Algebrai MonicaSelva PDF

i
Universidad de Concepción
Facultad de Ciencias Fı́sicas y Matemáticas
Departamento de Ingenierı́a Matemática
Álgebra I
Mónica Selva Soto
Concepción
Índice general
1. Números complejos 1
1.1. Operaciones aritméticas entre números complejos y sus propiedades . . 2
1.2. Representación de un número complejo como par ordenado en el plano
complejo o plano de Argand . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Representación polar de un número complejo . . . . . . . . . . . . . . . 12
1.3.1. Operaciones aritméticas entre números complejos dados en coor-
denadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2. Potencias con exponente natural y entero. Raı́ces de un número
complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3. Raı́ces de la unidad. Propiedades . . . . . . . . . . . . . . . . . . 21
1.4. Aplicaciones con complejos . . . . . . . . . . . . . . . . . . . . . . . . . 23
2. Polinomios 26
2.1. Operaciones sobre P(K) y sus propiedades . . . . . . . . . . . . . . . . . 28
2.2. Función racional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3. Polinomios irreducibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.1. Ecuaciones polinomiales . . . . . . . . . . . . . . . . . . . . . . . 36
2.4. Descomposición de fracciones impropias en suma de fracciones parciales 38
3. Matrices y sistemas de ecuaciones lineales 43

3.1. Operaciones entre matrices . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2. Matrices cuadradas y con estructuras especiales . . . . . . . . . . . . . . 51
3.3. Determinante de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4. Operaciones elementales sobre las filas y/o columnas de una matriz.
Matrices elementales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4.1. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.5. Ejemplos de utilidad de polinomios y matrices (sistemas de ecuaciones
lineales) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.6. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . 65
4. Vectores en R2 y R3 , rectas y planos 72

4.1. Proyección ortogonal de un vector sobre otro . . . . . . . . . . . . . . . 76
4.2. Producto vectorial de vectores en R3 . . . . . . . . . . . . . . . . . . . . 79
4.3. Aplicaciones de los productos escalar y vectorial . . . . . . . . . . . . . 81
4.4. Rectas y planos en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5. Estudio bibliográfico 91
ii
Capı́tulo 1
Números complejos
Motivación:
Algo de historia: El matemático, fı́sico y astrólogo francés Gerolamo Cardano (1501-
1576) fue uno de los primeros en hacer referencia a los números complejos.
En su libro Ars Magna, publicado en 1545, él formula el siguiente problema: se tiene
una cuerda de longitud, digamos 10, ¿cómo dividirla en 2 partes, de longitudes a y b
(a + b = 10) de modo que el rectángulo con lados de longitudes iguales a y b tenga
área, digamos 40.
Si, por ejemplo, dividimos la cuerda en pedazos de longitudes 1 y 9, el área del rectángu-
lo resultante serı́a 9. Si la dividimos en pedazos de longitudes 2 y 8, el rectángulo
tendrı́a área 16. ¿Será posible encontrar valores a, b ∈ R de modo que a + b = 10 y
ab = 40?
Note que si a + b = 10, entonces ab = a(10 − a) = 10a − a2 . Denotemos y = 10a − a2 ,
es decir, y es el área del rectángulo con lados de longitudes a y 10 − a, entonces
10a − a2 = y ⇔ (a − 5)2 = −(y − 25).
Ésta es una parábola que abre hacia abajo y tiene vértice en (5, 25), esto significa que
el área máxima que tiene el rectángulo de lados a y 10 − a es 25 y se obtiene con a = 5.
El problema de Cardano no tiene solución real. En su libro él dice que, a pesar de esto,
el álgebra da una solución pues los números “imaginarios”
√ √
5 + −15 y 5 − −15
son tales que su suma es 10 y su producto

√ √
(5 + −15)(5 − −15) = 25 − (−15) = 40.
Cardano fue hijo ilegı́timo y trabajó como médico. Además de sus aportes a los números
complejos, hizo aportes en probabilidades y combinatoria.
Estos números “imposibles” o “imaginarios” siguieron mencionándose en años si-
guientes (Descartes los mencionó en 1637 al analizar los valores de x para los que
0 = x3 − 6x2 + 13x − 10 = (x − 2)(x2 − 4x + 5) = (x − 2)((x − 2)2 + 1)) hasta que
Euler (suizo, 1707-1783) formalizó la teorı́a de los números complejos, llamando i al
número que satisface i2 = −1 y definiendo como número complejo a un número de la
forma a + i b con a, b ∈ R.
Años después Gauss y Argand consideraron a un número complejo a + i b como un par
ordenado (a, b) y lo representaron en el plano cartesiano (plano de Argand).
1
CAPÍTULO 1. NÚMEROS COMPLEJOS 2
Definición 1.1. Un número complejo es un número de la forma a + i b con a, b ∈ R.

