Algebra Lineal - Abril 2010

Ciencias y Tecnologas de la Informacin lgebra Lineal
Elaborado por: Ing. MSc. Miguel Cuellar 1

INDICE
PLANIFICACION DE LOS ENCUENTROS .................................................................................. 2
PROGRAMA ANALITICO........................................................................................................... 3
LAS ORIENTACIONES METODOLGICAS................................................................................. 8
1. Introduccin. .................................................................................................................. 8
1.1. Objetivo General. ........................................................................................................ 8
2. DESARROLLO................................................................................................................. 8
2.1 NCLEOS TEMTICOS .............................................................................................. 8
2.2 BIBLIOGRAFA COMENTADA .................................................................................. 13
3. MATERIAL EXPLICATIVO. ............................................................................................. 14
2.3. MTODOS A UTILIZAR............................................................................................ 14
3. CONCLUSIONES. ........................................................................................................... 15
TEXTO GUA .......................................................................................................................... 16
Unidad 1: Matrices .......................................................................................................... 16
Competencias ................................................................................................................. 16
Definicin de matriz ......................................................................................................... 16
Tipos de Matrices: ........................................................................................................... 19
Traza de una Matriz ......................................................................................................... 23
Suma de Matrices............................................................................................................ 24
Propiedades de la suma de matrices................................................................................. 25
Propiedades de la multiplicacin de matrices ..................................................................... 33
Propiedades de los escalares ........................................................................................... 36
Propiedades de la potencia de una matriz.......................................................................... 36
Propiedades de la Matriz Transpuesta............................................................................... 38
PRACTICO N 1.............................................................................................................. 40
Unidad N 2: Determinantes ........................................................................................... 44
Competencias ................................................................................................................. 44
Definicin........................................................................................................................ 44
Determinante de una Matriz de orden 2x2.......................................................................... 45
Determinante de una Matriz de orden 3x3......................................................................... 46
Determinante de una Matriz de orden 4x4, 5x5, nxn ........................................................... 48
Propiedades de los Determinates...................................................................................... 49
Menores de una Matriz..................................................................................................... 54
Cofactores de una Matriz.................................................................................................. 55
Adjunta de una Matriz ...................................................................................................... 58
Matriz Inversa.................................................................................................................. 59
PRACTICO..................................................................... Error! Marcador no definido.
Escalonamiento de Matrices............................................................................................. 65
Matrices Escalonadas por Filas......................................................................................... 66
Calculo de la Inversa de una matriz por Escalonamiento..................................................... 69
Sistemas de Ecuaciones Lineales ..................................................................................... 73
Clasificacin de los Sistemas de Ecuaciones Lineales: ....................................................... 73
Matriz Ampliada............................................................................................................... 75
Mtodos de Solucin de Sistemas de Ecuaciones .............................................................. 76
Ejercicios ........................................................................................................................ 81
Unidad N 3: Vectores..................................................................................................... 83
Competencias ................................................................................................................. 83
Definicin de Vector......................................................................................................... 83
Operaciones Con Vectores............................................................................................... 84
Vectores en R
3
................................................................................................................ 87
Norma de un Vector en R
2
................................................................................................ 91
Ejercicios: ....................................................................................................................... 94
Unidad N 4: Espacios Vectoriales ................................................................................... 95
Competencias ................................................................................................................. 95
Definicin de Espacio Vectorial ......................................................................................... 95
Ejercicios ...................................................................................................................... 103
Unidad n 4: Transformaciones Lineales....................................................................... 104
Competencias ............................................................................................................... 104
Definicin...................................................................................................................... 104
Ejercicios Resueltos....................................................................................................... 106
Ejercicios para Realizar por el Estudiante ........................................................................ 108
Unidad N 6: Valores y Vectores Propios ............................................................... 110
Competencias ............................................................................................................... 110
Valores Propios ............................................................................................................ 110
Vectores Propios ........................................................................................................... 115
Ejercicios para realizar por el estudiante.......................................................................... 119

PLANIFICACION DE LOS ENCUENTROS

FECHA DE ENCUENTRO

Unidad 1 Unidad 2 Unidad 3 Unidad 4
Temas 1.1 al 1.7 Temas 2.1 al 2.5 Temas 3.1 al 3.10 Temas 4.1 al 4.8

UNIDAD-TEMAS
DE AVANCE
Evaluacin Evaluacin

UNIVERSIDAD PRIVADA DOMINGO SAVIO
FACULTAD DE CIENCIAS Y TECNOLOGAS DE LA INFORMACIN
ALGEBRA LINEAL
PROGRAMA ANALITICO

I. JUSTIFICACION

La asignatura de lgebra lineal es considerada importante en la formacin de los estudiantes del
pre-grado, porque contribuye en gran manera al desarrollo de las habilidades cognitivas de los
estudiantes.
La asignatura sirve como base para resolver problemas de aplicacin en diferentes reas del
conocimiento y de esta manera mejorar el rendimiento acadmico, mediante la aplicacin de la
teora matricial en la solucin de sistemas de ecuaciones lineales.

II. OBJETIVOS

OBJETIVO GENERAL

Desarrollar en el estudiante habilidades cognitivas del conocimiento para la resolucin de Sistemas
de Ecuaciones lineales, de m ecuaciones con n Incgnitas. Tambin contribuye al desarrollo de
las destrezas en la resolucin de problemas e interpretacin de resultados.

OBJETIVOS ESPECIFICOS

- Formar hbitos en el estudiante para que adquiera y aplique gradualmente los conocimientos
del lgebra matricial.
- Adquirir conocimientos en el estudio del lgebra vectorial.
- Dotar las herramientas del lgebra vectorial para aplicaciones en el uso de base de datos, hojas
de clculo, aplicaciones estadsticas (SPSS).
- Determinar y aplicar las propiedades en los Espacios Vectoriales y las Transformaciones
Lineales en la resolucin de problemas.

IDENTIFICACION

rea : Ciencias exactas.
Sigla : MAT - 221.
Materia : lgebra Lineal.
Carga Horaria : 4 HT y 2 HP
Nivel : Tercer Semestre.
Pre- Requisitos : Fundamentos de Matemticas (MAT-110).
En Vigencia : Desde el ao 2007.

III. CONTENIDOS

Unidad 1: Matrices

Objetivos de la unidad
-Conocer los diferentes tipos de matrices y sus aplicaciones
-Aplicar las propiedades de matrices en las operaciones entre matrices.
-Resolver sistemas de ecuaciones aplicando matrices.

1.1 Definicin. Nomenclatura. Tipos de matrices. Operaciones: Igualdad, Adicin, Multiplicacin por
escalar, Resta Diferencia, Producto . Transposicin. Traza de una matriz. Propiedades.
1.2 Tipos de matrices cuadradas. Matriz Diagonal. Matriz Escalar. Matriz Identidad. Unicidad.
1.3 Operaciones Elementales sobre filas en las matrices. Propiedades Generales.
1.4 Equivalencias por filas y/o columnas. Matrices escalonadas. Matrices escaln reducidas.
Triangular superior. Triangular Inferior. Aplicaciones.
1.5 Matriz No singular: Inversa de una matriz - Algoritmo de Gauss.
1.6 Matrices por bloques Matrices aumentadas
1.7 Sistema de Ecuaciones Lineales. Sistemas homogneos y no homogneos. Sistemas
compatibles e incompatibles.
1.8 Mtodos matriciales de resolucin de sistemas de ecuaciones lineales: Mtodo de Gauss y
Gauss/Jordan
1.9 Ejercicios de aplicacin.

Unidad 2 : Determinantes

-Calcular el determinante de una matriz inferior, mtodo de Sarrus.
-Calcular el determinante de una matriz superior, algoritmos de La place
-Aplicar las propiedades de los determinantes en el clculo de determinantes.
-Calcular la inversa de una matriz aplicando determinantes.

2.1 Determinantes de una matriz: Definicin. Propiedades. Formas de clculo: Determinantes de
Orden Inferior. , mtodo de Sarrus
2.2 Determinantes nulos: Filas Iguales, Columnas Iguales, Con filas o columnas nulas.
2.3 Determinantes de Matrices Triangulares. Determinante de la matriz Transpuesta.
2.4 Determinantes de Orden Superior. Matriz de los Cofactores. Regla de La Place.
2.5 Matriz Adjunta clsica. Clculo de la Inversa de una matriz utilizando determinantes.
2.6 Determinantes de un operador lineal. Multilinealidad de determinantes.
2.7 Resolucin de Sistemas de Ecuaciones utilizando determinantes.

Unidad 3: Vectores reales en R
2
, R
3
Y R
n

-Realizar operaciones con Vectores en R
2
y R
3
-Interpretar grficamente vectores en R
2
y R
3

-Calcular la norma y la distancia entre vectores

3.1 Vectores en R2 . Definicin. Nomenclatura, Notacin Matricial, Representacin Grfica en un
sistema cartesiano.
3.2 Operaciones con vectores: Adicin, Regla del Paralelogramo, Multiplicacin por escalar, Resta o
Diferencia, Producto interno o Producto Escalar.
3.3 Norma de un vector. Distancia, Angulo entre Vectores. Vector Unitario, Normalizar un vector,
Proyeccin de un vector sobre otro, Interpretacin Grfica.
3.4 Vectores en R3. Notacin Matricial y Notacin i j k. Operaciones. Adicin, Multiplicacin por
escalar. Resta o Diferencia Producto interno. Producto Externo. Norma de un vector y distancia.
Angulo entre Vectores. Vector Unitario, Normalizar un vector, Proyeccin de un vector sobre
otro. rea del Paralelogramo formado entre 2 vectores. Volumen del Paraleleppedo formado
entre 2 vectores y el vector Producto Vectorial. Interpretacin Grfica.
3.5 Aplicaciones: Estudio de la recta en el Plano y el Espacio. Ecuaciones Vectoriales. Estudio de
Plano en R3. Vector Normal, Ecuacin del Plano en R3.

Unidad 4: Espacios vectoriales y subespacios vectoriales

-Determinar los espacios y subespacios vectoriales
-Aplicar las propiedades de los espacios vectoriales en la resolucin de ejercicios.

4.1 Espacios Vectoriales. Definicin. Propiedades. Identificacin.
4.2 Subespacios. Teorema - Definicin. Subespacios generales. Identificacin.
4.3 Propiedades de los espacios Vectoriales. Combinaciones lineales. Espacio, fila y columna de
una matriz. Sumas y sumas directas.
4.4 Base y dimensin. Conceptos y dependencias e independencia lineal. Definiciones. Dimensin y
subespacios. Aplicaciones a las ecuaciones lineales.
4.5 Rango de una matriz. Vectores coordenados

Unidad 5: Transformaciones lineales

-Interpretar las transformaciones lineales
-Aplicar los teoremas sobre transformaciones lineales en la resolucin de ejercicios
-Realizar operaciones de transformaciones con vectores y matrices.

5.1 Definiciones. Ncleo o imagen.
5.2 Transformaciones singulares y no singulares.
5.3 Operaciones. Suma, Producto por un escalar. Composicin.
5.4 Operaciones lineales. Operaciones invertibles. Matrices y operaciones lineales.
5.5 Representacin Matricial. Cambio de Bases. Similaridad.
5.6 Matrices y transformaciones lineales.
5.7 Ejercicios dirigidos en clase.

Unidad 6: Valores y vectores propios

-Aplicar las matrices en el clculo de los valores y vectores propios
-Aplicar las propiedades en la resolucin de ejercicios
-Diagonalizar matrices utilizando los valores y vectores propios.

6.1 Valores y Vectores propios. Definicin. Propiedades
6.2 Vectores propios de una matriz. Autovectores
6.3 Matriz diagonal.
6.4 Diagonalizacin de matrices

IV. METODOLOGIA DE ENSEANZA-APRENDIZAJE

La metodologa que se aplicar en el proceso de enseanza-aprendizaje de la asignatura, ser
compartida entre la explicacin de los conceptos tericos por parte del docente y la resolucin de
ejercicios por parte de los estudiantes. Al mismo tiempo, se asignarn trabajos de investigacin de
temas afines a la materia para que luego los estudiantes realicen exposiciones grupales. Tambin se
otorgarn trabajos prcticos para ser resueltos por los estudiantes en su domicilio y en los horarios
de ayudanta y luego sern evaluados stos trabajos como actividades acadmicas de la materia.

V. MATERIALES Y MEDIOS DIDACTICOS

- Pizarra y marcadores
- Reglas de diferentes tipos
- Equipos de multimedia
- Laboratorio de Software

VI. ACTIVIDADES ACADEMICAS

- Resolucin y defensa de prctico de Matrices
- Resolucin y defensa de prctico de Determinantes
- Resolucin y defensa de prctico de Vectores en R2, R3 y Rn
- Resolucin y defensa de prctico de Espacios Vectoriales
- Resolucin y defensa de prctico de Transformaciones Lineales
- Resolucin y defensa de prctico de Valores y Vectores Propios
- Asignacin de trabajos de investigacin y posterior defensa mediante exposiciones individuales y
grupales.
- Participacin en los foros mediante preguntas y respuestas propuestas por el docente o los
compaeros de la asignatura.

VII. TIPOS DE EVALUACION

Para esta asignatura se tomarn en cuenta los tres tipos de evaluacin: diagnstica, formativa y
sumativa.

VIII. FORMAS DE EVALUACION

Materia tipo C. Sistema Modular
Examen parcial 40 puntos.
Actividad Acadmica 20 puntos.
Examen final 40 puntos.

TOTAL 100 puntos.
Asistencia mnima obligatoria del 80% del total de clases.
Nota mnima de aprobacin 51 puntos.

IX. BIBLIOGRAFIA

1. Stanley. L. Grossoman. lgebra Lineal con sus Aplicaciones. McGraw Hill. Bogota. 4ta
Edicin. 2001.
2. Seymour Lipschutz. lgebra Lineal. McGraw Hill. Serie Shaum. 2da Edicin. 1998.
3. Howard Anton. Introduccin al lgebra Lineal. Editorial Limusa 2da Edicin. 1998.
4. Eduardo Raffo. Algebra lineal. Lecca / 1989.
5. Domingo Mendoza. Algebra lineal. S. E. / 1992.


LAS ORIENTACIONES METODOLGICAS
1. Introduccin.
La asignatura de Algebra Lineal se constituye en una de las asignaturas ms importantes por su
relacin de coherencia temtica con otras asignaturas de la malla curricular como Estadstica,
Produccin, Investigacin de Operaciones, Gestin de Calidad y con asignaturas relacionadas con la
toma de decisiones en las Organizaciones. La resolucin de sistemas de ecuaciones es requisito como
conocimiento previo para la asignatura de Investigacin de Operaciones en la resolucin de problemas
para la toma de decisiones.
El nivel de profundidad y complejidad que abarcar el desarrollo del mdulo ser desarrollar
competencias bsicas y complementarias; es decir, con los conocimientos y prctica realizados los
estudiantes podrn profundizar sus conocimientos en problemas de aplicacin.
1.1. Objetivo General.
Desarrollar habilidades cognitivas del conocimiento en la resolucin de Sistemas de Ecuaciones
lineales, de m ecuaciones con n incgnitas.
Realizar con destreza mtodos de resolucin de problemas e interpretacin de resultados que
apoyen al estudiante en el razonamiento lgico matemtico.

El objetivo planteado est orientado a desarrollar en el estudiante las siguientes competencias:
Realiza operaciones de suma, multiplicacin y potenciacin de matrices.
Resuelve sistemas de ecuaciones lineales de orden m x n
2. DESARROLLO
2.1 NCLEOS TEMTICOS

Unidad 1: Matrices

-Conocer los diferentes tipos de matrices y sus aplicaciones
-Aplicar las propiedades en las operaciones entre matrices.
-Resolver sistemas de ecuaciones aplicando matrices.

Definicin. Nomenclatura. Tipos de matrices. Operaciones: Igualdad, Adicin, Multiplicacin por
escalar, Resta Diferencia, Producto. Transposicin. Traza de una matriz. Propiedades.
Tipos de matrices cuadradas. Matriz Diagonal. Matriz Escalar. Matriz Identidad.
Operaciones Elementales sobre filas en las matrices. Propiedades Generales.
Equivalencias por filas y/o columnas. Matrices escalonadas. Matrices escaln reducidas.
Triangular superior. Triangular Inferior. Aplicaciones.
Matriz No singular: Inversa de una matriz - Algoritmo de Gauss.
Matrices por bloques Matrices aumentadas
Sistema de Ecuaciones Lineales. Sistemas homogneos y no homogneos. Sistemas
compatibles e incompatibles.
Mtodos matriciales de resolucin de sistemas de ecuaciones lineales: mtodo de Gauss y
Gauss/Jordan
Ejercicios de aplicacin.
SNTESIS
En el desarrollo de la unidad que corresponde al primer encuentro presenta:
Definiciones y propiedades de los diferentes tipos de matrices
Desarrollo paso a paso de operaciones de suma, multiplicacin e inversa de matrices.

Unidad 2: Determinantes

-Diferenciar matrices cuadradas de orden superior e inferior
-Calcular el determinante de una matriz inferior, mtodo de Sarrus.
-Calcular el determinante de una matriz superior, algoritmos de La place
-Aplicar las propiedades en el clculo de los determinantes de una matriz.

2.1 Determinantes de una matriz: Definicin. Propiedades. Formas de clculo: Determinantes de
Orden Inferior. , mtodo de Sarrus
2.2 Determinantes nulos: Filas Iguales, Columnas Iguales, Con filas o columnas nulas.
2.3 Determinantes de Matrices Triangulares. Determinante de la matriz Transpuesta.
2.4 Determinantes de Orden Superior. Matriz de los Cofactores. Regla de La Place.

SINTESIS
En el desarrollo de los temas que corresponde al segundo encuentro presenta:
Definiciones de determinantes
Propiedades de los determinantes
Calculo de determinantes de: 2x2, 3x3, 4x4, .., nxm
Aplicaciones

2.5 Matriz Adjunta clsica. Clculo de la Inversa de una matriz utilizando determinantes.
2.6 Determinantes de un operador lineal. Multilinealidad de determinantes.
SINTESIS
En el desarrollo de los temas que corresponde al tercer encuentro presenta:
Clculo de de la inversa de una matriz por mtodos: 1) Mtodo de la matriz adjunta, 2)
Mtodo de escalonamiento de matrices
Aplicaciones de la inversa de una matriz.

