LARSON

Matemáticas IV
ÁLGEBRA LINEAL

Matemáticas IV • ÁLGEGRA LINEAL

Matemáticas IV
Matemáticas IV. Álgebra lineal, ha sido adaptado por el maestro Joel Ibarra para el
uso del texto según las necesidades y requisitos de los planes de estudio de las sedes
del Tecnológico Nacional de México a partir de las páginas del reconocido volumen
Fundamentos de álgebra lineal de Ron Larson.

En Matemáticas IV. Álgebra lineal el estudiante hallará abundantes ejemplos,

explicaciones, recuadros, tablas, definiciones y ejemplos para hacer más fácil el

ÁLGEBRA LINEAL
estudio analítico, cualitativo y cuantitativo del álgebra lineal. Además de ello, la
Unidad 1 correspondiente a números complejos es completamente nueva. En suma,
estas páginas equilibran la teoría con ejemplos, aplicaciones y prácticas para lograr
un sistema de aprendizaje completo.

ISBN-13: 978-607-526-554-4
ISBN-10: 607-526-554-6

RON LARSON
9 786075 265544
Visite nuestro sitio en http://latinoamerica.cengage.com
 Álgebra lineal.
Matemáticas 4

00LarsonTEC(i-viii)Prelim.indd i 08/03/17 10:46

 Álgebra lineal
Matemáticas 4

Ron Larson
The Pennsylvania State University
The Behrend College

Joel Ibarra Escutia

Instituto Tecnológico de Toluca

Traducción
Oliver Davidson Véjar
Traductor profesional

Revisiones técnicas de esta edición

MSc. Harold Vacca González
Universidad Distrital Francisco José de Caldas
Bogotá (Colombia)

Mtro. Francisco Javier Avilés Urbiola

Instituto Tecnológico de Querétaro

Australia • Brasil • Corea • España • Estados Unidos • Japón • México • Reino Unido • Singapur

00LarsonTEC(i-viii)Prelim.indd iii 08/03/17 10:46

 Álgebra lineal. Matemáticas 4
Ron Larson y Joel Ibarra
Gerente Editorial de Contenidos
en Español:
Jesús Mares Chacón
Editora de Adquisiciones
para Latinoamérica:
Claudia C. Garay Castro
Gerente de Manufactura
para Latinoamérica:
Antonio Mateos Martínez
Gerente de Desarrollo Editorial
en Español:
Pilar Hernández Santamarina
Gerente de Proyectos Especiales:
Luciana Rabuffetti
Coordinador de Manufactura:
Rafael Pérez González
Editor:
Omegar Martínez
Diseño de portada:
Daniela Torres Arroyo
Imagen de portada:
Shutterstock
Composición tipográfica:
José Jaime Gutiérrez Aceves
Impreso en México
1 2 3 4 5 6 7 17 16 15 14
00LarsonTEC(i-viii)Prelim.indd iv
© D.R. 2018 por Cengage Learning Editores, S.A. de C.V.,
una compañía de Cengage Learning, Inc.
Carretera México-Toluca
núm. 5420, oficina 2301.
Col. El Yaqui. Del. Cuajimalpa.
C.P. 05320. Ciudad de México.
DERECHOS RESERVADOS. Ninguna parte de
este trabajo amparado por la Ley Federal del
Derecho de Autor, podrá ser reproducida,
transmitida, almacenada o utilizada en
cualquier forma o por cualquier medio, ya sea
gráfico, electrónico o mecánico, incluyendo,
pero sin limitarse a lo siguiente: fotocopiado,
reproducción, escaneo, digitalización,
grabación en audio, distribución en Internet,
distribución en redes de información o
almacenamiento y recopilación en sistemas
de información a excepción de lo permitido
en el Capítulo III, Artículo 27 de la Ley Federal
del Derecho de Autor, sin el consentimiento
por escrito de la Editorial.
Traducido del libro: Elementary linear algebra
Seventh Edition
Publicado en inglés por Cengage Learning
© 2013 ISBN: 978-1-133-11087-3
Datos para catalogación bibliográfica:
Larson, Ron y Joel Ibarra
Álgebra lineal. Matemáticas 4
ISBN: 978-607-526-554-4
Visite nuestro sitio en:
http://latinoamerica.cengage.com
08/03/17 10:46
 Contenido

Prefacio vi

1 Números complejos 1
1.1 Números complejos 2

2 Sistemas de ecuaciones lineales 21

2.1 Introducción a los sistemas de ecuaciones lineales 22
2.2 Eliminación gaussiana y eliminación de Gauss-Jordan 33

3 Matrices y determinantes 45
3.1 Operaciones con matrices 47
3.2 Propiedades de las operaciones con matrices 59
3.3 Inversa de una matriz 69
3.4 Matrices elementales 81
3.5 Determinante de una matriz 91
3.6 Determinantes y operaciones elementales 99
3.7 Propiedades de los determinantes 107
3.8 Adjunta de una matriz y regla de Cramer 115

4 Espacios vectoriales 125

4.1 Espacios vectoriales 127
4.2 Subespacios de espacios vectoriales 135
4.3 Conjuntos generadores e independencia lineal 142
4.4 Base y dimensión 153
4.5 Rango de una matriz y sistemas de ecuaciones lineales 162
4.6 Coordenadas y cambio de base 175
4.7 Espacios con producto interno 185
4.8 Bases ortonormales: el proceso de Gram-Schmidt 196

5 Transformaciones lineales 207

5.1 Introducción a las transformaciones lineales 208
5.2 El kernel y el rango de una transformación lineal 219
5.3 Matrices de transformaciones lineales 230
5.4 Matrices de transición y semejanza 240

00LarsonTEC(i-viii)Prelim.indd v 08/03/17 10:46

 vi Contenido

6 Eigenvalores, eigenvectores
y formas cuadráticas 247
6.1 Eigenvalores y eigenvectores 248
6.2 Diagonalización 259
6.3 Matrices simétricas y diagonalización ortogonal 268
6.4 Formas cuadráticas 278

Proyectos 283
Examen acumulativo 294
Respuestas a los ejercicios impares seleccionados 301

00LarsonTEC(i-viii)Prelim.indd vi 08/03/17 10:46

 Prefacio

Álgebra lineal. Matemáticas 4 es una adaptación del muy reconocido Fundamentos

de álgebra lineal de Ron Larson. La adaptación fue hecha por el maestro Joel Ibarra del
Instituto Tecnológico de Toluca para el uso del texto según las necesidades y requisitos de
los planes de estudio de las sedes del Tecnológico Nacional de México. Este libro incluye
una completamente nueva unidad 1 con ejemplos, ejercicios y sección de proyectos. Adi-
cionalmente, en esta entrega se han mejorado por completo varios capítulos del libro y se
han agregado y actualizado ejercicios, ejemplos, casos y definiciones en todas sus seccio-
nes. A la vez que ha sido completamente replanteado, el volumen conserva, amplía y da
énfasis a los ejercicios y al sistema que ha dado tanto reconocimiento a los libros de su
autor original, haciéndolo más enfocado sin perder valor.
Este libro cuenta, además de con tres capítulos adicionales en CengageBrain, con una
serie de recursos para el profesor, los cuales están disponibles únicamente en inglés y sólo
se proporcionan a los docentes que lo adopten como texto en sus cursos. Para mayor infor-
mación, póngase en contacto con el área de servicio al cliente en las siguientes direcciones
de correo electrónico:

• Cengage Learning México y Centroamérica clientes.mexicoca@cengage.com

• Cengage Learning Caribe clientes.caribe@cengage.com
• Cengage Learning Cono Sur clientes.conosur@cengage.com
• Cengage Learning Pacto Andino clientes.pactoandino@cengage.com

Al igual que los recursos impresos adicionales, las direcciones de los sitios web señaladas
a lo largo del texto, y que se incluyen a modo de referencia, no son administradas por
Cengage Learning Latinoamerica, por lo que ésta no es responsable de los cambios y
actualizaciones de las mismas.

vii

00LarsonTEC(i-viii)Prelim.indd vii 08/03/17 10:46

00LarsonTEC(i-viii)Prelim.indd viii 08/03/17 10:46
 Números complejos
1
1.1 Números complejos

Telecomunicaciones
Dinámica de fluidos

Astrofísca

Electrónica
Física nuclear

01LarsonTEC(001-020).indd 1 16/03/17 21:09

 2 Unidad 1 Números complejos

1.1 Números complejos

Iniciemos esta sección considerando la ecuación general cuadrática con coeficientes reales
ax2  bx  c  0
El teorema fundamental del álgebra nos garantiza que por ser una ecuación de grado dos,
tendrá exactamente dos raíces. Se sabe, por completación de cuadrados, que dichas dos
raíces son

−b ± b 2 − 4ac
x=
2a

Expresión conocida como la fórmula general de la ecuación cuadrática. La expresión I 

b2  4ac se conoce como el discriminante de la ecuación y se sabe que si I  0 existen
dos raíces reales diferentes; si I  0 existen dos raíces reales repetidas.
Una manera de abordar el estudio de los números complejos es considerar las raíces
de la ecuación para el caso restante I  0.
Consideremos la ecuación cuadrática x2  1  0. Algebraicamente se puede verificar
—
que la solución debe satisfacer x2  1 o de manera equivalente x2  !1. Esto nos
permite introducir la definición de la unidad imaginaria i.

Definición 1.1 La unidad imaginaria i

Se define la unidad imaginaria i como el número imaginario que satisface i2  1
—
o bien i !1.

Esta definición nos permite resolver el caso I  0 de la ecuación cuadrática, porque bajo
esta condición se tienen las dos raíces

−b ± − ( b 2 − 4ac )
x= agrupar
2a
−b ± −1 b 2 − 4ac
x= Separar radicando
2a
−b ± b 2 − 4ac i
x= utilizar i2  1
2a

EJEMPLO 1 Raíces complejas de una ecuación cuadrática

Para la ecuación x − 8x + 25 = 0, se tienen los valores a 5 1, b 5 28 y c 5 25.