El número a se denomina parte real del número complejo y el número b es su parte
imaginaria y se representan
a = Re(a + ib), b = Im(a + ib).
Un número complejo z con parte imaginaria igual a cero se denomina complejo real.
Un número complejo z con parte real igual a cero se denomina imaginario puro.
El imaginario puro i es un número especial en este conjunto, él se denomina unidad
imaginaria.
√
Ejemplo 1.2. Los números z1 = 5 + i 15, z2 = i, z3 = 0, y z4 = 2 son números
complejos. z3 y z4 son complejos reales, mientras que z2 es imaginarios puro. Re(z1 ) =
1, Im(z1 ) = 2.
El conjunto de los números complejos lo representaremos por C,
C := {x + i y : x, y ∈ R} .
Definición 1.3. Dos números complejos son iguales si y solo si sus partes reales son
iguales y sus partes imaginarias son iguales.
1.1. Operaciones aritméticas entre números comple-

jos y sus propiedades
Ejemplo 1.4. Consideremos z1 = 2 − 3i, z2 = 3 + i.
Calculemos parte real e imaginaria de ambos números, la suma y el producto entre
ellos, ası́ como 3z1 y 2z2 . En cada caso, hacer notar que la suma y el producto son
conmutativos.
En general, si z1 = x + i y y z2 = a + i b,
z1 + z2 = x + i y + a + i b = (x + a) + i (y + b),
z1 · z2 = (x + iy)(a + ib) = xa + ixb + iya + i2 yb,
= (xa − yb) + i(xb + ya).
Observe que
Re(z1 + z2 ) = Re(z1 ) + Re(z2 ),
Im(z1 + z2 ) = Im(z1 ) + Im(z2 ),
Re(z1 z2 ) = Re(z1 )Re(z2 ) − Im(z1 )Im(z2 ),
Im(z1 z2 ) = Re(z1 )Im(z2 ) + Im(z1 )Re(z2 ).
Averigüemos si las operaciones aritméticas en los números complejos satisfacen las
propiedades necesarias para ser un cuerpo conmutativo y unitario.
1. ambas operaciones son conmutativas y asociativas: ∀z1 , z2 ∈ C, z1 + z2 = z2 + z1
y z1 z2 = z2 z1 . Si z1 = x1 + i y1 y z2 = x2 + i y2 ,
z1 + z2 = (x1 + x2 ) + i(y1 + y2 ) = (x2 + x1 ) + i(y2 + y1 ) = z2 + z1 ,
z1 z2 = (x1 + iy1 )(x2 + iy2 ) = (x1 x2 − y1 y2 ) + i(x1 y2 + y1 x2 ),
= (x2 x1 − y2 y1 ) + i(x2 y1 + y2 x1 ) = (x2 + iy2 )(x1 + iy1 ),
= z2 z1 .
Además ∀z1 , z2 , z3 ∈ C se cumple que z1 + (z2 + z3 ) = (z1 + z2 ) + z3 y z1 (z2 z3 ) =

(z1 z2 )z3 .
2. existen u, v ∈ C tales que ∀z ∈ C : z + u = z, ∀z ∈ C : z · v = z. Veamos que
los complejos reales u = 0 y v = 1 satisfacen estas propiedades. Sea z = 2 + i,
encontremos u, v ∈ C tales que
z+u=z z · v = z.
Note que si u = x + i y
z + u = 2 + i + x + i y = (2 + x) + i(1 + y) = z ⇔ x = 0 ∧ y = 0.
Además, si v = a + i b
z · v = (2x − y) + i(x + 2y) = z ⇔ 2x − y = 2 ∧ x + 2y = 1 ⇔ x = 1 ∧ y = 0.
Es decir, u = 0 y v = 1. En general, si z = x + i y,
z + 0 = z, z·1=z
El número complejo 0 es el elemento neutro para la suma y 1 es el elemento

neutro para el producto.
Demostremos que ellos son únicos.
Supongamos existe ũ ∈ C, ũ 6= 0 tal que ∀z ∈ C, z + ũ = z. En particular, si
z = 0 se cumple 0 + ũ = 0 ⇒ ũ = 0.
Supongamos existe ũ ∈ C, ũ 6= 1 tal que ∀ z ∈ C, z ũ = z. En particular, si z = 1
se tiene 1ũ = 1 ⇒ ũ = 1.
3. para cada z ∈ C, existe (−z) ∈ C tal que z + (−z) = 0.
4. Note que el elemento neutro para la suma es absorbente, es decir, ∀z ∈ C : 0·z =

