1.

1 V E C T O R E S

(Dumar Villa)

1.1.1 Denicion y ejemplos de vectores

Los vectores son u tiles, principalmente, porque permiten representar un grupo de datos como una
entidad que se puede manipular con efectividad matematica. Intuitivamente, un vector es una
lista ; por lo cual es una idea que resulta de gran valor en aplicaciones economicas y en general en
ciencias sociales. Piense de una lista como una coleccion de objetos ordenados. Esa es la idea de
un vector. Su denicion formal es esta:

 N 1
D EFINICI O Un vector es una coleccion de nu meros ordenados en una la ( vector la ) o en
una columna ( vector columna ) . Los nu meros que componen un vector se llaman sus componentes.
El nu meros de componentes en un vector se llama la dimensio n del vector.

Ya que es usual manipular conjuntamente vectores con cantidades numericas, es costumbre referirse
a estas u ltimas ( nu meros) como escalares.

NO TACIO N D E VECTO RES

Hay una gran diversidad de maneras de representar un vector. Todo depende de la disciplina
particular y los gustos de quien los representa. En este curso representaremos un vector por una
letra minu scula con doble raya, como u v etc. Por su parte, las componenetes del vector se
; ;

representan con la misma letra italica, indicando su posicion. En terminos generales, si hablamos
de un vector x de componentes, la o columna, escribiremos, respectivamente:
n

x= ( x 1;


; x n) ( vector la) ; o
0 1
1y

y = B@ ... CA ( vector columna) :

yn
Si u es un vector la, entonces, ut representa el vector columna que consta de las mismas com-
ponentes de u pero ordenados en una columna. Analogamente, si u es un vector columna, ut
representa el vector la que consta de las mismas componentes de u, pero ordenadas en una la.
Por ejemplo, en los vectores anteriores se tiene:

1
2 1 Vect ore s y mat rice s

0 1
x 1
x t
= ( x1 ;


; x n)
t
= @ ... A
xn

0 1t
y 1
B .. C
y t
= @ . A = ( y1 ;


; yn )
t
:

yn

Es facil ver que ( u t t

) = u. En sntesis,
u es un vector la () u t
es un vector columna.

Se dice que dos vectores ( la o columna) son iguales, si tienen el mismo nu mero de componentes,
y ellas son respectivamente iguales. As, para
   
u = ( 3; 1 ) ; b =
3

1
; w = ( 3; 1 ) ; y x =
1

3
;

vemos que u w, = pero u b =

6 y b x. =
6


El orden de las componentes de un vector es fundamental. Ordenes diferentes representan vectores
diferentes. Por ejemplo, ( 3 1 ) = ( 1 3 ) . ; 6 ;

Es posible denir un orden parcial entre vectores de la misma dimension: Dados dos vectores,
u=( 1 u n) y b = ( 1
;


; u n ) , se dice que
v u b si y solo si, i
;


; v i = 1 .  u  v ; 8i ;


; n

La denicion es analoga para vectores columna. De otro lado, se dice que u b , si y solo si, 

b u. Si es falso que u b y b u, se dice que los vectores u y b no son comparables.

  

1.1.2 Adicion de vectores

 N 2
D EFINICI O Si a 1 2 = (a ; a ;


; an ) y b = ( b1 ; b 2;


; bn ) , el vector suma de ayb
se denota por a b y esta dado por
+

a b+ = ( a1 + b 1; a 2 + b 2;


; an + bn ) :

Observe que para sumar vectores la se requiere que tengan la misma dimension ( el mismo nu mero
de componentes) . La suma de vectores columna se dene de manera similar. De otro lado, ya
que la suma de vectores se realiza en sus componentes numericas, dicha suma es conmutativa y
asociativa. Esto es, si a, b y c son vectores ( la o columna) , entonces,

a b b a
+ = + y a + ( b c + ) = ( a b + ) + c :

Un vector muy importante es aquel que tiene 0 en todas sus componentes, el cual se conoce como
vector cero y se denota por o . El vector cero de tres componentes es o =( 0, 0, 0) . Debe ser
claro que, si a es cualquier vector, y el vector o tiene el mismo nu mero de componentes que a ,
 1.1 Ve ct ore s 3

entonces, a+ o = a.
Otro tipo de vectores, de especial importancia, son los vectores unidad . Un vec tor unidad ,
denotado por ei , es aquel cuya i-esima componente es 1 y las demas son iguales a cero. Hay
exactamente tres vectores unidades de tres componentes:

e1 = (1 ; 0; 0) ; e2 = (0 1 ; ; 0) ; e3 ; ;
= (0 0 1) :
En este curso ei indicara siempre, un vector unidad, cuya dimension sera clara del contexto.

1.1.3 Multiplicacion por escalares

Una operacion basica sobre un vector es su re -e scalamie nto, la cual consiste en modicar la
escala o unidad de medida de sus componentes. Para re-escalar un vector, basta multiplicar
cada componente por una misma constante numerica no cero. Esta operacion se conoce como
o n p or escal ares .
mul ti pl i caci 

Formalmente, si  es un escalar y u es un vector de n componentes, u = ( u 1 ;


; u n) , entonces,


u = ( u 1 ; u 2 ;


; u n) :
Si u es un vector columna y  es un escalar, 
u se dene en forma analoga. La multiplicacion
por escalares se puede usar para denir vectores negativos. Si u es un vector de n componentes

u = ( 1)
u = ( u 1 ; u 2 ;


; u n) :
As, (3 ; ;
2 5) = ( 3 2; ; 5) . Ahora podemos introducir la resta de dos vectores u y b como:
u b u = + ( b ) . Esto es:

 N 3
D EFINICI O Si u = ( u 1 ; u 2 ;


; u n) y b = ( v 1 ; v 2 ;


; v n) , entonces,
u b = ( u1 v1 ; u2 v2 ;


; un v n) :
Como en el caso de la suma, para restar vectores se requiere que sean del mismo tipo ( la o
columna) y con el mismo nu mero de componentes. Debe ser claro que para cualquier vector a,
a a = o.
La notacion vectorial tiene una ventaja muy grande. Al denotar una coleccion ordenada de nu meros
por una letra como u , podemos tratar dicha coleccion como si fuera una sola entidad. Esto nos
permitira establecer relaciones muy complicadas de una manera mas simple. De otro lado, las dos
operaciones anteriores se pueden combinar para generar mas vectores. El resultado se llama una
comb inac io n lineal . Formalmente, la denici
on es la siguiente:

 N 4
D EFINICI O Una combi naci o n l i neal de m vectores, a1 ;


; a
m , es una expresion de
la forma
4 1 Vect ore s y mat rice s

1 a1 +


+ m am ;
en donde los i , son escalares, 8i = 1 ;


; m; .
Para ilustrar esta denicion, veamos que vector resulta de la combinacion lineal 2 a + 3 b c, si
tomamos a= ( 1 ; 3; 2) , = ( b
4; 0 ; 5 ) , y = ( 6; 1; 4) : c
2 a + 3 b c = 2( 1 ; 3; 2) + 3( ; ;
4 0 5) ( 6 ; 1 ; 4)

= (2 6 ; ; 4) + ( ; ;
1 2 0 1 5) + ( 6 1 ; ; 4) = ( ; ;
4 7 1 5) :
El vector ( 4; 7; 1 5 ) es una combinacion lineal de , y . Como un caso particular, note que un ab c
vector suma es una combinacion lineal de los vectores sumandos. Cuales son los escalares?

