.0172rads.
121 19
g) i
208 208 g) Z=0.58 2.9858rads.
h) 3 i
h) Z=3.162 0.321rads.
i ) 0.3076 0.5384i
i) Z=0.6201 -2.088rads.
j ) 50 10i
k) Z=1.0965 0.4635rads.
14
1.3 POTENCIA REAL DE UN NÚMERO COMPLEJO
Donde:
w a 12 b12
y
b
tg 1 1
a1
15
1.3EJEMPLOS.Calcule las potencias que se indican con los números
Complejos que se dan a continuación.
a ) Z 1 i
29
Z 12 12 2
1
tg 1 0.7853 450
1
w 2; 0.7853 rads
29
Z 2 2 0.7096 i 0.7096
Z 16441.761 i
b) Z 1 i
36
w 12 12 2
1
tg 1 0.7853rads 45
0
β
1
180 450 3.92rads 2250
36
Z 2 2 0.96849 0.24902i
Z 253885.95 65279.394i
16
c) Z 1 17i
17
17
Z 290 2 Cos1.6317 iSen 1.6317
17
Z 290 2
Cos27.71 iSen 27.71
17
Z 290 2
0.8444 0.5348i
d) Z 3i 15
Z 3 1
2 2
3 1 4 2
1
tg 1 0.5235 rads 30
0
3
Z 2Cos0.5235 iSen 0.5235
15
Z 215 Cos0.523515 iSen 0.523515
Z 215 Cos7.8525 iSen 7.8525
Z 215 1.481x10 3 0.999i
Z 48.529 32735.232i
17
e) Z 2 2i
12
Z 8 6 Cos0.785312 iSen 0.785312
Z 8 6 Cos9.423 iSen 9.423
Z 8 6 0.999 1.77 x10 3 i
Z 261881.8 463.99i
f ) Z 6 5i
9
Z 62 52 36 25 61
5
tg 1 0.6947rads 39.800
6
180 39.80 140.20 2.447 rads
92
Z 61 Cos2.447 9 iSen 2.447 9
9
Z 61 0.999 0.0318 4i
2
Z 61 2 0.1804 0.9835i
Z 108031335.7 343160.89i
18
g ) Z 7 3i
18
w 7 2 32 7 9 16
3
tg 1 1.1302 rads 64.76
0
7
3.14159 1.1302 2.01139 rads β
Z 29 Cos2.1139 18 iSen 2.1139 18
Z 29 Cos36.205 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 0.7236 Cos0.66106 iSen 0.66106
Z 1.605 6 Cos3.966 iSen 3.966
Z 0.6756 0.5260i
19
1.3EJERCICIOS. Calcule las potencias que se indican con los números
Complejos que se dan a continuación.
RESPUESTAS
2) Z 15 3
i
18 2) Z 1.6833 x10 7 1.16367i
8
Z 342.82 118.02 i
3) Z 3 1
2 i 10 3)
4) Z 2.0674 1.77077i
4) Z 1
7
i 15
6) Z 1059.602 1434.2644i
6) Z 10
2 2i 8
7) Z 54.03 296.97 i
Z 6 3i
3
7)
8) Z 1.38609 2.3248i
12 4i 7
5
8) Z
9) Z 1225.488 489.454 i
9) Z 74 6i
4
10) Z 10.61731 4.2283i
10) Z 8 2i
2
3
11) Z 1.6935 x10 33 4.4701x10i 33
11) Z 50
49
9i
35
12) Z 2.4335 x10 8 2.041x10i 7
12) Z 3
7
8
5i 12
13) Z 1.3457 x10 29 8.7705 x10i 29
13) Z 8 74i
16 14) Z 4.9511x10 22 5.005 x10i 21
14) Z 32 45.6i
13 15) Z 4.1283 x10 4 2.4387 x10i 9
15 i 5
84
9) Z 35
74
25
20
1.4 RAÍCES DE UN NÚMERO COMPLEJO
Z wn
arg w Arg w 2 k , k 0, 1, 2
1 1
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, 2n 1
n
21
1.4EJEMPLOS. Calcule las raíces de los siguientes números complejos, por
medio del teorema de De´ MOIVRE.
Z 1 2i
1/ 2
a)
w 12 22 5
2
tg 1 1.107 rads. 63.420
1
Z 5 Cos1/ 2
1
2
1.107 2k isen 12 1.107 2k
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
Z 5 9i 3
1
b)
w 52 92 106
9
tg 1 1.063 rads. 60.900
5
Z 106 Cos
1/ 3
1
3
1.063 2k isen 13 1.063 2k
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
22
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 2k isen 14 1.499 2k
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
23
d ) Z 52 34 i
1/ 3
w 52 2 34 2 6.81
3
tg 1 54 0.2914 rads. 16.69 0
2
Z 6.81 Cos
1/ 3
1
3 0.2914 2k isen13 0.2914 2k
parak 0 :
Z0 6.81 Cos 0.2914 isen 0.2914
1/ 3
1
3
1
3
parak 2 :
Z2 6.81 Cos
1/ 3
1
3 0.2914 4 isen13 0.2914 4
Z 2 0.5695 i 1.2534
Z 8 7i
1/ 4
e)
w 82 7 2 113
7
tg 1 0.7188 rads. 41.185 0
8
Z 113 Cos 1/ 4
1
4
0.7188 2k isen 14 0.7188 2k
para k 0 :
Z0 113 Cos 1/ 4
1
4
0.7188 isen 14 0.7188
Z 0 1.776 i 3.227
para k 1 :
Z1 113 Cos 1/ 4
1
4
0.7188 2 isen 14 0.7188 2
Z 1 0.3227 i 1.776
24
para k 2 :
Z2 113 Cos 1/ 4
1
4 0.7188 4 isen 14 0.7188 4
Z 2 1.776 i 0.3227
para k 3 :
Z3 113 Cos 1/ 4
1
4 0.7188 6 isen 14 0.7188 6
Z 3 0.3227 i 1.7765
Z 0 1.0985 0.4549i
1) Z 1 i 1 / 2 1)
Z 1 1.0985 0.4549i
Z 0 1.4519 0.4934i
2) Z 5 2i 1/ 3
2) Z 1 0.241 1.5036i
Z 2 1.1521 1.0115i
Z 0 1.4521 0.4919i
3) Z 2 3i 3) Z 1 0.241 1.5036i
1/ 3
Z 2 1.1521 1.0115i
Z 0 1.7347 0.574906i
4) Z i Z 1 0.36946 1.78974i
7 5 1/ 3
4 2 4)
Z 2 1.36523 1.214842i
Z0 1.2568 0.4270i
0.4270 1.2568i
5) Z 54 3i
1/ 4 Z1
5)
Z2 1.2568 0.4270i
Z3 0.4270 1.2568i
25
Z 0 1.63345 0.086288i
6) Z 7 32 i 6) Z 1 0.08628 1.63345i
1/ 4
Z 2 1.63345 0.086288i
Z 3 0.08628 1.63345i
Z 0 2.2806 1.69615i
7) Z 4 5i 1/ 2
7) Z 1 2.2806 1.69615i
Z 0 0.97713 0.249825i
8) Z 34 107 i 8) Z 1 0.704921 0.7213i
1/ 3
Z 2 0.27221 0.971135i
Z 0 1.6914 0.103719i
Z 1 0.103719 1.6941i
9) Z 8 42 i
1/ 4
9) Z 2 1.6914 0.103719i
Z 3 0.103719 1.6941i
Z 0 7.12971 1.68309i
10) Z 48 24i 1/ 2
10) Z 1 7.12971 1.68309i
26
1.5 EXPONENCIAL Y LOGARITMO COMPLEJOS
Es una función entera con valor diferente de cero que satisface a la ecuación
diferencial.