0. Esto significa que 0 (como complejo real) tampoco tiene inverso multiplicativo.
Veamos si cualquier otro número z tiene inverso multiplicativo.
5. Sea z = x + i y, z 6= 0. Un número u = a + i b es inverso multiplicativo de z si y
sólo si z · u = u · z = 1.
Tomemos primero z = 1 + i y encontremos su inverso multiplicativo, si lo tiene.
x + i y es inverso multiplicativo de z si y sólo si (1 + i)(x + i y) = 1, es decir, ssi
x−y =1 ∧ x + y = 0,
1
es decir, ssi x = 2, y = − 12 . El número 1
2 − 1
2 i es el inverso multiplicativo de
1 + i.
¿Y en general, si z = a + i b es distinto de cero (a 6= 0 ∨ b 6= 0), ¿cuál es el
inverso multiplicativo de z? ¿Es único?
El número x + i y es inverso multiplicativo de z si y solo si
(x + i y)(a + i b) = 1
⇔ (xa − yb) + i(ya + xb) = 1,
⇔ xa − yb = 1 ∧ ya + xb = 0.
Si a 6= 0,
b
ya + xb = 0 ⇔ y = − x
a
y
b2 a 2 + b2 a
xa − yb = xa + x=x =1⇔x= 2
a a a + b2
con lo que
b
y=−
a2 + b2
y
a b a − ib
z −1 = −i 2 = 2 .
a2 +b 2 a +b 2 a + b2
Dado un z ∈ C, su inverso multiplicativo es único. Supongamos que existe z̃ 6=
z −1 tal que z z̃ = 1 = zz −1 ⇒ z̃ = z −1 .
z
En el resto del curso, si z, w ∈ C, w 6= 0, representa al número complejo
w
−1 −1
zw = w z.
6. la suma es distributiva con respecto al producto: ∀z1 , z2 , z3 ∈ C se cumple que
z1 (z2 + z3 ) = z1 z2 + z1 z3 .
El conjunto de los números complejos con las propiedades definidas (C,+, ·) es un

cuerpo conmutativo y unitario.
Consecuencias de las propiedades anteriores son, por ejemplo, que si z, w ∈ C
(z + w)2 = (z + w)(z + w) = z(z + w) + w(z + w),

= z 2 + zw + wz + w2 = z 2 + 2zw + w2 ,
(z − w)(z + w) = z(z + w) − w(z + w) = z 2 − w2 .
Ejemplo 1.5. Muestre que ∀z1 , z2 ∈ C, z1 z2 = 0 ⇔ z1 = 0 o z2 = 0.
Demostración. Está claro que z1 = 0 o z2 = 0 ⇒ z1 z2 = 0. Supongamos ahora

z1 z2 = 0, pero z1 6= 0 ∨ z2 6= 0. Si z1 6= 0, z1 tiene inverso multiplicativo y
z1 z2 = 0 ⇒ z2 = z1−1 0 ⇒ z2 = 0,
lo cual es una contradicción con nuestra suposición original.

Ejemplo 1.6. 1. Probar que ∀z, w ∈ C, el inverso aditivo de z + w es igual a la
suma de los inversos aditivos de z y w.
Debemos probar que (z + w) + (−z) + (−w) = 0
z + w + (−z) + (−w) = z + (−z) + w + (−w) = 0 + 0 = 0.
2. Probar que si z, w 6= 0, entonces (zw)−1 = z −1 w−1 .

Debemos probar que z −1 w−1 es el inverso multiplicativo de zw. Esto se cumple
ssi (zw)(z −1 w−1 ) = 1.
(zw)(z −1 w−1 ) = (zwz −1 )w−1 = (zz −1 w)w−1 = ww−1 = 1.

