Professional Documents
Culture Documents
Libro NotasdeClase
Libro NotasdeClase
Álgebra Lineal
1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Vectores en R2 y R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1 Definición de vector: álgebra y geometría 8
2.2 Álgebra de vectores 14
2.2.1 Representación geométrica de suma, resta y multiplicación por escalar . . . . . 18
2.2.2 Álgebra de vectores en el espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Proyección ortogonal entre vectores 25
2.4 Combinación lineal 27
2.5 Vectores en Rn 29
3 Matrices y su álgebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.0.1 Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.0.2 Operaciones entre matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.0.3 Reducción de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.0.4 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.0.5 El determinante de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.0.6 La inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.0.7 Álgebra matricial y Microsoft Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.0.8 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6 Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.0.1 Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
1. Introducción
A partir de estas notas de guía, el estudiante tendrá a la mano material para preparar y seguir el
hilo conductor del curso Álgebra Lineal en la Universidad de La Sabana. Aclarar la notación que se
usará a lo largo del texto.
2. Vectores en R2 y R3
Cabe mencionar que los vectores son objetos matemáticos que sistematizan varias ideas de la
mecánica clásica y de la teoría econométrica. Adicionalmente, los vectores son la abstracción
matemática de la idea de las flechas en el sentido amplio de la palabra.
R2 = {(a1 , a2 ) : ai ∈ R} ,
R3 = {(a1 , a2 , a3 ) : ai ∈ R} .
El espacio R2 corresponde al plano Cartesiano, mientras que el espacio R3 se denomina el espacio
de tres dimensiones.
Ejemplo 2.1 Un punto (a1 , a2 ) de R2 se representa gráficamente así
Ejemplo 2.5 Los espacios R2 y R3 tienen un punto marcado que se denomina el origen, el cual
está formado por la tupla ordenada que solo tiene ceros. Es decir, 0 = (0, 0) ∈ R2 y 0 = (0, 0, 0) ∈
R3 .
⃗v = [v1 , v2 ] ∈ R2 , con vi ∈ R,
⃗v = [v1 , v2 , v3 ] ∈ R3 , con vi ∈ R.
En R2 , el vector ⃗v = [v1 , v2 ] está determinado por las coordenadas del punto (v1 , v2 ) y el origen
0. Así que, v1 es la primera coordenada de ⃗v y v2 es la segunda coordenada de ⃗v. Gráficamente, la
10 Capítulo 2. Vectores en R2 y R3
situación es la siguiente,
Como se ve en la figura anterior, el vector ⃗v es el segmento de recta dirigido cuyo punto inicial es 0
y punto final es (v1 , v2 ). Esto no quiere decir que, en general, los vectores tienen únicamente como
punto inicial 0, ya que en R2 existen segmentos de recta dirigidos que no pasan por el origen. Por
ejemplo, en la siguiente figura se presentan dos vectores cuyo punto inicial es diferente del origen
0. Adicionalmente, como los vectores de la figura son segmentos de recta dirigidos paralelos con
la misma dirección y del mismo tamaño, tenemos que estos dos segmentos de recta representan el
mismo vector ⃗v cuya primera coordena es 1 y su segunda coordenada es 1.
mismo tamaño.
Al igual que en R2 , en R3 el punto inicial de un vector no tiene que ser siempre el origen 0.
Ejemplo 2.7 La siguiente figura muestra dos vectores en R3 cuyo punto inicial no es el origen
0 = (0, 0, 0). Adicionalmente, los vectores presentados están definidos por segmentos de recta
12 Capítulo 2. Vectores en R2 y R3
En este punto se introduce una notación adicional para los vectores, que se utilizará a lo largo de
estas notas. Un vector columna ⃗v se representa de la siguiente forma, (según sea el caso),
v
⃗v = 1 ∈ R2 , vi ∈ R,
v2
v1
⃗v = v2 ∈ R3 , vi ∈ R.
v3
pertenecen a R3 .
respectivamente,
v1
⃗v = [v1 , v2 , v3 ] = v2 .
v3
0
2 1 1
Ejemplo 2.10 Siguiendo la notación introducida se tiene que, [2, 4] = y [0, 4 , −3] =
4 ,
4
−3
representan el mismo vector en R2 y R3 respectivamente.
Ahora bien, el contexto de trabajo es el que permite diferenciar si el vector en cuestión tiene como
punto inicial el origen 0, o no. Explícitamente, las dos situaciones que se necesitan diferenciar son
las siguientes. Primero, dado un vector ⃗v su representación gráfica es:
⃗ es:
Segundo, dados dos puntos P y Q, el vector que va de P a Q, denotado por PQ,
En este punto surgen dos preguntas. ¿Cómo calcular el vector PQ ⃗ con P, Q dos puntos dados en
2 3
R o R ? y ¿cómo calcular el tamaño de un vector? Para responder a estas preguntas es necesario
definir las operaciones algebraicas entre vectores. Antes de seguir, el lector puede reconocer que
la representación gráfica de un vector corresponde a una fecha con la cual queda determinada la
dirección del vector.
14 Capítulo 2. Vectores en R2 y R3
Ejercicios 2.1.1
(1) Dibujar en R2 el vector ⃗v = [1, 3] cuyo punto inicial es 0.
(2) Dibujar en R2 el vector que va desde el punto (−1, −2) al punto (2, 1).
(3) Dibujar el vector ⃗v que sale del punto (4, 1) hacia el punto (2, 3). Dibujar el vector ⃗w que
es equivalente a ⃗v cuyo punto inicial es el origen (0, 0). ¿Cuál es el punto final de ⃗w?
(4) Dibujar el vector ⃗h determinado por el segmento de recta dirigido desde A = (2, 1) hasta
B = (3, 3). Además, dibujar el vector ⃗m cuyo punto inicial es 0 y tiene dirección contraria
a ⃗h.
1
2 ⃗ −4
Ejemplo 2.11 Sean ⃗a = ,b= , ⃗t = 24 , α = 3 y β = −1. Entonces
−3 7
3
⃗ 2 −4 2 + (−4) −2
• ⃗a + b = + = = ,
−3 7 −3 + 7 4
1 1 3
3· 2
• α⃗t = 3 24 = 4 =
2 ,
3 3 · 4
3 1 15
⃗ 2 −4
• ⃗a + β b + α⃗t = − + 3 24 = 2 .
−3 7 3 −6
2.2 Álgebra de vectores 15
Obs: La resta de vectores se obtiene al combinar la suma de vectores y la multiplicación por −1, es
decir,
v1 w1 v −w1 v − w1
⃗v + (−1)⃗w = + (−1) = 1 + = 1 =⃗v − ⃗w.
v2 w2 v2 −w2 v2 − w2
v1 w1
Ejercicio 2.1 Sean ⃗v = ,⃗w = . Verifique que ⃗w −⃗v = −(⃗v − ⃗w). ■
v2 w2
Para medir el ángulo determinado entre dos vectores y el tamaño (o magnitud) de un vector en
R2 se usará el producto punto entre vectores.
Definición2.2.3
Producto Punto
v1 w1
Sean ⃗v = y ⃗w = dos vectores dados. El producto punto de ⃗v y ⃗w, denotado por
v2 w2
⃗v · ⃗w, está definido como sigue
v w1
⃗v · ⃗w = 1 · = v1 w1 + v2 w2 .
v2 w2
2 ⃗ −4
Ejemplo 2.12 Sean ⃗a = yb= . Entonces
−3 7
2 −4
⃗a ·⃗b = · = 2 · (−4) + (−3) · 7 = −8 − 21 = −29.
−3 7
v1 w1
Ejercicio 2.2 Sean ⃗v = ,⃗w = . Verifique que el producto punto es conmutativo, es
v2 w2
decir,
⃗v · ⃗w = ⃗w ·⃗v.
■
v1
Ejercicio 2.3 Sea ⃗v = , verifique que
v2
⃗v ·⃗v > 0.
Dado que el producto punto entre vectores es un escalar, este nos permitirá calcular el tamaño de un
vector.
16 Capítulo 2. Vectores en R2 y R3
Obs: Antes de seguir, note que para ⃗v ∈ R2 se tiene la siguiente fórmula vectorial
Definición
2.2.5 Ángulo entre Vectores
v1 w1
Si ⃗v = y ⃗w = son vectores no nulos entonces el ángulo, θ ∈ [0, π], entre ⃗v y ⃗w es
v2 w2
el ángulo no negativo más pequeño entre ellos y se puede calcular vía el coseno de θ a través de
la fórmula:
⃗v · ⃗w
cos(θ ) = .
||⃗v||||⃗w||
2 ⃗ −4
Ejemplo 2.13 Sean ⃗a = yb= . Entonces,
−3 7
s
√ √ √
2 2
||⃗a|| = ⃗a ·⃗a = · = 4 + 9 = 13.
−3 −3
√
De forma similar, se tiene que ||⃗b|| = 65. Así que, si θ es el ángulo entre ⃗a y ⃗b, entonces
⃗a ·⃗b −29
cos(θ ) = =√ √ .
⃗
||⃗a||||b|| 13 65
v1 w1
Ejercicio 2.4 Sean ⃗v = y ⃗w = . Verifique que ||(⃗v − ⃗w)||2 = ||⃗v||2 + ||⃗w||2 − 2⃗v · ⃗w. ■
v2 w2
v1 w1
Ejemplo 2.14 Para cualquier par de vectores ⃗v = y ⃗w = dados y un escalar α ∈ R,
v2 w2
se tiene que
||⃗v + ⃗w|| ≤ ||⃗v|| + ||⃗w|| y ||α⃗v|| = |α|||⃗v||,
Note que,
||⃗v + ⃗w|| ≤ ||⃗v|| + ||⃗w|| ⇐⇒ ||⃗v + ⃗w||2 ≤ (||⃗v|| + ||⃗w||)2 .
2.2 Álgebra de vectores 17
||⃗v + ⃗w||2 = (⃗v + ⃗w) · (⃗v + ⃗w) =⃗v ·⃗v + 2⃗v · ⃗w + ⃗w · ⃗w = ||⃗v||2 + 2⃗v · ⃗w + ||⃗w||2 .
Comparando el lado izquierdo con el lado derecho, se sigue que la desigualdad es verdadera si y
sólo si se cumple lo siguiente
⃗v · ⃗w
2⃗v · ⃗w ≤ 2||⃗v||||⃗w|| ⇐⇒ ⃗v · ⃗w ≤ ||⃗v||||⃗w|| ⇐⇒ ≤ 1 ⇐⇒ cos(θ ) ≤ 1
||⃗v||||⃗w||
!
√1
Ejemplo 2.15 El vector ⃗u = 2 es un vector unitario.
− √12
3
Ejercicio 2.5 Dado ⃗a = . Verifique que el vector
4
⃗b = 1 ⃗a
||⃗a||
es un vector unitario. ■
Para justificar las definiciones de magnitud y ángulo entre vectores es útil apoyarse en la representa-
ción geométrica de los vectores y en la representación geométrica de las operaciones de suma, resta
y multiplicación por escalar en R2 .
18 Capítulo 2. Vectores en R2 y R3
1 4 5
Note que ⃗v + ⃗w = + = . Gráficamente la resta de vectores ⃗v − ⃗w viene dada por
3 2 5
Cabe anotar que, el vector ⃗v − ⃗w también está representado por un segmento de recta paralelo, con la
misma dirección e igual tamaño, cuyo punto inicial es el origen y su representación geométrica se
deja al lector.
2.2 Álgebra de vectores 19
Sean P = (p1 , p (q1 ,q2 ) dos puntos en R2 . Cada punto determina un vector que se
2 ) y Q =
p1 ⃗ = q1 . Para estos vectores el punto inicial es 0 y el punto final es P y
denota por ⃗P = yQ
p2 q2
Q respectivamente. Así que, el vector que sale del punto P hacia el punto Q está dado por
⃗ − ⃗P = q1 − p1 .
⃗ =Q
PQ
q2 − p2
⃗ =Q
⃗ − ⃗P = 3
Ejemplo 2.16 En particular, si P = (2, 3) y Q = (5, 1) entonces el vector PQ .
−2
1
Ejemplo 2.17 Los vectores de la siguiente figura son numéricamente el mismo, a saber, ⃗v = .
1
20 Capítulo 2. Vectores en R2 y R3
La multiplicación por escalar α⃗v se representa en la siguiente figura para el caso α = 3, 13 , −2,
v
Dado un vector ⃗v = 1 , ⃗v determina un triángulo rectángulo en R2 . Gráficamente, la situación se
v2
puede representar así
Luego, la magnitud de ⃗v resulta ser la hipotenusa del triángulo en la figura anterior. Por el teorema
de Pitágoras se tiene que,
q √
||⃗v|| = v21 + v22 = ⃗v ·⃗v.
u
Suponga que ⃗u = 1 es un vector unitario. Como ||⃗u|| = 1, el siguiente cálculo
u2
u u
||⃗u|| = ⃗u ·⃗u = 1 · 1 = u21 + u22 = 1
2
u2 u2
implica que el punto (u1 , u2 ) pertenece a la circunferencia x2 + y2 = 1 con centro 0 = (0, 0) y radio
2.2 Álgebra de vectores 21
1. Gráficamente,
Ejemplo 2.18 El vector ⃗θ = [cos(θ ), sin(θ )] define una familia de vectores unitarios donde
θ ∈ [0, 2π)
Para justificar la fórmula que determina el coseno del ángulo θ entre dos vectores ⃗v y ⃗w, note que
esos dos vectores determinan un triángulo escaleno, cuyo tercer lado es ⃗v − ⃗w. Gráficamente la
situación es la siguiente,
La ley del coseno sobre el triángulo con lados, ||⃗v||, ||⃗w||, ||⃗v − ⃗w|| expresa que,
2 ⃗ −3
Ejemplo 2.19 Los vectores ⃗a = yb= son ortogonales ya que
−6 −1
2 −3
⃗a ·⃗b = · = −6 + 6 = 0.
−6 −1
Hasta este punto, se han definido operaciones algebraicas entre vectores en R2 , las cuales permite
construir vectores a partir de vectores dados y permiten definir las nociones geométricas de magnitud
y ángulo.
donde α ∈ R es un escalar.
Ejercicio 2.6 Sea ⃗t un vector de dos o tres coordenadas, complete la siguiente igualdad,
proy⃗t⃗t = . . .
1 3
Ejemplo 2.23 Sean ⃗v1 = −1 y ⃗v2 = 2. La proyección ortogonal de ⃗v2 a lo largo de ⃗v1 es
3 0
3 1
2 · −1 1
1 1
⃗v2 ·⃗v1 0 3 1 111 1 1 3
proy⃗v1⃗v2 = v⃗1 = −1 = −1 = − 11 = ,− , .
v⃗1 · v⃗1 1 1 11 3 11 11 11
3 3 11
−1 · −1
3 3
Ejercicios 2.3.1
3 1 x
Sean ⃗a = −2, ⃗b = 2 y ⃗c = 2x .
1 1 −x
⃗
(1) Calcular proy⃗b⃗a + proy⃗b 2b y presentar una representación gráfica.
(2) Calcular, si existen, valores para x ∈ R tal que
||proy⃗c ⃗a +⃗b || = 1.
