Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Apuntes 1

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 97

UAEM

Facultad de Economía

Licenciatura en Economía

Materia: álgebra lineal

Profesor: José Hernández Galeana

Estudiantes:
Estefania Gutiérrez Contreras
ángel Gabriel Delgadillo Contreras
Brayan Enrique Ortega Beltrán

Apuntes

Fecha: 03/10/2023
Álgebra lineal
PROGRAMA
Unidad temática 1:
1. Sistema de ecuaciones lineales y teorías de matrices
1.1 Sistema de ecuaciones lineales de orden n x n
1.2 Sistema de ecuaciones lineales equivalentes con operaciones elementales
1.3 Algoritmos de reducción (Gauss, Factorización (U))
1.4 Matrices y operaciones
1.4 Matrices y sistemas de ecuaciones lineales
1.5 Determinante y sus operaciones

Unidad temática 2:
2. Espacios vectoriales
2.1 Definición de espacio vectorial y ejemplos
2.2 Base de un espacio vectorial y ejemplos
2.3 Dimensión de un espacio vectorial
2.4 Sumas y sumas directas de vectoriales

Unidad temática 3:
3. Transformaciones lineales
3.1 Definición de transformación lineal
3.2 Kermel e imagen de una transformación lineal
3.3 Operaciones con transformaciones lineales
3.4 Matriz asociada a una transformación lineal
3.5 Bases y transformaciones lineales
Unidad temática 4:
4. Eigenvalores y eigenvectores
4.1 Definición de eigenvalores e igenvectores
4.2 Multiplicidad geométrica y algebraica de un eigenvalor
4.3 Matrices semejantes y diagonalización
4.4 Matrices simétricas y diagonalización ortogonal

Unidad temática 5:
5. Productos escalares
5.1 Producto escalar
5.2 Bases ortogonales
5.3 Bases de ortogonalización de Gram.Smidt
5.4 Aproximación por mínimos cuadrados

CRITERIOS DE EVALUACIÓN

PORCENTAJE OBSERVACIONES
Se realizan 2 exámenes
Exámenes parciales 70%
en fechas indicadas
Actividades como
Tareas 5% síntesis, resumen,
ensayo, diagramas, etc.
Series de ejercicios que
Laboratorios 10%
se dejan quincenalmente
Firmas que se dan en la
Participación 5%
clase por ejercicios
Se realizan apuntes de
Proyecto 10% cada una de las
temáticas a computadora

MEDIDAS INTERNAS DEL AULA:


1.- Respeto alumno-profesor, profesor-alumno, alumno-alumno
2.- Mantener las instalaciones de buenas condiciones
3,. Mantener el celular en silencio
SISTEMA DE ECUACIONES LINEALES Y TEORIA DE MATRICES
Sistema de ecuaciones lineales de orden 𝑛𝑥𝑛
Antes de estudiar el álgebra lineal, debemos tener presentes los conocimientos
básicos de álgebra, trigonometría, geometría y funciones.
Funciones:
Expresión matemática de una función:
𝑦 = 𝑓(𝑥) Leer: “ 𝑦 está en función de 𝑥” o “𝑦 depende de los valores de 𝑥”
𝑥 : es la variable independiente (asignan valores arbitrarios)
𝑦 : es la variable independiente (depende el valor que se le asigne a 𝑥
La función 𝑦 = 𝑓 (𝑥), es el conjunto de valores 𝑥 𝑒 𝑦
Función polinomial:
𝑦 = 𝑓(𝑥) = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−11 + 𝑎𝑛−2 𝑥 𝑛−2 + 𝑎𝑛−3 𝑥 𝑛−3 + ⋯ + 𝑎3 𝑥 3 + 𝑎2 𝑥 2 + 𝑎1 𝑥1
+ 𝑎0 𝑥 0 𝑝𝑒𝑟𝑜 𝑥 0 = 1
𝑎𝑛 , 𝑎𝑛−1 , 𝑎𝑛−2 , 𝑎𝑛−3 , ⋯ , 𝑎3 + 𝑎2 + 𝑎1 → Son coeficientes de la función
𝑛 → Indica el grado de la función
𝑎0 → Término independiente
Ahora: si 𝑦 = 𝑓 (𝑥) = 0
⇒ 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + 𝑎𝑛−2 𝑥 𝑛−2 + 𝑎𝑛−3 𝑥 𝑛−3 + ⋯ + 𝑎3 𝑥 3 + 𝑎2 𝑥 2 + 𝑎1 𝑥 1 + 𝑎0 = 0
Ecuación polinomial
Si 𝑛 = 0, es una función polinomial de grado cero:
⇒ 𝑓(𝑥) = 𝑎0 𝑥 0 + 𝑎0−1 𝑥 0−1 + 𝑎0−2 𝑥 0−2 + ⋯
𝑓(𝑥) = 𝑎0
𝑦 = 𝑎0
Todas la funciones son polinomiales ⇔ su grado (exponente) es positivo
Caso de una función no polinomial:
𝑎−1 𝑥
Pero la ley de exponentes
𝑎−1
⇒ 𝑎−1 𝑥 −1 = 𝑥
, se convierte en una función racional (discontinuidad)
𝑦 = 𝑎0
si
𝑦=2

2) 𝑠𝑖 𝑛 = 1, función polinomial de grado 1


⇒ 𝑦 = 𝑓(𝑥) = 𝑎1 𝑥1 + 𝑎1−1 𝑥1−1 + 𝑎1−2 𝑥1−2
𝑦 = 𝑓(𝑥) = 𝑎1 𝑥 + 𝑎0 𝑥
𝑦 = 𝑎1 𝑥 + 𝑎0
Si 𝑦 = 0
⇒ 𝑎1 𝑥 + 𝑎0 = 0 → Ecuación polinomial de grado 1/ Ecuación lineal
Gráfica de una función lineal
𝑦 = 𝑎0 𝑥 + 𝑎1

𝑦 = 𝑎2 𝑥 2 + 𝑎1 𝑥1 + 𝑎0 No es objeto de
estudio en el curso
𝑦 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐

Regresando a funciones o ecuaciones lineales:


𝑦 = 𝑎1 𝑥 + 𝑎0
𝑦 = 𝑚𝑥 + 𝑏 → Ecuación de la recta dada por su pendiente y su ordenada al origen
𝑏 → intersección con el eje 𝑦
MÉTODOS DE RESOLUCIÓN DE UN SISTEMA DE ECUACIONES DE 2𝑥2

MÉTODO DE SUMA Y RESTA.


Este método consiste en sumar algebraicamente todos los términos comunes, es
decir, todas las 𝑥 con las 𝑥, todas las 𝑥 con las 𝑥𝑦, todos los términos
independientes entre sí. Se realiza la multiplicación de una ecuación por número
con el fin de eliminar alguna de las dos incógnitas y tener como resultado solo una
ecuación con una incógnita.
5𝑥 +𝑦 = 22
−1(3𝑥 +𝑦 = 14)
5𝑥 +𝑦 = 22 5𝑥 + 𝑦 = 22
−3𝑥 +𝑦 = −14 5(4) +𝑦 = 22
2𝑥 = 8 20 + 𝑦 = 22
𝑥 = 8/2 𝑦 = 22 − 20
𝑥=4 𝑦=2

−3(5𝑥 +2 𝑦 = 41)
7𝑥 + 6𝑦 = 67
−15𝑥 −6𝑦 = −123 5𝑥 +2𝑦 = 41
7𝑥 + 6𝑦 = 67 5(7) +2𝑦 = 41
2𝑦 = 41 + 354
−8𝑥 = −56 2𝑦 = 6
𝑥 = −56/−8
2𝑦 = 6/2
𝑥=7
𝑦=3

MÉTODO POR SUSTITUCIÓN.


Consiste en despejar una de las incógnitas en cualquiera de las dos ecuaciones
para sustituir el valor algebraico en un en otra ecuación que forma el sistema.
𝑥 +𝑦 = 42
𝑥 = 5𝑦
𝑥 +𝑦 = 42
(5𝑦) +𝑦 = 42
6𝑦 = 42 𝑥 = 5𝑦
𝑦 = 42/6 𝑥 = 5(7)
𝑦=7 𝑥 = 35
𝑥 +𝑦 = 41
𝑥 = 5+𝑦

𝑥 +𝑦 = 41
(5 + 𝑦) +𝑦 = 41
2𝑦 = 41 𝑥 =5+𝑦
2𝑦 = 41 − 5 𝑥 = 5 + (18)
𝑦 = 36/2 𝑥 = 23
𝑦 = 18

MÉTODO DE IGUALACIÓN.
Consiste en despejar la misma incógnita de las ecuaciones dadas y
posteriormente hacer la igualación de ambas incógnitas.
𝑥 −5𝑦 = 10
𝑥 −2𝑦 = 16
𝑥= 10 + 5𝑦
𝑥= 16 + 2𝑦
10 + 5𝑦 = 16 + 2𝑦
5𝑦 − 2𝑦 = 16 − 10
𝑋 = 10 + 5𝑦
𝑦 = 6/3 𝑋 = 10 + 5(2)
𝑦=2 𝑋 = 10 + 10
𝑋 = 20

3𝑥 −4𝑦 = −6
2𝑥 +4𝑦 = 16
−6 + 4𝑦
𝑥=
3
16+4𝑦
𝑥= 2

2(−6 + 4𝑦) = 3(16 − 4𝑦)


−12 + 8𝑦 = 48 − 12𝑦
12𝑦 + 8𝑦 = 48 + 12
20𝑦 = 60/20
𝑦=3
16 − 4𝑦
𝑥=
2
16 + 4(3)
𝑥=
2
16 − 12
𝑥=
2
4
𝑥=
2
𝑥=2
MÉTODO DE DETERMINANTES.
Es un método lineal, ya que no se basa en despejes. Se utilizan procesos
algebraicos estructurados.
7𝑥 +4𝑦 = 13
{ } 2𝑥 +3𝑦 = 20
5𝑥 −2𝑦 = 19
𝑥 −2𝑦 =3
∆𝑥 −102
𝑥= = =3 2 3
∆ −34 𝑀=| |=-4-3=-7
∆𝑦 68
1 −2
𝑦= =−34=-2
∆ 20 3
𝑀𝑥 = | |=-40-9=-49
7 4 3 −2
∆= | |=-14-20=-34
5 −2 2 20
𝑀𝑦 = | |=6-20=-14
13 4 1 3
∆𝑥 = | |=-26-76=-102
19 −2 𝑦=2
7 13
∆𝑦 = | |=133-65=68 𝑥=7
5 19

METODO DE SUSTITUCIÓN DE UN SISTEMA DE ECUACIONES DE ORDEN


2𝑋2, POR INTERSECCIÓN (GRÁFICA)

Recordatorio:
La función polinomial de grado 1
𝑦 = 𝑎𝑥 + 𝑎0 Geometría analítica
𝑦 = 𝑚𝑥 + 𝑏
(Ecuación de la recta, dada su pendiente (𝑚) y su ordenad al origen (𝑃 (0,b))
De manera general representamos la ecuación de la recta como:
𝑎𝑥 + 𝑏𝑦 + 𝑐 = 0
Donde:
𝑎, 𝑏 𝑦 𝑐 son coeficientes numéricos (constante o números arbitrarios)

Por el método gráfico o intersección:

a) 𝑠𝑖 𝑦 = 0
Tenemos un punto:
⇒ 𝑎𝑥 + 𝑏(0) + 𝑐 = 0
+ 𝑐 = 0 𝑃 (𝑥, 𝑦)
𝑎𝑥
𝑎𝑥 = −𝑐 𝑐
𝑐 𝑃 ( , 0)
𝑎 = −𝑎 𝑎

De la misma forma:
b) 𝑠𝑖 𝑥 = 0 Otro punto:
𝑎(0) + 𝑏𝑦 + 𝑐 = 0 𝑐
𝑃2 (0, − )
𝑏𝑦 + 𝑐 = 0 𝑏
𝑏𝑦 = −𝑐
𝑐
𝑦 = −𝑏

Ejemplo:
Trazar la recta dada por la ecuación lineal
3𝑥 − 5𝑦 = 15
1) 𝑆𝑖 𝑦 = 0 ⇒ 3𝑥 = 15
Tenemos:
15
𝑥= 3 𝑃1 = (5,0)
𝑥=5

2) 𝑆𝑖 𝑥 = 0 ⇒ −5𝑦 = 15 Tenemos:
𝑦 = −3 𝑃2 (0,3)
De mi ecuación general de la recta, puedo pasar a la ecuación de la recta dada su
pendiente y su ordenada al origen:
Ecuación general:
3𝑥 − 5𝑦 − 15 = 0
Despejar a 𝑦 que es la variable dependiente:
3
5𝑦 = −3𝑥 + 15 𝑦 = 5𝑥 − 3
−3𝑥+15
𝑦= 𝑦 = 𝑚𝑥 − 𝑏
−5
3𝑥 15
𝑦= +
−5 −5
3
Donde la pendiente es 5 es positiva, 𝑡 la ordenada al origen es 𝑝(0, 𝑏 = 𝑝(0,3)

Ejercicio 2:
Resuelva a continuación el sistema de ecuaciones dado por el método gráfico.
3𝑥 − 2𝑦 = 8
−2𝑥 + 𝑦 = 4

Para la ecuación 1:
3𝑥 − 2𝑦 = 8
➢ 𝑆𝑖 𝑥 = 0 ⇒ −2 = 8
➢ 𝑆𝑖 𝑦 = 0 ⇒ 3𝑥 = 8
𝑦 = −4
8
𝑥=3
∴ 𝑃2(0,4)
𝑥 ≈ 2.66
8
∴ 𝑃1 (3 , 0)

Para la ecuación 2:
−2𝑥 + 𝑦 = 4
➢ 𝑆𝑖 𝑦 = 0 ⇒ −2𝑥 = 4 ➢ 𝑆𝑖 𝑥 = 0 ⇒ 𝑦 = 4
𝑥 = −2 ∴ 𝑃4(0,4)
∴ 𝑃3(−2,0)
Ejercicio para resolución por el método gráfico:
3𝑥 + 𝑦 = 6
3𝑥 − 4𝑦 = −9

∀1 Si y=0 ∀2 Si y=0
3x=6 P1 (2,0) 3x=-9
x=2 x=-3 P3 (-3,0)

Si x=0 y=0 P2 (0,6) Si x=0


-4y=9
y=9/4 ≈ 2.25 P4 (0,9/4)

CONSISTENCIA E INCONSISTENCIA DE UN SISTEMA DE ECUACIONES

Por el método gráfico resuelva:


3𝑥 + 𝑦 = 6
3𝑥 − 4𝑦 = 9

-Por intersección se resuelve:


A1) 𝐴2)
𝑆𝑖 𝑦 = 0 −> 3𝑥 − 6 𝑆𝑖 𝑦 = 0 −> 3𝑥 = −9
𝑥=2 𝑃3 (−3, 0)
𝑃1 (2,0) 𝑆𝑖 𝑥 = 0 −> −4𝑥 = −9
𝑆𝑖 𝑥 = 0 −> 𝑦 = 6 9 9
𝑃4 (0, 4) = = 2.25
4
𝑃2 (0, 6)

Cuando hay un solo punto de solución se dice que el sistema es consistente o


compatible
2.- 𝑥 + 𝑦 = 2
2𝑥 + 2𝑦 = 4
𝐴1) 𝐴2)

𝑆𝑖 𝑥 = 0 −> 𝑦 = 2 𝑆𝑖 𝑥 = 0 −> 2𝑦 = 4

𝑃1 (0, 2) 𝑃3 (0, 2)

𝑆𝑖 𝑦 = 0 −> 𝑥 = 2 𝑆𝑖 𝑥 = 0 −> 2𝑋 = 4

𝑃2 (2, 0) 𝑃4 (2, 0)

Observamos que las dos ecuaciones del sistema determinan la misma solución, es
decir que el sistema tiene infinito número de soluciones y se dice que también es
consistente o compatible

INTRODUCCIÓN A LOS SISTEMAS DE ECUACIONES LINEALES


Las ecuaciones lineales son generalizaciones de las ecuaciones de rectas en el
plano (𝑥, 𝑦) y tiene diversas aplicaciones en el área de la ingeniería, de la química
pero sobre todo en economía y la administración. Dadas las múltiples aplicaciones
de las ecuaciones lineales su solución será el primer punto a tratar. Por lo que hay
que definir primero lo que es una ecuación lineal en 𝑥, 𝑦
𝑎1𝑥 + 𝑎2𝑦 = 𝑏
nosotros:
𝑎1𝑥1 + 𝑎2𝑥2 = 𝑏

Ecuación lineal en las variables 𝑥, 𝑦 𝑒 𝑧 se representan como:


𝑎1𝑥1 + 𝑎2𝑥2 + 𝑎3𝑥3 = 𝑏

𝑎1𝑥 + 𝑎2𝑦 + 𝑎3𝑧 = 𝑏

Algunas consideraciones sobre las ecuaciones lineales:


• Las ecuaciones lineales no poseen productos entre dos o más variables
• No poseen raíces de variables
• No considera como exponentes a las variables
• Tampoco sus variables aparecen en variables trigonométricas Exponentes o
Logaritmos
• El exponente de 𝑥 𝑒 𝑦 es 1

Ejemplos de ecuaciones no lineales: Ejemplos de ecuaciones


1. 𝑥𝑦 + 𝑦 = 2 lineales:

No lo es porque hay un producto 1. 𝑋+𝑦 = 2


2. 6𝑥 − 3𝑦 + 𝑧 = 1
2. 𝑦2 − 𝑥 = 1 3. √2𝑥 + 𝑦 = 1
No lo es porque es una parábola 4. 2𝑥1 − ∏𝑥2 + 𝑒𝑥3 = 𝑔

3. √𝑥 + 𝑦 + 𝑧 = 3
No lo es porque hay raíz cuadrada
4. 𝑒2𝑥 − 1 = 6
Es exponencial, no lineal
5. 𝑆𝑒𝑛𝑋 + 𝑐𝑜𝑠 = 1
No es lineal

DEFINICIÓN DE UNA ECUACIÓN LINEAL EN “𝑛” VARIABLES


Se define como:
a1x1+a2x2+a3x3+…+anxn=b
a1, a2, a3,…,an -> coeficientes de la ecuación lineal
𝑏 -> es el término independiente
Además:
𝑎1 -> coeficiente principal de la ecuación lineal -> Cualquier número real
𝑥1 -> variable principal

SOLUCIÓN DE UNA ECUACIÓN LINEAL EN “𝑛” VARIABLES


La solución de una ecuación lineal en “𝑛” variables es una sucesión de “𝑛”
números reales
𝑠1 , 𝑠2 , 𝑠3 , … , 𝑠𝑛
Ordenados de modo que la ecuación lineal se cumple cuando
𝑥1 = 𝑠1 , 𝑥2 = 𝑠2 , 𝑥3 = 𝑠3 , … , 𝑥𝑛 = 𝑠𝑛
Se sustituyen en dicha ecuación
Veamos un ejemplo:
Sea la ecuación lineal en las variables 𝑥1 e 𝑥2
𝑥1 + 2𝑥2 = 4
Se cumple cuando:
𝑋1 = −2 −> 𝑋2 = 3
5
𝑋1 = −1 −> 𝑋2 = 2