−1
3. Probar que si z 6= 0, entonces z −1 = z.
Es una consecuencia de la propiedad anterior pues si w = z −1 , entonces se cumple
que zw = zz −1 = 1 y (zw)−1 = 1−1 = 1. Por tanto,
1 = (zz −1 )−1 = z −1 (z −1 )−1 ⇒ z = (z −1 )−1 .
Recuerde que si z ∈ C, z 6= 0, z = x + i y
x y 1
z −1 = −i 2 = 2 (x − i y) .
x2 +y 2 x +y 2 x + y2
Definición 1.7. Dado un número complejo z, z = x + i y, se define como conjugado
de z p(y se denota z) al número z = x − i y y como módulo de z al número real
|z| = x2 + y 2 .
Más adelante, cuando veamos la representación de un número complejo en el plano de
Argand, veremos que |z| es la distancia desde 0 a z.
Ası́ la relación anterior es
1
z −1 = z ⇒ |z|2 = zz.
|z|2
Observación 1.8. El conjugado de un número complejo z cumple las siguientes pro-
piedades:
1. z = z,
2. Re(z) = Re(z),
3. Im(z) = −Im(z),
4. z = z ssi z es complejo real,
5. z + w = z+w. En particular, z + (−z) = 0 = 0. Es decir, z+−z = 0 ⇒ − z = −z.
6. zw = z w. En particular,
a) zz −1 = zz −1 . Por tanto, zz −1 = 1 ⇒ z −1 = z −1 1 = z −1 .
b) Si z, w ∈ C, w 6= 0
z z
= zw−1 = zw−1 = z w−1 = .
w w
7. λ ∈ R ⇒ λ z = λz,
8. z + z = 2Re(z),
9. z − z = 2iIm(z),
Ejemplo 1.9. Calcule los siguientes números complejos. De cada uno de los números
resultados dé inversos aditivo y multiplicativo (si existe), conjugado, módulo.
1 + i + 2 + 3i
1. ,
1−i
1 + i + 2 + 3i (3 + 4i)(1 + i) 1 1
= = (3 + 3i + 4i + 4i2 ) = (−1 + 7i).
1−i 1+1 2 2
Además
√
√

1
− + i 7 = 1 (−1 + i7) = 1 |−1 + i7| = 1 1 + 49 = 50 .

2 2 2 2 2 2
1 1 1 1 7
(−1 + 7i) = −1 + 7i = (−1 − 7i) = − − i
2 2 2 2 2
2 + 2i + 3 + 2i
2. .
2
Se cumple que 2 = 2.
z+u z u
Además si z, u, v ∈ C, entonces = (z + u)v −1 = zv −1 + uv −1 = + .
v v v
Entonces,
2 + 2i + 3 + 2i 2 + 2i 3 + 2i 3 5
= + = 1 + i + + i = + 2i.
2 2 2 2 2
3. (1 − i)4 (1 + i)4 ,
(1 − i)4 = 1 − 4i + 6i2 − 4i3 + i4 = 1 − 4i − 6 + 4i + 1 = −4,
(1 + i)4 = 1 + 4i + 6i2 + 4i3 + i4 = 1 + 4i − 6 − 4i + 1 = −4,
(1 − i)4 (1 + i)4 = (−4)(−4) = 16.
Observación: Es muy trabajoso encontrar potencias con exponente natural de
números complejos usando su representación binomial. Más adelante veremos
las representaciones polar y exponencial de un número complejo con las que
se facilitará enormemente el cálculo de las potencias con exponente natural y
racional de números complejos.
i−1
4. 1 + i + ,
|1 − i|2 + i
|1 − i|2 = 1 + 1 = 2,
i−1 i−1 (i − 1)(2 − i) 3i − 1 1 3
2
= = = = − + i.
|1 − i| + i 2+i (2 + i)(2 − i) 5 5 5
Ejemplo 1.10.
1. Probar que para todo z ∈ C, z 6= 0 se cumple que
1 1+z
z+
− = z − 1.
z z
1 1
En la expresión anterior es equivalente a = 1z −1 = z −1 .
z z
1
z+ = z + z −1 = z + z −1 = z + z −1 .
z
1+z
= 1 + z z −1 = z −1 + zz −1 ,
z
= z −1 + zz −1 = z −1 + 1.
Entonces,
1 1+z
z+ − = z + z −1 − z −1 − 1 = z − 1.
z z
2. Demuestre que si z, w ∈ C son tales que 1 + zw 6= 0, |z| = 1, |w| = 1, entonces

