2015

APUNTES DE FUNDAMENTOS DE ÁLGEBRA

Rosa maría Estrella Montoya Francisco Muñoz Apreza

 BIENVENIDA

Los apuntes de Fundamentos de Álgebra te da la bienvenida a una

forma de aprender el lenguaje y los fundamentos de la ciencia 1
matemática, en este caso la materia de Fundamentos de Álgebra con
la confianza de que en cada una de sus líneas podrás encontrar una
forma comprensible de entender y asimilar los desarrollos lógicos –
operativos que fundamentan sus postulados
Introducción

Todas las disciplinas del saber humano tienen que ser analizadas
desde la óptica del movimiento, en el caso particular de la ingeniería
el estudio del movimiento es fundamental, como lo es el lenguaje con
que los fenómenos se deben representar. Es precisamente la materia
de Fundamentos de álgebra la que nos va a posibilitar modelar
matemáticamente, por un lado, materias de matemáticas superiores
y obviamente las demás materias que integran el plan de estudios de
2
las ingenierías que requieren de su representación de los escalares y
vectores, del álgebra de vectores, de matrices y determinantes y de
los sistemas de ecuaciones lineales para ser estudiadas y analizadas.

En el proceso enseñanza aprendizaje el maestro y el alumno

necesita interrelacionarse a través de un razonamiento riguroso,
analítico, lógico y crítico manejando un lenguaje riguroso para
modelar la naturaleza, en conclusión lo que el maestro va a enseñar y
el alumno aprender será precisamente este lenguaje sus fundamentos
y sus aplicaciones.
Objetivo general

El alumno resolverá problemas de álgebra aplicados a la ingeniería.

Objetivos particulares

 El alumno resolverá ejercicios que involucren números

complejos usando operaciones básicas de álgebra.
 El alumno será capaz de calcular las raíces y factorizar
polinomios.
 El alumno aplicará las propiedades y operaciones de matrices y
determinantes para resolver problemas
 El alumno utilizará los elementos de álgebra de vectores y sus
diferentes aplicaciones para resolver problemas.
 El alumno empleará las propiedades de los espacios vectoriales
y las transformaciones en la aplicación de la ingeniería.
Índice

I .- Números Complejos

II.- Sistema de Ecuaciones lineales

4
III.- matrices y determinantes

IV.- Vectores

V.- Introducción a los espacios vectoriales y transformaciones

lineales.
I.- Números complejos

1 .- Introducción.

a2.- historia y aplicaciones

7
5
1.1.- Definición de número complejo

1.2.- Representación gráfica de un número Complejo

1.3.- Operaciones entre Números Complejos

1.4.- Ejemplos de (+ - multiplicación y división con Números

Complejos 9

1.5.- Definición de un número Complejo

11

1.6.- definición del producto en forma polar de dos números complejos

12

1.7.- definición de potencia en forma polar de un número

12

1.8.- Potencias y Raíces de un número Complejo, fórmula de Moivre.

14

1.9.- Ejemplos de cálculo de potencias y raíces en forma polar

15

1.10.- Problemas propuestos 19

a1 .- Introducción.

Los números complejos son una extensión de los números reales,

cumpliéndose que . Los números complejos representan todas
las raíces de los polinomios, a diferencia de los reales.

Los Números complejos contienen a los números reales y los

imaginarios puros y constituyen una de las construcciones teóricas
más importantes de la inteligencia humana. Los análogos del cálculo
6
diferencial e integral con números complejos reciben el nombre de
variable compleja o análisis complejo.

El objetivo del uso de los números complejos se debe a la necesidad

de resolver problemas donde aparecen raíces negativas como 1
que en los números reales no están definidos, por lo que se ha creado
un sistema de los números complejos C, que es el conjunto de todas
las parejas ordenadas (x, y) de números reales con dos operaciones
binarias: la adición + y la multiplicación definidas como sigue:

( x, y)  (u, v)  ( x  u, y  v)
( x, y).(u, v)  ( xu  yv, xv  yu )
a 1,2 .- Un poco de historia

Lucas Paciolo matemático italiano Leonard Euler (1709 – 1783 ) matemático ingles

Jean Robert Argand ( 1768 – 1822 ) Nicolás Tartaglia ( 1499 –1557)

Matemático francés Matemático italiano

El estudio de los números complejos data desde los orígenes de la
historia de la humanidad ya como sociedad establecida en la India
cuando se les presentó el problema del cálculo de la raíz cuadrada de
un número negativo.

Pero no es sino hasta el siglo XVI cuando en Italia Paciolo, Cárdan ,

Tartaglia y Bombelli inician el tratamiento formal de la aritmética y el
álgebra de los números complejos

8
Para el siglo XVII Leonard Euler ( 1709 a 1783 ) establece el
algoritmo

Y = 𝑒 𝑖𝜃 = cosθ ± i senθ

En el siglo XVIII El matemático francés Argand ( 1768 – 1822) publica

el método de representación de los números complejos en el plano.
a 1, 3.- Aplicaciones

El término número complejo describe la suma de un número real y un

número imaginario (que es un múltiplo real de la unidad imaginaria,
que se indica con la letra i.

Los números complejos se utilizan en todos los campos de las

matemáticas, en muchos de la física (y notoriamente en la mecánica
9
cuántica) y en ingeniería, especialmente en la electrónica y las
telecomunicaciones, por su utilidad para representar las ondas
electromagnéticas y la corriente eléctrica. Los números complejos
son la herramienta de trabajo del álgebra ordinaria, llamada álgebra
de los números complejos, así como de ramas de las matemáticas
puras y aplicadas como variable compleja, aerodinámica y
electromagnetismo entre otras de gran importancia.

En matemáticas, los números constituyen un campo y, en general, se

consideran como puntos del plano: el plano complejo. La propiedad
más importante que caracteriza a los números complejos es el
teorema fundamental del álgebra, que afirma que cualquier ecuación
algebraica de grado n tiene exactamente n soluciones complejas.

Los números complejos se usan en ingeniería electrónica y en otros

campos para una descripción adecuada de las señales periódicas
variables (ver Análisis de Fourier). En una expresión del tipo
podemos pensar en como la amplitud y en como la fase de una
onda sinusoidal de una frecuencia dada. Cuando representamos una
corriente o un voltaje de corriente alterna (y por tanto con
comportamiento sinusoidal) como la parte real de una función de
variable compleja de la forma donde ω representa la
frecuencia angular y el número complejo z nos da la fase y la
amplitud, el tratamiento de todas las fórmulas que rigen las
resistencias, capacidades e inductores pueden ser unificadas
introduciendo resistencias imaginarias para las dos últimas (ver redes
eléctricas). Ingenieros eléctricos y físicos usan la letra j para la
unidad imaginaria en vez de i que está típicamente destinada a la
intensidad de corriente.
1.1 Definición de números Complejos:

Definimos el número complejo z = a + bi donde a y b son números

reales e i la parte imaginaria

En el plano complejo la parte real se encuentran en el eje de

coordenadas horizontal y la imaginaria en el eje vertical.

10
1.2 .- Representación geométrica de números complejos.

Un número complejo se representa en forma binomial como:

Dos números complejos son iguales z 1=(x, y) y z2=(u, v) si x= u e y= v.

El conjugado de un número z es z y tiene la característica de ser la

negativa de la parte imaginaria, por ejemplo: z  ( x, y)  x  yi por lo
que z  ( x, y)  x  yi
1.3 Operaciones con números Complejos

Sea
z1= (3,-2) = 3-2i,
z2= (5,8) = 5+8i,
z3=(-2,-3) = -2-3i
z4= (-4,2) = -4+2i

11
Nota z1, z2, z3 y z4 han sido expresados en forma de coordenadas e
igualado a su forma rectangular

Observación: Si quisiéramos ubicar en el plano cartesiano la parte

real 3 está el eje de las “x” y la parte imaginaria -2i en el eje de “y”,
por lo que z2 está en el primer cuadrante, z 4 está en el cuadrante II,
z3 en el tercer y z1 en el cuarto.
(5, 8 )
(-4,2)

(-2, -3) (3, -2)

1.4.- Ejemplos de suma, resta, multiplicación y división de números

complejos

1.- Suma de Z1+ Z2

Z1+ Z2= (3,-2) + (5, 8)= (3-2i) + (5+8i) = (3+5, -2i+8i) = 8+ 6i

Nota: Tomamos la suma de los valores reales y luego de la suma de la

parte imaginaria.

2.- Multiplicar un número complejo por un escalar.

4z1= 4·z1= 4·(3,-2) = 4·(3-2i)= (12,-8) = (12 -8i)

La multiplicación por un escalar se hace multiplicando el escalar por

cada una de las coordenadas o la multiplicación del escalar por la
parte real y el escalar por la parte imaginaria.

Un caso especial si el escalar es -1 entonces sería

(-1)·z1 = -z1 = (-1)·(3, -2) = (-1)·(3-2i) = (-3,2) = -3+2i

3.- En el caso de la diferencia entre dos números complejos Z1- Z2

Si Z1 = ( 3, 2 ) y Z2 = ( 5 , 8 ) tenemos que

Z1 –Z2 = ( 3 - 2i ) - ( 5 + 8i )
= (3 – 5) + ( - 2i- 8i )
12
= - 2 - 10i

4.- El producto de dos números complejos:

Si Z1 = ( 3, 2 ) y Z2 = ( 5 , 8 ) efectúe Z1 Z2

Z1 Z2 = (3,-2) (5, 8)

Para llevar a cabo la multiplicación representemos los complejos de

la siguiente forma:
Z1 = 3 - 2i
Z2 = 5 + 8i

Sea

Z1 Z 2 = (3)·(5) + (3)·(8i) + (-2i)·(5) + (-2i)·(8i)

= 15 +24i -10i -16i2
= ( 15-16) + (24i-10i)
= -1+14 i

Nota: Recuerde usted que i2 = -1 por lo que 16i2 = (-1) (16) = -16

5.- Para el cociente de dos números complejos

Si Z1 = ( 3, 2 ) y Z2 = ( 5 , 8 )

Tenemos que multiplicar por el conjugado de Z2 por lo que:

 Z1 3  2i 3  2i 5  8i
   
Z 2 5  8i 5  8i 5  8i

Z1 15  24i  10i  16i 2

 
Z 2 25  40i  40i  64i 2

Z1 15  34i  16 31  34i 31 34i

   
Z2 25  64 89 89 89

13
z1
En general al realizar el cociente de hay que tomar en cuenta que
z2
z1 z1 z2
Z2≠ 0 después hacer el producto de   (una multiplicación por
z2 z2 z2
uno, utilizando el número complejo conjugado del denominador con la
finalidad de que en la parte del denominador nos resulte un número
real, ya que el producto de un número complejo por su conjugado
queda

z  z  ( x  yi )  ( x  yi )
z  z  x 2  xyi  xyi  y 2i 2  x2  y 2 un número real.

Esta interpretación nos lleva a que los números complejos a su

representación angular que requiere para ubicarlo en el plano de su
modulo y su ángulo.

1.5 .- Definición

El modulo o valor absoluto de un número complejo

Z= (x, y) = x +yi = z
y está dado por Z  x2  y2

Si pensamos en las coordenadas cartesianas del número complejo z

como algún punto en el plano; podemos ver, por el teorema de
Pitágoras, que el valor absoluto de un número complejo coincide con
la distancia euclidiana desde el origen del plano a dicho punto.
El ángulo Ѳ o argumento de z es la posición en el cuadrante y está
ubicada entre

00< Ѳ< 3600 z cumplirá en expresarse así entre –π ≤ z ≤ π

Nota si los números complejos los interpretamos como vectores, las

operaciones de suma, resta producto y cociente las veríamos como
operaciones con vectores, entonces una suma de dos números
complejos es equivalente a suma de 2 vectores y su resultante sería
14
Z1+Z2, y así para las demás operaciones.

Muchas operaciones de números complejos son más fáciles de

resolver si expresamos en su forma polar:

 x  r cos 
Z 
 y  rsen

y 
con r  Z  x2  y2 donde Ѳ se obtiene de tg   y 0 
x 2

El argumento φ y módulo r localizan un punto en un diagrama de

Argand;

r(cos ϕ + isin ϕ) o reiϕ es la expresión polar del punto.

En esta representación, r es el módulo del número complejo y el

ángulo es el argumento del número complejo.

Entonces Z = (x, y) = (rcos Ѳ, rsen Ѳ) = rcos Ѳ+ i rsen Ѳ

= r(cos Ѳ + isen Ѳ)
Para hacer el producto

1.6.- Definición del producto de dos números complejos

Z1·Z2= r1r2 [( cosѲ1 cosѲ2 - senѲ1 senѲ2) + i (senѲ1 cosѲ2 +cosѲ1 senѲ2)]

Al utilizar la ley de los cosenos

15
= r1r2 [ cos ( Ѳ1+ Ѳ2 )+ i sen (Ѳ1+ Ѳ2) ]

Esta propiedad nos servirá para utilizarla en Z1 Z2 Z3 …. Zn = Zn

entonces

Abaham de Moivre (1667 – 1754) matemático francés.