𝑋1 = 0 −> 𝑋2 = 2
3
𝑋1 = 1 −> 𝑋2 = 7

𝑋1 = 2 −> 𝑋2 = 1

Cuando se ha encontrado el conjunto solución en “n” variables se dice que se


ha resuelto la ecuación. Para escribir todo el conjunto solución de una ecuación
lineal, a menudo utilizaremos una representación paramétrica

REPRESENTACIÓN PARAMÉTRICA DE UN CONJUNTO SOLUCIÓN DE


UNA ECUACIÓN LINEAL EN “n” VALRIABLES
Encuentre la solución de la ecuación lineal dada por:
𝑥1 + 2𝑥2 = 4
1) Resolver para la variable x1
𝑥1 = −2𝑥2 + 4 𝑥1 = 𝑓(𝑥2)
𝑥2 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑙𝑖𝑏𝑟𝑒 (𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒) 𝑦 𝑒𝑠 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙
𝑥1 =
𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑛𝑜 𝑙𝑖𝑏𝑟𝑒 (𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒) 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑞𝑢𝑒 𝑙𝑒 𝑎𝑠𝑖𝑔𝑛𝑎𝑚𝑜𝑠 𝑎 𝑥2

2) Introducimos un parámetro (para x2)


Un parámetro es cualquier número real representado por una letra
Si 𝑥2 = 𝑡
Por lo que mi ecuación es:
𝑥1 = −2𝑡 + 4

3) Determinamos soluciones particulares (cuando le asignamos valores al


parámetro):
Algunas soluciones particulares:
𝑆𝑖 𝑡 = −1 𝑆𝑖 𝑡 = 1
𝑥1 = −2 (−1) + 4 𝑋1 = −2 (1) + 4
𝑥1 = 6 𝑋1 = 2
𝑃 (6, −1) 𝑃 (2, 1)

𝑆𝑖 𝑡 = 0 𝑆𝑖 𝑡 = 2
𝑥1 = −2 (0) + 4 𝑋1 = −2 (2) + 4
𝑥1 = 4 𝑋1 = 0
𝑃 (4, 0) 𝑃 (0, 2)

Otro ejemplo: 𝑆𝑖 𝑡 = 0
𝑥1 + 2𝑥2 = 4 𝑥2 = 2
1) Resolver para 𝑥2 𝑃 (0, 2)
2𝑥2 = −𝑥1 + 4
𝑥1 +4
𝑥2 = 𝑥2 = 𝑓(𝑥) 𝑆𝑖 𝑡 = 1
2
3
𝑥2 = −
1
𝑥1 + 2 𝑦 = 𝑓(𝑥) 𝑥2 = 2
2
3
2) Asignamos un valor 𝑃 (1, 2)

Si 𝑥1 = 𝑡
Nuestra ecuación es: 𝑆𝑖 𝑡 = 2
1
𝑥2 = − 𝑡+2 𝑥2 = 1
2
𝑃 (2, 1)
3) Soluciones particulares
𝑆𝑖 𝑡 = −1
5
𝑥2 = 2
5
𝑃 (−1, 2)

CASO DE UNA ECUACIÓN LINEAL CON TRES VARIABLES


Forma: 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 = 𝑏
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑑

Resolver ecuación:
𝑥 − 2𝑦 + 𝑧 = 2
1) Resolver para x:
𝑥 = 2𝑦 − 𝑧 + 2 𝑥 = 𝑓 (𝑦, 𝑧)
2) Asignamos parametros
Si 𝑦 = 𝑎, 𝑧 = 𝑏 −> 𝑥 = 2𝑎 − 𝑏 + 2
3) Conjunto solución
𝑃 (𝑥, 𝑦, 𝑧)
𝑃 (2𝑎 − 𝑏 + 2, 𝑎, 𝑏)
4) Determinar una solución particular
𝑎 = 2, 𝑏 = 1
𝑃{[2(2) − 1 + 2], 2, 1}
𝑃(5, 2, 1)

CASO DE UN SISTEMA DE 2 ECUACIONES CON TRES VARIABLES


Resolver el sistema dado por:
2𝑥 − 6𝑦 + 4𝑧 = 2
3𝑥 + 𝑦 − 3𝑧 = 1
1
1) Multiplicar por 2 a la ecuación 1

2𝑥 6𝑦 4𝑧 2
− + =
2 2 2 2
3𝑥 + 𝑦 − 3𝑧 = 1
--------------------------
𝑥 − 3𝑦 + 2𝑧 = 1
3𝑥 + 𝑦 − 3𝑧 = 1
2) Sumar la ecuación 1 multiplicada por -3 a la ecuación 2
−3 + 9𝑦 − 6𝑧 = −3
3𝑥 + 𝑦 − 3𝑧 = 1
-------------------------
3) Resolver para y 7) Soluciones Particulares

10𝑦 = 9𝑧 − 2 Si t= 0
9 2 7 2 9 1
𝑦= 𝑧 − 𝑃[ (0) + , (0) − . 0]
10 10 10 5 10 5
9 1
𝑦= 𝑧 − 2 1
10 5 𝑃 [ , − , 0]
5 5
4) Asignamos un parámetro
Me gusta que t sea 2
𝑧= 𝑡
14 2 18 1
5) Sustituir Z e Y en la ecuación 1 𝑃( + , − , 2)
10 5 10 5
𝑥 − 3𝑦 + 2𝑧 = 1 18 16
𝑃( , , 2)
9 1 10 10
𝑥 − 3(10 𝑡 − ) + 2𝑡 = 1
5 9 8
27 3 3 𝑃 ( , , 2)
𝑥 − 10 𝑡 + 5 + 2𝑡 = 1 − 5 5 5

7 2
9
𝑥 − 10 𝑡 = = 1.8
5 5
−27 8
+2 = 1.6
10
7 2 −27 20 5
∴𝑥= 𝑡+5 + 10
10 10
−7
{ 10

6) Conjunto Solución
P (x, y, z)
7 2 9𝑡 1
P (10 𝑡 + 5 , 10 − 5 , 𝑡 )

EJERCICIO:
3𝑥 − 8𝑦 + 𝑧 = 12
𝑥 + 2𝑦 − 𝑧 = 72
1
1) Multiplicar por 3 a la ecuación 1

3𝑥 8𝑦 2 12
− + =
3 3 3 3
𝑥 + 2𝑦 − 𝑧 = 72
-------------------------
8 1
𝑥− 𝑦+ 𝑧=4
3 3
𝑥 + 2𝑦 − 2 = 72
2) Sumar la ecuación 1 multiplicada por (-) a la ecuación
8 1
𝑥− 𝑦+ 𝑧=4
3 3
𝑥 + 2𝑦 − 2 = 72 Conjunto Solución

14 4 𝑃(𝑥, 𝑦, 𝑧)
− 𝑦 + 𝑧 = 68
3 3 3 7
𝑝 ( 𝑡 + 21, 𝑡, 𝑡 − 51)
3) Resolver para Z 2 2

−14𝑦 + 4𝑧 = −204
Soluciones Particulares
4𝑧 = 14𝑦 − 204
7 Si t= 2
𝑧= 𝑦 − 51
2 3 7
(2) + 21, 2, (2) − 51
Asigne parámetro a y 2 2
3 + 21, 2, 7 − 51
𝑦=𝑡
7 (24, 2, −44)
𝑧 = 𝑡 − 51
2
Sustituya “y” y “z” en la ecuación 1 y Si t= 3
despeje x 3 7
(3) + 21, 2, (3) − 51
𝑥 + 2𝑦 − 𝑧 = 72 2 2
9 1
7 + 21, 3, 2 − 51
𝑥 + 2𝑡 − ( 𝑡 − 51) = 72 2 2
2
7 (25.5, 3, −40.5)
𝑥 − 𝑡 + 51 = 72
2
3
𝑥= 𝑡 − 51 + 72
2
3
𝑥= 𝑡 + 21
2
Si t= 0
3 7
(0) + 21, 2, (0) − 51
2 2
(21, 0, −51)

Si t= -1
3 7
(−1) + 21, 2, (−1) − 51
2 2
3 7
− + 21, −1, − − 51
2 2
(19.5, −1, −54.5)

Si t= 1
3 7
(1) + 21, 2, (1) − 51
2 2
3 7
+ 21, 1, − 51
2 2
(22.5, 1, −47.5)

ELIMINACIÓN GAUSSIANA.
Sistemas de ecuaciones lineales mediante operaciones elementales (consistencia
e inconsistencia).
Uso de la eliminación gaussiana para resolver sistemas de ecuaciones, los sistemas
de ecuaciones son equivalentes y tienen el mismo conjunto solución para resolver
un sistema que no esté en la forma escalonada por renglones hay que transformarla
a un sistema equivalente que esté en la forma escalonada por renglones.
Operaciones que se conducen a un sistema de ecuaciones equivalentes.
Cada una de las operaciones siguientes aplicadas a un mismo sistema de
ecuaciones producen un sistema equivalente.
Operaciones elementales por renglón.
1. Intercambiar dos ecuaciones del sistema de tal forma que la primera tenga
coeficiente 1 en la primera variable.
2. Multiplicar una ecuación por una constante diferente de cero.
3. Sumar el múltiplo de una ecuación a otra.
Describir un sistema de ecuaciones lineales en la forma escalonada por renglones
a menudo implica una cadena de situaciones equivalentes cada una de las cuales
se obtiene mediante la aplicación de una de las operaciones básicas.
Este proceso se llama eliminación gaussiana.
Ejemplo:
4) Multiplicamos por un
1. Resuelve el sistema de ecuaciones y medio la ecuación.
determine si es consciente e inconsciente.
𝑥+ 2𝑦 +3𝑧 = 9 𝑥− 2𝑦 +3𝑧 = 9
−𝑥 + 3𝑦 = −4 𝑦 +3𝑧 = 5
2𝑥 − 5𝑦 +5𝑧 = 17 𝑧=2
Sustitución por retroceso.
𝑦 +3(2) = 5
1) Sumamos la primera ecuación a la segunda y
𝑦 = −1
nos da la otra segunda ecuación.

𝑥− 2𝑦 +3𝑧 = 9 𝑥+ −2(−1) +3(2) = 9


𝑦 3𝑧 = 5 𝑥 +6 +8 = 9
1𝑥 − 5𝑦 +5𝑧 = 17 𝑥=1

2) Sumamos la ecuación 1 multiplicada por dos y


le sumamos la ecuación 3 y nos genera otra Punto único de
tercera ecuación. solución
𝑃(1, −1,2)
𝑥− 2𝑦 +3𝑧 = 9 El sistema es
𝑦 +3𝑧 = 5 consistente
−𝑦 −𝑧 =2

3) Sumamos la ecuación dos a la ecuación 3 y


nos da otra tercera ecuación.

𝑥− 2𝑦 +3𝑧 = 9
𝑦 +3𝑧 = 5
2𝑧 = 4
RESOLVER
𝑦− 𝑧=0 Por lo que.
𝑥 −3𝑧 = −1 𝑦=𝑆
−𝑥 +3𝑦 =1
Sustituimos z en s. En la ecuación
1.
1. Intercambiamos la ecuación 1 𝑋 − 3𝑆 = −1
con la ecuación 2
𝑋=3 𝑆 = −1
𝑥 −3𝑧 = −1
𝑦− 𝑧=0
−𝑥 +3𝑦 =1
Conjunto solución.
2. Sumamos la ecuación 1 con la
𝑃 (3, 𝑆, −1, 𝑆, 𝑆)
ecuación 3 y obtenemos otra
tercera nueva ecuación: Solución particular.

𝑥 −3𝑧 = −1 Si S=0
𝑦− 𝑧=0 𝑃(−1,0,0)
3𝑦 −3𝑧 =0
Si S= -1
𝑃(−4, −1, −1)
3. Sumamos la ecuación 1 con la 3
y obtenemos otra tercera ecuación El sistema tiene infinito número de
𝑥 −3𝑧 = −1 soluciones y entonces es
𝑦− 𝑧=0 consistente.
0 =0

La ecuación 3 es innecesaria.
Tenemos el sistema formado por la
ecuación 1 y dos.
𝑥 −3𝑧 = −1
𝑦− 𝑧=0

De la ecuación dos resolvemos para y:


𝑦 = 𝑧 𝑦 = 𝑓(2)
Como z es mi variable libre. Le asignamos un parámetro S.
𝑧=𝑆
Para recuperarme 3(−5) − 3𝑦 − 5(7) = 77
3𝑥 −3𝑦 −5𝑧 = −77
8𝑥 −7𝑦 −5𝑧 = −138 −15 − 3𝑦 − 35 = −77
−4𝑥 +4𝑦 +7𝑧 = 105
−3𝑦 = 15 + 35 − 77
−3𝑦 = 27
3𝑥 −3𝑦 −5𝑧 = −77(1) 27
8𝑥 −7𝑦 −5𝑧 = −138(−1) 𝑦=− 3
3𝑥 −3𝑦 −5𝑧 = −77
+7𝑦 𝑦=9
−8𝑥 +5𝑧 = 138
−5𝑥 +4𝑦 = 61

Conjunto solución:
−5𝑥 +4𝑦 = 61 (−1) (-5,9,7)
−4𝑥 +4𝑦 +7𝑧 = 105(1)
5𝑥 −4𝑦 = −61
−4𝑥 +4𝑦 +7𝑧 = 105
𝑥 +7𝑧 = 44

3𝑥 −3𝑦 −5𝑧= −77(4)


−4𝑥 +4𝑦 +7𝑧 = 105(3)
12𝑥 −12𝑦 −20𝑧 = −308
−12𝑥 +12𝑦 +21𝑧 = 315
𝑥 𝑧= 7

𝑥 + 7(7) = 44
𝑥 + 44 = 44
𝑥 = −49 + 44
𝑥 = −5
Otro ejercicio.
Multiplicamos la ecuación 4
por 1/3.
𝑥 +𝑦 +𝑧 +𝑤 = 6
𝑥 +𝑦 +𝑧 +𝑤 = 6
2𝑥 +3𝑦 −𝑤 = 0
+4𝑦 +𝑦 −2𝑧 −3𝑤 = −12
−3𝑥 +𝑧 +2𝑤 = 4
+2𝑦 +18𝑧 +26𝑤 = 106
𝑥 −𝑧 +𝑤 = 0
𝑤 =2
Sustitución hacia atrás.
Sumamos -2 veces la ecuación 1 a la ecuación 2.
Sustituimos w=2 en la
𝑥 +𝑦 +𝑧 +𝑤 = 6 ecuación 3
+𝑦 −2𝑧 −3𝑤 = −12
18𝑧+26(2)=106
−3 +4𝑦 +𝑧 +2𝑤 = 4
𝑥 +2𝑦 −𝑧 +𝑤 = 0 18𝑧 = 106 + 52
Sumamos 3 veces la ecuación 1 a la ecuación 3. 54
𝑧=
18

𝑥 +𝑦 +𝑧 +𝑤 = 6 𝑧=3
+𝑦 −2𝑧 −3𝑤 = −12
+7𝑦 +4𝑧 +5𝑤 = 22
𝑥 +2𝑦 −𝑧 𝑤 =0

Sumamos -1 vez la ecuación 1 a la ecuación 4


𝑥 +𝑦 +𝑧 +𝑤 = 6
+𝑦 −2𝑧 −3𝑤 = −12
−7𝑦 +4𝑧 +5𝑤 = 22
+𝑦 −2𝑧 = −6
Sumamos -7 veces la ecuación dos a la ecuación 3.
𝑥 +𝑦 +𝑧 +𝑤 = 6
+𝑦 −2𝑧 −3𝑤 = −12
+18𝑧 +26𝑤 = 106
+𝑦 −2𝑧 = −6
Sumamos menos una vez la ecuación dos a la ecuación cuatro.
𝑥 +𝑦 +𝑧 +𝑤 = 6
+𝑦 −2𝑧 −3𝑤 = −12
+18𝑧 +26𝑤 = 106
+3𝑤 = −6
MATRICES AUMENTADAS Y ELIMINACIÓN GAUSS-JORDAN

INTRODUCCIÓN:
Matriz: Dado un sistema de ecuaciones lineales, consiste en un arreglo o disposición
de números en forma rectángular

CARACTERÍSTICAS:
El arreglo que aparece después del sistema se llama matriz aumentada
Todas las variables del sistema son de primer grado

Un sistema en “m” ecuaciones lineales con “n” variables se escribe como:


𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + 𝑎14 𝑥4 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + 𝑎24 𝑥4 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎32 𝑥3 + 𝑎33 𝑥4 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3
𝑎41 𝑥1 + 𝑎42 𝑥2 + 𝑎43 𝑥3 + 𝑎43 𝑥4 + ⋯ + 𝑎4𝑛 𝑥𝑛 = 𝑏4
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + 𝑎𝑛4 𝑥4 + ⋯ + 𝑎𝑚 𝑥𝑛 = 𝑏𝑛
➢ Donde:
𝑥1, 𝑥2 , 𝑥3 , 𝑥4 , ⋯ , 𝑥𝑛 son las variables del sistema, mientras que los coeficientes a y b
son constantes numéricos.
➢ Para los coeficientes de la forma 𝑎𝚤𝑗 :

El primer subíndice 𝚤 del coeficiente 𝑎𝚤𝑗 sitúa a esta como el coeficiente de la 𝚤-ésima
ecuación del sistema.
El segundo subíndice 𝑗 del coeficiente 𝑎𝚤𝑗 sitúa a esta como el coeficiente de la 𝑗-
ésima variables del sistema.
Ejemplos:
La localización de los coeficientes:
1) 𝑎11 : Indica la ecuación 1 y es el primer coeficiente de la variable (𝑥1 )

2) 𝑎32 : Indica la que está en la tercera ecuación y es el coeficiente de la segunda


variable (𝑥2 )
3) 𝑎43 : Indica la que está en la ecuación cuatro y es el coeficiente de la tercera
variable (𝑥3 )

4) 𝑎54 : Indica que está en la ecuación cinco y es el coeficiente de la cuarta


variable (𝑥3 )

5) 𝑎35 : Indica la que está en la ecuación tres y es el coeficiente de la quinta


variable (𝑥5 )

En sí, la matriz aumentada y eliminación Guass-Jordan es una forma sencilla de


escribir las ecuaciones lineales y es un método que permite efectuar los pasos
básicos de Eliminación Gaussiana trabajando con los coeficientes del sistema sin
ocuparnos de las variables.
Ejemplos:

1) Dados los sistemas de ecuaciones escriba su matriz aumentada

a)
2𝑥1 + 𝑥2 = −1 Su m.a es:
2 1 −1
𝑥1 − 𝑥2 = 0 1 −1 0

b) Su m.a es:
2𝑥1 − 2𝑥2 + 𝑥3 = −2 2 −2 1 −2
−1 3 0 1
−𝑥1 + 3𝑥2

c) Su m.a es :
1 2𝑥4 + 𝑥5 = −1
2𝑥1 − 𝑥2 + 3𝑥3 − 1/2 −1 3 −2 1 −1
𝑥2 − 𝑥3 + 𝑥4 − 2𝑥5 = 0 0 1 −1 1 −2 0
−𝑥1 + 2𝑥2 − 4𝑥3 + 2𝑥4 = 2 −1 2 −4 2 0 2
3𝑥1 − 𝑥2 + 2𝑥3 − 4𝑥4 − 𝑥5 = 1 3 −1 2 −4 −1 1
𝑥1 + 𝑥4 − 2𝑥5 = 0 1 0 0 1 −2 0
Observamos que después de cada sistema de ecuaciones hay un arreglo o
disposición de números que representa a los coeficientes del sistema y
principalmente de las variables.
A este arreglo se le llama Matriz Aumentada.
Observamos la matriz aumentada:
1.- Los renglones (líneas horizontales) representan los coeficientes del sistema.
2.- Las columnas (líneas verticales) contienen los coeficientes de las incógnitas.
Tanto en los renglones como en las columnas el arreglo rectangular va acompañado
del término independiente.
Para ilustrar la utilidad de la matriz aumentada efectuamos la técnica de eliminación
Gaussiana sobre un sistema de ecuaciones y sobre su matriz aumentada
Ejemplo:
1) Resolver el sistema de ecuaciones: Su m.a:
𝑥1 +3𝑥3 +2𝑥3 = −1
𝑥2 +4𝑥3 = −7 1 3 2 −1
2𝑥1 +7𝑥2 +6𝑥3 = −5 0 1 4 −7
𝑥2 +2𝑥3 = −3 2 7 6 −5
0 1 2 −3

Sumamos -2 veces la ecuación 1 a la ecuación 3: 𝑅3 − 2𝑅1


𝑥1 +3𝑥2 +2𝑥3 = −1 Su m.a:
𝑥2 +4𝑥3 = −7 1 3 2 −1
𝑥2 +2𝑥3 = −3 1 4 −7
𝑥2 +2𝑥3 = −3 1 2 −3
1 2 −3

Como la ecuación 3 y 4 son iguales, restamos la ecuación 3 a la 4: 𝑅4 − 𝑅3


𝑥1 +3𝑥2 +2𝑥3 = −1 Su m.a:
𝑥2 +4𝑥3 = −7
1 3 2 −1
𝑥2 +2𝑥3 = −3
0 1 4 −7
0 +0 = 0 0 1 2 −3
0 0 0 0
Sumamos -1 vez la ecuación 2 a la ecuación 3: 𝑅3 − 𝑅2
𝑥1 +3𝑥2 +2𝑥3 = −1 Su m.a:
𝑥2 +4𝑥3 = −7 1 3 2 −1
𝑥2 +2𝑥3 = −3 0 1 4 −7
0 +0 = 0 0 1 2 −3

1
Multiplicamos po -1/2 a la ecuación 3: − 3 𝑅3

𝑥1 +3𝑥2 +2𝑥3 = −1 Su m.a:


𝑥2 +4𝑥3 = −7
1 3 2 −1
+𝑥3 = −2
0 1 4 −7
0 0 1 −2

∴ 𝑥3 = −2
⇒ 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑝𝑜𝑟 𝑟𝑒𝑡𝑟𝑜𝑐𝑒𝑠𝑜: 𝑆𝑖 𝑥3 = −2
⇒ 𝑥2 + 4𝑥3 = −7
𝑥2 + 4(−2) = −7
𝑥2 = 1

Resolver la matriz aumentada por el método Gauss-Jordan:


𝑥 −𝑦 +𝑧 = 9 Su m.a:
2𝑥 +𝑦 +2𝑧 = 9
3𝑥 −4𝑦 −3𝑧 = 24 1 −1 1 9
𝑅2 − 2𝑅1
2 1 2 9
3 −4 −3 24 𝑅3 − 3𝑅3

1 −1 1 9 1 −1 1 9
1 1
0 3 0 −9 𝑅 0 1 0 −3 − 6 𝑅3
3 2
0 −1 −6 −3 0 0 −6 −6
∴ 𝑧 = 1 𝑦 𝑦 = −3
1 −1 1 9 ⇒ 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 "𝑦" 𝑒 "𝑧"
0 1 0 −3
𝑅3 + 𝑅2 0 0 𝑥=5
1 1
1 −1 1 9
0 1 0 −3
0 −1 −6 −3

Resolver el sistema de ecuaciones con el método Gauss-Jordan:


−𝑥1 +𝑥2 −6𝑥3 −7𝑥4 = −20 −1 1 −6 −7 −20 −𝑅1
−8𝑥1 +6𝑥2 +5𝑥3 −2𝑥4 = 5 −8 6 5 −2 5
9𝑥1 −4𝑥4 −3𝑥3 −3𝑥4 = −45 9 −4 −3 −3 −45
−𝑥1 +𝑥2 −6𝑥3 −7𝑥4 = −20 1 1 −6 −7 −20

1 −1 6 7 20 𝑅2 + 8𝑅1
−8 6 5 −2 5
9 4 −3 −3 −45 𝑅3 − 9𝑅1
1 1 −6 −7 −20
𝑅4 + 𝑅1

1 −1 6 7 20 1
0 −2 53 54 165 − 2 𝑅2
0 5 −57 −66 −225 𝑅3 − 5𝑅3
0 0 0 0 0
1 −1 6 7 20
1 −1 6 7 20 53 165
53 165 0 1 − 2 −27 − 2
0 1 −2 −27 − 2 2
𝑅
151 3
151 375
0 5 −57 −66 −225 0 0 69
2 2
0 0 0 0 0 0 0 0 0 0

1 −1 6 7 20
53 165
0 1 − 2 −27 − 2
138 375
Como ya no podemos hacer
0 0 1 nada, va a tener infinito número
151 151
0 0 0 0 0 de soluciones.
𝑥3 = 138/151 e 𝑥4 = 375/151
Resolvemos para 𝑥3 :
132 375
𝑥3 = − 151 , 𝑥4 + 151 V.L.
138 375
⇒ 𝑥4 = 𝑡, 𝑒 𝑥3 = − 151 + + 151
𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑦𝑒𝑛𝑑𝑜 𝑥3 𝑒 𝑥4 𝑒𝑛 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 2: 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑥2 𝑒 𝑥3 𝑒𝑛 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 1:
53𝑥2 165
⟹ 𝑥2 − − 27𝑥4 = − ⟹ 𝑥1 − 1𝑥2 + 6𝑥3 + 7𝑥4 = 20
2 2

53 138 375 165 420𝑡 2520 138𝑡 375


𝑥2 − (− 151 + 151) − 27𝑡 = − 𝑥1 − 1 ( 151 − ) + 6 (− + 151) +
2 2 141 151
7(𝑡) = 20
53 138𝑡 53 375 165
𝑥2 + ( 151 ) − (151) − 27𝑡 = −
2 2 2 420𝑡 2520 138 375
𝑥1 − − + 6 (− 151) + 6 (151) +
69𝑡 19875 165 151 151
𝑥2 + 53 (151) − − 27𝑡 = − 7𝑡 = 20
302 2
3567𝑡 165 19875 420𝑡 2520 828𝑡 2250
𝑥2 + − 27𝑡 = − + 𝑥1 − − − + + 7𝑡 = 20
151 2 302 151 151 151 151

3657𝑡−4077𝑡 49830 +39750 221𝑡 270


𝑥2 + =− 𝑥1 − − 151 = 20
151 4 151

402𝑡 10080 221𝑡 3290


𝑥2 − =− 𝑥1 = +
151 604 151 151

420𝑡 2520
𝑥2 − =−
151 151

Resolver el siguiente sistema de ecuaciones por el método Gauss-Jordan:


𝑥 −2𝑦 +3𝑧 =9 1 −2 3 9 𝑅2 + 𝑅1
−𝑥 +3𝑦 = −4 −1 3 0 −4
2𝑥 −5𝑦 +5𝑧 = 17 2 −5 5 17 𝑅3 − 2𝑅1

1 −2 3 9
0 1 3 5
0 −1 −1 1 𝑅3 + 𝑅2

1 −2 3 9 1 −2 3 9
0 1 3 5 0 1 3 5 ∴𝑧=2
1
0 0 2 4 𝑅 0 0 1 2
2 3

𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑧 𝑒𝑛 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 2 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑚𝑜𝑠 𝑥 𝑒 𝑦 𝑒𝑛 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 1


𝑦 + 3(2) = 5 𝑥 − 2(−1) + 3(2) = 9
𝑦 =5−6 𝑥 = 9−6−2
𝑦 = −1 𝑥=1
Resolver los sistemas de ecuaciones por el método Gauss-Jordan:
3𝑚 − 𝑛 = (−2𝑞 + 2) 3𝑚 − 𝑛 = −2𝑞” 3𝑚 −𝑛 +2𝑞 = −2
6(𝑚 − 2𝑞) = 8(2 − 𝑛/4) 6𝑚 − 12𝑞 6𝑚 +2𝑛 −12𝑞 = 16
= 16 − 8𝑛/4 +𝑛 +4𝑞 = 2
4𝑞 = 2 − 𝑛
4𝑞 = 2 − 𝑛

3 −1 2 −2 1
𝑅 1 2 2
6 2 −12 16 3 1 1 −3 3 −3
0 1 4 2 0 1 −4 5 𝑅3 − 1𝑅2
0 1 4 2

1 2 2
1 −3 −3 2 2
3 1
6 2 −12 16 1 −3 3 −3
𝑅2 − 6𝑅1 1
0 1 4 2 0 1 −4 5 𝑅
8 3
0 0 8 −3

1 2 2
1 −3 −3
3 1 2 2
0 4 −16 20
1
𝑅 1 −3 3 −3
4 2
0 1 4 2 0 1 −4 5
3
0 0 1 −8

3
∴ 𝑞 = −8

𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑟 𝑞 𝑒𝑛 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 2: 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑟 𝑞 𝑦 𝑛 𝑒𝑛 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 1:


𝑛 − 4𝑞 = 5 1 2 3
𝑚 − 3 + 2𝑞 = − 2
3
𝑛 − 4 (− 8) = 5 1 7 2 7 2
𝑚 − ( ) + (− ) = −
3 2 3 8 3
3
𝑛+2=5 17 2
𝑚 − 12 = − 3
7
𝑛=2 17 2
𝑚 = 12 − 3
3
𝑚=4
𝑎 + 𝑏 − 2𝑐 = −4 1 1 −2 −4
2 −1 1 4 −2𝑅1
2𝑎 − 𝑏 + 𝑐 = 4
−3 −3 6 9 𝑅3 − 3𝑅1
-3𝑎 − 3𝑏 + 6𝑐 = 9

1 1 −2 −4 No tiene
0 −1 5 12
0 0
solución
0 3

Resuelve el siguiente sistema de ecuaciones por forma reducida:

𝑥1 − 3𝑥3 = −2
3𝑥1 + 𝑥2 – 2𝑥3 = 5
2𝑥1 + 2𝑥2 + 𝑥3 = 4

1 0 −3 −2
3 1 −2 5
2 2 1 4

1 0 −3 ⋮ −2
0 1 7 ⋮ 11
0 2 7⋮ 8

1 0 −3 ⋮ −2
0 1 7 ⋮ 11
0 0 −7 ⋮ −14

1 0 −3 ⋮ −2
0 1 7 ⋮ 11
0 0 1⋮ 2

1 0 0⋮ 4
0 1 0 ⋮ −3
0 0 1⋮ 2
x1 = 4
x2 = -3
x3 = 2

4𝑥1 − 4𝑥2 + 2𝑥3 − 3𝑥4 = 14


2𝑥1 − 3𝑥2 − 4𝑥3 − 4𝑥4 = 54
−2𝑥1 + 6𝑥2 + 9𝑥3 + 8𝑥4 = −117
−𝑥1 + 2𝑥2 − 2𝑥3 + 𝑥4 = 0

4 −4 2 −3 14
2 −3 4 −4 54 Sustituimos x3 y x4 en la ecuación 2
−2 6 9 8 −117
5
−1 2 −2 1 0 𝑥2 + 5(−5) + (−8) = −47
2

𝑥2 − 25 − 20 = −47
1 3 14
1 −1 −4 4 𝑥2 = −47 + 45
2
2 −3 −4 −4 54
2 6 9 8 −117 𝑥2 = −2
1 2 −2 1 0

1 3 14
1 −1 −4 4 Sustituimos x2, x3 y x4 en la ecuación
2
0 −1 −5 −2
3
47 1
13 1 3 14
10 −110 𝑥1 − (−2) + (−5) − (−8) =
0 4 3 2 14
2 4 4
0 1 −2 1
4 5 14
4 𝑥1 + 2 − 2 + 6 = 4
14 11
𝑥1 = −
4 2

𝑥1 = −2
1 3 14
1 −1 −4
2 4
5
0 1 5 −47
2
13
0 4 10 2
−110
3 14
0 1 −2 1
4
4

1 3 14
1 −1 −4
2 4
5
0 1 5 −47
2
7 𝑃(−2, −2, −5, −8)
0 0 10 − 2 78
13 101
0 0 − 2 −9 2
4

1 3 14
1 −1 −4
2 4
5
0 1 5 −47
2
7 39
0 0 1 −
13 20 5
0 0 − 2 −9 101
4 2

1 3 14
1 −1 −4
2 4
5
0 1 5 −47
2
7 39
0 0 1 20 5
0 0 0 1 1
−5
40

1 3 14
1 −1 −4
2 4
5
0 1 5 −47
2
7 39
0 0 1 −5
20
0 0 0 1 −8

𝑥4 = −8
Sustituimos X4= -8 en la ecuación 3
7 39
X3+20(-8) = - 5
39 14
X3 = − 5 + 5

X3 = -5

FORMA ESCALONADA POR RENGLONES


Una matriz es de esta forma si cumple con las siguientes condiciones:
• La componente guía de cualquier renglón que contiene por lo menos un
elemento diferente de cero es igual a 1
• Todos los componentes debajo de la componente guía (1) es un renglón
debe ser cero
• La componente guía de cada renglón se encuentra a la derecha de la
componente guía de cada renglón precedente
• Todos los renglones que contienen solamente cero se encuentran en la parte
inferior de la matriz
• Cada columna que incluye una componente guía contiene cero en las demás
posiciones (arriba y abajo del 1)
Por lo tanto, si la condición 5 no se cumple, entonces la matriz es de la forma
escalonada por renglones
Algunos ejemplos:
Dadas las siguientes matrices escriba si es de la forma escalonada por renglón, o
bien de la forma
escalonada reducida por renglón

1 2 −3⋮ −1
0 1 −2⋮ 0
0 0 1⋮ 2
1 0 0 0⋮ 2
0 1 0 0 ⋮ −1
0 0 1 0⋮ 4
0 0 0 1 ⋮ −2

Forma escalonada
Forma escalonada
por renglón
reducida por renglón
1 0 0⋮ 0
0 1 0⋮ 0 1 2 3 ⋮ −2
0 0 1⋮ 0 0 0 1⋮ 1
0 0 0⋮ 0

Escalonada reducida Ninguna de las dos


por renglón
Dado el sistema de ecuaciones determine la forma reducida por renglón de la
matriz
5x2+10x3=25
2x1+6x2+4x3=0
3x2+4x3=0
1 0 2 30
0 1 0 −10
0 0 1 15⁄2

0 5 10 ⋮ 25
2 6 4⋮ 0
0 3 4⋮ 0
1 0 0 15
0 1 0 −10
0 0 1 15⁄2

2 6 4 0 X1= 15
0 5 10 25 Forma escalonada
0 3 4 0 X2= -10
reducida por renglón
X3= 15⁄2
1 3 2 0
0 5 10 25
0 3 4 0

1 3 2 0
0 1 2 5
0 3 4 0
1 3 2 0
0 1 2 5
0 0 −21 −15

1 3 2 0
0 1 2 5
0 0 1 15⁄2

1 3 2 0
0 1 0 −10
0 0 1 15⁄2

SISTEMA DE ECUACIONES HOMOGENEA


Un sistema de m ecuaciones lineales con h incógnitas es homogénea si todos sus
términos constantes son iguales a 0 tiene la forma:
A11X1+ A12X2+ A13X2+…+ A1nXn=0
A21X1+ A22X2+ A23X2+…+ A2nXn=0
A31X1+ A32X2+ A33X2+…+ AmnXn=0
Observamos que tales sistemas de ecuaciones homogéneas tienen por lo menos
una solución trivial: X1=0, X2=0, X3=0,…, Xn=0
1.- Utiliza la F.E.R.R para deducir si el sistema dado es o no homogéneo
X1+2x2-2x3=0
4X1+8x2-5x3=0
3X1+x2-6x3=0

1 2 −2 0
1) 4 8 −5 0
3 1 −6 0
4)
1 2 0 0
0 0 1 0
0 1 0 0
1 2 −2 0
2) 0 0 3 0
0 −5 0 0
5)
1 0 0 0
1 0 1 0
0 1 0 0

1 2 −2 0
3) 0 0 1 0
0 1 0 0
6)
1 0 0 0
0 1 0 0
0 0 1 0

X1=0, X2=0, X3=0,


Es homogénea

X1-x2+3x3=0
2x1+x2+3x3=0

x2-x3=0

x2=x30
1 −1 3 ⋮ 0
2 1 3⋮ 0 Si x3=t

X2=t
1 −1 3 ⋮ 0 Sustitución en R1
0 3 −3 ⋮ 0
X1+2x3=0

X1+2t=0
1 −1 3 ⋮ 0
0 1 −1 ⋮ 0 X1=-2t

1 0 2⋮ 0
0 1 −1 ⋮ 0

Conjunto Solución:

P (x1,x2,x3)

Ps (-2t, t, t)

Si t=0

P (0, 0, 0)
ÁLGEBRA DE MATRICES:
Operaciones con matrices
Una matriz puede denotarse por una letra mayúscula (A, B, C)
Una matriz puede denotarse por un elemento representativo escrito entre corchetes
[aij], [bij] o [cij]
Una matriz puede denotarse como un arreglo rectangular de números
𝑎11 𝑎12 𝑎1𝑛
𝑎21 𝑎22 𝑎2𝑛
𝑎𝑚𝑛 𝑎𝑚2 𝑎𝑚𝑛
Dos matrices A= [aij] y B=[bij] son iguales si tienen el mismo tamaño (m x n) y aij=
bij para 1≤ i ≤ m y 1≤ j ≤ n