z+w
∈ R.
1 + zw

z+w
Debemos probar que Im = 0.
1 + zw
Notemos que si w 6= 0,

z
−1 1 1
Im = Im(zw ) = Im z 2 w = Im (z w) .
w |w| |w|2
Usando este resultado se tiene que

z+w 1
Im = 2
Im (z + w) 1 + zw = 0 ⇔ Im (z + w) 1 + zw = 0.
1 + zw |1 + zw|
1 + zw = 1 + zw = 1 + zw.
(z + w) 1 + zw = z + w + zzw + wzw,
= z + w + |z|2 w + |w|2 z.
Entonces,

Im (z + w) 1 + zw = Im((z + w)(1 + z w)) = Im(z + w + w + z),
= Im(z) + Im(w) − Im(w) − Im(z) = 0.
Otra forma de hacer este ejercicio es la siguiente:

z+w −1
= (z + w) (1 + zw) ,
1 + zw
1 + zw
= (z + w) ,
|1 + zw|2
1
= ((z + w)(1 + zw) ,
|1 + zw|2
1
z + |z|2 w + w + |w|2 z ,

=
|1 + zw|2
1
= (2Re(z) + 2Re(w)) ∈ R.
|1 + zw|2
Además
2 2
|1 + zw|2 = (Re(1 + zw)) + (Im(1 + zw)) ,
2 2
= (1 + Re(zw)) + (Im(zw)) ,
2 2
= 1 + 2Re(zw) + (Re(zw)) + (Im(zw)) ,
= 1 + 2Re(zw) + |zw|2 ,
= 2 (1 + Re(zw)) .
También
|1 + zw|2 = (1 + zw)1 + zw,

= (1 + zw)(1 + zw),
= 1 + zw + zw + zwzw,
= 1 + 2Re(zw) + 1,
= 2 + 2Re(zw).
3. Encuentre los números complejos z, w tales que z w = z w.
z = x + iy ⇒ z = x − iy,
w = a + ib ⇒ w = a + ib,
zw = (xa + yb) + i(ya − xb),
zw = (xa + yb) + i(xb − ya),
z w = z w ⇔ ya = xb,
esto es, Re(z)Im(w) = Im(z)Re(w).
4. Sean z, w ∈ C. Demuestre que |z − w| = |1 − z w| si y solo si |z| = 1 ∨ |w| = 1.
Dado que el módulo de cualquier número complejo es un número real mayor o
2 2
igual que cero, |z − w| = |1 − z w| si y solo si |z − w| = |1 − z w| .
2
|z − w| = (z − w)z − w = (z − w) (z − w) = |z|2 − zw − zw + |w|2 ,
2
|1 − z w| = (1 − z w)1 − z w = (1 − z w)(1 − zw) = 1 − zw − z w + |z|2 |w|2 .
2 2
Por tanto, |z − w| = |1 − z w| si y solo si
|z|2 − zw − zw + |w|2 = 1 − zw − z w + |z|2 |w|2 ⇔ |z|2 + |w|2 − 1 − |z|2 |w|2 = 0,

⇔ |z|2 (1 − |w|2 ) − (1 − |w|2 ) = 0,
⇔ (|z|2 − 1)(1 − |w|2 ) = 0,
⇔ |z|2 = 1 ∨ |w|2 = 1,
⇔ |z| = 1 ∨ |w| = 1.
Observación 1.11. El módulo de z ∈ C es tal que

1. ∀z ∈ C, |z| ≥ 0,
2. |z| = 0 ⇔ z = 0,
Ejemplo 1.12. Determine los z ∈ C para los cuales se cumple:
a) |z| = i.
No existe z ∈ C tal que |z| = i.
b) |z − i| = 0.
Sea z = x + i y con x, y ∈ R. Entonces
p
|z − i| = |x + (y − 1)i| = x2 + (y − 1)2 .
Entonces |z − i| = 0 ssi x2 + (y − 1)2 = 0 ⇔ x = 0 ∧ y = 1. Es decir, z = i.