2.7 Resolucin de Sistemas de Ecuaciones utilizando los mtodos de Gauss y Gauss-Jordan.
SINTESIS
En el desarrollo de los temas que corresponde al cuarto encuentro presenta:
Definicin de sistemas de ecuaciones
Anlisis de los tipos de soluciones: solucin nica, infinitas soluciones y sistemas de
ecuaciones que no tienen solucin.
Diferentes mtodos de resolucin de sistemas de ecuaciones: Gauss y Gauss Jordan.
Definicin de vectores en plano y el espacio
Aplicaciones de vectores.

Unidad 3: Vectores reales en R
2
, R
3
Y R
N

-Realizar operaciones con Vectores en R
2
y R
3
-Interpretar grficamente vectores en R
2
y R
3

3.1 Vectores en R
2
. Definicin. Nomenclatura, Notacin Matricial, Representacin Grfica en un
sistema cartesiano.
3.1.1 Operaciones con vectores: Adicin, Regla del Paralelogramo, Multiplicacin por escalar,
Resta o Diferencia, Producto interno o Producto Escalar.
3.1.2 Norma de un vector. Distancia, Angulo entre Vectores. Vector Unitario, Normalizar un
vector, Proyeccin de un vector sobre otro, Interpretacin Grfica.
3.1.3 Vectores en R3. Notacin Matricial y Notacin i j k. Operaciones. Adicin, Multiplicacin por
escalar. Resta o Diferencia Producto interno. Producto Externo. Norma de un vector y distancia.
Angulo entre Vectores. Vector Unitario, Normalizar un vector, Proyeccin de un vector sobre
otro. rea del Paralelogramo formado entre dos vectores. Volumen del Paraleleppedo formado
entre dos vectores y el vector Producto Vectorial. Interpretacin Grfica.

3.1.4 Aplicaciones: Estudio de la recta en el Plano y el Espacio. Ecuaciones Vectoriales. Estudio
de Plano en R
3
. Vector Normal, Ecuacin del Plano en R
3
.
3.1.5 Ejercicios de aplicacin.
METODLOGIA DE ESTUDIO PARA EL ESTUDIANTE
La sugerencia de metodologa de estudio que puede conducir a una interesante experiencia en esta
asignatura, por ende, conducente a logros exitosos es la siguiente:
1) Lectura de conceptos, definiciones y propiedades del texto gua.
2) Revisar y comprobar los ejemplos resueltos en el texto gua.

NUCLEO TEMATICO PARA ESTUDIO INDEPEDIENTE
A travs de interaccin por plataforma (chat, foro y tareas) y clases practicas a acordar, se
proporcionar orientacin y pautas de estudio de los temas que contempla este ncleo temtico.

Unidad 4: Espacios vectoriales y sub espacios

-Determinar los espacios y sub-espacios vectoriales
-Aplicar las propiedades de los espacios vectoriales en la resolucin de ejercicios.

4.1 Espacios Vectoriales. Definicin. Propiedades. Identificacin.
4.2 Subespacios. Teorema - Definicin. Sub-espacios generales. Identificacin.
4.3 Propiedades de los espacios Vectoriales. Combinaciones lineales. Espacio, fila y columna de
una matriz. Sumas y sumas directas.
Lectura de conceptos,
definiciones y
propiedades del texto
gua.
Revisar y comprobar
los ejemplos
Entendi los
ejemplos resueltos?
Leer el libro de
Hawar Anton para
estudio
comparativo
No Si
Resolver tarea
Asistir al encuentro
de
da sbado. El
docente realizar las
aclaraciones y
profundizar el tema
4.4 Base y dimensin. Conceptos y dependencias e independencia lineal. Definiciones. Dimensin y
sub-espacios. Aplicaciones a las ecuaciones lineales.
4.5 Rango de una matriz. Vectores coordenados

Unidad 5: Transformaciones lineales

-Interpretar las transformaciones lineales
-Aplicar los teoremas sobre transformaciones lineales en la resolucin de ejercicios
-Realizar operaciones sobre transformaciones con vectores y matrices.

5.1 Definiciones. Ncleo o imagen.
5.2 Transformaciones singulares y no singulares.
5.3 Operaciones. Suma, Producto por un escalar. Composicin.
5.4 Operaciones lineales. lgebra. Operaciones invertibles. Matrices y operaciones lineales.
5.5 Representacin Matricial. Cambio de Bases. Similaridad.
5.6 Matrices y transformaciones lineales.
5.7 Ejercicios dirigidos en clase.

Unidad 6: Valores y vectores propios

-Aplicar las matrices en el clculo de los valores y vectores propios
-Aplicar las propiedades en la resolucin de ejercicios
-Diagonalizar matrices utilizando los valores y vectores propios.

6.1 Valores y Vectores propios. Definicin. Propiedades
6.2 Vectores propios de una matriz. Autovectores
6.3 Matriz diagonal.
6.4 Diagonalizacin de matrices

2.2 BIBLIOGRAFA COMENTADA

1. El Libro de texto de Algebra Lineal, cuyo autor Ing. Miguel Cuellar M., es el resultado de ms de
siete aos de interaccin y experiencia contina en la enseanza de matemticas. El material se
adecua a las caractersticas heterogneas de conocimientos previos de los estudiantes que buscan
su profesionalizacin en aulas de nuestra Universidad.
Presenta ejemplos de fcil comprensin y aplicaciones proporcionando bases slidas para el logro
de la comprensin profunda de los temas.

2. Howard Anton. Introduccin al lgebra Lineal. Editorial Limusa 2da Edicin. 1998

El libro de Haward Anton es de gran utilidad, porque, este libro se basa en la presentacin de las
definiciones y teoremas que permiten una mejor comprensin de los ejercicios prcticos, sus
ejemplos expresados en forma secuencial ayudan a la comprensin de cada uno de los temas de
manera gradual.

3. Stanley. L. Grossoman. lgebra Lineal con sus Aplicaciones. McGraw Hill. Bogota. 4
ta

Edicin. 2001.

Este libro se recomienda, por los conceptos tericos claros y las diferentes aplicaciones que
presenta en cada uno de las unidades temticas.

4. Seymour Lipschutz. lgebra Lineal. Mc Graw Hill. Serie Shaum. 2
da
Edicin. 1998.

Este material se caracteriza por presentar ejercicios resueltos variados para que el estudiante
entienda la resolucin paso a paso y luego la presentacin de ejercicios propuestos para ser
resueltos por el estudiante.

5. Eduardo Raffo. Algebra lineal. Lecca / 1989.

Este libro presenta ejemplos y ejercicios de fcil comprensin para el estudiante en cada uno
de los temas.

6. Domingo Mendoza. lgebra lineal. S. E. / 1992.

El libro de Domingo Mendoza se utiliz por los conceptos tericos y los ejercicios variados de
cada uno de los temas.

2.3. MATERIAL EXPLICATIVO

El texto gua incluye conceptos, definiciones y ejemplos de aplicacin en problemas reales.

2.4. MTODOS A UTILIZAR
Encuentro fsico
El docente realizar una evaluacin diagnstica del ncleo temtico correspondiente al encuentro.
A travs de exposicin magistral consolidar los conceptos y definiciones, as mismo, profundizar
las extensiones de los temas tratados.
Plantear ejemplos representativos que contribuyan a la comprensin profunda del tema. La
resolucin de dichos ejemplos se realizar en forma grupal cooperativo o individual.
Encuentro virtual
El estudiante y el docente dispondrn de dos sesiones semanales, cada sesin con tiempo de
duracin de dos horas para interactuar por medio de la plataforma virtual (chat, foro y tareas).
El docente plantear ejemplos representativos para realizar seguimiento del estudio independiente
del estudiante; as mismo, responder a las consultas de los estudiantes atendiendo dudas
referentes al texto gua en las tareas y prcticos planteados.
3. CONCLUSIONES
Preguntas y ejercicios para realizar en forma individual o colectiva con solucionario.

Cada unidad del texto Gua presenta men de ejercicios, los cuales debern ser resueltos
en los plazos y trminos sealados en plataforma del sistema.


TEXTO GUA

Unidad 1: Matrices

Competencias
Al finalizar esta unidad el estudiante desarrollar las siguientes competencias:
1) Define y reconoce los diferentes tipos de matrices.
2) Realiza operaciones de suma y producto con matrices.
3) Aplica las propiedades de las matrices en la realizacin de operaciones con las mismas.

Definicin de matriz
Se dice que una matriz es un arreglo cuadrado o rectangular de nmeros y/o letras, dispuestas en
lneas horizontales y verticales denominadas estas como filas y columnas.
A las matrices se las puede representar con las primeras letras maysculas del abecedario y a los
elementos de una matriz; con letras minsculas, es decir:

mxn
mn m m m
n
n
n
a a a a
a a a a
a a a a
a a a a
A
(
(
(
(
(
(
(
=
..........
. ..........
. ..........
.. ..........
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

En resumen (forma genrica) una matriz tambin se la puede representar de la siguiente manera:
[ ]
n m
j i
a A
=

) ( ........ 3 , 2 , 1
) ( ........ 3 , 2 , 1
columnas n j
filas m i
=
=

Donde:
m = Nmero de filas.
n = Nmero de columnas.

Ejemplos:

1)
3 3
0 9 8
6 5 4
3 2 1
(
(
(
= A
2)

3
13
= a
Elemento que pertenece a la fila uno y
columna tres.
5
22
= a Elemento que pertenece a la fila dos y
columna dos.
0
33
= a
Elemento que pertenece a la fila tres y
columna tres.
8
31
= a
columna uno.

3 3
2
1
9 0
8
3 0 1
(
(
(
(
= k a B

3
13
= a
Elemento que pertenece a la fila uno y
columna tres.
0
31
= a
columna uno.
8
23
= a
Elemento que pertenece a la fila dos y
columna tres.

Orden de una matriz
Una matriz que tiene m filas y n columnas, se dice que es de orden mxn.
Ejemplos:

1)
2 2
6 1
3 2
= A
La matriz tiene dos filas y dos columnas

2)
4 2
1 3 0 2
4 3 2 1
= B
La matriz tiene dos filas y cuatro columnas

3)
[ ]
6 1
0 5 4 3 2 1

= C
La matriz tiene una fila y seis columnas
4)
[ ]
1 1
7

= D La matriz tiene una fila y una columna

5) Construya una matriz de orden 4x4 cuyo elemento genrico
[ ]
4 4
ij
a
este dado por:

a)
j i a
ij
+ =

b)
2
) ( j i a
ij
=

c)
2 + =
j
i
a
ij

d)
2
j
j
i
+

Solucin
4 4
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
(
(
(
(
=
a a a a
a a a a
a a a a
a a a a
A
Primeramente construimos la matriz genrica, luego aplicamos la condicin

a)
4 4
8 7 6 5
7 6 5 4
6 5 4 3
5 4 3 2
(
(
(
(
= A

b)

4 4
0 1 4 9
1 0 1 4
4 1 0 1
9 4 1 0
(
(
(
(
= A

c)
4 4
3
3
10
2 6
4
11
3
2
7
5
2
5
3
8
3 2
2
3
3
7
2
5
3
(
(
(
(
(
(
(
(
(
= A


Tipos de Matrices:
Matriz cuadrada
Una matriz es cuadrada si el nmero de filas es igual al nmero de columnas es decir: m = n. A este
tipo de matrices se las llama matriz de orden n.

Ejemplos
1)
2 x 2
4 3
2 1
A
(
=

Matriz de orden dos
2)
3 x 3
8 0 7
2 7 5
3 2 1
B
(
(
(
=

Matriz de orden tres
3)
4 x 4
7 4 2 3
1 9 6 4
1 2 0 5
4 3 2 1
C
(
(
(
(
=
Matriz de orden cuatro

Matriz triangular superior
Es una matriz cuadrada tal que el elemento:
0 =
ij
a
s: j i >
Es decir, que el nmero de orden de las filas es ms grande que el nmero de orden de las
columnas. Por lo tanto la matriz triangular superior tiene sus elementos nulos despus de la diagonal
principal hacia abajo.
Ejemplo
3 3
33
23 22
13 12 11
0 0
0
(
(
(
=
a
a a
a a a
A
Es una matriz triangular superior.

Matriz triangular inferior
Es una matriz cuadrada tal que el elemento: 0 =
ij
a si: j i <
Es decir, el nmero de orden de las filas es ms pequeo que el nmero de orden de las columnas.
Por lo tanto en una matriz triangular inferior los elementos arriba de la diagonal principal son nulos.
Ejemplo

3 3
33 32 31
22 21
11
0
0 0
(
(
(
=
b b b
b b
b
B
Es una matriz triangular inferior.

Matriz diagonal
Es una matriz cuadrada tal que el elemento 0 =
ij
a Si: j i .
Esto quiere decir, que en una matriz diagonal solo existen los elementos de la diagonal principal y
los otros elementos de la matriz son nulos, es decir:
3 3
33
22
11
0 0
0 0
0 0
(
(
(
=
c
c
c
C

Matriz Identidad
Es una matriz cuadrada donde se cumple que:

1 =
ij
a
Si: j i =

0 =
ij
a
Si:
j i

Es decir, en una matriz identidad todos los elementos de la diagonal principal son la unidad y los
dems elementos son nulos.
Ejemplos
1)
2 2
2
1 0
0 1
I
=
2)
3 3
3
1 0 0
0 1 0
0 0 1
I
(
(
(
=

3)
4 x 4
4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
I
(
(
(
(
=

Matriz nula
Es aquella matriz donde todos sus elementos son nulos, es decir:

Ejemplos
1)
2 2
0 0
0 0
= A

2)
3 3
0 0 0
0 0 0
0 0 0
(
(
(
= B
Matriz Fila
Es aquella matriz que tiene una sola fila, por lo tanto su orden es 1x n, es decir:
[ ]
4 1
5 2 3 1

= A
Matriz columna
Es aquella matriz que tiene una sola columna, por lo tanto su orden es m x 1, es decir:

1 3
3
1
2
(
(
(
= A

Matriz Simtrica
Es aquella matriz cuadrada que es igual a su transpuesta, es decir:
t
A A= Por lo tanto:
ji ij
a a =

Matriz Antisimtrica o hemisimtrica
Es aquella matriz cuadrada que es igual a la opuesta de su transpuesta, es decir:
t
A A = Por lo tanto
ji ij
a a =
.
Para este caso se debe tomar en cuenta que los elementos de la diagonal principal deben ser nulos,
es decir: 0 =
ii
a . Por ejemplo:
3 3
0 2 3
1 0 9
2 3 0
x
A
(
(
(
= Es una matriz antisimtrica

Matriz Escalar
Es aquella matriz cuadrada que tiene todos sus elementos nulos excepto los de la diagonal principal
es decir:
3 3
2 0 0
0 2 0
0 0 2
(
(
(
= A


Matriz Ortogonal
Una matriz ortogonal es aquella matriz cuadrada donde se cumple que: I A A A A
t t
= = . .

Matriz Normal
La matriz normal es aquella que conmuta con su transpuesta. Esto quiere decir que las matrices
simtricas, las matrices antisimtricas y las matrices ortogonales son necesariamente matrices
normales, es decir: A A A A
t t
. . =

Matriz Rectangular
Una matriz es rectangular cuando el nmero de filas es diferente al nmero de columnas; entonces
es de orden mxn.
Por ejemplo:
3 2
4 5 1
2 3 1
x
A
(
= Es una matriz rectangular.

Matriz Idenpotente
Una matriz es idenpotente si se cumple que: A A =
2

Matriz Involutiva.- Una matriz es Involutiva siempre y cuando cumpla que: I A =
2

Igualdad de Matrices
Se dice que dos o ms matrices son iguales cuando estas tienen el mismo orden y los mismos
elementos, es decir
ij ij
b a = deben tener el mismo nmero de filas y el mismo nmero de columnas
entonces se cumple que:

] [
] [
ij
ij
a B
a A
=
=

ij ij
b a =

Ejemplos
1)
2 2
4 3
2 1
= A

A= B
2 2
4 3
2 1
= B

2)
3 2
5 5 4
3 1 0
= A

3 * 2
5 5 4
3 1 0
(
= B

A= B

Matriz Opuesta
Si se tiene la matriz
n m ij
a A

= ] [
la cual tiene un orden mxn, entonces la matriz opuesta (- A ) es
otra matriz del mismo orden donde se cumple que:

n m ij ij
a a A

= = ] [ ] [

Es decir, en una matriz opuesta se le cambia el signo a todos los elementos de la matriz A.
Ejemplo
3 3
2
5
1 3
7 2 8
6 4 2
(
(
(
(
(
(
= A

3 3
2
5
1 3
7 2 8
6 4 2
(
(
(
(
(
(

= A
Matriz Conforme
Una matriz A se dice que es conforme a otra matriz B, si el nmero de columnas de la matriz A
coincide con el nmero de filas de la matriz B.
Ejemplo
2 3
6
4
2
5
3
1
(
(
(
= A

2 2
4
2
1
2
= A

Entonces A es conforme a B.

Traza de una Matriz
La traza de una matriz cuadrada A se halla sumando todos los elementos de la diagonal principal.


Ejemplos
1)
3 3
1 2 3
6 5 4
3 2 1
(
(
(
= A

2)
3 3
2
1
1 0
3
4
1
0
3 2 1
(
(
(
(
(
(
= B

Traza ( ) 5 1 5 1 = + = A

Traza ( )
4
5
2
1
4
1
1 = + = B
3)
4 4
3
1
1 0 0
4
2
7
3 0
6 1 3 6
4 3 1 2
(
(
(
(
(
(
(
(
= C

Traza ( )
6
53
3
1
2
7
5 = + + = C

Suma de Matrices
Si se tienen las siguientes matrices:
n m ij
a A

= ] [
y
n m ij
b B

= ] [
Entonces la suma de ambas matrices estar definida de la siguiente manera:

n m ij ij n m ij n m ij
b a b a B A

+ = + = + ] [ ] [ ] [

Esto implica que cuando se quiere sumar dos o mas matrices entre si; estas deben tener el mismo
orden, porque la suma se realiza elemento a elemento.

Ejemplos
1) Dadas las siguientes matrices:
3 2
4
3
0
2
1
3 2 1
(
(
(
= A

3 2
2
1
3 6
4 1 0
(
(
(

= B

Calcular:
a) ? = + B A
b) ? ) ( = + A B
c) ? ) ( = B A Traza
Solucin
a)
3 2
4
1
3
2
13
1 1 1
(
(
(

= + B A
Sumando elemento a elemento

b)
3 2
4
3
0
2
1
3 2 1
(
(
(

= A
Entonces:

( )
3 2
4
5
3
2
11
7 3 1
(
(
(

= + A B

c) No tiene solucin por que para poder calcular la traza de una matriz esta debe ser cuadrada.