IGUALDAD DE MATRICES
Considere las cuatro matrices:
1 2 1 1 2
𝐴= 𝐵= 𝐶=1 3 𝐷=
3 4 3 𝑋 4
Las matrices A y Bno son iguales, ya que tienen diferente tamaño. De manera
similar, B y C tampoco lo son. Las matrices A y D son iguales si y solo si x= 3
Una matriz que solo tiene una columna (B) se denomina matriz columna o vector
columna. Al igual una matriz que solo tiene un renglón (C) se denomina matriz o
vector renglón
La matriz A puede dividirse en dos matrices columna de la siguiente manera
1 2 1⋮ 2 1 2
𝐴= = = a1 = y a2 =
3 4 3⋮ 4 3 4

SUMA Y RESTA DE MATRICES Y MULTIPLICACIÓN ESCALAR


Usted puede sumar dos matrices (del mismo tamaño) sumando sus elementos
correspondientes
Si A= [aij] y B= [bij] son matrices de tamaño m x n, entonces su suma es la matriz m
x n dada por A+B= [aij+bij]
La suma de dos matrices de diferente tamaño no está definida
Ejemplo:
−1 2 1 3 −1 + 1 2+3 0 5
a) + = =
0 1 −1 2 0 + (−1) 1+2 −1 3

0 1 −2 0 0 0 0 1 −2
b) + =
1 2 3 0 0 0 1 2 3

1 −1 0
c) −3 + 3 = 0
−2 2 0

2 1 0 0 1
d) +
4 0 −1 −1 3
No está definida
Cuando trabajamos con matrices nos referimos a los números reales como
escalares. Usted puede multiplicar una matriz A por un escalar C, multiplicando
cada elemento de la matriz A por el escalar C

DEFINICIÓN DE LA MULTIPLICACIÓN POR UN ESCALAR


Si A= [aij] es una matriz de tamaño m x n y C es un escalar, entonces el múltiplo
escalar de A por C es la matriz de m x n dada por
cA= [caij]
Podemos utilizar -A para representar el producto escalar (-1) A. Si A y B son del
mismo tamaño, entonces A-B representa la suma de A y (-1)B. Es decir A-B= A+(-
1)B

Multiplicación por un escalar y resta de matrices


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

1 2 4 2 0 0
𝐴 = −3 0 −1 y 𝐵 = 1 −4 3
2 1 2 −1 3 2
Solución:

1 2 4 3(1) 3(2) 3(4) 3 6 12


a) 3𝐴 = 3 −3 0 −1 = 3(−3) 3(0) 3(−1) = −9 0 −3
2 1 2 3(2) 3(1) 3(2) 6 3 6

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

3 6 12 2 0 0 1 6 12
c) 3𝐴 − 𝐵 = −9 0 −3 - 1 −4 3 = −10 4 −6
6 3 6 −1 3 2 7 0 4

AJUSTE POLINOMIAL DE CURVAS


Suponga que n puntos en el plano xy:
(X1, Y1), (X2, Y2), (X3, Y3),…, (Xn, Yn)
Representan un conjunto de datos y s le pide encontrar una función polinomial de
grado -1
P(x)= a0+a1x+ a2x2+ a3x3+…+an-1xn-1
Cada gráfica pasa por los puntos dados. Este procedimiento se le llama ajuste
polinomial de curvas.
Para determinar los “n” coeficientes de p(x) sustituimos cada uno de los n puntos
en la función polinomial para obtener las “n” ecuaciones lineales en las “n”
variables
a0, a1, a2, a3,…,an-1
Es decir:
a0+a1x1+ a2x2+ a3x3+…+an-1xn-1= y1-> P1 (x1, y1)
a0+a1x2+ a2x2+ a3x3+…+an-1xn-1= y2-> P1 (x2, y2)
a0+a1x3+ a2x2+ a3x3+…+an-1xn-1= y3-> P1 (x3, y3)

a0+a1xn+ a2x2n+ a3x3n+…+an-1xnn-1= yn-> Pn (xn, yn)

Un ejemplo:
Determine el polinomio p(x)=a0+a1x+a2x2 cuya gráfica pasa por los puntos (1, 4),
(2, 0), (3, 12)
Sustituyendo c/u de los puntos en la función polinomial P(x)= a 0+a1x+a2x2
P1(1, 4)
a0+a1x1+a2x2=y1
a0+a1(1)+a2(1)2=4
a0+a1+a2=4
P2 (2, 0)
a0+a1x2+a2x2=y2
a0+a2(2)+a2(2)2=0
a0+2a1+4a2=0
P3(3, 12)
a0+a1x3+a2x2=y3
a0+a1(3)+a2(3)2=12
a0+3a1+9a2=12

Formamos ahora un sistema de ecuaciones (3x3)


a0+a1+a2= 4
a0+2a1+4a2= 0
a0+3a1+9a2= 12

1 1 1⋮ 4
1 2 4⋮ 0
1 3 9 ⋮ 12
P (a0, a1, a2)
9 (24, -28x + 8x2)
1 1 1⋮ 4
0 1 3 ⋮ −4
0 2 8⋮ 8

1 1 1⋮ 4
0 1 3 ⋮ −4
0 0 2 ⋮ 16

1 1 1⋮ 4
0 1 3 ⋮ −4
0 0 1⋮ 8

1 1 1⋮ 4
0 1 0 ⋮ −28
0 0 1⋮ 8

1 1 0 ⋮ −4
0 1 0 ⋮ −28
0 0 1⋮ 8

1 0 0 ⋮ 24
0 1 0 ⋮ −28
0 0 1⋮ 8

Determine el polinomio que se ajuste a los puntos


P1 (-2, 3), P2 (-1, 5), P3 (0, 1), P4 (1, 4), P5 (2, 10)
hasta llegar a la forma escalonada reducida. El polinomio a encontrar va a ser uno
de cuarto grado
a0+a1x+a2x2+a3x3+a4x4

Sustituyendo cada punto en la ecuación polinomial


P1 (-2, 3)
a0- 2a +4a2 -8a3 +16a4= 3

P2 (-1, 5)
a0+a1+a2-a3+a4= 5

P3 (0, 1)
a0 +0 +0 + 0 + 0= 1

P4 (1, 4)
a0 +a1 +a2 +a3 +a4= 4

P5 (2, 10)
a0+ 2a1 +4a2 +8a3 +16a4= 10
Sistema de ecuaciones:
a0- 2a +4a2 -8a3 +16a4 = 3
a0 +a1 +a2 -a3 +a4 =5
a0 =1
a0 +a1 +a2 +a3 +a4 =4
a0+ 2a1 +4a2 +8a3 +16a4= 10

1 −2 4 8 16 ⋮ 3
1 −1 1 −1 1 ⋮ 5
1 0 0 0 0⋮ 1
1 1 1 1 1⋮ 4
1 2 4 8 16 ⋮ 10

1 0 0 0 0⋮ 1
1 −1 1 −1 1 ⋮ 4
1 0 0 0 0⋮ 1
1 1 1 1 1⋮ 4
1 2 4 8 16 ⋮ 10

1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
0 −2 4 −8 16 ⋮ 2
0 −1 1 −1 1 ⋮ 4
0 2 4 8 16 ⋮ 9

1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
0 0 6 −6 18 ⋮ 8
0 0 2 0 2⋮ 7
0 0 2 6 14 ⋮ 3

1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
4
0 0 1 −1 3 ⋮ 3
0 0 2 0 2⋮ 7
0 0 2 6 14 ⋮ 3
1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
4
3⋮ 3
0 0 1 −1 13
0 0 0 −2 4 ⋮
3
0 0 0 4 1
8⋮ 3

1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
4
3⋮ 3
0 0 1 −1 −15
0 0 0 1 2⋮
3
0 0 0 4 1
8⋮ 3

1 0 0 0 0⋮ 1
0 1 1 1 1⋮ 3
4
0 0 1 −1 3 ⋮ 3
0 0 0 1 2 ⋮ −13
0 0 0 0 3
0⋮ 9

0= 9

ALGEBRA DE MATRICES:
Para multiplicar dos matrices AB, no importa el tamaño sin embrago el numero de
columnas de la matriz A debe ser igual al número de renglones de la matriz B,
siempre y cuando la condición necesaria y suficiente sea de la siguiente manera:
Dada la matriz A 𝑚𝑥𝑛 y la matriz B 𝑛𝑥𝑝 su producto AB es otra matriz C 𝑚𝑥𝑝

Ejemplo: C mxp:
3x4 e 4x2 𝐶11 𝐶12
2x5 e 5x1 C3x2= 𝐶21 𝐶22
𝐶31 𝐶32
𝐶
C 2x1= 11
𝐶21
Ejemplo:
−1
1 2 −1 30 2
1) Dada la matriz: A= B= −2
−1 1 −2 3 0
1
La nueva matriz C:
C=AB
Calculamos operaciones por renglón
𝐶11 = -1+4+2+0+0=5
𝐶21 = 1+2+4+0+3=10

2) Obetener el producto AB cuyas matrices son:


2 −1 0 1 1 −1 0 1 2
A= 4 −2 1 2 B= 2 1 −1 3 −2
3 1 2 −1 6 −1 0 1 −3
−2 1 0 2 −2 1 −1 1 2

𝐶11 = 2 − 2 + 0 − 2 = −2 𝐶22 = −4 − 2 − 1 + 2 = −5

𝐶12 = −2 − 1 + 0 + 1 = −2 𝐶23 = 0 + 2 + 0 − 2 = 0

𝐶13 = 0 + 1 + 0 − 1 = 0 𝐶24 = 4 − 6 + 1 + 2 = 1

𝐶14 = 2 − 3 + 0 + 1 = 0 𝐶25 = 8 + 4 − 3 + 4 = 13

𝐶15 = 4 + 2 + 0 + 2 = 8
𝐶21 = 4 − 4 + 6 − 4 = 2
𝐶31 = 3 + 2 + 12 + 2 = 19
𝐶32 = −3 + 1 − 2 − 1 = −5
𝐶33 = 0 − 1 + 0 + 1 = 0
𝐶34 = 3 + 3 + 2 − 1 = 7
𝐶35 = 6 − 2 − 6 − 2 = −4
𝐶43 = 0 − 1 + 0 + 2 = 1
𝐶44 = −2 + 3 + 0 − 2 = −1
𝐶45 = −4 − 2 + 0 − 4 = −16

La m.a:
−2 −2 0 0 8
2 −5 0 1 13
19 −5 0 7 −4
4 1 1 −1 −10

Determine el producto AB si la matriz A es:


2 1
4 −3 1
A= 0 1 B=
−5 2 2
−4 7

𝐶11 = 8 − 5 = 3 𝐶31 = −16 − 35 = −51


𝐶12 = −6 + 2 = −4 𝐶32 = 12 + 14 = 26
𝐶13 = 2 + 2 = 4 𝐶33 = −4 + 14 = 10
𝐶21 = 0 − 5 = −5
𝐶22 = 0 + 2 = 2
𝐶23 = 0 + 2 = 2

INVERSA DE UNA MATRIZ:


El símbolo In representa una matriz de orden n que tiene 1 en cada lugar de la
diagonal principal y 0 en las demás posiciones:
In se llama matriz identidad de orden n (matriz nueutra de orden n)
Ejemplo:
1 0 0
1 0
𝐼2 : 𝐼3 : 0 1 0
0 1
0 0 1

Se puede demostrar que si A es cualquier matriz cuadrada de orden n:


⇒ 𝐴𝐼𝑛 = 𝐴 = 𝐼𝑛𝐴
Esto es:
𝑎11 𝑎12 𝑎13 1 0 0 𝑎11 𝑎12 𝑎13 1 0 0
𝑎 21 𝑎 22 𝑎 23 0 1 0 = 𝑎 21 𝑎 22 𝑎 23 0 1 0
𝑎32 𝑎32 𝑎33 0 0 1 𝑎32 𝑎32 𝑎33 0 0 1
AS veces una matriz tiene inversa, es decir una matriz B, tal que :
AB= In = BA
Si A tiene inversa, se representa mediante 𝐴−1, y se escribe como:
A𝐴−1 = In=𝐴−1 ª
El simbolo 𝐴−1, se lee como: inversa de la matriz.

Resolver el siguiente sistema de ecuaciones por inversa de la matriz.


2𝑥 +6𝑦 +6𝑧 = 8 La m.a:
2𝑥 +7𝑦 +6𝑧 = 10
2 6 6
2𝑥 +7𝑦 +7𝑧 = 9 2 7 6
2 7 7
1
2 6 6 1 0 0 𝑅
2 1 7
2 7 6 0 1 0 1 0 0 0 0
2
2 7 7 0 0 1 0 1 0 −1 1 0
0 0 1 0 −1 1

1 7
1 3 3 0 0 0 0
2 2
2 7 6 0 1 0 𝑅2 − 2𝑅1 𝐴−1 : −1 1 0
2 7 7 0 0 1 𝑅3 − 2𝑅1 0 −1 1

La solución del sistema:


1
1 3 3 0 0 𝑥 = 𝐴−1 𝐵
2
0 1 0 −1 1 0 7
0 1 1 −1 0 1 𝑅3 − 𝑅2 8 0 0 1
2
(10) (−1 1 0) = 2
9 0 −1 1 −1
1 𝑅1 − 3𝑅2
1 3 3 0 0 Punto de solución:
2
0 1 0 −1 1 0
0 0 1 (1, 2,-1)
0 −1 1

7 𝑅1 − 3𝑅3
1 0 3 −3 0
2
0 1 0 −1 1 0
0 0 1 0 −1 1
Una circunferencia pasa por los puntos:
𝑃1 (1,3) 𝑃2 (1,5) 𝑃3 (−3,3)
Plantea tu sistema de ecuaciones y resuelve por medio de la inversa de una
matriz:
∀ 𝑃1 : 𝑥 2 + 𝑦 2 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0
(1)2 + (3)2 + 𝐷(1) + 𝐸(3) + 𝐹 = 0
10 + 𝐷 + 3𝐸 + 𝐹 = 0
𝐷 + 3𝐸 + 𝐹 = −10
∀ 𝑃2 : (−1)2 +(5)2 + 𝐷(−1) + 𝐸(5) + 𝐹 = 0
1 + 25 − 𝐷 + 5𝐸 + 𝐹 = 0
−𝐷 + 5𝐸 + 𝐹 = −26
∀𝑃3 : (−3)2 + (3)2 + 𝐷(−3) + 𝐸(3) + 𝐹 = 0
9 + 9 − 3𝐷 + 3𝐸 + 𝐹 = 0
−3𝐷 + 3𝐸 + 𝐹 = −18
Sistema de ecuaciones:
La m.a:
𝐷 +3𝐸 +𝐹 = −10
−𝐷 +5𝐸 1 3 1
+𝐹 = −26
−3𝐷 +3𝐸 −1 5 1
+𝐹 = −18
−3 3 1

1 3 1 1 0 0 1 3 1 1 0 0
1 1 2
𝑅2 + 𝑅1 2 0 𝑅2 − 𝑅3
−1 5 1 0 1 0 0 1 8 8 8
𝑅3 − 3𝑅1 8
−3 3 1 0 0 1 0 0 1
12 12
1
8 8

1 0 0 𝑅1 − 3𝑅2
1 3 1 1 0 0 1 3 1 −2 4 2
0 8 2 1 1 0
1
𝑅 −8
8 2
0 1 0 8 8
0 12 4 3 0 1 12 12
0 0 1 − 1
8 8

1 3 1 2 1 00 0 − 2 14 12 6 𝑅1 − 𝑅3
2 2−
10 0 1 1 28 1 1 0 8 18 0 01 8− 8 8 8
2 4 2 −2 4 −10 2
0 1 0 8− 8 8 88 − −1 1 0 2 1 40 8 2 8 −
0 12 4 3 0 1 8 𝑅3 −𝐴12𝑅:2 −8 − 8 (−26)8
0 0 1 12 12 8 0 0 1 12
8 12
− 1 12 12 − 8 −181
8 8 − 81
( 8 8 )
16 2 Punto solución:
1
8
−48 = −6
(2, 6, -6)
48 6

Utiliza la matriz inversa para resolver el sistema de ecuaciones:


𝑥 −2𝑦 +𝑧 +4𝑤 = 1
−2𝑥 +5𝑦 −3𝑧 +𝑤 = −2
7𝑦 −4𝑧 +2𝑤 = 3
3𝑥 −2𝑦 +2𝑧 +6𝑤 = 6
La m.a:
1 −2 1 4 1 0 0 0
−2 5 −3 1 0 1 0 0 𝑅2 + 2𝑅1
0 7 −4 2 0 0 1 0
3 −2 2 6 0 0 0 1 𝑅4 − 3𝑅1

1 −2 1 4 1 0 0 0
0 1 −1 9 2 1 0 0
0 7 −4 2 0 0 1 0 𝑅3 − 7𝑅2
0 4 −1 −6 −3 0 0 1 𝑅4 − 4𝑅2

1 −2 1 4 1 0 0 0
0 1 −1 9 2 1 0 0
0 0 3 −61 −14 −7 1 0
𝑅4 − 𝑅3
0 0 3 −42 −11 −4 0 1

1 −2 1 4 1 0 0 0
0 1 −1 9 2 1 0 0 1
0 0 3 −61 −14 −7 1 0 𝑅
3 3
0 0 0 19 3 3 −1 1 1
𝑅
19 4

1 −2 1 4 1 0 0 0
0 1 −1 9 2 1 0 0
14 7 1
0 0 1 −
61 − −3 0
3 3 1
3 3 3 1
0 0 0 1 − 19
19 19 19
61
𝑅3 + 3 4
𝑅

1 0 0 0
1 −2 1 4 2 1 0 0 𝑅2 + 𝑅3
0 1 −1 9 31 30 14 61
0 0 1 0 57 57 19 57
0 0 0 1 3 3 1
− 19
1
19 19 19

1 0 0 0 𝑅1 + 2𝑅2
1 −2 1 4 31 107 14 5
− 19 − 57 𝑅2 − 9𝑅4
57 57
0 1 0 9 31 30 14 61
0 0 1 0 57 57 19 57
0 0 0 1 3 3 1 1
− 19
19 19 19

4 34 8 5
− 57 − 57
57 19
1 0 0 0 31 107 14 5
0 1 − 19 − 57
0 9 57 57
0 0 1 0 31 30 14 61
0 0 0 1 57 57 19 57
3 3 1 1
− 19
19 19 19

4 34 8 5
− 57 − 57
57 19
31 107 14 5
− 19 − 57
𝐴−1 : 57
31
57
30 14 61
57 57 19 57
3 3 1 1
− 19
19 19 19

Unidad Temática 2:
Vector: Ente matemático que posee magnitud, dirección y sentido.
Representación (u,v)
u= (𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛 )
v= (𝑏1, 𝑏2 , 𝑏3 , … , 𝑏𝑛 )
(𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛 ) Son componentes del vector u
(𝑏1, 𝑏2 , 𝑏3 , … , 𝑏𝑛 ) Son componentes del vector v

Vector columna:
Vector renglón:
𝑎1 𝑏1
𝑎2 𝑎1 , 𝑎2 , 𝑎3 , ⋯ 𝑎𝑛
𝑏2
𝑎3
𝑏3 𝑏1 , 𝑏2 , 𝑏3, ⋯ 𝑏𝑛


