Manual de Álgebra Lineal

Villaseor A. Gabriel, Gutirrez G.
Enif,
Escudero G. Carlos, Vega C. Rubn,
Espinosa R. Salomn, Espinosa R. Jose
lgebra
Lineal Para estudiantes de ingeniera
Tecnolgico Nacional de Mxico

Instituto Tecnolgico de Morelia. Departamento de Ciencias Bsicas.
III
Acerca de los autores
Gabriel Villaseor Aguilar.Doctor en Matemticas por la Universidad

Michoacana de San Nicols de Hidalgo (UMSNH) y Doctor en Ciencias
Matemticas por la Universidad Nacional Autnoma de Mxico (UNAM).
Es miembro del Sistema Nacional de Investigadores (SNI). Actualmente
labora en el Instituto Tecnolgico de Morelia (ITM), adscrito al Depar-
tamento de Ciencias Bsicas. Se ha destacado por participar como ase-
sor del equipo de estudiantes representativo del ITM en los concursos
organizados el Tecnolgico Nacional de Mxico (TNM), ha participado
como jurado en los concursos organizados por la Asociacin Nacional
de Facultades y Escuelas de Ingeniera (ANFEI), colabora tambin como
docente de sistema abierto en la maestra de la Universidad Politcnica
de Aguascalientes (UPA), actualmente ocupa el cargo de coordinador de
educacin continua y a distancia del Tecnolgico de Morelia.
Enif Guadalupe Gutirrez Guerrero. Doctora en Ciencias en el rea

de Fsica por la Universidad Michoacana de San Nicols de Hidal-
go (UMSNH). Es miembro del Registro de Investigadores Michoacanos
(RIM) y del Sistema Nacional de Investigadores (SNI). Actualmente labo-
ra en el Instituto Tecnolgico de Morelia (ITM), adscrita al Departamen-
to de Ciencias Bsicas y se ha destacado por participar como asesora del
equipo de estudiantes representativo del ITM en los concursos organi-
zados por la Asociacin Nacional de Facultades y Escuelas de Ingeniera
(ANFEI) y el Tecnolgico Nacional de Mxico (TNM). Cuenta con expe-
riencia docente hasta nivel Posgrado.
Carlos Fabin Escudero Garca. Maestro en Ingeniera Mecnica por el

Instituto Tecnolgico de Morelia (ITM). Labor para las empresas Can-
non Mills S.A. de C.V., Textil Alma S.A. de C.V., Meratex S.A. de C.V., Cano-
fil S.A. de C.V. y Ponan Mills S.A. de C.V. desde 1993 a 2009. Docente co-
laborador en el Departamento de Ingeniera Industrial de la Universidad
Marista de Guadalajara (UMG) en varios semestres durante el periodo de
1998 a 2005. Actualmente labora en el ITM como Jefe del Departamento
de Ingeniera Elctrica, desempeandose antes tambin, como Jefe del
Departamento de Ciencias Bsicas en la misma institucin.
Salomn Espinosa Romero. Ingeniero Electrnico por el Instituto Tec-
nolgico de Morelia (ITM) y candidato a obtener el grado de M.C. en
Ingeniera Elctrica. Ha participado en la produccin de distintos pro-
gramas locales y nacionales de radio y TV. Actualmente labora en el ITM
adscrito al Departamento de Ciencias Bsicas, donde se ha destacado
por participar como asesor del equipo de estudiantes representativo de
la Institucin en los concursos organizados por la Asociacin Nacional
de Facultades y Escuelas de Ingeniera (ANFEI) y el Tecnolgico Nacio-
nal de Mxico (TNM), adems de ser el responsable del Laboratorio de
Dibujo y Cmputo del mismo Departamento de Ciencias Bsicas.
Rubn Vega Cano. Maestro en Ciencias por el Centro de Investigacin

y Estudios Avanzados del Instituto Politcnico Nacional (CINVESTAV-
IPN). Actualmente labora en el Instituto Tecnolgico de Morelia (ITM),
adscrito al Departamento de Ciencias Bsicas. Se ha destacado por par-
ticipar como asesor del equipo de estudiantes representativo del ITM
en los concursos organizados por el Tecnolgico Nacional de Mxico
(TNM). Cuenta con experiencia docente hasta nivel Posgrado.
Josu Espinosa Romero. Ingeniero en Sistemas Computacionales por la

Universidad Michoacana de San Nicols de Hidalgo (UMSNH). Actual-
mente labora como docente interino en el Instituto Tecnolgico de Mo-
relia (ITM).
prefacio V
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.
Es importante, para el estudiante, aprender el concepto de transformaciones elementales por

rengln para desarrollar el escalonamiento de una matriz como mtodo para obtener la inver-
sa. Para determinar si una matriz tiene inversa o no, evitando el concepto de determinante en
este momento, se aborda el concepto de rango como el nmero de renglones con al menos un
elemento diferente de cero de cualquiera de sus matrices escalonadas. Asimismo, se propone
que al final de la unidad dos se estudien aplicaciones tales como anlisis de redes, modelos
econmicos y grficos. Es importante resaltar que lo analizado aqu se utilizar en unidades
posteriores de esta asignatura como en la dependencia lineal de vectores y la representacin
de transformaciones lineales, y en otras asignaturas como en el clculo del wronskiano para la
dependencia lineal de funciones.
En la siguiente unidad se estudian los espacios vectoriales que se presentan en el temario de

manera concisa, pero comprenden lo esencial de ellos. El temario de transformaciones linea-
les se presenta condensado haciendo nfasis en las aplicaciones y en la transformacin lineal
como una matriz.
Los contenidos presentados constituyen los elementos bsicos indispensables. Se proponen

actividades de aprendizaje que permitan al alumno conocer el ambiente histrico que da ori-
gen a los conceptos del lgebra lineal, y a partir de ello extender el conocimiento.
Las actividades de aprendizaje recomendadas pretenden servir de ejemplo para el desarrollo

de las competencias, mencionadas ms adelante en este documento, y se propone adecuarlas
a la especialidad y al contexto institucional.
Prlogo
Prlogo a la primera edicin
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.
Academia de Ciencias Bsicas del Instituto Tecnolgico de Morelia.

Competencias a desarrollar
Competencias especficas
Resolver problemas de aplicacin e interpretar las soluciones utilizando matrices y siste-

mas de ecuaciones lineales para las diferentes reas de la ingeniera.
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
Procesar e interpretar datos
Representar e interpretar conceptos en diferentes formas: numrica, geomtrica, alge-

braica, trascendente y verbal.
Comunicarse en el lenguaje matemtico en forma oral y escrita.
Modelar matemticamente fenmenos y situaciones.
Pensamiento lgico, algortmico, heurstico, analtico y sinttico.
Potenciar las habilidades para el uso de tecnologas de la informacin.
Resolucin de problemas.
Analizar la factibilidad de las soluciones.
Toma de decisiones.
Reconocimiento de conceptos o principios integradores.
Establecer generalizaciones.
Argumentar con contundencia y precisin.
Objetivo general del curso (competencia especfica a desarrollar

en el curso)
Resolver problemas de aplicacin e interpretar las soluciones utilizando matrices y sistemas

de ecuaciones lineales para las diferentes reas de la ingeniera. Identificar las propiedades de
los espacios vectoriales y las transformaciones lineales para describirlos, resolver problemas y
vincularlos con otras ramas de las matemticas.
Competencias previas
Manejar el concepto de los nmeros reales y su representacin grfica.
Usar las operaciones con vectores en el plano y el espacio.
Resolver ecuaciones cuadrticas.
Emplear las funciones trigonomtricas.
Graficar rectas y planos.
Obtener un modelo matemtico de un enunciado.
Utilizar software matemtico.
Sugerencias didcticas (desarrollo de competencias genricas)

Despertar la curiosidad de la investigacin con biografas de personas que hicieron apor-
taciones a las matemticas o problemas hipotticos con el fin de acrecentar el sentido y
la actitud crtica del estudiante.
Utilizar software de matemticas (Mathcad, Mathematica, Maple, Matlab) y calculadoras

graficadoras para facilitar la comprensin de conceptos, la resolucin de problemas, la
construccin de grficas y la interpretacin de resultados.
Desarrollar prcticas de tal manera que los estudiantes apliquen los conocimientos ad-
quiridos y los relacionen con su carrera.
Proponer problemas que:
Permitan al estudiante la integracin de los contenidos, para su anlisis y solucin.

Refuercen la comprensin de conceptos que sern utilizados en materias posterio-
res.
Modelen y resuelvan situaciones reales de ingeniera mediante conceptos propios
del lgebra lineal.
Discutir en grupos para intercambiar ideas argumentadas as como analizar conceptos y

definiciones.
Desarrollar la induccin, deduccin, sntesis y anlisis para fomentar las cualidades de

investigacin.
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.
Elaboracin de modelos o prototipos.
Anlisis y discusin grupal.
Resolucin de problemas con apoyo de software.
Exmenes escritos para comprobar el manejo de aspectos tericos y declarativos.

NDICE GENERAL XI
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
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
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
Ejercicios 108
A F RMULAS DE GEOMETRA 111

A.1 Figuras geomtricas 2D 111
A.2 Figuras geomtricas 3D 112
A.3 Geometra plana 113
B F RMULAS DE TRIGONOMETRA 115
C F RMULAS DE DERIVADAS 117

D F RMULAS DE INTEGRALES 119
E F RMULAS DE CLCULO VECTORIAL 123
F R ESPUESTA A EJERCICIOS PROPUESTOS 125
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.
Competencia especfica a desarrollar

Manejar los nmeros complejos y las diferentes formas de representarlos, as como las opera-
ciones entre ellos para tener una base de conocimiento a utilizar en ecuaciones diferenciales y
en diferentes aplicaciones de ingeniera.
Actividades de Aprendizaje
Investigar el origen del trmino nmero imaginario.
Discutir el proceso de solucin de una ecuacin cuadrtica que cumpla la condicin b 2

p
4ac < 0 para introducir la definicin de i = 1 .
Comprobar las soluciones de una ecuacin cuadrtica que cumpla la condicin b 2

4ac < 0 para introducir las operaciones de suma y multiplicacin de nmeros complejos.
Reconocer que cualquier potencia del nmero imaginario i se puede representar como
i o 1.
Graficar un mismo nmero complejo en la forma rectangular y su forma polar en el plano

complejo para deducir las frmulas de transformacin entre diferentes formas de escri-
bir nmeros complejos.
Analizar la frmula de Euler para convertir un nmero complejo a su forma polar o rec-
tangular.
Ejercitar las operaciones de suma, multiplicacin y divisin con complejos representa-

dos en sus diferentes formas.
1.1 Nmeros imaginarios. lgebra lineal.
Analizar el teorema de De Moivre y aplicarlo para extraer potencias y races de nmeros

complejos.
Resolver ecuaciones polinmicas con races complejas.
Utilizar software matemtico para resolver operaciones con nmeros complejos.
Resolver problemas de aplicacin en ingeniera que involucren el uso de los nmeros

2
complejos.
1.1 Nmeros imaginarios.

Los nmeros imaginarios surgen de la necesidad de resolver problemas que con nmeros reales
son difciles o imposibles de solucionar, uno de estos casos ocurre cuando es necesario obtener
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,
donde a i se le denomina unidad imaginaria.
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
El hecho de descomponer a n en una expresin que contiene una multiplicacin de 4 por un

factor, es porque sabemos que i 4 = 1 y podemos aprovechar esta situacin para simplificar
nuestra expresin.
Ejemplo 1.1 Potencias del nmero imaginario i
Considerando las caractersticas exponenciales del nmero imaginario, expresa i 39 en

trminos de i o 1.
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 .
Ejemplo 1.2 Potencias del nmero imaginario i
Considerando las caractersticas exponenciales del nmero imaginario, expresa i 23 en

trminos de i o 1.
Solucin .
Primero descomponemos 23 = 4(6) + 1 luego escribimos
i 23 = i 4(6)+1 = (i 4 )6 (i ) = (1)6 (i ) = i .
Ejemplo 1.3 Nmero imaginario elevado a la potencia cero
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.
1.2 Definicin de nmeros complejos

Observemos que se pueden identificar los nmeros reales dentro del plano cartesiano como el
par (x, 0), x R. Tambin podemos representar al conjunto de nmeros imaginarios como el
1.2 Definicin de nmeros complejos lgebra lineal.
Eje Imaginario
Eje Real 4
Figura 1.1. Plano complejo
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
Figura 1.2. Nmeros complejos en el plano
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
z = (x, 0) + (0, y) = (x, y).

1.3 Operaciones con nmeros complejos. lgebra lineal.
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.
Ejemplo 1.4 Puntos en el plano complejo
Graficar los puntos z 1 = 2 + 2i , z 2 = 3 + i y z 3 = 0 2i en el plano 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
De acuerdo a su posicin en el plano complejo, claramente se puede ver que dos n-

meros complejos son iguales si y solo si tienen partes reales iguales y partes imaginarias
iguales; es decir
z1 = z2 si y solo si Re z 1 = Re z 2 e I m z1 = I m z2
1.3 Operaciones con nmeros complejos.

Para realizar operaciones con nmeros complejos es ms prctico usar la notacin z = x + yi ,
con la cual estaremos trabajando de aqu en adelante, sin embargo, es importante recalcar que
siempre es bueno asociar una operacin compleja en su forma geomtrica, que siempre es
posible hacerlo, representado los nmeros complejos como vectores en el plano y haciendo
uso de sus operaciones ya definidas.
1.3.1 Suma de nmeros complejos.

Sean z 1 = x 1 + y 1 i y z 2 = x 2 + y 2 i dos nmeros complejos. Para hacer la operacin de suma,
basta con sumar por separado la parte real y la parte imaginaria en la siguiente forma:
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 .
Ejemplo 1.5 Suma de nmeros complejos
Dados z 1 = 3 4i , z 2 = 1 + 2i y z 3 = 41 i realizar la suma z 1 + z 2 + z 3 .

6
Solucin .
z 1 + z 2 + z 3 = (3 4i ) + (1 + 2i ) + (1/4i ) = 4 49 i .
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.
Propiedad asociativa: Sean z 1 ,z 2 y z 3 C, se cumple (z 1 + z 2 ) + z 3 = z 1 + (z 2 + z 3 ).
Propiedad conmutativa: Sean z 1 y z 2 C se cumple que z 1 + z 2 = z 2 + z 1
Existencia del elemento neutro: Existe un elemento 0 C tal que z + 0 = 0 + z = z; este

elemento es 0 + 0i .
Existencia del inverso aditivo: Todo nmero complejo z C, tiene un inverso aditivo
z C tal que z + (z) = 0.
1.3.2 Multiplicacin de nmeros complejos.

Para realizar la operacin de multiplicacin dentro de los nmeros complejos procedemos en
la siguiente forma: primero consideramos como si fueran polinomios y los multiplicamos si-
guiendo el procedimiento para el producto algebraico polinomial, es decir;
Dados dos nmeros complejos z 1 = x 1 + yi 1 y z 2 = x 2 + y 2 i , su producto es
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)
Ejemplo 1.6 Producto de nmeros complejos
Dados z 1 = 2 5i y z 2 = 1 2i , realizar el producto z 1 z 2 y obtener (z 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 ,
(z 1 )2 = (2 5i )2 = 4 20i + 25i 2 = 4 20i 25 = 21 20i .
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
Propiedad de cerradura: Para todo z 1 , z 2 C se cumple que z 1 z 2 C.
Propiedad asociativa: Sean z 1 ,z 2 y z 3 C, se cumple (z 1 z 2 )z 3 = z 1 (z 2 z 3 ).
Propiedad conmutativa: Sean z 1 y z 2 C se cumple que z 1 z 2 = z 2 z 1
Elemento neutro: Existe un elemento 1 C tal que z 1 = 1 z = z este elemento es 1 + 0i .

7
Inverso multiplicativo: Todo nmero complejo z 6= 0, tiene un inverso multiplicativo
1 1
z C tal que z( z ) = 1.
1.3.3 Mdulo o valor absoluto de un nmero complejo.

