Professional Documents
Culture Documents
Enif,
Escudero G. Carlos, Vega C. Rubn,
Espinosa R. Salomn, Espinosa R. Jose
lgebra
El lgebra lineal aporta, al perfil del ingeniero, la capacidad para desarrollar un pensamiento
lgico, heurstico y algortmico al modelar fenmenos de naturaleza lineal y resolver proble-
mas.
Muchos fenmenos de la naturaleza, que se presentan en la ingeniera, se pueden aproximar
a travs de un modelo lineal. Esta materia nos sirve para caracterizar estos fenmenos y con-
vertirlos en un modelo lineal ya que es ms sencillo de manejar, graficar y resolver que uno no
lineal, de all la importancia de estudiar lgebra lineal.
Esta asignatura proporciona al estudiante de ingeniera una herramienta para resolver proble-
mas de aplicaciones de la vida ordinaria y de aplicaciones de la ingeniera.
Est diseada para el logro de siete competencias especficas dirigidas a la aprehensin de
los dominios: nmeros complejos, matrices, determinantes, sistemas de ecuaciones lineales,
espacios vectoriales, base y dimensin de un espacio vectorial y transformaciones lineales.
Esta materia proporciona adems conceptos matemticos que se aplicarn en ecuaciones di-
ferenciales y en otras materias de especialidad.
El propsito de estas notas de lgebra lineal, es complementar al estudiante en el aprendizaje
y manejo de los conceptos bsicos u operaciones entre nmeros complejos, as como generar
herramientas tcnicas para encontrar la solucin de distintos problemas que involucran a los
nmeros complejos.
Este trabajo representa un esfuerzo de sntesis en la seleccin del conjunto de ejemplos y pro-
blemas, cada uno de ellos con un especial inters en que su contenido sea lo mas representativo
posible de el tema correspondiente.
El objetivo de este trabajo es presentar los principales conceptos bsicos de la materia de l-
gebra lineal as como de sus aplicaciones, orientando de esta forma la metodologa para que el
estudiante pueda identificar y construir un modelo matemtico, adems ser capaz de resolver-
lo.
La asignatura pretende proporcionar al alumno los conceptos esenciales del lgebra lineal. Se
organiza el temario en cinco unidades. Primeramente se estudian los nmeros complejos co-
mo una extensin de los nmeros reales, tema ya abordado en otros cursos de matemticas. Se
propone iniciar con esta unidad para as utilizar los nmeros complejos en el lgebra de matri-
ces y el clculo de determinantes. Adems, el concepto de nmero complejo ser retomado en
el curso de ecuaciones diferenciales.
El estudio de Matrices y determinantes se propone como segunda unidad y previo a los siste-
mas de ecuaciones lineales con la finalidad de darle la suficiente importancia a las aplicaciones
de las matrices, ya que prcticamente todos los problemas del lgebra lineal pueden enunciar-
se en trminos de matrices. Por la necesidad de que el alumno comprenda si una matriz tiene
inversa, adems del clculo para obtenerla, se ha aadido antes del subtema clculo de la inver-
sa de una matriz, los conceptos: Transformaciones elementales por rengln, escalonamiento
de una matriz y rango de una matriz.
Este texto est orientado de acuerdo a los planes de estudio requeridos para el curso de lgebra Lineal
que se imparte en el Tecnolgico Nacional de Mxico, y es el logro de un trabajo colegiado y soportado
por la Academia de Ciencias Bsicas del Instituto Tecnolgico de Morelia, motivado por establecer un
material de apoyo a las tradicionales notas para la clase de cada docente, con caractersticas propias e
inherentes a las capacidades actuales de nuestros estudiantes.
Una de las fortalezas en este material, es su posibilidad de mejorar continuamente los contenidos, pues
se enriquece al tomar las experiencias diaria de los docentes y su interaccin con los estudiantes, garan-
tizando una constante inclusin de mtodos y herramientas disponibles para tales efectos.
El desarrollo del material, hace nfasis en el entendimiento de los principales conceptos del lgebra
Lineal, buscando presentarlos de manera intuitiva, por lo que se sugiere al docente y estudiante realizar
un repaso de razonamientos previos a esta materia que se suponen conocidos.
Los temas a desarrollar se resumen en el nombre de sus cuatro unidades temticas, abordados de ma-
nera gradual y en gran medida de forma intuitiva:
1. Nmeros complejos.
2. Matrices y determinantes.
3. Espacios vectoriales.
4. Transformaciones lineales.
Es necesario enfatizar, que en el esfuerzo de este texto, se adicionan otros materiales de apoyo como lo
son formularios, grficos, ejercicios resueltos, autoevaluaciones, pero sobre todo, un importante curso
masivo, abierto y ofrecido en lnea (MOOC) sobre lgebra Lineal, de manera gratuita a todos los interesa-
dos en la modalidad de aprendizaje autodidacta, acondicionado para tomarlo a la par de esta asignatura
en un periodo semestral, herramienta que sin duda, es un punto y aparte en el esfuerzo por reducir
los ndices de reprobacin que se presentan en las asignaturas del rea de ciencias bsicas de nuestro
sistema.
Por ltimo, es importante mencionar que estos trabajos, no sustituyen la aportacin que desempean
libros clsicos del tema, pero sobre todo, la presencia del maestro y su interaccin con el estudiante en
el aula.
Competencias especficas
Identificar las propiedades de los espacios vectoriales y las transformaciones lineales pa-
ra describirlos, resolver problemas y vincularlos con otras ramas de las matemticas.
Competencias genricas
Resolucin de problemas.
Toma de decisiones.
Establecer generalizaciones.
Competencias previas
Manejar el concepto de los nmeros reales y su representacin grfica.
Usar las operaciones con vectores en el plano y el espacio.
Desarrollar prcticas de tal manera que los estudiantes apliquen los conocimientos ad-
quiridos y los relacionen con su carrera.
Sugerencias de evaluacin
La evaluacin de la asignatura debe de ser continua y se debe considerar el desempeo en
cada una de las actividades de aprendizaje, haciendo especial nfasis en obtener evidencias de
aprendizaje como:
Reportes escritos.
Solucin de ejercicios.
Actividades de investigacin.
P RLOGO VII
1 N MEROS C OMPLEJOS 1
1.1 Nmeros imaginarios. 2
1.2 Definicin de nmeros complejos 3
1.3 Operaciones con nmeros complejos. 5
Suma de nmeros complejos. 5
Multiplicacin de nmeros complejos. 6
Mdulo o valor absoluto de un nmero complejo. 7
Nmeros complejos conjugados. 8
Divisin de nmeros complejos 9
1.4 Formas polar y exponencial de un nmero complejo. 10
1.5 Potencias y races de un nmero complejo. 12
Potencia de un nmero complejo. 12
Races de un nmero complejo 13
Potencias fraccionarias 15
1.6 Logaritmo de un nmero complejo. 16
1.7 Ecuaciones polinomiales complejas 18
Ecuaciones de primer grado 18
Ecuaciones de segundo grado 19
Polinomios de grado superior 20
1.8 Evaluaciones sumativas 21
Ejercicios 21
2 M ATRICES Y D ETERMINANTES 23
2.1 Definicin de matriz, notacin y orden 24
Clasificacin de una matriz de acuerdo a los elementos que contiene 25
2.2 Operaciones con matrices 27
Suma de matrices. 27
Multiplicacin de matrices 28
Clasificacin de matrices de acuerdo a sus operaciones 30
2.3 Matrices escalonadas y escalonadas reducidas 34
Mtodo de Gauss 35
Mtodo de Gauss-Jordan 37
2.4 Determinante de una matriz 38
2.5 Inversa de una matriz 43
Mtodo de la adjunta 44
Mtodo de Gauss-Jordan 45
2.6 Sistemas de ecuaciones lineales 48
Interpretacin geomtrica 50
Solucin de sistemas de ecuaciones. 52
2.7 Evaluaciones sumativas 57
Ejercicios 57
3 E SPACIOS V ECTORIALES 59
3.1 Definicin de un espacio vectorial 60
3.2 Subespacios de un espacio vectorial y sus propiedades 64
Interseccin de subespacios vectoriales 66
Suma de subespacios vectoriales 67
3.3 Dependencia e independencia lineal 69
3.4 Base y dimensin de un espacio vectorial 73
3.5 Ortonormalizacin 76
Cambio de la base cannica a otra base 76
Cambio de bases en general 78
Bases ortonormales 79
3.6 Evaluaciones sumativas 82
Ejercicios 82
4 T RANSFORMACIONES L INEALES 85
4.1 Definicin y propiedades de una transformacin lineal 85
4.2 Ncleo e imagen de una transformacin lineal 89
4.3 Representacin matricial de una transformacin lineal 95
4.4 Geometra y aplicaciones de las transformaciones lineales 98
4.5 Evaluaciones sumativas 108
Ejercicios 108
B IBLIOGRAFA 132
1 Nmeros Complejos
1
Introduccin
Los nmeros complejos son una extensin de los nmeros reales y se denotan con la letra
mayscula C. Todo nmero complejo puede representarse como la suma de un nmero real y
uno imaginario, conservando todas las propiedades de los nmeros reales.
Los nmeros complejos son importantes en el lgebra, variable compleja, ecuaciones diferen-
ciales, aerodinmica y electromagnetismo entre otras. Son utilizados con especial nfasis en la
matemtica pura, mecnica cuntica y la ingeniera, especialmente en la electrnica y sistemas
computacionales.
Actividades de Aprendizaje
Investigar el origen del trmino nmero imaginario.
Reconocer que cualquier potencia del nmero imaginario i se puede representar como
i o 1.
Analizar la frmula de Euler para convertir un nmero complejo a su forma polar o rec-
tangular.
Nmeros Complejos
las races cuadradas de un nmero negativo; por ejemplo, al resolver la ecuacin
x2 + a = 0 donde a R+
p
llegamos a que x = a, pero esto no es un nmero real, as que dentro de los nmeros
reales sta ecuacin no tiene solucin. Qu podemos hacer?, lo primero que se puede intentar
es agregar ese nmero al conjunto de los de los nmeros reales y listo. El problema es que
deberamos agregar muchos valores (todos los que pueda tomar a), lo cual no es prctico; sin
embargo, podemos hacer lo siguiente: cada vez que tengamos una raz de un nmero negativo
lo separamos de la siguiente manera
p p p p
a = (1)(a) = a 1
p
Como este procedimiento siempre es vlido y la a es un nmero real, el nico problema sera
p
con la 1, esto nos conduce a
Definicin 1.1 Nmero imaginario
La raz cuadrada del nmero negativo 1 se define como
p
i= 1,
Con esto resolvemos completamente nuestro problema. Observemos que acabamos de definir
un conjunto de nmeros muy grande; el de los imaginarios, que se representa con la letra I
y cuyos elementos son de la forma a i donde a es cualquier nmero real e i es el de nuestra
definicin anterior.
Una de las caractersticas importantes de los nmeros imaginarios se observa cuando los ele-
vamos a potencias enteras. Veamos como se comportan
p
i= 1,
p
i 2 = ( 1)2 = 1,
p
i 3 = i 2 i = 1 = i ,
i 4 = i 3 i = (i )(i ) = (i )2 = 1,
1.2 Definicin de nmeros complejos lgebra lineal.
i 5 = i 4 i = (1)(i ) = i ,
i 6 = i 5 i = (i )(i ) = 1.
Como podemos observar, despus de la potencia 4 el resultado es cclico, por lo que podra-
mos expresar cualquier potencia de i en trminos de las primeras 4 (ms especficamente, en
trminos de i o 1), usando el teorema de la divisin euclidiana en la siguiente forma 3
i n = i 4(m)+q donde 0q <4 y m, q Z
Solucin .
Primero descomponemos 39 = 4(9) + 3 luego escribimos
i 39 = i 4(9)+3 = (i 4 )9 (i 3 ) = (1)9 (i 3 ) = i 3 = i .
Solucin .
Primero descomponemos 23 = 4(6) + 1 luego escribimos
i 23 = i 4(6)+1 = (i 4 )6 (i ) = (1)6 (i ) = i .
Expresar i 0 en trminos de i o 1.
Solucin .
Al igual que en los ejemplos anteriores, descomponemos 0 = 4(0) + 0 = 4(0), para luego
escribir
i 0 = i 4(0) = (i 4 )0 = (1)0 = 1.
Eje Imaginario
Eje Real 4
Nmeros Complejos
par ordenado (0, y), con y R. De esta forma obtenemos grficamente el plano complejo, en la
siguiente forma
Cualquier elemento de este plano est representado por un nmero complejo z que consta de
una parte real y una imaginaria. En general podemos definir al conjunto de nmeros complejos
en la siguiente forma
Definicin 1.2 Nmeros complejos
El conjunto de nmeros complejos C se define como el conjunto de todos los pares or-
denados z = (x, y), con x, y R.
A los elementos de este conjunto, los podemos ubicar dentro del plano complejo en forma simi-
lar a como lo hacemos con el par ordenado (x, y) R2 dentro del plano cartesiano. Lo anterior
se lleva a cabo realizando dos recorridos partiendo del origen del plano: el primero avanzando
x unidades sobre el eje real, seguido de un avance de y unidades en direccin paralela al eje
imaginario; el segundo con un desplazamiento de y unidades sobre el eje imaginario, seguido
de un desplazamiento de x unidades en direccin paralela al eje real. El punto donde se cruzan
estos dos recorridos, corresponde a el nmero complejo z = x + yi , como lo muestra la figura
1.2.
Eje Imaginario
= +
Eje Real
La figura anterior sugiere que se puede proponer que un nmero complejo z se obtiene su-
mando un elemento real con uno imaginario en la forma
Observacin
Un nmero complejo que solo contiene la parte real, se identifica con los nmeros reales;
si nicamente tiene la parte imaginaria, se conoce como nmero imaginario puro.
Por otro lado si denotamos la unidad de los nmeros reales como 1 = (1, 0) y la unidad de los
nmeros imaginarios puros como i = (0, 1), podemos escribir 5
z = (x, y) = x(1, 0) + y(0, 1) = x + yi ,
que es una notacin algebraica para los nmeros complejos. Esta representacin ha mostrado
ser de mayor utilidad al realizar operaciones dentro del campo complejo.
Solucin .
Los puntos quedan ubicados de acuerdo a la siguiente grfica.
Eje Imaginario
2 z1
z2 1
Eje Real
-3 -2 -1 1 2
-1
-2 z3
Observacin
z1 = z2 si y solo si Re z 1 = Re z 2 e I m z1 = I m z2
z 1 + z 2 = (x 1 + y 1 i ) + (x 2 + y 2 i ) = (x 1 + x 2 ) + (y 1 + y 2 )i . (1.1)
Es importante sealar que el resultado sigue siendo un nmero complejo en la forma z = x +yi .
Los nmeros complejos bajo la operacin de suma forman un grupo conmutativo1 algebraico;
es decir cumple con las siguientes propiedades:
Nmeros Complejos
Propiedad de cerradura: Para todo z 1 , z 2 C se cumple que z 1 + z 2 C.
Existencia del inverso aditivo: Todo nmero complejo z C, tiene un inverso aditivo
z C tal que z + (z) = 0.
z 1 z 2 = (x 1 + y 1 i )(x 2 + y 2 i ) = x 1 x 2 + x 1 y 2 i + y 1 x 2 i + y 1 y 2 i 2
luego simplificamos las potencias de i y agrupamos parte real e imaginaria para obtener
z 1 z 2 = (x 1 x 2 y 1 y 2 ) + (x 1 y 2 + y 1 x 2 )i (1.2)
Solucin .
De acuerdo con el procedimiento descrito tenemos que
z 1 z 2 = (2 5i )(1 2i ) = 2 4i 5i + 10i 2 = 8 9i ,
Los nmeros complejos bajo la operacin de producto cumplen con las siguientes propieda-
des:
1 Este trmino se usa en teora de grupos y se estudia en lgebra moderna
1.3 Operaciones con nmeros complejos. lgebra lineal.
Observacin
Solucin .
Al calcular el valor absoluto de ambos nmeros, tenemos
p p
|z 1 | = | 3 + 2i | = (3)2 + 22 = 13 y
p p
|z 1 | = |1 + 4i | = 12 + 42 = 17.
Por lo que z 2 es el ms alejado del origen y podemos decir que es ms grande que z 1 .
Solucin .
1.3 Operaciones con nmeros complejos. lgebra lineal.
p p p
d (z 1 , z 2 ) = |(1 + 3i ) (3 2i )| = (1 3)2 + (3 + 2)2 = 16 + 25 = 41.
Dados dos nmeros complejos z y w se pueden comprobar fcilmente las siguientes propie-
dades del valor absoluto
1. |z| = 0 z = 0, 8
2. |z + w| |z| + |w|,
3. |zw| = |z||w|,
4. |z w| |z| |w|.
Nmeros Complejos
Dos binomios que tienen los mismos trminos son conjugados si solo difieren en el signo de
un trmino, por ejemplo, los binomios a + b y a b son conjugados entre s. Al igual que esta
definicin de polinomios reales, podemos definir el conjugado de un nmero complejo z como
un nuevo nmero complejo, en la siguiente forma
Definicin 1.4 Conjugado de un nmero complejo
El conjugado de un nmero complejo z = x + yi , se obtiene cambiando de signo la parte
imaginaria y se representa por z = x yi .
Sean z, w dos nmeros complejos. El conjugado de estos nmeros, tiene las siguientes propie-
dades bajo las operaciones de suma y multiplicacin.
1. zz = |z|2 ,
2. z + z = 2 Re(z),
3. z z = 2 I m(z),
4. z + w = z + w,
5. z w = z w,
1 z
6. z = |z|2
,
7. z R z = z.
Solucin .
Sean z = a + bi y w = c + d i . Entonces
z + w = (a + bi ) + (c + d i ) = (a + c) + (b + d )i .
Ahora, como quitar la barra de nmero conjugado equivale a cambiar de signo la parte
1.3 Operaciones con nmeros complejos. lgebra lineal.
(a + c) (b + d )i = (a bi ) + (c d i ) = z + w.