NO TA . La igualdad entre vectores es un concepto de gran utilidad. Con el, es posible

resolver un problema sobre una ecuacion vectorial, reducinendola, adecuadamente, a un conjunto
de ecuaciones lineales ordinarias. Para ilustrarlo, consideremos el siguiente ejemplo simple.

EJEM P L O 1 u
Si = (4 ; , ;
= ( 2; 1 ;
3 5) 3) b
y es un vector que satisface la ecuacion w
vectorial 5 u 2 w b,= Cuales seran las componentes de ? w

 N
S O L UCI O Aqu, w
debe tener tres componentes, digamos, = ( x; y; z ) . La idea para w
desarrollar este ejercicio se puede describir en tres pasos: Primero reemplazamos cada vector en
la ecuacion vectorial, por su expresion en componentes. Despues efectuamos y simplicamos las
operaciones indicadas. Finalmente, aplicamos la igualdad entre vectores:

5 u 2 w v)= 5( 4 ; 3 5); 2( x; y; z ) = (2 1 ; ; 3)

( 20 ; 1 5 25) ; (2 x; 2 y; 2 z ) = (2 1 ; ; 3)

( 20 2 x; 15 2 y; 2 5 2 z) = (2 1 ; ; 3) :
Igualando componente a componente en la u
 ltima ecuacion, resulta:

20 2x = 2 =) x = 9
15 2 y = 1 =) y = 8

25 2 z= 3 = ) z = 14 :
Por lo tanto, w = (9 ; ;
8 1 4) . 

1. 1. 4 Producto de vectores

El producto entre vectores de un mismo nu mero de componentes tiene importantes aplicaciones
teorico-practicas. Por razones que seran claras mas adelante, cuando estudiemos el producto de
 1.1 Ve ct ore s 5

matrices, este producto se realizara, siempre, entre un vector la y un vector columna. Esta no es
una limitacion seria, ya que u es un vector la si y solo si ut es un vector columna. El producto
entre vectores se llama, a veces, producto interior , producto punto o producto escalar. Para
ilustrar esta nocion, tomemos
0 20
1
B 35 C

c = (5 3; 0; 2; 1 ) y u = BB C
25 C
@ A
; :

80

75

El producto punto de los vectores c y u es el escalar dado por

0 20
1
BB 35 C
C
c
u = (5 3; 0; 2; 1)
B 25 C = 5  20 + 3  35 + 0  25 + 2  80 + 1  75 = 440
@ A
; :

80

75

No olvide que el producto de un vector la por un vector columna no es un vector si no un escalar.

 N 5
D EFINICI O Si u es un vector la y v es un vector columna, ambos con componentes, n

esto es, u = ( 1



u ; ; un) , y v = ( 1


n) t , el producto punto de u y v se denota por u
v
v ; ; v

y esta dado por

u
v= u 1 v1 + u 2 v2 +


+ n n
u v :

Como puede ver, el vector la se escribe antes del vector columna. Ahora bien, si u y v son ambos
vectores la, su producto se dene como u
vt , mientras que si son vectores columna, su producto
es ut
v. Tomando, por ejemplo, u = ( 1 3 1 ) y v = ( 2 0 1 ) , su producto punto es
; ; ; ;

u
vt = ( 1 ; 3; 1)
(2 ; 0; 1 )
t = ( 1 ) ( 2) + ( 3) ( 0) + ( 1)(1) = 1 :

1.1.5 Interpretacion geometrica

Desde el punto de vista algebraico, los vectores de interes tienen mucho mas de tres componentes,
digamos, cinco, diez, veinte, etc. Por esta razon no disponemos de una interpretacion fsica o
geometrica de ellos. Para los casos de dos o tres componentes, hay una interpretacion geome-
trica muy conveniente. Con el proposito de emplearla mas adelante, para explicar conceptos
vectoriales generales desde un punto de vista intuitivo, veremos las siguientes interpretaciones en
dos dimensiones:
6 1 Vectores y matrices

I1 . Vectores geome tricos

En un plano Cartesiano, un vector de dos componentes u = ( a; b) se puede interpretar, geome-

tricamente, como una echa que va del origen al punto de coordenadas a y b, como se muestra en
la gura 1 -a.

y y

b u=(a,b)
|| 2 u =( 2 , 2 )
||u 2
θ x
45o
x
2
a
(a) (b)
fig. 1

Desde el origen podemos llegar al punto de coordenadas ( a; b) , desplazandonos a unidades a lo

largo del eje x , y luego b unidades a lo largo de una recta paralela al eje y. La idea clave aqu es
que, en lugar de movernos en lnea recta, lo hacemos paralelamente a los ejes. Esta es la manera
como uno se desplaza en una ciudad, cuyas calles y carreras son paralelas y perpendiculares entre
s. En particular, el vector cero corresponde al origen, en cualquier sistema de coordenadas.

I2 . Magnitud y direccio n

Historicamente, los vectores se estudiaron primero en Fsica, para representar cantidades que tienen
magnitud y direcc io n. El caso mas sencillo es el de un desplazamiento, en el cual se debe indicar
la cantidad de desplazamiento ( o magnitud) y la direccion en la que se realiza el desplazamiento.
As, un desplazamiento de 2 metros, en direccion noreste ( 45 o al norte de la direccion positiva del
eje x ) , se puede representar por el vector ( la echa) que va del origen al punto de coordenadas
2 ) , como se ilustra en la gura 1 -b.
p p

( 2;

En la gura 1 -a, la magnitud del vector u, denotada por u , corresponde a la longitud de la j j j j

echa, mientras que su direccion esta indicada por la saeta. Geometricamente, la direccion de u,
denotada por  , se mide con el angulo que el vector forma con la direccion positiva del eje x .