f ´z f z , f 0 1
27
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,
28
1.5 EJEMPLOS. Realice las siguientes operaciones con los complejos dados
3
1) Ln 5 i
2
5 2 32
3
5
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 Ln 27.25 i 2.85 1.6525 2.85i
2
Debidoa queel vector seencuentraenel 20 cuadrante
,
sedebesumar180 0 o rads
4 7
2) Ln i
3 4
4 7
4 2
3
74
2
4.840
3 4
4 7 7
arg i tg 1 44 0.919 rads
3 4
3
4 7
Ln i Ln 4.840 i 0.919 0.7884 0.919i
3 4
3) Ln 6 5i
6 5i 6 2 5
2
61
5
arg 6 5i tg 1 0.694 rads
6
Debidoa queel vector seencuentraenel 4 0 cuadrante
,
y a pesarde queel ánguloseanegativo,éstesemide
con respectoal ejede los realespositivos.
Ln 6 5i Ln 61 0.694i 2.0554 0.694i
29
2
4) Ln 6i
5
2
6i 52 2 62 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 Ln 36.16 i 4.64 1.7939 4.94i
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
38 32 82 73
8
arg 3 8i tg 1 1.21 rads
3
Ln 3 8i Ln 73 i 1.21 2.1452 1.21i
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 15.20i
13.28 15.20i
30
2 15 i 1
e 2 * e 5
i
7) e
e 2 Cos 1
5 i Sen 1
5
e 2 Cos 1
5 e 2 i Sen 1
5
0.132 0.026i
52 82 i 52 82 i
8) e e *e
e
52
Cos 82 i Sen 82
5 5
e 2 Cos 2
8 e 2 i Sen 2
8
0.079 0.020i
9) e 3 9 i e 3 * e 9 i
e 3 Cos 9 i Sen 9
e 3 Cos 9 i e 3 Sen 9
18.30 8.277i
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 0.432i
31
1.5 EJERCICIOS. Realice las siguientes operaciones con los complejos dados.
Exprese sus resultados en forma rectangular y polar.
4) Ln 12
7
74 i 4) 0.8959 0.7957i 4) 1.19830 0.72618 Rads
i 73 65 i
7) e 7) 3.0198 1.3797i 7) 7.97365 1.18338 Rads
8) Ln 47
56
74 i
8) 0.6631 1.1236i 8) 1.30467 1.0376 Rads
9) Ln 45 i
9) 3.8069 20221x10 2 9) 7.32751 1.0244 Rads
10) Ln 74 54 i
10) 0.6545 2.7128i 10) 2.7906 1.3340 Rads
11) Ln 10 5i
11) 2.4582 0.1897 Rads
11) 2.41415 0.4636i
43 12 20 i 14) 0.26354 0.599 Rads
14) e 14) 0.217556 0.14883i
32
1.6 POTENCIA COMPLEJA DE UN COMPLEJO
Definición:
Sea: z a e a log z , a complejo 0
33
1.6EJEMPLOS.Calcule las potencias complejas de los siguientes números
complejos.
e ( 0i ) Ln 1 0i
( 0i )
1) i i e Ln ( 0i )
Donde :
1
Ln 0 i Ln i i arg( 0 i ) Ln 0 2 12 tg 1
0
Ln 0 i 0 i 2
Entonces :
0 i 0 i 2
e e 2
0.20787
5 3 i 1 2i e Ln 53i
1 2 i
2)
Donde :
Ln 5 3i Ln 5 3 i tg 1 53
2 2
1 43 i i e Ln 1 i
i
4
i Ln 1 43 i
3) 3
e
Donde :
Ln 1 43 i Ln 1 43 i tg 1 13
4
2 2
0.510825 0.92729i
Entonces :
e i 0.5068i 0.9272 e i 0.5068 0.9272)
e 0.9272 * e 0.5068i e 0.9272 Cos0.5068 i Sen0.5068
2.20498 1.23576i
34
1 3 i
1 3 i
4
1 34 i Ln 14 i 2
4 1
i
2i e e
1 Ln 2
4) 4
4
Donde :
Ln 14 i 2 Ln 14 2 2 2
i tg 1 1
4
2
0.36116 i 1.39
Entonces :
1 3 i 0.36116i 1.39
e 4 e 1.40366i 1.1191
e 1.40366 * e i 1.1139 e 1.40366 Cos 1.1190 i Sen1.1191
1.7764 3.6618i
13 i
12 53 i Ln 13 i 12
2 5
13 i
2 5 Ln 13 i 1
5) 1
3 i 1
2
e 2
e
Donde :
Ln 13 i ( tg 1
)
1
Ln 13 i
2 1 2
1
2
2 2
13
0.4924 i 4.2718
Entonces :
1 3 i 0.4924i 4.2718
e 2 5 e 2.509i 1..8403
e 2.509 * e i 1.8403 e 2.509 Cos 1.8403 i Sen1.8403
3.2730 11.848i
4 3 i
4 3 i 2
1 3 i 4 32 i Ln 1 3 i
1 3 i
2
e e
Ln
6)
Donde :
Ln 1 3 i Ln 1 2 32 i tg 1 3
1
1.033 i 1.4650
Entonces :
4 3 i 1.033i 1.4650
e 2 e 6.6132i 4.20505
e 6.6132 * e i 4.20505 e 6.6132 Cos 4.20505 i Sen 4.20505
361.863 651.040i
35
8 3 i
9 2 i
8 3 i
Ln 9 2 i
7) e e 83 i Ln 9 2 i
Donde :
Ln 9 2 i Ln 92 22 0.21 i tg 1 92
2.2212 i 2.922
Entonces :
e 83 i 2.2212i 2.922 e 9.0i 30.6
e 9.0 * e i 30.6 e 9.0 Cos 30.6 i Sen30.6
5552.18 5902i
3 i
3 i Ln 87 i
i
3 i Ln 87 i
8) 8
7 e e
Donde :
Ln 87 i Ln 2 87 2 i tg 1 7 8
1.2325 i 3.48
Entonces :
e 3i 1.2325i 3.48 e 0.21i 11.672i
e 0.21 * e i 11.672 e 0.21 Cos11.672 i Sen11.672
0.5077 0.6321i
36
1.6 EJERCICIOS. Calcule las potencias complejas de los siguientes números
Complejo: Respuestas:
1
2 i
1 1 5
1
2 i
5 1) 3 i 9.18 6.77i
1) 3 i 2
2
43 i
43 i 2
2 2) 3 i 8.998 x10 3 2.49 x10 3 i
2) 3 i 6
6
2i
2i 3
3 4) i 2.3103 2.2126i
4) i 5 8
5 8
2 3 i