Debido a que a los nmeros complejos los identificamos como puntos en el plano complejo, no
es posible la comparacin, sin embargo, es til tener algn orden, por lo que podemos definir
el mdulo o valor absoluto de un nmero complejo, el cual nos definir la distancia de este
punto al origen en el plano complejo. As, con la ayuda del teorema de Pitgoras, obtenemos:
Definicin 1.3 Valor absoluto

El mdulo o valor absoluto de un nmero complejo z = (x + yi ) est dado por |z| =
p
x 2 + y 2.
Observacin
Decimos que un nmero complejo z 1 es ms grande que z 2 si z 1 est ms alejado del

origen; es decir, si |z 1 | > |z 2 |.
Ejemplo 1.7 Valor absoluto
Si tenemos los nmeros z 1 = 3 + 2i y z 2 = 1 + 4i , cul de los dos es ms grande?
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 .
Como ya se mencion en la definicin de valor absoluto, en realidad estamos midiendo la dis-

tancia del punto z = (x, y) al origen; sin embargo, esta definicin se puede generalizar para
medir la distancia entre cualesquiera dos nmeros complejos en la siguiente forma
q
d (z 1 , z 2 ) = |z 2 z 1 | = (x 2 x 1 )2 + (y 2 y 1 )2
Ejemplo 1.8 Distancia entre nmeros complejos
Encontrar la distancia entre los nmeros complejos z 1 = 3 2i , z 2 = 1 + 3i .
Solucin .
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|.
1.3.4 Nmeros complejos conjugados.
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.
Observemos que la propiedad 6 define con mayor claridad el inverso multiplicativo de un n-

mero complejo.
Ejemplo 1.9 Propiedades de los nmeros complejos
Mostrar que se cumple la propiedad 4 de los complejos conjugados.
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
imaginaria, escribimos la ecuacin anterior como
(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
(3 + 2i ) + 5 + 5i (6i ) = 8 + 13i = 8 13i .
Actividad complementaria 1.1
Simplificar la expresin (2 i )2 + 5 + 5i (1 2i )(1 2i ).
1.3.5 Divisin de nmeros complejos

Para realizar la divisin usaremos la conocida idea de multiplicar tanto numerador como de-
nominador por un mismo nmero. Adems, considerando la propiedad 1 del conjugado de un
nmero complejo, obtenemos la divisin 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.
Ejemplo 1.11 Divisin de nmeros complejos

3 1
Simplificar la siguiente expresin 23i 1+i .
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.
luego multiplicamos y dividimos por el conjugado del denominador,
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
3i 2i
Simplificar la expresin + .
4 + 2i 1 i
1.4 Formas polar y exponencial de un nmero com-
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
Figura 1.3. Representacin grfica del plano polar complejo
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
A r se le conoce como mdulo de z y mide la distancia del nmero complejo al

origen; por lo tanto, debe ser positivo.
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:
e i = cos + i sen (1.5)
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
Para calcular el ngulo, la calculadora da resultados normalmente entre y , por lo

que se debe siempre ubicar el nmero complejo en el plano para saber en que cuadrante
est, y en base a esto sumarle 2 ,, 3
2 o 2 radianes, segn sea el caso.
Ejemplo 1.12 Forma exponencial de nmeros complejos
Convertir a su forma exponencial z = 1 i .
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 .
Ejemplo 1.13 Forma polar y cartesiana de nmeros complejos
Convertir a su forma polar y luego a su forma cartesiana, el nmero z = 3.5e (/3)i .

Solucin .
Usando la frmula 1.5 de Euler tenemos que
z = 3.5 e (/3)i = 3.5[cos(/3) + i sen(/3)],
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.
Finalmente, aprovechando las propiedades de la funcin exponencial, podemos escribir el pro-

ducto de nmeros complejos descrito en la ecuacin (1.2) en la forma:
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
Ejemplo 1.14 Operaciones con nmeros complejos
Sean z 1 = 3i y z 2 = 2e (3/2)i . Convertir z 1 a su forma exponencial y luego encontrar z 1 z 2

y zz12 .
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
Dados los nmeros complejos z 1 = 5e (/3)i y z 2 = 2e (/4)i encontrar el producto z 1 z 2 y

escribirlo en su forma cartesiana.
1.5 Potencias y races de un nmero complejo

Expresar un nmero en su forma exponencial es bastante til, sobre todo cuando es necesario
realizar operaciones que involucran potencias o races de un nmero complejo.
1.5.1 Potencia de un nmero complejo.

Para elevar un nmero complejo a una potencia entera, podemos usar la forma binomial de
Newton o el tringulo de Pascal como se hace con los nmeros reales y as obtener el resultado.
Sin embargo, esto no es prctico si se quiere elevar a alguna potencia grande. En estos casos es
mejor expresar el nmero complejo en su forma exponencial, es decir:
z = r ei,
luego, elevando ambos trminos a una potencia n
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
Definicin 1.5 Potencias enteras de nmeros complejos
Las potencias enteras de un nmero complejo, z = r e i estn dadas por:
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 ).
Ejemplo 1.15 Una potencia grande de un nmero complejo
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.
Ejemplo 1.16 Operaciones con nmeros complejos

6
Simplificar la expresin (2 + 3i )2 (5 i ) .

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 .
1.5.2 Races de un nmero complejo

Si z es un nmero complejo, el nmero complejo w es raz nsima de z, si w n = z y se escribe
como w = z 1/n . Por lo que si queremos obtener la raz nsima de un nmero complejo, pode-
mos proceder de forma similar a como se hizo en las potencias; es decir, primero expresamos
el nmero en su forma exponencial
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 ,
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
Ejemplo 1.17 Races cbicas de nmeros complejos
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 .
Ejemplo 1.18 Races cuadradas
Encontrar las dos races cuadradas de z = 5 + 2i .
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
Cuando se calculan races cuadradas de un nmero complejo es suficiente con calcular

la raz principal y la otra ser el negativo de la primera raz.
Esta observacin se puede verificar si realizamos las grficas correspondientes a las nraces
de un nmero complejo.
Im Im Im
1.0 1.0 1.0
0.5 0.5 0.5
-1.0 -0.5 0.5 1.0

Real
-1.0 -0.5 0.5 1.0

Real
-1.0 -0.5 0.5 1.0

Real
15
-0.5 -0.5 -0.5
-1.0 -1.0 -1.0
(a) Races cuadradas (b) Races cbicas (c) Races cuartas
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.
Encontrar todas las races de (1 2i )2 .
1.5.3 Potencias fraccionarias

Sii reunimos estas dos operaciones (potencia y raz de un nmero complejo), obtendramos
una frmula para elevar un nmero complejo a cualquier potencia racional de la manera si-
guiente:
n (+2k)
n (+2k)
z n/m = z 1/m = r 1/m e m i = r n/m e m ni ,

por lo que podemos definir la potencia racional de un nmero complejo como sigue.
Definicin 1.7 Potencias racionales

La potencia racional de un nmero complejo est dada por la frmula
(+2k)
z n/m = r n/m e m
ni
para k = 0, 1 . . . m 1
Ejemplo 1.19 Potencias fraccionarias
Encontrar todas las potencias fraccionarias de (2 4i )5/2
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
z 1 = 39.3754 + 15.4411i y z 2 = 39.3754 15.4411i .

1.6 Logaritmo de un nmero complejo. lgebra lineal.
1.6 Logaritmo de un nmero complejo.

La funcin logaritmo complejo es la funcin inversa de la funcin exponencial compleja, de la
misma manera que el logaritmo natural ln x es la funcin inversa de la funcin exponencial e x .
Entonces, siguiendo esta idea, podemos definir el logaritmo complejo como
Definicin 1.8 Logaritmos 16

El logaritmo de un nmero complejo z, diferente de cero, es otro nmero complejo w,
de forma que se cumple la igualdad e w = z, y se denota como Log z.
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 ,
donde n es un nmero entero distinto de cero.
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)
mientras que una rama secundaria del logaritmo se obtiene con
Log z = ln r + i + 2ni , (1.10)
Observacin
La expresin Log 0 no est bien definida, pues no existe ningn nmero complejo
w que satisfaga e w = 0.
Para cada nmero complejo z 6= 0, la parte imaginaria del logaritmo principal, se

considera est contenida en el intervalo (, ].
1.6 Logaritmo de un nmero complejo. lgebra lineal.
Ejemplo 1.20 Logaritmo de un nmero
Dado el nmero z = 5, calcular el logaritmo principal y dos ramas de este logaritmo.
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
w 1 = ln 5 + 2i = 1.6094 + 6.2831i y tambin w 2 = ln 5 + 4i = 1.6094 + 12.57i .
Ejemplo 1.21 Logaritmo principal
Dado el nmero z = 3i , calcular el logaritmo principal.
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 .
En lo sucesivo, si no se especifica de que logaritmo se trata, se entender que se refiere al loga-

ritmo principal.
Ejemplo 1.22 Logaritmo de un producto de nmeros complejos
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
Ntese que en la parte derecha de la segunda ecuacin i 3

2 +i = 2 i no se le debe sumar
un mltiplo entero de 2 pues se trata de la parte imaginaria de un nmero complejo y
no del argumento de dicho nmero.
1.7 Ecuaciones polinomiales complejas lgebra lineal.
1.7 Ecuaciones polinomiales complejas

Las ecuaciones polinomiales con nmeros complejos, se clasifican de la misma manera que
con los nmeros reales, es decir el grado de la ecuacin esta determinado por el exponente de
mayor valor numrico presente en la ecuacin. Al igual que en el caso de los nmeros reales, es
posible resolver ecuaciones con una o ms incgnitas. De hecho, las tcnicas para resolverlas
son las mismas. 18
1.7.1 Ecuaciones de primer grado
Considerando que un nmero complejo z = x + y i , la ecuacin general de primer grado con
nmeros complejos tiene la forma:
ax + b y + c = 0, (1.11)
donde a, b, c C, y al menos una de las dos a o b distinta de cero.
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
1) Llevando la ecuacin (1.11) a la forma d z + ex + f y + g = 0.
a) Desarrollar la ecuacin completamente mediante operaciones algebraicas.

b) Factorizar un trmino d x + d yi de la ecuacin y sustituirlo por d z para que la
ecuacin quede en la forma d z + ex + f y + g = 0.
c) Despejar z completamente y realizar las operaciones de simplificacin del nu-
mero complejo que resulta.
2) Formando un sistema de ecuaciones.
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 .
Ejemplo 1.23 Ecuacin de primer grado
Resolver para z la ecuacin (1 + 3i ) z (4 + 3i ) = (1 2i ) (5 + 3i )
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
finalmente, multiplicando por 1, tenemos la solucin z = 1 + 5i .

Ejemplo 1.24 Ecuacin de primer grado
Resolver la ecuacin 2(x + y i ) 4(x + y i ) = 2 + 3i
Solucin .
Desarrollando la ecuacin y despus igualando las partes real e imaginaria, obtenemos
el sistema
19
(
4x 2y = 2,
2x 4y = 3.
La solucin de este sistema es x = 1 4

10 y y = 5 , que son la parte real e imaginaria respec-
tivamente, por lo que la solucin es z = 10 45 i .
1

Resolver la ecuacin 3(x + y i ) 4xi = 2y 6 + (x + y i )i por los dos mtodos propuestos
anteriormente.
1.7.2 Ecuaciones de segundo grado
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
Veamos algunos ejemplos de ecuaciones cuadrtica complejas.
Ejemplo 1.25 Ecuacin de segundo grado
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.
Ejemplo 1.26 Ecuacin de segundo grado
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
(2 i ) + 4(0.328 6.091i ) (2 i ) + 1.312 24.364i 3.312 25.364i

z1 = = = = 0.83 6.34i
4 4 4
Nmeros Complejos
y tambin
(2 i ) 4(0.328 6.091i ) (2 i ) 1.312 + 24.364i 0.688 + 23.364i

z2 = = = = 0.17 +5.84i
4 4 4
1.7.3 Polinomios de grado superior
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.
Ejemplo 1.27 Una ecuacin de cuarto grado
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
+6 7
i i
al convertir a su forma cartesiana nos da las races:

p p p p
2 2 2 2
1. w 1 = 2 + 2 i 3. w 3 2 2 i
p p p p
2. w 2 = 22 + 22 i 4. w 4 = 22 22 i
1.8 Evaluaciones sumativas lgebra lineal.
Ejemplo 1.28 Ecuacin cbica con coeficientes enteros
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)
por lo que la ecuacin queda (z + 2)(z 2 + 1) = 0 e igualando cada factor a cero

(
z 1 = 2,
p
z 2,3 = 1.
al calcular la raz de 1 tenemos la solucin z 1 = 2, z 2 = i , z 3 = i .
1.8 Evaluaciones sumativas

1.8.1 Ejercicios
1. Realiza las operaciones indicadas en las siguientes expresiones.
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 .
2. Comprobar que los nmeros complejos z = 1 i satisfacen la ecuacin z 2 2z + 2 = 0.
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 .
4. Realiza las siguientes operaciones y expresa el resultado en forma rectangular.

2+i 2 2
a. + 2i b. 2+i 2i

1i 1+i + i . 3+4i 34i .
5. Dados los nmeros complejos z 1 = 2 3i , z 2 = 4i , z 3 = 2 y z 4 = 1 + i , calcular:
a. z 1 + z 2 + Re(z 4 ).I m(z 1 ). c. z 1 z 4 z 2

b. zz3 (z 3 )3 + (z 2 )2 .
4
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.
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.
9. Resuelve los siguientes problemas que incluyen nmeros complejos.
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 .
10. Resolver la ecuacin planteada en cada inciso.
2i
a. (2 + 3i )z + 2i = 3 4i . b. 2i z + 1i = 4i .
2 Matrices y Determinantes
23

Manejar las matrices, sus propiedades y operaciones a fin de expresar conceptos y problemas
mediante ellas, en los sistemas de ecuaciones lineales; as como en otras reas de las mate-
mticas y de la ingeniera, para una mejor comprensin y una solucin ms eficiente. Utilizar
el determinante y sus propiedades para probar la existencia y el clculo de la inversa de una
matriz.
Modelar y resolver diferentes problemas de aplicaciones de sistemas de ecuaciones lineales en
el rea de las matemticas y de la ingeniera por los mtodos de Gauss, Gauss-Jordan, matriz
inversa y regla de Cramer.
Consensar en una lluvia de ideas el concepto de matriz y compararlo con una definicin
matemtica.
Identificar cundo dos matrices son conformables para la adicin de matrices.
Calcular la de suma de matrices.
Identificar cundo dos matrices son conformables para la multiplicacin de matrices.
Calcular el producto una matriz por un escalar y entre matrices.
Enunciar y ejemplificar las propiedades de las operaciones en matrices.
Investigar la definicin de tipos de matrices cuadradas. Por ejemplo triangular superior

e inferior, diagonal, escalar, identidad, potencia, peridica, nilpotente, idempotente, in-
volutiva, simtrica, antisimtrica, compleja, conjugada, hermitiana, antihermitiana, or-
togonal.
Utilizar operaciones elementales por rengln para reducir una matriz a su forma de es-
calonada.
Determinar el rango de matrices cuadradas.
Identificar matrices con inversa utilizando el concepto de rango.

2.1 Definicin de matriz, notacin y orden lgebra lineal.
Calcular la inversa de matrices utilizando el mtodo forma escalonada reducida por ren-
glones.
Definir el determinante de una matriz de 2 2.
Definir el concepto de menor y cofactor de una matriz.
Calcular menores y cofactores de una matriz..

24
Calcular determinantes de matrices de n n.
Graficar las ecuaciones de un sistema de de dos ecuaciones con dos incgnitas en un

mismo plano e identificar el tipo de solucin segn la grfica.
Clasificar las soluciones de sistemas de ecuaciones lineales homogneos y no homog-

neos.
Matrices y Determinantes
Utilizar un graficador para visualizar geomtricamente y as interpretar las soluciones de
sistemas de ecuaciones lineales.
Resolver sistemas de ecuaciones lineales por los mtodos propuestos.
2.1 Definicin de matriz, notacin y orden

El anlisis de muchas situaciones en matemticas, economa e ingeniera conduce al estudio
de disposiciones o arreglos rectangulares de nmeros, por lo que es importante conocer sus
conceptos bsicos.
Definicin 2.1 Forma de una matriz

Una matriz A de m n es un arreglo rectangular de mn nmeros dispuestos en m ren-
glones y n columnas.
a 11 a 12 . . . a 1n
a 21 a 22 . . . a 2n

A= .
.. ..
.. . .

a m1 a m2 . . . a mn
donde cada elemento a i j se conoce como entrada o componente de la matriz A.
Observacin
En cuanto a la notacin matricial, debemos tomar en cuenta lo siguiente:
En matrices siempre se indica primero el rengln y luego la columna; as, la notacin

para una matriz A de 2 renglones por cuatro columnas es A 24 o matriz A de orden
2 4.
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.
Definicin 2.2 Orden de una matriz

Dos matrices A y B son iguales si son del mismo tamao (mismo orden) y sus entradas
correspondientes son iguales.
Ejemplo 2.1 Clasificacin de matrices 25

! 1 2 3 6 5
1 2 3
Sean las matrices A = ,B = 4 5 6 ,C = 4 3

4 5 6
7 8 9 2 1
Con base en la notacin matricial, podemos deducir lo siguiente;
El orden de la matriz A es 23, El orden de la matriz B es 33, El orden de la matriz

C es 3 2.
Las matrices A, B y C no son semejantes entre si, pues tienen distinto orden.
Algunos elementos especficos son: a 2 1 = 4, b 1 3 = 3 y c 2 2 = 3.
2.1.1 Clasificacin de una matriz de acuerdo a los elementos que contiene

Como podemos apreciar una matriz o arreglo de nmeros puede contener cualquier cantidad
de renglones y/o columnas, de donde podramos destacar las siguientes:
En el caso que la matriz contenga un solo rengln y una sola columna, esta matriz se
identifica con un nmero real.
Si la matriz tiene un (una) solo (sola) rengln (columna) y 2 o ms columnas (renglones),

se le conoce como matriz rengln (columna) y se identifica con los vectores.
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.
Definicin 2.3 Matriz escalar

Es la matriz que tiene solo una entrada; es decir, tiene un rengln y una columna.
Observacin
Esta matriz puede ser la que consta nicamente del cero, pues en realidad la matriz es-
calar representa a los nmeros reales.
Definicin 2.4 Matriz identidad

Una matriz cuadrada se conoce como Matriz Identidad si los elementos de la diagonal
principal son unos y cualquier otra entrada es cero.
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).
Una generalizacin de la matriz Identidad es la siguiente
Definicin 2.5 Matriz diagonal

Una matriz cuadrada se conoce como Matriz Diagonal si los elementos de la diagonal
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.
Definicin 2.6 Matriz triangular

Una matriz cuadrada se llama matriz triangular superior (inferior) si todas sus compo-
nentes abajo (arriba) de la diagonal principal son cero.
Algunas de las caractersticas principales de este tipo de matrices son:
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.
A continuacin se muestran las matrices descritas para el caso 3 3.