2.4 Combinación lineal 27
Así pues,
v1 v 0
= 1 + , es decir⃗v = proy⃗i⃗v + proy⃗j⃗v.
v2 0 v2
1 0
⃗ ⃗ 3 ⃗ ⃗
En otras palabras, ⃗v = v1 i + v2 j. Similarmente en R considere los vectores i = 0 , j = 1 y
0 0
0
⃗k = 0. Note que ⃗i, ⃗j y ⃗k son vectores unitarios y vectores ortogonales entre sí. Adicionalmente,
1
v1
para cualquier vector ⃗v = v2 se tiene que
v3
⃗
! v1
⃗v · i ⃗ ⃗
proy⃗i⃗v = i = v1 i = 0 ,
⃗i ·⃗i
0
⃗
! 0
⃗v · j ⃗ ⃗
proy⃗j⃗v = j = v2 j = v2 ,
⃗j · ⃗j
0
! 0
⃗v ·⃗k ⃗
proy⃗k⃗v = k = v3⃗k = 0 .
⃗k ·⃗k
v3
Luego,
v1 v1 0 0
v2 = 0 + v2 + 0 , es decir,⃗v = proy⃗⃗v + proy⃗⃗v + proy⃗ ⃗v.
i j k
v3 0 0 v3
Así pues, ⃗v = v1⃗i + v2⃗j + v3⃗k. Si se piensa por un momento, las expresiones
⃗v = v1⃗i + v2⃗j, en R2
28 Capítulo 2. Vectores en R2 y R3
y
⃗v = v1⃗i + v2⃗j + v3⃗k, en R3 ,
representan infinitos vectores que se escriben utilizando los conjuntos {⃗i, ⃗j} ⊂ R2 o {⃗i, ⃗j,⃗k} ⊂ R3
según sea el caso. Así las cosas,
Obs: Es claro que la expresión que define a la combinación lineal α1⃗v1 + α2⃗v2 + . . . + αr⃗vr produce
un vector. Si ⃗v = α1⃗v1 + α2⃗v2 + . . . + αr⃗vr , se dice que ⃗v es una combinación lineal de los
vectores ⃗v1 ,⃗v2 , . . .⃗vr .
Ejemplo 2.24 En R2 , los siguientes vectores se expresan como combinación lineal de {⃗i, ⃗j},
2 −8 7
• = 2⃗i + 5⃗j • = −8⃗i + 10⃗j • = 7⃗i − 9⃗j
5 10 −9
Ejemplo 2.25 Las siguientes son ejemplos de combinaciones lineales con respecto a un subcon-
junto devectores dado 2 en R3 respectivamente,
en R
y
2 6 0 2 6 0
• 2 − +7 , con respecto a , ,
−5 1 −1 −5 1 −1
−4 −7 −4 −7
• 13 +3 , con respecto a ,
9 2 9 2
5 −8 1 6 5 −8 1 6
• 3 −5 + −6 + 2 0 − 4 0 , con respecto a −5 , −6 , 0 , 0
5 0 1 0 5 0 1 0
1 1 3 1 1 3
• 5 −3 + 5 4 − 9 3 , con respecto a −3 , 4 , 3
0 7 1 0 7 1
Cabe mencionar que tanto en R2 como en R3 existen infintas combinaciones lineales. Por otro lado,
una combinación lineal es una expresión que involucra suma y multiplicación por escalar que permite
reescribir un vector en términos de un conjunto de vectores dados.
2.5 Vectores en Rn 29
2.5 Vectores en Rn
Los espacios R2 y R3 son ejemplos de los espacios euclidianos Rn donde n = 2, 3, 4, . . ., n ∈ N.
Los espacios Rn son los conjuntos definidos por n-tuplas ordenadas de números reales.
Rn = {(a1 , a2 , . . . , an ) : ai ∈ R} .
Los puntos suspensivos en la notación de las n-tuplas (a1 , a2 , . . . , an ) quiere decir que un punto en
Rn está definido por n números reales. El valor que toma n determina la longitud de la tupla en
cuestión.
Ejemplo 2.26 R4 = {(a1 , a2 , a3 , a4 ) : ai ∈ R}, R6 = {(a1 , a2 , a3 , a4 , a5 , a6 ) : ai ∈ R},
R11 = {(a1 , a2 , . . . , a11 ) : ai ∈ R}. Luego un punto en R4 está determinado por 4 números reales;
en particular P = (1, −3, 5, 10). En R6 y en R11 los puntos se denotan de forma análoga, es decir
que están determinados por 6 u 11 números reales, respectivamente.
Al igual que para R2 y R3 , en Rn el origen se denota por la n-tupla ordenada de sólo ceros,
0 = (0, 0, . . . , 0). Un vector corresponde a una n-tupla ordenada que se denota por cualquiera de las
siguientes dos formas,
v1
v2
v = . = [v1 , v2 , . . . , vn ],
..
vn
donde v1 , v2 , . . . , vn son números reales. Dado el vector ⃗v el punto inicial es 0 y el punto final es
(v1 , v2 , . . . , vn ). El álgebra de vectores introducida previamente se puede extender a Rn , sin embargo
para n > 3 no tenemos una representación geométrica.
3. Matrices y su álgebra
3.0.1 Definición
Un arreglo rectangular de números reales se denomina una matriz con entradas reales.
Ejemplo 3.1 A continuación se presentan algunas matrices con entradas reales.
√
1 1 2 1 −4
A= , B= , C= 1 1 10 −4 −3
0 −2 7 3 −5
4 −2 1 −1 −2 1 1 1 1
X = 1 −1 , Y = 37
−2 − 54 , Z= 0
0 2 −2
7
3 0 0 2 25 3 4 −7 −8
Ahora bien, la forma de etiquetar las entradas que determinan una matriz viene dada por sus filas y
columnas.
32 Capítulo 3. Matrices y su álgebra
√
2 1 −4
Ejemplo 3.2 La matriz B = es un arreglo rectangular de 6 números organizados
7 3 −5
en 2 filas y 3 columnas que se etiquetan de la siguiente manera
√
2 1 −4 f1
7 3 −5 f2
c1 c2 c3
Se usará la notación B2×3 para indicar que la matriz B tiene 2 filas y 3 columnas. Adicionalmente,√
cada entrada de la matriz B está ubicada en una única fila y columna. Por ejemplo, la entrada 2
está ubicada en la fila 1 y en la columna 1. La entrada −5 está en la fila 2 y en la columna 3. La
notación que se usará para nombrar la entrada de la matriz B que está en la fila i y en la columna j
será bi j , note que el primer subíndice denota la fila y el segundo subíndice denota la columna, por
lo tanto se tiene que √
b11 = 2 b12 = 1 b13 = −4
b21 = 7 b22 = 3 b23 = −5
Ejercicio 3.1 Determinar las filas y las columnas para las matrices,
1 1 1 1
1 1
A= , y Z = 0 0 2 −2 .
0 −2
3 4 −7 −8
a12 , a21 ,
Las entradas a11 , a22 , a33 , . . . aii , . . . de la matriz A se encuentran en las posiciones donde la fila y la
columna de A coinciden. Estas entradas aii determinan la diagonal de la matriz A.
Explícitamente, las filas, fi , y las columnas, c j , de An×p se indican como sigue,
a11 a12 ... a1 j . . . a1p f1
a21 a22 ... a2 j . . . a2p
f2
.. .. .. .. .. .. ..
. . . . . .
.
A =
ai1 ai2 ... ai j . . . aip fi
.. .. .. .. .. ..
..
. . .
. . . .
an1 an2 ... an j . . . anp fn
c1 c2 ... cj ... cp
Note que las columnas de una matriz de tamaño n × p corresponden a vectores columna de Rn .
a11 a12 . . . a1p b11 b12 . . . b1p
a21 a22 . . . a2p b21 b22 . . . b2p
An×p + Bn×p = . +
.. .. . .. .. . . ..
.. ..
. . . . . .
an1 an2 . . . anp bn1 bn2 . . . bnp
a11 + b11 a12 + b12 . . . a1p + b1p
a21 + b21 a22 + b22 . . . a2p + b2p
= .
.. .. .. ..
. . . .
an1 + bn1 an2 + bn2 . . . anp + bnp
34 Capítulo 3. Matrices y su álgebra
De forma análoga, al utilizar la notación A = (ai j )1≤i≤n, 1≤ j≤p y B = (bi j )1≤i≤n, 1≤ j≤p la suma de matrices
está definida por
Es decir, la suma de dos matrices está definida por la suma de las respectivas entradas. Similarmente
la resta de dos matrices An×p y Bn×p está definida por la resta de las respectivas entradas de las
matrices en cuestión. Es decir,
a11 a12 . . . a1p b11 b12 . . . b1p
a21 a22 . . . a2p b21 b22 . . . b2p
An×p − Bn×p = . .. − ..
.. .. .. . . ..
.. . . . . . . .
an1 an2 . . . anp bn1 bn2 . . . bnp
a11 − b11 a12 − b12 . . . a1p − b1p
a21 − b21 a22 − b22 . . . a2p − b2p
= .
.. .. .. ..
. . . .
an1 − bn1 an2 − bn2 . . . anp + bnp
Al utilizar la notación A = (ai j )1≤i≤n, 1≤ j≤p y B = (bi j )1≤i≤n, 1≤ j≤p la resta de matrices está definida por
es decir que la multiplicación por escalar α · A resulta ser la multiplicación de las entradas de la
matriz A por el respectivo escalar α.
3 5 −1 4 −2 −5 −4 2 8
Ejemplo 3.3 Sean A = ,B= ,C= ,α=2y
2 −6 6 0 7 −6 −4 −3 3
β = −3.
3 5 −1 4 −2 −5 3 + 4 5 − 2 −1 − 5 7 3 −6
A+B = + = =
2 −6 6 0 7 −6 2 + 0 −6 + 7 6 − 6 2 1 0
−4 2 8 2 · (−4) 2·2 2·8 −8 4 16
αC = 2 = =
−4 −3 3 2 · (−4) 2 · (−3) 2 · 3 −8 −6 6
4 −2 −5 −4 2 8
β B − αC = −3 −2
0 7 −6 −4 −3 3
−12 + 8 6−4 15 − 16 −4 2 −1
= =
8 −21 + 6 18 − 6 8 −15 12
35
1 −1 −2
Ejercicio 3.2 Sea Y = 37 −2 − 45 . Verifique las siguientes igualdades de matrices.
0 72 25
Y +Y = 2Y, Y +Y +Y = 3Y, Y −Y = 03 ,
0 0 0
donde 03 = 0 0 0. ■
0 0 0
Antes de seguir, cabe mencionar que existe otra manera para denotar la suma, la resta y la multiplica-
ción por escalar. Suponga que An×p = (ai j )1≤i≤n, 1≤ j≤p , Bn×p = (bi j )1≤i≤n, 1≤ j≤p son dos matrices
y α ∈ R. La suma de A y B se puede denotar especificando las entradas i j de la matriz A + B de la
siguiente forma,
(A + B)i j = ai j + bi j ,
de forma análoga para las matrices A − B y αA se tiene,
(A − B)i j = ai j − bi j ,
(αA)i j = αai j .
Esta notación será útil para definir la multiplicación entre matrices, la cual se definirá a continuación.
Multiplicación de matrices
Sean An×p = (ai j )1≤i≤n, 1≤ j≤p y B p×m = (bi j )1≤i≤p, 1≤ j≤m dos matrices. La multiplicación de A por
B, denotada por AB, es una matriz de tamaño n × m y sus entradas están determinadas por,
En general, dadas dos matrices An×p y B p×m , donde n ̸= m, la matriz que se obtiene al multiplicar A
y B es de la forma (AB)n×m , es decir AB tiene el mismo número de filas de A y el mismo número de
columnas de B,
An×p B p×m = (AB)n×m .
Sin embargo, por la definición de la multiplicación de matrices, la multiplicación B p×m An×p no es
posible de calcular ya que el número de columnas de la matriz B no es igual al número de filas de la
matriz A. Este fenómeno, sin necesidad de realizar ningún cálculo, muestra que la multiplicación de
matrices no es una operación conmutativa, es decir
AB ̸= BA.
Ejemplo 3.6 La matriz identidad está definida para cada n = 2, 3, 4 . . . y se denota por In . Esta
matriz está dada por,
1 0 0 ... 0
1 0 0 0 0 1 0 ... 0
1 0 0
1 0 0 1 0 0
I2 = , I3 = 0 1 0 , I4 = 0
, In = 0 1 ... 0 .
0 1 0 0 1 0 .. .. .. . . ..
0 0 1 . . . . .
0 0 0 1
0 0 0 ... 1
37
1 2 3 4
Ejercicio 3.3 Sea A = una matriz. Verifique que,
5 6 7 8
I2 A = A = AI4 .
Matriz Transpuesta
Dada una matriz A, su matriz transpuesta AT se obtiene al intercambiar las filas con las columnas
de A.
1 −7
1 4 −5 7 4 8
Ejemplo 3.7 Si A = entonces la transpuesta es AT = . Como
−7 8 −11 0 −5 −11
7 0
T
A2×4 entonces A4×2 .
En general, si A = (ai j )1≤i≤n, 1≤ j≤p entonces las entradas de la matriz transpuesta de A son AT =
(a ji )1≤ j≤p, 1≤i≤n . Adicionalmente, como An×p entonces ATp×n . Por definición de la transpueta se
sigue que
(AT )T = A.
−2 1 2
0 −2 −5 3 3 −3 1 T T
Ejercicio 3.4 Sean A = yB=
1 −1 1 . Calular AB, A y B .
−1 6 −1 3
2 0 −5
Además, verfique que
(AB)T = BT AT .
■
Sean An×p = (ai j )1≤i≤n, 1≤ j≤p y Bn×p = (bi j )1≤i≤n, 1≤ j≤p dos matrices. Se tiene que AT = (a ji )1≤ j≤p, 1≤i≤n
y BT = (b ji )1≤ j≤p, 1≤i≤n . Además A + B = (ai j + bi j )1≤i≤n, 1≤ j≤p . Luego
Por último, una matriz An×n se llama matriz simétrica si cumple que A = AT .
0 −2 −5
Ejemplo 3.8 La matriz A = −2 6 −1 es una matriz simétrica, ya que AT = A.
−5 −1 0
0 −2 3
Ejercicio 3.5 Sea A = . Muestre que las matrices AT A y AAT son matrices
−1 0 3
simétricas. ■
38 Capítulo 3. Matrices y su álgebra
Al observar las características que comparten las matrices del ejemplo anterior, tiene sentido definir
la siguiente noción. Una matriz está en forma escalonada si cumple
Las filas de solo ceros están en la parte inferior de la matriz.
El primer elemento diferente de cero de cada fila está a la derecha del primer elemento
diferente de cero de la fila anterior. Dicho elemento se llama pivote de la matriz.
Note que las siguientes matrices no están en forma escalonada,
2 3 5 4 0 0
0 0 1 2
Y= 0 2 ,Z= 0 1 3 0 ,W=
.
0 0 2 3
0 1 0 1 2 1
Adicionalmente, una matriz está en forma escalonada reducida si la matriz está en forma escalonada
y además cumple que:
Todos los pivotes son 1.
Arriba y abajo de los pivotes todas las entradas son cero.
