Álgebra Lineal

HÉCTOR MANUEL DE LEÓN FILGUEREZ

 Algebra Lineal

Héctor Manuel De León Filguerez

Catedrático del departamento de Ciencias Básicas del Instituto
Tecnológico de Tepic.

Primera edición
2024
 Introducción iii

INTRODUCCION

Los apuntes representan un curso de Álgebra Lineal y algunas de sus aplicaciones. En donde se aprenderán
conocimientos de números complejos, matrices y determinantes, sistemas de ecuaciones lineales, espacios
vectoriales y transformaciones lineales.

Confiamos que este material pueda satisfacer las necesidades tanto del maestro como del estudiante de las carreras
de Ingeniería. Al revisar el contenido se pueden ver los subtemas que abundan a cada una de los cinco temas que
conforman el curso, el material es esencial para que el maestro pueda lograr su objetivo de enseñanza aprendizaje.
Otro objetivo de este curso es desarrollar en el estudiante de Ingeniería la capacidad de analizar cualquier problema
en forma sencilla y lógica.

En estos apuntes se parte de una la metodología propuesta que se centra en propiciar que el estudiante acceda a la
compresión y dominio de los contenidos en forma gradual y paulatina mediante aproximaciones cada vez más
generales y compresivas, a partir de su propia actividad y múltiples aplicaciones. Una acción importante es la
resolución de problemas como elemento de motivación y un medio de aprendizaje. Esto es necesario si se quiere
que el estudiante obtenga un conocimiento básico de los métodos analíticos. Se ha hecho lo posible por encauzar el
proceso de razonamiento de tal manera que aparte al estudiante de la tarea de memorizar. Este procedimiento no
solamente sirve para llamar la atención sobre los resultados importantes, sino también clasifica a dichos resultados
para futura referencia.

Esta obra tiene un cumulo de conocimientos en las áreas de Números Complejos, Matrices y Determinantes, Sistemas
de Ecuaciones Lineales, Espacios Vectoriales y Transformaciones Lineales, que son de gran importancia en la
formación del Ingeniero ya que vincula el aprendizaje con las aplicaciones en la Ingeniería.

En el desarrollo de este curso se describen una serie de ejemplos que ilustran y refuerzan el conocimiento de los
aspectos teóricos y de aplicaciones numéricas. Se trata de tener un equilibrio entre la teoría y la práctica para que el
interés de los estudiantes sea máximo.

Al final de cada sección se proporciona un conjunto de ejercicios, en buen número y muy variados, dispuestos en
orden de dificultad desde los más elementales hasta los de mayor grado de dificultad. Estos ejercicios están
distribuidos en dos partes una parte de apoyo para que el docente pueda explicar detalladamente y otra parte de
apoyo al estudiante para que pueda hacer su práctica extra clase.

Casi todas las aplicaciones son completamente independientes, pueden estudiarse tan pronto como se termine de
desarrollar el material necesario para una aplicación en particular.

Héctor M. D’León
 Contenido v

Contenido
Prologo iii

1 NÚMEROS COMPLEJOS 1

1.1 Definición y origen de los números complejos 2

1.2 Operaciones fundamentales con números complejos 8
1.3 Potencias de “i”, modulo o valor absoluto de un número
complejo 16
1.4 Forma polar y exponencial de un número complejo 20
1.5 Teorema de Moivre, potencias y extracción de raíces de un
número complejo 38
1.6 Ecuaciones polinómicas 50

2 MATRICES Y DETERMINANTES 59

2.1 Definición de matriz, notación y orden 60

2.2 Operaciones con matrices 62
2.3 Clasificación de las matrices 75
2.4 Transformaciones elementales por renglón.
Escalonamiento de una matriz. Rango de una matriz 78
2.5 Cálculo de la inversa de una matriz 79
2.6 Definición de determinante de una matriz 85
2.7 Propiedades de los determinantes 88
2.8 Inversa de una matriz cuadrada a través de la adjunta 89
2.9 Aplicaciones de matrices y determinantes 96

3 SISTEMA DE ECUACIONES LINEALES 113

3.1 Definición de sistemas de ecuaciones lineales 114

3.2 Clasificación de los sistemas de ecuaciones lineales y
tipos de solución 116
3.3 Interpretación geométrica de las soluciones 117
3.4 Métodos de solución de un sistema de ecuaciones
lineales: Gauss, Gauss – Jordán, Inversa de una matriz y
regla de Cramer 121
3.5 Aplicaciones 153
3.6 Solución de la inversa de una matriz 77
vi Contenido

4 ESPACIOS VECTORIALES 163

4.1 Definición de espacio vectorial 164

4.2 Definición de subespacio vectorial y sus propiedades 169
4.3 Combinación lineal. Independencia lineal 176
4.4 Base y dimensión de un espacio vectorial, cambio de base
187
4.5 Espació vectorial con producto interno y sus propiedades
199
4.6 Base ortonormal, proceso de ortonormalización Gram -
Schmid 207
4.7 Análisis marginal

5 TRANSFORMACIONES LINEALES 223

5.1 Introducción a las transformaciones lineales 224

5.2 Núcleo, e imagen de una transformación lineal 230
5.3 Matriz de una transformación lineal 239
5.4 Aplicaciones de las transformaciones lineales: Reflexión,
dilatación, contracción y rotación 254

Respuestas a ejercicios impares 257

Fórmulas Matemáticas 263
Alfabeto Griego 266
Bibliografía 267
 TEMA I NÚMEROS COMPLEJOS.

1.1 Definición y origen de los

Manejar los números complejos y las diferentes formas de
números complejos.
1.2 Operaciones fundamentales representarlos, así como las operaciones entre ellos para tener
con números complejos. una base de conocimiento a utilizar en ecuaciones diferenciales
1.3 Potencias de “i”, modulo o y en diferentes aplicaciones de ingeniería. Considérese que si
valor absoluto de un número 𝑎 𝑦 𝑏 son números reales y n es un entero positivo tal que 𝒃𝒏 =
complejo.
𝒂 entonces b se denomina raíz enésima de 𝑎 y si 𝑎 < 0 y n es
1.4 Forma polar y exponencial
de un número complejo. un número entero positivo par, no existe una raíz enésima real
1.5 Teorema de Moivre, de 𝑎, porque no existe ninguna raíz cuadrada real de un número
potencias y extracción de negativo. Entonces a fin de comprender las raíces cuadradas de
raíces de un número números negativos, se deben considerar los números
complejo.
complejos.
1.6 Ecuaciones polinómicas.

Competencias específicas a desarrollar

Interpretar los números complejos y las diferentes formas de representarlos, así como las
operaciones entre ellos para tener una base de conocimiento a utilizar en ecuaciones diferenciales
y en diferentes aplicaciones de ingeniería.

Indicadores de desempeño

• Definir los conceptos básicos y origen de los números complejos.

• Resolver operaciones con números complejos.
• Resolver ecuaciones polinómicas.
2
Tema 1. Números complejos

1.1 Definición y origen de los números complejos.

La primera referencia conocida a raíces cuadradas de números negativos proviene del trabajo de los matemáticos
griegos, como Heron de Alejandría en el siglo I antes de Cristo, como resultado de una imposible sección de una
pirámide. Los complejos se hicieron más patentes en el Siglo XVI, cuando la búsqueda de fórmulas que dieran las
raíces exactas de los polinomios de grados 2 y 3 fue encontrada por matemáticos italianos como Tartaglia, Cardano.
Aunque sólo estaban interesados en las raíces reales de este tipo de ecuaciones, se encontraban con la necesidad de
lidiar con raíces de números negativos. El término imaginario para estas cantidades fue acuñado por Descartes en el
Siglo XVII y está en desuso. La existencia de números complejos no fue completamente aceptada hasta la más abajo
mencionada interpretación geométrica que fue descrita por Wessel en 1799, redescubierta algunos años después y
popularizada por Gauss. La implementación más formal, con pares de números reales fue dada en el Siglo XIX. de
[𝐸1]

El termino número imaginario es una elección poco afortunada pero histórica y surgió del hecho de que una ecuación
tal como 𝑥 2 = −1 no tiene solución en el conjunto de los números reales. Ya desde el siglo XV, los Matemáticos
hallaron conveniente el considerar a una ecuación 𝑥 2 = −1 de la misma forma que una ecuació 𝑥 2 = 4, la cual tiene
soluciones reales. Desde su punto de vista un número cuyo cuadrado es – 1 no era real sino algo imaginario. René
Descartes en 1637 introdujo los términos reales (en francés, vrai) e imaginario (en francés, imaginaire) respecto de
los conjuntos de números y Leonhard Euler en 1748 utilizaron el símbolo i para representar un número cuyo cuadrado
es – 1. Los términos y los símbolos se han vuelto usuales, aunque los números imaginarios son entidades tan reales
como los números 7, −4 𝑦 √3 .

En los números reales se establece que si a y b son números reales y n es un entero positivo tal que 𝑏 𝑛 = 𝑎, entonces
b se denomina la raíz – enésima de a. Se indica que si 𝑎 < 0 y n un entero positivo par, no existe una raíz n – ésima
real de a porque una potencia par de un número real es un número no negativo. Por ejemplo, supóngase que en
𝑏 𝑛 = 𝑎 n es 2 y a es – 25. Entonces en 𝑏 2 = −25 no existe ningún número real que pueda sustituir a b en esta
ecuación. Por lo tanto, no existe ninguna raíz cuadrada real de –25.

Los números complejos tienen la capacidad de representar todas las raíces de los polinomios, cosa que con los reales
no era posible. Esto se consigue gracias a que los complejos hacen uso de una unidad imaginaria llamada número i,
que verifica la propiedad.

Cada complejo se representa en forma binomial como: 𝑧 = 𝑎 + 𝑏𝑖 “a” es la parte real del número complejo z, y “b”
es su parte imaginaria. Esto se expresa así: 𝑎 = 𝑅𝑒(𝑧) y 𝑏 = 𝐼𝑚(𝑧), en el plano de los números complejos. Desde
un punto de vista geométrico la recta real (recta que representa el total de números reales) puede ser vista como un
subconjunto del plano de los números complejos. Cada número complejo sería un punto en ese plano. Usando las
definiciones que siguen, se hacen posibles la suma, la resta, la multiplicación y la división entre estos puntos.

Representación gráfica del número complejo 𝑧 = 𝑎 + 𝑏𝑖

y = Im( z )

z = a + bi
b

x = Re( z )
a

Instituto Tecnológico de Tepic

 3
1.1 Definición y origen de los números complejos

Algunas veces, la representación de números complejos en la forma 𝑧 = 𝑎 + 𝑏𝑖, es menos conveniente que otra
representación, usando coordenadas polares. Representamos el número complejo z en el plano de números
complejos como un punto con coordenadas (𝑎, 𝑏), trazamos la distancia desde el punto (0, 0) hasta (𝑎, 𝑏), a la
que llamaremos r, y, que como hemos visto antes, es igual al módulo de z, expresado |𝑧|. Esta distancia forma, con
respecto al eje real positivo, un ángulo, denominado φ.

Generalmente restringimos φ al intervalo (−𝜋, 𝜋] y a éste φ restringido lo llamamos argumento principal de z y

escribimos 𝜑 = 𝑎𝑟𝑔(𝑧). Con este convenio, las coordenadas estarían unívocamente determinadas por z.

De modo que se desarrolla un conjunto de números que contiene el conjunto R de números reales como un
subconjunto y también contiene las raíces cuadradas de números negativos.

Tal conjunto se representa por C y se denomina el conjunto de los números complejos. Primero se requiere que el
conjunto C sea tal que el número real – 1 tenga una raíz cuadrada. Sea i un símbolo para un número en C cuyo
cuadrado es – 1; esto es, se define a i como un número tal que 𝑖 2 = −1.

Como todo número real debe ser un elemento de C, se deduce que si 𝑏 ∈ 𝑅, entonces 𝑏 ∈ 𝐶. Para que se cumpla la
ley de cerradura de la multiplicación, el número 𝑏𝑖, debe ser un elemento de C. Además, si 𝑎 ∈ 𝑅, entonces 𝑎 ∈ 𝐶 y
si se cumple la ley de la cerradura, el número 𝑎 + 𝑏𝑖 debe ser un elemento de C.

Definición 1.1 Números complejos

Al conjunto de todos los números de la forma binomial 𝑧 = 𝑎 + 𝑏𝑖 donde 𝑎, 𝑏 ∈ 𝑅 e 𝑖 2 = −1. Se denomina el

conjunto de los números complejos y se denota por C; esto es

𝑪 = {𝒂 + 𝒃𝒊|𝒂, 𝒃 ∈ 𝑹 𝒆 𝒊𝟐 = −𝟏}.

Para el número complejo 𝑧 = 𝑎 + 𝑏𝑖 el número a se denomina la parte real [𝑹𝒆(𝒛)] y el número b se denomina
la parte imaginaria [𝑰𝒎(𝒛)]. Si 𝑎 = 0, el número complejo se llama imaginario puro, si 𝑏 = 0 el número complejo
se reduce a un número real a. de [5]

Ejemplo 1 Forma 𝒂 + 𝒃𝒊 de un número complejo

Escribir el número complejo que se indica en la forma 𝒛 = 𝒂 + 𝒃𝒊.

a) √−9

√−9 = √32 (−1) = 3√−1 = 3𝑖

√−𝟗 = 𝟎 + 𝟑𝒊

b) √−81 + √48

√−81 + √48 = √92 (−1) + √3(4)2 = 3√−1 + 2√3 = 2√3 + 3𝑖

√−𝟖𝟏 + √𝟒𝟖 = 𝟐√𝟑 + 𝟑𝒊

Instituto Tecnológico de Tepic

4
Tema 1. Números complejos

c) √25 + √−25
√25 + √−25 = 5 + √52 (−1) = 5 + 5√−1 = 5 + 5𝑖

√𝟐𝟓 + √−𝟐𝟓 = 𝟓 + 𝟓𝒊

1.1 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver cada número complejo en la forma z = a + bi

25 16
1. −√ + 3√ −
64 49

2. √24 + 5√−27

3. 5 − 6√−4

Instituto Tecnológico de Tepic

 5
1.1 Definición y origen de los números complejos

4. (4 − 3√−16) + (−1 − √−4)

5. − 4√−81

6. − 4√−64 + 3√−25

Instituto Tecnológico de Tepic

6
Tema 1. Números complejos

7. 3√−50 + 5√−18 − 6√−200

8. 5√24 + 2√−3 − 3√54 + 3√−3

9. 2√−27 + 6√−3 − 5√−81

Instituto Tecnológico de Tepic

 7
1.1 Definición y origen de los números complejos

10. 5√−18 + 2√−32 − 3√48

11. 3√−48 + 2√−3 − 3√27

II. Ejercicios propuestos para resolver en extra clase.

12 – 21 Resuelve cada número complejo en la forma 𝒛 = 𝒂 + 𝒃𝒊

𝟑
√−𝟖 + √−𝟖 𝟐
𝟏𝟐. 𝟏𝟑. (√−𝟑 − √−𝟐)
𝟐

𝟏𝟒. (𝟓 + 𝟐√−𝟗) + (𝟑 + 𝟒√−𝟐𝟓) 𝟏𝟓. 𝟑√−𝟏𝟎𝟖 + 𝟓√−𝟐𝟕 − 𝟔√−𝟒𝟖

𝟏𝟔. (𝟓 − 𝟑√−𝟗) + (−𝟑 − √−𝟏) 𝟏𝟕. (√−𝟓 − 𝟑)(𝟐√−𝟓 + 𝟒)

𝟏𝟖. − 𝟒√−𝟖𝟏√−𝟐𝟕 𝟏𝟗. √−𝟐√−𝟑𝟐

𝟐𝟎. (√−𝟖 − 𝟏𝟓) − (𝟐√−𝟖 + 𝟕) 𝟐𝟏. √−𝟑√−𝟒𝟖 − 𝟓

Instituto Tecnológico de Tepic

8
Tema 1. Números complejos

1.2 Operaciones fundamentales con números complejos.

Propiedades de las operaciones con números complejos.

Sea 𝑧1 = 𝑎 + 𝑏𝑖 𝑦 𝑧2 = 𝑐 + 𝑑𝑖, entonces:

a) La condición necesaria y suficiente para que los números complejos 𝑧1 = 𝑎 + 𝑏𝑖 𝑦 𝑧2 = 𝑐 + 𝑑𝑖 sean iguales
es que a = c y b = d.

b) Para sumar dos números complejos 𝑧1 + 𝑧2 se suman, por una parte, las partes reales y por otra las imaginarias.

𝑧1 + 𝑧2 = (𝑎 + 𝑏𝑖) + (𝑐 + 𝑑𝑖) = 𝑎 + 𝑐 + (𝑏 + 𝑑)𝑖

c) Para restar dos números complejos z1 - z2 se restan, por una parte, las partes reales y por otra las imaginarias.

𝑧1 − 𝑧2 = (𝑎 + 𝑏𝑖) − (𝑐 + 𝑑𝑖) = 𝑎 − 𝑐 + (𝑏 − 𝑑)𝑖

d) Para multiplicar dos números complejos z1z2 se efectúa la operación como si se tratase de dos binomios
sustituyendo i2 por -1.

𝑧1 𝑧2 = (𝑎 + 𝑏𝑖)(𝑐 + 𝑑𝑖) = 𝑎𝑐 + 𝑎𝑑𝑖 + 𝑏𝑐𝑖 + 𝑏𝑑𝑖 2 = (𝑎𝑐 − 𝑏𝑑) + (𝑎𝑑 + 𝑏𝑐)𝑖

𝑧
e) Para dividir dos números complejos 1, se multiplican el numerador y denominador por el conjugado del
𝑧2
denominador y se sustituye 𝑖 2 por – 1.

𝑧1 𝑎 + 𝑏𝑖 (𝑎 + 𝑏𝑖)(𝑐 − 𝑑𝑖) (𝑎𝑐 + 𝑏𝑑)(−𝑎𝑑 + 𝑏𝑐)𝑖

= = =
𝑧2 𝑐 + 𝑑𝑖 (𝑐 + 𝑑𝑖)(𝑐 − 𝑑𝑖) 𝑐 2 − (𝑑𝑖)2

Propiedades de los números complejos.

1. Propiedad conmutativa de la suma: 𝑧1 + 𝑧2 = 𝑧2 + 𝑧1

2. Propiedad asociativa de la suma: (𝑧1 + 𝑧2 ) + 𝑧3 = 𝑧1 + (𝑧2 + 𝑧3 )

3. Propiedad conmutativa de la multiplicación: 𝑧1 𝑧2 = 𝑧2 𝑧1

4. Propiedad asociativa de la multiplicación: 𝑧1 (𝑧2 𝑧3 ) = (𝑧1 𝑧2 )𝑧3

5. Propiedad distributiva: 𝑧1 (𝑧2 + 𝑧3 ) = 𝑧1 𝑧2 + 𝑧1 𝑧3

Conjugado de un número complejo.

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

Dado el complejo 𝒛 = 𝒂 + 𝒃𝒊, se define su conjugado como 𝒛 = 𝒂 − 𝒃𝒊

El conjugado de un numero complejo es el reflejo respecto al eje x, como se muestra en la siguiente figura. de [5]

Instituto Tecnológico de Tepic

 9
1.2 Operaciones fundamentales con números complejos

y = Im( z )

z = a + bi
b

x = Re( z )
a

-b
z = a - bi

Ejemplo 2 Suma de dos números complejos

Resolver la suma de números complejos 𝒛 = (−𝟔 + 𝟐𝒊) + (𝟒 − 𝟓𝒊)

Se suma la parte real −6 + 4 = −2, se suma la parte imaginaria 2𝑖 + (−5𝑖) = −3𝑖

Entonces la suma de los complejos es

𝒛 = −𝟐 − 𝟑𝒊

Ejemplo 3 Resta de dos números complejos

Resolver la resta de números complejos 𝒛 = (−𝟏𝟎 − 𝟖𝒊) − (−𝟏 − 𝒊)

Se resta la parte real −10 − (−1) = −9, se resta la parte imaginaria −8𝑖 − (−𝑖) = −7𝑖

Entonces la resta de los complejos es

𝒛 = −𝟗 − 𝟕𝒊

Ejemplo 4 Multiplicación de dos números complejos

Resolver la multiplicación de números complejos 𝒛 = (−𝟑 + 𝟐𝒊)(−𝟔 + 𝟐𝒊)

Se multiplican los binomios (−3 + 2𝑖)(−6 + 2𝑖) = 18 − 6𝑖 − 12𝑖 + 4𝑖 2

Se simplifica y se aplica 𝑖 2 = −1. Obteniendo 18 − 6𝑖 − 12𝑖 + 4𝑖 2 = 18 − 18𝑖 + 4(−1)

Entonces la multiplicación de los complejos es

𝒛 = 𝟏𝟒 − 𝟏𝟖𝒊

Instituto Tecnológico de Tepic

10
Tema 1. Números complejos

Ejemplo 5 División de dos números complejos

𝟒−𝟓𝒊
Resolver la división de números complejos 𝒛 =
𝟔−𝟖𝒊

Se multiplican el numerador por el conjugado del denominador (4 − 5𝑖)(6 + 8𝑖) = 24 + 32𝑖 − 30𝑖 − 40𝑖 2
Se simplifica y se aplica 𝑖 2 = −1. Obteniendo 24 + 32𝑖 − 30𝑖 − 40𝑖 2 = 24 − 2𝑖 − 40(−1) = 64 − 2𝑖

Se multiplican el denominador por su conjugado (6 − 8𝑖)(6 + 8𝑖) = 36 + 48𝑖 − 48𝑖 − 64𝑖 2

Se simplifica y se aplica 𝑖 2 = −1. Obteniendo 36 − 64𝑖 2 = 36 − 64(−1) = 36 + 64 = 100

Entonces la multiplicación de los complejos es

64 − 2𝑖 𝟏𝟔 𝟏
𝑧= ∴ 𝒛= − 𝒊
100 𝟐𝟓 𝟓𝟎

Ejemplo 6 Valores de x e y de dos números complejos

Hallar el valor de x e y para que sea cierta la igualdad (𝒙 − 𝒊)(𝒚 + 𝟐𝒊) = 𝟒𝒙 + 𝒊

Se multiplican los binomios

𝑥𝑦 + 2𝑥𝑖 − 𝑦𝑖 − 2𝑖 2 = 4𝑥 + 𝑖
𝑥𝑦 + 2𝑥𝑖 − 𝑦𝑖 − 2(−1) = 4𝑥 + 𝑖 ∴ (𝒙𝒚 + 𝟐) + (𝟐𝒙𝒊 − 𝒚𝒊) = 𝟒𝒙 + 𝒊
𝑥𝑦 + 2𝑥𝑖 − 𝑦𝑖 + 2 = 4𝑥 + 𝑖

2𝑥𝑖 − 𝑦𝑖 = 𝑖
−2
2( ) 𝑖 − 𝑦𝑖 = 𝑖
𝑦−4 −2
𝑥=
𝑥𝑦 + 2 = 4𝑥 −4𝑖 𝑦−4
= 𝑦𝑖 + 𝑖 ∴
𝑥𝑦 − 4𝑥 = −2 𝑦−4
−2
𝑥(𝑦 − 4) = −2 −4𝑖 = (𝑦𝑖 + 𝑖)(𝑦 − 4) 𝑥=
−2 3−4
−4𝑖 = 𝑦 2 𝑖 − 4𝑦𝑖 + 𝑖𝑦 − 4𝑖 −2
𝑥=
𝑦−4 𝑦 2 𝑖 − 4𝑦𝑖 + 𝑦𝑖 − 4𝑖 + 4𝑖 = 0 𝑥=
−1
𝑦 2 𝑖 − 3𝑦𝑖 = 0 𝒙=𝟐
𝑦(𝑦𝑖 − 3𝑖) = 0
𝒚=𝟑

Entonces los valores de x e y son

𝒙=𝟐 𝒚 𝒚=𝟑

1.2 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver las operaciones de los números complejos.

Instituto Tecnológico de Tepic

 11
1.2 Operaciones fundamentales con números complejos

𝟏. 𝒛 = (𝟓 + 𝟒𝒊) + (𝟑 + 𝟐𝒊)

𝟐. 𝒛 = (𝟔 + 𝟑𝒊) − (𝟒 − 𝟐𝒊)

𝟑. 𝒛 = (𝟑 + 𝟐𝒊) − (𝟓 − 𝟑𝒊)

𝟐 𝟑 𝟑 𝟓
𝟒. 𝒛 = ( − 𝒊) − ( + 𝒊)
𝟑 𝟓 𝟒 𝟔

Instituto Tecnológico de Tepic

12
Tema 1. Números complejos

𝟑 𝟓 𝟏 𝟏
𝟓. 𝒛 = ( + 𝒊) + (− + 𝒊)
𝟐 𝟖 𝟒 𝟒

𝟔. 𝒛 = 𝟑(𝟐 − 𝒊)(𝟐 + 𝟑𝒊)(𝒊)

𝟏
𝟕. (𝟐 − 𝒊) − (𝟐 + 𝟑𝒊) + (𝟒 − 𝟒𝒊)
𝟐

𝟖. 𝒛 = (𝟐 − 𝒊)(𝟑 + 𝟐𝒊)(𝟏 − 𝟒𝒊)

Instituto Tecnológico de Tepic

 13
1.2 Operaciones fundamentales con números complejos

𝟗. 𝒛 = (𝟓 + 𝟑𝒊)(𝟐 − 𝟐𝒊)

𝟐√𝟑 + √𝟐𝒊
𝟏𝟎. 𝒛=
𝟑√𝟐 − 𝟒√𝟑𝒊

𝟓 + 𝟑𝒊
𝟏𝟏. 𝒛 =
𝟑 + 𝟐𝒊

Instituto Tecnológico de Tepic

14
Tema 1. Números complejos

𝟐𝒊(𝟐 − 𝒊)
𝟏𝟐. 𝒛 =
𝟏+𝒊

𝒛 𝟐𝒛 − 𝟓
𝟏𝟑. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐧ú𝐦𝐞𝐫𝐨 𝐜𝐨𝐦𝐩𝐥𝐞𝐣𝐨 𝐳 𝐪𝐮𝐞 𝐜𝐮𝐦𝐩𝐥𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝 + = 𝟏 + 𝟐𝒊
𝟐−𝒊 𝟐−𝒊

𝒛 𝟐𝒛 + 𝟓𝒊
𝟏𝟒. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐧ú𝐦𝐞𝐫𝐨 𝐜𝐨𝐦𝐩𝐥𝐞𝐣𝐨 𝐳 𝐪𝐮𝐞 𝐜𝐮𝐦𝐩𝐥𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝 + = 𝟐 + 𝟐𝒊
𝟑 + 𝟒𝒊 𝟏 − 𝟐𝒊

Instituto Tecnológico de Tepic

 15
1.2 Operaciones fundamentales con números complejos

II. Ejercicios propuestos para resolver en extra clase.

15 – 33 Resolver las operaciones de los números complejos.

𝟏𝟓. 𝒛 = (−𝟓 + 𝒊) − (𝟑 − 𝟖𝒊) 𝟏𝟔. 𝒛 = (−𝟑 + 𝟓𝒊) + (𝟔 − 𝟑𝒊) 𝟏𝟕. 𝒛

= (−𝟏 + 𝒊) − (−𝟑 + 𝟐𝒊)

𝟏 √𝟑 𝟏 √𝟑 𝟏+𝒊 𝟏−𝒊
𝟏𝟖 𝒛 = ( + 𝒊) (− + 𝒊) 𝟏𝟗. 𝒛 = ( )+( ) 𝟐𝟎. 𝒛
𝟐 𝟐 𝟐 𝟐 𝟏−𝒊 𝟏+𝒊
= (𝟓 + 𝟏𝟓𝒊) + (𝟐𝟎 − 𝟐𝒊)

𝟐𝟏. 𝒛 = (−𝟓 − 𝟒𝒊)(𝟑 − 𝟕𝒊) 𝟐𝟐. 𝒛 = (𝟐 + 𝟑𝒊) + (𝟒 − 𝒊) 𝟐𝟑. 𝒛 = (𝟑 + 𝟐𝒊) − (𝟔 + 𝟐𝒊)

𝟔 + 𝟑𝒊 𝟓 + 𝟑𝒊 𝟐+𝒊
𝟐𝟒. 𝒛 = 𝟐𝟓. 𝒛 = 𝟐𝟔. 𝒛 =
−𝟖 + 𝟒𝒊 𝟐 − 𝟒𝒊 𝟑 + 𝟒𝒊

𝟐𝟕. 𝒛 = (𝟑 + 𝒊)(𝟐 + 𝒊) − (𝟏 − 𝒊)(𝟐 − 𝟐𝒊) 𝟐𝟖. 𝒛 = (𝟑 − 𝟐𝒊) + (𝟏 + 𝟐𝒊)(𝟔 − 𝟐𝒊) − (𝟐 − 𝒊)

𝟐𝟗. 𝒛 = (𝟑 − 𝟐𝒊) + (𝟐 + 𝟐𝒊) − 𝟐(−𝟐 + 𝒊) 𝟑𝟎. 𝒛 = (𝒊 + 𝟏)(𝟑 − 𝟐𝒊)(𝟐 + 𝟐𝒊)

𝟐 (−𝟐𝒊)𝟐 (𝟏 + 𝟑𝒊) (𝟏 + 𝟑𝒊)(𝟏 + 𝟐𝒊)

𝟑𝟏. 𝒛 = 𝟓 − 𝟑 (𝟑 + 𝒊) 𝟑𝟐. 𝒛 = 𝟑𝟑. 𝒛 =
𝟑 𝟒 + 𝟒𝒊 𝟏+𝒊

𝟑𝟒. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝒎 𝐲 𝒏 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: (𝟑𝒎 + 𝟐𝒊) − (𝟓 − 𝟐𝒏𝒊) = 𝟐 − 𝟔𝒊

−𝟒 + 𝒙𝒊
𝟑𝟓. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐱 𝐞 𝐲 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: = 𝒚 + 𝟑𝒊
𝟐 + 𝟐𝒊

𝟑𝟔. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: 𝒛 + (𝟑 + 𝟐𝒊) = 𝟓 + 𝟐𝟎𝒊

𝟑𝟕. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: 𝒛 + (𝟏 + 𝒊) = 𝟏𝟖 + 𝟔𝒊

𝟑𝟖. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: 𝒛(𝟐 − 𝟐𝒊) = 𝟏𝟎 − 𝟐𝒊

𝟑𝟗. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: 𝒊 + (𝟑 + 𝟒𝒊) = 𝒛

𝒛
𝟒𝟎. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: =𝟐−𝒊
𝟑+𝒊

𝒛 𝟐𝒛 − 𝟐𝒊
𝟒𝟏. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: + = 𝟑 − 𝟐𝒊
−𝒛 𝟏−𝒊
𝒛
𝟒𝟐. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: + (𝟐 − 𝟑𝒊) = 𝟒 − 𝟒𝒊
𝟏+𝒊

𝟑+𝒊
𝟒𝟑. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: = 𝟏 + 𝟐𝒊
𝒛
𝒛
𝟒𝟒. 𝐇𝐚𝐥𝐥𝐚𝐫 𝐞𝐥 𝐯𝐚𝐥𝐨𝐫 𝐝𝐞 𝐳 𝐩𝐚𝐫𝐚 𝐪𝐮𝐞 𝐬𝐞𝐚 𝐜𝐢𝐞𝐫𝐭𝐚 𝐥𝐚 𝐢𝐠𝐮𝐚𝐥𝐝𝐚𝐝: + (𝟏 − 𝒊) = 𝟐 + 𝒊
𝟏 − 𝟐𝒊

Instituto Tecnológico de Tepic

16
Tema 1. Números complejos

1.3 Potencias de “i”, modulo o valor absoluto de un número complejo.

Como se vio anteriormente 𝑖 = √−1 entonces tenemos utilizando las propiedades de los exponentes tenemos:

𝒊𝟐 = −𝟏
𝟑 𝟐 (𝒊)
𝒊 =𝒊 = (−𝟏)𝒊 = −𝒊
𝒊 = (𝒊 ) = (−𝟏)𝟐 = 𝟏
𝟒 𝟐 𝟐

𝒊 = (𝒊𝟐 )𝟐 (𝒊) = (−𝟏)𝟐 (𝒊) = 𝒊

𝟓

En las determinaciones anteriores se observa que se obtienen los resultados 𝒊, −𝒊, 𝟏 𝒚 − 𝟏. Se puede hallar cualquier
potencia de entero positivo de i, y será uno de estos cuatro números, obtenidos anteriormente.

También se pueden calcular las potencias de i utilizando el siguiente método.

Como tenemos cuatro valores que se repiten en las potencias de i, se toma la máxima potencia de i, se divide entre
cuatro y el residuo es la potencia resultada de i.

Por ejemplo 𝑖 138 se toma el 138 y se divide entre 4 y resulta 34 con un residuo de 2, por lo tanto, 𝑖 138 = 𝑖 2 = −1

Ejemplo 7 Potencia de un número i

Hallar la potencia de 𝒊𝟗 .
𝒊𝟗 = (𝒊𝟐 )𝟒 ∙ 𝒊 = (−𝟏)𝟒 ∙ 𝒊 = 𝟏 ∙ 𝒊 = 𝒊
2
4 9
1

𝒊𝟗 = 𝒊𝟏 = 𝒊

Ejemplo 8 Potencia de un número i

Hallar la potencia de 𝒊𝟓𝟑𝟓 .

𝒊𝟓𝟑𝟓 = (𝒊𝟐 )𝟐𝟔𝟕 ∙ 𝒊 = (−𝟏)𝟐𝟔𝟕 ∙ 𝒊 = −𝟏 ∙ 𝒊 = −𝒊

133
4 535
3

𝒊𝟓𝟑𝟓 = 𝒊𝟑 = −𝒊

Ejemplo 9 Potencia de un número i

Hallar la potencia de 𝒊−𝟓𝟑 .

𝟏 𝟏 −𝒊𝟓𝟑 −𝒊𝟓𝟑 −(𝒊𝟐 )𝟐𝟔 ∙ 𝒊 −(𝟏) ∙ 𝒊 −𝒊

𝒊−𝟓𝟑 = 𝟓𝟑
= 𝟓𝟑
∙ 𝟓𝟑
= 𝟏𝟎𝟔
= 𝟐 𝟓𝟑
= 𝟓𝟑
= = −𝒊
𝒊 𝒊 −𝒊 −𝒊 −(𝒊 ) −(−𝟏) 𝟏
13 26
4 53 4 106
1 2

𝟏 𝟏 −𝒊𝟓𝟑 −𝒊𝟓𝟑 −(𝒊𝟏 ) −𝒊 −𝒊

𝒊−𝟓𝟑 = 𝟓𝟑
= 𝟓𝟑
∙ 𝟓𝟑
= 𝟏𝟎𝟔
= 𝟐
= = = −𝒊
𝒊 𝒊 −𝒊 −𝒊 −(𝒊 ) −(−𝟏) 𝟏

Instituto Tecnológico de Tepic

 17
1.3 Potencias de i modulo o valor absoluto de un número complejo

1.3 Ejercicios

I. Ejercicios propuestos para resolver en el Aula.

Hallar las siguientes potencias de “i”.

𝟏. 𝒊𝟐𝟑 𝟐. 𝒊𝟏𝟕

𝟏 𝟏
𝟑. 𝟒.
𝒊𝟑 𝒊𝟏𝟖

Instituto Tecnológico de Tepic

18
Tema 1. Números complejos

𝟓. (𝒊𝟒 + 𝒊𝟑 − 𝒊𝟐 + 𝟏)𝟐 𝟔. 𝒊𝟓𝟓

𝟏 𝟖. 𝒊−𝟔
𝟕.
𝒊𝟒

II. Ejercicios propuestos para resolver en extra clase.

9 – 24 Resolver las operaciones de los números complejos.

𝟏
𝟗. (−𝒊)−𝟏𝟓 𝟏𝟎. 𝟏𝟏. 𝒊−𝟐𝟑 𝟏𝟐. 𝒊𝟑𝟐𝟓𝟗
𝒊𝟐𝟑

𝟏 𝟑
𝟏𝟑. 𝒊𝟐𝟔 𝟏𝟒. (𝒊 − 𝟏)𝟐 − (−𝒊 − 𝟏)𝟐 + 𝒊𝟒 𝟏𝟓. 𝟏𝟔. + 𝒊𝟓 − (−𝟑𝒊 + 𝟐)𝟐
𝒊𝟏𝟒 𝟐𝒊
𝟐
𝟑 𝒊𝟕 − 𝒊−𝟕 𝟐𝒊𝟓 + 𝟑𝒊𝟏𝟕
𝟏𝟕. 𝒊𝟏𝟑𝟓𝟑 𝟏𝟖. (𝒊𝟓 + 𝒊−𝟏𝟐 ) 𝟏𝟗. 𝟐𝟎. ( )
𝟐𝒊 𝟏+𝒊

𝟏 𝒊𝟑𝟐 ∙ 𝒊𝟏𝟕 −𝟏
𝟐𝟏. (−𝒊)𝟑𝟔𝟏 𝟐𝟐. + 𝟓𝒊𝟗 𝟐𝟑. 𝟐𝟒.
𝒊𝟗 𝒊𝟐 ∙ 𝒊𝟑 (−𝟏)−𝟏𝟏

Instituto Tecnológico de Tepic

 19
1.3 Potencias de i modulo o valor absoluto de un número complejo

Interpretación geométrica de los números complejos

Se puede graficar un número complejo z en el plano x, y graficando 𝑅𝑒(𝑧) sobre el eje x e 𝐼𝑚 (𝑧) sobre el eje y.
Entonces se puede pensar que cada número complejo es un punto en el plano x, y. Con esta representación de
números complejos, el plano x, y se llama plano complejo o Diagrama de Argand como se muestra en la figura. de
[1]

y = Im( z )

b z = a + bi

r= z

 = arg( z )
x = Re( z )
a

Módulo o magnitud de un numero complejo.

Se llama módulo (o valor absoluto) de un número complejo la longitud del vector correspondiente a este número.
Para el módulo del número z se utiliza la notación |𝑧| que también se designa frecuentemente por la letra r. Según
el teorema de Pitágoras, para el módulo del número complejo 𝑧 = 𝑎 + 𝑏𝑖 se obtiene mediante la fórmula |𝒛| =
√𝒂𝟐 + 𝒃𝟐 que expresa el módulo del número complejo por su parte real e imaginaria.

Argumento de un número complejo.

Llámese argumento del número complejo 𝑧 ≈ 0, al valor del ángulo comprendido entre el sentido positivo del eje
real y el vector z. Para designar el argumento del número complejo 𝑧 = 𝑎 + 𝑏𝑖 se utiliza la notación
arg(𝑧) ó arg(𝑎 + 𝑏𝑖) y su valor dependerá de su ubicación en el plano de Argand, de manera que −𝜋 < arg 𝑧 ≤ 𝜋.
𝑨𝒓𝒈𝒖𝒎𝒆𝒏𝒕𝒐 𝒛
𝑺𝒆𝒂 𝒛 = 𝒂 + 𝒃𝒊 𝑬𝒏𝒕𝒐𝒏𝒄𝒆𝒔
𝒃
𝐚𝐫𝐠(𝒛) = 𝒕𝒈−𝟏 𝒔𝒊 𝒂 > 𝟎
𝒂
𝝅
𝐚𝐫𝐠(𝒛) = 𝒔𝒊 𝒂 = 𝟎 𝒚 𝒃 > 𝟎
𝟐
𝝅
𝐚𝐫𝐠(𝒛) = − 𝒔𝒊 𝒂 = 𝟎 𝒚 𝒃 < 𝟎
𝟐
𝒃
𝐚𝐫𝐠(𝒛) = 𝝅 − 𝒕𝒈−𝟏 | | 𝒔𝒊 𝒂 < 𝟎 𝒚 𝒃 > 𝟎
𝒂
𝒃
𝐚𝐫𝐠(𝒛) = −𝝅 + 𝒕𝒈−𝟏 𝒔𝒊 𝒂 < 𝟎 𝒚 𝒃 < 𝟎
𝒂
𝐚𝐫𝐠 𝟎 𝒏𝒐 𝒆𝒔𝒕𝒂 𝒅𝒆𝒇𝒊𝒏𝒊𝒅𝒐

Instituto Tecnológico de Tepic

20
Tema 1. Números complejos

1.4 Forma polar y exponencial de un número complejo.

Forma polar de un número complejo.

En muchas ocasiones, es muy conveniente expresar un número complejo en coordenadas polares en lugar de
rectangulares, ya que muchos cálculos se simplifican enormemente.

𝑏 𝑎
Si 𝑧 = 𝑎 + 𝑏𝑖 es un número complejo en forma binomial entonces, 𝑠𝑒𝑛 𝜃 = ∴ 𝑏 = 𝑟𝑠𝑒𝑛𝜃 y 𝑐𝑜𝑠 𝜃 = ∴ 𝑎=
𝑟 𝑟
𝑟𝑐𝑜𝑠𝜃, donde el módulo es 𝑟 = |𝑧| = √𝑎2 𝑏2
+ y el argumento de z es 𝜃 = arg 𝑧. Entonces sustituyendo en la forma
binomial del número complejo, obtenemos el número complejo en forma polar:

𝑧 = 𝑎 + 𝑏𝑖 = 𝑟 cos 𝜃 + 𝑖𝑟 sen 𝜃 𝑐𝑖𝑠 𝜃 = cos 𝜃 + 𝑟𝑖 sen 𝜃

𝑜 𝑏𝑖𝑒𝑛
𝒛 = 𝒓(𝐜𝐨𝐬 𝜽 + 𝒊 𝐬𝐞𝐧 𝜽) 𝒛 = 𝒓𝒄𝒊𝒔 𝜽
y = Im( z )

b z = r ( cos + isen  )

r= z
b = r sen 

 = arg( z )
x = Re( z )
a = r cos  a

Ejemplo 10 Forma polar de un número complejo

Expresar el número complejo 𝒛 = √𝟑 + 𝒊 en forma polar y representarlo en el diagrama de Argand.

2 1 𝜋
𝑟 = |𝑧| = √(√3) + 12 = √3 + 1 = √4 = 2 arg 𝑧 = 𝑡𝑔−1 = 30° =
√3 6

En forma polar

𝑧 = 2(𝑐𝑜𝑠30° + 𝑖𝑠𝑒𝑛30°) = 2𝑐𝑖𝑠30° 𝒛 = 𝟐𝒄𝒊𝒔𝝅𝟔

Representación geométrica.
y = Im( z )

1 z = 2cis /6

r=2

 = /6
x = Re( z )
3

Instituto Tecnológico de Tepic

 21
1.4 Forma polar y exponencial de un número complejo

1.4 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Expresar los siguientes números complejos en forma polar y trácelos en el plano de Argand.

𝟏. 𝒛 = √𝟑 − 𝒊

𝟐. 𝒛 = 𝟐 + 𝟑𝒊

Instituto Tecnológico de Tepic

22
Tema 1. Números complejos

𝟑−𝒊
𝟑. 𝒛=
𝟐+𝒊

𝟓+𝒊
𝟒. 𝒛=
𝟑+𝒊

Instituto Tecnológico de Tepic

 23
1.4 Forma polar y exponencial de un número complejo

𝟓. 𝒛 = −𝟏 + √𝟑𝒊

𝟔. 𝒛 = −𝟏 − 𝒊

II. Ejercicios propuestos para resolver en extra clase.

7 – 18 Expresar los siguientes números complejos en forma polar y trácelos en el plano de Argand.
𝟕. 𝒛 = −𝟓 + 𝒊 𝟖. 𝒛 = −𝟏 + 𝒊 𝟗. 𝒛 = −√𝟐 + √𝟔𝒊 𝟏𝟎. 𝒛 = √𝟑 + 𝒊
𝟏𝟏. 𝒛 = 𝟐 − √𝟑𝒊 𝟏𝟐. 𝒛 = 𝟐 − 𝟐𝒊 𝟏𝟑. 𝒛 = −√𝟐 + √𝟔𝒊 𝟏𝟒. 𝒛 = √𝟑 + 𝒊
𝟏𝟓. 𝒛 = 𝟓𝒊 𝟏𝟔. 𝒛 = −𝟕𝒊 𝟏𝟕. 𝒛 = 𝟐 + 𝟐√𝟑𝒊 𝟏𝟖. 𝒛 = 𝟏 + 𝒊

Instituto Tecnológico de Tepic

24
Tema 1. Números complejos

Operaciones de números complejos en forma polar

Multiplicación en forma polar. Sean 𝑧1 = 𝑟1 (cos 𝜃1 + 𝑖 sin 𝜃1 ) 𝑦 𝑧2 = 𝑟2 (cos 𝜃2 + 𝑖 sin 𝜃2 ) dos números escritos
en la forma polar. de [5]
𝑧1 𝑧2 = 𝑟1 (cos 𝜃1 + 𝑖 sin 𝜃1 )𝑟2 (cos 𝜃2 + 𝑖 sin 𝜃2 ) = 𝑟1 𝑟2 (cos 𝜃1 + 𝑖 sin 𝜃1 )(cos 𝜃2 + 𝑖 sin 𝜃2 )
𝑧1 𝑧2 = 𝑟1 𝑟2 (cos 𝜃1 cos 𝜃2 − sin 𝜃1 sin 𝜃2 + cos 𝜃1 𝑖 sin 𝜃2 + cos 𝜃2 𝑖 sin 𝜃1 )
𝑧1 𝑧2 = 𝑟1 𝑟2 [(cos 𝜃1 cos 𝜃2 − sin 𝜃1 sin 𝜃2 ) + 𝑖(cos 𝜃1 sin 𝜃2 + cos 𝜃2 sin 𝜃1 )]
Utilizando las identidades trigonométricas cos 𝜃1 cos 𝜃2 − sin 𝜃1 sin 𝜃2 = cos(𝜃1 + 𝜃2 ) y cos 𝜃1 sin 𝜃2 +
cos 𝜃2 sin 𝜃1 = sin(𝜃1 + 𝜃2 ), tenemos
𝑧1 𝑧2 = 𝑟1 𝑟2 [cos(𝜃1 + 𝜃2 ) + 𝑖 sin(𝜃1 + 𝜃2 )] ∴ 𝒛𝟏 𝒛𝟐 = 𝒓𝟏 𝒓𝟐 𝒄𝒊𝒔(𝜽𝟏 + 𝜽𝟐 )

El producto de complejos en general es:

𝒛𝟏 𝒛𝟐 𝒛𝟑 … 𝒛𝒏 = 𝒓𝟏 𝒓𝟐 𝒓𝟑 … 𝒓𝒏 𝒄𝒊𝒔(𝜽𝟏 + 𝜽𝟐 + 𝜽𝟑 + ⋯ + 𝜽𝒏 )

División en forma polar. Para el cociente se multiplica al numerador y al denominador por el conjugado del
denominador obteniendo. de [5]

𝑧1 𝑟1 (cos 𝜃1 + 𝑖 sin 𝜃1 ) cos 𝜃2 − 𝑖 sin 𝜃2 𝑟1 [cos 𝜃1 cos 𝜃2 + sin 𝜃1 sin 𝜃2 + cos 𝜃2 𝑖 sin 𝜃1 − cos 𝜃1 𝑖 sin 𝜃2 ]
= ∙ =
𝑧2 𝑟2 (cos 𝜃2 + 𝑖 sin 𝜃2 ) cos 𝜃2 − 𝑖 sin 𝜃2 𝑟2 (cos 2 𝜃2 + sin2 𝜃2 )

Utilizando las identidades trigonométricas cos 2 𝜃2 + sin2 𝜃2 = 1, cos 𝜃1 cos 𝜃2 + sin 𝜃1 sin 𝜃2 = cos(𝜃1 − 𝜃2 ) y
cos 𝜃2 sin 𝜃1 − cos 𝜃1 sin 𝜃2 = sin(𝜃1 − 𝜃2 ), tenemos

𝑧1 𝑟1 [𝑐𝑜𝑠(𝜃1 − 𝜃2 ) + 𝑖 sin(𝜃1 − 𝜃2 )] 𝑟1 𝒛𝟏 𝒓 𝟏
= = [𝑐𝑜𝑠((𝜃1 − 𝜃2 )) + 𝑖 sin(𝜃1 − 𝜃2 )] ∴ = 𝒄𝒊𝒔(𝜽𝟏 − 𝜽𝟐 )
𝑧2 𝑟2 (1) 𝑟2 𝒛𝟐 𝒓 𝟐

La división de complejos en forma general es

𝒛𝟏 𝒓 𝟏 𝒛𝟏 𝒓 𝟏
= [𝒄𝒐𝒔(𝜽𝟏 − 𝜽𝟐 ) + 𝒊𝒔𝒆𝒏(𝜽𝟏 − 𝜽𝟐 )] 𝒐 𝒕𝒂𝒎𝒃𝒊é𝒏 = 𝒄𝒊𝒔(𝜽𝟏 − 𝜽𝟐 )
𝒛𝟐 𝒓 𝟐 𝒛𝟐 𝒓 𝟐

Ejemplo 11 Multiplicación de números complejos en forma polar

𝒛𝟏 = 𝟐𝒄𝒊𝒔𝟑𝟎° 𝒚 𝒛𝟐 = 𝟑𝒄𝒊𝒔𝟏𝟐𝟎°. Representarlos geométricamente, así como también su producto 𝒛 = 𝒛𝟏 𝒛𝟐 .
𝟓𝝅
𝑧 = (2𝑐𝑖𝑠30°)(3𝑐𝑖𝑠120°) = (2)(3)𝑐𝑖𝑠(30° + 120°) = 6𝑐𝑖𝑠150° ∴ 𝒛 = 𝟔𝒄𝒊𝒔
𝟔
Representación en el diagrama de Argand.
y = Im( z )

 = 5/6

 2 = 120

r=6 r=3
r=2
 1 = 30
x = Re( z )

Instituto Tecnológico de Tepic

 25
1.4 Forma polar y exponencial de un número complejo

Ejemplo 12 División de números complejos en forma polar

Resolver la división en forma polar de 𝒛𝟏 = −𝟏 + √𝟑𝒊 𝒚 𝒛𝟐 = √𝟑 − 𝒊 y representarlo en forma polar.

2 √3 2𝜋
𝑟1 = √(−1)2 + (√3) = √1 + 3 = √4 = 2 arg 𝑧1 = 𝜋 − 𝑡𝑔−1 | | = 𝜋 − 60° =
−1 3

2 −1 𝜋
𝑟2 = √(√3) + (−1)2 = √3 + 1 = √4 = 2 arg 𝑧2 = 𝑡𝑔−1 = −30° = −
√3 6
𝑧1 2 2𝜋 𝜋 5𝜋 𝒛𝟏 𝟓𝝅
= 𝑐𝑖𝑠 [ − (− )] = 𝑐𝑖𝑠 ∴ = 𝒄𝒊𝒔 ( )
𝑧2 2 3 6 6 𝒛𝟐 𝟔

1.5 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Calcular las operaciones siguientes.
1. Sea 𝒛𝟏 = 𝟑𝒄𝒊𝒔𝟏𝟑𝟓° 𝒚 𝒛𝟐 = 𝟏𝟓𝒄𝒊𝒔𝟔𝟎° calcular en forma polar 𝒛𝟏 𝒛𝟐

𝒛𝟐 𝒛𝟑
2. Sea 𝒛𝟏 = 𝟏𝟖𝒄𝒊𝒔𝟏𝟐𝟓°, 𝒛𝟐 = 𝟗𝒄𝒊𝒔𝟑𝟓° 𝒚 𝒛𝟑 = 𝟓𝒄𝒊𝒔𝟕𝟎° calcular en forma polar
𝒛𝟏

Instituto Tecnológico de Tepic

26
Tema 1. Números complejos

𝟐𝝅 𝟓𝝅
3. Sea 𝒛𝟏 𝟒 𝒄𝒊𝒔 𝒚 𝒛𝟐 = 𝟓 𝒄𝒊𝒔 calcular en forma polar 𝒛𝟏 𝒛𝟐
𝟑 𝟔

𝝅 𝟏 𝟐𝝅 𝟐𝝅 𝒛𝟏 𝒛𝟑
4. Sea 𝒛𝟏 = 𝟐 𝒄𝒊𝒔 , 𝒛𝟐 = 𝒄𝒊𝒔 (− ) 𝒚 𝒛𝟑 = 𝟏𝟎 𝒄𝒊𝒔 calcular en forma polar
𝟔 𝟒 𝟑 𝟑 𝒛𝟐

Instituto Tecnológico de Tepic

 27
1.4 Forma polar y exponencial de un número complejo

𝟏 √𝟐𝟕 √𝟒𝟖 𝟏 𝒛𝟐
5. Sea 𝒛𝟏 = − + 𝒚 𝒛𝟐 = − − . Calcular en forma polar 𝒛𝟏 𝒛𝟐 𝒚
𝟑 𝟗 𝟏𝟔 𝟒 𝒛𝟏

II. Ejercicios propuestos para resolver en extra clase.

6 – 15 Calcular las operaciones siguientes.

𝟔. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝟐𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 𝒛𝟏 𝒛𝟐.

𝒛𝟏
𝟕. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝟐𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓
𝒛𝟐

𝟖. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊 𝒚 𝒛𝟑 = 𝟐 + 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 𝒛𝟏 𝒛𝟐 𝒛𝟑 .

𝒛𝟏 𝒛𝟐
𝟗. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊 𝒚 𝒛𝟑 = 𝟐 + 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟑

𝒛𝟐 𝒛𝟑
𝟏𝟎. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊 𝒚 𝒛𝟑 = 𝟐 + 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟏

𝒛𝟏 𝒛𝟑
𝟏𝟏. 𝑺𝒆𝒂 𝒛𝟏 = 𝟏 + 𝒊, 𝒛𝟐 = 𝟑 − 𝟐𝒊 𝒚 𝒛𝟑 = 𝟐 + 𝟐𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟐

𝟏𝟐. 𝑺𝒆𝒂 𝒛𝟏 = 𝟓 + 𝟓𝒊, 𝒛𝟐 = 𝟑 − 𝒊 𝒚 𝒛𝟑 = 𝟒 − 𝟒𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 𝒛𝟏 𝒛𝟐 𝒛𝟑 .

𝒛𝟏 𝒛𝟐
𝟏𝟑. 𝑺𝒆𝒂 𝒛𝟏 = 𝟓 + 𝟓𝒊, 𝒛𝟐 = 𝟑 − 𝒊 𝒚 𝒛𝟑 = 𝟒 − 𝟒𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟑

𝒛𝟐 𝒛𝟑
𝟏𝟒. 𝑺𝒆𝒂 𝒛𝟏 = 𝟓 + 𝟓𝒊, 𝒛𝟐 = 𝟑 − 𝒊 𝒚 𝒛𝟑 = 𝟒 − 𝟒𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟏

𝒛𝟏 𝒛𝟑
𝟏𝟓. 𝑺𝒆𝒂 𝒛𝟏 = 𝟓 + 𝟓𝒊, 𝒛𝟐 = 𝟑 − 𝒊 𝒚 𝒛𝟑 = 𝟒 − 𝟒𝒊, 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝒆𝒏 𝒇𝒐𝒓𝒎𝒂 𝒑𝒐𝒍𝒂𝒓 .
𝒛𝟐

Instituto Tecnológico de Tepic

28
Tema 1. Números complejos

Forma exponencial de un número complejo

El siguiente teorema nos proporciona una forma alterna para expresar un número complejo, que es en sí, la misma
forma polar solo que expresada en términos de la función exponencial. de [5]

La operación de elevar el número complejo 𝑒 𝑧 la potencia 𝑧 = 𝑎 + 𝑏𝑖 se determina por la formula 𝑒 𝑧 =

(𝑐𝑜𝑠𝑏 + 𝑖𝑠𝑒𝑛𝑏). Ahora pongamos en la formula 𝑧 = 𝑖𝜃 y resulta como 𝑒 𝑖𝜃 = (𝑐𝑜𝑠𝜃 + 𝑖𝑠𝑒𝑛𝜃), denominada formula
de Euler.

Para la demostración se utilizan las series de Maclaurin de las funciones exponencial, seno y coseno.

1 2 1 3
𝑒𝑥 = 1 + 𝑥 + 𝑥 + 𝑥 +∙∙∙
2! 3!
1 3 1 5 1 7
sin 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 = 𝑖𝜃 se tiene

1 1 1 1
𝑒 𝑖𝜃 = 1 + (𝑖𝜃) + (𝑖𝜃)2 + (𝑖𝜃)3 + (𝑖𝜃)4 + (𝑖𝜃)5 ∙∙∙
2! 3! 4! 5!

A partir de la definición 𝑖 2 = −1, se puede deducir que 𝑖 3 = −𝑖, 𝑖 4 = 1, 𝑖 5 = 𝑖, 𝑖 6 = −1 y así sucesivamente.

1 2 2 1 3 3 1 4 4 1 5 5
𝑒 𝑖𝜃 = 1 + 𝑖𝜃 + 𝑖 𝜃 + 𝑖 𝜃 + 𝑖 𝜃 + 𝑖 𝜃 ∙∙∙
2! 3! 4! 5!
1 1 1 1
𝑒 𝑖𝜃 = 1 + 𝑖𝜃 − 𝜃 2 − 𝑖𝜃 3 + 𝜃 4 + 𝑖𝜃 5 ∙∙∙ ∴ 𝒆𝒊𝜽 = (𝒄𝒐𝒔𝜽 + 𝒊𝒔𝒆𝒏𝜽)
2! 3! 4! 5!
1 1 1 1
𝑒 𝑖𝜃 = (1 − 𝜃 2 + 𝜃 4 ) + 𝑖 (𝜃 − 𝜃 3 + 𝜃 5 ) +∙∙∙
2! 4! 3! 5!

Cada número complejo z ≠ 0 se puede representar en la forma polar 𝒛 = 𝒓(𝒄𝒐𝒔𝜽 + 𝒊𝒔𝒆𝒏𝜽) y conjuntando la fórmula
de Euler y la forma polar se escribe de la forma 𝒛 = 𝒓𝒆𝒊𝜽 , que representa la notación del número complejo en la
forma exponencial.

Ejemplo 13 Forma exponencial de números complejos

√𝟑 𝟏
Representar en forma exponencial el número complejo 𝒛 = − 𝒊.
𝟖 𝟖

2
√3 1 2 3 1 4 2 𝟏
𝒓 = √( ) + (− ) = √ + =√ = =
8 8 64 64 64 8 𝟒

1
−
𝐚𝐫𝐠 𝒛 = 𝑡𝑔 −1 8 = 𝑡𝑔−1 −1 = −30° = − 𝝅
√3 √3 𝟔
8

𝟏 −𝒊𝝅
𝒛= 𝒆 𝟔
𝟒

Instituto Tecnológico de Tepic

 29
1.4 Forma polar y exponencial de un número complejo

Ejemplo 14 Forma exponencial de números complejos

𝝅
Convertir 𝒛 = 𝟔𝒆𝒊𝟔 de la forma exponencial a la forma cartesiana.

𝑒 𝑖𝜃 = (𝑐𝑜𝑠𝜃 + 𝑖𝑠𝑒𝑛𝜃)

𝜋 𝜋 𝜋 √3 1
6𝑒 𝑖 6 = 6 (𝑐𝑜𝑠 + 𝑖𝑠𝑒𝑛 ) = 6 ( + ) = 3√3 + 3𝑖
6 6 2 2

𝝅
𝟔𝒆𝒊𝟔 = 𝟑√𝟑 + 𝟑𝒊

1.6 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Convertir los siguientes números complejos de la forma exponencial a la forma binomial.
𝟓𝝅
𝟏. 𝒛 = 𝟒𝒆𝒊 𝟔

𝝅
𝟐. 𝒛 = 𝟐𝒆𝒊𝟑

Instituto Tecnológico de Tepic

30
Tema 1. Números complejos

𝟏 𝒊𝟑𝝅
𝟑. 𝒛= 𝒆 𝟒
𝟐

𝟑𝝅
𝟒. 𝒛 = 𝟒𝒆𝒊 𝟐

II. Ejercicios propuestos para resolver en extra clase.

5 – 16 Convertir los siguientes números complejos de la forma exponencial a la forma cartesiana.

𝟏 −𝒊𝟏𝟕𝝅 𝟏𝟗𝝅 𝟏𝟓𝝅 𝟕𝝅

𝟓. 𝒛 = 𝒆 𝟑 𝟔. 𝒛 = 𝟓𝒆𝒊 𝟒 𝟕. 𝒛 = √𝟑𝒆𝒊 𝟒 𝟖. 𝒛 = 𝟐𝒆𝒊𝟏𝟐
𝟐
𝟏𝟕𝝅 𝟏𝟑𝝅 𝝅 𝟏𝟏𝝅
𝟗. 𝒛 = 𝟑𝒆𝒊 𝟑𝟔 𝟏𝟎. 𝒛 = 𝟒𝒆𝒊 𝟑𝟔 𝟏𝟏. 𝒛 = √𝟐𝒆𝒊𝟏𝟐 𝟏𝟐. 𝒛 = 𝟓𝒆𝒊 𝟗𝟎

𝟐𝝅 𝟏𝟕𝝅 𝟒𝝅 𝝅
𝟏𝟑. 𝒛 = 𝟖𝟏𝒆−𝒊 𝟑 𝟏𝟒. 𝒛 = 𝟔𝒆−𝒊 𝟏𝟖 𝟏𝟓. 𝒛 = 𝟏𝟎𝒆−𝒊 𝟗 𝟏𝟔. 𝒛 = 𝟖𝒆−𝒊𝟑

Instituto Tecnológico de Tepic

 31
1.4 Forma polar y exponencial de un número complejo

Ejemplo 15 Forma exponencial de números complejos

𝝅 𝝅
(− √𝟑+𝒊)(𝒄𝒐𝒔 − 𝒊𝒔𝒆𝒏 )
𝟏𝟐 𝟏𝟐
Escribir en forma exponencial el número complejo 𝒛 =
𝟏−𝒊

2 𝟓𝝅
1 5𝜋
𝑟1 = √(−√3) + (1)2 = √3 + 1 = √4 = 2 arg 𝑧1 = 𝜋 − 𝑡𝑔−1 | | = 𝜋 − 30° = 𝒛𝟏 = 𝟐𝒆𝒊 𝟔
−√3 6

𝜋 𝜋
𝑐𝑜𝑠 = 0.9659 = 𝑐𝑜𝑠 (− ) 𝝅
12 12
𝑟2 = 1 𝜋 𝜋
𝒛𝟐 = 𝒆−𝒊𝟏𝟐
−𝑠𝑒𝑛 = −0.2588 = 𝑠𝑒𝑛 (− )
12 12

𝝅
−1 𝜋
𝑟3 = √(1)2 + (−1)2 = √1 + 1 = √2 arg 𝑧3 = 𝑡𝑔−1 = −45° = − 𝒛𝟑 = √𝟐𝒆−𝒊𝟒
1 4

5𝜋 𝜋
2𝑒 𝑖 6 𝑒 −𝑖12 5𝜋 𝜋 𝜋 5𝜋 𝜋 𝜋
)
𝑧= 𝜋 = √2𝑒 𝑖 6 𝑒 −𝑖12 𝑒 𝑖 4 = √2𝑒 𝑖( 6 −12+ 4 = √2𝑒 𝑖𝜋 ∴ 𝒛 = √𝟐𝒆𝒊𝝅
−𝑖 4
√2𝑒

Al conocer la fórmula de Euler, se puede escribir la fórmula para la elevación de un número complejo a una potencia
natural del modo siguiente 𝒛𝒏 = (𝒓𝒆𝒊𝜽 )𝒏 = 𝒓𝒏 𝒆𝒊𝒏𝜽

Ejemplo 16 Forma exponencial de números complejos

Representar en forma exponencial el número complejo z = (-1 + i)5

1 3𝜋
𝑟 = √(−1)2 + (1)2 = √1 + 1 = √2 arg 𝑧 = 𝜋 − 𝑡𝑔−1 | | = 𝜋 − 45° =
−1 4

5 3𝜋 15𝜋 𝜋 𝝅
𝑧 5 = (√2) 𝑒 𝑖(5) 4 = 4√2𝑒 𝑖 4 = 4√2𝑒 −𝑖 4 ∴ 𝒛𝟓 = 𝟒√𝟐𝒆−𝒊𝟒

1.7 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Representar en forma exponencial los números complejos
𝝅 𝝅
(𝟏 − √𝟑𝒊) (− 𝒄𝒐𝒔 + 𝒊𝒔𝒆𝒏 )
𝟏. 𝒛= 𝟕 𝟕
𝟑√𝟑 + 𝟑𝒊

Instituto Tecnológico de Tepic

32
Tema 1. Números complejos

Instituto Tecnológico de Tepic

 33
1.4 Forma polar y exponencial de un número complejo

𝝅 𝝅
(− √𝟏𝟐 − 𝟐𝒊) (− 𝒄𝒐𝒔 − 𝒊𝒔𝒆𝒏 )
𝟐. 𝒛= 𝟔 𝟔
𝟏 √𝟑
𝟐+ 𝟐 𝒊

Instituto Tecnológico de Tepic

34
Tema 1. Números complejos

𝟏𝟐
𝟏 √𝟑
𝟑. 𝒛 = (− − 𝒊)
𝟐 𝟐

𝟑𝝅 𝟑𝝅 𝟓
𝟒. 𝒛 = [𝟒 (𝒄𝒐𝒔 𝟒 + 𝒊𝒔𝒆𝒏 𝟒 )]

Instituto Tecnológico de Tepic

 35
1.4 Forma polar y exponencial de un número complejo

𝟓
𝟓. 𝒛 = (𝟏 + √𝟑𝒊)

Instituto Tecnológico de Tepic

36
Tema 1. Números complejos

𝟒
𝟔. 𝒛 = (−𝟒 + √𝟒𝟖𝒊)

Instituto Tecnológico de Tepic

 37
1.4 Forma polar y exponencial de un número complejo

II. Ejercicios propuestos para resolver en extra clase.

7– 12 Representar en forma exponencial los números complejos.