Potencia de un número complejo

Zn=(r cosѲ+ irsenѲ) ·(rcosѲ +risen Ѳ)…(rcos Ѳ+ isen Ѳ)

= r.r…r[cos(Ѳ+…+ Ѳ)+isen(Ѳ+…+ Ѳ)]

De aquí se desprende :

1.7.- Definición de potencia de un número complejo

 Zn = rn[cos(nѲ)+i sen(nѲ)]

que es la fórmula de De Moivre.

Si z= r(cosѲ +i senѲ) entonces

 cos( )  i sen( )  (cos   isen )

1 1 1
por lo que entonces
z r r 16

1 1
n
 n (cos n  isen n )
z r

Una consecuencia de la formula de Moivre si z0  z  n z utilizándola

1/ n

donde zo=z con z=0 es zo=0 Para números complejos z≠0 y en su

forma polar y utilizando la formula de Moivre, la ecuación anterior

queda r0n (cos n  isen n )  r (cos   isen  ) ahora será encontrar las n

raíces, si los ángulos se miden en radianes, r0n  r y n0    2k

k= 0,1,…, n-1

Nota: las raíces de los números complejos si se graficaran en el plano

cartesiano veríamos que nos conforman según el número de raíces un
poliedro de forma regular, es decir si es raíz es de 5 orden tendríamos
un pentágono y las raíces estarían a 72 grados posicionados a partir
de la primera raíz.

Los números complejos también tienen la representación

exponencial,

e z  e x iy  ei

Donde ei  cos   isen o bien ei  cos   isen

e z  e x  iy  e x (cos  isen )
también se puede considerar
Los números complejos en forma exponencial tienen algunas de las
siguientes propiedades:

1.- e z  e xeiy

1
2.-
e z 
ez

1 1
17
( z  i 2k

3.-
(e )  e
z q q

4.- ez  ez
e z1 e z 2  e z1  z 2
5.-

Las operaciones de multiplicación, división, potencia y raíces se

simplifican con la notación polar:

Multiplicación:

División:

Potencia:
Ejemplos:

1.- Hallar

18

1 . 8 . - F ó rm u l a d e M o i v re

1.9.- Ejemplos

1 . - C a l c u l a r to d a s l a s ra í c e s d e l a e c u a c i ón : x 5 + 3 2 = 0
2 . - C a l c u l a r to d a s l a s ra í c e s d e l a e c u a c i ón : x 6 + 1 = 0
19

 2i 1  i
6 6
 2i  
2.- 1  i
 2  i   1  i 1  i  2  i 

 2i(1  i)
6

  2  i   i  1  2  i  1  2i 
6 6

 2 

Nota: resolvemos primero el interior haciendo el cociente donde se

multiplicó por uno usando su conjugado entre su conjugado,
simplificamos los números 2 y multiplicando por (1+i), después se
simplificó quedando un número z elevado a la sexta potencia.

Para resolver queda después de las formas siguientes:

Primero

: (1+2i)(1+2i)=1+4i-4= (-3+4i)
Luego

( -3+4i)(-3+4i)= 9-24i-16= -7-24i

Por ultimo

(-7-24i)(-3+4i)= 21-28i+72i+96 = 117+44i

20
Otra forma es cambiando a la forma polar: 1+2i

Calculemos su modulo

2
r  4 1  5 y   tg 1    63.43
1

Entonces
z 6  ( 5 )6 (cos (6)(63.43)  isen(6)(63.43))

=125(cos(380.58)+ isen(380.58)= (117, 43.93) = 117+44i

4
 3 i 1 i 
5

3.-     Resuélvalo en forma rectangular

 3 i 1 i 

Solución primero resolveremos el interior multiplicando por uno

usando el conjugado del denominador para ambos factores, entonces:

Ecuación 1

 3 i 3  1  3  i  3  2 3i  1 2  2 3i 1  3i
      
 3 i 3  1  3  i  3 1 4 2

Ecuación 2

1 i  1 i 11 1  2i  1 2i
     i
1 i  11 11 11 2

Usando la formula de Moivre z n  r n cis (n )

Entonces el modulo de la ecuación 1 es:

 3
r  z  12  ( 3 ) 2  4  2   tan 1    600
con
      
 1 
Por lo que al aplicar Moivre tenemos:

(1  3 i)4  24 cis (4(60)  16cis (240)  16(  i )

1 3
2 2
21
Entonces
 1 3
16 i 
2   1
4
 3 i  2 3
    i
 3  i  16 2 2

De la ecuación 2 podemos deducir que:

1 i 
5

   i  5
 i 2i 2i  i
1 i 
por lo que

4
 3 i 1 i 
5
1 3  3 1
     (  i )i   i
 3 i 1 i  2 2 2 2

4.- Convertir z=3+2i en forma polar y exponencial

Solución: Primero obtenemos su modulo y argumento

2
r  z  32  22  13   tan 1    39.690
3

Entonces la forma polar será z = 3+2i= 13(cos 39.69  isen39.69)

En la forma exponencial es necesario cambiar los grados en forma de

radianes usando la siguiente regla:
180  
39.69  x
39.69
Hacemos una regla entonces rad
180
por lo que la forma exponencial es
39.69
rad
e z  13e 180
e z  13e0.22 rad
 1
 32  5
5.- Resuelva y exprese su resultado en forma polar: 16 2  i 
 2
1
 32  5
1
Solución: 16 2  i   z5
 2

Obtenemos su modulo

 32 
2
322 22
r  z  (16 2 )     16 (2)   512  512  1024  32
2 2

 2 2

después su argumento

 32 
 
  tan 1  2   tan 1 (1)  450
 16 2 
 3
 1 
1
 32  5
1 1
z 5
16 2  i   (3245) 5 
 2

tenemos 5 raíces K=0,1,2,3,4

 45  k 2   45  2k 
1 1
z5  w  32 5 cos   isen 
 5   5 

Si k = 0

w0  2 cos 9

Si k = 1

w1  2 cos 81

Si K = 2

w2  2 cos 153

Si k = 3

w3  2 cos 225

Si K = 4

w4  2 cos 297
1.10.- Problemas propuestos:

1.-Encontrar las raíces de 3

Z donde Z  4 3  i 4

3
6 3 i 6
2.- Encontrar el conjugado de Z si Z   

 6  i 6 
23
1
3.-Encontrar el conjugado de Z donde Z 
1  i 3  9

4.- Resolver la ecuación de Z 3  i

5.-Encontrar las raíces de 3

Z donde Z  4 3  i 4

3
6 3 i 6
6.- Encontrar el conjugado de Z si Z   

 6i 6 

1
7.-Encontrar el conjugado de Z donde Z 
1  i 3  9

8.- Si Z= -3 + 3i

a) Escríbalo en su forma exponencial

b) Encuentre Z 40

c) Localice las raíces de Z1/ 4

9.- Si Z1= 3i , Z2= 4i y Z3 = -2i resuelva las siguientes operaciones

1
 Z2 1  2
a)  * 
 1 Z3 
Z

b) Z1 2Z 2  Z 3 
5

10.- Si Z1= 3i-8, Z2= 2i y Z3= 6i resolver las siguientes

operaciones:
 1
 Z2 1 2
a)  * 
 1 Z3 
Z

b) Z 3 Z1  Z 2 
1 8

3
6 3 i 6
11.-Resolver Z   

 6i 6 

12.- Encontrar las raíces de 3

Z donde Z  4 3  i 4
24
1
Z4 2
13.- Resuelva, sea Z1  2  20 y Z 2  1  10 calcule  13
 

 Z2 

14.- Resuelva y exprese su resultado en forma polar:

1 3
1
1 i 6  6 3  i6 
a) Z 
6
 b) Z
3
  

1 i   6  i 6 

15.- Si Z1= 3i, Z2= 4i y Z3 = -2i Resuelva las siguientes operaciones

1
 Z2 1 
b) Z1 2Z 2  Z 3 
2
5
a)  * 
 Z1 Z 3 

16.- Si Z1= 3i-8 Z2= 2i Z3= 6i Resolver las siguientes operaciones:

1
 Z2 1 2
b) Z 3 Z1  Z 2 
1
a)  * 
8

 Z1 Z 3 

17.- Si Z1= 3i , Z2= 4i y Z3 = -2i Resuelva las siguientes operaciones

1
 Z2 1 2
b) Z1 2Z 2  Z 3 
5
a)  * 
 Z1 Z 3 
3
 6 3  i6 
18.- Resuelva y exprese en forma polar:  

 6  i6 
1
 32  5
19.- Resuelva y exprese en forma polar: 16 2  i 
 2
1
Z  4 2
20.- Resuelva, sea Z1  2  20  y Z 2  1  10  calcule   1
3
Z  2
21.- Realice las siguientes operaciones

a.- (6 + 3 i) + (4 + 5 i)

b.- (12 – 9 i) – (4 – 14 i)

c.-

3 5  5 1 
  i    i
8 2  6 7 
25
d.-  18
 64
e.- 30

f.-  75  3

 56
g.- 7

 24
h.- 6

 1  3i
i.-  2  10i

3
j.- 10i
5i
k.- 2  9i

 4  7i
l.- 6i
 5i
m.- 2  4i

22.- ¿Puede la suma de dos números complejos no reales ser un

número real?

23- ¿Puede el producto de dos números complejos no reales ser un

número real?
 6
1 3 i 
23.- Resolver:  
 2 
 

24.-
2  3 i 4
 5  i 2
25.- Obtener las cuatro soluciones de la ecuación x 4  81  0

26
II.- SISTEMAS DE ECUACIONES LINEALES

Índice

2.- SISTEMAS DE ECUACIONES LINEALES

2.1.- Definición de una Ecuación Lineal
23
2.2.- Definición de sistema de ecuación lineal
23
27
2.3.- Representación gráfica de una ecuación (rectas y planos)
23
2.4.- Definición de sistema de ecuación lineal de dos variables
25
2.5.- Definición de sistema de ecuación lineal consistente e
inconsistente , Compatible e incompatible
25
2.6.- Definición de sistema de ecuación lineal homogéneas
26
2.7.- Definición de sistemas de ecuaciones lineales equivalentes
26
2.8.- Resolución de sistemas de ecuaciones lineales
26.
Un poco de historia

28

René(1596 – 1650) Diophante de Alejandria (200 -284)

Matemático francés matemático griego

Francois de Viéte ( 1540-1603) Abu Kamil ( 940 – 998)

Matemático francés matemático persa
Las ecuaciones lineales tienen un largo camino recorrido, sus
orígenes datan del imperio egipcio de 1650 a.c y aunque no usaban la
simbología que hoy usamos sus planteamientos aritmético plasmados
en el papiro de Rhid se pueden interpretar como una ecuación lineal,
veamos:
“ Un montón y un séptimo es igual a 24” es decir:
𝟏
X + x = 24
𝟕
El griego Diophante en el año 250 de nuestra era plantea:
“ Hallar el lado de un rectángulo , conociendo el otro lado y sabiendo
que su área es igual al área de un cuadrado dado” es decir: 29
ax = s
Viéte introduce la notación simbólica que hoy conocemos y
Descartes contribuye al desarrollo de ella no podemos olvidar a Euler
con su tratado de los “Cálculos de cantidades de distinta clase”
II .- Sistemas de ecuaciones lineales

Definición de una Ecuación Lineal

En la vida real hay gran cantidad de problemas que se resuelven a

través de métodos de solución de sistemas de ecuaciones lineales.

Una ecuación de la forma 𝑎𝑥 + 𝑏𝑦 = 𝑘 con a, b y k constantes, se

define como una ecuación lineal en las variables x, y.

30
Nótese que 𝑎𝑥 + 𝑏𝑦 = 𝑘 es una recta en el plano coordenado 𝑅 2 si a y b
diferentes de cero y k es una constante. También de define una
ecuación lineal en tres variables, x, y , z como aquella se expresa de
la forma 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑘

2.1.-Definición.-

Una solución de una ecuación lineal 𝒂𝒙 + 𝒃𝒚 = 𝒌 o 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 = 𝒌

es una pareja o tercia de números (s1, s2) ó s1, s2 s3; tal que se
satisface la ecuación con 2 o 3 variables al substituir s1 = x, s2 = y ,
s3 = z respectivamente.

Al conjunto formado por todas las soluciones de la ecuación se le

denomina conjunto solución.

Es decir para la ecuación con dos variables se tiene

 
S  s1 , s2   R as1  bs2  k
2

y para tres variables S  s , s , s   R as1  bs2  cs3  k 

3
1 2 3

2.2.- Definición: Un sistema de dos ecuaciones lineales en las

variables x, y recibe el nombre de sistema de dos ecuaciones
lineales.

Ejemplo:
a1 x  b1 y  k1
donde a1, a2, b1, b2 , k1 y k2 pertenecen a los números
a 2 x  b2 y  k 2
reales, una pareja u=(s1,s2) es solución del sistema A¸

Si la sustitución x=s1 y y=s2 es una solución para cada una de las

ecuaciones lineales.
 En el caso de k1=0 y k2=0 al sistema A se le llama sistema de
ecuaciones lineales homogéneas. Esto es lo mismo para tres
variables o más.