Ejemplo 3.10 Lista de matrices que están en forma escalonada reducida:
1 0 0 1 0 0 8
1 0 1 0 0 2
, 0 1 0 , , 0 0 1 −3 .
0 0 0 0 1 0
0 0 1 0 0 0 0
Ejemplo 3.12 Para la matriz B, dada a continuación, encuentre una forma escalonada.
−3 2 1 −1 8 9 1 −8 −9
f1 → f1 + f3 f1 →(−1) f1 f2 → f2 +(−5) f1
B = 5 4 0 −−−−−−→ 5 4 0 −−−−−−→ 5 4 0 −−−−−−−−→
2 6 8 2 6 8 2 6 8
1 −8 −9 1 −8 −9 1 −8 −9
f3 → f3 +(−2) f1 f2 ↔ f3 f3 → f3 +(−2) f2
0 44 45 −−−−−−−−→ 0 44 45 −−−→ 0 22 26 −−−−−−−−→
2 6 8 0 22 26 0 44 45
1 −8 −9 1 −8 −9 1 1 −8 −9
f2 → 21 f2 f3 →− 7 f3
0 22 26 −−−−→ 0 11
13 −−−−− → 0 11 13
0 0 −7 0 0 −7 0 0 1
es una forma escalonada de B.
Nótese que una matriz tiene varias formas escalonadas, que dependen del orden en que se utilizan las
operaciones entre filas. No obstante, toda matriz tiene una única forma escalonada reducida.
−3 2 1
Ejemplo 3.13 Calcular la forma escalonada reducida de la matriz B = 5 4 0. Del
2 6 8
1 −8 −9
ejemplo 3.12 se tiene que una forma escalonada de B es 0 11 13 . Así que, para encontrar
0 0 1
la forma escalonada reducida de B se continua utilizando las operaciones entre filas a la forma
escalonada en cuestión,
1 −8 −9 1 −8 −9 1 −8 0 1
2 → f 2 +(−13) f 3 f1 → f1 +9 f3 f2 → 11 f2
0 11 13 −f− −−−−−−−→ 0 11 0 −−−−−−→ 0 11 0 −−−− −→
0 0 1 0 0 1 0 0 1
1 −8 0 1 0 0
1 → f 1 +8 f 2
0 1 0 −f− −−−−→ 0 1 0 es la forma escalonada reducida de B.
0 0 1 0 0 1
40 Capítulo 3. Matrices y su álgebra
2 4 6 18
Ejemplo 3.14 Calcular la forma escalonada reducida para la matriz E = 4 5 6 24.
3 1 −2 4
2 4 6 18 1 2 3 9 1 2 3 9
f1 → 12 f1 f2 → f2 +(−4) f1 f3 → f3 +(−3) f1
E = 4 5 6 24 −−−−→ 4 5 6 24 −−−−−−−−→ 0 −3 −6 −12 −−−−−−−−→
3 1 −2 4 3 1 −2 4 3 1 −2 4
1 2 3 9 1 2 3 9 1 2 3 9
f2 →− 31 f2 f3 → f3 +5 f2 f3 →− f3
0 −3 −6 −12 −−−−−→ 0 1 2 4 −−−−−−→ 0 1 2 4 −−−−→
0 −5 −11 −23 0 −5 −11 −23 0 0 −1 −3
1 2 3 9 1 2 3 9 1 2 0 0
f2 → f2 +(−2) f3 f1 → f1 +(−3) f3 f1 → f1 +(−2) f2
0 1 2 4 −−−−−−−−→ 0 1 0 −2 −−−−−−−−→ 0 1 0 −2 −−−−−−−−→
0 0 1 3 0 0 1 3 0 0 1 3
1 0 0 4
0 1 0 −2 .
0 0 1 3
Ejercicio
3.6 Calcularuna forma escalonada y la forma escalonada reducida para la matriz
1 2 3 4
C = −2 6 −3 0. ■
8 5 0 2
Dada una matriz An×p . El método de reducción de Gauss-Jordan corresponde al algortimo empleado
para encontrar una forma escalonada y la forma escalonada reducida de A.
Los sistemas de ecuaciones lineales permiten expresar situaciones en varios contextos. Los
sistemas lineales se reescriben en términos de matrices y para encontrar, si existe, la solución se
utiliza el proceso de reducción de Gauss-Jordan.
Ejemplo 3.15 La siguiente expresión algebraica es un sistema de ecuaciones lineales.
x + 2y + z = 9
y + 4z = 10
−2x + 5y + 7z = 0
Ahora bien, dado un sistema de ecuaciones lineales la pregunta que surge es cómo calcular, si existen,
los valores de las incógnitas que satisfacen simultáneamente las ecuaciones del sistema. La respuesta
se ejemplifica a continuación y será abordada en lo que sigue.
42 Capítulo 3. Matrices y su álgebra
Ejemplo 3.18 Calcular la ecuación de la parábola y = ax2 + bx + c que pasa por los puntos (2, 2),
(3, 0) y (4, 2) en R2 . Es claro que la parábola queda determinada al encontrar los valores de los
coeficientes a, b y c. Así que, se reemplan los puntos dados en la ecuación de la parábola y se
obtienen las siguientes ecuaciones lineales:
(2, 2) ⇝ 4a + 2b + c = 2
(3, 0) ⇝ 9a + 3b + c = 0
(4, 2) ⇝ 16a + 4b + c = 2.
Para calcular los valores de a, b, c se reduce la matriz aumentada hasta encontrar su forma
escalonada reducida; es decir el método de Gauss-Jordan permite hallar la solución al problema
dado.
4 2 1 2 1 −1 −1 −4 1 −1 −1 −4
1 → f 2 −2 f 1 f2 → f2 −9 f1
9 3 1 0 −f− −−−−→ 9 3 1 0 −−−−−−→ 0 12 10 36
16 4 1 2 16 4 1 2 16 4 1 2
1 −1 −1 −4 1 1 −1 −1 −4
f3 → f3 −16 f1 f2 → 12 f2 5 f3 → f3 −20 f2
−−−−−−−→ 0 12 10 36 −−−− −→ 0 1 6 3 −−−−−−−→
0 20 17 66 0 20 17 66
1 −1 −1 −4 1 −1 −1 −4 5 1 −1 −1 −4
5 f3 →3 f3 5 f 2 → f −
2 6 3f
0 1
6 3 −−−−→ 0 1 6 3 −−−−−− → 0 1 0 −12
1
0 0 6 0 0 1 18 0 0 1 18
3
1 −1 0 14 1 0 0 2
f1 → f1 + f3 f1 → f1 + f2
−−−−−−→ 0 1 0 −12 −−−−−−→ 0 1 0 −12 .
0 0 1 18 0 0 1 18
Ejercicio 3.7 Para los dos sistemas de ecuaciones lineales dados, escribir la forma matricial
A⃗x = ⃗b y determinar (si existe) la solución.
x + 3y − z = 6
2x + 2y + 4z = 10
y − 3z = −1
x1 + x2 + x3 − x4 = 2
x + 2x + x = 5
2 3 4
x1 + 2x3 − 2x4 = 6
x − x − 2x + 3x = −1.
1 2 3 4
■
Matrices de
2×2
a11 a12
Sea A = una matriz. El determinante de A se define por la fórmula,
a21 a22
3 4 2 6 10 −1
Ejemplo 3.19 Sean B = ,E= yR= . Entonces,
6 −9 4 12 4 4
3 4
Ejercicio 3.8 Calcular el determinante de BT , det(BT ), si B = . Es correcto afirmar
6 −9
que det(B) = det(BT )? ■
Matrices de
3×3
a11 a12 a13
Sea A = a21 a22 a23 una matriz. La matriz A define 9 submatrices que se denotan A
ei j las
a31 a32 a33
cuales se obtiene al eliminar la fila i y la columna j de A. Explícitamente,
a22 a23 e a21 a23 e a21 a22
A11 =
e , A12 = , A13 = ,
a32 a33 a31 a33 a31 a32
a12 a13 e a11 a13 e a11 a12
A21 =
e , A22 = , A23 = ,
a32 a33 a31 a33 a31 a32
45
e31 = a12 a13 , A
A e32 = a11 a13 , A
e33 = a11 a12 .
a22 a23 a21 a23 a21 a22
Note que las submatrices A ei j de la matriz A son matrices de 2 × 2. Así que, el determinate de la
matriz A se define por las siguientes fórmulas equivalentes,
Por definición del determinante, el cálculo de este número no depende de la fila o la columna que se
escoja, el resultado siempre es el mismo.
1 2 1
Ejemplo 3.20 Sea A = 0 2 −2. Las submatrices de A son
8 −7 1
e11 = 2 −2 0 −2 0 2
A ,A
e12 = ,A
e13 = ,
−7 1 8 1 8 −7
e21 = 2 1 e 1 1 e 1 2
A , A22 = , A23 = ,
−7 1 8 1 8 −7
2 1 1 1 1 2
A31 =
e , A32 =
e , A33 =
e .
2 −2 0 −2 0 2
El determinante de A al recorrer la fila 1 es igual a
Como se mencionó anteriormente, no importa la fila o la columna de A que se utilice para calcular
el det(A).
46 Capítulo 3. Matrices y su álgebra
3 3 1
Ejercicio 3.9 Calcular el determinante de la matriz R = 5 0 −2 utilizando la fila 2 y la
4 2 −3
columna 3 de A respectivamente. ■
Es importante resaltar que el cálculo del determinante de una matriz de 3 × 3 está definido en
términos de los determinantes de las submatrices de 2 × 2.
Matrices de n × n
a11 a12 . . . a1n
a21 a22 . . . a2n
Suponga que n ∈ N y n > 2. Sea A = . . una matriz de n filas y n colum-
.. . .
.. . . ..
an1 an2 . . . ann
nas.
Ejercicio 3.10 Escriba la fila i y la columna j de A. ■
que tiene n − 1 filas y n − 1 columnas. Ahora bien, suponga que los determinantes de las submatrices
ei j ), son conocidos. Entonces el determinante de A se calcula, recursivamente, utilizando la
ei j , det(A
A
fila i, 1 ≤ i ≤ n, de A de la siguiente forma
1 1 0 2
3 1 −1 2
Ejemplo 3.21 Sea B4×4 = 0 −2 −2 3. Se presenta el cálculo del determinante de B
−1 1 −3 0
utilizando la fila 3 y la columna 4 respectivamente, con la intención de ilustrar que el cálculo del
determinante es independiente de la escogencia de la fila o la columna de la matriz en cuestión.
El primer paso es escribir las submatrices de B que se obtienen al fijar la fila 3 y recorrer las
47
columnas,
1 0 2 1 0 2 1 1 2 1 1 0
Be31 = 1 −1 2 , Be32 = 3 −1 2 , Be33 = 3 1 2 , Be34 = 3 1 −1 .
1 −3 0 −1 −3 0 −1 1 0 −1 1 −3
Similarmente se escriben las submatrices de B que se obtienen al fijar la columna 4 y recorrer las
filas,
3 1 −1 1 1 0 1 1 0 1 1 0
Be14 = 0 −2 −2 , Be24 = 0 −2 −2 , Be34 = 3 1 −1 , Be44 = 3 1 −1 .
−1 1 −3 −1 1 −3 −1 1 −3 0 −2 −2
El segundo paso es calcular los determinantes de las submatrices en cuestrión. Note que al ser
matrices de 3 × 3, tales determinantes se saben calcular. El lector puede calcular los determinantes
que se reportan a continuación:
det(B) =
= (−1)3+1 b31 · det(Be31 ) + (−1)3+2 b32 · det(Be32 ) + (−1)3+3 b33 · det(Be33 ) + (−1)3+4 b34 · det(Be34 )
= (−1)3+1 0 · 2 + (−1)3+2 (−2) · (−14) + (−1)3+3 (−2) · 4 + (−1)3+4 3 · 8
= −60.
det(B) =
= (−1)1+4 b14 · det(Be14 ) + (−1)2+4 b24 · det(Be24 ) + (−1)3+4 b34 · det(Be34 ) + (−1)4+4 b44 · det(Be44 )
= −(2) · 28 + 2 · 10 − (3) · 8 + 0 · 2
= −60.
1 −1 1 −1
2 2 2 2
Ejercicio 3.11 Sea P = 5 0 1 −2. Escoger una fila y una columna de P y calcular el
3 2 1 0
determinante de P, det(P), recorriendo la fila y la columna seleccionada. ■
A · A−1 = In , A−1 · A = In
1 1 0
3 6
Ejemplo 3.22 Sean E = y R = 2 −3 0. Como det(E) = 3 · 4 − 6 · 2 = 0, entonces
2 4
1 −2 3
−1 1 1
E no existe. Por otro lado, como det(R) = 3 · det = −15 ̸= 0, entonces la matriz
2 −3
inversa R−1 si existe.
Con el criterio que determina si la inversa de una matriz dada existe o no, la pregunta que sigue sería
cómo calcular dicha matriz. Para calcular la inversa de una matriz se tienen a la mano dos métodos
que se exponen a continuación.
2. Por medio de las operaciones entre filas se reduce la matriz extendida. Es decir, se utiliza la
reducción de Gauss-Jordan.
3. Como det(A) ̸= 0, la forma escalonada reducida de A es la matriz identidad In . Luego, la
matriz inversa A−1 corresponde a la matriz que aparece a la derecha en la reducción de la
matriz extendida
A In ⇝ In A−1 .
49
1 3 1 3
Ejemplo 3.23 Calcular la matriz inversa de . Primero note que det = 4−3 =
1 4 1 4
1 ̸= 0, luego la matriz en cuestión es invertible.
Como la matriz dada es una matriz de 2 × 2 la
1 0
matriz identidad que se necesita es I2 = . Siguiendo los pasos del algortimo anterior se
0 1
tiene que:
1 3 1 0
1. Matriz extendida:
1 4 0 1
1 3
2. Operaciones entre filas y forma escalonada reducida de la matriz .
1 4
1 3 1 0 f2 → f2 − f1 1 3 1 0 f1 → f1 −3 f2 1 0 4 −3
I2 A−1
−−−−−−→ −−−−−−→ =
1 4 0 1 0 1 −1 1 0 1 −1 1
4 −3
3. Por lo tanto, A−1 = .
−1 1
−1 1 3 4 −3 4 − 3 −3 + 3 1 0
Note que A · A = · = = = I2 . Queda al lector
1 4 −1 1 4 − 4 −3 + 4 0 1
verificar que
A−1 · A = I2 .
Ejercicio 3.13 Verifique que las matrices dadas son matrices invertibles y calcule la matriz inversa
en cada caso.
1 2 3
4 4
R= , C = −1 0 3 .
4 5
2 4 8
■
Mi j = (−1)i+ j det(A
ei j ).
Adj(A) = (Cof(A))T
A continuación, se enuncia una propiedad que satisface la matriz adjunta de A en la que se da una
fórmula matricial para calcular la matriz inversa de A, (si existe).
50 Capítulo 3. Matrices y su álgebra
1
A−1 = Adj(A).
det(A)
1 −1 3
Ejemplo 3.24 Sea A = 4 1 6 .