𝟓𝝅 𝟓𝝅 𝟔 (−𝟑 + √𝟐𝟕𝒊)[𝟒(−𝒄𝒐𝒔𝟑𝝅𝟒
− 𝒊𝒔𝒆𝒏𝟑𝝅
𝟒
)] 𝟒
𝟕. 𝒛 = [𝟑 (𝒄𝒐𝒔 𝟒 + 𝒊𝒔𝒆𝒏 𝟒 )] 𝟖. 𝒛 = 𝟗. 𝒛 = (−𝟑√𝟐 + 𝟑√𝟐𝒊)
𝟑
𝟑− 𝒊
√𝟑

𝟓𝝅 𝟓𝝅 𝟒
(−𝟑 + √𝟑𝒊) [𝟑 (𝒄𝒐𝒔(−𝝅𝟒) − 𝒊𝒔𝒆𝒏(−𝝅𝟒))] 𝟓
𝟏𝟎. 𝒛 = [𝟔 (𝒄𝒐𝒔 𝟔 + 𝒊𝒔𝒆𝒏 𝟔 )] 𝟏𝟏. 𝒛 = 𝟏𝟐. 𝒛 = (−𝟐√𝟑 + 𝟐𝒊)
𝟑
−𝟑 + 𝒊
√𝟑

1.5 Teorema de Moivre, potencias y extracción de raíces de un número complejo.

Teorema de Moivre.

Si n es un entero positivo y 𝒛 = 𝒓(𝐜𝐨𝐬 𝜽 + 𝒊 𝐬𝐞𝐧 𝜽), entonces 𝒛𝒏 = 𝒓𝒏 (𝐜𝐨𝐬 𝒏𝜽 + 𝒊 𝐬𝐞𝐧 𝒏𝜽) o bien 𝒛𝒏 = 𝒓𝒏 𝒄𝒊𝒔 𝒏𝜽,
la expresión anterior se conoce como fórmula de Moivre.

El teorema de Moivre no solo es cierto para n natural, sino que también es cierto para enteros negativos, para n
racional e irracional, es decir, es válida para toda n real.

𝟏
𝐏𝐚𝐫𝐚 𝒏 𝐧𝐞𝐠𝐚𝐭𝐢𝐯𝐨: 𝒛−𝒏 = (𝒓 𝒄𝒊𝒔 𝜽)−𝒏 = 𝒄𝒊𝒔 (−𝒏 𝜽)
𝒓𝒏
𝒎 𝒎 𝒎
𝑷𝒂𝒓𝒂 𝒏 𝒓𝒂𝒄𝒊𝒐𝒏𝒂𝒍: 𝒛 𝒕 = 𝒓 𝒕 𝒄𝒊𝒔 [( ) (𝜽)]
𝒕

Ejemplo 17 Teorema de Moivre

Elevar a la potencia 9 el número complejo 𝒛 = √𝟑 − 𝒊.

2 −1 𝜋
𝑟 = √(√3) + (−1)2 = √3 + 1 = √4 = 2 arg 𝑧 = 𝑡𝑔−1 = −30° = −
√3 6

9
(√3 − 𝑖) = 29 [𝑐𝑜𝑠(9)(−30°) + 𝑖𝑠𝑒𝑛(9)(−30°)] = 512(𝑐𝑜𝑠(−270°) + 𝑖𝑠𝑒𝑛(−270°))

9 𝝅
(√3 − 𝑖) = 512𝑐𝑖𝑠90° ∴ 𝒛𝟗 = 𝟓𝟏𝟐𝒄𝒊𝒔 ( )
𝟐

Ejemplo 18 Teorema de Moivre

Elevar a la potencia −𝟑 el número complejo 𝒛 = 𝟐𝒄𝒊𝒔𝟒𝟓°.

1 1 3𝜋 𝟏 𝟑𝝅
𝑧 −3 = (2𝑐𝑖𝑠45°)−3 = 2−3 𝑐𝑖𝑠(−3)(45°) = 3
𝑐𝑖𝑠(−135°) = 𝑐𝑖𝑠 (− ) ∴ 𝒛−𝟑 = 𝒄𝒊𝒔 (− )
2 8 4 𝟖 𝟒

Instituto Tecnológico de Tepic

38
Tema 1. Números complejos

Ejemplo 19 Teorema de Moivre

𝟐
Sea 𝒛 = 𝟐𝒄𝒊𝒔𝟔𝟎°, obtener 𝒛𝟑
2 2 2 2 3 3 2𝜋 𝟐 𝟑 𝟐𝝅
𝑧 3 = (2𝑐𝑖𝑠60°)3 = 23 𝑐𝑖𝑠 ( ) (60°) = √4𝑐𝑖𝑠(40°) = √4𝑐𝑖𝑠 ( ) ∴ 𝒛𝟑 = √𝟒𝒄𝒊𝒔 ( )
3 9 𝟗

1.8 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Utilice el teorema de Moivre para hallar la potencia indicada.
1. Elevar a la potencia 14 el número complejo 𝒛 = 𝒄𝒊𝒔 𝟕𝟓°

𝝅 𝝅
2. Elevar a la potencia 4 el número complejo 𝒛 = (𝒄𝒐𝒔 + 𝒊𝒔𝒆𝒏 )
𝟒 𝟒

𝟓𝝅
3. Elevar a la potencia 30 el número complejo 𝒛 = 𝟔 𝒄𝒊𝒔
𝟔

Instituto Tecnológico de Tepic

 39
1.5 Teorema de Moivre, potencias y extracción de raíces

𝟑 𝟏 𝟑
4. Elevar a la potencia el número complejo 𝒛 = + 𝒊
𝟐 𝟒 𝟒

5. Elevar a la potencia -5 el número complejo 𝒛 = 𝟐 + 𝟐√𝟓𝒊

−𝟕
6. Utilice el teorema de Moivre para hallar la potencia indicada del número complejo 𝒛 = (𝟐 − √𝟏𝟐𝒊) .

Instituto Tecnológico de Tepic

40
Tema 1. Números complejos

II. Ejercicios propuestos para resolver en extra clase.

7 – 15 Utilice el teorema de Moivre para hallar la potencia indicada.
𝟏𝟎 𝟏𝟓
𝟕. 𝒛 = (𝟐 − √𝟏𝟐𝒊) 𝟖. 𝒛 = (−𝟐√𝟑 + 𝟐𝒊) 𝟗. 𝒛 = (−𝟐 + 𝟐𝒊)𝟐𝟔
−𝟓 −𝟔
𝟏𝟎. 𝒛 = (𝟏 − 𝒊)−𝟕 𝟏𝟏. 𝒛 = (−√𝟑 − 𝒊) 𝟏𝟐. 𝒛 = (−𝟐 − 𝟐√𝟑𝒊)
𝟑 𝟑 𝟓
𝟏𝟑. 𝒛 = (𝟑 − √𝟐𝟕𝒊)𝟐 𝟏𝟒. 𝒛 = (−𝟏 + 𝒊)−𝟒 𝟏𝟓. 𝒛 = (−𝟏 + √𝟑𝒊)𝟑
Raíces n-esimas de un número complejo
𝟏 𝟏
𝟏
Si n es un número fraccionario positivo entonces en forma polar obtenemos 𝒛𝒏 = 𝒓𝒏 𝒄𝒊𝒔 𝜽, donde 𝜽 = 𝜽 + 𝟐𝝅𝒌.
𝒏
𝒊𝜽
También si 𝒛 = 𝒓𝒆 es un número complejo distinto de cero y n es un entero positivo, entonces, puede ser también
escrita, merced a la fórmula de Euler, en una forma más compacta. De esta manera, tenemos
𝟏 𝜽 + 𝟐𝝅𝒌 𝟏 𝜽+𝟐𝝅𝒌
)
𝒛𝒌 = 𝒓𝒏 𝒄𝒊𝒔 ( ) 𝒐 𝒛𝒌 = 𝒓𝒏 𝒆𝒊( 𝒏
𝒏
𝒑𝒂𝒓𝒂 𝒌 = 𝟎, 𝟏, 𝟐, 𝟑, … … … , 𝒏 − 𝟏

Ejemplo 20 Raíz enésima

Encontrar las cinco raíces en forma polar del complejo 𝒛 = 𝟏 + √𝟑𝒊 y graficarlas en el diagrama de Argand.
2 √3 𝝅
𝒓 = √(1)2 + (√3) = √1 + 3 = √4 = 𝟐 𝐚𝐫𝐠 𝒛 = 𝑡𝑔−1 = 60° =
1 𝟑

𝑛=5 𝑦 𝒌 = 𝟎, 𝟏, 𝟐, 𝟑, 𝟒
𝜋
1 + 2𝜋(0) 1 𝜋
𝑧0 = 25 𝑐𝑖𝑠 ( 3 ) = 25 𝑐𝑖𝑠 ( ) ≈ 𝟏. 𝟏𝟐𝟑𝟔 + 𝟎. 𝟐𝟑𝟖𝟖𝒊
5 15
𝜋
1 + 2𝜋(1) 1 7𝜋
𝑧1 = 25 𝑐𝑖𝑠 ( 3 ) = 25 𝑐𝑖𝑠 ( ) ≈ 𝟎. 𝟏𝟐𝟎𝟎𝟏 + 𝟏. 𝟏𝟒𝟐𝟒𝒊
5 15
𝜋
1 + 2𝜋(2) 1 13𝜋
𝑧2 = 25 𝑐𝑖𝑠 ( 3 ) = 25 𝑐𝑖𝑠 ( ) ≈ −𝟏. 𝟎𝟒𝟗𝟒 + 𝟎. 𝟒𝟔𝟕𝟐𝒊
5 15
𝜋
1 + 2𝜋(3) 1 19𝜋 1 11𝜋
𝑧3 = 25 𝑐𝑖𝑠 ( 3 ) = 25 𝑐𝑖𝑠 ( ) = 25 𝑐𝑖𝑠 (− ) ≈ −𝟎. 𝟕𝟔𝟖𝟔 − 𝟎. 𝟖𝟓𝟑𝟔𝒊
5 15 15
𝜋
1 + 2𝜋(4) 1 25𝜋 1 5𝜋
𝑧4 = 2 𝑐𝑖𝑠 ( 3
5 ) = 25 𝑐𝑖𝑠 ( ) = 25 𝑐𝑖𝑠 (− ) ≈ 𝟎. 𝟓𝟕𝟒𝟑 − 𝟎. 𝟗𝟗𝟒𝟖𝒊
5 15 15
Im( z )
z 1 = 0.1200 + 1.1424i

z 2 = -1.0494 - 0.4672i 0.5

z 0 = 1.1236 + 0.2388i

-2 -1 1 2 ( z)
Re

-0.5

z 3 = -0.7686 - 0.8536i
-1
z 4 = 0.5743 - 0.9948i

Instituto Tecnológico de Tepic

 41
1.5 Teorema de Moivre, potencias y extracción de raíces

Ejemplo 21 Forma exponencial de números complejos

𝟒
Escribir todos los valores de la raíz 𝒛 = √√𝟑 + 𝒊, en la forma exponencial y Graficarlas en el diagrama de Argand.

2 𝝅
1 𝜋
𝑟 = √(√3) + (1)2 = √3 + 1 = √4 = 2 arg 𝑧 = 𝑡𝑔−1 = 30° = 𝒛 = 𝟐𝒆𝒊𝟔
√3 6

𝑛=4 𝑘 = 0, 1, 2, 3
4 𝜋 4 𝜋 1 𝜋
𝑧0 = √2𝑒 𝑖( 6 +2𝜋(0)) = √2𝑒 𝑖 6 = 24 𝑒 𝑖24 = 𝟏. 𝟏𝟕𝟗𝟎 + 𝟎. 𝟏𝟓𝟓𝟐𝒊

4 𝜋 13𝜋 4
1 13𝜋
𝑧1 = √2𝑒 6 = √2𝑒 𝑖 6 = 24 𝑒 𝑖 24 = −𝟎. 𝟏𝟓𝟓𝟐 + 𝟏. 𝟏𝟕𝟗𝟎𝒊
𝑖( +2𝜋(1))

4 𝜋 25𝜋 4
1 25𝜋 1 23𝜋
𝑧2 = √2𝑒 6 = √2𝑒 𝑖 6 = 24 𝑒 𝑖 24 = 24 𝑒 −𝑖 24 = −𝟏. 𝟏𝟕𝟗𝟎 − 𝟎. 𝟏𝟓𝟓𝟐𝒊
𝑖( +2𝜋(2))

4 𝜋 37𝜋 4
1 37𝜋 1 11𝜋
𝑧3 = √2𝑒 6 = √2𝑒 𝑖 6 = 24 𝑒 𝑖 24 = 24 𝑒 −𝑖 24 = 𝟎. 𝟏𝟓𝟓𝟐 − 𝟏. 𝟏𝟕𝟗𝟎𝒊
𝑖( +2𝜋(3))

Im( z )
z 1 = -0.1552 + 1.1790i

0,5

z 0 = 1.1790 + 0.1552i

-2 -1 1
Re( z ) 2
z 2 = -1.1790 - 0.1552i

-0,5

-1

z 3 = 0.1552 - 1.1790i

-1,5

1.9 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Calcular raíces de los siguientes números complejo.
√𝟑 𝟏
1. Encontrar las tres raíces en forma polar del complejo 𝒛 = − + 𝒊 y graficarlas en el diagrama de Argand.
𝟐 𝟐

Instituto Tecnológico de Tepic

42
Tema 1. Números complejos

Instituto Tecnológico de Tepic

 43
1.5 Teorema de Moivre, potencias y extracción de raíces

2. Encontrar las cuatro raíces en forma polar del complejo 𝒛 = 𝟑𝟐√𝟑 + 𝟑𝟐𝒊 y graficarlas en el diagrama de
Argand.

Instituto Tecnológico de Tepic

44
Tema 1. Números complejos

3. Encontrar las cinco raíces en forma polar del complejo 𝒛 = −𝟖 − 𝟖√𝟑𝒊 y graficarlas en el diagrama de
Argand.

Instituto Tecnológico de Tepic

 45
1.5 Teorema de Moivre, potencias y extracción de raíces

𝟓
4. Encontrar la raíz quinta en forma exponencial del complejo 𝒛 = √𝟏 + √𝟑𝒊 y graficarlas en el diagrama
de Argand.

Instituto Tecnológico de Tepic

46
Tema 1. Números complejos

𝟒
5. Encontrar la raíz cuarta en forma exponencial del complejo 𝒛 = √−𝟒 + √𝟒𝟖𝒊 y graficarlas en el
diagrama de Argand.

Instituto Tecnológico de Tepic

 47
1.5 Teorema de Moivre, potencias y extracción de raíces

II. Ejercicios propuestos para resolver en extra clase.

4 – 7 Calcular 3 raíces de los siguientes números complejo.

𝟒. 𝒛 = 𝟐 − √𝟏𝟐𝒊 𝟓. 𝒛 = −𝟐√𝟑 + 𝟐𝒊 𝟔. 𝒛 = −𝟐 + 𝟐𝒊 𝟕. 𝒛 = −𝟓 − √𝟕𝟓𝒊

8 – 11 Calcular 4 raíces de los siguientes números complejo.
𝟖. 𝒛 = −𝟏 + 𝒊 𝟗. 𝒛 = −𝟏 − √𝟑𝒊 𝟏𝟎. 𝒛 = −𝟐 + 𝟐√𝟑𝒊 𝟏𝟏. 𝒛 = 𝟒 − √𝟒𝟖𝒊
12 – 15 Calcular 5 raíces de los siguientes números complejo.
𝟏𝟐. 𝒛 = √𝟐𝟕 − 𝟑𝒊 𝟏𝟑. 𝒛 = −𝟓 − 𝟓𝒊 𝟏𝟒. 𝒛 = √𝟑 + 𝒊 𝟏𝟓. 𝒛 = √𝟏𝟎𝟖 − 𝟔𝒊
16 – 19 Calcular las raíces y trazar la gráfica de los siguientes números complejos.

𝟑 𝟒 𝟑 𝟓 𝟔
𝟏𝟔. 𝒛 = √−𝟑 + √𝟑𝒊 𝟏𝟕. 𝒛 = √𝟑 − 𝒊 𝟏𝟖. 𝒛 = √−𝟐√𝟑 + 𝟐𝒊 𝟏𝟗. 𝒛 = √−𝟑√𝟐 + 𝟑√𝟐𝒊
√𝟑

Raíz enésima de la unidad

𝟏 𝟏
𝟏
Si n es un número fraccionario positivo y en forma polar obtenemos 𝒛𝒏 = 𝒓𝒏 𝒄𝒊𝒔 𝜽, donde 𝜽 = 𝜽 + 𝟐𝝅𝒌, entonces,
𝒏
𝜽 = 𝟎, 𝒓 = 𝟏. De esta manera, tenemos
𝟐𝝅𝒌
𝒛𝒌 = 𝒄𝒊𝒔 ( ) 𝒑𝒂𝒓𝒂 𝒌 = 𝟎, 𝟏, 𝟐, 𝟑, … … … , 𝒏 − 𝟏
𝒏
Ejemplo 22 Raíz enésima de la unidad
Encontrar las tres raíces en forma polar del complejo 𝒛𝟑 − 𝟏 = 𝟎 y graficarlas en el diagrama de Argand.
𝑛=3 𝑦 𝒌 = 𝟎, 𝟏, 𝟐
2𝜋(0)
𝑧0 = 𝑐𝑖𝑠 ( ) = 𝑐𝑖𝑠(0) = 𝟏 + 𝟎𝒊
3
2𝜋(1) 2𝜋 𝟏 √𝟑
𝑧1 = 𝑐𝑖𝑠 ( ) = 𝑐𝑖𝑠 ( ) = − + 𝒊
3 3 𝟐 𝟐
2𝜋(2) 4𝜋 𝟏 √𝟑
𝑧2 = 𝑐𝑖𝑠 ( ) = 𝑐𝑖𝑠 ( ) = − − 𝒊
3 3 𝟐 𝟐
Im( z )

1
z 1 = 1/2 + 3 i/2

0.5

z 0 = 1 + 0i
-1 1 Re( z )

-0.5

z 2 = - 1/2 - 3 i/2
-1

Instituto Tecnológico de Tepic

48
Tema 1. Números complejos

1.10 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Calcular raíces de los siguientes números complejo.
1. Encontrar las cuatro raíces del complejo 𝒛𝟒 − 𝟏 = 𝟎 y graficarlas en el diagrama de Argand.

Instituto Tecnológico de Tepic

 49
1.5 Teorema de Moivre, potencias y extracción de raíces

2. Encontrar las cinco raíces del complejo 𝒛𝟓 − 𝟏 = 𝟎 y graficarlas en el diagrama de Argand.

II. Ejercicios propuestos para resolver en extra clase.

3 – 6 Calcular raíces de los siguientes números complejo y graficarlas en el diagrama de Argand.
𝟑. 𝒛𝟔 − 𝟏 = 𝟎 𝟒. 𝒛𝟕 − 𝟏 = 𝟎 𝟓. 𝒛𝟖 − 𝟏 = 𝟎 𝟔. 𝒛𝟗 − 𝟏 = 𝟎

Instituto Tecnológico de Tepic

50
Tema 1. Números complejos

1.6 Ecuaciones polinómicas.

Vamos a trabajar con ecuaciones polinómicas a las cuales les calcularemos sus raíces, las cuales pueden ser reales o
complejas, para lo cual utilizaremos dos herramientas Regla de Ruffini y formula general de ecuaciones cuadráticas
las cuales nos ayudaran a calcular dichas raíces.

Toda ecuación cuadrática con coeficientes reales tiene dos números complejos como soluciones. Las raíces de la
ecuación cuadrática 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 = 0 están dadas por las formulas:

−𝒃 ± √𝒃𝟐 − 𝟒𝒂𝒄
𝒙=
𝟐𝒂
Si 𝑏 2 − 4𝑎𝑐 = 0, las dos raíces son iguales.
Si 𝑏 2 − 4𝑎𝑐 > 0, las dos raíces son diferentes.
Si 𝑏 2 − 4𝑎𝑐 < 0, las dos raíces son números imaginarios. Estos números son conjugados entre sí, siempre y cuando
los coeficientes del trinomio sean números reales y si los coeficientes son imaginarios las dos raíces serán diferentes.

Ejemplo 23 Ecuaciones polinómicas

Hallar las raíces de la ecuación 𝒙𝟐 + 𝟓 = 𝟎.
Sustituyendo en 𝒃𝟐 − 𝟒𝒂𝒄 tenemos 0 − 4(1)(5) = −20, por lo tanto, b2 – 4ac < 0 y la ecuación tiene dos raíces
complejas.

−𝑏 ± √𝑏 2 − 4𝑎𝑐 −0 ± √0 − 4(5) ±√(−1)4(5) ±2√5√−1

𝑥= = = = = ±√5𝑖
2𝑎 2(1) 2 2
La ecuación es equivalente (𝑥 − 𝑖√5)(𝑥 + 𝑖√5) y el conjunto solución es 𝐶 = {√5𝑖, −√5𝑖} son raíces complejas de
la ecuación.

Ejemplo 24 Ecuaciones polinómicas

Hallar una ecuación con coeficientes reales para la cual es raíz 𝟑 + 𝟐𝒊.
El conjugado de la raíz es 𝟑 − 𝟐𝒊, por lo tanto, la ecuación que tenga las raíces indicadas es
[𝑥 − (3 − 2𝑖)][𝑥 − (3 + 2𝑖)] = 0
[(𝑥 − 3) + 2𝑖][(𝑥 − 3) − 2𝑖] = 0
𝒙𝟐 − 𝟔𝒙 + 𝟏𝟑
(𝑥 − 3)2 − (2𝑖)2
2
𝑥 − 6𝑥 + 9 − 4(−1) = 0

Ejemplo 25 Ecuaciones polinómicas

Hallar el conjunto solución de la ecuación 𝟑𝒊𝒙𝟐 + 𝟐𝒙 − 𝟐𝒊 = 𝟎.
𝑎 = 3𝑖, 𝑏 = 2, 𝑐 = −2𝑖
−𝑏 ± √𝑏 2 − 4𝑎𝑐 −2 2𝑖√5
𝑥= 𝑥=±
2𝑎 6𝑖 6𝑖
2
−2 ± √2 − 4(3𝑖)(−2𝑖) −1 √5 −1 −3𝑖 √5 𝑖 √5
𝑥= 𝑥= ± = ∙ ± = ±
2(3𝑖) 3𝑖 3 3𝑖 −3𝑖 3 −3𝑖 2 3
−2 ± √4 + 24𝑖 2 −2 ± √−20 𝑖 √5 1 √5
𝑥= = 𝑥= ± = 𝑖±
6𝑖 6𝑖 −3𝑖 2 3 3 3
√𝟓 𝟏 √𝟓 𝟏
Por lo tanto, el conjunto solución es 𝑪 = { + 𝒊, − + 𝒊}
𝟑 𝟑 𝟑 𝟑

Instituto Tecnológico de Tepic

 51
1.6 Ecuaciones polinómicas

Ejemplo 26 Ecuaciones polinómicas

Demostrar mediante división sintética que 𝒙 + 𝟐𝒊 es un factor de 𝒙𝟑 − 𝒙𝟐 + 𝟒𝒙 − 𝟒 = 𝟎.
x = -2i 1 -1 4 -4
−2𝑖 −4 + 2𝑖 4
1 −1 − 2𝑖 2𝑖 0
Por lo tanto 𝒙 + 𝟐𝒊 si es factor del polinomio.

Ejemplo 27 Ecuaciones polinómicas

Hallar los ceros de la función 𝒑(𝒙) = 𝒙𝟑 − 𝟒𝒙𝟐 + 𝟓𝒙 − 𝟔.
El conjunto de ceros racionales posibles es {±1, ± 2, ± 3, ± 6 } y se utiliza la división sintética para determinar
cuáles hacen cero a la función.

3 1 -4 5 -6 Como 𝑝(3) = 0, entonces 3 es un cero de p y 𝑝(𝑥) = (𝑥 − 3)(𝑥 2 − 𝑥 + 2)

3 -3 6 Para determinar los otros dos ceros, se resuelve la ecuación cuadrática 𝑥 2 − 𝑥 + 2
1 -1 2 0
𝑎 = 1, 𝑏 = −1, 𝑐=2
−𝑏 ± √𝑏 2 − 4𝑎𝑐
𝑥=
2𝑎
−(−1) ± √(−1)2 − 4(1)(2) 𝟏 √𝟕 𝟏 √𝟕
𝑥= 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝑪 = {𝟑, + 𝒊, − 𝒊}
2(1) 𝟐 𝟐 𝟐 𝟐
1 ± √1 − 8 1 ± √−7 1 ± 𝑖√7
𝑥= = =
2 2 2

1.11 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver las siguientes ecuaciones.
1. Hallar las raíces de la ecuación 𝟐𝒙𝟐 − 𝟓𝒙 + 𝟒 = 𝟎

Instituto Tecnológico de Tepic

52
Tema 1. Números complejos

2. Hallar el conjunto solución de la ecuación 𝟐𝒊𝒙𝟐 + 𝟐𝒙 − 𝟑𝒊 = 𝟎

3. Hallar una ecuación con coeficientes reales para la cual son raíces 𝟒, −𝟑 𝒚 𝟐 + √𝟓𝒊

Instituto Tecnológico de Tepic

 53
1.6 Ecuaciones polinómicas

4. Hallar una ecuación con coeficientes reales para la cual, −𝟓, 𝟑, 𝟒 − 𝟐𝒊 𝒚 son raíces.

5. Hallar los ceros de la función 𝑷(𝒙) = 𝒙𝟒 − 𝟑𝒙𝟑 + 𝟕𝒙𝟐 + 𝟐𝟏𝒙 − 𝟐𝟔

a)

Instituto Tecnológico de Tepic

54
Tema 1. Números complejos

6. Hallar las raíces del polinomio 𝑷(𝒙) = 𝟐𝒙𝟒 − 𝟓𝒙𝟑 + 𝟏𝟏𝒙𝟐 − 𝟑𝟓𝒙 − 𝟐𝟏

7. Hallar el conjunto solución de 𝑷(𝒙) = 𝟐𝒊𝒙𝟑 + 𝟖𝒙𝟐 − 𝟐𝒊𝒙 + 𝟏𝟐

Instituto Tecnológico de Tepic

 55
1.6 Ecuaciones polinómicas

8. Hallar las raíces del polinomio 𝑷(𝒙) = 𝟑𝟐𝒊𝒙𝟑 + 𝟒𝟖𝒙𝟐 + 𝟖𝒊𝒙 + 𝟏𝟐

9. Hallar una ecuación para la cual son raíces −𝟑𝒊, 𝟐𝒊 𝒚 − 𝟒𝒊

Instituto Tecnológico de Tepic

56
Tema 1. Números complejos

10. Hallar una ecuación para la cual son raíces −𝟑, 𝟐 𝒚 𝟑 − 𝟒𝒊

11. Hallar los ceros de 𝑷(𝒙) = 𝟒𝒙𝟒 − 𝟐𝟕𝒙𝟑 + 𝟓𝟑𝒙𝟐 − 𝟖𝟓𝒙 − 𝟐𝟓

Instituto Tecnológico de Tepic

 57
1.6 Ecuaciones polinómicas

12. Hallar las raíces de 𝑷(𝒙) = 𝟐𝒙𝟒 − 𝟗𝒙𝟑 − 𝟐𝒙𝟐 − 𝟔𝒙 − 𝟒𝟓

13. 𝐃𝐚𝐝𝐨 𝐪𝐮𝐞 − 𝟑𝒊 𝐞𝐬 𝐮𝐧𝐚 𝐫𝐚í𝐳 𝐝𝐞 𝒙𝟑 + 𝟒𝒊𝒙𝟐 − 𝒙 + 𝟔𝒊 = 𝟎, 𝐡𝐚𝐥𝐥𝐞 𝐥𝐚𝐬 𝐨𝐭𝐫𝐚𝐬 𝐝𝐨𝐬 𝐫𝐚í𝐜𝐞𝐬.

Instituto Tecnológico de Tepic

58
Tema 1. Números complejos

II. Ejercicios propuestos para resolver en extra clase.

12 – 15 Hallar el conjunto solución de las siguientes ecuaciones.

𝟏𝟐. 𝒙𝟑 = −𝟏 𝟏𝟑. 𝟐𝒙𝟐 𝒊 − 𝟓𝒙 + 𝟑𝒊 = 𝟎 𝟏𝟒. 𝒙𝟐 + 𝟐𝒙 + 𝟔 = 𝟎 𝟏𝟓. 𝒙𝟒 − 𝟖𝟏 = 𝟎

16. Hallar una ecuación con coeficientes reales para la cual el número o número complejo dados son raíces.
𝟐, 𝟑, 𝟑−𝒊

17. Hallar una ecuación con coeficientes reales para la cual, 𝟐 𝒚 𝟏 − 𝟑𝒊 son raíces.

18. Hallar una ecuación con coeficientes reales para la cual, 𝟑 + 𝟐𝒊 𝒚 𝟑 − 𝟐𝒊 son raíces.

19. Hallar una ecuación con coeficientes reales para la cual, 𝟐, 𝟑, 𝟓 + 𝟑𝒊 𝒚 𝟓 − 𝟑𝒊 son raíces.

20. Hallar una ecuación con coeficientes complejos para la cual, 𝟐𝒊, −𝒊 𝒚 𝟑𝒊 son raíces.

21. Hallar una ecuación con coeficientes complejos para la cual, −𝟑𝒊, −𝟓𝒊 𝒚 𝒊 son raíces.

𝟏 𝟏
22. Hallar una ecuación con coeficientes reales para la cual, + 𝒊 son raíces.
𝟐 𝟑

23 – 34 Hallar las raíces de los siguientes polinomios

𝟐𝟑. 𝑷(𝒙) = 𝒙𝟑 − 𝒙𝟐 + 𝒙 + 𝟑𝟗 𝟐𝟒. 𝑷(𝒙) = 𝒙𝟒 + 𝟏𝟑𝒙 − 𝟒𝟐

𝟐𝟓. 𝑷(𝒙) = 𝟐𝒙𝟑 + 𝟏𝟒𝒙𝟐 + 𝟑𝟐𝒙 + 𝟐𝟎 𝟐𝟔. 𝑷(𝒙) = 𝒙𝟒 − 𝟐𝒙𝟑 + 𝟔𝒙𝟐 − 𝟐𝒙 + 𝟓

𝟐𝟕. 𝑷(𝒙) = 𝟗𝒙𝟒 + 𝟔𝒙𝟑 + 𝟐𝟏𝟕𝒙𝟐 + 𝟏𝟓𝟎𝒙 − 𝟐𝟎𝟎 𝟐𝟖. 𝑷(𝒙) = 𝟑𝒙𝟒 − 𝟖𝒙𝟑 + 𝟏𝟒𝒙𝟐 − 𝟐𝟓

𝟐𝟗. 𝑷(𝒙) = −𝟓𝒙𝟑 + 𝟏𝟖 𝒙𝟐 + 𝟒𝟔𝒙 − 𝟑𝟑 𝟑𝟎. 𝑷(𝒙) = 𝟏𝟐𝟎𝒙𝟒 − 𝟏𝟐𝟐𝒙𝟑 − 𝟒𝟕𝟓𝒙𝟐 + 𝟑𝒙 + 𝟏𝟖𝟎

𝟑𝟏. 𝑷(𝒙) = 𝟖𝒙𝟑 − 𝟏𝟐𝒊𝒙𝟐 + 𝟐𝒙 − 𝟑𝒊 𝟑𝟐. 𝑷(𝒙) = 𝟒𝒊𝒙𝟑 + 𝟏𝟔𝒙𝟐 − 𝟒𝒊𝒙 + 𝟐𝟒

𝟑𝟑. 𝑷(𝒙) = 𝟐𝒊𝒙𝟑 − 𝟒𝒙𝟐 + 𝟒𝟔𝒊𝒙 − 𝟏𝟐𝟎 𝟑𝟒. 𝑷(𝒙) = 𝟔𝒙𝟑 + 𝟕𝒊𝒙𝟐 + 𝟔𝟑𝒙 − 𝟐𝟎𝒊

35. Dado que 2i y 3i son raíces de la ecuación 𝒙𝟒 − 𝟑𝒊𝒙𝟑 + 𝟑𝒙𝟐 − 𝟕𝒊𝒙 + 𝟔 = 𝟎, hallar las otras dos raíces.

36. Dado que −𝟏 𝒚 𝟐𝒊 son raíces de la ecuación 𝒙𝟒 + 𝒙𝟑 + 𝟑𝒙𝟐 + (𝟑 + 𝟐𝒊)𝒙 + 𝟐𝒊 = 𝟎, encuentra las otras
soluciones.

37. Comprueba que √𝟐𝒊 𝒚 𝟐 − 𝒊 son soluciones de la ecuación 𝒙𝟒 − 𝟒𝒙𝟑 + 𝟕𝒙𝟐 − 𝟖𝒙 + 𝟏𝟎 = 𝟎, y encuentra las
otras soluciones.

38. Comprueba que 𝟐𝒊 𝒚 𝟏 − 𝟑𝒊 son soluciones de la ecuación 𝒙𝟒 − 𝟓𝒊𝒙𝟑 + 𝟐𝒙𝟐 − 𝟒𝟔𝒊𝒙 − 𝟔𝟎 = 𝟎, y encuentra
las otras soluciones.

39. Demostrar mediante división sintética que la primera expresión es un factor de P(x).
𝟒𝒙 + 𝟏 + 𝒊; 𝑷(𝒙) = 𝟖𝒙𝟑 − 𝟏𝟐𝒙𝟐 − 𝟕𝒙 − 𝟐

Instituto Tecnológico de Tepic

 TEMA 2 MATRICES Y DETERMINANTES

Las matrices y los determinantes son herramientas del álgebra

2.1 Definición de matriz, notación y
orden.
lineal que facilitan el ordenamiento de datos y se utilizan en el
2.2 Operaciones con matrices. cálculo numérico, en la resolución de sistemas de ecuaciones
2.3 Clasificación de las matrices. lineales, de las ecuaciones diferenciales y de las derivadas
2.4 Transformaciones elementales por parciales. Además de su utilidad para el estudio de sistemas de
renglón. Escalonamiento de una ecuaciones lineales, las matrices aparecen de forma natural en
matriz. Rango de una matriz.
2.5 Cálculo de la inversa de una matriz.
ciencias sociales, geometría, estadística, ciencias económicas y
2.6 Definición de determinante de una biológicas, informática, física, etc...
matriz.
2.7 Propiedades de determinantes. La utilización de matrices constituye actualmente una parte
2.8 Inversa de una matriz cuadrada a esencial de los lenguajes de programación, ya que la mayoría
través de la adjunta.
2.9 Aplicaciones de matrices y
de los datos se introducen en los ordenadores como tablas
determinantes. organizadas en filas y columnas: hojas de cálculo, bases de
datos,...

Competencias específicas a desarrollar

Interpretar las matrices, sus propiedades y operaciones a fin de expresar conceptos y problemas
mediante ellas, en los sistemas de ecuaciones lineales; así como en otras áreas de las matemáticas
y de la ingeniería. Instrumentar el determinante y sus propiedades para probar la existencia y el
cálculo de la inversa de una matriz.

Indicadores de desempeño

• Definir los conceptos básicos de matrices y determinantes.

• Resolver ecuaciones lineales utilizando el método de la inversa y por la adjunta y forma
escalonada.
• Resolver problemas de matrices a través de aplicaciones prácticas.
60 Tema 2. Matrices y Determinantes

2.1 Definición de matriz, notación y orden.

La capacidad para analizar y resolver ecuaciones aumentará considerablemente cuando se adquiera la habilidad de
realizar operaciones algebraicas con matrices. Más aún, las definiciones y teoremas de este tema proporcionan
algunas herramientas básicas para manejar las múltiples aplicaciones del álgebra lineal que involucran a dos o más
matrices. de [2]

Si A es una matriz 𝑚 𝑥 𝑛, esto es, una matriz con m filas con n columnas, entonces la entrada escalar en la i-ésima
fila y la j-ésima columna de A se denota mediante 𝑎𝑖𝑗 y se llama entrad(𝑖, 𝑗) de A. por ejemplo, la entrada (3, 2)es
el número 𝑎32 en la tercera fila, segunda columna. Las columnas de A son vectores 𝑅𝑚 y se denotan mediante
[𝒂𝟏 , 𝒂𝟐 , … 𝒂𝒏 ] (en negritas). La atención se centra sobre estas columnas cuando se escribe

𝐴 = [𝒂𝟏 , 𝒂𝟐 , … 𝒂𝒏 ]

Definición 2.1 Matriz

Una matriz A de m x n es un arreglo rectangular de mn números reales (o complejos) ordenados en m filas

(renglones) horizontales y n columnas verticales.

𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛

𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
⋮ ⋮ ⋮ ⋮
𝐴=
𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛
⋮ ⋮ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛]

en el cual cada elemento 𝑎𝑖𝑗 de la matriz es un número. Las matrices usualmente se denotan con letras mayúsculas
𝐴 = {𝑎𝑖𝑗 }. de [3]

El número a ij , que aparece en el renglón i-ésimo y en la columna j-ésima de A, i se denomina subíndice del renglón
porque identifica la línea horizontal en la cual se ubica el elemento y el subíndice j se denomina subíndice de la
columna porque identifica la línea vertical en la que se encuentra el elemento. de [3]

Las entradas diagonales en una matriz 𝑚 𝑥 𝑛 𝐴 = {𝑎𝑖𝑗 } son 𝑎11 , 𝑎22 , 𝑎33 , … … , y forman la diagonal principal de A.
Una matriz diagonal es una matriz cuadrada cuyas entradas no diagonales son cero. Un ejemplo es la matriz identidad
𝑛 𝑥 𝑛. Una matriz de 𝑚 𝑥 𝑛 cuyas entradas son todas cero es una matriz cero. de [2]

Por un acuerdo matemático común, las matrices se pueden representar en algunas de las siguientes tres formas.

a. Una matriz puede denotarse por una letra mayúscula como 𝐴, 𝐵 𝑜 𝐶.

b. Una matriz puede denotarse por un elemento representativo escrito entre corchetes [𝑎𝑖𝑗 ], [𝑏𝑖𝑗 ] 𝑜 [𝑐𝑖𝑗 ].
c. Una matriz puede denotarse por un arreglo rectangular de números.

Las matrices son fundamentalmente matrices reales. Es decir, sus elementos son números reales. Decimos que dos
matrices son iguales si sus elementos correspondientes son iguales.

Instituto Tecnológico de Tepic

 2.1 Definición de matriz, notación y orden
61

Igualdad de matrices

Dos matrices 𝐴 = {𝑎𝑖𝑗 } y 𝐵 = {𝑏𝑖𝑗 } son iguales si tienen el mismo tamaño 𝑚 𝑥 𝑛 y 𝑎𝑖𝑗 = 𝑏𝑖𝑗 para 1 ≤ 𝑖 ≤ 𝑚 y 1 ≤
𝑗 ≤ 𝑛.

Una matriz que solo tiene una columna, se denomina matriz columna o vector columna de 𝑚 𝑥 1 con n–
𝑎1
𝑎2
componentes [ ⋮ ]. De forma similar, una matriz que solo tiene un renglón, se denomina matriz renglón o vector
𝑎𝑛
renglón de 1 𝑥 𝑛 con n–componentes (𝑎1 , 𝑎2 , … … , 𝑎𝑛 ). de [5]

1 2
A menudo se utilizan letras negritas minúsculas para designar columna o renglón. En el caso de la matriz 𝐴 = [ ]
3 4
1 2
puede dividirse en dos matrices columna 𝒂𝟏 = [ ] y 𝒂𝟐 = [ ] de la siguiente manera
3 4

1 2 1 2
𝐴=[ ]=( | ) = ( 𝒂𝟏 | 𝒂𝟐 )
3 4 3 4

2.2 Operaciones con matrices.

Suma y resta de matrices

Definición. Sean 𝐴 = {𝑎𝑖𝑗 } y𝐵 = {𝑏𝑖𝑗 } dos matrices de 𝑚 𝑥 𝑛. Entonces 𝐴 ± 𝐵 = [𝑎𝑖𝑗 + 𝑏𝑖𝑗 ] es la matriz de 𝑚 𝑥 𝑛
que se obtiene al sumar o restar los componentes correspondientes de A y B solo si ambas matrices tienen el mismo
tamaño. Para 1 ≤ 𝑖 ≤ 𝑚 𝑦 1 ≤ 𝑗 ≤ 𝑛. La suma de dos matrices de diferente tamaño no está definida. de [5]

Ejemplo 1 Operaciones con matrices

2 4 −6 7 0 1 6 −2
Para las matrices 𝐴 = [ 1 3 2 1 ] 𝑦𝐵 =[ 2 3 4 3 ]. Determinar 𝐴 + 𝐵 𝑦 𝐴 − 𝐵
−4 3 −5 5 −2 1 4 4

2 4 −6 7 0 1 6 −2 2 5 0 5
𝐴+𝐵 =[ 1 3 2 1 ]+[ 2 3 4 3 ]=[ 3 6 6 4]
−4 3 −5 5 −2 1 4 4 −6 4 −1 9

2 4 −6 7 0 1 6 −2 2 3 −12 9
𝐴−𝐵 =[ 1 3 2 1 ]−[ 2 3 4 3 ] = [−1 0 −2 −2]
−4 3 −5 5 −2 1 4 4 −2 2 −9 1

Multiplicación de una matriz por un escalar

Definición. Si 𝐴 = {𝑎𝑖𝑗 } es una matriz de tamaño 𝑚 𝑥 𝑛 y si α es un escalar. Entonces el múltiplo escalar 𝛼𝐴 = 𝛼{𝑎𝑖𝑗 },
es la matriz que se obtiene al multiplicar cada uno de los componentes de A por α y es del mismo tamaño 𝑚 𝑥 𝑛.
Dada por

𝛼𝐴 = {𝛼𝑎𝑖𝑗 }. Para 1 ≤ 𝑖 ≤ 𝑚 𝑦 1 ≤ 𝑗 ≤ 𝑛.

Instituto Tecnológico de Tepic

62 Tema 2. Matrices y Determinantes

Ejemplo 2 Operaciones con matrices

𝟏 −𝟑 𝟒 𝟐
Sea 𝑨 = [ 𝟑 𝟏 𝟒 𝟔], multiplicarla por los escalares 2 y -3.
−𝟐 𝟑 𝟓 𝟕

1 −3 4 2 2 −6 8 4
2𝐴 = 2 [ 3 1 4 6] = [ 6 2 8 12 ]
−2 3 5 7 −4 6 10 14
1 −3 4 2 −3 9 −12 −6
−3𝐴 = −3 [ 3 1 4 6] = [−9 −3 −12 −18]
−2 3 5 7 6 −9 −15 −21

Ejemplo 3
Operaciones con matrices
𝟒+𝒊 −𝟐 + 𝟑𝒊 𝟐−𝒊 𝟑 − 𝟒𝒊
Sean 𝑨 = [ ] 𝒚𝑩 =[ ], calcular 𝑨 + 𝑩
𝟔 + 𝟒𝒊 −𝟑𝒊 𝟓 + 𝟐𝒊 −𝟕 + 𝟓𝒊

(4 + 𝑖) + (2 − 𝑖) (−2 + 3𝑖) + (3 − 4𝑖) 6 1−𝑖

𝐴+𝐵 = [ ]=[ ]
(6 + 4𝑖) + (5 + 2𝑖) (−3𝑖) + (−7 + 5𝑖) 11 + 6𝑖 −7 + 2𝑖

Producto de matrices

Definición. Si 𝐴 = [𝑎𝑖𝑗 ] es una matriz de tamaño m x r y 𝐵 = [𝑏𝑖𝑗 ] es una matriz de tamaño r x n, entonces el producto
AB es la matriz de tamaño m x n cuyos elementos se determinan como sigue. Para encontrar el elemento i y la
columna j de AB, distíngase el renglón i de la matriz A y la columna j de la matriz B, multiplíquense los elementos
correspondientes del renglón y columna y a continuación súmense los productos restantes.

CARACTERISTICAS PARA PODER REALIZAR UN PRODUCTO DE M ATRICES

Elementos iguales

mxr r xn
Tamaño de la matriz resultante m x n

La definición de la multiplicación de matrices requiere que el número de columnas del primer factor A sea igual al
número de renglones del segundo factor B, para poder efectuar el producto AB.

Ejemplo 4 Operaciones con matrices

𝟒 𝟏 𝟒 𝟑
𝟏 𝟐 𝟒
Sean 𝑨 = [ ] 𝒚 𝑩 = [𝟎 −𝟏 𝟑 𝟏], calcular el producto AB.
𝟐 𝟔 𝟎
𝟐 𝟕 𝟓 𝟐
4 1 4 3
1 2 4
𝐴𝐵 = [ ] [0 −1 3 1]
2 6 0
2 7 5 2
(1)(4) + (2)(0) + (4)(2) = 12 (2)(4) + (6)(0) + (0)(2) = 8
(1)(1) + (2)(−1) + (4)(7) = 27 (2)(1) + (6)(−1) + (0)(7) = −4 𝟏𝟐 𝟐𝟕 𝟑𝟎 𝟏𝟑
∴ 𝑨𝑩 = [ ]
(1)(4) + (2)(3) + (4)(5) = 30 (2)(4) + (6)(3) + (0)(5) = 26 𝟖 −𝟒 𝟐𝟔 𝟏𝟐
(1)(3) + (2)(1) + (4)(2) = 13 (2)(3) + (6)(1) + (0)(2) = 12

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
63

Ejemplo 5 Operaciones con matrices

𝟐 −𝟑 𝟓 𝟏 𝟒 𝟔
𝟏
Sean 𝑨 = [𝟏 𝟎 𝟔] 𝒚 𝑩 = [−𝟐 𝟑 𝟓], calcular 𝟐 𝑨 − 𝟑𝑩𝑨.
𝟐 𝟑 𝟏 𝟏 𝟎 𝟒

1 −3/2 5/2
1 2 −3 5 1 1 4 6 2 −3 5 18 15 35
𝐴 = [1 0 6] = [ 0 3 ] 𝐵𝐴 = [−2 3 5] [1 0 6] = [ 9 21 13]
2 2
2 3 1 1 0 4 2 3 1 10 9 9
1 3/2 1/2

2 + 4 + 12 = 18 −4 + 3 + 10 = 9 2 + 0 + 8 = 10
−3 + 0 + 18 = 15 6 + 0 + 15 = 21 −3 + 0 + 12 = 9
5 + 24 + 6 = 35 −10 + 18 + 5 = 13 5+0+4 =9

18 15 35 54 45 105
3𝐵𝐴 = 3 [ 9 21 13] = [27 63 39 ]
10 9 9 30 27 27

3 93 205
1 −2 5 −53 −2 −
1 2 54 45 105 2
53
𝐴 − 3𝐵𝐴 = [ 12 0 3] − [27 63 39 ] = − 2 −63 −36
2
1 3 1 30 27 27 51 53
2 2 [−29 −2 −2 ]

𝟗𝟑 𝟐𝟎𝟓
−𝟓𝟑 −𝟐 − 𝟐
𝟏 𝟓𝟑
𝑨 − 𝟑𝑩𝑨 = − 𝟐 −𝟔𝟑 −𝟑𝟔
𝟐
𝟓𝟏 𝟓𝟑
[−𝟐𝟗 −𝟐 −𝟐 ]

Ejemplo 6 Operaciones con matrices

𝟑𝒙 + 𝟕 −𝟏 𝟐 −𝟓 𝟎 𝟑 𝟏𝟕 −𝟏 𝟓
¿Cuál es el valor de x, y, z? Dada [ 𝟑 𝟒 𝟏] + [ 𝟓 𝟒 𝟐𝒚 + 𝟑] = [ 𝟖 𝟖 𝟐].
𝟒 𝟎 𝟑 𝟐 𝟑 𝟏 𝟔 𝟐𝒛 + 𝟏 𝟒

(3𝑥 + 7) − 5 = 17 1 + (2𝑦 + 3) = 2 0 + 3 = 2𝑧 + 1
3𝑥 + 2 = 17 2𝑦 + 4 = 2 2𝑧 + 1 = 3
3𝑥 = 17 − 2 2𝑦 = 2 − 4 2𝑧 = 3 − 1
3𝑥 = 15 2𝑦 = −2 2𝑧 = 2
15 −2 2
𝑥= 𝑦= 𝑧=
3 2 2
𝑥=5 𝑦 = −1 𝑧=1

𝑬𝒏𝒕𝒐𝒏𝒄𝒆𝒔 𝒍𝒐𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒔𝒐𝒏:

𝒙 = 𝟓, 𝒚 = −𝟏 𝒚 𝒛 = 𝟏

Factorización LU

Para resolver sistemas lineales, 𝑨𝒙 = 𝒃 se llama también factorización LU, en la cual la matriz cuadrada A es
expresada como un producto, 𝑨 = 𝑳𝑼. En este producto la matriz cuadrada L es triangular inferior, lo que significa
que todos los elementos arriba de la diagonal principal no nula son ceros. La matriz cuadrada U es triangular superior,
lo cual significa que todos los elementos debajo de la diagonal principal no nula son ceros.

Instituto Tecnológico de Tepic

64 Tema 2. Matrices y Determinantes

𝑎11 0 0 𝑎11 𝑎12 𝑎13

[𝑎21 𝑎22 0 ] [ 0 𝑎22 𝑎23 ]
𝑎31 𝑎32 𝑎33 0 0 𝑎33
Matriz triangular inferior de 3 x 3 Matriz triangular superior de 3 x 3

Definición. Si la matriz A de n x n puede ser escrita como el producto de una matriz triangular inferior L y una matriz
triangular superior U, entonces 𝑨 = 𝑳𝑼 es una factorización LU de A de [3].

Ejemplo 7 Factorización LU 2 x 2
𝟏 𝟐
Determine la factorización LU de 𝑨 = [ ]
𝟏 𝟎

2𝑎 + 𝑥 = 0
1 2 1 0 1 2 1 2
𝐴=[ ]=[ ][ ]=[ ] ∴ 𝑎=1 𝑦 2(1) + 𝑥 = 0
1 0 𝑎 1 0 𝑥 𝑎 2𝑎 + 𝑥
𝑥 = −2

1 0 1 2 𝟏 𝟐 𝟏 𝟎 𝟏 𝟐
𝐿=[ ] 𝑦 𝑈=[ ] ∴ 𝑨=[ ]=[ ][ ]
1 1 0 −2 𝟏 𝟎 𝟏 𝟏 𝟎 −𝟐

Forma alternativa

1 2 −𝑅1+𝑅2→𝑅2 1 2 1 2
𝐴=[ ]→ [ ] ∴ 𝑈=[ ]
1 0 0 −2 0 −2
−1
1 0 −𝑅1+𝑅2→𝑅2 1 0 1 0 1 0 1 0
[ ]→ [ ] 𝑦 [ ] =[ ] ∴ 𝐿=[ ]
0 1 −1 1 −1 1 1 1 1 1

𝟏 𝟐 𝟏 𝟎 𝟏 𝟐
𝑨=[ ] = 𝑳𝑼 = [ ][ ]
𝟏 𝟎 𝟏 𝟏 𝟎 −𝟐

Ejemplo 7 Factorización LU 3 x 3
𝟏 −𝟑 𝟎
Determine la factorización LU de 𝑨 = [𝟎 𝟏 𝟑]
𝟐 −𝟏𝟎 𝟐

1 −3 0 1 0 0 1 −3 0 1 −3 0 𝑎=0
𝐴 = [𝟎 𝟏 3 ] = [𝑎 1 0] [0 𝑥 𝑦 ] = [ 𝒂 −𝟑𝒂 + 𝒙 𝑦 ] ∴ 𝑏=2
𝟐 −𝟏𝟎 𝟐 𝑏 𝑐 1 0 0 𝑧 𝒃 −𝟑𝒃 + 𝒄𝒙 𝒄𝒚 + 𝒛 𝑦=3

−3𝑏 + 𝑐𝑥 = −10 𝑐𝑦 + 𝑧 = 2
−3𝑎 + 𝑥 = 1
−3(2) + 𝑐(1) = −10 −4(3) +𝑧=2
−3(0) + 𝑥 = 1 , 𝑦
𝑐 = −10 + 6 𝑧 = 2 + 12
𝑥=1
𝑐 = −4 𝑧 = 14

1 0 0 1 −3 0 𝟏 −𝟑 𝟎 𝟏 𝟎 𝟎 𝟏 −𝟑 𝟎
𝐿 = [0 1 0] 𝑦 𝑈 = [0 1 3] ∴ 𝑨 = [𝟎 𝟏 𝟑] = [ 𝟎 𝟏 𝟎] [ 𝟎 𝟏 𝟑]
2 −4 1 0 0 14 𝟐 −𝟏𝟎 𝟐 𝟐 −𝟒 𝟏 𝟎 𝟎 𝟏𝟒

Forma alternativa

1 −3 0 −2𝑅1+𝑅3→𝑅3 1 −3 0 4𝑅2+𝑅3→𝑅3 1 −3 0 1 −3 0
𝐴 = [0 1 3] → [0 1 3] → [0 1 3] ∴ 𝑈 = [0 1 3]
2 −10 2 0 −4 2 0 0 14 0 0 14

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
65

1 0 0 −2𝑅1+𝑅3→𝑅3 1 0 0 1 0 0 −1 1 0 0 1 0 0
[0 1 0] → [0 1 0] 𝑦 [0 1 0] = [0 1 0] ∴ 𝐸1 = [0 1 0]
0 0 1 −2 0 1 −2 0 1 2 0 1 2 0 1

1 0 0 4𝑅2+𝑅3→𝑅3 1 0 0 1 0 0 −1 1 0 0 1 0 0
[0 1 0] → [0 1 0] 𝑦 [0 1 0] = [ 0 1 0] ∴ 𝐸2 = [0 1 0]
0 0 1 0 4 1 0 4 1 0 −4 1 0 −4 1

1 0 0 1 0 0 1 0 0 1 0 0
𝐿 = 𝐸1 𝐸2 = [0 1 0] [ 0 1 0] = [0 1 0] ∴ 𝐿 = [0 1 0]
2 0 1 0 −4 1 2 −4 1 2 −4 1

𝟏 −𝟑 𝟎 𝟏 𝟎 𝟎 𝟏 −𝟑 𝟎
𝑨 = [𝟎 𝟏 𝟑] = 𝑳𝑼 = [𝟎 𝟏 𝟎] [𝟎 𝟏 𝟑]
𝟐 −𝟏𝟎 𝟐 𝟐 −𝟒 𝟏 𝟎 𝟎 𝟏𝟒

2.1 OPERACIONES CON MATRICES

I. Ejercicios propuestos para resolver en el Aula.
−𝟏 𝟏 𝟎 𝟏 𝟐 𝟑 𝟐 𝟒 𝟑
Dado 𝑨 = [ 𝟐 𝟏 𝟒] , 𝑩 = [−𝟏 𝟎 𝟒] , 𝑪 = [𝟎 𝟏 −𝟏], Resolver la siguiente operación con matrices:
𝟏 𝟓 𝟔 𝟏 𝟓 𝟓 𝟑 𝟓 𝟕

𝟏. 𝟐𝑨– 𝟑𝑩𝑨 + 𝟒𝑪

Instituto Tecnológico de Tepic

66 Tema 2. Matrices y Determinantes

𝟐 𝟏
𝟐. 𝑨𝑪 + (𝑩 − 𝑨𝑪)
𝟑 𝟐

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
67

𝟏 𝟏
𝟑. 𝑪(−𝟕𝑨 + 𝟑𝑩) + 𝑪
𝟒 𝟑

Instituto Tecnológico de Tepic

68 Tema 2. Matrices y Determinantes

4. Si la matriz resultada es una matriz triangular inferior ¿Cuál es el valor de x, y, z?

𝟐 −𝟏 𝟎 𝟐 𝟑𝒙 + 𝟕 𝟑𝒚 + 𝟔 𝒄𝟏𝟏 𝒄𝟏𝟐 𝒄𝟏𝟑

[𝟑 𝟑 𝟏] + [𝟎 𝟒 𝟐𝒛 − 𝟑 ] = [𝒄𝟐𝟏 𝒄𝟐𝟐 𝒄𝟐𝟑 ]
𝟐 −𝟏 𝟎 𝟒 𝟑 𝟏 𝒄𝟑𝟏 𝒄𝟑𝟐 𝒄𝟑𝟑

5. Si la segunda matriz de la expresión, es una matriz diagonal ¿Cuál es el valor de x, y, z?

𝟑 𝒙 𝟐 𝒃𝟏𝟏 𝒃𝟏𝟐 𝒃𝟏𝟑 𝟐 −𝟏 𝟐

[𝒚 𝟎 𝟓] + [𝒃𝟐𝟏 𝒃𝟐𝟐 𝒃𝟐𝟑 ] = [ 𝟕 −𝟒 𝟓]
−𝟑 𝒛 𝟔 𝒃𝟑𝟏 𝒃𝟑𝟐 𝒃𝟑𝟑 −𝟑 𝟐 𝟐

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
69

𝟒+𝒊 −𝟐 + 𝟑𝒊 𝟐−𝒊 𝟑 − 𝟒𝒊
6. Sean 𝑨 = [ ] 𝒚𝑩= [ ], calcular 𝑩 − 𝑨
𝟔 + 𝟒𝒊 −𝟑𝒊 𝟓 + 𝟐𝒊 −𝟕 + 𝟓𝒊

𝟐−𝒊 𝟑 − 𝟒𝒊
7. Sea 𝑩 = [ ], calcular (𝟐 + 𝒊)𝑩
𝟓 + 𝟐𝒊 −𝟕 + 𝟓𝒊

Instituto Tecnológico de Tepic

70 Tema 2. Matrices y Determinantes

𝟏 + 𝟐𝒊 𝒊
𝟒+𝒊 −𝟐 + 𝟑𝒊
8. Sean 𝑨 = [ ] 𝒚𝑪= [ 𝟑−𝒊 𝟖 ], calcular 𝑪𝑨
𝟔 + 𝟒𝒊 −𝟑𝒊
𝟒 + 𝟐𝒊 𝟏−𝒊

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
71

𝟒 −𝟏
9. Determinar la factorización LU de la matriz 𝑨 = [ ].
𝟑 −𝟏

𝟏 𝟏
10. Determinar la factorización LU de la matriz 𝑩 = [ ].
𝟐 𝟏

Instituto Tecnológico de Tepic

72 Tema 2. Matrices y Determinantes

𝟏 𝟐 −𝟑
11. Determinar la factorización LU de la matriz 𝑪 = [ 𝟎 𝟏 𝟐 ].
−𝟏 𝟐 𝟎

−𝟏 𝟐 𝟎
12. Determinar la factorización LU de la matriz 𝑫 = [ 𝟎 𝟏 𝟐 ].
𝟏 𝟐 −𝟑

Instituto Tecnológico de Tepic

 2.2 Operaciones con matrices
73

II. Ejercicios propuestos para resolver en extra clase.

−𝟏 𝟏 𝟎 𝟏 𝟐 𝟑
13 – 18 Efectuar las siguientes operaciones, dadas las matrices; 𝑨 = [ 𝟐 𝟏 𝟒] , 𝑩 = [−𝟏 𝟎 𝟒] , 𝑪 =
𝟏 𝟓 𝟔 𝟏 𝟓 𝟓
𝟐 𝟒 𝟑
[𝟎 𝟏 −𝟏],
𝟑 𝟓 𝟕

𝟑 𝟏
𝟏𝟑. 𝟐𝑨– 𝟑𝑩 + 𝟒𝑪 𝟏𝟒. − 𝑩 + 𝑨 − 𝟒𝑪 𝟏𝟓. 𝑩𝑪 + 𝟔(𝟑𝑪 − 𝟐𝑨)
𝟒 𝟑

𝟏 𝟐 𝟏 𝟏 𝟏
𝟏𝟔. 𝑩𝑪(𝟐𝑩 − 𝟓𝑨) + 𝟑𝑪 𝟏𝟕. 𝑨𝑪 + (𝑩 − 𝑨𝑪) 𝟏𝟖. 𝑪(−𝟕𝑨 + 𝟑𝑩) + 𝑪
𝟑 𝟑 𝟐 𝟒 𝟑

19. Si la matriz que resulta es una matriz triangular inferior ¿Cuál es el valor de x, y, z?
𝟐 −𝟏 𝟎 𝟐 𝟑𝒙 + 𝟕 𝟑𝒚 + 𝟔 𝒄𝟏𝟏 𝒄𝟏𝟐 𝒄𝟏𝟑
[𝟑 𝟑 𝟏] + [𝟎 𝟒 𝟐𝒛 − 𝟑 ] = [𝒄𝟐𝟏 𝒄𝟐𝟐 𝒄𝟐𝟑 ]
𝟐 −𝟏 𝟎 𝟒 𝟑 𝟏 𝒄𝟑𝟏 𝒄𝟑𝟐 𝒄𝟑𝟑

Instituto Tecnológico de Tepic

74 Tema 2. Matrices y Determinantes

20. Si la segunda matriz de la expresión, es una matriz diagonal ¿Cuál es el valor de x, y, z?

𝟐 𝟐𝒙 + 𝟕 −𝟕 𝒄𝟏𝟏 𝒄𝟏𝟐 𝒄𝟏𝟑 𝟔 −𝟏 −𝟖
[𝟑𝒚 − 𝟏𝟏 𝟗 𝟏 ] + [𝒄𝟐𝟏 𝒄𝟐𝟐 𝒄𝟐𝟑 ] = [−𝟐 𝟑 𝟓]
𝟒 𝟒𝒛 − 𝟕 𝟑 𝒄𝟑𝟏 𝒄𝟑𝟐 𝒄𝟑𝟑 𝟒 𝟏 𝟕

𝟐 + 𝟐𝒊 −𝟏 + 𝟑𝒊 𝟐𝒊 𝟏 + 𝟐𝒊 𝟐+𝒊
21 – 29 Sean 𝑨 = [ ], 𝑩 = [ ] 𝒚 𝑪=[ ]. Calcule cada una de las expresiones
−𝟐 𝟏−𝒊 𝟎 𝟑−𝒊 −𝒊
siguientes.