𝑎𝑛
𝑏𝑛

Los vectores se localizan en un sistema en “n” dimensiones y el símbolo que


utilizamos es:
ℝ𝑛
El cual nos indica espacio vectorial en “n” dimensiones, por ejemplo:
ℝ2 “Espacio vectorial en 2 dimensiones, sistema bidimensional (plano
cartesiano)
ℝ3 “Espacio vectorial en 3 dimensiones/sistema bidimensional”
“Los vectores siempre parten del origen”

Graficar los siguientes vectores:


v= (4,4) 𝜖ℝ

u= (2, 4,5) 𝜖ℝ3


IGUALDAD DE VECTORES:
Si dos vectores (u,v) de la misma dimensión son iguales, significa que el
componente de uno, es igual al componente de otro en el orden establecido, esto
es:
Sea
u=(𝑎1 , 𝑎2 , 𝑎3 , ⋯ , 𝑎𝑛 )
v= (𝑏1 , 𝑏2 , 𝑏3 , ⋯ , 𝑏𝑛 )
son iguales:
u=v
si y solo si 𝑎1 = 𝑏1 , 𝑎2 = 𝑏2 , 𝑎3 = 𝑏3 , ⋯ , 𝑎𝑛 = 𝑏𝑛

Ejemplo:
Determine la igualdad si Resolvemos por método de
sustitución
u= (2x+y,x-y) 𝜖ℝ
𝑥−𝑦 =1
v= (2,1)
𝑥 = 1+𝑦
2(1+y)+y=2
Tenemos:
2+2y+y=2
2𝑥 + 𝑦 = 2 Ecuación 1
2+3y=2
𝑥−𝑦 =1 Euación 2
3y=0
⇒ 𝑢 = (2(1) + 0,1 − 0)
u (2,1)
Son iguales
v (2,1)
y=0
x=1

Ejemplo:
2) u= (𝑥 + 𝑦 + 2𝑧, 𝑥 + 2𝑦 − 𝑧, 𝑥 + 3𝑦 + 𝑧)
v= (1, −2,5)
Concepto (u,v)
𝑥 +𝑦 +2𝑧 = 1
𝑥 +2𝑦 −𝑧 = −2
𝑥 +3𝑦 +𝑧 = 5
Resolvemos por matriz inversa:

1 1 2 1 0 0 3 4 2 𝑅1 − 𝑅2
−5
𝑅2 −𝑅1 1 1 0 5 5
1 2 −1 0 1 0 2 1 3
1 3 1 0 0 1 𝑅3 −𝑅1 0 1 1 −5 −5 5
0 0 1 1 2 1
−5
5 5
1 1 2 1 0 0
0 1 −3 −1 1 0
0 2 −1 1 0 1 𝑅3 −2𝑅2 3
1 1 −5
1 0 0 1
2 1 3
0 1 1 −5 −5 5
−2
1 1 2 1 0 0 0 0 1 1 2 1 5
−5
0 1 −3 −1 1 0 5 5
1
0 0 5 1 −2 1 𝑅3
5

1 1 2 1 0 0 𝑅1 − 2𝑅3
3
0 1 −1
−3 1 1 0 𝑅2 + 3𝑅3 1 1 −
2 1 5
0 0 1 −5 2 1 3
5 5
𝐴−1 : − −
5 5 5
1 2 1

u= ((−6) + (3) + 2(2). (−6) + 2(3) − 2, (−6) + 3(3) + 2) 5 5 5
u= (1, −2,5)
Son iguales
v=(1, −2,5)
SUMA VECTORIAL:
∀ 2(𝑢, 𝑣) con la misma dimensión
u= (𝑎1 , 𝑎2 , 𝑎3 , ⋯ , 𝑎𝑛 )
v= (𝑏1 , 𝑏2 , 𝑏3 , ⋯ , 𝑏𝑛 )
La suma se define como:
u+v= (𝑎1 + 𝑏1 , 𝑎2 + 𝑏2 , 𝑎3 + 𝑏3 , ⋯ , 𝑎𝑛 + 𝑏𝑛 )
Donde u+v es un vector de dimensión “n” que pasa por la diagonal del
paralelograma formado por la suma u,v, sobre el plano que comparten.
Dado el vector u=(2,3,5) y el vector v= (2,4,3) determine la suma de u+v, grafique
cada uno de los vectores.
u+v= (2+2,4+3,5+3)
u+v= (4,7,8)

ESCALAMIENTO
Es el producto de un vector “u” por un escalar “k” (cualquier número)
“u”= 𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛
“k”= escalar
⇒ ku = (𝑘𝑎1 , 𝑘𝑎2 , 𝑘𝑎3 , … , 𝑘𝑎𝑛 )
Ejemplo:
Determine el producto del vector “u”, por el escalar “k” dado:
(2,4,6)
𝑢 = (2,3,6) ∈ ℝ3
𝑘=2
⇒ 𝑘𝑢 = (2𝑢) = 2(2,3,6)
𝑘𝑢 = (4,6,2)
PRODUCTO ENTRE DOS VECTORES
Tambien se le llama producto escalar, producto interno o producto punto y es una
multiplicación entre dos vectores que tienen la misma dimensión (misma cantidad
de componentes) y se expresa:
Producto punto:
Donde:
u= (𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛 )
v= (𝑏1 , 𝑏2 , 𝑏3 , … , 𝑏𝑛 )
⟹ 𝑢 ∙ 𝑣 Σ 𝑎𝒾 𝑏𝒾 = 𝑎1 𝑏1 + 𝑎2 𝑏2 + 𝑎3 𝑏3 + ⋯ + 𝑎𝑛 𝑏𝑛
Ejemplo:
El resultado del producto de dos vectores es un escalar:
1) Dado u= (2,5,-2) y v=(-3,4,2)
Determine el punto:
𝑢 ∙ 𝑣 = (2)(−3) + (5)(4) + (−2)(2)
𝑢 ∙ 𝑣 = −6 + 20 − 4
𝑢 ∙ 𝑣 = 10
2) Dado u=(3,4,-2,7,1) y (-2,6,-3,5,-2)
Determine el punto:
𝑢 ∙ 𝑣 = (3)(−2) + (4)(6) + (−2)(−3) + (7)(5) + (1)(−2)
𝑢 ∙ 𝑣 = −6 + 24 + 6 + 35 + 2
𝑢 ∙ 𝑣 = 57
Ejercicio:
Determine si el vector v es una combinación lineal cuando v= (2,3,-5)
𝑢1 = 1, 2, −3
𝑣 = 𝑘1 𝑢1 + 𝑘2 𝑢2 + 𝑘3 𝑢3
𝑢2 = 2, −1, −4
𝑢3 = 1, 7, −5
2 1 2 1
1.- 3 = 𝑘1 2 + 𝑘2 −1 + 𝑘3 7
−5 −3 −4 −5
2 1𝑘1 + 2𝑘2 +1𝑘3
2.- 3 = 2𝑘1 − 1𝑘2 +7𝑘3
−5
−3𝑘1 − 4𝑘2 −5𝑘3

Resolvemos por la forma escalonada:


1 2 3 2 1 2 3 2
1
2 −1 7 3 𝑅2 − 2𝑅1 0 1 −1 5
−3 −4 −5 −5 𝑅3 − 𝑅1 𝑅3 − 2𝑅2
0 2 −2 1

1 2 3 2
1 1 2 1 2
0 −5 5 −1 𝑅 1
5 2 0 1 −1 5
0 2 −2 1
3
0 0 0 5

El sistema es inconsistente
∴ 𝐸𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 𝑛𝑜 𝑒𝑠 𝑢𝑛𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑢1 , 𝑢2 𝑦 𝑢3

DEPENDENCIA E INDEPENDENCIA LINEALES


Un conjunto de vectores (𝑢1 , 𝑢2 , 𝑢3 ) es linealmente dependiente si existen escalares
𝑘1 , 𝑘2 , 𝑘3 , … , 𝑘𝑛 , no todos son iguales a cero, tales que permiten anularse entre sí,
por combinación lineal.
0= 𝑘1 𝑢1 + 𝑘2 𝑢2 + 𝑘3 𝑢3 + ⋯ + 𝑘𝑛 𝑢𝑛
Si la única solución para la combinación lineal es con todos los escalares iguales a
cero.
⇒ Los vectores son linealmente independientes
Ejemplo:
Determine si el siguiente conjunto de vectores es linealmente independiente o
dependiente
𝑢1 = (1, −2, −3) 𝑢2 = (2,3, −1) 𝑢3 = (3,2,1)
0 1 2 3
0 = 𝑘1 −2 + 𝑘2 3 + 𝑘3 2
0 −3 −1 1
0 1 𝑘1 2𝑘2 3𝑘3
0 = −2𝑘 1 + 3𝑘2 + 2𝑘3 Lo podemos ver como:
0 −3𝑘1 −1𝑘2 1𝑘3

1 𝑘1 2𝑘2 3𝑘3 = 0
−2𝑘1 + 3𝑘2 + 2𝑘3 = 0
−3𝑘1 −1𝑘2 1𝑘3 = 0

Ejercicio:

1 2 3 1 0 0 1 2 3 12 0
1
0
𝑅2 + 2𝑅1 0 1
8 0 𝑅2 −
8
𝑅
−2 3 2 0 1 0 7
7 7
7 3
𝑅3 + 3𝑅1 11 5 7
−3 −1 1 0 0 1 0 0 1 − 30
30 30

1 2 3 1 0 0
0 7 8 2 1 0
1
𝑅 1 0 0
7 2 1 2 3 4 10 −8 𝑅1 − 2𝑅2
0 5 10 3 0 1 − 30 30
0 1 0 30
0 0 1 11 − 5 7
30 30 30
1 2 3 1 0 0 38 20 16
𝑅1 − 3𝑅3
8 2 1 − 30
0 1 0 1 0 3 30 30
7 7 7 4 10 −8
0 5 10 3 0 1 𝑅3 − 5𝑅2 0 1 0 − 30 30 30
0 0 1 11 5 7
− 30
30 30

1 2 3 1 0 0 5
− 30
5
− 30
5
8 2 1 30
0 1 0 1 0 0
7 7 7 4 10 −8
30 11 5 7 0 1 0 − 30 30 30
0 0 − 1 𝑅
30 3
7 7 7 0 0 1 11 5 7
− 30
30 30
5 5 5
− 30 − 30
30
−1 4 10 −8
𝐴 = − 30 30 30 Punto sol: (0,0,0)
11 5 7
− 30
30 30 ∴ 𝐶𝑜𝑚𝑜 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑠𝑜𝑛 𝑖𝑔𝑢𝑎𝑙𝑒𝑠 𝑎 0
⇒ 𝐿𝑜𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑠𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
Ejercicio:
𝑣 = (0,0,0)
𝑢1 = (1,1,1) 𝑢2 = (2, −1,3) 𝑢3 = (1, −5,3)
0=𝑘1 𝑢1 , 𝑘2 𝑢2 , 𝑘3 𝑢3
0 1 2 1
0 = 𝑘1 1 + 𝑘2 −1 + 𝑘3 −5
0 1 3 3
𝑘1 + 2𝑘2 + 𝑘3 = 0
1 2 1 1 0 0
𝑘1 − 1𝑘2 − 5𝑘3 = 0 1 −1 −5 0 1 0 𝑅2 − 𝑅1
1 3 3 0 0 1 𝑅3 − 𝑅1
𝑘1 + 3𝑘2 + 3𝑘3 = 0

1 2 1 1 0 0 1 0 0
1
− 𝑅2 1 2 1 1 1
0 −3 −6 −1 1 0 3 0 1 2 3 −3 0
0 1 2 −1 0 1 0 0 0 −4 −1 1
3 3

No tiene solución
1 2 1 1 0 0
1 1
0 1 2 3 −3 0 ∴ 𝐿𝑜𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 𝑠𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒
0 2 1 −1 0 1 𝑅3 − 𝑅2 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠

NORMA O MAGNITUD
Se define como la longitud o tamaño de un vector, se expresa como:

∥ 𝒰 ∥= √𝒰 ∙ 𝒰

∥ 𝒰 ∥= √(𝑎1 )2 + (𝑎2 )2 + (𝑎3 )2 + ⋯ + (𝑎𝑛 )2


Ejemplo:
Determine el tamaño del vector:
𝑢 = (2,3,5) ∈ ℝ3
𝑢 ∙ 𝑢 = (2)(2) + (3)(3) + (5)(5)
𝑢 ∙ 𝑢 = 4 + 9 + 25 = 38

∥ 𝒰 ∥= √38
∥ 𝒰 ∥≈ 6.16
NORMALIZACIÓN
Es convertir en unitario, un vector que no lo es.
Lo expresamos como:
𝑢
𝑢̂ =
∥𝑢∥
Ejemplo:
Determine la longitud u= (2,3,6)
Determinamos:

∥ 𝒰 ∥= √(2)2 + (3)2 + (6)2

= √49
∥ 𝒰 ∥= 7
𝑢 1 2 3 6
⇒ 𝑢̂ = ∥𝑢∥ = 7 (2, 3, 6) = 𝑢̂ = 7 , 7 , 7

UNIDAD 3:
TRANSFORMACIONES LINEALES
Introducción:
IMÁGENES Y PREIMAGENES DE FUNCIONES
En esta sección analizamos funciones que transforman (mapean) un espacio
vectorial V en un espacio vectorial 𝑊.
Esta se denota como:
T: 𝑉 𝑊 Indica la transformación lineal que va del espacio
vectorial 𝑉 al 𝑊

En la que usamos la terminología estándar para funciones. Por ejemplo, 𝑉 se llama


dominio de 𝑇 y W se llama co-dominio o contra-dominio de 𝑇. Si v está en 𝑉 y w
está en 𝑊 tal que 𝑇(𝑣) = 𝑤, entonces w se llama imagen de 𝑉 bajo 𝑇. El conjunto
de todas las imágenes de los vectores en v se llaman pre-imagen de 𝑊, tal como lo
vemos en la siguiente figura:
𝑇: 𝑉 𝑊 𝑊: Pre-imagen

V: Dominio

Rango
𝑇

𝑊: Co-dominio

Para un vector:
𝑣 = ( 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ) 𝑒𝑛 ℝ2
Sería técnicamente correcto usar un doble paréntesis para denotar 𝑇(𝑣) como
𝑇(𝑣) = 𝑇((𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 )) 𝑒𝑛 ℝ2 . Por conveniencia, se elimina un conjunto de
paréntesis para que quede lo siguiente:
𝑇(𝑣) = 𝑇(𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 )
Ejemplo 1:
Una función de ℝ2 𝑎 ℝ2 .
Para todo vector 𝑣 = ( 𝑣1 , 𝑣2 ) 𝑒𝑛 ℝ2 , sea 𝑇: ℝ2 ℝ2 , definida por
𝑇 = ( 𝑣1 , 𝑣2 ) = 𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2
a) Determine la imagen de 𝑣 = (−1,2)
b) Determine la imagen de 𝑣 = (0,0)
c) Determine la preimagen de 𝑤 = (−1,11)
Solución:
a) Para 𝑣 = (−1,2) se tiene:

𝑇(−1,2) = (−1 − 2, −1 + 2(2)) = (−3,3)

b) Para 𝑣 = (0,0) se tiene:

𝑇(0,0) = (0 − 0, 2(0)) = (0,0)


c) Encuentre la preimagen de 𝑤 = (−1,11)
Si 𝑇(𝑣) = 𝑊, entonces:
𝑇(𝑣) = (𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 ) = (−1,11)
Donde:
𝑣1 − 𝑣2 = −1
𝑣1 + 2𝑣2 = 11
Resolvemos el sistema por resta:
−3𝑣 = −12
𝑐𝑜𝑛 𝑣2 = 4 𝑦 𝑣1 = 3
Por lo tanto el sistema de ecuaciones tiene una solución única y entonces la
preimagen es (-1,11) es el conjunto en ℝ2 que consta solamente del vector (3,4)

TRANSFORMACIONES LINEALES
Ahora nuestra atención se centra en funciones (de un espacio vectorial a otra) que
conservan las operaciones de suma vectorial y multiplicación de un escalar. Estas
funciones se denominan transformaciones lineales.
Definición de transformación lineal:
Sean V y W espacios vectoriales. La función 𝑇: 𝑉 𝑊
Se llama Transformación lineal de 𝑉 en 𝑊 si las dos propiedades siguientes son
verdaderas para todo 𝑢 y 𝑣 en 𝑉 y para cualquier escalar 𝑐:
1.- 𝑇(𝑢 + 𝑣) = 𝑇 (𝑢) + 𝑇(𝑣)
2.- 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)
Se dice que una transformación lineal conserva operaciones porque se obtiene el
mismo resultado si las operaciones de suma y multiplicación escalar se efectúan
antes o después de que se aplique la transformación lineal. Aunque se utilicen los
mismos símbolos para caracterizar las operaciones vectoriales tanto en V como en
W debe observar que las operaciones pueden ser diferentes, como se indica en el
siguiente diagrama.
Multiplicación Multiplicación
Suma en V Suma en W escalar en V escalar en W

𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇 (𝑣) 𝑇(𝑐𝑢) = 𝑐𝑇 (𝑢)


Ejemplo 2:
Comprobación de una transformación lineal de ℝ2 𝑎 ℝ2
Demuestre que la función dada en el ejemplo 1 es una transformación lineal de
ℝ2 𝑎 ℝ2 :
𝑇(𝑣1 , 𝑣2 ) = (𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 ) La parte más importante

Solución:
Para demostrar que la función es una transformación lineal, es necesario probar
que conserva la suma vectorial y la multiplicación escalar.
Para tal caso, sean 𝑣 = (𝑣1 , 𝑣2 ) y 𝑢 = (𝑢1 , 𝑢2 ) dos vectores en ℝ2 y sea c cualquier
número real. Entonces con las propiedades de suma vectorial y de multiplicación
escalar, tenemos lo siguiente:
Dado que 𝑢 + 𝑣 = (𝑢1 , 𝑢2 ) + (𝑣1 , 𝑣2 ) = 𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 , se tiene
𝑇( 𝑢 + 𝑣) = 𝑇 (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )

= ((𝑢1 + 𝑣1 ) − (𝑢2 + 𝑣2 ), (𝑢1 + 𝑣1 ) + 2(𝑢2 + 𝑣2 ))

= ((𝑢1 − 𝑢2 ) + (𝑣1 − 𝑣2 ), (𝑢1 + 2𝑢2 ) + (𝑣1 + 2𝑣2 ))


= (𝑢1 − 𝑢2 , 𝑢1 + 2𝑢2 ) + (𝑣1 − 𝑣2 , 𝑣1 + 2𝑣2 )
= 𝑇 (𝑢) + 𝑇(𝑣)
2.- Dado que 𝑐𝑢 = 𝑐(𝑢1 , 𝑢2 ) = 𝑐𝑢1 , 𝑐𝑢2 , se tiene que
𝑇(𝑐𝑢) = 𝑇(𝑐𝑢1 , 𝑐𝑢2 )
= (𝑐𝑢1 − 𝑐𝑢2 , 𝑐𝑢1 + 2𝑐𝑢2 )
= 𝑐(𝑢1 − 𝑢2 , 𝑢1 + 2𝑢2 )
= 𝑐𝑇(𝑢)
Por la tanto T es una transformación lineal.