El conjugado de un nmero complejo sigue las mismas reglas que se usan para los signos de
agrupacin dentro de los nmeros reales.
9
Ejemplo 1.10 Simplificacin de un nmero complejo
Simplificar la expresin (3 2i ) + 5 + 5i 6i .
Solucin .
Comenzamos por quitar el conjugado de las expresiones ms pequeas y seguimos hasta
las ms grandes en la siguiente forma
z1 z1 z2 z1 z2
= = . (1.3)
z 2 z 2 z 2 |z 2 |2
Observacin
Para recordar ms fcilmente el proceso de hacer una divisin entre nmeros complejos,
notemos que en realidad lo que se hace es multiplicar y dividir por el conjugado del
denominador (sto se conoce en lgebra elemental como racionalizar el denominador).
Estas operaciones lo que hacen en realidad es eliminar la parte imaginaria del denominador,
de tal manera que esta divisin de nmeros complejos se convierta en una divisin de nmeros
reales y nos facilite efectuar la operacin.
Solucin .
Primero multiplicamos los nmeros
3 1 3 3
= 2
= ,
2 3i 1 + i 2 + 2i 3i 3i 5i
1.4 Formas polar y exponencial de un nmero complejo. lgebra lineal.
3 5 + i 15 + 3i 15 + 3i
= = ,
5 i 5 + i 25 i 2 25 + 1
15 3
al simplificar sta ltima expresin obtenemos el complejo z = 26 + 26 i.
10
Actividad complementaria 1.2
3i 2i
Simplificar la expresin + .
4 + 2i 1 i
Nmeros Complejos
plejo.
Recordemos que para ubicar un punto en el plano polar (usando coordenadas polares), se es-
cribe el par ordenado (r, ), donde:
q
r = x2 + y 2 es la distancia del punto al origen,
y
= arctan es el ngulo medido a partir del eje X positivo,
x
tomando en cuenta que un ngulo positivo se mide con un giro en sentido contrario a las ma-
necillas del reloj.
De igual manera podemos representar un numero dentro del plano polar complejo (conocien-
do el ngulo que forma con el eje real y la distancia a la que se encuentra del origen ), como se
muestra en la figura 1.3.
Eje Imaginario
Eje Real
De esta grfica, usando funciones trigonomtricas, podemos deducir las siguientes ecuaciones
para x y y en trminos de r y .
x = r cos y = r sen ,
lo cual nos permite escribir un numero complejo z = x + yi en su forma polar como:
z = r (cos + i sen ) con r 0 , 0 2 (1.4)
1.4 Formas polar y exponencial de un nmero complejo. lgebra lineal.
Observacin
El ngulo se conoce como Ar g z . Se pide que tenga su valor entre cero y 2 por-
que las funciones trigonomtricas son cclicas con periodo igual a 2, y se cumple
que
11
z = r (cos() + i sen()) = r (cos( + 2n) + i sen( + 2n)) para todo n Z,
Para escribir un nmero complejo en forma exponencial, usaremos la frmula de Euler (pre-
sentada por Leonhard Euler), la cual establece que:
y nos permite escribir un nmero complejo no nulo en forma exponencial de la siguiente ma-
nera:
z = r ei, (1.6)
que es una forma prctica y compacta para trabajar dentro del campo complejo.
Observacin
Solucin .
p
El valor de la magnitud r = 2, adems = 4 , sin embargo como el nmero complejo
est en el cuarto cuadrante y debemos expresarlo dentro del rango (0, 2) le sumamos
7
2, es decir, = . Finalmente usando la ecuacin 1.6
4
p 7
z = 2e 4 i .
que es la frmula polar. Ahora, para la forma cartesiana, si evaluamos las funciones tri-
gonomtricas obtenemos: p
7 3
z = 1.75 + i.
4
1.5 Potencias y races de un nmero complejo. lgebra lineal.
z 1 z 2 = r 1 r 2 e i (1 +2 ) (1.7)
de manera semejante la ecuacin (1.3) que define la divisin de complejos en forma cartesiana,
se puede escribir como:
z 1 r 1 i (1 2 )
12
= e (1.8)
z2 r 2
Nmeros Complejos
Solucin .
Dado que r 1 = 3 y 1 = , tenemos que z 1 = 3 e (/2)i en forma exponencial. Luego em-
2
pleando la ecuacin 1.7 llegamos a que
z 1 z 2 = (3)(2) e (/2+3/2)i = 6e 2i = 6e 0i = 6
z 1 3 (/23/2)i 3 i 3 i
adems = e = e = e .
z2 2 2 2
z = r ei,
z n = (r e i )n = r n (e i )n = r n e i n ,
nos proporciona una forma de obtener las potencias de un nmero complejo. A partir de sto
podemos definir
1.5 Potencias y races de un nmero complejo. lgebra lineal.
z n = r n e i n d ond e nZ
Observacin
13
i
No se debe confundir la forma exponencial de un nmero complejo (z = r e ), con elevar
a un exponente un nmero complejo (z n ).
Dado z = 4 7i , encontrar z 15 .
Solucin .
p
Al convertir z a su forma exponencial, obtenemos z = 65 e 5.233i , luego usamos la defi-
nicin 1.5 para obtener
p
z 15 = ( 65)15 e 15(5.233i ) = (3.9523 1013 ) e 78.495i = (3.9523 1013 ) e 3.0966i .
Cuando las potencias son pequeas se puede seguir usando la definicin de producto para
nmeros complejos en forma rectangular,o incluso combinar ambas definiciones.
Solucin .
p
Al convertir a su forma exponencial, tenemos que (2 + 3i ) = 13 e 0.983i , mientras que
p
5i = 26 e 6.08i ; as, elevando al cuadrado el primero, multiplicando y despus elevando
a la potencia 6, obtenemos 84835994984 e 4.326i , que al regresarlo a su forma cartesiana
resulta 31 972 782 816 78 580 450 520i .
Simplificar la expresin (1 + 2i )7 .
z = r ei,
luego extraemos la raz nsima en ambos lados de la igualdad,
i
z 1/n = (r e i )1/n = r 1/n (e i )1/n = r 1/n e n ,
1.5 Potencias y races de un nmero complejo. lgebra lineal.
sto nos dara una raz nsima del nmero complejo. Sin embargo, este resultado no es com-
pleto, pues por lgebra sabemos que existen n resultados para la raz nsima de un nmero.
Es fcil comprobar que si sumamos 2kn con k = 0, 1, 2 . . . n 1 al exponente de la funcin expo-
nencial, obtenemos las dems races.
Definicin 1.6 Races de nmeros complejos
Las nraces diferentes de un nmero complejo estn dadas por la frmula 14
(+2k)
i
z 1/n = r 1/n e n para k = 0, 1 . . . n 1
Encontrar todos los valores de (8i )1/3 ; es decir, las 3 races cbicas.
Nmeros Complejos
Solucin .
Para convertir 8i a su forma exponencial, calculamos = 3 2 y r = 8 con lo que obte-
3/2i
nemos 8e , enseguida con la ayuda de la frmula de la definicin 1.6 obtenemos la
expresin para calcular las tres races, stas son
para k = 0 tenemos, 81/3 e 2 i = 2e 2 i
( 3
2 +2) 7
i i
para k = 1 tenemos, 81/3 e 3 = 2e 6
( 3
2 +4) 11
i i
para k = 2 tenemos, 81/3 e 3 = 2e 6
p p
que al convertir a su forma cartesiana nos da como resultado 2i , 3 i , 3 i .
Solucin .
p
En primer lugar calculamos el valor de r = 29 y = 158.2o , as podemos expresar
p o
z = 29e 158.2 i enseguida con la ayuda de la frmula de la definicin 1.6 obtenemos la
expresin para calcular las dos races, stas son
p 158.2o p o
29e 2 i = 29e 79.1 i
4 4
para k = 0 tenemos,
o
p ( 158.2 o
2 +360 ) p o
i
= 29e 259.1 i
4 4
para k = 1 tenemos, 29e 2
que al convertir a su forma cartesiana nos da como resultado 0.438 + 2.278i , 0.438
2.278i .
Observacin
Esta observacin se puede verificar si realizamos las grficas correspondientes a las nraces
de un nmero complejo.
1.5 Potencias y races de un nmero complejo. lgebra lineal.
Im Im Im
Figura 1.4. Races de la unidad, los puntos rojos indican la posicin de las races nsimas del nmero
1 para n =, 2, 3, 4.
por lo que podemos definir la potencia racional de un nmero complejo como sigue.
Solucin .
p
Convertimos el nmero 2 4i a su forma exponencial, para esto tenemos que r = 20 y
p o
= 63.43o es decir, 20e 63.43 i , luego Usando la frmula 1.7 y recordando que 2 = 360o ,
las races son:
p 5/2 63.43o +360o p 5/2 1058.58o i
5i
para k = 0 tenemos, 20 e 2
= 20 e
p 5/2 ( 32 +2) i 7
para k = 1 tenemos, 20 e 3 = 2e 6 i
El siguiente resultado nos proporciona informacin sobre la existencia de tales nmeros com-
plejos.
Teorema 1.1
Nmeros Complejos
Dado un nmero complejo z 6= 0, existe otro nmero complejo w tal que e w = z. Un valor
para w se obtiene con la frmula
Log z = ln |z| + i = ln r + i ,
sin embargo, existen muchos otros valores que se obtienes mediante la ecuacin
Log z = ln r + i + 2ni ,
Demostracin .
Dado que e ln r +i = e ln r e i = r e i = z, se observa que w = ln r + i es una solucin de la
ecuacin e w = z. Por otro lado, si w 1 es otra solucin de la ecuacin, entonces e w = e w 1 ,
pero esta ecuacin es cierta slo si w w 1 = 2ni .
Como consecuencia del teorema 1.1, debemos estructurar la definicin 1.8, en la siguiente for-
ma.
Definicin 1.9 Logaritmo principal
Sea z 6= 0 un nmero complejo dado, entonces el logaritmo principal de z est dado por
la frmula
Log z = ln r + i , (1.9)
Observacin
La expresin Log 0 no est bien definida, pues no existe ningn nmero complejo
w que satisfaga e w = 0.
Solucin .
Como r = 5 y = 0 El logaritmo principal de acuerdo a la ecuacin (1.9) es
17
Log 5 = ln 5 = 1.6094,
mientras que para encontrar dos ramas secundarias usamos la frmula (1.10) y conside-
ramos n = 1, 2 para obtener
Solucin .
o quEl valor absoluto |z| = 3, mientras que el argumento = 2 , por lo que el logaritmo
principal es Log (3i ) = ln 3 2 i .
Calcular el logaritmo de z = (1 + 4i )2 (1 i ).
Solucin .
Primero realizamos las operaciones algebraicas, con lo que obtenemos z = 7 + 23i en-
p
seguida calculamos el valor de r = 578 y del argumento = 1.2753 + = 1.8662, por
p
lo tanto Log (z) = ln 578 + 1.8662i = 3.17979 + 1.86624i
Las propiedades de los logaritmos reales no se cumplen en los logaritmos complejos, por ejem-
plo
i
Log (i ) = .
2
Por otro lado
i
Log (i ) + Log (1) = + i ,
2
es decir,
Log (z 1 z 2 ) 6= Log z 1 + Log z 2
Observacin
Nmeros Complejos
Para resolver este tipo de ecuaciones podemos proceder como cualquiera de los dos siguientes
mtodos:
Mtodo de resolucin de ecuaciones complejas de primer grado
a) Escribir las ecuaciones que se forman al igualar todos los trminos reales de
la parte derecha con los trminos reales de la parte izquierda, y haciendo lo
mismo con los trminos imaginarios.
b) Resolver el sistema de ecuaciones que se forma para las variables x, y .
Solucin .
Notemos que la ecuacin ya tiene la forma d z + ex + f y + g = 0 por lo que basta con
despejar z, pasando al lado derecho todos los trminos que no la contengan
z = (1 2i ) (5 + 3i ) (1 + 3i ) + (4 + 3i )
luego, simplificando
z = 1 2i 5 3i 1 3i + 4 + 3i = 1 5i
Solucin .
Desarrollando la ecuacin y despus igualando las partes real e imaginaria, obtenemos
el sistema
19
(
4x 2y = 2,
2x 4y = 3.
Una de las ventajas que posee usar nmeros complejos y no reales, es el hecho de que las ecua-
ciones cuadrticas con discriminante negativo siempre tienen solucin. De esta manera, si te-
nemos la ecuacin cuadrtica az 2 + bz + c = 0, donde a, b, c son constantes complejas, a 6= 0 y
z C, sta posee dos races que pueden ser reales o imaginarias y que se obtiene al igual que
en los reales por la bien conocida frmula general:
p
b b 2 4ac
z= (1.12)
2a
Resolver la ecuacin z 2 4z + 8i = 0
Solucin .
Usando la frmula general con a = 1, b = 4, c = 8i tenemos
p p p
4 (4)2 4(1)(8i ) 4 16 32i 4 4 1 2i p
z= = = = 2 2 1 2i
2(1) 2 2
enseguida con ayuda de la ecuacin para races complejas de la definicin 1.6 encontra-
p
mos que la raz 1 2i = 1.272 + 0.786i por lo que las soluciones son z = 0.544 + 1.57i
y z = 4.54 1.57.
1.7 Ecuaciones polinomiales complejas lgebra lineal.
Resolver la ecuacin 2z 2 + (2 i )z + 5 = 0
Solucin .
Usando la frmula general con a = 2, b = 2 i , c = 5 tenemos
p p p
20
(2 i ) (2 i )2 4(2)(5) (2 i ) 3 4i 40 (2 i ) 4 37 4i
z= = =
2(2) 4 4
enseguida con ayuda de la ecuacin para races complejas de la definicin 1.6 encontra-
p
mos que la raz 37 4i = 0.328 6.091i por lo que las soluciones son
Nmeros Complejos
y tambin
Para el caso de polinomios de grado superior, no existe una frmula predeterminada a fin de
resolver las ecuaciones correspondientes, por lo que debemos recurrir a nuestro ingenio y la
herramienta matemtica que conocemos para encontrar sus soluciones.
Resolver la ecuacin z 4 + 1 = 0.
Solucin .
p4
Al despejar z de la ecuacin, obtenemos z = 1; es decir, debemos extraer las races
cuartas del nmero w = 1. Expresando este nmero en forma exponencial, tenemos
que w = e i y usando la frmula de la definicin 1.6 para races complejas, obtenemos
1. para k = 0 tenemos, e 4 i
+2 3
i i
2. para k = 1 tenemos, e 4 =e 4
+4 5
i i
3. para k = 2 tenemos, e 4 =e 4
+6 7
i i
4. para k = 3 tenemos, e 4 =e 4
Resolver la ecuacin z 3 + 2z 2 + z + 2 = 0.
Solucin .
Factorizamos la parte izquierda de la ecuacin
21
3 2 2 2
z + 2z + z + 2 = z (z + 2) + (z + 2) = (z + 2)(z + 1)
a. 2(1 + 3i ) 32 (2 + i ). 3+i
d. 2i 1
+ 1+i .
2+3i
b. (3 2i )3i + (4 + i )(2 i ). e. (2) 1+i + (2 i )2 .
2i 2i
c. (2 + 2i )2 4(5i ). f. 3+i 3i .
3. Efectuar las operaciones indicadas en cada caso y expresar el resultado en forma rectan-
gular.
p p
a. i (1 i 3)( 3 + i ). c. (1 + i )7 .
5i
p
b. 2+i . d. (1 + i 3)10 .
p
6. Dados los nmeros complejos z 1 = 2 2i ; z 2 = 3i ; z 3 = 2; z 4 = 3 i , efectuar las
operaciones indicadas y escribir el resultado en forma polar.
1.8 Evaluaciones sumativas lgebra lineal.
a. (z 1 )16 (z 4 )2 . c. z 1 z 2 z 3 .
b. (zz2)3 . d. zz41 .
1
7. Encontrar todas las races de la expresin indicada en cada inciso, expresar el resultado
en forma cartesiana.
a.
p
3
4 4i . c.
p
5
1 + i .
22
p
4
p
4
b. 64i . d. 256.
7
8. Encuentra todas las races de (1 + i ) 2 en la forma rectangular.
a. Hallar dos nmeros tales que su suma b. Encontrar una ecuacin polinomial
Nmeros Complejos
sea 6 y su producto 18. que tenga por races 3, 2 + i y 2 i .
2i
a. (2 + 3i )z + 2i = 3 4i . b. 2i z + 1i = 4i .
2 Matrices y Determinantes
23
Actividades de Aprendizaje
Consensar en una lluvia de ideas el concepto de matriz y compararlo con una definicin
matemtica.
Utilizar operaciones elementales por rengln para reducir una matriz a su forma de es-
calonada.
Calcular la inversa de matrices utilizando el mtodo forma escalonada reducida por ren-
glones.
Matrices y Determinantes
Utilizar un graficador para visualizar geomtricamente y as interpretar las soluciones de
sistemas de ecuaciones lineales.
a m1 a m2 . . . a mn
donde cada elemento a i j se conoce como entrada o componente de la matriz A.
Observacin
Para describir el elemento que est en la posicin de cruce del segundo rengln con
la tercer columna escribimos a 2 3 .
El orden de una matriz se refiere a la cantidad de renglones y columnas que contiene, con lo
cual podemos establecer la siguiente relacin de comparacin entre matrices.
2.1 Definicin de matriz, notacin y orden lgebra lineal.
Las matrices A, B y C no son semejantes entre si, pues tienen distinto orden.
En el caso que la matriz contenga un solo rengln y una sola columna, esta matriz se
identifica con un nmero real.
A las matrices que contienen la misma cantidad de renglones que columnas se les conoce
como matrices cuadradas, y su notacin es A nn siendo A una matriz cuadrada de orden
n.