Al aplicar la fórmula general tenemos

−(−8) ± (−8)2 − 4(1)(25)

x= sustituir
2(1)
8 ± −36
x= simplificar
2
8 ± 6i
x= utilizar i2  1
2
De donde x1 = 4 + 3i y x 2 = 4 − 3i.

01LarsonTEC(001-020).indd 2 16/03/17 21:09

 1.1 Números complejos 3
Al considerar la unidad imaginaria, es posible definir el conjunto de los números
complejos. Al respecto la siguiente definición.

Definición 1.2 Los números complejos

Se define el conjunto de los números complejos como
= {a + bi | a,b ∈ , i 2 = −1}
Los números complejos también se conocen como números imaginarios.
La expresión a  bi recibe el nombre de forma rectangular o binomial de un
número complejo. Si z  a  bi es un número complejo se define su parte real
como Re(z)  a y su parte imaginaria como Im(z)  b. De esta manera z  Re(z)
 i Im(z). Para el caso particular en que a  0 el complejo resultante z  bi se
conoce como un complejo puro.

EJEMPLO 2 Partes real e imaginaria de un número complejo

Dado el número complejo 3  20i se verifica que su parte real es Re(3  20i)  3 y su
parte imaginaria Im(3  20i)  20.

Se puede observar que si b  0 entonces z  a  0i  a es un número real, de manera

que el conjunto de los números reales es un subconjunto de los números complejos.

⊂ ⊂ ⊂ ⊂

IGUALDAD DE DOS NÚMEROS COMPLEJOS

Se considera que dos complejos son iguales si sus correspondientes partes reales son igua-
les y sus correspondientes partes imaginarias son iguales, es decir
a1 + i b1 = a2 + i b2 si y solo si a1  a2 y b1  b2

OPERACIONES EN LOS COMPLEJOS

Los números complejos se pueden operar de manera sencilla si se consideran como bino-
mios y se utilizan las operaciones algebraicas normales. Se tienen los siguientes casos:

i) Si z  a  ib y w  c  id son dos números complejos la suma se define como

z + w = ( a + ib ) + ( c + id )
= (a + c) + i ( b + d )

ii) Si k 苸 ⺢ y z  a  bi se define el producto de un escalar real por un complejo como

k z = k ( a + ib ) = ka + ikb

iii) Si z  a  ib y w  c  id, se define el producto de dos números complejos como

z w = ( a + ib ) ( c + id )
= ac + i ad + i bc + i 2 bd
= ( ac − bd ) + ( ad + bc ) i

01LarsonTEC(001-020).indd 3 16/03/17 21:09

 4 Unidad 1 Números complejos

iv) Al considerar la potencia de un número complejo como un producto sucesivo de la

base, se tiene que si n es un entero positivo, la potencia n-ésima de un complejo se
puede expresar como
zn = z ⋅ z ⋅ z
n -factores

En la siguiente definición se enuncian las operaciones básicas con los números com-
plejos.

Definición 1.3 Operaciones con los números complejos

Dados los complejos z  a  ib y w  c  id, y k 苸 ⺢ de definen las siguientes
operaciones
i) z + w = ( a + ib ) + ( c + id ) = ( a + c) + i ( b + d ) Suma de complejos

ii) k z = k ( a + ib ) = ka + ikb Producto escalar por complejo

iii) z w = ( a + ib ) ( c + id ) = ( ac − bd ) + ( ad + bc ) i Producto de complejos

iv) z = z ⋅ z ⋅
n
z Potencia de un complejo
n -factores

EJEMPLO 3 Operaciones con números complejos

Si z  1  3i y w  4  5i calcular las operaciones (i) z  w, (ii) z  w, (iii) 5z  3w,

(iv) z2, (v) z5
SOLUCIÓN
i) z + w = (1− 3i) + ( −4 + 5i ) = −3 + 2i
ii) z − w = (1− 3i ) − (−4 + 5i ) = 5 − 8i

iii) 5z − 3w = 5 (1− 3i ) − 3 ( −4 + 5i ) = 17 − 30i

iv) z w = (1− 3i ) ( −4 + 5i ) = 11+ 17i

v) z 2 = (1− 3i ) (1− 3i ) = −8 − 6i
vi) z = (1− 3i ) (1− 3i ) = −26 + 18i
3 2

vii) z 4 = (1− 3i ) (1− 3i ) = 28 + 96i

2 2

viii) z = (1− 3i ) (1− 3i ) (1− 3i ) = ( −8 − 6i ) ( −8 − 6i ) (1− 3i ) = 316 + 12i.

5 2 2

EL ESPACIO VECTORIAL DE LOS NÚMEROS COMPLEJOS

Si bien el concepto de espacio vectorial se estudia a detalle en la unidad 4, ya estamos en
condiciones de conocer las propiedades que satisfacen los números complejos con las
operaciones de suma de complejos y producto de un escalar por un complejo y que hacen
del conjunto ⺓ un espacio vectorial real. Se deja al lector como un ejercicio de suma
importancia verificar cada una de estas propiedades.
Si z1, z2, z3 苸 ⺓ son tres números complejos y a, b 苸 ⺢ escalares reales, se satisfacen
las siguientes propiedades

i) (Cerradura de la suma) z1 1 z2 苸 ⺓

ii) (Conmutatividad de la suma) z1 1 z2 5 z2 1 z1

01LarsonTEC(001-020).indd 4 16/03/17 21:09

 1.1 Números complejos 5

iii) (Asociatividad de la suma) (z1 1 z2) 1 z3 5 z1 1 (z2 1 z3)

iv) (Neutro aditivo) Existe 0 苸 ⺓ tal que z1 1 0 5 z1 para cada z1 苸 ⺓

v) (Inverso aditivo) Para cada z1 苸 ⺓ existe 2z1 苸 ⺓ tal que z1 1 (2z1) 5 0

vi) (Cerradura de producto por escalar) a z1 苸 ⺓

vii) (Asociatividad de los escalares) (ab)z1 5 a(bz1)

viii) (Primera ley distributiva) a(z1 1 z2) 5 az1 1 az2

ix) (Segunda ley distributiva) (a 1 b)z1 5 az1 1 bz1

x) (identidad multiplicativa) Si 1 苸 ⺢ entonces 1  z1 5 z1 para cada z1 苸 ⺓

Es importante notar que para las propiedades antes listadas y que hacen de ⺓ un espacio
vectorial, solo se consideran la suma de complejos y la multiplicación de un escalar real
por un complejo. Si observamos con detenimiento, las propiedades anteriores son las mis-
mas que cumplen los números reales.
Un número complejo z  a  bi se puede representar gráficamente en el plano carte-
ciano asociándolo al punto de coordenadas (Re(z), Im(z)) 5 (a, b). En ocasiones al eje x
se le conoce como eje real y al eje y como eje imaginario. En la figura 1.1 se representa al
complejo z  a  bi si se considera a, b  0

y  Im(z)

z  a  bi
b

x  Re(z)
a

Figura 1.1 Representación gráfica del complejo z  a  bi.

CONJUGADO DE UN NÚMERO COMPLEJO

En la siguiente definición se presenta el concepto de conjugado de un número complejo.

Definición 1.4 Conjugado de un número complejo

Dado el complejo z  a  bi, se define su conjugado como z–  a  bi.

El conjugado de un número complejo es el “reflejo” respecto del eje x. En la figura

1.2 se puede observar esta propiedad.

01LarsonTEC(001-020).indd 5 16/03/17 21:09

 6 Unidad 1 Números complejos

y  Im(z)

b z  a  bi

a x  Re(z)

z–  a  bi

Figura 1.2 Conjugado de un complejo.

A continuación se enuncian algunas propiedades de los números complejos conjuga-

dos.

Propiedades de los complejos conjugados

i) z + w = z + w
ii) zw = z w
iii) k w = k w, k 苸 ⺢
z z
iv) =
w w
v) z n = (z)
n

vi) z = z

Se deja como un ejercicio al lector, la justificación de todas estas propiedades.

EJEMPLO 4 Conjugado de un complejo

Los siguientes son ejemplos del conjugado de un número complejo

i) 3 + 2i = 3 − 2i
ii) −1− 8i = −1+ 8i
iii) 4 − 7i = 4 + 7i
iv) 3 ( 4 − 2i ) = 3 ( 4 + 2i ) = 12 + 6i
v) 3 − 6i = 3 + 6i = 3 − 6i
vi) −6 = −6
vii) 4i = −4i
3 2i 3+ 2i 2 23
viii) = = + i
4 + 5i 4 5i 41 41

01LarsonTEC(001-020).indd 6 16/03/17 21:09

 1.1 Números complejos 7

ix) ( 2 + 3i ) ( −1+ 4i ) = ( 2 − 3i ) ( −1− 4i ) = −14 − 5i

( )
viii) ( 4 − 7i ) = ( 4 − 7i ) = ( 4 + 7i ) = −524 − 7i.
3 3 3

Definición 1.5 Magnitud y argumento de un complejo

Sea z  a  bi un complejo. Se define su magnitud como r = z = a 2 + b 2 , y su
argumento como el ángulo entre la parte positiva del eje real y el radiovector defi-
b
nido por el punto (a, b) y se denota como = arg z = tan 1 , con 0 ≤ θ < 2π .
a

Se puede verificar que geométricamente, la magnitud de un complejo es la distancia

del origen al punto que representa al número en el plano. En la figura 1.3 se puede obser-
var la magnitud r y el argumento u del complejo z  a  bi.

z  a  bi
b

u
a

Figura 1.3 Magnitud de un número complejo

En la figura 1.4 se puede observar la relación que existe entre la magnitud y el argu-
mento de un complejo y su conjugado. Se cumple que
z = z y arg ( z ) = arg ( z )

z  a  bi
b

u
u a

z  a  bi

Figura 1.4 Magnitud y argumento de z y z–.