2 0 −2
1. Muestre que A es una matriz invertible.
2. Calcular la matriz de cofactores de A, Cof(A) y la matriz adjunta de A, Adj(A).
3. Calcular la matriz inversa de A, A−1 .
Solución:
1. Es suficiente mostrar que det(A) ̸= 0. Se recorre la fila 3 de A y se obtiene lo siguiente,
3+1 −1 3 3+2 1 3 3+3 1 −1
det(A) = (−1) 2 · det + (−1) 0 · det + (−1) (−2) · det
1 6 4 6 4 1
= 2 · (−6 − 3) − 2 · (1 + 4) = −28.
y la matriz adjunta de A es
−2 −2 −9
Adj(A) = (Cof(A))T = 20 −8 6 .
−2 −2 5
51
1 1 −2
Ejercicio 3.14 Sea B = 2 0 −3.
−1 1 −2
1. Muestre que A es una matriz invertible.
2. Calcular la matriz de cofactores de A, Cof(A) y la matriz adjunta de A, Adj(A).
3. Calcular la matriz inversa de A, A−1 .
■
Todo sistema de ecuaciones lineales se puede escribir en forma matricial. Para ilustrar la relación
de la matriz inversa con la solución de un sistema de ecuaciones lineales, es preciso suponer que la
matriz asociada al sistema es una matriz cuadrada; es decir se tiene el mismo número de ecuaciones
que de variables. Explícitamente, el sistema de ecuaciones lineales es de la forma:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a11 a12 . . . a1n x1 b1
a21 x1 + a22 x2 + . . . + a2n xn = b2 a21 a22 . . . a2n x2 b2
⇐⇒ . .. .. = ..
. . . . . ..
.. + .. + .. + .. = ..
.. . ... . . .
an1 an2 . . . ann xn bn
an1 x1 + an2 x2 + . . . + ann xn = bn ,
⇐⇒ A⃗x = ⃗b.
⃗x = A−1⃗b.
Las operaciones entre matrices que se han presentado hasta el momento se pueden implementar
en cualquier hoja de cálculo de un ordenador. En estas notas seleccionamos la hoja de cálculo de
Microsoft Excel para implementar las operaciones entre matrices. La versión de Microsoft Excel
que se utiliza en esta sección es la versión que viene con Microsoft Office 365.
52 Capítulo 3. Matrices y su álgebra
Para declarar una matriz en Excel basta rellenar con números un rectángulo de la hoja de cálculo.
A continuación se presentan tres matrices A3×4 , B2×2 y E3×2 .
Para obtener la suma y la resta de dos matrices dadas en Excel, éstas se deben sombrear y
especificar + o − según sea el caso. Note que en la barra de comando de Excel antes de escribir la
fórmula, se utiliza el símbolo de igualdad = para que el software entienda que se usará una función
predeterminada. A continuación se presenta la suma y la resta de dos matrices.
53
Multiplicación matricial
El comando que se utiliza en Excel para multiplicar dos matrices es el siguiente
54 Capítulo 3. Matrices y su álgebra
Para utilizar el comando en cuestión, se debe escribir en la barra de comandos "= MMULT se
2
La matriz transpuesta
El comando que se utiliza para transponer una matriz dada es el siguiente
Para utilizar el comando en cuestión, se debe escribir en la barra de comandos "= TRANSPONER 2
Para utilizar el comando en cuestión, se debe escribir en la barra de comandos "= MDETERM se 2
La matriz inversa
El comando que se utiliza para invertir una matriz dada es el siguiente
Para utilizar el comando en cuestión, se debe escribir en la barra de comandos "= MINVERSA se 2
Una representación de este sistema de ecuaciones lineales en Excel viene dada por
3.0.8 Aplicaciones
En esta sección se presentarán algunas situaciones en contexto cuya solución se obtiene al
reescribir el problema en términos de sistemas de ecuaciones lineales. Adicionalmente, se mostrará
cómo el método de reducción de Gauss-Jordan determina el número de soluciones que admite el
problema en cuestión.
Ejemplo en finanzas
Una empresa pidió un préstamo de 775000 dólares para ampliar su línea de ropa. Una parte del
dinero se prestó al 8 %, otra al 9 % y otra al 10 %. ¿Cuánto dinero pidió prestado la empresa a cada
tasa de interés, si el interés anual adeudado fue de 67500 dólares y la cantidad prestada al 8 % era
cuatro veces la cantidad prestada al 10 %?
Solución: Las variables del problema son
1 1 1 775000 1 1 1 775000
2 →100 f 2 f2 → f2 −8 f1
0, 08 0, 09 0, 1 67500 −f− −−−→ 8 9 10 6750000 −−−−−−→
f3 → f3 − f1
1 0 4 0 1 0 4 0
1 1 1 775000 1 1 1 775000
f3 → f3 + f2 f3 →− 31 f3
0 1 2 550000 −−−−−−→ 0 1 2 550000 −−−−− →
0 −1 −5 −775000 0 0 −3 −225000
1 1 1 775000 1 1 0 700000 1 0 0 300000
2 → f 2 −2 f 3 f1 → f1 − f2
0 1 2 550000 −f− −−−−→ 0 1 0 400000 −−−−−−→ 0 1 0 400000
f1 → f1 − f3
0 0 1 75000 0 0 1 75000 0 0 1 75000
x = 300000
y = 400000
z = 75000.
al sistema de ecuaciones A⃗x = ⃗b es tal que det(A) ̸= 0 entonces la solución es ⃗x = A−1⃗b. En este
caso, una representación en Excel del sistema de ecuaciones en cuestión es
I = Días en Inglaterra,
F = Días en Francia,
E = Días en España.
El sistema de ecuaciones que representa la información del problema es el siguiente,
30I + 20F + 20E = 340, Hospedaje
20I + 30F + 20E = 320, Comida
10I + 10F + 10E = 140, Adicionales.
59
30 20 20 I 340
20 30 20 F = 320 ⇐⇒ A⃗x = ⃗b.
10 10 10 E 140
30 20 20 340 1 1 3 2 2 34 1 1 1 14
f1 → 10 f1 , f3 → 10 f3 f1 ←→ f3 f2 → f2 −2 f1
20 30 20 320 −−−−−−−−−−→ 2 3 2 32 −−−−→ 2 3 2 32 −−−−−−→
f2 → 10 1
f2 f3 → f3 −3 f1
10 10 10 140 1 1 1 14 3 2 2 34
1 1 1 14 1 1 1 14 1 1 1 14
f3 → f3 + f2 f3 →− f3 f1 → f1 − f3
0 1 0 4 −−−−−−→ 0 1 0 4 −−−−→ 0 1 0 4 −−−−−−→
0 −1 −1 −8 0 0 −1 −4 0 0 1 4
1 1 0 10 1 0 0 6
f1 → f1 − f2
0 1 0 4 −− −−−−→ 0 1 0 4 ,
0 0 1 4 0 0 1 4
1 0 0 6 1 0 0 I 6
0 1 0 4 ⇐⇒ 0 1 0 F = 4
0 0 1 4 0 0 1 E 4
Deportes
En el partido de la Final Four Femenina de la NCAA de 2008, las Lady Volunteers de la
Universidad de Tennessee derrotaron a las Cardinal de la Universidad de Standford por un resultado
de 64 a 49. Las Lady Volunteers ganaron al anotar una combinación de canastas de dos puntos,
canastas de tres puntos y tiros libres de un punto que se desea calcular. El número de canastas de dos
puntos fue dos más que el número de tiros libres. El número de tiros libres fue dos más que cinco
veces el número de canastas de tres puntos. ¿Qué combinación de anotaciones representan los 64
puntos de las Lady Volunteers?
Solución: las variables del problema son
Así pues, las Lady Volunteers ganaron la final anotando 19 canastas de 2-puntos, 3 canastas de
3-puntos y 17 canastas de tiro libre.
luego las ecuaciones que representan la información del problema son las siguientes
(
−D − 1, 5H + 0, 5M = −350, información del precio hace dos días
1, 5D − 0, 5H + M = 600, información del precio ayer.
D
−1 −1, 5 0, 5 −350
H = ⇐⇒ A⃗x = ⃗b.
1, 5 −0, 5 1 600
M
62 Capítulo 3. Matrices y su álgebra
Como la matriz asociada al sistema de ecuaciones linelas no es una matriz cuadrada, se debe proceder
por reducción de Gauss-Jordan para determinar las soluciones.
−1 −1, 5 0, 5 −350 f1 →− f1 1 1, 5 −0, 5 350 f2 → f2 −1,5 f1
−−−−→ −−−−−−−→
1, 5 −0, 5 1 600 1, 5 −0, 5 1 600
1
1 1, 5 −0, 5 350 f2 →− 2,75 f2 1 1, 5 −0, 5 350 f1 → f1 −1,5 f2
−−−−−−−→ −−−−−−−→
0 −2, 75 1, 75 75 0 1 −0, 6363 −27, 2727
1 0 0, 4545 390, 9090
0 1 −0, 6363 −27, 2727
Es decir el sistema admite un número infinito de soluciones, por lo cual el corredor de bolsa no tiene
la información suficiente para saber cuantas acciones tiene la inversionista.
Sin embargo, si M = 200 entonces al reemplazar en la solución anterior se tiene que
D = 300
H = 100
Entonces el portafolio de la inversionista tiene 300 acciones de Delta Airlines y 100 acciones de
Hilton Hotels. ¿Cómo cambia el portafolio de la inversionista si M=10? ¿Cuál es el mínimo valor de
M para que el portafolio de la inversionista contenga acciones de las tres empresas? En este ejercicio
no se implementa la solución en Excel debido a que, (como se mencionó anteriormente), la matriz
que representa el sistema de ecuaciones no es una matriz cuadrada y por lo tanto no tiene sentido
calcular el determinante ni la matriz inversa.
63
Suponga que A⃗x = ⃗b es un sistema de ecuaciones lineales dado. Como se presentó en la sección
de Aplicaciones, el sistema en cuestión puede tener única o infinitas soluciones. Adicionalmente
el sistema de ecuaciones puede no admitir solución. En esta sección se muestra cómo detectar el
número de soluciones a A⃗x = ⃗b a través de la reducción de Gauss-Jordan y del determinante de A,
cuando éste tenga sentido.
El sistema de ecuaciones lineales A⃗x = ⃗b es un sistema consistente si el sistema tiene única solución
o un número infinito de soluciones. Por otro lado, A⃗x = ⃗b es un sistema inconsistente si el sistema
no tiene solución.
Ejemplo 3.25 Sistemas consistentes: recuerde que al usar la reducción de Gauss-Jordan siempre
se obtiene la forma escalonada reducida la matriz aumentada ( A ⃗b )
Solución única:
1 0 −3 1 0 −3
0 1 2 ⇐⇒ 0 1 x x −3
= 2 ⇐⇒ = ⇐⇒ x = −3, y = 2.
y y 2
0 0 0 0 0 0
Infinitas soluciones:
x
1 0 −2 5 1 0 −2 5 x − 2z 5
⇐⇒ y = ⇐⇒ =
0 1 −5 0 0 1 −5 0 y − 5z 0
z
es decir,
x − 2z = 5 ⇒ x = 5 + 2z
y − 5z = 0 ⇒ y = 5z
z es una variable libre, es decir toma infinitos valores.
La solución es
x 5 + 2z 5 2
y = 5z = 0 + z 5 .
z z 0 1
Note que por cada valor que toma la variable z se tiene un valor para la variable x e y respectiva-
mente.
Ejemplo 3.26 Se presenta un sistema incosistente.
x − 11z = 3
1 0 −11 3 1 0 −11 x 3
0 1 7 20 ⇐⇒ 0 1 7 · y = 20 ⇐⇒ y + 7z = 20
0 0 0 3 0 0 0 z 3
0=3
Ejercicio 3.16 Determine y escriba las soluciones al sistema de ecuaciones lineales cuya forma
escalonada reducida de la matriz aumentada es la siguiente
1 −2 7 8
0 0 1 −4
0 0 0 0
1 1 0 0
0 0 1 0
0 0 0 0
0 0 0 50
■
Ahora bien, si en el sistema de ecuaciones lineales A⃗x = ⃗b la matriz A es una matriz cuadrada, se
tienen dos estrategias para determinar el número de soluciones del mismo.
Si det(A) ̸= 0 el sistema es consistente y tiene una única solución dada por ⃗x = A−1⃗b.
Si det(A) = 0 se debe proceder con la reducción de Gauss-Jordan y determinar si el sistema
tiene infinitas soluciones o no tiene solución.
4. Área, volumen, rectas y planos
4.0.1 Área en R2
Sean⃗v = [v1 , v2 ] y ⃗w = [w1 , w2 ] dos vectores en R2 . A partir de la suma vectorial⃗v +⃗w se obtiene
el paralelogramo determinado por ⃗v y ⃗w, como se muestra en la siguiente figura.
cálculo:
q √ √ q
A(⃗v,⃗w) = ||⃗v||||⃗w|| 1 − (cos(θ ))2 = ⃗v ·⃗v ⃗w · ⃗w 1 − (cos(θ ))2
q q
= (⃗v ·⃗v)(⃗w · ⃗w)(1 − (cos(θ ))2 ) = (⃗v ·⃗v)(⃗w · ⃗w) − (⃗v ·⃗v)(⃗w · ⃗w)(cos(θ ))2 )
q q
= ||⃗v||2 ||⃗w||2 − ||⃗v||2 ||⃗w||2 (cos(θ ))2 ) = ||⃗v||2 ||⃗w||2 − (⃗v · ⃗w)2
q q
= (v21 + v22 )(w21 + w22 ) − (v1 w1 + v2 w2 )2 = v21 w22 − 2v1 w1 v2 w2 + v22 w21
q
= (v1 w2 − v2 w1 )2 = |(v1 w2 − v2 w1 )|.
Así pues, el área del paralelogramo en cuestión está determinada por la expresión matricial:
v1 v2
A(⃗v,⃗w) = det .
w1 w2
Ejemplo 4.1 Sean ⃗a = [2, 4] y ⃗b = [−3, 3]. El área del paralelogramo determinado por ⃗a y ⃗b es
igual a
2 4
A(⃗a,⃗b) = det = |6 − (−12)| = 18.
−3 3
Adicionalmente, el área del triángulo Atr (⃗v,⃗w) determinado por los vectores ⃗v y ⃗w corresponde a la
mitad del área del paralelogramo determinado por ⃗v y ⃗w. Por lo tanto,
1 1 v1 v2
Atr (⃗v,⃗w) = A(⃗v,⃗w) = det .
2 2 w1 w2
Ejercicio 4.1 Realizar una gráfica del área del triángulo determinado por los vectores ⃗v = [v1 , v2 ]
y ⃗w = [w1 , w2 ] en el primer cuadrante de R2 . ■
Ejemplo 4.2 El área del triángulo determinado por los vectores ⃗a = [2, 4] y ⃗b = [−3, 3] se obtiene
al realizar el siguiente cálculo:
1 1 2 4 1
Atr (⃗a,⃗b) = A(⃗a,⃗b) = det = (18) = 9.