2.3.- Representación gráfica de una ecuación (rectas y planos)

Un sistema de dos ecuaciones lineales se pueden representar como

rectas y se pueden dar tres casos, que sean paralelas, que se crucen
en un punto o que una recta quede sobrepuesta en la otra; para cada
caso resulta que el sistema si es paralelo no tendrá solución, pero si
31
queda solo la intersección en un punto diremos que tiene solución
única, y si esta es la misma que la otra este sistema tendrá solución
infinita.

Para el caso de tres ecuaciones con 3 variables se tendrá una grafica

donde se formaran planos y pueden suceder tres casos
1.- No hay soluciones al sistema
2.- Hay una solución única
3.- Hay más de una solución (una infinidad)

Ejemplo

L a e c ua c i ó n d e l a re c ta 2 x +y = 1 d o n de s 1 = 0 s 2 = 1 d a d o qu e
2 ( 0 ) + 1 = 1 o 0 + 1 = 1 to d o s l os p u n t os q u e s e en c ue n t r e n
d e n tro d e e s ta re c ta s e r á n so l u c i ó n .

2 .4 . - D e fin ic ió n U n s is te m a d e d o s e cu a c ion e s lin e a les e n

la s v a ria b le s (in c ó g n ita s ) re c ib e e l n o m b re d e s is te m a d e
2 e c u ac io n es lin e a le s
a1 x  b1 y  k1
a 2 x  b2 y  k 2

D o n d e a 1 o b 1 , a 2 o b 2 o re c ta s o n c o n s tan te s d ife re n te s d e
c e ro y e s ta s re p re se n tan e n e l p la n o d os re c ta s y
p u e de n oc u rrir t re s c a so s , d o n de la re c ta L 1 s e re lac ion a
c o n la e c ua c ió n d e la o tra re c ta L 2

32

L1 L1 = L2
L1

L2 L2

N o h a y so l u c i ó n Solución única
I n f i n i d a d d e S o l u c i o ne s

1 . - L a s re c ta s L 1 L 2 s o n p a r al e l a s
2 . - L a s re c ta s L 1 L 2 i n te r s e c a e n u n p un t o
3 . - L a s re c ta s L 1 L 2 s o n i g u a l e s

E l c a s o 1 d e es ta s re c t a s n o h a y n i ng u na p a r e j a ( s 1 , s 2 )
q u e s a ti s f a ga n e l s i s te m a ; e n e l c a s o 2 , s ó l o h a y u n
p u n to q ue s a ti s f a ce l a s o lu c i ó n y c o r r e s p on d e a l p u nt o
d e l a i n te rs e c c i ó n y p a r a e l c a s o 3 e x i s t e u n a i n f i n i d a d
d e p u n to s q ue s a ti s f a c e n a e s t e s i s t e m a y c o r r e s p o n de n
a to d o s l o s p un to s q u e es t án e n e s as r e c t a s .
2.5.- Definición:

Un sistema de ecuaciones se llama:

Consistente: si tiene al menos una solución;

Inconsistente: si no tiene solución.

33
A te n d i e n do a l n ú m e ro d e sus s o l u c i o ne s

I n c o m p a ti b l e No tiene solución.

C o m p a ti b l e T i e n e s o l uc i ó n .

C o m p a ti b l e d e te rm i n a d o S o l u c i ó n ún i c a .

C o m p a ti b l e i n d e te rm i n a d o Infinitas soluciones.

G e n e ra l i z a nd o se p u ed e t e ne r u n s i s t e m a c on n va r i a b l e s
y m e c ua c i o ne s , q ue p ue d en e n co n t r a r s e e s t os s i s t e ma s
d e a c ue rd o a s us s o l u c i on e s c o m o l a s i g u i e n t e f i g u r a

Sistemas de ecuaciones lineales

Inconsistente Consistente

No hay solución Determinado Indeterminado

Solución Única Más de una

Solución
2.6.- Definición

Un sistema homogéneo tiene solución trivial si para cada variable la

solución corresponde que todas las variables son cero.

Una ecuación es imposible si tenemos una incongruencia en su

solución por ejemplo 0x+0y+0z= k con k diferente de cero.

Sistemas Equivalentes:
34
2.6.- Definición

Dos sistemas de ecuaciones se dicen equivalentes si tienen el mismo

conjunto solución. Para decir que dos sistemas son equivalentes se
usará el símbolo ~

Un sistema de m ecuaciones con n incógnitas se puede simplificar o

reducir a otro sistema equivalente usando las siguientes reglas:

Regla 1.- Se puede intercambiar el orden de las ecuaciones, de tal

manera que, después del proceso de intercambio, la primera ecuación
tenga el coeficiente de a1 de x distinto de cero a1≠ 0

Regla 2.- para cada i >1 con i  1,2 o i  1,2,3 ó i  1,2,..., n según
el sistema de número de ecuaciones cambiar la ecuación 1 E 1 por
a1E1-aiEi
Es decir sustituir del sistema (A) la ecuación lineal i

Con estos dos pasos podemos eliminar variables del sistema inicial
(de 2, o 3 o m ecuaciones). Procediendo nuevamente de la misma
manera, pero ahora con el sistema de ecuaciones se anula una nueva
variable.

2.8.- Resolución de un sistema de ecuaciones.-

Existen varias metodologías para resolver un sistema de ecuaciones

lineales la primero que veremos es la eliminación de Gauss. La
característica de esta metodología, consiste en reducir el sistema
mediante reglas 1 y 2 ya mencionadas hasta llegar a un sistema de
forma escalonada (parece tener escalones). Es decir:

S o n aq u e l l o s e n qu e ca d a e c u ac i ó n t i e n e u n a i nc ó gn i t a
m e n o s qu e l a a n te ri o r.
Ejemplos:

1 . - H a l l e e l c o n j u n to s o l u c i ón d e :

X+ y+ z = 3
y + 2z = −1
z = −1

S i n o s v a m os a l a 3 a e c u a c ió n , t e n e m o s qu e z = − 1 .

35
S u s ti tu y e nd o s u va l o r e n l a 2 a o b t e n e m os q u e y = 1 .

Y s u s ti tu y e n do e n l a 1 a l o s v a l o r e s a n t e r i o r e s t e n e m os
que x = 3.

T a m b i é n es u n s i s te m a es c al o n a d o :

x + y + z = 4
y + z = 2

C o m o e n e s te c a so t e n e m o s m á s i n c óg n i t a s q ue
e c u ac i o n es , to m a re m o s u n a d e l a s i n c ó g n i t a s (por
e j e m p l o l a z ) y l a p a s a re m os a l s e g u n do m i e m b r o .

X + y+ z=3

y = 2 – z

C o n s i de ra re m o s z = λ , s i e n d o λ u n p a r á m e t r o q u e t o m a r a
c u a l q u i e r v a l o r re a l .

x+ y + z =3
y = 2 − λ

L a s s o l uc i o n es s o n : z = λ y = 2 − λ x= 1.

Para lograr esta forma escalonada se requiere que el sistema inicial

se convierta en otro sistema equivalente en donde se reduce una o
más variables.
Teorema: La solución a un sistema con r ecuaciones y n ecuaciones
en forma escalonada se divide en dos casos:
i) r=n es decir existe el mismo número de ecuaciones que
incógnitas, entonces el sistema tiene una solución única.

ii) Si r < n, es decir, hay menos ecuaciones que incógnitas. Se

pueden asignar valores arbitrarios a las variables libres y
obtener soluciones al sistema. Variables libres implica que
son variables que tomaran más de un valor.

36
2.- Resuelva el sistema por el método de Gauss.

x + y+ z =0 E1
3x + y - 2z = 1 E2
6x - 2y + 4z = 1 E3

Primero buscaremos un sistema equivalente en forma escalonada

reduciéndolo de la siguiente forma: la ecuación E2 por E2-3E1 y E3
por E3-6E1 encontrando:

3x +y -2z = 1…E2 6x -2y + 4z = 1…. E3

-3x -3y-3z = 0…-3E1 -6x -6y -6z = 0 ----6E1
__________________ _________________________
-2y -5z =1…. É1 -8y-2z = 1….E´2

Obteniéndose

-2y - 5z = 1 É1
-8y - 2z = 1 E´2

Con este sistema equivalente llevamos a cabo E´2 – E´1

-8y - 2z = 1
+8y +20 z =-4
____________________
18z = -3

z = -3/18 = - 1/6

Como

- 2y-5z = 1
-2y = 1 + 5z
y = (1 + 5z)/ -2
 y = - ( 1 – 5(1/6) ) /2
y = -( 1/6)/2
y = -1/12
Ahora bien de la ecuación

x+y+z = 0

x = -y-z

Sustituyendo valores tenemos

37
x = -( -1/12) – (- 1/6 )

x = 3 / 12 = 1/4

1 1 1
la solución es ( x, y, z )   , , 
4 12 6 
Ejercicios

1.- Resuelva los siguientes sistemas

a)

x y 0
x  y 1

b)
38
5 x  4 y  3z  4
3x  2 y  2 z  1
2 x  y  2 z  10

c)

Diga qué tipo de sistemas son, resuélvalos y cuantas soluciones

tiene:

2x  y  z  8
x  2 y  3z  8
3x z 3

d)

2 x  3 y  z  11
x  y  2 z  7
4 x  y  2 z  12

e)

4x  8
 2 x  3 y  1
3x  5 y  2 z  11

2.- Sin utilizar el sistema de eliminación resuelva el siguiente sistema

escalonado:

2 x  y  2 z  5
3y  z  8
z4
III- Matrices y Determinantes

A 11 .- Introducción 30

3.1.- Definición de una Matriz. 31

3.2.- La matriz atendiendo a la forma (fila, columna, 39
cuadrada, traspuesta, simétrica, antisimétrica) 31
3.3.- Matriz atendiendo a sus elementos ( nula, diagonal,
Escalar, unidad, triangular ) 32
3.4.- Matriz traspuesta 32
3.5.- Propiedades de las matrices ( suma, multiplicación)
32
3.6.- Producto de matrices 34
3.7.- Método de Gauss 36
3.8.- Determinantes 36
3.9.- Cálculo de determinantes 36
3.10.- Calculo de determinantes por la adjunta 37
3.11.- Ejemplos 38
a11.- Introducción

Históricamente, las matrices aparecen por primera vez hacia el año

1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría
se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
introduce la notación matricial como una forma abreviada de escribir
un sistema de m ecuaciones lineales con n incógnitas.

40
Las matrices se utilizan en el cálculo numérico, en la resolución de
sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de
las derivadas parciales. Además de su utilidad para el estudio de
sistemas de ecuaciones lineales, las matrices aparecen de forma
natural en geometría, estadística, economía, informática, física, etc.

La utilización de matrices (arrays) constituye actualmente una parte

esencial de los lenguajes de programación, ya que la mayoría de los
datos se introducen en los ordenadores como tablas organizadas en
filas y columnas: hojas de cálculo, bases de datos.

James Joseph Sylvestre ( 1814 – 1897 ) Friederich Gauss (1777 – 1855 )

matemático ingles matemático alemán
3.1.- Definición de matriz

Se llama matriz de orden m×n a todo conjunto rectangular de

elementos aij dispuestos en m líneas horizontales (filas) y n verticales
(columnas) de la forma:

41

Abreviadamente suele expresarse en la forma A = (aij), con i =1, 2, ...,

m, j =1, 2, ..., n. Los subíndices indican la posición del elemento
dentro de la matriz, el primero denota la fila (i) y el segundo la
columna (j). Por ejemplo el elemento a25 será el elemento de la fila 2 y
columna 5.

Dos matrices son iguales cuando tienen la misma dimensión y los

elementos que ocupan el mismo lugar en ambas son iguales.

3.2.- Algunos tipos de matrices

Vamos a describir algunos tipos de matrices que aparecen con

frecuencia debido a su utilidad, y de los que es conveniente recordar
su nombre.

Atendiendo a la forma

Matriz fila: Es una matriz que solo tiene una fila, es decir m =1 y por
tanto es de orden 1xn.

Matriz columna: Es una matriz que solo tiene una columna, es decir, n
=1 y por tanto es de orden m x1.

Matriz cuadrada: Es aquella que tiene el mismo número de filas que

de columnas, es decir m = n. En estos casos se dice que la matriz
cuadrada es de orden n, y no n x n.
Los elementos aij con i = j, o sea aii forman la llamada diagonal
principal de la matriz cuadrada, y los elementos aij con i + j = n +1 la
diagonal secundaria.
Matriz traspuesta: Dada una matriz A, se llama traspuesta de A, y se
representa por At, a la matriz que se obtiene cambiando filas por
columnas. La primera fila de A es la primera fila de A t , la segunda fila
de A es la segunda columna de At, etc.
De la definición se deduce que si A es de orden m ´x n, entonces A t es
de orden n x m.

Matriz simétrica: Una matriz cuadrada A es simétrica si A = A t, es

decir, si aij = aji

42
Matriz antisimétrica: Una matriz cuadrada es antisimétrica si A = –At,
es decir, si aij = –aji

3.3.- Atendiendo a los elementos

Matriz nula es aquella que todos sus elementos son 0 y se representa

por 0.

Matriz diagonal: Es una matriz cuadrada, en la que todos los

elementos no pertenecientes a la diagonal principal son nulos.