01LarsonTEC(001-020).indd 7 16/03/17 21:09

 8 Unidad 1 Números complejos

Si z  a  ib se verifica que z z = ( a + ib ) ( a − ib ) = a 2 + b 2, de manera que por defini-

ción de magnitud de un complejo se tiene
zz = z 2
Si utilizamos esta propiedad, la división de los complejos z y w, con w 0, se escribe
como
z z w zw
= =
w ww w 2
Como una consecuencia, se puede calcular el recíproco de un complejo no cero al
escribir
1 1z z a b
= = 2
= 2
− i
z zz z z z 2

EJEMPLO 5 Recíproco de un complejo y división de dos complejos

1 4 + 7i
Calcular a) y b)
5 − 4i 3 − 2i

SOLUCIÓN
1 1 5 + 4i 5 + 4i 5 4
a) = = = + i
5 − 4i 5 − 4i 5 + 4i 25 − 16i 2
41 41

4 + 7i 4 + 7i 3 + 2i ( 4 + 7i ) ( 3 + 2i ) 2 29
b) = ⋅ = = − + i.
3 − 2i 3 − 2i 3 + 2i 9 − 4i 2
13 13

FORMA POLAR DE UN NÚMERO COMPLEJO

Se pueden utilizar la magnitud 冷z冷 y el argumento u de un número complejo para expresarlo
en formas más convenientes para ciertas operaciones. De la figura 1.5 se puede deducir
que si z  a  bi entonces a  r cos u y b  r sen u. Se tiene la siguiente definición al
respecto.

z  a  bi
b

r b  r sen u

u
a  r cos u a

Figura 1.5 Forma polar de un complejo.

Definición 1.6 Forma polar de un complejo

Dado el complejo z  a  bi, al considerar que a  r cos u y b  r sen u, se define
su forma polar como
z = r ( cosθ + i sen θ )

01LarsonTEC(001-020).indd 8 16/03/17 21:09

 1.1 Números complejos 9

EJEMPLO 6 Forma polar de un complejo

—
Expresar al complejo z  1  !3i en forma polar
SOLUCIÓN
— 3 2π
Si z  1  !3i entonces r  2 y θ = tan −1 = , luego
−1 3
2 2
z = 2 cos + i sen .
3 3

EJEMPLO 7 Forma rectangular de un complejo en forma polar

2 2
Expresar el complejo z = 2 cos + i sen en forma binomial
3 3
SOLUCIÓN
Para expresar un complejo dado en forma polar en su forma binomial simplemente distri-
buimos, de manera que
2 2 3 3
z = 2 cos + i sen = 2cos + 2sen i
3 3 4 4
1 3
=2 +2 i
2 2
= 1+ 3 i

Cuando un número complejo está expresado en forma polar, las operaciones de pro-
ducto, división, recíproco y potencia se pueden reescribir. Para esto basta considerar que
si z = r ( cosθ + i sen θ ), z1 = r1 ( cosθ1 + i sen θ1 ) y z2 = r2 ( cosθ 2 + i sen θ 2 ) entonces

i) z1z2 = r1 (cos 1 + i sen 1 )r2 (cos 2 + i sen 2 )

= r1 r2 ( cos 1 cos 2 sen 1sen 2 ) + i (sen 1 cos 2 +cos 1sen 2 )
= r1 r2 cos( 1 + 2 ) + i sen ( 1 + 2 )

z1 r (cos 1 + i sen ) r2 (cos i sen )

ii) = 1 1 2 2

z2 r2 (cos 2 + i sen 2 ) r2 ( cos 2 i sen 2)

r1 (cos 1 + i sen 1 )(cos 2 i sen )

= 2

r2 cos 2 2 i 2 sen 2 2

r1 (cos 1 + i sen 1 )(cos 2 i sen )

= 2

r2 cos 2 2 +sen 2 2
r1
= (cos 1 + i sen 1 )(cos 2 i sen 2 )
r2
r1
= ( cos 1 cos 2 + sen 1sen 2) + i (sen 1 cos 2 i sen 2 cos 1 )
r2
r1
= cos( 1 2 ) + i sen ( 1 2 )
r2

01LarsonTEC(001-020).indd 9 16/03/17 21:09

 10 Unidad 1 Números complejos

1 1 (cos i sen )
iii) =
z r (cos + i sen ) (cos i sen )
cos i sen
=
r (cos 2 i 2 sen 2 )
1 cos i sen
=
r (cos +sen 2
2
)
1
= (cos i sen )
r

iv) z 2 = z z = r 2 (cos + i sen )(cos + i sen ) = r 2 (cos 2 + i sen 2 )

z 3 = z 2 z = r 3 (cos 2 + i sen 2 )(cos + i sen ) = r 3 (cos3 + i sen3 )
z 4 = z 2 z 2 = r 4 (cos 2 + i sen 2 )(cos 2 + i sen 2 ) = r 4 (cos 4 + i sen 4 )

En este último inciso, se puede observar el comportamiento de la potencia de un com-

plejo en forma polar. Más adelante, estudiaremos con mayor precisión y formalidad este
resultado (Teorema de De Moivre).

EJEMPLO 8 Operaciones de complejos en forma polar

3 3
Dados los complejos z = 5 cos + i sen y w = 2 cos + i sen
4 4 3 3
z 1
calcular (a) zw, (b) y (c) z .
w

SOLUCIÓN
De la observación anterior tenemos

3 3
a) z w = 5(2) cos + i sen cos + i sen Multiplicar polares
4 4 3 3
3 3
= 10 cos + + i sen + Simplificar
4 3 4 3
13 13
= 10 cos + i sen Sumar argumentos
12 12

z
b) Para el cociente tenemos
w
3 3
5 cos + i sen
z 4 4
=
w 2 cos + i sen Dividir formas polares
3 3
5 3 3
= cos + i sen Cociente polar
2 4 3 4 3
5 5 5
= cos + i sen Simplificar
2 12 12

01LarsonTEC(001-020).indd 10 16/03/17 21:09

 1.1 Números complejos 11
c) Finalmente
1 1
= Cociente
z 5 cos 3 + i sen 3
4 4
1 3 3
= cos i sen Simplificar
5 4 4

FORMA EXPONENCIAL DE UN NÚMERO COMPLEJO

El siguiente teorema nos proporciona una forma alterna para expresar un número com-
plejo, que es en si, la misma forma polar solo que expresada en términos de la función
exponencial. Más adelante observaremos que la forma exponencial de un número com-
plejo facilita aún más las operaciones de producto, cociente y potencia.

TEOREMA 1.1 Identidad de Euler

Si u es un número real entonces e = cos + i sen .
i

DEMOSTRACIÓN
La demostración utiliza las series de Maclaurin de las funciones exponecial, seno y
coseno. A saber

1 2 1 3
e x = 1+ x + x + x +
2! 3!
1 3 1 5 1 7
sen x = x x + x x
3! 5! 7!
1 2 1 4 1 6
cos x = 1 x + x x +
2! 4! 6!
Las cuales son convergentes para todo número complejo x. Si consideramos x  iu se
tiene

1 1 1 1
ei = 1+ (i ) + (i ) + (i ) + (i ) + (i )
2 3 5 7

2! 3! 5! 7!
A partir de la definición i 2  1, se puede deducir que i3  i, i 4  1, i5  i,
6
i   1 y así sucesivamente. De esta manera
1 2 1 3 3 1 4 1 5
ei = 1+ i + i 2
+ i + i 4
+ i 5

2! 3! 4! 5!
1 1 3 1 1
= 1+ i 2
i + 4
+ i 5

2! 3! 4! 5!
1 1 1 1 1 1
= 1 2
+ 4 6
+ +i 3
+ 5 7

2! 4! 6! 3! 5! 7!
= cos + i sen

La demostración queda realizada

Es importante aclarar que la identidad de Euler basa su demostración en el Teorema

de Maclaurin, pues se utilizan los desarrollos en serie de las funciones involucradas. Por
esta razón, el argumento de las funciones se debe tomar en el dominio respectivo es decir
en radianes.

01LarsonTEC(001-020).indd 11 16/03/17 21:09

 12 Unidad 1 Números complejos

Al considerar la paridad del coseno cos( ) = cos y la imparidad del seno

sen ( ) = sen , la identidad de Euler demostrada anteriormente produce

e i
= cos i sen

De esta manera, si z  a  bi es un complejo con magnitud r = a 2 + b 2 y argumento

b
= tan 1 entonces
a
z  a  bi forma rectangular o binomial

z = r (cos + i sen ) forma polar

z = rei forma exponencial

Que se conoce como la forma exponencial de un complejo.

Al considerar de nueva cuenta la paridad del coseno y la imparidad del seno, la iden-
tidad de Euler demostrada anteriormente produce
e i
= cos i sen

EJEMPLO 9 Forma exponencial de un complejo

— —
Expresar los siguientes complejos en forma exponencial i) 1  !3i, ii) 1  !3i,
— —
iii) 1  !3i, iv) 1  !3i, v) 1, vi) 1, vii) i, viii) i.

SOLUCIÓN

3 —
i) Como r  2 y = tan 1
= , y 1  !3i está en el primer cuadrante, entonces
1 3
i
1+ 3 i = 2e 3 .

3 2 —
ii) Como r  2 y = atan + = , y 1  !3i está en el segundo cuadrante,
1 3
2
2 i
entonces = . De esta manera 1+ 3 i = 2e 3 .
3

3 4 —
iii) Como r  2 y = atan + = , y 1  !3i está en el tercer cuadrante,
1 3
4
4 i
entonces = . De esta manera 1 3 i = 2e 3 .
3

3 5 —
iv) Como r  2 y = atan =2 = , y 1  !3i está en el cuarto cuadrante,
1 3
5
i
entonces1 3 i = 2e . 3

v) Como r  1 y u  0 entonces 1= 1e 0i = 1(cos 0 + i sen 0) = 1

vi) Como r  1 y u  p entonces 1= 1e i = 1(cos + i sen )= 1

i
vii) Como r  1 y = entonces i = 1e 2 = 1 cos + i sen = i
2 2 2
3
3 i 3 3
viii) Como r  1 y = entonces i = 1e 2 = 1 cos + i sen = i.
2 2 2

01LarsonTEC(001-020).indd 12 16/03/17 21:09

 1.1 Números complejos 13

EJEMPLO 10 De la forma exponencial a la forma rectangular

5 7
i i i
Transformar los siguientes complejos a su forma cartesiana i) 2e 6 , ii) 2e 6 , iii) 2e 6 ,
11
i
6
iv) 2e
SOLUCIÓN
i
i) 2e 6 = 2 cos + i sen = 3 + i
6 6
5
i 5 5
ii) 2e 6 = 2 cos + i sen = 3 +i
6 6
7
i 7 7
iii) 2e 6 = 2 cos + i sen = 3 i
6 6
11
i 11 11
iv) 2e 6
= 2 cos + i sen = 3 i.
6 6

Dado el complejo en forma polar z = r (cos + i sen ) se verifica que

z = r (cos − i sen ), esto produce la forma polar de un complejo conjugado

z = r (cos i sen ) forma polar de un conjugado

O en su forma exponencial

z = re i
forma exponencial de un conjugado

De la misma forma, si z = rei = r (cos + i sen ), entonces la potencia de un com-

plejo se puede expresar como

i) z 2 = (r (cos + i sen )) = (rei ) = r 2e 2 i = r 2 (cos 2 + i sen 2 )

2 2

ii) z 3 = (r (cos + i sen )) = (rei ) = r 3e3 i = r 3 (cos3 + i sen3 )

3 3

iii) Si n es un entero positivo

z n = (rei ) = r ne n i = r n (cos n + i sen n )

n

En el siguiente teorema, se expresa la potencia n-ésima de un complejo para cualquier

entero positivo n.