2 2 −3 3 2
⃗v × ⃗w = det v1 v2 v3 .
w1 w2 w3
67
⃗i ⃗j ⃗k
v2 v 3 ⃗i − det v1 v3 ⃗j + det v 1 v 2 ⃗k
⃗v × ⃗w = det v1 v2 v3 = det
w2 w3 w1 w3 w1 w2
w1 w2 w3
= (v2 w3 − v3 w2 )⃗i − (v1 w3 − v3 w1 )⃗j + (v1 w2 − v2 w1 )⃗k
= [v2 w3 − v3 w2 , v3 w1 − v1 w3 , v1 w2 − v2 w1 ].
⃗v × 0 = 0 = 0 ×⃗v.
Así, dados dos vectores ⃗v y ⃗w en R3 , el producto cruz ⃗v × ⃗w es un vector que es ortogonal tanto a ⃗v
como a ⃗w, ver la siguiente figura.
⃗i × ⃗j =⃗k.
68 Capítulo 4. Área, volumen, rectas y planos
⃗i ⃗j ⃗k
−2 3 ⃗i − det 1 3 ⃗j + det 1 −2 ⃗k
⃗v × ⃗w = det 1 −2 3 = det
1 5 3 5 3 1
3 1 5
= (−13)⃗i − (−4)⃗j + 7⃗k = −13⃗i + 4⃗j + 7⃗k
= [−13, 4, 7].
Ahora bien, sean⃗v = [v1 , v2 , v3 ], ⃗w = [w1 , w2 , w3 ] y ⃗u = [u1 , u2 , u3 ] tres vectores en R3 . Los siguientes
dos cálculos,
(⃗v × ⃗w) ·⃗u = [v2 w3 − v3 w2 , v3 w1 − v1 w3 , v1 w2 − v2 w1 ] · [u1 , u2 , u3 ]
= (v2 w3 − v3 w2 )u1 + (v3 w1 − v1 w3 )u2 + (v1 w2 − v2 w1 )u3 ,
y, (recorriendo la fila tres),
v1 v2 v3
v v3 v v3 v v2
det w1 w2 w3 = u1 det 2 − u2 det 1 + u3 det 1
w2 w3 w1 w3 w1 w2
u1 u2 u3
= u1 (v2 w3 − v3 w2 ) − u2 (v1 w3 − v3 w1 ) + u3 (v1 w2 − v2 w1 ),
muestran que
v1 v2 v3
(⃗v × ⃗w) ·⃗u = det w1 w2 w3 .
u1 u2 u3
⃗v ×⃗v = 0.
El producto cruz⃗v ×⃗w está relacionado con el ángulo θ ∈ [0, π] determinado por⃗v y ⃗w de la siguiente
forma:
||⃗v × ⃗w|| = ||⃗v||||⃗w||sen(θ ) ⇐⇒ ||⃗v × ⃗w||2 = ||⃗v||2 ||⃗w||2 (sen(θ ))2 .
Una prueba de la igualdad ||⃗v × ⃗w||2 = ||⃗v||2 ||⃗w||2 (sen(θ ))2 se da a continuación. El lado izquierdo
de la igualdad se reescribe así
||⃗v × ⃗w||2 = ||[v2 w3 − v3 w2 , v3 w1 − v1 w3 , v1 w2 − v2 w1 ]||2
= (v2 w3 − v3 w2 )2 + (v3 w1 − v1 w3 )2 + (v1 w2 − v2 w1 )2 .
El lado derecho de la igualdad se reescribe de la siguiente forma:
||⃗v||2 ||⃗w||2 (sen(θ ))2 = ||⃗v||2 ||⃗w||2 (1 − (cos(θ ))2 ) = ||⃗v||2 ||⃗w||2 − ||⃗v||2 ||⃗w||2 (cos(θ ))2
= ||⃗v||2 ||⃗w||2 − (⃗v · ⃗w)2
= (v21 + v22 + v23 )(w21 + w22 + w23 ) − (v1 w1 + v2 w2 + v3 w3 )2 .
69
Al expandir, respectivamente, las expresiones del lado derecho e izquierdo, el lector puede verificar
que se obtiene el mismo resultado. Por lo tanto, se tiene la igualdad deseada.
Área en R3
De forma similar que en el caso del plano cartesiano, la suma de dos vectores⃗v,⃗w ∈ R3 determina
un paralelogramo cuya área es A(⃗v,⃗w) = b · h, donde la base es b = ||⃗v|| y la altura es h = ||⃗w||sen(θ ).
Gráficamente
Por lo tanto, el área del paralelogramo determinado por ⃗v = [v1 , v2 , v3 ] y ⃗w = [w1 , w2 , w3 ] está dada
por,
A(⃗v,⃗w) = ||⃗v||||⃗w||sen(θ ) = ||⃗v × ⃗w||.
Análogamente al caso visto en R2 , el área del triángulo Atr (⃗v,⃗w), determinado por los vectores
⃗v = [v1 , v2 , v3 ] y ⃗w = [w1 , w2 , w3 ] está dada por la fórmula:
A(⃗v,⃗w) 1
Atr (⃗v,⃗w) = = ||⃗v × ⃗w||.
2 2
Ejemplo 4.6 Sean ⃗a = [2, 2, 0] y ⃗b = [1, −2, 0]. El área del paralelogramo determinado por ⃗a y ⃗b
es
A(⃗a,⃗b) = ||⃗a ×⃗b|| = ||[0, 0, 6]|| = 36.
70 Capítulo 4. Área, volumen, rectas y planos
Como se muestra en la figura, los vectores dados⃗v, ⃗w y ⃗u determinan un paralelepípedo, (es decir una
caja alabeada). El volumen del paralelepípedo en cuestión es Vol(⃗v,⃗w,⃗u) = A(⃗v,⃗w) · h, donde A(⃗v,⃗w)
es el área de la base y h es la altura relativa. Como la base del paralelepípedo es un paralelogramo
determinado por los vectores ⃗v y ⃗w, se tiene que A(⃗v,⃗w) = ||⃗v × ⃗w||. Ahora bien, es preciso reescribir
la altura h en términos de operaciones entre ⃗v, ⃗w y ⃗u. A partir de la figura dada, se tiene que
h = ||⃗u|||cos(θ )|, donde θ es el ángulo entre los vectores (⃗v × ⃗w) y ⃗u. Es decir
Note que el orden de los tres vectores en la fórmula del volumen del paralelepípedo no importa, el
resultado siempre será el mismo número real.
Ejemplo 4.7 El volumen del paralelepípedo determinado por los vectores ⃗a = [1, 2, 3], ⃗b =
71
Ejercicio 4.6 Calcular el volumen y el área superficial del paralelepípedo determinado por los vec-
tores ⃗v = [2, 2, −4], ⃗w = [3, −6, 6] y ⃗u = [8, 0, 10]. Adicionalmente, presentar una representación
gráfica de la situación en cuestión. ■
w,⃗u ∈ R3 y presentar
Ejercicio 4.7 Dar la definición del tetrahedro generado por tres vectores ⃗v,⃗
una representación gráfica del mismo. ¿Cuántos tetrahedros caben en el paralelepípedo generado
por los vectores ⃗v,⃗w,⃗u? Muestre que el volumen de paralelepípedo, Vol(⃗v,⃗w,⃗u), y el volumen del
tetrahedro, Voltetra (⃗v,⃗w,⃗u), generado por ⃗v,⃗w,⃗u cumplen la siguiente ecuación,
1
Vol(⃗v,⃗w,⃗u) = Voltetra (⃗v,⃗w,⃗u).
6
Profesor Lagrange. ■
Ejercicios
1 −2
1. Calcular el área del paralelogramo determinado por los vectores ⃗v1 = y ⃗v2 = .
−1 −3
√
2 4
2. Calcular el área del triángulo determinado por los vectores ⃗a = y ⃗b = √ .
1 2
3. Sean ⃗v,⃗w ∈ R2 . ¿En qué caso se tiene que el área del paralelogramo determinado por los
vectores ⃗v,⃗w es igual a cero?
4. Dibujar en R2 , por separado, un hexágono regular y un dodecágono regular inscritos en
un círculo de radio 2. Calcular el perímetro y el área de los polígonos en cuestión. (Prof.
Arquímedes)
1 0 7 3
5. Sean ⃗a = −3, ⃗b = −4, ⃗c = 7 y d⃗ = 1 vectores de R3 . Calcular
2 −4 0 −2
a b
6. Sean ⃗v = a y ⃗w = −b. Calcular ⃗v × ⃗w y ||⃗v × ⃗w||.
a b
7. Sean ⃗p = px⃗i + py⃗j + pz⃗k y ⃗v = vx⃗i + vy⃗j + vz⃗k dos vectores en R3 . Calcular ⃗p ×⃗v.
8. Dibujar un dado de cuatro caras. ¿Cuántos vectores son necesarios para calcular el área
superficial y el volumen del dado en cuestión? Calcular el volumen del dado de cuatro caras.
72 Capítulo 4. Área, volumen, rectas y planos
Así pues, la recta l está determinada por el punto (x0 , y0 , z0 ) y el vector director ⃗v = [v1 , v2 , v3 ].
Cualquier otro punto en la recta l, representado por (x, y, z), determina el vector [x − x0 , y − y0 , z − z0 ]
el cual es un vector paralelo a ⃗v. Es decir, existe un escalar t ∈ R tal que
[x − x0 , y − y0 , z − z0 ] = t⃗v.
Al reescribir esta ecuación se tiene lo siguiente:
[x − x0 , y − y0 , z − z0 ] = t⃗v ⇐⇒ [x, y, z] − [x0 , y0 , z0 ] = t⃗v
[x, y, z] = [x0 , y0 , z0 ] + t⃗v.
Por lo tanto, la ecuación vectorial de la recta l que pasa por el punto (x0 , y0 , z0 ) y que está dirigida
por el vector ⃗v es
x x0 v1
l : y = y0 + t v2 , t ∈ R.
z z0 v3
La variable t ∈ R recibe el nombre de parámetro de l debido a que cada valor de t determina un
único punto en la recta en cuestión.
Ejemplo 4.8 Determine tres puntos que cumplan la ecuación vectorial de la recta l,
x 2 0
l : y = −2 + t −3 .
z 4 8
Ejercicio 4.8 Determine tres puntos que cumplan la ecuación vectorial de la recta l,
x −1 2
l : y = −3 + t −1 .
z −6 7
Además, determine dos puntos que no cumplan la ecuación vectorial de l. Presentar una represen-
tación gráfica de la situación. ■
Ejemplo 4.9 La ecuación vectorial de la recta l que pasa por los puntos P = (1, 1, 1) y Q =
(4, 2, −1) se calcula de la siguiente forma. Como punto de referencia se toma alguno de los puntos
dados, por ejemplo P. Un vector director de la recta es
Ejercicio 4.9 Determinar si los puntos A = (−1, 20, 14) y B = (1, 11, 6) pertenecen a la recta l
con ecuación vectorial dada por
x 3 −1
l : y = 0 + t 5 .
z −2 4
■
x = x0 + tv1
y = y0 + tv2
z = z0 + tv3 ,
x − x0 y − y0 z − z0
= = .
v1 v2 v3
Ejercicio 4.11 Determinar la ecuación vectorial y paramétrica de la recta l que pasa por el punto
x+7 4−y
(3, 0, 3) y es paralela a la recta cuyas ecuaciones simétricas son 2 = 5 = z + 5. ■
Ejercicios
1. Calcular la ecuación vectorial de la recta que pasa por los puntos (1, 1, −2) y (2, 3, 3).
2. Calcular
las ecuaciones paramétricas de la recta que pasa por el punto (3, 0, 2) en dirección de
2
⃗v = 0 .
−4
3. Calcular la ecuación vectorial de la recta que pasa por el punto (1, 1, 1) y que está dirigida
hacia el punto (0, −2, −1).
4. Determinar las ecuaciones de dos rectas l1 y l2 que no tengan punto de intersección y cuyos
vectores directores sean ortogonales.
5. Determinar las ecuaciones de dos rectas l1 y l2 que no tengan punto de intersección y cuyos
vectores directores sean paralelas.
75
Dado un punto (x0 , y0 , z0 ) y un vector ⃗n = [a, b, c], el conjunto de puntos (x, y, z) que cumplen
⃗n · [x − x0 , y − y0 , z − z0 ] = 0,
definen un plano en R3 . La ecuación cartesiana de un plano π se obtiene al expandir la ecuación
anterior; es decir:
π : ⃗n · [x − x0 , y − y0 , z − z0 ] = 0 ⇐⇒ [a, b, c] · [x − x0 , y − y0 , z − z0 ] = 0
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0.
El vector ⃗n se denomina vector normal al plano π.
Ejemplo 4.10 La ecuación cartesiana del plano π que contiene a los puntos P = (0, −3, 2),
Q = (−1, 4, 0) y R = (1, 1, 1) se puede calcular de la siguiente forma. Por definición de plano,
se necesitan un punto en el plano y el vector normal ⃗n. De los tres puntos dados se selecciona
el punto P, (se puede seleccionar cualquiera de los otros dos puntos y la ecuación resultante es
la misma). Ahora bien, se construyen los vectores PQ = [1, 4, −1] y PR = [−1, 7, −2]. El vector
normal ⃗n se obtiene de la siguiente forma,
⃗i ⃗j ⃗k
Así que, la ecuación del plano está dada por el siguiente cálculo:
Note que los coeficientes que acompañan a las variables x, y, z corresponden a las entradas del
76 Capítulo 4. Área, volumen, rectas y planos
vector normal ⃗n. Gráficamente el cálculo que se realizó se representa en la siguiente figura.
Ejemplo 4.11 El vector normal ⃗n al plano dado por la ecuación 3x − 4y + 7z = 44 son los
coeficientes que acompañan a las variables x, y y z. Es decir, ⃗n = [3, −4, 7].
Ejercicio 4.12 Calcular la ecuación del plano que contiene al punto (3, 2, −6) y es paralelo al
plano −x + 5y − 6z = 0. ■
Ejercicio 4.13 Calcular la ecuación del plano que pasa por el punto (−11, 13, 1) y que contiene a
la recta l dada por
x −8 + 15t
l : y = −13 + 27t .
z 6 − 11t
Adicionalmente, presentar una respresentación geométrica de la situación en cuestión. ■
Ejemplo 4.12 La intersección del plano 70x + 47y − 6z + 55 = 0 y la recta l cuya ecuación
vectorial es l : [x, y, z] = [−144 − 150t, −91 − 80t, −2 + 5t] se obtiene al reemplazar las ecuaciones
paramétricas de l en la ecuación del plano. En otras palabras, se reemplaza x = −144 − 150t,
y = −91 − 80t y z = −2 + 5t en la ecuación 70x + 47y − 6z + 55 = 0.
Reducción de Gauss-Jordan,
1 1 −2 1 f2 → f2 −2 f1 1 1 −2 1 f2 →− 15 f2 1 1 −2 1 f1 → f1 − f2
−−−−−−→ −−−−− → −−−−−−→
2 −3 1 0 0 −5 5 −2 0 1 −1 25
x (
3
(
3 x = 35 + z
3
1 0 −1 5 1 0 −1 x − z = 5
2 ⇐⇒ y = 52 ⇐⇒ ⇐⇒
0 1 −1 5 0 1 −1 5 y − z = 25 y = 25 + z
z
A lo largo de estas notas de clase han sido estudiados el conjunto de vectores Rn y el conjunto
de matrices Mn×p (R). Estos conjuntos tiene una estructura algebraica común la cuál se definirá a
continuación. Adicionalmente se presentarán ejemplos de conjuntos que también poseen la estructura
algebraica que se presentará. Cabe mencionar que, la estructura algebraica que se estudiará en esta
sección es una pieza central en el desarrollo del álgebra lineal. Por otro lado, se definirán las nociones
fundamentales que dan los cimientos de la teoría del álgebra lineal elemental.