Matriz escalar: Es una matriz diagonal con todos los elementos de la

diagonal iguales.
Matriz unidad o identidad: Es una matriz escalar con los elementos de
la diagonal principal iguales a 1.

Matriz Triangular: Es una matriz cuadrada que tiene nulos todos los
elementos que están a un mismo lado de la diagonal principal. Las
matrices triangulares pueden ser de dos tipos:

Triangular Superior: Si los elementos que están por debajo de la

diagonal principal son todos nulos. Es decir, aij

Triangular Inferior: Si los elementos que están por encima de la

diagonal principal son todos nulos. Es decir, aij

3.4.- Trasposición de matrices

Dada una matriz de orden m x n, A = (a ij), se llama matriz traspuesta

de A, y se representa por At, a la matriz que se obtiene cambiando las
filas por las columnas (o viceversa) en la matriz A. Es decir:
3.5.- Propiedades de la trasposición de matrices
1. Dada una matriz A, siempre existe su traspuesta y además es
única.
2. (At)t = A.

Suma y diferencia de matrices

La suma de dos matrices A= (aij), B= (bij) de la misma dimensión, es

43
otra matriz S=(sij) de la misma dimensión que los sumandos y con
término genérico sij=aij+bij. Por tanto, para poder sumar dos matrices
estas han de tener la misma dimensión.

La suma de las matrices A y B se denota por A+B.

Propiedades de la suma de matrices

1. A + (B + C) = (A + B) + C (propiedad asociativa)
2. A + B = B + A (propiedad conmutativa)
3. A + 0 = A (0 es la matriz nula)
4. La matriz –A, que se obtiene cambiando de signo todos los
elementos de A, recibe el nombre de matriz opuesta de A, ya
–A)= 0.

La diferencia de matrices A y B se representa por A–B, y se define

como:
A– –B)

Producto de una matriz por un número

El producto de una matriz A = (aij) por un número real k es otra matriz

B = (bij) de la misma dimensión que A y tal que cada elemento bij de B
se obtiene multiplicando aij por k, es decir, bij = k·aij.

El producto de la matriz A por el número real k se designa por k·A. Al

número real k se le llama también escalar, y a este producto,
producto de escalares por matrices.

Propiedades del producto de una matriz por un escalar

1. k (A + B) = k A + k B (propiedad distributiva 1ª)
2. (k + h)A = k A + h A (propiedad distributiva 2ª)
3. k [h A] = (k h) A (propiedad asociativa mixta)
4. 1·A = A (elemento unidad)
Propiedades para simplificar
1. A + C = B + C entonces A = B.
2. k A = k B entonces A = B si k es distinto de 0.
3. k A = h A entonces h = k si A es distinto de 0.

Producto de matrices

Dadas dos matrices A y B, su producto es otra matriz P cuyos

elementos se obtienen multiplicando las filas de A por las columnas
de B. De manera más formal, los elementos de P son de la forma:
44

Es evidente que el número de columnas de A debe coincidir con el

número de filas de B. Es más, si A tiene dimensión m x n y B
dimensión n x p, la matriz P será de orden
m x p. Es decir:

Propiedades del producto de matrices

1. A·(B·C) = (A·B)·C
2. El producto de matrices en general no es conmutativo.
3. Si A es una matriz cuadrada de orden n se tiene A·In = In·A = A.
4. Dada una matriz cuadrada A de orden n, no siempre existe otra
matriz B tal que A·B = B·A = In. Si existe dicha matriz B, se dice
que es la matriz inversa de A y se representa por A–1.
5. El producto de matrices es distributivo respecto de la suma de
matrices, es decir: A·(B + C) = A·B + A·C

Consecuencias de las propiedades

1. Si A·B= 0 no implica que A=0 ó B=0.
2. Si A·B=A·C no implica que B = C.
3. En general (A+B)2 2 + B2 +2AB,ya que A·B x B·A.

4. En general (A+B)·(A– 2–B2, ya que A·B x B·A.

3.6.- Producto de matrices

Dadas dos matrices A y B, su producto es otra matriz P cuyos

elementos se obtienen multiplicando las filas de A por las columnas
de B. De manera más formal, los elementos de P son de la forma:
Es evidente que el número de columnas de A debe coincidir con el
número de filas de B. Es más, si A tiene dimensión m x n y B
dimensión n x p, la matriz P será de orden m x p. Es decir:

Propiedades del producto de matrices

1. A·(B·C) = (A·B)·C
2. El producto de matrices en general no es conmutativo.
3. Si A es una matriz cuadrada de orden n se tiene A·In = In·A = A.
45
4. Dada una matriz cuadrada A de orden n, no siempre existe otra
matriz B tal que A·B = B·A = In. Si existe dicha matriz B, se dice
que es la matriz inversa de A y se representa por A–1 .
5. El producto de matrices es distributivo respecto de la suma de
matrices, es decir: A·(B + C) = A·B + A·C

Consecuencias de las propiedades

1. Si A·B= 0 no implica que A=0 ó B=0.
2. Si A·B=A·C no implica que B = C.
3. En general (A+B)2 2 + B2 +2AB,ya que A·B ≠ B·A.

4. En general (A+B)·(A– 2–B2

5. Cálculo de la matriz inversa usando determinantes

6. Dada una matriz cuadrada A, se llama matriz adjunta de A, y se
representa por Adj(A), a la matriz de los adjuntos, Adj(A) = (A ij).
7. Si tenemos una matriz tal que det (A) ≠ 0, se verifica:

8.
9. Esto es fácil probarlo puesto que sabemos que la suma de los
productos de los elementos de una fila por sus adjuntos es el
valor del determinante, y que la suma de los productos de los
elementos de una fila por los adjuntos de otra fila diferente es 0
(esto sería el desarrollo de un determinante que tiene dos filas
iguales por los adjuntos de una de ellas).
10. Método de Gauss-Jordan para el cálculo de la matriz
inversa
11. El método de Gauss-Jordan para calcular la matriz inversa
de una dada se basa en una triangularización superior y luego
otra inferior de la matriz a la cual se le quiere calcular la
inversa.
12. Para aplicar el método se necesita una matriz cuadrada
de rango máximo. Sabemos que no siempre una matriz tiene
inversa, por lo cual comprobaremos que la matriz tenga rango
máximo al aplicar el método de Gauss para realizar la
triangularización superior. Si al aplicar el método de Gauss
 (triangularización inferior) se obtiene una línea de ceros, la
matriz no tiene inversa.
13. Rango de una matriz.-Se llama menor de orden p de una
matriz al determinante que resulta de eliminar ciertas filas y
columnas hasta quedar una matriz cuadrada de orden p. Es
decir, al determinante de cualquier submatriz cuadrada de A
(submatriz obtenida suprimiendo alguna fila o columna de la
matriz A).
14. En una matriz cualquiera Am×n puede haber varios
menores de un cierto orden p dado.
46
15. El RANGO (o característica) de una matriz es el
orden del mayor de los menores distintos de cero.
16. El rango o característica de una matriz A se representa
por rg(A).
17. Consecuencia Por tanto, el rango no puede ser mayor al
número de filas o de columnas.

Cálculo del rango usando determinantes

Si a un menor M de orden h de la matriz A se le añade la fila p y la

columna q de A (que antes no estaban en el menor), obtenemos un
menor N de orden h+1 que se dice obtenido de M orlado este menor
con la fila p y la columna q. El método para el cálculo del rango es un
proceso iterado que sigue los siguientes pasos:

Antes de comenzar el método se busca un elemento no nulo, ya que si

todos los elementos son 0, el rango será 0. El elemento encontrado
será el menor de orden k=1 de partida.
1. Se orla el menor de orden k hasta encontrar un menor de orden
k+1 no nulo. Cuando se encuentra un menor de orden k+1 no
nulo se aplica a éste el método.
2. Si todos los menores orlados obtenidos añadiéndole al menor de
partida los elementos de una línea i0 son nulos, podemos
eliminar dicha línea porque es combinación de las que
componen el menor de orden k.
3. Si todos los menores de orden k+1 son nulos el rango es k. (Si
aplicamos bien el método en realidad, al llegar a este punto, la
matriz tiene orden k).
Cálculo del rango de una matriz por el método de Gauss
Transformaciones elementales

Son las transformaciones que podemos realizarle a una matriz sin que
su rango varíe. Es fácil comprobar que estas transformaciones no
varían el rango usando las propiedades de los determinantes
1. Si se permutan 2 filas ó 2 columnas el rango no varía.
2. Si se multiplica o divide una línea por un número no nulo el
rango no cambia.
3. Si a una línea de una matriz se le suma o resta otra paralela
47
multiplicada por un número no nulo el rango no varía.
4. Se pueden suprimir las filas o columnas que sean nulas, las filas
o columnas que sean que sean proporcionales a otras, sin que
el rango de la matriz varíe.

3.7.- Método de Gauss

El método de Gauss consiste en aplicar transformaciones

elementales a una matriz con objeto de conseguir que los elementos
que están por debajo de la diagonal principal se anulen ( aij = 0, i>j).
Para conseguir "triangularizar" la matriz debemos dejar en la diagonal
principal elementos no nulos, salvo que la fila sea nula.
Una vez aplicado este proceso de triangularización, el rango de la
matriz es el número de filas no nulas de la matriz obtenida. Esto es
fácil probarlo usando las propiedades de los determinantes.

3.8.- Determinantes

Dada una matriz cuadrada

se llama determinante de A, y se representa por |A| ó det(A), al

número:

, con
(Sn es el grupo de las permutaciones del conjunto {1, 2,.. n}, e i
la signatura de la permutación)
También se suele escribir:

48
3.9.- Cálculo de determinantes

Es fácil comprobar que aplicando la definición se

tiene:

En este último caso, para acordarnos de todos los productos posibles

y sus correspondientes signos se suele usar la Regla de Sarrus, que
consiste en un esquema gráfico para los productos positivos y otro
para los negativos:

3.10.- Cálculo de un determinante por los adjuntos de una línea

Sea A una matriz cuadrada y aij uno cualquiera de sus elementos. Si

se suprime la fila i y la columna j de la matriz A se obtiene una
submatriz Mij que recibe el nombre de matriz complementaria del
elemento aij.
Dada la matriz

la matriz complementaria del elemento a11 es la matriz que resulta de

49
suprimir en la matriz A la fila 1 y la columna 1; es decir:

Llamamos menor complementario del elemento a ij al determinante de

la matriz complementaria del elemento a ij , y se representa por Mij

Se llama adjunto de aij , y se representa por por Aij, al número (–1)i+jMij.

El determinante de una matriz cuadrada es igual a la suma de los

elementos de una fila o columna cualquiera, multiplicados por sus
adjuntos.
Por ejemplo, si desarrollamos un determinante de orden n por los
adjuntos de la 1ª fila se tiene:

La demostración es muy fácil, basta con aplicar la definición de

determinante a ambos lados de la igualdad.

Nota

Esta regla rebaja el orden del determinante que se pretende calcular

en una unidad. Para evitar el cálculo de muchos determinantes
conviene elegir líneas con muchos ceros
3.11.- Ejemplos

Calcule el conjunto solución del siguiente sistema por los métodos

que se indican:

x  2 y  3z  1
3x  2 y  z  2
x y 3
50

1.1- Con el método de Gauss,

1.2.- Con el método de Gauss-Jordan
1.3.- Usando la matriz aumentada
1.4.- Usando la matriz inversa
1.4.1.- Obtener la matriz inversa usando Gauss-Jordan
1.4.2.- Obtener la matriz inversa usando la matriz adjunta
1.5.- Usando el método de Cramer

Solución:

1.1.- Método de Gauss: primero trataremos de que el sistema quede

en forma escalonada, para ello la ecuación E1, E2 y E3 usando la E1
trataremos de reducir las otras 2 ecuaciones de la siguiente forma la
ec.1 la multiplicaremos por (-3) y la sumaremos a la ecuación 2
quedando esta 2ª. Ecuación como:

(x+2y+3z)(-3)+ (3y +2y+z)= 0 -4y-8z=-1 ; después la 1ª. Ecuación la

multiplicaremos (-1) y la sumaremos a la tercera ecuación entonces
tenemos (x+2y+3z)(-1)+ (x +y)= 0-y -3z=2 por lo que el nuevo sistema
equivalente queda:

x  2 y  3z  1 x  2 y  3z  1
3x  2 y  z  2 ~  4 y  8 z  1
x y 3  y  3z  2
La ecuación 3 quedando el nuevo sistema equivalente como:
x  2 y  3z  1
 y  3z  2
 4 y  8 z  1
a este sistema ahora usaremos a la 2ª. Ecuación multiplicándola por (-
4) y la sumaremos a la 3ª. Ecuación quedando el nuevo sistema
equivalente:
x  2 y  3z  1
 y  3z  2
51
4 z  9
de aquí z= - 9/4 y= 19/4 x= -7/4

Con estos resultados se sustituyen en el sistema original quedando

que corresponde la solución al sistema de ecuaciones.

1.2.- y 1.3.- Con el método de Gauss- Jordan.