Dentro de las matrices cuadradas, tenemos distintos tipos ellas de acuerdo la cantidad de ceros
que contengan y a la forma en que estn situados. Comenzaremos por la definicin ms bsica
dentro de las matrices. Para ello consideremos que la diagonal principal de una matriz dada,
son los elementos donde el rengln es igual a la columna; es decir, se trata de los elementos
a i j , en el caso de que la matriz sea A.
Observacin
Esta matriz puede ser la que consta nicamente del cero, pues en realidad la matriz es-
calar representa a los nmeros reales.
2.1 Definicin de matriz, notacin y orden lgebra lineal.
sta es una de las matrices ms importantes, debido a su sencillez y porque aparece en todas
las operaciones matriciales, generalmente la denotamos con la letra mayscula I . 26
La matriz Identidad recibe este nombre debido a que cuando se multiplica con cualquier otra
matriz dada, el resultado es esa misma matriz dada (lo mismo que pasa con el 1 de los nmeros
reales).
Matrices y Determinantes
principal son los nicos que pueden ser distintos de cero.
Las matrices de este tipo son muy interesantes, pues existe un grupo importante de matrices
que son semejantes a una matriz diagonal (es decir se pueden transformar mediante operacio-
nes elementales1 en una matriz diagonal).
Una matriz que se puede transformar en una matriz diagonal mediante operaciones elemen-
tales, se conoce como matriz diagonalizable.
1.- Toda matriz cuadrada se puede factorizar como producto de dos matrices triangulares, una
superior y la otra inferior.
2.- Para calcular su determinante 2 , basta con multiplicar los elementos de la diagonal princi-
pal.
3.- Toda matriz se puede transformar en una matriz triangular triangular superior o inferior
mediante operaciones elementales.
1 0 0 a 0 0 a 0 0 a b c
(a) 0 1 0
0
b 0
b
c 0
0
d e
(a) M. Escalar 0 0 1 0 0 c d e f 0 0 f
(b) M. Identi- (c) M. Diagonal (d) M. T. Infe- (e) M. T. Superior
dad rior
Observacin
La resta de matrices no est definida como tal; sin embargo, se realiza cuando apa-
recen nmeros reales negativos en las entradas de las matrices (la operacin se
lleva a cabo de acuerdo a las propiedades de los nmeros reales).
La suma entre matrices no est definida si no son del mismo orden; es decir, si no
tienen el mismo nmero de renglones y el mismo nmero de columnas.
4 3 5 5 2 1 4 4 2 1
Observemos que
2+0 4 + 1 6 + 6 7 2 2 5 0 5
1. A + B = 4 + 2 3+3 2+4 1+3 = 6 6 6 4
4 2 3 + 1 5 + 4 5 + 4 6 4 1 9
2. La suma A +C y B +C no est definida, pues las matrices no son del mismo orden.
Observacin
Existencia del elemento neutro aditivo: existe una matriz neutra denotada con 0, tal que A +
0 = A para cualquier matriz A, donde los elementos de la matriz 0 son todos igual a cero.
2.2 Operaciones con matrices lgebra lineal.
Existencia del elemento inverso aditivo: dada una matriz A existe una matriz D tal que A +
D = 0; esta matriz es D = A.
Dentro de las multiplicaciones matriciales tenemos definidos dos tipos: el producto de un es-
calar (nmero) por una matriz y el producto de dos matrices. 28
Definicin 2.8 Multiplicacin de una matriz por un escalar
Si A es una matriz de m n y si r es un escalar, entonces la matriz r A est dada por:
r a 11 r a 12 . . . r a 1n
r a 21 r a 22 . . . r a 2n
rA= .. .. ..
Matrices y Determinantes
. . .
r a m1 r a m2 . . . r a mn
Es decir, se multiplican todos los elementos de la matriz por el escalar. Sin importar el orden y
forma de la matriz, siempre es posible realizar esta operacin.
Por el contrario, para multiplicar dos matrices es necesario que el nmero de columnas de la
primera matriz sea igual al nmero de renglones de la segunda.
Observacin
Observacin
En general dadas las matrices A, B y C , se cumplen las siguientes propiedades bajo la operacin
de multiplicacin:
Observacin
5 2 3
Solucin .
1 2 5 2 0 1 3 2 7
A 2 + 2A = 13 3 7 + 2 1 1 2 = 15 1 11 , por
23 8 0 5 2 3 33 12 6
2.2 Operaciones con matrices lgebra lineal.
2 0 1 2 0 1 1 0 0
otro lado A(A + 2I ) = 1 1 2 1 1 2 + 2 0 1 0 =
5 2 3 5 2 3 0 0 1
2 0 1 4 0 1 3 2 7
1 1 2 1 3 2 = 15 1 11 .
5 2 3 5 2 5 33 12 6 30
Observacin
Matrices y Determinantes
2.2.3 Clasificacin de matrices de acuerdo a sus operaciones
Cuando hacemos operaciones con matrices pueden suceder cosas raras; por ejemplo, que al
multiplicar dos matrices distintas de cero, el resultado sea la matriz cero. Todava ms com-
plicado es que, al elevar una matriz distinta de cero a una potencia entera, tengamos como
resultado la matriz cero. Este tipo de matrices reciben un nombre especial.
Una matriz A es nilpotente si existe un entero k tal que A k = 0. Si A n 6= 0 para 1 < n < k,
decimos entonces que A es una matriz nilpotente de grado k.
0 1 1
Por ejemplo para la matriz A = 0 0 2 se puede verificar, despus de hacer los clculos,
0 0 0
que A 3 = 0; decimos entonces que A es una matriz nilpotente de grado 3.
Observacin
3 2 0 5 2 3 5 2 3 2
transpuesta de cada matriz dada e identificar si dichas matrices dadas son simtricas,
antisimtricas o ninguna de ellas.
Solucin
.
0 4 3 1 1 5
At = 4 0 2 , es antisimtrica; B t = 1 1 2 , es simtrica; C t =
3 2 0 5 2 3
2 1 5
0 1 2
, no es ninguna de las dos.
1 2 3
2 1 2
Otro tipo de matrices muy importante, por las operaciones que se pueden efectuar con ellas,
son las matrices elementales; stas se obtienen a partir de una nica operacin elemental de
matrices sobre la matriz identidad. Las matrices que se obtienen de esta forma se clasifican en:
matriz elemental por escalamiento, matriz elemental por eliminacin y matriz elemental por
permutacin, de acuerdo a lo siguiente,
Las matrices obtenidas por escalamiento tienen la siguiente forma (en el caso de tamao 33):
r 0 0
0 1 0 , que se obtiene al multiplicar un real r por el primer rengln.
0 0 1
1 0 0
0 r 0 , que se obtiene al multiplicar un real r por el segundo rengln.
0 0 1
1 0 0
0 1 0 , que se obtiene al multiplicar un real r por el tercer rengln.
0 0 r
0 1 0
1 0 0 , que se obtiene al intercambiar el primer rengln con el segundo.
0 0 1
32
0 0 1
0 1 0 , que se obtiene al intercambiar el primer rengln con tercero.
1 0 0
Matrices y Determinantes
1 0 0
0 0 1 , que se obtiene al intercambiar el segundo rengln con el tercero.
0 1 0
1 0 0
a 1 0 , que se obtiene al multiplicar el primer rengln por el escalar a y el resulta-
0 0 1
do sumarlo en el segundo rengln.
1 0 0
0 1 0 , que se obtiene al multiplicar el primer rengln por el escalar a y el resulta-
a 0 1
do sumarlo en el tercer rengln.
1 0 0
0 1 0 , que se obtiene al multiplicar el primer rengln por a, el segundo rengln
a b 1
por el escalar b y los resultados sumarlos en el tercer rengln.
La multiplicacin de una matriz arbitraria por una matriz elemental se conoce como operacin
elemental y produce como resultado en la matriz A cualquiera de los siguientes efectos:
2.2 Operaciones con matrices lgebra lineal.
3) Multiplicacin de una lnea por una constante distinta de cero. Cuando se multi-
plica alguna matriz elemental de escalamiento E e por A .
4 0 3
1 0 0
0 1 0 y comentar los cambios que sufre la matriz A.
2 3 1
Solucin .
2 1 1 1 0 0 4 2 1
AE el = 1 5 2 0 1 0 = 5 11 2
4 0 3 2 3 1 10 9 3
Observemos que la primera columna de la matriz AE el es igual a 2 veces la tercera co-
lumna mas la primera de la matriz A, mientras que la segunda columna se obtiene mul-
tiplicando por 3 la tercera columna y sumndola con la segunda de A. Estas multipli-
caciones tienen que ver con los valores de las entradas E el 3,1 = 2 y E el 3,2 = 3 que nos
proporcionan.
2.3 Matrices escalonadas y escalonadas reducidas lgebra lineal.
0 0 1
1 2 3
34
1 1 4 y comentar los cambios que sufre la matriz A.
5 3 3
Solucin .
1 0 0 1 2 3 1 2 3
E e A = 0 3 0 1 1 4 = 3 3 12
0 0 1 5 3 3 5 3 3
Matrices y Determinantes
En este caso unicamente el segundo rengln sufre cambio y consiste en multiplicarlo por
3. Esto porque la matriz de escalamiento E e el 3 en el segundo rengln en su diagonal
principal.
Observacin
Si hay filas cuyos elementos son todos cero, estn situados en la parte inferior de
la matriz.
Observacin
La forma escalonada de una matriz, no tiene porque ser nica, pero si lo es su forma
escalonada reducida.
2.3 Matrices escalonadas y escalonadas reducidas lgebra lineal.
0 0 1 0 0 0 0 0 0
Por otro lado, ejemplos de matrices escalonadas reducidas son los siguientes:
35
1 0 0 1 0 3 1 0 0
D = 0 1 0 E = 0 1 0 F = 0 0 1
0 0 1 0 0 0 0 0 0
Observacin
La propiedad ms importante que posee una matriz escalonada reducida es que, si sta
representa una matriz aumentada de un sistema de ecuaciones lineales, las soluciones
se pueden encontrar por simple inspeccin visual.
2 2 1 1
Paso 1 Consiste en hacer que el primer elemento del primer rengln sea 1 (a este elemento se
le conoce como pivote).
Para esto podramos multiplicar por 1/2 este rengln, sin em- 1 2 2 1
bargo ser ms fcil intercambiar los renglones 1 y 2 para obte- 2 1 4 2
ner 2 2 1 1
Paso 2 Debemos hacer cero los elementos que estn por debajo del pivote; esto lo hacemos
cambiando el rengln por una combinacin lineal del propio rengln con el primero.
En este caso el nuevo rengln dos ser igual a el propio rengln 1 2 2 1
dos, menos dos veces el rengln uno, denotado por R 20 = R 2 2R 1 , 0 3 8 0
para el nuevo rengln tres hacemos R 30 = R 3 2R 1 . 0 2 5 1
Paso 3 Ahora se hace que el segundo elemento del segundo rengln (a 22 ) sea igual a 1, (este
ser nuestro nuevo pivote).
0
1 2 2 1
Para esto el nuevo rengln 2 ser R 2 = R 2 + R 3 , es decir tene-
0 1 3 1
mos
0 2 5 1
Paso 4 Se hacen cero los elementos que estn por debajo del pivote.
En este caso debemos hacer cero el ltimo elemento de la se- 1 2 2 1
gunda columna y sto lo logramos con la operacin R 30 = R 3 + 0 1 3 1
2R 2 0 0 1 3
2.3 Matrices escalonadas y escalonadas reducidas lgebra lineal.
Paso 5 Repetir el proceso hasta lograr que la diagonal principal sea de 1s, y los elementos por
debajo de esta diagonal sean igual a 0.
1 2 2 1
En este ejemplo ya hemos acabado pues ya se cumple este pa-
0 1 3 1
so.
0 0 1 3
Observacin
36
1. Las operaciones para hacer cero un elemento deben ser entre el rengln que se
quiere modificar y el que contiene al pivote, y deben tener este orden: R n0 = R n +
cR p , donde R p es el rengln pivote; si no se sigue este formato, se corre el riesgo de
alterar los elementos ya modificados.
2. Si la matriz es cuadrada, este mtodo nos lleva a obtener una matriz triangular
Matrices y Determinantes
superior.
8 3 1
mtodo de Gauss, con unos en la diagonal principal.
Solucin .
1
Realizando la operacin R 10 = R 1 para tener un 1 como primer elemento de la diagonal
2
1 4 1
A 4 6 6
8 3 1
enseguida para hacer ceros bajo el primer elemento de la diagonal realizamos las opera-
ciones R 20 = 4R 1 + R 2 y R 30 = 8R 1 + R 2
1 4 1
A 0 10 10
0 29 7
1
Ahora hacemos R 20 = R 2 para tener un 1 como segundo elemento de la diagonal
10
1 4 1
A 0 1 1
0 29 7
debemos hacer cero el elemento por debajo del 1 que acabamos de obtener, para esto
hacemos R 30 = 29R 2 + R 3
1 4 1
A 0 1 1
0 0 22
2.3 Matrices escalonadas y escalonadas reducidas lgebra lineal.
1
finalmente con R 30 = R 3 se tiene el ltimo 1 de la diagonal principal
22
1 4 1
A 0 1 1
0 0 1
37
2.3.2 Mtodo de Gauss-Jordan
El mtodo de Gauss-Jordan es una generalizacin del proceso de Gauss, y consiste en encontrar
la matriz escalonada reducida de una matriz dada.
Veamos los pasos a seguir de acuerdo con este mtodo. Consideremos la misma matriz
2 1 4 2
A= 1 2 2 1
2 2 1 1
Paso 1 Consiste en hacer que el primer elemento del primer rengln sea 1 (a este elemento se
le conoce como pivote).
Para esto podramos multiplicar por 1/2 este rengln; sin em- 1 2 2 1
bargo, ser ms fcil intercambiar los renglones 1 y 2 para ob- 2 1 4 2
tener 2 2 1 1
Paso 2 Debemos hacer cero los elementos que estn por debajo del pivote, esto lo hacemos
cambiando el rengln por una combinacin lineal del propio rengln con el primero.
En este caso el nuevo rengln dos ser igual a el propio rengln 1 2 2 1
dos, menos dos veces el rengln uno, denotado por R 20 = R 2 2R 1 ; 0 3 8 0
para el nuevo rengln tres hacemos R 30 = R 3 2R 1 . 0 2 5 1
Paso 3 Ahora se hace que el segundo elemento del segundo rengln (a 22 ) sea igual a 1, (este
ser nuestro nuevo pivote).
0
1 2 2 1
Para sto, el nuevo rengln 2 ser R 2 = R 2 + R 3 ; es decir, tene-
0 1 3 1
mos
0 2 5 1
Paso 4 Se hacen cero los elementos que estn por debajo y por arriba del pivote.
1 0 4 3
Para hacer cero el elemento del primer rengln usamos la regla
0 1 3 1
0 0
R 1 = R 1 2R 2 y para el de la fila 3 R 3 = R 3 + 2R 2 .
0 0 1 3
Paso 5 Repetir el proceso hasta lograr que la diagonal principal sea de 1s, y los elementos por
debajo de esta diagonal sea cero.
Observemos que ya hay un 1 en la tercer posicin de la dia-
1 0 0 9
gonal, por lo que solo resta hacer ceros los elementos superio-
0 1 0 8
res de ste. Para esto hagamos R 10 = R 1 + 4R 3 y tambin R 20 =
0 0 1 3
R 2 3R 3 .
Observacin
9 5 1 1
Solucin .
38
Intercambiamos renglones 1 y 2, para obtener un 1 como primer elemento de la diagonal
1 4 2 2
B 3 6 2 4
9 5 1 1
enseguida para hacer ceros bajo el primer elemento de la diagonal realizamos las opera-
Matrices y Determinantes
ciones R 20 = 3R 1 + R 2 y R 30 = 9R 1 + R 2
1 4 2 2
B 0 6 8 2
0 41 19 17
0 41 19 17
debemos hacer cero el elemento por debajo del 1 que acabamos de obtener, para esto
hacemos R 30 = 41R 2 + R 3
1 4 2 2
B 0 1 37 3
0 0 1498 106
1
finalmente con R 30 = R 3 se tiene el ltimo 1 de la diagonal principal
1498
1 4 2 2
B 0 1 37 3
0 0 1 749
53
Para calcular el determinante que corresponde a una matriz cuadrada A de orden n > 2, intro-
duciremos primero lo que se conoce como menor complementario relativo al elemento a i j de
el determinante.
Definicin 2.18 Menor complementario
Sea A una matriz cuadrada de orden n y D su determinante correspondiente. Sea M i j el
determinante de orden n 1 obtenido de D, eliminando el rengln i y la columna j . A 39
M i j se le conoce como el menor complementario i j de D.
mientras que para el menor M 14 se elimina el rengln 1, columna 4 para que quede,
a 21 a 22 a 23 a 25
a
31 a 32 a 33 a 35
M 14 =
a 41 a 42 a 43 a 45
a 51 a 52 a 53 a 55
Observacin
Necesitamos tambin de la siguiente definicin que nos proporciona el signo que debemos
poner a cada menor complementario.
Observacin
La primera parte de la frmula del cofactor slo nos proporciona el signo. Si la suma i + j
es un nmero par, entonces el cofactor es A i j = M i j ; si la suma es un nmero impar,
entonces A i j = M i j .
2.4 Determinante de una matriz lgebra lineal.
1 3 4
Solucin .
40
Aplicando
la frmula
! de la definicin
! 2.19, tenemos:
!
1 0 2 0 2 1
A1 1 = , A1 2 = , A1 3 = ,
3 4 1 4 1 3
! ! !
5 8 3 8 3 5
A2 1 = , A2 2 = , A2 3 = ,
3 4 1 4 1 3
! ! !
5 8 3 8 3 5
A3 1 = , A3 2 = , A3 3 = .
Matrices y Determinantes
1 0 2 0 2 1
Estamos ahora ante la posibilidad de enunciar el teorema de Laplace, que nos servir para re-
solver cualquier determinante de orden n > 2 (su demostracin se realiza haciendo induccin
matemtica sobre la dimensin de los determinantes).