A partir de las coordenadas del vector, se puede obtener su direccion y magnitud, usando la
tangente trigonometrica y el famoso teorema de Pitagoras. As, para u = ( a; b) , se tiene:
p
 = tan
1
( b=a) ; j j u j j = a2 + b2 :
 1.1 Ve ct ore s 7

Es facil extender la nocion de magnitud a vectores n-dimensionales. Para n componentes, la

magnitud de un vector u = ( u 1 ; u 2 ;


; u n) esta denida por la siguiente expresion:

q
j j uj j = u 21 + u 22 +


+ u 2n :

Por ejemplo, si a = ( 3 4) ; , y b = (1 ; 2 ; 3) , entonces,

p p p
j j aj j = ( 3)
2 + ( 4)
2 = 9 + 16 = 25 = 5

p p p
j j bj j = (1)
2 + ( 2)
2 + ( 3)
2 = 1 + 4+ 9 = 14 :

I 3. Mul tipl icaci on p or escal ares

En la representacion geometrica de un vector, un resultado importante es que la multiplicacion

por escalares no cambia la direccion del vector. Con respecto a la magnitud, esta operacion puede
interpretarse como una dilatacion o una contraccion, dependiendo de si el valor absoluto del escalar
es mayor o menor que 1 . Este es el contenido del siguiente teorema:

TEO REM A 1 Si  es un escalar y u = ( a; b) , entonces:

i) u y  u tienen la misma direccion.
ii) j j  uj j = j j
j j uj j .

P RUEBA Representando por  el angulo que marca la direccion del vector u , y por  , la
direccion de  u, y teniendo presente que  u =  ( a; b) = ( a; b) , las siguientes expresiones son
autoexplicativas:
 
b
i)  = tan 1
a
   
b b
 = tan 1
= tan
1
= 
a a
p p p
ii) j j  uj j = ( a) 2 + ( b) 2 = 2 a2 + b2 = j j
j j uj j : 

Si  > 0 , los vectores u y u tienen la misma direccion, pero si  < 0 , tienen direcciones opuestas,
como se muestra en la gura 2-b para  = 1 . Como un resultado, dado un vector no cero u,
todos los productos escalares  u generan un recta, que pasa por el origen, denotada, usualmente,
por L u : Esto es,
8 1 Vectores y matrices

L u = fu :  2 Rg :
y y
Lu
3u
αu
αb 3b P

u u
b b
x a 3a
x
a αa -u Q
(a) (b)
fig. 2

u
Todo punto en la recta L queda representado por un vector que va del origen a dicho punto. As,
u
en la gura 2-b, el punto P corresponde al vector 3 y Q al vector 1 . Si un vector esta en u b
u b u b
L , existe un escalar  tal que =  . En este caso, es un multiplo escalar de , y se dice que u
u b
y son colineales. Un poco de re exion nos permite ver que, dado un vector 6= , el conjunto u o
de todos sus mu ltiplos escalares, vectores de la forma  con  2 u
, forma una recta, llamada la R
recta generada por u u
y denotada por L ( ver gura 2) .

4
I . Adicion de vectores

Interpretando dos vectores, u

= ( a; b) y v
= ( c; d) , como dos desplazamientos. La suma + , u v
representa el punto de llegada a partir del origen, despues de realizar, primero, el desplazamiento
u v
y luego, el desplazamiento . Ya que u
indica un movimiento de a unidades a lo largo del eje
v
x mientras que senala otro de c unidades a lo largo del mismo eje x , debemos movernos a + c
unidades a lo largo del eje x .

y y

d
u+ v u-v
b+d

v d
v
b b
u b u
c a x c a x
a+c
( a)
fig. 3

Analogamente, los desplazamientos de b y d unidades, paralelos al eje y, correspondientes a uy

 1.1 Ve ct ore s 9

v, respectivamente, llevan a un desplazamiento total de b d paralelo a dicho eje. En sntesis, +

u v a c; b d , como se muestra en la gura 3-a. Esto muestra la equivalencia de la suma

+ = ( + + )

algebraica de vectores con la famosa ley del paralelogramo usada en Fsica elemental. En esa
misma ley, la diferencia de los vectores u v, corresponde al vector que va de la saeta de v a la
de . u
Es un buen ejercicio mostrar que, si el vector senalado en la gura 3-b como , se traslada u v
paralelamente hasta que su origen coincida con el del los ejes coordenados, el resultado corresponde
a la diferencia algebraica . u v

I 5. Pro ducto de vectores

El producto de dos vectores, denido como la suma algebraica de los productos de sus respectivas
componentes, tambien tiene una interpretacion geometrica importante. A pesar de la simplicidad
algebraica en su denicion, la operacion relaciona dos conceptos geometricos fundamentales en
G eometra Analtica Vectorial. Propiamente, la magnitud y el angulo entre dos vectores. Dicha
relacion esta expresada en el siguiente teorema:

TEO REM A 2 Si  es el angulo entre los vectores u y v,

u
v j j uj j
j j vj j
= cos : (1)

NO TA . El factor j j vj j
cos , corresponde a la proyeccion m de v sobre u ( ver g. 4-a) .

m
En efecto, = =) m = j j vj j
cos  :
j j vj j
cos

|| v||
||v|| || u-v||

α m α
||u||
(a) (b)
fig. 4

P RUEBA Tomemos u = ( a; b) y v = ( c; d) . Entonces, por denicion:

u v = ( a c ; b d) ; y u
v ac bd :
= +
10 1 Vect ore s y mat rice s

Ahora bien, usando la expresion para la magnitud de un vector, tenemos:

jju vj j p a c = ( )
2 + ( b d) 2 =)
j j u vj j a c 2
= ( )
2
+ ( b d) 2 = a2 2 ac + c2 + b2 2 bd + d2
= ( a2 + b2 ) + ( c2 + d2 ) 2( ac + bd) =)

jju vj j 2
= j j uj j 2 + j j vj j 2 2 u
v ( 2)

Para deducir ( 1 ) , basta usar el teorema del coseno aplicado al triangulo en la gura 3-b.
jju vj j 2
= j j uj j 2 + j j vj j 2 2 j j uj j
j j vj j cos  : ( 3)

Sustituyedo ( 2) en ( 3) y simplicando terminos semejantes, resulta:

j j uj j 2 + j j vj j 2 2 u
v j j uj j j j vj j
=
2
+
2
2 j j uj j
j j vj j cos  =)
u
v j j uj j
j j vj j
= cos : 
Ya que el valor del coseno esta entre 1 y 1 , es decir, j cos j  1 , el siguiente importante resultado
es una consecuencia inmediata del teorema anterior.

COROLARIO ( desigualdad de Schwartz)

Para cualquier par de vectores uyv de Rn,

j u
vj  j j uj j
j j vj j :

Si el angulo  , del teorema anterior, es = 2 , los vectores y son ortogonales ( perpendiculares) y u v

su producto escalar es cero, ya que cos( = 2 ) = 0 . Esto motiva la siguiente denicion, para vectores
de n componentes.

 N
D EFINICI O 6 Se dice que dos vectores u y v de n componentes, son o rtogonal es , si y
solo si, su producto escalar es cero.