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
Figura 2.1. Clasificacin de matrices.
1 En la seccin 2.3 se estudiarn estas operaciones

2 Se aborda en la seccin 2.4
2.2 Operaciones con matrices lgebra lineal.
2.2 Operaciones con matrices

Las matrices, al igual que los nmeros reales, pueden sumarse, multiplicarse y tambin des-
componerse de varias formas; sto las convierte en un concepto clave en el lgebra lineal. Sin
embargo, para realizar estas operaciones, debemos tomar en cuenta el orden de las matrices a
operar, pues no siempre es posible realizar estas operaciones.
27
2.2.1 Suma de matrices.
Para sumar dos matrices es necesario que ambas sean del mismo orden; as, definimos la suma
de matrices como a continuacin se describe.
Definicin 2.7 Suma de matrices
Sean A, B dos matrices de orden m n. Definimos la suma de A con B como la ma-
triz C de orden m n que se obtiene al sumar las componentes correspondientes de las
matrices A y B .
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.
Ejemplo 2.2 Suma de matrices

2 4 6 7 0 1 6 2 0 8
Sean A = 4 3 2 1 , B = 2 3 4 3 yC = 4 2 .

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
Del ejemplo anterior se puede ver claramente que A + B = B + A.
En general, dadas las matrices A, B y C , se cumplen las siguientes propiedades en la suma

matricial:
Conmutatividad: en este caso tenemos A + B = B + A.
Asociatividad: es decir, se cumple A + (B +C ) = (A + B ) +C .
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.
Existencia del elemento inverso aditivo: dada una matriz A existe una matriz D tal que A +
D = 0; esta matriz es D = A.
2.2.2 Multiplicacin de matrices
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= .. .. ..
. . .

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.
Definicin 2.9 Producto de dos matrices

Sea A una matriz de orden m n y sea B una matriz de orden n p. Entonces el producto
de A por B es una matriz C de orden m p en donde, para obtener el elemento c i j ,
debemos multiplicar en la forma
n
X
ci j = ai r br j
r =1
Es decir, la entrada i j de AB es la suma de productos donde un factor es una entrada del

rengln i de la matriz A y otro factor es una entrada de la columna j de la matriz B, lo que
se denomina producto punto del rengln i de A con la columna j de B .
Observacin
La multiplicacin de A mn por B pq solo es posible si n = p.
Si se multiplica una matriz de orden n m con otra de orden m q el resultado

ser una matriz de orden n q.
Para obtener las entradas de la matriz que resulta en el producto matricial A B , se

multiplica un rengln de la primera matriz por una columna de la segunda. De es-
te modo, si queremos obtener la entrada (AB )1 1 , se multiplica el primer rengln
de A por la primera columna de B y si se quiere obtener la entrada (AB )2 3 se mul-
tiplicar el segundo rengln de A por la tercera columna de B .
Ejemplo 2.3 Producto de dos matrices

! 2 5 0
2 0 3
Sean A = yB = 3 6 6 dos matrices. Entonces,

4 1 5
6 4 1

4 + 0 18 10 + 0 + 12 0 + 0 3
!
14 22 3
! 29
AB = =
8 + 3 30 20 + 6 + 20 0 + 6 5 19 46 1
Obsrvese que no es posible efectuar el producto B A ya que B tiene 3 columnas y

A solo dos renglones.
Observacin
En el ejemplo se puede apreciar que no es lo mismo multiplicar A B que B A, por

lo que en la multiplicacin de matrices no se cumple la propiedad de conmutati-
vidad.
Cuando se multiplican dos matrices A y B normalmente A B 6= B A, aunque en

ocasiones si se cumple la igualdad.
En general dadas las matrices A, B y C , se cumplen las siguientes propiedades bajo la operacin
de multiplicacin:
Asociatividad: es decir se cumple A(BC ) = (AB )C .
Existencia del elemento neutro mutiplicativo: es decir A I = A donde I es la matriz identidad.
Distributividad: como no es conmutativa debemos considerar
1. Distributividad por la derecha: es decir (A + B )C = A C + B C

2. Distributividad por la izquierda: es decir C (A + B ) = C A +C B
Observacin
Elevar una matriz al cuadrado A 2 es multiplicar A A y no elevar cada elemento de A al

cuadrado.
Ejemplo 2.4 Operaciones con matrices

2 0 1
Sea A = 1 1 2 , encontrar A 2 + 2A y verificar que es lo mismo que A(A + 2I ).

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 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
En el ejemplo anterior, al factorizar A 2 + 2A = A(A + 2I ) se agreg la matriz identidad

I 33 ; esto no afecta a la igualdad y es necesario hacerlo para que est bien definida la
operacin, pues la expresin A + 2 no tiene sentido.
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.
Definicin 2.10 Matriz nilpotente
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.
Definicin 2.11 Transpuesta de una matriz

La transpuesta de una matriz A mn , que se escribe como A t , es la matriz de n m ob-
tenida al intercambiar los renglones por las columnas en la matriz A. Tomando sto en
consideracin, tenemos lo que a continuacin describimos.
1. Una matriz A se dice que es simtrica si A t = A,
2. Una matriz A se dice que es antisimtrica si A t = A.
Definicin 2.12 Simetra de matrices

Sea A mn , una matriz de n m. Una clasificacin de las matrices usando la matriz trans-
puesta, es la siguiente.
1. Una matriz A se dice que es simtrica si A t = A,
2. Una matriz A se dice que es antisimtrica si A t = A.

Observacin
Una matriz puede ser simtrica, antisimtrica o ninguna de las dos.
Ejemplo 2.5 Simetra de matrices

0 4 3

1 1 5

2 0 1 2
31
Sean A = 4 0 2 , B = 1 1 2 C = 1 1 2 1 . Escribir la

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,
Definicin 2.13 Matriz elemental por escalamiento

Dada la matriz identidad I de tamao n n, la matriz elemental por escalamiento E e ,es
una matriz que se obtiene al multiplicar un rengln de la matriz I por un escalar.
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
Definicin 2.14 Matriz elemental por permutacin

Dada la matriz identidad I de tamao n n, la matriz elemental por permutacin E p ,es
una matriz que se obtiene al intercambiar dos renglones de la matriz I .
Las matrices obtenidas por permutacin, son las siguientes

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
1 0 0
0 0 1 , que se obtiene al intercambiar el segundo rengln con el tercero.

0 1 0
Definicin 2.15 Matriz elemental por eliminacin

Dada la matriz identidad I de tamao n n, la matriz elemental por eliminacin E el , se
obtiene al sumarle a un rengln, un mltiplo de uno o varios renglones.
Algunas de las matrices obtenidas por eliminacin, se muestran enseguida

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:
Efectos de la multiplicacin por matrices elementales
Consideremos una matriz arbitraria A de tamao n n y matrices elementales del mismo

orden.
1) Intercambio de filas. Cuando se multiplica alguna matriz elemental de permutacin

E p por la matriz A . 33
2) Intercambio de columnas. Cuando se multiplica A por alguna matriz elemental de
permutacin E p .
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) Multiplicacin de una columna por una constante distinta de cero. Cuando se

multiplica la matriz A por alguna matriz elemental de escalamiento.
5) Sustitucin de un rengln por l mismo, ms un mltiplo de otro(s) rengln(es).

Cuando se multiplica alguna matriz elemental de eliminacin E el por A .
6) Sustitucin de una o varias columnas por ellas mismas ms un mltiplo de

otra. Cuando se multiplica A por alguna matriz elemental de eliminacin E el .
Veamos el comportamiento de las matrices al operar con matrices elementales.
Ejemplo 2.6 Efecto nmero 6 de multiplicacin por matrices elementales

2 1 1
Multiplicar la matriz A = 1 5 2 con la matriz elemental por eliminacin E el =

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.
Ejemplo 2.7 Efecto nmero 3 de multiplicacin por matrices elementales

1 0 0
Multiplicar la matriz elemental por escalamiento E e = 0 3 0 con la matriz A =

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
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
Decimos que una matriz B es equivalente a una matriz A, es decir, B A si se puede

obtener B a partir de A, usando una secuencia finita de operaciones elementales.
2.3 Matrices escalonadas y escalonadas reducidas

Una matriz equivalente que resulta muy til en la solucin de problemas asociados a matrices,
es la llamada matriz escalonada.
Definicin 2.16 Matriz escalonada
Se dice que una matriz es escalonada, cuando satisface:
El primer elemento no nulo de cada fila es un 1.
Si hay filas cuyos elementos son todos cero, estn situados en la parte inferior de
la matriz.
El primer 1 de cada fila est a la derecha de los primeros 1s correspondientes a

filas superiores.
Definicin 2.17 Matriz escalonada reducida

Si adems de los requisitos anteriores, se satisface que el primer elemento no nulo de
un rengln es el nico elemento distinto de cero de la columna donde se encuentra,
entonces decimos que la matriz es escalonada reducida.
Observacin
La forma escalonada de una matriz, no tiene porque ser nica, pero si lo es su forma
escalonada reducida.
Algunos ejemplos de matrices escalonadas, son las siguientes:

1 0 2 1 4 3 1 3 5
A= 0 1 1 B = 0 1 2 C = 0 0 1

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.
2.3.1 Mtodo de Gauss

El mtodo de Gauss consiste en encontrar una matriz escalonada equivalente a una matriz da-
da, mediante la aplicacin de operaciones elementales (multiplicacin por matrices elemen-
tales).
Ejemplificaremos el mtodo de Gauss con la 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 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
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
superior.
Ejemplo 2.8 Mtodo de Gauss

2 8 2
Considerar la matriz A = 4 6 6 , reducirla a una matriz triangular superior por el

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
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
Si la matriz es cuadrada, este mtodo nos lleva a obtener la matriz identidad.

2.4 Determinante de una matriz lgebra lineal.
Ejemplo 2.9 Mtodo de Gauss-Jordan

3 6 2 4
Sea B = 1 4 2 2 , reducirla a su forma escalonada reducida.

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-
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
Ahora hacemos R 20 = 7R 2 R 3 para tener un 1 como segundo elemento de la diagonal

1 4 2 2
B 0 1 37 3

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
2.4 Determinante de una matriz

En sus inicios, el determinante fue propuesto para mostrar la unicidad de solucin para un
sistema de ecuaciones lineales. Fue introducido para el caso de orden 2 como una regla para la
resolucin de sistemas de dos ecuaciones con dos incgnitas. La forma de resolver este tipo de
determinante es la siguiente:
!
a 11 a 12 a
11 a 12
d et = = a 11 a 22 a 12 a 21

a 21 a 22 a 21 a 22
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.
Por ejemplo, dado un determinante D de orden 5, si queremos obtener el menor M 23 , debemos

eliminar el rengln 2 y la columna 3 de D para formar el nuevo determinante

a 11 a 12 a 13 a 14 a 15

a
21 a 22 a 23 a 24 a 25

D = a 31 a 32 a 33 a 34 a 35

a 41 a 42 a 43 a 44 a 45

a
51 a 52 a 53 a 54 a 55

as obtenemos el menor complementario

a 11 a 12 a 14 a 15

a a 32 a 34 a 35
31
M 23 =

a 41 a 42 a 44 a 45

a 51 a 52 a 54 a 55
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
El objetivo de calcular los menores, es ir reduciendo el determinante de forma recursiva

hasta llegar a obtener determinantes de orden 2.
Necesitamos tambin de la siguiente definicin que nos proporciona el signo que debemos
poner a cada menor complementario.
Definicin 2.19 Cofactores

Sea A una matriz cuadrada de orden n, el cofactor i j de A, denotado por A i j , est dado
por
A i j = (1)i + j (M i j ).
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 .
Ejemplo 2.10 Clculo de cofactores

3 5 8
Calcular los cofactores de la matriz A = 2 1 0 .

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 = .
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).
Teorema 2.1 Laplace

Sea A una matriz cuadrada de orden n n. Entonces el determinante de A, denotado por
d et A o |A|, est dado por
n
X
d et A = a 1k A 1k = a 1 1 A 1 1 + a 1 2 A 1 2 + + a 1 n A 1 n
k=1
Observacin
En el teorema se define el determinante mediante cofactores calculados sobre el primer

rengln de la matriz A; sin embargo, se puede elegir cualquier rengln o columna.
Observacin
Para resolver un determinante, se elige un rengln (o columna), se calculan los cofac-

tores correspondientes para cada elemento de este rengln (o columna) y se multiplica
el determinante de cada menor por el elemento de la matriz al que est asociado; final-
mente, el resultado ser la suma de estos resultados.
Ejemplo 2.11 Clculo de determinantes

3 5 2
Sea A = 4 0 3 . Calcular su determinante usando el teorema de Laplace (desa-

1 2 4
rrollo por menores).
Solucin .
Si trabajamos con el segundo rengln, el determinante esta definido por d et A = 4A 2 1 +
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
resultado que se puede obtener multiplicando los nmeros de la diagonal principal.
Dados las matrices A y B de orden n n, se cumplen las siguientes propiedades para sus deter-
minantes:
D1 d et AB = (d et A)(d et B ); es decir, el determinante de un producto de matrices es el pro-

ducto de los determinantes de dichas matrices.
D2 Una matriz y su transpuesta tienen el mismo determinante.
D3 Si cualquier rengln o columna de una matriz A est compuesto de ceros, entonces d et A =

0.
D4 Si A tiene dos renglones o columnas iguales, entonces d et A = 0.
D5 Si un rengln (columna) de A es combinacin lineal de otros renglones (columnas) enton-

ces d et A = 0.
D6 Si el rengln i o la columna j de A se multiplica por un escalar c, entonces el determinante

de esta nueva matriz es igual a c(d et A).
D7 El intercambio de cualesquiera dos renglones (o columnas) distintos de A tiene el efecto

de multiplicar el d et A por 1.
D8 Si se suma un mltiplo escalar de un rengln (columna) a otro rengln (columna) el deter-

minante no cambia.
Observacin
El determinante de una suma de matrices, no siempre es igual a la suma de sus determi-

nantes. 42
Ejemplo 2.13 Propiedades de los determinantes
Hacer uso de las propiedades anteriores para calcular el determinante de

1 3 0 2
2 0 3 0
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
luego, consideramos la primer columna para trabajar por menores as

6 3 4 ! !
3 4 6 3
d et B = 1 1 0 6 = 1 6 = (1816)6(24+27) = 272

4 6 9 4
9 4 6

1 3 2 2
0 1 1 3
Calcular el determinante de B = .

2 1 1 2
3 2 1 4
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.
Una forma de simplificar el clculo de un determinante es usar los mtodos de reduccin de

Gauss o Gauss-Jordan ya que por las propiedades D7 y D8, el resultado se ve afectado a lo ms
por un signo.
2.5 Inversa de una matriz lgebra lineal.

1 3 5 2
0 1 3 4
Dada la matriz B = , calcular d et (3B ).