Propiedades de la suma de matrices
Si se tienen las matrices A,B y C; matrices de un mismo orden entonces podemos verificar las
siguientes propiedades.
1) ( ) ( ) C B A C B A + + = + + Asociativa
2) A A = + 0 Neutro Grupo
3) ( ) 0 = + A A Inverso Abeliano
4) A B B A + = + Conmutativa

Demostracin
1)
( ) ( )
( ) ( )
( ) ( )
( ) ( ) C B A C B A
c b a C B A
c b a C B A
c b a C B A
n m
ij ij n m ij
n m ij
n m
ij ij
n m ij n m ij n m ij
+ + = + +
+ + = + +
+ + = + +
+ + = + +

] [
] [
] [ ] [ ] [

La demostracin de las otras propiedades es similar; por lo que queda para realizar por el
estudiante.
Producto de matrices
Si se tiene la matriz de orden
p m j i
a A

= ] [ y la matriz de orden
n p j i
b B

= ] [
Entonces se dice que el producto de las matrices A y B darn como resultado otra matriz C de
orden mxn, es decir: n m ij
c C

= ] [

Por lo tanto el producto de dos matrices podemos definirlo de la siguiente manera:

n m ij n p ij p m ij
] c [ ] b [ ] a [ B A C

= = =

Esto implica que para poder realizar la multiplicacin AB, la matriz A debe ser conforme a la matriz
B. Es decir que, el nmero de columnas de A debe ser igual al nmero de filas de la matriz B.

Propiedades del producto de matrices
Estas son algunas de las propiedades del producto de matrices:
1) A ( B . C ) = ( A . B ) . C Asociativa
2) A ( B + C ) = A . B + A . C Distributiva izquierda
3) ( B + C ). A = B . A + C . A Distributiva derecha
4) A ( B C ) = A . B A . C
5) ( B C ) . A = B. A C . A
6) a . ( B + C ) = a . B + a . C
7) ( a + b ) . C = a . C + b . C
Ejemplos
1) Si se tiene las matrices:
3 3
3 1 0
3 2 2
8 5 1
(
(
(
= A
3 3
3 0 1
4 2 1
3 8 1
(
(
(
= B

Calcular: A es conforme a B.Calcular:
a) ? B A =
b) ? A B =
c) ? A A =
Solucin.- Multiplicamos cada fila de la matriz A con cada columna de la matriz B.
a)
3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
C C C
C C C
C C C
B A
3 3
5 2 2
7 6 7
7 2 4
(
(
(

= B A

[ ]
[ ]
[ ]
[ ]
[ ] 12 0 4 16
0
2
8
3 2 2
3 3 2 2
1
1
1
3 2 2
7 24 20 3
3
4
3
8 5 1
2 0 10 8
0
2
8
8 5 1
4 8 5 1
1
1
1
8 5 1
22
21
13
12
11
= + =
(
(
(
=
= =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
C
C
C
C
C

[ ]
[ ]
[ ]
[ ] 5 9 4 0
3
4
3
3 1 0
2 0 2 0
0
2
8
3 1 0
2 3 1 0
1
1
1
3 1 0
7 9 8 6
3
4
3
3 2 2
33
32
31
23
= + =
(
(
(
=
= + + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
C
C
C
C


b) Solucin.- Multiplicamos cada fila de la matriz B con cada columna de la matriz A.
3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
C C C
C C C
C C C
A B
3 3
17 8 1
14 5 3
7 8 15
(
(
(
= A B
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ] 17 9 0 8
3
3
8
3 0 1
8 3 0 5
1
2
5
3 0 1
1 0 0 1
0
2
1
3 0 1
14 12 6 8
3
3
8
4 2 1
5 4 4 5
1
2
5
4 2 1
3 0 4 1
0
2
1
4 2 1
7 9 24 8
3
3
8
3 8 1
8 3 16 5
1
2
5
3 8 1
15 0 16 1
0
2
1
3 8 1
33
32
31
23
22
21
13
12
11
= + =
(
(
(
=
= + + =
(
(
(
=
= + + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
= + + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
= + + =
(
(
(
=
C
C
C
C
C
C
C
C
C


c) Solucin.- Multiplicamos cada fila de la matriz A con cada columna de la matriz A.
3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
C C C
C C C
C C C
A A
3 3
12 5 2
1 3 2
31 13 9
(
(
(

= A A
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ] 12 9 3 0
3
3
8
3 1 0
5 3 2 0
1
2
5
3 1 0
2 0 2 0
0
2
1
3 1 0
1 9 6 16
3
3
8
3 2 2
3 3 4 10
1
2
5
3 2 2
2 0 4 2
0
2
1
3 2 2
31 24 15 8
3
3
8
8 5 1
13 8 10 5
1
2
5
8 5 1
9 0 10 1
0
2
1
8 5 1
33
32
31
23
22
21
13
12
11
= + + =
(
(
(
=
= =
(
(
(
=
= + + =
(
(
(
=
= =
(
(
(
=
= + + =
(
(
(
=
= + =
(
(
(
=
= =
(
(
(
=
= + + =
(
(
(
=
= + =
(
(
(
=
C
C
C
C
C
C
C
C
C

3 2
3 1 2
4 3 2
= A

2 3
2 1
3 2
2 1
(
(
(
= B

A es conforme a B.
Calcular:
a) ? B A =
b) ? A B =
c) ? A A =
a)
2 2
22 21
12 11
=
C C
C C
B A

2 2
17 3
13 8
= B A

[ ]
[ ]
[ ]
[ ] 7 6 3 4
2
3
2
3 1 2
3 3 2 2
1
2
1
3 1 2
13 8 9 4
2
3
2
4 3 2
8 4 6 2
1
2
1
4 3 2
22
21
12
11
= + =
(
(
(
=
= + =
(
(
(
=
= + + =
(
(
(
=
= + + =
(
(
(
=
C
C
C
C

b) Solucin.- Multiplicamos cada fila de la matriz B con cada columna A .

3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
C C C
C C C
C C C
A B
3 3
10 1 2
17 3 2
10 1 2
(
(
(
= A B

[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ] 10 6 4
3
4
2 1
1 2 3
1
3
2 1
2 4 2
2
2
2 1
17 9 8
3
4
3 2
3 3 6
1
3
3 2
2 6 4
2
2
3 2
10 6 4
3
4
2 1
1 2 3
1
3
2 1
2 4 2
2
2
2 1
33
32
31
23
22
21
13
12
11
= + =
(
=
= =
(
=
= + =
(
=
= + =
(
=
= =
(
=
= + =
(
=
= + =
(
=
= =
(
=
= + =
(
=
C
C
C
C
C
C
C
C
C

c) No se puede realizar la operacin porque A no es conforme a A.

2 3
4 1
3 0
3 1
(
(
(
= A

3 2
2 1 2
4 1 3

= B

A es conforme a B.
Calcular:
a) ? B A =
b) ? A B =

a)
3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
C C C
C C C
C C C
B A

3 3
4 5 5
6 3 6
10 2 9
(
(
(
= B A

b) Solucin.- Multiplicamos cada fila de la matriz B con cada columna de la matriz A.
2 2
22 21
12 11
=
C C
C C
A B

2 2
17 0
22 1
= A B
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ]
[ [[ [ ] ]] ] 4 8 4
2
4
4 1
5 4 1
1
1
4 1
5 8 3
2
3
4 1
6 6 0
2
4
3 0
3 3 0
1
1
3 0
6 6 0
2
3
3 0
10 6 4
2
4
3 1
2 3 1
1
1
3 1
9 6 3
2
3
3 1
33
32
31
23
22
21
13
12
11
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
= == = + ++ + = == =
( (( (

( (( (

= == =
C
C
C
C
C
C
C
C
C

[ ]
[ ]
[ ]
[ ] 17 8 3 6
4
3
3
2 1 2
0 2 0 2
1
0
1
2 1 2
22 16 3 9
2
3
2
4 1 3
1 4 0 3
1
0
1
4 1 3
22
21
12
11
= + + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
= + =
(
(
(
=
C
C
C
C

Propiedades de la multiplicacin de matrices
Si A, B y C son matrices del mismo orden respecto a la suma y conformes respecto a la
multiplicacin, entonces podemos presentar las siguientes propiedades:

1) ( ) ( ) C B A C B A . . . . = Asociativa
2) ( ) C A B A C B A . . . + = + Distributiva a la izquierda
3) ( ) C B C A C B A . . . + = + Distributiva a la derecha

Cuando las matrices cumplen estas tres propiedades conformes a la suma y la multiplicacin
entonces se dice que ellos forman un anillo.

Multiplicacin por escalar
Si k es un nmero real diferente de cero y se tiene la matriz
n m ij
a A

= ] [
entonces podemos
definir la multiplicacin de un escalar por una matriz de la siguiente manera:
n m ij n m ij
a k a k A k

= = ] [ ] [

Es decir que para multiplicar un escalar por una matriz; la multiplicacin del escalar se realiza
elemento a elemento.
Ejemplos
1) Si:
2 2
4 2
3
2
1
(
(
(

= A k = - 2
Calcular:
? A k =
Solucin
( )
2 2
2 2
8 4
6 1
4 2
3
2
1
2

=
(
(
(

= A k Es escalar multiplica a cada uno de los elementos.

2) Si:
3 3
6 0
2
3
4 1 2
3 2 1
(
(
(
(
(
(
= B y
3
1
= ; 1 =

Calcular:
a) ? = + B B
b) ( ) ? = + B

Solucin
a)
( )
3 3
3 3 3 3
3 3 3 3
4 0 1
3
8
3
2
3
4
2
3
4
3
2
6 0
2
3
4 1 2
3 2 1
2 0
2
1
3
4
3
1
3
2
1
3
2
3
1
6 0
2
3
4 1 2
3 2 1
1
6 0
2
3
4 1 2
3 2 1
3
1

(
(
(
(
(
(

= +
(
(
(
(
(
(

+
(
(
(
(
(
(
= +
(
(
(
(
(
(
+
(
(
(
(
(
(
\
|
= +
B B
B B
B B

b)

( )
( )
( )
3 3
3 3
3 3
4 0 1
3
8
3
2
3
4
2
3
4
3
2
6 0
2
3
4 1 2
3 2 1
3
2
6 0
2
3
4 1 2
3 2 1
1
3
1
(
(
(
(
(
(

= +
(
(
(
(
(
(
\
|
= +
(
(
(
(
(
(
\
|
= +
B
B
B

Conclusin:
( ) B B B + = +

Propiedades de los escalares
Si: k y r son nmeros reales y las matrices A y B son conformes para la suma algebraica y
el producto entonces podemos verificar las siguientes propiedades:

1) ( ) B k A k B A k + = +
2) ( ) A r A k A r k + = +
3) ( ) ( ) A r k A r k =
4) ( ) ( ) B A k B k A =

Potencia de una matriz
Si se sabe que la matriz
n n ij
a A

= ] [
es una matriz cuadrada y p y q son nmeros enteros
positivos, entonces podemos definir la potencia de una matriz de la siguiente manera:
A A A A A
P
= ... p veces

Propiedades de la potencia de una matriz
1)
q p q p
A A A
+
= Los exponentes Se suman
2) ( )
q p q p
A A

= Se multiplican los exponentes
3) 1
0
= == = A Es igual a la unidad
4) I I
p
= Es igual a la Identidad

Ejemplos
1 ) Dada la siguiente matriz:
3 3
1 1 2
1 2 1
3 2 1
(
(
(
= A
Calcular:
a)
3
A
b) I A A + + 2
2

c) ( )
2
I A +
Solucin.- Multiplicamos tres veces la matriz A por ella misma para hallar A
3
.
A A A A A A = =
2 3
Esto aplicando la definicin de Potencia de una matriz.

3 * 3
3
3 3 3 3
3
3 3 3 3 3 3
3
10 4 14
18 6 12
14 10 8
1 1 2
1 2 1
3 2 1
8 1 1
6 3 3
2 1 5
1 1 2
1 2 1
3 2 1
1 1 2
1 2 1
3 2 1
1 1 2
1 2 1
3 2 1
(
(
(
=
(
(
(

(
(
(
=
(
(
(

(
(
(

(
(
(
=

A
A
A

b) Solucin.- Reemplazamos los valores de cada matriz y realizamos la operacin.
( )
3 3
2
3 3 3 3 3 3
2
3 3 3 3 3 3 3 3
2
7 3 3
4 0 1
8 5 8
2
1 0 0
0 1 0
0 0 1
1 1 2
1 2 1
3 2 1
8 1 1
6 3 3
2 1 5
2
1 0 0
0 1 0
0 0 1
1 1 2
1 2 1
3 2 1
2
1 1 2
1 2 1
3 2 1
1 1 2
1 2 1
3 2 1
2

(
(
(
= + +
(
(
(
+
(
(
(
+
(
(
(
= + +
(
(
(
+
(
(
(
+
(
(
(

(
(
(
= + +
I A A
I A A
I A A

c) Solucin.- Primeramente sumamos las dos matrices y luego multiplicamos las matrices.
( )
( )
3 3
2
3 3 3 3
2
3 3 3 3
7 3 3
4 0 1
8 5 8
0 1 2
1 1 1
3 2 2
0 1 2
1 1 1
3 2 2
1 0 0
0 1 0
0 0 1
1 1 2
1 2 1
3 2 1

(
(
(
= +
(
(
(

(
(
(
= +
(
(
(
+
(
(
(
= +
I A
I A
I A

2. Si se tiente la siguiente matriz:
2 x 2
4 3
2 1
B
(

= Calcular: B
3
.
3. Si se tiene la siguiente matriz:
3 x 3
4 5 8
3 1 2
3 2 1
C
(
(
(
= Calcular: C
3

Matriz transpuesta
Si se tiene la matriz
n m ij
a A

= ] [
de orden mxn . Entonces a la matriz transpuesta podemos
definirla de la siguiente manera.
m n ji
t
t
a A
ij
a
n m
= =
] [ ] [
Es decir, que una matriz transpuesta es aquella cuando las filas de la matriz A se convierten en
columnas de dicha matriz, es decir:

3 2
6 5 4
3 2 1
x
A
(
= Entonces la transpuesta ser:

2 3
6 3
5 2
4 1
x
t
A
(
(
(
=

Propiedades de la Matriz Transpuesta
La matriz transpuesta cumple las siguientes propiedades:
1. ( ) A A
t
t
=
2. ( )
t t t
B A B A + = +
3. ( )
t t
A . A . =
4. ( )
t t t
A . B B . A =

Ejemplos
2 3
1 1
2 3
2 1
(
(
(
= A

3 2
2 1 1
0 2 1
= B
Calcular:
a) ( ) ? B A
t
=
b) ? A B
t t
=
c) ( ) ? A
t
t
=

a) Solucin.- Primeramente multiplicamos las matrices y luego se realiza la transpuesta.

( )
3 3
t
3 3
3 2
2 3
2 4 4
1 7 4
0 5 3
B A
2 1 0
4 7 5
4 4 3
2 1 1
0 2 1
1 1
2 3
2 1
B A
(
(
(

=
(
(
(
=
(
(
(
(
=

b) Solucin.- Primeramente hallamos las transpuestas de cada matriz y luego realizamos el
producto.
3 3
3 2
2 3
2 4 4
1 8 4
0 5 3
1 2 2
1 3 1
2 0
1 2
1 1
(
(
(

=
(
(
(
(
=
t t
t t
A B
A B

c) Solucin.- Hallamos la transpuesta luego volvemos a hallar la transpuesta.
( )
2 3
t t
1 1
2 3
2 1
A
(
(
(
=
Conclusin:
( ) A A
t
t
=

2. Dadas las siguientes matrices:
2 x 5
8 1
2 1
0 0
4 / 1 3
0 1
A
(
(
(
(
(
(
=
4 x 2
4 3 2 1
3 8 1 0
B
(

=
Demostrar que: ( )
t t t
A . B B . A =

PRACTICO N 1
1 ) Dadas las siguientes matrices:
2 3
1 1
2 1
0 1
(
(
(
= A ;
2 2
3 0
1 2

= B ;
3 2
4 1 2
3 2 1
= C ;
3 3
4 2 3
1 0 1
2 5 1
(
(
(
= D ;
3 3
3 1 4
2 1 1
3 1 6
(
(
(
= E

Calcular:

a) ? = B A

b) ? = E D

c) ? = E D

d) ? = B E

e) ? 3 = D C

f) ( ) ? = C B A

g) ( ) ? 2 = + B C B A

h) ?
2
= + E D


Respuestas:
a)
2 3
2 2
7 2
1 2
(
(
(
= B A

b)
3 3
1 1 1
1 1 0
1 4 5
(
(
(

= E D
c)
3 3
25 9 32
0 0 2
19 8 9
(
(
(
= E D

d) No se puede realizar la operacin.

e) No se puede realizar la operacin

f) ( )
3 3
14 6 6
22 3 12
2 3 0
(
(
(
= C B A
g) No se puede realizar la operacin.
h)
3 3
2
27 10 38
6 2 0
31 15 48
(
(
(
= + E D

3 2
1 3 5
1 6 3

= A ;
3 2
4 3 2
1 0 5
= B ;
4 3
3 0 0 1
2 2 1 3
1 0 2 1
(
(
(
= C ;
1 3
3
1
3
(
(
(
= D ;
2 2
3 2
3 1
= E
Calcular: Respuestas:
a) ? = E A
t
a)
2 3
6 3
9 0
24 13
(
(
(
= E A
t

b) ? 4 3 = B A b)
3 2
13 21 23
7 18 11
4 3

= B A

c) ? = D B c)
1 2
9
12
= D B


2 3
6 8
2 4
7 2
(
(
(
= A ;
1 3
1
2
3
(
(
(
= B ; [ ]
3 1
1 2 5

= C ;
3 3
1 1 1
0 1 0
0 1 1
(
(
(
= D
a) ? = B D a)
1 3
6
2
5
(
(
(
= B D
b) ? = D A
t
b)
3 2
6 15 13
8 14 10
= D A
t

c) ? = D D
t
c)
3 3
1 1 1
1 3 2
1 2 2
(
(
(
= D D
t

d) ( ) ? 2 =
t
C B D d)
(
(
(

6 4 5
8 2 10
20 8 13

3 3
1 3 4
3 1 2
2 3 1
(
(
(

= A ;
4 3
0 1 2 1
1 1 1 2
0 1 4 1
(
(
(
= B ;
4 3
0 1 5 2
1 1 2 3
1 1 1 2
(
(
(

= C

Calcular:

Respuestas:

a) ? = B A a)
4 3
3 0 15 3
1 0 15 1
3 6 3 9
(
(
(

= B A

b) ( ) ? = + C B A b) ( )
4 3
8 0 30 6
4 0 30 2
2 0 12 24
(
(
(

= + C B A

c) ? = + C A B A c)
4 3
8 0 30 6
4 0 30 2
2 0 12 24
(
(
(

= + C A B A

3 2
3 7
2
1
4 2 3
(
(
(

= A ;
2 3
3
7
5
8 1
2
2
3
(
(
(
(
(
(
= B ;
3 3
1 2 3
3 2 1
3 2 1
(
(
(
= C

a) ? = B A a)
2 2
46
28
227
34
14
75
(
(
(
(

= B A

b) ? = A B b)
3 3
7
43
7
157
14
9
28 54 7
0 17
2
7
(
(
(
(
(
(
= A B

c) ? = A A c) No se puede realizar la operacin.

d) ? = C B d) No se puede realizar la operacin.