TEOREMA 1.2 (De Moivre)

Si n es un entero positivo y z = r (cos + i sen ), entonces
z n = r n (cos n + i sen n )

En el caso en particular en que r  1, la expresión anterior se conoce como la fórmula

de De Moivre, en honor al matemático francés Abraham de Moivre.

(cos )
n
+ i sen = cos n + i sen n Fórmula de De Moivre

01LarsonTEC(001-020).indd 13 16/03/17 21:09

 14 Unidad 1 Números complejos

EJEMPLO 11 Potencia de un complejo

Calcule (1+ 3 i)
6

SOLUCIÓN
i
Del ejemplo 9 se sabe que 1+ 3 i = 2e 3 , entonces
6 6

(1+ 3 i) = 2e 3
6 i i
= 26 e 3 = 64e 2 i

= 64 (cos 2 + i sen 2 ) = 64.

La forma exponencial de un complejo nos permite realizar productos, cocientes

y potencias de complejos utilizando simplemente las leyes de los exponentes. Si z = rei y
w = Rei entonces

i) z w = (rei )( Rei ) = rRei( + )

z rei r
ii) = i = ei( )

w Re R
1 1 1
iii) = i = e i
z re r
iv) z n = (re )
n
i
= r nei n

EJEMPLO 12 Operaciones con complejos en forma exponencial

2 3
i i z 1
Si z = 4e 3 y w = 2e 5 , calcular (a) zw, (b) , (c) , (d) z8
w z

SOLUCIÓN
2 3 2 3 19
i i + i i
a) z w = 4e 3 2e 5 = 8e 3 5
= 8e 15

2
i 2 3
z 4e 3 i i
b) = 3 = 2e 3 5
= 2e 15
w i
2e 5
2
1 1 1 i 1 4 i
c) = 2 = e 3
= e3
z 3
i 4 4
4e
2 8 16 4
i i i
d) z = 4e = 48 e = 48 e 3 .
8 3 3

Como una consecuencia del teorema de De Moivre, podemos desarrollar un procedi-

miento para determinar las raíces n-ésimas de un número complejo. Esto se establece en
el siguiente teorema.

01LarsonTEC(001-020).indd 14 16/03/17 21:09

 Matrices
3 y determinantes
3.1 Operaciones con matrices
3.2 Propiedades de las operaciones con matrices
3.3 Inversa de una matriz
3.4 Matrices elementales

Encriptación de datos

Dinámica de fluidos computacional

Deflexión de vigas

Calendarios de la Recuperación de información

tripulación de vuelo

En sentido de las manecillas del reloj, desde arriba a la izquierda: Cousin_Avi/www.shutterstock.com; Goncharuk/www.shutterstock.com;
Gunnar Pippel/www.shutterstock.com; © Sean Locke/iStockphoto.com; nostal6ie/www.shutterstock.com 45

03LarsonTEC(045-090).indd 45 16/03/17 20:58

 3.5 Determinante de una matriz
3.6 Determinantes y operaciones elementales
3.7 Propiedades de los determinantes
3.8 Adjunta de una matriz y regla de Cramer

Órbitas planetarias

Publicación de libros de texto

Ingeniería y control

Sudoku

Volumen de un sólido
En sentido de las manecillas del reloj, desde arriba a la izquierda: Orla/www.shutterstock.com; Dirk Ercken/Shutterstock.com;
46 viviamo/www.shutterstock.com; RTimages/Shutterstock.com; rgerhardt/Shutterstock.com

03LarsonTEC(045-090).indd 46 16/03/17 20:58

 3.1 Operaciones con matrices 47

3.1 Operaciones con matrices

Determine si dos matrices son iguales.
Sume y reste matrices y multiplique una matriz por una escalar.
Multiplique dos matrices.
Use matrices para resolver un sistema de ecuaciones lineales.
Particione una matriz y escriba una combinación lineal de vectores
columna.

OPERACIONES CON MATRICES

En la Sección 2.2 usted utilizó matrices para resolver sistemas de ecuaciones lineales. Este
capítulo introduce algunos fundamentos de teoría de matrices y aplicaciones adicionales
de matrices.
Por un acuerdo matemático común, las matrices se pueden representar en alguna de
las siguientes tres formas:
1. Una matriz puede denotarse por una letra mayúscula como A, B o C
2. Una matriz puede denotarse por un elemento representativo escrito entre corchetes [aij],
[bij] o [cij].
3. Una matriz puede denotarse como por un arreglo rectangular de números
a11 a12 . . . a1n
a21 a22 . . . a2n
. . .
. . .
. . .
am1 am2 . . . amn
Como se mencionó en la unidad 2, las matrices en este texto son fundamentalmente matri-
ces reales. Es decir, sus elementos son números reales.
Decimos que dos matrices son iguales si sus elementos correspondientes son iguales.

Definición de la igualdad de matrices

Dos matrices A ⫽ [aij] y B ⫽ [bij] son iguales si tienen el mismo tamaño (m ⫻ n) y
aij ⫽ bij para 1 ⱕ i ⱕ m y 1 ⱕ j ⱕ n.

EJEMPLO 1 Igualdad de matrices

COMENTARIO
La frase “si y sólo si” significa Considere las cuatro matrices
que la expresión es válida en
1 2 1 1 2
ambas direcciones. Por A , B , C 1 3, y D .
ejemplo, “p si y sólo si q” 3 4 3 x 4
quiere decir que p implica a q
y q implica a p. Las matrices A y B no son iguales, ya que tienen diferente tamaño. De manera similar, B
y C tampoco lo son. Las matrices A y D son iguales si y sólo si x ⫽ 3.
Una matriz que sólo tiene una columna, como la matriz B del Ejemplo 1, se denomina
matriz columna o vector columna. De manera similar, una matriz que sólo tiene un renglón,
como la matriz C del ejemplo 1, se denomina matriz renglón o vector renglón. A menudo se
utilizan letras negritas minúsculas para designar matrices columna o renglón. En este caso,
1 2
la matriz A del ejemplo 1 puede dividirse en dos matrices columna a1 y a2 de la
3 4
siguiente manera.
1 2 1 2
A a1 a2
3 4 3 4

03LarsonTEC(045-090).indd 47 16/03/17 20:58

 48 Unidad 3 Matrices y determinantes

SUMA Y RESTA DE MATRICES Y MULTIPLICACIÓN ESCALAR

Usted puede sumar dos matrices (del mismo tamaño) sumando sus elementos correspon-
dientes.

Definición de suma de matrices

Si A ⫽ [aij] y B ⫽ [bij] son matrices de tamaño m ⫻ n, entonces su suma es la matriz
de tamaño m ⫻ n dada por A ⫹ B ⫽ [aij ⫹ bij]. Para 1 ⱕ i ⱕ m y 1 ⱕ j ⱕ n.
La suma de dos matrices de diferente tamaño no está definida.

EJEMPLO 2 Suma de matrices

1 2 1 3 1 1 2 3 0 5
a.
0 1 1 2 0 1 1 2 1 3
0 1 2 0 0 0 0 1 2
b.
1 2 3 0 0 0 1 2 3
COMENTARIO 1 1 0
A menudo es conveniente
2 1 0 0 1
c. 3 3 0 d. no está definida.
reescribir una matriz B como 4 0 1 1 3
cA, factorizando c de cada uno
2 2 0
de los elementos de la matriz B.
1
Por ejemplo, el escalar 2 se ha Cuando trabajamos con matrices nos referimos a los números reales como escalares.
factorizado de la siguiente Usted puede multiplicar una matriz A por un escalar c, multiplicando cada elemento de la
matriz. matriz A por el escalar c.
1 3
2 2 1 1 3
5 1 2 . Definición de la multiplicación por un escalar
2 2
5 1
Si A ⫽ [aij] es una matriz de tamaño m ⫻ n y c es un escalar, entonces el múltiplo
escalar de A por c es la matriz de tamaño m ⫻ n dada por
cA ⫽ [caij]. Para 1 ⱕ i ⱕ m y 1 ⱕ j ⱕ n.

Podemos utilizar ⫺A para representar el producto escalar (⫺1)A. Si A y B son del mismo
tamaño, entonces A ⫺ B representa la suma de A y (⫺1)B. Es decir A ⫺ B ⫽ A ⫹ (⫺1) B.

EJEMPLO 3 Multiplicación por un escalar y resta de matrices

Para las matrices A y B, determine (a) 3A, (b) ⫺B y (c) 3A ⫺ B.