E J E R C IC IO S

1. Tome u = ( 3; 5; 2) , v ;; = ( 6 5 4) , w ; ;
= ( 0 0 3) x y ; ; . Determine la correctez de
= (4 2 1)

las siguientes expresiones:

a) u v
 b) uw c) w u d) v> w
2. u v w x
Tome , , , , como en el ejercicio 1 y determine la verdad o falsedad de cada una de
las siguientes relaciones:
 1.1 Ve ct ore s 11

a) w x; < b) w xv;
+ c) v u  x; d) w x v u.
+ >

3. Con a = ( 2; 1 ; 8; 5) , b = ( 3; 2 ; 0 ; 4) , c = ( 1 ; 4; 0 ; 2) , efectu e las siguientes operaciones:

a) 5 a b; + b) 2 b; c) a b; d) 2 a + 3 b; e) 1
3 a;
f) 3 a 5 b + 4 c; g) a b c; h) 2 a b + 15 c.
4. Suponga que = (3 2 1 ) y que u ; ; v es un vector tal que 2 u + 3 v = o, con o = ( 0; 0; 0) .
Cuales son las componentes de ? v
5. Repita el ejercicio anterior tomando 2 u + 3 v = (1; 1 ; 0) .

6. Suponga que y u v
son vectores de tres componentes tales que u 3 v = 0 . Que relacion hay
entre las componentes de y ? u v
7. En una estadstica a un grupo de 45 personas, se ha representado cada persona con un vector
la Pi de tres componentes, con = 1


45 , cuyas entradas son edad, estatura y peso.
i ; ;

a) Tiene sentido sumar vectores asociados con personas diferentes?

b) Tendra sentido multiplicar un vector por una constante?
c) De una interpretacion del vector Pm =
1
45 ( P1 + P 2 +


+ P 45 ) .

8. Use la tecnica ilustrada en el ejemplo 1 de la pagina 4 para mostrar que la ecuacion vectorial,
     
2 3 8
x + y = ,
1 2 5

representa un sistema de ecuaciones lineales con dos variables.

9. Exprese cada uno de los siguientes sistemas de ecuaciones lineales, en forma vectorial ( compare
con el ejercicio anterior) .
8
< 3x + 2y z = 5 
a 1x + b 1y + c 1z = d 1
a) 2x 4y + 7z = 1 ; b)
: a 2x + b 2y + c 2z = d2 :
5x y z = 8

1 0. En cada caso, encuentre los valores de x , y y z , que satisfacen la ecuacion vectorial dada:
a) ( 2; x; 3 ) + ( y; 1 ; 5) + ( 4; 6 ; z) = o; b) (x + y; x + z; y + z) = ( 2; 3; 1 ) .

11. Tome = (1 2 a ; ; 3) , b = ( 3; 0; 2) , x = ( 2; 1 ; 2)
t
, e y = ( 0 ; 4; 6 )
t
, y efectu e las
operaciones indicadas:
a) ( a b
x y
+ ) ( + ) ; b) ( a
x ) ((3 b
y; ) ) c) a
x b
y . +

1 2. a, b, x e y son como en el ejercicio anterior, muestre que:

Si
a) (5a
x
x
) a
x
= a ( asociativa ) ;
(5 ) = 5( )

b) a
x y a
x a
y
( + ) = ( distributiva ) ;
+

c) a
b b
a y x
y y
x ( conmutativa) .
t
=
t t
=
t
12 1 Vectores y matrices

Tome a ; ; ,y b ; ; . En cada caso, encuentre las componentes u , u , u

u , que satisface la ecuacion vectorial dada:
1 3. = (1 3 6) = ( 2 0 1) 1 2 3
del vector
i) u 3 b ; ii) u a b ; iii) a u b o.
= 2 3 = 2 + 3 + 4 =

Considere los vectores a y b de R , y el escalar 9. Muestre la

3
; ; ; ;
a
b a
b a
b .
1 4. = ( 8 10 1 2) = ( 3 5 7)

validez de la siguiente igualdad vectorial: 9( ) = (9 ) = (9 )

Demuestre la siguiente ley asociativa para la multiplicacion por escalares: Si  es un escalar

u v
1 5.

y y son vectores, entonces:

( u
v) = (  u )
v = u
(  v) :
1 6. Determine su magnitud y direccion del vector u = ( ;
9 1 2) .

Para u ; y v 1; 4) , muestre que el vector w ; es un multiplo escalar

u y que z u v
1 7. = (6 4) = ( = ( 3 2)

de = ( 1 5 4) ; es una combinacion lineal de y .

1 8. Tome u = ( 3 4) ; y v = ( 5 3) ; e ilustre geometricamente las siguientes operaciones:

a) u v ; + b) 3 u; u v. c) 2 v; d) u v; e) 2 + 3

1 9. Muestre que cada vector es una combinacion lineal de u ; = (1 1) y v = ( 1 ; 1):

a) (3 ; 7) ; b) ( 2 5); ; c) ( 8 ; 1 0) ; d) ;
( 0 9) .

2 0. Exprese (3 ; 2 5); como combinacion lineal de (1 ; 1 ; 0) , (1 ; 0; 1 ) , y (0 1; ; 1) .

21 . Muestre que el vector w = ( 1 0 1 9 8) ; ; no esta generado por u = (3 ; 2 1); y v = ( ; ;
4 0 5) .

2 2. Determine que pares de vectores son ortogonales:

a) (3 1; ; 2) , ( 1 ; 2; 1
2) ; b) (1 ; 2; 3) , ( 3; 2; 1 ) ;
c) ( 1 ; 1 ; 0) , ( 1 ; 0; 1 ) ; d) ( 1 ; 0; 1 ; 0) , ( 0; 1 ; 0; 1 ) .

2 3. Determine las coordenadas del vector v = ( x; y) , para que sea ortogonal al vector u = (2 ; 3)

y su magintud sea 1 .

Tome = (1;u 1; 1) y v
1; 1; 1 ) . Muestre que w
1 ; 1 ; 2 ) es ortogonal tanto a u
v u v
2 4. = ( = (

como a , y a cualquier combinacion lineal de y . Ilustre geometricamente esta situacion.

Si u ; , cuales deben ser las coordenadas de un vector v , que forma un angulo de

con u y su magnitud es igual a la de u?
2 5. = ( 3 4)
o
60

Cuales deben ser las coordenadas de un vector u, de magnitud 3, que forma un angulo de
con el vector v
2 6.

30
o
; ? Ilustre la situacion con una graca.
= ( 3 4)

Si u y v son dos vectores de R , muestre la validez de la expresion j j u vj j  j j uj j j j vj j ,

2
2 7. + +

conocidad como la desi gual dad tri angul ar . ( De una ilustracion graca. )
sugerencia Use la desigualdad de Schwartz.
 