Observacin
Observacin
1 2 4
rrollo por menores).
Solucin .
Si trabajamos con el segundo rengln, el determinante esta definido por d et A = 4A 2 1 +
2.4 Determinante de una matriz lgebra lineal.
0A 2 2 3A 2 3 es decir
! ! !
5 2 3 2 3 5
4 +0 3 = 4(20 4) 3(6 + 5) = 64 33 = 97
2 4 1 4 1 2
.
Observacin
41
Es aconsejable escoger el rengln o columna de la matriz que tenga ms ceros, as se
reducir el trabajo.
Tomando como base la observacin anterior, podemos afirmar que el determinante de una
matriz triangular (superior o inferior) es igual a la multiplicacin de los elementos de su diago-
nal.
Ejemplo 2.12
3 5 8
[ Clculo de determinantes]Calcular el determinante de A = 0 1 0 .
0 0 4
Solucin .
Si trabajamos con el tercer rengln, el determinante esta definido por d et A = 0A 3 1 +
0A 3 2 3A 3 3 es decir
! ! !
5 8 3 8 3 5
0 +0 3 = 4(3 0) = 12
1 0 0 0 0 1
Dados las matrices A y B de orden n n, se cumplen las siguientes propiedades para sus deter-
minantes:
Observacin
Matrices y Determinantes
B =
0 1 0 6
3 0 4 0
.
Solucin .
Comenzamos realizando el mtodo de Gauss-Jordan para hacer ceros debajo del primer
uno, por lo que hacemos R 20 = 2R 1 + R 2 y R 40 = 3R 1 + R 4 , esto no cambia el valor del
determinante segn la propiedad D8, as
1 3 0 2
0 6 3 4
B
0 1 0 6
0 9 4 6
Solucin .
Como la primer columna es la suma de la segunda y tercer columna, entonces por la
propiedad D5 tenemos que d et B = 0.
AB = B A = I
Una clasificacin que surge a consecuencia de que unas matrices tienen inversa y otras no, es
la siguiente:
Proposicin 2.1
Una matriz A es invertible si y solo si d et A 6= 0.
Solucin .
2.5 Inversa de una matriz lgebra lineal.
Matrices y Determinantes
A n1 A n2 A nn
Tambin en la definicin (2.11) se vio que la transpuesta de una matriz consiste en intercambiar
renglones por columnas; con ayuda de este concepto definimos lo siguiente
Teorema 2.2
Sea A una matriz de nxn. Entonces A es invertible si y solo si d et A 6= 0 y adems
1
A 1 = ad j A.
d et A
1
d et A 1 = .
d et A
En el siguiente ejemplo veremos el mtodo para calcular la inversa de una matriz usando el
teorema 2.2.
2.5 Inversa de una matriz lgebra lineal.
6 4 1
inversa. 45
Solucin .
Primero calculamos el determinante de la matriz A
2 5 0
6 6 3 6
3 6 6 = 2 5 = 2(30) 5(33) = 225
4 1 6 1
6 4 1
30 12 3 48 38 3
finalmente la inversa
2/15 1/45 2/15
1 1
A 1 = ad j A = ad j A = 11/75 2/225 4/75
d et A 225
16/75 38/225 1/75
Se puede calcular la inversa de una matriz por medio de operaciones elementales; es decir,
intercambiando renglones, multiplicando un rengln por un escalar y mediante la suma de
mltiplos de renglones.
Matrices y Determinantes
P.2) Se lleva la matriz A hasta una matriz diagonal mediante el algoritmo de Gauss-Jordan
(ver seccin 2.3.2), afectando todo el rengln.
1 0 0 b 11 b 21 b n1
0 1 0 b 12 b 22 b n2
.. .. .. .. .. ..
. . . . . .
0 0 1 b 1n b 2n b nn
P.3) La matriz que queda en la parte derecha de la matriz aumentada que resulta despus
del proceso, ser la inversa de la matriz A .
b 11 b 21 b n1
b 12 b 22 b n2
1
A = .. .. ..
. . .
b 1n b 2n b nn
Solucin .
De acuerdo al proceso anterior
!
2 1 1 0
Paso 1 Escribimos la matriz aumentada,
9 7 0 1
2
multiplicamos el segundo rengln por
23
!
47
1 12 12 0
9 2
0 1 23 23
!
7 1
23
Paso 3 Finalmente, la inversa es B 1 = 9
23
2 .
23 23
3 5 7
Solucin .
Siguiendo los pasos del mtodo descrito
3 5 7 0 0 1
0 0 1 1 2/3 2/3
1 2/3 2/3
2.6 Sistemas de ecuaciones lineales lgebra lineal.
..
.
(2.2)
48
a n1 x 1 + a n2 x 2 + . . . a nn x n = b n ,
Matrices y Determinantes
a 11 a 21 a n1
a 12 a 22 a n2
A= .. .. .. ,
. . .
a 1n a 2n a nn
que denominaremos matriz de coeficientes del sistema, y con las incgnitas x i y los trminos
independientes b i formamos las matrices de orden n 1:
x1
x2
x = .. ,
.
xn
b1
b2
b= .. ;
.
bn
denominados vector de incgnitas y vector de trminos independientes , respectivamente, po-
demos escribir entonces el sistema de ecuaciones lineales como Ax=b, es decir:
a 11 a 21 a n1 x1 b1
a 12 a 22 a n2 x 2 b 2
.. .. .
.. .. = ..
. . . . .
a 1n a 2n a nn xn bn
Una solucin del sistema consiste en un conjunto de valores para las variables x i tal que dichos
valores satisfacen todas las ecuaciones simultneamente. Dependiendo de los valores de las
constantes a i j el sistema puede no tener solucin, tener solucin nica o tener una cantidad
infinita de soluciones; para identificar el tipo de soluciones nos ayudaremos de los determi-
nantes.
Definicin 2.22 Determinante de un sistema de ecuaciones
El determinante principal de un sistema de ecuaciones lineales, est formado por los
coeficientes de las variables en ese mismo orden, es decir el determinante principal del
2.6 Sistemas de ecuaciones lineales lgebra lineal.
sistema (2.2) es
a 11 a 12 . . . a 1n
a 21 a 22 . . . a 2n
=
.. .. ..
. . .
a n1 a n2 . . . a nn
49
Teorema 2.4
Un sistema de ecuaciones con coeficientes en los nmeros reales, cumple una de las
siguientes afirmaciones
Si se cumple la condicin = 0, sto indica que hay un rengln que es combinacin lineal de
otro u otros; es decir, hay ms incgnitas que ecuaciones. Si esta misma relacin la cumple el
vector de trminos independientes, entonces el sistema tendr una cantidad infinita de solu-
ciones; si el vector de trminos independientes no la cumple, el sistema no tiene solucin.
Solucin .
3 2 1
El determinante principal es 1 10 7 , observemos que el segundo rengln es
2 4 3
igual a el primero menos dos veces el segundo (R 2 = R 1 2R 3 ), por lo que el determi-
nante es igual a cero. Tambin notemos que en el vector de trminos independientes del
sistema no se cumple esta relacin, es decir, 2 6= 42(5). Podemos concluir que el sistema
no tiene solucin.
2.6 Sistemas de ecuaciones lineales lgebra lineal.
Solucin
.
50
1 2 3
1 1 2 1 2 1
= 2 1 1 = 1 2 3 = (1+4)2(23)3(83) =
4 1 3 1 3 4
3 4 1
5 2(1) 3(11) = 5 + 2 + 33 = 40. Como el determinante es distinto de cero, entonces,
el sistema tiene solucin nica.
Matrices y Determinantes
2.6.1 Interpretacin geomtrica
Para analizar lo que representa geomtricamente un sistema de ecuaciones, debemos separar
dicho anlisis en casos, considerando la dimensin del mismo. Mostraremos los casos de 2 y 3
dimensiones.
Dos dimensiones. En los sistemas de 2 ecuaciones con 2 incgnitas, cada una de las ecua-
ciones representa una lnea recta. De acuerdo al tipo de solucin que tenga el sistema,
podemos distinguir los siguientes casos:
a) Si el sistema tiene solucin nica, entonces las rectas no son paralelas y se interceptan
en un solo punto.
b) Si el sistema no tiene solucin, entonces las rectas son paralelas.
c) Si el sistema tiene soluciones infinitas, decimos que las rectas coinciden o que est
una encima de la otra.
6 6 6
E1 E1
4 E1 4 4 E2
E2
2 E2 2 2
-3 -2 -1 1 2 3 -3 -2 -1 1 2 3 -3 -2 -1 1 2 3
-2 -2 -2
-4 -4 -4
Solucin
-6 -6 -6
Tres dimensiones. Para el caso de sistemas de 3 ecuaciones con 3 incgnitas, cada una de las
ecuaciones representa un plano en el espacio. Nuevamente, de acuerdo al tipo de solu-
cin que se tenga, podemos distinguir los siguientes casos:
a) Los tres planos se interceptan en un solo punto, entonces el sistema tiene solucin
nica.
b) Los tres planos se interceptan en una misma recta, entonces cada punto sobre la recta
es solucin y el sistema tiene infinidad de soluciones.
2.6 Sistemas de ecuaciones lineales lgebra lineal.
c) Los tres planos coinciden, el sistema tiene una cantidad infinita de soluciones.
d ) Dos de los planos coinciden y se interceptan con el tercero en una recta, entonces la
recta es solucin del sistema y tiene infinidad de soluciones.
e) Al menos dos de los planos son paralelos, entonces el sistema no tiene solucin.
f ) Dos de los planos coinciden en una recta L, el tercer plano es paralelo a L y no la
contiene, entonces el sistema no tiene solucin. 51
Observacin
a n1 a n2 . . . a nn b n
Matrices y Determinantes
Eliminacin Gaussiana
Como ya se vi en la seccin 2.3.1, el mtodo de Gauss permite transformar la matriz de coefi-
cientes en una matriz reducida equivalente; es decir, que conserva las propiedades matriciales.
Para resolver un sistema de ecuaciones por eliminacin Gaussiana, se realizan los siguientes
pasos:
2) Se transforma la matriz aumentada hasta obtener una matriz triangular superior (con-
siderando la matriz de coeficientes); donde cada operacin que se efecte a un ren-
gln, se hace incluyendo el correspondiente elemento de la columna aumentada.
3) Una vez que se obtiene la matriz triangular superior, se reescribe el sistema con sus
nuevos coeficientes.
4) Se resuelve el nuevo sistema por mtodos algebraicos (los valores obtenidos al re-
solver este nuevo sistema, sern los valores solucin del sistema original).
Solucin .
Escribimos la matriz aumentada
2 4 6 18
4 5 6 24
3 1 2 4
2.6 Sistemas de ecuaciones lineales lgebra lineal.
luego haciendo R 10 = 21 R 1
1 2 3 9
4 5 6 24
3 1 2 4
luego para tener cero, bajo el 1 de la diagonal hacemos R 20 = 4R 1 + R 2 y R 30 = 3R 1 + R 3
53
1 2 3 9
0 3 18 12
0 5 11 23
0 5 11 23
0 0 19 3
8 94 3
y resolvemos de abajo hacia arriba, para obtener x = 19 ,y = 19 , z = 19 .
Eliminacin de Gauss-Jordan
Este mtodo es similar al anterior, solo que ahora se reduce la matriz de coeficientes, hasta
llevarla a una matriz identidad, la solucin se obtiene directamente.
Si en algn paso del mtodo detectamos dos renglones iguales, entonces el sistema o no tie-
ne solucin o tiene una cantidad infinita de soluciones, para identificar que tipo de solucin
observamos que:
El sistema tendr cantidad infinita de soluciones si los renglones son iguales tanto en la
matriz de coeficientes como en la parte aumentada.
Solucin .
Escribimos la matriz aumentada
2 4 6 18
4 5 6 24
2 1 12 6
54
luego haciendo R 10 = 21 R 1
1 2 3 9
4 5 6 24
2 1 12 6
luego para tener cero, bajo el 1 de la diagonal hacemos R 20 = 4R 1 + R 2 y R 30 = 2R 1 + R 3
1 2 3 9
Matrices y Determinantes
0 3 18 12
0 3 18 12
Notemos que los renglones 2 y 3 son iguales, tanto en los coeficientes como en los resul-
tados por lo tanto el sistema tiene una cantidad infinita de soluciones.
Solucin .
Escribimos la matriz aumentada
2 4 6 18
4 5 6 24
2 1 12 2
luego haciendo R 10 = 21 R 1
1 2 3 9
4 5 6 24
2 1 12 2
luego para tener cero, bajo el 1 de la diagonal hacemos R 20 = 4R 1 + R 2 y R 30 = 2R 1 + R 3
1 2 3 9
0 3 18 12
0 3 18 16
Notemos que los renglones 2 y 3 son iguales, pero nicamente en la parte de la matriz no
aumentada por lo que el sistema no tiene solucin.
2.6 Sistemas de ecuaciones lineales lgebra lineal.
Regla de Cramer
Para resolver un sistema de ecuaciones mediante regla de Cramer se realizan los siguientes
pasos;
Mtodo de Cramer para resolver sistemas de ecuaciones
Solucin .
Se escribe y resuelve el determinante principal
2 4 2
4 2 2 4
= 1 0 3 = +3 = (4 6) + 3(6 8) = 2 6 = 4
3 1 2 3
2 3 1
56 48 24
Finalmente x = = = 14, y= = = 12, z= = = 6
x 4 y 4 z 4
Solucin .
Se escribe y resuelve el determinante principal
1 3 2
1 2 1 3
= 1 1 3 = 2 5 = 2(3 2) 5(1 3) = 10 + 10 = 0
1 3 1 1
0 2 5
56
Por lo que debemos analizar el determinante, y podremos observar que el tercer rengln
es combinacin lineal de los dos primeros, es decir R 3 = R 1 + R 2 , sin embargo en la
columna de soluciones del sistema no se cumple esta relacin, por lo que el sistema no
tiene solucin.
Matrices y Determinantes
Observacin
Cuando un sistema tiene infinidad de soluciones, para encontrar una debemos quitar el
rengln que es combinacin lineal de los otros y resolver el sistema por mtodos alge-
braicos.
Solucin .
Se escribe y resuelve el determinante principal
1 3 2
1 2 1 3
= 1 1 3 = 2 5 = 2(3 2) 5(1 3) = 10 + 10 = 0
1 3 1 1
0 2 5
8
cuya solucin general es y = 11 5x 2x 1
11 y z = 11 11 , al darle el valor a x = 0 obtenemos
8 1
y = 11 y z = 11 , que es una solucin del sistema original.
2.7 Evaluaciones sumativas lgebra lineal.
realizar las siguientes operaciones, o en su caso indicar porque no se pueden llevar a cabo.
a. A + B. e. C A B .
b. 3A 2C .
f. 3A + 12 B +C D
c. AC + BC .
d. A 2 AB g. D A + D
0 2 5
!
1 1
d. D = .
4 3
2 4 4 1 0 1
b. B = 2 1 4 . e. F = 2 1 3
3 2 1 3 4 7
3. Clasifica las siguientes matrices, como singular o no singular, en caso de que la matriz
dada sea no singular, calcular su inversa por el mtodo de la adjunta.
1 1 2 2 1 2
a. A= 3 1 4 . c. C = 1 0 3
0 2 5 3 1 5
4 1 4 3 3 2
b. B = 2 2 4 . d. D = 4 1 1
1 2 1 0 2 2
1 sen(x) 1
5. Encontrar el determinante de la matriz B = cos(x) 1 cos(x) .
1 sen(x) 1
6. Sean A y B matrices de orden 7, tales que d et (A) = 3 y d et (B ) = 2. Calcular d et [(2A 1 )(3B 1 )].
7. En los siguientes sistemas, encontrar: todas sus soluciones, su nica solucin o indicar que
no tiene solucin. 58
(
x 3y =4 x +y +2z =4
a. .
4x + 2y =6 e. 11x 13y +3z =1 .
5x =2
(
y 2z
2x 8y =5
b. .
3x + 12y =8 4x +2y 2z
=4
f.
(
4x y =2 3y +3z =2 .
c. .
4x 5y z =7
Matrices y Determinantes
2x + y = 3
x 3y +2z =5 2x +3y 2z
=4
d. 2x 3y +4z =4 . g. 3y +3z =2
x 2z =1 4x 5y =4
3 Espacios Vectoriales
59
Actividades de Aprendizaje
Comprender el concepto de espacio vectorial.
Ejemplificar conjuntos de vectores que cumplan con los diez axiomas de espacio vecto-
rial.
Establecer analogas entre los espacios y subespacios vectoriales con la notacin de con-
juntos y subconjuntos.
Observacin
Tomemos en cuenta que estas operaciones dependen de los objetos con los cuales este-
mos trabajando y que no necesariamente son las operaciones de suma y producto que
conocemos de los nmeros reales.
Espacios Vectoriales
Nos interesan aquellos conjuntos en los cuales una vez definidas sus operaciones, cumplen
con las siguientes propiedades o axiomas:
4. Existencia del elemento neutro. Existe un elemento 0V V tal que para todo v V, v +
0V = 0V + v = v
5. Existencia del elemento inverso aditivo. Si un elemento v V , entonces existe otro ele-
mento denominado v V tal que v + (v) = 0V .
10. Existencia del neutro de los reales. Para cada vector v V existe un elemento 1 R tal
que 1 v = v.
Observacin
Para evitar confusiones, siempre que nos refiramos al vector cero de un espacio vectorial
V lo denotaremos como 0V .
Tomando en cuenta las propiedades anteriores asi como las operaciones con que se verifican,
estamos en condiciones de enunciar la siguiente definicin.
3.1 Definicin de un espacio vectorial lgebra lineal.
Observacin
61
A los elementos de un espacio vectorial se les llama vectores y a los nmeros reales se les
conoce como escalares, las operaciones de suma y multiplicacin dependen del espacio
vectorial, no siempre son las operaciones aditivas y de producto que conocemos de los
nmeros reales.