PROPIEDADES DE UN ESPACIO VECTORIAL


Recordar que un espacio vectorial es un conjunto de vectores denominado por
𝑣 = (𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 )
O también:
𝑢 = (𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 )
Los vectores los representamos como: ℝ, ℝ2 , ℝ3 , … , ℝ𝑛
Por otro lado los número reales = escalar (𝑘).
Por lo que un escalara es un conjunto de números reales
𝑘= (conjunto de número reales)
Magnitud
Variable de una
Vector sistemático Dirección ecuación
Sentido
Por lo tanto v es un conjunto no vacío cuyos elementos se pueden sumar entre si,
y que k es el conjunto de números reales que pueden multiplicarse con los
elementos del espacio vectorial.
Principales propiedades de los vectores:
(Sea v espacio vectorial)
1) La suma de dos elementos de V, también pertenecer a V.
𝑆𝑖 𝑢𝑣 ∈ 𝑉 ⇒ 𝑢 + 𝑣 ∈ 𝑉
2) El producto de un elemento de K por un elemento de V también pertenecen
aV
𝑆𝑒𝑎 𝑘 ∈ 𝐾 ∧ 𝑣 ∈ 𝑉 ⇒ 𝑘𝑣 ∈ 𝑉
3) Existe un elemento de V que es neutro en la suma
∃∅ ∈ 𝑉: ∀𝑣 ∈ 𝑉 ⇒ 𝑣 + ∅ = 𝑉
4) Todo elemento de V tiene una inversa en la suma que también pertenece a
V.
∀𝑣 ∈ 𝑉∃(−𝑣) ∈ 𝑉: 𝑣 + (−𝑣) = ∅
5) La suma de elementos de V es conmutativa
𝑆𝑒𝑎 𝑢, 𝑣 ∈ 𝑉 ⇒ 𝑢 + 𝑣 = 𝑣 + 𝑢
∀𝑢, 𝑣 ∈ 𝑉
6) La suma de elementos de V es asociativa
𝑆𝑒𝑎 𝑢, 𝑣, 𝑤 ∈ 𝑉 ⇒ (𝑢 + (𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)
∀𝑢, 𝑣, 𝑒 ∈ 𝑊
7) El producto es distributivo ante la suma de elementos de V.
𝑘(𝑢 + 𝑣) = 𝑘𝑢 + 𝑘𝑣, ∀𝑘 ∈ 𝐾 𝑒 ∀𝑢, 𝑣 ∈ 𝑉
8) El producto es distributivo ante la suma de elementos de K
(𝑘1 + 𝑘2 ) 𝑉 = 𝑘1 𝑣 + 𝑘2 𝑣, ∀ 𝑘1 , 𝑘2 ∈ 𝐾 𝑒 ∀𝑣 ∈ 𝑉
9) El producto de un elemento de V ante dos elementos de K es asociativo
(𝑘1 , 𝑘2 )𝑉 = 𝑘1 (𝑘2 𝑉), ∀𝑘1 , 𝑘2 ∈ 𝐾 𝑒 𝑣∈𝑉
10) Existe un elemento de K que es neutro en el producto
∃1 ∈ 𝑘: 1𝑣 = 𝑣, ∀𝑣 ∈ 𝑉
Ejemplo 1:
• Determine si el conjunto de vectores en ℝ2 forma un espacio vectorial sobre
el conjunto de número reales (K)
• El espacio vectorial V=ℝ2
• El conjunto de números reales V= ℝ
P.1) La suma de los vectores en ℝ2 da un vector en ℝ2 :
𝑆𝑖 𝑢, 𝑣 ∈ ℝ2 ⇒ 𝑢 + 𝑣 ∈ ℝ2
P.2) El producto de un escalar por un vector en ℝ2 :
𝑆𝑒𝑎 𝑘 ∈ ℝ2 , ∧ 𝑢 ∈ ℝ2 ⇒ 𝑘𝑣 ∈ ℝ2
P.3) El vector nulo en ℝ2 es un elemento en la suma:
𝑆𝑖 ∅ = (0,0) ⇒ ∅ ∈ ℝ2 , 𝑎𝑑𝑒𝑚á𝑠 𝑞𝑢𝑒 𝑢 + ∅ = 𝑢
P.4) Todo vector en ℝ2 tiene un inverso en la suma:
∀ 𝑢 ∈ ℝ2 : 𝑢 + (−𝑢) = ∅
P.10) Existe un elemento neutro 1 en el producto de números reales:
𝜕1 ∈ ℝ: 1𝑢 = 𝑢 ∀𝑢 ∈ ℝ
Por lo tanto los vectores en ℝ2 forman un espacio vectorial sobre los número reales.
25 de septiembre
Proyección de un vector
La proyección de un vector es el vector que se produce proyectando un vector
en la dirección de otro, por lo que tenemos.
𝑢∙ 𝑣
a) Proyección del vector u en v es igual a: ‖𝑣‖2
(𝑣)
𝑣∙ 𝑢
b) Proyección del vector v en u= ‖𝑢‖2 (𝑢)

Ejemplo:
Dados los vectores 𝑢 = (2,3,4) 𝑦 𝑣 = (3,3,6), determine:
1. La proyección del vector u en v.

𝑢∙ 𝑣 13 13 13
1) ‖𝑣‖2
(𝑣) = 6) = (18 , 18 , 9 ) = (0.72,0.72,1.44)

𝑢∙𝑣 = (2.16,2.16,4.33)
2) 2 =
‖√(3)2 +(3)2 +(6)2 ‖

𝑢∙𝑣 𝑢∙𝑣
3) 2 = 2 =
‖√9+9+36‖ ‖√54‖

(2)(3)+(3)(3)+(4)(6) 6+9+24
4) 2 = 2 =
‖√54‖ ‖√54‖

39 39 13
5) 2 = 54= 18 (3,3,6)
‖√54‖

→𝑈
→𝑉
→ 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖𝑜𝑛 (𝑢, 𝑣)
2) Proyección de v en u.

𝑣∙ 𝑢
1) ‖𝑢‖2
(𝑢) = →𝑈
→𝑉
(3)(2)+(3)(3)+(6)(4)
2) 2 = → 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖𝑜𝑛 (𝑢, 𝑣
‖√(2)2 +(3)2 +(4)2 ‖

6,9,24 6,9,24
3) 2 = 2 =
‖√4+9+16‖ ‖√29‖

6,9,24
4) (2,3,4) =
29

12 27 96
5) , , ≈ 0.41, 0.93, 3.31
29 29 29

Combinaciones lineales
Un vector v es una combinación lineal de un conjunto de vectores
{𝑢1 , 𝑢2 , 𝑢3 … 𝑢𝑛 } sí existen escalares 𝑘1 , 𝑘2 , 𝑘3 … 𝑘𝑛 tales que 𝑣 = 𝑘1 𝑢1 + 𝑘2 𝑢2 +
𝑘3 𝑢3 … 𝑘𝑛 𝑢𝑛
Ejemplo:
Obtener la combinación de v con el conjunto de vectores v si:
𝑣 = (1, −2,5) Combinación
𝑢1 = (1,1,1), 𝑢2 = (1,2,3), 𝑢3 = (2, −1,1) 𝑢 = 𝑘1 𝑢1 + 𝑘2 𝑢2 + 𝑘3 𝑢3

1
1 1 1 2 3) 𝑣 = |−2| =
1) 𝑣 = |−2| = 𝑘1 = |1| + 𝑘2 = |2| + 𝑘3 |−1| 5
5 1 3 1 𝑘1 + 𝑘2 + 2𝑘3 = 1
1 𝑘 1 𝑘2 2𝑘 3
|𝑘1 + 2𝑘2 + 𝑘3 = −2|
2) 𝑣 = |−2| = |𝑘1 | + |2𝑘2 | + |−𝑘3 |
𝑘1 + 3𝑘2 + 𝑘3 = 5
5 𝑘1 3𝑘2 𝑘3

Resolver por forma inversa

1 1 2 1 0 0 1 0 0
𝑅2 − 𝑅1
(1 2 −1|0 1 0) 1 1 2 4 1 𝑅1 − 𝑅2
1 3 1 0 0 1 − 1 −3
0 1 0| 3
1 1 2 1 0 0 0 0 1 −1 0 1
− 3)
𝑅3 − 𝑅1 ( 3
(0 1 1|−1 1 0)
1 3 1 0 0 1 1 0 2 −1⁄3 −1 −1⁄3
(0 1 0|−4⁄3 1 −1⁄3) 𝑅1 − 2𝑅3
1 1 2 1 0 0
𝑅3 − 2𝑅2 0 0 1 −1⁄3 0 −1⁄3
(0 1 1 |−1 1 0)
0 2 −1 −1 0 1 1 0 0 1⁄3 −1 1⁄3
1 (0 1 0|−4⁄3 1 −1⁄3)
1 1 2 1 0 0 − 𝑅2
(0 1 1 |−1 1 0) 3 0 0 1 −1⁄3 0 −1⁄3
0 0 −3 1 0 1

1 1 2 1 0 0 𝑅2 − 𝑅3
(0 1 1| −1 1 0 )
1 1
0 0 1 −3 0 −3

1⁄3 −1 1⁄3 1 Nueva matriz


(−4⁄3 1 −1⁄3) ∙ (−2)
𝐶11
−1⁄3 0 −1⁄3 5
(𝐶21 )
𝐶22
1 1 1 5 6
𝐶11 = ( ) (1) + (−1)(−2) + ( ) (5) = − + 2 + = + 2 = −6
3 3 3 3 3
4 1 4 5 9
𝐶21 = ( ) (1) + (1)(−2) + (− ) (5) = − − 2 − = − − 2 = 3
3 3 3 3 3
1 1 1 5 6
𝐶31 = (− ) (1) + (0)(−2) + (− ) (5) = − + 0 − = − + 0 = 2
3 3 3 3 3

𝐾1 𝑈1 + 𝐾2 𝑈2 + 𝐾3 𝑈3
1 1 1 2
(−2)= - 6 (1) + 3 (2) + 2 (−1) =
5 1 3 1
−6 3 4 1
(−6) + (6) + (−2) = (−2)
−6 9 2 5
*Si es combinación lineal

Por lo tanto, el vector v es una combinación lineal de los vectores 𝑈1 , 𝑈2 , 𝑈3

Determina si el vector v es una combinación lineal de 𝑢1 , 𝑢2 𝑦 𝑢3 cuando v=


(2,3,-5)

𝑢1 = (1,2, −3)
𝑢2 = (2, −1, −4)
𝑢3 = (1,7, −5)
𝑈 = 𝐾1 𝑈1 + 𝐾2 𝑈2 + 𝐾3 𝑈3
1 2 1 2
| 2 −1 7 | 3 |
2 1 2 1 −3 −4 −5 −5
𝑣 = | 3 | = 𝐾1 | 2 | + 𝐾2 |−1| + 𝐾3 | 7 | 1 2 1 2
−5 −3 −4 −5 | 0 −5 5 | −1|
−3 −4 −5 −5 𝑅2 − 2𝑅1

1 2 1 2
2 𝐾1 2𝐾2 𝐾3 |0 −5 5 | −1| 𝑅3 − 3𝑅1
𝑣 = | 3 | = | 2𝐾1 | + | −𝐾2 | + | 7𝐾3 | 0 2 −2 −9
−5 −3𝐾1 −4𝐾2 −5𝐾3
1 2 1 2
1
|0 1 −1| 5 | 𝑅3 − 2𝑅2
0 2 −2 −9
2 𝐾1 2𝐾2 𝐾3 = 2
𝑣 = | 3 | = | 2𝐾2 −𝐾2 7𝐾3 = −3 | 1 2 1 21 *No es lineal (No se
−5 −3𝐾2 −4𝐾2 −5𝐾3 = −5 |0 1 −1| 5 | forma la combinación
0 0 0 −475
lineal)

27 de septiembre
Dependencia o independencia lineal.
Un conjunto de vectores {𝑢1 , 𝑢2 , 𝑢3 ⋯ 𝑢𝑛 } es linealmente dependiente si existen
escalares 𝐾1 , 𝐾2 , 𝐾3 … 𝐾𝑛 no todos iguales a cero, tales que permitan anularse
entre sí por combinación lineal.
𝑂 = 𝐾1 𝑈1 + 𝐾2 𝑈2 + 𝐾3 𝑈3 … 𝐾𝑛 𝑈𝑛
Si la única solución para la combinación lineal es con todos los escalares
iguales a cero → los vectores son linealmente independientes.
1.- Determine si el siguiente conjunto de vectores es linealmente independiente
o dependiente.

𝑢1 = (1, −2, −3)


𝑢2 = (2,3, −1)
𝑢3 = (3,2,1)
𝑂 = 𝐾1 𝑈1 + 𝐾2 𝑈2 + 𝐾3 𝑈3 1 2 3 0 𝑅2 − 2𝑅1
|−2 3 2| 0|
−3 −1 1 0
0 1 2 3 1 2 3 0
|0 𝑅3 − 3𝑅1
|0| = 𝐾1 |−2| + 𝐾2 | 3 | + 𝐾3 |2| 7 8| 0|
0 −3 −1 1 −3 −1 1 0
1 2 3 0 1
|0 7 8 | 0| 𝑅
7 2
0 𝐾1 2𝐾2 3𝐾3 0 5 10 0
|0| = |−2𝐾1 | + | 3𝐾2 | + |2𝐾3 | 1 2 3 0
0 −3𝐾1 −𝐾2 𝐾3 1 87 | 0| 𝑅3 − 5𝑅2
|0
0 5 10 0

𝐾1 + 2𝐾2 + 3𝐾3 = 0 1 2 3 0
0 8 7
|0| = −2𝐾1 + 3𝐾2 + 2𝐾3 = 0 |0 1 7 | 0| 𝑅
0 30
0 7 0 30 3
0 −3𝐾1 − 𝐾2 + 𝐾3 = 0
1 2 3 0
|0 1 87 | 0| 8
𝑅1 − 𝑅3
0 0 1 0 7
1 2 3 0
|0 1 0| 0| 𝑅1 − 2𝑅2
0 0 1 0
1 0 3 0
|0 1 0| 0| 𝑅1 − 3𝑅3
0 0 1 0
1 0 0 0
|0 1 0| 0|
0 0 1 0

*Los vectores son linealmente independientes

0 1 2 3
|0| = 0 |−2| + 0 | 3 | + 0 |2|
0 −3 −1 1

0 0 0 0 0 0 0 0 0
|0| = |0| + |0| + |0| → |0| = |0 0 0| → |0|
0 0 0 0 0 0 0 0 0
Resolver

𝑢1 = (1,1,1)
𝑢2 = (2, −1,3)
𝑢3 = (1, −5,3)

𝑂 = 𝐾1 𝑈1 + 𝐾2 𝑈2 + 𝐾3 𝑈3
1 2 1 1 0 0
|1 −1 −5| 0 1 0| 𝑅2 − 𝑅1
0 1 2 1 1 3 3 0 0 1
|0| = 𝐾1 |1| + 𝐾2 |−1| + 𝐾3 |−5| 1 2 1 1 0 0
0 1 3 3 𝑅3 − 𝑅1
|0 −3 −6| −1 1 0|
1 3 3 0 0 1
1 2 1 1 0 0 1
0 𝐾1 2𝐾2 𝐾3 |0 −3 −6| −1 1 0| − 𝑅2
|0| = |𝐾1 | + |−𝐾2 | + |−5𝐾3 | 0 1 2 −1 0 1 3
0 𝐾1 3𝐾2 3𝐾3
1 2 1 1 0 0
|0
1
1 2| 3
1
0| 𝑅3 − 𝑅2
3
0 1 2 −1 0 1
0 𝐾1 + 2𝐾2 + 𝐾3 = 0
|0| = 𝐾1 − 𝐾2 − 5𝐾3 = 0 1 0 0
1 2 1 1 1
0 𝐾1 + 3𝐾2 + 3𝐾3 = 0 |0 0|
1 2| 3 3
1
0 0 0 −43 − 1
3
16 de octubre de 2023
Para todo vector 𝑣 = (𝑣1 , 𝑣2 ) ∈ ℝ2 , sea
𝑇: ℝ2 → ℝ2 , definida por:
𝑇(𝑣) = 𝑇(𝑣1 , 𝑣2 ) = (𝑣1 − 3𝑣2 , 𝑣1 + 𝑣2 )
Demostrar
1) 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)

Definimos los vectores → 𝐿𝑎 𝑠𝑢𝑚𝑎


𝑢 = (𝑢1 , 𝑢2 ) 𝑦 𝑣 = (𝑣1 , 𝑣2 ) 𝑢 + 𝑣 = (𝑢1 , 𝑢2 ) + (𝑣1 , 𝑣2 )
𝑢 + 𝑣 = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )
→ 𝑇(𝑢 + 𝑣) = 𝑇(𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )

Sustituyendo en la definición = 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)


= ((𝑢1 + 𝑣1 ) − 3(𝑢2 + 𝑣2 ), (𝑢1 + 𝑣1 ) + (𝑢2 + 𝑣2 ))
= (𝑢1 + 𝑣1 ) − (3𝑢2 + 3𝑣2 ), (𝑢1 + 𝑣1 ) + (𝑢2 + 𝑣2 )
Separando
= ((𝑢1 − 3𝑢2 ) + (𝑣1 + 3𝑣2 ), (𝑢1 + 𝑢2 ) + (𝑣1 + 𝑣2 ))

= (𝑢1 − 3𝑢2, 𝑢1 + 𝑢2 ) + (𝑣1 − 3𝑣2, 𝑣1 + 𝑣2 )


1) Demostrar

𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)


𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
𝑣 = (𝑣1 , 𝑣2 ) 𝑢 = (𝑢1 , 𝑢2 )
→ 𝑐𝑣 = 𝑐(𝑣1 , 𝑣2 ) = (𝑐𝑣1 , 𝑐𝑣2 ) → 𝑐𝑢 = 𝑐(𝑢1 , 𝑢2 ) = (𝑐𝑢1 , 𝑐𝑢2 )
Demostración Demostración
𝑇(𝑐𝑣) = 𝑇(𝑐𝑣1, 𝑐𝑣2 ) 𝑇(𝑐𝑢) = 𝑇(𝑐𝑢1, 𝑐𝑢2 )
Sustitución Sustitución
(𝑐𝑣1 − 3𝑐𝑣2 , 𝑐𝑣1 + 𝑐𝑣2 ) (𝑐𝑢1 − 3𝑐𝑢2 , 𝑐𝑢1 + 𝑐𝑢2 )
Factorizar c Factorizar c
=𝑐(𝑣1 − 3𝑣2 , 𝑣1 + 𝑣2 ) =𝑐(𝑢1 − 3𝑢2 , 𝑢1 + 𝑢2 )
∴ 𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) ∴ 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)