Primero que nada al sistema de ecuaciones le obtendremos la matriz

aumentada donde la primera parte es la matriz de coeficientes y el
vector de resultado quedando así:
x  2 y  3z  1
3x  2 y  z  2
x y 3
1 2 3 1 
 
entonces la matriz aumentada es la siguiente: 3 2 1 2 

 
1 1 0 3 
 

En el método de Gauss-Jordan lo primero que se hará es tomar al

Renglón 1 R1 como un pivote al cual este renglón lo utilizaremos para
hacer en esa columna ceros arriba y abajo en forma diagonal es decir:
al R1(-3)+R2 y lo dejamos en la posición del renglón R2; para el tercer
renglón haremos de multiplicar R1(-1) y lo sumaremos al renglón 3 y el
resultado en la posición del renglón 3 entonces tenemos:

1 2 3 1  R1  R1
 
 3 2 1 2  R1(3)  R 2  R 2
 
1 1 0 3  R1(1)  R3  R3
 
 1 2 3 1  R 2  R3 1 2 3 1
   
~  0  4  8  1  R3  R 2 0 1  3 2 
   
 0 1  3 2  0  4  8  1
   

R 2(1)  R 2 1 2 3 1  R 2(2)  R1  R1 1 0 3 5 
   
0 1 3  2 R2  R2 0 1 3  2
   
0  4  8  1  R 2(4)  R3  R3 0 0 4  9 
  52

1
R3   R3
4

 7 
  1 0 0 
   4 
1 0 3 5  R3(3)  R1  R1
 19 
0 1 3  2  R3(3)  R 2  R 2 0 1 0 
   4
  9  R3  R3 
0 0 1  0  9 
 0 1
 4 
4 


Por lo que se obtiene que

x= -7/4 , y= 19/4 y z= -9/4

1.4.- Usando la matriz inversa:

Primero consideremos que un sistema de ecuaciones se puede

Aij x  b
expresar como donde

Aij
es la matriz de coeficientes, x el vector de variables o incógnitas y

b el vector de resultados por lo que a esta ecuación matricial la

1
Aij
multiplicamos por la matriz inversa en ambos lados
suponiendo que esta matriz existe, es decir que no es una matriz nula,
Aij1 Aij x  Aij1b
se tiene

como se dijo una matriz multiplicada por su inversa se tiene la matriz

identidad;

y la matriz identidad por cualquier vector es este vector.

53

I ij x  Aij1b I ij x  Aij1b x  Aij1b

entonces es por lo que para

resolver este sistema necesitamos encontrar la matriz inversa y

multiplicarla por el vector de resultados y obtendremos el vector de

incógnitas.

1.5.- Obtención de la matriz inversa usando el método de Gauss-

Jordan

Primero: obtenemos la matriz de Coeficientes,

Segundo: hacemos la matriz aumentada con la matriz identidad
Tercero: buscamos pivotes en la diagonal y luego con operaciones
elementales de las matrices hacemos ceros abajo y arriba de la
diagonal.

x  2 y  3z  1
El sistema es: 3x  2 y  z  2
x y  3 después la matriz de coeficientes de este

sistema:
 1 2 3 
 
 3 2 1
1 1 0 
Matriz de coeficientes:  
aumentamos la matriz de
1 2 3 1 0 0 
 
3 2 1 0 1 0 
1 1 0 0 0 1 
 
coeficientes con la matriz identidad y tenemos con

esta matriz aumentada se aplicaran operaciones elementales para

54

reducir la matriz del lado izquierdo a una matriz identidad y la matriz

que se obtiene al mismo tiempo del lado derecho será la matriz

inversa entonces tenemos:

1 2 3 1 0 0  R1  R1
 
3 2 1 0 1 0  R1(3)  R 2  R 2
1 1 0 0 0 1  R1(1)  R3  R3
 

R1  R1
1 2 3 1 0 0 
   1
0  4  8  3 1 0  R 2   R 2
0 1  3 1 0 1   4 
  R3  R3

1 0 0
1 2 3  R 2(2)  R1  R1
 3 1 
0 1 2 0  R2  R2
0 1  3 4 4  R 2  R3  R3
 1 0 1 

1 1
0 
1 0  1 2 2
 R3  R1  R1
 3 1
0 1 2 0  R3(2)  R 2  R 2

0 0 1 4 4  R 2  R3  R3
 1 1
1 
4 4 
 1 3 
1 
1 0 0 4 4

 1 3 
0 1 0 2

0 0 1 4 4

 1 1
1  por lo que
4 4 

 1 

3
1  55
 4 4 
1 3 
A 1   2 
4 4 
1 1 
 1 
4 4 


Ésta fue la matriz inversa obtenida usando a la matriz identidad y

usando el método de 1.6.- Gauss-Jordan.

Ahora te presentaremos la matriz inversa A usando a la matriz de

1
A 1  Adj. de A
det A
Cofactores, es decir

y como se ve se requiere calcular antes que nada el determinante de

la matriz A, si éste es diferente de cero nos indicará que esta matriz

tiene una matriz inversa

Primero encontraremos el determinante de la matriz de coeficientes

del sistema

1 2 3  123
 
A   3 2 1 entonces det A  3 2 1 
1 1 0 
  11 0

Resolveremos usando el primer renglón sin olvidar que hay (-1)i+j y por

lo que dependiendo
det A= 1((0-1) -2(0-1) +3(3-2)= -1+2+3 =4

por lo que este sistema tiene una matriz inversa;

Ahora encontraremos la matriz de Cofactores:

 21 31 32
 (1) 2 (1) 3 (1) 4 
 10 10 11 
 
 (1) 3 2 3 (1) 4 1 3 (1) 5 1 2 
 10 10 11 
  56
 2 3 1 3 1 2 
 (1) 2 1 (1) 3 1 (1) 3 2 
4 5 6

 

  (1)  1(1)  1(3  2) 

 
  1(3)  1(3)  1(1  2) 
  1(2  6)  1(1  9)  1(2  6) 
 

1 1 1 
 
3  3 1 
  4 8  4
 

luego la trasponemos

 1 3  4 
 
1  3 8 
1 1  4 
  a esta matriz la llamamos la Adjunta de A.

Si a esta matriz Adjunta la multiplicamos por 1/det A tendremos a la

1
A 1  Adj A
det A
matriz inversa:

 1 3  4 
1 
 1  3 8 
4 
1 1  4 
  1 

3
1 
 4 4 
1 3 
A 1   2 
4 4 
1 1 
 1 
4 4 


Cuando hemos obtenido la matriz inversa por estos métodos nos 57

x  Aij1b

servirá para obtener el vector de soluciones dado que:

 1 1 

3
1  
 4 4  
1 3  2 
X  A1b   2  
Entonces  
4 4
1 1  3 
 1  
4 4  
 

para multiplicar matrices y/o matriz por un vector tenemos que

considerar como se lleva a cabo la multiplicación que es el renglón de

la primera matriz por la columna de la otra matriz a esto se llama que

las matrices sean conformables nuestra primer matriz su dimensión

es el número de renglones por el número de columnas, por lo que la

primera matriz de 3x3, y el vector es de dimensión

 1 
  1 3    7
  1 2  
 4 4   4
3 

3x1 entonces se tiene

1 
 1  3   19 58
 2  2  
4 4   4
3

1 
 1 1    9
  1 2  
 4 4   4
3 
 1 1    7 

3
1    
 4 4    4 
1 3  2   19 
X  A1b   2     
4 4    4 
Por lo que 1 1  3    9 
 1   
4 4    4 
 
4.- Escalares y vectores

4.1.- Definición de escalares y vectores 47

4.2.- Definición de un vector 47
4.3.- Definición algebraica de un vector 47
4.4.- Definición de magnitud de un vector 48
4.5.- Definición de vector unitario 48
4.6.- Representación analítica de un vector
49 59
4.7.- Definición de proyección de un vector
49
4.8.- Definición de componente de un vector 50
4.9.- Representación gráfica de un vector en V 2 y V3
50
Un poco de historia

60

Guiseppe Peano ( 1876 – 1936 ) Hermann Grassman (1809 – 1877)

matemático italiano Matemático alemán

La primera formulación moderna y de vectores se le debe a Giuseppe

Peano, el origen de la definición de vector a Giusto Belloutis “ vector
es un segmento orientado uno de cuyos extremos es el origen y el
otro un objeto”
El nombre de vector le corresponde a Hamilton y el desarrollo de los
espacios vectoriales a Lebesque, Banach y a Hilbert.
4 .- ESCALARES Y VECTORES

DEFINICIÓN DE ESCALARES Y VECTORES

Las cantidades físicas que son objeto de estudio tienen propiedades

que es conveniente representar de alguna manera con fin de poder
operarlas y establecer relaciones entre ellas, por tal motivo se han
creado “entes matemáticos”, que en la medida de posible incluyen
una descripción de las propiedades de estudio. 61

Una cantidad física que solo posee MAGNITUD y que es descrita por
un escalar (numero) y sus respectivas unidades se conoce con
CANTIDAD ESCALAR, ejemplo de este tipo de cantidades son: tiempo,

Ejemplos

Longitud,área,volúmen,masa,densidad,energía,potencia,precion,temp
eratura,carga eléctrica, potencial eléctrico, etc. Las demás
operaciones de cantidades escalares como suma, resta,
multiplicación, división, sacar raíz y demás, se realizan aplicando las
conocidas propiedades de los números reales.

Hay cantidades físicas que además de poseer MAGNITUD y unidades,

es necesario indicar la forma en que actúa sobre los cuerpos, esto se
especifica mediante la DIRECCIÓN Y SENTIDO, estas son conocidas
como CANTIDADES VECTORIALES, ejemplo de vectores son:
desplazamiento, velocidad, aceleración, fuerza, torca, momento
lineal, impulso, campo eléctrico, campo magnético, etc., debido a su
importancia fundamental de los vectores a continuación se hará una
descripción de la forma en que se efectúan operaciones con los
vectores.

Representación geométrica de un vector

4.2.- Definición geométrica de un vector

El conjunto de todos los segmentos de recta dirigidos se llama vector

4.3.- Definición algebraica de un vector

Un vector a en el plano xy es un par ordenado de números reales

( a, b ).

Las cantidades vectoriales o simplemente vectores para distinguirse

de las cantidades escalares son representadas mediante cualquiera
de las notaciones siguientes: 62

Geométricamente se representan por medio de un segmento de recta

dirigido (flecha)

El vector como se observa tiene un punto inicial O y un punto final P,

en el punto final se dibuja la punta de flecha, se le denomina vector
libre. La magnitud del vector se asocia a longitud del segmento y se
representa por:

4.4.- Definición de magnitud de un vector

La magnitud de un vector se representa por |a| de tal forma que:

|a| =√𝑥 2 + 𝑦 2

Por definición, la magnitud de una cantidad vectorial es un escalar y

siempre es positiva.

x 0

Vector libre Vector localizado

Un vector cuya magnitud sea la unidad se llama vector unitario

4.5.- Definición
𝒖
La dirección de un vector a en R3 se define como u =
‫׀𝒂׀‬

63

Cuando un vector libre es trasladado paralelamente (sin girar) y

colocado su punto inicial coincidiendo con el origen del sistema
coordenado elegido se dice ahora que el vector es un vector
localizado, en este caso el punto final del vector localizado coincide
con un único punto del sistema coordenado.

La dirección y sentido se establece mediante los ángulos que forman

el vector con los ejes positivos del sistema coordenados, siempre y
cuando el vector se encuentre localizado.

En el caso de vectores en el plano solo se necesita un ángulo director

, denotando en general por θ, referido al eje x positivo, puesto que el
otro ángulo ϕ, referido al eje y positivo, es un ángulo complementario,
o sea ϕ

En dos dimensiones el vector a queda totalmente especificado si se

conoce

A, θ

Para vectores en tres dimensiones la costumbre es indicar los

ángulos directores mediante las letras α, β y γ, El vector a queda
totalmente conocido sabiendo los valores de ( α, β, γ )

Decimos que dos vectores son iguales si es posible trasladarlos

paralelamente haciendo que coincidan exactamente sus puntos
iniciales y finales, en otras palabras poseen la misma magnitud,
dirección y sentido,

4.6.-REPRESENTACIÓN ANALÍTICA DE UN VECTOR

Una forma de describir perfectamente un vector tal como se

menciono en la sección precedente, es conociendo su magnitud y
ángulos directores, pera esta representación aunque correcta, no es
práctica para la realización algunas de las operaciones de vectores,
por lo que se hace necesario crear una representación más
conveniente para el fin. Tomando en cuenta que el punto final de un
vector localizado cae en un único punto del sistema coordenado, se
puede asociar a cada vector localizando un punto y a cada punto un
vector. Las coordenadas del punto sirven como la nueva
representación del vector y se forma con las componentes de vector
que resultan ser la proyecciones del vector sobre cada uno de los 64
ejes coordenados y resultan ser cantidades escalares que pueden ser
positivas o negativas.