𝟐𝟏. 𝑨 + 𝑩 𝟐𝟐. (𝟏 − 𝟐𝒊)𝑪 𝟐𝟑. 𝑨𝑩

𝟐𝟒. 𝑩𝑪 𝟐𝟓. 𝑨 − 𝟐𝑪 ̅
𝟐𝟔. 𝑩

̅
𝟐𝟕. 𝑨𝑪 𝟐𝟖. ̅̅̅̅̅̅̅̅̅̅
(𝑨 + 𝑩)𝑪 ̅𝑩
𝟐𝟗. 𝑨

𝟏+𝒊 −𝟏 + 𝟔𝒊 𝟏 − 𝟐𝒊 𝟒 − 𝟑𝒊
30. Sean 𝑪 = [ ] 𝒚𝑫= [ ], calcular 𝑫 − 𝑪
𝟓 + 𝟕𝒊 𝟐 − 𝟑𝒊 𝟐 + 𝟓𝒊 −𝟓 + 𝟕𝒊

𝟏−𝒊 −𝟔 + 𝒊 𝟒−𝒊 𝟐 − 𝟓𝒊
31. Sean 𝑬 = [ ] 𝒚𝑭 =[ ], calcular 𝑭 + 𝑬
𝟕 + 𝟓𝒊 𝟑 − 𝟐𝒊 𝟑 + 𝟒𝒊 −𝟕 + 𝟔𝒊

𝟓 − 𝟐𝒊 𝟏 − 𝟔𝒊
32. Sea 𝑮 = [ ], calcular (𝟒 + 𝟐𝒊)𝑮
𝟑 + 𝟒𝒊 −𝟒 + 𝟒𝒊

𝟐 + 𝟐𝒊 𝟕 + 𝟑𝒊
33. Sea 𝑯 = [ ], calcular (𝟓 − 𝟑𝒊)𝑯
𝟓 − 𝟑𝒊 𝟔 − 𝟐𝒊

𝟏 − 𝟑𝒊 𝟏+𝒊
𝟏 − 𝟐𝒊 𝟒 − 𝟑𝒊
34. Sean 𝑰 = [ ] 𝒚 𝑱 = [𝟑 − 𝟐𝒊 𝟖 + 𝒊], calcular 𝑱𝑰
𝟐 + 𝟓𝒊 −𝟓 + 𝟕𝒊
𝟓+𝒊 𝟏−𝒊

𝟐 + 𝟓𝒊 𝟐−𝒊
𝟓 − 𝟐𝒊 𝟏 − 𝟔𝒊
35. Sean 𝑲 = [ ] 𝒚 𝑳 = [𝟑 − 𝟑𝒊 𝟒 + 𝟐𝒊], calcular 𝑳𝑲
𝟑 + 𝟒𝒊 −𝟒 + 𝟒𝒊
𝟒−𝒊 𝟏 − 𝟐𝒊

𝟑 −𝟐
36. Determinar la factorización LU de 𝑬 = [ ].
𝟏 𝟎

𝟏 𝟎
37. Determinar la factorización LU de 𝑭 = [ ].
−𝟐 𝟏

−𝟐 𝟏
38. Determinar la factorización LU de 𝑮 = [ ].
−𝟔 𝟒

𝟑 𝟎 𝟏
39. Determinar la factorización LU de 𝑯 = [ 𝟔 𝟏 𝟏]
−𝟑 𝟏 𝟎

𝟑 𝟎 𝟏
40. Determinar la factorización LU de 𝑰 = [ 𝟔 𝟏 𝟏]
−𝟑 𝟏 𝟎

𝟐 𝟎 𝟎
41. Determinar la factorización LU de 𝑱 = [ 𝟎 −𝟑 𝟏]
𝟏𝟎 𝟏𝟐 𝟑

Instituto Tecnológico de Tepic

 2.3 Clasificación de matrices
75

2.3 Clasificación de las matrices.

Si 𝐴 = {𝑎𝑖𝑗 } es una matriz de tamaño 𝑚 𝑥 𝑛 con m = n, entonces A recibe el nombre de matriz cuadrada. Una matriz
de tamaño 𝑚 𝑥 𝑛 en la que todos sus componentes son cero se llama matriz cero o matriz nula. Las matrices 𝐴 =
{𝑎𝑖𝑗 } y 𝐵 = {𝑏𝑖𝑗 } son iguales si tienen el mismo tamaño y sus componentes correspondientes son iguales.

Propiedades de la suma de matrices y de la multiplicación por un escalar.

Si A, B y C son matrices de tamaño m x n: c, d, 1, escalares, entonces las siguientes propiedades son verdaderas de
[3].

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

Propiedades de la multiplicación de matrices.

Si A, B y C son matrices (con tamaños tales que los productos matriciales dados están definidos) y c es un escalar,
entonces las siguientes propiedades son verdaderas de [3].

1. 𝐴(𝐵𝐶) = (𝐴𝐵)𝐶 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛

2. 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎
3. (𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐴𝐵 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎
4. 𝑐(𝐴𝐵) = (𝑐𝐴)𝐵 = 𝐴(𝑐𝐵)
Matriz triangular superior: Una matriz cuadrada se denomina Triangular superior si todos sus componentes debajo
de la diagonal principal son cero.
2 −3 5
1 5
𝑈 = [0 1 6] 𝑉=[ ]
0 −2
0 0 2
Matriz triangular inferior: Es cuando todos sus componentes por encima de la diagonal principal son cero.
2 0 0 0
1 0 −5 4 0 0]
𝐿=[ ] 𝑀=[
5 1 6 1 2 0
3 0 1 5
Matriz diagonal: Una matriz 𝐴 = {𝑎𝑖𝑗 } se llama diagonal si todos los elementos fuera de su diagonal principal son
cero. La matriz diagonal es a la vez triangular superior e inferior.
2 0 0
𝐴 = [0 3 0]
0 0 4
Matriz escalar: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los de la diagonal principal que
son iguales.
7 0 0
𝐴 = [0 7 0]
0 0 7

Instituto Tecnológico de Tepic

76 Tema 2. Matrices y Determinantes

Matriz identidad: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los de la diagonal principal
que son iguales a 1. También se denomina matriz unidad.
1 0 0
𝐴 = [0 1 0]
0 0 1
Matriz potencia: Se define la potencia n-ésima de una matriz cuadrada (en caso contrario no tiene sentido), al
producto matricial de n matrices iguales a A, esto es:𝐴𝑛 = 𝐴 ∙ 𝐴 ∙ 𝐴 … 𝐴𝑛
2 −1
𝐴=[ ]
3 2
2 −1 3 2 −1 2 −1 2 −1 1 −4 2 −1 −10 −9
𝐴3 = [ ] =[ ][ ][ ]=[ ][ ]=[ ]
3 2 3 2 3 2 3 2 12 1 3 2 27 −10

Matriz periódica: Aquella que verifica que 𝐴𝑝+1 = 𝐴, donde 𝑝 ∈ 𝑁.

−1 −1 −1
𝐴=[ 0 0 0] Con p = 2
0 0 0
−1 −1 −1 −1 −1 −1 −1 −1 −1 −1 −1 −1
𝐴2+1 = 𝐴3 = [ 0 0 0 ][ 0 0 0 ][ 0 0 0 ]=[ 0 0 0]
0 0 0 0 0 0 0 0 0 0 0 0
Matriz nilpotente: Decimos que una matriz cuadrada A de orden n es NILPOTENTE si y sólo si se verifica que 𝐴 ∙ 𝐴 =
0𝑛 , es decir𝐴2 = 0𝑛 . (Matriznula)

1 −1 0 1 −1 0 1 −1 0 0 0 0
𝐴 = [1 −1 0] 𝐴2 = [1 −1 0] [1 −1 0] = [0 0 0]
2 −2 0 2 −2 0 2 −2 0 0 0 0
Matriz idempotente: Decimos que una matriz cuadrada A de orden n es IDEMPOTENTE si y sólo si se verifica que𝐴 ∙
𝐴 = 𝐴, es decir𝐴2 = 𝐴.
2 −2 −4 2 −2 −4 2 −2 −4 2 −2 −4
𝐴 = [−1 3 4 ] 𝐴2 = [−1 3 4 ] [−1 3 4 ] = [−1 3 4]
1 −2 −3 1 −2 −3 1 −2 −3 1 −2 −3
Matriz involutiva: Decimos que una matriz cuadrada A de orden n es involutiva si y sólo si se verifica que 𝐴 ∙ 𝐴 = 𝐼,
es decir𝐴2 = 𝐼. (Matriz identidad)
2 −2 −5 2 −2 −5 2 −2 −5 1 0 0
𝐴 = [−1 3 5 ] 𝐴2 = [−1 3 5 ] [−1 3 5 ] = [0 1 0]
1 −2 −4 1 −2 −4 1 −2 −4 0 0 1
Matriz transpuesta: Sea 𝐴 = {𝑎𝑖𝑗 } una matriz de 𝑚𝑥𝑛. Entonces la transpuesta de A se obtiene al intercambiar los
renglones y las columnas de A y se escribe 𝐴𝑡 = {𝑎𝑖𝑗 }.
2 −1
2 3 𝑡 2 1 2 3 1 𝑡
𝐴=[ ]𝐴 = [ ] 𝐵=[ ] 𝐵 = [3 4]
1 4 3 4 −1 4 6
1 6
Matriz simétrica: La matriz cuadrada A de 𝑚𝑥𝑛 es simétrica sí 𝐴𝑡 = 𝐴.

1 −4 2 1 −4 2
1 2 𝑡 1 2
𝐷=[ ]𝐷 = [ ] 𝐸 = [−4 7 5] 𝐸 𝑡 = [−4 7 5]
2 3 2 3
2 5 0 2 5 0
Las matrices D y E son simétricas

Instituto Tecnológico de Tepic

 2.3 Clasificación de matrices
77

Matriz antisimétrica: Se dice que una matriz cuadrada es antisimétrica si 𝐴𝑡 = −𝐴, es decir {𝑎𝑖𝑗 } = −{𝑎𝑖𝑗 }.

0 1 −1 0 −1 1
0 −6 𝑡 0 6
𝐺=[ ]𝐺 = [ ] 𝐻 = [−1 0 2 ] 𝐻𝑡 = [ 1 0 −2]
6 0 −6 0
1 −2 0 −1 2 0
La matrices G y H son antisimétricas.

Matriz compleja: Es una matriz con entradas complejas.

0 𝑖 2
𝐴 = [ −𝑖 0 3]
−2 −3 0
Matriz conjugada: Aquella que se obtiene sustituyendo cada elemento por su complejo conjugado (igual parte real,
pero la parte imaginaria cambiada de signo)

4+𝑖 −2 + 3𝑖 ̅ 4−𝑖 −2 − 3𝑖
𝐴=[ ]𝐴 = [ ]
6 + 4𝑖 −3𝑖 6 − 4𝑖 3𝑖

Matriz hermitiana: Sea Una matriz compleja n x n es hermitiana si ̅̅̅

𝐴𝑡 = 𝐴.

2 1 + 𝑖 ̅̅̅𝑡 ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
2 1−𝑖 2 1+𝑖
𝐴=[ ]𝐴 = [ ]=[ ]
1−𝑖 4 1+𝑖 4 1−𝑖 4

Matriz antihermitiana: Una matriz compleja n x n es antihermitiana si ̅̅̅

𝐴𝑡 = −𝐴

0 𝑖 2 ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
0 𝑖 −2 0 −𝑖 −2
𝐴=[ 𝑖 0 3] ̅̅̅
𝐴𝑡 = [ 𝑖 0 −3] = [−𝑖 0 −3]
−2 −3 0 2 3 0 2 3 0
Matriz ortogonal: Aquella que la inversa coincide con la traspuesta: 𝐴−1 = 𝐴𝑡 ó 𝐴 ∙ 𝐴𝑡 = 𝐼.
En una matriz ortogonal, la suma de los cuadrados de los elementos de cualquier fila o columna es la unidad y la
suma de los productos de los elementos de una línea por los correspondientes de otra paralela es cero. Su
determinante es +1 o -1.
1 1 1 1 1 1
0 0 √2 √2
0 1 0 0
√2 √2 √2 √2
𝑡
𝐴=[ 1
0 − ]
1 𝐴∙𝐴 =[ 1
0 − ] [01 0 1] = [ 0 1 0]
√2 √2 √2 √2 1 1
0 1 0 0 1 0 √2
−√2 0 0 0 1

𝑨𝒕 𝒆𝒔 𝒊𝒏𝒗𝒆𝒓𝒔𝒂 𝒅𝒆 𝑨

2.4 Transformaciones elementales por renglón. Escalonamiento de una matriz. Rango de una matriz.

El proceso de efectuar operaciones elementales de renglón para simplificar una matriz aumentada se llama reducción
por renglones, y se utiliza la siguiente simbología de [𝐸2].

a) 𝛼𝑅𝑖 → 𝑅𝑖 , indica multiplicar el i – ésimo renglón de una matriz por el número α.

b) 𝛼𝑅𝑗 + 𝑅𝑖 → 𝑅𝑖 , indica multiplicar el j – ésimo renglón por α y sumarlo al i – ésimo renglón.
c) 𝑅𝑖 ↔ 𝑅𝑖 , indica intercambiar o permutar los renglones i y j.
d) 𝐴 → 𝐵, indica que las matrices aumentadas A y B son equivalentes; esto es, que los sistemas que representan
tienen la misma solución.

Instituto Tecnológico de Tepic

78 Tema 2. Matrices y Determinantes

Matriz escalonada.

La matriz puede escalonarse de dos formas, por la forma escalonada reducida por renglones (f. e. r. r.) y la forma
escalonada por renglones (f. e. r.). La diferencia entre estas dos formas de escalonamiento es que en la f. e. r. r.
todos los números abajo y arriba del primer 1 de un renglón son cero y la f. e. r. todos los números abajo del primer
uno en un renglón son cero. de [1]

Así la forma escalonada reducida por renglones es más exclusiva, esto es, en toda matriz en f. e. r. r. se encuentra
también la f. e. r. pero no al contrario.

Ejemplo de matrices en f. e. r. r.
1 0 0 1 0 2 5
1 0 0 5
𝑖. [0 1 0] 𝑖𝑖. [ ] 𝑖𝑖𝑖. [0 1 3 6]
0 0 1 2
0 0 1 0 0 0 0
Ejemplo de matrices f. e. r.
1 2 3 1 3 2 5
1 1 2 5
𝑖. [0 1 5] 𝑖𝑖. [ ] 𝑖𝑖𝑖. [0 1 3 6]
0 0 1 2
0 0 1 0 0 0 0

Rango de una matriz

El procedimiento para calcular el rango de una matriz dada A, es el siguiente.

Paso 1. Llevar A a su forma escalonada reducida por renglones, B.

Paso 2. El rango de A es igual al número de renglones no nulos de B.

Ejemplo 7 Rango de una matriz

𝟐 𝟒 𝟑
Sea 𝑫 = [𝟎 𝟏 −𝟏], determinar el rango de la matriz D.
𝟑 𝟓 𝟕
3 7
2 4 3 1𝑅1→𝑅1 1 2 3 1 2 2 −2𝑅2+𝑅1→𝑅1 1 0 2
2
𝑅3→𝑅3 1 0 7
2 2 −3𝑅1+𝑅3→𝑅3 𝑅2+𝑅3→𝑅3 3 2
[0 1 −1] → [0 1 −1] → [0 1 −1] → [0 1 −1] → [0 1 −1]
5 3
3 5 7 3 5 7 0 −1 2
0 0 2 0 0 1
7
− 𝑅3+𝑅1→𝑅1
2 1 0 0
𝑅3+𝑅2→𝑅2
→ [0 1 0] La matriz D es de rango 3
0 0 1
2.5 Cálculo de la inversa de una matriz.
Forma escalonada
Definición. Sean A y B dos matrices de 𝑛 𝑥 𝑛, supongamos que 𝐴𝐵 = 𝐵𝐴 = 𝐼 (matriz identidad), entonces B se conoce
como la inversa de A y se escribe 𝐴−1 . Así tenemos 𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼. Si la matriz A tiene una inversa entonces se
dice que la matriz A es invertible de [1].

Procedimiento para calcular la inversa de una matriz n x n, por la forma escalonada.

1. Escribir la matriz aumentada (𝑨|𝑰) conjuntamente con la matriz identidad.
2. Utilizar la reducción por renglones para reducir la matriz A a su forma escalonada.
3. Decidir si la matriz A es invertible.

Instituto Tecnológico de Tepic

 2.5 Calculo de la inversa de una matriz
79

Ejemplo 8 Inversa de una matriz

𝟐 −𝟑
Sea 𝑨 = [ ], calcular la inversa de A.
−𝟒 𝟓
1
2 −3 1 0 2𝑅1→𝑅1 1 −32 12 0 4𝑅1+𝑅2→𝑅2 1 −32 12 0 −𝑅2→𝑅2
( | )→ ( | )→ ( | )→
−4 5 0 1 −4 5 0 1 0 −1 2 1
3
1 −32 12 0 2𝑅2+𝑅1→𝑅1 1 0 −52 −32
( | )→ ( | )
0 1 −2 −1 0 1 −2 −1
𝟓 𝟑
−𝟐 −𝟐
𝑨−𝟏 = [ ]
−𝟐 −𝟏

2 −3 −52 −32 1 0
Verificando 𝐴𝐴−1 = [ ][ ]=[ ]=𝐼
−4 5 −2 −1 0 1

Ejemplo 9 Inversa de una matriz

𝟏 𝟒 −𝟐
Sea 𝑩 = [𝟐 −𝟐 𝟑 ], calcular la inversa de B.
𝟓 𝟔 −𝟒

1 4 −2 1 0 0 −2𝑅1+𝑅2→𝑅2 1 4 −2 1 0 0 − 1 𝑅2→𝑅2 1 4 −2 1 0 0
−5𝑅1+𝑅3→𝑅3 10 7
(2 −2 3 |0 1 0) → (0 −10 7 |−2 1 0) → (0 1 −10 | 15 1
−10 0)
5 6 −4 0 0 1 0 −14 6 −5 0 1 0 −14 6 −5 0 1
4 1 2 1 2
−4𝑅2+𝑅1→𝑅1 1 0 5 5 5
0 5 1 0 4
5 5
0
− 𝑅3→𝑅3 5
14𝑅2+𝑅3→𝑅3 7 19 1 1
→ (0 1 −10 | 15 1
−10 0) → (0 1 7|
−10 5
−10 0 )
0 0 −19
5
−115
−75 1 0 0 1 11
19
7
19
5
−19

4
− 𝑅3+𝑅1→𝑅1
5 5 2 4
7
𝑅3+𝑅2→𝑅2 1 0 0 −19 19 19
10 23 3 7
→ (0 1 0| 38 19
−38 )
0 0 1 11 7 5
−19
19 19

𝟓 𝟐 𝟒
−𝟏𝟗 𝟏𝟗 𝟏𝟗
𝟐𝟑 𝟑 𝟕
𝑩−𝟏 = 𝟑𝟖 𝟏𝟗
−𝟑𝟖
𝟏𝟏 𝟕 𝟓
[ 𝟏𝟗 𝟏𝟗
−𝟏𝟗]

5 2 4
1 4 −2 −19 19 19 1 0 0
23 3 7
Verificando 𝐴𝐴−1 = [2 −2 3 ] [ 38 19
− ]=[0
38 1 0] = 𝐼
5 6 −4 11 7
−5 0 0 1
19 19 19

2.2 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Calcular las siguientes operaciones que se indican.

Instituto Tecnológico de Tepic

80 Tema 2. Matrices y Determinantes

𝟑 −𝟏 𝟐
1. Sea 𝑨 = [𝟐 𝟏 𝟑], determinar el rango de A
𝟕 𝟏 𝟖

−𝟐 −𝟏 𝟔
2. Sea 𝑩 = [−𝟑 −𝟐 𝟑 ], determinar el rango de B
𝟒 𝟏 −𝟓

Instituto Tecnológico de Tepic

 2.5 Calculo de la inversa de una matriz
81

−𝟒 𝟏 𝟕
3. Sea 𝑫 = [−𝟐 −𝟓 𝟑 ], calcular la inversa de la matriz D, por la forma escalonada.
𝟑 𝟔 −𝟏

Instituto Tecnológico de Tepic

82 Tema 2. Matrices y Determinantes

𝟐 𝟒 𝟔
4. Sea 𝑬 = [𝟑 𝟏 −𝟐], calcular la inversa de la matriz E, por la forma escalonada.
𝟒 𝟓 𝟔

Instituto Tecnológico de Tepic

 2.5 Calculo de la inversa de una matriz
83

−𝟑 𝟏 𝟐
5. Sea 𝑭 = [ 𝟒 𝟓 −𝟏], calcular la inversa de la matriz F, por la forma escalonada.
𝟐 𝟕 𝟔

Instituto Tecnológico de Tepic

84 Tema 2. Matrices y Determinantes

𝟑 𝟒 𝟏
6. Sea 𝑮 = [𝟐 𝟐 𝟐 ], calcular la inversa de la matriz G, por la forma escalonada.
𝟒 −𝟓 −𝟏

II. Ejercicios propuestos para resolver en extra clase.

7 – 9 Determinar el rango de las siguientes matrices.

𝟐 𝟒 𝟑 −𝟏 𝟏 𝟒 𝟕 𝟏 −𝟔
𝟕. 𝑨 = [𝟎 𝟏 −𝟏] 𝟖. 𝑩 = [−𝟐 𝟑 𝟒] 𝟗. 𝑪 = [−𝟗 𝟖 𝟕]
𝟑 𝟓 𝟕 𝟏 𝟓 𝟔 𝟓 𝟒 −𝟗
9 – 18 Determinar la inversa de las siguientes matrices por el método de la forma escalonada.

𝟑 𝟐 𝟏 𝟐 𝟒 𝟑 𝟐 𝟒 𝟑
𝟏𝟎. 𝑫 = [𝟎 𝟐 𝟐] 𝟏𝟏. 𝑬 = [𝟎 𝟏 −𝟏] 𝟏𝟐. 𝑭 = [−𝟑 −𝟏 𝟓]
𝟎 𝟎 −𝟏 𝟑 𝟓 𝟕 𝟒 𝟏 𝟑
𝟏 −𝟏 𝟐 𝟎 𝟏 𝟓 𝟕 𝟑 −𝟒
𝟏𝟑. 𝑮 = [𝟑 𝟏 𝟒] . 𝟏𝟒. 𝑯 = [𝟑 −𝟔 𝟗] 𝟏𝟓. 𝑰 = [𝟓 𝟏 𝟕]
𝟎 −𝟐 𝟓 𝟐 𝟔 𝟏 𝟑 −𝟑 𝟓
𝟏 𝟏 𝟏 𝟑 𝟐 𝟓 𝟓 𝟎 −𝟏
𝟏𝟔. 𝑱 = [𝟏 −𝟑 𝟐] 𝟏𝟕. 𝑲 = [−𝟏 −𝟓 𝟔] 𝟏𝟖. 𝑳 = [−𝟑 𝟒 𝟕]
𝟒 −𝟐 −𝟏 𝟐 −𝟕 𝟏 𝟑 −𝟐 𝟓

Instituto Tecnológico de Tepic

 2.6 Definición de determinante de una matriz
85

2.6 Definición de determinante de una matriz.

Existen algunos problemas en matemáticas que, en estricta teoría, son sencillos pero que en la práctica son
imposibles. Piense por ejemplo en el caso de un determinante de una matriz de 50 x 50. Se puede calcular
expandiendo por cofactores. Esto implica 50 determinantes de 49 x 49 que a su vez implican 50 ∙ 49 determinantes
de 48 x 48 que implican a su vez…. 50 ∙ 49 ∙ 48 ∙ 47 …. ∙ 3 determinantes de 2 x 2. Ahora bien, 50 ∙ 49 …. ∙ 3 =
50!/2 ≈ 1.5 x 1064 determinantes 2 x 2 por segundo. Tomaría alrededor de 1.5 x 1058 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠 ≈
4.8 x 1050 𝑎ñ𝑜𝑠 terminar el cálculo (el universo tiene alrededor de 15 𝑚𝑖𝑙 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑎ñ𝑜𝑠 = 1.5 x 1010 𝑎ñ𝑜𝑠
según la versión teórica más reciente). Es obvio que, si bien el cálculo de un determinante de 50 x 50, siguiendo la
definición, es teóricamente directo, en la práctica imposible. de [1]

Por otra parte, la matriz de 50 x 50 no es tan rara. Piense en 50 tiendas en las que ofrecen 50 productos diferentes.
De hecho, las matrices de 𝑛 x 𝑛 con 𝑛 > 100 surgen con frecuencia en la práctica. Por fortuna, existen cuando menos
dos maneras de reducir de manera significativa la cantidad de trabajo necesario para calcular un determinante.
𝑎11 𝑎12
Con frecuencia se denotará det 𝐴 𝑝𝑜𝑟 |𝐴| ó |𝑎 𝑎22 |
21

Definición 1. Determinante 2 x 2.
𝑎11 𝑎12
Sea 𝐴 = [𝑎 𝑎22 ] una matriz de 2 x 2, se define el determinante de A por:
21

det 𝐴 = 𝑎11 𝑎22 − 𝑎12 𝑎21

El determinante de una matriz 𝑛 𝑥 𝑛 se definirá de manera inductiva. En otras palabras, se usará lo que se sabe sobre
un determinante de 2 x 2 para definir un determinante de 3 x 3, esto a su vez se usará para definir un determinante
de 4 x 4 y así sucesivamente. de [1]

Definición 2. Determinante 3 x 3.
𝑎11 𝑎12 𝑎13
Sea 𝐴 = [𝑎21 𝑎22 𝑎23 ]. Entonces:
𝑎31 𝑎32 𝑎33
𝒂𝟐𝟐 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐
𝐝𝐞𝐭 𝑨 = |𝑨| = 𝒂𝟏𝟏 |𝒂 𝒂𝟑𝟑 | − 𝒂𝟏𝟐 |𝒂𝟑𝟏 𝒂𝟑𝟑 | + 𝒂𝟏𝟑 |𝒂𝟑𝟏 𝒂𝟑𝟐 |
𝟑𝟐

Existe otro método para calcular determinante 3 x 3. Se escribe la matriz A y se le adjuntan sus primeras dos
columnas. Después se calculan los seis productos, poniendo signo negativo hacia arriba y signo positivo hacia abajo
de [1].
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12
𝑎
det 𝐴 = | 21 𝑎22 𝑎23 | 𝑎21 𝑎22
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32

𝐝𝐞𝐭 𝑨 = |𝑨| = 𝒂𝟏𝟏 𝒂𝟐𝟐 𝒂𝟑𝟑 + 𝒂𝟏𝟐 𝒂𝟐𝟑 𝒂𝟑𝟏 + 𝒂𝟏𝟑 𝒂𝟐𝟏 𝒂𝟑𝟐 − 𝒂𝟑𝟏 𝒂𝟐𝟐 𝒂𝟏𝟑 − 𝒂𝟑𝟐 𝒂𝟐𝟑 𝒂𝟏𝟏 − 𝒂𝟑𝟑 𝒂𝟐𝟏 𝒂𝟏𝟐

Ejemplo 10 Determinante 3 x 3
𝟑 𝟓 𝟐
Sea 𝑨 = [ 𝟒 𝟐 𝟑], calcular su determinante.
−𝟏 𝟐 𝟒
2 3 4 3 4 2
det 𝐴 = |𝐴| = 3 | | −5| | + 2| |
2 4 −1 4 −1 2

Instituto Tecnológico de Tepic

86 Tema 2. Matrices y Determinantes

det 𝐴 = |𝐴| = 3(8 − 6) − 5[16 − (−3)] + 2[8 − (−2)] = 3(2) − 5[19] + 2[10] ∴ 𝐝𝐞𝐭 𝑨 = −𝟔𝟗
Por el método de columnas el determinante es

3 5 2 3 5
det 𝐴 = | 4 2 3| 4 2
−1 2 4 −1 2
det 𝐴 = (3)(2)(4) + (5)(3)(−1) + (2)(4)(2) − (−1)(2)(2) − (2)(3)(3) − (4)(4)(5)
∴ 𝐝𝐞𝐭 𝑨 = −𝟔𝟗
det 𝐴 = 24 − 15 + 16 + 4 − 18 − 80

Definición 3. Determinante n x n, por expansión de cofactores.

𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
Sea𝐴 = [ ] una matriz 𝑛𝑥𝑛. Entonces el determinante de A, está dado por. de [1]
⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 𝑎𝑛𝑛
𝒏

det 𝐴 = |𝐴| = 𝑎11 𝐴11 + 𝑎12 𝐴12 + 𝑎13 𝐴13 + … … . . +𝑎1𝑛 𝐴1𝑛 ∴ 𝐝𝐞𝐭 𝑨 = ∑ 𝒂𝟏𝒌 𝑨𝟏𝒌
𝒌=𝟏

Ejemplo 11 Determinante n x n por expansión de cofactores

𝟏 𝟑 𝟓 𝟐
Sea 𝑨 = [𝟎 −𝟏 𝟑 𝟒]. Calcular el determinante.
𝟐 𝟏 𝟗 𝟔
𝟑 𝟐 𝟒 𝟖
1 3 5 2 −1 3 4 0 3 4 0 −1 4 0 −1 3
𝑑𝑒𝑡𝐴 = |0 −1 3 4| = 1 | 1 9 6| − 3 | 2 9 6| + 5 | 2 1 6| − 2 | 2 1 9|
2 1 9 6
2 4 8 3 4 8 3 2 8 3 2 4
3 2 4 8
−1 3 4 −1 3
| 1 9 6| 1 9 = (−72 + 36 + 16) − (72 − 24 + 24) = −20 − (72) = −92
2 4 8 2 4
0 3 4 0 3
|2 9 6| 2 9 = (0 + 54 + 32) − (108 + 0 + 48) = 86 − (156) = −70
3 4 8 3 4
0 −1 4 0 −1
|2 1 6| 2 1 = (0 − 18 + 16) − (12 + 0 − 16) = −2 − (−4) = 2
3 2 8 3 2
0 −1 3 0 −1
|2 1 9| 2 1 = (0 − 27 + 12) − (9 + 0 − 8) = −15 − (1) = −16
3 2 4 3 2

det 𝐴 = 1(−92) − 3(−70) + 5(2) − 2(−16) ∴ 𝐝𝐞𝐭 𝑨 = 𝟏𝟔𝟎

Es evidente que el cálculo del determinante de una matriz de 𝑛 𝑥 𝑛 puede ser tedioso. Para calcular un determinante
de 4 x 4 se deben calcular cuatro determinantes de 3 x 3. Para calcular un determinante de 5 x 5 deben calcularse
cinco determinantes de 4 x 4 y así sucesivamente. de [1]

Definición 4. Determinante 𝒏𝒙𝒏, por matriz triangular.

Una matriz cuadrada se llama triangular superior si todos sus componentes debajo de la diagonal principal son cero.
Es una matriz triangular inferior si todos sus componentes arriba de la diagonal principal son cero. de [1]

Instituto Tecnológico de Tepic

 2.6 Definición de determinante de una matriz
87

TEOREMA 1: Sea 𝐴 = {𝑎𝑖𝑗 } una matriz de n x n triangular superior o inferior, entonces.

𝐝𝐞𝐭 𝑨 = 𝒂𝟏𝟏 𝒂𝟐𝟐 𝒂𝟑𝟑 … … … 𝒂𝒏𝒏

TEOREMA 2: Sea A una matriz cualquiera de 𝑛𝑥𝑛, entonces:

a) Si A es la matriz que se obtiene cuando un solo renglón de A se multiplica por una constante k, entonces
det 𝐴 = 𝑘𝑑𝑒𝑡𝐴.
b) Si A es la matriz que se obtiene al intercambiar dos renglones de A, entonces det 𝐴 = −𝑑𝑒𝑡𝐴.
c) Si A es la matriz que se obtiene al sumar un múltiplo de uno de los renglones de A a otro renglón,
entoncesdet 𝐴 = 𝑑𝑒𝑡𝐴.

Ejemplo 12 Determinante n x n por matriz triangular

𝟏 𝟑 𝟓 𝟐
Sea 𝑨 = [𝟎 −𝟏 𝟑 𝟒]. Calcular su determinante.
𝟐 𝟏 𝟗 𝟔
𝟑 𝟐 𝟒 𝟖

1 3 5 2 −2𝑅1+𝑅3→𝑅3 1 3 5 2 −5𝑅2+𝑅3→𝑅3
[0 −1 3 4] −3𝑅1+𝑅4→𝑅4
→ [0 −1 3 4 ] −7𝑅2+𝑅4→𝑅4
→
2 1 9 6 0 −5 −1 2
3 2 4 8 0 −7 −11 2

1 3 5 2 1 3 5 2
[0 −1 3 4 ] −2𝑅3+𝑅4→𝑅4
→ [0 −1 3 4 ]
0 0 −16 −18 0 0 −16 −18
0 0 −32 −26 0 0 0 10

det 𝐴 = 1(−92) − 3(−70) + 5(2) − 2(−16) ∴ 𝐝𝐞𝐭 𝑨 = 𝟏𝟔𝟎

2.7 Propiedades de determinantes.

Propiedad 1: Si cualquier renglón o columna de A es un vector cero, entoncesdet 𝐴 = 0. de [1]

−1 3 0 1
2 3 5
|0 0 0| = 𝑑𝑒𝑡 = 0 |4 2 0 5| = 𝑑𝑒𝑡 = 0
−1 6 0 4
1 −2 4
2 1 0 1

Propiedad 2: Si el renglón i o la columna j de A se multiplica por un escalar c, entonces det A se multiplica por c de
[1].
1 −1 2
Sea 𝐴 = [3 1 4]. Entonces det 𝐴 = 16.
0 −2 5
1 −1 2
Se multiplica el segundo renglón por 4 se tiene: 𝐴 = [12 1 16] y det 𝐴 = 64 = 4 det 𝐴
0 −2 5
1 −1 −6
Se multiplica tercera columna por -3 se tiene: 𝐴 = [3 1 −12] y det 𝐴 = −48 = −3 det 𝐴
0 −2 −15

Instituto Tecnológico de Tepic

88 Tema 2. Matrices y Determinantes

Propiedad 3: Suponga que las matrices A; B y C son idénticas excepto por columna i y que la columna j de C es la
suma de las columnas j de A y B. Entonces det 𝐶 = det 𝐴 + det 𝐵. La misma afirmación es cierta para renglones. de
[1]

1 −1 2 1 −6 2 1 −1 − 6 2 1 −7 2
𝐴 = [3 1 4] , 𝐵 = [3 2 4] 𝑦 𝐶 = [3 1+2 4] = [ 3 3 4]
0 −2 5 0 4 5 0 −2 + 4 5 0 2 5
Entonces det 𝐶 = det 𝐴 + det 𝐵; det 𝐴 = 16, det 𝐵 = 108 𝑦 det 𝐶 = 16 + 108 = 124

Propiedad 4: El intercambio de dos renglones cualquiera (o columnas) distintos de la matriz A, tiene el efecto de
multiplicar det A por -1. de [1]
1 −1 2
Sea 𝐴 = [3 1 4]. Entonces det 𝐴 = 16.
0 −2 5
0 −2 5
Al intercambiar los renglones 1 y 3 se obtiene 𝐵 = [3 1 4]. Entonces det 𝐵 = −16.
1 −1 2

−1 1 2
Al intercambiar las columnas 1 y 2 se obtiene 𝐶 = [ 1 3 4]. Entonces det 𝐶 = −16.
−2 0 5

Propiedad 5: Si la matriz A tiene dos renglones o columnas iguales, entonces det A = 0. de [1]

1 −1 2 5 2 2
Dos renglones iguales 𝐴 = [5 7 3] y dos columnas iguales 𝐵 = [ 3 −1 −1]
1 −1 2 −2 4 4

det 𝐴 = det 𝐵 = 0

Propiedad 6: Si un renglón (o columna) de la matriz A es un múltiplo escalar de otro renglón (o columna), entonces
det A = 0. de [1]

2 −3 5
det 𝐴 = [ 1 7 2 ] det 𝐴 = 0, ya que el tercer renglón es igual a -2 veces el primero.
−4 6 −10

2 −3 6
det 𝐴 = [ 1 7 3 ] det 𝐴 = 0, ya que la tercera columna es igual a 3 veces el primero.
−4 6 −12

Propiedad 7: Si se suma un múltiplo escalar de un renglón (o columna) de la matriz A a otro renglón (o columna) de
la misma matriz A, entonces determinante de A no cambia. de [1]

1 −1 2
Sea 𝐴 = [3 1 4]. Entonces det 𝐴 = 16. Si se multiplica el tercer renglón por 4 y se suma al segundo renglón, se
0 −2 5
1 −1 2
obtiene una matriz 𝐴 = [3 −7 24]. Entonces det 𝐴 = det 𝐵 = 16.
0 −2 5

Instituto Tecnológico de Tepic

 2.8 Inversa de una matriz cuadrada a través de la adjunta
89

2.8 Inversa de una matriz cuadrada a través de la adjunta.

Sea A una matriz de 𝑛 𝑥 𝑛 y B la matriz de sus cofactores. Entonces la adjunta de A, es la transpuesta de la matriz B
de 𝑛 𝑥 𝑛 y se denota por 𝒂𝒅𝒋 𝑨. Entonces la fórmula para calcular la inversa de una matriz por el método de la adjunta
es: de [1]
𝟏
𝑨−𝟏 = 𝒂𝒅𝒋𝑨
𝐝𝐞𝐭 𝑨

Cofactor: Sea A una matriz de 𝑛𝑥𝑛. El cofactor 𝑖𝑗 de A, denotado por 𝐴𝑖𝑗 está dado por. 𝑨𝒊𝒋 = (−𝟏)𝒊+𝒋 |𝑴𝒊𝒋 |.

Esto es, el cofactor 𝑖𝑗 de A se obtiene tomando el determinante del menor 𝑖𝑗 y multiplicarlo por (−1)𝑖+𝑗 . de [1]

𝟏 𝒊 + 𝒋 = 𝒏ú𝒎𝒆𝒓𝒐 𝒑𝒂𝒓
Entonces (−𝟏)𝒊+𝒋 = {
−𝟏 𝒊 + 𝒋 = 𝒏ú𝒎𝒆𝒓𝒐 𝒊𝒎𝒑𝒂𝒓

Menor: Sea A una matriz de 𝑛 𝑥 𝑛 y sea 𝑀𝑖𝑗 la matriz de (𝑛 − 1) 𝑥 (𝑛 − 1) obtenida de A, eliminando el renglón i y
la columna j. 𝑀𝑖𝑗 se llama el menor 𝑖𝑗 de A.

Ejemplo 13 Menor de una matriz

𝟐 −𝟏 𝟒
Sea 𝑨 = [𝟎 𝟏 𝟓 ]. Encuentre 𝑴𝟏𝟑 𝒚 𝑴𝟑𝟐 .
𝟔 𝟑 −𝟒
0 1
Se elimina el primer renglón y tercera columna de A y se obtiene: 𝑀13 = [ ]
6 3
2 4
Se elimina el tercer renglón y segunda columna de A y se obtiene: 𝑀32 = [ ]
0 5

Ejemplo 14 Cofactores de una matriz

𝟑 𝟓 𝟐
Calcular los cofactores 𝑨𝟑𝟐 𝒚 𝑨𝟐𝟐 de la matriz 3 x 3 de la matriz 𝑨 = [ 𝟒 𝟐 𝟑].
−𝟏 𝟐 𝟒
3 2
𝐴32 = (−1)3+2 |𝑀32 | = − | | = −1
4 3
3 2
𝐴22 = (−1)2+2 |𝑀22 | = | | = 14
−1 4

Ejemplo 15 Inversa de una matriz

𝟐 𝟒 𝟑
Sea 𝑨 = [𝟎 𝟏 −𝟏], calcular la inversa de A por el método de la adjunta.
𝟑 𝟓 𝟕

2 4 3 2 4
det 𝐴 = (14 − 12 + 0) − (9 − 10 + 0)
det 𝐴 = |0 1 −1| 0 1 ∴
𝐝𝐞𝐭 𝑨 = 𝟑
3 5 7 3 7

Instituto Tecnológico de Tepic

90 Tema 2. Matrices y Determinantes

1−1 0 −1 0 1
𝐴11 = | | = 12 𝐴12 = − | | = −3 𝐴13 = | | = −3
5 7 3 7 3 5
4 3 2 3 2 4
𝐴21 = − | | = −13 𝐴22 = | |=5 𝐴23 = − | |=2
5 7 3 7 3 5
4 3 2 3 2 4
𝐴31 = | | = −7 𝐴32 = − | |=2 𝐴33 = | |=2
1 −1 0 −1 0 1

12 −3 −3 12 −13 −7
𝐴 = [−13 5 2 ]; 𝑎𝑑𝑗 𝐴 = 𝐵𝑡 = [−3 5 2]
−7 2 2 −3 2 2
13 7 𝟏𝟑 𝟕
4 −3 −3 𝟒 −𝟑 −𝟑
1 1 12 −13 −7
𝐴−1 = 𝑎𝑑𝑗𝐴 = [−3 5 2 ] = [−1 5 2
] ∴ 𝑨−𝟏 = [−𝟏 𝟓 𝟐
]
det 𝐴 3 3 3 𝟑 𝟑
−3 2 2 −1 2 2
−𝟏 𝟐 𝟐
3 3 𝟑 𝟑

2.3 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver cada operación como se indica.
𝟐 𝟒 𝟑
1. Sea 𝑨 = [−𝟑 −𝟏 𝟓]. Calcular el determinante por el método de cofactores, columnas y matriz triangular.
𝟒 𝟏 𝟑

Instituto Tecnológico de Tepic

 2.8 Inversa de una matriz cuadrada a través de la adjunta
91

𝟎 −𝟐 𝟒 −𝟏
2. Sea 𝑩 = [ −𝟑 −𝟓 𝟗 𝟐 ]. Calcular su determinante.
𝟒 𝟑 𝟏 𝟓
𝟐 𝟔 𝟕 𝟖

Instituto Tecnológico de Tepic

92 Tema 2. Matrices y Determinantes

𝟏 −𝟏 𝟐
3. Sea 𝑪 = [𝟑 𝟏 𝟒]. Calcular la inversa de C por la adjunta.
𝟎 −𝟐 𝟓

Instituto Tecnológico de Tepic

 2.8 Inversa de una matriz cuadrada a través de la adjunta
93

𝟕 𝟑 −𝟒
4. Sea 𝑳 = [𝟓 𝟏 𝟕 ] Calcular la inversa de L por la adjunta.
𝟑 −𝟑 𝟓

Instituto Tecnológico de Tepic

94 Tema 2. Matrices y Determinantes

𝟓 𝟐 −𝟒
5. Sea 𝑴 = [ 𝟑 𝟔 −𝟐] Calcular la inversa de M por la adjunta.
−𝟓 −𝟏 𝟕

Instituto Tecnológico de Tepic

 2.8 Inversa de una matriz cuadrada a través de la adjunta
95

II. Ejercicios propuestos para resolver en extra clase.

6 – 8 Calcular el determinante de las siguientes matrices.

𝟏 −𝟏 𝟐 𝟓
𝟕 𝟑 𝟐 𝟏𝟐 −𝟐 𝟕
𝟔. 𝑨 = [𝟑 −𝟓 −𝟕] 𝟕. 𝑩 = [−𝟓 −𝟑 𝟑] 𝟖. 𝑪 = [ 𝟐 −𝟐 𝟕 𝟓]
𝟖 𝟒 𝟑 𝟔
𝟗 −𝟐 𝟓 𝟗 𝟓 𝟏𝟏
−𝟓 𝟔 −𝟕 𝟐

9 – 20 Calcular la inversa de las siguientes matrices por el método de la adjunta

𝟓 𝟏 −𝟐 −𝟏 𝟏 𝟎 𝟏 𝟐 𝟑 𝟒 𝟏 −𝟔
𝟗. 𝑨 = [𝟐 𝟑 −𝟑] 𝟏𝟎. 𝑩 = [ 𝟐 𝟏 𝟒] 𝟏𝟏. 𝑪 = [−𝟏 𝟎 𝟒] 𝟏𝟐. 𝑫 = [−𝟗 𝟖 𝟓]
𝟒 𝟔 𝟔 𝟏 𝟓 𝟔 𝟏 𝟓 𝟓 𝟓 𝟑 𝟕

𝟑 −𝟏 𝟐 𝟐 −𝟑 −𝟒 −𝟐 −𝟏 𝟔 −𝟏 𝟏 𝟎
𝟏𝟑. 𝑬 = [𝟐 𝟏 𝟑] 𝟏𝟒. 𝑭 = [𝟓 𝟏 −𝟐] 𝟏𝟓. 𝑮 = [−𝟑 −𝟐 𝟑] 𝟏𝟔. 𝑯 = [ 𝟐 𝟏 𝟒]
𝟕 𝟏 𝟖 𝟔 𝟒 𝟐 𝟒 𝟏 −𝟓 𝟏 𝟓 𝟔

𝟐 −𝟕 𝟔 𝟐 𝟒 𝟔 𝟒 𝟓 𝟖 𝟑 𝟐 𝟕
𝟏𝟕. 𝑰 = [ 𝟑 −𝟐 𝟑] 𝟏𝟖. 𝑱 = [𝟑 𝟏 −𝟐] 𝟏𝟗. 𝒌 = [−𝟑 𝟏 −𝟐] 𝟐𝟎. 𝑳 = [−𝟐 𝟓 𝟏]
−𝟓 𝟏 𝟖 𝟒 𝟓 𝟔 𝟕 −𝟐 −𝟓 𝟒 −𝟓 𝟔

2.9 Aplicaciones de matrices y determinantes.

El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el
cálculo numérico y simbólico que se deriva de los modelos matemáticos utilizados para resolver problemas en
diferentes disciplinas como, por ejemplo, las ciencias sociales, las ingenierías, la economía, la física, la estadística y
las diferentes ramas de las matemáticas entre las que destacamos las ecuaciones diferenciales, el cálculo numérico
y por supuesto, el álgebra de [𝐸4].

Las matrices y los determinantes son herramientas del algebra que facilitan el ordenamiento de datos, así como su
manejo.

Los conceptos de matriz y todos los relacionados fueron desarrollados básicamente en el siglo XIX por matemáticos
como los ingleses J.J. Sylvester y Arthur Cayley y el irlandés William Hamilton.

Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos regularmente ordenados y aparecen
en situaciones propias de las Ciencias Sociales, Económicas y Biológicas.

El concepto de determinante de una matriz cuadrada tiene una gran relevancia dentro de la teoría de matrices. Los
determinantes resultan de gran utilidad a la hora de resolver determinados sistemas de ecuaciones lineales (los
llamados sistemas de Cramer y cálculo de la inversa por el método de la adjunta), discutir la existencia de solución
de sistemas de ecuaciones lineales generales (mediante el concepto de rango de una matriz y del Teorema de Rouché
Frobenious), y analizar la dependencia lineal de un conjunto de vectores de [𝐸3].

Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones
diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones en el campo de la física.

Instituto Tecnológico de Tepic

96 Tema 2. Matrices y Determinantes

Una aplicación de matrices es la “Teoría de Gráficas”

En años recientes se ha dedicado mucha atención a un área relativamente nueva de la investigación matemática
llamada teoría de gráficas. Las gráficas son útiles en el estudio de la manera como se interrelacionan las componentes
de las redes que surgen en el comercio, las ciencias sociales, la medicina y muchas otras áreas. Por ejemplo, las
gráficas son útiles en el estudio de las relaciones familiares en una tribu, la propagación de una enfermedad
contagiosa o en una red de vuelos comerciales que comunican a un número dado de ciudades importantes. La teoría
de las gráficas es un tema amplio. de [1]

Gráficas dirigidas

Las gráficas dirigidas (conocidas también como digráficas) son conjuntos finitos de puntos 𝑃1 , 𝑃2 , … … , 𝑃𝑛 , llamados
vértices o nodos, junto con conjuntos finitos de arcos (aristas o lados) dirigidos, cada uno de los cuales une un par
ordenado de vértices distintos. De acuerdo con lo anterior, la arista dirigida 𝑃𝑖 𝑃𝑗 es diferente de la arista dirigida
𝑃𝑗 𝑃𝑖 . Observe que en una digráfica podría no haber una arista dirigida del vértice 𝑃𝑖 a alguno de los otros vértices, y
viceversa. Por otro lado, ninguno de los vértices de una digráfica puede estar unido a él mismo por medio de una
sola arista dirigida, pero si mediante otros vértices. Además, supondremos que no hay aristas dirigidas múltiples que
unan a cualesquiera dos vértices. de [4]

Representación de un sistema de comunicación mediante gráficas. Suponga que se está estudiando un sistema de
comunicaciones unido por líneas telefónicas. En este sistema hay cinco estaciones. En la siguiente tabla se indican
las líneas disponibles hacia y desde las estaciones. de [1]

Estación 1 2 3 4 5
1 √
2 √ √
3 √
4 √ √
5 √ √

La marca en el cuadro 1, 2 indica que hay una línea de la estación 1 a la estación 2. La información en la tabla se
puede representar por una gráfica dirigida como la que se ilustra en la siguiente figura.

3
1

5 4

La representación matricial de la gráfica dirigida de la figura anterior es

0 1 0 0 0
1 0 0 0 1
𝐴= 0 0 0 1 0
0 1 1 0 0
[1 0 0 1 0]

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
97

CADENA DE MARKOV

Consideremos un sistema que está, en cualquier momento dado, en uno y sólo un estado entre una cantidad finita
de ellos. Por ejemplo, el clima en cierta área puede ser lluvioso o despejado; una persona puede fumar o no fumar;
vamos o no vamos a la escuela; vivimos en un área urbana, suburbana o rural; contamos con un nivel de ingresos
bajo, medio o alto; compramos un automóvil Chevrolet, Ford o de alguna otra marca. Al pasar el tiempo, el sistema
puede pasar de un estado a otro, y supondremos que el estado del sistema es observado a periodos fijos (digamos
cada día, cada hora, etcétera). En muchas aplicaciones conocemos el estado actual del sistema y queremos predecir
el que tendrá en el siguiente periodo de observación, o en cualquier otro. Con frecuencia podemos predecir, a partir
de datos históricos, la probabilidad de que el sistema esté en cierto estado particular en determinado periodo de
observación. de [4]

DEFINICIÓN
Una cadena de Marcov o Proceso de Marcov es aquel en el que la probabilidad de que el sistema esté en un estado
particular en un periodo de observación dado, depende solamente de su estado en el periodo de observación
inmediato anterior.

Supongamos que el sistema tiene n estados posibles. Para cada 𝑖 = 1, 2, … … , 𝑛 y cada 𝑗 = 1, 2, … … , 𝑛, sea 𝑡𝑖𝑗
la probabilidad de que un sistema se encuentra en el estado j en cierto periodo de observación, estará en el estado i
en el siguiente; 𝑡𝑖𝑗 recibe el nombre de probabilidad de transición. Además, 𝑡𝑖𝑗 se aplica a cada periodo, es decir, no
cambia con el tiempo. de [4]

Como 𝑡𝑖𝑗 es una probabilidad, demos tener que

0 ≤ 𝑡𝑖𝑗 ≤ 1 (1 ≥ 𝑖, 𝑗 ≤ 𝑛)

Así mismo, si el sistema está en el estado j en cierto periodo de observación, entonces debe estar en alguno de los n
estados (ya que también podría permanecer en el estado j) en el siguiente. Por lo tanto, tenemos

𝑡1𝑗 + 𝑡2𝑗 +∙ ∙ ∙ +𝑡𝑛𝑗 = 1

Es conveniente disponer las probabilidades de transición como la matriz 𝑇 = [𝑡𝑖𝑗 ] de 𝑛 x 𝑛 llamada matriz de
transición de la cadena de Markov. Otros nombres para una matriz de transición son matrices de Markov, matriz
estocástica y matriz de probabilidades de [4].

Ahora utilizaremos la matriz de transición del proceso de Markov para determinar la probabilidad de que el sistema
se encuentre en cualquiera de los n estados en el futuro.

Sea

(𝑘)
𝑃1
(𝑘)
𝑥 (𝑘) = 𝑃2 (𝑘 ≥ 0)
⋮
(𝑘)
[𝑃𝑛 ]

(𝑘)
el vector de estado del proceso de Markov en el periodo de observación k, donde 𝑃𝑗 es la probabilidad de que el
sistema se encuentre en el estado j en el periodo de observación k. al vector 𝑥 (𝑘) , que denota el vector de estado
en el periodo 0, se le llama vector de estado inicial de [4].

Instituto Tecnológico de Tepic

98 Tema 2. Matrices y Determinantes

TEOREMA: Si T es la matriz de transición del proceso de Markov, el vector de estado 𝑥 (𝑘+1) , en el (𝑘 + 1) − é𝑠𝑖𝑚𝑜
periodo de observación, puede determinarse a partir del vector de estado 𝑥 (𝑘) en el 𝑘 − é𝑠𝑖𝑚𝑜 periodo de
observación como

𝑥 (𝑘+1) = 𝑇𝑥 (𝑘)

Tal que

𝑥 (1) = 𝑇𝑥 (0)
𝑥 (2) = 𝑇𝑥 (1) = 𝑇(𝑇𝑥 (0) ) = 𝑇 2 𝑥 (0)
𝑥 (3) = 𝑇𝑥 (2) = 𝑇(𝑇 2 𝑥 (0) ) = 𝑇 3 𝑥 (0)

Y, en general

𝒙(𝒏) = 𝑻𝒏 𝒙(𝟎)

Ejemplo 16 Aplicaciones de matrices y determinantes

Una empresa dedicada a la investigación de mercados está analizando un gran grupo de consumidores de café,
que compran una lata de café cada semana. Se ha determinado que 50% de las personas que actualmente utilizan
la marca A, la comprarán de nuevo la próxima semana, el 25% cambiaran a la marca B y el 25% preferirá alguna
otra. De las personas que ahora consumen la marca B, 30% la comprará otra vez la próxima semana, 60% optará
por la marca A y el 10% cambiará a otra. De los consumidores que actualmente compran otra marca, 30% adquirirá
de nuevo la otra marca la próxima semana, 40% escogerá la marca A y 30% cambiará a la marca B. Los estados A,
B y D representan la marca A, la marca B y la otra marca, respectivamente. La probabilidad de que una persona
que consume la marca A cambie a la marca B es de 0.25; la probabilidad de que una persona que consume la marca
B la siga comprando es de 0.3, y así sucesivamente. de [4]

Por lo tanto, la Matriz de transición de esta cadena de Marcov es

𝐴 𝐵 𝐷
0.50 0.60 0.40 𝐴
𝑇=[
0.25 0.30 0.30] 𝐵
0.25 0.10 0.30 𝐷

Suponga que al iniciar el estudio vemos que la marca A tiene 20% del mercado, la marca B tiene 20% del mismo y
las otras marcas tienen el 60% restante. Entonces, el vector del estado inicial 𝑥 (0) es,

0.2
𝑥 (0) = [0.2]
0.6

El vector de estado después de la primera semana es

0.50 0.60 0.40 0.2 0.4600

𝑥 (1) = 𝑇𝑥 (0) = [0.25 0.30 0.30] [0.2] = [0.2900]
0.25 0.10 0.30 0.6 0.2500

De manera análoga,

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
99

0.50 0.60 0.40 0.4600 0.5040

𝑥 (2) = 𝑇𝑥 (1) = [0.25 0.30 0.30] [0.2900] = [0.2770]
0.25 0.10 0.30 0.2500 0.2190
0.50 0.60 0.40 0.5040 0.5058
𝑥 (3) = 𝑇𝑥 (2) = [0.25 0.30 0.30] [0.2770] = [0.2748]
0.25 0.10 0.30 0.2190 0.2194
0.50 0.60 0.40 0.5058 0.5055
𝑥 (4) = 𝑇𝑥 (3) = [0.25 0.30 0.30] [0.2748] = [0.2747]
0.25 0.10 0.30 0.2194 0.2198
0.50 0.60 0.40 0.5055 0.5055
𝑥 (5) = 𝑇𝑥 (4) = [0.25 0.30 0.30] [0.2747] = [0.2747]
0.25 0.10 0.30 0.2198 0.2198

En consecuencia, cuando n crece, los vectores de estado tienden al vector fijo

0.5055
[0.2747]
0.2198

Esto significa que, a lo largo del plazo, la marca A tendrá el control de cerca de 51% del mercado, la marca B
dominara más o menos 27% del mismo y las otras marcas tendrán la predilección del 22% restante.

Ejemplo 17 Aplicaciones de matrices y determinantes

Una empresa de muebles fabrica tres modelos de estanterías: A, B y C. En cada uno de los tamaños, grande y
pequeño. Produce diariamente 1000 estanterías grandes y 8000 pequeñas de tipo A, 8000 grandes y 6000
pequeñas de tipo B, y 4000 grandes y 6000 pequeñas de tipo C. Cada estantería grande lleva 16 tornillos y 6
soportes, y cada estantería pequeña lleva 12 tornillos y 4 soportes, en cualquiera de los tres modelos. Hallar la
cantidad de tornillos y de soportes necesarios para la producción diaria de cada uno de los seis modelos-tamaño
de estantería.

Representar la información de los modelos de estantes que se fabrican.

Tamaños Elementos
Modelos Tamaños
Grandes Pequeños Tornillos Soportes
A 1000 8000 Grandes 16 6
B 8000 6000
Pequeños 12 4
C 4000 6000

𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑚𝑜𝑑𝑒𝑙𝑜𝑠 𝑑𝑒 𝑒𝑠𝑡𝑎𝑛𝑡𝑒𝑟𝑖𝑎 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑡𝑜𝑟𝑛𝑖𝑙𝑙𝑜𝑠 𝑦 𝑠𝑜𝑝𝑜𝑟𝑡𝑒𝑠 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑒𝑠𝑡𝑎𝑛𝑡𝑒𝑟𝑖𝑎

1000 8000
𝐴 = [8000 6000] 16 6
𝐵=[ ]
4000 6000 12 4

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑜𝑟𝑛𝑖𝑙𝑙𝑜𝑠 𝑦 𝑠𝑜𝑝𝑜𝑟𝑡𝑒𝑠 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑚𝑜𝑑𝑒𝑙𝑜 𝑑𝑒 𝑒𝑠𝑡𝑎𝑛𝑡𝑒𝑟í𝑎

1000 8000 112,000 38,000
16 6
𝐴𝐵 = [8000 6000] [ ] = [200,000 72,000]
12 4
4000 6000 136,000 48,000

Para la producción diaria de modelos de estanterías grandes y chicas, se requiere para el modelo A 112 000
tornillos y 38 000 estantes, para el modelo B 200 000 tornillos y 72 000 estantes y para el modelo C 136 000 tornillos
y 48 000 estantes.

Instituto Tecnológico de Tepic

100 Tema 2. Matrices y Determinantes

Ejemplo 18 Aplicaciones de matrices y determinantes

Una pequeña fábrica de muebles produce sofás y sillones reclinables. Cada sofá requiere de 8 horas de trabajo y
$1000 (pesos) de material, mientras que un sillón reclinable puede hacerse por $600 en 6 horas. La compañía
dispone de 342 horas de trabajo por semana y puede pagar $40,200 de material. ¿Cuántos sofás y sillones
reclinables pueden producirse si se utilizan todas las horas de trabajo y todos los materiales?
8 6 342 ℎ𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜
𝐴=[ ] 𝐿𝑎 𝑐𝑜𝑚𝑝𝑎ñ𝑖𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑒 𝑑𝑒 {
1000 600 𝑃𝑢𝑒𝑑𝑒 𝑝𝑎𝑔𝑎𝑟 $40 200
1 1
8 6 1 0 8𝑅1→𝑅1 1 3 1
0 −1000𝑅1+𝑅2→𝑅2 1 3 1
0 −150𝑅2→𝑅2
( | )→ ( |4 8 )→ ( |4 8 )→
1000 600 0 1 1000 600 0 1 0 −150 −125 1
3 1 1
3 1 0 1 1 −
1 4| 8
− 𝑅2+𝑅1→𝑅1
4 1 0 −2 200
( )→ ( | 5 1 ) ∴ 𝐴 −1
= [ 52 200
1 ]
0 1 56 1
−150 0 1 6 −150 −150
6
1 1
𝑆𝑜𝑓á𝑠 −2 200 342 30
[ ]= [ 5 1 ] [40 200] =[ ]
𝑆𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑟𝑒𝑐𝑙𝑖𝑛𝑎𝑏𝑙𝑒𝑠 −150 17
6

Se pueden producir 30 sofás y 17 sillones reclinables

Ejemplo 19 Aplicaciones de matrices y determinantes

Una compañía fabrica tres tipos de muebles para jardín: sillas, mecedoras y sillones. Cada uno requiere de madera,
plástico y aluminio, como se muestra en la tabla que aparece enseguida. La compañía tiene en almacén 400
unidades de madera, 600 de plástico y 1500 de aluminio. Para su corrida de producción de final de temporada, la
compañía desea agotar todas las existencias. Para lograrlo, ¿cuántas sillas, mecedoras y sillones debe fabricar?

Madera Plástico Aluminio

Sillas 1 1 2
Mecedora 1 1 3
Sillón 1 2 5
1 1 1 400 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑑𝑒𝑟𝑎
𝐴 = [1 1 2] 𝑦 𝐸𝑛 𝑎𝑙𝑚𝑎𝑐𝑒𝑛 { 600 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑝𝑙𝑎𝑠𝑡𝑖𝑐𝑜
2 3 5 1,500 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑎𝑙𝑢𝑚𝑖𝑛𝑖𝑜
1 1
1 1 1
(5 + 4 + 3) − (2 + 6 + 5)
det 𝐴 = |1 1=
1 2| 1
𝐝𝐞𝐭 𝑨 = −𝟏
2 3
3 5 2
1 2 1 2 1 1
𝐴11 = | | = −1 𝐴12 = − | | = −1 𝐴13 = | |=1
3 5 2 5 2 3
1 1 1 1 1 1
𝐴21 = − | | = −2 𝐴22 = | |=3 𝐴23 = − | | = −1
3 5 2 5 2 3
1 1 1 1 1 1
𝐴31 = | |=1 𝐴32 = − | | = −1 𝐴33 = | |=0
1 2 1 2 1 1
−1 −1 1 −1 −2 1 1 −1 −2 1 1 2 −1
𝐵 = [−2 3 −1] ; 𝑎𝑑𝑗 𝐴 = 𝐵𝑡 = [−1 3 −1] ∴ 𝐴−1 = [−1 3 −1] = [ 1 −3 1]
−1
1 −1 0 1 −1 0 1 −1 0 −1 1 0
𝑆𝑖𝑙𝑙𝑎𝑠 1 2 −1 400 100
[𝑀𝑒𝑐𝑒𝑑𝑜𝑟𝑎𝑠 ] = [ 1 −3 1 ] [ 600 ] = [100]
𝑆𝑖𝑙𝑙𝑜𝑛𝑒𝑠 −1 1 0 1500 200
Se deben fabricar 100 sillas, 100 mecedoras y 200 sillones.

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
101

2.4 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver cada problema como se indica.
1. Encuentre la representación matricial de las siguientes figuras.

Graficas dirigidas

4 6
2
1 3

4 5
1 3

a) b)

𝟎 𝟏 𝟏 𝟎 𝟏
𝟏 𝟎 𝟎 𝟏 𝟎
2. Bosqueje la gráfica representada por matriz 𝑨 = 𝟎 𝟏 𝟎 𝟎 𝟎
𝟏 𝟎 𝟏 𝟎 𝟏
[𝟎 𝟏 𝟏 𝟏 𝟎]

Instituto Tecnológico de Tepic

102 Tema 2. Matrices y Determinantes

3. En un hospital hay 4 pacientes diabéticos a los que debe inyectarse dos tipos de insulina. Las dosis diarias
(en mg) que necesita el paciente son:
Paciente
1 2 3 4
Insulina retardada 15 20 0 10
Insulina normal 30 20 50 30

Los pacientes permanecen en el hospital 8, 15, 12 y 25 días respectivamente. Determinar mediante matrices,
qué cantidad de insulina de cada tipo se precisará para tratarlos.

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
103

4. Considere un grupo de cinco personas, 𝑷𝟏 , 𝑷𝟐 , 𝑷𝟑 , 𝑷𝟒 𝒚 𝑷𝟓 , que están encargadas de operar una estación
climatológica en una isla remota. Se han observado las siguientes interacciones sociales entre ellas:
𝑷𝟏 𝒔𝒆 𝒍𝒍𝒆𝒗𝒂 𝒃𝒊𝒆𝒏 𝒄𝒐𝒏 𝑷𝟐 , 𝑷𝟑 𝒚 𝑷𝟒
𝑷𝟐 𝒔𝒆 𝒍𝒍𝒆𝒗𝒂 𝒃𝒊𝒆𝒏 𝒄𝒐𝒏 𝑷𝟏 𝒚 𝑷𝟓
𝑷𝟑 𝒔𝒆 𝒍𝒍𝒆𝒗𝒂 𝒃𝒊𝒆𝒏 𝒄𝒐𝒏 𝑷𝟏 , 𝑷𝟐 𝒚 𝑷𝟒
𝑷𝟒 𝒔𝒆 𝒍𝒍𝒆𝒗𝒂 𝒃𝒊𝒆𝒏 𝒄𝒐𝒏 𝑷𝟐 , 𝑷𝟑 𝒚 𝑷𝟓
𝑷𝟓 𝒔𝒆 𝒍𝒍𝒆𝒗𝒂 𝒃𝒊𝒆𝒏 𝒄𝒐𝒏 𝑷𝟒
Trace una gráfica y una matriz que describa esta situación.

Instituto Tecnológico de Tepic

104 Tema 2. Matrices y Determinantes

5. Una empresa fabrica dos productos (P1 y P2) usando diferentes cantidades de materias primas (MP1, MP2
y MP3), en dos plantas situadas en dos ciudades (C1 y C2) de cierto país. Las toneladas de materia prima
utilizadas para la fabricación de los dos productos son respectivamente: 3, 2, 5 y 2, 4, 3. Los costos de cada
tonelada de materia prima (miles de pesos/tonelada) en las dos ciudades son respectivamente 12, 7, 8 y 10,
6, 5. Calcular los costos totales de materias primas para los dos productos elaborados en las dos ciudades.

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
105

6. La empresa VÖST Alpine en Linz produce acero. Serán necesarias, entre otras materias primas, mineral
hierro y carbón duro. Existen tres proveedores diferentes que ofrecen estas materias primas. ¿Cuál es el
proveedor que ofrece mayor beneficio?
La siguiente tabla nos muestra las demandas (en toneladas) de mineral hierro y carbón duro en un periodo
de 3 semanas:
Semana Mineral hierro Carbón duro
1 9t 8t
2 5t 7t
3 6t 4t

En la siguiente tabla se muestran los costos por tonelada de materia prima para cada proveedor:
Materia Prima Ruhr AG Iron Ore AG Hard Coal
Mineral hierro $540 630 530
Carbon duro $420 410 440

Instituto Tecnológico de Tepic

106 Tema 2. Matrices y Determinantes

7. En un consejo municipal del ayuntamiento de una ciudad se decide comprar 2 impresoras, 5 Ordenadores y
3 escáneres. Para determinar el costo de los artículos se sabe que 1 impresora más 4 ordenadores más 3
Escáneres valen 2.600€, 2 impresoras más 5 ordenadores más 4 escáneres valen 3.500€ y 1 Impresora más
3 ordenadores más 2 escáner valen 2.000€. ¿Cuál es el costo total de cada artículo y cuanto invierte en su
compra?