Unidad N 2: Determinantes

Competencias
Al finalizar la unidad el estudiante desarrollar las siguientes competencias:
1) Calcula el determinante de matrices 2x2, 3x3, 4x4, nxn.
2) Aplica las propiedades de los determinantes para calcular su valor.
3) Aplica los determinantes en el clculo de la inversa de una matriz
4) Calcula la inversa de una matriz por diferentes mtodos
5) Resuelve Sistemas de ecuaciones lipor diferentes mtodos.

Definicin
El determinante de una matriz cuadrada A es un nmero escalar que se obtiene de los elementos de
una matriz realizando operaciones sobre ellos; de donde se halla el determinante y se lo simboliza de la
siguiente manera: det(A) |A|.
Signo de una Matriz
Cada elemento que conforma a una matriz tiene su signo, cuando sta presenta diferentes elementos
dentro de ella; entonces se toma el signo de cada elemento como ( )
j i +
1
Es decir: Sig [ ] ( )
j i
ij
a
+
= 1
Por ejemplo si queremos determinar el signo de los elementos de una matriz de orden 3x3 se tiene que:
3 3
33 32 31
23 22 21
13 12 11
(
(
(
=
a a a
a a a
a a a
A

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
3 3
3 3 2 3 1 3
3 2 2 2 1 2
3 1 2 1 1 1
1 1 1
1 1 1
1 1 1
+ + +
+ + +
+ + +
(
(
(

= A Entonces se tiene:
3 3
(
(
(
+ +
+
+ +
= A

Lo mismo ocurrir para matrices de rden 4x4; 5x5; 6x6; nxn.


Determinante de una Matriz de orden 2x2
Para calcular el determinante de una matriz de orden dos se realiza el producto de los elementos de la
diagonal principal, menos el producto de los elementos de la diagonal secundaria, es decir:
Si:
2 2
22 21
12 11
=
a a
a a
A
Entonces:
( )
21 12 22 11
det a a a a A =

Ejemplos:
1) Calcular el determinante de la siguiente matriz:
2 2
4 1
2 1
= A

( ) ( ) ( ) [ ]
( )
( ) 6 det
2 4 det
2 1 4 1 det
=
+ =
=
A
A
A

2 2
4 1
2
2
1
(
(
(
= B

( ) ( ) ( ) ( ) [ ]
( )
( ) 4 det
2 2 det
1 2 4
2
1
det
=
=

(
=
B
B
B


2 2
4
1
3
5
3 1
(
(
(
= C
( ) ( )
( )
( )
4
21
det
5
4
1
det
3
5
3
4
1
1 det
=
=
(
\
|

(
\
|
=
C
C
C

2 2
3
4
3
8 1
(
(
(
= D Para realizar por el estudiante.

2 2
2
5
1
3 2
(
(
(
= E Para realizar por el estudiante

Determinante de una Matriz de orden 3x3
Para calcular el determinante de una matriz 3x3, se puede emplear una fila o columna cualquiera como
referencia respetando los signos de cada uno de los elementos de dicha fila o columna y anulando al
mismo tiempo la fila y la columna de los elementos considerados; de esta manera el determinante de
una matriz ser nico.

Ejemplos:
1) Calcular el determinante de:
3 3
8 4 3
6 9 2
2 5 1
(
(
(
= A
3 3
(
(
(
+ +
+
+ +
= A

( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( ) 20 det
38 10 48 det
19 2 2 5 48 1 det
27 8 2 18 16 5 24 72 1 det
4 3
9 2
2
8 3
6 2
5
8 4
6 9
1 det
=
+ =
+ =
+ =
+ =
A
A
A
A
A

3 3
8 2 3
6 1 2
2 3 1
(
(
(
= B

( )
( ) ( ) ( ) ( )
( )
( ) 4 det
2 6 4 det
3 4 2 18 16 3 12 8 1 det
2 3
1 2
2
8 3
6 2
3
8 2
6 1
1 det
=
+ + =
+ =
+ =
B
B
B
B

3 3
0 1 3
3 0 2
6 7 0
(
(
(
= C
( )
( ) ( ) ( )
( )
( ) 75 det
12 63 0 det
0 2 6 9 0 7 0 det
1 3
0 2
6
0 3
3 2
7
0 1
3 0
0 det
=
+ + =
+ + =
+ =
C
C
C
C

3 3
1 2 3
8 4 1
3 2 1
(
(
(
= D Para realizar por el estudiante

3 3
1 1 1
(
(
(
+ + +
=
x y x z z y
z y x E Para realizar por el estudiante

Determinante de una Matriz de orden 4x4, 5x5, nxn
Para calcular el determinante de una matriz 4x4, 5x5, nxn; se debe ir reduciendo la matriz hasta
llegar a una matriz 2x2 siempre tomando en cuenta los signos de los elementos de la fila o columna
elegida.

Ejemplos:
4 4
8 4 2 3
6 9 1 2
4 3 1 0
2 5 3 1
(
(
(
(
= A Aqu hallamos los determinantes 3 x 3 y reemplazamos.

( ) ( ) ( ) ( ) ( )
( )
( ) 160 det
32 10 210 92 det
16 2 2 5 70 3 92 1 det
4 2 3
9 1 2
3 1 0
2
8 2 3
6 1 2
4 1 0
5
8 4 3
6 9 2
4 3 0
3
8 4 2
6 9 1
4 3 1
1 ) det(
=
+ + + =
+ =
=
A
A
A
A

4 4
2 0 3 4
2 1 1 3
0 2 0 1
3 2 2 1
(
(
(
(
= B
Para realizar por el estudiante (-131)

4 4
1 1 2 2
3 4 1 1
2 1 0 3
2 3 1 2
(
(
(
(
= C
Para realizar por el estudiante (- 55 )
Propiedades de los Determinates
Los determinantes tienen propiedades que ayudan a resolver problemas cuando estas son aplicadas
en las matrices y algunas de estas propiedades son las siguientes:

Propiedad 1.- Si todos los elementos de una fila o una columna de la matriz son nulos; entonces el
determinante de dicha matiz es cero.
Por ejemplo:
3 3
3 0 1
6 0 4
3 0 1
(
(
(

= A
( ) 0 det = A

Propiedad 2.- Si dos filas o columnas de una matriz cuadrada son iguales o mltiplos entre si
entonces el determinante de dicha matriz es cero.
Por ejemplo: En este caso la fila 1 es mltiplo de la fila 3.
3 3
6 4 2
8 4 3
3 2 1
(
(
(
= B Entonces:

( ) 0 det = B

Propiedad 3.- Si la matriz A1 es el resultado de un intercambio de dos filas o columnas
adyacentes de la matriz A entonces se cumple que: ( ) ( ) A A det det
1
=
Por ejemplo:
En este caso se intercambiaron las filas dos y tres
3 3
1 2 2
3 2 1
0 3 1
(
(
(
= A
3 3
1
3 2 1
1 2 2
0 3 1
(
(
(
= A

( )
( ) ( ) ( ) ( )
( )
( ) 23 det
15 8 det
4 2 0 6 1 3 6 2 1 det
2 2
2 1
0
1 2
3 1
3
1 2
3 2
1 det
=
+ =
+ + =
=
A
A
A
A

( )
( ) ( ) ( ) ( )
( )
( ) 23 det
15 8 det
2 4 0 1 6 3 2 6 1 det
2 1
2 2
0
3 1
1 2
3
3 2
1 2
1 det
1
1
1
1
=
=
+ + =
=
A
A
A
A


Propiedad 4.- Si A1 es el resultado de multiplicar una fila de la matriz A o una columna de la
misma matriz A por una constante k diferente de cero, entonces se cumple que:
( ) ( ) A k A det det
1
=
Por ejemplo:
3 3
6 5 3
2 1 2
3 2 1
(
(
(
= A
( )
( ) ( ) ( ) ( )
( )
( ) 5 det
21 12 4 det
3 10 3 6 12 2 10 6 1 det
5 3
1 2
3
6 3
2 2
2
6 5
2 1
1 det
=
+ =
+ =
+ =
A
A
A
A

Multiplicando la fila 2 por 4 se tiene:
3 3
1
6 5 3
8 4 8
3 2 1
(
(
(
= A
( )
( ) ( ) ( ) ( )
( )
( ) 20 det
84 48 16 det
12 40 3 24 48 2 40 24 1 det
5 3
4 8
3
6 3
8 8
2
6 5
8 4
1 det
1
1
1
1
=
+ =
+ =
+ =
A
A
A
A

Entonces se cumple que:
( ) ( )
20 20
5 4 20
det det
1
=
=
= A k A

Propiedad 5.- Si se multiplica una fila o una columna cualquiera de la matriz A por un nmero
Real diferente de cero y si luego este resultado se suma a otra fila o columna cualquiera; entonces el
valor del determinante no cambia.
Cuando se realiza este tipo de operaciones sobre las matrices, lo que se quiere lograr es:
a) Convertir la matriz en triangular superior para calcular luego el determinante de dicha matriz
solamente multiplicando los elementos de la diagonal principal.
b) Lograr que una fila o una columna de la matriz tenga elementos nulos entonces el determinante
de dicha matriz ser cero.

Ejemplos:
3 3
5 2 0
4 1 3
2 1 1
(
(
(
= A
Solucin:
( )
( )
( ) 16 det
12 15 13 det
2 0
1 3
2
5 0
4 3
1
5 2
4 1
1 det
=
+ =
+ +
=
A
A
A

Ahora convertimos a la matriz en triangular superior y calculamos el determinante.
( )
3 3
12
5 2 0
2 4 0
2 1 1
3
(
(
(
A

3 3
23
4 0 0
2 4 0
2 1 1
2
1
(
(
(
\
|
A

( )
( ) 16 det
4 4 1 det
=
=
A
A
Fila 2 Columna 3

Entonces el determinante resulta de multiplicar los elementos de la diagonal principal.

2) Calcular el determinante de la siguiente matriz aplicando la propiedad:
3 3
8 1 1
3 1 0
3 2 1
(
(
(
= B

Solucin:
( )
3 3
13
5 1 0
3 1 0
3 2 1
1
(
(
(
A ( )
3 3
23
2 0 0
3 1 0
3 2 1
1 A
(
(
(
Ahora multiplico solo los elementos de la diagonal principal de la matriz.

( )
( ) 2 det
2 1 1 det
=
=
B
B

3 3
5 1 0
4 1 3
2 1 1
(
(
(
= C
Solucin:
( )
3 3
12
5 1 0
2 4 0
2 1 1
3
(
(
(
A
3 3
23
2
9
0 0
2 4 0
2 1 1
4
1
(
(
(
(
(
(
\
|
A
Multiplicando los elementos de la diagonal principal se tiene:
( )
( ) 18 det
2
9
4 1 det
=
=
C
C

3 3
5 2 1
9 4 2
2 3 1
(
(
(
= D

Solucin:
( )
3 3
12
5 2 1
5 2 0
2 3 1
2
(
(
(
A ( )
3 3
13
3 1 0
5 2 0
2 3 1
1
(
(
(
A
3 3
23
2
1
0 0
5 2 0
2 3 1
2
1
(
(
(
(
(
(
\
|
A
( ) ( )
( ) 1 det
2
1
2 1 det
=
=
D
D

3 3
9 8 7
6 5 4
3 2 1
(
(
(
= E
Solucin:
( )
3 3
12
9 8 7
6 3 0
3 2 1
4
(
(
(
A
( )
3 * 3
13
12 6 0
6 3 0
3 2 1
7
(
(
(

A
( )
3 3
23
0 0 0
6 3 0
3 2 1
2
(
(
(
A
( ) ( )
( ) 0 det
0 3 1 det
=
=
E
E

4 4
8 4 2 3
6 9 1 2
4 3 1 0
6 5 3 1
(
(
(
(
= F

Solucin:
( )
( )
4 4
14
13
10 11 7 0
6 1 5 0
4 3 1 0
6 5 3 1
3
2
(
(
(
(
A
A

( )
( )
4 4
24
23
38 32 0 0
26 16 0 0
4 3 1 0
6 5 3 1
3
2
(
(
(
(
A
A

( )
4 4
34
14 0 0 0
26 16 0 0
4 3 1 0
6 5 3 1
2
(
(
(
(
A
( ) ( ) ( )
( ) 224 det
14 16 1 1 det
=
=
F
F
Entonces multiplicando los elementos de la diagonal principal.

Menores de una Matriz
Si se sabe que la matriz A es cuadrada es decir de orden nxn y la matriz Mij , es de orden
( ) ( ) 1 1 n n que se obtiene al eliminar de la matriz A su i-sima fila y su j-sima columna;
entonces a la matriz Mij se denomina ij-sima menor de A.
Es decir que para calcular los menores de una matriz se debe eliminar la fila y la columna indicada
por el menor.
Ejemplos:
1) Dada la siguiente matriz
3 3
3 4 1
7 8 6
3 2 1
(
(
(

= A

Calcular:
Respuestas:

a) ?
12
= M a)
2 2
12
3 1
7 6
= M

b) ?
22
= M b)
2 2
22
3 1
3 1
= M

c) ?
31
= M c)
2 2
31
7 8
3 2

= M

2) Dada la siguiente matriz
4 * 4
3 1 2 9
8 6 3 0
0 1 4 2
2 0 1 1
(
(
(
(
= B

Calcular:

Respuestas:
a) ?
44
= M a)
3 3
44
6 3 0
1 4 2
0 1 1
(
(
(
= M

b) ?
13
= M b)
3 3
13
3 2 9
8 3 0
0 4 2
(
(
(
= M

c) ?
33
= M c)
3 3
33
3 2 9
0 4 2
2 1 1
(
(
(

= M

Cofactores de una Matriz
Sea A una matriz cuadrada de orden nxn entonces el ij-simo cofactor de la matriz A est
representado por Cij y est definido de la siguiente manera: ( )
ij
j i
ij
M C
+
= 1
Es decir que para calcular los cofactores de una matriz se debe determinar el signo de cada
elemento y multiplicarlo por el determinante del menor.
Ejemplos:

1) Dada la siguiente matriz:
3 3
0 2 3
8 6 1
3 2 1
(
(
(
= A


a) ?
13
= C a)
( )
( )
16
18 2
2 3
6 1
1
13
13
3 1
13
=
+ =
=
+
C
C
C

b) ?
32
= C b)

( )
( )
11
3 8
8 1
3 1
1
32
32
2 3
32
=
+ =
=
+
C
C
C

c) ?
12
= C c)

( )
( )
24
24 0
0 3
8 1
1
12
12
2 1
12
=
=
=
+
C
C
C

d) ?
23
= C d)
( )
( )
8
6 2
2 3
2 1
1
23
23
3 2
23
=
=
=
+
C
C
C


4 4
0 2 0 1
0 1 2 3
2 6 0 2
4 3 2 1
(
(
(
(

= B
Calcular:
a) ?
14
= C
b) ?
41
= C
c) ?
32
= C
d) ?
23
= C

Solucin:
a)
( )
( ) ( ) ( ) [ ]
( )
20
12 8
2 0 6 1 6 0 0 4 2
0 1
2 3
6
2 1
1 3
0
2 0
1 2
2
2 0 1
1 2 3
6 0 2
1
14
14
14
14
4 1
14
=
+ =
+ + + =
(
=
+
C
C
C
C
C

b)
( )
( ) ( ) ( ) [ ]
( )
56
48 12 4
12 0 4 4 0 3 2 0 2
1 2
6 0
4
0 2
2 0
3
0 1
2 6
2
0 1 2
2 6 0
4 3 2
1
41
41
41
41
1 4
41
=
=
+ + + =
(
=
=
+
C
C
C
C
C

( )
( ) ( ) ( ) [ ]
[ ]
42
40 6 4
6 4 4 2 0 3 4 0 1
2 1
6 2
4
0 1
2 2
3
0 2
2 6
1
0 2 1
2 6 2
4 3 1
1
32
32
32
32
2 3
32
=
+ + =
+ + =
(
=

=
+
C
C
C
C
C

d)
( )
( ) ( ) ( ) [ ]
[ ]
8
8 0 0
2 0 4 0 0 2 0 0 1
0 1
2 3
4
0 1
0 3
2
0 0
0 2
1
0 0 1
0 2 3
4 2 1
1
23
23
23
23
3 2
23
=
+ =
+ + =
(
=
+
C
C
C
C
C

Adjunta de una Matriz
Sea A una matriz cuadrada de orden nxn entonces la adjunta de la matriz A que se representa
como ( ) A adj
*
A , es la totalidad de todos los cofactores de la matriz A respetando los signos
de cada elemento de dicha matriz.
Ejemplos:
1. Calcular la adjunta de la matriz:

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
3 3
*
3 3
*
3 3
*
3 3
1 4 5
3 5 1
3 2 6
4 3 6 2 9 4
6 3 9 4 9 8
9 6 6 8 6 12
3 2
2 1
2 2
3 1
2 3
3 2
3 3
2 1
4 3
3 1
4 3
3 2
3 3
3 2
4 3
2 2
4 3
2 3
4 3 3
2 3 2
3 2 1
(
(
(

=
(
(
(
+ +
+
+ +
=
(
(
(
(
(
(
(
+ +
+
+ +
=
(
(
(
=
A
A
A
A

2. Calcular la adjunta de las matriz:

3 3
*
3 3
*
3 3
6 10 12
2 4 7
2 4 4
0 2
3 2
4 2
1 2
4 0
1 3
1 0
3 2
2 0
1 2
2 1
1 3
1 0
0 2
2 0
4 2
2 1
4 0
2 1 0
4 0 2
1 3 2
(
(
(

=
(
(
(
(
(
(
(
+
=
(
(
(
=
B
B
B

Matriz Inversa
Se dice que una matriz A es regular si su determinante es diferente de cero. En caso de que la
determinante fuera cero, entonces la matriz es singular.
Por lo tanto si la matriz A es cuadrada es decir de orden nxn; entonces esta matriz tiene inversa
siempre y cuando exista otra matriz que conmute con A, para la operacin del producto de matrices
y el resultado de este producto ser igual a la matriz identidad es decir: I A B B A = =
Entonces para calcular la inversa de una matriz cuadrada A sta debe ser regular; por lo tanto para
el clculo de la inversa de una matriz se aplica la siguiente igualdad:
( I )
( )
( )
t 1
* A
A det
1
A =

Propiedades de la matriz inversa
Algunas de las propiedades de la matriz inversa son las siguientes:
1) I A A A A = =

. .
1 1

2) ( )
1 1 1
. .