1.2 Algebra matricial
Como los vectores, las matrices permiten representar grupos de datos relacionados. Podemos
pensar de una matriz como la representacion esquematica y numerica de una tabla de datos. Las
matrices son generalizaciones de vectores, en el sentido que un vector se puede considerar como un
matriz. Tanto fsicos como qumicos y biologos, usan matrices para organizar y estudiar datos de
fenomenos complejos; pero el uso principal de vectores y matrices en las ciencias naturales esta en
el estudio de sistemas de ecuaciones lineales. Una aplicacion importante de matrices, que veremos
en estas notas, esta en la representacion de una transformacion de coordenadas. Las matrices
son una herramienta de gran utilidad tanto teorica como practica para enfocar muchos tipos de
problemas en campos tales como:
 Equilibrio de cuerpos rgidos ( en fsica ) ;
 Teora de grafos, y teora de juegos;
 Modelos economicos de Leontief;
 Control ecologico de bosques;
 Gracas de computacion y tomografa computarizada;
 Genetica;
 Redes electricas y Fractales.

En esta seccion estudiaremos el concepto de matriz, como un objeto matematico que se puede
manipular en operaciones de adicion y multiplicacion. Ademas presentaremos algunas aplicaciones
interesantes en la solucion de problemas de la vida real.

1.2.1 Denicion yejemplos

 N 7
D EFINICI O Una matriz es un arreglo rectangular ( bidimensional) de numeros, escritos
A

en forma de las y columnas, como

0
11
a a 12


a 1n1
BB 21 2n C
= @ ..
22
C
a a


a

A .. .. A :

. . .
a m1 m2
a


mn
a

Las las de una matriz se enumeran de arriba hacia abajo y se identican con la letra de la matriz
y un subndice que indica el orden de la la. Las columnas se enumeran de izquierda a derecha y
se identican con la letra de la matriz y un superndice que se reere a su orden. Como lo sugiere
la denicion, una matriz se denota por una letra mayu scula, como , , etc. mientras que sus
A B

elementos, llamados componentes, se representan con la letra minu scula correspondiente, y un

doble subndice; el primer subndice corresponde a la la y el segundo a la columna en las que se
encuentra la componente. Por ejemplo, en la matriz de la denicion anterior, la componente que
esta en la primera la y en la segunda columna, se denota por 12 y se lee " sub uno dos" . De
a a

otro lado, 2 y 3 representan la segunda y tercera las de la matriz . Esto es,

A A A
  15
1.2 Alge bra de mat rice s

A 2 = ( a21 ; a 22 ;


; a 2n ) y A 3 = ( a31 ; a32 ;


3n )

; a :

2 3
Ademas, la segunda y tercera columnas de la matriz A se denotan por A y A y son, respectiva-
mente,
0 1 0 1
a 12 a 13
B 22 C B 23 C
B .. CA B .. CA
a a
2 3
A =
@ .
y A =
@ .
:

am2 am3

En la denicion, representa el nu mero de las y el nu mero de columnas. De acuerdo con esto,
m n

se dice que la matriz es de orden ( o de dimension)  . En este contexto, un vector la de m n n

componentes puede considerarse como una matriz 1  ; mientras que un vector columna de n m

componentes es una matriz  1 . En el caso m = se dice que la matriz es cuadrada de ordenm n

n . En una matriz cuadrada  , los elementos de la forma jj , con = 1


, se llaman los

n n a j ; n

elementos de la di ago nal pri nci pal . Los siguientes son ejemplos de matrices, en los cuales hay
dos matrices cuadradas:
0 1 0 1
3   1 3  
(1 2
; 3)
;
@ 2A
;
2 1
;
@ 0 2A 0 0 0
, ; ;
1 2 0 0 0
1 4 0

0 1 0 1
  1 2 5 6 10 1 0 0
2 4 5
;
@ 4 3 7 4 8 A ;
@ 0 1 0 A :
3 6 7
0 1 2 9 0 0 0 1

El primer ejemplo es un vector la, o una matriz 1  3 ; el segundo es un vector columna, o matriz
3  1 ; el tercero es una matriz cuadrada 2  2 ; el cuarto es una matriz 3  2 . ( Identique el orden

de cada una de las otras matrices) . La u ltima de las matrices es muy especial. Se llama la matriz
identidad de orden 3 y se denota como 3 . Ella tiene un 1 en cada componente de su diagonal
I

principal y 0's en las demas . Su nombre sera claro mas adelante en multiplicacion de matrices.
Otra matriz muy importante es la que consta de solo 0's. Por ello se llama una matriz cero.

1. 2. 2 Suma de matrices

La igualdad, la suma y la multiplicacion de vectores por escalares, estudiadas en la seccion anterior,

se pueden extender directamente a matrices. Para ello, recordemos que tanto la igualdad como las
operaciones antes referidas, estan denidas componente a componente:

i) ( Igual dad entre matri ces) Se dice que dos matrices de la misma dimension ( con el mismo
numero de las y de columnas) son iguales, si tienen sus componentes respectivamente iguales.
ii) ( S uma de matri ces) Dos matrices del mismo orden se pueden sumar, sumando las compo-
nentes respectivas.
iii) ( Mul ti pl i caci o n de una matri z p or un escal ar ) La multiplicacion de un escalar por una
16 1 Vectores y matrices

matriz, es la matriz que resulta de multiplicar el escalar por cada una de sus componentes.

En smbolos, si A = ( aij ) m n , B = ( bij ) m n y  es un escalar, entonces:

i) A = B () aij = bij 8i; j:
ii) A + B = ( aij + bij ) m n:
iii) A = ( aij ) m n:
Por ejemplo, al sumar dos matrices 2  3 , que tienen componentes arbitrarias, los resultados son
como se muestran enseguida:
     
a b c u v w a+ u b+ v c+ w .
d e f +
x y z =
d+ x e+ y f + z

Estudie con cuidado los siguientes tres ejemplos numericos:

     
1 0 1 0 0 0
i) + = ;
1 1 1 1 0 0

0 2 1 3
1 0 4 1 2
1 0 6 0 1
1
B 4 0 2 C B 3 2 1 C B 1 2 1 C
ii) @ 6 1 8
A + @ 5 1 7
A = @ 1 0 1
A
3 2 0 3 0 2 6 2 2

0 4 1 2
1 0 12 3 6
1
B C B C
A :
3 2 1 9 6 3
iii) 3 @ 5 1 7
A = @ 15 3 21

3 0 2 9 0 6

De acuerdo con la denicion, no es posible, ni tiene sentido, sumar matrices de diferente orden.
De otro lado, la multiplicacion por escalares se puede usar para denir la resta de matrices, de
la manera obvia: Si A y B son matrices del mismo orden, entonces, A B = A + ( 1 ) B :

Como un resultado de esta denicion, debe ser claro que, dada cualquier matriz A , siempre se
tiene, A A = 0 . El estudiante puede vericar que la suma de matrices, como la acabamos de
denir, es conmutativa y asociativa. Por su parte, la multiplicacion por un escalar es distributiva
en la suma. Esto es, si A , B y C son matrices del mismo orden, entonces:

i) Conmutativa: A+B= B+A

ii) Asociativa: A + ( B + C) = ( A + B) + C = A + B + C
(
( A + B) = A + B;
iii) Distributiva:
(  + ) A = ( A ) + ( A ) :
 1.2

Alge bra de mat rice s 17

1. 2. 3 Clases de matrices

Las matrices se pueden clasicar de acuerdo con la estructura que presentan sus componentes en
el arreglo. Veamos algunos de los tipos mas usuales.