1 2 4 2 0 0
A 3 0 1 y B 1 4 3
2 1 2 1 3 2
SOLUCIÓN
1 2 4 31 32 34 3 6 12
a. 3A 3 3 0 1 3 3 30 3 1 9 0 3
2 1 2 32 31 32 6 3 6
2 0 0 2 0 0
b. B 1 1 4 3 1 4 3
1 3 2 1 3 2
3 6 12 2 0 0 1 6 12
c. 3A B 9 0 3 1 4 3 10 4 6
6 3 6 1 3 2 7 0 4

03LarsonTEC(045-090).indd 48 16/03/17 20:58

 3.1 Operaciones con matrices 49

MULTIPLICACIÓN DE MATRICES
La tercera operación básica es la multiplicación de matrices. Para ver la utilidad de esta
operación, considere la siguiente aplicación, en la cual las matrices son de mucha ayuda
para organizar información.
Un estadio de futbol tiene tres áreas concesionadas para locales comerciales, ubicadas
en el sur, norte y oeste del mismo. Los artículos más vendidos son los cacahuates, los hot
dogs y los refrescos. Las ventas para cierto día son registradas en la primera matriz abajo
y los precios (en dólares) de los tres artículos aparecen en la segunda.

Número de artículos vendidos

Cacahuates Hot dogs Refrescos Precio de venta
Local sur 120 250 305 2.00 Cacahuates

Local norte 207 140 419 3.00 Hot Dogs

Local oeste 29 120 190 2.75 Sodas

Para calcular el total de ventas de los tres productos más vendidos en el local sur, multi-
plique cada elemento en el primer renglón de la matriz de la izquierda por el precio corres-
pondiente en la matriz columna de la derecha y sume los resultados. Las ventas del local
sur son
(120)(2.00) ⫹ (250)(3.00) ⫹ (305)(2.75) ⫽ $1828.75 Ventas local sur

De manera similar, calculamos las ventas de los otros dos locales de la siguiente forma.
(207)(2.00) ⫹ (140)(3.00) ⫹ (419)(2.75) ⫽ $1986.25 Ventas local norte
(29)(2.00) ⫹ (120)(3.00) ⫹ (190)(2.75) ⫽ $940.50 Ventas local oeste

Los cálculos anteriores son ejemplos de la multiplicación de matrices. Usted puede

escribir el producto de la matriz de 3 ⫻ 3 indicando el número de artículos vendidos y la
matriz de 3 ⫻ 1 indicando los precios de venta, de la siguiente manera.

120 250 305 2.00 1828.75

207 140 419 3.00 1986.25
29 120 190 2.75 940.50
El producto de estas matrices es la matriz de 3 ⫻ 1, que nos da el total de las ventas por
cada uno de los tres locales.
La definición general del producto de dos matrices mostrada abajo, se basa en las
ideas recién desarrolladas. A primera vista esta definición puede parecer inusual, no obs-
tante, usted verá más adelante que tiene muchas aplicaciones prácticas.

Definición de la multiplicación de matrices

Si A ⫽ [aij] es una matriz de tamaño m ⫻ n y si B ⫽ [bij] es una matriz de tamaño n
⫻ p, entonces el producto AB es una matriz de tamaño m ⫻ p
AB ⫽ [cij]
donde
n
cij aik bkj ai1b1j a i2 b2j ai3 b3j . . . ain bnj .
k 1
Para 1 ⱕ i ⱕ m y 1 ⱕ j ⱕ p.

Esta definición significa que el elemento en el i-ésimo renglón y en la j-ésima

columna del producto AB se obtiene al multiplicar los elementos del i-ésimo renglón de A
por los elementos correspondientes de la j-ésima columna de B y luego sumar los resulta-
dos. El siguiente ejemplo ilustra este proceso.

03LarsonTEC(045-090).indd 49 16/03/17 20:58

 50 Unidad 3 Matrices y determinantes

EJEMPLO 4 Determinación del producto de dos matrices

Encuentre el producto AB, donde

1 3
3 2
A 4 2 y B .
4 1
5 0
SOLUCIÓN
Primero, observe que el producto AB está definido porque el tamaño de A es 3 ⫻ 2 y el de
B es 2 ⫻ 2. Además, el producto AB es de tamaño 3 ⫻ 2 y tiene la forma
1 3 c11 c12
3 2
4 2 c21 c22 .
4 1
5 0 c31 c32
Para determinar c11 (el elemento en el primer renglón y en la primera columna del pro-
ducto), multiplique los elementos correspondientes en el primer renglón de A y la primera
columna de B. Es decir
c11 1 3 3 4 9
1 3 9 c12
3 2
4 2 c21 c22 .
4 1
5 0 c31 c32

Similarmente, para determinar c12 multiplique los elementos correspondientes en el primer

renglón de A y la segunda columna de B para obtener
Arthur Cayley
(1821-1895) c12 1 2 3 1 1
El matemático inglés Arthur 1 3 9 1
Cayley es reconocido por pro- 3 2
4 2 c21 c22 .
porcionar una definición abs- 4 1
tracta de una matriz. Cayley 5 0 c31 c32
era egresado de la Universi-
dad de Cambridge y era abo- Siguiendo este patrón obtenemos los siguientes resultados.
gado de profesión. Comenzó c21 4 3 2 4 4
su revolucionario trabajo en
matrices mientras estudiaba c22 4 2 2 1 6
la teoría de transformaciones. c31 5 3 0 4 15
Cayley también fue funda- c32 5 2 0 1 10
mental para el desarrollo de
los determinantes (mismos El producto es
que se discuten en el Capítulo
1 3 9 1
3). Se reconoce a Cayley y 3 2
dos matemáticos estadouni- AB 4 2 4 6 .
4 1
denses, Benjamin Peirce 5 0 15 10
(1809-1880) y su hijo, Charles
S. Peirce (1839-1914), por el Asegúrese de entender que el producto de dos matrices está definido cuando el
desarrollo del “álgebra matri- número de columnas de la primera matriz es igual al número de renglones de la segunda
cial.”
matriz; es decir,
A B AB.
m n n p m p

igual
tamaño
de AB
Así, el producto BA de las matrices del ejemplo 4 no está definido.
Bettmann/CORBIS

03LarsonTEC(045-090).indd 50 16/03/17 20:58

 3.1 Operaciones con matrices 51
El patrón general de la multiplicación de matrices es el siguiente. Para obtener el
elemento del i-ésimo renglón y la j-ésima columna del producto AB, use el i-ésimo renglón
de A y la j-ésima columna de B.

a11 a12 a13 . . . a c11 c12 . . . c1j . . . c1p

1n
b11 b12 . . . b1j . . . b1p
a21 a22 a23 . . . a c21 c22 . . . c2j . . . c2p
. . . .2n b21 b22 . . . b2j . . . b2p . . . .
. . . . . . . .
. . . . b31 b32 . . . b3j . . . b3p . . . .
ai1 ai2 ai3 . . . a . . . . ci1 ci2 . . . cij . . . cip
. . . .in . . . . . . . .
. . . . . . . . . . . .
. . . . . . . bnj . . . bnp . .
am1 am2 am3 . . .a bn1 bn2
cm1 cm2 . . . c. . . . c.
mn mj mp

ai1b1j ai2 b2j ai3 b3j ... ainbnj cij

D ES C UBR I M I E NTO
Sea
1 2 0 1
A y B .
3 4 1 2

Calcule A ⫹ B y B ⫹ A. ¿La suma de una matriz es conmutativa?

Calcule AB y BA. ¿La multiplicación de matrices es conmutativa?

EJEMPLO 5 Multiplicación de matrices

2 4 2
1 0 3 5 7 1
a. 1 0 0
2 1 2 3 6 6
1 1 1
2 3 3 3 2 3

3 4 1 0 3 4
b.
2 5 0 1 2 5
2 2 2 2 2 2

1 2 1 2 1 0
c.
1 1 1 1 0 1
2 2 2 2 2 2

2
d. 1 2 3 1 1
1
1 3 3 1 1 1

2 2 4 6
e. 1 1 2 3 1 2 3
1 1 2 3
3 1 1 3 3 3

Note la diferencia entre los dos productos en los incisos (d) y (e) del ejemplo 5. En
general, la multiplicación de matrices no es conmutativa. Es decir, casi nunca se cumple
que el producto AB sea igual al producto BA. (Véase la sección 2.2 para un análisis más
profundo de la no conmutatividad de la multiplicación de matrices.)

03LarsonTEC(045-090).indd 51 16/03/17 20:58

 52 Unidad 3 Matrices y determinantes

SISTEMAS DE ECUACIONES LINEALES

Una aplicación práctica de la multiplicación de matrices es la representación de un sistema
de ecuaciones lineales. Observe cómo el sistema
a11x 1 a12 x 2 a13 x 3 b1
a21 x 1 a22 x 2 a23 x 3 b2
a31x 1 a32 x 2 a33 x 3 b3
puede escribirse como la ecuación matricial Ax ⫽ b, donde A es la matriz de coeficientes
del sistema y x y b son matrices columna.
a11 a12 a13 x1 b1
a21 a22 a23 x2 b2
a31 a32 a33 x3 b3
A x b

EJEMPLO 6 Resolución de un sistema de ecuaciones lineales

Resuelva la ecuación matricial Ax ⫽ 0, donde

x1
1 2 1 0
A , x x2 , y 0 .
2 3 2 0
x3

SOLUCIÓN
Como un sistema de ecuaciones lineales, Ax ⫽ 0 lo representamos como
x1 2x 2 x3 0
2x 1 3x 2 2x 3 0.
Utilizando la eliminación de Gauss-Jordan en la matriz aumentada de este sistema, obte-
nemos
1
NOTA TECNOLÓGICA 1 0 7 0
4 .
Muchas aplicaciones gráficas y 0 1 0
7
programas de cómputo pueden
ejecutar la suma de matrices,
multiplicación escalar y la
Por tanto, el sistema tiene un número infinito de soluciones. En este caso, una elección
multiplicación de matrices. Si conveniente de parámetro es x3 ⫽ 7t, y puede escribir el conjunto solución como
usted utiliza una aplicación
gráfica, sus pantallas para el
x1 ⫽ t, x2 ⫽ 4t, x3 ⫽ 7t, t es cualquier número real.
Ejemplo 6 se verán como: En términos de matrices, encontramos que la ecuación matricial
x1
1 2 1 0
x2
2 3 2 0
x3
tiene un número infinito de soluciones, representado por
x1 t 1
x x2 4t t 4 , t es cualquier escalar.
Los comandos y la sintaxis de
x3 7t 7
programación para estas
Esto es, cualquier múltiplo escalar de la matriz columna de la derecha es una solución. A
aplicaciones/programas del
Ejemplo 6 están disponibles en continuación se muestran algunas soluciones:
Online Technology Guide,
college.cengage.com/pic/
1 2 0 1
larsonEL6e. 4 , 8 , 0 ,y 4 .
7 14 0 7