4.- Para todo vector 𝑣 = (𝑣1 , 𝑣2 ) ∈ ℝ2 , sea


𝑇: ℝ2 → ℝ2 , definida por:
𝑇(𝑣) = 𝑇(𝑣1 , 𝑣2 ) = (4𝑣1 + 𝑣2 , 𝑣1 − 𝑣2 )
Demostrar
1) 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)

Definimos los vectores → 𝐿𝑎 𝑠𝑢𝑚𝑎


𝑢 = (𝑢1 , 𝑢2 ) 𝑦 𝑣 = (𝑣1 , 𝑣2 ) 𝑢 + 𝑣 = (𝑢1 , 𝑢2 ) + (𝑣1 , 𝑣2 )
𝑢 + 𝑣 = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )
→ 𝑇(𝑢 + 𝑣) = 𝑇(𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )
Sustituyendo en la definición = 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)

= (4(𝑢1 + 𝑣1 ) + (𝑢2 + 𝑣2 ), (𝑢1 + 𝑣1 ) − (𝑢2 + 𝑣2 ))


= (4𝑢1 + 4𝑣1 ) + (𝑢2 + 𝑣2 ), (𝑢1 + 𝑣1 ) − (𝑢2 + 𝑣2 )
Separando
= ((4𝑢1 + 4𝑣1 ) + (𝑢2 + 𝑣2 ), (𝑢1 + 𝑢1 ) − (𝑣1 + 𝑣2 ))

= (4𝑢1 + 𝑢2, 𝑢1 − 𝑢2 ) + (4𝑣1 + 𝑣2, 𝑣1 − 𝑣2 )

1) Demostrar

𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)


𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
𝑣 = (𝑣1 , 𝑣2 ) 𝑢 = (𝑢1 , 𝑢2 )
→ 𝑐𝑣 = 𝑐(𝑣1 , 𝑣2 ) = (𝑐𝑣1 , 𝑐𝑣2 ) → 𝑐𝑢 = 𝑐(𝑢1 , 𝑢2 ) = (𝑐𝑢1 , 𝑐𝑢2 )
Demostración Demostración
𝑇(𝑐𝑣) = 𝑇(𝑐𝑣1, 𝑐𝑣2 ) 𝑇(𝑐𝑢) = 𝑇(𝑐𝑢1, 𝑐𝑢2 )

Sustitución Sustitución
(4𝑐𝑣1 + 𝑐𝑣2 , 𝑐𝑣1 − 𝑐𝑣2 ) (4𝑐𝑢1 + 𝑐𝑢2 , 𝑐𝑢1 − 𝑐𝑢2 )
Factorizar c Factorizar c
=𝑐(4𝑣1 + 𝑣2 , 𝑣1 − 𝑣2 ) = 𝑐(4𝑢1 + 𝑢2 , 𝑢1 − 𝑢2 )
∴ 𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) ∴ 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)

𝑇: ℝ2 → ℝ3 , definida por:
𝑇(𝑣) = 𝑇(𝑣1 , 𝑣2 ) = (2𝑣2 − 𝑣1 , 𝑣1 , 𝑣2 )
Determine
1. La imagen de v= (2,-3)
2. La imagen de v= (-1,3)
3. La preimagen de w= (3,1,2)
1) Sustituir en la función

𝑇(𝑣) = 𝑇(2, −3) = (2(−3) − (2), 2, −3) =


= (−4,2, −3) → 𝐼𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 (2, −3)

2) Sustituir en la función

𝑇(𝑣) = 𝑇(−1,3) = (2(3) − (−1), −1,3) =


= (7, −1,3) → 𝐼𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 (−1,3)

3) Encontrar preimagen en w= (3,1,2)

𝑇(𝑣) = 𝑇(𝑣1 , 𝑣2 , 𝑣3 )
−𝑣1 + 2𝑣2
𝑣1 = 1
𝑣2 = 2
Preimagen (1,2)

Demostrar suma y multiplicación

Definimos los vectores


→ 𝐿𝑎 𝑠𝑢𝑚𝑎
𝑢 = (𝑢1 , 𝑢2 ) 𝑦 𝑣 = (𝑣1 , 𝑣2 )
𝑢 + 𝑣 = (𝑢1 , 𝑢2 ) + (𝑣1 , 𝑣2 )
𝑢 + 𝑣 = (𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )
→ 𝑇(𝑢 + 𝑣) = 𝑇(𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 )
Sustituyendo en la definición
= 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
= (2(𝑢2 + 2) − (𝑢1 + 𝑣1 ), (𝑢1 + 𝑣1 ), (𝑢2 + 𝑣2 ))
= (2𝑢2 + 2𝑣2 ) − (𝑢1 + 𝑣1 ), (𝑢1 + 𝑣1 ), (𝑢2 + 𝑣2 )
Separando
= ((2𝑢2 + 2𝑣2 − 𝑢1 − 𝑣1 ), (𝑢1 + 𝑢1 ), (𝑣1 + 𝑣2 ))
= (2𝑢2 − 𝑢1 , 𝑢1 , 𝑢2 ) + (2𝑣2 − 𝑣1 , 𝑣1 , 𝑣2 )

Demostrar

𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)


𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑐 → 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
𝑣 = (𝑣1 , 𝑣2 ) 𝑢 = (𝑢1 , 𝑢2 )
→ 𝑐𝑣 = 𝑐(𝑣1 , 𝑣2 ) = (𝑐𝑣1 , 𝑐𝑣2 ) → 𝑐𝑢 = 𝑐(𝑢1 , 𝑢2 ) = (𝑐𝑢1 , 𝑐𝑢2 )
Demostración Demostración
𝑇(𝑐𝑣) = 𝑇(𝑐𝑣1, 𝑐𝑣2 ) 𝑇(𝑐𝑢) = 𝑇(𝑐𝑢1, 𝑐𝑢2 )

Sustitución Sustitución
(2𝑐𝑣2 − 𝑐𝑣1 , 𝑐𝑣1 , 𝑐𝑣2 ) (2𝑐𝑢2 − 𝑐𝑢1 , 𝑐𝑢1 , 𝑐𝑢2 )
Factorizar c Factorizar c
=𝑐(2𝑣1 − 𝑣1 , 𝑣1 , 𝑣2 ) =𝑐(2𝑢1 − 𝑢1 , 𝑢1 , 𝑢2 )
∴ 𝑇(𝑐𝑣) = 𝑐𝑇(𝑣) ∴ 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)

Demuestre que la función 𝑇: ℝ2 → ℝ2 , definida por


𝑥 2𝑥
T [𝑦 ] = [ ]
𝑦
Es una transformación lineal.
Demostrar
1) 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
Definimos los vectores → 𝐿𝑎 𝑠𝑢𝑚𝑎
𝑥1 𝑥2 𝑥1 𝑥2
𝑢 = [𝑦 ] 𝑦 𝑣 = [𝑦 ] 𝑢 + 𝑣 = [𝑦 ] + [𝑦 ]
1 2 1 2

𝑥 + 𝑥2
𝑇(𝑢 + 𝑣) = 𝑇 [𝑦1 + 𝑦2 ]
1

Sustituyendo en la definición
2(𝑥1 + 𝑥2 ) = 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
=[ ]
𝑦1 + 𝑦2
2𝑥1 2𝑥
=[ ] + [ 1]
𝑦1 𝑦2

18 de octubre de 2023
Dada la transformación lineal 𝑇: ℝ3 → ℝ3 , definida por
𝑇(𝑣1 , 𝑣2 , 𝑣3 ) = (𝑣1 + 𝑣2 + 𝑣3 , 2𝑣1 − 3𝑣2 + 4𝑣3 , 3𝑣1 + 2𝑣2 + 5𝑣3 )
Determine:
1. La imagen de v= (2,-1,3)
2. La preimagen de v= (3,1,8)
3. La imagen de w= (2,-1,3)
(2 + (−1) + 3), 2(2) − 3(−1) + 4(3), 3(2) + 2(−1) + 5(3)
(4,19,19) → 𝐼𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 (2, −1,3)

La preimagen de w= (3,1,8)
𝑣1 + 𝑣2 + 𝑣3 = 3
2𝑣1 − 3𝑣2 + 4𝑣3 = 1
3𝑣1 + 2𝑣2 + 5𝑣3 = 8
𝑃𝑟𝑒𝑖𝑚𝑎𝑔𝑒𝑛 (−5,6, −3)

Demuestre que la función 𝑇: ℝ2 → ℝ3 , definida por

𝑥 3𝑥
T [𝑦] = [4𝑦]
𝑦
Es una transformación lineal.
Demostrar
1) 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)

Definimos los vectores → 𝐿𝑎 𝑠𝑢𝑚𝑎


𝑥1 𝑥2 𝑥1 𝑥2
𝑢 = [𝑦 ] 𝑦 𝑣 = [𝑦 ] 𝑢 + 𝑣 = [𝑦 ] + [𝑦 ]
1 2 1 2

𝑥 + 𝑥2
𝑇(𝑢 + 𝑣) = 𝑇 [𝑦1 + 𝑦2 ]
1

Sustituyendo en la definición = 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)


3𝑥1 + 3𝑥2
= [4𝑦1 + 4𝑦2 ]
𝑦1 + 𝑦2
3𝑥1 3𝑥2
=[4𝑦1 ] + [4𝑦2 ]
𝑦1 𝑦2

𝑇(𝑐𝑣) = 𝑐𝑇(𝑣)
𝑥2 𝑐𝑥2
𝑐𝑣 = 𝑐 [𝑦 ] = 𝑐𝑦
2 2
𝑐𝑥2
𝑇𝑐(𝑣) = 𝑇 [𝑐𝑦 ]
2

Sustituyendo en la definición
3(𝑐𝑥2 ) 𝑇(𝑐𝑣) = 𝑐𝑇(𝑣)
= [4(𝑐𝑦2 )]
𝑐𝑦2
3𝑥2
=𝑐 [4𝑦2 ]
𝑦2

Pruebe si la función 𝑇: ℝ2 → ℝ3 , definida por


𝑥 𝑥−𝑦
𝑇 [𝑦 ] = [ 𝑦 − 𝑧 ]
𝑧 𝑧−𝑥
Definimos los vectores
𝑥1 𝑥2 → 𝐿𝑎 𝑠𝑢𝑚𝑎
𝑣1 = [ ] 𝑦 𝑣2 = [𝑦2 ]
𝑦1 𝑥1 + 𝑥2
𝑧1 𝑧2
𝑣1 + 𝑣2 = [𝑦1 + 𝑦2 ]
𝑧1 + 𝑧2
𝑥1 + 𝑥2
𝑇(𝑢 + 𝑣) = 𝑇 [𝑦1 + 𝑦2 ]
𝑧1 + 𝑧2

Sustituyendo en la definición
𝑇(𝑣1 + 𝑣2 ) = 𝑇(𝑣1 ) + 𝑇(𝑣2 )
(𝑥1 + 𝑥2 ) − (𝑦1 + 𝑦2 )
= [(𝑦1 + 𝑦2 ) − (𝑧1 + 𝑧2 ) ]
(𝑧1 + 𝑧2 ) − (𝑥1 + 𝑥2 )

(𝑥1 − 𝑦1 ) + (𝑥2 − 𝑦2 )
= [ (𝑦1 − 𝑧1 ) + (𝑦2 − 𝑧2 ) ]
(𝑧1 − 𝑥1 ) + (𝑧2 − 𝑥2 )
𝑥1 − 𝑦1 𝑥2 + 𝑦2
=[ 𝑦1 − 𝑧1 ] + [ 𝑦2 − 𝑧2 ]
𝑧1 − 𝑥1 𝑧2 + 𝑥2

Demostrar

𝑇(𝑐𝑣1 ) = 𝑐𝑇(𝑣1 ) 𝑇(𝑐𝑣2 ) = 𝑐𝑇(𝑣2 )

𝑐𝑥1 𝑐𝑥2
𝑇(𝑐𝑣1 ) = 𝑇 [𝑐𝑦1 ] 𝑇(𝑐𝑣2 ) = 𝑇 [𝑐𝑦2 ]
𝑐𝑧1 𝑐𝑧2

Sustituyendo Sustituyendo
𝑐𝑥1 − 𝑐𝑦1 𝑐𝑥2 − 𝑐𝑦2
= [ 𝑐𝑥1 − 𝑐𝑧1 ] = [ 𝑐𝑥2 − 𝑐𝑧2 ]
𝑐𝑧1 − 𝑐𝑥1 𝑐𝑧2 − 𝑐𝑥2
𝑥1 − 𝑦1 𝑥2 − 𝑦2
= 𝑐 [𝑥2 − 𝑧1 ] = 𝑐 [ 𝑥2 − 𝑧2 ]
𝑧1 − 𝑥1 𝑧2 − 𝑥2

= 𝑐𝑇(𝑣1 ) = 𝑐𝑇(𝑣2 )
20 de octubre de 2023
Verifique si la transformación 𝑇: ℝ4 → ℝ3 , es verdadera
Sea
𝑥 2𝑥 + 2𝑦 − 2
𝑦
[ 𝑧 ] = [3𝑥 − 𝑦 + 2𝑧 ]
𝑤 2𝑥 + 5𝑧

Definimos los vectores


𝑥1 𝑥2 → 𝐿𝑎 𝑠𝑢𝑚𝑎
𝑦1 𝑦2
𝑣1 = [ 𝑧1 ] 𝑦 𝑣2 = [ 𝑧2 ] 𝑥1 + 𝑥2
𝑤1 𝑤2 𝑦 + 𝑦2
𝑣1 + 𝑣2 = [ 𝑧1 𝑧2 ]
1
𝑤1 + 𝑤2

Sustituyendo Separamos

2(𝑥1 + 𝑥2 ) + 2(𝑦1 + 𝑦2 ) − (𝑧1 + 𝑧2 ) 2𝑥1 + 2𝑦1 − 𝑧1 2𝑥2 + 2𝑦2 − 𝑧2


= [3(𝑥1 + 𝑥2 ) + (𝑦1 + 𝑦2 ) + 2(𝑧1 + 𝑧2 )] = [3𝑥1 − 𝑦1 + 2𝑧1 ] + [3𝑥2 − 𝑦2 + 2𝑧2 ]
2(𝑥1 + 𝑥2 ) + 5(𝑧1 + 𝑧2 ) 2𝑥1 + 5𝑧1 2𝑥2 + 5𝑧2

2𝑥1 + 2𝑥2 + 2𝑦1 + 2𝑦2 − 𝑧1 − 𝑧2 𝑇(𝑣1 + 𝑣2 ) = 𝑇(𝑣1 ) + 𝑇(𝑣2 )


=3𝑥1 + 3𝑥2 − 𝑦1 − 𝑦2 + 2𝑧1 + 2𝑧2
2𝑥1 + 2𝑥2 + 5𝑧

Demostrar

𝑇(𝑐𝑣2 ) = 𝑐𝑇(𝑣2 )
𝑇(𝑐𝑣1 ) = 𝑐𝑇(𝑣1 )
𝑐𝑥2
𝑐𝑥1
𝑐𝑦
𝑐𝑦 𝑇(𝑐𝑣2 ) = 𝑇 [ 𝑐𝑧2 ]
𝑇(𝑐𝑣1 ) = 𝑇 [ 𝑐𝑧1 ] 2
1 𝑐𝑤2
𝑐𝑤1
Sustituyendo
Sustituyendo
2𝑐𝑥2 + 2𝑐𝑦2 − 𝑐𝑧2
2𝑐𝑥1 + 2𝑐𝑦1 − 𝑐𝑧1
= [3𝑐𝑥2 − 𝑐𝑦2 + 2𝑐𝑧2 ]
= [3𝑐𝑥1 − 𝑐𝑦1 + 2𝑐𝑧1 ]
2𝑐𝑥2 + 5𝑐𝑧2
2𝑐𝑥1 + 5𝑐𝑧1
2𝑥2 + 2𝑦2 − 𝑧2
2𝑥1 + 2𝑦1 − 𝑧1
= 𝑐 [3𝑥2 − 𝑦2 + 2𝑧2 ]
= 𝑐 [3𝑥1 − 𝑦1 + 2𝑧1 ]
2𝑥2 + 5𝑧2
2𝑥1 + 5𝑧1

= 𝑐𝑇(𝑣2 )
= 𝑐𝑇(𝑣1 )
Propiedades de las transformaciones lineales
Sea T una transformación lineal de v en w donde u y v ∈ V
1) 𝑇(0) = 0
2) 𝑇(−𝑣) = −𝑇(𝑣)
3) 𝑇(𝑢 − 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)
4) 𝑆𝑖 𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 + ⋯ 𝑐𝑛 𝑣𝑛

→ 𝑇(𝑣) = 𝑐1 𝑇(𝑣1 ) + 𝑐2 𝑇(𝑣2 ) + 𝑐3 𝑇(𝑣3 ) … 𝑐𝑛 𝑇(𝑣𝑛 )


∀𝑃. 1) 𝑣𝑒𝑟 𝑞𝑢𝑒 𝑜𝑣 = 𝑜 → 𝑇(𝑜𝑣) = 𝑜𝑇(𝑣) = 𝑜
∀𝑃. 2) 𝑣𝑒𝑟 𝑞𝑢𝑒 − 𝑣 = −1𝑣 → 𝑇(−𝑣) = 𝑇(−1𝑣) = −𝑇(𝑣)
∀𝑃. 3) 𝑣𝑒𝑟 𝑞𝑢𝑒 𝑢 + (−𝑣) = 𝑢 − 𝑣 → 𝑇[𝑢 + (−𝑣)] = 𝑇(𝑢 − 𝑣) = 𝑇(𝑢) − 𝑇(𝑣)

Definición
Conjunto base.
Hoy es el conjunto generador que tiene el mínimo necesario de vectores para
descubrir un espacio vectorial.
Conjunto base (E)
𝑒1 = (1,0)
1) ∀𝐸 ∈ ℝ2 → 𝐸 = { }
𝑒2 = (0,1)
La combinación lineal es
𝑣 = 𝑐1 𝑒1 + 𝑐2 𝑒2
Con 𝑣 ∈ ℝ2 𝑦 𝑣 = (𝑐1 , 𝑐2 )
2) ∀𝐸 ∈ ℝ3
𝑒1 = (1,0,0)
→ 𝐸 = [𝑒2 = (0,1,0)]
𝑒3 = (0,0,1)

𝑣 = 𝑐1 𝑒1 + 𝑐2 𝑒2 + 𝑐3 𝑒3
𝑐𝑜𝑛 𝑣 = ℝ3 y v= (𝑐1 , 𝑐2 , 𝑐3 )