2 3 i 3 1
3 1
5) i
5) 2 4 i 2.771 0.707 i
2 4
6) 7 i
5 i 6) 7 i 5i 3.1435 21.990i
6 9 i 4
1
4817.44 1584.78i
i
1 7) 2
7) 6 9 i 4 i
2
2 6 i
2 6 i 1 3
1 3 8) i 1.034 x10 5 39598i
i 3
8) 3
1 3 i
4 1 3 4
9) i 5.335 112.94 i
7 8
9) 7 i
5 i
1 3
i
1 3
i 4 1 3 4
4 1 3 4 10) i 2.045 x10 7 2.1937 x10 7 i
10) i 7 8
7 8
37
Ejercicios: Respuestas:
2 i 2 i
11) 1
4
2i 11) 1
4
2i 9.818 x10 2 4.875 x10 2 i
15 24 i 1 2 i
i
i
5 4
0.35612 0.09687i
1
12) 9 12) 1
9
127 i
88 i
127 i
8 8 i
13) 13) 8551.9 10495i
15 5 i 1 5 i
4 5
4 5
5
14) 14) 49417 15735i
18 7 i 1 7 i
2i
2i
8
2362.4 5896.7i
9
15) 13 15) 9
13
17) 1
3
72 i 3 2 i
17) 1
3
72 i 3 2 i
1.7582 2.8923i
52 i 2 i
9i
9i
5
18) 2
10 18) 2
10
3.2020 x10 3 3.021x10 6 i
4i 4i
19) 2
4
2
3
i 19) 2
4
2
3
i 6.157 x10 2 0.10665i
3 62 i 3 2 i
8 i 8 i
6
20) 20) 621.84 1637.9i
38
2. SISTEMAS DE ECUACIONES LINEALES
y
2x y Sen z 1, Sen x1 3 x2 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.
39
2.2 INTERPRETACIÓN GEOMÉTRICA DE LAS SOLUCIONES DE
SISTEMAS LINEALES DE ECUACIONES
(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)
40
(b) La segunda ecuación de este sistema es exactamente dos veces la
primera, de modo que las soluciones son las mismas de esta última, 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)
2 4
y
-4 -2
-2
-4
(c
(c)
)
41
2.2.2. SISTEMAS DE ECUACIONES LINEALES EN R3
P(x,y,z)
42
(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.
43
2.3 MÈTODOS DE SOLUCION DE SISTEMAS DE ECUACIONES LINEALES.
“ELIMINACION DE GAUSS”
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
44
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 75 185
2
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 185
x3 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
45
4) x1 2 x2 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
Parametrizando : Si x4 t
x3 156 x 4 106 x2 0 21
2 x 4 152 x1 2 x 2 x3 8 x 4 2
x3 106 156 t x 2 152 0 212 x 4 x1 2 x 2 x3 8 x 4 2
x2 15
2 21
2 t x1 2 152 212 t 106 156 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
17
112 R 3
3 1 1 1 3 R1 R 3
0 112 5 1 0 1 113 112
3 R 2 R 3 10
0 2 11
3 4 1 1 2 0 172 5
7 2 0 0 2 8 5
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
46
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 x2 3
2
x2 13
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 73
2 1 3 0 7 0 1
3 37 R 2 R 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
8) 3 x1 6 x2 8 x3 2
4 x1 x2 9 x3 7
47
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
59
0 0
13 59 13
9 7 7 3 3
1 21 21
Parametrizando : 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 23 213 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
48
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 x2 5 x3 0
2 x1 x 2 3 x3 10 6 x1 x2 3 x3 0
2) 2 x1 x 2 6 x3 18 10) 2 x2 5 x3 6
5 x1 8 x3 16 x1 4 x3 4
3 x1 2 x 2 10 x3 3 2 x1 4 x2 2
3) 3 x1 6 x 2 6 x3 9 11) x1 2 x2 3 x3 5
2 x1 5 x 2 4 x3 6 3 x1 2 x2 x3 4
x1 16 x 2 14 x3 3 2 x1 x2 3x3 3
4) 3 x1 6 x 2 6 x3 9 12) 7 x1 2 x2 x3 5
2 x1 5 x 2 4 x3 6 2 x1 8 x2 x3 10
5 x1 28 x 2 26 x3 8 x2 x3 0
5) x1 x 2 x3 7 13) x1 7 x2 3 x3 2
4 x1 x 2 5 x3 4 3 x1 x2 x3 4
2 x1 2 x 2 3 x3 0 x2 2 x3 3
x1 x 2 x3 7 3
6) 14) x1 2 x2 3 x3 3
4 x1 x 2 5 x3 6 4
7 5
6 x1 x 2 3 x3 18 x1 x2 x3
2 8
1 2
7) x1 x 2 x3 7 x1 x2 x3 2
5 3
4 x1 x 2 5 x3 4
6 x1 x 2 3 x3 20 2 1
15) x1 2 x2 5 x3
3 2
8) x1 2 x 2 3 x3 0 x1
2
x2 7 x3
2
4 x1 x 2 4 x3 0 4 3
1
2 x1 x 2 3 x3 0 5 x1 x2 x3 1
5
49
16) x1 x2 7 x3 5
3 x1 x3 0
x2 2 x3 0
17) 9 x2 5 x3 2
x1 x2 x3 8
x1 5 x3 7
18) 9 x1 8 x2 7 x3 1
6 x1 5 x2 4 x3 2
3x1 2 x2 x3 3
19) 2 x2 3 x3 5
3 x1 x3 4
2 x1 x2 3
1 1 2
20) x1 x2 x3
2 3 4
1 1 1 2
x1 x2 x3
4 5 6 5
1 1 1 2
x1 x2 x3
7 8 9 6
50
RESPUESTAS:
48
49
1 10) x
1) x 2 . 2
11
2
1
520
121 8
x
3
x 640 11)
2)
2
121
5
83
8
121
15
2 11
x1 9 x3 3
3) x
9
x 8x 12) x
11
2 9 3
68
11
4) Parametrizando a x3 , el sistema
tiene inifinidad de soluciones
2
9 9
5) x 30 .