En dos dimensiones tenemos que:

a= (ҳ, ү)

Y en tres

a = (ҳ, ү, ẓ)

La desigualdad del triángulo

a+b ≤ a + b

a-b

Definición

Sean a y b dos vectores diferentes de cero. Entonces la proyección de

a· b
a sobre b es un vector de notado por proy b a = b
( ‫׀‬b‫) ׀‬2
 y

θ b Proyección de a sobre b

65

Definición de componente de un vector

La componente de un vector a en la dirección de b se define como:

4.8.- Compb a = a· b / ‫׀‬b‫׀‬ la Compa b es un escalar

Ejemplo

Calcule la proyección de a en la dirección de b si:

a = ( 2,3,4 ) y b = ( 1, 5, 6 )

a· b = 2 + 15 + 24 = 31

‫׀‬b‫׀‬ = √1 + 25 + 30 = √56

31 31 155 186
proya b = ( 1, 5, 6 ) = 𝑖+ j+ k
56 56 √56 56

Calcule la Comp a b = 31 / √56 es un escalar

4.9.- Representaciones de un vector en dos dimensiones

Considerando conocida la magnitud a y el ángulo θ las

componentes ҳ e ү se pueden obtener aplicando las relaciones
trigonométricas
 x 𝑦
𝑐𝑜𝑠𝜃 = , 𝑠𝑒𝑛𝜃 =
‫׀‬a ‫׀‬ ‫ ׀‬a ‫׀‬

de donde

x =‫׀‬a‫ ׀‬cosθ y = ‫׀‬a‫ ׀‬senθ

En el caso contrario si el vector esta representado por sus

componentes x e y, La magnitud del vector se obtiene mediante el
teorema de Pitágoras
66
a =√𝑥 2 + 𝑦 2

y el ángulo θ mediante la función arco tangente

y
θ= arctan
x

Puede existir una ligera complicación al aplicar la relación anterior,

puesto que si consideramos el caso a= (-1, -1), entonces
𝜃 = arctan (-1/-1)= arctan1 =45°, pero el vector se localiza en el tercer
cuadrante y por lo tanto al resultado obtenido hay que agregarle 180°,
esto es θ = 45°+180°=225°. En el caso el vector a=(1,-1) se localiza en
el cuarto cuadrante y la aplicación de la formula conduce a θ=arctan
(-1/1)=-45, para obtener el resultado adecuado a 360° se le resta 45°, o
sea θ=360°-45°=315°

Y
y

a
El proceso anterior es conocido regularmente como “cambio de
coordenadas”, la primera parte de polares a rectangulares y la
segunda parte de rectangulares a polares y algunas calculadoras
científicas están programadas para realizar estas operaciones de
manera directa.

En tres dimensiones
67
De manera análoga a dos dimensiones si es dada la magnitud del
vector a y los ángulos α, β y γ, las componentes ( x, y, z ) se obtiene
ahora a partir de las relaciones

Trigonométricas.

P ( x,y,z)

x 𝑦 𝑧
𝑐𝑜𝑠𝜃 = , cos 𝛽 = , 𝑐𝑜𝑠𝑦 =
‫׀‬a ‫׀‬ ‫׀‬a ‫׀‬ ‫׀‬a ‫׀‬

x= ‫ ׀‬a ‫ ׀‬cos α, y = ‫ ׀‬a ‫ ׀‬cos β, z= ‫ ׀‬a ‫ ׀‬cos y

Ahora si sus componentes del vector x, y, z son conocidas, la
magnitud se obtiene generalizando el teorema de Pitágoras

𝑎 = √𝑥 2 + 𝑦 2 + 𝑧 2

Y los ángulos α, β, y ү despejando de las relaciones anteriores

x y z 68
𝛼 = 𝐴𝑅𝐶𝐶𝑂𝑆 , 𝛽 = 𝐴𝑅𝐶𝐶𝑂𝑆 , 𝛾 = 𝐴𝑅𝐶𝐶𝑂𝑆
‫׀‬a ‫׀‬ ‫׀‬a ‫׀‬ ‫׀‬a ‫׀‬

En caso de tres dimensiones la función arco eno da correctamente el

valor del ángulo para cualquier caso
5.- Introducción a los Espacios Vectoriales

5.1.- Definición de espacio vectorial

5.2.- Propiedades de los espacios vectoriales

5.3.- Definición de suma de vectores
5.4.- Definición de producto escalar 69
5.5.- Definición de producto vectorial
5.6.- Algunas demostraciones de las propiedades de los vectores
5.7.- Ejemplos
5.8.- Paralelismo y ortogonalidad de vectores
5.9.- Ángulo entre vectores
5.10.-Ejemplos
5.11.- Ecuación vectorial de la recta
5.12.- Ejemplos
5.13.- Paralelismo, ortogonalidad, ángulo e intersección de rectas
5.14.- Ejemplos
5.15.- El plano en su representación vectorial, paramétrica, normal
Y cartesiana
5.16.- Ejemplos
5.17.- Paralelismo, ortogonalidad, ángulo, intersección entre planos
Intersección entre un plano y una recta.

5.18. Problemario
5.19.- Transformaciones lineales
5.- Introducción a los Espacios Vectoriales

5.1.- Un espacio vectorial se define como aquella representación

matemática que tiene magnitud y dirección.

dirección
0 magnitud
70
5.2.- Propiedades del espacio vectorial

Sean a,b,c,d elementos del espacio vectorial n dimensional Vn

Entonces definimos los operadores como:

+ • x
Suma producto punto producto cruz
Producto interno producto externo
Producto escalar producto vectorial

Definición

Sean a = (x1 , y1 , z1 ) b = (x2 , y2 , z2 ) dos vectores y sea t un número

real entonces

5.3.- Suma de vectores

a + b = (x1 + x 2, y1+ y2 , z1 +z2 )

5.4.- Producto escalar o punto

a • b = x1 x 2, y1 y2 , z1z2 un escalar
5.5.- Producto vectorial o cruz

a x b= i j k = i(a 2b3-a3b2) – j(a1b3-a3b1) +k (a1b2-a2b1) un

vector
a1 a2 a 3
b1 b2 b3
71

5.6.- Algunas demostraciones

¿El espacio vectorial es cerrado bajo la suma ?

Sea A= (a1, a2…….an)

B= (b, b2……...bn)
C = ( c 1 ,c2 ……. cn )

Debemos demostrar que

A+B=C

A + B = (a1+b1……………. an+bn)

Como a1 y b1 son números reales y la suma de dos números reales es

igual a un número real c entonces

(a1+b1……………. an+bn) = (c1……cn) por lo tanto Vn es cerrado bajo

la suma

Sea A= (2,3,5)
B= (7,1,4)

¿A▪B =D? preguntamos si el producto punto de dos vectores es

cerrado
Por definición sabemos que

A ▪ B = a1b1 + a2b2 + …..+ anbn

Y como a1b1 + a2b2 + …..+ anbn es un escalar por lo tanto A ▪ B no es

cerrado.

5.7.- Ejemplos
72
(2,3,5) ▪ (7,1,4) = 14+3+20 = 37 es un escalar

Ejemplo

Sea A = (2,3,5) y B = (7,1,4) Calcular AxB

A xB = i j k
2 3 5 = i (12-5) – j( 8-35) +k (2-21) = 7i + 27j – 19
K
7 1 4

Probar que A x B ≠ B x A

a x b= i j k = i(a 2b3-a3b2) – j(a1b3-a3b1) +k (a1b2-a2b1)

a1 a2 a 3
b1 b2 b3

Como el resultado es un vector por lo tanto AXB es cerrado

5.8.- Paralelismo y ortogonalidad de dos vectores

Sean a y b dos vectores entonces a es paralela a b si y sólo si:

a||b  a= rb

Sean a y b dos vectores entonces a es ortogonal a b si y sólo si

a b  a · b= 0 73

|a|=√𝑎12 + 𝑎22 +. . . +𝑎𝑛2

5.9.- El ángulo entre dos vectores se define como

a·b=|a||b|cosx

5.10.- Ejemplos

sea a=(1,2,3)
b=(7,5,4)

i) ¿a||b? (1,2,3) =r (7,5,4)

(1,2,3) =(7r,5r,4r)

Dos vectores son iguales si lo son componente a componente

1=7r r=1/7
2= 5r r= 2/5 ∴𝑎∦𝑏
3=4r r=3/4

ii) ¿ a y b son ortogonales ? es decir ¿𝑎 ⊥ 𝑏 ? )

Hay que comprobar si

(1,2,3) ▪ (7,5,4)= 7+10+12 = 29 ≠ 0

Por lo tanto a no es ortogonal a b

Para calcular el ángulo entre dos vectores a∢𝑏

Primero calculamos las magnitudes de los vectores a y b

|a|=√1 + 4 + 8 = √14

|b|=√49 + 25 + 16 = √90

Sabemos que el producto punto de a y b es igual a 29 por lo tanto:

74
29=√14√90 𝑐𝑜𝑠𝜃

29
Cos-1 =𝜃
√14 √90

Por lo tanto
35o.18´=𝜃=35o10´48´´

5.11.- La Ecuación Vectorial de la Recta

Definición
Dos puntos cualesquiera definen una recta

Definición de la recta vectorial

Representación vectorial de la recta

Definición Una recta vectorial se representa por:

ℓ= {P|Po+ta para todo t en R}

Ejemplo

Encuentre la ecuación vectorial, las ecuaciones paramétricas y al

ecuación cartesiana de la recta que pasa por los puntos

P1= (7,2,-3) y P2= (1,1,1)

Construyamos al vector director a:

P2-P1 = (1,1,1) - (7,2,-3) = (-6,-1,4) = a

Sabemos que P = P0 + ta
Entonces

(x,y,z)= (1,1,1) + t(-6,-1,4) La ecuación vectorial de la recta.

75
Encontremos las ecuaciones paramétricas

De la ecuación vectorial tenemos que

(x, y, z)= (1,-6t,1-t,1+4t)

Como dos vectores son iguales componente a componente tenemos

que

x=1-6t t=(1-x) /6
y=1-t t= 1 - y Ecuaciones paramétricas
z=1+4t t= (z-1)/4

Como en las ecuaciones paramétricas tenemos que:

1−𝑥 𝑧−1
( = 𝑦−1 = )
6 4
De donde multiplicando por 24 tenemos que

24 − 24𝑥 24𝑧 − 24
= 24𝑦 − 24 =
6 4

De donde

4-4x = 24y - 24 = 6z - 6

= 6z+4-24y-6+24-4

4x-24y+6z+14 = 0
5.13.- Paralelismo, ortogonalidad, ángulo, intersección entre rectas

Definición Sean ℓ1 y ℓ2 dos rectas entonces

ℓ1 y ℓ2 son paralelas si sus vectores directores lo son es decir

ℓ1 || ℓ2a1||a2 76

ℓ1 y ℓ2 son ortogonales si sus vectores directores lo son es decir

ℓ1 ⊥ ℓ2a1⊥a2

El ángulo entre dos rectas es el ángulo formado por sus vectores

directores es decir

ℓ1 ∢ ℓ2a1∢a2

5.14.- Ejercicios

Sean ( 2,2,2) y ( 5,-1,1) dos vectores directores pertenecientes a ℓ1 ᴖy

ℓ2

Entonces calcule si ℓ1 ⊥ ℓ2 , ℓ1 ⊥ ℓ2 ,

(2,2,2) =r(5,-1,1)

(2,2,2)=(5r,-r,r)

2 = 5r

2 = -2r

2 = 2r

Como las r no son iguales

∴ ℓ1 ∦ ℓ2

Ahora calculemos si , ℓ1 ⊥ ℓ2

Tenemos que probar que a▪ b = 0 para que sean ortogonales

Como ( 2,2,2) y ( 5,-1,1) son los vectores directores tenemos que:

77
a▪b= 10 – 2+2 = 9 ╪ 0 por lo tanto ℓ1 y ℓ2 no son ortogonales.

Encuentre el ángulo formado por las rectas , ℓ1 𝑦 ℓ2 ,

Primero calculemos el producto punto de los vectores directores

a▪b= 10 – 2+2 = 9

Ahora los modulos de los vectores directores

|b|=√25 + 1 + 1 = √27

|a|=√4 + 4 + 4 = √12

Apliquemos la definición de producto punto en función de sus cosenos

directores

10=√27√12 𝑐𝑜𝑠Ɵ

10
cos 𝜃
√27√12
10
Ɵ=cos-1
√27√12

Ɵ=62.5o
Definición

El producto vectorial a x b se define como

𝑖 𝑗 𝑘
a x b=|𝑎1 𝑎2 𝑎3 | = i(a2b3 – a3b2) – j(a1b3 – a3b1) + k(a1b2 – a2b1)
𝑏1 𝑏2 𝑏3
Representación en función de sus vectores unitarios

𝑖 𝑗 𝑘
a x b=|2 3 5 | = i(12– 5) – j(8 – 35) + k(2 – 21)
7 1 4

=7i + 27j – 19k

=(7,27,19) vector en forma de sus componentes.

78

Ejemplo 2.- Sea a=(1,2,3) b=(7,5,4) Halle si los vectores a y b son

paralelos, ortogonales y el ángulo entre ellos.

Respuesta.

¿a||b?