Una clase muy comu n de matriz es la matriz triangular . Hay dos tipos de ellas. Si todos los
elementos por encima de la diagonal principal de una matriz cuadrada son ceros, se dice que es
triangular inferior . Si, por el contrario, todos los elementos debajo de la diagonal principal son
ceros, tenemos una matriz triangular superior .

Ahora observe las siguientes matrices, , y . Una es triangular inferior, otra es triangular
A B C

superior y la otra es, a la vez, triangular superior e inferior ( identifquelas) .

0 1 0 1 0 1
1 0 0 0 1 5 4 0 0

A = @ 2 2 0 A ; B = @ 0 0 2 A ; C = @ 0 2 0 A :

3 4 1 0 0 3 0 0 1

Una matriz que es a la vez triangular superior e inferior, se llama una matriz diagonal . Por
ejemplo, la matriz anterior es diagonal. De otro lado, si en una matriz diagonal todos los
C

elementos en la diagonal principal son iguales, se llama una matriz escalar . La matriz identidad
I3 es triangular ( superior e inferior) diagonal y escalar. La siguiente matriz identidad de orden 5,
muestra el aspecto general de la matriz identida general de orden . n

0 1 0 0 0 0
1
BB 0 1 0 0 0 C
C
5 = B 0 0 1 0 0 C
@ A
I :

0 0 0 1 0

0 0 0 0 1

Otro concepto asociado con matrices, es el de la transpuesta, cuya denicion formal damos en-
seguida:


D EFINICI O N 8 Si A = ( aij ) m n , la transpuesta de A se denota por A
t
y se dene como
A
t
= ( aji ) n m .

En otras palabras, la transpuesta de una matriz es la que resulta intercambiando las las con las
columnas. Por ejemplo,
0 2 3 1
1 0 1
B C
2 5 7 8

=) = @ A
5 4 0
= @ A t
A A 3 4 2 0 :
7 2 6
1 0 6 4
3 4
8 0 4
4 3

Despues de realizar el ejercicio anterior, debe haber notado que t

= y t
= . Esos B B C C

resultados no fueron coincidencias sino, instancias de propiedades compartidas por dos clases de
matrices, las cuales denimos enseguida.
18 1 Vect ore s y mat rice s


D EFINICI O N 9 Si A es una matriz cuadrada, se dice que:
i) A es si metri ca si A
t = A .
ii) A es anti si metri ca si A
t = A .

Hay algunos hechos simples, de importancia tanto teorica como practica, referentes a matrices
simetricas y antisimetricas. En este curso haremos uso sistematico de ellos, en varios captulos
posteriores. Sus demostraciones son casi directas, por lo cual dejamos, como un buen ejercicio, que
el estudiante demuestre la validez de cada uno de ellos.

1. 2. 4 Producto de vectores y matrices

Aunque el producto entre vectores y matrices es muy sencillo de denir, resulta conveniente,
para sus aplicaciones posteriores, presentar esta operacion, de manera que podamos apreciar su
signicado intuitivo. La verdad es que, de cualquiera operacion matematica podemos armar,
que es tan importante el concepto mismo, como el proposito de su introduccion en una disciplina
particular.

Recordemos que al multiplicar dos vectores resulta un escalar. As, multiplicando por cada c

columna de , obtenemos un vector la de cinco componentes. Notemos que para multiplicar

M c

por las columnas de era necesario que las columnas tuvieran el mismo nu mero de componentes
M

que . Equivalentemente, para multiplicar un vector la por una matriz, se requiere que el nu mero
c

de componentes del vector igualen el nu mero de las de la matriz. En terminos generales, tenemos
la siguiente denicion:


D EFINICI O N 1 0 Si c es un vector la (1  m) y M es una matriz (m  n) , entonces, c
M

es el vector la dado por

c
M = (c
M
1
; c
M
2
;


; c
M
n)

En particular, el producto de un vector la ( 1  3 ) por una matriz ( 3  2 ) es un vector la ( 1  2) .

A manera de ilustracion, consideremos la siguiente instancia, en la cual,
0 1
1 0

c = ( 2; 1 ; 3) y M = @ 2 2 A . En este caso,
1 1

c
M = (c
M
1
; c
M
2
) = ( 3; 1 ) :

Para multiplicar una matriz por un vector columna se requiere el nu mero de columnas de la matriz
igual al nu mero de componentes del vector. Estos resultados motivan la siguiente denicion.


D EFINICI O N 1 1 Si es una matriz M (m  n) y u es un vector columna (n  1) , entonces,
M
u es un vector columna (  1 ) , con m
 1.2

Alge bra de mat rice s 19
0
M 1
1 u

@ .. A
M
u =
. :

Mm
u

Aqu tenemos un ejemplo numerico de un producto de una matriz (3  2) por un vector columna
( 2  1 ) ; el resultado es, de hecho, un vector columna ( 3  1 ) :

0 1 0 1 0 1
1 1   1( 2) + ( 1)4 6
@ 0 4 A
2
= @ 0( 2 ) + 4( 4) A = @ 16 A :
4
2 3 2 1 2( 2 ) + 3 ( 4) 8
3 2 3 1 3 1

1.2.5 Multiplicacion de matrices

La multiplicacion de dos matrices es un poco mas complicada que las operaciones anteriores. Se
requieren algunas condiciones especiales. Como un ejemplo, tomemos una matriz de orden 2  3 A

y otra de orden 3  2 , y tratemos de hallar el producto

B . En terminos generales, estos factores AB

matriciales tienen la siguiente conguracion:

0 1
  u x

=
@
AB
A a b c
v y :

2 3
d e f

3 2
w z

Toda vez que las las y las columnas de una matriz son vectores,uno puede multiplicar cada la de
A por cada columna de , obteniendo un nu mero cada vez. En esa forma podemos efectuar cuatro
B

operaciones: multiplicar la primera la de por cada columna de , y multiplicar la segunda la

A B

de por cada columna de . Al hacerlo esto, obtenemos cuatro nu meros. Representando por ij
A B c

el nu mero que resulta de multiplicar la la i por la columna j , tenemos: A B

0 1
u

c 11 = A1
B
1
= ( a; b; c)
@ v
A = au + bv + cw

0 1
x

c 12 = A1
B
2
= ( a; b; c)
@ A y = ax + by + cz

0 1
u

c 21 = A2
B
1
= ( d; e; f )
@ v
A = du + ev + fw

0 1
x

c 22 = A2
B
2
= ( d; e; f )
@ A y = dx + ey + fz :

Con los nu meros anteriores podemos formar una nueva matriz C de orden dos,
20 1 Vect ore s y mat rice s

 
c 11 c 12
C = = ( cij ) 2 2 :
c 21 c 22 2 2

La matriz C construda de esa manera se denomina el producto matricial de y . Esto es, A B

0 1
   u x

AB =
a b

@c
A =
+
v
+ +
y
+ au

+
bv

+
cw ax

+
by

+
cz
:

2 3 2 2
d e f du ev fw dx ey fz

3 2
w z

Para hallar el valor de la componente ij , en la la columna , debemos multiplicar el contenido

c i j

de la la en la primera matriz, por el contenido de la columna en la segunda matriz. Observe

i j

que la longitud ( dimension) de las las en la primera matriz debe ser igual a la longitud de las
columnas en la segunda matriz.