Ejemplo 5.2 El conjunto de vectores en R3 con la suma y multiplicación por escalar definidas
previamente,
v1 w1 v1 + w1 v1 αv1
⃗v + ⃗w = v2 + w2 = v2 + w2 , α⃗v = α v2 = αv2 α ∈ R,
v3 w3 v3 + w3 v3 αv3
Ejemplo 5.3 El conjunto de todas las matrices n × p con entradas reales, denotado por Mn×p (R),
con la suma y multiplicación por escalar definidas previamente,
a11 a12 . . . a1p b11 b12 . . . b1p
a21 a22 . . . a2p b21 b22 . . . b2p
An×p + Bn×p = a31 a32 . . . a3p + b31 b32 . . . b3p
.. .. . . .. .. .. . . ..
. . . . . . . .
an1 an2 . . . anp bn1 bn2 . . . bnp
a11 + b11 a12 + b12 . . . a1p + b1p
a21 + b21 a22 + b22 . . . a2p + b2p
= a31 + b31 a32 + b32 . . . a3p + b3p
,
.. .. .. ..
. . . .
an1 + bn1 an2 + bn2 . . . anp + bnp
a11 a12 . . . a1p αa11 αa12 . . . αa1p
a21 a22
. . . a2p αa21
αa22 . . . αa2p
αAn×p = α a31 a32
. . . a3p
= αa31
αa32 . . . αa3p
α ∈ R,
.. .. .. .. .. .. .. ..
. . . . . . . .
an1 an2 . . . anp αan1 αan2 . . . αanp
dotan a Mn×p (R) con una estructura de espacio vectorial.
Ejemplo 5.4 Sea P≤2 [x] = {ax2 + bx + c | a, b, c ∈ R} el conjunto de polinomios de grado menor
o igual a 2. Sean p(x) = a1 x2 + b1 x + c1 y q(x) = a2 x2 + b2 x + c2 dos polinomios en P≤2 [x]. La
suma de polinomios,
dotan a P≤2 [x] con una estructura de espacio vectorial. En general, el conjunto de todos los
polinomios de grado menor o igual a n,
es un espacio vectorial. Las operaciones de suma y multiplicación por escalar están definidas de
forma análoga al caso de P≤2 [x].
Note que los ejemplos de espacios vectoriales que se han presentado hasta el momento son
estructuras conocidas que aparecen en varios contextos de las matemáticas. Ahora bien, dado un
espacio vectorial V la pregunta que surge es cuáles subconjuntos H ⊂ V heredan la estructura de
espacio vectorial de V . Dichos subconjuntos se denominan subespacios vectoriales de V . Para
verificar si un subconjunto H ⊆ V es un subespacio vectorial de V no es necesario verificar las diez
condiciones que definen a un espacio vectorial, es suficiente verificar las siguientes dos condiciones:
(I) Si x y y son elementos de H, entonces x + y es un elemento de H.
(cerrado bajo la suma)
(II) Si x es un elemento de H y α es un escalar, entonces αx es un elemento de H.
(cerrado bajo multiplicación por escalar)
En otras palabras, lo que se tiene que verificar es que las operaciones suma y multiplicación por
escalar definidas en V sean cerradas en H.
Ejemplo 5.5 Sea V = R2 y H el subconjunto de R2 definido por:
2 1
H = [x, y] ∈ R | y = x .
2
(I) La suma
es cerrada
en H:
Sean a1 , 21 a1 y a2 , 21 a2 dos elementos de H, entonces
1 1 1
a1 , a1 + a2 , a2 = a1 + a2 , (a1 + a2 )
2 2 2
es un elemento de H.
(II) La multiplicación por escalar es cerrada en H:
Sean α un escalar y a1 , 21 a1 un elemento de H, entonces
1 1
α a1 , a1 = αa1 , (αa1 )
2 2
es un elemento de H.
Ejemplo 5.7 Sea V = P≤2 [x]. El subconjunto H ⊂ P≤2 [x] dado por:
(α p)(0) = α p(0) = α0 = 0,
H = [x, y] ∈ R2 : x2 + y2 ≤ 1 ,
Ejercicio 5.1 Escribir dos matrices triangulares superiores en el espacio vectorial M3×3 . ■
entonces αA ∈ H.
Ejemplo 5.10 Sea An×p una matriz. La solución al sistema de ecuaciones A⃗x = 0 es un espacio
vectorial en R p que se denomina el espacio nulo de A. Explícitamente, el conjunto
A(α⃗x) = α(A⃗x) = α0 = 0.
(II) La multiplicación
por escalar es cerrada en l:
x1
Sean y1 ∈ l y α ∈ R. Por definición de l se tiene que
z1
x1
y1 = t1⃗v,t1 ∈ R.
z1
Por lo tanto,
x1
α y1 = αt1⃗v = (t1 α)⃗v = t2⃗v, t2 = t1 α.
z1
x1
Así que, α y1 ∈ l.
z1
Ejemplo 5.12 Un plano que contiene el origen 0 es un subespacio vectorial. En efecto, sea π un
plano definido por
x
π = y ∈ R3 : 3x − y + z = 0 .
z
Ejemplo 5.14 Sean V = P≤2 [x] y {2 + x, 3 − x + 2x2 , x − 4x2 }. Una combinación lineal de los
polinomios 2 + x, 3 − x + 2x2 , x − 4x2 está dada por
siguiente cálculo,
x 2y − 3z
x − 2y + 3z = 0 ⇐⇒ x = 2y − 3z, y = y, z = z ⇐⇒ y = y
z z
x 2y −3z 2 −3 2 −3
⇐⇒ y = y + 0 = y 1 + z 0 = gen 1 , 0
z 0 z 0 1 0 1
2 −3
muestra que π = gen 1 , 0 .
0 1
Ejercicio 5.2 Una recta que pasa por el origen es el generado de un vector en R3 . Muestre que la
recta l definida por la ecuación vectorial
x t
l = y ∈ R3 : x = 2t, y = −t, z =
4
z
a11 a12
Ejemplo 5.17 Sean V = M2×2 (R) y H = : a11 + a22 = 0 .
a21 a22
H es subespacio vectorial de H. Se debe verificar
que Hes cerrado bajo suma
y multiplica-
a11 a12 b11 b12
ción por escalar de V = M2×2 (R). Sean A = yB= dos matrices
a21 a22 b21 b22
en H, luego se tiene que a11 + a22 = 0 y b11 + b22 = 0. La suma
a11 a12 b11 b12 a11 + b11 a12 + b12
A+B = + = ,
a21 a22 b21 b22 a21 + b21 a22 + b22
pertenece a H ya que a11 + b11 + a22 + b22 = (a11 + a22 ) + (b11 + b22 ) = 0 + 0 = 0. Por lo
tanto H es cerrado bajo suma. Queda al lector verificar que H es cerrado bajo multiplicación
por escalar.
Note que el subespacio H está determinado por la ecuación a11 + a22 = 0, o dicho de otra
forma a22 = −a11 . Así que, al reemplazar esta última ecuación en un elemento arbitrario
de H se tiene lo siguiente:
a11 a12 a11 a12 a11 0 0 a12 0 0
= = + +
a21 a22 a21 −a11 0 −a11 0 0 a21 0
1 0 0 1 0 0
= a11 + a12 + a21
0 −1 0 0 1 0
1 0 0 1 0 0
= gen , , .
0 −1 0 0 1 0
88 Capítulo 5. Espacios y subespaciones vectoriales
Ejercicio 5.3 Sean V = P≤2 [x] y H = {p(x) ∈ P≤2 [x] : p′ (0) = 0}.
Encuentre un polinomio r(x) que pertenezca a H.
Muestre que H es subespacio vectorial de V .
Encuentre dos polinomios q1 (x) y q2 (x) tales que
Por definición de espacio generado, el polinomio 16x3 + 8x2 − 16x − 14 pertenece al espacio
generado gen{−5x2 + 4x + 1, 2x3 + x2 + 2x − 4, −5x3 + x + 5}, si 16x3 + 8x2 − 16x − 14 se escribe
como una combinación lineal de los polinomios −5x2 + 4x + 1, 2x3 + x2 + 2x − 4, −5x3 + x + 5.
Es decir, se debe determinar si existen escalares α1 , α2 , α3 ∈ R tales que
16x3 +8x2 −16x−14 = (2α2 −5α3 )x3 +(−5α1 +α2 )x2 +(4α1 +2α2 +α3 )x+(α1 −4α2 +5α3 )1.
Por lo tanto, el polinomio 16x3 + 8x2 − 16x − 14 pertenece al espacio generado gen{−5x2 + 4x +
1, 2x3 + x2 + 2x − 4, −5x3 + x + 5}.
1 1 −2 4
Ejercicio 5.5 Sea A = 2 3 −4 0 . Calcular el espacio nulo de A, Nu(A). Ayuda: ver
−7 2 1 −1
ejemplo 5.10. ■
90 Capítulo 5. Espacios y subespaciones vectoriales
α1 v1 + α2 v2 + . . . + αk vk = 0 ⇐⇒ α1 = α2 = . . . = αk = 0.
−2 2
Ejercicio 5.6 Muestre que el subconjunto , es un conjunto linealmente indepen-
3 5
diente. ■
1 0 0 1 0 0 0 0
Ejercicio 5.7 Muestre que el subconjunto , , , es un con-
0 0 0 0 1 0 0 1
junto linealmente independiente. ■
Ejemplo 5.23 El subconjunto {−x, x2 − 2x, 3x + 5x2 } ⊂ P≤2 [x] es un conjunto linealmente de-
pendiente. Se procede por definición. La siguiente igualdad de polinomios
muestra que el sistema de ecuaciones lineales en cuestión tiene infinitas soluciones parametrizadas
así: α1 = 13α3 , α2 = −5α3 y α3 = α3 variable libre. Por lo tanto {−x, x2 − 2x, 3x + 5x2 } es
linealmente dependiente. El lector puede verificar que al reemplazar α1 = 13α3 y α2 = −5α3 en
la igualdad de polinomios inicial, se obtiene que
Ejemplo 5.24 Sea An×p una matriz. El espacio columna de An×p , denotado por Col(A), es el
espacio generado por la columnas de A que son linealmente independientes. Para calcular el
espacio Col(A), es suficiente tomar las columnas de A que tienen pivotes al obtener la forma
escalonada reducida de A.
1 2 −2 3
Ejercicio 5.8 Calcular el espacio columna para la matriz A = 2 4 5 −2 ■
−3 4 −3 −1
gen{v1 , v2 , . . . , vk } = V.
es decir
1 0
gen , = R2 .
0 1
1 0
Además, el conjunto , = {⃗i, ⃗j} es linealmente indendiente. Dicho esto, la base
0 1
1 0
canónica para R es Bc =
2 , .
0 1
v1
En R3 , note que todo vector ⃗v = v2 se escribe así:
v3
v1 1 0 0 1 0 0
⃗v = v2 = v1 0 + v2 1 + v3 0 =⇒⃗v ∈ gen
0 , 1 , 0 ,
v3 0 0 1 0 0 1
es decir,
1 0 0
gen 0 , 1 , 0 = R3 .
0 0 1
1 0 0
Además, el conjunto 0 , 1 , 0 = {⃗i, ⃗j,⃗k} es linealmente indendiente. Dicho esto,
0 0 1
1 0 0
la base canónica para R es Bc =
3 0 , 1 , 0 .
0 0 1
Un argumento análogo, que se deja al lector, muestra que el conjunto
1 0 0 0
0 1 0 0
Bc = , ,
0 0 1 0 ,
0 0 0 1
Ahora bien, con el objetivo de escribir la base canónica para Rn se utiliza la siguiente notación.
Sea ei el vector en Rn cuya i-ésima entrada es igual a 1 y el resto son cero. Entonces, el conjunto
Bc = {e1 , e2 , . . . , en } es la base canónica para Rn .
94 Capítulo 5. Espacios y subespaciones vectoriales
es la base canónica para M2×3 (R). Adicionalmente, se puede mostrar que la base canónica para
M3×3 (R) está dada por el siguiente conjunto:
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
Bc = 0 0 0 , 0 0 0 , 0 0 0 , 1 0 0 , 0 1 0 , 0 0 1 ,
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 , 0 0 0 , 0 0 0 .
1 0 0 0 1 0 0 0 1
En general, para escribir la base canónica de Mn×p (R) se denota Ei j la matriz de n × p cuya
entrada i j es 1 y el resto son cero. Entonces, el conjunto Bc = {E11 , E12 , E13 , . . . , Ei j , . . . , Enp } es
la case canónica de Mn×p (R).
es decir
P≤2 [x] = gen{x2 , x, 1}.
Adicionalmente, el conjunto {x2 , x, 1} es linealmente independiente. Por lo tanto, la base canónica
para P≤2 [x] está dada por Bc = {x2 , x, 1}. Un argumento análogo muestra que el conjunto Bc =
{x3 , x2 , x, 1} es la base canónica para el espacio P≤3 [x]. En general la base canónica para el
espacio P≤n [x] está dada por el conjunto de polinomios Bc = {xn , xn−1 , . . . , x2 , x, 1}.
6. Transformaciones lineales
En esta sección se estudian las funciones que son compatibles con la estructura algebraica de los
espacios vectoriales.
La imagen bajo T de un vector en R2 se obtiene al evaluar las coordenadas del vector en la regla
que define a T . Por ejemplo,
−1 −1 − 1 −2 2 2−2 0 3 4
T = = ,T = = ,T =
1 2(−1) + 1 −1 2 2(2) + 2 6 −1 5
x
Para verificar que T es una transformación lineal se procede por definición. Sean⃗v1 = 1 ,⃗v2 =
y1
x2
∈ R2 . Los cálculos,
y2
x1 x2 x1 + x2 x1 + x2 − (y1 + y2 )
T (⃗v1 +⃗v2 ) = T + =T =
y1 y2 y1 + y2 2(x1 + x2 ) + (y1 + y2 )
98 Capítulo 6. Transformaciones lineales
x x x1 − y1 x2 − y2 x1 − y1 + x2 − y2
T 1 +T 2 = + =
y1 y2 2x1 + y1 2x2 + y2 2x1 + y1 + 2x2 + y2
x
muestran que T (⃗v1 +⃗v2 ) = T (⃗v1 ) + T (⃗v2 ). Por otro lado, si α ∈ R y ⃗v ∈ R2 , entonces
y
x αx αx − αy
T (α⃗v) = T α =T =
y αy 2(αx) + αy
y
x x−y α(x − y)
αT (⃗v) = αT =α = .
y 2x + y α(2x + y)
De lo cual, se sigue que T (α⃗v) = αT (⃗v). Por lo tanto, T : R2 → R2 es una transformación lineal.