= A B B A
3) ( ) A A =
1
1

4) ( ) ( )
t
t
A A
1
1
=
5) ( )
( ) A
A
det
1
det
1
=

6)
( )
( )
t
A
A
A

= .
det
1
1

7) ( )
1
1
.
1
.
=
A k
A k k es una constante.

Ejemplos:
1) Calcular la inversa de la siguiente matriz aplicando la matriz adjunta:
3 3
3 4 1
4 3 1
3 3 1
(
(
(
= A
Solucin.- Primeramente se calcular el determinante, luego la adjunta y por ltimo se saca la
transpuesta de la matriz adjunta, para reemplazar en la frmula ( I ).

( )
3 3
*
3 3
*
3 3
*
0 1 1
1 0 1
3 3 7
0 1 3
1 0 3
1 1 7
3 1
3 1
4 1
3 1
4 3
3 3
4 1
3 1
3 1
3 1
9 4
3 3
4 1
3 1
13
4 1
3 3
4 3
(
(
(
=
(
(
(
=
(
(
(
(
(
(
(
+ +
+
+ +
=
t
A
A
A

( )
( ) ( ) ( ) ( )
( )
( ) 1 det
3 3 7 det
3 4 3 4 3 3 16 9 1 det
4 1
3 1
3
3 1
4 1
3
3 4
4 3
1 det
=
+ + =
+ =
+ =
A
A
A
A

(
(
(

=
(
(
(
0 1 1
1 0 1
3 3 7
0 1 1
1 0 1
3 3 7
1
1
1
3 3
1
A
A

Prueba: Para realizar la prueba se aplica;

I A A =
1

3 3 3 3 3 3
1 0 0
0 1 0
0 0 1
3 4 1
4 3 1
3 3 1
0 1 1
1 0 1
3 3 7

(
(
(
=
(
(
(
(
(
(

2) Calcular la inversa de la siguiente matriz utilizando la matriz adjunta.

3 3
1 1 2
2 1 1
1 2 1
(
(
(
= A Respuesta:
3 3
1
14 / 3 14 / 5 14 / 1
14 / 1 14 / 3 14 / 5
14 / 5 14 / 1 14 / 3
(
(
(
= A

3) Dada la siguiente matriz. Calcular ( )
1
det

A

(
(
(
=
2 1 3
6 5 4
6 4 2
B Respuesta: 1/6

(

=
3 2
1 5
A
(
=
4 1
3 1
B

Demostrar que: ( )
1 1 1
. .

= A B B A

5 ) Dada la siguiente matriz:
(
(
(
=
2 2 0
4 0 1
3 2 1
C
Calcular:
a) ( )
C det b) ( )
C C. det c) ( )
1
det

C d) ( )
2
det C
Ejercicios propuestos

3 * 3
3 2 1
1 2 3
3 2 1
(
(
(

= A ;
3 * 3
3 0 2
2 1 0
3 2 1
(
(
(
= B

Calcular:

Respuestas:
a) ( ) ? . det = B A a) ( ) 0 B . A det =
b) ? det . det = B A b) 0 det . det = B A
c) ( ) ? det = + B A c) ( ) 42 B A det = +

3 3
5 3 1
2 3 4
3 1 1
(
(
(
= A ;
3 3
2 3 3
2 1 4
3
2
1
3
(
(
(
(
(
(
= B
Calcular:

a) ( ) ? . 2 det =
t
B B A A
b)
( )
?
. det
.
det . = +
B A
B A
A B A
t

Respuestas:
a) ( ) 32893 . 2 det =
t
B B A A

b)
( )
3 3
5468
519
10936
783
2734
61
2734
49
1367
76
1367
84
5468
449
10936
437
1367
37
. det
.
det .
(
(
(
(
(
(

= +
B A
B A
A B A
t

3 ) Hallar la adjunta de las siguientes matrices.

Matrices:

Respuestas:
a)
3 3
6 5 2
3 9 4
2 7 1
(
(
(
= A a)
3 3
19 5 3
9 2 32
2 18 39
A
(
(
(
=
b)
3 3
7 0 0
4 5 0
3 1 2
(
(
(
= B b)
3 3
10 8 11
0 14 7
0 0 35
(
(
(

= B
c)
3 3
4 5 7
8 9 2
3 4 1
(
(
(
= C c)
3 3
1 2 5
23 17 1
53 48 4
C
(
(
(

=
d)
3 3
6 9 4
5 7 2
2 3 1
(
(
(
= D d)
3 3
1 1 1
3 2 0
10 8 3
(
(
(

= D


3 3
4 6 4
4 8 1
6 5 4
(
(
(
= A ;
3 3
7 3 5
7 3 4
1 4 7
(
(
(
= B

a) ( ) ?
*
= B A a) ( )
3 3
*
481 2755 527
1404 5508 1116
1210 5014 806
(
(
(

= B A
b) ?
* *
= B A b)
3 3
* *
481 2755 527
1404 5508 1116
1210 5014 806
(
(
(

= B A

c) Conclusin c) ( )
* * *
B A B A =

3 3
3 3 2
3 3 0
8 1 2
(
(
(
= A ;
3 3
1 2 2
0 3 1
3 0 1
(
(
(
= B

Demostrar que:
( )
1 1 1
= A B B A
Solucin:
3 3 3 3
1
36
19
24
1
48
17
144
173
6
1
16
1
48
59
8
1
1
36
19
24
1
48
17
144
173
6
1
16
1
48
59
8
1

(
(
(
(
(
(

=
(
(
(
(
(
(

6) Calcular la inversa de las siguientes matrices utilizando la matriz adjunta.

Respuestas:
a)
3 3
4 5 5
7 9 9
6 2 1
(
(
(
= A a)
3 3
1
9 5 0
47 26 1
40 22 1
(
(
(

= A
b)
3 3
2 0 0
0 3 0
0 0 1
(
(
(
= B b)
3 3
1
2
1
0 0
0
3
1
0
0 0 1
(
(
(
(
(
(
= B
c)
3 3
3 0 0
6 2 0
5 4 1
(
(
(
= C c)
3 3
1
3
1
0 0
1
2
1
0
3
7
2 1
(
(
(
(
(
(
= C
d)
3 3
6 2 1
5 4 2
1 2 1
(
(
(

= D d) No tiene inversa.


3 3
0 2 2
2 3 8
1 4 3
(
(
(
= A

Calcular:

Respuesta:
a) ( ) ? det
1
=
A ( )
18
25
det
1
=
A

Escalonamiento de Matrices
En el escalonamiento de las matrices podemos definir tres operaciones elementales realizadas
sobre las filas o columnas de la matriz. Estas operaciones son las siguientes:

1) Se puede multiplicar cualquier fila de la matriz por un nmero Real diferente de cero. A esta
operacin la representamos por la letra M.
2) Se puede sumar o restar el mltiplo de una fila a otra fila; a esta operacin se la denomina
adicin de filas y se la representa con la letra A.
3) Se puede permutar dos filas cualesquiera de la matriz; a esta operacin se la representa con la
letra P.

Matriz Equivalente
Si se tiene una matriz
n m
A

sobre la cual se realizan operaciones elementales y se obtiene la
matriz
n m
B

, entonces cuando se cumple estas operaciones en la matriz A; se dice que A es
equivalente a B y se la representa como: B A . Por ejemplo:
3 3
2 0 0
4 0 1
3 2 1
(
(
(
= A
( )
3 3
2
2 0 0
4 0 1
3 2 1
1
(
(
(
M
( )
3 3
12
2 0 0
7 2 0
3 2 1
1
(
(
(
A
3 3
23
7 2 0
2 0 0
3 2 1
(
(
(
P
3 3
7 2 0
2 0 0
3 2 1
(
(
(
= B Entonces: B A

Matrices Escalonadas por Filas
Las matrices escalonadas por filas tienen dos formas; matriz escalonada y matriz escalonada
reducida:
a) Matriz escalonada
Para que una matriz este en su forma escalonada debe cumplir las siguientes condiciones:

1) Si una matriz tiene filas donde todos sus elementos son nulos, entonces estas filas deben
ubicarse a lo ltimo de la matriz, es decir:
(
(
(
(
=
0 0 0 0
A

2) Si una fila no consta de elementos exclusivamente nulos, entonces el primer elemento diferente
de cero que aparezca en dicha fila debe ser el uno es decir:
(
(
(
(
=
0 0 0 0
1 0
A

3) Si en dos filas sucesivas no nulas el primer uno de la fila inferior debe estar ms hacia la
derecha que el primer uno de la fila superior es decir:
------------
-----
--------
(
(
(
(
=
0 0 0 0
1 0 0
1 0
1
A

Ejemplos:
3 3
4 0 0
3 1 0
3 2 1
(
(
(
= A No es escalonada
4 2
2 1 0 0
5 2 0 1
= B Es escalonada
3 3
1 0 0
2 4 0
3 2 1
(
(
(
= C No es escalonada
4 2
2 2 1 0
3 3 7 1

= D Es escalonada
3 3
1 0 0
2 1 0
3 1 2
(
(
(
= E No es escalonada

b) Matriz Escalonada Reducida o Matriz Cannica
Es aquella matriz que adems de cumplir las tres condiciones anteriores debe cumplir tambin la
siguiente condicin:
4) Cualquier columna que contenga el primer uno en una fila; todos los dems elementos de dicha
columna deben ser nulos, es decir:
(
(
(
(
=
0 0 0 0
0 0 0
1 0
0 1
A

Ejemplos
3 3
4 0 0
3 1 0
3 0 1
(
(
(
= A No es escalonada reducida
4 2
2 1 0 0
5 0 0 1
= B Es escalonada reducida
3 3
1 0 0
2 1 0
3 2 1
(
(
(
= C No es escalonada reducida
4 2
2 2 1 0
3 3 0 1
= D Es escalonada reducida
3 3
1 0 0
2 1 0
3 1 1
(
(
(
= E No es escalonada reducida

Ejercicios:
Dadas las siguientes matrices, transformarlas en matrices escalonadas reducidas.

1)
(
(
(

=
3 2 1 3
2 2 1 2
1 3 2 1
A 1)
(
(
(
(
(
(
=
63
2
1 0 0
63
52
0 1 0
63
47
0 0 1
A

2)
(
(
(
=
2 1 3 3
6 3 1 2
2 1 1 1
B Para realizar por el estudiante

3)
(
(
(
=
5 6 2 6 3
3 2 1 4 2
1 2 1 2 1
C Para realizar por el estudiante

4)
(
(
(
=
7 0 0 0 0
5 2 3 0 0
6 5 4 3 2
D Para realizar por el estudiante

5)
(
(
(
(
=
2 5 3 2
3 7 4 3
2 4 1 2
2 5 3 1
E Para realizar por el estudiante

Calculo de la Inversa de una matriz por Escalonamiento
Este mtodo consiste en transformar una matriz A por medio de la reduccin por filas en una
matriz identidad.
El procedimiento que se debe seguir para este clculo es el siguiente:
1) Se escribe la matriz aumentada, es decir la matriz A junto a la matriz identidad [ ] I A |
2) Se transforma la matriz A a su forma escalonada reducida por medio de operaciones
elementales; afectando estas tambin a la matriz identidad.
3) La matriz A se debe reducir a la matriz identidad; entonces
1
A ser la matriz que aparezca
lado derecho de la matriz A, es decir:
1
A

A I
I

Una matriz cuadrada tiene inversa si slo si; su forma escalonada reducida es la matriz identidad. En
caso de que en la reduccin por filas de la matriz A se llegara a tener una fila o una columna cuyos
elementos son nulos, entonces la matriz A no tiene inversa.
Ejemplos
Calcular la inversa por escalonamiento de las siguientes matrices.
1)
6 3
3 3
1 0 0 4 3 1
0 1 0 3 4 1
0 0 1 3 3 1
4 3 1
3 4 1
3 3 1
(
(
(
=
(
(
(
=
A
A
Escribiendo la matriz aumentada.
( )
( )
( )
( )
3 3
1
6 3
31
6 3
21
6 3
13
12
1 0 1
0 1 1
3 3 7
1 0 1 1 0 0
0 1 1 0 1 0
3 3 7 0 0 1
3
1 0 1 1 0 0
0 1 1 0 1 0
0 3 4 3 0 1
3
1 0 1 1 0 0
0 1 1 0 1 0
0 0 1 3 3 1
1
1
(
(
(

=
(
(
(
(
(
(
(
(
(
A
A
A
A
A
Realizando operaciones elementales.

2)
6 3
3 3
1 0 0 8 1 4
0 1 0 3 1 2
0 0 1 2 0 1
8 1 4
3 1 2
2 0 1
(
(
(
=
(
(
(
=
B
B
Escribiendo la matriz aumentada.
( )
( )
( )
( )
( )
3 3
1
6 3
31
6 3
3
6 3
23
6 3
23
6 3
13
12
1 1 6
1 0 4
2 2 11
1 1 6 1 0 0
1 0 4 0 1 0
2 2 1 2 0 1
2
1 1 6 1 0 0
1 0 4 0 1 0
0 0 1 2 0 1
1
1 1 6 1 0 0
1 0 4 0 1 0
0 0 1 2 0 1
1
0 1 2 1 1 0
1 0 4 0 1 0
0 0 1 2 0 1
1 0 4 0 1 0
0 1 2 1 1 0
0 0 1 2 0 1
4
2
(
(
(
=
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
B
A
M
A
P
A
A
Es la inversa.

3)
8 4
4 4
1 0 0 0 14 14 5 4
0 1 0 0 3 2 5 2
0 0 1 0 2 5 6 3
0 0 0 1 2 3 4 2
14 14 5 4
3 2 5 2
2 5 6 3
2 3 4 2
(
(
(
(
=
(
(
(
(
=
C
C

( )
( )
( )
( )
( )
8 4
24
21
8 4
23
8 4
14
13
12
8 4
1
1 3 0 5 5 5 0 0
0 0 1
2
3
1
2
1
0 0
0 1 0 1 5 1 1 0
0 2 0
2
5
11
2
7
0 1
3
2
1 0 0 2 10 8 3 0
0 0 1
2
3
1
2
1
0 0
0 1 0 1 5 1 1 0
0 0 0
2
1
1
2
3
2 1
1 0 0 2 10 8 3 0
0 1 0 1 5 1 1 0
0 0 1
2
3
1
2
1
0 0
0 0 0
2
1
1
2
3
2 1
3
3
3
1 0 0 0 14 14 5 4
0 1 0 0 3 2 5 2
0 0 1 0 2 5 6 3
0 0 0
2
1
1
2
3
2 1
2
1
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
\
|
A
A
P
A
A
A
M

( )
( )
( )
( )
( )
( )
4 4
1
8 4
43
42
41
8 4
4
8 4
34
32
31
8 4
3
5
1
5
3
2 2
5
2
5
6
2 1
5
7
5
26
12 10
5
18
5
64
29 23
C
5
1
5
3
2 2 1 0 0 0
5
2
5
6
2 1 0 1 0 0
5
7
5
21
12 10 0 0 1 0
5
18
5
64
29 23 0 0 0 1
2 A
7 A
18 A
5
1
5
3
2 2 1 0 0 0
0 0 2 3 2 1 0 0
0 1 2 4 7 0 1 0
0 2 7 13 18 0 0 1
5
1
M
1 3 10 10 5 0 0 0
0 0 2 3 2 1 0 0
0 1 2 4 7 0 1 0
0 2 7 13 18 0 0 1
5 A
1 A
2
7
A
1 3 0 5 5 5 0 0
0 0 2 3 2 1 0 0
0 1 0 1 5 1 1 0
0 2 0
2
5
11
2
7
0 1
2 M
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
\
|
(
(
(
(
\
|
(
(
(
(
(
(
(
(

Sistemas de Ecuaciones Lineales
Ecuacin Lineal
Una ecuacin lineal en su forma general es aquella que contempla n variables es decir:
n 3 2 1
x ;....... x ; x ; x , con sus respectivos coeficientes; entonces podemos representarla
de la siguiente manera:

b x a ......... x a x a x a
n n 3 3 2 2 1 1
= + + +

Donde: b y a a a a
n
... , ,
3 2 1
Son constantes conocidas.

n
x x x x ... , ,
3 2 1
Son variables que debemos calcular.

Conjunto Solucin
Es el conjunto que est conformado por todas las soluciones de la ecuacin lineal.

Sistema de Ecuaciones Lineales
A un sistema de m ecuaciones con n incgnitas se la puede representar de la siguiente manera:

m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
= + + +
= + + +
= + + +
= + + +
...
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

Clasificacin de los Sistemas de Ecuaciones Lineales
Los sistemas de ecuaciones lineales se clasifican en dos grupos a saber:
De acuerdo a sus trminos independientes y de acuerdo al tipo de solucin que presentan.


a) De acuerdo a los trminos independientes
Los Sistemas de Ecuaciones pueden ser Homogneos y no Homogneos.

a1) Sistemas Homogneos
Se dice que un sistema de ecuaciones es homogneo cuando todos los trminos independientes del
sistema son ceros, es decir:
0 ...b b b b
n 3 2 1
= = =

a2) Sistemas No Homogneos
Son aquellos sistemas donde por lo menos uno de los trminos independientes es distinto de cero.

b) De acuerdo al tipo de solucin
Los sistemas de ecuaciones de acuerdo al tipo de solucin que presentan se clasifican en:
b1) Sistemas compatibles
Son aquellos que tambin se denominan sistemas consistentes y es por que tienen solucin, es
decir un sistema compatible puede tener solucin nica o infinitas soluciones.
b2) Sistemas incompatibles
Un sistema de ecuacin es incompatible o inconsistente si el sistema no tiene solucin.
Resolucin de los sistemas de ecuaciones lineales mediante notacin matricial
Un sistema de m ecuaciones con n incgnitas que se lo representa de la siguiente manera:


m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
= + + +
= + + +
= + + +
= + + +
...
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

Matricialmente el Sistema se lo representa de la siguiente manera

(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
m n mxn mn m m m
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

En forma Resumida el Sistema se lo puede representar:

[ ] [ ] B X A = |
Donde:
= A Es la matriz de orden m x n que est conformada por los coeficientes de las variables.
= x Es la matriz de orden n x1 que est conformado por las incgnitas del sistema de ecuaciones.
= B Es la matriz de orden m x 1 que est conformada por los trminos independientes.