2 1 9 6
3 2 4 8 43
Solucin .
Recordemos que d et (3B ) 6= 3 d et B . De hecho, considerando la propiedad D6, por cada
rengln que tenga la matriz B debe multiplicarse por 3 a d et B , en este caso el orden de
B es 4; en consecuencia d et (3B ) = 34 d et B . Por otro lado d et B = 160; as, tenemos que
d et (3B ) = 34 (160) = 12, 960.
2.5 Inversa de una matriz

Dado que no puede definirse la divisin entre matrices, nos interesa averiguar si existe una
alternativa; puesto que necesitaremos despejar stas al resolver ecuaciones matriciales. Para
matrices que renen ciertas caractersticas, tal alternativa existe y consiste en hallar la matriz
inversa de la matriz dada.
Definicin 2.20 Matriz inversa
Sean A y B dos matrices de n n. Suponga que
AB = B A = I
entonces a B se le llama matriz inversa de A y se denota como A 1 . Si una matriz tiene

inversa, se dice que es una matriz invertible.
Una clasificacin que surge a consecuencia de que unas matrices tienen inversa y otras no, es
la siguiente:
Si una matriz tiene inversa, se dice que es una matriz no singular.
Las matrices cuadradas que no poseen inversa se llaman matrices singulares.
Para saber si una matriz tiene inversa, tenemos el siguiente resultado
Proposicin 2.1
Una matriz A es invertible si y solo si d et A 6= 0.
Ejemplo 2.16 Matriz inversa

2 2 5 1
1 1 6 3
Determinar si la matriz B = es invertible.

1 2 3 3
2 4 2 6
Solucin .
Para calcular el determinante de B observemos que C 3 = 2C 1 + C 2 C 4 ; por lo tanto

d et B = 0, y en consecuencia la matriz no es invertible.
2.5.1 Inversa de una matriz cuadrada a travs de la adjunta

Recordemos que en la definicin (2.19) se introdujo la forma de calcular el cofactor relativo a
44
un elemento a i j llamado A i j para una matriz A de orden n. Si calculamos el cofactor para cada
uno de los elementos de la matriz A obtenemos lo que se conoce como matriz de cofactores
de A y es de la forma

A 11 A 12 A 1n
A 21 A 22 A 2n

B = .. .. .
.. (2.1)
. . .

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
Definicin 2.21 Matriz adjunta

Sea A una matriz de n n y sea B la matriz de cofactores de A, entonces la adjunta de A
es la transpuesta de la matriz B de n n; es decir:

A 11 A 21 A n1
A 12 A 22 A n2

ad j A = B t =

.. .. .. .
. . .

A 1n A 2n A nn
As, la matriz inversa se puede calcular utilizando el teorema mostrado a continuacin.
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
Otro resultado til para el calculo de un determinante es el siguiente.
Teorema 2.3 teo-determinanteDeMatrizInversa

Si A es invertible, entonces det A 6= 0 y
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.
Ejemplo 2.17 Inversa de una matriz

2 5 0
Verificar si la matriz A = 3 6 6 tiene inversa, en caso afirmativo calcular su

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
luego la matriz de cofactores dada en la ecuacin (2.1) y su transpuesta que es la adjunta

de A.
30 33 48 30 5 30
B = 5 2 38 ad j A = B t = 33 2 12

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
2.5.2 Inversa de una matriz usando el mtodo de Gauss-Jordan
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.
A este mtodo se le conoce como mtodo de Gauss-Jordan y consiste en lo siguiente.

Mtodo de Gauss-Jordan para encontrar la inversa de una matriz

a 11 a 21 a n1
a 12 a 22 a n2

Consideremos una matriz invertible, de orden n A = .. .. ..
. . .

a 1n a 2n a nn 46
P.1) Se le agrega la matriz identidad de orden n para formar una matriz de orden n 2n ,
a sta matriz se le conoce como matriz aumentada

a 11 a 21 a n1 1 0 0
a 12 a 22 a n2 0 1 0

.. .. .. .. .. ..
. . . . . .

a 1n a 2n a nn 0 0 1
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
Veamos la forma de calcular la inversa usando el mtodo de Gauss-Jordan

!
2 1
Calcular la inversa de la matriz. B = .
9 7
Solucin .
De acuerdo al proceso anterior
!
2 1 1 0
Paso 1 Escribimos la matriz aumentada,
9 7 0 1
Paso 2 Realizamos el mtodo de Gauss-Jordan, haciendo R 10 = 21 R 1

!
1 12 12 0
9 7 0 1
luego para tener cero, bajo el 1 de la diagonal hacemos R 20 = 9R 1 + R 2

!
1 21 12 0
0 23
2
9
2 1
2
multiplicamos el segundo rengln por

23
!
47
1 12 12 0
9 2
0 1 23 23
para tener cero arriba del segundo elemento de la diagonal hacemos R 10 = 12 R 2 +R 1

!
7 1
1 0 23 23
9 2
0 1 23 23
!
7 1
23
Paso 3 Finalmente, la inversa es B 1 = 9
23
2 .
23 23

2 4 3
Calcular la inversa de la matriz. B = 0 1 1

3 5 7
Solucin .
Siguiendo los pasos del mtodo descrito
Paso 1 Escribimos la matriz aumentada,

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

3 5 7 0 0 1
Paso 2 Realizamos el mtodo de Gauss-Jordan para obtener la matriz identidad

1 0 0 4 13/3 7/3
0 1 0 1 5/3 2/3

0 0 1 1 2/3 2/3
Paso 3 Finalmente, la inversa es:

4 13/3 7/3
B 1 = 1 5/3 2/3

1 2/3 2/3
2.6 Sistemas de ecuaciones lineales lgebra lineal.
2.6 Sistemas de ecuaciones lineales

Consideremos el siguiente sistema de n ecuaciones lineales con n incgnitas x i , i = 1, . . . n tales
que:
a 11 x 1 + a 12 x 2 + . . . a 1n x n = b 1 ,

a 21 x 1 + a 22 x 2 + . . . a 2n x n = b 2 ,

..
.
(2.2)
48
a n1 x 1 + a n2 x 2 + . . . a nn x n = b n ,

donde a i j , b i son nmeros reales.

Es posible escribir el sistema de ecuaciones lineales anterior usando matrices. Para ello debe-
mos construir las matrices que se requieren de manera adecuada, pues debemos garantizar
que se pueda realizar la multiplicacin matricial.
Si con los coeficientes a i j formamos la matriz de orden n n:

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
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
Tiene solucin nica si y solo si 6= 0,
No tiene solucin o tiene una cantidad infinita de soluciones si y solo si = 0.
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.
Ejemplo 2.20 Un sistema sin solucin

3x + 2y z = 4
Indique que tipo de solucin tiene el sistema x + 10y 7z = 2

2x 4y + 3z = 5.

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.
Ejemplo 2.21 Un sistema con solucin nica

x + 2y 3z
= 4
Indique qu tipo de solucin tiene el sistema 2x + y + z = 7

3x 4y + z = 2.

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.
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
(a) Solucin nica (b) Sin solucin (c) Infinidad de soluciones
Figura 2.2. Tipos de soluciones representadas en el plano
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.
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
(a) Solucin nica (b) Infinidad de soluciones (c) Infinidad de soluciones
(d) Infinidad de soluciones (e) Sin solucin (f) Sin solucin
Figura 2.3. Tipos de solucin grficos en el espacio
Dentro del contexto de sistemas de ecuaciones se maneja la siguiente nomenclatura.
Definicin 2.23 Clasificacin de sistemas de ecuaciones

Dado un sistema de ecuaciones lineales ndimensional;
Se dice que el sistema es inconsistente si no tiene solucin.
Se dice que un sistema que tiene al menos una solucin es consistente.
Un sistema es homogneo si todos los trminos independientes son cero.
Observacin
Es imposible que un sistema de ecuaciones homogneo no tenga solucin, pues x i = 0

siempre es solucin; por lo que, si su determinante principal es distinto de cero, el siste-
ma tendr solucin nica y ser x i = 0; en caso contrario tendr infinidad de soluciones.
2.6.2 Solucin de sistemas de ecuaciones por medio de matrices y determinantes

Existen diferentes formas de encontrar la solucin a sistemas de ecuaciones lineales. Aqu abor-
daremos nicamente tres, que son las ms comunes: eliminacin Gaussiana, de Gauss-Jordan
y regla de Cramer. Para esto definiremos antes otro tipo de matriz relacionada con el sistema.
Definicin 2.24 Matriz correspondiente a un sistema de ecuaciones

Dado el sistema de ecuaciones (2.2), se conoce como matriz aumentada a la matriz que
52
se obtiene al agregar a la matriz de coeficientes el vector de trminos independientes del
sistema, en la forma:
a 11 a 12 . . . a 1n b 1
a 21 a 22 . . . a 2n b 2

. .. .. ..
.
. . . .

a n1 a n2 . . . a nn b n
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:
Mtodo de Gauss para resolver sistemas de ecuaciones
1) Se escribe la matriz aumentada correspondiente del sistema que se quiere resolver.
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).
Ejemplo 2.22 Mtodo de Gauss

2x + 4y + 6z
= 18
Resolver el sistema 4x + 5y 6z = 24 , mediante eliminacin Gaussiana.

3x + y 2z = 4.

Solucin .
Escribimos la matriz aumentada

2 4 6 18
4 5 6 24

3 1 2 4
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
multiplicamos el segundo rengln por 13

1 2 3 9
0 1 6 4

0 5 11 23
para tener cero abajo del segundo elemento de la diagonal hacemos R 30 = 5R 2 + R 3

1 2 3 9
0 1 6 4

0 0 19 3
ahora reescribimos el sistema de ecuaciones nuevamente

x + 2y + 3z = 9

y + 6z = 4

19z = 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 no tiene solucin si los renglones son iguales unicamente en la parte de la

matriz no aumentada.
El sistema tendr cantidad infinita de soluciones si los renglones son iguales tanto en la
matriz de coeficientes como en la parte aumentada.
Ejemplo 2.23 Solucin de un sistema por el mtodo de Gauss-Jordan

2x + 4y + 6z = 18

Resolver el sistema 4x + 5y 6z = 24 , mediante el mtodo de Gauss-Jordan.

2x + y 12z = 6.

Solucin .

2 4 6 18
4 5 6 24

2 1 12 6
54

1 2 3 9
4 5 6 24

2 1 12 6

1 2 3 9
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.
Ejemplo 2.24 Solucin de un sistema por el mtodo de Gauss-Jordan

2x + 4y + 6z = 18

Resolver el sistema 4x + 5y 6z = 24 , mediante el mtodo de Gauss-Jordan.

2x + y 12z = 2.

Solucin .

2 4 6 18
4 5 6 24

2 1 12 2

1 2 3 9
4 5 6 24

2 1 12 2

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.
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
1) Escribimos el determinante principal, es decir el formado por los coeficientes y se 55

resuelve , si ste es cero el sistema no tiene solucin o tiene una cantidad infinita de
soluciones, si es distinta de cero continuamos.
2) Se construyen los determinantes xi que consisten en sustituir la columna de coe-

ficientes de la incgnita x i por la columna de soluciones, sin modificar la posicin
donde se encuentra.
x i
3) Se usa la siguiente frmula para encontrar los valores de las incgnitas x i = .
Ejemplo 2.25 Solucin de un sistema por el mtodo de Cramer

2x + 4y + 2z = 8

Resolver el sistema x 3z = 4 , mediante regla de Cramer.

2x + 3y + z = 2

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
Luego de acuerdo a el paso 2, escribimos y resolvemos x , y , y ,

8 4 2 2 8 2 2 4 8

x = 4 0 3 = 56, y = 1 4 3 = 48, z = 1 0 4 = 24

2 3 1 2 2 1 2 3 2
56 48 24
Finalmente x = = = 14, y= = = 12, z= = = 6
x 4 y 4 z 4
Si el determinante principal es igual a cero, entonces el sistema o no tiene solucin o tiene

una cantidad infinita de soluciones, para saber en que situacin estamos, debemos analizar el
determinante principal y detectar cual rengln es combinacin lineal de los otros y verificar si
las soluciones cumplen esa misma regla de la combinacin lineal, en caso de que no la cumpla
el sistema no tiene solucin.
Ejemplo 2.26 Mtodo de Cramer para un sistema sin solucin

x + 3y + 2z = 2

Resolver el sistema x + y 3z = 1 , mediante regla de Cramer.

2y 5z = 2

Solucin .

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.
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.
Ejemplo 2.27 Mtodo de Cramer para un sistema con infinidad de soluciones

x + 3y + 2z
=2
Resolver el sistema x + y 3z = 1 , mediante regla de Cramer.

2y 5z = 1

Solucin .

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
Al analizar el determinante, podremos observar que el tercer rengln es combinacin

lineal de los dos primeros, es decir R 3 = R 1 + R 2 , esta relacin se cumple tambin en la
columna de soluciones, por lo que concluimos que el sistema tiene una cantidad infinita
de soluciones.
Para encontrar una solucin escribimos el sistema
(
x + 3y + 2z = 2
x + y 3z = 1
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.

2.7.1 Ejercicios
1. Dadas las matrices

1 1 2 5 4 4 6 3
57
!
1 1 3
A= 3 1 4 , B = 2 2 4 , C = 2 5 , D=

4 3 2
0 2 5 3 2 1 1 3
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
2. Calcular la inversa de la matriz dada en cada inciso usando mtodo de Gauss-Jordan, o

en su caso indicar si no es invertible.
!
5 1 2 6 3
c. C = .
a. A= 3 1 3 . 2 5

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
4. Calcular el valor de los siguientes determinantes.

3 1 2 1 1 1 2 0 0

4 3 1 2 3 1 4 0 0
a. A= .

1 0 2 3 c. C = 2 1 5 0 0 .

6 2 5 2 0 0 0 2 3

0 0 0 1 4

2 5 6 8 0

2 0 0 0

0 1 7 6 0

0 0 3 0
b. B = .

0 1 0 0 0 0 0 4 0
d. D =

0 2 1 5 1

0 0 0 4
4 1 5 3 0


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

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

Comprender el concepto de espacio vectorial como la estructura algebraica que generaliza y
hace abstraccin de operaciones que aparecen en diferentes reas de la matemtica mediante
las propiedades de adicin y multiplicacin por un escalar.
Construir, utilizando el lgebra de vectores, bases de un espacio vectorial y determinar la di-
mensin del espacio correspondiente.
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.
Identificar si un conjunto de vectores son o no subespacios vectoriales de un espacio

vectorial.
Escribir vectores como combinacin lineal de otros.
Determinar si un conjunto de vectores es linealmente independiente.
Utilizar los conceptos de matrices y determinantes para determinar la independencia

lineal de un conjunto de vectores.
Identificar cundo es que un conjunto genera un espacio vectorial.
Determinar si un conjunto de vectores forma una base para un espacio vectorial.
Graficar el espacio de solucin de un sistema de ecuaciones lineales y establecer la rela-

cin entre la grfica y la dimensin del espacio de solucin.
Encontrar la matriz de cambio de la base cannica a otra base y la matriz de cambio de

una base no cannica a otra cualquiera.
Comprobar la ortonormalidad de una base.
Utilizar el proceso de ortonormalizacin de Gram-Schmidt.