9
13) x
14 11
68
11
6) No existe solucion para este sistema
2395
116
7) No existe solucion para este sistema
x .
1401
14)
232
0
63
8) x 0
464
0
37
154
4
x1 5 x3
x
50
x 15)
9) 231
x 9x
2 5 3 1
22
51
5
14
x
15
16)
7
15
14
252
59
x
87
17)
59
133
59
23
13
x
7
19)
13
17
13
7
3
20) x
44
3
32
2
52
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.
53
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
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 12 R 2 R 3
3 2 2 5 0 12 52 0 1 13 5
13
2
5 3 1 16 0 12 13 7 0 0 0 6
2 2
3) x1 2 x2 3 x3 3
2 x1 3 x2 8 x3 4
3x1 2 x2 17 x3 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
54
4) 2 x1 3 x 2 3
x1 2 x 2 5
3 x1 2 x2 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 x2 8
3 x1 5 x 2 7
6
R2
6 7 10 R16 R11R 2 1 76 106 1776 R 2 R1 1 0 17 96
3 R1 R 3 17
58
1 4 8 0 0 1 17
17 29 R 2 R 3
6 3
2
3 5 7 0 17
2 0 0 27
2
El sistema correspondiente no tiene solución, ya que: 0 27
6) 2 x1 3 x 2 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
55
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 4 13 3 516RR212 R1 1 0 16164 R 3 R 2
1 7 3 13
5 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
8t 7t 9
2) x1 8 x 2 7 x4 9
2 x1 16 x 2 x3 20 x 4 24 RESPUESTA : x t
6 6t
2 x1 16 x 2 6 x3 50 x 4 x5 51 t
3
3) x1 8 x 2 4 x3 5 x 4 0 7t 417 40
2 x1 x 2 10 x3 16 x 4 6 RESPUESTA : x 3
80
2 x1 6 x 2 20 x3 46 x 4 x5 33 3t 429
160
4) 6 x1 4 x3 4 x 4 0 1724
176 t
2 x1 x 2 x3 6 x 4 6 RESPUESTA : x 17
18 98
17 t
16 x1 2 x2 4 x3 4 x 4 12 178 t 1736
56
5) x1 x 2 x3 2 x4 0
x1 x 4 1 RESPUESTA: No Existe solución
x 2 x3 x 4 1 para este sistema
x1 2 x 2 3
6) x1 2 x3 x4 1 2
x2 x3 2 x4 0 1
RESPUESTA : x
x1 x2 2 x3 x4 4 1
x2 x3 2 1
7) 3x1 x3 x 4 3 13
2 x 2 3x3 3x 4 14
10
RESPUESTA : x
x3 x 4 6 2
x 4 4 4
8) 2 x1 3x2 5 x3 7 x 4 2 17
22
11x1 13x2 17 x3 19 x4 3
17
RESPUESTA : x 44
31x1 37 x2 41 x3 43x4 5 0
15
47 x1 53x2 59 x3 67 x4 7 44
9) 5 x1 4 x2 2
x3 10 x4 12
737 t 177
4 701
5
x1 x3 x4 5 5
1579
737
3 15
RESPUESTA : x 1474 t
8 x1 13x2 4 x3 2 x4 1
9
3990 1414
737 737 t
10) 9 x1 5 x2 x3 2 x4 4 101570
204087
2531
3 x2 6 x3 x4 6
4 68029
RESPUESTA : x 208459
7
x 4 x2 5 x4 1
2 1
204087
14 x1 10 x2 6 x3 86 x4 155 204087
36356
11) x1 2 x4 2
x1 x4 3 RESPUESTA: No Existe solución
x2 x4 5 para este sistema
3x1 x4 7
57
12) 5 x1 x2 17 x3 5
1429813
272082
11x1 5 x2 9 x3 1 1154383
RESPUESTA : x 1429813
2 x1 1 7 x2 10 x3 11
74946
x1 2 x2 4 204259
x1 x2 3x3 2 x4 2 204 t 34
115
1 57
13) 2
229 29
4 x1 x2 23 x3 x4 8
204 t 34
RESPUESTA : x
3x1 32 x2 5 x3 x4 3 27 t 45
136 60
t
14) 52 x1 x2 3
5 x1 56 x2 12 4735
6581
RESPUESTA : x 14799
8 x1 2 x2 2 6581
58
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.
LEYES DE KIRCHHOFF
59
2.5 EJEMPLOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos
siguiente figura.
D I1 V1 I1 C
8v
2Ω 2Ω
1Ω
A I2 I2 B
4Ω
I3 V2 I3
E F
16 v
Malla : CDABC
8 2I1 I 2 2I1 0
8 4I1 I 2 0
4I1 I 2 8
60
Con estas tres ecuaciones podemos construir un sistema de ecuaciones:
1) I1 I 2 I 3 0
4 I1 I 2 8
I 2 4 3 16
1 1 1 0 1 1 1 0 R5 R22 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
61
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 : I1 I 2 8
3
I 5
2
62
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
63
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
5I 1 4 I 2 12 5
5I 1 4 I 2 12
5I 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
95 R 2 R 3 4
0 4 15 0 0 4 15 0 0 1 154 0 0 1 0 36
3 R 3 R 1
31
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
64
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 8I 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 13
6
886 R 2 R1 1 0 17
12
13
6
1671716 R R 2 1 0 0 334
429
6 R1 R 3 73 R 2 R 3 12 R 3 R1
17
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 1 136 0 0 167
136 0 0 1 167
104
48
334
429
221
I 334
167
104
65
Nota: el signo negativo de la corriente I 3 es porque es tomado en sentidocontrario la
polarizacion.
2.5 EJERCICIOS. Determine las corrientes indicadas en los siguientes circuitos
eléctricos
1) I1 C I1
10 v
5Ω
28
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 : I 1 1.88 Am. I 2 2.7 Am.
2Ω
A
I2 I2 B I 3 0.823 Am.
8Ω D
I3 I3
12 v
3)
B I1 C
E=12V
1Ω 9Ω
F 2Ω E
66
4)
B I1 C
E=24V
Re spuesta : I 1 3.586 Am. I 2 3.03 Am.
I 3 0..551Am.
7Ω 5Ω
I2 2Ω
A D
12Ω
1Ω
D
I3
I 11Ω E
5)
B I1 C
E=12V
30 Ω 50Ω
I2 70Ω
Re spuesta : I 1 0.031Am. I 2 0.206 Am.