03LarsonTEC(045-090).indd 52 16/03/17 20:58

 3.1 Operaciones con matrices 53

PARTICIÓN DE MATRICES
El sistema Ax ⫽ b puede representarse de una forma más conveniente, dividiendo las
matrices A y x de la siguiente manera. Si

a11 a12 . . . a1n x1 b1

a21 a22 . . . a 2n x2 b2
A . . . , x . , y b .
. . . . .
. . . . .
am1 am2 . . . a mn xn bm

son las matrices de coeficientes, la matriz columna de incógnitas y la matriz del lado dere-
cho, respectivamente, del sistema lineal Ax ⫽ b de tamaño m ⫻ n, entonces podemos
escribir

a11 a12 . . . a1n x1

a21 a22 . . . a2n x2
. . . . b
. . . .
. . . .
am1 am2 . . . amn xn
a11x 1 a12x 2 . . . a1nx n
a21x 1 a22x 2 . . . . a2nx n
. b
.
am1x 1 am2x 2 . . . amnx n
a11 a12 a1n
a a22 a2n
x 1 .21 x2 . . . . xn . b.
. . .
. . .
am1 am2 amn

En otras palabras
Ax x 1a1 x 2 a2 . . . x n an b
donde a1, a2, . . . , an son las columnas de la matriz A. La expresión

a11 a12 a1n

a21 a22 a2n
x 1 .. x2 . . . . xn .
. .
. . .
am1 am2 amn

Se llama combinación lineal de las matrices columna a1, a2, . . . , an con coeficientes x1,
x2, . . . , xn.

Combinaciones lineales de vectores columna

La matriz producto Ax es una combinación lineal de los vectores columna a1, a2, …
an que forman la matriz de coeficientes A.
a11 a12 a1n
a21 a22 a2n
x1 . x2 . . . . xn .
. . .
. . .
am1 am2 amn
Adicionalmente, el sistema Ax ⫽ b es consistente si y sólo si b se puede expresar
como una combinación lineal tal, en la que los coeficientes de la combinación lineal
son una solución del sistema.

03LarsonTEC(045-090).indd 53 16/03/17 20:58

 54 Unidad 3 Matrices y determinantes

EJEMPLO 7 Resolución de un sistema de ecuaciones lineales

El sistema lineal
x1 2x 2 3x 3 0
4x 1 5x 2 6x 3 3
7x 1 8x 2 9x 3 6

puede reescribirse como una ecuación matricial Ax ⫽ b de la siguiente forma

1 2 3 0
x1 4 x2 5 x3 6 3
7 8 9 6

Aplicando la eliminación gaussiana podemos demostrar que este sistema tiene un número
infinito de soluciones, una de las cuales es x1 ⫽ 1, x2 ⫽ 1 y x3 ⫽ –1.

1 2 3 0
1 4 1 5 1 6 3
7 8 9 6

Es decir, b puede expresarse como una combinación lineal de las columnas de A. Esta
representación de un vector columna en función de otros es un tema fundamental del álge-
bra lineal.

El dividir A en columnas y x en renglones, se emplea a menudo para reducir una

matriz de tamaño m ⫻ n a matrices más pequeñas. Por ejemplo, la matriz abajo a la
izquierda puede dividirse como se muestra en la matriz a la derecha.

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

La matriz también puede dividirse en matrices columna

1 2 0 0
3 4 0 0 c1 c2 c3 c4
1 2 2 1

o matrices renglón

1 2 0 0 r1
3 4 0 0 r2 .
1 2 2 1 r3

ÁLGEBRA Muchas aplicaciones en la vida real de los sistemas lineales involucran

enormes cantidades de ecuaciones y variables. Por ejemplo, un
LINEAL problema con los calendarios de la tripulación de vuelo de American
APLICADA Airlines requirió la manipulación de matrices con 837 renglones y más
de 12,750,000 columnas. Esta aplicación de programación lineal exigía
que el problema se dividiera en piezas más pequeñas y después se
resolviera en una supercomputadora Cray. (Fuente: Very Large-Scale
Lineal Programming. A Case Study in Combining Interior Point y
Simplex Methods, Bixby, Robert E., et al., Operations Research, 40,
no. 5)
© Sean Locke/iStockphoto.com

03LarsonTEC(045-090).indd 54 16/03/17 20:58

 3.1 Ejercicios 55

3.1 Ejercicios Consulte www.CalcChat.com para las soluciones de los ejercicios nones.

Igualdad de matrices En los ejercicios 1 a 4, encuentre 15. Resuelva la ecuación matricial para x, y, y z.
x e y x y y z 4 x
x 2 4 2 4 2 2 .
1. z 1 x 1 5 x
7 y 7 22
16. Resuelva la ecuación matricial para x, y, z, y w.
5 x 5 13
2. w x 4 3 y w
y 8 12 8 2 .
y x 2 1 z x
16 4 5 4 16 4 2x 1 4
3. 3 13 15 6 3 13 15 3x Determinación de los productos de dos matrices En
0 2 4 0 0 2 3y 5 0 los ejercicios 17 a 30, halle (a) AB y (b) BA (si están definidas).
x 2 8 3 2x 6 8 3 1 2 2 1
17. A , B
4. 1 2y 2x 1 18 8 4 2 1 8
7 2 y 2 7 2 11 2 2 4 1
18. A , B
Operaciones con matrices En los ejercicios 5 a 12, deter- 1 4 2 2
mine (a) A ⫹ B, (b) A – B, (c) 2A, (d) 2A – B y (e) B ⫹ 12A. 2 1 3 0 1 2
1 1 2 1 19. A 5 1 2 , B 4 1 3
5. A , B 2 2 3 4 1 2
2 1 1 8
1 2 3 2 1 1 7 1 1 2
6. A , B 20. A 2 1 8 , B 2 1 1
2 1 4 2
6 1 1 4 3 1 1 1 3 2
7. A 2 4 , B 1 5 2 1 0 1 0
3 5 1 10 21. A 3 4 , B 4 0 2
1 6 8 1 7
2 1 1 2 3 4
8. A , B 3 2 1 1 2
1 1 4 3 1 2
22. A 3 0 4 , B 2 1
3 2 1 0 2 1
9. A 2 4 5 , B 5 4 2 4 2 4 1 2
0 1 2 2 1 0 2
2 3 4 0 6 2 23. A 3 2 1, B 3
10. A 0 1 1 , B 4 1 0 0
2 0 1 1 2 4 1
6 0 3 8 1 2
11. A , B 24. A , B 2 1 3 2
1 4 0 4 3 2
3 1
12. A 2 , B 4 6 2 1 3
1 2
1 25. A 4 5 , B
0 7
0 2
13. Encuentre (a) c21 y (b) c13, donde C ⫽ 2A – 3B,
2 1
5 4 4 1 2 7 2 3
A , y B . 26. A , B 1 3
3 1 2 0 5 1 5 2
2 1
14. Encuentre (a) c23 y (b) c32, donde C ⫽ 5A ⫹ 2B,
0 1 0 2
4 11 9 1 0 5
27. A 4 0 2 , B 3
A 0 3 2 , y B 4 6 11 .
8 1 7 1
3 1 1 6 4 9
2 1 2 4 0 1 3
28. A 3 1 2 , B 1 2 3 1
2 1 2 2 1 4 3

03LarsonTEC(045-090).indd 55 16/03/17 20:58

 56 Unidad 3 Matrices y determinantes

6 Escribir una combinación lineal En los ejercicios 49 a

2 52, exprese la matriz columna b como una combinación
29. A , B 10 12 lineal de las columnas de A.
1
6 1 1 2 1
49. A , b
3 3 1 7
1 0 3 2 4 1 6
30. A , B 1 2 4 1
6 13 8 17 20 4 2
50. A 1 0 2 , b 3
Tamaño de la matriz En los ejercicios 31 a 38, sean A, B, 0 1 3 2
C, D y E matrices con el tamaño dado.
1 1 5 3
A: 3 4 B: 3 4 C: 4 2 D: 4 2 E: 4 3
51. A 1 0 1 , b 1
Si está definida, determine el tamaño de la matriz. Si no lo 2 1 1 0
está, proporcione una explicación.
3 5 22
31. A B 32. C E 52. A 3 4 , b 4
1
33. 2D 34. 4A 4 8 32
35. AC 36. BE
Resolución de una ecuación matricial En los ejercicios
37. E 2A 38. 2D C
53 y 54, resuelva la ecuación matricial para A.
Resolución de una ecuación matricial En los ejercicios 1 2 1 0
39 y 40, resuelva la ecuación matricial Ax ⫽ 0. 53. A
3 5 0 1
x1 2 1 1 0
2 1 1 0 54. A
39. A , x x2 , 0 3 2 0 1
1 2 2 0
x3
x1 Resolución de una ecuación matricial En los ejercicios
1 2 1 3 0 55 y 56, resuelva la ecuación matricial para a, b, c y d.
x2
40. A 1 1 0 1 , x , 0 0 1 2 a b 6 3
x3 55.
0 1 1 2 0 3 4 c d 19 2
x4
a b 2 1 3 17
Resolución de una sistema de ecuaciones lineales En 56.
c d 3 1 4 1
los ejercicios 41 a 48, escriba el sistema de ecuaciones lineales
en la forma Ax ⫽ b y resuelva esta ecuación matricial para x. Matriz diagonal Una matriz cuadrada
41. x1 x2 4 a 11 0 0 . . . 0
2x 1 x2 0 0 a 22 0 . . . 0
42. 2x 1 3x 2 5 A 0 0 a 33 . . . 0
. . . .
x1 4x 2 10 . . . .
. . . .
43. 2x 1 3x 2 4 0 0 0 . . . a nn
6x 1 x2 36 se llama matriz diagonal si todos los elementos que no están
44. 4x 1 9x 2 13 en la diagonal principal son cero. En los ejercicios 57 y 58,
x1 3x 2 12 encuentre el producto AA para la matriz diagonal dada.
45. x1 2x 2 3x 3 9 1 0 0 2 0 0
x1 3x 2 x3 6 57. A 0 2 0 58. A 0 3 0
2x 1 5x 2 5x 3 17 0 0 3 0 0 0
46. x1 x 2 3x 3 1
x1 2x 2 1 Determinación de los productos de matrices diago-
nal En los ejercicios 59 y 60, determine los productos AB y
x1 x2 x3 2
BA para las matrices diagonales.
47. x1 5x 2 2x 3 20
2 0 5 0
3x 1 x2 x3 8 59. A , B
0 3 0 4
2x 2 5x 3 16
3 0 0 7 0 0
48. x 1 x 2 4x 3 17
60. A 0 5 0 , B 0 4 0
x1 3x 2 11
0 0 0 0 0 12
6x 2 5x 3 40