Ejemplo 6.2 Sea A3×2 una matriz. Sea T : R2 → R3 definida por la regla T (⃗v) = A⃗v, donde
⃗v ∈ R2 . Note que, si ⃗v,⃗w ∈ R2 , entonces
Adicionalmente, si α ∈ R y ⃗v ∈ R2 , entonces
Ejemplo 6.3 Sea T : P≤2 [x] → M2×2 (R) definida por la regla:
2 2a0 − a2 a2 − 3a1
T (a2 x + a1 x + a0 ) = .
a2 + a1 a2 + a1 + a0
99
muestra que T (p(x)+q(x)) = T (p(x))+T (q(x)). Por otro lado, si α ∈ R y p(x) = a2 x2 +a1 x+a0
entonces, por definición de T , se tiene que
2αa0 − αa2 αa2 − 3αa1
T (α p(x)) = T (α(a2 x2 +a1 x+a0 )) = T αa2 x2 +αa1 x+αa0 ) =
αa2 + αa1 αa2 + αa1 + αa0
y
2 2a0 − a2 a2 − 3a1 α(2a0 − a2 ) α(a2 − 3a1 )
αT (p(x)) = αT (a2 x +a1 x+a0 ) = α = ,
a2 + a1 a2 + a1 + a0 α(a2 + a1 ) α(a2 + a1 + a0 )
luego T (α p(x)) = αT (p(x)). Por lo tanto, T : P≤2 [x] → M2×2 (R) es una transformación lineal.
Ejercicio 6.2 Verificar que la función T : R3 → P≤3 [x] definida por la regla
a
T b = (5a − 3b + c)x3 − (4b + c)x2 − 5a + b,
c
1 0 0
es una transformación lineal. Adicionalmente, calcular T 0, T 1 y T 0. ■
0 0 1
100 Capítulo 6. Transformaciones lineales
donde [v]V son las coordenadas de v ∈ V con respecto a la base canónica de V y [T (v)W ] son las
coordenadas de T (v) ∈ W con respecto a la base canónica de W . La matriz [AT ] se denomina la
matriz que representa a T en bases canónicas. En otras palabras, estudiar una T : V → W se traduce
en identificar las propiedades de la matriz [AT ] con respecto a las bases canónicas.
Ejemplo 6.4 Sea V = P≤2 [x]. Las coordenadas del polinomio p(x) = 3x2 − 5x + 7 con respecto a
la base canónica de P≤2 [x] son los coeficientes que acompañan a los elementos de la base canónica,
Bc = {x2 , x, 1} , es decir:
3
p(x) = 3x2 − 5x + 7 = 3(x2 ) + (−5)x + 7(1) =⇒ [p(x)]P≤2 [x] = −5 .
7
Adicionalmente, para el polinomio q(x) = −4x2 + 3, las coordenadas [q(x)]P≤2 [x] con respecto a la
base canónica están dadas por:
−4
q(x) = −4x2 + 3 = −4(x2 ) + (0)x + 3(1) =⇒ [q(x)]P≤2 [x] = 0 .
3
En general las coordenadas de un polinomio r(x) = a2 x2 +a1 x +a0 con respecto a la base canónica
están dadas por
a2
[r(x)]P≤2 [x] = a1 .
a0
Ejercicio 6.4 Calcular las coordenadas con respecto a la base canónica de los siguientes polino-
101
2 −4
Ejemplo 6.5 Sea V = M2×2 (R). Las coordenadas de la matriz A = con respecto a la
6 8
base canónica de M2×2
(R) corresponden
a los coeficientes
que
acompañana a los elementos de la
1 0 0 1 0 0 0 0
base canónica Bc = , , , , es decir
0 0 0 0 1 0 0 1
2
2 −4 1 0 0 1 0 0 0 0 −4
A= =2 + (−4) +6 +8 =⇒ [A]M2×2 (R) = .
6 8 0 0 0 0 1 0 0 1 6
8
3 0
De forma análoga, las coordenadas de la matriz B = con respecto a la base canónica
2 −5
están dadas por:
3
3 0 1 0 0 1 0 0 0 0 0
B= =3 +0 +2 + (−5) =⇒ [B]M2×2 (R) = .
2 −5 0 0 0 0 1 0 0 1 2
−5
a11 a12
En general, las coordenadas de una matriz E = con respecto a la base canónica están
a21 a22
dadas por:
a11
a12
[E]M2×2 (R) =
a21 .
a22
Ejercicio 6.5 Calcular las coordenadas con respecto a la base canónica de las siguientes matrices
en el respectivo espacio de matrices.
3 5 2 3 −8
A= ,C= .
−1 0 2 0 1
■
Ejemplo 6.6 En los espacios euclideanos las coordenadas de un vector con respecto a la base
canónica corresponde al mismo vector.
Ahora bien, para calcular la matriz de representación de T : V → W , [AT ], con respecto a las bases
canónicas se sigue el algoritmo a continuación:
1. Evaluar los elementos de la base canónica de V en la regla que define a la transformación.
2. Calcular los vectores coordenada con respecto a la base canónica de W .
102 Capítulo 6. Transformaciones lineales
Ejemplo 6.8 Sea T : R3 → M2×2 (R) la transformación lineal definida por la regla:
a
2a b+c
T b =
.
a − b + c 2a + 2b
c
2 2 0
Note que,
2 0 0 2a
a 0 1 1 a b + c a
[AT ] b =
1 −1 1
b
=
a − b + c = T b
.
c R3
c c
2 2 0 2a + 2b M 2×2 (R)
M (R)
2×2 M 2×2 (R)
Im(T ) = {T (v) : v ∈ V } ⊂ W,
se denomina la imagen de T .
Ejercicio 6.7 Muestre que para toda T : V → W transformación lineal. Los conjuntos Ker(T ) ⊂ V
y Im(T ) ⊂ W tienen estructura de subespacio vectorial. ■
Es importante notar que, para calcular los dos espacios asociados a una transformación lineal
T : V → W , es suficiente calcular la matriz [AT ], ya que [T (v)]W = [AT ][v]V . Así,
Para calcular Ker(T ), Im(T ), rango y nulidad de T es suficiente calcular la matriz que representa
canónicas, [AT
a T en bases ].
1 0 0
−3 1 0
1. T 0 =
,T 1 =
yT 0 =
.
0 1 0
0 0 1
1
−3 −3
2. T 0
= = ,
0 R2
0
0
R2
0
T 1 = 1 =
1
,
1 R2 1
0
R2
0
T 0 = 0 =
0
.
0 R2 0
1
R2
−3 1 0
3. [AT ] = .
0 1 0
Como Ker(T ) = Nu([AT ]), se soluciona el sistema de ecuaciones lineales [AT ]⃗x = 0; es decir
x
−3 1 0 0
y = . Al reducir la matriz aumentada [AT |0] se tiene que
0 1 0 0
z
1 − 13 0 0
−3 1 0 0 f1 →− 13 f1 f1 → f1 + 31 f2 1 0 0 0
−−−−−→ −−−−−−→
0 1 0 0 0 1 0 0 0 1 0 0
x
1 0 0 0 0
⇐⇒ y = ⇐⇒ x = 0, y = 0, z = z variable libre.
0 1 0 0 0
z
x 0 0 0
⇐⇒ y = 0 = z 0 = gen 0 = Ker(T ).
z z 1 1
Para determinar el espacio imagen de T , basta identificar las columnas de [AT ] que son linealmente
independientes; es decir se necesita identificar cuáles son las columnas que tiene pivote al reducir
la matriz [AT ].
−3 1 0 f1 → f1 − f2 −3 0 0 f1 →− 13 f1 1 0 0 −3 1
−−−−−−→ −−−−−→ =⇒ Im(T ) = gen , .
0 1 0 0 1 0 0 1 0 0 1
Ejercicio 6.8 Calcular el espacio nulo, el espacio imagen, el rango y la nulidad para la transfor-
mación lineal T : R3 → R2 definida por la regla:
a
a + b + c
T b = .
2a − 2c
c
■
Ejemplo 6.10 Sea T : M2×2 (R) → R3 la transformación lineal definida por la regla:
a+b
a b
T = a − c + 2d .
c d
2b − 3d
2.
1 1 1 1
1 0 0 1
T = 1 = 1 , T = 0 = 0 ,
0 0 R3 0 0 R3
0 R3
0 2 3 2
R
0 0 0 0
0 0 0 0
T = −1 = −1 , T = 2 = 2 .
1 0 R3 0 1 R3
0 R3
0 −3 R3
−3
1 1 0 0
3. [AT ] = 1 0 −1 2 .
0 2 0 −3
Ahora bien, para calcular el espacio nulo Ker(T ) y el espacio imagen Im(T ) se procede por
definición. El espacio nulo de T , Ker(T ), está determinado por la solución al sistema [AT ]⃗x = 0;
106 Capítulo 6. Transformaciones lineales
es decir,
1 1 0 0 0 1 1 0 0 0 1 1 0 0 0
f2 → f2 − f1 f2 →− f2
1 0 −1 2 0 −−−−−−→ 0 −1 −1 2 0 −−−−→ 0 1 1 −2 0
0 2 0 −3 0 0 2 0 −3 0 0 2 0 −3 0
1 1 0 0 0 1 1 0 0 0
f3 → f3 −2 f2 f3 →− 21 f3 f2 → f2 − f3
−−−−−−→ 0 1 1 −2 0 −−−−− → 0 1 1 −2 0 −−−−−−→
0 0 −2 1 0 0 0 1 − 21 0
x
1 0 0 32 3
1 1 0 0 0 0 1 0 0 2 0
0 1 0 − 3 0 −− f 1 → f 1 − f 2 y
2 −−−−→ 0 1 0 − 32 0 ⇐⇒ 0 1 0 − 32 z
= 0
1
0 0 1 −2 0 0 0 1 − 12 0 0 0 1 − 12 0
w
3
x = − 23 w 3
x −2w
3
−2
x + w = 0
2 y = 3 w
y 3w 3
⇐⇒ y − 32 w = 0 ⇐⇒ 2 ⇐⇒ = 21 = w 21
1 z w
1
z = 2w 2
2
z− 2w = 0
w 1
w = w, libre w
3
−
32
⇐⇒ Ker(T ) = gen 2 .
1
2
1
1 0 0 32
1 1 0 0
Reducción Gauss-Jordan
[AT ] = 1 0 −1 2 −−−−−−−−−−−−−→ 0 1 0 − 32 ,
0 2 0 −3 0 0 1 − 12
1 1 0
por lo tanto, Im(T ) = gen 1 , 0 , −1 .
0 2 0
Por último, se tiene que la nulidad de T , ν(T ) = 1 y que el rango de T , ρ(T ) = 3.
Ejemplo 6.11 Sea T : R4 → P≤2 [x] la transformación lineal definida por la regla:
a
b 2
c = (a + b)x + (b − c)x + a + 2d.
T
En este ejemplo, se calcula la matriz que representa a T en las bases canónicas y se deja al lector
determinar los espacios Ker(T ) y Im(T ) y sus respectivas dimensiones. La matriz [AT ] se obtiene
mediante los cálculos reportados a continuación:
107
1.
1 0 0 0
0 2 1 2 0 0
0 = x + 1, T 0 = x + x, T 1 = −x, T 0 = 2.
T
0 0 0 1
2.
1 0
0 1 1
2 1
2
T
0 = x + 1 P [x] = 0 , T
= x + x P [x] = 1 ,
≤2 0 ≤2
1 0
0 P≤2 [x]
0 P≤2 [x]
0 0
0 0 0 0
T
1 = [−x]P≤2 [x] = −1 , T
0 = [2]P≤2 [x] = 0 .
0 2
0 P [x]
1 P [x]
≤2 ≤2
1 1 0 0
3. [AT ] = 0 1 −1 0.
1 0 0 2
Como se puede ver en los ejemplos anteriores:
El número de columnas que no tienen pivotes al reducir la matriz que representa a una
transformación lineal en bases canónicas corresponde a la nulidad de dicha transformación.
El rango de una transformación lineal corresponde al número de pivotes de la matriz que
representa a la transformación en bases canónicas.
Ejercicio 6.9 Sea T : P≤2 [x] → M2×2 (R) la transformación lineal definida por la regla:
2 c − b 2c − 2b + a
T (ax + bx + c) =
3a b − c + 2a
El método de mínimos cuadrados está fundamentado por el siguiente resultado cuya demostración
se omite.
Sea Am×n una matriz cuyas columnas son linealmente independientes. Entonces el sistema de
ecuaciones lineales A⃗x = ⃗b admite una única solución x̂ de mínimos cuadrados dada por:
x̂ = (AT A)−1 AT⃗b.
Cabe mencionar que, dado el sistema de ecuaciones lineales A⃗x = ⃗b, el sistema normal asociado
AT A⃗x = AT⃗b es consistente y la solución corresponde a la solución de mínimos cuadrados x̂.
0 1
0 1 2 3 1 1 14 6
Luego, AT A = = , La solución de mínimos cuadrados viene
1 1 1 1 2 1 6 4
3 1
dada por el siguiente cálculo:
−1 1
m
= (AT A)−1 AT⃗y =
14 6 3 = 13 .
0 1 2 3
b 6 4 1 1 1 1 4 2
4
Sea {(xi , yi )}i=1,...,N un conjunto de puntos en el plano cartesiano. A partir de {(xi , yi )}i=1,...,N se
quiere encontrar la ecuación de la parábola y = ax2 + bx + c que mejor se ajusta a los datos dados.
Es decir, es necesario calcular el valor de los coeficientes, a, b y c. Ver figura a continuación:
112 Capítulo 7. Mínimos cuadrados
Así que, la relación entre las variables x y ln(y) es una función lineal. Entonces, al aplicar el ajuste
lineal para los datos {(xi , ln(yi ))}, i = 1, . . . , N, se tiene que:
ln(y1 ) = mx1 + ln(K)
ln(y1 ) x1 1
ln(y2 ) = mx2 + ln(K)
ln(y2 ) x2 1
m
⇐⇒ . = . . .
.. .. .. .. .. .. ln(K)
. = . + .
ln(yN ) xn 1
ln(yN ) = mxN + ln(K)
ln(x1 ) 1 y1
ln(x2 ) 1 y2
donde A = . .. e ⃗y = .. . Entonces, la solución por el método de mínimos cuadrados
.. . .
ln(xN ) 1 yN
es la siguiente
a
= (AT A)−1 AT⃗y.
b
8. Números complejos
Así que:
√
x2 + 1 = 0 ⇐⇒ x2 = −1 ⇐⇒ x = ± −1 ⇐⇒ x = ±i.
Definiciones
Un número complejo z es una pareja ordenada de números reales que se escribe de la siguiente
forma
z = a + bi,
√
donde i = −1, a, b ∈ R. El conjunto de los números complejos se denota así
C = {a + bi| a, b ∈ R}.
donde I denota la matriz identidad. Como todo sistema homogéneo, o bien, tiene única solución,
o bien, tiene infinitas soluciones, para este caso, se requiere que el sistema (A − λ I)⃗v = 0 admita
infintas soluciones, dado que los vectores propios son diferentes del vector nulo. Es decir,
det(A − λ I) = 0.
Proceso para calcular los valores y los vectores propios de una matriz
cuadrada
Sea An×n una matriz. Para calcular los valores propios y los vectores propios de A se implementa
el siguiente esquema.