3.1 Definicin de un espacio vectorial lgebra lineal.
3.1 Definicin de espacio vectorial y sus propieda-

des
Supongamos que tenemos un conjunto de elementosV con ciertas caractersticas especficas, y
definimos una operacin entre estos elementos a la que le llamamos suma (+), y otra operacin
entre los elementos del conjunto y un campo que en nuestro curso ser el de los nmeros reales 60
a la que se le denominar producto escalar ().
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:
1. Cerradura bajo la suma. Si v 1 , v 2 V entonces v 1 + v 2 V .
2. Conmutatividad de la suma. Si dos elementos v 1 , v 2 V entonces v 1 + v 2 = v 2 + v 1 .
3. Asociatividad de la suma. Para todo elemento v 1 , v 2 , v 3 V se cumple que (v 1 +v 2 )+v 3 =

v 1 + (v 2 + v 3 )
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 .
6. Cerradura bajo el producto. Si tenemos v V y k es un nmero real, entonces kv V
7. Distributividad sobre los elementos de V . Si v 1 , v 2 V y k es un nmero real, entonces

k(v 1 + v 2 ) = kv 1 + kv 2
8. Distributividad sobre los elementos reales. Si v V adems k 1 , k 2 son nmeros reales,

entonces (k 1 + k 2 )v = k 1 v + k 2 v
9. Asociatividad del producto. Si v V y k 1 , k 2 son escalares entonces k 1 (k 2 v) = (k 1 k 2 )v
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.
Definicin 3.1 Espacio vectorial

Un espacio vectorial sobre un cuerpo K (en este caso, el de los nmeros reales) es un
conjunto V no vaco, dotado de las operaciones de suma y producto por un escalar, que
cumple las diez propiedades anteriores.
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
1) realizar una simulacin geomtrica de la forma que tiene el espacio vectorial.
2) Identificar claramente los elementos que componen al espacio vectorial, y determinar

la forma que tiene un elemento en su forma general.
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.
Ejemplo 3.1 El espacio vectorial trivial
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:
1. El nico elemento es cero y ste cumple que 0V + 0V = 0V V . X
2. Es claro que 0V + 0V = 0V + 0V . X
3. Para el elemento 0V V se cumple que (0V + 0V ) + 0V = 0V + (0V + 0V ). X
4. El elemento neutro o cero de este conjunto es el propio 0V V . X
5. El inverso aditivo del 0V es el propio 0V . X
6. Para cualquier real k, es claro que k 0V = 0V . X
7. Claramente se cumple que k(0V + 0V ) = k 0V + k 0V . X
8. Nuevamente tenemos la igualdad obvia (k 1 + k 2 )0V = k 1 0V + k 2 0V .X

9. De igual forma k 1 (k 2 0V ) = (k 1 k 2 )0V . X
Por lo tanto, se trata de un espacio vectorial.
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.
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
1. Tomemos dos elementos (x 1 , c x 1 ) y (x 2 , c x 2 ). Al realizar la suma tenemos ((x 1 +

x 2 ), c(x 1 + x 2 )) V . X
2. Dados dos vectores (x 1 , c x 1 ) y (x 2 , c x 2 ) tenemos que (x 1 , c x 1 ) + (x 2 , c x 2 ) = ((x 1 +

x 2 ), c(x 1 + x 2 )) = ((x 2 + x 1 ), c(x 2 + x 1 )) = (x 2 , c x 2 ) + (x 1 , c x 1 ) X
3. Sean (x 1 , c x 1 ), (x 2 , c x 2 ) y (x 3 , c x 3 ) L, entonces [(x 1 , c x 1 ) + (x 2 , c x 2 )] + (x 3 , c x 3 ) =

((x 2 + x 1 + x 3 ), c(x 2 + x 1 + x 3 )) = (x 1 , c x 1 ) + [(x 2 , c x 2 ) + (x 3 , c x 3 )]. X
4. El elemento neutro es 0V = (0, 0) V . X
5. El inverso aditivo de un elemento (x, c x) es (x, c x) L. X
6. Notemos que k(x, c x) = (kx, c(kx)) L. X
7. Claramente se cumple que k((x 1 , c x 1 ) + (x 2 , c x 2 )) = k(x 1 , c x 1 ) + k(x 2 , c x 2 ). X
8. Nuevamente tenemos la igualdad (k + k 2 )(x, c x) = k (x, c x) + k 2 (x, c x).X
9. De igual forma k 1 (k 2 (v, cv)) = (k 1 k 2 )(v, c v). X
Por lo tanto, es un espacio vectorial.
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.
Ejemplo 3.3 Un conjunto que no es espacio vectorial
Mostrar que el conjunto de P 3 = {ax 3 + bx 2 + c x + d }, compuesto por los polinomios de

grado exactamente igual a 3 con coeficientes reales, no es un espacio vectorial con las
operaciones definidas para funciones.
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.
Ejemplo 3.4 Espacio vectorial, constituido por funciones continuas
Determinar si el conjunto de funciones f : R R continuas, con las operaciones defini-

das para funciones, 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
4. El elemento neutro o cero de este conjunto es la funcin constante f (x) = 0. X
5. El inverso aditivo de una funcin f (x) es f (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
7. Sean k 1 , k 2 elementos reales y f (x) es una funcin continua, entonces (k 1 +

k 2 ) f (x) = k 1 f (x) + k 2 f (x). 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
Por lo tanto, es un espacio vectorial.

3.2 Subespacios de un espacio vectorial y sus propiedades lgebra lineal.
El conjunto de matrices de orden n M constituyen un espacio vectorial, sin embargo cuando

se imponen algunas condiciones en la forma de los elementos que la componen, stas pueden
dejar de ser espacios vectoriales.
Ejemplo 3.5 Otro conjunto que no es espacio vectorial
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
de 3 2, adems la suma de racionales sigue siendo racional. X
2. Se sabe que la suma de matrices es conmutativa, por lo que se cumple directamen-

te. X
3. Sean M 1 , M 2 , M 3 tres matrices de 3 2 que pertenecen a M r , nuevamente las pro-

piedades de matrices nos dicen que podemos asociar la suma de distintas formas
y el resultado es el mismo. X
4. El elemento neutro o cero es la matriz de orden 3 2 formada por puros ceros, es

parte del conjunto de matrices M r , pues el cero es nmero racional. X
5. El inverso aditivo de una matriz M es ?M , notemos que si r es racional, entonces

?r tambin es 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.
Por lo tanto no es espacio vectorial
3.2 Subespacios de un espacio vectorial y sus pro-

piedades
Definicin 3.2 Subespacios
Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es, en si, un
espacio vectorial bajo las operaciones de suma y producto por un escalar definidas para
V ; entonces se dice que H es un subespacio de V .
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.
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 .
2. Si h H entonces kh H para todo escalar k. 65

Demostracin .
Por hiptesis (1), para cualquier dos vectores h 1 , h 2 H , se tiene que h 1 + h 2 H . Como
H es un subconjunto de V entonces hereda las propiedades 2 y 3, la propiedad cuatro
se verifica si tomamos k = 1 y usamos la hiptesis (2) en la siguiente forma, si tenemos
h H entonces kh = h H es decir el inverso de h pertenece a H , para la propiedad
4 se obtiene el elemento neutro al tomar k = 0 y usando nuevamente la hiptesis (2),
finalmente las propiedades 7, 8, 9, 10 se heredan del espacio vectorial V .
Ejemplo 3.6 El subespacio formado por una recta
Mostrar que los puntos sobre la recta x = y forman un subespacio vectorial de R 2 .
Solucin .
Los elementos de este conjunto son todos los puntos de R2 de la forma (x, x), ahora
1. Sean (x 1 , x 1 ) y (x 2 , x 2 ) elementos de la recta, entonces (x 1 , x 1 ) + (x 2 , x 2 ) = (x 1 +

x 2 , x 1 + x 2 ) que claramente pertenece a la recta.
2. Por otro lado si k es un real, entonces k(x, x) = (kx, kx) que tambin pertenece a la
recta.
En consecuencia la recta x = y es un subespacio vectorial y espacio por si mismo.
Ejemplo 3.7 Una recta en el espacio que no es subespacio vectorial
Sea H = {(x, y, z) R3 : x = 2 + 4t , y = 1 2t , z = t } R3 . Determinar si H es subespacio

vectorial de R3 .
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 .
Verificar si P = {(x, y, z) R3 : 2x + 4y + 2z = 0} R3 es un subespacio vectorial de R3 .
Observacin
Al igual que en para las lineas rectas, todo plano que contenga al origen, constituye un
espacio vectorial.
Llamamos subespacios impropios de un espacio vectorial V , al mismo V y al subespacio for-

mado nicamente por el vector cero H = {0}.
3.2.1 Interseccin de subespacios vectoriales

Recordemos de la teora de conjuntos que la interseccin de dos conjuntos A y B esta compues-
ta por todos los elementos que estn en ambos conjuntos, es decir que pertenece al el conjunto
A y tambin al conjunto B , el smbolo usado para identificar una interseccin de conjuntos es
66
, matemticamente tenemos:
x A B x A y x B
Definicin 3.3 Subespacios

Sean H1 y H2 dos subespacios vectoriales de un espacio vectorial V , definimos la inter-
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
Cualesquiera 2 subespacios tienen al menos un vector comn, ste elemento es el vector

cero.
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:
1. sean h, n h 1 H2 , es decir estn en H1 y H2 sto significa que h +n H1 y tambin

h + n H2 por lo tanto h + n H1 H2 .
2. Sea k R, como h H1 H2 , entonces h H1 y h H2 por lo tanto kh H1 y

kh H2 pero esto implica que kh H1 H2 .
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.
Ejemplo 3.8 interseccin de subespacios
Sean H = {(x, y, z) : x = 1 + t , y = 2 2t , z = 1 t } y P = {(x, y, z) : 2x 3y + 8z = 0} dos

subespacios de R3 , encontrar el subespacio formado por su interseccin.
Solucin .
H es una recta en el espacio y sus elementos tienen la forma (1 + t , 2 2t , 1 t ), mien-

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 .
Definicin 3.4 Subespacios distintos

Decimos que dos subespacios H1 , H2 son disjuntos, si el nico elemento que pertenece
a su interseccin es el vector cero.
Ejemplo 3.9 Dos subespacios con interseccin trivial
Sean H = {(x, y) : x = 2y} y P = {(x, y) : 2x 3y = 0} dos subespacios de R2 , encontrar el

subespacio formado por su interseccin.
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
cuya nica solucin es x 1 = 0 y x 2 = 0 por lo que la interseccin es el vector (0, 0).
3.2.2 Suma de subespacios vectoriales
Aun cuando en teora de conjuntos la unin e interseccin de conjuntos van de la mano, en

espacios vectoriales no sucede lo mismo, de hecho la unin de dos subespacios vectoriales
no tiene por qu ser un subespacio vectorial, para obtener subespacios vectoriales a partir de
pegar subespacios necesitamos una operacin alternativa, que nos permita reunir subespacios
de manera que se mantenga la estructura de subespacio vectorial. Esta operacin la definimos
de la siguiente forma.
Definicin 3.5 Suma de subespacios

Dados H1 , H2 dos subespacios de un espacio vectorial V . La suma de subespacios vec-
toriales se define como
H1 + H2 = {v V : v = h 1 + h 2 donde h 1 H1 , h 2 H2 }
donde la operacin de suma es la definida para V . 68

Podemos generalizar esta idea de suma a cualquier cantidad de subespacios vectoriales en la
siguiente forma:
Definicin 3.6 Suma general de subespacios

Dados H1 , H2 , . . . Hn subespacios de un espacio vectorial V . La suma de subespacios vec-
toriales se define como
n
X n
X
Hi = H1 + H2 + . . . + Hn = {v V : v = hi donde h i Hi
i =1 i =1
donde h i Hi y la operacin de suma es la definida para V .
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.
Ejemplo 3.10 Suma de dos rectas en el plano
Considera los subespacios H1 = {(x, y) R2 : x 2y = 0} y H2 = {(x, y) R2 : 2x +3y = 0} de

R2 , encontrar el subespacio formado por su 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.
Considera los subespacios H1 = {(x, y, z) R3 : x = t , y = 2t , z = 3t } y H2 = {(x, y, z) R3 :

4x 5y + 2z = 0} de R3 , encontrar:
1. El subespacio formado por su interseccin.
2. El subespacio formado por su suma.

3.3 Dependencia e independencia lineal lgebra lineal.
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.
Ejemplo 3.11 Suma directa de un plano y una recta en el espacio
Considerando los subespacios H1 = {(x, y, z) R3 : x = 2 2t , y = 3 3t , z = 1 t } y

H2 = {(x, y, z) R3 : x 2y = 0} de R3 , encontrar el subespacio formado por su suma y
comprobar que es una suma directa.
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

Que reescribiendo queda

x + 2t =2
1
2 x + 3t =3
z +t =1

El cual tiene como solucin x = 0, z = 0 y t = 1 pero recordemos que t es un parmetro

para la ecuacin de la linea recta por lo que al sustituirlo obtenemos y = 0 es decir la
interseccin es el vector (0, 0, 0) y en consecuencia se trata de una suma directa.
3.3 Dependencia e independencia lineal

Definicin 3.8 Combinacin lineal
Dado un conjunto de vectores v 1 , v 2 . . . v n , se conoce como combinacin lineal de ellos
a cualquier vector v obtenido mediante la frmula
v = k1 v 1 + k2 v 2 + + kn v n ,
donde k 1 , k 2 . . . k n son escalares reales, llamados coeficientes de la combinacin lineal.

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.
Ejemplo 3.12 Un vector como combinacin lineal de otros
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

La solucin de este sistema es k 1 = 2, k 2 = 1. Finalmente escribimos (7, 7, 7) =

2(1, 2, 4) 1(5, 3, 1) + 0(2, 1, 0).
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.
Ejemplo 3.13 Un conjunto generador de R3
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
vectores genera todo R3 .
Ejemplo 3.14 Conjunto generador del espacio de polinomios de grado 3
Mostrar que los monomios 1, x, x 2 , x 3 generan el espacio vectorial de polinomios de gra-

do menor o igual a 3.
71
Solucin .
Sea P = ax 3 + bx 2 + cx + d un polinomio general de grado menor o igual a 3, para escri-
birlo como combinacin lineal de los vectores simplemente hay que multiplicar por la
constante correspondiente cada trmino.
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:
1. Al menos uno de ellos es combinacin lineal de los otros.
2. El vector cero se puede expresar como combinacin lineal de todos ellos con coe-
ficientes no todos iguales a cero.
Si el conjunto de vectores no es linealmente dependiente, se dice que es linealmente

independiente.
En otras palabras, decimos que un conjunto de vectores es linealmente independiente si la

ecuacin
0V = k 1 v 1 + k 2 v 2 + . . . k n v n
implica que todos los k i sean igual a cero.
Ejemplo 3.15 Dos vectores linealmente independientes
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
Observacin
Un conjunto de n vectores en Rm siempre es linealmente dependiente si n > m; es decir,

el conjunto ser dependiente si existen ms vectores que la dimensin del espacio.
Ejemplo 3.16 Cuatro vectores en R3 72

Determinar si los vectores u = (1, 0, 0), v = (0, 1, 0), w = (0, 0, 1), z = (1, 1, 0) son linealmente
independientes o dependientes en R3 .
Solucin .
Como la dimensin del espacio es 3 y tenemos 4 vectores entonces por la observacin ??
los vectores son linealmente dependientes.
Algunas propiedades de los vectores linealmente dependientes e independientes son las si-
guientes:
1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vec-

tores es combinacin lineal de los dems.
2. Si un conjunto de vectores es linealmente independiente, cualquier subconjunto suyo

tambin lo es.
3. Si un conjunto de vectores es linealmente dependiente, tambin lo es todo conjunto que

lo contenga.
4. Un conjunto de vectores son linealmente dependientes si y slo si son paralelos.
5. Un conjunto de vectores son linealmente dependientes si algn vector es mltiplo de otro.
6. Geomtricamente, dos vectores son linealmente independientes si no tienen la misma

direccin.

Determine si los vectores u = (1, 2, 3, 4, 2), v = (2, 2, 0, 1, 3), w = (0, 1, 7, 1, 3) y z =
(3, 6, 9, 12, 6) son linealmente independientes.
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.
Ejemplo 3.17 Dependencia lineal con vectores matriciales

! ! ! !
1 3 2 3 2 3 3 1
Determinar si los vectores u = ,v = ,w = ,z= son
1 4 5 1 1 2 2 1
linealmente independientes.
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.
3.4 Base y dimensin de un espacio vectorial

La dimensin de un espacio vectorial, proporciona una idea de cuntos parmetros se necesi-
tan para localizar con toda precisin un punto en ese espacio; por ejemplo, para localizar un
punto en el plano se necesitan 2 coordenadas, mientras que en R3 se deben indicar 3 coorde-
nadas. Esa cantidad coincide con el nmero mximo de vectores linealmente independientes
que puede tener un espacio vectorial.
Definicin 3.11 Dimensin de un espacio

La dimensin de un espacio vectorial V es igual al mximo nmero de vectores lineal-
mente independientes de dicho espacio y se denota como d i mV .
La dimensin de un espacio vectorial, tambin coincide con el mnimo nmero de vectores

que forman un conjunto generador para todo el espacio.
Ejemplo 3.18 Dimensin del conjunto de polinomios de grado menor o igual a 3
Mostrar que la dimensin de P 3 , que es igual al conjunto de polinomios de grado menor

o igual a 3, es 4.
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.
Algunas dimensiones de espacios vectoriales conocidos son las siguientes:
La dimensin de cualquier espacio vectorial trivial es 0.
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.
La dimensin de Rn = n para n 0.
La dimensin de los espacios vectoriales P n que contienen a los polinomios de grado

menor o igual a n, es n + 1.
La dimensin de los espacios vectoriales conformados por matrices de orden n n es

igual a n 2 . 74
Un resultado til para saber cuando estamos generando un espacio, est expresado en la si-
guiente
Proposicin 3.3 propo:espaciogenerado

Un conjunto de vectores genera un espacio vectorial, si contiene la misma cantidad de
vectores linealmente independientes que la dimensin del espacio.
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.
Definicin 3.12 Base de un espacio vectorial

Un conjunto finito de vectores {v 1 , v 2 , . . . v n } es una base para un espacio vectorial V , si
el conjunto {v 1 , v 2 , . . . v n } es linealmente independiente y genera a todo V .
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 .
El conjunto de vectores {1, x, x 2 , . . . x n }, que forman la base cannica de P n .