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
107

8. En una fábrica hay tres máquinas para pulir lentes, cuando las tres máquinas están en operación, se pueden
pulir 5,850 lentes en una semana. Cuando están en operación la primera y segunda maquina únicamente,
se pueden pulir 4,200 lentes a la semana. En cambio, cuando solo trabajan la primera y la tercera maquina
solo se pulen 3,450 lentes a la semana. ¿Cuántos lentes pueden pulir cada máquina en una semana?

Instituto Tecnológico de Tepic

108 Tema 2. Matrices y Determinantes

9. Supongamos que el clima de cierta ciudad es lluvioso o despejado. Como resultado de un amplio registro,
𝟏
se ha determinado que la probabilidad de que se dé un día lluvioso después de un día despejado es de , y
𝟑
𝟏
la probabilidad de que se tenga un día lluvioso después de otro día lluvioso es de . Sea D el estado de un
𝟐
día despejado y R el de un día lluvioso.
a. Determine la matriz estocástica que describe los días lluviosos o despejado.
b. Determine el vector de estado inicial.
Determine el resultado probable de que llueve o no llueve.

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
109

II. Ejercicios propuestos para resolver en extra clase.

10. Una liga de boliche consta de siete equipos: 𝑻𝟏 , 𝑻𝟐 … … … … 𝑻𝟕 . Suponga que después de cierto número de
juegos tenemos la siguiente situación:

𝑻𝟏 𝒗𝒆𝒏𝒄𝒊ó 𝒂 𝑻𝟐 𝒚 𝑻𝟓 , 𝒚 𝒑𝒆𝒓𝒅𝒊ó 𝒄𝒐𝒏𝒕𝒓𝒂 𝑻𝟑 ;

𝑻𝟐 𝒗𝒆𝒏𝒄𝒊ó 𝒂 𝑻𝟓 , 𝒚 𝒑𝒆𝒓𝒅𝒊ó 𝒄𝒐𝒏𝒕𝒓𝒂 𝑻𝟏 𝒚 𝑻𝟑 ;
𝑻𝟑 𝒗𝒆𝒏𝒄𝒊ó 𝒂 𝑻𝟏 𝒚 𝑻𝟐 , 𝒚 𝒑𝒆𝒓𝒅𝒊ó 𝒄𝒐𝒏𝒕𝒓𝒂 𝑻𝟒 ;
𝑻𝟒 𝒗𝒆𝒏𝒄𝒊ó 𝒂 𝑻𝟑 , 𝒚 𝒑𝒆𝒓𝒅𝒊ó 𝒄𝒐𝒏𝒕𝒓𝒂 𝑻𝟕 ;
𝑻𝟓 𝒑𝒆𝒓𝒅𝒊ó 𝒄𝒐𝒏𝒕𝒓𝒂 𝑻𝟏 𝒚 𝑻𝟐 ;
𝑻𝟔 𝒏𝒐 𝒉𝒂 𝒋𝒖𝒈𝒂𝒅𝒐;
𝑻𝟕 𝒗𝒆𝒏𝒄𝒊ó 𝒂 𝑻𝟒 ;

Con la información anterior obtener la digrafía, donde 𝑻𝒊 → 𝑻𝒋 significa que 𝑻𝒊 venció a 𝑻𝒋 .

11. Cinco estudiantes reciben las siguientes subvenciones (subvenciones para niños) por cada mes.

a) Calcula la cantidad de subvenciones para niños y la cantidad de becas, que recibe cada estudiante por
año.
b) ¿Cuál es el estudiante que recibe la cantidad más alta?

12. Dos tiendas de departamentos, D1 Y D2, son abastecidas semanalmente por dos fábricas de ropa, F1 Y F2, con
pantalones (p) y sacos (s) de acuerdo con:

P S
F1 50 20
F2 60 30

El precio por cada artículo para cada tienda, en dólares es el siguiente:

D1 D2
S 100 85
P 350 400

Calcule cual es el costo que se produce semanalmente en los artículos de ropa.

Instituto Tecnológico de Tepic

110 Tema 2. Matrices y Determinantes

13. Un profesor hace 3 exámenes a 4 alumnos, los 2 primeros valen 20%, y el último vale 60%, determinar el
promedio de cada alumno en los exámenes realizados.

Alumnos Examen 1 Examen 2 Examen 3

1 75 78 68
2 99 95 98
3 100 95 99
4 54 70 78

14. La siguiente información corresponde a la cantidad de libros de la editorial A, B y C ordenados por tipo y
empaste, que una librería tiene a la venta.

Editorial A Terror Acción Cómicas Ficción

Empastados 2450 6500 3800 5500
No empastados 4500 3100 5200 4300

Editorial B Terror Acción Cómicas Ficción

Empastados 2400 5500 3500 5100
No empastados 4900 3000 5000 4000

Editorial C Terror Acción Cómicas Ficción

Empastados 1000 1300 3000 3100
No empastados 900 2100 2000 1000

a) ¿Cuál matriz representa la cantidad total de libros que la librería tiene a la venta, por tipo y empaste?

b) El dueño de la librería decide abrir una nueva sucursal. Para comenzar, se lleva la décima parte de los
libros de la editorial A, la quinta parte de la editorial B y la cuarta parte de la editorial C. ¿Cuál es la
cantidad total de libros por tipo y empaste de esta nueva sucursal?

c) Si en la nueva sucursal se vendieron todos los libros ¿Cuántos libros por tipo y empaste quedan por
vender?

15. La siguiente información corresponde a los estilos de casa que diseña un arquitecto y la cantidad de material
que se requiere para su construcción.
Estilo de casa Fierro Madera Vidrio Pintura Tejas
Moderno 6 23 14 8 100
Colonial 8 20 11 8 500
Mediterráneo 5 25 10 7 300

Si le piden construir tres casas de cada tipo ¿Cuál es la cantidad de material que se va a gastar en ello?

16. Un constructor tiene contrato para construir tres tipos de casa: moderno, mediterráneo y colonial. La
cantidad de material que se utiliza en la construcción de cada tipo de casa está dada por la siguiente matriz:
Estilo de casa Fierro Madera Vidrio Pintura Tejas
Moderno 5 20 16 7 17
Colonial 7 18 12 9 21
Mediterráneo 6 25 8 5 13

Instituto Tecnológico de Tepic

 2.9 Aplicaciones de matrices y determinantes
111

a) Supongamos que los precios por unidad de fierro, madera, vidrio, pintura y tejas sean respectivamente
15, 8, 5, 1 y 10 ¿Cuál es el precio unitario por cada tipo de casa?
b) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterráneo y colonial respectivamente ¿Cuántas
unidades de cada material se va a utilizar?
c) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterráneo y colonial respectivamente y el valor
de la UF equivale a $15558 ¿Cuál es el costo total del material utilizado en pesos?

17. La siguiente información, corresponde a la producción en granos en miles de toneladas, en dos años
consecutivos:

Producción de granos durante el primer año Producción de granos durante el segundo año
(en miles de toneladas) (en miles de toneladas)
Regiones Trigo Arroz Maíz Cebada Regiones Trigo Arroz Maíz Cebada
Región A 3000 2000 400 600 Región A 5000 50 200 0
Región B 700 350 700 100 Región B 2000 100 300 300
Región C 1000 100 500 800 Región C 2000 100 600 600

a) ¿Cuál es la producción de granos en miles de toneladas durante los dos años consecutivos?
b) Supongamos ahora que existen muchos incentivos para incrementar la producción, condiciones climáticas
favorables, etc. De tal forma que se estima que la producción para el tercer año será el triple de la
producción del primero ¿Cuál será entonces, la producción estimada de este último año?

18. Una empresa encargada de producir 2 tipos de mesas A y B en cada tipo de mesa se hacen 2 tipos de tamaño
grande y chico, se producen semanalmente 1500 mesas chicas y 2300 mesas grandes del tipo A; del tipo B se
producen 3500 mesas chicas y 5000 mesas grandes. Cada mesa pequeña lleva 8 tornillos y 16 rondanas (plana
y de presión) y cada mesa grande lleva 12 tornillos y 24 rondanas (plana y de presión) independientemente de
que tipo de mesa sea. ¿Hallar la cantidad de tornillos y rondanas necesarias para la producción de cada uno de
los modelos y tamaños de mesas?

19. Tres compuestos se combinan para formar tres tipos de fertilizantes. Una unidad del fertilizante del tipo I
requiere 10 kg del compuesto A, 30 kg del compuesto B y 60 kg del compuesto C. Una unidad del tipo II requiere
20 kg del A, 30 kg del B, y 50 kg del C. Una unidad del tipo III requiere 50 kg del A y 50 kg del C. Si hay disponibles
1600 kg del A, 1200 kg del B y 3200 del C. ¿Cuántas unidades de los tres tipos de fertilizantes se pueden producir
si se usa todo el material químico disponible?

20. En una fábrica de ropa se producen tres estilos de camisas que llamaremos 1, 2, 3. Cada prenda pasa por el
proceso de cortado, cosido, planchado y empaquetado. Las camisas se elaboran por lote. Para producir un lote
de camisas del tipo 1 se necesitan 30 min para cortarlas, 40 min para coserlas y 50 min para plancharlas y
empaquetarlas. Para el tipo 2, 50 min para cortar, 50 min para coser y 50 min para planchar y empaquetar.
Para el tipo 3, 65 min para cortar, 40 min para coser y 35 min para planchar y empaquetar. ¿Cuántos lotes se
pueden producir si se trabajan 470 minutos en cortar, 390 minutos en coser y 390 minutos en planchar y
empaquetar?

21. Una compañía elabora tres productos que han de ser procesados en tres departamentos. En la siguiente tabla
se resumen las horas requeridas por unidad de cada producto en cada departamento. Además, las capacidades
semanales se expresan para cada departamento en términos de las horas de trabajo disponibles. Se desea
determinar si hay combinación de los tres grupos que aprovechen al máximo las capacidades semanales de los
tres departamentos.

Instituto Tecnológico de Tepic

112 Tema 2. Matrices y Determinantes

Producto Horas disponibles

Depto.
1 2 3 a la semana
A 2 3.5 3 1 200
B 3 2.5 2 1 150
C 4 3 2 1 400

22. Suponga que los resultados de la votación en una elección al congreso estadounidense en cierto distrito
electoral están representados mediante un vector x en 𝑹𝟑 :

𝐩𝐨𝐫𝐜𝐞𝐧𝐭𝐚𝐣𝐞 𝐪𝐮𝐞 𝐯𝐨𝐭𝐚 𝐩𝐨𝐫 𝐥𝐨𝐬 𝐝𝐞𝐦ó𝐜𝐫𝐚𝐭𝐚𝐬 (𝐃)

𝐱 = [𝐩𝐨𝐫𝐜𝐞𝐧𝐭𝐚𝐣𝐞 𝐪𝐮𝐞 𝐯𝐨𝐭𝐚 𝐩𝐨𝐫 𝐥𝐨𝐬 𝐫𝐞𝐩𝐮𝐛𝐥𝐢𝐜𝐚𝐧𝐨𝐬 (𝐑)]
𝐩𝐨𝐫𝐜𝐞𝐧𝐭𝐚𝐣𝐞 𝐪𝐮𝐞 𝐯𝐨𝐭𝐚 𝐩𝐨𝐫 𝐥𝐨𝐬 𝐥𝐢𝐛𝐞𝐫𝐭𝐚𝐫𝐢𝐨𝐬 (𝐋)

Suponga que en una elección 1,000 personas votaron en la primera elección, con 550 votantes a favor de D,
400 a favor de R, y 50 a favor de L

En la siguiente figura se presenta un diagrama para esta matriz.

0.70 80%

20%
Votos por los Votos por los
de m ócr atas r e publicanos
10%
10% 10%

30% 30%

Votos por los

libe rtarios

40%

a) Determine la matriz estocástica que describe los votos de la elección.

b) Determine el vector de estado inicial.
c) Determine el resultado probable para la siguiente elección y para la elección sucesiva.

Instituto Tecnológico de Tepic

 SISTEMA DE ECUACIONES
TEMA 3 LINEALES

3.1 Definición de sistemas de

ecuaciones lineales.
3.2 Clasificación de los sistemas de Muchos problemas de la vida real nos obligan a resolver
ecuaciones lineales y tipos de simultáneamente varias ecuaciones lineales para hallar las
solución. soluciones comunes a todas ellas. También resultan muy útiles
3.3 Interpretación geométrica de las
soluciones.
en geometría (las ecuaciones lineales se interpretan como
3.4 Métodos de solución de un rectas y planos, y resolver un sistema equivale a estudiar la
sistema de ecuaciones lineales: posición relativa de estas figuras geométricas en el plano o en
Gauss, Gauss – Jordán, inversa el espacio).
de una matriz y Regla de Cramer.
3.5 Aplicaciones.

Competencias específicas a desarrollar

Evaluar los diferentes problemas de aplicaciones de sistemas de ecuaciones lineales en el área de

las matemáticas y de la ingeniería por los métodos de Gauss, Gauss-Jordán, matriz inversa y regla
de Cramer.

Indicadores de desempeño

• Definir los conceptos básicos de sistemas de ecuaciones lineales.

• Resolver sistemas de ecuaciones lineales utilizando los métodos de Gauss, Gauss-Jordán, matriz
inversa y regla de Cramer.
• Resolver problemas de aplicaciones a través de sistemas de ecuaciones lineales.
114 TEMA 3. Sistemas de Ecuaciones Lineales

3.1 Definición de sistemas de ecuaciones lineales.

Ecuaciones lineales de n variables.

Lo que actualmente conocemos como ecuación, es una expresión de la que conocemos al menos uno de sus
elementos y en la que se igualan entre sí dos números o cantidades. Estas igualdades sólo son ciertas para algunos
valores de las literales, las cuales se representan por las últimas letras del alfabeto; lo que se pretende al resolverlas
es encontrar los valores con los que se hace verdadera la relación de igualdad.

La mayor parte de las ecuaciones que se estudian en el álgebra contiene variables, las cuales son símbolos, casi
siempre letras que representan números. En la ecuación

4𝑥 + 7 = 19

la letra x es una variable. Consideremos que la x es la “incógnita” de la ecuación, por lo que el objetivo es determinar
el valor de x que hace que la ecuación sea cierta. Los valores de la incógnita que hacen que la ecuación sea verdadera
se llama soluciones de la ecuación, y el proceso para determinar las soluciones se llama resolución de una ecuación.

Definición 3.1 Ecuación lineal de n variables

En general, una ecuación lineal de “n” variables 𝑥1 , 𝑥2 , 𝑥3 , ⋯ , 𝑥𝑛 es del tipo:

𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 + … … + 𝑎𝑛 𝑥𝑛 = 𝑏

los valores 𝑎1 , 𝑎2 , 𝑎3 , ⋯ , 𝑎𝑛 son los coeficientes (números reales) y el valor b es el término independiente
(número real).

Las ecuaciones lineales no tienen productos o raíces de variables; tampoco variables que aparezcan en funciones
trigonométricas, exponenciales o logarítmicas. Las variables aparecen elevadas solo a la primera potencia. A
continuación, lista de algunas ecuaciones lineales y algunas que no son de [3].

Cada ecuación es lineal

1
𝑎) 3𝑥 + 2𝑦 = 7 𝑏) 𝑥 + 𝑦 − 𝜋𝑧 = √2 𝑐) (𝑠𝑒𝑛 𝜋)𝑥 − 4𝑦 = 𝑒 2
2

Ecuaciones que no son lineales

𝑎) 𝑥𝑦 + 𝑧 = 2 𝑏) 𝑒 𝑥 − 2𝑦 = 4 𝑐) sin 𝑥 + 2𝑦 − 3𝑧 = 0

Sistemas de ecuaciones de n variables

Muchas situaciones del mundo real tienen demasiadas variables como para ser modelados por una sola ecuación.
Por ejemplo, el clima depende muchas variables, como la temperatura, velocidad del viento, presión del aire,
humedad y así sucesivamente. Para modelar el clima, y predecirlo, los científicos usan muchas ecuaciones y cada una
de ellas contiene varias variables.

Existen muchas situaciones en los campos del saber humano, en los que los datos para encontrar una solución
involucran cantidades desconocidas, las cuales están relacionadas de diferente forma y no siempre dependen de un
dato específico. Estas cantidades las podemos representar mediante un conjunto de ecuaciones lineales.

Instituto Tecnológico de Tepic

 3.1 Definición de sistemas de ecuaciones lineales
115

Definición 3.2 Sistema de ecuaciones de n variables

Un sistema de m ecuaciones lineales de n variables es un conjunto de ecuaciones lineales que podemos escribir
de la forma tradicional:

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

un sistema así expresado tiene “m” ecuaciones y “n” incógnitas, donde 𝑎𝑖𝑗 son números reales, llamados
coeficientes del sistema, los valores 𝑏𝑚 son números reales llamados términos independientes del sistema, las
incógnitas 𝑥𝑛 son las variables del sistema y la solución del sistema es un conjunto ordenado de números reales
𝑠1 , 𝑠2 , … … , 𝑠𝑛 tales que al sustituir las incógnitas 𝑥1 , 𝑥2 , … … , 𝑥𝑛 por los valores 𝑠1 , 𝑠2 , … … , 𝑠𝑛 se verifican a la
vez las “m” ecuaciones del sistema.

Puede suceder que un sistema de ecuaciones lineales tenga exactamente una solución, un número infinito de
soluciones o ninguna solución. Un sistema de ecuaciones lineales se denomina consistente si tiene por lo menos una
solución e inconsistente si no tiene solución.

3.2 Clasificación de los sistemas de ecuaciones lineales y tipos de solución.

Atendiendo a sus términos independientes:

Homogéneos (todos los términos independientes son nulos).

No homogéneos (no todos sus términos independientes son nulos).

Un sistema homogéneo de m ecuaciones en n variables tiene la forma

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0

Como un sistema homogéneo es aquel que tiene todos sus términos independientes nulos, luego siempre son
compatibles, ya que tienen al menos la solución (0, 0, 0, ⋯ , 0) que se denomina solución trivial (u obvia). Es fácil
observar que un sistema homogéneo debe tener por lo menos una solución. Específicamente, si todas las variables
de un sistema homogéneo son iguales a cero, entonces debe satisfacerse cada una de las ecuaciones.

Si un sistema homogéneo presenta una solución distinta de la trivial: 𝑠1 , 𝑠2 , … … , 𝑠𝑛 entonces se cumple que son
también solución todas las proporcionales a ella 𝑘𝑠1 , 𝑘𝑠2 , … … , 𝑘𝑠𝑛 , para todo número real k.

Cabe señalar que todo sistema de ecuaciones lineales homogéneo es consistente. Además, si el sistema tiene menos
ecuaciones que variables, entonces debe tener un número infinito de soluciones.

Métodos de resolución de Sistema de ecuaciones lineales.

Para resolver un sistema de ecuaciones lineales hay que hacer transformaciones en las ecuaciones hasta que todas
las incógnitas queden despejadas. Estas transformaciones convierten nuestro sistema inicial en otro/s sistema/s (con
aspecto distinto y más fáciles de resolver) que tienen las mismas soluciones (= sistemas equivalentes).

Instituto Tecnológico de Tepic

116 Tema 3. Sistemas de ecuaciones lineales

Métodos directos.

➢ Método de Gauss (por reducción).

➢ Método de Gauss-Jordán (por eliminación).
➢ Método de la regla de Cramer (por determinantes).
➢ Método de inversión de la matriz.

Métodos interactivos.

➢ Método de Jacobi.
➢ Método de Gauss-Seidel.

Compatibilidad e incompatibilidad de los sistemas.

Atendiendo a sus soluciones:

𝑫𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐𝒔 (𝑢𝑛𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛)

𝑪𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆𝒔 (𝑐𝑜𝑛 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛) {
𝑰𝒏𝒅𝒆𝒕𝒓𝒎𝒊𝒏𝒂𝒅𝒐𝒔 (𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎)
𝑰𝒏𝒄𝒐𝒎𝒑𝒂𝒕𝒊𝒃𝒍𝒆𝒔 (sin 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛)

Generalmente, para la discusión de un sistema de ecuaciones lineales utilizaremos el teorema de Rouchè-Frobenius.

< Un sistema de ecuaciones lineales es compatible si, y solo si, el rango de la matriz de coeficientes es igual al rango
de la matriz ampliada con la columna de los términos independientes. Si estos rangos son distintos el sistema es
incompatible. >

Es decir, la condición necesaria y suficiente para que un sistema de m ecuaciones y n incógnitas tenga solución es
que 𝑟(𝐴) = 𝑟(𝐴∗ ).

➢ Si el número de incógnitas n es igual al rango, la solución es única.

➢ Si el número de incógnitas n es mayor al rango, el sistema tiene infinitas soluciones.
➢ Si el sistema es compatible, el rango del sistema indica el número de ecuaciones linealmente independientes.
➢ Para los sistemas indeterminados la solución puede hallarse despejando k incógnitas principales en función
incógnitas denominadas parámetros y que pueden tomar cualquier valor.

𝑥 + 𝑦 + 𝑧 = 11
Por ejemplo, el sistema de ecuaciones lineales 2𝑥 − 𝑦 + 𝑧 = 5 es compatible porque
3𝑥 + 2𝑦 + 𝑧 = 24

1 1 1 −2𝑅1+𝑅2→𝑅2 1 1 1 1 0 0
−3𝑅1+𝑅3→𝑅3
[2 −1 1] → [0 −3 −1] →→→ [0 1 0] 𝐸𝑠 𝑑𝑒 𝑟𝑎𝑛𝑔𝑜 = 3
3 2 1 0 −1 −2 0 0 1

1 1 1 11 −2𝑅1+𝑅2→𝑅2 1 1 1 11 1 0 04
−3𝑅1+𝑅3→𝑅3
(2 −1 1| 5 ) → (0 −3 −1|−17) →→→ (0 1 0| 5) 𝐸𝑠 𝑑𝑒 𝑟𝑎𝑛𝑔𝑜 = 3
3 2 1 24 0 −1 −2 −9 0 0 12

𝑟(𝐴) = 3 = 𝑟(𝐴∗ ) = 3 es un sistema compatible determinado.

Instituto Tecnológico de Tepic

 3.3 Interpretación geométrica de las soluciones
117

3.3 Interpretación geométrica de las soluciones.

Es sencillo explicar, lo que pasa en los ejemplos de sistemas de ecuaciones lineales con dos incógnitas. Primero se
repite que las ecuaciones del sistema son ambas ecuaciones de líneas rectas.

a) Si las dos rectas no son paralelas, entonces se interceptan en un solo punto (solución única) de [3].

y
6
Solución única

4
y=x +1
y=- x +3

x
5

-2

Ejemplo 1 Verificación analítica del sistema 2 X 2

𝒙+𝒚=𝟑
Resolver el siguiente sistema de ecuaciones lineales
𝒙 − 𝒚 = −𝟏

1
1 1 3 − 𝑅1+𝑅2→𝑅2 1 1 3 − 2𝑅2→𝑅2 1 1 3 − 𝑅2+𝑅1→𝑅1 1 01 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂
( | )→ ( | )→ ( | )→ ( | ) ∴
1 −1 −1 0 −2 −4 0 12 0 12 (𝒙 = 𝟏, 𝒚 = 𝟐)

b) Si son paralelas, entonces nunca se interceptan (sin solución), no tienen puntos en común de [3].

4 Sin Solución

y=- x +2
2
y=- x +4
x
5

-2

Ejemplo 2 Verificación analítica del sistema 2 X 2

𝒙+𝒚 =𝟐
Resolver el siguiente sistema de ecuaciones lineales
𝒙+𝒚= 𝟒

1 1 2 − 𝑅1+𝑅2→𝑅2 1 13 𝟎𝒙 = 𝟐
( | )→ ( | ) 𝑦 ∴ 𝑺𝒊𝒏 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏
1 14 0 02 𝒊𝒏𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆𝒏𝒄𝒊𝒂

Instituto Tecnológico de Tepic

118 TEMA 3. Sistemas de Ecuaciones Lineales

c) Son la misma recta, un número infinito de puntos en común (solución infinita) de [3].
y
6

y=- x +3 Solución infinita

x
5
2y = - 2x + 6

-2

Ejemplo 3 Verificación analítica del de sistema 2 X 2

𝒙 + 𝒚 =𝟑
Resolver el siguiente sistema de ecuaciones lineales
𝟐𝒙 + 𝟐𝒚 = 𝟔

1 1 3 − 2𝑅1+𝑅2→𝑅2 1 13 𝒙+𝒚=𝟑 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒊𝒏𝒇𝒊𝒏𝒊𝒕𝒂

( | )→ ( | ) 𝑦 ∴
2 26 0 00 𝒙 =𝟑−𝒚 (𝒙 = 𝟑 − 𝒚, 𝒚 = 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒂𝒓𝒃𝒊𝒕𝒓𝒂𝒓𝒊𝒐𝒔)
Algo similar pasa cuando se tienen ecuaciones con tres incógnitas. La gráfica de cada una de las ecuaciones del
sistema representa un plano.
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑑
Considere el sistema de ecuaciones con tres incógnitas, 𝑒𝑥 + 𝑓𝑦 + 𝑔𝑧 = ℎ en donde a, b, c, d, e, f, g, h, i, j, k y l son
𝑖𝑥 + 𝑗𝑦 + 𝑘𝑧 = 𝑙
constantes y al menos una de ellas en cada ecuación es diferente de cero.
1. Los tres planos se interceptan en un solo punto. Entonces existe una solución para el sistema.

Instituto Tecnológico de Tepic

 3.3 Interpretación geométrica de las soluciones
119

Ejemplo 4 Verificación analítica del de sistema 3 X 3

𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟗
Resolver el siguiente sistema de ecuaciones lineales −𝒙 + 𝟑𝒚 = −𝟒
𝟐𝒙 − 𝟓𝒚 + 𝟓𝒛 = 𝟏𝟕

1 −2 3 9 𝑅1+𝑅2→𝑅2 1 −2 3 9 2𝑅2+𝑅1→𝑅1 1 0 9 19 1𝑅3→𝑅3

−2𝑅1+𝑅3→𝑅3 𝑅2+𝑅3→𝑅3 2
(−1 3 0|−4) → (0 1 3 | 5 )→ ( 0 1 3| 5 ) →
2 −5 5 17 0 −1 −1 −1 0 0 2 4
1 0 9 19 − 9𝑅3+𝑅1→𝑅1 1 0 0 1
− 3𝑅3+𝑅2→𝑅2 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂
(0 1 3| 5 ) → (0 1 0|−1) ∴
(𝒙 = 𝟏, 𝒚 = −𝟏, 𝒛 = 𝟐)
0 0 1 2 0 0 1 2

2. Los tres planos se interceptan en la misma recta. Entonces cada punto sobre la recta es una solución y el sistema
tiene un número infinito de soluciones.

Ejemplo 5 Verificación analítica del de sistema 3 X 3

𝒚−𝒛=𝟎
Resolver el siguiente sistema de ecuaciones lineales 𝒙 − 𝟑𝒛 = −𝟏
−𝒙 + 𝟑𝒚 = 𝟏

0 1 −1 0 𝑅1⇄𝑅2 1 0 −3 −1 𝑅1+𝑅3→𝑅3 1 0 −3 −1 − 3𝑅2+𝑅3→𝑅3

(1 0 −3|−1) → (0 1 −1| 0 ) → (0 1 −1| 0 ) →
−1 3 0 1 −1 3 0 1 0 3 −3 0

Instituto Tecnológico de Tepic

120 TEMA 3. Sistemas de Ecuaciones Lineales

1 0 −3 −1 𝑥 − 3𝑧 = −1 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒊𝒏𝒇𝒊𝒏𝒊𝒕𝒂
(0 1 −1| 0 ) 𝑦 ∴
𝑦−𝑧 =0 (𝒙 = 𝟑𝒛 − 𝟏, 𝒚 = 𝒛, 𝒛 = 𝒗𝒂𝒍𝒐𝒓𝒆𝒔 𝒂𝒓𝒃𝒊𝒕𝒓𝒂𝒓𝒊𝒐𝒔)
0 0 0 0

3. Al menos dos de los planos son paralelos y distintos. Entonces ningún punto puede estar en ambos y no hay
solución.

Se observa que en todos los casos el sistema tiene una solución única, tiene un número infinito de soluciones o es
inconsistente.

Ejemplo 6 Verificación analítica del de sistema 3 X 3

𝒙 − 𝟑𝒚 + 𝒛 = 𝟏
Resolver el siguiente sistema de ecuaciones lineales 𝟐𝒙 − 𝒚 − 𝟐𝒛 = 𝟐
𝒙 + 𝟐𝒚 − 𝟑𝒛 = −𝟏

1 −3 1 1 − 2𝑅1+𝑅2→𝑅2 1 −3 1 1 1𝑅2→𝑅2 1 −3 1 1 3𝑅2+𝑅1→𝑅1

− 𝑅1+𝑅3→𝑅3 5 −5𝑅2+𝑅3→𝑅3
(2 −1 −2| 2 ) → (0 5 −4| 0 ) → (0 1 −45 | 0 ) →
1 2 −3 −1 0 5 −4 −2 0 5 −4 −2

1 0 −75 1
𝟎𝒙 = −𝟐
(0 1 −45| 0 ) 𝑦 ∴ 𝑺𝒊𝒏 𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏
𝒊𝒏𝒄𝒐𝒏𝒔𝒊𝒔𝒕𝒆𝒏𝒄𝒊𝒂
0 0 0 −2

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
121

3.4 Métodos de solución de un sistema de ecuaciones lineales: Gauss, Gauss – Jordán, inversa
de una matriz y regla de Cramer.
Método por eliminación Gaussiana.

El método fue presentado por el matemático Carl Friedrich Gauss, pero se conocía anteriormente en un importante
libro matemático chino llamado Jiuzhang suanshu o Nueve capítulos del arte matemático

Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus soluciones mediante la
reducción del sistema dado a otro equivalente en el que cada ecuación tiene una incógnita menos que la anterior.
Cuando se aplica este proceso, la matriz resultante se conoce como: "forma escalonada".

Dado un sistema de “m” ecuaciones con “n” incógnitas se trata de obtener un sistema equivalente cuya 1ª ecuación
tenga n incógnitas, la segunda n – 1, la tercera n – 2, y así sucesivamente hasta llegar a la última ecuación, que tendrá
una sola incógnita. Hecho esto, resolvemos la última ecuación, a continuación, la penúltima, y así hasta llegar a la
primera. Es decir, el método de Gauss consiste en triangular la matriz de coeficientes.

Ejemplo 7 Eliminación Gaussiana

𝒙 + 𝒚 + 𝒛 = 𝟏𝟏
Resolver el siguiente sistema de ecuaciones lineales 𝟐𝒙 − 𝒚 + 𝒛 = 𝟓
𝟑𝒙 + 𝟐𝒚 + 𝒛 = 𝟐𝟒

1 1 1 11 −2𝑅1+𝑅2→𝑅2 1 1 1 11 −1𝑅2→𝑅2 1 1 1 11 −𝑅2+𝑅3→𝑅3

−3𝑅1+𝑅3→𝑅3 3 1 17
(2 −1 1| 5 ) → (0 −3 −1|−17) → (0 1 3 | 3 )→
3 2 1 24 0 −1 −2 −9 0 −1 −2 −9
1 1 1 11 −3𝑅3→𝑅3 1 1 1 11 𝑥 + 𝑦 + 𝑧 = 11
1 17 5
(0 1 3 | 3 )→ (0 1 1 17
3| 3 )
1
0 + 𝑦 + 3𝑧 =
17
5 10 3
0 0 −3 − 3 0 0 1 2 𝑧=2
1 17
𝑦 + (2) = 𝑥 + 5 + 2 = 11
3 3
17 2 15
𝑦= − = 𝑥 = 11 − 7
3 3 3
𝑥=4
𝑦=5
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (𝟒, 𝟓, 𝟐)

Ejemplo 8 Eliminación Gaussiana

𝟐𝒙 − 𝟒𝒚 + 𝟔𝒛 = 𝟐
Resolver el siguiente sistema de ecuaciones lineales 𝒚 + 𝟐𝒛 = −𝟑
𝒙 − 𝟑𝒚 + 𝒛 = 𝟒

2 −4 6 2 1𝑅1→𝑅1 1 −2 3 1 −𝑅1+𝑅3→𝑅3 1 −2 3 1 𝑅1+𝑅3→𝑅3

2
(0 1 2|−3) → (0 1 2|−3) → (0 1 2 |−3) →
1 −3 1 4 1 −3 1 4 0 −1 −2 3
1 −2 3 1 𝑥 − 2𝑦 + 3𝑧 = 1
(0 1 2|−3) 𝑦 + 2𝑧 = −3
0 0 0 0
𝑦 + 2𝑧 = −3 𝑥 − 2(−2𝑧 − 3) + 3𝑧 = 1
𝑦 = −2𝑧 − 3 𝑥 + 4𝑧 + 6 + 3𝑧 = 1
𝑥 = −7𝑧 − 5
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒊𝒏𝒇𝒊𝒏𝒊𝒕𝒂: (−𝟕𝒛 − 𝟓, − 𝟐𝒛 − 𝟑, 𝒛)

Instituto Tecnológico de Tepic

122 TEMA 3. Sistema de Ecuaciones Lineales

3.1 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes sistemas de ecuaciones lineales por el método de eliminación Gaussiana
−𝟐𝒙 + 𝒚 + 𝟔𝒛 = 𝟏𝟖
𝟏. 𝟓𝒙 + 𝟖𝒛 = −𝟏𝟔
𝟑𝒙 + 𝟐𝒚 − 𝟏𝟎𝒛 = −𝟑

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
123

𝒙+𝒚−𝒛=𝟐
𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏
𝟐.
𝟑𝒙 + 𝟒𝒚 = 𝟑
𝒙+𝒚+𝒛=𝟒

Instituto Tecnológico de Tepic

124 TEMA 3. Sistema de Ecuaciones Lineales

𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟒
𝟑. 𝟑𝒙 + 𝟐𝒚 − 𝒛 = 𝟑
𝒙 + 𝟑𝒚 − 𝟒𝒛 = −𝟏

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
125

𝟓𝒘 − 𝒙 + 𝒚 + 𝟑𝒛 = −𝟏𝟔
𝟑𝒘 − 𝟑𝒙 + 𝒚 + 𝟐𝒛 = 𝟏𝟒
𝟒.
𝟐𝒘 + 𝟐𝒙 − 𝟒𝒚 + 𝟓𝒛 = 𝟐𝟎
−𝟐𝒘 + 𝒙 − 𝟑𝒚 + 𝒛 = −𝟑𝟎

Instituto Tecnológico de Tepic

126 TEMA 3. Sistema de Ecuaciones Lineales

𝟓𝒘 − 𝟏𝟎𝒙 + 𝒚 + 𝟑𝒛 = −𝟏𝟔
𝟑𝒘 − 𝟔𝒙 + 𝒚 + 𝟐𝒛 = 𝟏𝟒
𝟓.
𝟔𝒘 − 𝟏𝟐𝒙 + 𝟐𝒚 + 𝟒𝒛 = 𝟐𝟖
−𝟐𝒘 − 𝟒𝒙 − 𝟑𝒚 + 𝒛 = −𝟑𝟎

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
127

II. Ejercicios propuestos para resolver en extra clase.

6 – 20 Resolver los siguientes sistemas de ecuaciones por el método de eliminación Gaussiana.

𝒘+𝒙+𝒚+𝒛= 𝟓
−𝟓𝒙 + 𝟐𝒚 + 𝟔𝒛 = 𝟐𝟖 𝒙+𝒚+𝒛= 𝟎
−𝟐𝒘 + 𝟑𝒙 − 𝒚 + 𝟐𝒛 = −𝟏
𝟔. 𝟓𝒙 + 𝟒𝒛 = −𝟏𝟎 𝟕. 𝟑𝒙 − 𝒚 + 𝟐𝒛 = −𝟏 𝟖.
𝟑𝒘 − 𝟐𝒙 + 𝟐𝒚 − 𝟑𝒛 = −𝟓
𝟑𝒙 + 𝟐𝒚 − 𝟓𝒛 = −𝟓 𝒙 + 𝟐𝒚 + 𝟑𝒛 = −𝟓
𝟑𝒘 + 𝟒𝒙 − 𝒚 + 𝟓𝒛 = 𝟐𝟎

𝟑𝒙 − 𝟐𝒚 + 𝒛 = 𝟔 𝒙 − 𝒚 + 𝟑𝒛 = 𝟒 −𝟒𝒙 − 𝟏𝟐𝒚 + 𝟒𝒛 = −𝟒𝟎

𝟗. 𝟐𝒙 + 𝟓𝒚 − 𝟔𝒛 = 𝟏 𝟏𝟎. 𝟐𝒙 + 𝒚 + 𝒛 = 𝟏 𝟏𝟏. 𝒙 + 𝒚 − 𝟔𝒛 = 𝟏𝟎
𝟓𝒙 + 𝟑𝒚 − 𝟓𝒛 = 𝟕 𝟔𝒙 + 𝟑𝒚 − 𝟓𝒛 = 𝟐 𝒙 + 𝟑𝒚 − 𝒛 = 𝟏𝟎

𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏 𝟓𝒙 + 𝒚 − 𝟑𝒛 = 𝟔 𝒙+𝒚+𝒛= 𝟎
𝟏𝟐. 𝟑𝒙 + 𝟒𝒚 = 𝟑 𝟏𝟑. 𝟒𝒙 − 𝟐𝒚 + 𝒛 = 𝟑 𝟏𝟒. 𝟑𝒙 − 𝒚 + 𝟐𝒛 = −𝟏
𝒙+𝒚+𝒛=𝟒 𝟑𝒙 + 𝒚 − 𝟐𝒛 = 𝟐 𝒙 + 𝟐𝒚 + 𝟑𝒛 = −𝟓

𝟑𝒘 − 𝟐𝒙 + 𝟕𝒚 − 𝟔𝒛 = 𝟏𝟕
𝒙+𝒚−𝒛=𝟐 𝒙 − 𝟑𝒚 + 𝒛 = 𝟐
−𝟓𝒘 + 𝟑𝒙 − 𝟑𝒚 + 𝟐𝒛 = 𝟏𝟓
𝟏𝟓. 𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏 𝟏𝟔. 𝟐𝒙 − 𝟒𝒚 + 𝟑𝒛 = 𝟕 𝟏𝟕.
𝟒𝒘 + 𝟓𝒙 + 𝟒𝒚 − 𝟑𝒛 = 𝟏𝟖
𝟑 + 𝟒𝒚 = 𝟑 −𝟑𝒙 + 𝒚 + 𝟐𝒛 = 𝟗
𝟓𝒘 − 𝟑𝒙 + 𝟒𝒚 − 𝟒𝒛 = 𝟏𝟗

𝟑𝒘 − 𝟐𝒙 + 𝟒𝒚 − 𝟔𝒛 = 𝟕 𝒘 − 𝟑𝒙 + 𝒚 − 𝟐𝒛 = 𝟏𝟑
𝟒𝒙 − 𝟔𝒚 + 𝒛 = 𝟒
−𝟐𝒘 + 𝟑𝒙 − 𝒚 + 𝒛 = 𝟔 −𝟑𝒘 + 𝟐𝒙 − 𝟒𝒚 + 𝒛 = 𝟏𝟐
𝟏𝟖. 𝟏𝟗. 𝒙 − 𝒚 + 𝟐𝒛 = 𝟓 𝟐𝟎.
𝟒𝒘 + 𝟓𝒙 + 𝒚 − 𝟑𝒛 = 𝟖 −𝟐𝒘 + 𝒙 + 𝟐𝒚 − 𝟒𝒛 = 𝟏𝟔
−𝟓𝒙 + 𝟐𝒚 + 𝒛 = 𝟏𝟎
𝟓𝒘 − 𝟑𝒙 + 𝟐𝒚 − 𝟒𝒛 = 𝟗 𝟒𝒘 − 𝒙 + 𝟑𝒚 − 𝟐𝒛 = 𝟏𝟖

Método por Gauss - Jordán.

El método de Gauss – Jordán (debido al mencionado Carl Friedrich Gauss y a Wilhelm Jordán) es una variación de la
eliminación gaussiana. La principal diferencia consiste en que método de Gauss - Jordán cuando se elimina una
incógnita no solo se elimina de las ecuaciones siguientes si no de todas las otras ecuaciones. De esta forma el paso
de eliminación genera una matriz identidad en vez de una matriz triangular.

Ejemplo 9 Gauss – Jordán

𝟐𝒙 + 𝒚 − 𝒛 = 𝟎
Resolver el siguiente sistema de ecuaciones lineales 𝒙 + 𝟐𝒚 − 𝒛 = −𝟐
𝒙 + 𝟒𝒚 + 𝟒𝒛 = −𝟏

2 1 −1 0 𝑅1↔𝑅2 1 2 −1 −2 −2𝑅1+𝑅2→𝑅2 1 2 −1 −2 −1𝑅2→𝑅2

−𝑅1+𝑅3→𝑅3 3
(1 2 −1|−2) → (2 1 −1| 0 ) → (0 −3 1 | 4 )→
1 4 2 −1 1 4 2 −1 0 2 3 1
1
𝑅2+𝑅1→𝑅1
3
1 2 −1 −2 −2𝑅2+𝑅1→𝑅1 1 0 −13 23 3 1 0 1 2
−3 3 12𝑅2+𝑅3→𝑅3
𝑅2→𝑅2
−2𝑅2+𝑅3→𝑅3 4 11 3
(0 1 −13 | −43 ) → (0 1 1
−3|−3) → (0 1 −13|−43) →
0 2 3 1 0 0 11
3
11
3 0 0 1 1

1 0 0 1 𝑥=1
(0 1 0|−1) 𝑦 = −1 ∴ 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (𝟏, − 𝟏, 𝟏)
0 0 1 1 𝑧=1

Instituto Tecnológico de Tepic

128 TEMA 3. Sistema de Ecuaciones Lineales

Ejemplo 10 Gauss – Jordán

𝟑𝒙 + 𝟐𝒚 − 𝒛 = −𝟏𝟓
Resolver el siguiente sistema de ecuaciones lineales 𝟓𝒙 + 𝟑𝒚 + 𝟐𝒛 = 𝟎
𝟏𝟏𝒙 + 𝟕𝒚 = −𝟑𝟎

3 2 −1 −15 1𝑅2→𝑅2 1 2
−13 −5 −5𝑅1+𝑅2→𝑅2 1
2
3 −13 −5
3 3 −11𝑅1+𝑅3→𝑅3 −3𝑅2→𝑅2
(5 3 2 | 0 )→ (5 3 2 | 0 )→ (0 −13 11
3 | 25 ) →
11 7 0 −30 11 7 0 −30 0 −13 11 25
3

2
− 𝑅2+𝑅1→𝑅1
3
1 2
3 −13 −5 1
− 𝑅2+𝑅3→𝑅3 1 0 7 45
3 𝑥 + 7𝑧 = 45 𝑥 = −7𝑧 + 45
(0 1 −11|−75) → (0 1 −11|−75) ∴
𝑦 − 11𝑧 = −75 𝑦 = 11𝑧 − 75
0 −13 11
3 25 0 0 0 0

𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒊𝒏𝒇𝒊𝒏𝒊𝒕𝒂: (𝒙 = −𝟕𝒛 + 𝟒𝟓, 𝒚 = 𝟏𝟏𝒛 − 𝟕𝟓, 𝒛) 𝒛 𝒂𝒓𝒃𝒊𝒕𝒓𝒆𝒓𝒊𝒂

3.2 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes sistemas de ecuaciones lineales por el método de Gauss – Jordán.
𝒙 + 𝒚 + 𝒛 = 𝟐𝟎
𝟏. 𝟐𝒙 − 𝟑𝒚 + 𝒛 = −𝟓
𝟔𝒙 − 𝟒𝒚 + 𝟒𝒛 = 𝟑𝟎

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
129

𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟒
𝟐. −𝟐𝒙 + 𝟑𝒚 − 𝟒𝒛 = 𝟑
−𝟒𝒙 + 𝟔𝒚 − 𝟖𝒛 = 𝟔

Instituto Tecnológico de Tepic

130 TEMA 3. Sistema de Ecuaciones Lineales

𝟐𝒘 − 𝟑𝒙 + 𝒚 + 𝟑𝒛 = 𝟓
𝟑𝒘 − 𝟐𝒙 + 𝒚 − 𝟐𝒛 = 𝟒
𝟑.
𝒘 − 𝟒𝒙 − 𝟐𝒚 + 𝟒𝒛 = 𝟖
−𝟐𝒘 − 𝟒𝒙 − 𝟑𝒚 + 𝒛 = 𝟔

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
131

𝒘 + 𝒙 − 𝟐𝒚 + 𝒛 = 𝟐
𝟒. −𝟐𝒘 + 𝟑𝒙 + 𝟐𝒛 = −𝟖
−𝒘 + 𝟒𝒚 − 𝒛 = 𝟏
−𝒘 + 𝟓𝒙 + 𝟑𝒛 = −𝟑

Instituto Tecnológico de Tepic

132 TEMA 3. Sistema de Ecuaciones Lineales

𝟏𝟔𝒘 − 𝟔𝒙 + 𝟒𝒚 + 𝒛 = −𝟑𝟔
𝒘 − 𝟖𝒙 + 𝒚 + 𝒛 = −𝟔𝟒
𝟓.
𝟏𝟔𝒘 + 𝟐𝒙 − 𝟒𝒚 + 𝒛 = −𝟒
𝟗𝒘 + 𝟖𝒙 − 𝟑𝒚 + 𝒛 = −𝟔𝟒

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
133

II. Ejercicios propuestos para resolver en extra clase.

6 – 17 Resolver los siguientes sistemas de ecuaciones por el método de eliminación Gauss - Jordán.
𝒙+𝒚=𝟒 𝒙 − 𝟑𝒚 = 𝟎 −𝟒𝒙 + 𝟔𝒚 − 𝟖𝒛 = −𝟔
𝟔. 𝟐𝒙 − 𝟑𝒚 = 𝟕 𝟕. −𝟐𝒙 + 𝟔𝒚 = 𝟎 𝟖. 𝟐𝒙 − 𝟑𝒚 + 𝟒𝒛 = 𝟑
𝟑𝒙 + 𝟐𝒚 = 𝟖 𝟒𝒙 − 𝟏𝟐𝒚 = 𝟎 −𝟒𝒙 + 𝒚 − 𝟐𝒛 = 𝟔
𝒙+𝒚−𝒛= 𝟐
𝟐𝒙 − 𝟒𝒚 = 𝟎 𝒙 − 𝟑𝒚 + 𝒛 = 𝟏
𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏
𝟗. −𝟒𝒙 + 𝟖𝒚 − 𝒛 = 𝟓 𝟏𝟎. 𝟏𝟏. 𝟐𝒙 + 𝟒𝒚 + 𝒛 = 𝟐
𝟑𝒙 + 𝟒𝒚 = 𝟑
𝟒𝒙 − 𝟏𝟐𝒚 + 𝟑𝒛 = 𝟏𝟐 𝟑𝒙 + 𝒚 = 𝟑
𝒙+𝒚+𝒛= 𝟒
𝒘 + 𝒙 − 𝟐𝒚 + 𝒛 = 𝟐 𝟑𝒙 + 𝟐𝒚 − 𝒛 = −𝟏𝟓
𝟑𝒙 − 𝒚 + 𝟐𝒛 = 𝟔
−𝟐𝒘 + 𝟑𝒙 + 𝟐𝒛 = −𝟖 𝟓𝒙 + 𝟑𝒚 + 𝟐𝒛 = 𝟎
𝟏𝟐. 𝒙 + 𝟔 + 𝒛 = 𝟏𝟎 𝟏𝟑. 𝟏𝟒.
−𝒘 + 𝟒𝒚 − 𝒛 = 𝟏 𝟑𝒙 + 𝒚 + 𝟑𝒛 = 𝟏𝟏
−𝟗𝒙 + 𝟑𝒚 − 𝟔𝒛 = −𝟏𝟖
−𝒘 + 𝟓𝒙 + 𝟑𝒛 = −𝟑 𝟏𝟏𝒙 + 𝟕𝒚 = −𝟑𝟎
𝒙+𝒚−𝒛 =𝟐 𝟐𝒘 − 𝟑𝒙 + 𝒚 + 𝟑𝒛 = 𝟖
−𝟐𝒘 + 𝒙 + 𝒚 − 𝟓𝒛 = 𝟒
𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏 𝟑𝒘 − 𝟐𝒙 + 𝒚 − 𝟐𝒛 = 𝟓
𝟏𝟓. 𝟏𝟔. 𝒘 + 𝟐𝒙 − 𝟑𝒚 + 𝒛 = 𝟕 𝟏𝟕.
𝟑𝒙 + 𝟒𝒚 = 𝟑 𝒘 − 𝟒𝒙 − 𝟐𝒚 + 𝟒𝒛 = 𝟔
𝟐𝒘 + 𝟑𝒙 + 𝟐𝒚 − 𝒛 = 𝟖
𝒙+𝒚+𝒛 =𝟒 −𝟐𝒘 − 𝟒𝒙 − 𝟑𝒚 + 𝒛 = 𝟒
Método por la inversa
Si se tiene un sistema de ecuaciones lineales con un número de variables igual al número de ecuaciones entonces se
puede solucionar por la inversa utilizando el método de la adjunta y por la forma escalonada.
Sea el sistema de ecuaciones lineales
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
se calcula la inversa de los coeficientes de las variables y si 𝐴−1 existe, es decir, si 𝐴−1 es una matriz cuadrada de
determinante no nulo, se multiplica 𝐴−1 por los términos independientes y el resultado será el valor para cada
variable
𝑥1 𝑏1
[ 𝑥2 ] = 𝐴−1 [ 𝑏2 ]
𝑥𝑛 𝑏𝑚
Solución de un sistema de ecuaciones lineales por la adjunta

Ejemplo 11 Inversa por la adjunta

𝟐𝒙 + 𝟒𝒚 + 𝟑𝒛 = −𝟓
Resolver el sistema de ecuaciones 𝒚−𝒛= 𝟐 por el método de la inversa, utilizando la adjunta.
𝟑𝒙 + 𝟓𝒚 + 𝟕𝒛 = 𝟏
2 4 3 2 4
det 𝐴 = 14 − 12 + 0 − 9 + 10 − 0
det 𝐴 = |0 1 −1| 0 1
det 𝐴 = 3
3 5 7 3 5
1 −1 0 −1 0 1
𝐴11 = | | = 12 𝐴12 = − | | = −3 𝐴13 = | | = −3
5 7 3 7 3 5
4 3 2 3 2 4
𝐴21 = − | | = −13 𝐴22 = | |=5 𝐴23 = − | |=2
5 7 3 7 3 5

Instituto Tecnológico de Tepic

134 TEMA 3. Sistema de Ecuaciones Lineales

4 3 2 3 2 4
𝐴31 = | | = −7 𝐴32 = − | |=2 𝐴33 = | |=2
1 −1 0 −1 0 1
12 −3 −3 12 −13 −7
𝐵 = [−13 5 2 ]; 𝑎𝑑𝑗 𝐴 = 𝐵𝑡 = [−3 5 2]
−7 2 2 −3 2 2
13 7
4 −3 −3
1 1 12 −13 −7
𝐴−1 = 𝑎𝑑𝑗𝐴 = [−3 5 2 ] = [−1 5 2
]
det 𝐴 3 3 3
−3 2 2 −1 2 2
3 3

13 7
𝑥 4 −3 −3 −5 −31
5 2
[𝑦 ] = [−1 3 3
] [ 2 ] = [ 9 ] ∴ 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (−𝟑𝟏, 𝟗, 𝟕)
𝑧 −1 2 2 1 7
3 3

Ejemplo 12 Inversa por la adjunta

𝒙 + 𝒚 + 𝟐𝒛 = 𝟖
Resolver el sistema de ecuaciones −𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟏 por el método de la inversa, utilizando la adjunta.
𝟑𝒙 − 𝟕𝒚 + 𝟒𝒛 = 𝟏𝟎
1 1 2 1 1
det 𝐴 = −8 + 9 + 14 + 12 + 21 + 4
det 𝐴 = |−1 −2 3| −1 −2
det 𝐴 = 52
3 −7 4 3 −7
−2 3 −1 3 −1 −2
𝐴11 = | | = 13 𝐴12 = − | | = 13 𝐴13 = | | = 13
−7 4 3 4 3 −7

1 2 1 2 1 1
𝐴21 = − | | = −18 𝐴22 = | | = −2 𝐴23 = − | | = 10
−7 4 3 4 3 −7

1 2 1 2 1 1
𝐴31 = | |=7 𝐴32 = − | | = −5 𝐴33 = | | = −1
−2 3 −1 3 −1 −2
13 13 13 13 −18 7
𝐵 = [−18 −2 10 ] ; 𝑎𝑑𝑗 𝐴 = 𝐵𝑡 = [13 −2 −5]
7 −5 −1 13 10 −1
1 9 7
−26
1 13 −18 7 4 52
1 1 1 5
𝐴−1 = 𝑎𝑑𝑗𝐴 = [13 −2 −5] = −26 −52
det 𝐴 52 4
13 10 −1 1 5 1
[4 26
−52]
1 9 7
−26
𝑥 4 52 8 3
1 1 5
[𝑦 ] = 4
−26 −52 [ 1 ] = [1] ∴ 𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (𝟑, 𝟏, 𝟐)
𝑧 1 5 1 10 2
[ 4 26
−52]

Método de la forma escalonada

Ejemplo 13 Inversa por la forma escalonada

𝟐𝒙 + 𝟐𝒚 + 𝒛 = 𝟔
Resolver el sistema de ecuaciones 𝟑𝒙 − 𝒚 − 𝟑𝒛 = 𝟓 por el método de la inversa, utilizando la forma escalonada.
𝟓𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟏𝟏

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
135

1
2 2 1 1 0 0 1𝑅1→𝑅1 1 1 1
2 2
0 0 −3𝑅 1 +𝑅2 →𝑅2
−5𝑅1 +𝑅3 →𝑅3
2
𝑀 −1 = [3 −1 −3| 0 1 0] → [3 −1 −3| 0 1 0 ] →
5 2 3 0 0 1 5 2 3 0 0 1
1 1 1 1 5 1 1
1 1 2 0 0 1 1 1 0 0 −𝑅2 +𝑅1 →𝑅1 1 0 − 0
2 − 𝑅3 →𝑅3 2 2 8 8 4
9 4 9 3 3𝑅2 +𝑅3 →𝑅3 9 3 1
[0 −4 −2| −32 1 0] → [0 1 |
8 8 −
1
4
0] → 0 1 8
| 8
−
4
0
1 5 1 5 31 3
0 −3 − 0 1 0 −3 2 −2 0 1 [0 0 8 −8
11
−4 1]
2 2

5
1 𝑅 +𝑅1 →𝑅1 3
1 8 3 −31 4 5
8 1 0 5 0
𝑅 →𝑅3 −
8 8 4 9
− 𝑅3 +𝑅2 →𝑅2 1 0 0 31 31
31 3 3 1 8 24 1 9
→ 0 1 9 | 8
−
4
0 → 0 1 0| 31
−
31
−31
8
11 6 8 0 0 1 11 6 8
[0 0 1 −
31
−31 31 ] [ −
31
−31 31 ]
3 4 5 3 4 5 57
− 31 31 31 𝑥 − 31 31 31 6 31
−1 24 1 9 24 1 9
𝑀 =[ 31 −31 − ] 31 [𝑦 ] = [ 31 −31 − ] [ 5 ] = [ 40
31 31 ]
11
−31 − 6 8 𝑧 11
−31 − 6 8 11 −318
31 31 31 31

𝟓𝟕 𝟒𝟎 𝟖
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: ( , , − )
𝟑𝟏 𝟑𝟏 𝟑𝟏

3.3 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes sistemas de ecuaciones lineales por el método de la inversa utilizando la adjunta.
𝟐𝒙 + 𝟒𝒚 − 𝟔𝒛 = 𝟎
𝟏. 𝟑𝒙 − 𝒚 + 𝒛 = −𝟔
𝟓𝒙 + 𝒚 − 𝒛 = 𝟏

Instituto Tecnológico de Tepic

136 TEMA 3. Sistema de Ecuaciones Lineales

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
137

𝒙 + 𝒚 + 𝟐𝒛 = 𝟖
𝟐. −𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟏
𝟑𝒙 − 𝟕𝒚 + 𝟒𝒛 = 𝟏𝟎

Instituto Tecnológico de Tepic

138 TEMA 3. Sistema de Ecuaciones Lineales

−𝟐𝒙 + 𝒚 + 𝟔𝒛 = 𝟏𝟖
𝟑. 𝟓𝒙 + 𝟖𝒛 = −𝟏𝟔
𝟑𝒙 + 𝟐𝒚 − 𝟏𝟎𝒛 = −𝟑

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
139

𝟐𝒙 + 𝒚 + 𝟐𝒛 = −𝟐
𝟒. −𝟑𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟓
𝟑𝒙 + 𝟒𝒚 − 𝟒𝒛 = 𝟏𝟎

Instituto Tecnológico de Tepic

140 TEMA 3. Sistema de Ecuaciones Lineales

𝟒𝒙 + 𝒚 − 𝟑𝒛 = 𝟑
𝟓. −𝒙 + 𝟐𝒚 + 𝒛 = 𝟓
𝟑𝒙 + 𝟓𝒚 + 𝒛 = 𝟖

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
141

Resolver los siguientes sistemas de ecuaciones lineales por el método de la inversa utilizando la forma escalonada.
𝟑𝒙 + 𝒚 − 𝒛 = 𝟑
𝟔. 𝒙 + 𝟑𝒚 + 𝟐𝒛 = 𝟐
𝟓𝒙 + 𝒚 + 𝒛 = 𝟕

Instituto Tecnológico de Tepic

142 TEMA 3. Sistema de Ecuaciones Lineales

𝟐𝒙 + 𝟒𝒚 + 𝟑𝒛 = 𝟏𝟐
𝟕. 𝒚−𝒛= 𝟒
𝟑𝒙 + 𝟓𝒚 + 𝟕𝒛 = 𝟏𝟔

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
143

𝟒𝒙 − 𝟐𝒚 + 𝒛 = 𝟏𝟎
𝟖. 𝟑𝒙 + 𝒚 − 𝒛 = 𝟔
𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟏𝟒

II. Ejercicios propuestos para resolver en extra clase.

9 – 14 Resolver los siguientes sistemas de ecuaciones por el método de la inversa por la adjunta.

𝒙+𝒚−𝒛 =𝟐 𝒙 + 𝟐𝒚 = 𝟔 𝒙 − 𝟑𝒚 + 𝒛 = 𝟏
𝟗. 𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏 𝟏𝟎. −𝟑𝒙 + 𝟒𝒚 + 𝟔𝒛 = 𝟑𝟎 𝟏𝟏. 𝟐𝒙 + 𝟒𝒚 + 𝒛 = 𝟐
𝒙+𝒚+𝒛 =𝟒 −𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟖 𝟑𝒙 + 𝒚 = 𝟑
𝒙 − 𝒚 + 𝒛 = −𝟓 𝟐𝒙 + 𝟒𝒚 − 𝟔𝒛 = 𝟎 𝒙+𝒚+𝒛 =𝟏
𝟏𝟐. 𝟑𝒙 + 𝒚 − 𝒛 = 𝟐𝟓 𝟏𝟑. 𝟑𝒙 − 𝒚 + 𝒛 = −𝟔 𝟏𝟒. 𝟑𝒙 − 𝟐𝒚 + 𝒛 = −𝟏
𝟐𝒙 + 𝒚 + 𝟑𝒛 = 𝟐𝟎 𝟓𝒙 + 𝒚 − 𝒛 = 𝟏 𝒙 + 𝟑𝒚 − 𝒛 = 𝟏𝟏

15 – 20 Resolver los siguientes sistemas de ecuaciones por el método de la inversa por la forma escalonada.

𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟏𝟏 𝟐𝒙 + 𝒚 − 𝒛 = 𝟎 𝟐𝒙 − 𝒚 + 𝒛 = −𝟐
𝟏𝟓. 𝟒𝒙 + 𝒚 − 𝒛 = 𝟒 𝟏𝟔. 𝒙 + 𝟐𝒚 − 𝒛 = −𝟐 𝟏𝟕. 𝒙 + 𝟒𝒚 − 𝒛 = 𝟓
𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟏𝟎 𝒙 + 𝟒𝒚 + 𝟐𝒛 = −𝟏 𝟑𝒙 + 𝒚 + 𝒛 = 𝟔
𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏 𝟐𝒙 + 𝟒𝒚 + 𝟔𝒛 = 𝟎 𝒙+𝒚−𝒛=𝟐
𝟏𝟖. 𝟑𝒙 + 𝟒𝒚 = 𝟑 𝟏𝟗. 𝟒𝒙 + 𝟓𝒚 + 𝟔𝒛 = 𝟎 𝟐𝟎. 𝟐𝒙 + 𝟑𝒚 + 𝒛 = 𝟏
𝒙+𝒚+𝒛=𝟒 𝟑𝒙 + 𝒚 − 𝟐𝒛 = 𝟎 𝟑𝒙 + 𝟒𝒚 = 𝟑

Instituto Tecnológico de Tepic

144 TEMA 3. Sistema de Ecuaciones Lineales

Método por regla de Cramer.

Esta regla es un método de resolución de sistemas de ecuaciones lineales que se puede utilizar cuando la matriz A
de coeficientes del sistema es cuadrada y de determinante no nulo. El que A sea cuadrada significa que el número
de incógnitas y el número de ecuaciones coincide.