Esto también pudo probarse usando |z − i| = 0 ⇔ z − i = 0 ⇔ z = i.
c) |z| = z.
z debe ser un número real mayor o igual que cero.
d ) zz + 1 = |z|.
√
Alternativa 1: z = a + i b. Entonces zz + 1 = |z| ⇔ a2 + b2 + 1 = a2 + b2
Esto es cierto ssi (a2 +b2 )2 +2(a2 +b2 )+1−a2 −b2 = 0, lo cual es equivalente
a a4 + 2a2 b2 + b4 + a2 + b2 + 1 = 0 y no existen a, b ∈ R que satisfagan esta
igualdad.
Alternativa 2: zz = |z|2 y entonces |z| debe ser tal que 0 = |z|2 − |z| + 1 =
2 2
|z| − 21 + 1 − 14 = |z| − 12 + 43 y no existe número real que satisfaga
esta igualdad.
p p
3. Re(z) ≤ |Re(z)| = Re(z)2 ≤ Re(z)2 + Im(z)2 = |z|. De igual manera puede
probarse que Im(z) ≤ |z|.
4. |z| = |z|,
5. Si z, w ∈ C, entonces |zw| = |z||w|.
Note que
p p
z = x+i y, w = a+i b ⇒ |z| = x2 + y 2 , |w| = a2 + b2 , zw = (xa−yb)+i (xb+ya).
p p
|z||w| = x2 a2 + x2 b2 + y 2 a2 + y 2 b2 = x2 a2 − 2axyb + y 2 b2 + x2 b2 + 2axyb + y 2 a2 ,
p
= (xa − yb)2 + (xb + ya)2 = |zw|.
Esta propiedad también puede demostrarse usando las propiedades anteriores

pues |zw| = |z||w| ⇔ |zw|2 = |z|2 |w|2 .
|zw|2 = zwzw = zwz w = zzww = |z|2 |w|2 .
En particular,
a) si λ ∈ R,
|λ z| = |λ||z|.
b) si w = z −1 se tiene entonces que |z||z −1 | = |zz −1 | = |1| = 1, es decir,

1
|z −1 | = = |z|−1 .
|z|
6. z
−1 |z|
= zw = |z||w−1 | = .
w |w|
7. (desigualdad triangular) ∀ z, w ∈ C se cumple que |z + w| ≤ |z| + |w|.

Si z + w = 0 entonces, |z + w| = 0 ≤ |z| + |w|. Podemos entonces suponer que
z + w 6= 0. Entonces
z w
1 = (z + w) · (z + w)−1 = z · (z + w)−1 + w · (z + w)−1 = + .
z+w z+w
Por tanto,

z w z w
1 = Re + = Re + Re
z+w z+w z+w z+w
y con ello
z w
|1| = Re + Re
z+w z+w
y usando la desigualdad triangular para números reales

z w
1 ≤ Re
+ Re .
z+w z+w
Debido a que para todo número complejo w se cumple que |w| ≥ |Re(w)|,

z w = |z| + |w| = |z| + |w|
z w
1 ≤ Re +Re ≤ +
z+w z + w z + w z + w |z + w| |z + w| |z + w|
de ahı́ que
|z + w| ≤ |z| + |w|.
Otra forma de demostrar la desigualdad triangular es la siguiente:
|z + w|2 = (z + w) (z + w) = (z + w) (z + w) ,
= zz + zw + wz + ww,
= |z|2 + zw + zw + |w|2 ,
= |z|2 + 2Re(zw) + |w|2 ,
≤ |z|2 + 2 |Re(zw)| + |w|2 ,
≤ |z|2 + 2 |zw| + |w|2 ,
= |z|2 + 2 |z| |w| + |w|2 ,
= |z|2 + 2 |z| |w| + |w|2 ,
2
= (|z| + |w|) .
Ejemplo 1.13.
1. Pruebe que si z ∈ C es tal que |z| ≤ 1, entonces
Im 1 − z + z 2 ≤ 3.

Im 1 − z + z 2 ≤ |1 − z + z 2 | ≤ 1 + |z| + |z 2 | ≤ 1 + 1 + 1 = 3.