Matriz Ampliada
Si sabemos que A es una matriz a la cual le agregamos la matriz B de los trminos
independientes, entonces tenemos la matriz ampliada que esta representada de la siguiente manera:
[ ] B A| y se la define:

n m
m mn m m m
n
n
n
b a a a a
b a a a a
b a a a a
b a a a a
*
3 2 1
3 3 33 32 31
2 2 23 22 21
1 1 13 12 11
(
(
(
(
(
(

Mtodos de Resolucin de Sistemas de Ecuaciones Lineales

Mtodo de Reduccin o Eliminacin
Existen dos mtodos de eliminacin o de reduccin para la resolucin de sistemas de ecuaciones
lineales.

1) Mtodo de Gauss
Este mtodo consiste en transformar la matriz aumentada o ampliada en una matriz escalonada
realizando sobre ella operaciones elementales.

2) Mtodo de Gauss Jordan
Este mtodo consiste en transformar la matriz aumentada o ampliada en una matriz escalonada
reducida realizando sobre ella operaciones elementales.

Anlisis de la Existencia de Soluciones:
1) Si en la matriz ampliada en su forma escalonada reducida tiene en la ltima fila una expresin de
la forma c x
n
= , entonces se dice que el sistema tiene SOLUCIN UNICA, es decir:
(
(
(
(
4 1 0 0
4
3
= x Esto quiere decir que el sistema tiene solucin nica.

2) Si una matriz ampliada en su forma escalonada reducida tiene en su ltima fila una expresin de
la siguiente forma:
c bx ax
n n
= +
1
es decir un sistema de ecuaciones lineales con dos o ms
incgnitas se dice que tiene INFINITAS SOLUCIONES:

(
(
(
(
(
(
3 2 1 0 0

4 3
4 3
2 3
3 2
x x
x x
=
= +
Infinitas soluciones.
3) Si una matriz ampliada en su formar escalonada reducida tiene en su ltima fila tiene una
expresin de la forma c = 0 entonces se dice que el sistema NO TIENE SOLUCIN es decir:
--------------
--------------
--------------
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
(
(
(
(
3 0 0 0

3 0
3 0
3
=
= x
Esto quiere decir que el sistema no tiene solucin.
4) Si una matriz ampliada en su forma escalonada reducida en su ltima fila tiene una expresin
como 0 0 = , entonces no se tiene ninguna informacin en esta fila; por lo tanto el anlisis se realiza
en la fila anterior; es decir:
--------------
--------------
--------------
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
(
(
(
(
0 0 0 0
0 0 =

Ejemplos
Resolver el siguiente sistema de ecuaciones por el mtodo de Gauss y explica que tipo de solucin
presenta.
1)
4 2 3
24 6 5 4
18 6 4 2
3 2 1
3 2 1
3 2 1
= +
= + +
= + +
x x x
x x x
x x x

(
(
(
=
(
(
(
(
(
(
4
24
18
2 1 3
6 5 4
6 4 2
3
2
1
3 3
x
x
x

Solucin:
( )
( )
( )
( )
4 3
3
4 3
23
4 3
2
4 3
13
12
4 3
1
4 3
3 1 0 0
4 2 1 0
9 3 2 1
1
3 1 0 0
4 2 1 0
9 3 2 1
5
23 11 5 0
4 2 1 0
9 3 2 1
3
1
23 11 5 0
12 6 3 0
9 3 2 1
3
4
4 2 1 3
24 6 5 4
9 3 2 1
2
1
4 2 1 3
24 6 5 4
18 6 4 2
(
(
(
(
(
(

(
(
(
\
|
(
(
(
(
(
(
\
|
(
(
(
M
A
M
A
A
M

3era. Fila
3
3
= x
2da. Fila
( )
2
6 4
3 2 4
2 4
4 2
2
2
2
3 2
3 2
=
=
=
=
= +
x
x
x
x x
x x

1era. Fila
( ) ( )
4
9 4 9
3 3 2 2 9
3 2 9
9 3 2
1
1
1
3 2 1
3 2 1
=
+ =
=
=
= + +
x
x
x
x x x
x x x
Prueba:

Ecuacin 1
( ) ( ) ( )
18 18
18 18 8 8
18 3 6 2 4 4 2
18 6 4 2
3 2 1
=
= +
= + +
= + + x x x
Reemplazando los valores de las variables
Ecuacin 2
( ) ( ) ( )
24 24
24 18 10 16
24 3 6 2 5 4 4
24 6 5 4
3 2 1
=
= +
= +
= + x x x
Ecuacin 3
( ) ( ) ( )
4 4
4 6 2 12
4 3 2 2 4 3
4 2 3
3 2 1
=
=
= +
= + x x x
( ) { } 4 , 3 , 2 =
s
C . Conjunto solucin. El sistema tiene solucin nica.

2) Resolver el siguiente sistema de ecuaciones por el mtodo de Gauss - Jordan y explicar que tipo
de solucin presenta.

4 2 4 2
3 3 4
1 2 3
2 2
3 2 1
3 2 1
3 2 1
3 2 1
= + +
=
= +
= + +
x x x
x x x
x x x
x x x

(
(
(
(
=
(
(
(
(
(
(
(
4
3
1
2
2 4 2
1 3 4
2 1 3
1 2 1
3
2
1
3 4
x
x
x


Solucin: Prueba:
( )
( )
( )
( )
( )
( )
( )
4 4
32
31
4 4
3
4 4
23
21
4 4
2
4 4
14
13
12
4 4
0 0 0 0
1 1 0 0
0 0 1 0
1 0 0 1
1
1
0 0 0 0
1 1 0 0
1 1 1 0
0 1 0 1
6
1
0 0 0 0
6 6 0 0
1 1 1 0
0 1 0 1
11
2
0 0 0 0
5 5 11 0
1 1 1 0
2 1 2 1
5
1
0 0 0 0
5 5 11 0
5 5 5 0
2 1 2 1
2
4
3
4 2 4 2
3 1 3 4
1 2 1 3
2 1 2 1
(
(
(
(
(
(
(
(
\
|
(
(
(
(
(
(
(
(
\
|
(
(
(
(
(
(
(
(
A
A
M
A
A
M
A
A
A

3era. Fila
1
3
= x
2da. Fila
0
2
= x
1era. Fila
1
1
= x

Ecuacin 1
( )
2 2
2 1 0 1
2 1 0 2 1
2 2
3 2 1
=
= + +
= + +
= + + x x x

Ecuacin 2
( ) ( )
1 1
1 2 0 3
1 1 2 0 1 3
1 2 3
3 2 1
=
= +
= +
= + x x x

Ecuacin 3
( )
3 3
3 1 0 4
3 1 0 1 4
3 3 4
3 2 1
=
=
=
= x x x

Ecuacin 4
( ) ( ) ( )
4 4
4 2 0 2
4 1 2 0 4 1 2
4 2 4 2
3 2 1
=
= + +
= + +
= + + x x x

( ) { } 1 , 0 , 1 =
s
C
El sistema tiene solucin nica.


Ejercicios
Resolver los siguientes sistemas de ecuaciones por el mtodo de Gauss Jordan, determinar el tipo
de solucin, clasificar el sistema y hallar el conjunto solucin.
Sistema Solucin

1)
5
8 2
3
3 2
3 2 1
2 1
= +
= +
=
x x
x x x
x x

1) )} 3 ; 1 ; 2 {( C
S
=
Solucin nica

2)
40 12 7 2
24 6 5 4
18 6 4 2
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
x x x
x x x
x x x

2)
No tiene solucin

3)

7 3 5 4
2 2 3 2
5 2
3 2 1
4 3 2 1
4 3 2 1
= + +
= +
= + + +
x x x
x x x x
x x x x

3)

No tiene solucin

4)

21 3 5 10
37 4 9
12 2 3 6
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
x x x
x x x
x x x

4)
)} 3 ;
7
44
;
7
43
{( =
S
C
Solucin nica
5)

17 2
1 2
1 3
3 2 1
3 2 1
3 2 1
= + +
= +
= + +
x x x
x x x
x x x

5)

)} 8 ; 6 ; 5 {( =
S
C
Solucin nica
6)
3 3 5
1
8 2 2 3
2 2
4 3 1
4 3 2
4 2 1
4 3 2 1
=
= +
= +
= + +
x x x
x x x
x x x
x x x x

6)

)
`
\
|
=
14
71
;
14
19
;
7
38
;
7
17
C
S

Solucin nica
7)

0 5
0 3
4 3 2 1
4 3 2 1
= +
= + +
x x x x
x x x x

7)

)
`
\
|
+ + = u , t u ; t ; u
4
1
t
4
1
; u
4
1
t
4
1
C
S

Infinitas soluciones

8)
9 3 2
4 8 3 2
5 11 5
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
x x x
x x x
x x x

8)
)} ; 2 2 ; 5 {( t t t C
S
=
9)

6 4 2 5 2
4 5 3
4 3 2 1
4 3 2 1
= + +
= + +
x x x x
x x x x

9)

)} ; ; 2 8 2 ; 7 19 2 {( t t t C
S
+ + =

10)

30 x 12 x 7 x 2
24 x 6 x 5 x 4
18 x 6 x 4 x 2
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +

10) ( ) { } + = t , t ; t 2 4 ; t 1 C
s



Unidad N 3: Vectores
Competencias
En la presente unidad el estudiante desarrollar las siguientes competencias:
1) Reconoce y grafica vectores en el plano
2) Realiza operaciones con vectores en R
2
y R
3
3) Calcula la distancia entre puntos
4) Calcula la norma de un vector en R
2
y R
3
.

Definicin de Vector
Vector es aquel que tiene una direccin, un sentido, una magnitud y una intensidad. Por ejemplo la
aceleracin de un cuerpo en movimiento, la velocidad y la fuerza que ejercen los cuerpos sobre una
superficie; son magnitudes vectoriales.
Magnitud Escalar
Es aquella que slo tiene una magnitud, es decir un valor.

Vectores en R
2

Todo vector en R
2
se puede representar en el plano bidimensional, por tanto estos vectores se lo
puede representar como un par ordenado de dos componentes ( x ; y ).
Grficamente estos vectores se representan tomando en cuenta como punto de partida el punto
(0,0).

Cuando se quiere representar un vector en el plano cartesiano se toma en cuenta primeramente la
primera componente y luego la segunda componente, partiendo del origen ( 0 ; 0 ).

Ejemplos:
1) Graficar los siguientes vectores
a) ( ) 4 , 2 u =

b) ( ) 3 , 1 v

c) ( ) 4 , 2 w
Operaciones Con Vectores

a) Suma de vectores en R
2

Si se tiene los vectores:
( )
( )
2
2
,
,
R d c v
R b a u
=
=

Entonces la suma de ambos vectores se define de la siguiente manera:
( ) ( ) ( ) d b c a d c b a v u + + = + = + , , ,
Es decir que la suma de vectores se realiza componente a componente.

Ejemplos:
1) Dados los siguientes vectores hallar la suma entre ellos analtica y grficamente.
( )
( ) 2 , 4
5 , 3
=
=
v
u

Solucin
( ) ( )
( )
( ) 7 , 7
2 5 , 4 3
2 , 4 5 , 3
= +
+ + = +
+ = +
v u
v u
v u
Sumando componente a componente.

2)
( )
( ) 6 , 7
2 , 1
=
=
v
u

Calcular:
a) u + v
b) v - u
Multiplicacin de Vectores en R
2
por un Escalar
Si se tiene el vector ( )
2
, R b a u = y el escalar R , entonces la multiplicacin de un vector por
un escalar se define de la siguiente manera:

( ) ( ) b a b a u = = , ,

Es decir que la multiplicacin se realiza componente a componente.

Ejemplos:
1) Si se tiene el vector ( ) 4 , 2 = u y el escalar 2 = calcular grfica y analticamente:
? = u
Solucin:
( )
( ) 8 , 4
4 , 2 2
=
=
u
u


Cuando un vector se multiplica por un escalar mayor que uno ste se dilata.

2) Si se tiene el vector ( ) 4 , 2 = u y el escalar 2 = calcular grfica y analticamente:
? = u
Solucin:
( )
( ) 8 , 4
4 , 2 2
=
=
u
u
Multiplicando el escalar por el vector.

Cuando un vector se multiplica por un escalar menor que uno, ste se invierte.

3) Si se tiene el vector ( ) 4 , 2 = u y el escalar 2 1 = calcular grfica y analticamente:
? = u
Solucin:
( )
( ) 2 , 1
4 , 2
2
1
=
=
u
u


Cuando un vector se multiplica por un escalar que est entre 1 0 < < el vector se reduce.

Vectores en R
3

Son aquellos que tienen tres componentes es decir: ( ) z y x u , , = por lo tanto estos vectores se
grafican en el espacio tridimensional.
Ejemplos:
Graficar los siguientes vectores:
a) ( ) 5 , 4 , 3 = u

b) ( ) 6 , 2 , 1 = v

c) ( ) 4 , 2 , 3 = w
-
-
-
-
-
-

b) Suma de Vectores en R
3

Si se tiene los vectores:
( )
( )
3
3
, ,
, ,
R f e d v
R c b a u
=
=

Entonces la suma de ambos vectores se define de la siguiente manera:

( ) ( ) ( ) f c e b d a f e d c b a v u + + + = + = + , , , , , ,

Multiplicacin de Vectores en R
3
por un Escalar
Si se tiene el vector: ( )
3
, , R c b a u = y el escalar R entonces la multiplicacin de un vector por
un escalar se define de la siguiente manera:

( ) ( ) c b a c b a u = = , , , ,
Es decir que la multiplicacin del escalar por el vector se realiza componente a componente.

Ejemplos:
1) Si:
( )
( )
( ) 1 , 2 , 3
1 , 3 , 2
3 , 2 , 1
=
=
=
w
v
u

Calcular:
a) ? = + w u
b) ? 3 7 = + u u
c) ( ) ? 7 3 = v u
d) ? 8 3 = u v
e) ( ) ? 2 = + w u v
Solucin

a)

( ) ( )
( ) 2 , 4 , 4
1 , 2 , 3 3 , 2 , 1
= +
+ = +
w u
w u


b)
( ) ( )
( ) ( )
( ) 4 , 15 , 23 3 7
3 , 6 , 9 7 , 21 , 14 3 7
1 , 2 , 3 3 1 , 3 , 2 7 3 7
= +
+ = +
+ = +
u v
u v
u v

c)
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) 12 , 69 , 39 7 3
4 , 23 , 13 3 7 3
7 , 21 , 14 3 , 2 , 1 3 7 3
1 , 3 , 2 7 3 , 2 , 1 3 7 3
=
=
+ =
=
v u
v u
v u
v u

d)
( ) ( )
( ) ( )
( ) 27 , 5 , 14 8 3
24 , 16 , 8 3 , 9 , 6 8 3
3 , 2 , 1 8 1 , 3 , 2 3 8 3
=
+ =
=
u v
u v
u v

e)
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) 0 , 10 , 0 2
2 , 4 , 4 2 , 6 , 4 2
2 , 4 , 4 2 , 6 , 4 2
1 , 2 , 3 3 , 2 , 1 1 , 3 , 2 2 2
= +
+ = +
= +
+ = +
w u v
w u v
w u v
w u v

Eje X
Eje Y
Eje Z


2) Dados los siguientes vectores:
( )
( )
( ) 1 , 2 , 3
1 , 3 , 2
3 , 2 , 1
=
=
=
w
v
u

Calcular el valor del vector x para que cumpla la siguiente igualdad:
w x x v u + = + 7 2

Solucin
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
|
\
|
=
|
\
|
=
=
+ +
=
+ +
=

=
=
=
+ = +
1 ,
6
5
,
2
1
6
6
,
6
5
,
6
3
6
6 , 5 , 3
6
1 , 2 , 3 1 , 3 , 2 6 , 4 , 2
6
1 , 2 , 3 1 , 3 , 2 3 , 2 , 1 2
6
2
2 6
6 2
7 2
x
x
x
x
x
w v u
x
w v u x
x w v u
w x x v u

Prueba: Reemplazando el vector x en la ecuacin se tiene:
( ) ( ) ( ) ( )
( ) ( ) ( )
|
\
|
=
|
\
|
+ |
\
|
= |
\
|
+ +
+ |
\
|
= |
\
|
+ +
6 ,
6
47
,
2
1
6 ,
6
47
,
2
1
:
1 , 2 , 3 7 ,
6
35
,
2
7
1 ,
6
5
,
2
1
1 , 3 , 2 6 , 4 , 2
1 , 2 , 3 1 ,
6
5
,
2
1
7 1 ,
6
5
,
2
1
1 , 3 , 2 3 , 2 , 1 2
cumple se


|
\
|
=
|
\
|
=
5
1
,
3
2
, 3
2
3
, 8 ,
2
1
v
u

Calcular el valor de x Si v u x
3
2
3 2 + =
Solucin:
|
\
|
=
|
\
|

=
|
\
|
+
|
\
|

=
|
\
|
+ |
\
|

=
+
=
+ =
60
131
,
9
106
,
4
1
2
30
131
,
9
212
,
2
1
2
15
2
,
9
4
, 2
2
9
, 24 ,
2
3
2
5
1
,
3
2
, 3
3
2
2
3
, 8 ,
2
1
3
2
3
2
3
3
2
3 2
x
x
x
x
v u
x
v u x

2

La norma de un vector es la longitud de dicho vector y se lo representa de la siguiente manera v .
Aplicando el teorema de Pitgoras se tiene que la norma del vector ( )
2 1
, v v v = es:

( ) ( )
2
2
2
1
v v v + =

Distancia de un Vector en R
2

Si se tiene los puntos ( )
1 1 1
y , x P y ( )
2 2 2
y , x P , entonces la distancia entre ellos est dada por la
siguiente igualdad:

( ) ( )
2
1 2
2
1 2
y - y x - x d + =

3
Si aplicamos el teorema de Pitgoras dos veces para el vector: ( )
3
3 2 1
, , R v v v v = entonces se
tiene que:

( ) ( ) ( )
2
3
2
2
2
1
v v v v + + =

Distancia de un Vector en R
3

Si se tiene los puntos ( )
1 1 1 1
, y , z x P y ( )
2 2 2 2
, y , z x P entonces la distancia entre ellos estar dada
por:

( ) ( ) ( )
2
1 2
2
1 2
2
1 2
z - z y - y x - x + + = d

Ejemplos:
1) Dados el siguiente vector hallar su norma
( )
( )
14
1 2 3
1 , 2 , 3
2 2 2
=
+ + =
=
v
v
v

2) Dados los siguientes puntos:
( )
( ) 1 , 3 , 4
5 , 1 . 2
2
1

P
P

Calcular su distancia entre ellos y graficar el vector
a) ? = d
b) Grfica

Solucin:

a)
( ) ( ) ( )
11 2 d
36 4 4 d
5 1 1 3 2 4 d
2 2 2
=
+ + =
+ + + + =

b)
u
2
P
1
P

Ejercicios
1) Dados los siguientes vectores calcular la distancia entre ellos y graficar.
Respuesta:
a) ( ) ( ) 6 , 4 , 3 , 2
2 1
P P a) 13 = d
b) ( ) ( ) 3 , 0 , 7 , 2
2 1
P P b) 104 = d
c) ( ) ( ) 0 , 1 , 6 , 2 , 4 , 8
2 1
P P c) 93 = d 209 = d
d) ( ) ( ) 3 , 7 , 6 , 1 , 1 , 1
2 1
P P d)

( )
( )
( ) 4 , 2 , 2
0 , 1 , 1
2 , 3 , 1
=
=
=
w
v
u

Calcular:

Respuestas:
a) ? v u = + a) 3 2 = + v u
b) ? = + v u b) 4 = + v u
c) ? 2 2 = + u u c) 7 8 2 2 = + u u
d) ? 5 3 = + w v u d) 37 2 5 3 = + w v u
e) ? w *
w
1
= e)
|
|
\
|
=
6
2
,
6
1
,
6
1
*
1
w
w

f) ? *
1
= w
w
f)
6
2
*
1
= w
w

Unidad N 4: Espacios Vectoriales

Competencias
1) Aplica las propiedades de los espacios vectoriales en las demostraciones
2) Demuestra si un vector forma o no un espacio vectorial
3) Demuestra si una matriz forma o no un espacio vectorial
4) Demuestra si un polinomio forma o no un espacio vectorial.

Definicin de Espacio Vectorial
Un espacio vectorial real es un conjunto de elementos denominados vectores, junto con dos
operaciones de adicin y multiplicacin por escalar.
Por adicin se entiende que dados dos vectores u y v en V, existe una regla para determinar un
objeto (u + v) el cual es llamado la suma del vector u y el vector v.
Por multiplicacin por un escalar se entender que dado un vector u y un nmero Real , hay
una regla para determinar un objeto ( u ) llamado multiplicacin por escalar de un vector u por el
nmero Real diferente de cero.

Las propiedades que se deben cumplir en las demostraciones de los espacios vectoriales son las
siguientes:

1) ( ) ( ) w v u w v u + + = + + Asociativa
2) u e u = + Neutro Grupo
3) e X u = + Inverso Abeliano ( ) +, , V
4) u v v u + = + Conmutativa Espacio Vectorial
5) ( ) ( ) v u v u + = + Distributiva del Escalar
6) ( ) u u u + = + Distributiva del Vector
7) ( ) ( ) u u = Asociativa del Escalar

Ejemplos:

1) Sea V el conjunto de todos los pares ordenados ( ) y x, de nmeros Reales. Donde:
La suma de vectores esta definida de la siguiente manera: ( ) ( ) ( ) b y a x b a y x + + = + , , , y la
multiplicacin por escalar esta definida de la siguiente manera ( ) ( ) 0 , 0 , = y x , verificar si V
forma o no un espacio vectorial.

Solucin:

1) Asociativa
( ) ( ) w v u w v u + + = + +
( )
( )
( ) f , e w
d , c v
b , a u
=
=
=

( ) ( ) [ ] ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
( ) ( ) f d b e c a f d b e c a
f d e c b a f e d b c a
f e d c b a f e d c b a
+ + + + = + + + +
+ + + = + + +
+ + = + +
, ,
, , , ,
, , , , , ,

Cumple!
2) Neutro
u e u = +
( ) y x e , =
( ) ( ) ( )
( ) ( ) b a y b x a
b a y x b a
, ,
, , ,
= + +
= +

0 x
a a x
a x a
=
=
= +

0 y
b b y
b y b
=
=
= +

( ) 0 , 0 = e
Cumple!
3) Inverso
( ) y x X , =
e X u = +
a x
x a
=
= + 0

b y
y b
=
= + 0

( ) b a X = ,
Cumple!
4) Conmutativa
u v v u + = +
( ) ( ) ( )( )
( ) ( )
( ) ( ) d b c a d b c a
b d a c d b c a
b a d c d c b a
+ + = + +
+ + = + +
= +
, ,
, ,
, , , ,

Cumple!
5) Distributiva del Escalar
( ) ( ) v u v u + = +
( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
( ) ( ) ( )
( ) ( ) 0 , 0 0 , 0
0 , 0 0 , 0 0 , 0
, , ,
, , , ,
=
+ =
+ = + +
+ = +
d c b a d b c a
d c b a d c b a

Cumple!
6) Distributiva del Vector
( ) u u u + = +
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) 0 , 0 0 , 0
0 , 0 0 , 0 0 , 0
, , ,
, , ,
=
+ =
+ =
+ = +
b a b a b a
b a b a b a

Cumple!
7) Asociativa del Escalar

( ) ( ) u u =
( ) ( ) ( ) [ ]
( ) ( ) [ ]
( ) ( )
( ) ( ) 0 , 0 0 , 0
0 , 0 0 , 0
, ,
, ,
=
=
=
=

b a b a
b a b a

Cumple!
( ) + , , V Al cumplir las propiedades, V es un espacio vectorial.

2) Si se tiene el espacio V donde la suma de los vectores en R
2
, se define de la siguiente manera:
( ) ( ) ( ) b y , a x b , a y , x + + = + y la multiplicacin por escalar esta definida de la siguiente
manera ( ) ( ) x y y x , , = , verificar si V forma o no un espacio vectorial.
Solucin
1) Asociativa
( ) ( ) w v u w v u + + = + +
( )
( )
( ) f e w
d c v
b a u
,
,
,
=
=
=

( ) ( ) [ ] ( ) ( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
( ) ( ) f d b , e c a f d b , e c a
f d , e c b , a f , e d b , c a
f , e d , c b , a f , e d , c b , a
+ + + + = + + + +
+ + + = + + +
+ + = + +

Cumple!
2) Neutro
u e u = + ( ) y x e , =
( ) ( ) ( )
( ) ( ) b a y b x a
b a y x b a
, ,
, , ,
= + +
= +

0 =
=
= +
x
a a x
a x a

0 =
=
= +
y
b b y
b y b

( ) 0 , 0 = e Cumple!
3) Inverso
e X u = + ( ) y x X , =
( ) ( ) ( )
( ) ( ) 0 , 0 ,
0 , 0 , ,
= + +
= +
y b x a
y x b a

a x
x a
=
= + 0

b y
y b
=
= + 0

( ) b a X = , Cumple
( ) ( ) v u v u + = +
( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
( ) ( ) d b c a d b c a
d c b a d b c a
d c b a d c b a

+ + = + +
+ = + +
+ = +
, ,
, , ,
, , , ,

Cumple!
6) Distributiva del vector
( ) u u u + = +
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) b b a a b b a a
b a b a b b a a
b a b a b a

+ + = + +
+ = + +
+ = +
, ,
, , ,
, , ,

Cumple!
( ) ( ) u u =
( ) ( ) ( ) [ ]
( ) ( ) [ ]
( ) [ ]
( ) ( )
( ) ( ) b a a b
b a a b
a b a b
b a b a
b a b a

, ,
, ,
, ,
, ,
, ,
=
=
=
=
=

No Cumple!

( ) + , , V Por lo tanto V, no forma un espacio vectorial.

3) Sea el espacio
2 2x
M V = , el conjunto de todas las matrices de orden 2x2 donde la suma de
matrices es habitual y la multiplicacin de un escalar por una matriz esta definido de la siguiente
manera:
2 2 2 2
0 0
0 0

(
=
(
d c
b a
. Verificar si V forma un espacio vectorial.

Solucin:
1) Asociativa
( ) ( ) C B A C B A + + = + +
2 * 2
d c
b a
A
(
= ;
2 * 2
h g
f e
B
(
= ;
2 * 2
l k
j i
C
(
=
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2 2 * 2
2 * 2 2 * 2 2 * 2 2 * 2 2 * 2 2 * 2
(
+ + + +
+ + + +
=
(
+ + + +
+ + + +
(
+ +
+ +
+
(
=
(
+
(
+ +
+ +
+
(
+
(
=
(
+
(
l h d k g c
j f b i e a
l h d k g c
j f b i e a
l h k g
j f i e
d c
b a
l k
j i
h d g c
f b e a
l k
j i
h g
f e
d c
b a
l k
j i
h g
f e
d c
b a

Cumple!
2) Neutro
A e A = +
2 * 2
(
=
w z
y x
e
2 * 2
0 0
0 0
(
= e
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2
(
=
(
+ +
+ +
(
=
(
+
(
d c
b a
w d z c
y b x a
d c
b a
w z
y x
d c
b a

0 =
=
= +
x
a a x
a x a

0 =
=
= +
y
b b y
b y b

0 =
=
= +
z
c c z
c z c

0 =
=
= +
w
d d w
d w d

Cumple!
3) Inverso
e X A = +
2 * 2
(
=
w z
y x
X
2 * 2
(

=
d c
b a
X
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2
0 0
0 0
0 0
0 0
(
=
(
+ +
+ +
(
=
(
+
(
w d z c
y b x a
w z
y x
d c
b a

a x
x a
=
= + 0

b y
y b
=
= + 0

c z
z c
=
= + 0

d w
w d
=
= + 0

Cumple!
4) Conmutativa
A B B A + = +
2 * 2 2 * 2
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2 2 * 2
(
+ +
+ +
=
(
+ +
+ +
(
+ +
+ +
=
(
+ +
+ +
(
+
(
=
(
+
(
h d g c
f b e a
h d g c
f b e a
d h c g
b f a e
h d g c
f b e a
d c
b a
h g
f e
h g
f e
d c
b a

Cumple!
( ) ( ) B A B A + = +
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2
2 * 2 2 * 2 2 * 2 2 * 2
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
(
=
(
+
(
=
(
+
(
+
(
h g
f e
d c
b a
h g
f e
d c
b a

Cumple!
6) Distributiva de la matriz
( ) A A A + = +
2 * 2 2 * 2
2 * 2 2 * 2 2 * 2
2 * 2 2 * 2 2 * 2
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
* * *
(
=
(
+
(
=
(
+
(
=
(
d c
b a
d c
b a
d c
b a

Cumple!
( ) ( ) A A =
2 * 2 2 * 2
2 * 2 2 * 2
2 * 2 2 * 2
0 0
0 0
0 0
0 0
0 0
0 0
*
0 0
0 0
* * *
(
=
(
=
(
=
(

d c
b a
d c
b a

Cumple!
Por lo tanto ( ) ,* ,
2 * 2
+ = M V es un espacio vectorial.

Ejercicios

1) Sea V el conjunto de todas las matrices de orden 2 x 2 que tengan componentes Reales, donde
la suma y la multiplicacin por escalar estn definidas de la siguiente manera:
Suma:
2 * 2 2 * 2 2 * 2
0
0
(
+
+
=
(
+
(
h d
e a
h g
f e
d c
b a

Multiplicacin:
2 * 2 2 * 2
0
0
(
=
(
c
b
d c
b a

Verificar si V es o no un espacio vectorial.

2) Sea el espacio
2 2x
M V = donde las operaciones de suma y multiplicacin estn definidas de la
siguiente manera:
Suma:
2 * 2 2 * 2 2 * 2
0
0
(
+
+
=
(
+
(
h d
e a
h g
f e
d c
b a

Multiplicacin:
2 * 2 2 * 2
(
=
(
d c
b a
d c
b a


3) Dado el conjunto de matrices de orden 2 x 2, donde las operaciones de suma y multiplicacin por
escalar son las operaciones habituales y la matriz de orden 2 x 2 tiene la forma:
2 * 2
1
1
(
b
a



Unidad n 4: Transformaciones Lineales

Competencias
1) Aplica la definicin de transformaciones lineales en la resolucin de problemas
2) Aplica los teoremas de transformaciones lineales en las demostraciones
3) Realiza demostraciones con vectores, matrices y polinomios.

Definicin
Sean los espacios ( ) R V ,*, ,+ y ( ) R W ,*, ,+ , dos espacios vectoriales donde A es una funcin de
A definida como w v f : ; se dice que esta es una transformacin lineal siempre y cuando
cumpla las siguientes propiedades:

1) ( ) ( ) ( ) v f u f v u f + = + Para todo vector u y v en V.
2) ( ) ( ) u f u f = Para todo vector u en V y todo escalar alpha en R.
R y es diferente de cero.
Ejemplos:
1) Si:
2
R v = y
2
R w = . Los cuales son dos espacios vectoriales y la relacin
2 2
: R R f esta
definida de la siguiente manera: ( ) ( ) a b a b a f , , + =
Verificar si esta relacin forma o no una transformacin lineal.
Solucin:
1) ( ) ( ) ( ) v f u f v u f + = +

( )
( ) d c v
b a u
,
,
=
=

( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
[ ] ( ) ( )
[ ] [ ] c a d b c a c a d b c a
c d c a b a c a d b c a
d c f b a f d b c a f
d c f b a f d c b a f
+ + + + = + + + +
+ + + = + + + +
+ = + +
+ = +
, ,
, , ,
, , ,
, , , ,

Cumple!

2) ( ) ( ) u f u f =
( ) [ ] ( )
[ ] ( )
( ) ( )
( ) ( ) a b a a b a
a b a a b a
b a f b a f
b a f b a f

, ,
, ,
, ,
, ,
+ = +
+ = +
=
=

Cumple!
Entonces f Es una transformacin lineal.

2) Si:
2
R v = y
2
2 2
: R R f esta
definida de la siguiente manera: ( ) ( ) y x y x f , 2 , =

1) ( ) ( ) ( ) v f u f v u f + = +

( )
( ) d c v
b a u
,
,
=
=

( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
( ) [ ] ( ) ( )
[ ] [ ] d b c a d b c a
d c b a d b c a
+ + = + +
+ = + +
+ = + +
+ = +
, 2 2 , 2 2
, 2 , 2 , 2
, , ,
, , , ,

Cumple!
2) ( ) ( ) u f u f =
( ) [ ] ( )
[ ] ( )
[ ] ( )
[ ] [ ] b a b a
b a b a
b a f b a f
b a f b a f

, 2 , 2
, 2 , 2
, ,
, ,
=
=
=
=

Cumple!

Entonces f Es una transformacin lineal

3) Si;
2
R v = y
2
2 2
: R R f esta
definida de la siguiente manera: ( ) ( ) 2 , 1 , + + = y x y x f

1) ( ) ( ) ( ) v f u f v u f + = +

( )
( ) d c v
b a u
,
,
=
=

( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
[ ] ( ) ( )
[ ] [ ] 4 , 2 2 , 1
2 , 1 2 , 1 2 , 1
, , ,
, , , ,
+ + + + + + + +
+ + + + + = + + + +
+ = + +
+ = +
d b c a d b c a
d c b a d b c a

No Cumple!
Entonces f No es una transformacin lineal.


Ejercicios Resueltos
1) Si se tiene:
1 * 3 1 * 2
: M M f la cual est definida como:
1 3
1 2
3
(
(
(
+
=
(
b
b a
b a
b
a
f
.Verificar si esta relacin forma o no una transformacin lineal.
Solucin
1) ( ) ( ) ( ) B f A f B A f + = +

1 * 2
(
=
b
a
A
1 * 3
(
=
d
c
B
1 * 3 1 * 3
1 * 3 1 * 3 1 * 3
1 * 2 1 * 2 1 * 2
1 * 2 1 * 2 1 * 2 1 * 2
3 3 3 3
3 3 3 3
(
(
(
+
+
+ + +
=
(
(
(
+
+
+ + +
(
(
(
+
+
(
(
(
+
=
(
(
(
+
+
+ + +
(
+
(
=
(
+
+
(
+
(
+
(
d b
d b c a
d b c a
d b
d b c a
d b c a
d
d c
d c
b
b a
b a
d b
d b c a
d b c a
d
c
f
b
a
f
d b
c a
f
d
c
f
b
a
f
d
c
b
a
f

Cumple!
2) ( ) ( ) A f A f =
1 * 3 1 * 3
1 * 3 1 * 3
1 * 2 1 * 2
1 * 2 1 * 2
3 3
3
*
3
*
*
(
(
(
+
=
(
(
(
+
(
(
(
+
=
(
(
(
+
(
=
(
b
b a
b a
b
b a
b a
b
b a
b a
b
b a
b a
b
a
f
b
a
f
b
a
f
b
a
f

Cumple!
Entonces f Es una transformacin lineal

2) Si se tiene f la cual est relacionada de la siguiente manera: R R : f
3
donde f se
define de la siguiente forma: ( ) c b a c b a f 4 3 2 , , + =

1) ( ) ( ) ( ) v f u f v u f + = +
( ) c b a x , , =
( ) f e d y , , =
( ) ( ) [ ] ( ) ( )
[ ] ( ) ( )
( ) ( ) ( ) ( ) ( )
f c e b d a f c e b d a
f e d c b a f c e b d a
f e d f c b a f f c e b d a f
f e d f c b a f f e d c b a f
4 4 3 3 2 2 4 4 3 3 2 2
4 3 2 4 3 2 4 3 2
, , , , , ,
, , , , , , , ,
+ + + = + + +
+ + + = + + + +
+ = + + +
+ = +

Cumple!
2) ( ) ( ) u f u f =
( ) [ ] ( )
( ) ( )
( )
c b a c b a
c b a c b a
c b a f c b a f
c b a f c b a f

4 3 2 4 3 2
4 3 2 4 3 2
, , , ,
, , , ,
+ = +
+ = +
=
=

Cumple!
Entonces f Es una transformacin lineal.