1. Calcular la matriz A − λ I, donde I denota la matriz identidad.
2. Calcular el polinomio característico de A, p(λ ) = det(A − λ I).
3. Determinar las raíces del polinomio característico, p(λ ) = 0. Estos valores son los valores
propios λ de A.
4. Los vectores propios de A se obtienen al reemplazar cada valor propio λ de A en la matriz
A − λ I y resolver el sistema homogéneo asociado:
(A − λ I)⃗v = 0.
1 21 1 0
4 2 4 0 4 2 4 0
f2 → f2 − 21 f1 f1 → 14 f1
2 1 2 0 −−−−−−→ 0 0 0 0 −−−−→ 0 0 0 0
f3 → f3 − f1
4 2 4 0 0 0 0 0 0 0 0 0
1 1
a + b + c = 0 ⇐⇒ a = − b − c.
2 2
Luego, la solución al sistema homogéneo es
1 1
a −2b−c −2 −1
b = b = b 1 + c 0 .
c c 0 1
1
−2 −1
Por lo tanto, los vectores propios de A son ⃗v1 = 1 y ⃗v2 = 0 . Nótese que,
0 1
1 1 1
3 2 4 −2 2 −2
v1 = 2 0 2
A⃗ 1 = −1 = (−1) 1 = λ1⃗v1 ,
4 2 3 0 0 0
3 2 4 −1 1 −1
A⃗v2 = 2 0 2 0 = 0 = (−1) 0 = λ1⃗v2 .
4 2 3 1 −1 1
Para λ2 = 8:
3−8 2 4 −5 2 4
A − 8I = 2 −8 2 = 2 −8 2 .
4 2 3−8 4 2 −5
122 Capítulo 9. Diagonalización de matrices
−5 2 4 a 0
Se resuelve el sistema homogéneo, 2 −8 2 b = 0.
4 2 −5 c 0
−5 2 4 0 2 −8 2 0 1 −4 1 0
1 ←→ f 2 f1 → 12 f1
2 −8 2 0 −f− −−→ −5 2 4 0 −−−−→ −5 2 4 0
4 2 −5 0 4 2 −5 0 4 2 −5 0
1 −4 1 0 1 −4 1 0 1
f2 → f2 +5 f1 f3 → f3 + f2 f2 →− 18 f2
−−−−−−→ 0 −18 9 0 −−−−−−→ 0 −18 9 0 −−−−− −→
f3 → f3 −4 f1
0 18 −9 0 0 0 0 0
1 −4 1 0 1 0 −1 0 (
0 1 − 1 0 −f− 1 → f 1 +4 f 2
−−−−→ 0 1 − 12 0 ⇐⇒ a − c = 0
2
0 0 0 0 0 0 0 0 b − 12 c = 0
(
a=c
.
b = 12 c
9.0.2 Diagonalización
Sean An×n una matriz cuadrada y λ un valor propio de A. El conjunto de todos los vectores
propios de A con valor propio λ ,
Eλ = {⃗v ∈ Rn : A⃗v = λ⃗v},
se denomina subespacio propio con valor propio asociado λ . El lector puede verificar que el
subconjunto Eλ es subespacio vectorial de Rn . Asimismo, si λk es un valor propio de A, la cantidad
de veces que λk es raíz de p(λ ) corresponde a la multiplicidad algebraica de λk que se denotará
mult.alg.(λk ). La dimensión del subespacio propio Eλk se denomina la multiplicidad geométrica de
λk y se denota por mult.geo.(λk ).
Una matriz An×n es diagonalizable si existen una matriz diagonal D y una matriz invertible C, tales
que:
AC = CD ⇐⇒ A = CDC−1 ⇐⇒ C−1 AC = D.
Si para cada valor propio λ de A se tiene que
mult.alg.(λ ) = mult.geo.(λ ),
mult.alg.(λ1 ) = 2 = mult.geo.(λ1 ),
mult.alg.(λ2 ) = 1 = mult.geo.(λ2 ).
3 2 4
Por lo tanto, la matriz A = 2 0 2 es diagonalizable. En efecto, las matrices D y C son:
4 2 3
1
−1 0 0 −2 −1 1
D = 0 −1 0 , C =
1 0 12 .
0 0 8 0 1 1
se cumple.
1 0 1
Ejemplo 9.4 La matriz B = 0 0 0 es una matriz diagonalizable. En efecto, el polinomio
1 0 1
característico p(λ ) = det(B − λ I) = λ 2 (2 − λ ). Así que, los valores propios de B son λ1 = 0 y
λ2 = 2. Adicionalmente, el lector puede verificar que los vectores propios son:
−1 0
λ1 = 0 =⇒⃗v1 = 0 ,⃗v2 = 1 ,
1 0
1
λ2 = 2 =⇒⃗v3 = 0 .
1
De manera que, para i = 1, 2:
mult.alg.(λi ) = mult.geo.(λi ).
124 Capítulo 9. Diagonalización de matrices
mult.alg.(λi ) = mult.geo.(λi )
3 0 3
Ejercicio 9.1 Determinar si la matriz A = 2 5 −3 es diagonalizable. En el caso afirmativo,
1 0 5
determinar las matrices C y D tales que AC = CD. ■
−3 0 4
Ejercicio 9.2 Determinar si la matriz A = 0 4 1 es diagonalizable y en dado caso
0 −3 0
determinar las matrices C y D tales que AC = CD. ■
− 21 + 32 i 0
−1 − 3i 5 0 f1 ←→ f2 −2 1 − 3i 0 f1 →− 12 f1 1
−−−−→ −−−−−→
−2 1 − 3i 0 −1 − 3i 5 0 −1 − 3i 5 0
1 − 21 + 32 i 0
f2 → f2 −(−1−3i) f1 1 3 1 3
−−−−−−−−−−→ ⇐⇒ a + − + i b = 0 ⇐⇒ a = − i b
0 0 0 2 2 2 2
1 3 1 3 1 3 1 3
a 2 − 2i b 2 − 2i 2 − 2i −2
=⇒ = =b =⇒⃗v1 = = 2 +i .
b b 1 1 1 0
−1 + 3i 5
λ2 = 3 − 3i =⇒ A − (3 − 3i)I = y se reduce esta matriz:
−2 1 + 3i
− 21 − 32 i 0
−1 + 3i 5 0 f1 ←→ f2 −2 1 + 3i 0 f1 →− 12 f1 1
−−−−→ −−−−−→
−2 1 + 3i 0 −1 + 3i 5 0 −1 + 3i 5 0
1 − 21 − 23 i 0
f2 →(1−3i) f1 1 3 1 3
−−−−−−−→ ⇐⇒ a + − − i b = 0 =⇒ a = + i b
0 0 0 2 2 2 2
1 3 1 3 1 3 1 3
a 2 + 2 i b + i 2 + 2i
= =b 2 2 =⇒⃗v2 = = 2 +i 2 ,
b b 1 1 1 0
arrojan como resultado los vectores propios asociados a cada valor propio. Como se puede ver,
cada vector propio se escribe de la siguiente forma:
0 32 12
−3 0 0
D = 0 −1 0 , C = 0 1 0 .
0 0 −1 0 0 1
Esta sección es una breve introducción a los sistemas de ecuaciones diferenciales ordinarias
de primer orden lineales. Para empezar, una ecuación diferencial ordinaria es una ecuación que
involucra una función de una variable y su derivada de primer orden.
Ejemplo 10.1 Considere la siguiente ecuación diferencial:
dy
= y ⇐⇒ y′ = y ⇐⇒ y′ − y = 0.
dt
La solución de la ecuación está dada por la familia de funciones y(t) = kex , k ∈ R. Profesor L.
Euler.
orden lineales:
′
x (t) = x(t) + y(t) − z(t)
y′ (t) = 3x(t) − 5y(t)
′
z (t) = x(t) − 2y(t) + 3z(t)
La solución consta de tres funciones x(t), y(t) y z(t) cuyas derivadas cumplan las ecuaciones del
sistema en cuestión.
Ejemplo 10.4 Considere el siguiente sistema de ecuaciones diferenciales ordinarias de primer
orden lineales: (
x′ (t) = x(t) − 2y(t) + e2t
y′ (t) = x(t) + 4y(t) − e−t .
La solución es conformada por dos funciones x(t) y y(t) cuyas derivadas cumplan las dos
ecuaciones en cuestión.
De ahora en adelante, todos los sistemas de ecuaciones diferenciales ordinarios de primer orden
lineales estarán dados por dos ecuaciones y dos incógnitas.
x′ (t) = 0 = y′ (t).
Una solución del sistema (x(t), y(t)) es una solución estable si cuando t → ∞, la solución
(x(t), y(t)) converge al punto de equilibrio.
La solución del sistema se presenta en la forma de la solución analítica del sistema o en forma
de la solución cualitativa.
Ejemplo 10.5 Dado el siguiente sistema de ecuaciones diferenciales ordinarias de primer orden
129
lineales: (
x′ (t) = x(t) − 2y(t) + e2t
,
y′ (t) = x(t) + 4y(t) − e−t .
la representación matricial es
′ 2t
x (t) 1 −2 x(t) e
= + −t
y′ (t) 1 4 y(t) e
Note que el punto de equilibrio corresponde al origen (0, 0). Adicionalmente, la solución del
sistema es un punto de ensilladura, ya que λ1 < 0 < λ2 .
donde a, b, c, d ∈ R, las líneas de fase corresponden a las rectas x′ (t) = 0 e y′ (t) = 0. Es decir, son
los puntos donde no hay movimiento en dirección de los ejes coordenados de R2 . El diagrama de
fase es la representación gráfica del comportamiento de la solución del sistema en cuestión, en el
cual, se muestran las trayectorias que convergen al punto de equilibrio y las que no. Es importante
resaltar que, para construir el diagrama de fase del sistema en cuestión, es necesario conocer los
espacios propios de la matriz asociada al sistema. Con el objetivo de construir el diagrama de fase se
propone el siguiente esquema de solución:
Hallar las ecuaciones de las líneas de fase.
Analizar el movimiento de la solución (x(t), y(t)).
Determinar los espacios propios de la matriz asociada al sistema.
Clasificar la solución (x(t), y(t)).
Sintetizar toda la información recopilada en los pasos anteriores en una gráfica en R2 .
Ejemplo 10.7 Considere el sistema dado por:
(
x′ (t) = x(t) + y(t)
y′ (t) = 4x(t) + y(t).
Las líneas de fase para el sistema se obtiene por medio del siguiente cálculo:
x′ (t) = 0 ⇐⇒ x + y = 0 ⇐⇒ y = −x.
y′ (t) = 0 ⇐⇒ 4x + y = 0 ⇐⇒ y = −4x.
Análisis del movimiento de la solución:
Nudo inestable:
Las trayectorias determinadas por los espacio propios E1 y E2 son dinámicamente inestables.
Valores propios positivos.
Nudo estable:
Las trayectorias determinadas por los espacio propios E1 y E2 son dinámicamente estables.
Valores propios negativos.
Punto de ensilladura:
Foco estable:
Foco inestable:
Vértice:
Por consiguiente, el modelo de interacción entre las especies x e y está descrito a continuación.
”Variación infinitesimal de x- .Entra "Sale".
El sistema de ecuaciones diferenciales ordinarias de primer orden lineales que describe el compor-
tamiento del sistema acomplado de x e y es el siguiente:
(
x′ (t) = by(t) − (ax(t) + cx(t))
y′ (t) = ax(t) − (by(t) + ey(t)).
Se deja al lector que calcule la solución analítica y el diagrama de fase si se tiene que
1 9
a = , b = 2, c = , e = 3.
2 2
El punto de equilibrio es el origen (0, 0), y la solución analítica es una solución estable.
E1 = gen{⃗v1 }, E2 = gen{⃗v2 }.
En otras palabras, los espacios propios E1 y E2 son rectas en R2 dirigidas por los vectores
⃗v1 y ⃗v2 , respectivamente.
Las líneas de fase son las siguientes:
2
x′ = 0 ⇐⇒ 2x + 3y = 0 ⇐⇒ y = − x,
3
1
y′ = 0 ⇐⇒ −x − 2y = 0 ⇐⇒ y = − x.
2
Análisis del movimiento.
2
x′ > 0 ⇐⇒ y > − x ⇐⇒ La coordenada x aumenta,
3
y
1
y′ > 0 ⇐⇒ y < − x ⇐⇒ La coordenada y aumenta.
2
El punto de equilibro está dado por la solución de x′ = 0 e y′ = 0. Es decir,
(
2x + 3y = 0 2 3 x 0
⇐⇒ = ⇐⇒ x = 0, y = 0.
−x − 2y = 0 −1 −2 y 0
(I −C)⃗x =⃗e
MNT MT MB MNB E S
MNT 0.17 0.004 0 0.029 0 0.008
MT 0.003 0.295 0.018 0.002 0.004 0.016
MB 0.025 0.173 0.46 0.007 0.011 0.007
MNB 0.348 0.037 0.021 0.403 0.011 0.048
E 0.007 0.001 0.029 0.025 0.358 0.025
S 0.12 0.074 0.104 0.123 0.173 0.234
Adicionalmente, las demandas externas ejercidas sobre cada sector de la economía de Estados
Unidos se reportan a continuación:
MNT 99640
MT 75548
MB 14444
MNB 33501
E 23527
S 263985
Luego, las entradas de la matriz de tecnología C corresponden a las entradas dadas en la tabla de
demandas internas.
0,17 0,004 0 0,029 0 0,008
0,003 0,295 0,018 0,002 0,004 0,016
0,025 0,173 0,46 0,007 0,011 0,007
C= 0,348 0,037 0,021 0,403 0,011 0,048 .
0,007 0,001 0,029 0,025 0,358 0,025
0,12 0,074 0,104 0,123 0,173 0,234
139
Por lo tanto, el nivel de producción de cada sector industrial están dados por:
x1 131028,369
x2 120443,727
x3 −1
80644,9444
⃗x = = (I −C) ⃗e =
.
x4 178679,232
x5 65657,0183
x6 431259,17
Como la matriz de Leontief es una matriz invertible, la economía de Estados Unidos en 1958 es
una economía productiva.
Ejemplo 11.2 Una compañía ofrece tres servicios, a saber, diseño Web, software y networking.
Al considerar a la compañía como una economía abierta cuyas demanda interna (en dólares) viene
dada en la siguiente tabla:
Adicionalmente, la demanda externa para diseño Web es de 5400 dólares, para software de 2700
dólares y para networking de 900 dólares. Se denota por x1 , la cantidad de dólares que produce
el servicio de Diseño Web. Por x2 , se denota la cantidad de dólares que produce el servicio de
software, y por x3 , se denota la cantidad de dólares producidos por el servicio de networking. La
140 Capítulo 11. Modelo de insumo-producto abierto de Leontief
Ejemplo 11.3 Considere una economía abierta cuyas demanadas internas vienen dadas en la
siguiente tabla:
los siguientes:
x1 31500
⃗x = x2 = 26500 .
x3 26300
Ejercicio 11.1 La siguiente tabla describe una economía abierta compuesta por 3 sectores:
producción de energía eléctrica, extracción de carbón y procesos de manufactura.