Cuando el sistema de ecuaciones

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + … … + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + … … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + … … + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

𝑎11 𝑎12 … 𝑎1𝑛 𝑏1 𝑎12 … 𝑎1𝑛 𝑎11 𝑏1 … 𝑎1𝑛

𝐷 = [ 𝑎21 𝑎22 … 𝑎2𝑛 ] 𝐷1 = [ 𝑏2 𝑎22 … 𝑎2𝑛 ] 𝐷2 = [ 𝑎21 𝑏2 … 𝑎2𝑛 ]
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑏𝑚 𝑎𝑚2 … 𝑎𝑚𝑛 𝑎𝑚1 𝑏𝑚 … 𝑎𝑚𝑛

𝑎11 𝑎12 … 𝑏1
𝐷𝑛 = [𝑎21 𝑎22 … 𝑏2 ]
𝑎 𝑎𝑚2 … 𝑏𝑚

satisface las condiciones arriba mencionadas, su solución viene dada por:

|𝐷1 | |𝐷2 | |𝐷𝑛 |

𝑥1 = , 𝑥2 = , … … , 𝑥𝑛 =
|𝐷| |𝐷| |𝐷|

Ejemplo 14 Regla de Cramer

𝟐𝒙 + 𝟒𝒚 + 𝟔𝒛 = 𝟏𝟖
Resolver el siguiente sistema de ecuaciones lineales 𝟒𝒙 + 𝟓𝒚 + 𝟔𝒛 = 𝟐𝟒
𝟑𝒙 + 𝒚 − 𝟐𝒛 = 𝟒

2 4 6 2 4 6 2 4
det 𝐷 = (−20 + 72 + 24) − (90 + 12 − 32)
𝐷 = [4 5 6] ∴ det 𝐷 = |4 5 6 |4 5
𝐝𝐞𝐭 𝑫 = 𝟔
3 1 −2 3 1 −2 3 1

18 4 6 18 4 6 18 4 det 𝐷𝑥 = (−180 + 96 + 144) − (120 + 108 − 192)

𝐷𝑥 = [24 5 6] ∴ det 𝐷𝑥 = |24 5 6 | 24 5
𝐝𝐞𝐭 𝑫𝒙 = 𝟐𝟒
4 1 −2 4 1 −2 4 1

2 18 6 2 18 6 2 18 det 𝐷𝑦 = (−96 + 324 + 96) − (432 + 48 − 144)

𝐷𝑦 = [4 24 6] ∴ det 𝐷𝑦 = |4 24 6 |4 24
𝐝𝐞𝐭 𝑫𝒚 = −𝟏𝟐
3 4 −2 3 4 −2 3 4

2 4 18 2 4 18 2 4
det 𝐷𝑧 = (40 + 288 + 72) − (270 + 48 + 64)
𝐷𝑧 = [4 5 24] ∴ det 𝐷𝑧 = |4 5 24| 4 5
𝐝𝐞𝐭 𝑫𝒛 = 𝟏𝟖
3 1 4 3 1 4 3 1

|𝐷𝑥 | 24 |𝐷𝑦 | −12 |𝐷𝑧 | 18

𝑥= = = 4, 𝑦= = = −2, 𝑧= = =3
|𝐷| 6 |𝐷| 6 |𝐷| 6

𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (𝟒, − 𝟐, 𝟑)

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
145

Ejemplo 15 Regla de Cramer

−𝒘 + 𝒙 = 𝟕
𝟐𝒚 + 𝒛 = 𝟐
Resolver el siguiente sistema de ecuaciones lineales
𝟒𝒙 − 𝒚 = −𝟑
−𝟓𝒘 + 𝟑𝒛 = 𝟐

−𝟏 𝟏 𝟎 𝟎
𝑫=[ 𝟎 𝟎 𝟐 𝟏]
𝟎 𝟒 −𝟏 𝟎
−𝟓 𝟎 𝟎 𝟑

−1 1 0 0 −1 1 0 0 −1 1 0 0
det 𝐷 = [ 0 0 2 1 ]−
→
5𝑅1+𝑅4→𝑅4 0
[ 0 2 1 ] 𝑅2⇄𝑅3
→ −[ 0 4 −1 0]
0 4 −1 0 0 4 −1 0 0 0 2 1
−5 0 0 3 0 −5 0 3 0 −5 0 3

5
−1 1 0 0 5 −1 1 0 0
𝑅2+𝑅4→𝑅4 0 4 −1 0 8𝑅3+𝑅4→𝑅4 0 4 −1 0 29
4 det 𝐷 = −(−1)(4)(2) ( 8 )
→ −[ 2 1] → −[ 1]
0 0 5
0 0 2 29 𝐝𝐞𝐭 𝑫 = 𝟐𝟗
0 0 −4 3 0 0 0 8
𝟕 𝟏 𝟎 𝟎
𝑫𝒘 = [ 𝟐 𝟎 𝟐 𝟏]
−𝟑 𝟒 −𝟏 𝟎
𝟐 𝟎 𝟎 𝟑

−2/7𝑅1+𝑅2→𝑅2 7 1 0 0 7 1 0 0
7 1 0 0 3/7𝑅1+𝑅3→𝑅3 0 2
−7 2 1 31/2𝑅2+𝑅3⟶𝑅3 2
0 −7 2 1
det 𝐷𝑤 = [ 2 0 2 1 ] −2/7𝑅1+𝑅4→𝑅4 −𝑅2+𝑅4⟶𝑅4
→ 31 →
−3 4 −1 0 0 7 −1 0 0 0 30
31
2
2 0 0 3 2
[0 −7 0 3] [0 0 −2 2]

7 1 0 0
1 2
𝑅3+𝑅4→𝑅4 0 −7 2 1 2 91
15 det 𝐷𝑤 = (7) (−7) (30) (30)
→ 31
0 0 30 2 𝐝𝐞𝐭 𝑫𝒘 = −𝟏𝟖𝟐
91
[0 0 0
30]

−𝟏 𝟕 𝟎 𝟎
𝑫𝒙 = [ 𝟎 𝟐 𝟐 𝟏]
𝟎 −𝟑 −𝟏 𝟎
−𝟓 𝟐 𝟎 𝟑

−1 7 0 0
−1 7 0 0 −1 7 0 0 3/2𝑅2+𝑅3⟶𝑅3 0 2 2 1
det 𝐷𝑥 = [ 0 2 2 1 ]−
→
5𝑅1+𝑅4→𝑅4 0
[ 2 2 1 ] 33/2𝑅2+𝑅4⟶𝑅4
→ 3
0 −3 −1 0 0 −3 −1 0 0 0 2 2
−5 0 3 0 −33 0 3 39
2 [0 0 33
2]

−1 7 0 0
33
− 𝑅3+𝑅4→𝑅4 0 2 2 1 21
2 3 det 𝐷𝑥 = (−1)(2)(2) (− 4 )
→
0 0 2 2 𝐝𝐞𝐭 𝑫𝒙 = 𝟐𝟏
21
[0 0 0 −4]

Instituto Tecnológico de Tepic

146 TEMA 3. Sistema de Ecuaciones Lineales

−𝟏 𝟏 𝟕 𝟎
𝑫𝒚 = [ 𝟎 𝟎 𝟐 𝟏]
𝟎 𝟒 −𝟑 𝟎
−𝟓 𝟎 𝟐 𝟑

−1 1 7 0 −1 1 7 0 −1 1 7 0
det 𝐷𝑦 = [ 0 0 2 1 ]− →
5𝑅1+𝑅4→𝑅4 0
[ 0 2 1 𝑅2⇄𝑅3
]→ −[ 0 4 −3 0]
0 4 −3 0 0 4 −3 0 0 0 2 1
−5 0 2 3 0 −5 −33 3 0 −5 −33 3
5
−1 1 7 0 147 −1 1 7 0
171
4
𝑅2+𝑅4→𝑅4 0 4 −3 0 8 𝑅3+𝑅4→𝑅4 0 4 −3 0 det 𝐷𝑦 = −(−1)(4)(2) ( 8 )
→ −[ 2 ] → − [ 1 ]
0 0 147
1 0 0 2 171 𝐝𝐞𝐭 𝑫𝒚 = 𝟏𝟕𝟏
0 0 − 4 3 0 0 0 8

−𝟏 𝟏 𝟎 𝟕
𝑫𝒛 = [ 𝟎 𝟎 𝟐 𝟐 ]
𝟎 𝟒 −𝟏 −𝟑
−𝟓 𝟎 𝟎 𝟐

−1 1 0 7 −1 1 0 7 −1 1 0 7
det 𝐷𝑧 = [ 0 0 2 2 ]− →
5𝑅1+𝑅4→𝑅4 0
[ 0 2 2 𝑅2⇄𝑅3
]→ −[ 0 4 −1 −3]
0 4 −1 −3 0 4 −1 −3 0 0 2 2
−5 0 0 2 0 −5 0 −33 0 −5 0 −33
5
−1 1 0 7 5
−1 1 0 7
71
4
𝑅2+𝑅4→𝑅4 0 4 −1 −3 8𝑅3+𝑅4→𝑅4 0 4 −1 −3 det 𝐷𝑧 = −(−1)(4)(2) (− 2 )
→ −[ ] → − [ ]
0 0 25 2
147
0 0 2 2
71 𝐝𝐞𝐭 𝑫𝒛 = −𝟐𝟖𝟒
0 0 −4 −4 0 0 0 −2
|𝐷𝑤 | −182 |𝐷𝑥 | 21 |𝐷𝑦 | 171 |𝐷𝑧 | −284
𝑤= = 𝑥= = , 𝑦= = , 𝑧= =
|𝐷| 29 |𝐷| 29 |𝐷| 29 |𝐷| 29
𝟏𝟖𝟐 𝟐𝟏 𝟏𝟕𝟏 𝟐𝟖𝟒
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (− , , , − )
𝟐𝟗 𝟐𝟗 𝟐𝟗 𝟐𝟗

Ejemplo 16 Regla de Cramer

(𝟐 + 𝒊)𝒙 + 𝟐𝒚 = 𝟏 + 𝟕𝒊
Resolver el siguiente sistema de ecuaciones lineales
(𝟏 − 𝒊)𝒙 + 𝒊𝒚 = 𝟎

2+𝑖 2
|𝐷| = | | = (−1 + 2𝑖) − (2 − 2𝑖) = −3 + 4𝑖
1−𝑖 𝑖
1 + 7𝑖 2
|𝐷𝑥 | = | | = (−7 + 𝑖) − 0 = −7 + 𝑖
0 𝑖
2 + 𝑖 1 + 7𝑖 0 − (1 + 7𝑖)(1 − 𝑖)
|𝐷𝑦 | = | |= = −8 − 6𝑖
1−𝑖 0 0 − (1 + 7𝑖 − 𝑖 + 7)

−7 + 𝑖 −3 − 4𝑖 21 − 3𝑖 + 28𝑖 + 4 25 + 25𝑖 25 + 25𝑖

𝑥= ∙ = = = = 1+𝑖
−3 + 4𝑖 −3 − 4𝑖 (−3)2 − (4𝑖)2 9 + 16 25

−8 − 6𝑖 −3 − 4𝑖 24 + 18𝑖 + 32𝑖 − 24 50𝑖 50𝑖

𝑦= ∙ = 2 2
= = = 2𝑖
−3 + 4𝑖 −3 − 4𝑖 (−3) − (4𝑖) 9 + 16 25

𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 ú𝒏𝒊𝒄𝒂: (𝒙 = 𝟏 + 𝒊, 𝒚 = 𝟐𝒊)

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
147

3.4 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes sistemas de ecuaciones lineales por el método de la regla de Cramer.
𝒙+𝒚+𝒛=𝟐
𝟏. 𝒙 − 𝟑𝒚 + 𝟐𝒛 = 𝟕
𝟒𝒙 − 𝟐𝒚 − 𝒛 = 𝟗

Instituto Tecnológico de Tepic

148 TEMA 3. Sistema de Ecuaciones Lineales

𝒙 − 𝟑𝒚 + 𝒛 = 𝟔
𝟐. 𝟐𝒙 + 𝟒𝒚 + 𝒛 = 𝟕
𝟑𝒙 + 𝒚 = 𝟖

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
149

𝟐𝒘 − 𝒙 + 𝒚 + 𝟑𝒛 = 𝟔
𝟑𝒘 − 𝟑𝒙 + 𝒚 + 𝟐𝒛 = 𝟒
𝟑.
𝒘 + 𝟐𝒙 − 𝒚 + 𝟓𝒛 = 𝟐
−𝟐𝒘 + 𝒙 − 𝟑𝒚 + 𝒛 = −𝟑

Instituto Tecnológico de Tepic

150 TEMA 3. Sistema de Ecuaciones Lineales

(𝟐 − 𝒊)𝒙 + (𝟑 + 𝟐𝒊)𝒚 = −𝟏𝟏 + 𝟔𝒊

𝟒.
(−𝟑 + 𝟒𝒊)𝒙 + (𝟓 − 𝟑𝒊)𝒚 = 𝟐𝟒 + 𝟐𝟗𝒊

Instituto Tecnológico de Tepic

 3.4 Métodos de solución de un sistema de ecuaciones
151

𝒊𝒙 + (𝟐 + 𝒊)𝒚 = −𝟑 + 𝟕𝒊
𝟓.
(𝟐 − 𝒊)𝒙 + (𝟐 + 𝒊)𝒚 = 𝟓 + 𝟑𝒊

Instituto Tecnológico de Tepic

152 TEMA 3. Sistema de Ecuaciones Lineales

II. Ejercicios propuestos para resolver en extra clase.

6 – 18 Resolver los siguientes sistemas de ecuaciones por el método de la regla de Cramer.

−𝟓𝒙 + 𝟖𝒚 + 𝟐𝒛 = 𝟏𝟓 𝟑𝒙 − 𝒚 + 𝟐𝒛 = 𝟔 𝟐𝒙 + 𝟒𝒚 + 𝟑𝒛 = 𝟏𝟐
𝟔. 𝒙 + 𝟕𝒚 + 𝟒𝒛 = −𝟖 𝟕. 𝒙 + 𝒚 + 𝒛 = 𝟏𝟎 𝟖. 𝒚−𝒛=𝟒
𝟑𝒙 − 𝟐𝒚 − 𝒛 = −𝟐 −𝟗𝒙 + 𝟑𝒚 − 𝟔𝒛 = −𝟏𝟖 𝟑𝒙 + 𝟓𝒚 + 𝟕𝒛 = 𝟏𝟔

𝟐𝒙 − 𝟑𝒚 + 𝒛 = 𝟒 𝒙 + 𝒚 + 𝟐𝒛 = 𝟖 −𝟐𝒙 + 𝒚 + 𝟔𝒛 = 𝟏𝟖
𝟗. 𝟔𝒙 + 𝒚 − 𝟓𝒛 = −𝟔 𝟏𝟎. −𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟏 𝟏𝟏. 𝟓𝒙 + 𝟖𝒛 = −𝟏𝟔
𝒙 + 𝟑𝒚 + 𝟐𝒛 = 𝟎 𝟑𝒙 − 𝟕𝒚 + 𝟒𝒛 = 𝟏𝟎 𝟑𝒙 + 𝟐𝒚 − 𝟏𝟎𝒛 = −𝟑

𝟐𝒘 + 𝒙 − 𝒚 + 𝒛 = 𝟏 −𝟐𝒘 + 𝒙 + 𝒚 + 𝟑𝒛 = 𝟏𝟎
𝒙 + 𝒚 + 𝟐𝒛 = 𝟗
𝟑𝒘 − 𝟐𝒙 + 𝟐𝒚 − 𝟑𝒛 = 𝟐 𝟑𝒘 − 𝟑𝒙 + 𝒚 + 𝟐𝒛 = 𝟖
𝟏𝟐. 𝟐𝒙 + 𝟒𝒚 − 𝟑𝒛 = 𝟏 𝟏𝟑. 𝟏𝟒.
𝟒𝒘 + 𝒙 − 𝟑𝒚 + 𝟐𝒛 = −𝟏 𝒘 + 𝟐𝒙 − 𝒚 + 𝟓𝒛 = 𝟓
𝟑𝒙 + 𝟔𝒚 − 𝟓𝒛 = 𝟎
𝟐𝒘 − 𝒙 + 𝒚 − 𝟑𝒛 = 𝟒 −𝟐𝒘 + 𝒙 − 𝟑𝒚 + 𝒛 = −𝟕

(𝟏 − 𝟑𝒊)𝒙 − (𝟐 + 𝒊)𝒚 = 𝟏 + 𝟐𝒊 (𝟏 + 𝒊)𝒙 + (𝟐 + 𝒊)𝒚 = 𝟗 + 𝟐𝒊

𝟏𝟓. 𝟏𝟔.
(𝟑 + 𝟑𝒊)𝒙 + (𝟒 − 𝟐𝒊)𝒚 = −𝟐𝒊 𝟐𝒙 − 𝒊𝒚 = 𝟓 − 𝟒𝒊

(−𝟐 − 𝟑𝒊)𝒙 + (𝟒 − 𝟑𝒊)𝒚 = −𝟏𝟖 − 𝟏𝟖𝒊 (𝟏 + 𝟐𝒊)𝒙 + (𝟏 + 𝒊)𝒚 = 𝟓 + 𝟓𝒊

𝟏𝟕. 𝟏𝟖.
(−𝟏 + 𝟔𝒊)𝒙 + (𝟓 + 𝟕𝒊)𝒚 = 𝟒𝟏 − 𝟐𝟒𝒊 (𝟐 + 𝒊)𝒙 + 𝒊𝒚 = 𝟐 + 𝟐𝒊

3.5 Aplicaciones

La solución de los sistemas de ecuaciones lineales encuentra una amplia aplicación en la ciencia y la tecnología. En
particular, se puede afirmar, que en cualquier rama de la Ingeniería existe al menos una aplicación que requiera del
planteamiento y solución de tales sistemas.

Ejemplo 17 Aplicaciones
Hace dos años un padre era 6 veces mayor que su hijo. Hallar sus edades actuales sabiendo que dentro de 18 años
la edad del padre será el doble que la del hijo.

𝑥 = 𝐸𝑑𝑎𝑑 𝑎𝑐𝑡𝑢𝑎𝑙 𝑑𝑒𝑙 𝑝𝑎𝑑𝑟𝑒, 𝑦 = 𝐸𝑑𝑎𝑑 𝑎𝑐𝑡𝑢𝑎𝑙 𝑑𝑒𝑙 ℎ𝑖𝑗𝑜

𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 ℎ𝑎𝑐𝑒 2 𝑎ñ𝑜𝑠: (𝑥 − 2) = 6(𝑦 − 2)

𝑥 − 6𝑦 = −10
∴
𝑥 − 2𝑦 = 18
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 18 𝑎ñ𝑜𝑠: (𝑥 + 18) = 2(𝑦 + 18)

1
1 −6 −10 −𝑅1+𝑅2→𝑅2 1 −6 −10 4𝑅2→𝑅2 1 −6 −10 6𝑅2+𝑅1→𝑅1
( | )→ ( | )→ ( | )→
1 −2 18 0 4 28 0 1 7

1 0 32 𝑥 = 32
( | )
0 1 7 𝑦=7

𝑬𝒅𝒂𝒅 𝒅𝒆𝒍 𝑷𝒂𝒅𝒓𝒆 𝟑𝟐 𝒂ñ𝒐𝒔

𝑬𝒅𝒂𝒅 𝒅𝒆𝒍 𝒉𝒊𝒋𝒐 𝟕 𝒂ñ𝒐𝒔

Instituto Tecnológico de Tepic

 3.5 Aplicaciones
153

3.5 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver las siguientes aplicaciones de sistemas de ecuaciones lineales.
1. Una persona compró 100 estampillas en denominaciones de 20, 30 y 42 centavos cada una y el número de
estampillas de 30 centavos adquiridas fue de 10 menos que el total combinado de las otras dos
denominaciones. Si pagó $30.00 por las estampillas, ¿Cuántas estampillas de cada denominación compró?

Instituto Tecnológico de Tepic

154 TEMA 3. Sistemas de Ecuaciones Lineales

2. Dos personas aportan capitales a una empresa, la diferencia de aportes representa un tercio del capital
conjunto y el doble de uno de los aportes menos el otro es de $ 60000. ¿Cuál es el capital integrado por cada
persona?

Instituto Tecnológico de Tepic

 3.5 Aplicaciones
155

3. Una persona tiene un total de $30 000 en tres inversiones financieras. Una de las inversiones consiste de
bonos que le reditúan 12% de interés anual, otra es una cuenta de ahorros que reditúa 10% de interés anual
y la tercera es una empresa. Hace dos años la empresa perdió 6% y su ingreso neto proveniente de las tres
inversiones fue $2 200. El año pasado la empresa obtuvo utilidades de 18% y el ingreso neto de las tres
inversiones fue de $3 640. ¿Cuánto tiene en cada una de las inversiones?

Instituto Tecnológico de Tepic

156 TEMA 3. Sistemas de Ecuaciones Lineales

4. Un inversionista tiene colocado parte de su capital al 3 % y el resto al 5 %, de interés simple, percibiendo

anualmente $11 600 de intereses. Si aumenta en un 25 % el dinero que tiene al 3 %, y en un 40 % el que tiene
al 5 %, sus intereses anuales aumentan en $4 100. Hallar el dinero que tiene invertido a cada uno de los tipos
de interés.

Instituto Tecnológico de Tepic

 3.5 Aplicaciones
157

5. En 20 onzas de una aleación se tienen 6 onzas de cobre, 4 onzas de zinc y 10 onzas de plomo. En 20 onzas
de una segunda aleación se tienen 12 onzas de cobre, 5 onzas de zinc y 3 onzas de plomo, mientras que en
20 onzas de una tercera aleación se tienen 8 onzas de cobre, 6 onzas de zinc y 6 onzas de plomo. ¿Cuántas
onzas de cada aleación deben combinarse para obtener una nueva aleación que contenga 34 onzas de cobre,
17 onzas de cinc y 19 onzas de plomo?

Instituto Tecnológico de Tepic

158 TEMA 3. Sistemas de Ecuaciones Lineales

6. De una empresa que produce elementos arquitectónicos, se tiene la siguiente información: En el producto
1 se gastan 3400 gramos de plástico y 1200 gramos de metal. Para el producto 2 se consumen 1100 gramos
de plástico, 900 gramos de metal. Si en una semana a la empresa entraron 752 kilos de plástico y 378 kilos
de metal. ¿Cuántos elementos del producto 1 y cuántos del producto 2 saldrán de la empresa? Calcular los
kilos de plástico y de metal si la empresa desea producir 70 productos 1 y 80 productos 2.

Instituto Tecnológico de Tepic

 3.5 Aplicaciones
159

7. Un fabricante elabora tres productos A, B y C. Las utilidades por cada unidad que se vende de A, B y C son
de $1, $2 y $3, respectivamente. Los costos fijos son $17,000 por año y los costos de fabricación de cada
unidad A, B y C son de $4, $5 y $7, respectivamente. Para el año siguiente, deberán fabricarse y venderse
un total de 11,000 unidades de los tres productos y se debe obtener una utilidad total de $25,000. Si los
costos totales deben ser de $80,000, ¿cuántas unidades de cada uno de los productos se tienen que fabricar
el año siguiente?

Instituto Tecnológico de Tepic

160 TEMA 3. Sistemas de Ecuaciones Lineales

8. Un grupo de 14 personas gasto $280.00 en boletos de entrada al Cinema I que costaban $25.00 por adulto,
$15.00 por estudiante y $10.00 por niño. Si hubieran asistido al Cinema II, que cobraban $40.00 por adulto,
$20.00 por estudiante y $10.00 por niño, habrían gastado $420.00 en boletos de entrada. ¿Cuántos adultos,
cuantos estudiantes y cuántos niños había en el grupo?

Instituto Tecnológico de Tepic

 3.5 Aplicaciones
161

9. Una fabrica de muebles manufactura mesas, sillas y armarios. Cada pieza requiere tres operaciones: corte
de la madera, ensamble y acabado. Cada proceso requiere la cantidad de horas (h) que se da en la tabla. Los
trabajadores de la fabrica pueden proporcionar 300 horas de corte, 400 horas de ensamble y 500 horas de
acabado por cada semana. ¿Cuántas mesas, sillas y armarios se deben producir de modo que todas las horas
de mano de obra se utilicen?
Corte (h) Ensamble Acabado
(h) (h)
𝟏 𝟏
Mesa 1
𝟐 𝟐
Silla 𝟏
1 2 𝟏𝟐
Armario 2 1 2

Instituto Tecnológico de Tepic

162 TEMA 3. Sistemas de Ecuaciones Lineales

II. Ejercicios propuestos para resolver en extra clase.

10. Hallar la base y la altura de un rectángulo sabiendo que si se aumenta 3 cm. a la altura y se disminuye 2 cm.
a la base, su área no aumenta ni disminuye, siendo además la altura 2 cm. mayor que la base.
11. Tres socios formaron una compañía. Las sumas aportadas por cada uno son tales que la parte del primero
más la mitad del segundo; la parte del segundo más la tercera parte de la del primero y la parte de la del
tercero más la cuarta parte de la del primero, son todas iguales a $50 000.00 ¿Cuánto aporto cada uno de
ellos a la empresa?
12. Una cafetería estudiantil tiene 24 mesas, dentro de las cuales se tienen mesas con 4 asientos, mesas con 6
asientos y mesas con 10 asientos cada una. La capacidad total de asientos es de 148. Con motivo de una
reunión estudiantil especial, se emplearán la mitad de las mesas con 4 asientos, un cuarto de las mesas con
6 asientos y una tercera parte de las mesas con 10 asientos, para un total de 9 mesas. Determínese cuantas
mesas de cada tipo tiene la cafetería.
13. En una fábrica hay tres máquinas para pulir lentes, cuando las tres máquinas están en operación, se pueden
pulir 5,850 lentes en una semana. Cuando están en operación la primera y segunda maquina únicamente, se
pueden pulir 4,200 lentes a la semana. En cambio, cuando solo trabajan la primera y la tercera maquina solo
se pulen 3,450 lentes a la semana. ¿Cuántos lentes puede pulir cada máquina en una semana?
14. Una cadena de supermercados en México vende carne molida del tipo popular y selecta. Un lote de molida
popular contiene 3 kg de grasa y 17 kg de carne roja, un lote de molida selecta contiene 2 kg de grasa y 18 kg
de carne roja. Si en un momento dado cuenta con15 kg de grasa y 90 kg de carne roja. ¿Cuántos lotes de
molida popular y selecta pueden producir utilizando toda la carne y toda la grasa sin desperdiciar nada?
15. Se invierte una parte de $25000 al 10%, otra parte al 12% y una tercera parte al 16%. El ingreso anual total
de estas tres inversiones es $3200. Además, el ingreso por la inversión al 16% reditúa la misma cantidad que
la suma de los ingresos de las otras dos inversiones. ¿Cuánto se invierte a cada tasa respectiva?
16. Una pequeña fábrica de muebles produce sofás y sillones reclinables. Cada sofá requiere de 8 horas de trabajo
y $1000 (pesos) de material, mientras que un sillón reclinable puede hacerse por $600 en 6 horas. La
compañía dispone de 342 horas de trabajo por semana y puede pagar $40,200 de material. ¿Cuántos sofás y
sillones reclinables pueden producirse si se utilizan todas las horas de trabajo y todos los materiales?
17. Una compañía minera extrae mineral de dos minas, el cual contiene para la mina I el 1% de níquel y 2% de
cobre, para la mina II el 2% de níquel y 5% de cobre. ¿Qué cantidad de mineral se deberá extraer de cada
mina para obtener 4 toneladas de níquel y 9 toneladas de cobre?
18. Tres compuestos se combinan para formar tres tipos de fertilizantes. Una unidad del fertilizante del tipo I
requiere 10 kg del compuesto A, 30 kg del compuesto B y 60 kg del compuesto C. Una unidad del tipo II
requiere 20 kg del A, 30 kg del B, y 50 kg del C. Una unidad del tipo III requiere 50 kg del A y 50 kg del C. Si
hay disponibles 1600 kg del A, 1200 kg del B y 3200 del C. ¿Cuántas unidades de los tres tipos de fertilizantes
se pueden producir si se usa todo el material químico disponible?
19. Un comerciante liquida sus existencias de lapiceros y gomas por $1 000; los primeros los vende a razón de
$10 el conjunto de 3 lapiceros, y las segundas, a $2 cada una. Sabiendo que vendió solamente la mitad de los
lapiceros y las 2 terceras partes de las gomas recaudando en total $600, hallar las unidades que vendió de
cada uno de los artículos citados.
20. Un muéblelo fabrica sillas, mesas para café y mesas para comedor. Se necesitan 10 minutos para lijar una
silla, 6 para pintarla y 12 para barnizarla. Se necesitan 12 minutos para lijar una mesa para café, ocho para
pintarla y 12 para barnizarla. Se necesitan 15 minutos para lijar una mesa para comedor, 12 para pintarla y
18 para barnizarla. La mesa de lijado está disponible 16 horas a la semana, la mesa de pintura 11 horas a la
semana y la mesa de barnizado 18 horas ¿Cuántas unidades de cada mueble deben fabricarse por semana de
modo que las mesas de trabajo se ocupen todo el tiempo disponible?

Instituto Tecnológico de Tepic

 TEMA 4 ESPACIOS VECTORIALES

4.1 Definición de espacio vectorial. Los espacios vectoriales tienen aplicaciones en otras ramas de
4.2 Definición de Subespacio la matemática, la ciencia y la ingeniería. Se utilizan en métodos
vectorial y sus propiedades.
como las series de Fourier, que se utiliza en las rutinas
4.3 Combinación lineal.
Independencia lineal. modernas de compresión de imágenes y sonido, o
4.4 Base y dimensión de un espacio proporcionan el marco para resolver ecuaciones en derivadas
vectorial, cambio de Base. parciales. Además, los espacios vectoriales proporcionan una
4.5 Espacio vectorial con producto forma abstracta libre de coordenadas de tratar con objetos
interno y sus propiedades.
geométricos y físicos, tales como tensores, que a su vez
4.6 Base ortonormal, proceso de
ortonormalización Gram – permiten estudiar las propiedades locales de variedades
Schmidt. mediante técnicas de linealización.

Competencias específicas a desarrollar

Interpretar el concepto de espacio vectorial como la estructura algebraica que generaliza y hace
abstracción de operaciones que aparecen en diferentes áreas de la matemática mediante las
propiedades de adición y multiplicación por un escalar. Construir, utilizando el álgebra de vectores,
bases de un espacio vectorial y determinar la dimensión del espacio correspondiente.

Indicadores de desempeño

• Definir los conceptos básicos de un espacio vectorial.

• Determinar la dependencia e independencia lineal.
• Calcular el producto interno de vectores.
• Calcular la ortonormalización con Gram – Schmidt.
164 TEMA 4. Espacios Vectoriales

4.1 Definición de espacio vectorial.

Podríamos decir que un espacio vectorial es la abstracción de las propiedades de un espacio n-dimencional, debe
tomarse en cuenta que en el espacio vectorial no se especifica operaciones ni vectores entonces se puede usar
cualquier vector y cualquier operación se puede sustituir la suma de vectores y la multiplicación por un escalar, pero
siempre cumpliendo todas las propiedades. de [𝐸5]

Definición 4.1 Espacio Vectorial

Un espacio vectorial V es aquel conjunto no vacío donde los vectores deben cumplir las propiedades o axiomas de
la suma de vectores y la multiplicación por un escalar dichas propiedades vistas en espacios n-dimensiónales 𝑅𝑛
o 𝑅2 .

El análisis de los vectores en el plano puede extenderse al análisis de vectores en el espacio n-dimensional. Un vector
en el espacio-n se representa por una n-ada ordenada. Por ejemplo, una tercia ordenada es de la forma
(𝑥1 , 𝑥2 , 𝑥3 ), una cuádrupla ordenada tiene la forma (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) y una n-ada general es de la forma
(𝑥1 , 𝑥2 , 𝑥3 , ⋯ 𝑥𝑛 ). El conjunto de todas las n-adas se denomina espacio n-dimensional y se denota por 𝑅𝑛 . de
[5]

𝑅1 = 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 1⎯𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 = 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑟𝑒𝑎𝑙𝑒𝑠

𝑅2 = 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 2⎯𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 = 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑝𝑎𝑟𝑒𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠 𝑑𝑒 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
𝑅3 = 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 3⎯𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 = 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑡𝑒𝑟𝑐𝑖𝑎𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠 𝑑𝑒 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
⋮
𝑅𝑛 = 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 𝑛⎯𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 = 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑛⎯𝑎𝑑𝑎𝑠 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑠 𝑑𝑒 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑟𝑒𝑎𝑙𝑒𝑠

Una n-ada (𝑥1 , 𝑥2 , 𝑥3 , ⋯ 𝑥𝑛 ) puede ser vista como un punto en 𝑅𝑛 con los 𝑥1 como sus coordenadas o como un
vector

𝑿 = (𝑥1 , 𝑥2 , 𝑥3 , ⋯ 𝑥𝑛 ) 𝑉𝑒𝑐𝑡𝑜𝑟 𝑅𝑛

con los 𝑥1 como sus componentes.

Propiedades de vectores

Las operaciones de suma de vectores y multiplicación por un escalar satisfacen las siguientes propiedades. Sean u, v
y w vectores cualesquiera en 𝑅𝑛 ; sean c y d escalares arbitrarios. Entonces, de [3]

a) 𝑢 + 𝑣 es un vector en 𝑅𝑛 (es decir, 𝑅𝑛 es cerrado bajo la operación de suma de vectores)

i. 𝑢+𝑣 =𝑣+𝑢 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑎

ii. 𝑢 + (𝑣 + 𝑤) = (𝑢 + 𝑣) + 𝑤 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎
iii. Existe un vector 0 en 𝑅𝑛 , tal que 𝑢 + 0 = 0 + 𝑢 = 𝑢 para toda u en 𝑅𝑛 Idéntico aditivo
iv. Para cada vector u en 𝑅𝑛 , existe un vector −𝑢 en 𝑅𝑛 tal que 𝑢 + (−𝑢) = 0 Inverso aditivo

b) 𝑐𝑢 es un vector en 𝑅𝑛 (es decir, 𝑅𝑛 es cerrado bajo la operación de multiplicación por un escalar).

i. 𝑐(𝑢 + 𝑣) = 𝑐𝑢 + 𝑐𝑣 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎

ii. (𝑐 + 𝑑)𝑢 = 𝑐𝑢 + 𝑑𝑢 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎
iii. 𝑐(𝑑𝑢) = (𝑐𝑑)𝑢 𝑃𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑎𝑠𝑜𝑐𝑖𝑎𝑡𝑖𝑣𝑎
iv. 1𝑢 = 𝑢 𝐼𝑑𝑒𝑛𝑡𝑖𝑐𝑜 𝑒𝑠𝑐𝑎𝑙𝑎𝑟

Instituto Tecnológico de Tepic

 4.1 Definición de espacio vectorial
165

Propiedades de un espacio vectorial de [1]

1. Si 𝑢 ∈ 𝑉 y 𝑣 ∈ 𝑉, entonces 𝑢 + 𝑣 ∈ 𝑉. (Cerradura bajo la suma)

2. Si 𝑢, 𝑣 𝑒𝑠𝑡á𝑛 𝑒𝑛 𝑉 entonces 𝑢 + 𝑣 = 𝑣 + 𝑢. (ley conmutativa de la suma de vectores)
3. Para todo 𝑢, 𝑣 𝑦 𝑤 𝑒𝑛 𝑉, entonces (𝑢 + 𝑣) + 𝑤 = 𝑣 + (𝑢 + 𝑤). (Ley asociativa de la suma de vectores)
4. Existe un vector 0 ∈ 𝑉, tal que para todo 𝑢 ∈ 𝑉, 𝑢 + 0 = 0 + 𝑢. (el cero se lama vector cero o idéntico aditivo)
5. Si 𝑢 ∈ 𝑉, existe un vector – 𝑢 𝑒𝑛 𝑉, tal que 𝑢 + (−𝑢) = 0. (-u se llama inverso aditivo de x)
6. Si 𝑢 ∈ 𝑉 y α es un escalar entonces 𝛼𝑢 ∈ 𝑉. (cerradura bajo la multiplicación por un escalar)
7. Si 𝑢 𝑦 𝑣 𝑒𝑠𝑡á𝑛 𝑒𝑛 𝑉 y α es un escalar, entonces 𝛼(𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣 α. (primera ley distributiva)
8. Si 𝑢 ∈ 𝑉, α y β son escalares, entonces 𝑢(𝛼 + 𝛽) = 𝛼𝑢 + 𝛽𝑢. (segunda ley distributiva)
9. Si 𝑢 ∈ 𝑉, α y β son escalares, entonces 𝛼(𝛽𝑢) = (𝛼𝛽)𝑢. (ley asociativa de la multiplicación por escalares)
10. Para cada vector 𝑢 ∈ 𝑉 y 1𝑢 = 𝑢.

Operaciones Básicas con Vectores en 𝑹𝒏 :

Las operaciones básicas con vectores en 𝑅𝑛 son las mismas que las operaciones básicas que vimos anteriormente, o
sea, la suma de vectores y la multiplicación por un escalar la diferencia sería que en estos serían n-esimos elementos
y n-esimos vectores ejemplo: Para suma de vectores 𝑋 + 𝑌 = (𝑥1 , 𝑥2 , … 𝑥𝑛 ) + (𝑦1 , 𝑦2 , … 𝑦𝑛 ) = (𝑥1 + 𝑦1 , 𝑥2 +
𝑦2 , ⋯ 𝑥𝑛 + 𝑦𝑛 ). Para multiplicación de un vector por un escalar 𝛽(𝑥1 , 𝑥2 , … 𝑥𝑛 ) = (𝛽𝑥1 , 𝛽𝑥2 , … 𝛽𝑥𝑛 ). de [3]

Ejemplo 1 Espacio Vectorial

Sea 𝑽 = {(𝒙, 𝒚)|𝒚 = 𝟐𝒙 + 𝟏, 𝒙 ∈ 𝕽}. Determinar si V representa un espacio vectorial.

x y = 2x + 1
0 1
3 7

𝑥 + 𝑦 = (𝑥1 , 𝑥2 ) + (𝑦1 , 𝑦2 ) = [(𝑥1 + 𝑥2 ), (𝑦1 + 𝑦2 )] ∴ 𝑥 + 𝑦 = [(0 + 3), (1 + 7)] = (3, 8)

y = 2x + 1 8 = 2(3) + 1 8=6+1 8≠7
Por lo tanto, V no representa un espacio vectorial.

4.1 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes problemas
𝒙
1. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟐 con 𝒚 = −𝟑𝒙 representa un espacio vectorial.

Instituto Tecnológico de Tepic

166 TEMA 4. Espacios Vectoriales

𝒙
2. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟐 con 𝒚 = −𝟑𝒙 + 𝟏 representa un espacio vectorial.

Instituto Tecnológico de Tepic

 4.1 Definición de espacio vectorial
167

3. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 − 𝒚 − 𝒛 = 𝟎. 𝒙, 𝒚, 𝒛 ∈ 𝕽}. Determinar si V representa un espacio vectorial.

𝒙
4. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟑 con 𝟐𝒙 − 𝒚 − 𝟏𝟐𝒛 = 𝟎 representa un espacio vectorial.
𝒛

Instituto Tecnológico de Tepic

168 TEMA 4. Espacios Vectoriales

𝒙
5. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟑 con 𝟑𝒙 − 𝟐𝒚 − 𝟏𝟐𝒛 = 𝟏 representa un espacio vectorial.
𝒛

II. Ejercicios propuestos para resolver en extra clase.

6. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)| 𝟓𝒙 − 𝟑𝒚 + 𝟐𝒛 = 𝟎, 𝒙 ∈ 𝕽}. Determinar si V representa un espacio vectorial.

7. Sea 𝑾 = {(𝒙, 𝒚, 𝒛)|𝟒𝒙 − 𝒚 + 𝟕𝒛 = 𝟔, 𝒙 ∈ 𝕽}. Determinar si W representa un espacio vectorial.

8. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)| 𝟐𝒙 − 𝒚 − 𝟏𝟐𝒛 = 𝟎, 𝒙 ∈ 𝕽}. Determinar si V representa un espacio vectorial.

9. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 − 𝟒𝒚 + 𝟑𝒛 = 𝟎. 𝒙, 𝒚, 𝒛 ∈ 𝕽}. Determinar si V representa un espacio vectorial

𝒙
10. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟐 con 𝒚 = −𝟓𝒙 + 𝟐 representa un espacio vectorial.

𝒙
11. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟐 con 𝒚 = 𝟔𝒙 representa un espacio vectorial.

𝒙
12. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟑 con 𝟐𝒙 − 𝟓𝒚 + 𝟖𝒛 = 𝟎 representa un espacio.
𝒛
𝒙
13. Determinar si el conjunto de vectores [𝒚] en 𝑹𝟑 con 𝟒𝒙 − 𝟑𝒚 − 𝟕𝒛 = 𝟓 representa un espacio vectorial.
𝒛

14. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)| 𝟐𝒙 − 𝟑𝒚 + 𝟓𝒛 = 𝟏, 𝒙 ∈ 𝕽}. Determinar si V representa un espacio vectorial.

Instituto Tecnológico de Tepic

 4.2 Definición de susbespacio vectorial y sus propiedades
169

4.2 Definición de Subespacio vectorial y sus propiedades.

En muchas de las aplicaciones importantes del algebra lineal los espacios vectoriales ocurren como subespacios de
espacios más grandes. En muchos problemas, un espacio vectorial consta de un subconjunto adecuado de vectores
de algún espacio vectorial mayor. En este caso, será necesario verificar sólo tres de las propiedades de espacios
vectoriales. El resto quedan satisfechas de manera automática. de [3]

Definición 4.2 Subespacio de un espacio vectorial

Un subconjunto no vacío W de un espacio vectorial se denomina subespacio de V si W es un espacio vectorial bajo

las operaciones de suma y multiplicación escalar definidas en V.

Un subespacio de un espacio vectorial V es un subconjunto W que cumple dos propiedades: de [2]

1. Para cada 𝑢, 𝑣 ∈ 𝑊, la suma 𝑢 + 𝑣 esta en W.

2. Para cada 𝑢 ∈ 𝑊 y cada escalar c, el vector 𝑐𝑢 ∈ 𝑊.

Así, todo subespacio es un espacio vectorial. De manera reciproca, todo espacio vectorial es un subespacio (de sí
mismo o posiblemente de espacios mayores). El término subespacio es usado cuando se consideran por lo menos
dos espacios, con uno dentro del otro, y la frase subespacio de V identifica a V como el espacio más grande, como se
indica en la siguiente figura.

Un subespacio de V

Un Subespacio generado por un conjunto

Si 𝒗𝟏 , … … 𝒗𝒑 están en un espacio vectorial V, entonces 𝑮𝒆𝒏{𝒗𝟏 , … … , 𝒗𝒑 } es un subespacio de V.

A 𝐺𝑒𝑛{𝑣1 , … … , 𝑣𝑝 } se le llama el subespacio generado por {𝑣1 , … … , 𝑣𝑝 }. Dado cualquier subespacio H de V, un

conjunto generador para H es un conjunto {𝑣1 , … … , 𝑣𝑝 } ∈ 𝐻 tal que 𝐻 = 𝐺𝑒𝑛{𝑣1 , 𝑣2 }.

Ejemplo 2 Subespacio Vectorial

Sea H el conjunto de todos los vectores de la forma (𝒂 − 𝟑𝒃, 𝒃 − 𝒂, 𝒂, 𝒃), donde a y b son escalares arbitrarios.
Esto es, sea 𝑯 = {(𝒂 − 𝟑𝒃, 𝒃 − 𝒂, 𝒂, 𝒃): 𝒂 𝒚 𝒃 𝒆𝒏 𝕽}. Demuestre que H es un subespacio de 𝕽𝟒 .

Escriba los vectores de H como vectores columna. Entonces un vector arbitrario en H tiene la forma
𝑎 − 3𝑏 1 −3
[ 𝑎 ] = 𝑎[ ]+𝑏[ 1 ]
𝑏 − 𝑎 −1
1 0
𝑏 0 1

Instituto Tecnológico de Tepic

170 TEMA 4. Espacios Vectoriales

𝟏 −𝟑
Este cálculo muestra que 𝑯 = 𝑮𝒆𝒏{𝒗𝟏 , 𝒗𝟐 }, donde 𝒗𝟏 𝒚 𝒗𝟐 son los vectores [ ] 𝒚 [ 𝟏 ]. Entonces H es un
−𝟏
𝟏 𝟎
𝟎 𝟏
subespacio de 𝕽𝟒 de acuerdo con la suma de vectores.

Ejemplo 3 Subespacio Vectorial

¿Cuál de los subconjuntos siguientes de 𝑹𝟐 , con las operaciones usuales de suma de vectores y multiplicación por
escalar son subespacios? de [4]
𝑥
a) 𝑊1 es el conjunto de todos los vectores de forma [𝑦], donde 𝑥 ≥ 0.
𝑥
b) 𝑊2 es el conjunto de todos los vectores de forma [𝑦], donde 𝑥 ≥ 0, 𝑦 ≥ 0.
𝑥
c) 𝑊3 es el conjunto de todos los vectores de forma [𝑦], donde 𝑥 = 0.

Solución a)
2
𝑊1 es el semiplano derecho del plano xy. No es un subespacio de 𝑅2 , porque si tomamos el vector [ ] en 𝑊1 ,
3
2 −6
entonces la multiplicación por escalar −3 [ ] = [ ] no es un vector de 𝑊1 , es decir, no se cumple la propiedad de
3 −9
la multiplicación por escalar.
Y

2
W1

X
0 5

-2

-4

Solución b)
𝑊2 es el primer cuadrante del plano xy. Utilizando el mismo vector y el mismo escalar de la parte (a) puede mostrarse
que 𝑊2 no es un subespacio.
Y

W2

X
0 5

Solución c)
𝑊3 es el eje y en el plano xy. Para determinar si 𝑊3 , es un subespacio, sean
0 0
𝑢=[ ] y 𝑣=[ ]
3 −2

Instituto Tecnológico de Tepic

 4.2 Definición de susbespacio vectorial y sus propiedades
171

Vectores cualesquiera en 𝑊3 . Entonces

0 0 0
𝑢 + 𝑣 = [ ] + [ ] = [ ],
3 −2 1
Está en 𝑊3 , de modo que satisface la propiedad de la suma de vectores. Además, si 2 es un escalar, entonces
0 0
2𝑢 = 2 [ ] = [ ],
3 6
Está en 𝑊3 , de manera que se cumple también la propiedad de multiplicación por escalar. En consecuencia, 𝑊3 es
un subespacio de 𝑅2 .

Ejemplo 4 Subespacio Vectorial

3
En R sea 𝑽 = {(𝒙, 𝒚, 𝒛)| 𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟎} 𝒚 𝑽 = {(𝒙, 𝒚, 𝒛)| 𝟐𝒙 − 𝒚 − 𝒛 = 𝟎}. Determinar si la intersección
de los dos espacios representa un Subespacio.
1
𝑥 + 2𝑦 + 3𝑧 = 0 1 2 3 0 −2𝑅1+𝑅2→𝑅2 1 2 3 0 −5𝑅2→𝑅2 1 2 3 0 −2𝑅2+𝑅1→𝑅1
∴ ( | )→ ( | )→ (0 1 7| ) →
2𝑥 − 𝑦 − 𝑧 = 0 2 −1 −1 0 0 −5 −7 0 5 0
1
1 0 1
0 𝑥 = −5𝑧 𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎 𝑆𝑖 𝑧 = 5 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
5
( | ) 1 7 ∴
0 1 7
5 0 𝑦=
7
− 5𝑧 (𝑥 = −5𝑧, 𝑦 = −5𝑧, 𝑧) (𝑥 = −1, 𝑦 = −7, 𝑧 = 5)

Por lo tanto, se cumple la igualdad en los espacios V y W, siendo (𝒙 = −𝟏𝟓𝒛, 𝒚 = −𝟕𝟓𝒛, 𝒛) representa un
Subespacio vectorial.

4.2 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes problemas:
𝒘 − 𝟐𝒛
𝟓𝒙 − 𝟐𝒚 − 𝒛
1. Sea V el conjunto de todos los vectores de la forma [ ]. Muestre que V es un subespacio 𝕽𝟒 .
𝟒𝒘 − 𝟑𝒚
𝟕𝒙

Instituto Tecnológico de Tepic

172 TEMA 4. Espacios Vectoriales

𝒔 + 𝟑𝒕
2. Sea W el conjunto de todos los vectores de la forma [ 𝒔 − 𝒕 ]. Muestre que W es un subespacio 𝕽𝟒 .
𝟐𝒔 − 𝒕
𝟒𝒕

¿Cuál de los subconjuntos siguientes de 𝑹𝟑 , con las operaciones usuales de suma de vectores y multiplicación por
escalar son subespacios?
𝒙
𝟑. 𝑯𝟏 es el conjunto de todos los vectores de forma [𝒚], donde 𝒙 ≥ 𝟎 𝒚 𝒛 = 𝟎 .
𝒛

Instituto Tecnológico de Tepic

 4.2 Definición de susbespacio vectorial y sus propiedades
173

𝒙
𝟒. 𝑯𝟐 es el conjunto de todos los vectores de forma [𝒚], donde 𝒙 ≥ 𝟎, 𝒚 ≥ 𝟎 𝒚 𝒛 = 𝟎.
𝒛

𝒙
𝟓. 𝑯𝟑 es el conjunto de todos los vectores de forma [𝒚], donde 𝒙 = 𝟎 𝒚 𝒛 = 𝟎.
𝒛

Instituto Tecnológico de Tepic

174 TEMA 4. Espacios Vectoriales

𝒙 𝒙
6. Sea 𝑼 = {[𝒚] : −𝟐𝒙 + 𝟑𝒚 + 𝟒𝒛 = 𝟎} y 𝑽 = {[𝒚] : 𝟔𝒙 − 𝟐𝒚 − 𝟖𝒛 = 𝟎}, determinar si la intersección de
𝒛 𝒛
𝑼 𝒚 𝑽 representa un subespacio vectorial.

𝒙 𝒙
7. Sea 𝑽 = {[𝒚] : 𝟓𝒙 − 𝟑𝒚 + 𝟐𝒛 = 𝟎} y 𝑾 = {[𝒚] : −𝒙 + 𝟒𝒚 + 𝟔𝒛 = 𝟎}, determinar si la intersección de
𝒛 𝒛
𝑽 𝒚 𝑾 representa un subespacio vectorial.

Instituto Tecnológico de Tepic

 4.2 Definición de susbespacio vectorial y sus propiedades
175

II. Ejercicios propuestos para resolver en extra clase.

𝒙 − 𝟐𝒚 + 𝒛
𝟐𝒚 − 𝒛
8. Sea H el conjunto de todos los vectores de la forma [ ]. Muestre que H es un subespacio 𝕽𝟒 .
−𝟑𝒙
𝟑𝒙 − 𝟔𝒛

𝟑𝒘 + 𝟐𝒛
𝟒𝒙 + 𝟑𝒚 − 𝒛
9. Sea V el conjunto de todos los vectores de la forma [ ]. Muestre que V es un subespacio 𝕽𝟒 .
𝟓𝒘 − 𝟕𝒚
𝟔𝒙

𝒂 − 𝟐𝒃
10. Sea H el conjunto de todos los vectores de la forma [ 𝟐𝒂 ]. Muestre que H es un subespacio 𝕽𝟒 .
−𝟑𝒃
𝟒𝒂 − 𝟐𝒄

𝒔 + 𝟑𝒕
11. Sea W el conjunto de todos los vectores de la forma [ 𝒔 − 𝒕 ]. Muestre que W es un subespacio 𝕽𝟒 .
𝟐𝒔 − 𝒕
𝟒𝒕

𝟓𝒔 − 𝟑𝒕
12. Sea U el conjunto de todos los vectores de la forma [ 𝒔 + 𝟕𝒕 ]. Muestre que U es un subespacio 𝕽𝟒 .
𝟐𝒔 + 𝟒𝒕
𝟗𝒕
𝒙
13. 𝑽𝟏 es el conjunto de todos los vectores de forma [𝒚], donde 𝒙, 𝒚 ∈ 𝓡 𝒚 𝒛 = 𝟒 .
𝒛
𝒙
14. 𝑽𝟐 es el conjunto de todos los vectores de forma [𝒚], donde 𝒙, 𝒚 ∈ 𝓡 𝒚 𝒛 = 𝟎
𝒛

15. Sea 𝑯𝟏 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 + 𝟏𝟐𝒚 − 𝟔𝒛 = 𝟎} 𝒚 𝑯𝟐 = {(𝒙, 𝒚, 𝒛)|𝒙 + 𝟔𝒚 − 𝟑𝒛 = 𝟎}, determinar si la

intersección de 𝑯𝟏 𝒚 𝑯𝟐 es un Subespacio de 𝑹𝟑 .

16. Sea 𝑼𝟏 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 + 𝟏𝟑𝒚 − 𝟓𝒛 = 𝟎} 𝒚 𝑼𝟐 = {(𝒙, 𝒚, 𝒛)|𝟑𝒙 − 𝟏𝟐𝒚 + 𝟓𝒛 = 𝟎}, determinar si la
intersección de 𝑼𝟏 𝒚 𝑼𝟐 es un Subespacio de 𝑹𝟑 .

𝒙 𝒙
17. Sea 𝑼 = {[𝒚] : 𝟓𝒙 − 𝟑𝒚 + 𝟕𝒛 = 𝟎} y 𝑽 = {[𝒚] : −𝟑𝒙 − 𝟗𝒚 + 𝟏𝟐𝒛 = 𝟎}, determinar si la intersección de
𝒛 𝒛
𝑽 𝒚 𝑾 representa un subespacio vectorial.

𝒙 𝒙
18. Sea 𝑯 = {[𝒚] : 𝟐𝒙 − 𝟑𝒚 + 𝟓𝒛 = 𝟎} y 𝑼 = {[𝒚] : −𝟑𝒙 + 𝟒𝒚 − 𝟐𝒛 = 𝟎}, determinar si la intersección de
𝒛 𝒛
𝑽 𝒚 𝑾 representa un subespacio vectorial.

Instituto Tecnológico de Tepic

176 TEMA 4. Espacios Vectoriales

4.3 Combinación lineal. Independencia lineal.

Se ha visto que todo vector 𝑣 = (𝑎, 𝑏, 𝑐) en 𝑅3 se puede escribir en la forma

𝑣 = 𝑎𝑖 + 𝑏𝑗 + 𝑐𝑘
En cuyo caso se dice que 𝑣 es una combinación lineal de los tres valores 𝑖, 𝑗 y 𝑘. De manera más general, se tiene la
siguiente definición. de [3]

Definición 4.3 Combinación lineal de vectores

Un vector v en un espacio vectorial V se denomina combinación lineal de los vectores 𝑢1 , 𝑢2 , … , 𝑢𝑛 , en V si se
puede expresar de la forma
𝒗 = 𝑐1 𝑢1 + 𝑐2 𝑢2 + ⋯ + 𝑐𝑛 𝑢𝑛

donde 𝑐1 , 𝑐2 , … , 𝑐𝑛 son escalares.

Ejemplo 5 Combinación Lineal

−𝟕 −𝟏 𝟓
Una combinación en 𝑹𝟑 . Sea 𝒗 = [ 𝟕 ], serán 𝒖𝟏 = [ 𝟐 ] 𝒚 𝒖𝟐 = [−𝟑] una combinación lineal de v.
𝟕 𝟒 𝟏
−1 5 −7 −𝑐1 + 5𝑐2 = −7
𝑐1 [ 2 ] + 𝑐2 [−3] = [ 7 ] → 2𝑐1 − 3𝑐2 = 7
4 1 7 4𝑐1 + 𝑐2 = 7
−1 5 −7 −𝑅1→𝑅1 1 −5 7 −2𝑅1+𝑅2→𝑅2 1 −5 7 1𝑅1→𝑅1 1 −5 7 5𝑅2+𝑅1→𝑅1
−4𝑅1+𝑅3→𝑅3 7 −21𝑅2+𝑅3→𝑅3
(2 −3| 7 ) → (2 −3|7) → (0 7 | −7 ) → (0 1 | −1 ) →
4 1 7 4 1 7 0 21 −21 0 21 −21
1 0 2 𝑐1 = 2
(0 1|−1)
𝑐2 = −1
0 0 0
−𝟏 𝟓 −𝟕
Entonces 𝟐 [ 𝟐 ] − [−𝟑] = [ 𝟕 ] y resulta que los vectores 𝒖𝟏 , 𝒖𝟐 y los escalares 𝒄𝟏 , 𝒄𝟐 representan una
𝟒 𝟏 𝟕
−𝟕
combinación lineal de 𝒗 = [ 𝟕 ]
𝟕

Conjuntos generadores:

Si todo vector es un espacio vectorial puede ser expresado como combinación lineal de vectores en un conjunto 𝑆,
entonces se dice que 𝑆 es un conjunto generador del espacio vectorial. de [3]

Definición 4.4 Conjunto generador de un espacio vectorial

Se dice que 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es un subconjunto del espacio vectorial V. El conjunto 𝑆 se denomina conjunto
generador de V si todo vector en V puede expresarse como una combinación lineal de vectores en 𝑆. Es decir, que
𝑆 genera a V tal que
𝑽 = 𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + ⋯ + 𝒄𝒏 𝒗 𝒏

Instituto Tecnológico de Tepic

 4.3 Combinación lineal. Independencia lineal
177

Ejemplo 6 Conjunto Generador

Sea 𝒗𝟏 = (𝟐, −𝟏, 𝟒) y 𝒗𝟐 = (𝟒, 𝟏, 𝟔). Cuál es el espacio que genera los dos vectores.

𝐻 = 𝐺𝑒𝑛{𝑣1 , 𝑣2 } = {𝑣|𝑣 = 𝑐1 (2, −1, 4) + 𝑐2 (4, 1, 6)}. Apariencia de 𝑣 = (𝑥, 𝑦, 𝑧) en H.

2 4 𝑥 2𝑐1 + 4𝑐2 = 𝑥
𝑐1 [−1] + 𝑐2 [1] = [𝑦] → −𝑐1 + 𝑐2 = 𝑦
4 6 𝑧 4𝑐1 + 6𝑐2 = 𝑧

1 1
2 4 𝑥 1𝑅1→𝑅1 1 2 12𝑥 𝑅1+𝑅2→𝑅2 1 2 2
𝑥 𝑅2→𝑅2
2 −4𝑅1+𝑅3→𝑅3 3
(−1 1|𝑦) → (−1 1| 𝑦 ) → (0 3 | 2𝑥+𝑦 ) →
1

4 6𝑧 4 6 𝑧 0 −2 −2𝑥 + 𝑧
1
1 2
1
𝑥 −2𝑅2+𝑅1→𝑅1 1 0 6
𝑥 − 23𝑦
2 2𝑅2+𝑅3→𝑅3 1 1
(0 1 | 16𝑥+13𝑦 ) → (0 1| 6𝑥+3𝑦 )
0 −2 −2𝑥 + 𝑧 0 5
0 − 𝑥+ 𝑦+𝑧2
3 3

5 2
Se forma una inconsistencia − 𝑥 + 𝑦 + 𝑧 = 0 por lo tanto el espacio que generan los vectores v1 y
3 3
v2 es −𝟓𝒙 + 𝟐𝒚 + 𝟑𝒛 = 𝟎.

4.3 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes ejercicios.
𝟖 𝟒 −𝟐
1. Una combinación en 𝑹𝟑 . Sea 𝒗 = [−𝟏𝟐], será 𝒗𝟏 = [−𝟐] 𝒚 𝒗𝟐 = [−𝟑] una combinación lineal de v.
𝟏𝟑 𝟏 𝟓

Instituto Tecnológico de Tepic

178 TEMA 4. Espacios Vectoriales

−𝟑 𝟐 𝟖 −𝟏 𝟎 𝟒 𝟎 𝟏 −𝟐
2. Una combinación en M23. Sea 𝑴 = [ ], será 𝑴𝟏 = [ ] 𝒚 𝑴𝟐 = [ ] una
−𝟏 𝟗 𝟑 𝟏 𝟏 𝟓 −𝟐 𝟑 −𝟔
combinación lineal de M.

3. En 𝑹𝟑 , sean 𝒗𝟏 = (𝟏, 𝟐, 𝟏), 𝒗𝟐 = (𝟏, 𝟎, 𝟐) 𝒚 𝒗𝟑 = (𝟏, 𝟏, 𝟎). Determine si el vector 𝒗 = (𝟐, 𝟏, 𝟓)

es una combinación lineal de 𝒗𝟏 , 𝒗𝟐 𝒚 𝒗𝟑 .

Instituto Tecnológico de Tepic

 4.3 Combinación lineal. Independencia lineal
179

4. Dados los vectores siguientes, 𝒗𝟏 = 𝟐𝒕𝟐 + 𝒕 + 𝟐, 𝒗𝟐 = 𝒕𝟐 − 𝟐𝒕, 𝒗𝟑 = 𝟓𝒕𝟐 − 𝟓𝒕 + 𝟐 𝒚 𝒗𝟒 = −𝒕𝟐 − 𝟑𝒕 −

𝟐. Determine si el vector 𝒗 = 𝒕𝟐 + 𝒕 + 𝟐 pertenece a 𝒈𝒆𝒏 {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 𝒚 𝒗𝟒 }.

Instituto Tecnológico de Tepic

180 TEMA 4. Espacios Vectoriales

𝟐 𝟔
5. Sean 𝒗𝟏 = [−𝟏] 𝒚 𝒗𝟐 = [−𝟏]. Determinar el espacio que generan los dos vectores en R 3.
𝟒 𝟐

−𝟑 𝟓
6. Sean 𝒗𝟏 = [−𝟐] 𝒚 𝒗𝟐 = [𝟐]. Determinar el espacio que generan los dos vectores en R 3.
𝟑 𝟑

Instituto Tecnológico de Tepic

 4.3 Combinación lineal. Independencia lineal
181

II. Ejercicios propuestos para resolver en extra clase.

𝟏𝟗 𝟓 −𝟐
7. Una combinación en 𝑹𝟑 . Sea 𝒗 = [𝟏𝟑], será 𝒗𝟐 = [𝟐] 𝒚 𝒗𝟑 = [ 𝟏 ] una combinación lineal de v.
𝟐𝟎 𝟏 𝟓

𝟖 𝟐 −𝟑 𝟒 𝟎 −𝟏 −𝟐 𝟏 𝟎
8. Una combinación en M23. Sea 𝑴𝟐𝟑 = [ ], será [ ]𝒚[ ] una combinación lineal
𝟑 𝟗 −𝟏 𝟓 𝟏 𝟏 −𝟔 𝟑 −𝟐
de M23.

−𝟓 𝟗
9. Sean 𝒗𝟏 = [−𝟕] , 𝒗𝟐 = [−𝟏]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟑 𝟔
𝟑 𝟕
10. Sean 𝒗𝟏 = [−𝟏𝟏] , 𝒗𝟐 = [ −𝟓 ]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟗 −𝟏𝟑
−𝟒 −𝟓
11. Sean 𝒗𝟏 = [−𝟏] , 𝒗𝟐 = [ 𝟏 ]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟑 −𝟐
𝟐 𝟒
12. Sean 𝒗𝟏 = [−𝟏] , 𝒗𝟐 = [𝟏]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟒 𝟔

𝟏 𝟓
13. Sean 𝒗𝟏 = [𝟐] , 𝒗𝟐 = [𝟐]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟑 𝟑

𝟐 −𝟏
14. Sean 𝒗𝟏 = [𝟎] , 𝒗𝟐 = [ 𝟎 ]. Determinar el espacio que generan los dos vectores en 𝑹𝟑 .
𝟒 𝟑

𝟑 𝟔
15. Sean 𝒗𝟏 = [−𝟐] 𝒚 𝒗𝟐 = [ 𝟒 ]. Determinar el espacio que generan los dos vectores en R 3.
𝟓 −𝟕

𝟒 −𝟐
16. Sean 𝒗𝟏 = [ 𝟔 ] 𝒚 𝒗𝟐 = [ 𝟑 ]. Determinar el espacio que generan los dos vectores en R 3.
−𝟕 𝟓

Dependencia e Independencia Lineal:

Definición 4.5 Dependencia lineal e independencia lineal

Sean 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } 𝑛 vectores en un espacio vectorial V. Entonces se dice que los vectores son linealmente
independientes si la ecuación vectorial
𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + ⋯ + 𝒄𝒏 𝒗 𝒏 = 𝟎
tiene una solución trivial 𝑐1 = 𝟎, 𝒄𝟐 = 𝟎, … , 𝒄𝒏 = 𝟎.

Si los vectores no tienen solución trivial, se dice que son linealmente dependientes.

Instituto Tecnológico de Tepic

182 TEMA 4. Espacios Vectoriales

Se dice que un conjunto de vectores 𝑆 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) en 𝑉 es linealmente independiente si la ecuación vectorial

𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + 𝒄𝟑 𝒗 𝟑 = 𝟎

tiene solamente la solución trivial 𝑐1 = 0, 𝑐2 = 0 ⋯ 𝑐𝑛 = 0.

Se dice que un conjunto de vectores 𝑆 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) en 𝑉 es linealmente dependiente si la ecuación vectorial

𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + 𝒄𝟑 𝒗 𝟑 = 𝟎

tiene una solución no trivial, esto es, 𝑐1 , 𝑐2 , ⋯ 𝑐𝑛 no todos son ceros. de [2]

Sea 𝑆 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) un conjunto de vectores en un espacio vectorial V. Para determinar si 𝑆 es linealmente

independiente o dependiente, se efectúan los pasos siguientes. de [3]

1. A partir de la ecuación vectorial 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 0, escriba un sistema homogéneo de ecuaciones lineales

en las variables 𝑐1 , 𝑐2 , ⋯ 𝑐𝑛 .
2. Utilice la eliminación Gaussiana para determinar si el sistema tiene solución única.
3. Si el sistema tiene solamente la solución trivial 𝑐1 = 0, 𝑐2 = 0 ⋯ 𝑐𝑛 = 0, entonces el conjunto 𝑆 es linealmente
independiente. Si el sistema tiene solución no trivial, entonces 𝑆 es linealmente dependiente.

Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de los vectores es múltiplo escalar
del otro. de [1]

Ejemplo 7 Dependencia Lineal o independencia lineal

𝟏 𝟐 𝟎
Determine si los vectores [−𝟐] , [−𝟐] 𝒚 [𝟏], son linealmente dependientes o independientes.
𝟑 𝟎 𝟕

Primero se aplican los escalares: 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 0

1 2 0 0 𝑐1 + 2𝑐2 = 0
𝑐1 [−2] + 𝑐2 [−2] + 𝑐3 [1] = [0] → −2𝑐1 − 2𝑐2 + 𝑐3 = 0
3 0 7 0 3𝑐1 + 7𝑐3 = 0

1 2 0 0 2𝑅1+𝑅2→𝑅2 1 2 0 0 1𝑅2→𝑅2 1 2 0 0 −2𝑅2+𝑅1→𝑅1

−3𝑅1+𝑅3→𝑅3 2 1 6𝑅2+𝑅3→𝑅3
(−2 −2 1| 0) → (0 2 1| 0) → (0 1 2 | 0) →
3 0 70 0 −6 70 0 −6 70
𝑅3+𝑅1→𝑅1
1 0 −1 0 1 𝑅3→𝑅3 1 0 −1 0 1𝑅3+𝑅2→𝑅2 1 0 00 𝑐1 = 0
1 10 1 2
(0 1 2 |0) → (0 1 2 | 0) → (0 1 0| 0) 𝑐2 = 0
0 0 10 0 0 0 1 0 0 0 10 𝑐3 = 0

Solución trivial por lo tanto son vectores linealmente independientes.