Ejemplo 3.20 Algunas bases de R3
Determinar cual o cuales de los siguientes vectores
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)}
forman una base para el espacio vectorial R3 . 75

Solucin .
El conjunto de vectores U es una base, de hecho es la base cannica, al formar el deter-
minante con los elementos de V y W respectivamente tenemos

2 1 0 2 1 0

d et V = 2 3 1 = 34 d et W = 2 3 1 = 0

0 1 4 0 1 4
por lo que los vectores de V son linealmente independientes y generan una base, mien-
tras que W no forma una base.
.
Ejemplo 3.21 Una base para un plano en el espacio
Probar que el conjunto P = {(x, y, z) R3 : 2x y +3z = 0} es un espacio vectorial y encon-

trar una base para este espacio.
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)}.
Ejemplo 3.22 Un espacio vectorial de dimensin 3
Determinar si el conjunto U = {(x, y, z, w) R4 : z = 2x + 3y} es un espacio vectorial; en

caso serlo, encontrar una base para este espacio.
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:
1. Sean (x 1 , y 1 , 2x 1 + 3y 1 , w 1 ) y (x 2 , y 2 , 2x 2 + 3y 2 , w 2 ), entonces la suma (x 1 + x 2 , y 1 +

y 2 , 2(x 1 + x 2 ) + 3(y 1 + y 2 ), w 1 + w 2 ) tiene la misma forma por lo que pertenece a U .
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.
por lo tanto es un espacio vectorial, como la dimensin de U es tres, necesitamos tres

vectores linealmente independientes, estos pueden ser (1, 1, 5, 0), (0, 1, 3, 1), (0, 0, 0, 1) ya
que ninguno se puede escribir como combinacin lineal de los otros.
3.5 Ortonormalizacin lgebra lineal.
3.5 Cambio de base

Las coordenadas o componentes de cualquier vector, es decir, los coeficientes de la combina-
cin lineal que genera dicho vector, estn referidas a una base (la base estndar). En ocasiones,
para simplificar nuestro trabajo, nos interesa escribir los vectores en trminos de una base dis-
tinta; es importante entonces conocer como se expresa un vector en trminos de una base
arbitraria. 76
3.5.1 Cambio de la base cannica a otra base
Comenzaremos por estudiar la forma de escribir cualquier vector en trminos de una base
arbitraria, partiendo de la base cannica.
Definicin 3.13 Vector de coordenadas
Sea V un espacio vectorial de dimensin finita con base B = {v 1 , v 2 . . . v n }. Para cada
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.
Ejemplo 3.23 Un vector escrito en trminos de una base dada
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 .
2. Calcular el vector w, si [w]B = (2, 1, 4).

Solucin .
De acuerdo a la definicin
1. Debemos escribir v como combinacin lineal de la base B, es decir, (2, 3, 1) =
k 1 (1, 0, 1) + k 2 (1, 1, 0) + k 3 (1, 1, 1) y resolver el sistema formado

2 = k1 k2 + k3

3 = k2 + k3

1 = k 1 + k3

cuya solucin es k 1 = 1, k 2 = 1, k 3 = 2, por lo tanto [v]B = (1, 1, 2).
2. Escribimos el vector w = (x, y, z) como combinacin lineal de la base B, es decir,

(x, y, z) = k 1 (1, 0, 1) + k 2 (1, 1, 0) + k 3 (1, 1, 1) donde k i corresponden a las coorde-
nadas del vector [w]B , es decir
(x, y, z) = 2(1, 0, 1) + (1, 1, 0) + 4(1, 1, 1)
igualando las coordenadas obtenemos X = 21+4 = 1, y = 1+4 = 5 y z = 2+4 = 6

por lo que w = (1, 5, 6).
Observacin
Todo vector se representa en trminos de una base; si no se indica la base utiliza-

da, se considera que se est usando la base cannica y escribimos entonces el vector 77
v = (x, y, z) R3 en vez de [v]B = (x, y, z), donde B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es la base
cannica.
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)}
Figura 3.1. Representacin de un vector en trminos de bases distintas.
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.
Ejemplo 3.24 Un vector escrito en trminos de una base dada
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
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
3.5.2 Cambio de bases en general

Para realizar un cambio de bases en general, es necesario calcular una matriz que nos permita
realizar este cambio, esto lo hacemos de la manera que a continuacin describimos.
Definicin 3.14 Matriz de transicin

Sea V un espacio vectorial, B1 = {u 1 , u 2 , . . . u n } y B2 = {v 1 , v 2 , . . . v n } dos bases de V . Re-
cibe el nombre de matriz de transicin o matriz de cambio de la base B1 a la base B2 ,
la matriz de dimensiones n n, que por columnas es

P = [u 1 ]B2 [u 2 ]B2 [u n ]B2 ,
donde cada vector [u i ]B2 se calcula con la ecuacin 3.1.
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
Proposicin 3.4 pro.cambiodebase

Sea P la matriz de transicin de una base B1 a otra base B2 de un espacio vectorial V .
Entonces:
v V se tiene que [v]B2 = P [v]B1 .
P es invertible y su inversa, P 1 , es la matriz de transicin de la base B2 a la base

B1 .
Ejemplo 3.25 Un vector escrito en trminos de dos bases
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
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
(1, 0, 0) = a 1 (1, 0, 2) + a 2 (3, 1, 0) + a 3 (0, 1, 2)
de aqu a 1 = 1/4, a 2 = 1/4, a 3 = 1/4, para el segundo vector de B1

79
(0, 1, 0) = b 1 (1, 0, 2) + b 2 (3, 1, 0) + b 3 (0, 1, 2)
de aqu b 1 = 3/4, b 2 = 1/4, b 3 = 3/4 y para el tercero
(0, 0, 1) = c 1 (1, 0, 2) + c 2 (3, 1, 0) + c 3 (0, 1, 2)
de aqu c 1 = 3/8, c 2 = 1/8, c 3 = 1/8, entonces la matriz de transicin es

a1 b1 c1 1/4 3/4 3/8 2 6 3
1
P = a 2 b 2 c 2 = 1/4 1/4 1/8 = 2 2 1

8
a3 b3 c3 1/4 3/4 1/8 2 6 1
y por la proposicin ?? el vector pedido es

2 6 3 1 2
1 1
[v]B2 = P [v]B1 = 2 2 1 2 = 2 .

8 8
2 6 1 4 14
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
3.5.3 Bases ortonormales

En esta seccin veremos que dada cualquier base, siempre es posible transformarla de manera
que sus vectores sean perpendiculares entre si y de longitud unitaria. Comencemos por definir
este tipo de conjuntos vectoriales.
Definicin 3.15 Vectores ortonormales

Se dice que un conjunto de vectores S = {u 1 , u 2 , . . . u k } es un conjunto ortonormal si
cumple las siguientes dos condiciones;
1. u i u j = 0 para todo i 6= j
2. u i u i = 1.
con i , j = 1, . . . k. Si slo se satisface la primera condicin, se dice que el conjunto es

ortogonal.
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
proyv HuL
v
Figura 3.2. Vector de proyeccin.
Bajo esta idea se construye el proceso de ortonormalizacin de Gram-Schmidt; ste es un

algoritmo para construir, a partir de un conjunto de vectores linealmente independientes de
un espacio vectorial, otro conjunto ortonormal de vectores que genere el mismo subespacio
vectorial.
El mtodo para ortonormalizar un conjunto de vectores lo describimos a continuacin
Proceso de ortonormalizacin de Gram-Schmidt

Consideremos un conjunto de vectores S = {v 1 , v 2 . . . v n } linealmente independientes de un
espacio vectorial 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
Tomamos el vector v 20 y lo dividimos entre su magnitud para hacerlo unitario, al re-

v 20
sultado lo llamaremos u 2 , es decir u 2 = |v 20 |
.
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 |
.
Ejemplo 3.26 Construccin de una base ortonormal
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.
P.1) Tomamos el vector v 1 y lo dividimos entre su magnitud para hacerlo unitario

(1, 1, 0) 1 1
u1 = p = p , p ,0 .
12 + 12 + o 2 2 2
P.2) Proyectamos el vector v 2 sobre u 1 , para obtener

1 1 1 1
0 0 p p 0 p
2 2 1 12 12
0 p1 p1
v 2 = 1 1 = 1 p p = 2
2 2 2 2
1 1 0 0 1 0 1
y luego dividiendo entre su magnitud
( 12 , 12 , 1)

1 1 2
u2 = q = p , p , p
1
+ 1
+ 1 6 6 6
4 4
P.3) Para construir el tercer vector tenemos

1 1 1 1
1 1 p p 1 p p
2 2 6 6
v 30 = 0 0 p1 p1 p p1 =
1

0

2 2 6 6
1 1 0 0 1 p2 p2
6 6
1
1

1 1 2
p p
1 6 1 6
1 12 1 1
2
3
= 0 p p p 6 = 0 2 61 = 23
p 1

2 2 6 1 2
1 0 p2 1 0
6 3 3
y dividiendo entre su magnitud

2 2 2

3,3, 3

1 1 1
u3 = q = p ,p , p .
4
+ 49 + 49 3 3 3
9
Por lo que la base ortonormal correspondiente es

p p p
1/p2 1/ 6 1/ 3
p p

1/ 2 , 1/ 6 , 1/ 3

p p
0 2/ 6 1/ 3


3.6.1 Ejercicios
1. Indicar cuales de las propiedades 1, 3, 4, 5, 6, 7 de espacios vectoriales fallan en los siguien-

tes conjuntos.
a. El conjunto de los nmeros enteros.
b. El conjunto de los nmeros racionales.
82
c. El conjunto de los nmeros reales.
d. El conjunto de matrices diagonales de 3 3.
e. El conjunto de todas las lineas rectas horizontales en el plano.
f. El conjunto de todos los crculos centrados en el origen, de radio r 0, con la suma y
producto de funciones.
g. El conjunto de polinomios de grado menor o igual a 3 de la forma ax 3 +bx 2 +c x +d , con
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.
2. Determina si el subconjunto H del espacio vectorial V , es un subespacio vectorial.

a. H = {(x, y) : 1 y 1 , 1 x 1};V = R2 .
b. H = {(x, x) : x R}; V = R2 .
c. H = {(x, y) : x 2 + y 2 1}, V = R2 .
a a +b a +c
d. H es el conjunto de matrices de la forma b d e ; V es el espacio vectorial

c f g
formado por las matrices de 3 3.
3. Determine si el conjunto de vectores genera al espacio dado.

a. H = (1, 2), (3, 4) el espacio es R2 .
b. H = (1, 1), (2, 2), (3, 5) el espacio es R2 .
c. H = (1, 1, 1), (0, 1, 1), (0, 0, 1) el espacio es R3 .
d. H = 1 x, 3 x 2 el espacio es el conjunto de polinomios de grado menor o igual a 2.
4. Escribe el vector (1, 1, 2) en trminos de la base dada.

1
0 1 2
1 3
a. 0 , 0 , 1 . b. 1 , 4 , 2 .

0 1 1 3 5 4

( ! !) ( ! !)
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 .
b. Dado el vector [v]B1 = (2, 3, 1), encontrar [v]B2 .

c. Dado el vector [u]B2 = (0, 2, 0), encontrar [u]B1 .
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

Aplicar las transformaciones lineales y sus propiedades para representarlas mediante una ma-
triz de reflexin, dilatacin, contraccin y rotacin.
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.
Identificar cundo una transformacin es una transformacin lineal.
Definir y obtener el ncleo y la imagen de una transformacin lineal, as como la dimen-

sin del ncleo y de la imagen.
Representar una transformacin lineal como una matriz.
Encontrar matrices de transformacin.
Resolver aplicaciones de transformaciones lineales de reflexin, dilatacin, contraccin

y rotacin.
4.1 Definicin y propiedades de una transformacin

lineal
En esta seccin introduciremos, recordando el concepto de funcin, la definicin de una trans-
formacin lineal, abordaremos tambin las nociones bsicas de estas funciones vectoriales.
Definicin 4.1 Transformacin lineal
Sean V y W espacios vectoriales reales. Una transformacin lineal T : V W , es una
funcin que asigna a cada vector v V un vector nico T (v) W y que satisface para
cada u, v V y cada escalar k R:
1. T (u + v) = Tu + T v.
2. T (kv) = kT (v).
4.1 Definicin y propiedades de una transformacin lineal lgebra lineal.
Observacin
La diferencia entre transformaciones lineales y funciones reales radica en que, en las

funciones la regla de asociacin est definida entre conjuntos normalmente de nmeros
reales, mientras que las transformaciones lineales relacionan cualquier espacio vecto-
rial.
86
Ejemplo 4.1 Transformacin lineal de T : R2 R3

! x+y
x
Determinar si la transformacin T : R2 R3 , donde T = x y es lineal.

y
3y
Solucin .
Transformaciones Lineales
Debemos comprobar las dos propiedades de la definicin:
1. Sean U = (x 1 , y 1 ) y V = (x 2 , y 2 ) dos vectores de R2 , entonces

" ! !# " !# (x 1 + x 2 ) + (y 1 + y 2 )
x1 x2 x1 + x2
T + =T = (x 1 + x 2 ) (y 1 + y 2 )

y1 y2 y1 + y2
3(y 1 + y 2 )
si reagrupamos algebraicamente y regresamos la transformacin tenemos

(x 1 + y 1 ) + (x 2 + y 2 ) (x 1 + y 1 ) (x 2 + y 2 ) ! !
x1 x2
(x 1 y 1 ) + (x 2 y 2 ) = (x 1 y 1 ) + (x 2 y 2 ) = T +T

y1 y2
3(y 1 ) + 3(y 2 ) 3(y 1 ) 3(y 2 )
por lo que se cumple la primera condicin.
2. Consideremos k un nmero real y u = (x, y) un vector arbitrario de R2

" !# ! kx + k y
x kx
T k =T = kx k y

y ky
3k y
Nuevamente realizando lgebra y regresando la transformacin

kx + k y x+y !
x
kx k y = k x y = kT

y
3k y 3y
por lo que se cumple la segunda condicin.
Por lo tanto es transformacin lineal.
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.
Ejemplo 4.2 Una transformacin que no es lineal

! x+y
x
Determinar si la transformacin T : R2 R3 , donde T = x y 2 es lineal.

y
3y 2
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
por otro lado

" !# 3 6
2
2 T = 2 1 = 2

1
3 6
como no son iguales, entonces podemos concluir que no se cumple la segunda condi-
cin y por lo tanto no es transformacin lineal.

! !
2 2 x y
Determinar si la transformacin T : R R , donde T = es lineal.
y 2
A continuacin mostramos algunas de las transformaciones lineales ms relevantes.
La transformacin cero: T : V W , donde para todo v V , T (v) = 0W .
La transformacin identidad: T : V V tal que para cada v V se tiene T (v) = v.

! !
x
2 x 2
La transformacin de reflexin: T : R R con T = .
y y
! !
2 x x cos y sen
2
La transformacin de rotacin: T : R R tal que T = .
y x sen + y cos
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 .
Ejemplo 4.3 Linealidad de la trasformacin de rotacin
Mostrar que la matriz de rotacin es lineal.
Solucin . ! !
x x cos y sen
la matriz de transformacin est dada por T = .
y x sen + y cos
1. Sean U = (x 1 , y 1 ) y V = (x 2 , y 2 ) dos vectores de R2 , entonces

" ! !# " !# !
x1 x2 x1 + x2 (x 1 + x 2 ) cos (y 1 + y 2 ) sen
T + =T =
y1 y2 y1 + y2 (x 1 + x 2 ) sen + (y 1 + y 2 ) cos
si reagrupamos algebraicamente y regresamos la transformacin tenemos

! ! ! ! 88
x 1 cos y 1 sen x 2 cos y 2 sen x1 x2
+ =T +T
x 1 sen + y 1 cos x 2 sen + y 2 cos y1 y2
por lo que se cumple la primera condicin.
2. Ahora consideremos k un nmero real y u = (x, y) un vector arbitrario de R2

" !# ! !
x kx kx cos k y sen
T k =T =
y ky kx sen + k y cos
Nuevamente realizando lgebra y regresando la transformacin

! !
x cos y sen x
k = kT
x sen + y cos y
por lo que se cumple la segunda condicin.
Por lo tanto es transformacin lineal.
Como su nombre lo indica, esta trasformacin nos permite rotar vectores un cierto ngulo
(determinado por el valor de ).