Para nuestro caso la propiedad 10 se cumple directamente, pues estamos trabajando dentro
de los nmeros reales y con operaciones previamente establecidas, en donde se define al 1 R
como el neutro multiplicativo; en caso de cambiar las operaciones, debemos revisar que se
cumpla sta propiedad.
Pasos necesarios para verificar las 10 propiedades de un espacio vectorial
3) tener muy claro como es la operacin de suma entre sus elementos y el producto
por un escalar, cuando no se menciona nada en el ejercicio se supone que son las
operaciones que se realizan normalmente entre esos elementos, aunque tambin se
pueden definir al momento de plantear el problema.
Verificar que el conjunto formado por el nmero cero V = {0}, con la suma y producto
definidas en los nmeros reales, es un espacio vectorial.
Solucin .
El nico elemento de este conjunto es el cero real (0V = 0), veamos que cumple las nueve
propiedades:
2. Es claro que 0V + 0V = 0V + 0V . X
El vector cero de cada conjunto forma por si solo un espacio vectorial, conocido como espacio
vectorial trivial por su sencillez, y es el nico con una cantidad finita de elementos que mane-
jaremos en este curso.
62
Ejemplo 3.2 Espacio vectorial, constituido por una recta en R2
Mostrar que el conjunto de puntos en R 2 que estn en una recta L que pasa por el origen,
constituyen un espacio vectorial, con las operaciones de suma y producto definidas para
coordenadas cartesianas.
Espacios Vectoriales
Solucin .
La ecuacin de una recta que pasa por el origen es y = c x donde c es una constante
arbitraria pero que queda fija una vez elegida. Entonces los elementos de este conjunto
tienen la forma (x, cx); adems veamos que cumple las 9 propiedades
Observacin
El conjunto de puntos en R 2 que estn en una recta que no pasa por el origen, no cons-
tituyen un espacio vectorial, pues no contiene al vector cero.
Para nuestro siguiente ejemplo, recordemos que cualquier polinomio tiene la forma
P (x) = a n x n + a n1 x n1 + ... + a 1 x + a 0
y el grado del polinomio es igual a m, siempre y cuando m sea el mayor exponente de todos los
trminos del polinomio y adems a m 6= 0.
3.1 Definicin de un espacio vectorial lgebra lineal.
Solucin .
63
No contiene al vector cero, pues no es de grado tres, con esto es suficiente, aunque tam-
bin se puede ver que si se toman dos polinomios de grado tres, la suma no necesaria-
mente es de grado tres.
Se puede comprobar que si a ste conjunto, P 3 , se le permite que contenga a los polinomios de
grado menor o igual a 3, entonces si es un espacio vectorial.
Solucin .
Recordemos que una funcin continua es aquella que no contiene ningn punto de dis-
continuidad, es decir que no tiene divisiones entre cero ou operaciones que no se pue-
den definir, dentro del intervalo de definicin.
1. Si f (x), g (x) son funciones continuas, entonces f (x) + g (x) sigue siendo una fun-
cin continua pues al sumar no se agrega ningn punto de discontinuidad. X
2. Si f (x), g (x) son funciones continuas, entonces por la definicin de suma de fun-
ciones, es claro que f (x) + g (x) = g (x) + f (x). X
3. Sean f (x), g (x), h(x) funciones continuas, entonces podemos asociar [ f (x) +
(g (x)] + h(x) = ( f + g )(x) + h(x) = ( f + g + h)(x) = f (x) + (g + h)(x) = f (x) + [g (x) +
h(x)]. X
6. Si k es un real y f (x) es una funcin continua, entonces k f (x) sigue siendo una
funcin continua pues al multiplicar no se agrega ningn punto de discontinui-
dad. X
8. Sean k un nmero real y f (x), g (x) funciones continuas, entonces por linealidad
de las funciones k( f (x) + g (x)) = k f (x) + kg (x). X
9. Sean k 1 , k 2 elementos reales y f(x) es una funcin continua, entonces por propie-
dades de los reales (k 1 k 2 ) f (x) = k 1 (k 2 f (x)). X
Determinar si el conjunto formado por todas las matrices de orden 3 2, donde el ele-
64
mento cuya posicin se encuentra en el rengln 2 columna 2 es un nmero racional, y
con las operaciones definidas para matrices, forman un espacio vectorial.
Solucin .
Llamemos M r al conjunto de matrices que cumplen esta caracterstica:
1. Se cumple, pues al sumar dos matrices de 32, el resultado sigue siendo una matriz
Espacios Vectoriales
de 3 2, adems la suma de racionales sigue siendo racional. X
6. Esta propiedad falla pues si tenemos una matriz M de 3 2 con nmero racional
en la posicin rengln 2 columna 2 y k es un irracional, entonces kM puede no
contener un racional en la posicin indicada.
La ventaja de trabajar con subespacios vectoriales es que no es necesario verificar las diez pro-
piedades de espacios vectoriales, como lo muestra el siguiente teorema.
3.2 Subespacios de un espacio vectorial y sus propiedades lgebra lineal.
Teorema 3.1
Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V, si se cum-
plen las tres reglas de cerradura:
1. Si h 1 , h 2 H entonces h 1 + h 2 H .
Solucin .
Los elementos de este conjunto son todos los puntos de R2 de la forma (x, x), ahora
2. Por otro lado si k es un real, entonces k(x, x) = (kx, kx) que tambin pertenece a la
recta.
Solucin .
Observemos que los elementos de H son de la forma (2+4t , 12t , t ), con t R, sin embar-
go en este caso H no es un subespacio vectorial pues no se cumple la segunda condicin,
por ejemplo si tenemos k = 0 y (6, 1, 1) H , entonces k(6, 1, 1) = (0, 0, 0) H .
Observacin
Al igual que en para las lineas rectas, todo plano que contenga al origen, constituye un
espacio vectorial.
3.2 Subespacios de un espacio vectorial y sus propiedades lgebra lineal.
x A B x A y x B
Espacios Vectoriales
seccin de subespacios vectoriales H1 H2 como el conjunto {v V : v H1 , v H2 }; es
decir, los elementos que pertenecen a ambos subespacios.
Observacin
Proposicin 3.1
La interseccin de 2 subespacios de V , siempre es otro subespacio de V .
Demostracin .
Sean H1 y H2 dos subespacios de V , si la interseccin es el espacio formado unicamente
por el elemento cero, es claro que ser un subespacio vectorial, si no es el caso, probare-
mos que H1 H2 es un subespacio de V en la siguiente forma:
Observacin
Una forma para encontrar el subespacio formado por la interseccin es escribir el ele-
mento general de cada subespacio e igualar coordenadas correspondientes par formar
un sistema de ecuaciones que al resolverlo nos dar informacin sobre la interseccin.
Solucin .
H es una recta en el espacio y sus elementos tienen la forma (1 + t , 2 2t , 1 t ), mien-
3.2 Subespacios de un espacio vectorial y sus propiedades lgebra lineal.
2x + 3y
tras P representa un plano, y su elemento general se escribe como x, y, .
8
Al igualar coordenada a coordenada
tenemos el sistema
1 + t = x
67
2 2t = y
1 t = 2x + 3y
8
Que reescribiendo queda
x t = 1
y + 2t = 2
3y 2x + 8t = 8
El cual tiene una cantidad infinita de soluciones, por lo tanto H P tal y como lo muestra
la grfica y en consecuencia la interseccin es H .
Solucin .
H y P son rectas en el plano cuyos elementos generales son (x 1 , 12 x 1 ) y (x 2 , 32 x 2 ) respecti-
vamente. Al igualar coordenada a coordenada tenemos el sistema
(
x1 = x2
1 2
2 x1 = 3 x2
H1 + H2 = {v V : v = h 1 + h 2 donde h 1 H1 , h 2 H2 }
Espacios Vectoriales
n
X n
X
Hi = H1 + H2 + . . . + Hn = {v V : v = hi donde h i Hi
i =1 i =1
El vector suma, esta compuesto por la suma de vectores, cada uno de los cuales pertenece a
uno de los subespacios de V , para encontrar este subespacio debemos describir el elemento
general de cada subespacio y realizar la suma parra enseguida determinar el dominio de la
nueva expresin, ste formara al subespacio suma.
Solucin .
Notemos que H1 es una recta que pasa por el origen con elementos de la forma (x 1 , 12 x 1 ),
mientras que el elemento general de H2 se escribe como (x 2 , 32 x 2 ), as al realizar la suma
tenemos (x 1 +x 2 , 12 x 1 23 x 2 ) que representa a todos los puntos de R2 , por lo que el espacio
vectorial H1 + H2 = R2 .
Observacin
Es importante que al momento de sumar los elementos generales de cada subespacio los
denotemos con variables distintas, pues en caso contrario no estaramos encontrando
todos los elementos que corresponden a la suma.
Existe un nombre especial para la suma de subespacios , cuando tenemos dos subespacios
vectoriales cuya interseccin es el elemento neutro del espacio vectorial, como a continuacin
se describe.
Definicin 3.7 Suma directa de subespacios
Sea V un espacio vectorial y sean H1 y H2 dos subespacios vectoriales de V . Se define la
suma directa de subespacios como V = H1 H2 si se cumple que V = H1 + H2 y adems 69
H1 H2 = 0
En caso de que la suma directa H1 + H2 sea todo el espacio V , decimos que H1 y H2 son suple-
mentarios.
Solucin .
H1 es una recta en el espacio y sus elementos tienen la forma (22t , 33t , 1t ), mientras
P representa un plano, y su elemento general se escribe como (x, 21 x, z). Al sumar estos
elementos tenemos (t + x, 1 3t + 12 x, 1 + t + z) que nos genera todo R3 pues tenemos
3 grados de libertad es decir se puede escoger libremente tres variables. Por otro lado
cuando igualamos coordenada a coordenada tenemos el sistema
2 2t = x
3 3t = 12 x
1t = z
v = k1 v 1 + k2 v 2 + + kn v n ,
Los coeficientes de la combinacin lineal son nicos, y para encontrarlos, basta con resolver el
sistema de ecuaciones lineales, que se forma a partir de la igualdad que aparece en la definicin
de combinacin lineal.
Mostrar que en R3 el vector (7, 7, 7) es una combinacin lineal de (1, 2, 4), (5, 3, 1) y 70
(2, 1, 0).
Solucin .
Escribimos (7, 7, 7) = k 1 (1, 2, 4) + k 2 (5, 3, 1) + k 3 (2, 1, 0), desarrollando esta igualdad
obtenemos el sistema
k 1 + 5k 2 + 2k 3 = 7
2k 1 3k 2 + k 3 = 7
4k 1 + k 2 = 7
Espacios Vectoriales
El hecho de escribir un vector como combinacin lineal de otros es muy importante pues nos
permite simplificar muchos clculos, en particular podemos definir lo siguiente
Definicin 3.9 Conjunto generador
Dado un espacio vectorial V , se dice que los vectores v 1 , v 2 , . . . v n V forman un conjun-
to generador de V , si cualquier vector en V se puede escribir como una combinacin
lineal de ellos. Es decir, para todo v V existen escalares a 1 , a 2 , . . . a n tales que
v = a1 v 1 + . . . + an v n .
Es claro que los conjuntos de vectores {(1, 0), (0, 1)} y {(1, 0, 0), (0, 1, 0), (0, 0, 1)} generan a R2 y
R3 respectivamente. Sin embargo hay muchos ms conjuntos de vectores que pueden generar
estos espacios.
Para saber si un conjunto de vectores es generador de un espacio vectorial V , basta con escribir
un elemento general del espacio como combinacin lineal de los vectores y verificar que est
bien definido para todos sus valores.
Observacin
Decir que una operacin esta bien definida, significa que podemos realizar tal operacin
para todos los valores de la variable, por ejemplo la funcin x1 no esta bien definida para
los reales, pues no podemos evaluar en x = 0.
Mostrar que el conjunto de vectores {(2, 3, 1), (1, 2, 0), (4, 3, 1)} genera a R3 .
Solucin .
Expresamos un vector general de R3 como combinacin lineal de estos vectores; es decir,
(x, y, z) = k 1 (2, 3, 1) + k 2 (1, 2, 0) + k 3 (4, 3, 1). Luego formamos el sistema de ecuaciones
11z2xy y3z 2x+y7z
lineales y lo resolvemos, para obtener los valores k 1 = 4 , k2 = 2 y k3 = 4 .
Finalmente, como k 1 , k 2 , k 3 estn definidas para todo x, y, z, decimos que el conjunto de
3.3 Dependencia e independencia lineal lgebra lineal.
Algo muy importante dentro de las operaciones vectoriales es que, cuando trabajamos con
vectores, estos deben ser independientes unos de otros; en caso contrario, solo estaramos tra-
bajando mucho sin obtener resultados nuevos.
Para saber cuando dos vectores o ms son independientes unos de otros, tenemos la siguiente
definicin.
Definicin 3.10 Dependencia lineal
Un conjunto finito de vectores v 1 , v 2 , . . . v n es linealmente dependiente si cumple cual-
quiera de las siguientes afirmaciones:
2. El vector cero se puede expresar como combinacin lineal de todos ellos con coe-
ficientes no todos iguales a cero.
Mostrar que los vectores u = (1, 2, 4), v = (2, 5, 3) son linealmente independientes en R3 .
Solucin .
Escribimos (0, 0, 0) = a(1, 2, 4) + b(2, 5, 3), al igualar cada coordenada obtenemos el sis-
tema
0 = a + 2b
0 = 2a + 5b cuya nica solucin es a = b = 0, y por la definicin de dependencia
0 = 4a 3b
lineal parte 2, los vectores son linealmente independientes
3.3 Dependencia e independencia lineal lgebra lineal.
Observacin
Solucin .
Como la dimensin del espacio es 3 y tenemos 4 vectores entonces por la observacin ??
los vectores son linealmente dependientes.
Espacios Vectoriales
Algunas propiedades de los vectores linealmente dependientes e independientes son las si-
guientes:
Proposicin 3.2
Un conjunto de vectores es linealmente independiente si el determinante formado por
ellos es diferente de cero.
Observacin
La proposicin 3.2 es muy til, pues simplifica mucho la tarea a la hora de saber si el
conjunto de vectores es linealmente independiente; sin embargo, slo funciona cuando
el determinante que se forma es cuadrado.
3.4 Base y dimensin de un espacio vectorial lgebra lineal.
Solucin .
73
Debemos formar el determinante considerando cada matriz como una columna o ren-
gln del determinante, realizndolo en un orden especfico.
1 3 1 4
2 3 5 1
2 3 1 2
3 1 2 1
Como este determinante es igual a 47, por la proposicin ?? sabemos que los vectores
son linealmente independientes.
Solucin .
En el ejmplo ?? se mostr que los vectores 1, x, x 2 y x 3 generan a P 3 por lo que la dimen-
sin de P 3 es igual a cuatro.
La dimensin del espacio vectorial formado con los puntos de una lnea recta que pasa
por el origen es 1, no importa si est definida en el plano o en el espacio.
3.4 Base y dimensin de un espacio vectorial lgebra lineal.
La dimensin de Rn = n para n 0.
Espacios Vectoriales
Ejemplo 3.19 Cuatro vectores generadores de R3
Determinar si el conjunto de vectores {(1, 2, 4), (3, 2, 1), (1, 1, 1), (0, 1, 3)} generan a R3
Solucin .
Es claro que los cuatro vectores son linealmente dependientes pues la dimensin del
espacio es 3, sin embargo si tomamos los vectores {(1, 2, 4), (3, 2, 1), (1, 1, 1)} estos son li-
nealmente independientes pues su determinante es distinto de cero, como son tres vec-
tores en un espacio de dimensin 3, concluimos que el conjunto si genera a R3 .
Veamos ahora la relacin entre conjunto de vectores linealmente independientes y las bases de
un espacio vectorial.
Observacin
Si se conoce la dimensin del espacio vectorial, entonces para probar que un conjunto de
vectores es una base, basta con verificar que dicho conjunto tiene la misma cantidad de
vectores que la dimensin del espacio y que es un conjunto linealmente independiente.
Cada espacio vectorial puede contener una cantidad infinita de bases, pero hay una en particu-
lar que se conoce como base cannica o estndar, esto debido a la sencillez con que se puede
representar un elemento del espacio en trminos de esta base.
Algunas de las bases estndar mas conocidas son:
El conjunto de vectores {(1, 0), (0, 1)}, que forman la base cannica de R2 .
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, que forman la base cannica de R3 .
U = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},V = {(2, 1, 0), (2, 3, 1), (0, 1, 4)},W = {(2, 1, 0), (2, 3, 1), (0, 4, 1)}
por lo que los vectores de V son linealmente independientes y generan una base, mien-
tras que W no forma una base.
.
Solucin .
El conjunto P representa un plano en el espacio que pasa por el origen por lo que es es-
pacio vectorial y adems tiene dimensin 2, por lo que necesitamos dos vectores lineal-
mente independientes que pertenezcan al plano, estos pueden ser {(1, 2, 0), (1, 1, 1)}.
Solucin .
Los elementos de U son de la forma (x, y, 2x + 3y, w) como es un subespacio de R4 basta
con probar las dos condiciones de subespacios:
2. Dado k y (x, y, 2x+3y, w), tenemos que k(x, y, 2x+3y, w) = (kx, k y, 2kx+3k y, kw)
U.
Espacios Vectoriales
vector v V , existen escalares k 1 , k 2 , . . . k n tales que
v = k1 v 1 + k2 v 2 + . . . + kn v n . (3.1)
El vector cuyas componentes son los coeficientes de v, denotado por [v]B , se llama vec-
tor de coordenadas (vector coordenado) de V con respecto a B; es decir,
k1
k2
[v]B = ..
.
kn
La ecuacin 3.1 nos permite encontrar las componentes de un vector, expresado en trminos
de una base arbitraria, a partir de su expresin en la base cannica.