Ejemplo 8 Dependencia Lineal o independencia lineal

𝟐 −𝟔
Determine si los vectores 𝒗𝟏 = [ ] , 𝒗𝟐 = [ 𝟑 ], son linealmente dependientes o independientes.
−𝟏
𝟎 𝟎
𝟑 −𝟗

Instituto Tecnológico de Tepic

 4.3 Combinación lineal. Independencia lineal
183

1
𝑐 = −3
2 −6 −6𝑐 2 = −6𝑐
1
𝑐 = −3
[ ] = 𝑐 [ ] = [ 3𝑐 ]
−1 3 ∴ [−1 = 3𝑐 ] →
0 0 0 0=0 0
3 −9 −9𝑐 3 = −9𝑐 1
𝑐 = −3

𝟏
Son linealmente dependientes porque uno es múltiplo escalar del otro ya que 𝒗𝟏 = − 𝒗𝟐
𝟑

Ejemplo 9 Dependencia Lineal o independencia lineal

Determine si los vectores 𝒗𝟏 = 𝟏 + 𝒙 − 𝟐𝒙𝟐 , 𝒗𝟐 = 𝟐 + 𝟓𝒙 − 𝒙𝟐 , 𝒗𝟑 = 𝒙 + 𝒙𝟐 son linealmente dependientes o
independientes.
Primero se aplican los escalares: 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 0

𝒄𝟏 (𝟏 + 𝒙 − 𝟐𝒙𝟐 ) + 𝒄𝟐 (𝟐 + 𝟓𝒙 − 𝒙𝟐 ) + 𝒄𝟑 (𝒙 + 𝒙𝟐 ) = 𝟎 + 𝟎𝒙 + 𝟎𝒙𝟐
(𝒄𝟏 + 𝟐𝒄𝟐 ) + (𝒄𝟏 + 𝟓𝒄𝟐 + 𝒄𝟑 )𝒙 + (−𝟐𝒄𝟏 − 𝒄𝟐 + 𝒄𝟑 )𝒙𝟐 = 𝟎 + 𝟎𝒙 + 𝟎𝒙𝟐

Se genera el siguiente sistema de ecuaciones homogéneo

𝒄𝟏 + 𝟐𝒄𝟐 =𝟎
𝒄𝟏 + 𝟓𝒄𝟐 + 𝒄𝟑 = 𝟎
−𝟐𝒄𝟏 − 𝒄𝟐 + 𝒄𝟑 = 𝟎
Se aplica el método de Gauss – Jordán y se busca su solución

1 2 0 0 − 𝑅1+𝑅2→𝑅2 1 2 0 0 1𝑅2→𝑅2 1 2 0 0 −2𝑅2+𝑅1→𝑅1

2𝑅1+𝑅3→𝑅3 3 1 −3 𝑅2+𝑅3→𝑅3
(1 5 1| 0) → (0 3 1|0) → (0 1 3|0) →
−2 −1 10 0 3 10 0 3 10
1 0 −23 0 2
𝑐1 − 3𝑐3 = 0 𝑐1 = 3𝑐3
2

(0 1 1 | 0)
3
→ 1 ∴ 1
𝑐2 + 3𝑐3 = 0 𝑐2 = −3𝑐3
0 0 0 0

Como tiene una solución no trivial los vectores 𝒗𝟏 , 𝒗𝟐 , 𝒚 𝒗𝟑 son linealmente dependientes.

4.4 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver los siguientes problemas
𝟏 𝟐
1. Determine si los vectores 𝒗𝟏 = [𝟐] 𝒚 𝒗𝟐 = [ 𝟓 ], son linealmente dependientes o independientes.
𝟒 −𝟑

Instituto Tecnológico de Tepic

184 TEMA 4. Espacios Vectoriales

𝟐 𝟒
2. Determine si los vectores 𝒗𝟏 = [−𝟏] 𝒚 𝒗𝟐 = [−𝟐], son linealmente dependientes o independientes.
𝟒 𝟕

𝟏 𝟑 𝟏𝟏
3. Determine si los vectores 𝒗𝟏 = [−𝟑] , 𝒗𝟐 = [𝟎] 𝒚 𝒗𝟑 = [−𝟔], son linealmente dependientes o
𝟎 𝟒 𝟏𝟐
independientes.

Instituto Tecnológico de Tepic

 4.3 Combinación lineal. Independencia lineal
185

𝟑 𝟕 𝟏
4. Determine si los vectores 𝒗𝟏 = [𝟒] , 𝒗𝟐 = [−𝟏] 𝒚 𝒗𝟑 = [𝟐], son linealmente dependientes o
𝟐 𝟑 𝟖
independientes.

−𝟔 𝟏𝟒 𝟐
5. Determine si los vectores 𝒘𝟏 = [ 𝟖 ] , 𝒘𝟐 = [−𝟐] 𝒚 𝒘𝟑 = [ 𝟒 ], son linealmente dependientes o
𝟒 𝟔 𝟏𝟔
independientes.

Instituto Tecnológico de Tepic

186 TEMA 4. Espacios Vectoriales

6. Determine si los vectores 𝒗𝟏 = 𝟐 − 𝒙, 𝒗𝟐 = 𝟐𝒙 − 𝒙𝟐 , 𝒗𝟑 = 𝟔 − 𝟓𝒙 + 𝒙𝟐 son linealmente dependientes o

independientes.

II. Ejercicios propuestos para resolver en extra clase.

7 – 14 Determinar si el conjunto de vectores dado es linealmente independiente o dependientes.
𝟒 𝟖 𝟑 −𝟐
𝟏 −𝟏
𝟕. 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] 𝟖. 𝒗𝟏 = [−𝟐] , 𝒗𝟐 = [−𝟒] 𝟗. 𝒗𝟏 = [𝟐] 𝒚 𝒗𝟑 = [ 𝟔 ]
𝟐 −𝟑
𝟖 𝟏𝟒 𝟏 −𝟓
𝟏 𝟐 𝟎 𝟐 −𝟏 𝟏𝟐
𝟏𝟎. 𝒖𝟏 = [−𝟐], 𝒖𝟐 = [−𝟐] 𝒚 𝒖𝟑 = [𝟏] 𝟏𝟏. 𝒗𝟏 = [−𝟒] , 𝒗𝟐 = [ 𝟐 ] 𝒚 𝒗𝟑 = [−𝟓]
𝟑 𝟎 𝟕 𝟎 𝟓 𝟖
𝟑 𝟓 −𝟑 𝟏 −𝟏 𝟒
𝟏𝟐. 𝒗𝟏 = [−𝟏] , 𝒗𝟐 = [−𝟐] 𝒚 𝒗𝟑 = [ 𝟐 ] 𝟏𝟑. 𝒗𝟏 = [𝟐] , 𝒗𝟐 = [ 𝟏 ] 𝒚 𝒗𝟑 = [−𝟏]
𝟒 𝟐 𝟔 𝟑 −𝟏 𝟏
𝟏 𝟑 𝟎 𝟓 𝟏 𝟑 𝟎 𝟑
𝟏𝟒. 𝒗𝟏 = [−𝟐] , 𝒗𝟐 = [ 𝟎 ] , 𝒗𝟑 = [ 𝟒 ] 𝒚 𝒗𝟒 = [ 𝟎 ] 𝟏𝟓. 𝒗𝟏 = [−𝟐] , 𝒗𝟐 = [−𝟏] , 𝒗𝟑 = [ 𝟏 ] 𝒚 𝒗𝟒 = [ 𝟐 ]
𝟏 𝟐 −𝟏 𝟑 𝟑 𝟐 −𝟓 −𝟑
𝟏 −𝟐 −𝟏 −𝟏 𝟐 −𝟒 𝟐 𝟏

𝟏𝟔. 𝒗𝟏 = 𝒙𝟐 − 𝟏, 𝒗𝟐 = 𝟐𝒙 + 𝟓 𝟏𝟕. 𝒗𝟏 = 𝒙𝟐 + 𝟑𝒙 + 𝟏, 𝒗𝟐 = 𝟐𝒙𝟐 + 𝒙 − 𝟏, 𝒗𝟑 = 𝟒𝒙

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
187

4.4 Base y dimensión de un espacio vectorial, cambio de base.

Base de un espacio vectorial
En particular, se consideran conjuntos generadores (en un espacio vectorial) que sean linealmente independientes y
que, además, generen todo el espacio. Este tipo de conjuntos forman una base del espacio vectorial. de [3]

Definición 4.6 Base

Un conjunto finito de vectores 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } en un espacio vectorial V es una base para un espacio vectorial
V si se cumplen las siguientes condiciones
1. 𝑆 𝑔𝑒𝑛𝑒𝑟𝑎 𝑎 𝑉.
2. 𝑆 𝑒𝑠 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒.

Todo conjunto de n vectores son columnas de una matriz identidad (que tiene determinante 1) es un conjunto
linealmente independiente y por lo tanto constituye una base en 𝑅𝑛 . Esta base especial se llama base canónica en
𝑅𝑛 . de [1]
1 0 0 0
0 1 0 0
𝑣1 = 0 , 𝑣2 = 0 , 𝑣3 = 1 , … … …, 𝑣𝑛 = 0
⋮ ⋮ ⋮ ⋮
[0] [0] [0] [1]

Ejemplo 10 Base de un espacio vectorial

Encuentre una base para el conjunto de vectores que están el plano 𝑽 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎}.
Entonces 𝑦 = 2𝑥 + 3𝑧
𝑥 𝑥 𝑥 0 1 0
[𝑦 ] = [2𝑥 + 3𝑧] = [2𝑥 ] + [3𝑧] = 𝑥 [2] + 𝑧 [3]
𝑧 𝑧 0 𝑧 0 1

1 0
Lo cual muestra que [2] 𝑦 [3] generan a V.
0 1

Como es evidente que estos dos vectores son linealmente independientes porque uno no es múltiplo del otro)
forman una base para V.
𝟏 𝟎
Lo cual muestra que 𝒗𝟏 = [𝟐] 𝒚 𝒗𝟐 = [𝟑] es una base para V.
𝟎 𝟏
Dimensión de un Espacio Vectorial

Si 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } y 𝑇 = {𝑤1 , 𝑤2 , … , 𝑤𝑛 } son bases para un espacio vectorial, entonces 𝑛 = 𝑚, en esta

observación se indica que el espacio vectorial tiene muchas bases, pero todas tiene el mismo número de vectores.
Entonces ese número de vectores son la dimensión de la base y se denota como 𝐝𝐢𝐦 𝑽 = 𝒏. de [4]

Definición 4.7 Dimensión

La dimensión de un espacio vectorial no nulo V es el número de vectores en una base para V. Con frecuencia
escribimos 𝐝𝐢𝐦 𝑽 para la dimensión de V. Como el conjunto {0} es linealmente dependiente, es natural decir que
el espacio vectorial {0} tiene dimensión cero.

Instituto Tecnológico de Tepic

188 TEMA 4. Espacios Vectoriales

Ejemplo 11 Dimensión de un espacio vectorial

𝒙 + 𝟐𝒚 − 𝒛 = 𝟎
Encuentre una base y la dimensión para el espacio de solución S del sistema homogéneo . de [1]
𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎

1
1 2 −1 0 −2𝑅1+𝑅2→𝑅2 1 2 −1 0 −5𝑅2→𝑅2 1 2 −1 0 −2𝑅2+𝑅1→𝑅1
( | )→ ( | )→ ( | )→
2 −1 3 0 0 −5 5 0 0 1 −1 0

1 0 1 0 𝑥 = −𝑧
( | ) → 𝑦=𝑧
0 1 −1 0
𝑥 −𝑧 −1
Si 𝑧 = 1 entonces (−1, 1, 1). [𝑦] = [ 𝑧 ] = [ 1 ]
𝑧 𝑧 1
−𝟏
Así [ 𝟏 ] es una base para S y dim S = 1.
𝟏

Coordenadas con respecto a una base

Si B es una base de un espacio vectorial V, entonces todo vector x en V puede expresarse en una y solo una forma
como una combinación lineal de vectores en B. Los coeficientes de la combinación lineal son las coordenadas de x
con respecto a B. En el contexto de la representación de coordenadas, el orden de los vectores en estas bases es
importante y esto en ocasiones se enfatiza al referirse a B como una base ordenada. de [3]

Sea 𝐵 = {𝑣1 , 𝑣2 , … … , 𝑣𝑛 } una base de un espacio vectorial V y x un vector en V tales que

𝒙 = 𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + … … + 𝒄𝒏 𝒗 𝒏 .
Los escalares 𝑐1 , 𝑐1 , … . , 𝑐𝑛 se denominan coordenadas de x con respecto a la base B. La matriz de coordenadas
(o vector de coordenadas) con respecto a B es la matriz en 𝑅𝑛 cuyas componentes son las coordenadas x.
𝑐1
𝑐
[𝑥]𝐵 = [ ⋮2 ]
𝑐𝑛

Ejemplo 12 Coordenadas de base estándar 𝑹𝒏

Determine la matriz de coordenadas 𝒙 = (−𝟐, 𝟏, 𝟑) en 𝑹𝟑 con respecto a la base estándar 𝑺 =
{(𝟏, 𝟎, 𝟎), (𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)}. Calcule [𝒙]𝑺 .

Como x se puede expresarse como

𝑥 = (−𝟐, 𝟏, 𝟑) = −𝟐(𝟏, 𝟎, 𝟎) + (𝟎, 𝟏, 𝟎) + 𝟑(𝟎, 𝟎, 𝟏)

Entonces la matriz de coordenadas de x relativa a la base estándar es

−𝟐
[𝒙]𝑺 = [ 𝟏 ]
𝟑

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
189

Ejemplo 13 Coordenadas de base no estándar 𝑹𝒏

Sea 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 , 𝒗𝟒 } una base en 𝑹𝟒 . Donde 𝒗𝟏 = (𝟏, 𝟏, 𝟎, 𝟎), 𝒗𝟐 = (𝟐, 𝟎, 𝟏, 𝟎), 𝒗𝟑 = (𝟎, 𝟏, 𝟐,
−𝟏) 𝒚 𝒗𝟒 = (𝟎, 𝟏, −𝟏, 𝟎). Si 𝒙 = (𝟏, 𝟐, −𝟔, 𝟐) calcule [𝒙]𝑺 .

Se realiza la combinación lineal

𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + … … + 𝒄𝒏 𝒗 𝒏 = 𝒙

1 2 0 0 1 𝑐1 + 2𝑐2 =1
0 𝑐1 + 𝑐3 + 𝑐4 = 2
𝑐1 [ ] + 𝑐2 [ ] + 𝑐3 [ ] + 𝑐4 [ ] = [ 2 ]
1 1 1 →
0 1 2 −1 −6 𝑐2 + 2𝑐3 − 𝑐4 = −6
0 0 −1 0 2 −𝑐3 =2

Se resuelve el sistema de ecuaciones y la solución es 𝑐1 = 3, 𝑐2 = −1, 𝑐3 = −2, 𝑐4 = 1, tal que

𝟑
−𝟏
[𝒙]𝑺 = [ ]
−𝟐
𝟏
Cambio de base.

Sea 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } y 𝑇 = {𝑤1 , 𝑤2 , … , 𝑤𝑛 } las bases en un espacio vectorial V. Entonces existe una sola matriz
𝑃𝑆←𝑇 de nxn tal que
[𝑥] 𝑇 = 𝑃𝑆←𝑇 [𝑥]𝑠

Las columnas de 𝑃𝑆←𝑇 son los vectores de T-coordenadas de los vectores de la base 𝑆. Esto es

𝑃𝑆←𝑇 = [[𝑤1 ]𝑆 , [𝑊2 ]𝑆 , … , [𝑊𝑛 ]𝑆 ]

La matriz 𝑃𝑆←𝑇 se denomina matriz de cambio de coordenadas de 𝑇 𝑎 𝑆. La multiplicación por 𝑃𝑆←𝑇 convierte S-
coordenadas en T-coordenadas. de [2]

El procedimiento para calcular la matriz de transición 𝑃𝑆←𝑇 de la base 𝑇 = {𝑤1 , 𝑤2 , … , 𝑤𝑛 } a la base 𝑆 =

{𝑣1 , 𝑣2 , … , 𝑣𝑛 } para V es la siguiente.

Paso 1. Calcule el vector de coordenadas de 𝑤𝑗 , 𝑗 = 1, 2, … , 𝑛 con respecto a la base 𝑆. Esto significa expresar a 𝑤𝑗
como una combinación lineal de los vectores en 𝑆.

𝑎1𝑗 𝑣1 + 𝑎2𝑗 𝑣2 + ⋯ + 𝑎𝑛𝑗 𝑣𝑛 = 𝑤𝑗 , 𝑗 = 1, 2, … , 𝑛

Los valores para 𝑎1𝑗 , 𝑎2𝑗 , . . . , 𝑎𝑛𝑗 se determinan con reducción de Gauss-Jordán, transformando la matriz
aumentada de este sistema a la forma escalonada reducida por renglones.

Paso 2. La matriz de transición 𝑃𝑆←𝑇 de la base T a la base S se forma tomando el vector [𝑤𝑗 ]𝑆 como j-esima columna
de la matriz pedida, 𝑃𝑆←𝑇 .

Ejemplo 14 Cambio de Base

𝟏 𝟎 𝒙
Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
𝟎 𝟏
𝟏 −𝟐 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio de base
𝟑 −𝟐 𝟐
de 𝑩𝟏 𝒂 𝑩𝟐 .

Instituto Tecnológico de Tepic

190 TEMA 4. Espacios Vectoriales

1 −2 1 0
𝑐1 𝑣1 + 𝑐2 𝑣2 = 𝑢1 , 𝑢2 ∴ 𝑐1 [ ] + 𝑐2 [ ] = [ ] , [ ]
3 −2 0 1
𝑐1 − 2𝑐2 = 1, 0
3𝑐1 − 2𝑐2 = 0, 1
1 1 1
1 −2 1 0 −3𝑅1+𝑅2→𝑅2 1 −2 1 0 4𝑅2→𝑅2 1 −2 1 0 2𝑅2+𝑅1→𝑅1 1 0 −2 2
( | )→ ( | )→ ( | 3 1) → ( | 3 1)
3 −2 0 1 0 4 −3 1 0 1 −4 4 0 1 −4 4
1 1
𝒄𝟏 − 𝒄
Entonces (𝑢1 )𝐵2 = [𝒄 ] = [ 23] (𝑢2 )𝐵2 = [𝒄𝟏 ] = [ 21]
𝟐 − 4
𝟐
4
𝟏 𝟏
−
𝑴𝒂𝒕𝒓𝒊𝒛 𝒅𝒆 𝒕𝒓𝒂𝒏𝒔𝒊𝒄𝒊𝒐𝒏 𝒅𝒆 𝑩𝟏 𝒂 𝑩𝟐 𝒆𝒔 𝑷−𝟏 = [ 𝟐𝟑 𝟐
𝟏]
−𝟒 𝟒

Ejemplo 15 Cambio de Base

−𝟑 𝟒 𝒙
Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
𝟐 −𝟐
−𝟏 𝟐 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio de base
𝟐 −𝟐 𝟐
de 𝑩𝟐 𝒂 𝑩𝟏 .
−3 4 −1 2
𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 𝑢1 , 𝑢2 , 𝑢3 ∴ 𝑐1 [ ] + 𝑐2 [ ] = [ ] , [ ]
2 −2 2 −2
−3𝑐1 + 4𝑐2 = −1, 2
2𝑐1 − 2𝑐2 = 2, 2
1 3
−3 4 −1 2 −3𝑅1→𝑅1 1 −43 13 −23 − 2𝑅1+𝑅2→𝑅2 1 −43 1
3
−23 2
𝑅2→𝑅2
1 −43 13 −23
( | )→ ( | )→ ( 2 | 4 )→ ( | )
2 −2 2 −2 2 −2 2 −2 0 3 3
−23 0 1 2 −1
4
𝑅2+𝑅1→𝑅1
3 1 03 −2
→ ( | )
0 12 −1
𝒄𝟏 3 𝒄 −2
Entonces (𝑣1 )𝐵1 = [𝒄 ] = [ ] (𝑣2 )𝐵1 = [𝒄𝟏 ] = [ ]
𝟐 2 𝟐 −1
𝟑 −𝟐
𝑴𝒂𝒕𝒓𝒊𝒛 𝒅𝒆 𝒕𝒓𝒂𝒏𝒔𝒊𝒄𝒊𝒐𝒏 𝒅𝒆 𝑩𝟐 𝒂 𝑩𝟏 𝒆𝒔 𝑷−𝟏 = [ ]
𝟐 −𝟏

Ejemplo 16 Cambio de Base

𝟏 𝟎 𝟎 𝒙
Sean 𝒖𝟏 = [𝟎] , 𝒖𝟐 = [𝟏] 𝒚 𝒖𝟑 = [𝟎] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟑 .
𝟎 𝟎 𝟏 𝒛
𝟏 −𝟏 𝟏 𝒄𝟏
Sean 𝒗𝟏 = [𝟑] , 𝒗𝟐 = [ 𝟐 ] 𝒚 𝒗𝟑 = [𝟐], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } y (𝒙)𝑩𝟐 = [𝒄𝟐 ] es una segunda base en 𝑹𝟑 .
𝟏 𝟐 𝟏 𝒄𝟑
Calcular el cambio de base de 𝑩𝟏 𝒂 𝑩𝟐 .
1 −1 1 1 0 0
𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 𝑢1 , 𝑢2 , 𝑢3 ∴ 𝑐1 [3] + 𝑐2 [ 2 ] + 𝑐3 [2] = [0] , [1] , [0]
1 2 1 0 0 1
𝑐1 − 𝑐2 + 𝑐3 = 1, 0, 0
3𝑐1 + 2𝑐2 + 2𝑐3 = 0, 1, 0
𝑐1 + 2𝑐2 + 𝑐3 = 0, 0, 1

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
191

1 −1 11 0 0 −3𝑅1+𝑅2→𝑅2 1 −1 1 1 0 0 1𝑅2→𝑅2 1 −1 1 1 0 0 𝑅2+𝑅1→𝑅1

−𝑅1+𝑅3→𝑅3 5 −3𝑅2+𝑅3→𝑅3
(3 2 2| 0 1 0) → (0 5 −1|−3 1 0) → (0 1 −15| −35 1
5 0) →
1 2 10 0 1 0 3 0 −1 0 1 0 3 0 −1 0 1
4
− 𝑅3+𝑅1→𝑅1
2 2 5 2
1 0 4
5
5
1
5 0 5
𝑅3→𝑅3 1 0 4
5 5
1
5 0 1
𝑅3+𝑅2→𝑅2 1 0 0 −3 1 −43
3 5
(0 1 −15|−35 1
5 0) → (0 1 −15|−5
3 1
5 0) → (0 1 0|−13 0 1
3
)
0 0 3
5
4
−35 1 0 0 1 4
−1 5 0 0 1 4 −1 5
5 3 3 3 3

2 4
− −
𝑐1 3 𝑐1 1 𝑐1 3
1 1
Entonces (𝑢1 )𝐵2 = [𝑐2 ] = − 3 (𝑢2 )𝐵2 = [𝑐2 ] = [ 0 ] (𝑢3 )𝐵2 = [𝑐2 ] = 3
𝑐3 4 𝑐3 −1 𝑐3 5
[ 3 ] [ 3 ]
𝟐 𝟒
−𝟑 𝟏 −𝟑
−𝟏 𝟏 𝟏
𝑴𝒂𝒕𝒓𝒊𝒛 𝒅𝒆 𝒕𝒓𝒂𝒏𝒔𝒊𝒄𝒊𝒐𝒏 𝒅𝒆 𝑩𝟏 𝒂 𝑩𝟐 𝒆𝒔 𝑷 = −𝟑 𝟎 𝟑
𝟒 𝟓
[ 𝟑
−𝟏 𝟑 ]

Ejemplo 17 Cambio de Base

𝟐 𝟏
Sea v igual a 𝑹𝟑 y sean 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } y 𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } bases para 𝑹𝟑 donde 𝒗𝟏 = [𝟎] , 𝒗𝟐 = [𝟐] 𝒚 𝒗𝟑 =
𝟏 𝟎
𝟏 𝟔 𝟒 𝟓
[𝟏] y 𝒘𝟏 = [𝟑] , 𝒘𝟐 = [−𝟏] 𝒚 𝒘𝟑 = [𝟓]. Calcular la matriz de transición 𝑷𝑺←𝑻 de la base T a la base S.
𝟏 𝟑 𝟑 𝟐
2 1 1 6 4 5
𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 = 𝑤1 , 𝑤2 , 𝑤3 ∴ 𝑐1 [0] + 𝑐2 [2] + 𝑐3 [1] = [3] , [−1] , [5]
1 0 1 3 3 2
2𝑐1 + 𝑐2 + 𝑐3 = 6, 4, 5
2𝑐2 + 𝑐3 = 3, −1, 5
𝑐1 + 𝑐3 = 3, 3, 2
2 1 16 4 5 1𝑅1→𝑅1 1 1
2
1
2
3 2 5
2 −𝑅1+𝑅3→𝑅3
2
(0 2 1|3 −1 5) → (0 2 1| 3 −1 5) →
1 0 13 3 2 1 0 13 3 2
1
− 𝑅2+𝑅1→𝑅1
5 2
1 1 1
3 2 5 1 1 1
2
1
2
3 2 2 1
2 2 2 𝑅2→𝑅2 𝑅2+𝑅3→𝑅3
2 2
(0 2 1|3 −1 5 )→ (0 1 1 3
|
2 2 −12 5
2 )→
0 −12 1
2 0 1 −12 0 −12 1
2 0 1 −12
1
− 𝑅3+𝑅1→𝑅1
9 4
1 9 5 1 9
1 0 4 4 4 4
4
𝑅3→𝑅3 1 0 4 4
9
4
5
4
1
− 𝑅3+𝑅2→𝑅2 1 0 02 2 1
3 2
(0 1 1
|
2
3
2 −12 5
2
)→ (0 1 1 3
2 2
| −12 5
2
)→ (0 1 0|1 −1 2)
3
0 0 4
3 3 3 0 0 11 1 1 0 0 11 1 1
4 4 4

𝟐 𝟐 𝟏
𝑴𝒂𝒕𝒓𝒊𝒛 𝒅𝒆 𝒕𝒓𝒂𝒏𝒔𝒊𝒄𝒊𝒐𝒏 𝒅𝒆 𝑻 𝒂 𝑺 𝒆𝒔 𝑷−𝟏 = [𝟏 −𝟏 𝟐]
𝟏 𝟏 𝟏

Instituto Tecnológico de Tepic

192 TEMA 4. Espacios Vectoriales

4.5 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver el siguiente problema
1. Encuentre una base y la dimensión para el espacio de solución S del sistema homogéneo
𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎
𝟒𝒙 − 𝟐𝒚 + 𝟔𝒛 = 𝟎
−𝟔𝒙 + 𝟑𝒚 − 𝟗𝒛 = 𝟎

2. Encuentre una base en R3 para el conjunto de vectores en el plano 𝟑𝒙 − 𝟐𝒚 + 𝟔𝒛 = 𝟎.

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
193

𝒙
3. Sea 𝑯 = {[𝒚] : 𝟐𝒙 + 𝟏𝟏𝒚 − 𝟏𝟕𝒛 = 𝟎}. Calcular la dim de H.
𝒛

4. Determine la matriz de coordenadas 𝒙 = (𝟐, −𝟏, 𝟑) en 𝑹𝟑 con respecto a la base estándar 𝑺 =

{(𝟏, 𝟎, 𝟎), (𝟎, 𝟏, 𝟎), (𝟎, 𝟎, 𝟏)}. Calcule [𝒙]𝑺 .

Instituto Tecnológico de Tepic

194 TEMA 4. Espacios Vectoriales

5. Sea 𝑺 = {𝒗𝟏 , 𝒗𝟐 } una base en 𝑹𝟑 . Donde 𝒗𝟏 = (𝟑, 𝟔, 𝟐), 𝒗𝟐 = (−𝟏, 𝟎, 𝟏). Si 𝒙 = (𝟑, 𝟏𝟐, 𝟕) calcule
[𝒙]𝑺 .

𝟏 𝟎 𝒙
6. Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
𝟎 𝟏
−𝟏𝟐 −𝟒 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio
𝟎 𝟒 𝟐
de base de 𝑩𝟏 𝒂 𝑩𝟐 .

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
195

𝟐 𝟎 𝒙
7. Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
−𝟏 𝟏
−𝟏 𝟒 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio
𝟒 −𝟏 𝟐
de base de 𝑩𝟐 𝒂 𝑩𝟏 .

Instituto Tecnológico de Tepic

196 TEMA 4. Espacios Vectoriales

−𝟏
8. Sea v igual a 𝑹𝟑 y sean 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } y 𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } bases para 𝑹𝟑 donde 𝒗𝟏 = [ 𝟑 ] ,
−𝟐
𝟒 𝟏 𝟑 𝟏 −𝟑
𝒗𝟐 = [ 𝟐 ] 𝒚 𝒗𝟑 = [−𝟏] y 𝒘𝟏 = [−𝟏] , 𝒘𝟐 = [−𝟏] 𝒚 𝒘𝟑 = [ 𝟒 ]. Calcular la matriz de transición de la
−𝟏 𝟐 𝟐 𝟓 −𝟐
base S a la base T.

Instituto Tecnológico de Tepic

 4.4 Base y dimensión de un espacio vectorial, cambio de base
197

𝟏 𝟎 𝟎 𝟑 −𝟏
9. Sean 𝒖𝟏 = [𝟎], 𝒖𝟐 = [𝟏] 𝒚 𝒖𝟑 = [𝟎] con base 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } y 𝒗𝟏 = [−𝟐] , 𝒗𝟐 = [ 𝟓 ] 𝒚 𝒗𝟑 =
𝟎 𝟎 𝟏 −𝟏 𝟒
𝟎
[𝟏], con base 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 }. Calcular el cambio de base en 𝑹𝟑 𝒅𝒆 𝑩𝟏 𝒂 𝑩𝟐 .
𝟏

Instituto Tecnológico de Tepic

198 TEMA 4. Espacios Vectoriales

II. Ejercicios propuestos para resolver en extra clase.

10. Sea 𝑽 = {(𝒙, 𝒚, 𝒛)|𝟓𝒙 + 𝟕𝒚 + 𝟏𝟏𝒛 = 𝟎}. Calcular la base y dim de V.

11. Sea 𝑾 = {(𝒙, 𝒚, 𝒛)|𝟑𝒙 + 𝟏𝟑𝒚 − 𝟏𝟓𝒛 = 𝟎}. Calcular la base y dim de W.

12. Sea 𝑼 = {(𝒙, 𝒚, 𝒛)|𝟐𝒙 − 𝒚 − 𝒛 = 𝟎}. Calcular la base y dim de U.

13. ea 𝑯 = {(𝒙, 𝒚, 𝒛)| − 𝟐𝒙 + 𝟒𝒚 − 𝟑𝒛 = 𝟎}. Calcular la base y dim de H.

14. Sea 𝑩 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } una base en 𝑹𝟑 . Donde 𝒗𝟏 = (−𝟏, 𝟐, 𝟎), 𝒗𝟐 = (𝟑, −𝟓, 𝟐), 𝒗𝟑 = (𝟒, −𝟕, 𝟑). Si 𝒙 =
(−𝟒, 𝟖, −𝟕) calcule [𝒙]𝑩 .

15. Sea 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } una base en 𝑹𝟑 . Donde 𝒗𝟏 = (𝟏, −𝟒, 𝟑), 𝒗𝟐 = (𝟓, 𝟐, −𝟐), 𝒗𝟑 = (𝟒, −𝟕, 𝟎). Si 𝒙 =
(𝟑, 𝟎, −𝟏) calcule [𝒙]𝑺 .

𝟏 𝟎 𝒙
16. Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
𝟎 𝟏
𝟓 𝟏 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio de
−𝟐 −𝟑 𝟐
base de 𝑩𝟏 𝒂 𝑩𝟐 .

𝟐 𝟔 𝒙
17. Sean 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ ] entonces 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 } y (𝒙)𝑩𝟏 = [𝒚] es la base canónica en 𝑹𝟐 . Sean 𝒗𝟏 =
−𝟐 𝟑
𝟏 𝟑𝟐 𝒄𝟏
[ ] 𝒚 𝒗𝟐 = [ ], entonces 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 } y (𝒙)𝑩𝟐 = [𝒄 ] es una segunda base en 𝑹𝟐 . Calcular el cambio de
𝟏 𝟑𝟏 𝟐
base de 𝑩𝟐 𝒂 𝑩𝟏 .

𝟏 𝟎 𝟎 𝟒 −𝟐 𝟑
18. Sean 𝒖𝟏 = [𝟎] , 𝒖𝟐 = [𝟏] 𝒚 𝒖𝟑 = [𝟎]con base 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } y 𝒗𝟏 = [−𝟑] , 𝒗𝟐 = [ 𝟔 ] 𝒚 𝒗𝟑 = [𝟐], con
𝟎 𝟎 𝟏 −𝟐 𝟏 𝟓
base. 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } Calcular el cambio de base de 𝑩𝟏 a 𝑩𝟐 en 𝑹𝟑 .

𝟏 𝟎 𝟎 𝟒 −𝟔 𝟑
19. Sean 𝒖𝟏 = [𝟎] , 𝒖𝟐 = [𝟏] 𝒚 𝒖𝟑 = [𝟎]con base 𝑩𝟏 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } y 𝒗𝟏 = [−𝟓] , 𝒗𝟐 = [−𝟑] 𝒚 𝒗𝟑 = [−𝟏], con
𝟎 𝟎 𝟏 𝟐 𝟏 𝟒
base. 𝑩𝟐 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } Calcular el cambio de base de 𝑩𝟏 a 𝑩𝟐 en 𝑹𝟑 .

−𝟒
20. Sea v igual a 𝑹𝟑 y sean 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } y 𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } bases para 𝑹𝟑 donde 𝒗𝟏 = [ 𝟏 ] ,
−𝟑
𝟑 𝟐 𝟓 𝟑 −𝟐
𝒗𝟐 = [ 𝟓 ] 𝒚 𝒗𝟑 = [−𝟒] y 𝒘𝟏 = [−𝟏] , 𝒘𝟐 = [−𝟐] 𝒚 𝒘𝟑 = [ 𝟕 ]. Calcular la matriz de transición de la
−𝟐 𝟔 𝟒 𝟏 −𝟏
base T a la base S.

−𝟐
21. Sea v igual a 𝑹𝟑 y sean 𝑺 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } y 𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } bases para 𝑹𝟑 donde 𝒗𝟏 = [ 𝟓 ] ,
−𝟏
−𝟓 𝟑 𝟒 𝟑 𝟐
𝒗𝟐 = [ 𝟐 ] 𝒚 𝒗𝟑 = [ 𝟏 ] y 𝒘𝟏 = [ 𝟐 ] , 𝒘𝟐 = [−𝟑] 𝒚 𝒘𝟑 = [−𝟒]. Calcular la matriz de transición 𝑷𝑺←𝑻 de
𝟏 −𝟐 −𝟓 𝟐 −𝟏
la base S a la base T.

Instituto Tecnológico de Tepic

 4.5 Espacio vectorial con producto interno y sus propiedades
199

4.5 Espacio vectorial con producto interno y sus propiedades.

Para definir un producto interno general se procede casi de la misma manera como se define un espacio vectorial
general. Es decir, se enumera una serie de axiomas que deben satisfacerse para que una función pueda clasificarse
como un producto. de [5]

Definición 4.8 Producto interno

Sea u, v y w vectores en un espacio vectorial y sea c cualquier escalar. Un producto interno en V es una función
que asocia un número real 〈𝒖, 𝒗〉 con cada par de vectores u y v que cumplen los siguientes axiomas.

𝟏. 〈𝒖, 𝒗〉 = 〈𝒗, 𝒖〉
𝟐. 〈𝒖, 𝒗 + 𝒘〉 = 〈𝒖, 𝒗〉 + 〈𝒖, 𝒘〉
𝟑. 𝒄〈𝒖, 𝒗〉 = 〈𝒄𝒖, 𝒗〉
𝟒. 〈𝒗, 𝒗〉 ≥ 𝟎 𝒚 〈𝒗, 𝒗〉 = 𝟎 𝒔𝒊 𝒚 𝒔𝒐𝒍𝒐 𝒔𝒊 𝒗 = 𝟎

En otros espacios el resultado del producto interno es un escalar complejo. Por lo tanto, en la siguiente definición se
supone que el producto interno es un número complejo. de [1]

Definición 4.9 Producto interno complejo

Un espacio vectorial complejo V se llama espacio con producto interno si para cada par ordenado de vectores u
y v en V, existe un número complejo único 〈𝑢, 𝑣〉, llamado producto interno de u y v, tal que si u, v y w están en
V y 𝛼 ∈ 𝐶, entonces

i. 〈𝒗, 𝒗〉 ≥ 𝟎
ii. 〈𝒗, 𝒗〉 = 𝟎 si y solo si v = 0
iii. 〈𝒖, 𝒗 + 𝒘〉 = 〈𝒖, 𝒗〉 + 〈𝒖, 𝒘〉
iv. 〈𝒖 + 𝒗, 𝒘〉 = 〈𝒖, 𝒘〉 + 〈𝒗, 𝒘〉
v. 〈𝒖, 𝒗〉 = 〈𝒗, 𝒖〉
vi. 〈𝜶𝒖, 𝒗〉 = 𝜶〈𝒖, 𝒗〉
vii. 〈𝒖, 𝜶𝒗〉 = 𝜶〈𝒖, 𝒗〉

Un producto interno en 𝑪𝒏 . Sean 𝑥 = (𝑥1 , 𝑥2 , … … , 𝑥𝑛 ) y 𝑦 = (𝑦1 , 𝑦2 , … … , 𝑦𝑛 ) en 𝑪𝒏

𝒙 𝑦 𝒚 𝑠𝑜𝑛 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑐𝑜𝑚𝑝𝑙𝑒𝑗𝑜𝑠 entonces se define

〈𝑥, 𝑦〉 = 𝑥1 𝑦1 + 𝑥2 𝑦2 + … … + 𝑥𝑛 𝑦𝑛

A partir del calculo se obtiene el producto interno de funciones continuas, utilizando las propiedades de la integral
definida.

Definición 4.10 Producto interno de funciones por integral definida

Sean 𝒇 y 𝒈 funciones continuas de valores reales en el espacio vectorial 𝐶[𝑎, 𝑏]. Suponga que 𝑎 < 𝑏, 𝑉 =
𝐶[𝑎, 𝑏] el espacio de las funciones de valores reales continuas en el intervalo [𝑎, 𝑏] y define
𝒃
〈𝒇, 𝒈〉 = ∫ 𝒇(𝒕)𝒈(𝒕)𝒅𝒕 𝒄𝒐𝒏 𝒇, 𝒈 ∈ 𝑽
𝒂

Instituto Tecnológico de Tepic

200 TEMA 4. Espacios Vectoriales

Ejemplo 18 Producto interno de números complejos

Sean 𝒙 = (𝟏 + 𝒊, − 𝟑, 𝟒 − 𝟑𝒊) y 𝒙 = (𝟐 − 𝒊, − 𝒊, 𝟐 + 𝒊), calcular el producto interno

〈𝑥, 𝑦〉 = (1 + 𝑖)(2 − 𝑖) + (−3)(−𝑖) + (4 − 3𝑖)(2 + 𝑖)

〈𝑥, 𝑦〉 = (1 + 𝑖)(2 + 𝑖) + (−3)𝑖 + (4 − 3𝑖)(2 − 𝑖)

〈𝑥, 𝑦〉 = 2 + 3𝑖 + 𝑖 2 − 3𝑖 + 8 − 10𝑖 + 3𝑖 2 = 10 − 1 − 10𝑖 − 3

〈𝒙, 𝒚〉 = 𝟔 − 𝟏𝟎𝒊 𝑷𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝒊𝒏𝒕𝒆𝒓𝒏𝒐

Ejemplo 19 Producto interno de funciones

El producto interno de dos funciones en 𝑪[𝟎, 𝟏]. Sean 𝒇(𝒕) = 𝒕𝟐 ∈ 𝑪[𝟎, 𝟏] y 𝒈(𝒕) = (𝟒 − 𝒕) ∈ 𝑪[𝟎, 𝟏].
Entonces

1
𝑏 1
2 (4
1
4𝑡 3 𝑡 4
〈𝑓, 𝑔〉 = ∫ 𝑓(𝑡)𝑔(𝑡)𝑑𝑡 = ∫ 𝑡 − 𝑡)𝑑𝑡 = ∫ (4𝑡 2 −𝑡 3 )𝑑𝑡
=( − )|
𝑎 0 0 3 4 0

4(1)3 (1)4 4 1 13 𝟏𝟑
〈𝑓, 𝑔〉 = ( − )−0 = − = ∴ 〈𝒇, 𝒈〉 =
3 4 3 4 12 𝟏𝟐

Ejemplo 20 Producto interno de funciones

Determinar el producto interno de {𝟏, 𝒙𝟐 } en [−𝟏, 𝟏].

1
1
𝑥3 (1)3 (−1)3 1 1 2 𝟐
〈1, 𝑥 2 〉 = (1)( 𝑥 2 ) = ∫ 𝑥 2 𝑑𝑥 = | = − = + = ∴ 〈𝟏, 𝒙𝟐 〉 =
−1 3 −1 3 3 3 3 3 𝟑

Definición 4.11 Norma, longitud de un vector y ángulo

Sean u y v vectores en un espacio V con producto interno. de [3]

1. La norma (o longitud) de u es ‖𝒖‖ = √〈𝒖, 𝒖〉.

2. La distancia entre u y v es 𝑑(𝒖, 𝒗) = ‖𝒖 − 𝒗‖
3. El ángulo entre dos vectores diferentes de cero u y v esta dado por
〈𝒖, 𝒗〉
𝐜𝐨𝐬 𝜽 = , 𝟎≤𝜽≤𝝅
‖𝒖‖ ‖𝒗‖
4. u y v son ortogonales si 〈𝒖, 𝒗〉 = 𝟎

Ejemplo 21 Vectores ortogonales

En 𝑪𝟐 los vectores (𝟑, −𝒊) y (𝟐, 𝟔𝒊) son ortogonales porque

〈(3, − 𝑖), (2, 6𝑖) 〉 = (3)(2̅) + (−𝑖)(6𝑖

̅ ) = 6 + 6𝑖 2 = 6 − 6 = 0

Además ‖(3, −𝑖)‖ = √(3)(3̅) + (−𝑖)(−𝑖

̅̅̅) = √9 − 𝑖 2 = √9 + 1 = √10

Instituto Tecnológico de Tepic

 4.5 Espacio vectorial con producto interno y sus propiedades
201

Ejemplo 22 Vectores ortogonales

Determinar si {𝟏, 𝒙, 𝒙𝟐 } son ortogonales en [−𝟏, 𝟏].

1
1
𝑥2 (1)2 (−1)2 1 1
〈1, 𝑥〉 = (1)( 𝑥 2 ) = ∫ 𝑥𝑑𝑥 = | = − = − =0
−1 2 −1 2 2 2 2

1
1
𝑥4 (1)4 (−1)4 1 1
〈𝑥, 𝑥 2 〉 = (𝑥)( 𝑥 2 ) = ∫ 𝑥 3 𝑑𝑥 = | = − = − =0
−1 4 −1 4 4 4 4

1
2〉 2)
1
2
𝑥3 (1)3 (−1)3 1 1 2
〈1, 𝑥 = (1)( 𝑥 = ∫ 𝑥 𝑑𝑥 = | = − = + =
−1 3 −1 3 3 3 3 3

Por lo tanto {𝟏, 𝒙, 𝒙𝟐 } no son ortogonales

Ejemplo 23 Distancia entre vectores

Si 𝒑(𝒙) = 𝟏 − 𝟐𝒙 , 𝒒(𝒙) = 𝟒 − 𝟐𝒙 + 𝒙𝟐 son polinomios cuadráticos, determine la distancia entre 𝒑 𝒚 𝒒.
𝟐

𝑑(𝑝, 𝑞) = ‖𝑝 − 𝑞‖
= ‖(𝟏 − 𝟐𝒙𝟐 ) − (𝟒 − 𝟐𝒙 + 𝒙𝟐 )‖
= ‖−3 + 2𝑥 − 3𝑥 2 ‖
= √(−3)2 + (2)2 + (−3)2
𝑑(𝑝, 𝑞) = √22

La distancia entre p y q es 𝟒. 𝟔𝟗 ≈ √𝟐𝟐

Ejemplo 24 Angulo entre vectores

Determine el ángulo entre 𝒖 = (−𝟒, 𝟑) 𝒚 𝒗 = (𝟎, 𝟓).

Primero se calcula 〈𝑢, 𝑣〉, ‖𝑢‖ 𝑦 ‖𝑣‖

〈𝑢, 𝑣〉 = (−4)(0) + (3)(5) = 0 + 15 = 15

‖𝑢‖ = √(−4)2 + 32 = √25 = 5
‖𝑣‖ = √02 + 52 = √25 = 5

〈𝑢, 𝑣〉
Se aplica la formula cos 𝜃 = ‖𝑢‖ ‖𝑣‖

〈𝑢, 𝑣〉 15 15 3
cos 𝜃 = = = =
‖𝑢‖ ‖𝑣‖ 5 ∙ 5 25 5

𝟑
𝜽 = 𝒄𝒐𝒔−𝟏 = 𝟎. 𝟗𝟐𝟕𝟑 𝒓𝒂𝒅 = 𝟓𝟑. 𝟏𝟑°
𝟓

Un vector cuya longitud es 1 se llama vector unitario. Si se divide un vector v diferente de cero entre su longitud
𝟏
(esto es, se multiplica por ‖𝒗‖ ) se obtiene un vector unitario u porque la longitud de u es

Instituto Tecnológico de Tepic

202 TEMA 4. Espacios Vectoriales

𝟏
𝒖= 𝒗
‖𝒗‖

El proceso de crear a u a partir de v en ocasiones se denomina normalización de v, y se dice que u está en la misma
dirección que v.

Ejemplo 25 Vector unitario

Sea 𝒗 = (𝟏, −𝟐, 𝟐, 𝟎). Encuentre un vector unitario u en la misma dirección que v.

Primero se determina la longitud de v.

‖𝑢‖2 = 〈𝑣, 𝑣〉 = 12 + (−2)2 + 22 + 02 = 1 + 4 + 4 + 0 = 9
‖𝑣‖ = √9 = 3
1
Después se multiplica ‖𝑣‖ 𝑣
𝟏
𝟏 𝟑
𝟏 𝟏 𝟏 −𝟐 −
𝟐
𝒖= 𝒗= 𝒗= [ ]= 𝟑
‖𝒗‖ 𝟑 𝟑 𝟐 𝟐
𝟎 𝟑
[𝟎]

Para comprobar que ‖𝑢‖ = 1, basta con demostrar que ‖𝑢‖2 = 1.

1 2 2 2 2 2 1 4 4
‖𝑢‖2 = 〈𝑢, 𝑢〉 = ( ) + (− ) + ( ) + (0)2 = + + + 0 = 1
3 3 3 9 9 9

4.6 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Determinar los cálculos siguientes.
𝟓 −𝟔
1. Calcular el producto interno 〈𝒖, 𝒗〉, cuando 𝒖 = [−𝟑] 𝒚 𝒗 = [ 𝟓 ]
−𝟒 𝟏

Instituto Tecnológico de Tepic

 4.5 Espacio vectorial con producto interno y sus propiedades
203

2. Calcule el producto interno 〈𝒗, 𝒖〉, cuando 𝒖 = (𝟑 − 𝒊, −𝟓𝒊, 𝟐 + 𝟑𝒊) 𝒚 𝒗 = (𝟒 + 𝟓𝒊, 𝟏 − 𝟔𝒊, 𝟕 − 𝟑𝒊)

3. Determinar si {𝒙𝟑 , 𝒙𝟐 + 𝟏} son ortogonales en [−𝟏, 𝟏].

Instituto Tecnológico de Tepic

204 TEMA 4. Espacios Vectoriales

𝝅 𝟓𝝅
4. Determinar si {𝒆𝒙 , 𝒔𝒆𝒏𝒙} son ortogonales en [ , ].
𝟒 𝟒

Instituto Tecnológico de Tepic

 4.5 Espacio vectorial con producto interno y sus propiedades
205

5. Determinar el ángulo entre los vectores 𝒖 = (−𝟒, 𝟑) 𝒚 𝒗 = (𝟎, 𝟓)

6. Utilice el producto interno de las funciones 𝒇(𝒙) = 𝒙 𝒚 𝒈(𝒙) = 𝒙𝟐 en 𝑪[𝟎, 𝟏] para determinar a) ‖𝒇‖, b)
𝒅(𝒇, 𝒈).

Instituto Tecnológico de Tepic

206 TEMA 4. Espacios Vectoriales

𝟔
7. Encuentre un vector unitario en la dirección del vector dado 𝒗 = [−𝟓]
𝟑

8. Encuentre un vector unitario en la dirección del vector dado 𝒖 = 𝒆𝟐𝒙 y 𝒗 = 𝒙𝟓

II. Ejercicios propuestos para resolver en extra clase.

𝟑 𝟔
9. Determinar si los vectores, 𝒖 = [−𝟏] 𝒚 𝒗 = [−𝟐] son ortogonales.
−𝟓 𝟑
10. Determinar si los vectores 𝒖 = [𝟏], 𝒗 = 𝒙 𝒚 𝒘 = 𝒙𝟐 son ortonormales en el intervalo [−𝟏, 𝟏].
𝟑 𝟔
11. Calcule el producto interno 〈𝒖, 𝒗〉, cuando 𝒖 = [−𝟏] 𝒚 𝒗 = [−𝟐] y determine ‖𝒖‖ 𝒚 ‖𝒗‖.
−𝟓 𝟑
𝟏
12. Calcular el producto interno, cuando 𝒖 = [𝟏], 𝒗 = 𝒙 𝒚 𝒘 = [𝒙𝟐 − ] , en el intervalo [−𝟏, 𝟏].
𝟑

13. Determinar si {𝒄𝒐𝒔𝒙, 𝒔𝒆𝒏𝟐 𝒙} son ortogonales en [𝟎, 𝝅] y calcular una base ortonormal.

14. Determinar si {𝒆𝒙 , 𝒙𝒆−𝒙 − 𝒆−𝒙 } son ortogonales en [𝟎, 𝟐] y calcular una base ortonormal.

15. Determinar el ángulo entre los vectores 𝒖 = (𝟑, 𝟒) 𝒚 𝒗 = (𝟓, −𝟏𝟐).

16. Determinar el ángulo entre los vectores 𝒑(𝒙) = 𝟏 − 𝒙 + 𝒙𝟐 𝒚 𝒒(𝒙) = 𝟏 + 𝒙 + 𝒙𝟐 .

17. Utilice el producto interno de las funciones 𝒇(𝒙) = 𝟏 𝒚 𝒈(𝒙) = 𝟑𝒙𝟐 − 𝟏 en 𝑪[−𝟏, 𝟏] para determinar
𝒅(𝒇, 𝒈).

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
207

4.6 Base ortonormal, proceso de ortonormalización Gram – Schmidt.

Base ortonormal Rn.

Para esta sección mostraremos que la conveniente base estándar 𝐵 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Este conjunto es la
base estándar de 𝑅3 porque tiene características especiales particularmente útiles. Una característica importante es que los tres vectores
de la base son mutuamente ortogonales. Es decir, de [3]

(1, 0, 0) ∙ (0, 1, 0) = 0
(1, 0, 0) ∙ (0, 0, 1) = 0
(0, 1, 0) ∙ (0, 0, 1) = 0

Una segunda característica importante es que cada vector de la base es un vector unitario.

En esta sección se definen algunas ventajas que poseen las bases que constan de vectores unitarios mutuamente ortogonales y se
desarrolla un procedimiento, denominado el proceso de ortonormalización de Gram-Schmidt, para construir estas bases.

Definición 4.11 Conjunto ortogonal y conjunto ortonormal de [4]

Un conjunto 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 , … , 𝒖𝒌 } en 𝑅𝑛 es ortogonal si cada par de vectores distintos en S son ortogonales, es decir, si 𝒖𝒊 ∙
𝒖𝒋 = 𝟎 para 𝑖 ≠ 𝑗. Un conjunto ortonormal de vectores es un conjunto ortogonal de vectores unitarios. Esto es, 𝑺 =
{𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 , … , 𝒖𝒌 } para 𝑖 ≠ 𝑗, 𝒖𝒊 ∙ 𝒖𝒋 = 𝟏 para 𝑖 = 1, 2, 3, … , 𝑘

Ejemplo 26 Base ortonormal

Si 𝒙𝟏 = (𝟏, 𝟎, 𝟐), 𝒙𝟐 = (−𝟐, 𝟎, 𝟏) 𝒚 𝒙𝟑 = (𝟎, 𝟏, 𝟎). Determinar si el conjunto de vectores representa un
conjunto ortogonal en 𝑹𝟑 y calcular una base ortonormal.
Primero, se demuestra si los tres vectores son ortogonales

−2
〈𝑥1 , 𝑥2 〉 = (1, 0, 2) [ 0 ] = (1)(−2) + (0)(0) + (2)(1) = −2 + 0 + 2 = 0
1
0
〈𝑥1 , 𝑥3 〉 = (1, 0, 2) [1] = (1)(0) + (0)(1) + (2)(0) = 0 + 0 + 0 = 0
0
0
〈𝑥2 , 𝑥3 〉 = (−2, 0, 1) [1] = (−2)(0) + (0)(1) + (1)(0) = 0 + 0 + 0 = 0
0
Entonces {𝑥1 , 𝑥2 , 𝑥3 } es un conjunto ortogonal en 𝑅3 .

Segundo, obtenemos los tres vectores unitarios

1
Con 𝑢 = ‖𝑥‖ 𝑥 𝑦 ‖𝑥‖ = √〈𝑥, 𝑥〉 entonces tenemos
𝟏
1 11 1 1 √𝟓
𝑢1 = 𝑥1 = [0] = [0] = [ 𝟎 ]
2 2 2
√〈𝑥1 , 𝑥1 〉 √1 + 0 + 2 2 √5 2 𝟐
√𝟓

Instituto Tecnológico de Tepic

208 TEMA 4. Espacios Vectoriales

1 2 2 2 1 4 5
‖𝑢1 ‖ = √( ) + (0)2 + ( ) = √ + 0 + = √ = 𝟏
√5 5 5 5 √5

𝟐
−2 −
1 1 −2 1 √𝟓
𝑢2 = 𝑥2 = [0]= [ 0 ]=[ 𝟎 ]
√〈𝑥2 , 𝑥2 〉 √(−2)2 + 02 + 12 1 √5 1 𝟏
√𝟓

2 2 4 1 5
‖𝑢2 ‖ = √(− ) + (0)2 + (1)2 = √ + 0 + = √ = 𝟏
√5 5 5 5

1 01 1 0 𝟎
𝑢3 = 𝑥3 = [1] = [1] = [𝟏]
√〈𝑥3 , 𝑥3 〉 √02 + 12 + 02 0 1
0 𝟎
‖𝑢3 ‖ = √(0)2 + (1)2 + (0)2 = √0 + 1 + 0 = √1 = 𝟏

𝟏 𝟐 𝟐 𝟏
Entonces los vectores 𝒖𝟏 = ( , 𝟎, ) 𝒚 𝒖𝟑 = (𝟎, 𝟏, 𝟎) son vectores unitarios en las
) , 𝒖𝟐 = (− , 𝟎,
√𝟓 √𝟓 √𝟓 √𝟓
direcciones de 𝒙𝟏 , 𝒙𝟐 , 𝒚 𝒙𝟑 , respectivamente. Por consiguiente, el conjunto {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } es un conjunto
ortonormal.

Ejemplo 27 Base ortonormal

Si 𝒚𝟏 = 𝐜𝐨𝐬 𝒙, 𝒚𝟐 = 𝐜𝐨𝐬 𝟑𝒙 𝒚 𝒚𝟑 = 𝐜𝐨𝐬 𝟓𝒙. Determinar si el conjunto de vectores representa un conjunto
𝝅
ortogonal en [𝟎, ] y calcular una base ortonormal.
𝟐

Primero, se demuestra si los tres vectores son ortogonales

𝜋 𝜋
2 1 1 2
〈𝑦1 , 𝑦2 〉 = 𝑐𝑜𝑠𝑥𝑐𝑜𝑠3𝑥 = ∫ 𝑐𝑜𝑠𝑥𝑐𝑜𝑠3𝑥𝑑𝑥 = (4𝑠𝑒𝑛2𝑥 + 𝑠𝑒𝑛4𝑥)|
8 0
0
〈𝑦1 , 𝑦2 〉 = (1𝑠𝑒𝑛2 (𝜋) + 1𝑠𝑒𝑛4 (𝜋)) − (1𝑠𝑒𝑛2(0) + 1𝑠𝑒𝑛4(0)) = 0 − 0 = 0
4 2 8 2 4 8

𝜋 𝜋
2
〈𝑦1 , 𝑦3 〉 = 𝑐𝑜𝑠𝑥𝑐𝑜𝑠5𝑥 = ∫ 𝑐𝑜𝑠𝑥𝑐𝑜𝑠5𝑥𝑑𝑥 = (1𝑠𝑒𝑛4𝑥 + 1 𝑠𝑒𝑛6𝑥)| 2
8 12 0
0
1 𝜋 1 𝜋 1 1
〈𝑦1 , 𝑦3 〉 = (8𝑠𝑒𝑛4 ( 2 ) + 𝑠𝑒𝑛6 ( 2 )) − (8𝑠𝑒𝑛2(0) + 𝑠𝑒𝑛6(0)) = 0−0 =0
12 12

𝜋 𝜋
2
〈𝑦2 , 𝑦3 〉 = 𝑐𝑜𝑠3𝑥𝑐𝑜𝑠5𝑥 = ∫ 𝑐𝑜𝑠3𝑥𝑐𝑜𝑠5𝑥𝑑𝑥 = (1𝑠𝑒𝑛2𝑥 + 1 𝑠𝑒𝑛8𝑥)| 2
4 16 0
0
1 𝜋 1 𝜋 1 1
〈𝑦2 , 𝑦3 〉 = (4𝑠𝑒𝑛2 ( 2 ) + 𝑠𝑒𝑛8 ( 2 )) − (4𝑠𝑒𝑛2(0) + 𝑠𝑒𝑛8(0)) = 0−0= 0
16 16

Entonces {𝑦1 , 𝑦2 , 𝑦3 } es un conjunto ortogonal.

Segundo, obtenemos los tres vectores unitarios

1
Con 𝑢 = ‖𝑥‖ 𝑥 𝑦 ‖𝑥‖ = √〈𝑥, 𝑥〉 entonces tenemos

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
209

1 1 𝑐𝑜𝑠𝑥 𝑐𝑜𝑠𝑥 𝟒
𝑢1 = 𝑦1 = 𝑐𝑜𝑠𝑥 = = = √ 𝒄𝒐𝒔𝒙
√〈𝑦1 , 𝑦1 〉 √〈𝑐𝑜𝑠𝑥, 𝑐𝑜𝑠𝑥〉 𝜋 𝜋 𝝅
√∫ 2 𝑐𝑜𝑠 2 𝑥 √
0 4
𝜋
4 4 4 2 4 𝜋
‖𝑢1 ‖ = √〈√ 𝑐𝑜𝑠𝑥, √ 𝑐𝑜𝑠𝑥〉 = √ ∫ 𝑐𝑜𝑠 2 𝑥 = √ ( ) = √1 = 𝟏
𝜋 𝜋 𝜋 0 𝜋 4

1 1 𝑐𝑜𝑠3𝑥 𝑐𝑜𝑠3𝑥 𝟒
𝑢2 = 𝑦2 = 𝑐𝑜𝑠3𝑥 = = = √ 𝒄𝒐𝒔𝟑𝒙
√〈𝑦2 , 𝑦2 〉 √〈𝑐𝑜𝑠3𝑥, 𝑐𝑜𝑠3𝑥〉 𝜋 𝜋 𝝅
√∫ 2 𝑐𝑜𝑠 2 3𝑥 √
0 4
𝜋
4 4 4 2 4 𝜋
‖𝑢1 ‖ = √〈√ 𝑐𝑜𝑠3𝑥, √ 𝑐𝑜𝑠3𝑥〉 = √ ∫ 𝑐𝑜𝑠 2 3𝑥 = √ ( ) = √1 = 1
𝜋 𝜋 𝜋 0 𝜋 4

1 1 𝑐𝑜𝑠5𝑥 𝑐𝑜𝑠5𝑥 𝟒
𝑢3 = 𝑦2 = 𝑐𝑜𝑠3𝑥 = = = √ 𝒄𝒐𝒔𝟓𝒙
√〈𝑦3 , 𝑦3 〉 √〈𝑐𝑜𝑠5𝑥, 𝑐𝑜𝑠5𝑥〉 𝜋 𝜋 𝝅
√∫ 2 𝑐𝑜𝑠 2 5𝑥 √
0 4
𝜋
4 4 4 2 4 𝜋
‖𝑢1 ‖ = √〈√ 𝑐𝑜𝑠5𝑥, √ 𝑐𝑜𝑠5𝑥〉 = √ ∫ 𝑐𝑜𝑠 2 5𝑥 = √ ( ) = √1 = 1
𝜋 𝜋 𝜋 0 𝜋 4

𝟒 𝟒 𝟒
Entonces los vectores 𝒖𝟏 = √ 𝒄𝒐𝒔𝒙, 𝒖𝟐 = √ 𝒄𝒐𝒔𝟑𝒙 𝒚 𝒖𝟑 = √ 𝒄𝒐𝒔𝟓𝒙 son vectores unitarios en las direcciones
𝝅 𝝅 𝝅
de 𝒚𝟏 , 𝒚𝟐 𝒚 𝒚𝟑 , respectivamente. Por consiguiente, el conjunto {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } es un conjunto ortonormal.

Teorema: Sea {𝑢1 , 𝑢2 , …, 𝑢𝑛 } una base ortogonal para un subespacio 𝑊 de 𝑅𝑛 . Para cada x en 𝑊, los pesos en la
combinación lineal de [2]
𝒗 = 𝒄𝟏 𝒖 𝟏 + 𝒄𝟐 𝒖 𝟐 + ⋯ + 𝒄𝒏 𝒖 𝒏
están dados por
𝒗 ∙ 𝒖𝒋
𝒄𝒋 = 𝑗 = 1, 2, … , 𝑛
𝒖𝒋 ∙ 𝒖𝒋

Ejemplo 28 Base ortonormal

𝟐 𝟐 𝟏 𝟐 𝟏 𝟐
Si 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } es una base ortonormal para 𝑹𝟑 , donde 𝒖𝟏 = ( , − , ) , 𝒖𝟐 = ( , , − ) 𝒚 𝒖𝟑 =
𝟑 𝟑 𝟑 𝟑 𝟑 𝟑
𝟏 𝟐 𝟐
( , , ). Escriba el vector 𝒗 = (𝟑, 𝟒, 𝟓) como una combinación lineal de los vectores en S.
𝟑 𝟑 𝟑
2
3
2 2 2 1 8 5
𝑐1 = 𝑣 ∙ 𝑢1 = (3, 4, 5) −3 = 3 ( ) + 4 (− ) + 5 ( ) = 2 − + = 2 − 1 = 1; 𝑢1 ∙ 𝑢1 = 1
3 3 3 3 3
1
[ 3 ]
2
3 2 1 2 4 10 10 10
𝑐2 = 𝑣 ∙ 𝑢2 = (3, 4, 5) [ 13 ] = 3 ( ) + 4 ( ) + 5 (− ) = 2 + − = − = 0; 𝑢2 ∙ 𝑢2 = 1
2
3 3 3 3 3 3 3
−
3

Instituto Tecnológico de Tepic

210 TEMA 4. Espacios Vectoriales

1
3
1 2 2 8 10 21
𝑐3 = 𝑣 ∙ 𝑢3 = (3, 4, 5) [23] = 3 ( ) + 4 ( ) + 5 ( ) = 1 + + = = 7; 𝑢3 ∙ 𝑢3 = 1
2
3 3 3 3 3 3
3

Con lo cual tenemos 𝒗 = 𝒖𝟏 + 𝟕𝒖𝟑 que es la combinación pedida.