(1, 2, 3) = r(7, 5, 4)
(1, 2, 3) = (7r, 5r, 4r)
1=7r r=1/7
2=5r r=2/5
3=4r r=3/4

∴ a || b

a|b
(1, 2, 3)(7, 5, 4) = 7 + 10 + 12 = 0
= 29
∴ a|b
𝑎∢b
|a|=√1 + 4 + 9 =√14
|b|=√49 + 25 + 16 =√90
29=√14 + √90 𝑐𝑜𝑠𝜃

29
= 𝑐𝑜𝑠𝜃
√14 √90

29
cos −1 = 𝜃
√14 √90

𝜃 = 35° 10′ 48"

Ejemplo 3 .- Encuentre la ecuación vectorial, las paramétricas y la
cartesiana de la recata que pasa por:

P1(7, 2, -3)
P2(1, 1, 1)

P2-P1= (1, 1, 1) – (7, 2, -3)= (-6, -1, 4)=9 79

(x,y,z) = (1, 1, 1) + t(-6, -1, 4)

Ecuaciones paramétricas.

(x,y,z) = (1, 1, 1) + (-6t, -t, 4t)

(x,y,z) = (1, -6t, 1 -t, 1+4t)

1−𝑥
X= 1 – 6t 𝑡=
6

Y= 1 – t 𝑡 = 4−1

𝑧−1
Z= 1 + 4t 𝑡=
4

Ecuación cartesiana.

1−𝑥 𝑧−1
= y–1 =
6 4

4 − 4𝑥 = 244 − 24 = 6𝑧 − 6
6z + 4x – 24y – 6 + 24 – 4 = 0

0= 4x – 24y + 6z + 14

Z
5.15.- El plano en su representación vectorial, paramétrica, normal y
cartesiana.

Definición 3 puntos no colineales definen un plano y su

representación es:

π = {p|po+ta + sb para todo t y s en R}

80

5.16.- Ejemplos

1.- Encuentre la ecuación vectorial del plano que pasa por los puntos
P1 (2,3,7), P2( 1,6,4) y P3 ( 1,-3,3)

Construyamos un vector director a

P1-P2= (2,3,7) - (1,6,4) = (1,-3,3) = a

Ahora encontremos la ecuación vectorial de la recta

(x,y,z) = (2,3,7)+t(1,-3,3)

Para calcular si los tres puntos son colineales se iguala el tercer

punto en la recta
(5,4,3) = (2,3,7) +t(1,-3,3)

(5,4,3) = (2+t,3-3t,7+3t)

Como el parámetro t no es el mismo para las tres ecuaciones por lo

tanto

5=2+t t=3 ∴P1P2P3 no colineales

4= 3-3t =>t=-1/3
3=7+3t
Una vez que probamos que se cumple la no colinealidad se encuentra
al segundo vector director
P1(-P3=(2,3,7)-(5,4,3)=(-3,-1,4)=b

Habiendo obtenido los dos vectores directores a , b se calcula la

ecuación vectorial del plano

(x,y,z)=(2,3,7)+t(1,-3,3)+s(-3,-1,4) Ecuación vectorial del plano

Para encontrar las ecuaciones paramétricas se desarrolla el

algoritmo 81

(x,y,z)= ( 2+t-3s,3-3t-s,7+3t+4s)

X=2+t-3s
Y=3-3t-s ecuaciones paramétrica
Z=7+3t+4s

Para encontrar la ecuación cartesiana del plano se calcula la

ecuación normal del plano

Definición
La ecuación normal del plano se define como

n· (P-P1)=0

Definición
Un vector normal se define como:

n= axb

Calculemos ahora la normal entre los vectores directores a , b

a= (1,-3,3)
b= (-3,-1,4)

i j k
1 -3 3 =i (-12+3)-j (4+9)+k (-1-9)=i (-9)-j (13)+k (-10)
-3 -1 4
= (-9,-13,-10)
Llevemos a cabo el cálculo de la ecuación cartesiana del plano

(-9,-13,10)·(x,y,z)-(1,6,4)=0

(-9,-13,10)·(x-1,y-6,z-4)=0

-9(x-1)+(-13)(y-6)+(10)(z-4)=0

82
-9x+9-13y+48+10z-40=0

-9x-13y+10z+127=0  ecuación Cartesiana del plano

5.17.- Paralelismo, ortogonalidad, ángulo, intersección de planos,

intersección de un plano y una recta,

Definición

Si 𝜋1 ∩ 𝜋2 entonces lo hacen en una recta

Si 𝜋1 Λ ℓ1 lo hacen en un punto

Ejemplo

Sean 𝜋1; 2x+3y+z=5

𝜋2; 5x-3y+7z=-3

Si se intersectan 𝜋1 ∩ 𝜋2? en que recta lo hacen una recta

Multiplicando por (-7) 𝜋1

-14x - 21y - 7z = -35

5x - 3y +7z = -3

-9x – 24y = - 38 Recta en donde se intersectan los

planos
Definición

Dos planos son paralelos si y solo si las normales son paralelas

𝜋1 || 𝜋2 ↔ n1 || n2

Definición

Dos planos son ortogonales si sus normales son ortogonales

83
𝜋1 ┴ 𝜋2 ↔ n1 ┴ n2

Definición
Si dos planos se intersectan lo hacen en una recta

Si 𝜋1 ∩ 𝜋2 lo hace en una recta

Definición

Si una recta y plano se intersectan lo hacen en un punto

Si 𝜋 ∩ l lo hacen en un punto

Ejemplo Encontrar si las ecuaciones de los planos: son paralelos, son

ortogonales y si se intersectan.

Sean (x,y,z) = (1,1,1) + t(2,7,4) + s(1,5,6)

(x,y,z) = (3,2,7) + a(5,6,7) + b(6,6,6)

Calculemos las normales de los planos

i j k
n1 2 3 4 = i(18 – 20) – j(12-4) +k(10-3)
1 5 6 = i(-2) – j(8) + k(7)
= (-2,8,7)

i j k
n2 5 6 7 = i(36-42) – j(30-42) + k(30-36)
6 6 6 = i(-6) – j(12) + k(-6)
= (-6,12,-6)

Calculemos si las normales son paralelas

(-2,-8,7) = r(-6,12,-6)
-2 = -6r r = 1/3
-8 = 12r ═> r = 8/12 .: 𝜋 1 || 𝜋 2
7 = 6r
Como las normales no son paralelas los planos no son paralelos.

Calculemos si las normales son ortogonales

(-2,-8,7) · (-6,12,-6) = 12 – 96 -42 = 0 ∴𝜋 1 ┴𝜋 2

Como las normales no son ortogonales los planos no son ortogonales

84
Ejemplo sean los planos 𝜋 1 : 2x+3y+z = 5 y 𝜋 2 : 5x-3y+7z = -3

¿Si no son paralelos en que recta se intersectan?

Multiplicando por (-7) 𝜋 1

-14x-2y-7z = -3s
5x-3y+7z = -5

-9 – 21y = -38

9x + 21y = 38 recta en que se intersectan

Ejemplo

Si 𝜋 : (x,y,z)= (1,2,-3)+ t(5,2,1)+ s(3,7,4) y l : (x,y,z)= (6,2,3)+ b(6,4,7)

¿en que puto se intersectan?

Igualemos las ecuaciones vectoriales de el plano y la recta

(1,2,-3) + t(5,2,1) + s(3,7,4) = (6,2,3) + b(6,4,7)

(1+5t+3s, 2+2t+7s, -3+t+4s) = (6+6b, 2+4b, 3+7b)

1+5t+3s = 6+6b L1 5t+3s-6b = 5

2+2t+7s = 2+4b = L2 2t+3s-4b = 0
-3+t+4s = 3+7b L3 t+4s-7b = 6

2L1 + 5L2

-10t + 6s – 12b = 10
10t + 35s + 20b = 0
-24s + 8b = 10
24s – 8b = -10 L1´
L2 – 2 L3

2t + 7s – 4b = 0
-2t + 18s + 14b = -12
-11s + 10b = -12 L2´
11s – 10b = 12
11 L1´ + (-29) L2´

319s – 88b = -110

-319 + 290b = -348
85
202b = 458

b = -458
202

Sus (x,y,z) = (6,2,3) + 458 (6,4,7)

202

= (6,2,3) + (-13.60, -9.06, -15.87)

= (-7.60, -7.06, -12.87)

5.19.- Problemario

1.- Encuentre la ecuación de la recta en su forma sintética que pasa

por los puntos A (1, 4, -9); B (10, 14, -2)

Solución
86
a1= ( x2 –x1 )=(10-1)=9

a2= ( y2 –y1 )=(14-4)=10

a3= ( z2 –z1 )=(-2+9)=7

x 1 y  4 z  9
FORMA SIMÉTRICA  
9 10 7

2) A (1, 2, 3); B (-6, 4, -3)

a1= ( x2 –x1 )= (-6-1) = -7

a2= ( y2 –y1) = (4-2) = 2

a3= ( z2 –z1 )= (-3-3) =-6

x 1 y  2 z  3
FORMA SIMÉTRICA  
7 2 6
3.- Encontrar las ecuaciones paramétricas de la recta que pasa por
los puntos

A (2, 3, 5); B (6, -1, 8);

Solución

si a = ( 2,3,5) – ( 6, -1, 8 ) = ( 2 – 6 , 3 + 1 , 5 – 8 ) = (-4, 4, -3) = A – B

87
o´ si a = ( 6, -1, 8) – ( 2, 3, 5 ) = ( 6 – 2 , -1-3 , 8- 5 ) = ( 4 , -4, 3) = B- A

La ecuación vectorial de la recta es:

(x, y, z)= (2+ t (6-2), 3+ t (-1-3), 5+ t (8-5))

(x, y, z)= (2+ t (4), 3+ t (-4), 5+ t (3))

x = 2+4 t;

y = 3 - 4 t; Ecuaciones Paramétricas

z = 5+3 t;

2) A (1, 0, 0); B (3, -2, -7)

Solución

(x, y, z)= (1+ t (3-1), 0+ t (-2-0), 0+ t (-7-0))

(x, y, z)= (1+ t (2), t (-2), t (-7))

x = 1+2 t;

y = - 2 t; Ecuaciones Paramétricas

z = -7 t;
3.- Encontrar las ecuaciones paramétricas de la recta que pasa por
los puntos

A (5, -2, 4); B (2, 6, 1)

Solución
88
(x, y, z) = (5+ t (2-5), -2+ t (6+2), 4+ t (1-4))

(x, y, z) = (5+ t (-3), -2+ t (8), 4+ t (-3))

x = 5-3 t;

y = - 2 +8t; Ecuaciones Parametricas

z = 4-3 t;

4.- Obtener las ecuaciones paramétricas de la recta que pasa por

P(6, 4, -2) y es paralela a la recta x  1  y  z  5  t
2 3 6

Solución

t = x/2; t = 1-y / 3; t = z-5 /6;

x = 6+2 t;

y = 4 – 3 t; ecuaciones Parametricas

z = -2+6 t;
5.- Halle la ecuación vecorial de la recta que pasa por P (1, 2, 1);
Q (3, 5, -2)

89

a =Q– P = ( x2 –x1, y2 –y1, z2 –z1 ) = ( a1 , a2, a3 )

(x, y, z)= P + t a

Construyámos el vector director

a = (3-1, 5-2, -2-1)= (2, 3, -3)

Entonces

(x, y, z) = (1, 2, 1) + t (2, 3, -3) Ecuación vectorial

6.- Halle la ecuación vecorial de la recta que pasa por P (10, 2, -

10);Q (5, -3, 5)
 a =Q – P = ( x2 –x1, y2 –y1, z2 –z1 ) = ( a1 , a2, a3 )

(x, y, z)= P + t a

a = (3-1, 5-2, -2-1)= (2, 3, -3)

(x, y, z) = (1, 2, 1) + t (2, 3, -3)

90
7.- Halle la ecuación vectorial de la recta que pasa por

1 1   3 5 1
P ,  , 1 ; Q , ,  
2 2   2 2 2

 3 1 5 1 1   3
a = P-Q =    ,  ,   1 =   2, 3,  
 2 2 2 2 2   2

1 1   3
(x, y, z) =  ,  , 1 + t   2, 3,  
2 2   2

8.- Calcular el punto de intersección entra las rectas l1 y l 2

x=4+t x = 6 + 2s
l 1
y=5+t; l 2 condición inicial: x1 =x2; y1
y = 11 + 4s
=y2; z1 =z2
Z= -1+ 2t z =-3 + 5s
Con z z = -3 + 5s

Igualando las ecuaciones tenemos que :

x: 4 + t = 6 + 2s (1)

y: 5 + t = 11 + 4s (2)

z: -1 +2t= -3 + 5s (3)
Despejando t en (1) tenemos que.

t = 6+2s-4= 2+2s

Sustituyo t en (2) sustituyo en l 2 s

5+(2+2s)=11+4s x = 6+2(-2)= 2

7+2s=11+4s y = 11+4(-2)= 3
91
s= -2 z = -3+(-2) = -5

El Punto de Intersección es: (2, 3, -5)

8.- Encuentre las ecuaciones paramétricas de la recta que es

tangente a la curva dada en t0 = 0.

   
r (t )  sin t i  t 2  cos t j  et k

Solución:

r 0  0,1,1  t = 0 P(0,-1,1)

 
r ' t   cos t i  2t  sin t  j  e t k
r ' 0  1,0,1 
 x  x0 , y  y0 , z  z0   t  1,0,1 
 x  0, y  1, z  1   t  1,0,1 
xt y  1 z  1  t

10.- Dados los puntos A (3, 5, 2); B (2, 3, 1); C (-1, -1, 4) halle la
ecuación vectorial del plano, sus ecuaciones paramétricas, la
ecuación normal y cartesiana.
Encontremos el vector director que pasa por A,B

A – B = (3, 5, 2)-(2, 3, 1) = (1, 2, 1) = a

Encontremos el vector director que pasa por C, B

C - B = (-1, -1, 4)-(2, 3, 1) = (-3, -4, 3) = b

Encontremos el vector normal generado por los vectores directores

92
axb

A x b = (1, 2, 1) x (-3, -4, 3)

𝒊 𝒋 𝒌
𝟏 𝟐 𝟏 = = i(6+4) – j(3+3) + k(-4+6)
−𝟑 −𝟒 𝟑

= 10i - 6j + 2k

= ( 10 , -6 , 2 ) = n n = vector normal al plano

Como la ecuación normal del plano es:

n· ( P - P0 ) = 0

Tenemos que:

( 10, -6 , 2 ) · ( (x,y,z) – ( 3,5,2 ) = 0

( 10, -6, 2) · ( x-3 , y -5, z- 2 ) = 0

10 ( x – 3) -6( y – 5 ) + 2 ( z – 2 ) = 0

10x -30 – 6y + 30 + 2 z - 4 = 0

10x – 6y + 2 z -4 = 0 ecuación cartesiana del plano.