3) Si se tiene f la cual se define como
2 2
: R R f donde esta definida de la siguiente
manera:
( ) ( ) 1 , , + = y x y x f
1) ( ) ( ) ( ) v f u f v u f + = +

( )
( ) p o y
n m x
,
,
=
=

( ) ( ) [ ] ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) 2 , 1 ,
1 , 1 , 1 ,
, , ,
, , , ,
+ + + = + + +
+ + + = + + +
+ = + +
+ = +
p n o m p n o m
p o n m p n o m
p o f n m f p n o m f
p o f n m f p o n m f

No Cumple!
Entonces f No es una transformacin lineal.

Ejercicios para Realizar por el Estudiante

1) Sea f una relacin como:
2 2
: R R f la cual esta definida de la siguiente manera:
( ) ( ) y x y x y x f + = , 2 ,

2 3
R R : f la cual est definida de la siguiente manera:
( ) ( ) z y y zx z y x f 4 3 , , , + =

2 3
( ) ( ) z y x x z y x f + + = , , ,

2 3
( ) ( ) 1,1 z y, x, f =

5) Sea: R M f
x

2 2
: . La cual est definida de la siguiente manera: d a
d c
b a
f + =
(

Verificar si f es una transformacin lineal.

6) Sea: R M f
x

2 2
: . La cual est de finida de la siguiente manera:
d c b a
d c
b a
f + + =
(
3 2 . Verificar si f es una transformacin lineal.

7) Sea: R M f
x

2 2
: . La cual est de finida de la siguiente manera:
2 2
b a
d c
b a
f + =
(
.
Verificar si f es una transformacin lineal.

Respuestas

1) f Es una transformacin lineal
4) f No es una transformacin lineal
5) La respuesta queda para responder por el estudiante

Unidad N 6: Valores y Vectores Propios

Competencias
Al finalizar la unidad el estudiante desarrolla las siguientes competencias:

1) Aplica la ecuacin caracterstica para calcular los valores propios de una matriz
2) Utiliza las propiedades de los valores propios para resolver problemas
3) Resuelve sistemas de ecuaciones utilizando matrices para calcular los vectores propios de
una matriz.
4) Aplica los vectores propios en la diagonalizacin de matrices.

Valores Propios
Si se tiene una matriz cuadrada de orden n y un escalar Lamdha . Entonces el valor propio
de una matriz A sera aquel que cumpla la siguiente igualdad
( ) 0 det =
n
I A
Por lo tanto la expresion ( ) 0 det =
n
I A se denominara Ecuacion Caracteristica siempre y
cuando se cumpla que A sea una matriz caudarada, de orden n x n , y R.

Ejemplos:

1) Calcular el valor propio de la siguiente matriz

A=
(
0 1
2 3

Solucin: Primeramente multiplicamos el escalar por la matriz Identidad de orden 2x2

A - I2 =
(
0 1
2 3
-
1 0
0 1

(
0 1
2 3
-
(
0
0
Luego realizamos la suma correspondiente

A - I2 =
(
1
2 - 3
= 0 Igualando a cero

det =
(
1
2 - 3
Ecuacion Caracteristica

det = ( 3 - ) ( - ) - ( -1 ) ( 2 ) = 0 Hallamos el determinante.

= -3 +

2

+2 = 0

= 0 2 3
2
= + Resolviendo la ecaucin de segundo grado

= ( )( ) 0 1 2 = Factorizando.

2 = 1 = Valores Propios de A

2) Calcular el valor propio de la siguiente matriz

B =
(

2 5
1 2

D - I2 =
(

2 5
1 2
-
1 0
0 1
= 0

=
(

2 5
1 2
-
(
0
0
= 0

D - I2 =
(
2 5
1 - 2 -
= 0

det =
(
2 5
1 - 2 -

det = ( -2 - ) ( 2 - ) - ( 5 ) ( -1 ) = 0

- 4 + 2 - 2 +
2
+ 5 = 0

2
- 4 + 5 = 0

2
+ 1 = 0

1 = Por ser un nmero imaginario, se dice que no existen valores propios de B.
3) Calcular los valores propios de la siguiente matriz

c =
(
(
(
4 0 0
0 2 3
0 1 2

C - I
3
=
(
(
(
4 0 0
0 2 3
0 1 2
-
(
(
(
1 0 0
0 1 0
0 0 1
= 0 Multiplicando por la matriz Identidad.

=
(
(
(
4 0 0
0 2 3
0 1 2
-
(
(
(
0 0
0 0
0 0
= 0 Sumando matrices

C- I
3
=
(
(
(
4 0 0
0 2 3
0 1 2
= 0

det =
(
(
(
4 0 0
0 2 3
0 1 2
Calculando el determinante

(4 - )
(
2 3
1 2
= 0

det = ( [ ] 0 3 ) 2 ( ) 2 ( ) 4 =

[ ] 0 3 2 2 4 ) 4 (
2
= +

( [ ] 0 1 4 ) 4
2
= +

[ ] 0 1 4
2
= +
4
) 1 ( 4
1
=
=

) 1 ( 2
) 1 ( ) 1 ( 4 4 ) 4 (
2

=

2
4 16 4
=

2
12 4
=

2
3 2 4
=

( )
2
3 2 2
=

( ) 3 2

4
1
= 3 2
2
+ = 3 2
3
=

Valores Propios de C

4) Calcular los valores propios de la siguiente matriz.

D =
(
(
(
1 0 2
0 1 2
1 0 4

C - I
3
=
(
(
(
1 0 2
0 1 2
1 0 4

(
(
(
1 0 2
0 1 2
1 0 4
-
(
(
(
1 0 0
0 1 0
0 0 1
Multiplicando por el escalar

(
(
(
1 0 2
0 1 2
1 0 4
-
(
(
(
0 0
0 0
0 0
Sumando matrices

(
(
(
1 0 2
0 1 2
1 0 4

det =
(
(
(
1 0 2
0 1 2
1 0 4
Hallando el determinante

- 2
(
1 0
1 0
- ) 1 (
(
1 2
1 4

- 2 ( 0 ) - ) 1 ( [ ] 2 ) 1 ( ) 4 ( +

0 - ) 1 ( [ ] 2 4 4 (
2
+ +

(- + 1 ) ( 6 5
2
+ ) = 0 Igualando a cero y resolviendo

1 = ( 3 ) ) 2 ( = 0

1 = 3 = 2 = Valores Propios de D

Vectores Propios
Si se sabe que es un valor propio de la matriz A, entonces el conjunto solucin del sistema de
ecuaciones ( ) 0 . = X I A se denomina espacio caracterstico de la matriz A que corresponde a
, y los vectores diferentes de cero; en el espacio caracterstico se denominan vectores propios de
la matriz A correspondientes a .

Ejemplos:

1. Calcular los valores y los vectores propios de la siguiente matriz.

(
(
(
=
5 0 0
0 3 2
0 2 3
A

a) Calculamos primeramente los valores propios de la matriz.

(
(
(
(
(
(
=
(
(
(
(
(
(

0 0
0 0
0 0
5 0 0
0 3 2
0 2 3
1 0 0
0 1 0
0 0 1
5 0 0
0 3 2
0 2 3
.I A

(
(
(
5 0 0
0 3 2
0 2 3
.I A

0
5 0 0
0 3 2
0 2 3
det =
(
(
(

( ) 0
3 2
2 3
5 =

( ) ( )( ) [ ] 0 4 3 3 5 =
( )[ ] 0 4 3 3 9 5
2
= +

( )( ) 0 5 6 5
2
= +

( )( )( ) 0 1 5 5 =

Entonces los valores propios de la matriz son los siguientes:

5
1
= 5
2
= 1
3
=

Ahora calculamos los vectores propios.

( ) 0 . = X I A . Reemplazando el valor de en esta ecuacin se tiene:

(
(
(
=
(
(
(
(
(
(

0
0
0
5 0 0
0 3 2
0 2 3
3
2
1
x
x
x

Primeramente hacemos el clculo para 1
1
= .

(
(
(
=
(
(
(
(
(
(
0
0
0
4 0 0
0 2 2
0 2 2
3
2
1
x
x
x

Planteando el sistema de ecuaciones se tiene:

= + +
= + +
= +
0 4 0 0
0 0 2 2
0 0 2 2
2 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Ahora debemos escalonar la matriz resultante del sistema de ecuaciones.

( )
(
(
(

(
(
(
\
|
(
(
(

(
(
(
0
0
0
0 0 0
4 0 0
0 1 1
0
0
0
4 0 0
0 0 0
0 1 1
2
1
0
0
0
4 0 0
0 0 0
0 2 2
1
0
0
0
4 0 0
0 2 2
0 2 2
23 1 12
P M A

(
(
(
\
|
0
0
0
0 0 0
1 0 0
0 1 1
4
1
2
M Matriz en su forma escalonada reducida.

Ahora se tiene:

0
0
3
2 1
=
=
x
x x
Entonces:
2 1
x x = y 0
3
= x

Se asume que t x =
2
Entonces se tiene:
=
=
=
0
3
2
1
x
t x
t x

Por lo tanto: ( ) ( ) { } = = t t t E / 0 , , 1

Ahora los vectores propios para 1 = son los siguientes:

(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
0
1
1
0
1
1
0
1
3
2
1
P t t
t
x
x
x
X Es el vector propio de A asociado a 1 = .

Luego realizamos el mismo clculo para 5 = . Seguimos el mismo procedimiento.

(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(

3
2
1
3
2
1
0 0 0
0 2 2
0 2 2
0
0
0
5 0 0
0 3 2
0 2 3
x
x
x
x
x
x

Planteando el sistema de ecuaciones se tiene:

= + +
= +
= +
0 0 0 0
0 0 2 2
0 0 2 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Escalonando el sistema de ecuaciones se tiene:

( )
(
(
(
\
|
(
(
(
(
(
(

0
0
0
0 0 0
0 0 0
0 1 1
2
1
0 0 0
0 0 0
0 2 2
1
0
0
0
0 0 0
0 2 2
0 2 2
1 12
M A Matriz escalonada reducida

Entonces:
2 1 2 1
0 x x x x = = +

Si asumimos que
=
=
=
=
k x
t x
t x
t x
3
2
1
2

Por lo tanto: ( ) ( ) { } = = k t k t t E , , , 5

Es as que los vectores propios para 5 = son los siguientes:

(
(
(
+
(
(
(

=
(
(
(
+
(
(
(

=
(
(
(

=
(
(
(
=
1
0
0
0
1
1
0
0
0
3
2
1
k t
k
t
t
k
t
t
x
x
x
X

Entonces:
(
(
(
=
0
1
1
2
P y
(
(
(
=
1
0
0
3
P Estos son los vectores propios.

Aqu se puede observar que la raz mltiple 5
3 2
= = genera dos vectores propios.

Finalmente los vectores propios de la matriz A son los siguientes:

(
(
(
=
0
1
1
1
P
(
(
(
=
0
1
1
2
P
(
(
(
=
1
0
0
3
P

Ejercicios para realizar por el estudiante

Dadas las siguientes matrices: calcular los vectores propios.

(
(
(

=
9 3 5
3 2 3
3 2 1
A
(
(
(
=
4 3 3
1 1 3
2 3 5
B

(
(
(

=
9 4 6
2 2 2
2 1 1
C
(
(
(
=
7 4 4
1 4 1
1 1 2
D

Practico N 1

Dadas las siguientes matrices:

(
(
(

= +
(
(
(

= +
(
(
(

=
+ +
(
(
(

=
(
(
(
=
(
(
(

=
8 0 30 6
4 0 30 2
2 0 12 24
)
8 0 30 6
4 0 30 2
2 0 12 24
) ( )
3 0 15 3
1 0 15 1
3 6 3 9
)
. Re
) ) ( ) )
.
0 1 5 2
1 1 2 3
2 1 1 2
0 1 2 1
1 1 1 2
0 1 4 1
1 3 4
3 1 2
2 3 1
) 1
AC AB c
C B A b
AB a
spuestas
AC AB c C B A b AB a
Calcular
C B A

2) Dadas las siguientes matrices
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(

=
(
(
(
=
(
(
(

=
1 0 0
0 1 0
0 0 1
.
1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
Re
1 1 1
1 0 0
0 1 0
1 0 1
1 1 1
0 1 0
1 0 0
0 1 0
1 1 1
. , ,
4
3
2
4 3 2
C
B
A
spuestas
C B A
C B A Indicadas Potencias las Calcular

3) Dadas las siguientes matrices.
[ ]
3 * 3
3 * 3
3 * 2
1 * 3
2 3 4
2 3 5
5 9 14
) . ( 2 )
1 1 1
0 3 2
1 2 2
. )
6 15 13
8 14 10
. )
6
2
5
. )
. Re
) . ( 2 ) . ) . ) . )
:
1 1 1
0 1 0
0 1 1
1 2 5
1
2
3
6 8
2 4
7 2
(
(
(

=
(
(
(
=
(
=
(
(
(
(
(
(
= =
(
(
(
=
(
(
(
=
t
t
t
t t t
C B D d
D D C
D A b
B D a
spuestas
C B D d D D C D A b B D a
Calcular
D C B A

4) Calcular las determinantes de las siguientes matrices

1 ) det(
5 2 1
9 4 2
2 3 1
=
(
(
(
= A A

0 ) det(
9 8 7
6 5 4
3 2 1
=
(
(
(
= B B

21 ) det(
5 0 2
0 1 0
2 0 5
=
(
(
(
= C C

0 ) det(
0 0
0 0
=
(
(
(
= D
a
a a a
a
D

1 ) det(
5 1 1 3
9 2 2 6
2 4 1 7
8 1 0 1
=
(
(
(
(
= E E

0 ) det(
7 6 5 4
6 5 4 3
5 4 3 2
4 3 2 1
=
(
(
(
(
= F F

(
(
(
=
(
(
(
=
2 3 3
2 1 4
3 3
5 3 1
2 3 4
3 1 1
. ) 5
2
1
B A
Matrices Siguientes las Dadas

) . det(
det . ) ) 2 det( )
:
B A
AB
A B A b B AB A a
Calcular
t t
+
(
(
(

23 26 64
39 4
14 14 0
) 2 det( )
: Re
2
17
t
B AB A a
spuestas

(
(
(
+
5320
835253
2128
329835
532
120761
2660
601149
5320
420279
2660
111723
760
251561
560
16979
2660
603819
) . det(
det . )
B A
AB
A B A b
t


PRACTICO N 2

1) Hallar la matriz adjunta de las siguientes matrices
(
(
(

=
(
(
(
=
(
(
(

=
(
(
(
=
(
(
(

=
(
(
(
=
(
(
(
=
(
(
(
=
1 1 1
3 2 0
10 8 3
6 9 4
5 7 2
2 3 1
*
)
1 2 5
23 17 1
53 48 4
*
4 5 7
8 9 2
3 4 1
)
10 8 11
0 14 7
0 0 35
*
7 0 0
4 5 0
3 1 2
)
19 5 3
9 2 32
2 18 39
*
6 5 2
3 9 4
2 7 1
)
*
D D
d
C C
c
B B
b
A A
a

Conclusion c
B A b
B A a
spuestas
Conclusion c B A b B A a
Calcular
B A
A A A
Matriz Siguiente la Dada
)
481 2755 527
1404 5508 1116
1210 5014 806
* . * )
481 2755 527
1404 5508 1116
1210 5014 806
)* . ( )
: Re
) * . * ) * ) . ( )
:
7 3 5
7 3 4
1 4 7
4 6 4
4 8 1
6 5 4
: ) 3
6
1
) det(
0 2 2
2 3 8
1 4 3
: ) 2
1
6
23
3
1
3
5
3
7
3
1
3
2
6
11
3
1
3
2
1
(
(
(

=
(
(
(

=
(
(
(
=
(
(
(
=
=
(
(
(
=
(
(
(
=

1 1 1
. ) . (
:
3 0 1
0 3 1
3 0 1
3 3 2
3 3 0
8 1 2
. ) 4

=
(
(
(
=
(
(
(
=
A B B A
Que Demostrar
B A

5) Calcular la inversa de las siguientes matrices
estudiante el por resolver para Es E
es ante er su porque inversa sacar puede se No D
C C
B B
A A
(
(
(
(
(
(
(

=
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
2 5 3 2
3 7 4 3
2 4 1 2
2 5 3 1
" 0 " min det
6 2 1
5 4 2
1 2 1
0 0
1 0
2 1
3 0 0
6 2 0
5 4 1
0 0
0 0
0 0 1
2 0 0
0 3 0
0 0 1
9 45 45
47 234 234
40 198 199
4 5 5
7 9 9
6 2 1
.
3
1
2
1
3
7
1
2
1
3
1
1
1


(
(
(
(

=
(
(
(
(
=
(
(
(

=
(
(
(
=
(
(
(
=
(
(
(
10 7 1 1
5 4 1 0
2 2 1 0
1 0 1 1
2 5 3 2
3 7 4 3
2 4 1 2
2 5 3 1
0 0
0 0
2 1
3 0 0
6 2 0
5 4 1
0 0
0 0
0 0 1
2 0 0
0 3 0
0 0 1
1
3
1
2
1
3
5
1
2
1
3
1
1
L L
K K
J J

_________________________________________________________________________
Muchas son las aflicciones del Justo, pero de todas ellas Dios lo librar

Algebra Lineal - Abril 2010

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Algebra Lineal - Abril 2010

Caricato da

Copyright:

Formati disponibili

Ciencias y Tecnologas de la Informacin lgebra Lineal

Elaborado por: Ing. MSc. Miguel Cuellar 1

este dado por:

= Es una matriz antisimtrica

= Es una matriz rectangular.

= Entonces la transpuesta ser:

= D Para realizar por el estudiante.

= E Para realizar por el estudiante

= D Para realizar por el estudiante

= A Aqu hallamos los determinantes 3 x 3 y reemplazamos.

Ahora multiplico solo los elementos de la diagonal principal de la matriz.

Ciencias y Tecnologas de la Informacin lgebra Lineal

Multiplicando el escalar por el vector.

3 2 . Verificar si f es una transformacin lineal.

Potrebbero piacerti anche