Mostrar que la transformacin diferencial es lineal.
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.
Una funcin es biyectiva si es inyectiva y suprayectiva.
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.
Definicin 4.2 Clasificacin de transformaciones lineales

Sean V y W dos espacios vectoriales y sea T : V W una transformacin lineal. Se dice
que:
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.
En algunos casos, consideraremos transformaciones lineales de un espacio vectorial en s mis-

mo.
Definicin 4.3 Transformaciones de un espacio sobre si mismo
Sea V un espacio vectorial. Una transformacin lineal T : V V se llama un endomor-
fismo de V . Si T es un endomorfismo que es, adems, un isomorfismo, entonces se dice
que es un automorfismo.
4.2 Ncleo e imagen de una transformacin lineal

Dada una transformacin lineal T : V W , podemos encontrar un subespacio de V determi-
nado por la transformacin lineal al cual se le conoce como el ncleo de la transformacin y
nos proporciona informacin sobre la cantidad de vectores presentes en V que, mediante la
transformacin lineal, se relacionan con un solo elemento de W . En particular, conocer este
subespacio nos permitir determinar si T es un monomorfismo.
Definicin 4.4 Ncleo de una transformacin

Sean V y W dos espacios vectoriales y sea T : V W una transformacin lineal, entonces
el ncleo de T , denotado por nu T , esta dado por nu T = {v V : T (v) = 0W }.
Geomtricamente el ncleo de una transformacin lo podemos representar como:
V
T W
v8 w1
v5
v7 W7
v1
v4 0w
0v
v6
w3
v2
v3
Ncleo de T
Figura 4.1. Ncleo de una transformacin

Ejemplo 4.4 Algunos elementos del ncleo

3 2
Verificar si vectores (2, 3, 2), (1, 1, 1) y (2, 2, 2) pertenecen al ncleo de T : R R
los
x !
x z
tal que T y = .

y +z
z 90
Solucin .
Aplicando la transformacin a cada vector tenemos

2 ! 1 ! 2 !
4 0 0
T 3 = , T 1 = , T 2 =

1 0 0
2 1 2
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.
Ejemplo 4.5 Una transformacin con ncleo trivial

! x+y
x
Hallar el ncleo de la transformacin lineal T : R2 R3 tal que T = x .

y
y
Solucin .
Al igualar cada componente del vector resultado a cero obtenemos el sistema

x+y = 0

x = 0

y= 0

cuya solucin es x = 0, y = 0, es decir nuT = (0, 0).
Ejemplo 4.6 Transformacin con infinidad de elementos en su ncleo
Encontrar el ncleo de la transformacin lineal diferencial tal que f C 1 (R, R), T ( f ) = f 0
Solucin .
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 .
Ejemplo 4.7 Una transformacin que no es isomorfismo

3 2
la proposicin 4.3 para determinar si la transformacin T : R R tal que
Usar
x !
x +y z
T y = es o no, un isomorfismo.

z x
z
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 se define de la misma forma en como definimos la

imagen de una funcin.
Definicin 4.5 Imagen de una transformacin

Sean V y W dos espacios vectoriales y sea T : V W una transformacin lineal, entonces
la imagen de T , denotada por i m T , se define como i m T = {w W : w = T (v) para
alguna v V }
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.
En caso de que el sistema no tenga solucin significa que el vector no pertenece a la imagen de
la transformacin.
Ejemplo 4.8 Determinar si un elemento pertenece a la imagen
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
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 .
Para encontrar una base de la imagen de una transformacin T : Rm Rn , aplicamos la trans-

formacin y enseguida igualamos el vector que resulta a un vector arbitrario (x 1 , x 2 , . . . x n ) den-
tro del codominio; luego, al tratar de resolver el sistema asociado, debemos encontrar la rela-
cin que existe entre las coordenadas de este vector, con la finalidad de que tenga solucin,
con esto sabremos a cuntas x i le podemos asignar valores arbitrarios y cules dependern de
los valores asignados.
Una vez hecho lo anterior, expresamos el vector (x 1 , x 2 , . . . x n ) como combinacin lineal de tan-
tos vectores como valores arbitrarios se pueden asignar. Por ejemplo, si al resolver el sistema
llegamos a que se pueden asignar valores para las coordenadas x 1 , x 2 , x n , entonces expresara-
mos el vector como
x1 k1 h1 i1
x2 k2 h2 i2

. = x1 . + x2 . + xn .
. . . .
. . . .
xn kn hn in
donde los k i , h i , i i son valores numricos que deben cumplir con la igualdad. Finalmente, la
imagen de T ser el espacio vectorial generado por estos vectores, que escribimos en la forma

k h i
1 1 1

k 2 h 2 i 2

i mT = g en . , . , . .

.. .. ..

kn hn in

Ejemplo 4.9 Dimensin de la imagen de una transformacin
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
por lo tanto la imagen es

1/2
1/2

i m T = g en 1 , 0

0 1

y la dimensin de la imagen es igual a 2.
Ejemplo 4.10 Dimensin de la imagen de una transformacin

x x +y z
Encontrar la imagen de la transformacin T : R3 R3 tal que T y = z .

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

y la dimensin de la imagen es igual a 2.

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 ).
2. Sean T (v 1 ) y T (v 2 ) elementos de la imagen de T . Como T es transformacin lineal

se tiene que T (v 1 ) + T (v 2 ) = T (v 1 + v 2 ) T (V ).
3. Dado que T es transformacin para cualquier r R y t (v) T (V ) se tiene que

r T (v) = T (r v) T (V ).
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:
d i mV = d i m(nuT ) + d i m(i mT ) (4.1)
Ejemplo 4.11 Aplicacin de la proposicin sobre la dimensin
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
al igualar a cero,nos da el sistema

a 5b =0

2a + b =0

c 5d =0

2c + d =0

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.
4.3 Representacin matricial de una transformacin

lineal
En esta seccin vamos a ver que para toda transformacin lineal T : V W , existe una matriz
A T asociada a la transformacin lineal de tal manera que T (v) = Av para toda v V .
Definicin 4.6 Matriz de transformacin 95

Sean V y W dos espacios vectoriales de dimensiones n y m, respectivamente, y sea T :
V W una transformacin lineal, entonces existe una matriz A T de orden mn llamada
matriz de transformacin o representacin matricial de T que satisface T (v) = (A T )v
para toda v V .
La matriz A T se obtiene evaluando la transformacin lineal T sobre la base cannica y colo-

cando el resultado de cada vector como columna de la matriz A T .
Ejemplo 4.12 Matriz de transformacin para una proyeccin
Encontrar la matriz de transformacin correspondiente a la proyeccin de un vector en

x !
3 3 2 x
R sobre el plano X Y , es decir, la transformacin T : R R tal que T y = .

y
z
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.
Ejemplo 4.13 Relacin de la matriz de transformacin con el ncleo e imagen
Hallar la representacin matricial de la transformacin lineal T : R3 R4 tal que

xy
x
y +z

T y = ;
2x y z
z
x + y + 2z
adems, encontrar su ncleo e imagen.
Solucin .
Al aplicar la transformacin a cada uno de los elementos de la base cannica R3 se tiene

1 1 0
1 0 0 1 0 1
T 0 = , T 1 = , T 0 = .

2 1 1
0 0 1
1 1 2
96
La matriz de transformacin es

1 1 0
0 1 1
AT = .

2 1 1
1 1 2
Claramente se observa que los tres vectores columna son linealmente independientes,
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

Adems, considerando que el dominio de esta transformacin tiene dimensin 3, por la

proposicin 4.5 el ncleo tiene dimensin cero y por lo tanto solo contiene al elemento
cero.
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.
Ejemplo 4.14 Matriz asociada a transformaciones polinomiales
Sea T : P 2 P 3 definida como T (P (x)) = xP (x), donde P (x) es un polinomio de grado 2,

encontrar A T y determinar el ncleo y la imagen de T .
Solucin .
Recordemos que la base cannica de P 2 es {1, x, x 2 } = {0x 2 +0x +1, 0x 2 + x +0, x 2 +0x +0}.
Aplicando la transformacin lineal sobre esta base, se tiene que
T (1 + 0x + 0x 2 ) = x(1 + 0x + 0x 2 ) = 0 + x + 0x 2 + 0x 3 ,
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 .
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.

x 2x y + 3z
Sea T : R3 R3 tal que T = y = 4x 2y + 6z . Encontrar ncleo e imagen de T .

z 6x + 3y 9z
Ayuda:
1. Construir la matriz de transformacin y escalonarla por mtodo de Gauss-Jordan.
2. Encontrar
elnico
vector linealmente independiente para concluir que i mT =

2

g en 4 .

6

3. Igualar a cero el vector generado por la transformacin lineal y resolver el sistema

asociado para encontrar los dos vectores linealmente
independientes
que generan

1 0

al ncleo, por ejemplo pueden ser nuT = 5 , 3 .

1 1

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.
4.4 Geometra y aplicaciones de las transformacio-

nes lineales
Considrese un sistema coordenado sobre un plano. Un objeto en el plano puede conside-
rarse como un conjunto de puntos. Cada punto P tiene coordenadas (x, y), de manera que el
objeto es la suma total de todos sus puntos coordenados. Si el objeto se traslada a una nueva 98
posicin, puede considerarse como un nuevo objeto 0 , cuyos puntos coordenados P 0 pueden
obtenerse a partir de los puntos originales P mediante la aplicacin de una transformacin
geomtrica.
Proposicin 4.6
Sea T : R2 R2 una trasformacin lineal con representacin matricial A T , entonces si

A T es invertible, T se puede escribir como una sucesin de una o ms trasformaciones
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
Si aplicamos la transformacin para expandir sobre el eje X en la base cannica de R2 , tenemos

que ! ! ! !
1 c 0 0
T = y T =
0 0 1 1
por lo que la matriz de transformacin para realizar una expansin en el eje X es
!
c 0
AT = .
0 1
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.
Ejemplo 4.15 Expandir tres veces una figura sobre el eje X
Encontrar la matriz de transformacin para expandir 3 veces el eje X y aplicarlo al cua-

drado definido por los puntos (1, 1), (3, 1), (3, 3) y (1, 3).
Solucin .
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
Geomtricamente la transformacin es:

4 4
3 3
2 2
1 1
2 4 6 8 10 2 4 6 8 10
-1 -1
Al igual que con el eje X podemos expandir el eje Y en la siguiente forma.
Definicin 4.8 Expansin sobre el eje Y
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
Si aplicamos la transformacin para expandir sobre el eje Y en la base cannica de R2 , tenemos

que
! ! ! !
1 1 0 0
T = y T =
0 0 1 c
por lo que la matriz de transformacin para realizar una expansin en el eje Y es

!
1 0
AT = .
0 c
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.
Ejemplo 4.16 Expandir una figura sobre el eje Y
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 .
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
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
Si aplicamos la transformacin para contraer sobre el eje X en la base cannica de R2 , tenemos

que ! ! ! !
1 c 0 0
T = y T =
0 0 1 1
por lo que la matriz de transformacin para realizar una contraccin en el eje X es
!
c 0
AT = .
0 1
Para contraer un objeto sobre el eje Y definimos.

Definicin 4.10 Contraccin sobre el eje 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
como: ! !
x x
T = .
y cy
La matriz de transformacin para realizar una contraccin en el eje Y es

!
101
1 0
AT = .
0 c
Ejemplo 4.17 Recortar a la mitad una figura sobre el eje X
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 .
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

3 3
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.
Definicin 4.11 Reflexin sobre rectas

Una reflexin es una transformacin lineal T : R2 R2 que desplaza de forma simtrica
los puntos del plano respecto a un eje fijo. Existen 3 tipos de reflexiones de transforma-
ciones lineales
! !
x x
T = , refleja a un vector respecto al eje X .
y y
! !
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
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.
Ejemplo 4.18 Reflexin sobre la 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
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
Un corte a lo largo del eje X es una transformacin lineal T : R2 R2 tal que

! !
x x +cy
T =
y y
donde c es una constante que puede ser positiva o negativa.
La matriz de transformacin que se obtiene al aplicar la trasformacin lineal sobre la base ca-
nnica es: !
1 c
AT =
0 1
Ejemplo 4.19 Corte sobre el eje X
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
6 6
5 5
4 4
3 3
2 2
1 1
2 4 6 8 2 4 6 8
-1 -1
Definicin 4.13 Corte sobre el eje Y
Un corte a lo largo del eje Y es una transformacin lineal T : R2 R2 tal que

! !
x x
T =
y y + cx
donde c es una constante que puede ser positiva o negativa. 104

La matriz de transformacin que se obtiene al aplicar la trasformacin lineal sobre la base ca-
nnica es: !
1 0
AT =
c 1
Es posible tambin hallar una transformacin lineal que gira grados a un punto P con res-
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( + )
pero, mediante identidades trigonomtricas tenemos

( )
r cos( + ) = r (cos cos sen sen ) = x cos y sen
. (4.4)
r sen( + ) = r (sen cos + cos sen ) = x sen + y cos
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
lo cual nos conduce a la siguiente definicin.
Definicin 4.14 Rotacin de objetos
Una rotacin respecto al origen es una transformacin lineal T : R2 R2 tal que

! !
x x cos y sen
T =
y x sen + y cos
donde es el ngulo que se pretende girar.
La matriz de transformacin asociada a una rotacin es la siguiente

!
cos sen
AT =
sen cos
Ejemplo 4.20 Giro de un rectngulo
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

3 3
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

Determinar cules sern las nuevas coordenadas del punto (3, 2) al girarlo 35o .
La transformacin de traslacin no puede expresarse mediante una matriz de 2 2. Sin em-

bargo, cierto artificio permite introducir una matriz de 3 3 que efecta la transformacin de
traslacin. Si se representa el par ordenado (x, y) de un punto P por medio de la trada (x, y, 1),
la matriz de traslacin sera
1 0 c
A T = 0 1 d ,

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.
Toda matriz de transformacin de 2 2 la podemos escribir como una matriz de 3 3 agregn-

dole una columna y rengln de ceros excepto en la posicin donde se cruzan que lleva un 1,
por ejemplo.

! c 0 0
c 0
La matriz de expansin se puede escribir como 0 1 0.

0 1
0 0 1 106

! 1 0 0
1 0
La matriz de reflexin se puede escribir como 0 1 0.

0 1
0 0 1

! x
x
Tambin el vector columna se puede escribir como y .

y
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 .
Ejemplo 4.21 Trasladar un crculo
Trasladar el crculo de radio 1 centrado en el origen, 5 unidades en el eje X y 3 unidades

sobre el eje Y .
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
Es posible construir otras transformaciones geomtricas de coordenadas ms complejas a par-

tir de las transformaciones bsicas descritas anteriormente. Transformaciones tales como la
rotacin con respecto a un punto distinto del origen o la reflexin con relacin a lneas que no
sean los ejes pueden construirse a partir de las transformaciones bsicas.
Por ejemplo si tenemos las siguientes transformaciones:
!
1 2
1. Un corte a lo largo del eje X representado por la matriz .
0 1
!
1 0
2. Una expansin a lo largo del eje Y representado por .
0 2
!
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.
Ejemplo 4.22 Encontrar una matriz de rotacin fuera del origen
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:
Trasladar de manera que el centro de rotacin (h, k) se encuentre en el origen.
Efectuar una rotacin de grados con respecto al origen.
Trasladar de nuevo el origen a (h, k).
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.
Ejemplo 4.23 Ampliar una figura con un punto fijo
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.
Efectuar una expansin tanto en el eje X como en el eje Y de 2 unidades.

Trasladar de nuevo el origen a (5, 2).

1 0 5
La matriz de transformacin es 0 1 3 que al aplicarla sobre los vrtices del trin-

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
-4 -4

4.5.1 Ejercicios
1. En los siguientes ejercicios determine si la transformacin dada es lineal, en caso negativo

indique que
! propiedad
! falla.
x x
a. T = .
y 0
!
x
b. T = x y.
y
! !
x 1
c. T = .
y 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))
R
= f (x)dx donde f (x) es una funcin integrable.
x 3x 5y

g. T y = 2x 2z .

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

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
6. Una transformacin lineal T : R2 R3 aplica los vectores base de la siguiente manera,

T (i ) = (1, 0, 1) y T ( j ) = (1, 0, 1). Calcular T (2i 3 j ) y determinar la dimensin del ncleo e
imagen de T .
7. Considrese T : C C. Definir T (z) = z, donde z es el complejo conjugado del nmero

complejo z. Demuestre que T es una transformacin lineal, hllense una base para el ncleo
de T y una base para la imagen de T .
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).
9. Realiza las siguientes transformaciones geomtricas y bosqueja la regin obtenida al apli-

car dicha transformacin.
a. Una expansin de dos unidades a lo largo del eje Y , sobre el rectngulo definido por
(0, 0), (5, 0), (5, 2), (0, 2).
b. Corte a lo largo del eje Y con c = 1/2 en el rectngulo (6, 1), (2, 1), (2, 2), (6, 2).
c. Reflexin a lo largo de la recta x = y en el rectngulo (2, 1), (2, 1), (2, 2), (2, 2).
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).
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
A Frmulas de geometra
111
A.1 Figuras geomtricas 2D
Nombre Figura Permetro rea
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
A.2 Figuras geomtricas 3D
Nombre Figura Superficie Volumen
4 3
Esfera 4r 2 r .
3
Cubo 6 L2 L3.
Paraleleppedo 2(AB + BC + AC ) ABC .
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
A.3 Geometra plana

La pendiente de una lnea recta que pasa por los puntos (x 1 , y 1 ) y (x 2 , y 2 ) es:
y2 y1
m= .
x2 x1
La ecuacin de una lnea recta:

y2 y1
Que pasa por los puntos (x 1 , y 1 ) y (x 2 , y 2 ) es y y 1 = (x x 1 ).
x2 x1
Que pasa por el punto (x 1 , y 1 ) y tiene pendiente m es y y 1 = m(x x 1 ).
Que intersecta al eje Y en el punto (0, b) y tiene pendiente m es y = mx + b.
La ecuacin de una parbola:
Con vrtice en el punto (h, k) y foco en (h + p, k) es (y k)2 = 4p(x h).