Proyecciones ortogonales en espacios con producto interno

Sean u y v vectores 𝑹𝟐 . Si v es diferente de cero, entonces se puede proyectar ortogonalmente u sobre v, como se
muestra en la siguiente figura. Esta proyección se denota por 𝒑𝒓𝒐𝒚𝒗 𝒖 es un múltiplo escalar de v, podemos escribir
𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝜶𝒗. de [3]

u u



v v

𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝜶𝒗, 𝜶>𝟎 𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝜶𝒗, 𝜶<𝟎

Definición 4.12 Proyección ortogonal

Sean u y v vectores en un espacio V con producto interno, tal que 𝒗 ≠ 𝟎. Entonces, la proyección ortogonal de u
sobre v está dada por
〈𝒖, 𝒗〉
𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝒗.
〈𝒗, 𝒗〉

Ejemplo 29 Obtención de la proyección ortogonal de u sobre v

𝟐
En 𝑹 , encontrar la proyección ortogonal de 𝒖 = (𝟒, 𝟐) sobre 𝒗 = (𝟑, 𝟒).
〈𝒖, 𝒗〉 (𝟒, 𝟐) ∙ (𝟑, 𝟒) 𝟏𝟐 + 𝟖 𝟐𝟎 𝟏𝟐 𝟏𝟔
𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝒗= (𝟑, 𝟒) = (𝟑, 𝟒) = (𝟑, 𝟒) = ( , )
〈𝒗, 𝒗〉 (𝟑, 𝟒) ∙ (𝟑, 𝟒) 𝟗 + 𝟏𝟔 𝟐𝟓 𝟓 𝟓
4 ( 3, 4)
v
( 12/5, 16/5)
3

2
proyv u ( 4, 2)

1
u

2 4
𝟏𝟐 𝟏𝟔 𝟖 𝟔
Observe que en el ejemplo 𝒖 − 𝒑𝒓𝒐𝒚𝒗 𝒖 = (𝟒, 𝟐) − ( , ) = ( , − ) es ortogonal a 𝒗 = (𝟑, 𝟒). Esto es cierto
𝟓 𝟓 𝟓 𝟓
en general: si u y v son vectores diferente de cero en un espacio con producto interno, entonces 𝒖 − 𝒑𝒓𝒐𝒚𝒗 𝒖 es
ortogonal a v.

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
211

Ejemplo 30 Obtención de la proyección ortogonal de f sobre g

Dadas 𝒇(𝒙) = 𝟏 y 𝒈(𝒙) = 𝒙 funciones en [𝟎, 𝟏]. Encontrar la proyección ortogonal de f sobre g.
1
𝑥 2 1 12 02 1 1
𝑥 3 1 12 02 1
〈𝑓, 𝑔〉 = ∫ 𝑥 = | = − = 𝑦 〈𝑔, 𝑔〉 = ∫ 𝑥 2 = | = − =
0 2 2 2 2 0 3 3 3 3
0 0
𝟏
〈𝒇, 𝒈〉 𝟑
𝒑𝒓𝒐𝒚𝒈 𝒇 = 𝒈 = 𝟐 (𝒙) = 𝒙
〈𝒈, 𝒈〉 𝟏 𝟐
𝟑
Proceso de ortogonalización de Gram-Schmidt
Una vez que se han visto las ventajas de las bases ortonormales, a continuación, se considerara un procedimiento
para encontrar tales bases. Este procedimiento se denominan proceso de ortonormalización de Gram–Schmidt, en
honor del matemático danés Jorgen Pederson Gram (1850-1916) y del matemático alemán Erhardt Schmidt (1876-
1959). Consta de tres pasos. de [3]
1. Empezar con una base del espacio con producto interno. No requiere que sea una base ortogonal ni que conste
de vectores unitarios.
2. Convertir la base dada a una base ortogonal.
3. Normalizar cada uno de los vectores de la base ortogonal a fin de obtener una base ortonormal.

Proceso de ortonormalización de Gram-Schmidt

Supóngase que {𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 } es una base de V; se desea construir una base ortogonal de 𝑉 =
{𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 }. El siguiente procedimiento logra este objetivo: de [2]
𝒗𝟏 = 𝒖𝟏
〈𝒖𝟐 , 𝒗𝟏 〉
𝒗𝟐 = 𝒖 𝟐 − 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 𝟏
〈𝒖𝟑 , 𝒗𝟏 〉 〈𝒖𝟑 , 𝒗𝟐 〉
𝒗𝟑 = 𝒖 𝟑 − 𝒗𝟏 − 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 〈𝒗𝟐 , 𝒗𝟐 〉 𝟐
⋮
〈𝒖𝒏 , 𝒗𝟏 〉 〈𝒖𝒏 𝒗𝟐 〉 〈𝒖𝒏 𝒗𝒏−𝟏 〉
𝒗𝒏 = 𝒖𝒏 − 𝒗𝟏 − 𝒗𝟐 − ⋯ − 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 〈𝒗𝟐 , 𝒗𝟐 〉 〈𝒗𝒏−𝟏 , 𝒗𝒏−𝟏 〉 𝒏−𝟏
Entonces {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 } es una base ortogonal para V.

𝟏
Sea 𝒘𝒊 = ‖𝒗 ‖ 𝒗𝒊 . Luego, el conjunto {𝑤1 , 𝑤2 , 𝑤3 , … , 𝑤𝑛 } es una base ortonormal de V. Además,
𝒊
𝑔𝑒𝑛{𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 } = 𝑔𝑒𝑛{𝑤1 , 𝑤2 , 𝑤3 , … , 𝑤𝑛 } para 𝑛 = 1, 2, 3, ⋯ , 𝑛.

Ejemplo 31 Proceso de Gram - Schmidt

Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = (𝟏, 𝟏, 𝟏), 𝒖𝟐 = (−𝟏, 𝟎, −𝟏) 𝒚 𝒖𝟑 = (−𝟏, 𝟐, 𝟑).
Utilice el proceso de Gram – Schmidt para transformar S a una base ortonormal para 𝑹𝟑 .

La aplicación del proceso de ortonormalización de Gram-Schmidt produce

𝒗𝟏 = (𝟏, 𝟏, 𝟏)

Instituto Tecnológico de Tepic

212 TEMA 4. Espacios Vectoriales

〈(−1, 0, −1), (1,1,1)〉 1 −1 + 0 − 1 1

𝑣2 = (−1, 0, − 1) − ( ) [1 ] = (−1, 0, − 1) − ( ) [1]
12 + 12 + 12 3
1 1
2
1 3
2 2 𝟏 𝟐 𝟏
𝑣2 = (−1, 0, − 1) + [1] = (−1, 0, − 1) + 3
𝒗𝟐 = (− , , − )
3 𝟑 𝟑 𝟑
1 2
[3]

1
1 2 1 −3
〈(−1, 2, 3), (1, 1, 1) 〉 1 〈(−1, 2, 3), (− , , − ) 〉
3 3 3 2
𝑣3 = (−1, 2, 3) − [1] −
〈(1, 1, 1), (1, 1, 1)〉 1 2 1 1 2 1 3
1 〈(− , , − ), (− , , − )〉 1
3 3 3 3 3 3 [−3]
1
1 4 −
−1 + 2 + 3 1 3
+ − 1 23
3
𝑣3 = (−1, 2, 3) − [1] −
1+1+1 1 4 1 3
1 + + 1
9 9 9 [−3]
1
2 −3
4 1 3 2 = (−1, 2, 3) − (4 , 4 , 4) − (− 1 , 2 , − 1)
𝑣3 = (−1, 2, 3) − [1] −
3 2 3 3 3 3 3 3 3
1 1
3 [−3]

𝒗𝟑 = (−𝟐, 𝟎, 𝟐)
1 2 1 1 2 1
〈𝑣1 , 𝑣2 〉 = 〈(1, 1, 1), (− , , − )〉 = − + − = 0
3 3 3 3 3 3
〈𝑣1 , 𝑣3 〉 = 〈(1, 1, 1), (−2, 0, 2)〉 = −2 + 0 − 2 = 0
1 2 1 4 4
〈𝑣2 , 𝑣3 〉 = 〈(− , , − ), (−2, 0, 2)〉 = + 0 − = 0
3 3 3 3 3
Entonces:
𝟏 𝟐 𝟏
𝑽 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } = {(𝟏, 𝟏, 𝟏), (− , , − ) , (−𝟐, 𝟎, 𝟐) } Es Base ortogonal
𝟑 𝟑 𝟑
1

1 1 1 1 1 1 √3
1
𝑤1 = 𝑣1 = 𝑣1 = [1] = [ 1] =
‖𝑣1 ‖ √〈𝑣1 , 𝑣1 〉 √12 + 12 + 12 1 √3 1 √3
1
[ √3 ]
2 2 2
1 1 1 1 1 1 3
‖𝑤1 ‖ = ‖〈𝑤1 , 𝑤1 〉‖ = √( ) + ( ) + ( ) = √ + + = √ = 1
√3 √3 √3 3 3 3 3
1 1 1
− −3 −
3 √6
1 1 1 2 3 2 2
𝑤2 = 𝑣 = 𝑣 = = = √6
‖𝑣2 ‖ 2 √〈𝑣2 , 𝑣2 〉 2 2 2 2 3 √6 1
3
√(− 1) + (2) + (− 1) [−1] [−3] [−√6]
1
3 3 3 3
2 2 2
1 2 1 1 4 1 6
‖𝑤2 ‖ = ‖〈𝑤2 , 𝑤2 〉‖ = √(− ) +( ) + (− ) =√ + + =√ =1
√6 √6 √6 6 6 6 6
2
−2 −
1 1 1 1 −2 √8
𝑤3 = 𝑣3 = 𝑣3 = [ 0 ]= [ 0 ]=[ 0 ]
‖𝑣3 ‖ √〈𝑣3 , 𝑣3 〉 √(−2)2 + (0)2 + (2)2 2 √8 2 2
√8

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
213

2
2 2 2 4 4 8
‖𝑤3 ‖ = ‖〈𝑤3 , 𝑤3 〉‖ = √(− ) + (0)2 + ( ) = √ + 0 + = √ = 1
√8 √8 8 8 8

Entonces:
𝟏 𝟏 𝟏 𝟏 𝟐 𝟏 𝟏 𝟏
𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } = {( , , ), (− , , − ), (− , 𝟎, )} es una base ortonormal R3.
√𝟑 √𝟑 √𝟑 √𝟔 √𝟔 √𝟔 √𝟐 √𝟐

Ejemplo 32 Base ortonormal

Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = 𝟏, 𝒖𝟐 = 𝒙 𝒚 𝒖𝟑 = 𝒙𝟐 . Utilice el proceso de Gram – Schmidt
para transformar S a una base ortonormal en [−𝟏, 𝟏].

La aplicación del proceso de ortonormalización de Gram-Schmidt produce

𝒗𝟏 = 𝟏
1
〈𝑥, 1〉 ∫ 𝑥𝑑𝑥 0
𝑣2 = 𝑥 − ( ) 1 = 𝑥 − −1
1 =𝑥− =𝒙
〈1, 1〉 ∫ 1𝑑𝑥 2
−1
1 1
〈𝑥 2 , 1〉 〈𝑥 2 , 𝑥〉 ∫ 𝑥 2 𝑑𝑥 ∫−1 𝑥 3 𝑑𝑥 2
0 𝟏
𝑣3 = 𝑥 2 − 1− 𝑥 = 𝑥 2 − −11 − 1 𝑥 = 𝑥 2 − 3 − = 𝒙𝟐 −
〈1, 1〉 〈𝑥, 𝑥〉 2
∫−1 1𝑑𝑥 ∫−1 𝑥 𝑑𝑥 2 2 𝟑
3
1
〈𝑣1 , 𝑣2 〉 = 〈1, 𝑥〉 = ∫ 𝑥𝑑𝑥 = 0
−1
1
1
〈𝑣1 , 𝑣3 〉 = 〈1, 𝑥 − 〉 = ∫ (𝑥 2 − 1) 𝑑𝑥 = 0
2
3 −1
3
1
1
〈𝑣2 , 𝑣3 〉 = 〈𝑥, 𝑥 2 − 〉 = ∫ (𝑥 3 − 1𝑥) 𝑑𝑥 = 0
3 −1
3

Entonces:
𝟏
𝑽 = {𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } = {𝟏, 𝒙, 𝒙𝟐 − } Es Base ortogonal
𝟑

1 1 1 𝟏
𝑤1 = 𝑣 = 𝑣 = =
‖𝑣1 ‖ 1 √〈𝑣1 , 𝑣1 〉 1 √12 + 12 √𝟐

1 2 1 2 1 1
‖𝑤1 ‖ = ‖〈𝑤1 , 𝑤1 〉‖ = √( ) + ( ) = √ + = √1 = 1
√2 √2 2 2

1 1 1 𝑥 𝑥 𝟑
𝑤2 = 𝑣2 = 𝑣2 = 𝑥= = =√ 𝒙
‖𝑣2 ‖ √〈𝑣2 , 𝑣2 〉 √〈𝑥, 𝑥〉 𝟐
√∫−1 𝑥 2 𝑑𝑥 √2
1
3
3 3 3 1 2 3 2
‖𝑤2 ‖ = ‖〈𝑤2 , 𝑤2 〉‖ = √〈√ 𝑥, √ 𝑥〉 = √ ∫ 𝑥 𝑑𝑥 = √2(3) = √1 = 1
2 2 2 −1

1 1 1
1 1 𝑥2 − 𝑥2 − 𝑥2 −
𝑤3 = 𝑣3 = 𝑣3 = 3 = 3 = 3 = √𝟒𝟓 (𝒙𝟐 − 𝟏)
‖𝑣3 ‖ √〈𝑣3 , 𝑣3 〉 2 𝟖 𝟑
√〈𝑥 2 − 1 , 𝑥 2 − 1〉 √∫1 (𝑥 2 − 1) √8
3 3 −1 3 45

Instituto Tecnológico de Tepic

214 TEMA 4. Espacios Vectoriales

45 1 45 1 45
1
1 2 45 8
‖𝑤3 ‖ = ‖〈𝑤3 , 𝑤3 〉‖ = √〈√ (𝑥 2 − ), √ (𝑥 2 − )〉 = √ ∫ (𝑥 2 − ) = √ ( ) = 1
8 3 8 3 8
−1 3 8 45

𝟏 𝟑 𝟒𝟓 𝟏
𝑻 = {𝒘𝟏 , 𝒘𝟐 , 𝒘𝟑 } = { , √ 𝒙, √ (𝒙𝟐 − )} es una base ortonormal.
√𝟐 𝟐 𝟖 𝟑

4.7 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Determinar los cálculos siguientes.
1. En 𝑹𝟑 , encontrar la proyección ortogonal de 𝒖 = (𝟔, 𝟐, 𝟒) sobre 𝒗 = (𝟏, 𝟐, 𝟎).

2. Dadas 𝒇(𝒙) = 𝒙𝟑 − 𝒙 y 𝒈(𝒙) = 𝟐𝒙 − 𝟏 funciones en [−𝟏, 𝟏]. Encontrar la proyección ortogonal de f sobre g.

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
215

𝟑 −𝟏 𝟑
−𝟐 𝟑 𝟖
3. Determine si los vectores 𝒖 = [ ] , 𝒗 = [ ] 𝒚 𝒘 = [ ] son ortogonales en 𝑹𝟒 y calcular una base
𝟏 −𝟑 𝟕
𝟑 𝟒 𝟎
ortonormal.

Instituto Tecnológico de Tepic

216 TEMA 4. Espacios Vectoriales

4. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹𝟑 , donde 𝒖𝟏 = 𝒙𝟑 , 𝒖𝟐 = 𝒙 + 𝟏. Utilice el proceso de Gram – Schmidt

para transformar S a una base ortonormal en el intervalo [−𝟏, 𝟏].

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
217

5. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹𝟑 , donde 𝒖𝟏 = 𝒙𝟐 , 𝒖𝟐 = 𝒙𝟐 + 𝟏. Utilice el proceso de Gram – Schmidt

para transformar S a una base ortonormal en el intervalo [−𝟏, 𝟏].

Instituto Tecnológico de Tepic

218 TEMA 4. Espacios Vectoriales

6. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹𝟑 , donde 𝒖𝟏 = (−𝟏, 𝟒, 𝟐), 𝒖𝟐 = (𝟑, 𝟎, 𝟏). Utilice el proceso de Gram
– Schmidt para transformar S a una base ortonormal para R 3.

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
219

7. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para R3, donde 𝒖𝟏 = (𝟏, 𝟑, 𝟏), 𝒖𝟐 = (𝟎, 𝟏, 𝟏) y 𝒖𝟑 = (𝟏, 𝟐, 𝟑).
Utilice el proceso de Gram – Schmidt para transformar S a una base ortonormal para R 3.

Instituto Tecnológico de Tepic

220 TEMA 4. Espacios Vectoriales

𝟓 −𝟏
8. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹 , donde 𝒖𝟏 = [ ] 𝒚 𝒖𝟐 = [ 𝟒 ]. Utilice el proceso de Gram – Schmidt para
𝟒 −𝟑
𝟏 −𝟐
𝟐 𝟏
transformar S a una base ortonormal para 𝑹𝟒 .

Instituto Tecnológico de Tepic

 4.6 Base ortonormal, proceso de ortonormalización Gram-Schmidt
221

II. Ejercicios propuestos para resolver en extra clase.

9. Si 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } es una base ortonormal para 𝑹𝟑 , donde 𝒖𝟏 = (𝟑, 𝟏, 𝟏), 𝒖𝟐 = (−𝟏, 𝟐, 𝟏) 𝒚 𝒖𝟑 =

𝟏 𝟕
(− , −𝟐, ). Escriba el vector 𝒗 = (𝟔, 𝟏, −𝟖) como una combinación lineal de los vectores en S.
𝟐 𝟐

10. En 𝑹𝟐 , encontrar la proyección ortogonal de 𝒖 = (𝟒, 𝟒) sobre 𝒗 = (−𝟏, 𝟑).

11. En 𝑹𝟑 , encontrar la proyección ortogonal de 𝒖 = (𝟎, −𝟏, 𝟏) sobre 𝒗 = (𝟏, 𝟑, −𝟐).

12. Dadas 𝒇(𝒙) = 𝒙 y 𝒈(𝒙) = 𝟏 funciones en [−𝟏, 𝟏]. Encontrar la proyección ortogonal de f sobre g.

13. Dadas 𝒇(𝒙) = 𝒙 y 𝒈(𝒙) = 𝒔𝒊𝒏 𝟐𝒙 funciones en [−𝝅, 𝝅]. Encontrar la proyección ortogonal de f sobre g.

14. Sea 𝒇(𝒕) = 𝟏 − 𝟑𝒕𝟐 , calcular ‖𝒇‖

15. Sea 𝒈(𝒕) = 𝒕 − 𝒕𝟑 , calcular ‖𝒈‖

𝟏𝟐 𝟐
16. Determine si los vectores 𝒖 = [ 𝟑 ] 𝒚 𝒘 = [−𝟑] son vectores ortonormales.
−𝟓 𝟑

𝟑 −𝟒
17. Determine si los vectores 𝒖 = [ ] 𝒚 𝒗 = [ 𝟏 ] son vectores ortonormales.
𝟐
−𝟓 −𝟐
𝟎 𝟔

−𝟑 𝟏 𝟐
𝟕 −𝟖 −𝟏
18. Determine si los vectores 𝒖 = [ ] , 𝒗 = [ ] 𝒚 𝒘 = [ ] son vectores ortonormales.
𝟒 𝟏𝟓 𝟒
𝟎 −𝟕 𝟏

19. En 𝑪𝟐 encuentre una base ortonormal comenzando con la base (𝟏, 𝒊), (𝟐 − 𝒊, 𝟑 + 𝟐𝒊).

𝟑 −𝟏 𝟑
20. Determine si los vectores 𝒖 = [ ] , 𝒗 = [ ] 𝒚 𝒘 = [𝟖] son ortogonales 𝑹𝟒 y calcular una base
−𝟐 𝟑
𝟏 −𝟑 𝟕
𝟑 𝟒 𝟎
ortonormal.

𝟑 −𝟏 𝟑
−𝟖 𝟒 𝟐
21. Determine si los vectores 𝒖 = [ ] , 𝒗 = [ ] 𝒚 𝒘 = [ ] son ortogonales en 𝑹𝟒 y calcular una base
𝟕 −𝟑 −𝟏
𝟑 𝟓 𝟎
ortonormal.

22. Determine si la base 𝑽 = [𝟏, 𝒕, 𝒕𝟐 ] son una base ortogonal en el intervalo [−𝟐. 𝟐].

𝟏
23. Determine a partir de la base 𝑨 = [𝟏, 𝒙, 𝒙𝟐 − ] sí son ortogonales y calcular una base ortonormal en
𝟑
el intervalo [−𝟏. 𝟐].

24. Determine a partir de la base 𝑩 = [𝟏, 𝟏 + 𝒙, 𝟏 + 𝒙 + 𝒙𝟐 ] si son ortogonales y calcular una base
ortonormal, en el intervalo [−𝟏. 𝟐]

Instituto Tecnológico de Tepic

222 TEMA 4. Espacios Vectoriales

25. Obtener una base ortonormal, a partir de la base 𝑩 = {𝟏 + 𝒙 + 𝒙𝟐 , 𝒙 + 𝟐} en el intervalo [−𝟏. 𝟏]

26. Determinar si {𝒄𝒐𝒔𝒙, 𝒔𝒆𝒏𝟐 𝒙} son ortogonales en [𝟎, 𝝅] y calcular una base ortonormal.

27. Determine a partir de la base 𝑨 = [𝐬𝐞𝐧 𝒙 , 𝐜𝐨𝐬 𝒙] sí son ortogonales en el intervalo [𝟎, 𝟐𝝅] y calcular
una base ortonormal.

28. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹𝟐 , donde 𝒖𝟏 = (𝟐, 𝟑), 𝒖𝟐 = (−𝟏, 𝟒). Utilice el proceso de Gram –
Schmidt para transformar S a una base ortonormal para R 2.

29. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 } para 𝑹𝟒 , donde 𝒖𝟏 = (−𝟑, −𝟏, 𝟏, 𝟑), 𝒖𝟐 = (𝟏, −𝟏, −𝟏, 𝟏). Utilice el
proceso de Gram – Schmidt para transformar S a una base ortonormal para R 3.
𝟏 𝟎 𝟏
30. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = [𝟏] , 𝒖𝟐 = [𝟏] 𝒚 𝒖𝟑 = [𝟐]. Utilice el proceso de Gram
𝟏 𝟏 𝟑
– Schmidt para transformar S a una base ortonormal para 𝑹𝟑 .

31. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para R3, donde 𝒖𝟏 = (−𝟏, 𝟓, 𝟏), 𝒖𝟐 = (𝟏, 𝟏, 𝟏) y 𝒖𝟑 = (𝟏, −𝟐, 𝟑).
Utilice el proceso de Gram – Schmidt para transformar S a una base ortonormal para R 3.

32. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 }, donde 𝒖𝟏 = 𝟏, 𝒖𝟏 = 𝒙𝟐 𝒚 𝒖𝟐 = 𝒙𝟑 . Utilice el proceso de Gram – Schmidt

para transformar S a una base ortonormal en [−𝟑, 𝟐].

𝟑 𝟏 𝟑
33. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = [−𝟏] , 𝒖𝟐 = [ 𝟎 ] 𝒚 𝒖𝟑 = [−𝟏]. Utilice el proceso de
𝟐 −𝟏 𝟐
Gram – Schmidt para transformar S a una base ortonormal para 𝑹𝟑 .

34. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = 𝟏, 𝒖𝟐 = 𝒙 𝒚 𝒖𝟑 = 𝒙𝟑 . Utilice el proceso de Gram

– Schmidt para transformar S a una base ortonormal en [−𝟐, 𝟐].

35. Encontrar una base ortonormal para el espacio 𝑾 = {(𝒙, 𝒚, 𝒛)| 𝒙 − 𝒚 + 𝟐𝒛 = 𝟎} 𝒆𝒏 𝑹𝟑 .

36. Encontrar una base ortonormal para el espacio 𝑯 = {(𝒘, 𝒙, 𝒚, 𝒛)| − 𝒘 + 𝒙 − 𝒚 + 𝒛 = 𝟎} 𝒆𝒏 𝑹𝟒 .

37. Dada la base 𝑩 = {(𝟏, 𝟎, 𝒊), (𝟏, 𝟏, 𝟐 + 𝒊), (𝟎, 𝟎, 𝟏)} 𝒅𝒆 𝑹𝟑 , ortonormalizarla usando el método de
Gram-Schmidt.

38. Considérese 𝑺 = {𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 } para 𝑹𝟑 , donde 𝒖𝟏 = 𝟏, 𝒖𝟐 = 𝟐𝒕 − 𝟏 𝒚 𝒖𝟑 = 𝟏𝟐𝒕𝟐 . Utilice el proceso

de Gram – Schmidt para transformar S a una base ortonormal en [𝟏, 𝟎].

Instituto Tecnológico de Tepic

 TRANSFORMACIONES
TEMA 5 LINEALES

Se denomina transformación lineal, función lineal o aplicación

5.1 Introducción a las
lineal a toda aplicación cuyo dominio y codominio sean espacios
transformaciones lineales. vectoriales y se cumplan las siguientes condiciones:
5.2 Núcleo, e imagen de una
transformación lineal. Sean V y W espacios vectoriales sobre el mismo campo K, y T
5.3 Matriz de una transformación una función de V en W. T es una transformación lineal si para
lineal.
5.4 Aplicaciones de las
cada par de vectores de u y v pertenecientes a V y para cada
transformaciones lineales: escalar k perteneciente a K, se satisface que:
Reflexión, dilatación, contracción
y rotación. 1. 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
2. 𝑇(𝑘𝑢) = 𝑘𝑇(𝑢) 𝑑𝑜𝑛𝑑𝑒 𝑘 𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟

Competencias específicas a desarrollar

Aplicar las transformaciones lineales y sus propiedades para representarlas mediante una matriz
de reflexión, dilatación, contracción y rotación.

Indicadores de desempeño

• Definir los conceptos básicos de una transformación lineal.

• Determinar el núcleo e imagen de una transformación lineal.
• Calcular transformaciones matriciales.
• Realizar aplicaciones de las transformaciones lineales.
224 TEMA 5. Transformaciones Lineales

5.1 Introducción a las transformaciones lineales.

En este tema se analizan funciones que transforman un espacio vectorial 𝑉 en un espacio vectorial 𝑊. Este tipo de
función se denota por
𝑇: 𝑉 → 𝑊
en la que se usa la terminología estándar para funciones. Por ejemplo, 𝑉 se llama dominio de 𝑇 y 𝑊 codominio (o
contradominio) de 𝑇. Si v esta en 𝑉 y w esta en 𝑊 tal que 𝑻(𝒗) = 𝒘, entonces w se llama imagen de v bajo 𝑇. El
conjunto de todas las imágenes de los vectores en 𝑉 se llama alcance de 𝑇 y el conjunto de todos los v en 𝑉 tales
que 𝑻(𝒗) = 𝒘 se denomina preimagen de w, como se muestra en la siguiente figura. de [5]

V: Dominio

Alcance
v

T: V → W

W: Codominio

Las trasformaciones lineales ocurren con mucha frecuencia en el álgebra lineal y en otras ramas de las matemáticas,
tienen una gran variedad de aplicaciones importantes. Las transformaciones lineales tienen gran aplicación en la
física, la ingeniería y en diversas ramas de la matemática. A continuación se explican las propiedades de las
transformaciones lineales, sus diferentes tipos, su imagen y el núcleo, y su representación matricial.

Ejemplo 1 Una función de 𝑹𝟐 en 𝑹𝟐

Para todo vector 𝒗 = (𝒗𝟏 , 𝒗𝟐 ) en 𝑹𝟐 , sea 𝑻: 𝑹𝟐 → 𝑹𝟐 definida por 𝑻(𝒗𝟏 , 𝒗𝟐 ) = (𝒗𝟏 − 𝒗𝟐 , 𝒗𝟏 + 𝟐𝒗𝟐 ).
a) Determine la imagen de 𝒗 = (−𝟏, 𝟐).
b) Determine la imagen de 𝒗 = (𝟎, 𝟎).
c) Encuentre la preimagen de 𝒘 = (−𝟏, 𝟏𝟏)
Solución
a) Para 𝑣 = (−1, 2) se tiene
𝑇(−1, 2) = [−1 − 2, − 1 + 2(2)] = (−𝟑, 𝟑)
b) Si 𝑣 = (0, 0) entonces
𝑇(0, 0) = [0 − 0, 0 + 2(0)] = (𝟎, 𝟎)
c) Si 𝑇(𝑣) = (𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 ) = (−1, 11), entonces
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏 𝒖𝒏𝒊𝒄𝒂
𝑣1 − 𝑣2 = −1
→ 𝑣1 = 3 ∴ 𝑳𝒂 𝒑𝒓𝒆𝒊𝒎𝒂𝒈𝒆𝒏 𝒅𝒆 (−𝟏, 𝟏𝟏) 𝒆𝒔 𝒆𝒍 𝒗𝒆𝒄𝒕𝒐𝒓 (𝟑, 𝟒)
𝑣1 + 2𝑣2 = 11
𝑣2 = 4
Definición 5.1 de transformación lineal
Sean V y W espacios vectoriales. La función
𝑇: 𝑉 → 𝑊
Se llama transformación lineal 𝑇 de 𝑉 en 𝑊 que asigna a cada vector 𝑢, 𝑣 ∈ 𝑉 un vector único 𝑇𝑣 ∈ 𝑊 y que
satisface cada escalar 𝑘, y que hace verdaderas las siguientes propiedades:
𝟏. 𝑻(𝒖 + 𝒗) = 𝑻(𝒖) + 𝑻(𝒗)
𝟐. 𝑻(𝒌𝒖) = 𝒌𝑻(𝒖)

Instituto Tecnológico de Tepic

 5.1 Introducción a las transformaciones lineales
225

Propiedades de las transformaciones lineal

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal, donde u y v están en 𝑉. Entonces, las propiedades siguientes son
verdaderas.
𝟏. 𝑻(𝟎) = 𝟎
𝟐. 𝑻(−𝒗) = −𝑻(𝒗)
𝟑. 𝑻(𝒖 − 𝒗) = 𝑻(𝒖) − 𝑻(𝒗)
𝟒. 𝑺𝒊 𝒗 = 𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + … + 𝜶𝒏 𝒗𝒏 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔
𝑻(𝜶𝟏 𝒗𝟏 + 𝜶𝟐 𝒗𝟐 + … + 𝜶𝒏 𝒗𝒏 ) = 𝜶𝟏 𝑻(𝒗𝟏 ) + 𝜶𝟐 𝑻(𝒗𝟐 ) + … + 𝜶𝒏 𝑻(𝒗𝒏 )

Ejemplo 2 Transformaciones lineales y bases

Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal tal que
𝑻(𝟏, 𝟎, 𝟎) = (𝟐, − 𝟏, 𝟒)
𝑻(𝟎, 𝟏, 𝟎) = (𝟏, 𝟓, − 𝟐). Determine 𝑻(𝟐, 𝟑, −𝟐)
𝑻(𝟎, 𝟎, 𝟏) = (𝟎, 𝟑, 𝟏)
Dado que (2, 3, −2) = 2(1, 0, 0) + 3(0, 1, 0) − 2(0, 0, 1), entonces la propiedad 4 se puede usar para
escribir
𝑇(2, 3, − 2) = 2𝑇(1, 0, 0) + 3𝑇(0, 1, 0) − 2𝑇(0, 0, 1)
= 2(2, − 1, 4) + 3(1, 5, − 2) − 2(0, 3, 1)
= (7, 7, 0)
La transformación es 𝑻(𝟐, 𝟑, − 𝟐) = (𝟕, 𝟕, 𝟎)

Ejemplo 3 Transformaciones lineales y bases

𝒙 𝟏 𝟏 𝒙 𝟐 𝟑
Sea 𝑻: 𝑹𝟐 → 𝑹𝟑 una transformación lineal definida por 𝑻 (𝒚) = [𝟎 𝟏 ] [𝒚]. Determinar si 𝒖 = [ 𝟑 ] 𝒚 𝒗 = [𝟓]
𝟏 −𝟐 −𝟕 𝟐
están en el rango de T y determinar el vector 𝑹𝟐 .

𝑥+𝑦=2 𝑥+𝑦=3
Se toma la transformación lineal y se genera un sistema de ecuaciones con cada vector 𝑦=3 𝑦 𝑦=5 ,
𝑥 − 2𝑦 = −7 𝑥 − 2𝑦 = 2
y se resuelve cada sistema de ecuaciones lineales.

𝑥+𝑦=2
Buscamos la solución del sistema 𝑦 = 3 encontrando que es 𝑥 = −1, 𝑦 = 3 y realizamos una verificación.
𝑥 − 2𝑦 = −7

1 1 𝟐
−1 −1
𝑇( ) = [0 1 ][ ] = [ 𝟑 ]
3 3
1 −2 −𝟕

−𝟏
Entonces muestra que el vector 𝒖 si está en el rango de T tal que 𝑻 ( ) = 𝒖.
𝟑

𝑥+𝑦 =3
Buscamos la solución del sistema 𝑦 = 5 y encontramos que el sistema no tiene solución.
𝑥 − 2𝑦 = 2

Lo que muestra que en vector 𝒗 no está en el rango de T.

Instituto Tecnológico de Tepic

226 TEMA 5. Transformaciones Lineales

5.1 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
En los siguientes problemas encuentre las transformaciones lineales dadas.
1. Dada la 𝑻(𝒗𝟏 , 𝒗𝟐 ) = (𝒗𝟏 + 𝒗𝟐 , 𝒗𝟏 − 𝒗𝟐 ). 𝐃𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐞 𝐥𝐚 𝐢𝐦𝐚𝐠𝐞𝐧 𝐝𝐞 𝒗 = (𝟑, −𝟒) y la preimagen de 𝒘 =
(𝟑, 𝟏𝟗).

2. Dada la 𝑻(𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 ) = (𝒗𝟐 − 𝒗𝟏 , 𝒗𝟏 + 𝒗𝟐 , 𝟐𝒗𝟏 ). 𝐃𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐞 𝐥𝐚 𝐢𝐦𝐚𝐠𝐞𝐧 𝐝𝐞 𝒗 = (𝟐, 𝟑, 𝟎) y la

preimagen de 𝒘 = (−𝟏𝟏, −𝟏, 𝟏𝟎).

Instituto Tecnológico de Tepic

 5.1 Introducción a las transformaciones lineales
227

3. Sea 𝑻: 𝑹𝟐 → 𝑹𝟐 una transformación lineal tal que

𝑻(𝟏, 𝟎) = (𝟏, 𝟏)
. Determine 𝑻(𝟏, 𝟒)
𝑻(𝟎, 𝟏) = (−𝟏, 𝟏)

4. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal tal que

𝑻(𝟏, 𝟎, 𝟎) = (𝟐, 𝟒, −𝟏)
𝑻(𝟎, 𝟏, 𝟎) = (𝟏, 𝟑, −𝟐). Determine 𝑻(𝟎, 𝟑, −𝟏)
𝑻(𝟎, 𝟎, 𝟏) = (𝟎, −𝟐, 𝟐)

Instituto Tecnológico de Tepic

228 TEMA 5. Transformaciones Lineales

𝒙 𝟏 𝟎 𝟏 𝒙
5. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal definida por 𝑻 (𝒚) = [𝟎 𝟏 𝟏] [𝒚]. Determinar si 𝒖 =
𝒛 𝟏 𝟐 𝟐 𝒛
𝟏 𝟐
[−𝟏] 𝒚 𝒗 = [−𝟏] están en el rango de T y determinar el vector 𝑹𝟑 .
𝟎 𝟑

𝒙 −𝟏 𝟐 𝟎 𝒙
6. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal definida por 𝑻 (𝒚) = [ 𝟏 𝟏 𝟏] [𝒚]. Determinar si 𝒖 =
𝒛 𝟐 −𝟏 𝟏 𝒛
𝟏 𝟏
[ 𝟐 ] 𝒚 𝒗 = [𝟑] están en el rango de T y determinar el vector 𝑹𝟑 .
−𝟏 𝟐

Instituto Tecnológico de Tepic

 5.1 Introducción a las transformaciones lineales
229

II. Ejercicios propuestos para resolver en extra clase.

7. Dada la 𝑻(𝒗𝟏 , 𝒗𝟐 ) = (𝟐𝒗𝟐 − 𝒗𝟏 , 𝒗𝟏 , 𝒗𝟐 ). 𝐃𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐞 𝐥𝐚 𝐢𝐦𝐚𝐠𝐞𝐧 𝐝𝐞 𝒗 = (𝟎, 𝟔) y la preimagen de 𝒘 =
(𝟑, 𝟏, 𝟐).
8. Dada la 𝑻(𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 ) = (𝟐𝒗𝟏 + 𝒗𝟐 , 𝟐𝒗𝟐 − 𝟑𝒗𝟏 , 𝒗𝟏 − 𝒗𝟑 ). 𝐃𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐞 𝐥𝐚 𝐢𝐦𝐚𝐠𝐞𝐧 𝐝𝐞 𝒗 = (−𝟒, 𝟓, 𝟏) y la
preimagen de 𝒘 = (𝟒, 𝟏, −𝟏).
9. Sea 𝑻: 𝑹𝟑 → 𝑹𝟐 una transformación lineal tal que
𝑻(𝟏, 𝟎, 𝟎) = (𝟐, − 𝟏)
𝑻(𝟎, 𝟏, 𝟎) = (𝟑, 𝟏) . Determine 𝑻(−𝟑, 𝟒, 𝟐)
𝑻(𝟎, 𝟎, 𝟏) = (−𝟏, 𝟐)
10. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal tal que
𝑻(𝟏, 𝟎, 𝟎) = (𝟐, 𝟒, −𝟏)
𝑻(𝟎, 𝟏, 𝟎) = (𝟏, 𝟑, −𝟐). Determine 𝑻(𝟐, −𝟒, 𝟏)
𝑻(𝟎, 𝟎, 𝟏) = (𝟎, −𝟐, 𝟐)
𝒙 𝟒 𝟏 𝟑 𝒙
11. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal definida por 𝑻 (𝒚) = [𝟐 −𝟏 𝟑] [𝒚]. Determinar si 𝒖 =
𝒛 𝟐 𝟐 𝟎 𝒛
𝟏 𝟎
[𝟑] 𝒚 𝒗 = [𝟎] están en el rango de T y determinar el vector 𝑹𝟑 .
𝟐 𝟎
𝒙 𝟏 𝟐 𝟑 𝒙
12. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 una transformación lineal definida por 𝑻 (𝒚) = [−𝟑 −𝟐 −𝟏] [𝒚]. Determinar si 𝒖 =
𝒛 −𝟐 −𝟑 𝟐 𝒛
𝟏𝟑 𝟏𝟎
[−𝟏𝟏] 𝒚 𝒗 = [−𝟏𝟎] están en el rango de T y determinar el vector 𝑹𝟑 .
−𝟕 −𝟑

Instituto Tecnológico de Tepic

230 TEMA 5. Transformaciones Lineales

5.2 Núcleo e imagen de una transformación lineal.

Para cualquier transformación lineal 𝑇: 𝑉 → 𝑊, el vector cero en 𝑉 es transformado en el vector cero en 𝑊. Es decir,
𝑻(𝟎) = 𝟎.

La primera cuestión que se abordara en esta sección es si existen otros vectores 𝑣 tales que 𝑻(𝟎) = 𝟎. El conjunto
de todos estos elementos se denomina núcleo o Kernel de T. Observe que se utiliza el símbolo 𝟎 para representar el
vector cero tanto en 𝑉 como en 𝑊, aunque a menudo estos dos vectores cero son diferentes entre sí. de [3]

Definición 5.2 del núcleo o kernel de una transformación lineal de [1]

Sean 𝑉 y 𝑊 dos espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una transformación lineal. Entonces

1. El núcleo de T, denotado por 𝒏𝒖(𝑻), está dado por

𝒏𝒖(𝑻) = {𝒗 ∈ 𝑽 ∶ 𝑻(𝒗) = 𝟎𝑾 }

2. La imagen de T, denotada por imagen T, está dado por

𝒊𝒎𝒂𝒈𝒆𝒏 𝑻{𝒘 ∈ 𝑾 ∶ 𝒘 = 𝑻𝒗 𝒑𝒂𝒓𝒂 𝒂𝒍𝒈𝒖𝒏 𝒗 ∈ 𝑽}

Observe que 𝑛𝑢(𝑇) es no vacío porque, 𝑇(0) = 0 de manera que 0 ∈ 𝑛𝑢𝑇 para cualquier transformación lineal T.
Se tiene interés en encontrar otros vectores en V que se transformen en 0. De nuevo observe que cuando escribimos
𝑇(0) = 0, el 0 de la izquierda está en V y el de la derecha en W. de [1]

La imagen de T es simplemente el conjunto de imágenes de los vectores de V bajo la transformación de T. De hecho,

si 𝑤 = 𝑇𝑣, se dice que w es la imagen de v bajo T.

Si 𝑻: 𝑽 → 𝑾 es una transformación lineal, entonces

1. 𝑛𝑢(𝑇) es un subespacio de V.
2. imagen T es un subespacio de W.

Ejemplo 4 Núcleo o kernel de una transformación lineal

𝒙 𝒙
Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 definida por 𝑻 [𝒚] = [𝒚]. Determine el núcleo de proyección de la transformación.
𝒛 𝟎
𝑇(𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 0)
Esta transformación lineal proyecta el vector (𝑥, 𝑦, 𝑧) en 𝑅3 en el vector (𝑥, 𝑦, 0) del plano 𝑥𝑦. Por
consiguiente, el núcleo consta de todos los vectores que se encuentran sobre el eje 𝑧. Es decir,

𝒏𝒖𝑻 = {(𝟎, 𝟎, 𝒛): 𝒛 𝐞𝐬 𝐧ú𝐦𝐞𝐫𝐨 𝐫𝐞𝐚𝐥}

Ejemplo 5 Núcleo o kernel de una transformación lineal

Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟐 → 𝑹𝟑 definida por 𝑻(𝒙𝟏 , 𝒙𝟐 ) = (𝒙𝟏 − 𝟐𝒙𝟐 , 𝟎, −𝒙𝟏 ).
Para encontrar el 𝑛𝑢𝑇 es necesario determinar todos los 𝒙 = (𝒙𝟏 , 𝒙𝟐 ) en 𝑅2 tales que
𝑻(𝒙𝟏 , 𝒙𝟐 ) = (𝒙𝟏 − 𝟐𝒙𝟐 , 𝟎, − 𝒙𝟏 ) = (𝟎, 𝟎, 𝟎)
De lo anterior se conduce al siguiente sistema homogéneo

Instituto Tecnológico de Tepic

 5.2 Núcleo e imagen de una transformación lineal
231

𝑥1 − 2𝑥2 = 0
0=0
𝑥1 =0

Cuya solución es (𝑥1 , 𝑥2 ) = (0, 0). Por lo tanto, se tiene

𝒏𝒖𝑻 = {(𝟎, 𝟎)} = {(𝟎)}

Ejemplo 6 Núcleo o kernel de una transformación lineal

Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟑 → 𝑹𝟐 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 =
𝟏 −𝟏 −𝟐
[ ].
−𝟏 𝟐 𝟑

El núcleo de 𝑇 es el conjunto de todos los 𝒙 = (𝑥1 , 𝑥2 , 𝑥3 ) en 𝑅3 tales que

𝑇(𝑥1 , 𝑥2 , 𝑥3 ) = (0, 0)

A partir de esta ecuación se obtiene el siguiente sistema homogéneo

𝑥1
1 −1 −2 𝑥 0 𝑥1 − 𝑥2 − 2𝑥3 = 0
[ ] [ 2] = [ ] →
−1 2 3 𝑥 0 −𝑥1 + 2𝑥2 + 3𝑥3 = 0
3

Por Gauss-Jordán se obtiene solución es infinita (𝑥1 , 𝑥2 ) = (0, 0). Por lo tanto, se tiene

1 0 −1 0 𝑥1 = 𝑥3
( | ) → 𝑥2 = −𝑥3
0 1 1 0

Se obtiene la familia de soluciones

𝑥3 1
−𝑥
[ 3 ] = 𝑥3 [−1]
𝑥3 1

Por lo tanto, el núcleo de 𝑇 está definido por

𝒏𝒖𝑻 = {𝒙𝟑 (𝟏, − 𝟏, 𝟏): 𝒙𝟑 𝐞𝐬 𝐮𝐧 𝐧ú𝐦𝐞𝐫𝐨 𝐫𝐞𝐚𝐥}

Ejemplo 7 Núcleo, imagen, base de una transformación lineal

𝒂𝟏 𝟏 𝟎 𝟏 𝒂𝟏
Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 definida por 𝑻 [𝒂𝟐 ] = [𝟏 𝟏 𝟐] [𝒂𝟐 ]. a) Determine una base para imagen T, y b) 𝒏𝒖𝑻.
𝒂𝟑 𝟐 𝟏 𝟑 𝒂𝟑

Solución a)

Para determinar una base para imagen V, observemos que

𝑎1 1 0 1 𝑎1 𝑎1 + 𝑎3 1 0 1
𝑎
𝑇 [ 2 ] = [1 1 𝑎
2] [ 2 ] = [ 1 𝑎2 + 2𝑎3 ] = 𝑎1 [1] + 𝑎2 [1] + 𝑎3 [2]
𝑎 +
𝑎3 2 1 3 𝑎3 2𝑎1 + 𝑎2 + 3𝑎3 2 1 3

Instituto Tecnológico de Tepic

232 TEMA 5. Transformaciones Lineales

1 0 1
Esto significa que [1] , [1] , [2] genera imagen 𝑇. Es decir, imagen 𝑇 es el subespacio de R3 generado por las
2 1 3
columnas de la matriz que definen a 𝑇.

Los dos primeros vectores de este conjunto son linealmente independientes, pues uno no es múltiplo escalar del
otro. El tercer vector es la suma de los dos primeros. Por lo tanto, los dos primeros vectores forman una base para
imagen T y dim imagen T = 2

Solución b)

1 0 1 0 −𝑅1+𝑅2→𝑅2 1 0 1 0 −𝑅2+𝑅3→𝑅3 1 0 10 𝑎1 + 𝑎3 = 0 𝑎1 = −𝑎3

−2𝑅1+𝑅3→𝑅3
(1 1 2| 0) → (0 1 1|0) → (0 1 1| 0)
𝑎2 + 𝑎3 = 0 𝑎2 = −𝑎3
2 1 30 0 1 10 0 0 00

Para determinar 𝑛𝑢𝑇 debemos encontrar todos los vectores v en R3 tales que 𝑇(𝑣) = 0. Al resolver el sistema
homogéneo resultante, encontramos que a1 = - a3 y a2 = - a3. Por lo tanto 𝑛𝑢𝑇 consta de todos los vectores r de la
−𝑎3 −1
forma [−𝑎3 ] ∴ 𝑠𝑖 𝑎3 = 1 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑟 = [−1] 𝑝𝑎𝑟𝑎 𝑎3 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙.
𝑎3 1

𝒏𝒖𝑻 = {𝒂𝟑 (−𝟏, − 𝟏, 𝟏): 𝒂𝟑 𝐞𝐬 𝐮𝐧 𝐧ú𝐦𝐞𝐫𝐨 𝐫𝐞𝐚𝐥}

A continuación, se dan los nombres para las dimensiones del núcleo y rango de una transformación lineal. de [3]

Definición 5.3 Rango y nulidad de una transformación lineal

Si 𝑇: 𝑉 → 𝑊 es una transformación lineal. La dimensión del núcleo de 𝑇 se llama nulidad de 𝑇 y se denota como
nulidad (𝑻). La dimensión del alcance de 𝑇 se denomina rango de 𝑇 y se denota como rango (𝑻).

La relación de la nulidad y el rango de 𝑇 con la dimensión del dominio es verdadera para cualquier transformación
lineal de un espacio vectorial de dimensión finita, como se establece en el siguiente teorema.

Teorema: Suma del rango y la nulidad

Sea 𝑇: 𝑉 → 𝑊 es una transformación lineal de un espacio vectorial 𝑉 n-dimensional a un espacio vectorial 𝑊.
Entonces, la suma de las dimensiones del rango y el núcleo es igual a la dimensión del dominio. Es decir,

𝒓𝒂𝒏𝒈𝒐(𝑻) + 𝒏𝒖𝒍𝒊𝒅𝒂𝒅(𝑻) = 𝒏 𝒐 𝒅𝒊𝒎(𝒓𝒂𝒏𝒈𝒐) + 𝒅𝒊𝒎(𝐧ú𝐜𝐥𝐞𝐨 ) = 𝒅𝒊𝒎(𝒅𝒐𝒎𝒊𝒏𝒊𝒐)

Ejemplo 8 Núcleo, rango, imagen, base de una transformación lineal

𝒂𝟏 𝒂𝟏 + 𝒂𝟑
𝟑 𝟑 𝒂
Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻 [ 𝟐 ] = [𝒂𝟏 + 𝒂𝟐 ]. Calcular el núcleo, la imagen, la nulidad y el rango. de [4]
𝒂𝟑 𝒂𝟐 − 𝒂𝟑

𝑎1 𝑎1 0
Un vector [ 2 ] está en 𝑛𝑢𝑇 𝑠𝑖 𝑇 [𝑎2 ] = [0]
𝑎
𝑎3 𝑎3 0

Instituto Tecnológico de Tepic

 5.2 Núcleo e imagen de una transformación lineal
233

𝑎1 + 𝑎3 = 0
Debemos encontrar una base para el espacio solución del sistema homogéneo 𝑎1 + 𝑎2 = 0
𝑎2 − 𝑎3 = 0
1 0 1 0 −𝑅1+𝑅2→𝑅2 1 0 1 0 −𝑅2+𝑅3→𝑅3 1 0 1 0 𝑎1 + 𝑎3 = 0 𝑎1 = −𝑎3
( 1 1 0 | 0) → (0 1 −1|0) → (0 1 −1|0)
𝑎2 − 𝑎3 = 0 𝑎2 = 𝑎3
0 1 −1 0 0 1 −1 0 0 0 0 0

Al resolver el sistema homogéneo resultante, encontramos que 𝑎1 = −𝑎3 𝑦 𝑎2 = 𝑎3 . Por lo tanto 𝑛𝑢𝑇 consta de
−𝑎3 −1
todos los vectores r de la forma [−𝑎3 ] ∴ 𝑠𝑖 𝑎3 = 1 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑟 = [ 1 ] para 𝑎3 cualquier número real y una base
𝑎3 1
−1
para 𝑛𝑢𝑇 es {[ 1 ]}; En consecuencia, la nulidad de 𝑇 𝑑𝑖𝑚𝑇 = 1.
1
𝑎1 + 𝑎3 1 0 1 1 0 1
Esto significa que [𝑎1 + 𝑎2 ] = 𝑎1 [1] + 𝑎2 [1] + 𝑎3 [ 0 ] 𝑑𝑜𝑛𝑑𝑒 {[1] , [1] , [ 0 ]} genera imagen T. Es decir,
𝑎2 − 𝑎3 0 1 −1 0 1 −1
imagen T, que es el subespacio de R3 generado por las columnas de la matriz que definen a T.

Los dos primeros vectores de este conjunto son linealmente independientes, pues uno no es múltiplo escalar del
otro. El tercer vector es la resta de los dos primeros. Por lo tanto, los dos primeros vectores forman una base para
imagen T y rango T = dim imagen T = 2. dim R3 = 3 = nulidad T + rango T

5.2 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
En los siguientes problemas encuentre núcleo, imagen, rango y nulidad de las transformaciones lineales dadas.
1. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟐 → 𝑹𝟐 definida por 𝑻(𝒙, 𝒚) = (𝒙 + 𝟐𝒚, 𝒚 − 𝒙).

Instituto Tecnológico de Tepic

234 TEMA 5. Transformaciones Lineales

2. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟑 → 𝑹𝟐 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 =
𝟏 −𝟏 𝟐
[ ].
𝟎 𝟏 𝟐

Instituto Tecnológico de Tepic

 5.2 Núcleo e imagen de una transformación lineal
235

𝒂𝟏 𝟐 𝟑 𝟏 𝒂𝟏
3. Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻 [𝒂𝟐 ] = [𝟏
𝟑 𝟑
𝟏 𝟎] [𝒂𝟐 ]. Determine una base para im T y nuT.
𝒂𝟑 𝟐 𝟓 𝟑 𝒂𝟑

Instituto Tecnológico de Tepic

236 TEMA 5. Transformaciones Lineales

𝒂𝟏 𝒂𝟏 + 𝒂𝟐
4. Sea 𝑻: 𝑹𝟑 → 𝑹𝟑 definida por 𝑻 [𝒂𝟐 ] = [ 𝒂𝟏 − 𝒂𝟑 ]. Calcular el núcleo, la imagen, la nulidad y el rango.
𝒂𝟑 −𝒂𝟏 + 𝒂𝟑

Instituto Tecnológico de Tepic

 5.2 Núcleo e imagen de una transformación lineal
237

𝒂 𝒂 − 𝟐𝒃
5. Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻 [𝒃] = [ 𝟐𝒂 ]. Calcular el núcleo, la imagen, la nulidad y el rango.
𝟑 𝟑
−𝟑𝒃
𝒄
𝟒𝒂 − 𝟐𝒄

Instituto Tecnológico de Tepic

238 TEMA 5. Transformaciones Lineales

II. Ejercicios propuestos para resolver en extra clase.

6. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟐 → 𝑹𝟐 definida por 𝑻(𝒙, 𝒚) = (𝒙 − 𝒚, 𝒚 − 𝒙).

7. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟑 → 𝑹𝟑 definida por 𝑻(𝒙, 𝒚, 𝒛) = (𝟑𝒙 − 𝒚, 𝒙 +

𝟒𝒚, 𝒙 − 𝒚).

8. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟐 → 𝑹𝟑 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 =
𝟏 𝟐
[−𝟏 −𝟐].
𝟏 𝟏

9. Encuentre el núcleo de una transformación lineal 𝑻: 𝑹𝟒 → 𝑹𝟒 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 =
𝟏 𝟐 −𝟏 𝟒
[ 𝟑 𝟏 𝟐 −𝟏 ].
−𝟒 −𝟑 −𝟏 −𝟑
−𝟏 −𝟐 𝟏 𝟏

−𝟏 𝟏
10. Sea 𝑻: 𝑹𝟐 → 𝑹𝟐 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 = [ ]. Determine el núcleo, la imagen, la
𝟏 𝟏
nulidad y el rango.

𝟓 −𝟑
11. Sea 𝑻: 𝑹𝟐 → 𝑹𝟑 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 = [𝟏 𝟏 ]. Determine el núcleo, la imagen, la
𝟏 −𝟏
nulidad y el rango.

𝟗 𝟑
𝟐 𝟐 𝟏𝟎 𝟏𝟎
12. Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻(𝒙) = 𝑨(𝒙), donde 𝑨 = [ 𝟑 𝟏 ]. Determine el núcleo, la imagen, la
𝟏𝟎 𝟏𝟎
nulidad y el rango.

𝒙 − 𝟐𝒚 + 𝒛
𝒙
𝟐𝒚 − 𝒛
13. Sea 𝑻: 𝑹𝟑 → 𝑹𝟒 definida por 𝑻 [𝒚] = [ ]. Calcular el núcleo, la imagen, la nulidad y el rango.
𝒛 −𝟑𝒙
𝟑𝒙 − 𝟔𝒛

𝒂 𝒂 − 𝟐𝒃
14. Sea 𝑻: 𝑹𝟑 → 𝑹𝟒 definida por 𝑻 [𝒃] = [ 𝟐𝒂 ]. Calcular el núcleo, la imagen, la nulidad y el rango.
−𝟑𝒃
𝒄
𝟒𝒂 − 𝟐𝒄

𝒔 + 𝟑𝒕
𝒔
15. Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻 [ ] = [ 𝒔 − 𝒕 ]. Calcular el núcleo, la imagen, la nulidad y el rango.
𝟐 𝟒
𝒕 𝟐𝒔 − 𝒕
𝟒𝒕

𝒙 − 𝟐𝒚 + 𝒛
𝒙
𝟑 𝟒 𝟐𝒚 − 𝒛
16. Sea 𝑻: 𝑹 → 𝑹 definida por 𝑻 [𝒚] = [ ]. Calcular el núcleo, la imagen, la nulidad y el rango.
𝒛 −𝟑𝒙
𝟑𝒙 − 𝟔𝒛

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
239

5.3 La matriz de una transformación lineal.

Si A es una matriz de 𝑚 𝑥 𝑛 y 𝑇: 𝑅𝑛 → 𝑅𝑚 esta definida por 𝑇(𝑥) = 𝐴𝑥, entonces, T es una transformación lineal.
Ahora se verá que para toda transformación lineal de 𝑅𝑛 en 𝑅𝑚 existe una matriz A de 𝑚 𝑥 𝑛 tal que 𝑇(𝑥) = 𝐴𝑥 para
x en 𝑅𝑛 . de [1]

Definición 5.4 Matriz de transformación

Sea 𝑇: 𝑅𝑛 → 𝑅𝑚 una transformación lineal. Entonces existe una matriz única de 𝑚 𝑥 𝑛, 𝐴 𝑇 tal que

𝑻(𝒙) = 𝑨𝑻 𝒙 para toda 𝒙 ∈ 𝑹𝒏

Donde 𝐴 𝑇 es la matriz de transformación correspondiente a T o representación matricial de T.

Ejemplo 9 Matriz de una transformación

Encuentre la matriz de transformación AT correspondiente a la proyección en R3 sobre el plano xy.
𝑥 𝑥
𝑇 [ 𝑦 ] = [𝑦 ]
𝑧 0
𝑥 𝑥 0 0 1 0 0
𝑇 [𝑦] = 𝑇 [0] + 𝑇 [𝑦] + 𝑇 [0] = 𝑥𝑇 [0] + 𝑦𝑇 [1] + 𝑧𝑇 [0]
𝑧 0 0 𝑧 0 0 1
𝑥 𝑥 0 0 1 0 0 1 1 0 0 0 0
[𝑦] = [0] + [𝑦] + [0] = 𝑥 [0] + 𝑦 [1] + 𝑧 [0] ∴ 𝑇 [0] = [0] , 𝑇 [1] = [1] , 𝑇 [0] = [0]
0 0 0 0 0 0 0 0 0 0 0 1 0
𝟏 𝟎 𝟎 1 0 0 𝑥 𝑥
𝐴𝑠í 𝑨𝑻 = [𝟎 𝟏 𝟎] ∴ 𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝑞𝑢𝑒 𝐴 𝑇 = [0 1 0] [𝑦] = [𝑦]
𝟎 𝟎 𝟎 0 0 0 𝑧 0

Ejemplo 10 Matriz de una transformación

𝒙−𝒚
𝒙 𝒚+𝒛
Defina 𝑻: 𝑹𝟑 → 𝑹𝟒 𝒑𝒐𝒓 𝑻 [𝒚] = [ 𝟐𝒙 − 𝒚 − 𝒛 ]. Encuentre AT.
𝒛
−𝒙 + 𝒚 + 𝟐𝒛
𝑥−𝑦 𝑥 −𝑦 0 1 −1 0
𝑥 𝑦+𝑧 0 𝑦
𝑇 [𝑦] = [ 2𝑥 − 𝑦 − 𝑧 ] = [ 2𝑥 ] + [−𝑦] + [−𝑧] = 𝑥 [ ] + 𝑦 [ ] + 𝑧 [ 1 ]
𝑧 0 1
2 −1 −1
𝑧 −𝑥 𝑦 2𝑧
−𝑥 + 𝑦 + 2𝑧 −1 1 2
𝑥 𝑥 0 1 0 1 1 0 −1 0
0 0 0
𝑇 [𝑦] = 𝑇 [0] + 𝑇 [𝑦] + 𝑇 [0] = 𝑥𝑇 [0] + 𝑦𝑇 [1] + 𝑧𝑇 [0] ∴ 𝑇 [0] = [ ] , 𝑇 [1] = [ ] , 𝑇 [0] = [ 1 ]
0 1
2 −1 −1
𝑧 0 0 𝑧 0 0 1 0 0 1
−1 1 2
1 −1 0 1 −1 0 𝑥 𝑥−𝑦
𝑦+𝑧
Así 𝐴𝑠í 𝐴 𝑇 = [ 0 1 1] ∴ 𝐶𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑛𝑑𝑜 𝑞𝑢𝑒 𝐴 𝑇 = [ 0 1 1 ] [𝑦] = [ 2𝑥 − 𝑦 − 𝑧 ]
2 −1 −1 2 −1 −1
𝑧
−1 1 2 −1 1 2 −𝑥 + 𝑦 + 2𝑧

Instituto Tecnológico de Tepic

240 TEMA 5. Transformaciones Lineales

Ejemplo 11 Matriz de una transformación

𝟏 𝟎 𝟎
𝟐 −𝟏 𝟓
Sea T una transformación lineal de R3 en R2 y suponga que 𝑻 [𝟎] = [ ] , 𝑻 [𝟏] = [ ] 𝒚 𝑻 [𝟎] = [ ]. Calcular
𝟑 𝟒 −𝟑
𝟎 𝟎 𝟏
𝟑
𝑻 [−𝟒]-
𝟓

3 1 0 0
𝑆𝑒 𝑡𝑖𝑒𝑛𝑒 [−4] = 3 [0] − 4 [1] + 5 [0] 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
5 0 0 1

3 1 0 0
𝑇 [−4] = 3𝑇 [0] − 4𝑇 [1] + 5𝑇 [0] 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜
5 0 0 1

3
2 −1 5 6 4 25 35
𝑇 [−4] = 3 [ ] − 4 [ ] + 5 [ ] = [ ] + [ ]+[ ]=[ ]
3 4 −3 9 −16 −15 −22
5

𝟑
𝟑𝟓
𝑻 [−𝟒] = [ ]
−𝟐𝟐
𝟓

Ejemplo 12 Matriz de una transformación

𝒙
𝟓
Encuentre una transformación lineal de R2 en el plano 𝑾 = {[𝒚] : 𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟎}, calcular 𝑻 [ ].
𝒛 −𝟕

𝑦 = 2𝑥 + 3𝑧

𝑥 𝑥 𝑥 0 1 0
Entonces [𝑦] = [2𝑥 + 3𝑧] = [2𝑥 ] + [3𝑧] = 𝑥 [2] + 𝑧 [3]. Donde W es un subespacio de dos dimensiones con 𝑤1 =
𝑧 𝑧 0 𝑧 0 1
1 0
[2] 𝑦 𝑤2 = [3].
0 1

1 0 1
Usando la base estándar de R2 𝑣1 = [ ] 𝑦 𝑤2 = [ ], Se define la transformación lineal T por 𝑇[ ] =
0 1 0
1 0
0 5 1 0 5 1 0
[2] 𝑦 𝑇 [ ] = [3] entonces [ ] = 5 [ ] − 7 [ ] por lo tanto 𝑇 [ ] = 5𝑇 [ ] − 7𝑇 [ ]
1 −7 0 1 −7 0 1
0 1

1 0 5 0 5 𝟓
5 𝟓
𝑇 [ ] = 5 [2] − 7 [3] = [10] − [21] = [−11] ∴ 𝑻[ ] = [−𝟏𝟏]
−7 −𝟕
0 1 0 7 −7 −𝟕

5.3 Ejercicios
I. Ejercicios propuestos para resolver en el Aula.
Resolver las transformaciones lineales dadas.

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
241

𝟐𝒙 − 𝟑𝒚
𝒙
𝟒𝒚 − 𝒛
𝟏. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟑 → 𝑹𝟒 𝒑𝒐𝒓 𝑻 [𝒚] = [ ] . 𝑬𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻
𝟓𝒙 − 𝟑𝒚 − 𝒛
𝒛
𝟔𝒙 + 𝒚 + 𝟐𝒛

𝒙 𝟐𝒙 − 𝒚 + 𝟑𝒛
𝟐. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟑 → 𝑹𝟑 𝒑𝒐𝒓 𝑻 [𝒚] = [ 𝟒𝒙 − 𝟐𝒚 + 𝟔𝒛 ] . 𝑬𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻
𝒛 −𝟔𝒙 + 𝟑𝒚 − 𝟗𝒛

Instituto Tecnológico de Tepic

242 TEMA 5. Transformaciones Lineales

𝟑. 𝑺𝒆𝒂 𝑻 𝒖𝒏𝒂 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒂𝒄𝒊ó𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝑹𝟑 𝒆𝒏 𝑹𝟐 𝒚 𝒔𝒖𝒑𝒐𝒏𝒈𝒂 𝒒𝒖𝒆:

𝟏 𝟎 𝟎 𝟓
−𝟐 −𝟒 𝟔
𝑻 = [𝟎] = [ ] , 𝑻 = [𝟏] = [ ] 𝒚 𝑻 = [𝟎] = [ ] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝑻 [−𝟒]
𝟓 𝟑 −𝟑
𝟎 𝟎 𝟏 −𝟐

𝟒. 𝑺𝒆𝒂 𝑻 𝒖𝒏𝒂 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒂𝒄𝒊ó𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝑹𝟑 𝒆𝒏 𝑹𝟐 𝒚 𝒔𝒖𝒑𝒐𝒏𝒈𝒂 𝒒𝒖𝒆:

𝟏 𝟎 𝟎 −𝟓
𝟑 𝟓 −𝟐
𝑻 = [𝟎] = [ ] , 𝑻 = [𝟏] = [ ] 𝒚 𝑻 = [𝟎] = [ ] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝑻 [ 𝟐 ]
−𝟐 𝟏 𝟐
𝟎 𝟎 𝟏 𝟒

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
243

𝟏 𝟎 𝟎
−𝟐 𝟑 𝟐
𝟎 𝟏
5. Sea T una transformación lineal de R en R y suponga que 𝑻 [ ] = [ 𝟏 ] , 𝑻 [ ] = [ 𝟐 ] , 𝑻 [𝟎] = [−𝟓]
4 3
𝟎 𝟎 𝟏
𝟒 −𝟒 𝟔
𝟎 𝟎 𝟎
𝟎 𝟕
−𝟏 −𝟔
𝒚 𝑻 [𝟎] = [−𝟑] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ ]
𝟏 𝟖
𝟕
𝟎 𝟗

𝒙
−𝟑
𝟔. 𝑫𝒂𝒅𝒐 𝑽 = {[𝒚] : 𝟑𝒙 − 𝟒𝒚 + 𝟓𝒛 = 𝟎} . 𝑪𝒂𝒍𝒄𝒖𝒍𝒂𝒓 𝑻 [ ]
𝒛 −𝟕

Instituto Tecnológico de Tepic

244 TEMA 5. Transformaciones Lineales

𝒘
𝟑 𝒙 ] : −𝟑𝒘 + 𝟓𝒙 − 𝒚 − 𝟒𝒛 = 𝟎} ,
.𝟕. 𝑬𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝒖𝒏𝒂 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒂𝒄𝒊ó𝒏 𝒍𝒊𝒏𝒆𝒂𝒍 𝒅𝒆 𝑹 𝒆𝒏 𝒆𝒍 𝒑𝒍𝒂𝒏𝒐 𝑾 = {[ 𝒚
𝒛
𝟕
𝒄𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [−𝟒]
𝟏

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
245

II. Ejercicios propuestos para resolver en extra clase.

−𝟐𝒚 + 𝟑𝒛
𝒙
−𝟒𝒙 + 𝒚
8. Defina 𝑻: 𝑹𝟑 → 𝑹𝟒 por 𝑻 [𝒚] = [ ]. Encuentre AT.
−𝒙 + 𝟓𝒚 + 𝟑𝒛
𝒛
−𝒙 + 𝟐𝒚 − 𝟔𝒛
𝟓𝒙 + 𝒚
𝒙
−𝟑𝒙 − 𝒚 + 𝒛
9. Defina 𝑻: 𝑹𝟑 → 𝑹𝟒 por 𝑻 [𝒚] = [ ]. Encuentre 𝑨𝑻 .
𝟐𝒙 − 𝒛
𝒛
−𝟕𝒙 + 𝟓𝒚 − 𝟐𝒛
−𝟐𝒙 + 𝒛
𝒙
𝟑 𝟒 𝒙 + 𝒚 − 𝟑𝒛
10. Defina 𝑻: 𝑹 → 𝑹 por 𝑻 [𝒚] = [ ]. Encuentre 𝑨𝑻 .
𝟑𝒙 − 𝟔𝒛
𝒛
−𝟐𝒙 − 𝟒𝒚 + 𝒛
𝟓𝒙 + 𝒚
𝒙
𝟑 𝟒 −𝟑𝒙 − 𝒚 + 𝒛
11. Defina 𝑻: 𝑹 → 𝑹 por 𝑻 [𝒚] = [ ]. Encuentre 𝑨𝑻 .
𝟐𝒙 − 𝒛
𝒛
−𝟕𝒙 + 𝟓𝒚 − 𝟐𝒛
𝒙 𝟐𝒙 − 𝒚 − 𝟑𝒛
12. Defina 𝑻: 𝑹𝟑 → 𝑹𝟒 por 𝑻 [𝒚] = [ 𝟒𝒙 − 𝟐𝒚 + 𝟔𝒛 ]. Encuentre 𝑨𝑻 .
𝒛 −𝟔𝒙 + 𝟑𝒚 − 𝟗𝒛

𝟏 𝟎 𝟎
𝟑 𝟐 𝟔
13. Sea T una transformación lineal de R3 en R2 y suponga que 𝑻 [𝟎] = [ ] , 𝑻 [𝟏] = [ ] 𝒚 𝑻 [𝟎] = [ ].
−𝟓 −𝟏 𝟑
𝟎 𝟎 𝟏
−𝟏
𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [−𝟑].
𝟐

𝟏 𝟎 𝟎
−𝟑 𝟑 𝟓
14. Sea T una transformación lineal de R3 en R2 y suponga que 𝑻 [𝟎] = [ ], 𝑻 [𝟏] = [ ] y 𝑻 [𝟎] = [ ]. Calcule
−𝟒 −𝟏 𝟐
𝟎 𝟎 𝟏
−𝟑
𝑻 [−𝟔].
𝟒

𝟏 𝟎 𝟎
−𝟑 𝟒
15. Sea T una transformación lineal de R3 en R2 y suponga que 𝑻 [𝟎] = [ ] , 𝑻 [𝟏] = [ ] 𝒚 𝑻 [𝟎] =
𝟒 −𝟒
𝟎 𝟎 𝟏
−𝟐
𝟓
[ ] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ 𝟑 ].
−𝟑
−𝟏

𝟏 𝟎 𝟎
𝟎 𝟏 𝟏 𝟒 −𝟏
16. Sea T una transformación lineal de R en R y suponga que 𝑻 [ ] = [−𝟐] , 𝑻 [ ] = [−𝟐] , 𝑻 [𝟎] = [−𝟓]
4 3
𝟎 𝟎 𝟏
𝟔 −𝟑 𝟕
𝟎 𝟎 𝟎

Instituto Tecnológico de Tepic

246 TEMA 5. Transformaciones Lineales

𝟎 𝟑
𝟐 𝟐
𝟎
𝒚 𝑻 [ ] = [−𝟓] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ ].
𝟎 −𝟕
𝟏 𝟔
𝟏
𝟏 𝟎 𝟎
−𝟐 𝟑 𝟐
𝟎 𝟏
17. Sea T una transformación lineal de R en R y suponga que 𝑻 [ ] = [ 𝟏 ] , 𝑻 [ ] = [ 𝟐 ] , 𝑻 [𝟎] = [−𝟓]
4 3
𝟎 𝟎 𝟏
𝟒 −𝟒 𝟔
𝟎 𝟎 𝟎
𝟎 𝟕
−𝟏 −𝟔
𝟎
𝒚 𝑻 [ ] = [−𝟑] . 𝑪𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ ].
𝟎 𝟖
𝟕
𝟏 𝟗
𝒙
𝟒
18. Encuentre una transformación lineal de R 2 en el plano 𝑾 = {[𝒚] : 𝟔𝒙 − 𝟐𝒚 + 𝟒𝒛 = 𝟎}, calcular 𝑻 [ ].
𝒛 𝟔
𝒙
−𝟓
19. Encuentre una transformación lineal de R 2 en el plano 𝑾 = {[𝒚] : 𝟑𝒙 − 𝟓𝒚 + 𝟐𝒛 = 𝟎} , 𝒄𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ ].
𝒛 𝟒
𝒙
−𝟒
20. Encuentre una transformación lineal de R 2 en el plano 𝑾 = {[𝒚] : 𝟓𝒙 − 𝟐𝒚 + 𝟕𝒛 = 𝟎} , 𝒄𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [ ].
𝒛 −𝟓
𝒘
3
21. Encuentre una transformación lineal de R en el plano 𝑾 = {[ 𝒚 𝒙 ] : 𝟒𝒘 − 𝟑𝒙 − 𝟓𝒚 + 𝟔𝒛 = 𝟎} ,

𝒛
𝟓
𝒄𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [−𝟐].
−𝟏
𝒘
3
22. Encuentre una transformación lineal de R en el plano 𝑾 = {[ 𝒚 𝒙 ] : −𝟑𝒘 + 𝟓𝒙 − 𝒚 − 𝟒𝒛 = 𝟎} ,

𝒛
𝟕
𝒄𝒂𝒍𝒄𝒖𝒍𝒆 𝑻 [−𝟒].
𝟏

Álgebra de las transformaciones lineales.