11.- Halle la ecuación del plano que pasa por el punto (5, 1, 3) y es
perpendicular al vector 2i + 3j + 4k

Solución:

[ai + bj + ck] • [(x–x0)i – (y–y0)j + (z–z0)k] = 0

Como P0 = ( 5,1,3 ) porque pertenece al plano

93
Como n = ( 2,3,4 ) porque es perpendicular al
plano

Tenemos que:

( 2,3,4 ) · ( ( x,y,z ) – ( 5,1,3 ) ) = 0

(2,3,4 ) · ( x – 5, y – 1 , z – 3 ) = 0

2( x – 5 ) + 3 ( y – 1 ) + 4 ( z – 3 ) = 0

2x – 10 + 3y – 3 + 4z – 12 = 0

2x + 3y + 4z – 25 = 0

12.- Encontrar la ecuación del plano que pasa por P (6, 10, -7) y es
perpendicular al vector -5i + 3k

Solución:

Como P0 = (6,10 , - 7 ) porque pertenece al plano

N = ( -5 , 0 , 3 ) porque es perpendicular al plano

Tenemos que

( -5 , 0 , 3 ) · ( ( x, y, z ) - (6,10 , - 7 ) ) = 0

( -5 , 0 , 3 ) · ( ( x – 6, y – 10, z + 7 )) = 0

-5 ( x – 6 ) + 0 ( y – 10 ) + 3 ( z + 7 ) = 0

-5x + 30 + 3z + 21 = 0
94
-5x + 3z + 51 = 0

13.- Encuentre las ecuaciones del plano que pasa por el Po(2,4,5) y es
perpendicular a la recta x=5+t, y=1+3t, z=4t

Como

Po = (2,4,5) pasa por el plano

Y de las ecuaciones paramétricas de la recta x=5+t, y=1+3t, z=4t

sabemos que

(x , y, z ) = ( 5 + t, 1 + 3 t , 4t )

( x, y, z ) = ( 5,1,0) + t ( 1, 3, 4 )

Y que,

( 1,3,4 ) es el vector director de la recta y que éste es perpendicular

al plano

Por lo que va a ser la normal de éste:

Tenemos que la ecuación del plano buscada es :

( 1,3,4 ) · (( x,y,z ) – ( 5.1.0 ) ) = 0

De aquí

( 1,3,4 ) · ( x – 5 , y - 1 , z – 0 ) = 0

1(x–5)+3(y–1)+4(z)=0

X – 5 + 3y - 3 + 4 z = 0

X + 3y + 4z - 5 = 0
5.19.- Transformaciones lineales

Antes de definir la transformación lineal veamos lo siguiente:

𝑥 𝑥
¿ Qué pasa si la matriz 𝑦 = −𝑦 ?

Geométricamente tendríamos : ( x,y )

y
95

(x, -y )

Es claro que (x,y) se transformó en ( x, -y)

Definición:
Sean A y B dos vectores. Una transformación lineal T de A en B es
una función que asigna a cada vector de A un único vector T B y
satisface para cada a y b en A y cada escalar α.
T (a,b) = TA + TB
T ( α, a) = αTB

Es decir:

T:A B indica que la transformación lineal de T toma del

espacio vectorial real de A y lo lleva ala espacio vectorial real de B.

Esto es:
La transformación T es una función con A como dominio y un
subconjunto de B como su imagen.
A = Dominio
B = Rango

T
Contradominio

96

Propiedades de las transformaciones lineales:

Sea T una transformación lineal de A en B don a y b están en A .

Entonces T tiene las siguientes propiedades:

i) T(0) = 0
ii) T (-b) = - T(b)
iii) T(a-b) = T(a) – T(b)

Ejemplos de transformaciones Lineales:

1.- Sea T una transformación Lineal de R 3en R2 y suponga que

1  0 0
   2     1   5 
T  0     ; T 1     , T  0    
 0 3  0  4  1    3 
     

3 
 
Calcule T   4 
5 
 

Solución:
utilizando a los vectores unitarios tenemos que:

3  1   0  0
       
  4   3 0   41   5 0 
5   0  0  1 
       

Ahora aplicaremos la transformación 97

3  1   0  0
       
T   4   3T  0   4T 1   5T  0 
5   0  0 1 
       

usando las transformaciones para cada vector resulta:

3 
   2    1  5 
T   4   3   4   5 
5   3   4    3
 

 6   4   25   35 
           
 9    16    15   22 

Hemos llevado a cabo la transformación de R3 R2

2.- Se define la función T en R2 a R2 por la siguiente transformación

 x   x
T     
 y  y 

¿geométricamente que vectores representaría ?

 y

(-x,y) (x,y)

98
Tenemos que hay un reflexión con respecto a l eje y

3.-

Sea T una función de transformación T : R  R definida por

2 3

y x 
x  
T     x  y  ,
 y 2y 
 

 x    2
Encontrar la transformación para T     
 y  5 

Solución

Sustituyendo los valores x=-2 y y=5 en la transformación

 5  (2)   5  2   7 
  2      
T     (2)  5     2  5    3 
 5   2(5)  10  10 
     

4.- Sea T : R 3  R 3 una transformación definida por

 x   2 x  y  3z 
   
T  y    4 x  2 y  6 z  encontrar la matriz de transformaciones At
 z    6x  3y  9z 
   

Solución:
Tomando las transformaciones

1   2   0   1  0 3 
           
T 0   4  ; T 1     2  y T 0  6  ,
 0   6 0  3  1    9 
           

Entonces tenemos la matriz de transformación At de la siguiente

manera

2 1 3 
  99
4  2 6 
  6 3  9
 
BIBLIOGRAFIA DE FUNDAMENTOS DE ALGEBRA POR MODULO.

I.- Números Complejos

HITT ESPINOSA FERNANDO, ÁLGEBRA LINEAL,
PRENTICE HALL, PRIMERA EDICIÓN, 2002,
PP. 1-18 100
LAY DAVID C. ÁLGEBRA LINEAL, PEARSON,
1a. EDICIÓN, 2013 PP. 354- 390
MURRAY SPEGEL Ph. PD VARIABLE COMPLEJA,
MC. GRAW HILL, PP 1-32
STANLEY I. GROSSMAN, FLORES GODOY J.
ÁLGEBRA LINEAL, MC GRAW HILL, 7ª. EDICIÓN,
2012 PP. 655-663
STANLEY I. GROSSMAN, ÁLGEBRA LINEAL,
MC GRAW HILL, 6ª. EDICIÓN, 2008
PP. 630- 639
W. KEITH NICHOLSON, ÁLGEBRA LINEAL
MC. GRAW HILL. 4A. EDICIÓN, 2003, PP. 341-352
STANLEY I. GROSSMAN, ALGEBRA LINEAL,
GRUPO EDITORIAL IBEROAMÉRICANA. 1983
PP 371-377

II.- Sistemas de Ecuaciones Lineales

BRU RAFAEL ET AL, ÁLGEBRA LINEAL,

ED. ALFAOMEGA 2001, PP.1-48
HITT ESPINOSA FERNANDO, ÁLGEBRA LINEAL,
PRENTICE HALL, PRIMERA EDICIÓN, 2002,
PP. 27-55
LAY DAVID C. ÁLGEBRA LINEAL, PEARSON,
1a. EDICIÓN, 2013 PP. 5-53
STANLEY I. GROSSMAN, FLORES GODOY J.
ÁLGEBRA LINEAL, MC GRAW HILL, 7ª. EDICIÓN,
2012 PP. 1-38
STANLEY I. GROSSMAN, ÁLGEBRA LINEAL,
MC GRAW HILL, 6ª. EDICIÓN, 2008
PP. 1-164
STANLEY I. GROSSMAN, ALGEBRA LINEAL,
GRUPO EDITORIAL IBEROAMÉRICANA. 1983
PP. 1-24
W. KEITH NICHOLSON, ÁLGEBRA LINEAL
MC. GRAW HILL. 4A. EDICIÓN, 2003, PP. 1-19

III.- Matrices y Determinantes

101
BRU RAFAEL ET AL, ÁLGEBRA LINEAL,
ED. ALFAOMEGA 2001, PP. 53-190
HITT ESPINOSA FERNANDO, ÁLGEBRA LINEAL,
PRENTICE HALL, PRIMERA EDICIÓN, 2002,
PP. 65-80
LAY DAVID C. ÁLGEBRA LINEAL, PEARSON,
1a. EDICIÓN, 2013 PP. 98-102
STANLEY I. GROSSMAN, FLORES GODOY J.
ÁLGEBRA LINEAL, MC GRAW HILL, 7ª. EDICIÓN,
2012 PP. 46-224
STANLEY I. GROSSMAN, ÁLGEBRA LINEAL,
MC GRAW HILL, 6ª. EDICIÓN, 2008
PP. 87-218
STANLEY I. GROSSMAN, ALGEBRA LINEAL,
GRUPO EDITORIAL IBEROAMÉRICANA. 1983
PP. 34- 108
W. KEITH NICHOLSON, ÁLGEBRA LINEAL
MC. GRAW HILL. 4A. EDICIÓN, 2003,
PP. 21- 107

IV.- Vectores

BRU RAFAEL ET AL, ÁLGEBRA LINEAL,

ED. ALFAOMEGA 2001, PP. 199-246
HITT ESPINOSA FERNANDO, ÁLGEBRA LINEAL,
PRENTICE HALL, PRIMERA EDICIÓN, 2002,
PP.87-110
LAY DAVID C. ÁLGEBRA LINEAL, PEARSON,
1a. EDICIÓN, 2013 PP. 204- 283
MARSDEN JERROLD E., TROMBA ANTHONY J.
CÁLCULO VECTORIAL, PEARSON ADDISON WESLEY
5ª. EDICIÓN, 2004 PP. 1-84
STANLEY I. GROSSMAN, FLORES GODOY J.
ÁLGEBRA LINEAL, MC GRAW HILL, 7ª. EDICIÓN,
2012 PP. 46-62 231-464
STANLEY I. GROSSMAN, ÁLGEBRA LINEAL,
MC GRAW HILL, 6ª. EDICIÓN, 2008
PP. 231-410
STANLEY I. GROSSMAN, ALGEBRA LINEAL, 102
GRUPO EDITORIAL IBEROAMÉRICANA. 1983
PP 25-31, 110- 335
W. KEITH NICHOLSON, ÁLGEBRA LINEAL
MC. GRAW HILL. 4A. EDICIÓN, 2003, PP. 109- 302

V.- Introducción a Espacios Vectoriales y Transformaciones Lineales.

BRU RAFAEL ET AL, ÁLGEBRA LINEAL,

ED. ALFAOMEGA2001, PP. 199- 520
HITT ESPINOSA FERNANDO, ÁLGEBRA LINEAL,
PRENTICE HALL, PRIMERA EDICIÓN, 2002,
PP.87-177
LAY DAVID C. ÁLGEBRA LINEAL, PEARSON,
1a. EDICIÓN, 2013 PP. 204-353
STANLEY I. GROSSMAN, FLORES GODOY J.
ÁLGEBRA LINEAL, MC GRAW HILL, 7ª. EDICIÓN,
2012 PP. 417- 683
STANLEY I. GROSSMAN, ÁLGEBRA LINEAL,
MC GRAW HILL, 6ª. EDICIÓN, 2008
PP. 288-607
STANLEY I. GROSSMAN, ALGEBRA LINEAL,
GRUPO EDITORIAL IBEROAMÉRICANA. 1983
PP 165- 736
W. KEITH NICHOLSON, ÁLGEBRA LINEAL
MC. GRAW HILL. 4A. EDICIÓN, 2003, PP. 181-340
103