A D
I 3 0.237 Am.
32Ω
8Ω
D
I3
I E= 24V E
6)
B I1 C
E=24V
10 Ω 8Ω
I E= 24V E
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.
69
Nótese que en la expresión cij ai1b1 j ai 2 b2 j ain bnj los subíndices
70
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) BC
4) B CT
5) AB
6) BD
7) D BC
8) B BT
9) E AF
10 ) F DF
71
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 1 5 6 3 2 10 8 13
1
2
2
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
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
BC 4 1 2 3 15 42 24 16
2 3
3 4 0 1 2 3 35 02 24 36
0 5 6
465 886 3 6
BC
0 6 15 0 8 18 21 26
72
4 0
8 ) BB T
4 2 1 2 2 44 2 2 11 40 22 13
2 3 04 2 2 31 00 22 33
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 3 211 12 22 10
1 5 2 11
Donde :
3 0 1 3 1 0 2 3 0 3
AF
1 5 2 1 1 52 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 32 0 6 6
DF
2 1 2 2 1 12 2 2 4
73
3.2 EJERCICIOS. Realice las operaciones entre las matrices indicadas de los
siguientes ejercicios. (Si es posible)
1 2
3 0 4 2 1 0 3
A , B C 3 4 D
2 3 1
,
1 5 0 5 6 2
3 1 1 5 8 13
1
E 4 2, F G 2 5
4 H 1 6 4
2 7 1 9 2 2 1
12 6 3
2) AB Re spuesta :
4 12 14
3 3
3) D BC ; Re spuesta :
19 27
4) E AF Re spuesta : 10
4 2
Re spuesta :
4
5) FE;
8
0 0 0
6) B T C T CB Re spuesta : 0 0 0
T
0 0 0
27 0
7) A3 ; Re spuesta :
49 125
3
8) E T F Re spuesta :
4
2 10
9) AT D Re spuesta :
10 5
36 36
12) ABCD; Re spuesta :
248 182
5
14) F ET ; Re spuesta :
0
12 23 18
15) (GH ) ; T
Re spuesta : 16 54 44
42 10 78
92 122
16) HC C ; Re spuesta : 2 6
18 24
20 8
17) T
H B ; T
Re spuesta : 22 18
61 5
31 9 4
18) (2G 5H ) ; T
Re spuesta : 38 40 8
63 12 23
45 15 100
20) (G H ) ;
2 2 T
Re spuesta : 121 17 37
62 69 65
75
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
0 0
a33 0
0 0 a 44
0
76
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
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 A 2 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
77
Antes de hacer demasiadas suposiciones deberíamos preguntarnos hasta
qué 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 A T de m x n, que
se obtiene cuando se intercambian los renglones y columnas de A. Es decir
la i-enésima columna de A T 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
78
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 ).
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 está 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 .
79
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 álgebra 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 ax 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.
80
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
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
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
81
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 A1 .
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
82
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
83
7 5
5) 4 4
7
R2
7 5 1 0 7 R4 R1 1 R 2 1 0 785 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 2
1
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
2 R2
2 3 0 1 0 0 12 RR11 R 2 1 3
2 0 1
2 0 0 73 R 2 R1
2
1 2 1 0 1 0 2 R1 R 3
0 7
2 1 1
2
R 2 R 3
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
84
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 1
7
2
7
3
7 0 759 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
5
9
0 0 9
3
76 1 0 0 1 13 23 7
7 7 9
Comprobando :
1 3 2 13 1
3 1
1
9 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
85
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
86
3.4 EJERCICIOS. Calcular la matriz inversa. (si es posible)
1 2
1) 2 4 ; Re spuesta : No tiene inversa
13 1
3 1 1
2) 2 ; Re spuesta :
3 2 1
1
3
4 4 34 1
2
3) 8 6 ; Re spuesta :
1 1
2
2 3 2 3
4) 1 2 ; Re spuesta :
1 2
15 43 45
71
120
71
5) 2 ; Re spuesta :
3 12
60
71
18
71
1 6 2
6) 2 3 5 ; Re spuesta : No tiene inversa
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; Re spuesta : No tiene inversa
19 7 3
3 1 0 83 1
8
14
1 1 2; 3
9) Re spuesta : 18 3
8 4
1 1 1 14 1
4
1
2
2 4 5 16
95
2
19
67
665
6
10) 7 8 ; Re spuesta : 958 1
19
2
95
7 14 0 15 0 2
35
87
1 2 3 1 0 1
3 2 1;
11) Re spuesta : 74 3
4
2
2 2 3 12 12 1
1 2 3
12) 5 8 13; Re spuesta : No tiene inversa
21 34 55
2 3 5 7 113 12
55
15 2
11
11 13 17 19 5
11 552 3
3
13) ; Re spuesta : 13 10 22
23 29 31 37 22 307
1
9
15 440 10 88
41 43 47 53 22 37
88
0 7
88
12 1
4
1
8
1 1 1
14) 3 8 27 ; Re spuesta : No tiene inversa
14 1
9
1
16
3 5 0.448 0922
15) ; Re spuesta :
2 7 0.369 0.319
7 25 6 541
6 127
541
541
13
5 2 1 ; 23
16) Re spuesta : 541 541 541
31 25
4 8 7 541
32
541
44 11
541
92 2 3 167
18 51
167
167
4
11 21
2 0 1; 167
69
17) Re spuesta : 167 668
4 9 49 167
36
167
65 8
167
0 .5 0 .8 6.366 7.272
18) 0.3 0.7 ; Re spuesta :
2.727 4.545
1 2 1
19) 1 2 1; Re spuesta : No tiene inversa
2 2 2
A=
Cij 1
i j
det Aij
89
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).
calculado como:
n
det A ai1C i1 ai 2 C i 2 ain Cin aij C ij
j 1
con signos: + o -, con el signo correcto dado por el término 1i j una manera
rápida para determinar si el signo es + o – es recordar que los signos
conforman un patrón “tablero de Ajedrez”:
90
3.6 PROPIEDADES DE LOS DETERMINANTES.
SeaA aij una matriz cuadrada.
a11 a12
SeaA Una matriz de 2 x 2 se define el determinante de A por:
a21 a22
a11 a12
A ó
a21 a22
91
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.