Con vrtice en el punto (h, k) y foco en (h, k + p) es (x h)2 = 4p(y k).
En forma general es ax 2 + bx y + c y 2 + d x + e y + f = 0, donde se debe cumplir que
b 2 4ac = 0 y adems los coeficientes a, c no se anulen simultneamente.
La ecuacin de una circunferencia:
Con vrtice en el punto (h, k) y radio r es (x h)2 + (y k)2 = r 2 .

En forma general es x 2 + bx y + y 2 + d x + e y + f = 0.
m 2 m 1
El ngulo entre dos rectas en el plano es tan = 1+m 1 m 2 .
La distancia entre dos puntos P 1 = (x 1 , y 1 , z 1 ) y P 2 = (x 2 , y 2 , z 2 ) est dada por:

q
d= (x 2 x 1 )2 + (y 2 y 1 )2 + (z 2 z 1 )2 .
B Frmulas de trigonometra
115
Identidades trigonomtricas fundamentales
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)
Identidades de sumas y restas de ngulos
1. sen(x + y) = sen(x) cos(y) + cos(x) sen(y)
2. sen(x y) = sen(x) cos(y) cos(x) sen(y)
3. cos(x + y) = cos(x) cos(y) sen(x) sen(y)
4. sen(x y) = cos(x) cos(y) + sen(x) sen(y)

tan(x)+tan(y)
5. tan(x + y) = 1tan(x) tan(y)
tan(x)tan(y)
6. tan(x y) = 1+tan(x) tan(y)
Identidades del doble y mitad de un ngulo
1. sen(2x) = 2 sen(x) cos(x)
2. cos(2x) = cos2 (x) sen2 (x) = 2 cos2 (x) 1

2 tan(x)
3. tan(2x) = 1tan2 (x)
q
4. sen x2 = 1cos
2
x
q
5. cos x2 = 1+cos
2
x
Identidades de productos de funciones
1. sen2 (x) = 12 (1 cos(2x))

lgebra lineal.
2. cos2 (x) = 12 (1 + cos(2x))
3. sen(x) cos(x) = 12 sen(2x)
4. sen(x) sen(y) = 12 (cos(x y) cos(x + y))
5. sen(x) cos(y) = 12 (sen(x y) + sen(x + y))
6. cos(x) cos(y) = 12 (cos(x y) + cos(x + y))

116
Propiedades de las funciones trigonomtricas
1. La funcin sen x es impar, se cumple que sen(x) = sen(x).
2. La funcin cos x es par, se cumple que cos(x) = cos(x).
3. La funcin tan x es impar, se cumple que tan(x) = tan(x).
Frmulas de trigonometra
4. La funcin cot x es impar, se cumple que tan(x) = tan(x).
5. El cos x es el complemento del sen x, es decir sen( 2 x) = cos(x).
6. El sen x es el complemento del cos x, es decir cos( 2 x) = sen(x).
7. La tan x es el complemento de la cot x, es decir tan( 2 x) = cot(x).
8. La cot x es el complemento de la tan x, es decir cot( 2 x) = tan(x).
Funciones trigonomtricas para tringulos rectngulos
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
Funciones trigonomtricas para tringulos oblicungulos
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
Consideremos que c es una constante y u, v, w son funciones de la variable x.
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 u v ddx (u)u ddx (v) d dx

d
(v)
9. dx ( v ) = v2
29. d x (arccscv) = 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.
Integrales que contienen a + bx
(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
Integrales que contienen a 2 x 2
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.
sen x cos x d x = 12 cos2 x + c

R
62.
R
63. sec x tan x d x = sec x + c
R
64. csc x cot x d x = csc x + c
Integrales trigonomtricas inversas

lgebra lineal.
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
Integrales trigonomtricas hiperblicas
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.
Ecuacin de la recta que pasa por el punto P 0 = (x 0 , y 0 , z 0 ) y tiene vector de direccin

~
v = a + b + c k.

x = x 0 + at

1. Forma paramtrica y = y 0 + bt .

z = z0 + c t

xx 0 yy 0 zz 0
2. Forma simtrica a = b = c
Los cosenos directores para el punto P 0 (x 0 , y 0 , z 0 ) cuyo vector de posicin es P~0 = x 0 +

y 0 + z 0 k son:
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.
La distancia de un punto P 0 (x 0 , y 0 , z 0 ) al plano ax + b y + c z + d = 0 es:
|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=
Frmulas de clculo vectorial

1. Coordenadas polares o y .
y = r sen = arctan
x
p
r = x + y2
2

x = r cos

y
2. Coordenadas cilndricas y = r sen o = arctan .
x
z=z

z=z
p
r = x2 + y 2 + z2

x = r sen cos

y
3. Coordenadas esfricas y = r sen sen o = arctan .
x
z = r cos

= cos1
z
x 2 +y 2 +z 2

El operador nabl a se define como = i x + j y + k z .
~ (t ) = F 1 i + F 2 j + F 3 k y f (x, y, z) funciones con derivadas parciales, entonces:

Sean F
f f f
1. El gradiente de f (x, y, z) es g r ad ( f ) = f = x i + y j + z k.
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.
2. Al sustituir z = 1+i en la ecuacin, obtenemos (1+i )2 2(1+i )+2 = 1+2i +i 2 22i +2 = 0,

lo que comprueba que es ese nmero complejo es una solucin de dicha ecuacin. Hacer lo
mismo para el otro valor de z.
p p p p p p p
3. a. i (1 i 3)( 3 + i ) = i ( 3 + i 3i + 3) = 3 i 1 + 3 + 3 i = 2 + 2 3 i .
b. Multiplicando y dividiendo por el conjugado del denominador, tenemos el resultado

10i +5
4+1 = 1 + 2i .
p 3 7
c. Expresando en su forma exponencial, obtenemos (1 + i )7 = 2 e 4 i ; elevando a la
21
potencia indicada resulta 27/2 e 4 i . Luego, regresando a la forma rectangular obtenemos el re-
sultado 8 8i .
p 10
d. Expresando (1 + 3 i )10 en su forma exponencial nos da 2e 3 i . Luego, elevando a la
p
1 3
potencia y regresando a su forma rectangular logramos obtener el resultado 2048 + 2048 i.
4. a. Resolviendo la parte interior de la expresin se obtiene [1 + i ]2 y el resultado final queda

2i .
11i 2
b. Resolviendo la parte interior de la expresin tenemos que 18

25 25 y el resultado final
203
queda 625 396i
625 .
5. a. 2 + 2i .
b. 7 i .
Respuestas de la seccin 2.7 lgebra lineal.
c. 20 4i .
6. a. 226 (cos 1 + i sen 13 ).

p
3 2 1 1
b. 32 (cos 4 + i sen 4 ).
p
c. 12 2(cos 41 + i sen 14 ).
p
8 7 7 126
d. 2 (cos 12 + i sen 12 ).
7. a. w 1 = 1.72 10.46i ; w 2 = 0.46 + 1.72i ; w 3 = 1.26 1.26i .
b. w 1 = 2.61 + 1.08i ; w 2 = 1.08 + 2.61i ; w 3 = 2.61 1.08i ; w 4 = 1.08 2.61i .
c. w 1 = 0.95 + 0.48i ; w 2 = 0.17 + 1.06i ; w 3 = 1.06 + 0.17i ; w 4 = 0.49 0.95i ; w5 =
Respuestas de la seccin 1.8

0.76 0.76i .
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
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.
5. El determinante |B | = 4 sen(x) cos(x).
6. Por la propiedad D1 de los determinantes d et [(2A 1 )(3B 1 )] = d et (2A 1 )d et (3B 1 ) lue-

go por la propiedad D6 y como son matrices de orden 7, obtenemos 27 d et (A 1 ) 37 d et (B 1 )
finalmente usando el teorema ?? tenemos que el determinante es igual a 66 .
7. a. x = 13 11
5 , y = 5 .
b. No tiene solucin.
c. x = 16 , y = 83 .
d. Cantidad de soluciones infinita, que se pueden obtener con y = 2, z = x2 12 .
e. x = 1, y = 1, z = 1.
f. No tiene solucin.
g. x = 14
3 ,y=
44
15 , z = 34
15 .
Seccin 3.6
1. a. Falla la propiedad 6, no puede ser espacio vectorial.
b. Falla la propiedad 6, no puede ser espacio vectorial.
c. No falla ninguna propiedad, de hecho se puede comprobar que es un espacio vectorial.

128
d. No falla ninguna propiedad, de hecho se puede comprobar que es un espacio vectorial.
e. No falla ninguna propiedad, de hecho se puede comprobar que es un espacio vectorial.
f. Fallan las propiedades 1, 4 y 6, no puede ser espacio vectorial.
g. Falla la propiedad inverso, no tiene elemento neutro, no es espacio vectorial.

h. Falla propiedad de cerradura bajo la suma y la multiplicacin, no hay elemento neutro,
no es 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.
j. Falla propiedad de cerradura bajo la suma y la multiplicacin, no hay elemento neutro,

no es espacio vectorial.
k. No falla ninguna propiedad, de hecho se puede comprobar que es un espacio vectorial,

ver definicin (2.11), para recordar una matriz simtrica.
2. a. Este conjunto representa los puntos que se encuentran en el cuadrado centrado en el

origen de longitud 2, no es cerrado bajo la suma y multiplicacin no es subespacio 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.
3. a. Si genera a R2 . Probar que son linealmente independientes y ayudarse con la proposicin

??.
b. Si genera a R2 , pues tenemos dos vectores linealmente independientes entre ellos.
c. Tenemos 3 vectores que son linealmente independientes (probarlo) por lo tanto generan
a R3 .
d. No genera a P2 , pues los vectores son linealmente dependientes (probarlo) y adems la

dimensin del espacio es 3.
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 ).

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. Son linealmente independientes.
c. Son linealmente dependientes.

q q
p3 13 5 5
2562 183

14

1 67
8. a. p14 , p12810 , p23

q q 915
2 19

2 p

7 32 6405 915

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.
b. No es transformacin, fallan ambas propiedades.
c. No es transformacin, falla la suma en la primera coordenada.
d. Si es transformacin.
e. Si es transformacin.
f. Si es transformacin.
g. No es transformacin, falla la suma de transformaciones en la tercera coordenada.

1 3 1 1 2 1
2. T 2 = 7. Escribir 2 como combinacin lineal de 0, 1 y 1 y aplicar la

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.
4. a = 0. Si aplicamos la transformacin al vector cero se debe cumplir que T (0 + 0i ) = 0.
5. a. El ncleo est generado por el vector (0, y), la imagen se representa por vectores de la
forma (x, 0).
b. El ncleo est generado por el vector (x, x), la imagen es todo R.

c. El ncleo est generado por el vector (x, 32 x), la imagen es todo R.
d. El ncleo contiene nicamente a el vector (0, 0), la imagen es R6 .

!
0 0
e. El ncleo es la matriz , la imagen es R2 .
0 0
f. El ncleo es la funcin f (x) = 0, la imagen consta de todas las funciones que tienen anti-
derivada.
130
6. T (2i 3 j ) = (5, 0, 1), d i m(NuT ) = 0 y d i m(i mT ) = 2. Para obtener la dimensin del n-
cleo se toma un vector arbitrario (a, b) y se escribe como combinacin lineal de la base, luego
se aplica la transformacin lineal y se iguala a cero, para la dimensin de la imagen usamos la
proposicin 4.5.

7. NuT = {0 + 0i } y por lo tanto d i m(NuT ) = 0, i mT = {(1, 0), (0, i )}. Ver que cumple las
dos condiciones de transformacin lineal, luego recordemos que el ncleo est definido co-
mo {(x, y) C : x yi = 0 + 0i } y esto solo es posible si x = 0, y = 0, por la proposicin 4.5
d i m(i mT ) = 2 es decir todo C.
!
1 2
8. a. A T = .
1 1
!
1 1 1
b. A T = .
2 2 2

1 1 2
c. A T = 3 1 4 .

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
c.
2 2
1 1
-2 -1 1 2 -2 -1 1 2 131
-1 -1
-2 -2
10. Se debe realizar los siguientes pasos:
1. Una expansin de 2 unidades sobre el eje X .
2. Una compresin a la mitad sobre el eje Y ,
3. Trasladar la elipse hacia el punto (2, 3).
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:
1. Trasladar (0, 1) al origen.
2. Rotar 63.43 grados de manera que la recta se alinee con el eje X .
3. Efectuar una reflexin de espejo con respecto al eje X .
4. Girar de nuevo 63.43 grados.
5. Trasladar el origen de nuevo al punto (0, 1).

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).
12. Realizando los pasos del ejercicio anterior tenemos;
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.
[8] Gerber, Harvey, lgebra lineal, Iberoamericana, 1992.
[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.

Manual de Álgebra Lineal

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual de Álgebra Lineal

Uploaded by

Copyright:

Available Formats

Villaseor A. Gabriel, Gutirrez G.

Lineal Para estudiantes de ingeniera

Tecnolgico Nacional de Mxico

Gabriel Villaseor Aguilar.Doctor en Matemticas por la Universidad

Enif Guadalupe Gutirrez Guerrero. Doctora en Ciencias en el rea

Carlos Fabin Escudero Garca. Maestro en Ingeniera Mecnica por el

Rubn Vega Cano. Maestro en Ciencias por el Centro de Investigacin

Josu Espinosa Romero. Ingeniero en Sistemas Computacionales por la

Es importante, para el estudiante, aprender el concepto de transformaciones elementales por

En la siguiente unidad se estudian los espacios vectoriales que se presentan en el temario de

Los contenidos presentados constituyen los elementos bsicos indispensables. Se proponen

Las actividades de aprendizaje recomendadas pretenden servir de ejemplo para el desarrollo

Prlogo a la primera edicin

Academia de Ciencias Bsicas del Instituto Tecnolgico de Morelia.

Resolver problemas de aplicacin e interpretar las soluciones utilizando matrices y siste-

Procesar e interpretar datos

Representar e interpretar conceptos en diferentes formas: numrica, geomtrica, alge-

Comunicarse en el lenguaje matemtico en forma oral y escrita.

Modelar matemticamente fenmenos y situaciones.

Pensamiento lgico, algortmico, heurstico, analtico y sinttico.

Potenciar las habilidades para el uso de tecnologas de la informacin.

Analizar la factibilidad de las soluciones.

Reconocimiento de conceptos o principios integradores.

Argumentar con contundencia y precisin.

Objetivo general del curso (competencia especfica a desarrollar

Resolver problemas de aplicacin e interpretar las soluciones utilizando matrices y sistemas

Resolver ecuaciones cuadrticas.

Emplear las funciones trigonomtricas.

Graficar rectas y planos.

Obtener un modelo matemtico de un enunciado.

Utilizar software matemtico.

Sugerencias didcticas (desarrollo de competencias genricas)

Utilizar software de matemticas (Mathcad, Mathematica, Maple, Matlab) y calculadoras

Proponer problemas que:

Permitan al estudiante la integracin de los contenidos, para su anlisis y solucin.

Discutir en grupos para intercambiar ideas argumentadas as como analizar conceptos y

Desarrollar la induccin, deduccin, sntesis y anlisis para fomentar las cualidades de

Elaboracin de modelos o prototipos.

Anlisis y discusin grupal.

Resolucin de problemas con apoyo de software.

Exmenes escritos para comprobar el manejo de aspectos tericos y declarativos.

A F RMULAS DE GEOMETRA 111

B F RMULAS DE TRIGONOMETRA 115

C F RMULAS DE DERIVADAS 117

E F RMULAS DE CLCULO VECTORIAL 123

F R ESPUESTA A EJERCICIOS PROPUESTOS 125

Competencia especfica a desarrollar

Discutir el proceso de solucin de una ecuacin cuadrtica que cumpla la condicin b 2

Comprobar las soluciones de una ecuacin cuadrtica que cumpla la condicin b 2

Graficar un mismo nmero complejo en la forma rectangular y su forma polar en el plano

Ejercitar las operaciones de suma, multiplicacin y divisin con complejos representa-

Analizar el teorema de De Moivre y aplicarlo para extraer potencias y races de nmeros

Resolver ecuaciones polinmicas con races complejas.

Utilizar software matemtico para resolver operaciones con nmeros complejos.

Resolver problemas de aplicacin en ingeniera que involucren el uso de los nmeros

1.1 Nmeros imaginarios.

donde a i se le denomina unidad imaginaria.

El hecho de descomponer a n en una expresin que contiene una multiplicacin de 4 por un

Ejemplo 1.1 Potencias del nmero imaginario i

Considerando las caractersticas exponenciales del nmero imaginario, expresa i 39 en

Ejemplo 1.2 Potencias del nmero imaginario i

Considerando las caractersticas exponenciales del nmero imaginario, expresa i 23 en

Ejemplo 1.3 Nmero imaginario elevado a la potencia cero

1.2 Definicin de nmeros complejos