03LarsonTEC(045-090).indd 56 16/03/17 20:58

 3.1 Ejercicios 57

61. Demostración guiada. Pruebe que si A y B son matri- 72. Demuestre que no existen matrices de 2 ⫻ 2 que satisfa-
ces diagonales (del mismo tamaño), entonces AB ⫽ BA. gan la ecuación matricial
Inicio: Para demostrar que las matrices AB y BA son 1 0
AB BA .
iguales, primero necesita demostrar que sus elementos 0 1
correspondientes son iguales. 73. Exploración Sea i ⫽ 1 y sea
(i) Empiece su demostración haciendo que A ⫽ [aij] y i 0 0 i
A y B .
B ⫽ [bij] sean dos matrices diagonales n ⫻ n. 0 i i 0
(ii) El ij-ésimo elemento del producto AB es (a) Determine A2, A3 y A4. (Nota: A2 ⫽ AA, A3 ⫽ AAA ⫽
n A2A, etc.) Identifique cualquier similitud entre i2, i3 e i4.
ci j aikbk j (b) Determine e identifique B2.
k 1
(iii) Evalúe el elemento cij para los casos en los que i ⫽ 74. Demostración guiada. Pruebe que si el producto AB
j e i ⫽ j. es una matriz cuadrada, entonces el producto BA está
(iv) Repita este análisis para el producto BA. definido.
62. Escriba Sean A y B matrices de 3 ⫻ 3, donde A es Inicio: Para probar que el producto BA está definido,
diagonal. necesita demostrar que el número de columnas de B es
igual al número de renglones de A.
(a) Describa el producto AB. Ilustre su respuesta con
ejemplos. (i) Comience su demostración haciendo notar que el
número de columnas de A es igual al número de
(b) Describa el producto BA. Ilustre su respuesta con
renglones de B.
ejemplos.
(ii) Después usted puede suponer que A es de tamaño
(c) ¿Cómo cambian los resultados de los incisos (a) y m ⫻ n y B es de tamaño n ⫻ p.
(b) si los elementos de la diagonal de A son iguales? (iii) Utilice la hipótesis de que el producto AB es una
Traza de una matriz En los ejercicios 63 a 66, determine matriz cuadrada.
la traza de la matriz. La traza de una matriz A de n ⫻ n es la 75. Prueba Demuestre que si ambos productos: AB y BA
suma de los elementos de la diagonal principal. Es decir están definidos, entonces AB y BA son matrices cuadradas.
Tr(A) ⫽ a11 ⫹ a22 ⫹ . . . ⫹ ann. 76. Sean A y B dos matrices tales que el producto AB está
1 2 3 1 0 0 definido. Demuestre que si A tiene dos renglones idénti-
cos, entonces los dos renglones correspondientes AB
63. 0 2 4 64. 0 1 0
también son idénticos.
3 1 3 0 0 1
77. Sean A y B matrices de n ⫻ n. Demuestre que si el i-ésimo
1 0 2 1 1 4 3 2 renglón de A tiene todos sus elementos iguales a cero,
0 1 1 2 4 0 6 1 entonces el i-ésimo renglón de AB tiene todos sus elemen-
65. 66.
4 2 1 0 3 6 2 1 tos iguales a cero. Proporcione un ejemplo utilizando matri-
0 0 5 1 2 1 1 3 ces de 2 ⫻ 2 para demostrar que la conversión es falsa.

67. Prueba Demuestre que cada una de las expresiones es 78. RE MATE Sean A y B matrices de tamaño
verdadera si A y B son matrices cuadradas de tamaño n 3  ⫻  2 y 2  ⫻  2, respectivamente. Responda las
y c es un escalar. siguientes preguntas y explique su razonamiento.
Tr(A ⫹ B) ⫽ Tr(A) ⫹ Tr(B) (a) ¿Es posible que A ⫽ B?
Tr(cA)cTr(A) (b) ¿A ⫹ B está definido?
68. Prueba Demuestre que si A y B son matrices cuadra- (c) ¿AB está definido? Si es así, ¿es posible que AB ⫽
das de tamaño n, entonces Tr(AB) ⫽ Tr(BA). BA?
69. Determine las condiciones en w, x, y y z tales que AB ⫽
BA en las siguientes matrices. 79. Agricultura Un agricultor tiene dos cosechas de fruta,
manzanas y peras. Cada una de estas cosechas es
w x 1 1 enviada a tres diferentes mercados. El número de unida-
A y B
y z 1 1 des de la cosecha i que es enviada al mercado j se repre-
70. Verifique AB ⫽ BA para las siguientes matrices. senta por aij en la matriz
Cos Sen Cos Sen 125 100 75
A y B A
Sen Cos Sen Cos 100 175 125
La ganancia por unidad es representada por la matriz
71. Demuestre que la ecuación matricial no tiene solución.
B ⫽ [$3.50 $6.00]
1 1 1 0 Determine el producto BA y explique qué representa
A
1 1 0 1 cada elemento de este producto.

03LarsonTEC(045-090).indd 57 16/03/17 20:58

 58 Unidad 3 Matrices y determinantes

80. Manufactura Una corporación tiene tres fábricas, cada Multiplicación por bloques En los ejercicios 83 y 84, eje-
una de las cuales produce guitarras acústicas y guitarras cute la multiplicación por bloques indicada de las matrices A y B.
eléctricas. El número de guitarras del tipo i producidas en Si las matrices A y B se dividen en cuatro submatrices
la fábrica j en un día se representa por aij en la matriz
A
70 50 25 A [ A 11 A 12
A 21 A 22 ]y B [
B 11 B 12
B 21 B 22 ]
35 100 70
Determine los niveles de producción de cada fábrica, si entonces puede multiplicar por bloques A y B, asignando el
la producción se incrementa 20%. tamaño de las submatrices para las cuales la suma y la multi-
plicación están definidas.
81. Política La matriz
De AB [ ][
A 11 A 12 B 11 B 12
A 21 A 22 B 21 B 22 ]
R
0.6 0.1 0.1 R
D I
[
A 11B 11 A 12B 21 A 11B 12 A 12B 22
A 21B 11 A 22B 21 A 21B 12 A 22B 22 ]
P 0.2 0.7 0.1 D A 1 2 0
0.2 0.2 0.8 I 1 2 0 0
1 1 0
83. A 0 1 0 0 , B
representa la proporción de votantes que cambió del 0 0 1
partido i al partido j en una elección dada. Es decir, pij (i 0 0 2 1
0 0 3
⫽ j) representa la proporción de votantes que cambiaron
del partido i al partido j y pii representa la proporción que 0 0 1 0 1 2 3 4
permanece leal al partido i de una elección a la siguiente. 0 0 0 1 5 6 7 8
84. A , B
Determine el producto de P consigo mismo. ¿Qué repre- 1 0 0 0 1 2 3 4
senta este producto? 0 1 0 0 5 6 7 8
82. Población Las matrices muestran la población (en
¿Verdadero o falso? En los ejercicios 85 y 86 determine
miles de personas) que vivía en diferentes regiones de
cuál de las expresiones es verdadera o falsa. Si la expresión
Estados Unidos en 2009 y la población (en miles de
es verdadera, dé una razón o cite una expresión adecuada del
personas) estimada que vivirá en estas regiones en 2015.
texto. Si la expresión es falsa, proporcione un ejemplo que
Las poblaciones regionales se separaron en tres catego-
demuestre que la expresión no es válida para todos los casos
rías de edad. (Fuente: U.S. Census Bureau)
o cite del texto una expresión adecuada.
2009
85. (a) Para que el producto de dos matrices esté definido,
0–17 18–64 65 el número de columnas de la primera matriz debe ser
Noreste 12,399 35,137 7747 igual al número de renglones de la segunda matriz.
Medio oeste 16,047 41,902 8888 (b) El sistema Ax ⫽ b es consistente si y sólo si b puede
Sur 27,959 70,571 14,608 ser expresada como una combinación lineal, donde
Montaña 5791 13,716 2616 los coeficientes de la combinación lineal son una
Pacífico 12,352 31,381 5712 solución del sistema.
86. (a) Si A es una matriz de m ⫻ n y B es una matriz de n ⫻
2015 r, entonces el producto AB es una matriz de m ⫻ r.
0–17 18–64 65 (b) La ecuación matricial Ax ⫽ b, donde A es la matriz
Noreste 12,441 35,289 8835 de coeficientes y x y b son las matrices columna,
Medio oeste 16,363 42,250 9955 puede utilizarse para representar un sistema de ecua-
Sur 29,373 73,496 17,572 ciones lineales.
Montaña 6015 14,231 3337 87. Las columnas de la matriz T muestran las coordenadas
Pacífico 12,826 33,292 7086 de los vértices de un triángulo. La matriz A es una matriz
(a) La población total en 2009 fue 307 000 000 y la de transformación.
población total estimada para 2015 fue 322 000 000. 0 1 1 2 3
Reescriba las matrices para obtener la información A , T
1 0 1 4 2
como porcentajes de la población total. (a) Encuentre AT y AAT. Después dibuje el triángulo
(b) Escriba una matriz que proporcione los porcentajes original y los dos triángulos transformados. ¿Qué
en cambios estimados de población por regiones y transformación representa A?
por grupos de edad de 2009 a 2015. (b) Un triángulo está determinado por AAT. Describa el
(c) Basado en el resultado del inciso (b), ¿qué grupo(s) proceso de transformación que produce el triángulo
de edad se estima mostrará(n) un crecimiento rela- determinado por AT y luego el triángulo determi-
tivo de 2009 a 2015? nado por T.