Dada la base B = {(1, 0, 1), (1, 1, 0), (1, 1, 1)} de R3 y el vector v = (2, 3, 1)
1. Escribir el vector v en trminos de la base B; es decir, obtener [v]B .
Observacin
Observacin
En Rn cualquier base esta representada por lo que conocemos como ejes coordenados
para saber como ubicarlos simplemente debemos graficar cada vector de la base toman-
do en cuenta la base cannica.
Para ubicar un vector de coordenadas en el plano o el espacio, procedemos de igual forma que
como lo hacemos para la base cannica, es decir, se ubica las componentes del vector en cada
eje (vector de la base) y luego se trazan paralelas al otro eje.
Por ejemplo, supongamos que tenemos el vector v = (5, 5) R2 y queremos expresarlo en tr-
minos de la base B = {(2, 3), (1, 1)}; despus de realizar los clculos correspondientes, encon-
tramos que [v]B = (2, 1). Si realizamos la grfica de cada uno, obtenemos
6 H5, 5L 2
6 (2, 1)
4 4
1
2 -3
2
-2
-1
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-2 -2 1
-1
2
-4 -4
3
v2
-6 v1 -6
(a) Vector expresado en trminos de la ba- (b) Vector expresado en trminos de la ba-
se cannica se B = {(2, 3), (1, 1)}
Notemos que las unidades de medicin en la base B son de distinta longitud; sto se debe a
que la magnitud de los vectores de esta base es distinta de 1.
Escribir el vector v = (1, 1) en trminos de la base B = {(1, 1), (1, 2)} de R2 y graficar
este vector en las dos bases.
Solucin .
Debemos escribir v como combinacin lineal de la base B, es decir, (1, 1) = k 1 (1, 1) +
k 2 (1, 2) y resolver el sistema formado
(
1 = k 1 k 2
1 = k 1 + 2k 2
3.5 Ortonormalizacin lgebra lineal.
cuya solucin es k 1 = 1 y k 2 = 0, por lo tanto [v]B = (1, 0). Las grficas correspondientes
son:
2 2
1
(-1, 1) (1, 0)
1 1
1
-2 -1 1 2 -2 -1 1 2
78
-1 -1
-1 v1
-2 -2 -1 v2
Espacios Vectoriales
realizar este cambio, esto lo hacemos de la manera que a continuacin describimos.
La columna i sima est constituida por las coordenadas en la base B2 , del vector u i de la
base B1 .
Para calcular las componentes de un vector en trminos de la base B2 a partir de la base B1 ,
tenemos la siguiente
Tomemos la base B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y sea B2 = {(1, 0, 2), (3, 1, 0), (0, 1, 2)},
verificar que B2 es una base para R3 y escribir [v]B1 = (1, 2, 4) en trminos de B2 .
Solucin .
Si calculamos el determinante formado por los vectores de B2 , observamos que
1 3 0
0 1 1 =8
2 0 2
3.5 Ortonormalizacin lgebra lineal.
como es distinto de cero, entonces B2 es una base. Ahora, para obtener la matriz de
transicin de B1 a B2 , calculamos primero sus vectores; esto es
Como la base B1 es la base cannica, podramos calcular [v]B2 con la ecuacin 3.1; es decir,
escribimos
(1, 2, 4) = d 1 (1, 0, 2) + d 2 (3, 1, 0) + d 3 (0, 1, 2),
y resolviendo este sistema tenemos que d 1 = 1/4, d 2 = 1/4, d 3 = 7/4, con estos valores pode-
mos escribir finalmente
1/4 2
1
[v]B2 = 1/4 = 2 .
8
7/4 14
1. u i u j = 0 para todo i 6= j
2. u i u i = 1.
Para hacer que los vectores sean ortogonales, recordemos de clculo vectorial que un vector u
se proyecta sobre otro vector v mediante la siguiente frmula:
v u
pr oy v (u) = v
|v|2
vu
Ahora, si escogemos el vector w = u |v|
80
2 v, entonces v y w son ortogonales, como lo ilustra la
grfica
u w=u-proyv HuL
Espacios Vectoriales
proyv HuL
v
P.1) Eleccin del primer vector unitario. Tomamos el vector v 1 y lo dividimos entre su
v
magnitud para hacerlo unitario; al resultado lo llamaremos u 1 , es decir, u 1 = |v 1 | .
1
P.2) Eleccin del segundo vector unitario. Proyectamos el vector v 2 sobre u 1 , para
obtener
v 2 u1
v 20 = v 2 u 1 = v 2 (v 2 u 1 )u 1 sto ltimo se debe a que |u 1 | = 1.
|u 1 |2
P.3) Eleccin del k +1 vector unitario. Supongamos que se han construido los vectores
{u 1 , u 2 . . . u k } y que forman un conjunto ortonormal. Para construir u k+1 tenemos
0
v k+1 = v k+1 (v k+1 u 1 )u 1 (v k+1 u 2 )u 2 . . . (v k+1 u k )u k
0
v k+1
Finalmente u k+1 = 0
|v k+1 |
.
3.5 Ortonormalizacin lgebra lineal.
Construir
una
baseortonormal para R3 , comenzando con la base {v 1 , v 2 , v 3 } =
1
0 1
1 , 1 , 0 .
81
0 1 1
Solucin .
Podemos comenzar con cualquier vector, pero procederemos en el orden dado.
( 12 , 12 , 1)
1 1 2
u2 = q = p , p , p
1
+ 1
+ 1 6 6 6
4 4
Espacios Vectoriales
a < 0.
h. El conjunto V = {2}.
i. V = {x R : x (2, 2)}. !
0 a
j. El conjunto de matrices de 2 2 que tienen la forma .
b 1
k. El conjunto de matrices simtricas de 3 3.
c f g
formado por las matrices de 3 3.
( ! !) ( ! !)
2 1 1 3
5. Dadas las bases B1 =
, y B2 = , :
1 2 1 2
a. Encontrar la matriz de transicin de B1 a B2 .
b. Dado el vector [v]B1 = (3, 3), encontrar [v]B2 .
0
1 3
1 1 0
6. Dadas las bases B1 = 1 , 4 , 0 y B2 = 1 , 1 , 0 :
3 2 4 1 1 4
a. Encontrar la matriz de transicin de B1 a B2 .
3.6 Evaluaciones sumativas lgebra lineal.
7. Determine
( si los!siguientes
conjuntos
! son
! linealmente
!) dependientes o independientes.
1 2 1 3 2 1 1 4
a. A = , , ,
3 6 1 1 0 1 4 9
1
1
2
83
b. B = 3 , 1 , 0
4 2 2
0 1 2
c. C = 1 , 4 , 4
2 3 2
8. En los siguientes incisos, encontrar una base ortonormal para el espacio dado.
3
1 3
b. H = {(x, y, z) : 2x y z = 0}
a. 1 , 6 , 2 .
2 7 4
4 Transformaciones Lineales
85
Actividades de Aprendizaje
Establecer una analoga entre la relacin de convertir un vector de materias primas mul-
tiplicadas por una matriz de transformacin a un vector de productos con la definicin
de transformacin lineal.
1. T (u + v) = Tu + T v.
2. T (kv) = kT (v).
4.1 Definicin y propiedades de una transformacin lineal lgebra lineal.
Observacin
Solucin .
Transformaciones Lineales
Debemos comprobar las dos propiedades de la definicin:
Observacin
Para probar que una transformacin es lineal es indispensable realizar la prueba con ele-
mentos generales, para probar que no es basta con exhibir un caso particular en donde
falle alguna propiedad.
4.1 Definicin y propiedades de una transformacin lineal lgebra lineal.
Solucin .
87
Veamos que la propiedad 2 falla, para esto consideremos el vector v = (2, 1) y k = 2
" !# ! 4+2 6
2 4
T 2 =T = 422 = 0
1 2
3(2)2 12
La transformacin diferencial: tal que para cada f C 1 (R, R), es decir para cada funcin
f continua y derivable T ( f ) = f 0 .
Solucin . ! !
x x cos y sen
la matriz de transformacin est dada por T = .
y x sen + y cos
4.1 Definicin y propiedades de una transformacin lineal lgebra lineal.
Transformaciones Lineales
T k =T =
y ky kx sen + k y cos
Como su nombre lo indica, esta trasformacin nos permite rotar vectores un cierto ngulo
(determinado por el valor de ).
Proposicin 4.1
En una transformacin lineal T : V W , el vector cero del espacio V siempre esta aso-
ciado con el vector cero de W , esto es: T (0V ) = 0W .
Teniendo en cuenta que las transformaciones lineales son similares a las funciones entre con-
juntos, tiene sentido estudiar la validez de las propiedades usuales de las funciones: inyectivi-
dad, suprayectividad y biyectividad. Para esto recordemos del clculo diferencial que
Una funcin es inyectiva o funcin 1 a 1, si cada elemento distinto del dominio esta
relacionado con uno diferente del codominio.
Una funcin es suprayectiva si todos los elementos del codominio estn relacionados.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres par-
ticulares, como se puede observar en la siguiente definicin.
4.2 Ncleo e imagen de una transformacin lineal lgebra lineal.
1. T es un monomorfismo si T es inyectiva.
2. T es un epimorfismo si T es suprayectiva. 89
3. T es un isomorfismo si T es biyectiva.
V
T W
v8 w1
v5
v7 W7
v1
v4 0w
0v
v6
w3
v2
v3
Ncleo de T
Transformaciones Lineales
por lo que los vectores (1, 1, 1) y (2, 2, 2) pertenecen al ncleo de T .
Para hallar el ncleo de una transformacin lineal, se toma un vector arbitrario en el dominio
y se le aplica la transformacin lineal, enseguida se iguala a cero el resultado y se resuelve el
sistema formado. La solucin de este sistema nos dar un conjunto de vectores linealmente
independientes {v 1 , v 2 , . . . v n } que, se puede probar, generan al ncleo de la transformacin;
por lo que podemos escribir
nuT = g en{v 1 , v 2 , . . . v n }
Proposicin 4.2
La dimensin del ncleo est determinada por la cantidad de vectores linealmente inde-
pendientes que contiene el conjunto generador del ncleo.
Solucin .
Al igualar cada componente del vector resultado a cero obtenemos el sistema
x+y = 0
x = 0
y= 0
Solucin .
4.2 Ncleo e imagen de una transformacin lineal lgebra lineal.
Dado que la derivada de una funcin es igual a cero si y slo si la funcin es constante,
entonces el ncleo de la transformacin consiste en el conjunto de todas las funciones
constantes.
Proposicin 4.3
Sea T : V W una transformacin lineal, entonces T es un monomorfismo si y slo si
91
nuT = {0v }.
Demostracin .
) Supongamos que existe un elemento v 6= 0v tal que v nuT , entonces T (v) = 0w ;
pero sabemos que T (v 0) = 0w , es decir, tenemos dos elementos del dominio asociados
con uno del codominio, esto significa que no es monomorfismo, lo cual contradice la
hiptesis.
) Para ver que T es monomorfismo sabiendo que nuT = {0v }, tomemos dos elementos
w 1 = T (v 1 ) y w 2 = T (v 2 ) en W , y probemos que si w 1 = w 2 , entonces v 1 = v 2 . As, si
tenemos w 1 = w 2 , significa que T (v 1 ) = T (v 2 ); es decir, T (v 1 ) T (v 2 ) = 0w . Por tratarse
de una transformacin lineal, sto ltimo lo podemos escribir como T (v 1 v 2 ) = 0w .
Adems, como por hiptesis el nico elemento de V que tiene asignado al 0w es el 0v , se
debe cumplir que v 1 v 2 = 0v , es decir, v 1 = v 2 .
Solucin . (
x +y z =0
Si igualamos a cero la transformacin, obtenemos el sistema , que al resol-
z x =0
ver indica que x = z y y = 0, por lo que el nuT 6= {0}. Por la proposicin ??, la transforma-
cin no es monomorfismo y por lo tanto tampoco un isomorfismo.
La imagen de una transformacin lineal T : V W , est formada por todos los elementos del
espacio vectorial W que estn relacionados con algn vector de V mediante dicha transforma-
cin.
Para saber si un vector pertenece a la imagen necesitamos encontrar un vector (x, y, z) tal que
al aplicarle la transformacin nos de como resultado el vector que queremos verificar, sto lo
hacemos igualando la transformacin a nuestro vector y resolviendo el sistema que se forma.
4.2 Ncleo e imagen de una transformacin lineal lgebra lineal.
En caso de que el sistema no tenga solucin significa que el vector no pertenece a la imagen de
la transformacin.
Verificar si los vectores (2, 2), (2, 5) y (3, 0) pertenecen a la imagen de T : R3 R2 tal
x
x z
! 92
que T y = .
y +z
z
Solucin .
Igualando la transformacin a el vector (2, 2), tenemos
(
x z = 2
y + z = 2
Transformaciones Lineales
cuya solucin esta dada por las ecuaciones x = 2+ z, y = 2 z, es decir al escoger un va-
lor para z tenemos una terna (x, y, z) que mediante la transformacin va al vector (2, 2),
por lo que este vector pertenece a la imagen de T .
Para los vectores (2, 5) y (3, 0) realizamos el mismo procedimiento
( (
x z = 2 x z = 3
y
y +z = 5 y +z = 0
cuyas soluciones sonx = 2 + z, y = 5 z y cuya solucin esta dada por las ecuaciones
x = 3 + z, y = z respectivamente, por lo que ambos pertenecen a la imagen de T .
Determinar
la imagen de la transformacin lineal T : R3 R3 tal que
x 2x + 5y + z
T y = 8x + 12y + 6z .
z 4x 2y 4z 93
Solucin .
Igualando el vector generado por la transformacin T a un vector arbitrario, digamos
(a, b, c) R3 , tenemos
2x + 5y + z a
8x + 12y + 6z = b
4x 2y 4z c
Al tratar de resolver este sistema, se observa que tiene solucin si y solo si 2a +b +c = 0,
es decir, si y solo si a = b+c
2 . Finalmente, escribiendo el vector (a, b, c) como combinacin
lineal de dos vectores con coeficientes b, c obtenemos
a 1/2 1/2
b = b 1 + c 0
c 0 1
z 0
Solucin .
Al resolver el sistema asociado observamos que tiene solucin si y solo si c = 0, por lo
que para a, b tenemos libertad de escoger sus valores y entonces expresamos el vector
(a, b, c) como
a 1 0
b = a 0 + b 1 ,
c 0 0
por lo tanto la imagen de la transformacin T es
1
0
i m T = g en 0 , 1
0 0
Proposicin 4.4
La imagen de una transformacin lineal es un subespacio vectorial del codominio.
Demostracin .
Sea T : V W una transformacin lineal, veamos que el conjunto T (V ) W cumple las
tres propiedades para ser subespacio vectorial
94
1. Como T es una transformacin lineal, se tiene que T (0v ) = 0w , esto significa que
0w T (V ).
Transformaciones Lineales
por lo tanto, la imagen es subespacio vectorial del codominio.
Una relacin importante que tienen los espacios vectoriales del dominio, el ncleo y la imagen
de una transformacin con respecto a sus dimensiones, se establece en la siguiente proposi-
cin.
Proposicin 4.5
El ncleo y la imagen de una transformacin lineal T : V W son subespacios vecto-
riales de V y W respectivamente; adems, la dimensin de V es igual a la suma de la
dimensin del ncleo y la dimensin de la imagen, es decir:
Sea T : M 22
! M 22 tal que para cualquier matriz A de 2 2 tenemos T (A) = AB con
1 2
B= . Hallar el ncleo y la imagen usando la proposicin 4.5
5 1
Solucin .
Si aplicamos la transformacin lineal para una matriz A general, tenemos
" !# ! ! !
a b a b 1 2 a 5b 2a + b
T (A) = T = =
c d c d 5 1 c 5d 2c + d
que al resolverlo obtenemos a = b = c = d = 0 por lo que el nuT = {0} es decir, tiene di-
mensin cero y haciendo uso de la ecuacin 4.1, tenemos que la dimensin de la imagen
es 4 o sea todo M 2 2 .
4.3 Representacin matricial de una transformacin lineal lgebra lineal.
Solucin .
Al aplicar la transformacin a cada uno de los elementos de la base cannica R3 se tiene
1 ! 0 ! 0 !
1 0 0
T 0 = , T 1 = , T 0 =
0 1 0
0 0 1
por lo que al escribir como columna cada resultado obtenemos la matriz de transforma-
cin !
1 0 0
AT = .
0 1 0
La representacin matricial de una transformacin lineal, nos permite obtener una base de
la imagen, pues sta estar formada por todos los vectores linealmente independientes que
generan dicha imagen.
Solucin .
4.3 Representacin matricial de una transformacin lineal lgebra lineal.
Claramente se observa que los tres vectores columna son linealmente independientes,
Transformaciones Lineales
por lo que la dimensin de la imagen es 3; tomando estos vectores de A T , tenemos que
1 1 0
0 1 1
i mT = g en , , .
2 1 1
1 1 2
Una forma fcil de saber cuantos vectores linealmente independientes contiene una matriz,
es reducirla a su forma escalonada mediante el proceso de Gauss; sto nos dar una forma
cuadrada de la matriz (eliminando columnas o filas de ceros) y mediante su determinante es
posible saber si son dependientes o independientes. Por ejemplo, al reducir la matriz anterior
obtenemos
1 1 0
0 1 1
AT = ,
0 0 1
0 0 0
cuyo determinante de la parte cuadrada es igual a 1 y en consecuencia los 3 vectores contenidos
en la matriz son linealmente independientes.
T (0 + x + 0x 2 ) = x(0 + x + 0x 2 ) = 0 + 0x + x 2 + 0x 3 ,
T (0 + 0x + x 2 ) = x(0 + 0x + x 2 ) = 0 + 0x + 0x 2 + x 3 .