92
3.6EJEMPLOS. 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
110 14 00 0 4 2 30 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
116 54 12 6 14 02 5 11
16 20 112 4 010 1
1 14 18 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
336 15 16 6 2 5 46 1 2 3
318 5 136 10 4 6 6
69 26 48 47
93
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 12 0 0
1 0 1 4
1 4 0
4 0
054 0 30 07 0 9 0 07 3 9 4
050 00 015
00 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
050 0 10 27 0 9 0 07 1 9 0
050 00 0 7
00 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
050 4 13 27 4 9 3 07 1 9 0
053 21 0 7
013 0
Por lo tan to :
1 0 0 0
5 2 0 0
0000 0
7 0 3 0
9 1 4 0
94
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
2 3 0 3 0 2 0 2 3
30 0 0 2 5 10 0 15 20 2 10
3 5
15
0 1 4
0 1 0 1 0 0
1 0 0 1 10 1 4
1 2 3 2 3 1 3 1 2
100 3 2 3 10 3 11 40 2 10
11
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
95
3.6EJERCICIOS. Calcular los siguientes determinantes
9 6
1) A ; Re spuesta : A 3
4 3
5 8
2) A ; Re spuesta : A 12
1 4
6 2
3) A ; Re spuesta : A 38
4 5
1 5
9
4) A 2
3
7
6
; Re spuesta : A
4 5 140
1 0 2
5) A0 5 0 Re spuesta : A 10
3 0 4
11 1 0
6) A 2 7 0; Re spuesta : A 158
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; Re spuesta : A 10
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 ; Re spuesta : A 274
3 0 1 5
4 2 3 0
96
6 2
1
2
1465
11) A 8 1
4
2; Re spuesta : A
16
3 2 12
3 1 9
12) A 8 6 2 ; Re spuesta : A 1383.8
10 11 7
1 2
14) A ; Re spuesta : A 2
3 4
8 7 3 9
9 4 1
3
15) A 2
Re spuesta : A 1407
3 3 5 2
8 5 1 7
1 1 1 1
8 2 3 3
16) A ; Re spuesta : A 17
7 2 4 2
5 2 8
1 1 1 1
2 4 8 16
2 2 2 2
901
17) A 5
3
6
3
7
3
8
3
; Re spuesta : A
2 4 5 9 432000
4 4 4 4
6 8 3 5
8 9 7
18) A 3 7 1 ; Re spuesta : A 299
4 4 3
1 2 3
19) A 4 5 6; Re spuesta : A 0
7 8 9
17 2 183 1
20 3 2 3
20) A ; Re spuesta : A 3036
14 8 16 13
2
5
2 5 6 97
3.7 MATRIZ ADJUNTA
a a12
Sea A 11
a21 a22
Por ejemplo:
98
La transpuesta de la matriz de los cofactores anteriores proporciona la adjunta
de A:
Observemos que esta propiedad nos permite hallar por otro método la inversa
de una matriz.
Reconsidera la matriz:
1
A 1 (adj A) Se obtiene:
A
99
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 46 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
53 85
1 1 5
A 1 Adj A 50 30 20 3 1 23
det A 30
23 12 14 30
23 2
5
7
15
100
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 20 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
101
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 42 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
6 0 1
1 1 1
A Adj A 0 3 1
4 2
det A 12
0 3
6 0 1
4 12
102
1 0
0 1 2
1 1 2 1 1 1 0 1 1
1 2 1 0 10 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
103
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
A 1 ;
6 1 4 6 4 2 4 2
2 2 2 2 4 2 6 2
6 2 6 2 53 15 53 1
5
101
1 1 1 3 1 2 101 3 1
A 1 Adj A 10 5
det A 10 4 2 4 2 52 1
52 15
5
4 2 6 2 52 1
5
3
5 15
104
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
105
3.8 SOLUCION DE UN SISTEMA DE ECUACIONES LINEALES A TRAVES
DE LA INVERSA.
X A1 B
x1 2 x 2 3x3 5
2 x1 5 x2 3x3 3
x1 8 x3 17
1 2 3 x1 5
A 2 5 3 X x2 B 3
1 0 8 x3 17
40 16 9
A 13 5 3
1
5 2 1
40 16 9 5 1
X A B 13 5 3 3 1
1
106
3.8EJEMPLOS. 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 correspond iente :
2
R2
2 3 1 0 R2 R11 R 2 1 32 0 732 R 2 R1 1
1
1 5 3
0
2 7 7
1 0 1 0
7 1 1 2
5 0 1 2 2 1 7 7
Por lo tanto :
1 75
3
A 1 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 1
A 1 26
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
107
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 3 3 1 2 0
2
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
2 R1 R 3
3 2 2 0 1 0 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
4 R 3 R1 5
0 1 5 3 1 0 0 1 0 2 2 1 3
2
0 0 2 1 1 1 1
0 0 1 2 2
1 1
2
0 1 2
A 12 32 52
1
12 1
2 12
0 16 18 2 0 16 18 2
x A 1b 1 24 452 16 1 24 452 52
1 8 92 9 1 8 92 52
108
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 0 0 15 R 2 R1
1 1 1 26
R1 R 3 5 R 2 R3
5 5
11
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
5
26
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
241 14 662 241
8 901
x A 1b 241 51
241
11
241 9 241
241
3
11
241
26
241
30 837
241
109
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 2 01 0 0 0
3 5 0 1 0 1 0 0
2 1 1 00 0 1 0
4 1 1 20 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
R2 1 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
33 R 3 R 4
6 R 3 R 2
0 1 0 135 133 5
136 0
10 R 3 R1 13
0 0 1 3 7
133 1
0
13 13 13
0 0 0 1813
10
13
138 33
13
1
13 R 4
1
18
3 R 4 R3
13 0 0 0 95 94 4 2
3 9
5
R 4 R 2
13
0 1 0 0 94 5
7
5
4 R 4 R1 9 6 18
13
0 0 1 0 23 1 1 1
3 2 6
0 0 0 1 95 4
9
11
6
13
18
95 94 4
3
2
9 10
4 2
5
7
5
1
A 2 9 9 6 18
3 3 1 1 1
5
5
2 6
9
4
9
11
6
13
18 4
95 94 4
3
2
9
10 1109
4 2 185
5
7
5
1
xA b 2 9 9 6 18 18
3 3 1 1 1 5 556
5 301
2 6
9
4
9
11
6
13
18 4 18
110
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 13
7
12
7
4
7
1
7 0 0
12 R 2 R1
R 2 R 3
0 1 12
6
17 72 0 0
2 R 2 R 4 7 14
0 0 19
11 1 2
1 0
7 7 7 7
0 0 59
7 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
192 12
0
13
7
R 3 R1 19 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
261
19
R4
1
11
R 4 R 3 0 0 0 293 1
87 261
14 53
261
19
27
R 4 R 2
19
0 1 0 0 7
4 9
3
19
53
R 4 R1 29 29 29 29
0 0 1 0 5 8 62
11
29 87 261 261
0 0 0 1 6
29 2
87 59
261 19
261
293 1
87 261
14 53
261
7 4 9
3
A 295
1 29 29 29
29 8 62
11
6
87 261 261
29 2
87 59
261 19
261
293 1
87 261
14
261
53
4 261
41
7 4 9
293 8 71
x A b 295
1 29 29 29
29 8 62 11
261 10 937
6 19 517
87 261 261
261 5 261
2 59
29 87 261
111
3.8EJERCICIOS. 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
13 x1 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
36 x1 56 x 2 x 4 25 x 4 101679
108998
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
112
3.9 SOLUCIÓN DE DE UN SISTEMA DE ECUACIONES LINEALES POR
LAREGLA DE CRAMER
D1 D D D
x1 , x2 2 ,............xi i .................xi n
D2 D D D
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
Cofactor de bi en A j Aij
113
3.9EJEMPLOS. Resuelva los siguientes sistemas de ecuaciones por la regla
Cramer.