03LarsonTEC(045-090).indd 58 16/03/17 20:58

 3.2 Propiedades de las operaciones con matrices 59

3.2 Propiedades de las operaciones con matrices

Use las propiedades de la suma de matrices, multiplicación escalar y
matrices cero.
Use las propiedades de multiplicación de matrices y matriz identidad.
Encuentre la transpuesta de una matriz.

ÁLGEBRA DE MATRICES
En la sección 3.1 su atención se centró en la mecánica de las tres operaciones básicas con
matrices: suma de matrices, multiplicación escalar y multiplicación de matrices. Esta sec-
ción comienza con el desarrollo del álgebra de matrices. Observará que esta álgebra
comparte muchas (pero no todas) de las propiedades del álgebra de los números reales.
Enseguida aparece una lista de algunas propiedades de la suma de matrices y de la multi-
plicación escalar.

TEOREMA 3.1 Propiedades de la suma de matrices

y de la multiplicación por un escalar
Si A, B y C son matrices de m ⫻ n; c, d, 1, escalares, entonces las siguientes propie-
dades son verdaderas.
1. A B B A Propiedad conmutativa de la suma
2. A B C A B C Propiedad asociativa de la suma
3. cd A c dA Propiedad asociativa de la multiplicación de escalares
4. 1A A Identidad multiplicativa
5. c A B cA cB Propiedad distributiva izquierda
6. c d A cA dA Propiedad distributiva derecha

DEMOSTRACIÓN
La demostración de estas seis propiedades se concluyen directamente a partir de las defi-
niciones de suma de matrices y multiplicación por un escalar, así como de las propiedades
correspondientes a los números reales. Por ejemplo, para demostrar la propiedad conmu-
tativa de la suma de matrices, sean A ⫽ [aij] y B ⫽ [bij]. Entonces, aplicando la propiedad
conmutativa de la suma de números reales, escribimos
A B aij bij bij aij B A.
De igual forma, para demostrar la propiedad 5, aplicamos la propiedad distributiva (de los
números reales) de la multiplicación sobre la suma, para escribir
cA B c aij bij caij cbij c A cB.
Las demostraciones de las cuatro propiedades restantes se dejan como ejercicios (véase los
ejercicios 57 a 60).
En la sección anterior, la suma de matrices se definió como la suma de dos matrices,
haciéndola así una operación binaria. La propiedad asociativa de la suma de matrices ahora
permite escribir expresiones como A ⫹ B ⫹ C como (A ⫹ B) ⫹ C o como A ⫹ (B ⫹ C).
Este mismo razonamiento se aplica a la suma de cuatro o más matrices.

EJEMPLO 1 Suma de más de dos matrices

Sumando los elementos correspondientes, podemos obtener la siguiente suma de cuatro

matrices.
1 1 0 2 2
2 1 1 3 1

03LarsonTEC(045-090).indd 59 16/03/17 20:58

 60 Unidad 3 Matrices y determinantes

Una propiedad importante de la suma de números reales es que el número 0 sirve

como la identidad aditiva. Esto es, c ⫹ 0 ⫽ c para cualquier número real c. Para las matri-
ces se cumple una propiedad semejante. Específicamente, si A es una matriz de m ⫻ n y
0mn es la matriz de m ⫻ n consistente únicamente de ceros, entonces A ⫹ 0mn ⫽ A. La
matriz 0mn se denomina matriz cero y sirve como la identidad aditiva para el conjunto
de todas las matrices de m ⫻ n. Por ejemplo, la siguiente matriz funciona como la identi-
dad aditiva para el conjunto de todas las matrices de 2 ⫻ 3.
0 0 0
023
0 0 0
Cuando se sobreentiende el tamaño de la matriz, las matrices cero pueden denotarse sim-
plemente por 0.
Las siguientes propiedades de las matrices cero son fáciles de probar, por lo que sus
demostraciones se dejan como ejercicio. (Véase Ejercicio 61.)

COMENTARIO TEOREMA 3.2 Propiedades de las matrices cero

La propiedad 2 puede descri-
Si A es una matriz de m ⫻ n y c es un escalar, entonces las siguientes propiedades
birse diciendo que la matriz –A
es el inverso aditivo de A. son verdaderas.
1. A ⫹ 0mn ⫽ A
2. A ⫹ (–A) ⫽ 0mn
3. Si cA ⫽ 0mn, entonces c ⫽ 0 o A ⫽ 0mn

El álgebra de los números reales y el álgebra de matrices tienen numerosas similitu-

des. Por ejemplo, compare las siguientes soluciones.
Números reales Matrices de m × n
(resolver para x) (resolver para X)
X A B
x a a b a X A A B A
x 0 b a X 0 B A
x b a X B A
El proceso de resolución de una ecuación matricial se muestra en el ejemplo 2.

EJEMPLO 2 Resolución de una ecuación matricial

Resuelva para X en la ecuación 3X ⫹ A ⫽ B, donde

1 2 3 4
A y B .
0 3 2 1
SOLUCIÓN
Empecemos por resolver la ecuación para X, para obtener
3X B A
1
X 3 B A.
Ahora, utilizando las matrices dadas tiene
1 3 4 1 2
X 3
2 1 0 3
1 4 6
3
2 2
4
3 2
2 2 .
3 3

03LarsonTEC(045-090).indd 60 16/03/17 20:58

 3.2 Propiedades de las operaciones con matrices 61

COMENTARIO PROPIEDADES DE LA MULTIPLICACIÓN DE MATRICES

Observe que la propiedad con-
En el siguiente teorema, el álgebra de matrices se extiende para incluir algunas propieda-
mutativa para la multiplicación
de matrices no está en la lista des más utilizadas de la multiplicación de matrices. La demostración de la propiedad 2 se
que aparece en el teorema 3.3. presenta abajo. Las demostraciones de las propiedades restantes se dejan como ejercicio.
Aunque el producto AB está (Véase el Ejercicio 62.)
definido, podemos ver fácil-
mente que A y B no tienen el
TEOREMA 3.3 Propiedades de la multiplicación de matrices
tamaño adecuado que defina el
producto BA. Por ejemplo, si A Si A, B y C son matrices (con tamaños tales que los productos matriciales dados están
es de tamaño 2 ⫻ 3 y B es de 3
definidos) y c es un escalar, entonces las siguientes propiedades son verdaderas.
⫻ 3, entonces el producto AB
está definido, no así el producto 1. A BC AB C Propiedad asociativa de la multiplicación
BA. El siguiente ejemplo mues- 2. A B C AB AC Propiedad distributiva izquierda
tra que incluso si los productos 3. A B C AC BC Propiedad distributiva derecha
AB y BA están definidos, éstos 4. c AB cA B A cB
pueden no ser iguales.

DEMOSTRACIÓN
Para demostrar la propiedad 2, muestre que las matrices A(B ⫹ C) y AB ⫹ AC son iguales
si sus elementos correspondientes son iguales. Suponga que A es de tamaño m ⫻ n, B es
de tamaño n ⫻ p y C es de tamaño n ⫻ p. Aplicando la definición de la multiplicación de
matrices, el elemento en el i-ésimo renglón y la j-ésima columna de
A(B ⫹ C) es ai1(b1j ⫹ c1j) ⫹ . . . ⫹ ain(bnj ⫹ cnj).
Además, el elemento en el i-ésimo renglón y la j-ésima columna de AB ⫹ AC es

ai1b1j ai2b2j . . . ainbnj ai1c1j ai2c2j . . . aincnj .

Distribuyendo y reagrupando, puede ver que estos dos ij-ésimos elementos son iguales. Así
AB C AB AC.

La propiedad asociativa de la multiplicación de matrices le permite escribir estos

productos matriciales como ABC sin ambigüedad, como se muestra en el ejemplo 3.

EJEMPLO 3 La multiplicación de matrices es asociativa

Determine el producto matricial ABC agrupando primero los factores como (AB)C y luego
como A(BC). Demuestre que se obtiene el mismo resultado con ambos procesos.
1 0
1 2 1 0 2
A , B , C 3 1
2 1 3 2 1
2 4
SOLUCIÓN
Agrupando los factores como (AB)C, obtiene
1 0
1 2 1 0 2
AB C 3 1
2 1 3 2 1
2 4
1 0
5 4 0 17 4
3 1 .
1 2 3 13 14
2 4
Agrupando los factores como A(BC), obtiene el mismo resultado
1 0
1 2 1 0 2
A BC 3 1
2 1 3 2 1
2 4
1 2 3 8 17 4
2 1 7 2 13 14

03LarsonTEC(045-090).indd 61 16/03/17 20:58

 LARSON
Matemáticas IV
ÁLGEBRA LINEAL

Matemáticas IV • ÁLGEGRA LINEAL

Matemáticas IV
Matemáticas IV. Álgebra lineal, ha sido adaptado por el maestro Joel Ibarra para el
uso del texto según las necesidades y requisitos de los planes de estudio de las sedes
del Tecnológico Nacional de México a partir de las páginas del reconocido volumen
Fundamentos de álgebra lineal de Ron Larson.

En Matemáticas IV. Álgebra lineal el estudiante hallará abundantes ejemplos,

explicaciones, recuadros, tablas, definiciones y ejemplos para hacer más fácil el

ÁLGEBRA LINEAL
estudio analítico, cualitativo y cuantitativo del álgebra lineal. Además de ello, la
Unidad 1 correspondiente a números complejos es completamente nueva. En suma,
estas páginas equilibran la teoría con ejemplos, aplicaciones y prácticas para lograr
un sistema de aprendizaje completo.

ISBN-13: 978-607-526-554-4
ISBN-10: 607-526-554-6

RON LARSON
9 786075 265544
Visite nuestro sitio en http://latinoamerica.cengage.com