4.3 Representacin matricial de una transformacin lineal lgebra lineal.
Poniendo los coeficientes de cada resultado como vector columna, formamos la matriz
asociada
0 0 0
1 0 0
AT = ,
0 1 0
0 0 1
97
que ya est escalonada y tiene dimensin 3; por lo tanto, i mT = g en{x, x 2 , x 3 }. Final-
mente, por la proposicin 4.5, la dimensin del ncleo es igual a cero.
z 6x + 3y 9z
Ayuda:
2. Encontrar
elnico
vector linealmente independiente para concluir que i mT =
2
g en 4 .
6
Hasta este momento, hemos construimos matrices de transformaciones lineales usando la ba-
se cannica para los espacios vectoriales. Sin embargo, podramos preguntarnos: qu pasar
si tomamos una base diferente?, la matriz seguir siendo la misma? El siguiente resultado nos
proporciona la respuesta; sin embargo, su demostracin y aplicacin no forman parte de este
curso, de manera que nicamente mostraremos el siguiente teorema.
Teorema 4.1
Sea V un espacio vectorial de dimensin n y W un espacio de dimensin m, sea T :
V W una transformacin lineal. Sea B 1 = {v 1 , v 2 , . . . v n } una base para V y sea B 2 =
{w 1 , w 2 , . . . w m } una base para W . Entonces existe una matriz nica A T de mxn tal que
[T (x)]B 2 = A T ([x]B 1 ).
Este teorema nos indica que cada vez que tomemos bases diferentes, para los espacios vec-
toriales de una transformacin lineal tendremos una representacin matricial diferente, sin
embargo cualquiera de estas matrices ser similar a las otras.
Observacin
Recuerda que dos matrices A, B son similares si existe otra matriz no singular P tal que
A = P 1 B P .
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
Proposicin 4.6
Transformaciones Lineales
especiales llamadas expansiones, compresiones, reflexiones, cortes y rotaciones.
Recordemos que al multiplicar un vector por un escalar c > 1, el resultado ser un vector c
veces ms grande que el vector original, si solo multiplicamos una componente entonces el
vector crecer solamente en la direccin correspondiente a esa componente, con esta idea en
mente podemos definir
Definicin 4.7 Expansin sobre el eje X
Una expansin a lo largo del eje X es una transformacin lineal T : R2 R2 que mul-
tiplica a la coordenada x de un vector en R2 por una constante |c| > 1 y se representa
como: ! !
x cx
T =
y y
Observacin
Por expansin sobre el eje X debemos entender que el efecto no es estirar la figura hori-
zontalmente hacia los dos lados, sino multiplicar por c cada una de las coordenadas en
x.
Solucin .
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
La matriz correspondiente es !
3 0
AT =
0 1
Al aplicarla a cada vector tenemos
99
! ! ! ! ! ! ! ! ! ! ! !
3 0 1 3 3 0 3 9 3 0 3 9 3 0 1 3
= , = = , = .
0 1 1 1 0 1 1 1 0 1 3 3 0 1 3 3
2 4 6 8 10 2 4 6 8 10
-1 -1
Una expansin a lo largo del eje Y es una transformacin lineal T : R2 R2 que mul-
tiplica a la coordenada y de un vector en R2 por una constante |c| > 1 y se representa
como: ! !
x x
T = .
y cy
Observacin
Por expansin sobre el eje X debemos entender que el efecto no es estirar la figura hori-
zontalmente hacia los dos lados, sino multiplicar por c cada una de las coordenadas en
x.
Hallar la matriz de transformacin para expandir -1.5 veces el eje Y y aplicarlo al crculo
de radio 2 centrado en el origen.
Solucin .
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
La matriz correspondiente es !
1 0
AT =
0 1.5
Consideremos los puntos (2, 0), (0, 2), (2, 0) y (0, 2) que corresponden al crculo pedido
y apliquemos la transformacin
! ! ! ! ! ! 100
1 0 2 2 1 0 2 2
= , = ,
0 1.5 0 0 0 1.5 0 0
! ! ! ! ! !
1 0 0 0 1 0 0 0
= , = .
0 1.5 2 3 0 1.5 2 3
Geomtricamente la transformacin es:
Transformaciones Lineales
3 3
2 2
1 1
-3 -2 -1 1 2 3 -3 -2 -1 1 2 3
-1 -1
-2 -2
-3 -3
Ahora al multiplicar un vector por un escalar |c| < 1, el resultado ser un vector c veces ms
pequeo que el vector original,
Definicin 4.9 Contraccin sobre el eje X
Una contraccin a lo largo del eje X es una transformacin lineal T : R2 R2 que mul-
tiplica a la coordenada x de un vector en R2 por una constante |c| < 1 y se representa
como: ! !
x cx
T =
y y
Una contraccin a lo largo del eje Y es una transformacin lineal T : R2 R2 que mul-
tiplica a la coordenada y de un vector en R2 por una constante |c| < 1 y se representa
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
como: ! !
x x
T = .
y cy
Hallar la matriz de transformacin para contraer 0.5 veces el eje X y aplicarlo al tringulo
rectngulo con vrtices (0, 0), (2, 0) y (2, 2).
Solucin .
La matriz correspondiente es !
0.5 0
AT =
0 1
Aplicando la matriz de transformacin
! ! ! ! ! ! ! ! !
0.5 0 0 0 0.5 0 2 1 0.5 0 2 1
= , = , = ,
0 1 0 0 0 1 0 0 0 1 2 2
2 2
1 1
-3 -2 -1 1 -3 -2 -1 1
-1 -1
Cuando se multiplica el vector por un escalar negativo en particular por 1, ste cambia de
direccin, si solo se multiplica una componente, entonces se produce un efecto de reflexin
sobre el eje que corresponde a la componente que se est multiplicando.
! !
x x
T = , refleja a un vector respecto al eje Y .
y y
! !
x y
T = , refleja a un vector respecto a la recta x = y.
y x 102
Al aplicar la transformacin sobre la base cannica de R2 obtenemos las siguientes matrices:
!
1 0
, que es la matriz de transformacin correspondiente a la reflexin respecto al
0 1
Transformaciones Lineales
eje X .
!
1 0
, que es la matriz de transformacin correspondiente a la reflexin respecto al
0 1
eje Y .
!
0 1
, que es la matriz de transformacin correspondiente a la reflexin respecto a la
1 0
recta x = y.
Reflejar respecto a la recta x = y la figura descrita por los siguientes puntos, (4, 1),
(4, 3), (6, 3), (3, 6), (0, 3), (2, 3), (2, 1) y (4, 1).
Solucin .
Aplicando la matriz de transformacin para reflejar sobre la recta x = y
! ! ! ! ! !
0 1 4 1 0 1 0 3
1. = 5. =
1 0 1 4 1 0 3 0
! ! ! ! ! !
0 1 4 3 0 1 2 3
2. = 6. =
1 0 3 4 1 0 3 2
! ! ! ! ! !
0 1 6 3 0 1 2 1
3. = 7. =
1 0 3 6 1 0 1 2
! ! ! ! ! !
0 1 3 6 0 1 4 1
4. = 8. =
1 0 6 3 1 0 1 4
Geomtricamente la transformacin es:
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
2 2
-6 -4 -2 2 -6 -4 -2 2
-2 -2
103
-4 -4
-6 -6
Si ahora, en vez de multiplicar las componentes de un vector le sumamos una cantidad escalar
variable, obtenemos algunas deformaciones interesantes, en particular tenemos los siguientes.
Definicin 4.12 Corte sobre el eje X
La matriz de transformacin que se obtiene al aplicar la trasformacin lineal sobre la base ca-
nnica es: !
1 c
AT =
0 1
Encontrar la matriz de transformacin para realizar un corte sobre el eje X con la cons-
tante c = 2 y aplicarlo al cuadrado definido por los puntos (1, 1), (3, 1), (3, 3) y (1, 3).
Solucin .
Aplicando la matriz de transformacin para reflejar sobre la recta x = y
! ! ! ! ! !
1 2 1 3 1 2 3 9
1. = 3. =
0 1 1 1 0 1 3 3
! ! ! ! ! !
1 2 3 5 1 2 1 7
2. = 4. =
0 1 1 1 0 1 3 3
Geomtricamente la transformacin es:
6 6
5 5
4 4
3 3
2 2
1 1
2 4 6 8 2 4 6 8
-1 -1
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
Es posible tambin hallar una transformacin lineal que gira grados a un punto P con res-
Transformaciones Lineales
pecto al origen. Esto lo hacemos haciendo uso de coordenadas polares; es decir, si tenemos el
punto (x, y) expresado en trminos de coordenadas polares como
(
x = r cos
(4.2)
y = r sen
y queremos girarlo un ngulo de grados con respecto al origen, las nuevas coordenadas (x 0 , y 0 )
seran (
x 0 = r cos( + )
(4.3)
y 0 = r sen( + )
Escribiendo la ecuacin 4.3 en forma matricial y con la ayuda de la identidad 4.4, tenemos:
! ! !
x0 cos sen x
=
y0 sen cos y
Girar 70 grados el rectngulo con vrtices (1, 2), (2, 2), (1, 3), (2, 3) y representarlo gr-
ficamente.
Solucin .
105
Solucin .
Aplicando la matriz de transformacin a cada vector
! ! ! !
cos 70o sen 70o 1 cos 70o 2 sen 70o 1.537
1. = =
sen 70o cos 70o 2 sen 70o + 2 cos 70o 1.623
! ! ! !
cos 70o sen 70o 2 2 cos 70o 2 sen 70o 1.195
2. = =
sen 70o cos 70o 2 2 sen 70o + 2 cos 70o 2.563
! ! ! !
cos 70o sen 70o 1 cos 70o + 3 sen 70o 3.161
3. = =
sen 70o cos 70o 3 sen 70o 3 cos 70o 0.086
! ! ! !
cos 70o sen 70o 2 2 cos 70o + 3 sen 70o 3.503
4. = =
sen 70o cos 70o 3 2 sen 70o 3 cos 70o 0.853
2 2
1 1
-3 -2 -1 1 2 3 4 -3 -2 -1 1 2 3 4
-1 -1
-2 -2
-3 -3
-4 -4
0 0 1
donde las constantes c y d son los valores que se traslada el objeto en el eje X y Y respectiva-
mente.
4.4 Geometra y aplicaciones de las transformaciones lineales lgebra lineal.
Transformaciones Lineales
1
Con estos pequeos cambios, podemos trabajar todas las transformaciones geomtricas sin
problemas, entendiendo que si esta incluida una traslacin, trabajaremos solamente con ma-
trices de 3 3; si no hay traslaciones podemos trabajar en el plano, es decir, simplemente con
matrices de 2 2 .
Solucin .
1 0 5
La matriz de transformacin es 0 1 3. La aplicamos a algunos puntos especficos
0 0 1
del crculo; por ejemplo, a los puntos (1, 0, 1), (0, 1, 1), (1, 0, 1), (0, 1, 1), para obtener las
nuevas coordenadas de dichos puntos.
4 4
2 2
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-2 -2
-4 -4
!
1 0
3. Una reflexin a lo largo del eje X representado por la matriz .
0 1
!
1 0
4. Un corte respecto del eje Y representado por .
3 1
La matriz que representa todas estas transformaciones aplicadas una seguida de otra, se obtie-
ne multiplicando las matrices dadas, pero acomodndolas de izquierda a derecha, comenzan-
107
do por la ltima transformacin y terminado con la primera; es decir,
! ! ! ! !
1 0 1 0 1 0 1 2 1 2
=
3 1 0 1 0 2 0 1 3 4
A este proceso se le conoce como concatenacin de matrices y nos permite simplificar nuestro
trabajo al juntar dos operaciones o ms en una sola. Por ejemplo para ampliar una imagen
c veces debemos expandir sobre el eje X y tambin sobre el eje Y sta cantidad de veces, si
concatenamos estas dos matrices, obtenemos
! ! !
1 0 c 0 c 0
=
0 c 0 1 0 c
que representa la matriz de transformacin para ampliar (si c > 1)o reducir (si c < 1) un objeto.
Describa la transformacin que gira grados con respecto a un centro fijo de rotacin
(h, k) un punto (x, y) y sela para rotar 20o el punto (3, 4) respecto al punto (1, 1).
Solucin .
Se determina la transformacin en tres pasos:
Observacin
Cuando se quiere que un punto del objeto a mover se quede fijo es necesario trasladarlo
para que que est ubicado en el origen.
Amplifquese el tringulo con vrtices A(0, 0), B (1, 1) y C (5, 2) al doble de su tamao man-
teniendo fijo el vrtice C (5, 2).
Solucin .
Se determina la transformacin en tres pasos:
Trasladar de manera que el punto C (5, 2) se encuentre en el origen.
0 0 1
gulo nos da las nuevas coordenadas, grficamente tenemos:
108
4 4
2 2
-4 -2 2 4 -4 -2 2 4
-2 -2
Transformaciones Lineales
-4 -4
z x + y2
1 1 2 0 1
2. Sea T : R3 R3 una transformacin lineal tal que T 0 = 1, T 1 = 2 y T 1 =
1 3 0 1 1
3 1
1, encontrar T 2.
2 3
1 2
3. Sea T : R3 P 2 una transformacin lineal tal que T 1 = 1 2x + x 2 , T 0 = 3 + x x 2 y
1 0
4.5 Evaluaciones sumativas lgebra lineal.
0 2
2
T 4 = 2 + 3x + 3x , encontrar T 3.
5 1
4. Sea T : C C tal que T (z) = (2 + 4i )z + a, determine el valor de a para que T sea transfor-
macin lineal.
5. Encuentra
109
! el!ncleo y la imagen de las siguientes transformaciones.
x x
a. T = .
y 0
!
x
b. T = x + y.
y
! !
x 3x + 2y
c. T = .
y x 23 y
! !
x x+y
d. T = .
y xy
!
2 3
e. T (A) = AB donde B = y A una matriz cualquiera de 3 2.
1 1
f. T ( f (x)) = f (x)d x donde f (x) es una funcin integrable.
R
8. Encuentra la representacin
! matricial
! de las siguientes transformaciones.
x x 2y
a. T : R2 R2 tal que T = .
y x + y
x !
3 2 x y +z
b. T : R R tal que T y = .
2x + 2y 2z
z
x x y + 2z
c. T : R3 R3 tal que T y = 3x + y + 4z .
z 3x + 6y + 3z
d. T : P 2 P 3 tal que T (p(x)) = p(x)(x + 1).
10. Escribe la matriz de transformacin que se necesita para cambiar el crculo de radio 2
centrado en el origen por una elipse de eje mayor igual a 8 unidades sobre X y eje menor de 2
unidades en Y y que adems este centrada en (2, 3).
4.5 Evaluaciones sumativas lgebra lineal.
11. Escribir la matriz de reflexin para cualquier punto P (x, y) con respecto a la recta y =
2x + 1 y usarla para hacer la reflexin del punto (2, 1).
12. Realice la reflexin del polgono en forma de diamante cuyos vrtices estn en A(1, 0),
B (0, 2), C (1, 0) y D(0, 2) con respecto a; a) la recta horizontal y = 1; b) la recta vertical x = 2.
110
Transformaciones Lineales
A Frmulas de geometra
111
Circunferencia r 2r r 2 .
Rectngulo b 2a + 2b a b.
a
c b
ah
Tringulo h
a +b +c .
2
a
(B + b)h
Trapecio a h 2a + b + B .
2
B
A.2 Figuras geomtricas 3D lgebra lineal.
5L a
Pentgono 5L .
a
2
L
112
Permetro = nL
rea = nLa
2 nLa
Polgono regular de n la- nL .
a 2
dos
L
Frmulas de geometra
a=apotema h= altura r=radio
4 3
Esfera 4r 2 r .
3
Cubo 6 L2 L3.
Cilindro cerrado 2 r (h + r ) A B h.
A.3 Geometra plana lgebra lineal.
1
Cono circular recto ce- r (g + h) A B h.
3
rrado
113
g=generatriz h= altura A B = rea de la base r=radio
1
1. 1 + tan2 (x) = sec2 (x) 5. sec(x) = cos(x)
1
2. 1 + cot2 (x) = csc2 (x) 6. cot(x) = tan(x)
sen(x)
3. 1 cos2 (x) = sen2 (x) 7. tan(x) = cos(x)
1 cos(x)
4. csc(x) = sen(x) 8. cot(x) = sen(x)
tan(x)tan(y)
6. tan(x y) = 1+tan(x) tan(y)
q
5. cos x2 = 1+cos
2
x
Frmulas de trigonometra
4. La funcin cot x es impar, se cumple que tan(x) = tan(x).
c.o. a c.a. b
1. sen A = = 4. cot A = = A
h c c.o. a
c.a. b h c c
2. cos A = = 5. sec A = = b
h c c.a. b
c.o. a h c
3. tan A = = 6. csc A = = B
c.a. b c.o. a a
donde h es la hipotenusa, c.o. es el cateto opuesto y c.a. el cateto adyacente.