1) 3x1 x 2 0
4 x1 2 x 2 3
3 1 0 1 3 0
A 6 4 10 A1 055 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 3x 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
114
4) 2x 1 2x 2 x 3 7
x 1 2x 2 x 3 0
x 1 x 2 3x 3 1
2 2 1 2 2
A 1 2 1 1 2 12 2 1 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
115
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
116
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
117
3.9EJERCICIOS. 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
421
3749
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
118
4. ESPACIOS VECTORIALES
119
4.1EJEMPLOS. 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 propiedade s 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 x
9) c d 1 c d 1
x1 x1
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.
120
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 propiedade s 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
121
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 propiedade s 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 y3
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 x
7) c 1 2 c 1 c 2
y1 y 2 y1 y2
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.
.
122
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 propiedade s 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 ib 2 (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
a 1
en M 22 . Con las
0
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
123
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
124
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
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.
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 de la forma x con la operaciones
3
x
habituales de suma y multiplicación por un escalar.
125
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.
126
4.2SUBESPACIOS VECTORIALES
Nota: se puede decir que el subespacio H hereda las operaciones del espacio
vectorial “padre” V .
1) Si x H y y H , entonces x y H
1)
127
a
V R ; W
3
0
a
a1 a 2
W1 0
;W 0
2
1
a
a 2
a1 a 2 a1 a 2
1) W1 W2
00 0
a1
a 2
a1 a 2
a1 ca1
2) cW c
0 0
a1
ca1
a1 0
3) con a 0 ;
0 0
a1
0
contiene al elemento nulo , por lo tan to W es un subespacio de V R 3
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)
128
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 xb1 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
4)
a
V R ; W b
3
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 b b
1 2
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
subconjunto original .
a1 ca1 ca1
2) cW c b1 cb cb
1 1
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
129
5)
a
V R ; W b
3
a
a1 a2
W1 b1 ; W2 b2
a1 a 2
a1 a2 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 2a1 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
130
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 xb1 b2 x c1 c 2
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
131
8)
a b
V R 2 ; W
2a b
a b1 a b2
W1 1 ; W2 2
2a1 b1 2a 2 b2
a b1 a 2 b2 a1 b1 a 2 b2
1) W1 W2 1
2a1 b1 2a 2 b2 2a1 b1 2a 2 b2
a a 2 b1 b2
1
2a1 a 2 b1 b2
a b1 0
3) con a b 0 ; 1
2a1 b1 0
132
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 b2 c 2 b1 b2 c1 c 2
1) W1 W2 1 1
2 2
1 1
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 0
b c 0
3) con a b c d 0 ; 1 1
c1 d1 0
d1 a1 0
133
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 xb1 b2 x c1 c 2
2
para : a1 0 , b1 4 , c1 3 ; a 2 0, b2 3, c 2 5
0 0 x4 3 x 3 52
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 x0 0 x 3 5
2
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
134
4.2EJERCICIOS. 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
a 1 a
8) V M 22 ; W
0 0
Re spuesta : W no es un subespacio de V P3
135
4.3 INDEPENDENCIA LINEAL
Definición. Un conjunto de vectores v1 , v 2 ..... v k de un espacio vectorial V es
linealmente dependiente si existen escalares c1 , c2 .....ck , al menos uno de los
cuales no sea 0 , tal que:
c1 v1 c 2 v 2 ........ c k v k 0
1)
sea v1 , v 2 , v3 es linealment e dependiente 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 3x x 2 0
1 x x ,1 x 3x
2
,1 3 x x 2
2
tales escalaress omn, 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 dependiente
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 11 0 11 0 2
0 1 1
como el det er min ante es diferente de 0, e lconjunto es linealment e independie nte
136
3)
1 1 3 0 0 2 1 0
Deter min e si , , , es linealment e independie nte
2 2 1 1 3 1 1 7
1 1 3 0 0 2 1 0 a b
c1 c2 c3 c4
2 2 1 1 3 1 1 7 c d
c1 3c 2 c4 a 1 3 0 1 c1 a
c1 2c3 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
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
137
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 10 1 11 0 11 0
1 1 0 1 0 1
111 1
como el det er min ante es diferente de 0, el conjunto es linealment e independie nte
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 dependient e
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 dependient e 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 , 3x 2 x 2 en V P2
Re spuesta : es linealment e dependient e
138
4.4 BASES VECTORIALES.
1.- genera a V
2.- es linealmente independiente.
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 a
c1 c2 b
c2 c3 c
1 0 1
de donde : 1 1 0 11 0 11 0 2
0 1 1
139
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 10 1 1
0 1 1 1 1 1 1 0 1 1 0 1
14 00 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
140
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 1 3 5 7 c1 a
2c1 4c 2 6c3 8c 4 b 2 4 6 8 c b
2
c1 3c 2 5c3 7c 4 c 1 3 5 7 c3 c
2c1 4c 2 6c3 8c 4 d 2 4 6 8 c 4 d
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
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 10 1 11 0 01 0
ò 1
0 1 1
11 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
141
4.4EJERCICIOS. 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
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
142
4.4.1 CAMBIO DE BASE.
1 0
En V R 2 se expresan vectores en término de la base iˆ , ˆj , .
0 1
Asícomo 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 , v 2 es
x
una segunda base en R 2 . Sea x 1 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
c
Encontrando a c1 y c2 , se tiene: x 1
2 c2
Lo que significa que x esta expresado en términos de los vectores en 2 .
143
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 c2 A
0 3 2
0 1 1
uˆ 2 c1 c2 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
144
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
û2
x
v1
v2
û1
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
2) Se calcula P 2 1 P1 2
1
. Esta es la matriz de transición que se busca.