𝐸𝑗𝑒𝑚𝑝𝑙𝑜.
La propiedad 4)
Sea t una transformación lineal de ℝ2 𝑎 ℝ2 tal que
𝑇(1,0) = (1,1)
𝑇(0,1) = (−1,1)
𝐸𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑒 𝑇(1,4)
Solución:
El vector v= (1,4)
La combinación lineal 𝐸 ∈ ℝ2
𝑣 = 𝑐1 𝑒1 + 𝑐2 𝑒2
𝑣 = 1(1,0) + 4(0,1)
𝐸𝑠𝑡𝑜 𝑒𝑠
(1,4) = 1(1,0) + 4(0,1)
Demostración

𝑇(𝑣) = 𝑐1 𝑇(𝑣1 ) + 𝑐2 𝑇(𝑣2 ) 1 −4


=[ ]+[ ]
1 4
𝑇(1,4) = 1𝑇(1,0) + 4𝑇(0,1)
−3
𝑇(𝑣) = [ ]
1 5
→ 𝑇 [ ] = 1(1,1) + 4(−1,1)
4
1 1 −1
→ 𝑇[ ] = 1[ ]+ 4[ ]
4 1 1

Sea T: ℝ4 → ℝ4 tal que


T (1,0,0,0) = (2,1, -1,2)
T (0,1,0,0) = (-1,2,3,1)
T (0,0,1,0) = (0,1, -2,2)
T (0,0,0,1) = (-1, -2, -3,2)
Determine
T(v) = (-1,2, -2,3)
El vector
v = (-1,2,-2,3)
Combinación lineal
𝑣 = 𝑐1 𝑒1 + 𝑐2 𝑒2 + 𝑐3 𝑒3 + 𝑐4 𝑒4
→ (−1,2, −2,3) = −1(1,0,0,0) + 2(0,1,0,0) − 2(0,0,1,0) + 3(0,0,0,1)
La transformación
→ 𝑇(−1,2, −2,3) = −1𝑇(1,0,0,0) + 2𝑇(0,1,0,0) − 2𝑇(0,0,1,0) + 3𝑇(0,0,0,1)
2 −1 0 −1
= −1 [ 1 ] + 2 [ 2 ] − 2 [ 1 ] + 3 [−2]
−1 3 −2 −3
−2 1 2 2
−2 −2 0 −3 −7
−5
𝑇(𝑣) = [−1] + [ 4 ] + [−2] + [−6] = [ ]
1 2 4 −9 2
2 2 −4 6 6

Sea t una transformación lineal de ℝ3 𝑎 ℝ3 tal que


T (1,0,0) = (2, -1,4)
T (0,1,0) = (1,5, -2)
T (0,0,1) = (0,3,1)
Determine T (2,3, -2)
El vector 𝑣 = (2,3, −2)
Combinación lineal
𝑣 = 𝑐1 𝑒1 + 𝑐2 𝑒2 + 𝑐3 𝑒3
→ (2,3, −2) = 2(1,0,0) + 3(0,1,0) − 2(0,0,1)
La transformación
→ 𝑇(2,3, −2) = 2𝑇(1,0,0) + 3𝑇(0,1,0) − 2𝑇(0,0,1)
2 1 0
= 2 [−1] + 3 [ 5 ] − 2 [3] La combinación de los
4 −2 1 vectores da como resultado
4 3 0 7 7
∴ 𝑇(𝑣) = [−2] + [ 15 ] + [−6] = [7] un nuevo vector [7]
8 −6 −2 0 0
6 de noviembre de 2023
El kernel o núcleo de una transformación lineal.
Para cualquier transformación lineal 𝑇: 𝑉 → 𝑊, el vector cero en V mapea el
vector cero en W.
Es decir, lo importante es analizar si existen otros vectores v tales que 𝑇(0) = 0
El conjunto de todos los elementos de V se denomina kernel de T
Se escribe 𝑘𝑒𝑟𝑛 (𝑇)
Definición.
Sea 𝑇: 𝑉 → 𝑊, una transformación lineal. Entonces el conjunto de todos los
vectores en V que cumplen 𝑇(0) = 0 se denominan 𝑘𝑒𝑟𝑛 (𝑇)
Ejemplos:
Encuentra el kernel de una transformación lineal 𝑇: ℝ2 → ℝ3 , definida por:
𝑇(𝑥, 𝑦) = (𝑥 − 2𝑦, 0, −𝑥)

Solución:
Para encontrar el 𝐾𝑒𝑟𝑛 (𝑇) es necesario determinar los vectores:
𝑥
𝑣 = [𝑦 ]

𝑥 𝑥 − 2𝑦 0
𝑇(𝑥, 𝑦) = [𝑦] = [ 0 ] = [0]
−𝑥 0
Resolvemos el sistema
𝑥 − 2𝑦 = 0
0 = 0
−𝑥 = 0
Despejamos a x de la ecuación 3
𝑥=0
Sustituyendo en la ecuación 1
0 − 2𝑦 = 0
∴𝑦=0
La solución
𝑥 0
∴ [𝑦] = [ ]
0
𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = {(0,0)} = {0}
Encuentre el 𝑘𝑒𝑟𝑛 (𝑇) de la transformación lineal
𝑇: ℝ3 → ℝ2 definida por 𝑇(𝑥) = 𝐴𝑥, donde

1 −1 2
𝐴=[ ]
−1 2 3
Solución

El kernel es el conjunto de las [


1 −1 2
]
−1 2 3
𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 tales que:
𝑥1
1 −1 2 𝑥 0
[ ] [ 2] = [ ]
−1 2 3 𝑥 0
3
𝑥1
0 Formamos el sistema de ecuaciones
𝑇 [𝑥2 ] = [ ]
𝑥3 0
𝑥1 − 𝑥2 − 𝑥3 = 0
De la definición. −𝑥1 + 𝑥2 + 𝑥3 = 0

𝑇(𝑥) = 𝐴𝑥 La matriz aumentada:


1 −1 −2 ⋮ 0
O bien [ ]
−1 2 3 ⋮ 0
𝐴𝑥 = 𝑇(𝑥)

1 −1 −2 ⋮ 0 La matriz arroja el sistema


[ ]
−1 2 3 ⋮ 0
𝑥1 −𝑥3 =0
1 −1 −2 ⋮ 0 𝑥2 +𝑥3 =0
[ ]
0 1 1 ⋮ 0
Despejar 𝑥1 de la ecuación 1 en
Forma escalonada.
𝑥2 de la ecuación 2
1 0 −1 ⋮ 0
[ ] Entonces
1 1 ⋮ 0
𝑥1 = 𝑥3
𝑥2 = −𝑥3
Empleando parámetro: 𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = {𝑡(1, −1,1)}
Si 𝑡 = 𝑥3 Si t=0
Entonces Entonces
𝑥1 = 𝑡 𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = 0(1, −1,1) = (0,0,0)
𝑥2 = −𝑡
𝑥3 = 𝑡 Si t=1

La solución Entonces
𝑥1 𝑡 1 𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = 1(1, −1,1) = (1, −1,1)
[𝑥2 ] = [−𝑡] = 𝑡 [−1] = 𝑡(1, −1,1)
𝑥3 𝑡 1 Si t=2
Entonces
𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = 2(1, −1,1) = (2, −2,2)

Observamos que el vector cer0 (0,0,0) está en el 𝑘𝑒𝑟𝑛(𝑇)aunque hay otros


vectores diferentes de cero.

Sea 𝑇: ℝ5 → ℝ4 definida por 𝑇(𝑥) = 𝐴𝑥, donde 𝑥 ∈ ℝ5

𝑥1
1 2 0 1 −1 𝑥2 0
2 1 3 1 0 ] = 𝑥 = [0 ]
𝐴 = [−1 0 −2 3
0 1 𝑥4 0
0 0 0 2 8 [𝑥 ] 0
5

Encuentre una base para el 𝑘𝑒𝑟𝑛(𝑇)


El kernel es el conjunto de las
𝑥 = (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ) ∈ ℝ5 tales
que:
𝑥1
𝑥2 0
0
𝑇 𝑥3 = [ ]
𝑥4 0
[𝑥5 ] 0

De la definición dada
𝑇(𝑥) = 𝐴𝑥
O bien
𝐴𝑥 = 𝑇(𝑥)
1 2 0 1 −1
2 1 3 1 0]
[−1 0 −2 0 1
0 0 0 2 8
𝑥1
1 2 0 1 −1 𝑥 0
2
2 1 3 1 0] 𝑥3 = [0]
[−1 0 −2 0 1 𝑥 0
4
0 0 0 2 8 [𝑥 ] 0
5

Formamos el sistema de ecuaciones

𝑥1 + 2𝑥2 + 0 + 𝑥4 − 𝑥5 = 0
2𝑥1 + 𝑥2 + 3𝑥3 + 𝑥4 + 0 = 0
−𝑥1 + 0 − 2𝑥3 + 0 + 𝑥5 = 0
0 + 0 + 0 + 2𝑥4 + 8𝑥5 = 0
La matriz aumentada
1 2 0 1 −1 ⋮ 0
2
[−1 1 3 1 0 ⋮ 0]
0 −2 0 1 ⋮ 0
0 0 0 2 8 ⋮ 0

Solución: 𝑥1 −2𝑤 + 𝜃
𝑥2 𝑤 + 2𝜃
1 0 2 0 −1 ⋮ 0
0 0 −2 ⋮ 0 𝑥 𝑥3 = 𝑤 + 0𝜃
[0 1 −1 𝑥4
0 0 1 4 ⋮ 0] 0𝑤 − 4𝜃
[𝑥5 ] [ 0𝑤 + 𝜃 ]
0 0 0 0 0 ⋮ 0
El sistema obtenido es: −2𝑤 𝜃
𝑤 2𝜃
𝑥1 + 2𝑥3 − 𝑥5 = 0 = 𝑤 + 0𝜃
0𝑤 −4𝜃
𝑥2 − 𝑥3 − 2𝑥5 = 0 [ 0𝑤 ] [ 𝜃 ]
𝑥4 + 4𝑥5 = 0
−2 1
Despejar 𝑥1 de la ecuación 1 e 𝑥2 de la ecuación 2 y 1 2
𝑥4 de la ecuación 3. =𝑤 1 +𝜃 0
0 −4
𝑥1 = −2𝑥3 + 𝑥5 [0] [1]
𝑥2 = 𝑥3 + 2𝑥5
∴ 𝐵𝑎𝑠𝑒 𝑑𝑒 𝑘𝑒𝑟𝑛(𝑇)
𝑥4 = − 4𝑥5
Parámetros 𝐵{(−2,1,1,0,0), (1,2,0, −4,1)}

𝑆𝑖 𝑤 = 𝑥3 𝑒 𝜃 = 𝑥5 𝑤=0 𝜃=0
8 de noviembre de 2023
Se considera la transformación
𝑇: ℝ2 → ℝ2 , tal que
𝑥 𝑥 + 2𝑦
𝑇 [𝑦] = [ 𝑦 − 𝑧 ]
𝑧 𝑥 + 2𝑧
Verifique si el vector (2, −1, −1) pertenece al 𝑘𝑒𝑟𝑛(𝑇)
Condición
𝑇(𝑥) = 0
Entonces
𝑥 2 𝑥 + 2𝑦
𝑇 [𝑦] = 𝑇 [−1] = [ 𝑦 − 𝑧 ]
𝑧 −1 𝑥 + 2𝑧
2 2 + 2(−1) 0
𝑇 [−1] = [ −1 − (−1) ] = [0 ]
−1 2 + 2(−1) 0

∴ (2, −1, −1) ∈ 𝑘𝑒𝑟𝑛(𝑇)

Encuentra el kernel de una transformación lineal 𝑇: ℝ2 → ℝ3 , definida por:

𝑥 2𝑥 + 𝑦
𝑇 [𝑦 ] = [ 0 ]
𝑥
𝑥 2𝑥 + 𝑦 0
𝑇(𝑣) = 𝑇 [𝑦] = [ 0 ] = [0]
𝑥 0
Resolvemos
2𝑥 + 𝑦 = 0
0 = 0
𝑥 = 0
Por lo tanto, x=0
2(0) + 𝑦 = 0
0+𝑦 = 0
𝑦 = 0

𝑥 0
∴ [𝑦] = [0]
0
𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = {(0,0)} = {0}
El vector cero este contenido en el núcleo de la transformación lineal o bien el
𝑘𝑒𝑟𝑛(𝑇) tiene un único vector cero.

Encuentre el 𝑘𝑒𝑟𝑛 (𝑇) de la transformación lineal


𝑇: ℝ3 → ℝ2 definida por 𝑇(𝑥) = 𝐴𝑥, donde

𝑥1
1 −2 0 𝑥 0
𝐴=[ ] = [ 2] = [ ]
−1 1 2 𝑥 0
3

El sistema obtenido es
𝑥1 − 2𝑥2 + = 0
−𝑥1 + 𝑥2 + 2𝑥3 = 0
La matriz aumentada
1 −2 0
[ ]
−1 1 2
1 −2 0
[ ]
0 −1 2
1 0 −4
[ ]
0 −1 2

El sistema queda
𝑥1 − 4𝑥3 = 0
− 𝑥2 + 2𝑥3 = 0

Despejamos 𝑥1 de la ecuación 1 y 𝑥2 de la ecuación 2


𝑥1 = 4𝑥3
𝑥2 = 2𝑥3
parámetro para 𝑡 = 𝑥3
𝑥1 = 4𝑡
𝑥2 = 2𝑡
𝑥3 = 𝑡
La solución
𝑥1 4𝑡 2
𝑥
[ 2 ] = [2𝑡] = 𝑡 [4]
𝑥3 𝑡 2
𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = {𝑡(4,2,1)}
Encuentre el 𝑘𝑒𝑟𝑛 (𝑇) de la transformación lineal
𝑇: ℝ2 → ℝ3 definida por 𝑇(𝑥) = 𝐴𝑥, donde
1 2 𝑥1 0
𝐴 = [1 −1] = [𝑥 ] = [0]
2
−2 0 0
Sistema de ecuaciones
𝑥1 + 2𝑥2 = 0
𝑥1 − 𝑥2 = 0
−2𝑥1 = 0
La matriz aumentada
1 2
[ 1 −1]
−2 0
1 2
[ 0 −3]
−2 0
1 2
[0 −3]
0 4
Nos da
𝑥1 + 2𝑥2 = 0
3𝑥2 = 0
4𝑥2 = 0
Entonces
𝑥1 = 0
𝑥2 = 0
𝐸𝑙 𝑘𝑒𝑟𝑛(𝑇) = {(0,0)} = {0}
10 de noviembre de 2023

Rango de una transformación lineal


El kernel es uno de los subespacios críticos asociados con una transformación
lineal.
El es el rango (o alcance) de la T
Denotada por rango (T)
Hay que recordar que el rango de
𝑇: 𝑉 → 𝑊 es el conjunto de todos los vectores en V
Esto es:
𝑟𝑎𝑛𝑔𝑜 (𝑇) = {𝑇(𝑣): 𝑣 ∈ 𝑉}
Teorema
El rengo de T es un subespacio de w
El rango de una transformación lineal.
𝑇: 𝑉 → 𝑊 es un subespacio de w
Esto es: Kernel

Dominio

Rango

Cambio

Observamos que el rango y kernel de T de una 𝑇: 𝑉 → 𝑊 son subespacios de V


e W.
Para hallar una base para el rango de una transformación lineal definida por
𝑇(𝑥) = 𝐴(𝑥) se observa que el rango consta de todos los vectores b tales que
el sistema 𝐴𝑥 = 𝑏 es consistente.
Así al escribir el sistema.
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
𝑎22 𝑎22 𝑎23 … 𝑎2𝑛 𝑥2 𝑏2
𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 𝑥3 = 𝑏3
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 𝑎𝑚4 ] 𝑛 ] [𝑏𝑛 ]
[ 𝑥

En la forma.
𝑎11 𝑎12 𝑎13 𝑎1𝑛 𝑏1
𝑎21 𝑎22 𝑎23 𝑎2𝑛 𝑏2
𝑎 𝑎 𝑎 𝑎
𝐴𝑥 = 𝑥1 31 + 𝑥2 32 + 𝑥3 33 + ⋯ 𝑥𝑛 3𝑛 = 𝑏3 = 𝑏
⋮ ⋮ ⋮ ⋮ ⋮
[𝑎𝑚1 ] [𝑎𝑚2 ] [ 𝑎 𝑚3 ] [𝑎𝑚𝑛 ] [𝑏𝑛 ]

Se observa que b pertenece al rango de T ↔ b es una combinación lineal de


los vectores columna de A.
Por tanto, el espacio generado (gen) por las columnas de A es el mismo que el
rango de T.
Corolario:
Sea 𝑇: ℝ𝑛 → ℝ𝑚 , la transformación lineal definida por 𝑇(𝑥) = 𝐴𝑥 → el espacio
generado por las columnas de A es igual al rango de T.
Ejemplo:
Sea 𝑇: ℝ5 → ℝ4 definida por 𝑇(𝑥) = 𝐴𝑥, donde 𝑥 ∈ ℝ5

1 2 0 1 −1
𝐴=[ 2 1 3 1 0]
−1 0 −2 0 1
0 0 0 2 8
Encuentre una base para el rango de T.
Solución.
Realizaremos el mismo procedimiento en este ejercicio ya visto, hasta llegar a
la forma escalonada
Donde

1 2 0 1 −1 1 0 2 0 −1
[2 1 3 1 0 ]→ [0 1 −1 0 −2]
−1 0 −2 0 1 0 0 0 1 4
0 0 0 2 8 0 0 0 0 0
Observa que los 1 principales aparecen en las columnas 1,2,4 de la matriz
reducida y las correspondientes vectores columnas de A forman una base del
espacio columna de A.
Así una base del rango de T es:
𝐵 = {(1,2, −1,0), (2,1,0,0), (1,1,0,2)}

Rango y Nulidad de una Transformación


Hasta hoy vimos el concepto del kernel de una transformación.
Como:
𝑇: 𝑉 → 𝑊 𝑜 𝑏𝑖𝑒𝑛 𝑇: ℝ𝑛 → ℝ𝑚
↔ A es una matriz cuadrada n x n o bien de tamaño arbitrario n x m.
Nota
Hay que recordar que el 𝑘𝑒𝑟𝑛(𝑇) le llamamos núcleo de la transformación o
bien espacio nulo.
→ 𝑘𝑒𝑟𝑛(𝑇) = 𝑁𝑇 = {𝑋 ∈ ℝ𝑛 : 𝐴𝑥 = 0}
Donde el 𝑘𝑒𝑟𝑛(𝑇) es el conjunto de soluciones del sistema homogéneo.
Nulidad de una Transformación.
Tenemos ahora el concepto de nulidad de una matriz denotada 𝑉(𝐴) y la
definiremos como la dimensión del núcleo o bien del 𝑘𝑒𝑟𝑛(𝑇).
Es decir, la cantidad de vectores base obtenida en la transformación.

Esto es 𝑉(𝐴) = dim(𝑘𝑒𝑟𝑛(𝑇)) 𝑜 𝑏𝑖𝑒𝑛 𝑉(𝐴) = dim (𝑁𝑇)

También podría gustarte