Adems el teorema de pitgoras establece que:
c 2 = a2 + b2
1. Ley de senos:
a b c
= =
sen A senB senC
C
2. Ley de cosenos: b a
2 2 2
c = a + b 2a b cosC
A B
3. Ley de tangentes: c
A+B
a + b t an 2
=
a b t an AB
2
C Frmulas de derivadas
117
d d d
1. d x (c) = 0 22. d x (sec v) = sec v tan v d x (v)
d d d
2. d x (x) = 1
23. d x (csc v) = csc v cot v d x (v)
d d d d d
(v)
3. d x (u + v w) = d x (u) + d x (v) d x (w)
d pd x
24. d x (arcsin v) = 1v 2
d d
4. d x (cv) = c d x (v) d
d
(v)
25. (arc cos v) = pd x
d d d dx 1v 2
5. d x (uv) = u d x (v) + v d x (u)
d
d dx
(v)
d n n1 d 26. (arctan v) =
6. d x (v ) = nv d x (v)
dx 1+v 2
d
d n n1 d (v)
7. d x (x ) = nx
dx
27. d x (arccotv) = 1+v 2
d p
dv d
n d (v)
pd x
8. d x ( v) = n n v n1
dx
28. d x (arcsecv) = v v 2 1
p
d
d u (u) d e x +e x
10. dx 30. senh x = coth x =
dx ( c ) = c dx 2
d x d e x e x
11. = sg n(x), (x 6= 0) 31. cosh x = senh x =
d x |x| = |x| dx 2
d
d 1 d 32. tanh x = sec h 2 x
12. d x (ln v) = v d x (v)
dx
d
d log e d 33. d x sechx = tanh x(sechx)
13. d x (log v) = v d x (v)
d
d v v d 34. d x c schx = coth x(c schx)
14. d x (a ) = a ln a d x (v)
d
d v v d 35. dx cot hx = csc h 2 x
15. d x (e ) = e d x (v)
d p 1
d
dv
36. dx arg senh x =
16. v
d x (u ) = u
v
dx ln |u| + v ddx ln u x 2 +1
d p 1
37. dx arg cosh x =
d x x x 2 1
17. d x (x ) = x (1 + ln x)
d 1
d d 38. dx arg tanh x = 1x 2
18. d x (sen v) = cos v d x (v)
d p1
d d 39. dx arg sechx =
|x| 1x 2
19. d x (cos v) = sen v d x (v)
d p1
d 2 d 40. arg c schx =
20. d x (tan v) = sec v d x (v) dx |x| 1+x 2
d 2 d d
21. d x (cot v) = csc v d x (v) 41. dx arg coth x = x 211
lgebra lineal.
Adems si z(u) depende de u y a su vez u(x) depende de x, entonces la regla de la cadena nos
dice que
dz dz du
= .
dx du dx
118
Frmulas de derivadas
D Frmulas de integrales
119
Considerar que k es una constante y que v(x), u(x) son funciones que dependen de la variable
x.
Integrales bsicas.
R
1. d x = x + c.
R R
2. k d x = k d x = kx + c.
R R R R
3. (u + v w)d x = u d x + v d x w d x + c.
n+1
x d x = xn+1 + c,
R n
4. n 6= 1.
R 1
5. x d x = ln x + c.
R x
6. e d x = e x + c.
x
a d x = lna a + c.
R x
7.
(a+bx)n+1
(a + bx)n d x =
R
8. b(n+1) + c, n 6= 1.
dx
= b1 ln |a + bx| + c.
R
9. a+bx
xd x 1
R
10. a+bx = b2
[a + bx a ln(a + bx)] + c.
xd x 1
[ a
R
11. (a+bx)2
= b 2 a+bx
+ ln(a + bx)] + c.
x2d x 1 1
[ (a + bx)2 2a(a + bx) + a 2 ln(a + bx)] + c.
R
12. a+bx = b3 2
h i
x2d x 1 a2
R
13. (a+bx)2
= b3
a + bx a+bx 2a ln(a + bx) + c.
h i
xd x 1 1 a
R
14. (a+bx)3
= b2
a+bx + 2(a+bx)2 + c.
dx
= a1 ln( a+bx
R
15. x(a+bx) x ) + c.
dx b
1
ln( a+bx
R
16. x 2 (a+bx)
= ax +
a2 x ) + c.
lgebra lineal.
dx 1
12 ln( a+bx
R
17. x(a+bx)2
=
a(a + bx) a x ) + c.
R p 2(3bx2a)(a+bx) 2
3
18. x a + bx d x = 15b 2
+ c.
p 2(8a 2 12abx+15b 2 x 2 )(a+bx) 2
3
x 2 a + bx d x =
R
19. + c.
p
2(bx2a) a+bx
105b 3
120
p x
R
20. dx = 3b 2
+ c.
a+bx
p
R
px
2 2(8a 2 4abx+3b 2 x 2 ) a+bx
21. dx = 15b 3
+ c.
a+bx
1 p p
a+bx a
pd x
R
22. dx
= p ln p p + c, para a > 0.
x a+bx a a+bx+ a
R dx 2 q
arctan a+bx
Frmulas de integrales
23. p dx = p a + c, para a < 0.
x a+bx a
p p
a+bx pd x
R R
24. x dx = 2 a + bx + a + c.
x a+bx
Rp x
p 2
25. a2 x 2d x = 2 a 2 x 2 + a2 arcsin ax + c
x(a 2 x 2 )n/2 na 2 n
(a 2 x 2 )n/2 d x =
R 2
(a x 2 ) 2 1 d x
R
26. n+1 + n+1 n 6= 1
n
R 2 2 n/2 (a 2 x 2 ) 2 +1
27. x(a x ) dx = +c n 6= 2
n +2
p 1 = arc sen ax + c
R
28. dx
a 2 x 2
1 1
ln | a+x
R
29. a 2 x 2
dx = 2a xa | + c
1 1
ln( bxa
R
30. b 2 x 2 a 2
dx = 2ab bx+a ) + c
Rp x
p 2 p
31. x 2 a2d x = x 2 a 2 a2 ln(x + x 2 a 2 ) + c
2
p
p 1
R
32. d x = ln(x + x 2 a 2 ) + c
x 2 a 2
1 1
arctan bx
R
33. a 2 +b 2 x 2
d x = ab a +c
p p p
a 2 x 2 2 x 2 a ln( a+ a 2 x 2 ) + c
R
34. x d x = a x
p p p
x 2 +a 2 2 2
d x = x 2 + a 2 a ln( a+ xx +a ) + c
R
35. x
n
2
x 2 ) 2 +1
x(a 2 x 2 )n/2 d x = (a
R
36. n+2 +c
n
2
x 2 ) 2 +1 a2
x 2 (a 2 x 2 )n/2 d x = x(a (a x 2 )n/2 d x
R R 2
37. n+3 + n+3
R 1 x
38. p d x = arc sen a +c
a2 x2
p
1
a+ a 2 x 2
d x = a1 ln
R
39. p x +c
x a2 x2
lgebra lineal.
R x p
40. p d x = a2 x2 + c
a2 x2
x2 p 2
d x = x2 a 2 x 2 + a2 ar c sen
R x
41. p a +c
a2 x2
Integrales trigonomtricas
121
R
42. sen xd x = cos x + c
R
43. cos xd x = sen x + c
R
44. tan xd x = ln | sec x| + c
R
45. cot xd x = ln | sen x| + c
R
46. sec xd x = ln | sec x + tan x| + c
R
47. csc xd x = ln | csc x cot x| + c
sen2 x d x = 21 x 41 sen 2x + c
R
48.
cos2 mx d x = 12 x + 14 sen 2x + c
R
49.
tan2 x d x = tan x x + c
R
50.
cot2 x d x = cot x x + c
R
51.
sec2 x d x = tan x + c
R
52.
csc2 x d x = cot x + c
R
53.
n1
x cos x
senn x d x = sen + n1 senn2 x d x
R R
54. n n
cosn1 x sen x
cosn xd x = + n1 cosn2 x d x
R R
55. n n
tann1 x
tann xd x = tann2 x d x
R R
56. n1
cotn1 x
cotn x d x = cotn2 x d x
R R
57. n1
tan x secn2 x
secn x d x = + n2 n2
R R
58. n1 n1 sec x dx
cot x cscn2 x
cscn x d x = + n2 n2
R R
59. n2 n1 csc x dx
senn+1 x
senn x cos x d x =
R
60. n+1 +c
n+1
cosn x sen x d x = cosn+1 x + c
R
61.
R p
65. arc sen x d x = x arc sen x + 1 x 2 + c
R p
66. arc cos x d x = x arc cos x 1 x 2 + c
R p
67. arctan x d x = x arctan x ln( 1 + x 2 ) + c
R p
68. arc cotx d x = x arc cotx + ln( 1 + x 2 ) + c
R p 122
69. arc secx d x = x arc secx ln(x + x 2 1) + c
R p
70. arc cscx d x = x arc cscx + ln(x + x 2 1) + c
R
71. senh x d x = cosh x + c
Frmulas de integrales
R
72. cosh x d x = senh x + c
R
73. tanh x d x = ln(cosh x) + c
R
74. coth x d x = ln(senh x) + c
R
75. sechx d x = arctan(senh x) + c
cschx d x = ln(tanh x2 ) + c
R
76.
E Frmulas de clculo vectorial
123
El vector ~
a que une los puntos P 1 = (x 1 , y 1 , z 1 ) y P 2 = (x 2 , y 2 , z 2 ), est definido por:
~
a =< (x 2 x 1 ), (y 2 y 1 ), (z 2 z 1 ) >= (x 2 x 1 ) + (y 2 y 1 ) + (z 2 z 1 )k.
q
a = a 1 i + a 2 j + a 3 k es |~
La magnitud de un vector ~ a| = a 12 + a 22 + a 32 .
a = a 1 i + a 2 j + a 3 k y ~
Dados dos vectores ~ b = b 1 i + b 2 j + b 3 k:
1. El producto punto ~a ~
b = a1 b1 + a2 b2 + a3 b3 .
i j k
a ~
2. El producto cruz ~ b = a 1 a 2 a 3 = (a 2 b 3 a 3 b 2 )i (a 1 b 3 a 3 b 1 ) j + (a 1 b 2
b1 b2 b3
a 2 b 1 )k.
x0 y0 z0
cos k = cos = cos = .
|P 0 | |P 0 | |P 0 |
donde , , denotan los ngulosqque forma el vector P~0 con la parte positiva de los ejes
X , Y , Z respectivamente y |P 0 | = x 02 + y 02 + z 02
La ecuacin del plano que pasa por un punto P 0 (x 0 , y 0 , z 0 ) y tiene vector normal ~
n=
a + b + c k es:
ax + b y + c z + d = 0
donde d = (ax 0 + b y 0 + cz 0 ).
lgebra lineal.
|ax 0 + b y 0 + c z 0 + d |
D= p
a2 + b2 + c 2
a y~
El ngulo entre dos vectores ~ b es:
a ~
~ b
124
1. Usando producto punto; cos = .
a ||~
|~ b|
a ~
|~ b|
2. Usando producto cruz; sen = .
~
a ||b|
|~
Cambio de coordenadas
p
x2 + y 2
( (
x = r cos r=
El operador nabl a se define como = i x + j y + k z .
2. La divergencia de F~ (t ) es d i v F ~ = F1 + F2 + F3 .
~ = F
x y z
i j k
~ (t ) es r ot F
~ = F ~ =
3. El rotacional de F x y z
F1 F2 F3
2 f 2 f
+ y 2 + zz2 .
2
4. El laplaciano de f (x, y, z) es = f = 2 f = ( f ) = x 2
F Respuesta a ejercicios propuestos
125
Respuestas
Seccin 1.8
1. a. 5 + 92 i .
b. 1 + 3i .
c. 28i .
d. 3
2 + 2i .
6
e. 2 5i . 5 i.
6
f. 5 i.
5. a. 2 + 2i .
b. 7 i .
Respuestas de la seccin 2.7 lgebra lineal.
c. 20 4i .
d. w 1 = 4; w 2 = 4i ; w 3 = 4; w 4 = 4i .
p i 7/2
8. La forma exponencial de esta expresin es 2e 4 . Aplicando la frmula para elevar a
una potencia fraccionaria, obtenemos las races 3.1075 + 1.2872i y 3.1075 1.2872i .
(
p +q =6
9. a. Consideremos el sistema que, resolvindolo, genera los nmeros pedidos,
p q = 18
3 3i , 3 + 3i .
b. Como 3, 2+i y 2i son races de la ecuacin, escribimos (z (3))(z (2+i ))(z (2i ))
y multiplicando, obtenemos una de las ecuaciones que es z 3 z 2 7x + 15 = 0.
10. a. 12 21
13 13 i .
3
b. 2 12 i .
Seccin 2.7
6 3 6
1. a. A + B = 1 3 8 .
3 0 4
b. No se puede resolver pues las matrices A y C no son del mismo tamao.
48 21
c. AC + BC = 20 12 .
22 21
15 12 10
d. A 2 AB = 19 32 18 .
25 18 30
e. No se puede realizar el producto C A.
47
2 2 20
f. 3A + 21 B +C D = 10 13 30 .
29
2 3 23
2
!
1 9 16
g. D A + D = .
17 6 8
Respuestas de la seccin 2.7 lgebra lineal.
11 1 5
58 58 58
2. a. A 1 = 15 25 9
58 58 58 .
3 5 4
29 29 29
7 6 10
22 11 11
5 7 8
b. B 1 =
11
1
22
11
4
11
3
.
127
11 11
5 1
!
1 36 12
c. C = 1
.
18 16
3 1
!
7 7
d. D 1 = .
47 1
7
e. F No tiene inversa.
13 1
38
16 16
3. a. Matriz no singular, A 1 = 15 5 1
.
16 16 8
38 1
8
1
4
1 3
25
5 10
1 4
b. Matriz no singular, B 1 = 45
15 15 .
1 7 1
15 30 5
c. Matriz singular.
1 1
0 4 8
d. Matriz no singular, D 1 = 34 11
1 .
8
3 15
1 4 8
4. a. |A| = 0.
b. |B | = 24.
c. |C | = 66.
d. |D| = 480.
7. a. x = 13 11
5 , y = 5 .
b. No tiene solucin.
c. x = 16 , y = 83 .
e. x = 1, y = 1, z = 1.
f. No tiene solucin.
g. x = 14
3 ,y=
44
15 , z = 34
15 .
Respuestas de la seccin 3.6 lgebra lineal.
Seccin 3.6
1. a. Falla la propiedad 6, no puede ser espacio vectorial.
i. Este conjunto esta formado por los puntos del intervalo que va desde 2 hasta 2. Falla la
propiedad de cerradura bajo la suma y la multiplicacin, no es espacio vectorial.
b. Si es subespacio vectorial, H representa a los puntos sobre la recta que pasa por el origen
y tiene un ngulo de 45o .
c. Este conjunto representa los puntos dentro del disco centrado en el origen de radio 1. No
es subespacio pues no es cerrado bajo la suma.
d. Es subespacio vectorial.
c. Tenemos 3 vectores que son linealmente independientes (probarlo) por lo tanto generan
a R3 .
4. a. (2, 3, 1). Escribir el vector (1, 1, 2) como combinacin lineal de la base y resolver el
sistema.
b. 37 29 24
31 , 31 , 31 .
!
1/5 8/5
5. a. La matriz de transicin es P = .
3/5 1/5
b. [v]B2 = ( 21 12
5 , 5 ).
Respuestas de la seccin 4.5 lgebra lineal.
1/2 5/2 3/2
6. a. La matriz de transicin es P = 1/2 3/2 3/2 .
1 3/2 1
b. [v]B2 = (7, 7, 15/2).
3
19 24
13
c. La matriz inversa es P 1 =
4
13
13
8
13
13
6
13 luego [v]B = 38 , 16 , 14 .
1
13 13 13
129
3 7 2
13 13 13
7. a. Son linealmente dependientes.
b. Primero observemos que el conjunto H est formado por los puntos que forman el plano
dado por la ecuacin 2x y z = 0, luego encontrar 2 vectores linealmente independientes y
finalmente realizar el proceso de ortonormalizacin.
Seccin 4.5
1. a. Si es transformacin.
d. Si es transformacin.
e. Si es transformacin.
f. Si es transformacin.
3 7 3 1 0 1
transformacin lineal.
2 2 1 2 0
41 121 35 2
3. T 3 = + x x . Escribir 3 como combinacin lineal de 1, 0 y 4 y
2 2 2
1 1 1 0 5
aplicar la transformacin lineal.
5. a. El ncleo est generado por el vector (0, y), la imagen se representa por vectores de la
forma (x, 0).
3 6 3
1 0 0
1 1 0
d. A T =
0 1 1
0 0 1
9. a.
6 6
5 5
4 4
3 3
2 2
1 1
-1 1 2 3 4 5 6 -1 1 2 3 4 5 6
-1 -1
b.
5 5
4 4
3 3
2 2
1 1
-6 -4 -2 2 -6 -4 -2 2
-1 -1
-2 -2
Respuestas de la seccin 4.5 lgebra lineal.
c.
2 2
1 1
-2 -1 1 2 -2 -1 1 2 131
-1 -1
-2 -2
11. Primero se busca el punto de interseccin de la recta con el eje Y que es (0, 1) y el ngulo
de inclinacin de la recta = 63.430 , luego se debe realizar los siguientes pasos:
0.599862 0.800104 0.800104
Finalmente la matriz de reflexin quedar como 0.800104 0.599862 0.400138 y apli-
0. 0. 1.
cndola al vector (2, 1) se obtiene el punto (1.199, 2.60).
a) Las coordenadas nuevas son A 0 (1, 4), B 0 (0, 6), C 0 (1, 4), D 0 (0, 2).
b) A 0 (5, 0), B 0 (4, 2), C 0 (3, 0), D 0 (4, 2). En este caso no es necesario rotar pues se puede hacer
una reflexin sobre el eje Y .
Bibliografa 133
[1] Stanley I. Grossman, Algebra Lineal, Mc. Graw Hill, quinta edicin (2008).
[2] Ruel V. Churchill, James Ward Brown, Variable compleja y Aplicaciones, Mc. Graw Hill
(2006).
[3] Tom M. Apostol, Mathematical Anlisis, Segunda edicin, Pearson Education Asia Limited
and China Machine
[4] Ron Larson, Fundamentos de lgebra lineal, sptima edicin, Cengage Learning, (2015).
[5] Ben Noble, James W. Daniel, lgebra lineal aplicada, tercera edicin, PRENTICE-HALL HIS-
PANOAMERICANA, S.A., (1989).
[6] Lay, David C, lgebra lineal y sus aplicaciones, tercera edicin, Pearson Educacin, 2006.
[7] Anton, Howard, Introduccin al lgebra lineal, cuarta edicin, Limusa, 2008.
[9] Williams, Gareth, lgebra lineal con aplicaciones, cuarta edicin, McGraw-Hill, 2007.
[10] Solar Gonzlez, Eduardo, Apuntes de lgebra lineal, tercera edicin, Limusa, 2006.
[11] Kolman, Bernard, lgebra lineal con aplicaciones y Matlab, octava edicin, Pearson Edu-
cacin, 2006.