El metodo se puede extender facilmente a matrices de mayor orden. Todo cuanto debemos tener en
cuenta es que para multiplicar una la de por una columna de , las las de y las columnas de
A B A

B deben tener el mismo nu mero de componentes. Esto equivale a decir que el nu mero de columnas
de debe ser igual al nu mero de las de . En terminos generales, una matriz  solo puede
A B m k

multiplicarse por una matriz  . ( indica, tanto el nu mero de columnas de la primera, como
k n k

el nu mero de columnas de la segunda matriz) . La siguiente denicion corresponde al caso general
de multiplicacion matricial.

 N 12
D EFINICI O Si A es una matriz  m k y B es una matriz  , entonces, el producto
k n

AB es una matriz m  n cuyas componentes, cij , son de la forma

0 1 b 1j
B 2j Cb

cij = Ai
B
j
= ( ai 1 ; ai 2;


; aik )
B@ .. CA
.
bkj

La denicion tiene implcitos tres hechos muy importantes de tener en cuenta:

1 ) Para poder multiplicar una matriz A por una matriz B , el nu mero de columnas de A debe ser
igual al nu mero de las de . B

2) El producto AB tiene el nu mero de las de A y el nu mero de columnas de B .

3) Para obtener la componente en la la -esima y columna -esima, multiplicamos la la de
i j i A

por la columna de . j B

Es facil ver que, las multiplicaciones entre vectores y matrices son casos especiales de la multipli-
cacion entre matrices. Estos son dos ejemplos numericos de productos matriciales:

    
1 2 4 0 8 2
=
3 0 2 1 12 0
 1.2

Alge bra de mat rice s 21
0 1
  0 8  
3 2 4
@ 2 0 A =
0 16
:
1 5 6 16 4
1 2

Propiedades del producto matricial

Ahora cabe preguntar como multiplicamos tres o mas matrices. Supongamos que A es una matriz
m  k, que B es una matriz k  h y que C es una matriz h  n. Entonces, es posible efectuar los
productos ( AB) C y A ( BC) , ya que las condiciones de las y columnas se satisfacen en cada caso.
Lo importante aqu es que esos dos productos son iguales, lo cual permite denir el producto ABC
como ese resultado comu n. Esto es,

ABC = ( AB) C = A ( BC) :

La regla en la ecuacion anterior es una expresion de la ley asociativa para el producto de matrices.
Intuitivamente, la ley asociativa dice que al multiplicar mas de dos matrices, no es necesario usar
parentices. De otro lado, la condicion de las y columnas para el producto de matrices evidencia
el hecho que dicho producto no es conmutativo. En primera instancia, notemos que si A es una
matriz ( 4  3 ) y B es una matriz ( 3  2 ) , el producto AB es una matriz ( 4  2 ) , mientras que el
producto BA ni siquiera esta denido. En segundo lugar, si B fuera de orden ( 2  4) , el producto
BA s estara denido, pero AB sera de orden ( 4  4) mientras que BA sera de orden ( 2  2 ) .
Au n en el caso de matrices cuadradas podemos tener AB 6 = BA . Por ejemplo:

         
1

0
1

0
1

1
0

0
=
2

0
0

0
; 1

1
0

0
1

0
1

0
=
1

1
1

1
:

Otras propiedades algebraicas muy u tiles, referentes a operaciones matriciales, son las tres que
enunciamos enseguida: Supongamos que,  es un escalar, A es una matriz m  k y B y C son
matrices k  n. Entonces, las siguientes expresiones son verdaderas:

PROPIEDADES DEL PRODUCTO MATRICIAL

a) ( AB) = ( A ) B = A ( B) ( Asociativa con escalares) .
b) A ( B + C) = AB + AC ( Distributiva a derecha ) .
c) ( A + B) C = AC + BC ( Distributiva a izquierda ) .

Estos hechos se siguen directamente de las deniciones de cada operacion, y su deduccion se dejaran
al estudiante en los proximos ejercicios.

Como esperabamos, la matriz identidad In tiene la propiedad basica que, para cualquier matriz A
de orden n,

A In = In A = A :
Para convencernos de que eso es as, basta notar que el producto de la primera la de A , esto es,
( a11 ; a12 ;


; a1 n ) , por la primera columna de In es justamente, a11 y que, en general el producto
22 1 Vect ore s y mat rice s

de la -esima la de
i A por la -esima columna de
i In es exactamente a ii , esto es,
0 1
0
0 1 BB .. C
1 .C
BB 0 C
B C



1 n)
@ .. CA





in)
BB 1 C
C
BB 0 C
( a11 ; a 12 ; ; a = a 11 ; y ( ai 1 ; ; aii ; a = aii :

.
@ .. CA
0 .
0

Es facil vericar que el producto de la la 0-esima de i A por la columna -esima de j In ; con 6
= , i j

es exactamente 0.

Con las las las de In multiplicadas por columnas de A se obtiene un resultado analogo.

Lo mismo ocurre al multiplicar las las de In por las columnas de A .

EJEM P L O 2 Como una ilustracion simple, verique que

0 1 2 5 6 10
1 0 1 0 0 0 0
1 0 1 2 5 6 10
1
BB CC B 0 C BB CC
C  BB C
2 3 0 4 1 0 1 0 0 2 3 0 4 1

B 0 1 2 3 0 0 0 1 0 0 C = B 0 1 2 3 0 C
@ A @ A @ A
:

1 0 5 6 0 0 0 0 1 0 1 0 5 6 0

0 2 0 1 2 0 0 0 0 1 0 2 0 1 2

Matrices regulares
De algebra numerica sabemos que, si y son dos nu meros reales, que satisfacen la ecuacion
a b

ab = 0 , entonces, necesariamente, = 0, o = 0. Este no siempre es el caso en el producto

a b

de matrices. Pueden existir matrices y , diferentes de la matriz cero, tales que

A = 0.
B AB

Tales matrices se consideran irregulares. Se dice que una matriz no cero , es regular si,
O O
A

AB = =) = . B

Si es una matriz cuadrada, de orden , ella puede multiplicarse por s misma, siendo el resultado
A n

otra matriz cuadrada de orden . As, por ejemplo, 2 =
. Esto nos permite denir potencias
n A A A

matriciales de una manera natural:

 N 13
D EFINICI O Si A es una matriz cuadrada y n es un entero positivo,

|
{z


}
n
A = A A A :

n veces

Aqu se nos presenta una ambigu edad en la notacion, ya que n puede denotar, o bien la -esima A n

columna de o su -esima potencia; pero el contexto hara claro de que se trata. De otro lado,
A n

usando la ley asociativa, la denicion anterior se puede dar en forma recursiva:

  23
1.2 Alge bra de mat rice s

A 2 = A
A y 8n > 2 ;
An = A
An 1 = An 1
A :
Por ejemplo, A 3 = A
A 2 = A 2
A . Comunmente, A 2 se llama el cuadrado de A , A 3 el cubo de
A y tomaremos A 0 = I y A 1 = A .
El siguiente resultado es de gran utilidad en aplicaciones de Algebra Lineal en muchos campos
de matematica aplicada. En este curso tendremos oportunidad de emplearlo, cuando discuta-
mos el famoso metodo de los mnimos cuadrados, usado en analisis de regresion. Su prueba es
relativamente simple, y se deja como un buen ejercicio para el estudiante.

TRANSPUESTA DE UN PRODUCTO
Si A es una mat riz m k y B es una mat riz k n , entonces,

( AB) t = Bt A t :

Note que AB es una matriz m  n, mientras que A t es k  m y Bt es n  k. Por lo tanto, no

esperamos multiplicar A t por Bt , pero s podemos efectuar el producto Bt A t , el cual es de orden
n  m.

E J E R C IC IO S
2 8. Determine la matriz, A = ( aij ) , denida de la siguiente manera:
a) De orden 3  4 y aij = i + j . b) Orden 4  2 y aij = ( 1 ) i+ j .

2 9. Verique las propiedades de la suma de matrices y de multiplicacion por un escalar, usando
los escalares 5 y 3, y las siguientes matrices:
0 1 0 1 0 1
2 3 4 3 6 8 5 0 2

A=@ 2 3 4A ; B = @ 4 7 0 A ; C=@ 1 9 4A :

2 3 4 0 1 1 2 1 4

Concretamente, muestre que:

i) A+B= B+A , ii) A + B) + C = A + ( B + C) ,
(

iii) ( 5 + 3 ) A = 5 A + 3 A , iv) 3 ( A + B) = 3 A + 3 B .

3 0. Clasique cada una de las siguientes matrices como triangular superior, triangular inferior,
diagonal y/o escalar.
0 1 0 1
1 0 0 0 0 0

A=@ 2 3 0 A ; B=@ 0 0 3 A ; C = I4 ; D=O:

3 4 5 0 0 0

31 . Si A y B son matrices cuadradas del mismo orden y  es un escalar, muestre que:

24 1 Vectores y matrices

a) ( A t ) t = A ; b) ( A ) t = ( A t ) ; c) ( A + B) t = A t + Bt ;

d) Si A es antisimetrica, toda su diagonal son ceros.

0 1 0 1
2  4  3 2

3 2. Tome A=@ 1 0 5 A y B=@ 3  5 A:

4 5 1  5 
a) D etermine para que valores de , A es simetrica.

b) Calcule  y  para que B sea una matriz antis imetrica.

3 3. Realice las siguientes op eraciones matriciales:

0 1 0 1 0 1 0 1
2 4 3 2   1 0 0 x
a) (1 ; 5; 3)
@ 0 1 A ; b) @ 1 0 A
4
; c) @ 0 1 0 A
@ yA ;

1 7 0 5
6
0 0 1 z
0 1
1 0 0      
( x; y; z )
@ 0 A ;


1 1 1 1 7
d) 0 1 ; e) ( 3 3) ; f) .
1 1 1 1 7
0 0 1

3 4. Encuentre las comp onentes del vector

 
( x; y) , para las cuales,

( x; y)
6

9
8

0
= ( ;
45 72 ) :

3 5. Este ejercicio muestra que el producto de dos matrices puede ser la matriz cero sin que

ninguna de las dos sea la matriz cero. Comprueb e que

0 1 0 1
1 2   0 0
@ 2 4 A 2 4
= @ 0 0 A :
1 2
3 6 0 0

3 6. Efect u
 e AB ; 2 B ; BC y CD , tomando:

0 1 0 1
3 1   2

A = (1; 0 1) ; B=@ 2 4 A ; C= 1

0
0

5
4

3
2

1
y D = B@ 17 CA :
5 3
6

3 7. Efectue las op eraciones matriciales XA y BXt , si:

   
X = ( x; y) ; A= 3

4
2

5
; B= 2

4
6

3
:
     
A 4 2
x x1 b 5
Ax b
3 8. Tome =
1 3
, =
x2 , =
2
y demuestre que la ecuaci
on =

representa un sistema de dos ecuaciones lineales.

3 9. Muestre que si A es una matriz 3  3, e I es la identidad 3  3, AI = IA = A .

  25
1.2 Alge bra de mat rice s

 
2 3 4 2 0
40. Compute A , A y A , para A = .
3 1

2
41 . Si A es una matriz diagonal de orden 3, muestre que A es diagonal de orden 3.
 
42. Para A =
1 1
, halle A
5
, A
10
y A
n.
1 1

 
1 0
43. Para A = halle B y C tales que:
1 2
 
a) A
B =
1

0
0

1
. Muestre que A
B = B
A .
 
b) A
C =
1

1
1

3
. Despues compute C
A .

S ugerenci a : Resuelva un sistema de ecuaciones con cuatro incognitas.

0 1
0 0 0

44. Dada la matriz triangular inferior A = @ 1 0 0 A:

4 3 0

a) Compute A
2
y A
3
; b) Muestre que A
n= O , para todo n  3;
2 3
c) Muestre que (I A) (I + A + A ) = I A = I .
0 0 0 0 0
1
B 3 0 0 0 C
45. Repita lo anterior para A = @ 1 2 0 0
A
1 2 1 0

46. Si A es triangular inferior (4  4) con ceros en la diagonal principal. Muestre que:

a) A
n= O, para todo n 4; b) (I A) (I + A + A
2
+ A
3
) = I A
4
=
0
I :

47. Demuestre las siguientes propiedades matriciales:

a) La suma o producto de una matriz cuadrada con su transpuesta, es simetrica.
b) La suma de dos matrices simetricas es simetrica.
c) Si A es triangular antisimetrica, entonces, A es nula.
d) La matriz identidad de orden es u
 nica, en el sentido que existe solo una matriz n I de orden
, tal que
n = = , para toda matriz
IA de orden .
AI A A n

48. Para algunas matrices A , existen matrices J 6= I, tales que AJ = JA = A .

   
1 2 7 4
Tome A = y J = , y verique que AJ = JA = A .
2 4 4 1

Por que este resultado no contradice el enunciado del ejercicio anterior?