En todos los ejemplos anteriores se ha obtenido la matriz 𝑇(𝑥) = 𝐴 𝑇 𝑥, usando la base estándar en cada espacio
vectorial. En esta sección trabajaremos con bases no estándar en 𝑅𝑛 para calcula la matriz 𝐴 𝑇 . de [1]

Ejemplo 13 Algebra de transformaciones

𝒙 𝒙+𝒚 𝟏 −𝟑
Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 𝒑𝒐𝒓 𝑻 [𝒚] = [𝒙 − 𝒚]. Usando 𝑩𝟏 , 𝑩𝟐 = {[ ], [ ]} encuentre AT.
−𝟏 𝟐

1 1−1 0 −3 −3 + 2 −1
𝑇[ ] = [ ]=[ ] 𝑦 𝑇[ ]=[ ]=[ ]
−1 1+1 2 2 −3 − 2 −5

1 −3 0 1 −3 −1
𝑐1 [ ] + 𝑐2 [ ] = [ ] 𝑦 𝑐1 [ ] + 𝑐2 [ ] = [ ]
−1 2 2 −1 2 −5
𝑐1 − 3𝑐2 = 0 𝑐1 − 3𝑐2 = −1
−𝑐1 + 2𝑐2 = 2 −𝑐1 + 2𝑐2 = −5

Se resuelven los sistemas

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
247

1 −3 0 −1 𝑅1+𝑅2→𝑅2 1 −3 0 −1 −𝑅2→𝑅2 1 −3 0 −1 3𝑅2+𝑅1→𝑅1 1 0 −6 17

( | )→ ( | )→ ( | )→ ( | )
−1 2 2 −5 0 −1 2 −6 0 1 −2 6 0 1 −2 6

−𝟔 𝟏𝟕
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑨𝑻 = [ ]
−𝟐 𝟔

Ejemplo 14 Algebra de transformaciones

𝒙 𝟐𝒙 − 𝒚 + 𝒛 −𝟐 𝟒 𝟐
Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 𝒑𝒐𝒓 𝑻 [𝒚] = [𝟑𝒙 + 𝟐𝒚 + 𝟓𝒛]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[ 𝟑 ], [𝟏] 𝒚 [−𝟐]} encuentre AT.
𝒛 𝒙 − 𝟑𝒚 + 𝒛 𝟏 𝟔 𝟓

−2 2(−2) − 3 + 1 −6 4 2(4) − 4 + 6 13
𝑇 [ 3 ] = [3(−2) + 2(3) + 5(1)] = [ 5 ] 𝑇 [1] = [3(4) + 2(1) + 5(6)] = [44]
1 −2 − 3(3) + 1 −10 6 4 − 3(1) + 6 7

2 2(2) − (−2) + 5 11
𝑇 [−2] = [3(2) + 2(−2) + 5(5)] = [27]
5 2 − 3(−2) + 5 13

−2 4 2 −6 −2𝑐1 + 4𝑐2 + 2𝑐3 = −6

𝑐1 [ 3 ] + 𝑐2 [1] + 𝑐3 [−2] = [ 5 ] 3𝑐1 + 𝑐2 − 2𝑐3 = 5
1 6 5 −10 𝑐1 + 6𝑐2 + 5𝑐3 = −10

−2 4 2 13 −2𝑐1 + 4𝑐2 + 2𝑐3 = 13

𝑐1 [ 3 ] + 𝑐2 [1] + 𝑐3 [−2] = [44] 3𝑐1 + 𝑐2 − 2𝑐3 = 44
1 6 5 7 𝑐1 + 6𝑐2 + 5𝑐3 = 7

−2 4 2 11 −2𝑐1 + 4𝑐2 + 2𝑐3 = 11

𝑐1 [ 3 ] + 𝑐2 [1] + 𝑐3 [−2] = [27] 3𝑐1 + 𝑐2 − 2𝑐3 = 27
1 6 5 13 𝑐1 + 6𝑐2 + 5𝑐3 = 13

−2 4 2 −6 13 11 −2𝑐1 + 4𝑐2 + 2𝑐3 = −6, 13, 11

𝑐1 [ 3 ] + 𝑐2 [1] + 𝑐3 [−2] = [ 5 ], [44], [27] 3𝑐1 + 𝑐2 − 2𝑐3 = 5, 44, 27
1 6 5 −10 7 13 𝑐1 + 6𝑐2 + 5𝑐3 = −10, 7, 13

−2 4 2 −6 13 11 −1𝑅1→𝑅1 1 −2 −1 3 −13
2
−11
2
−3𝑅1+𝑅2→𝑅2
2 −𝑅1+𝑅3→𝑅3
(3 1 −2| 5 44 27) → (3 1 −2| 5 44 27 →)
1 6 5 −10 7 13 1 6 5 −10 7 13

1 −2 −1 3 −13
2
−11
2
1
𝑅2→𝑅2 1 −2 −1 3 −13
2
−11
2 2𝑅2+𝑅1→𝑅1
127 87 7 1 4 −8𝑅2+𝑅3→𝑅3
(0 7 1 | −4 2 2
)→ (0 1 7 | −7
127
14
87
14
)→
0 8 6 −13 27
2
37
2
0 8 6 −13 27 37
2 2
5
𝑅3+𝑅1→𝑅1
13 163 97 13 163 97 7
1 0 −57 7 14 14 7
𝑅3→𝑅3 1 0 −57 7 14 14 1
− 𝑅3+𝑅2→𝑅2
34 7
(0 1 1
7
| −47 127
14
87
14 )→ (0 1 1 |−
7
4
7
127
14
87
14 )→
59
0 0 34
7 −7
59
−827
14
−437
14
0 0 1 −34 −827
68
−437
68

Instituto Tecnológico de Tepic

248 TEMA 5. Transformaciones Lineales

𝟐𝟏 𝟐𝟎𝟏 𝟏𝟓𝟗
21 201 159
1 0 0 34 68 68 𝟑𝟒 𝟔𝟖 𝟔𝟖
11 735 485 𝟏𝟏 𝟕𝟑𝟓 𝟒𝟖𝟓
(0 1 0|−34 68 68 ) ∴ 𝑨𝑻 = −𝟑𝟒 𝟔𝟖 𝟔𝟖
0 0 1 −59 −827 −437 𝟓𝟗 𝟖𝟐𝟕 𝟒𝟑𝟕
34 68 68 [−𝟑𝟒 − 𝟔𝟖 − 𝟔𝟖 ]

5.4 Ejercicios

I. Ejercicios propuestos para resolver en el Aula.

Resolver el siguiente problema.
𝒙 𝟓𝒙 − 𝟐𝒚 𝟐 −𝟏
𝟏. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟐 → 𝑹𝟐 𝒑𝒐𝒓 𝑻 [𝒚] = [ ] . 𝑼𝒔𝒂𝒏𝒅𝒐 𝑩𝟏 , 𝑩𝟐 = {[ ], [ ]} , 𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻 .
−𝟑𝒙 − 𝟒𝒚 −𝟑 𝟓

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
249

𝒙 𝟐𝒙 − 𝟑𝒚 𝟓 𝟔
𝟐. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟐 → 𝑹𝟐 𝒑𝒐𝒓 𝑻 [𝒚] = [ ] . 𝑼𝒔𝒂𝒏𝒅𝒐 𝑩𝟏 , 𝑩𝟐 = {[ ], [ ]} , 𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻 .
𝟒𝒙 + 𝒚 −𝟏 𝟒

Instituto Tecnológico de Tepic

250 TEMA 5. Transformaciones Lineales

𝒙 𝒙 − 𝟐𝒚 + 𝟑𝒛 −𝟒 𝟐 𝟑
𝟑. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟑 → 𝑹𝟑 𝒑𝒐𝒓 𝑻 [𝒚] = [𝟓𝒙 + 𝟐𝒚 − 𝟑𝒛] . 𝑼𝒔𝒂𝒏𝒅𝒐 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[ 𝟐 ], [𝟑] 𝒚 [−𝟒]} ,
𝒛 𝟑𝒙 − 𝟓𝒚 + 𝒛 𝟐 𝟏 𝟐
𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻 .

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
251

𝒙 𝟐𝒙 − 𝟑𝒚 + 𝒛 𝟐 𝟏 −𝟏
𝟒. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟑 → 𝑹𝟑 𝒑𝒐𝒓 𝑻 [𝒚] = [ 𝒙 − 𝟐𝒚 + 𝟓𝒛 ] . 𝑼𝒔𝒂𝒏𝒅𝒐 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟑], [−𝟒] 𝒚 [−𝟐]} ,
𝒛 −𝒙 − 𝟒𝒚 + 𝟑𝒛 𝟏 𝟑 𝟏
𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻 .

Instituto Tecnológico de Tepic

252 TEMA 5. Transformaciones Lineales

𝒙 𝟑𝒙 − 𝒚 + 𝟐𝒛 𝟏 𝟑 −𝟏
𝟓. 𝑫𝒆𝒇𝒊𝒏𝒂 𝑻: 𝑹𝟑 → 𝑹𝟑 𝒑𝒐𝒓 𝑻 [𝒚] = [𝒙 − 𝟑𝒚 + 𝟓𝒛] . 𝑼𝒔𝒂𝒏𝒅𝒐 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟐], [−𝟒] 𝒚 [−𝟑]} ,
𝒛 𝟐𝒙 − 𝟒𝒚 + 𝒛 𝟐 𝟏 𝟑
𝒆𝒏𝒄𝒖𝒆𝒏𝒕𝒓𝒆 𝑨𝑻 .

Instituto Tecnológico de Tepic

 5.3 Matriz de una transformación lineal
253

II. Ejercicios propuestos para resolver en extra clase.

𝒙 −𝟑𝒙 + 𝟐𝒚 𝟒 𝟑
6. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre 𝑨𝑻 .
𝟕𝒙 − 𝟑𝒚 −𝟐 𝟓
𝒙 −𝟑𝒙 + 𝟒𝒚 −𝟑 −𝟐
7. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre AT.
−𝟓𝒙 − 𝒚 −𝟒 𝟐

𝒙 𝟏𝟐𝒙 + 𝟏𝟎𝒚 𝟏 𝟐
8. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre AT.
−𝟏𝟓𝒙 − 𝟏𝟑𝒚 −𝟏 −𝟑

𝒙 𝒙 − 𝟐𝒚 𝟏 𝟑
9. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre AT.
𝟐𝒙 + 𝒚 −𝟐 𝟐

𝒙 𝟒𝒙 − 𝒚 −𝟏 𝟒
10. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre AT.
𝟑𝒙 + 𝟐𝒚 𝟏 𝟑

𝒙 −𝟒𝒙 + 𝟓𝒚 𝟑 𝟔
11. Defina 𝑻: 𝑹𝟐 → 𝑹𝟐 por 𝑻 [𝒚] = [ ]. Usando 𝑩𝟏 = 𝑩𝟐 = {[ ], [ ]} encuentre AT.
𝟑𝒙 − 𝟕𝒚 𝟓 𝟒

𝒙 𝟒𝒙 − 𝒚 + 𝟐𝒛 𝟐 𝟏 −𝟏
12. Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 por 𝑻 [𝒚] = [𝟐𝒙 − 𝟑𝒚 + 𝟒𝒛]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟑], [−𝟑] 𝒚 [ 𝟏 ]}, encuentre
𝒛 𝟑𝒙 − 𝒚 + 𝟔𝒛 𝟏 𝟒 𝟒
AT.

𝒙 𝟐𝒙 − 𝟒𝒚 + 𝒛 𝟑 𝟒 𝟏
𝟐 𝟐
13. Defina 𝑻: 𝑹 → 𝑹 por 𝑻 [ ] = [ − 𝟐𝒚 + 𝟒𝒛]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟐 = {[−𝟏], [−𝟑] 𝒚 [−𝟒]} encuentre
𝒚 𝟑𝒙
𝒛 𝒙 − 𝟔𝒚 + 𝟑𝒛 𝟐 𝟏 −𝟏
AT.

𝒙 −𝒙 + 𝟐𝒚 + 𝒛 −𝟒 𝟑 −𝟑
14. Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 por 𝑻 [𝒚] = [𝟐𝒙 + 𝟑𝒚 − 𝟒𝒛]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟐], [−𝟐] 𝒚 [−𝟏]} encuentre
𝒛 𝟒𝒙 − 𝟓𝒚 + 𝒛 𝟏 𝟐 𝟒
AT.

𝒙 𝒙 − 𝒚 + 𝟐𝒛 𝟏 𝟎 𝟎
15. Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 por 𝑻 [𝒚] = [𝟑𝒙 + 𝒚 + 𝟒𝒛]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟏], [𝟐] 𝒚 [𝟐]} encuentre AT.
𝒛 𝟓𝒙 − 𝒚 + 𝟖𝒛 𝟎 𝟎 𝟓

𝒙 −𝒙 + 𝟐𝒚 + 𝒛 𝟏 𝟐 −𝟏
16. Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 por 𝑻 [𝒚] = [ 𝟐𝒙 − 𝟒𝒚 − 𝟐𝒛 ]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[𝟐], [−𝟒] 𝒚 [ 𝟑 ]} encuentre
𝒛 −𝟑𝒙 + 𝟔𝒚 + 𝟑𝒛 𝟏 𝟐 −𝟔
AT.

𝒙 𝟐𝒙 − 𝟒𝒚 − 𝒛 𝟐 𝟏 −𝟑
𝟑 𝟑
17. Defina 𝑻: 𝑹 → 𝑹 por 𝑻 [ ] = [ 𝟓𝒙 − 𝟑𝒚 + 𝒛 ]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[−𝟑], [𝟐] 𝒚 [ 𝟏 ]} encuentre
𝒚
𝒛 𝟔𝒙 − 𝟐𝒚 + 𝟒𝒛 𝟒 𝟏 𝟔
AT.

𝒙 −𝟑𝒙 + 𝟒𝒚 + 𝒛 −𝟐 𝟑 −𝟏
18. Defina 𝑻: 𝑹𝟑 → 𝑹𝟑 por 𝑻 [𝒚] = [ 𝟔𝒙 + 𝟐𝒚 − 𝒛 ]. Usando 𝑩𝟏 , 𝑩𝟐 , 𝑩𝟑 = {[ 𝟏 ], [−𝟐] 𝒚 [ 𝟒 ]} encuentre
𝒛 𝟒𝒙 + 𝟓𝒚 + 𝒛 𝟏 𝟏 −𝟓
AT.

Instituto Tecnológico de Tepic

254 TEMA 5. Transformaciones Lineales

5.4 Aplicaciones de las transformaciones lineales: Reflexión, dilatación, contracción y rotación.

Las funciones aparecen en casi todas las aplicaciones de matemáticas. En este subtema daremos una breve
introducción a ciertas transformaciones de 𝑅𝑛 𝑎 𝑅𝑚 desde un punto de vista geométrico. Ya que se desea
representar estas funciones, denominadas transformaciones matriciales, la mayor parte de nuestro análisis se
limitará a la situación en que m y n tienen los valores 2 o 3.

Las transformaciones lineales desempeñan un papel muy importante en muchas áreas de matemáticas, así como en
numerosos problemas de aplicación en ciencias físicas, ciencias sociales y economía.

Si A es una matriz de 𝑚 𝑥 𝑛 y u es un n-vector, el producto Au es un m-vector. Una función f que transforma 𝑅𝑛 𝑒𝑛 𝑅𝑚

se denota mediante 𝑓: 𝑅𝑛 → 𝑅𝑚 . Una transformación matricial es una función 𝑓: 𝑅𝑛 → 𝑅𝑚 , definida por 𝒇(𝒖) =
𝑨𝒖. El vector 𝒇(𝒖) en 𝑅𝑚 se denomina imagen de u, y el conjunto de todas las imágenes de los vectores 𝑅𝑛 se
denomina rango de f. de [4]

Reflexión

El efecto de la transformación matricial f, denominada reflexión respecto del eje x en 𝑹𝟐 , como se muestra en la
siguiente figura.

y
( x, y)

f( u )

T ( x, y) = (x, -y)

El vector (x, -y) es la reflixión respecto al

eje del vector (x, y)

𝑥 𝑥
Reflexión respecto al eje x: Sea 𝑇: 𝑅2 → 𝑅2 definida por 𝑇 [𝑦] = [−𝑦]. Geométricamente, T toma un vector en 𝑅2 y
lo refleja respecto al eje x. Una vez que se ha dado la definición básica, se verá que T es una transformación lineal de
𝑅2 en 𝑅2 .

Cuando la reflexión se hace sobre uno de los planos ortogonales (𝑥 = 0, 𝑜 𝑦 = 0, 𝑜 𝑏𝑖𝑒𝑛 𝑧 = 0) la matriz de
transformación es sencilla, pues es similar a la matriz identidad.

Dilatación contracción

Sea 𝑓: 𝑅3 → 𝑅3 la matriz definida por

𝑟 0 0
𝑓(𝑢) = [0 𝑟 0] 𝑢,
0 0 𝑟

Instituto Tecnológico de Tepic

 5.4 Aplicaciones de las transformaciones lineales
255

donde r es un número real. Es fácil ver que 𝒇(𝒖) = 𝒓𝒖. Si 𝑟 > 1, f se denomina dilatación; si 0 < 𝑟 < 1, f se conoce
𝟏
como contracción. En la figura a) se muestra el vector 𝒇𝟏 (𝒖) = 𝟐𝒖, y en la figura b) el vector 𝒇𝟐 (𝒖) = 𝒖. Como
𝟐
puede verse, la dilatación estira el vector y una contracción lo comprime. De manera similar, podemos definir la
transformación matricial 𝑔: 𝑅2 → 𝑅2 por de [4]

𝑟 0
𝑔(𝑢) = [ ] 𝑢.
0 𝑟

También tenemos que 𝒈(𝒖) = 𝒓𝒖, así que, una vez más, Si 𝑟 > 1, g se denomina dilatación; si 0 < 𝑟 < 1, f se llama
contracción.

z z

f1( u ) = 2u
u

f2( u ) = 1/2u
0 y 0 y

x a) Dilatación r > 1 x b) Contración 0 < r < 1

Transformación de rotación
𝑥
Suponga que el vector 𝑣 = [𝑦] en el plano xy se rota un ángulo θ (medido en grados o radianes) en sentido contrario
𝑥′
al de las manecillas del reloj. Llame a este nuevo vector rotado 𝑣′ = [ ]. Entonces, como se ve en la figura siguiente
𝑦′
si r denota la longitud de v (que no cambia por rotación). de [4]

𝒙 = 𝒓𝒄𝒐𝒔𝜶 𝒚 = 𝒓𝒄𝒐𝒔𝜶
′
𝒙 = 𝒓𝒄𝒐𝒔(𝜽 + 𝜶) 𝒚′ = 𝒓𝒔𝒆𝒏(𝜽 + 𝜶)
Y

( -x, y)

+ ( x, y)
r

 r
p- -

X
0

( -x, y) se obtiene rotando ( x, y) un ángulo 

Instituto Tecnológico de Tepic

256 TEMA 5. Transformaciones Lineales

Otro tipo común de transformación en el plano de la rotación o giro en torno a cualquier punto en el plano. Nos
interesan principalmente las rotaciones en torno al origen. Rotación en el plano: La transformación 𝑇: 𝑅2 → 𝑅2 se
define por

𝑥 cos 𝜃 − sen 𝜃 𝑥
𝑅𝜃 = [𝑦] = [ ][ ]
sen 𝜃 cos 𝜃 𝑦

y hace girar cada vector 𝜃 rad en sentido contrario al de las manecillas del reloj en torno al origen.
𝜋
Por ejemplo, calcularemos la imagen de (1, 1) para 𝜃 = .
2

𝜋 𝜋
cos − sen
1 2 2 1 0 −1 1 −1
𝑅𝜋 = [ ] = [ 𝜋 𝜋 ] [1] = [1 ][ ] = [ ]
2 1 sen cos 0 1 1
2 2

( -1, 1 ) ( 1, 1 )
1

90

X
-1 1

Rotación en torno al origen

Instituto Tecnológico de Tepic

 Respuestas a ejercicios impares
257

Respuesta a ejercicios propuestos para resolver en extra clase

Tema 1
Ejercicios 1.1 (página 7) 𝑧1 𝑧2 √13
9. = 𝑐𝑖𝑠[−0.1872𝜋]
𝑧3 2
13. − 5 + 2√6 15. 9√3𝑖 𝑧1 𝑧3 4
11. = 𝑐𝑖𝑠[0.6872𝜋]
𝑧2 √13
17. − 22 − 2√5𝑖 19. − 8 21. − 17
𝑧1 𝑧2 5√10
Ejercicios 1.2 (página 15) 13. = 𝑐𝑖𝑠[0.6976𝜋]
𝑧3 4
15. 𝑧 = −8 − 9𝑖 17. 𝑧 = 2 − 𝑖 𝑧1 𝑧3
15. = 4√10𝑐𝑖𝑠[0.1024𝜋]
𝑧2
19. 0 21. 𝑧 = −43 + 23𝑖

1 13 Ejercicios 1.6 (página 30)

23. 𝑧 = −3 25. 𝑧 = − + 𝑖
10 10
1 √3 √6 √6
27. 𝑧 = 5 + 9𝑖 29. 𝑧 = 9 − 2𝑖 5. 𝑧 = + 𝑖 7. 𝑧 = − 𝑖
4 4 2 2
31. 𝑧 = −4 − 2𝑖 33. 𝑧 = 5𝑖 9. 𝑧 = 0.2615 + 2.9886𝑖

35. 𝑥 = 8 𝑦 𝑦 = 1 37. 𝑧 = 17 + 5𝑖 11. 𝑧 = 1.3660 − 0.3660𝑖

39. 𝑧 = 3 + 5𝑖 41. 𝑧 = 1 − 2𝑖 3 3√3

13. 𝑧 = − − 𝑖
43. 𝑧 = 1 − 𝑖 2 2

15. 𝑧 = 1.736 − 9.848𝑖

Ejercicios 1.3 (página 18)
Ejercicios 1.7 (página 37)
9. 𝑧 = −𝑖 11. 𝑧 = 𝑖 13. − 1
𝜋
−𝑖2
15. 𝑧 = −1 17. 𝑧 = 𝑖 19. 𝑧 = −1 7. 𝑧 = 729𝑒

21. 𝑧 = −1 23. 𝑧 = 1 9. 𝑧 = 1296𝑒𝑖𝜋

𝜋
𝑖
Ejercicios 1.4 (página 23) 11. 𝑧 = 3𝑒 4

7. 𝑧 = √26𝑐𝑖𝑠0.9372𝜋 Ejercicios 1.8 (página 40)

2𝜋 ′
7. 𝑧 = 1 048,576 𝑐𝑖𝑠 ( 3 )
2𝜋
9. 𝑧 = √8𝑐𝑖𝑠
3
26 𝜋
11. 𝑧 = √7𝑐𝑖𝑠(−0.2272𝜋) 9. 𝑧 = (2√2) 𝑐𝑖𝑠 (−2)

2𝜋 1
13. 𝑧 = 𝑧 = √8𝑐𝑖𝑠 11. 𝑧 = 𝑐𝑖𝑠 (𝜋)
3 32
𝜋 𝜋
15. 𝑧 = 5𝑐𝑖𝑠(0) 17. 4𝑐𝑖𝑠 13. 𝑧 = 6√6 𝑐𝑖𝑠 (− )
3 2

Ejercicios 1.5 (página 27) 3 8𝜋

15. 𝑧 = 2 √4 𝑐𝑖𝑠 (− )
9
𝑧1 5
7. = √ 𝑐𝑖𝑠[0.5396𝜋]
𝑧2 13

Instituto Tecnológico de Tepic

258 Respuestas a ejercicios impares

Ejercicios 1.9 (página 47) 𝑧0 = 1 + 0𝑖

√2 √2
𝑧1 = + 𝑖
𝑧0 = 1.0204 + 1.2160𝑖 2 2
𝑧2 = 0 + 𝑖
5. 𝑧1 = −1.5633 + 0.2756𝑖
√2 √2
𝑧2 = 0.5429 − 1.4917𝑖 𝑧3 = − + 𝑖
𝟓. 2 2
𝑧4 = −1 + 0𝑖
𝑧0 = 1.6504 − 1.3848𝑖
√2 √2
7. 𝑧1 = 0.3741 + 2.1217𝑖 𝑧5 = −
2
−
2
𝑖
𝑧2 = −2.0245 − 0.7369𝑖 𝑧6 = 0 − 𝑖
√2 √2
𝑧0 = 1.0299 − 0.5946𝑖 𝑧7 = − 𝑖
2 2
𝑧 = 0.5946 + 1.0299𝑖
9. 1
𝑧2 = −1.0299 + 0.5946𝑖 Ejercicios 1.11 (página 58)
𝑧3 = −0.5946 − 1.0299𝑖
1
𝑧0 = 1.5118 − 0.4051𝑖 13. 𝐶 = {3𝑖, 𝑖}
𝑧1 = 0.4051 + 1.5118𝑖 2
11.
𝑧2 = −1.5118 + 0.4051𝑖 15. 𝐶 = {3, − 3, 3𝑖, − 3𝑖}
𝑧3 = −0.4051 − 1.5118𝑖
17. 𝑥 3 − 4𝑥 2 − 14𝑥 − 20 = 0
𝑧0 = 1.3176 − 0.6713𝑖
𝑧1 = 1.0456 + 1.0456𝑖
19. 𝑥 4 − 15𝑥 3 + 90𝑥 2 − 230𝑥 + 204 = 0
13. 𝑧2 = −0.6713 + 1.3176𝑖
𝑧3 = −1.4606 − 0.2313𝑖
21. 𝑥 3 + 7𝑖𝑥 2 − 7𝑥 + 15𝑖 = 0
𝑧4 = −0.2313 − 1.4606𝑖

𝑧0 = 1.6347 − 0.1718𝑖 23. 𝐶 = {−3, 2 + 3𝑖, 2 − 3𝑖}

𝑧1 = 0.6685 + 1.5016𝑖
25. 𝐶 = {−1, − 3 + 𝑖, − 3 − 𝑖}
15. 𝑧2 = −1.2215 + 1.0999𝑖
𝑧3 = −1.4235 − 0.8219𝑖
4 2
𝑧4 = 0.3418 − 1.6078𝑖 27. 𝐶 = {− , , − 5𝑖, 5𝑖}
3 3
𝑧0 = 1.3526 − 0.1781𝑖
3 3 1 3 1
𝑧 = 0.1781 + 1.3526𝑖 29. 𝐶 = { , − √53, + √53}
17. 1 5 2 2 2 2
𝑧2 = −1.3526 + 0.1781𝑖
𝑧2 = −0.1781 − 1.3526𝑖 3 1 1
31. 𝐶 = { 𝑖, − 𝑖, 𝑖}
2 2 2
𝑧0 = 1.2454 + 0.5159𝑖
𝑧1 = 0.1760 + 1.3365𝑖 33. 𝐶 = {5𝑖, − 3𝑖, − 4𝑖}
𝑧 = −1.0694 + 0.8206𝑖
19. 2
𝑧3 = −1.2454 − 0.5159𝑖 35. 𝐶 = {−𝑖, − 𝑖}
𝑧4 = −0.1760 − 1.3365𝑖
𝑧5 = 1.0694 − 0.8206𝑖 36. 𝐶 = {−√2𝑖, 2 + 𝑖}

Ejercicios 1.10 (página 49) 37. Si es un factor de 𝑃(𝑥)

𝑧0 = 1 + 0𝑖 Tema 2
1 √3
𝑧1 = 𝑐 + 𝑖 Ejercicios 2.1 (página 73)
2 2
1 √3
𝑧2 = − + 𝑖 3 12 3 59 81 76
2 2
3.
𝑧3 = −1 + 0𝑖 13. ( 7 6 −8) 15. (−14 22 −41)
1 √3
11 15 25 59 64 87
𝑧4 = − − 𝑖
2 2
1 √3
𝑧5 = − 𝑖
2 2

Instituto Tecnológico de Tepic

 Respuestas a ejercicios impares
259

1 1 5
Ejercicios 2.3 (página 95)
6 2 6
13 29 15
17. 6 6 2 3 3 1
23 55 13
−26 52
9 2 19 11
( 6 6)
7. − 726 9. −13 78 156
1 1
19. 𝑥 = −2, 𝑦 = −2, 𝑧=1 [ 0 −6 12 ]

2 + 4𝑖 5𝑖 −4 + 4𝑖 −2 + 16𝑖
21. ( ) 23. ( ) 41
−654
25 53
−2 4 − 2𝑖 −4𝑖 −8𝑖 654 654
44 29 17
11. 327 327 327
13. 𝑁𝑜 𝑒𝑠 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑏𝑙𝑒
3+𝑖 67 7 41
25. 𝑆𝑖𝑛 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 27. (
−3 + 3𝑖
) [−654 −654 654]

4 + 4𝑖 −6𝑖 5 − 2𝑖 −4 − 4𝑖 7 1 9 19 62 9
29. ( ) 31. ( ) 19 19 19
−193 193
−193
−4𝑖 2 − 2𝑖 10 + 9𝑖 −4 + 4𝑖
3 14 12 39 46 12
15. −19 −19 −19 17. −193 193 193
5 2 1 7 33 17
[ 19 −19 19 ] [−193 193 193 ]
16 + 4𝑖 44 − 6𝑖
33. ( )
16 − 30𝑖 24 − 28𝑖 1 1 2
21
−21 21
30 + 26𝑖 28 + 5𝑖 19.
29 76 16
35. ( 13 + 𝑖 −39 − 13𝑖 ) 189 189 189
1 43 19
29 − 15𝑖 2 − 13𝑖 [ 189
−189 −189]
1 0 1 0
37. 𝐿𝑈 = [ ][ ]
−2 1 0 1 Ejercicios 2.4 (página 109)
1 0 0 3 0 1 𝑆𝑢𝑏𝑣𝑒𝑛𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑟 𝑎ñ𝑜 𝑒𝑛 €
39. 𝐿𝑈 = [ 2 1 0 ] [0 1 −1] 𝑀𝑎𝑖𝑒𝑟 2400
−1 1 1 0 0 2 𝐻𝑢𝑏𝑒𝑟 2016
𝑃𝑜̈ 𝑙𝑧𝑖 = 2316
1 0 0 2 0 0
𝐵𝑒𝑙𝑧𝑖𝑘 1500
41. 𝐿𝑈 = [0 1 0] [0 −3 1]
[𝐷𝑢𝑟𝑐ℎ𝑠𝑐ℎ𝑙𝑎𝑔] [2628]
5 −4 1 0 0 7 11.
𝐵𝑒𝑐𝑎𝑠 𝑝𝑜𝑟 𝑎ñ𝑜 𝑒𝑛 €
𝑀𝑎𝑖𝑒𝑟 5076
Ejercicios 2.2 (página 84) 𝐻𝑢𝑏𝑒𝑟 4536
𝑃𝑜̈ 𝑙𝑧𝑖 = 6768
7. 𝑅𝑎𝑛𝑔𝑜 = 3 9. 𝑅𝑎𝑛𝑔𝑜 = 3 𝐵𝑒𝑙𝑧𝑖𝑘 2256
[𝐷𝑢𝑟𝑐ℎ𝑠𝑐ℎ𝑙𝑎𝑔] [3564]
13 7 13 1 3
4 −3 −3 −8
16 16 𝐴𝑙𝑢𝑚𝑛𝑜 1 71.4
5 2 15 5 1
11. −1 3 3
13. −16 16 8 13. 𝐴𝑙𝑢𝑚𝑛𝑜 2 97.6
2 2 3 1 1 𝐴𝑙𝑢𝑚𝑛𝑜 3 98.4
[−1 3 3 ] [ −8 8 4 ] 𝐴𝑙𝑢𝑚𝑛𝑜 4 71.6
13 3 25 15. PARA CONSTRUIR TRES TIPOS DE CASAS DE CADA ESTILO SE
121
−242 242 REQUIERE
2 47 69
15. −121 242
−242 Estilo de casa Fierro Madera Vidrio Pintura Tejas
9 15 4
Moderno 18 69 42 24 300
[−121 121
−121] Colonial 24 60 33 24 1500
Mediterráneo 15 75 30 21 900
1 1 1 TOTAL 57 204 105 69 2700
6
−6 6
13 7 23
17. 222
−222 −222
17 25 13
[ 222 222
−222]

Instituto Tecnológico de Tepic

260 Respuestas a ejercicios impares

𝑃𝑅𝑂𝐷𝑈𝐶𝐶𝐼𝑂𝑁 𝐷𝐸 𝐺𝑅𝐴𝑁𝑂𝑆 𝐷𝑈𝑅𝐴𝑁𝑇𝐸 𝐷𝑂𝑆 𝐴Ñ𝑂𝑆 Ejercicios 3.3 (página 143)

𝑅𝐸𝐺𝐼𝑂𝑁𝐸𝑆 𝑇𝑅𝐼𝐺𝑂 𝐴𝑅𝑅𝑂𝑍 𝑀𝐴𝐼𝑍 𝐶𝐸𝐵𝐴𝐷𝐴
𝑎) Región A 8000 2050 600 600
Región B 2700 450 1000 400 9. 𝑥 = 9, 𝑦 = −6, 𝑧=1
Región C 3000 200 1100 1400
17.
𝑃𝑅𝑂𝐷𝑈𝐶𝐶𝐼𝑂𝑁 𝐸𝑆𝑇𝐼𝑀𝐴𝐷𝐴 𝑃𝐴𝑅𝐴 𝑇𝐸𝑅𝐶𝐸𝑅 𝐴Ñ𝑂 11. 𝑥 = 1, 𝑦 = 0, 𝑧=0
𝑅𝐸𝐺𝐼𝑂𝑁𝐸𝑆 𝑇𝑅𝐼𝐺𝑂 𝐴𝑅𝑅𝑂𝑍 𝑀𝐴𝐼𝑍 𝐶𝐸𝐵𝐴𝐷𝐴
𝑏) Región A 9000 6000 1200 6180 5 47 61
Región B 2100 1050 2100 300 13. 𝑥 = − , 𝑦= , 𝑧=
Región C 3000 300 1500 2400 8 4 8

15. 𝑥 = 2, 𝑦 = −3, 𝑧=1

20 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒 𝑡𝑖𝑝𝑜 𝐼
19. 20 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒 𝑡𝑖𝑝𝑜 𝐼𝐼
17. 𝑥 = −6, 𝑦 = 7, 𝑧 = 17
20 𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑡𝑒 𝑡𝑖𝑝𝑜 𝐼𝐼𝐼

21. Si hay compatibilidad; 200 h para producto 1, 100 19. 𝑥 = 0, 𝑦 = 0, 𝑧=0

h para producto 2 y 150 h para producto 3
Ejercicios 3.4 (página 152)
Tema 3 3 1
Ejercicios 3.1 (página 127) 7. 𝑥 = − 𝑧 + 4, 𝑦 = − 𝑧 + 6, 𝑧 = 𝑧
4 4

7. 𝑥 = 2, 𝑦 = 1, 𝑧 = −3 7 43 61
9. 𝑥 = , 𝑦=− , 𝑧=
51 51 51
7 32 20 9
9. 𝑥 = 𝑧+ , 𝑦= 𝑧− , 𝑧=𝑧
19 19 19 19 1
11. 𝑥 = −4, 𝑦 = 7, 𝑧 =
2
17 5
11. 𝑥 = 𝑧 + 10, 𝑦 = − 𝑧, 𝑧=𝑧
2 2 3 53 7 19
13. 𝑤 = , 𝑥= , 𝑦= , 𝑧=−
10 20 20 10
5 29 13
13. 𝑥 = − , 𝑦=− , 𝑧=−
4 4 2 15. 𝑥 = 2𝑖, 𝑦=2−𝑖 17. 𝑥 = −𝑖, 𝑦 = −5𝑖
15. 𝑥 = 1, 𝑦 = 0, 𝑧 = −1
Ejercicios 3.5 (página 162)
3 674 4102 5604
17. 𝑤 = − , 𝑥= , 𝑦=− , 𝑧=− 𝑆𝑜𝑐𝑖𝑜 1: $30,000
209 209 209 209
11. 𝑆𝑜𝑐𝑖𝑜 2: $40,000
90 69 118 𝑆𝑜𝑐𝑖𝑜 3: $42,500
19. 𝑥 = − , 𝑦=− , 𝑧=
43 43 43
𝑀𝑎𝑞𝑢𝑖𝑛𝑎 1: 1,800 𝑙𝑒𝑛𝑡𝑒𝑠
Ejercicios 3.2 (página 133) 13. 𝑀𝑎𝑞𝑢𝑖𝑛𝑎2: 2,400 𝑙𝑒𝑛𝑡𝑒𝑠
𝑀𝑎𝑞𝑢𝑖𝑛𝑎 3: 1,650 𝑙𝑒𝑛𝑡𝑒𝑠
7. 𝑥 = 3𝑦, 𝑦=𝑦
$10,000.00 en la inversión al 10%
27 27 15. $5,000.00 en la inversión al 12%
9. 𝑥 = − , 𝑦=− , 𝑧 = −5
2 4 $10,000.00 en la inversión al 16%

11. 𝑥 = 1, 𝑦 = 0, 𝑧=0 𝑀𝑖𝑛𝑎 𝐼: 200 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑖𝑛𝑒𝑟𝑎𝑙

17.
𝑀𝑖𝑛𝑎 𝐼𝐼: 100 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 𝑚𝑖𝑛𝑒𝑟𝑎𝑙
1 31 4 2 2 19
13. 𝑤 = 𝑧 + , 𝑥=− 𝑧+ , 𝑦= 𝑧+ , 𝑧=𝑧 60 𝑙𝑎𝑝𝑖𝑐𝑒𝑟𝑜𝑠
7 7 7 7 7 14 19.
200 𝑔𝑜𝑚𝑎𝑠
15. 𝑥 = 9, 𝑦 = −6, 𝑧=1
Tema 4
7 1
17. 𝑤 = 0, 𝑥 = −2, 𝑦= , 𝑧= Ejercicios 4.1 (página 168)
5 5
7. 𝑊 𝑛𝑜 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙

Instituto Tecnológico de Tepic

 Respuestas a ejercicios impares
261

𝟏
−𝟏𝟏𝟏 1
9. 𝑉 𝑠𝑖 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝟏𝟖
−6 −5
15. [𝒙]𝑺 = 𝟑𝟕
17. 𝑃𝐵1←𝐵2 = [ 2 ]
𝟏𝟔 9
7
11. 𝑆𝑖 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 [ ]
𝟏𝟏𝟏

13. 𝑁𝑜 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 11 27 15

149
−149 −149
18 10 11
Ejercicios 4.2 (página 175) 19. 𝑃𝐵1←𝐵2 = −149 −149 149
1 16 42
3 0 0 2 [−149 149 149 ]
0 4 3 −1
9. [ ] , [ ] , [ ] 𝑦 [ ] 𝑔𝑒𝑛𝑒𝑟𝑎𝑛 𝑎 𝑉, 𝑒𝑠 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 3 29
5 0 −7 0 −2 8 −14
0 6 0 0 5 7 27
21. 𝑃𝑆←𝑇 = 2
20
−7 14
1 3 9 5
[ −3 ]
1 −1
11. [ ] 𝑦 [ ] 𝑔𝑒𝑛𝑒𝑟𝑎𝑛 𝑎 𝑊, 𝑒𝑠 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜
2 2
2 −1
0 4 Ejercicios 4.6 (página 206)
13. 𝑁𝑜 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑢𝑛 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 9. u y v no son ortogonales

15. (𝑥 = −6𝑦 + 3𝑧, 𝑦 = 𝑦, 𝑧 = 𝑧) 𝑒𝑠 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 11. 〈𝑢, 𝑣〉 = 5, ‖𝑢‖ = √35, ‖𝑣‖ = 7

1 3 13. Las funciones son una base ortogonal,

17. (𝑥 = − 𝑧, 𝑦 = 𝑧, 𝑧) 𝑒𝑠 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜
2 2
2 8
√ cos 𝑥 , √ sen2 𝑥 𝑠𝑜𝑛 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙
Ejercicios 4.3 (página 175) 𝜋 3𝜋

7. 𝑣2 𝑦 𝑣3 𝑠𝑜𝑛 𝑢𝑛𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑑𝑒 𝑣 15. El ángulo entre u y v es de 120.51°

9. − 39𝑥 + 57𝑦 + 68𝑧 = 0 11. 𝑥 + 23𝑦 + 9𝑧 = 0 17. La distancia entre f y g es √13

13. 0𝑥 − 3𝑦 + 2𝑧 = 0 15. − 2𝑥 + 17𝑦 + 8𝑧 = 0

Ejercicios 4.7 (página 221)
Ejercicios 4.4 (página 186) 9. 𝑣 = 𝑢1 − 2𝑢2 − 2𝑢3

7. 𝑆on independientes 9. 𝑆on independientes 5 15 10

11. 𝑝𝑟𝑜𝑦𝑣 𝑢 = (− , − , )
14 14 14
11. 𝑆on independientes 13. 𝑆on independientes

15. 𝑆on dependientes 17. 𝑆on independientes 16

13. 𝑝𝑟𝑜𝑦𝑔 𝑓 = − sen 2𝑥 15. ‖𝑔‖ = √
105
Ejercicios 4.5 (página 198)
17. 𝐿𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑠𝑜𝑛 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑠
1 0
3 15
11. 𝑣1 = [−13] , 𝑣2 = [ 13] 𝑒𝑠 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑐𝑜𝑛 dim 𝑊 = 2 19. 𝑁𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙
0 1
21. 𝐿𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑒𝑠
3
2 −2
13. 𝑣1 = [1] , 𝑣2 = [ 0 ] 𝑒𝑠 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑐𝑜𝑛 dim 𝐻 = 2 23. 𝐿𝑎 𝑏𝑎𝑠𝑒 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑦 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠
0 1 1 3 45 1
𝑤1 = , 𝑤2 = √ 𝑥 𝑦 𝑤3 = √ (𝑥 2 − )
√2 2 8 3

25. 𝑁𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙

Instituto Tecnológico de Tepic

262 Respuestas a ejercicios impares

27. 𝐿𝑎 𝑏𝑎𝑠𝑒 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 𝑦 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 𝑛𝑢𝑇 = {(0, 0, 0)} = {(0)}, 𝑛𝑢𝑙𝑖𝑑𝑎𝑑(𝑇) = 1
13.
1 1 𝑟𝑎𝑛𝑔𝑜(𝑇) = 3, 𝑑𝑖𝑚 𝑖𝑚𝑎𝑔𝑒𝑛 𝑇 = 3
𝑤1 = 𝑠𝑒𝑛 𝑥 𝑦 𝑤2 = 𝑐𝑜𝑠 𝑥
√𝜋 √𝜋
𝑛𝑢𝑇 = {(0, 0)} = {(0)}, 𝑛𝑢𝑙𝑖𝑑𝑎𝑑(𝑇) = 1
15.
𝐿𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 𝑟𝑎𝑛𝑔𝑜(𝑇) = 2, 𝑑𝑖𝑚 𝑖𝑚𝑎𝑔𝑒𝑛 𝑇 = 2
3
− 1
√20
1
2
1
Ejercicios 5.3 (página 245)
− −2
29. √20
𝑤1 = 1 𝑦 𝑤2 = 1 6 1 0 𝑥
−2
√20
9. 𝐴 𝑇 = [ −5 −2 3 ] [𝑦 ]
3 1
[ ] 4 0 2
[ √20 ] 2 𝑧
−3 4 −1
𝐿𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 5 1 0 𝑥
1 32√27 −1
√14
− 7 −3 −1 1 ] [𝑦 ] 3
−
27√56 11. 𝐴 𝑇 = [ 13. 𝑇 [−3] = [ ]
√27 2 0 −1 14
31. 5 2√27 √14 𝑧 2
𝑤1 = , 𝑤2 = 𝑦 𝑤3 = − 14 −7 5 −2
√27 27√56
1 22√27 3√14
[ ] [ 14 ] 7
√27 [ 27√56] −2 −25
13
15. 𝑇 [ 3 ] = [ ] 17. 𝑇 [−6] = [−72]
−17 8
33. 𝑁𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑟 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 −1 9 163

𝐿𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 5
1 5 5
5
1 − 19. 𝑇 [ ] = [−11] 21. 𝑇 [−2] = [ 8 ]
√3 −7 −2
√2 −7 −1
35. 1 1
𝑤1 = 1 𝑦 𝑤2 =
√3
√2 1 Ejercicios 5.4 (página 253)
[ 0 ]
[ √3 ] 12 22
−
7
−7
𝐿𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 7. 𝐴 𝑇 = [ 85 16]
1 14
− 7
𝑖 √6
1
√3 6
𝑖
√2
37. 1 √6 5 13
−4
𝑤1 = [ 0 ], 𝑤2 = 𝑦 𝑤3 = −3
1 √3
9. 𝐴 𝑇 = [ 45 ]
𝑖 1 √6
3
√2 [ √3 ] [ 6 ] 4 4

104 22
Tema 5 − 9
−9
11. 𝐴 𝑇 = [ 143 5 ]
Ejercicios 5.1 (página 229) 18 9

7. 𝐼𝑚𝑎𝑔𝑒𝑛 𝑇(𝑣) = (12, 0, 6) 𝑦 𝑝𝑟𝑒𝑖𝑚𝑎𝑔𝑒𝑛 (1, 2) 8 34 66

5 5 5
13. 𝐴 𝑇 = [ 19 12
−5]
27
9. 𝑇(−3, 4, 2) = (4, 11) 5 5
−8 −9 −1
11. 𝐸𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑢 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑟𝑛𝑔𝑜 𝑑𝑒 𝑇 𝑦 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑣 𝑠𝑖
2 −2 8
4 2 37
Ejercicios 5.2 (página 238) 15. 𝐴 𝑇 = [ 5 5 5]
6 2 38
5
−5 5
7. 𝑛𝑢𝑇 = {(0, 0)} = {(0)}
163 5 40
77
−11 −77
9. 𝑛𝑢𝑇 = {𝑥3 (−1, 1, 1, 0): 𝑥3 es un número real} 1054 16 612
17. 𝐴 𝑇 = 77
−11 − 77
152 17 180
𝑛𝑢𝑇 = {(0, 0)} = {(0)}, 𝑛𝑢𝑙𝑖𝑑𝑎𝑑(𝑇) = 1 [ ]
11. 77 11 77
𝑟𝑎𝑛𝑔𝑜(𝑇) = 2, 𝑑𝑖𝑚 𝑖𝑚𝑎𝑔𝑒𝑛 𝑇 = 2

Instituto Tecnológico de Tepic

 Formulario
263

Formulario

Nombre Formula
Numero Complejo 𝒊𝟐 = −𝟏

Inversa de una matriz por el método de la 𝟏

𝑨−𝟏 = 𝒂𝒅𝒋𝑨
adjunta 𝐝𝐞𝐭 𝑨

𝑨𝒓𝒈𝒖𝒎𝒆𝒏𝒕𝒐 "𝒛"
𝑺𝒊 𝒛 = 𝒂 + 𝒃𝒊, 𝒆𝒏𝒕𝒐𝒏𝒄𝒆𝒔
𝒃
𝐚𝐫𝐠 𝒛 = 𝒕𝒂𝒏−𝟏 𝒂 𝒔𝒊 𝒂 > 𝟎
Argumento z 𝝅
𝐚𝐫𝐠 𝒛 = 𝟐
𝒔𝒊 𝒂 = 𝟎 𝒚 𝒃 > 𝟎
𝒃
𝐚𝐫𝐠 𝒛 = 𝝅 − 𝒕𝒂𝒏−𝟏 |𝒂| 𝒔𝒊 𝒂 < 𝟎 𝒚 𝒃 > 𝟎
𝒃
𝐚𝐫𝐠 𝒛 = −𝝅 + 𝒕𝒂𝒏−𝟏 𝒂
𝒔𝒊 𝒂 < 𝟎 𝒚 𝒃 < 𝟎
𝐚𝐫𝐠 𝟎 𝒏𝒐 𝒆𝒔𝒕𝒂 𝒅𝒆𝒇𝒊𝒏𝒊𝒅𝒐

Forma cartesiana de un número complejo 𝒛 = 𝒂 + 𝒃𝒊

𝒛 = 𝒓(𝐜𝐨𝐬 𝜽 + 𝒊 𝒔𝒆𝒏 𝜽)
Forma polar de un número complejo
𝒛 = 𝒓 𝒄𝒊𝒔 𝜽

Forma exponencial de un número complejo 𝒛 = 𝒓 𝒆𝒊𝜽

Producto de números complejos en forma

𝒛𝟏 𝒛𝟐 𝒛𝟑 … 𝒛𝒏 = 𝒓𝟏 𝒓𝟐 𝒓𝟑 … 𝒓𝒏 𝒄𝒊𝒔 (𝜽𝟏 + 𝜽𝟐 + 𝜽𝟑 + ⋯ + 𝜽𝒏 )
polar

𝒛𝟏 𝒓 𝟏
División de números complejos en forma polar = 𝒄𝒊𝒔 (𝜽𝟏 − 𝜽𝟐 )
𝒛𝟐 𝒓 𝟐

Un número complejo en forma exponencial

𝒛𝒏 = (𝒓 𝒆𝒊𝜽 )𝒏 = 𝒓𝒏 𝜽𝒊𝒏𝜽
elevado a una potencia n

𝒏 𝒏
Raíz enésima de número complejo en forma 𝒛𝒌 = √𝒓 𝒆𝒊𝜽 = √𝒓 𝒆𝒊(𝜽+𝟐𝝅𝒌)
exponencial 𝑷𝒂𝒓𝒂 𝒌 = 𝟎, 𝟏, 𝟐, … … , (𝒏 − 𝟏)

Un número complejo en forma polar elevado a

𝒛𝒏 = 𝒓𝒏 (𝐜𝐨𝐬 𝒏𝜽 + 𝒊 𝒔𝒆𝒏 𝒏𝜽)
una potencia n como número natural

Un número complejo en forma polar elevado a 𝟏

𝒛−𝒏 = (𝒓 𝒄𝒊𝒔 𝜽)−𝒏 = 𝒓𝒏 𝒄𝒊𝒔 (−𝒏𝜽)
una potencia n como número entero negativo

𝒑 𝒑
Un número complejo en forma polar elevado a 𝒑
𝒛𝒒 = 𝒓𝒒 𝒄𝒊𝒔 (𝒒𝜽)
una potencia n como número racional

Instituto Tecnológico de Tepic

264 Formulario

𝟏
𝜽+𝟐𝝅𝒌
Raíz enésima de número complejo en forma 𝒛𝒌 = 𝒓𝒏 𝒄𝒊𝒔 ( 𝒏
)
polar
𝑷𝒂𝒓𝒂 𝒌 = 𝟎, 𝟏, 𝟐, … … , (𝒏 − 𝟏)

𝟐𝝅𝒌
Raíz enésima de la unidad de un número 𝒛𝒌 = 𝒄𝒊𝒔 ( 𝒏
)
complejo en forma polar
𝑷𝒂𝒓𝒂 𝒌 = 𝟎, 𝟏, 𝟐, … … , (𝒏 − 𝟏)

−𝒃 ± √𝒃𝟐 − 𝟒𝒂𝒄
Formula general para ecuaciones cuadráticas 𝒙=
𝟐𝒂

Combinación lineal 𝒗 = 𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + ⋯ + 𝒄𝒏 𝒗 𝒏

Producto interno 𝑹𝒏 〈𝒖, 𝒗〉 = 𝒖 ∙ 𝒗

Producto interno 𝑪𝒏 (𝑪𝒏 𝒙 𝐲 𝒚 complejos) 〈𝒙, 𝒚〉 = 𝒙𝟏 𝒚𝟏 + 𝒙𝟐 𝒚𝟐 + … … + 𝒙𝒏 𝒚𝒏

𝒙 = (𝒙𝟏 , 𝒙𝟐 , … … , 𝒙𝒏 ) 𝒚 = (𝒚𝟏 , 𝒚𝟐 , … … , 𝒚𝒏 )

𝒃
Producto interno de funciones 〈𝒇, 𝒈〉 = ∫ 𝒇(𝒕)𝒈(𝒕)𝒅𝒕 𝒄𝒐𝒏 𝒇, 𝒈 ∈ 𝑽
𝒂

Norma ó Longitud de un vector ‖𝒗‖ = √〈𝒗, 𝒗〉 = √𝒗𝟐𝟏 + 𝒗𝟐𝟐 + … … + 𝒗𝟐𝟑

Vectores ortogonales 〈𝒖, 𝒗〉 = 𝟎

𝟏
Vector unitario 𝒘= 𝒗
‖𝒗‖

𝒗𝟏 = 𝒖𝟏
〈𝒖𝟐 , 𝒗𝟏 〉
𝒗𝟐 = 𝒖𝟐 − 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 𝟏
〈𝒖𝟑 , 𝒗𝟏 〉 〈𝒖𝟑 , 𝒗𝟐 〉
Proceso de ortogonalización de Gram-Schmidt 𝒗𝟑 = 𝒖𝟑 − 𝒗 − 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 𝟏 〈𝒗𝟐 , 𝒗𝟐 〉 𝟐
⋮
〈𝒖𝒏 , 𝒗𝟏 〉 〈𝒖𝒏 𝒗𝟐 〉 〈𝒖𝒏 𝒗𝒏−𝟏 〉
𝒗𝒏 = 𝒖𝒏 − 𝒗 − 𝒗 − ⋯− 𝒗
〈𝒗𝟏 , 𝒗𝟏 〉 𝟏 〈𝒗𝟐 , 𝒗𝟐 〉 𝟐 〈𝒗𝒏−𝟏 , 𝒗𝒏−𝟏 〉 𝒏−𝟏

Instituto Tecnológico de Tepic

 Formulario
265

Dependencia e independencia lineal 𝒄𝟏 𝒗 𝟏 + 𝒄𝟐 𝒗 𝟐 + ⋯ + 𝒄𝒏 𝒗 𝒏 = 𝟎

Distancia entre dos vectores 𝒅(𝒖, 𝒗) = ‖𝒖 − 𝒗‖

〈𝒖, 𝒗〉
Angulo entre dos vectores 𝐜𝐨𝐬 𝜽 = , 𝟎≤𝜽≤𝝅
‖𝒖‖ ‖𝒗‖

〈𝒖, 𝒗〉
Proyección ortogonal vector u sobre vector v 𝒑𝒓𝒐𝒚𝒗 𝒖 = 𝒗.
〈𝒗, 𝒗〉

〈𝒇, 𝒈〉
Proyección ortogonal f sobre vector g 𝒑𝒓𝒐𝒚𝒈 𝒇 = 𝒈
〈𝒈, 𝒈〉

Instituto Tecnológico de Tepic

 Alfabeto Griego 266

ALFABETO GRIEGO

Mayúscula Minúscula Nombre

Α α alfa
Β β beta
Γ γ gama
Δ δ delta
Ε ε épsilon
Ζ ζ Dseta o zeta
Η η eta
Θ θ teta
Ι ι iota
K κ kapa
Λ λ lambda
Μ μ mu o mi
Ν ν nu o ni
Ξ ξ xi
Ο ο ómicron
Π π pi
Ρ ρ ro
Σ σ sigma
Τ τ tau
Υ υ ipsilón
Φ 𝜑, 𝜙 fi
Χ χ Ji o ki
Ψ ψ psi
Ω ω omega
 Bibliografía 267

Fuentes de información

BIBLIOGRAFIA

[1] Grossman, Stanley I. Álgebra lineal. Quinta edición (1996). Ed. McGraw-Hill.

[2] Lay, David C., Álgebra lineal y sus aplicaciones (2007). Tercera edición. Ed. Pearson Educación.

[3] Larson, Ron; Falvo, David C. Fundamentos de Álgebra Lineal (2010). Sexta edición. Ed. CENGAGE
Learning.

[4] Kolman, Bernard; Hill, David R. Álgebra lineal (2006). Octava edición. Pearson Educación.

[5] Larson, Ron; Matemáticas IV, Algebra Lineal (2019). Primera edición. Ed. CENGAGE Learning.

[6] Leithold, Louis; Matemiticas previas al calculo (1989). Primera edición. Ed. Harla.

ENLACES

[E1] TESOEM, Cuadernillo de matematicas III (Algebra Lineal). (en linea).

https://docplayer.es/67953055-Tesoem-cuadernillo-de-apuntes-de-matematicas-iii-algebra-
lineal.html

[E2] Apuntes de Algebra Lineal. (en linea). https://www.algebralineal.jcbmat.com/id29.htm

[E3] Determinantes. (en linea). https://csteegmann.files.wordpress.com/2014/07/determinantes.pdf

[E4] Algebra de matrices. (en linea).

https://www.uv.mx/personal/aherrera/files/2014/08/08b.-MATRICES-2.pdf

[E5] Espacio Vectorial y sub espacio vectorial (en linea).

https://www.calameo.com/books/002841816ab2a2998aaf2

[E6] Imagenes. (en linea). http://www.google.com.mx/imghp?hl=es&tab=wi

La presente obra se ha realizado con la finalidad de atender las
necesidades y objetivos del estudiante de las carreras de Ingenierías, para
lo cual se presentan estos apuntes del curso completo de la materia de
Algebra Lineal.

Está estructurada con cinco Temas: Tema 1. Números Complejos; Tema 2.

Matrices y Determinantes; Tema 3. Sistema de Ecuaciones Lineales; Tema
4. Espacios Vectoriales; Tema 5. Transformaciones Lineales. Así mismo, en
cada subtema cuenta con ejercicios propuestos para resolver en el aula y
en extra clase. También incluye problemas y ejercicios de aplicación al
entorno de las Ingenierías y un resumen de fórmulas.

De esta manera, la comprensión y aplicación de los conocimientos

presentados en el planteamiento y solución de problemas, logrará dar al
estudiante una formación profesional adecuada para sus necesidades.

Primera edición
2024

www.ittepic.edu.mx
[email protected]