145
4.4.1 EJEMPLOS.Calcular x 2 en los siguientes ejercicios.
1) Sea Px 1 2 x x 2 con 1 1, x, x 2 . Encuentre el vector coordenada de
Px con respecto a 2 1 x, x x ,1 x
2
2
Los vectores coordenados de Px en términos de 2 son:
12 1
2 12
12 1
2
1
2
12 12 1
2
Entonces:
12 1
12 1 12 1 12 2
2
Px 2 P1 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: Px2 2 x 2
146
3 1 0 0 1 1 1
2) Sea x 1 1 , 1 0 , 1 , 0 ; 2 0 , 1 , 1
5 0 0 1 1 0 1
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
1 1 1
Entonces: P1 2 0 1 1
1 0 1
147
1
1 1 1
P 2 1 P1 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 P1 2 x 1
1 1 1 5 3 1 5 3
148
3) Sea P1 x 4 2 x x 2 con 1 1, x, x 2 . Encuentre el vector coordenada de
Px con respecto a 2 1 x x , x x , x .
2 2 2
Los vectores coordenados de Px en términos de 2 son:
1
1 0 0
P 2 1 P1 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
Px 2 P1 2 1 1 0 2 4 2 0 6
1
x 1
0 1 1 1 0 2 1 1
Finalmente: Px2 4 6 x x 2
149
1 1 0 0 1 1 0
4) Sea x 1 4 , 1 0 , 1 , 0 ; 2 0 , 1 , 0
0 0 0 1 1 1 1
Calcular x 2
P 2 1 P1 2
1
1 1 0
Entonces: P1 2 0 1 0
1 1 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 P1 2
1
x 1
0 1 0 4 0 4 0 4
1 2 1 0 1 8 0 7
150
1 1 4 0 1 0 1
5)Sea x 1 4 , 1 3 , 2 , 1 ; 2 0 , 1 , 0
2 2 1 2 1 1 0
Partiendo de x u 1 4 u 2 2 u 3 u 1 4u 2 2u 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
151
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
Finalmente:
1 2 1 32 52
1
1
x 2 P1 2 x 1 12 2
2 12 3 1 32 12
152
1 1 0 0 1 0 0
7) Sea x 0 , 1 0 , 1 , 0 ; 2 1 , 1 , 0 en R 3
1 0 0 1 1 1 1
P 2 1 P1 2
1
1 0 0
Entonces: P1 2 1 1 0
1 1 1
Finalmente:
1 0 0 1 1 0 0 1
1 1 0 0 1 0 0 1
1
x 2 P1 2 x 1
0 1 1 1 0 0 1 1
153
8) Sea P1 x 2 x con 1 1, x. Encuentre el vector coordenado de Px
con respecto a 2 x ,1 x.
1 1
x 1 x 1
0
1 1
1
1 1
P 2 1 P1 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
Px 2 P1 2
1
x 1
0 1 1 1 1
Finalmente: Px 2 3 x
154
4.4.1 EJECICIOS.Calcular x 2 en los siguientes ejercicios.
2 1 0 1 1
1) Sea x , 1 , ; 2 , en R 2
3 0 1 1 1
52
Re spuesta : 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
50
11
Re spuesta : 1120
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 P1 x 1 x 2 con 1 1, x, x 2 . Encuentre el vector coordenado de Px
con respecto a 2 1 x x , x x , x 2 .
2 2
1
Re spuesta : 1 1 x x 2
1
6) Sea P1 x 1 3x con 1 1 x,1 x. Encuentre el vector coordenado de
Px con respecto a 2 2 x,4. .
7) Sea P1 x 2 x 3 3x 2 5x 6 con 1 1, x, x 2 , x 3 . Encuentre el vector
coordenado de Px con respecto a 2 1,1 x, 1 x , 1 x .
2 3
155
Re spuesta :13 20x 3x 2 2x3
8) Sea P1 x 2 x 3x 2 con 1 1 x,3x, x 2 x 1 . Encuentre el vector
coordenado de Px con respecto a 2 3 2 x,1 x, x x 2 .
5.TRANSFORMACIONES
1 3 2 15 17
2
Entonces: w A v 1 0 2 0 2
4 3
5
8 15 23
Esto demuestra que A transforma a v en w .
x 3y
x
La matriz A transforma un vector arbitrario de R en un vector x 0 de
2
y
4 x 3 y
R3 .
Tal transformación se escribe como:
x 3y
x
TA 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 n ,
mientras que el contradominio de T es R m . Escribiéndose de la siguiente
forma T : R n R m . En el ejemplo anterior, el dominio de TA es R 2 y su
contradominio es R 3 .
157
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:
todo v 1 y v 2 en R n y escalares c1 y c2 .
En el caso de lastransformaciones matriciales, todas son lineales.
lineal.
5.1EJEMPLOS.
158
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:
Por lo tanto:
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
159
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 c 2 x c3 x 2 6 x 4 x 2
c1 6 ; c2 1 ; c3 4
Por lo tanto:
T 6 x 4 x 2 T 61 1x 4 x 2
6 T 1 T x 4T x 2
6 3 2 x 4 x x 42 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 c 2 x c3 x 2 a bx cx 2
c1 a ; c2 b ; c3 c
Por lo tanto:
T a bx cx 2 T a1 bx c x 2
a T 1 bT x cT x 2
a 3 2 x b4 x x c2 2 x
2 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
160
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 c2 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
161
4) Sea T : M 22 R una transformación lineal para lo cual:
1 0 1 1 1 1 1 1
T 4 T 0 0 1 T 1 0 2 T 1 1 3
0 0
4 7
Encuentre: T
1 2
Dado que:
1 0 1 1 1 1 1 1
, , , Constituyan una base (linealmente
0 0 0 0 1 0 1 1
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
162
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 c 2 x c3 x 2 4 x 3x 2
c1 4 ; c2 1 ; c3 3
Por lo tanto:
T 4 x 3 x 2 T 41 1x 3 x 2
4 T 1 T x 3T x
2
4 1 x x x 31 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
1 3
Encuentre: T
4 2
Dado que:
1 0 1 1 1 1 1 1
, , , Constituyen una base (son linealmente
0 0 0 0 1 0 1 1
independientes), entonces:
1 0 1 1 1 1 1 1 1 3
c1 c2 c3 c4 4 2
0 0 0 0 1 0 1 1
163
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 12 2 3 2 4 T
4 2
1 3
T 2 2 6 8 10
4 2
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
T 5 14 x 8 x 2
9
164
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:
Por lo tanto:
De manera similar:
1 2 7 c 2c2 7 c1 2
c1 c2 1 Re solviendo
1 2 11 c1 2c2 11 c2 9
2
Por lo tanto:
165
7 1 9 2 1 9 2
T T 2 2 2T 2 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
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
166
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
1 5 a b
Encuentre: T y T
3 2 c d
167
6. APENDICE. Algebra Lineal con SCIENTIFIC WORD PLACE(Versión 5.0)
168
169
170
171
172
173
174
175
176
177
178
7. BIBLIOGRAFIA CONSULTADA.
179