2. Pruebe que para todo n ∈ N se cumple que

1 1
+ ∈ R.
1 + zn 1 + zn
Además si |z| = 1, el número anterior es igual a 1.
1 1 1 + zn + 1 + zn
+ = .
1 + zn 1 + zn (1 + z n ) (1 + z n )
Antes vimos que para todo par de números complejos z1 , z2 se cumple z1 · z2 =

z1 · z2 . Probemos que para todo n ∈ N, z1 · z2 · · · · · zn = z1 z2 · · · · · zn , lo que, en
el caso particular en que z1 = z2 = . . . = zn se reduce a z n = z n y entonces
1 1 1 + zn + 1 + zn
+ = ,
1 + zn 1 + zn (1 + z n ) (1 + z n )
1 + zn + 1 + zn
= ,
(1 + z n ) (1 + z n )
2 + 2Re(z n )
= ,
1 + zn + zn + znzn
n
2 + 2Re(z )
= .
1 + 2Re(z n ) + |z n |2
Antes vimos que para todo par de números complejos z1 , z2 se cumple |z1 · z2 | =
|z1 ||z2 |. Probemos que para todo n ∈ N, |z1 · z2 · · · · · zn | = |z1 ||z2 | · · · · · |zn |, lo
que, en el caso particular en que z1 = z2 = . . . = zn se reduce a |z n | = |z|n y
entonces si |z| = 1, |z|n = 1 y
1 1 2 + 2Re(z n )
+ n = = 1.
1 + zn 1+z 1 + 2Re(z n ) + 1
1.2. Representación de un número complejo como

par ordenado en el plano complejo o plano de
Argand
Definición 1.14. Un número complejo z = a + ib también puede representarse como
el par ordenado (a, b) ∈ R2 , es decir, C puede considerarse como R2 y se puede usar
el plano cartesiano para representar gráficamente los números complejos. Al eje X lo
llamamos eje real, en él se representan gráficamente los complejos reales. Al eje Y le
llamamos eje imaginario, en él se representan gráficamente los imaginarios puros. El
plano cartesiano recibe el nombre de plano complejo o plano de Argand.
Ejemplo 1.15. Los números complejos 0, 1 e i se representan como los pares ordenados
(0, 0), (1, 0) y (0, 1) respectivamente.
Ejemplo 1.16.

z − 2
1. Encuentre los números complejos z tales que
= 2. Represéntelos gráfica-
z + 1
mente en el plano de Argand.

z − 2 |z − 2|
2 = = ⇔ 2|z + 1| = |z − 2|
z + 1 |z + 1|
Además, si z = x + iy,
p p
|z + 1| = (x + 1)2 + y 2 , |z − 2| = (x − 2)2 + y 2
Entonces,
p p
2|z + 1| = |z − 2| ⇔ 2 (x + 1)2 + y 2 = (x − 2)2 + y 2 ,
⇔ 4((x + 1)2 + y 2 ) = (x − 2)2 + y 2 ,
⇔ (x + 2)2 + y 2 = 4.
2. Determine los números z ∈ C tales que |z+i| = |z−i|. Represéntelos gráficamente

en el plano de Argand.
√ √
z ∈ R ⇒ z = a, a ∈ R, |z + i| = |a + i| = a2 + 1, |z − i| = |a − i| = a2 + 1. Es
obvio que |z + i| = |z − i|.
Sea z = x + iy tal que |z + i| = |z − i|. Demostremos que z ∈ R, es decir, y = 0,
p p
|z + i| = |z − i| ⇔ x2 + (y + 1)2 = x2 + (y − 1)2 ,
⇔ x2 + (y + 1)2 = x2 + (y − 1)2 ⇔ 2y = −2y ⇔ 4y = 0 ⇔ y = 0.
3. Encuentre los números complejos z tales que

a) |z| ≤ 2,
b) |z + 1 − 2i| = 3,
c) Im(z 2 ) > Im(z).
Represéntelos gráficamente en el plano de Argand.
Si z = x + iy, entonces
a) |z| ≤ 2 ⇔ x2 + y 2 ≤ 4 (circunferencia de centro en (0, 0) y radio 2 y su
interior).
b) |z + 1 − 2i| = 3 ⇔ (x + 1)2 + (y − 2)2 = 9 (circunferencia de centro (−1, 2)
y radio 3).
c) Im(z 2 ) > Im(z) ⇔ 2xy > y ⇔ y(2x − 1) > 0. Números complejos (x, y)
tales que y > 0 ∧ x > 12 o y < 0 ∧ x < 21 .
1.3. Representación polar de un número complejo

Cada elemento de R2 se caracteriza de manera única por sus coordenadas cartesianas
(a, b) (punto de intersección de las rectas x = a y y = b). Otra forma de caracterizar
este número de manera única es a través de sus coordenadas polares (ρ, θ) siendo ρ ≥ 0
la distancia del origen de coordenadas al punto (el punto está ubicado encima de la
circunferencia con centro en el origen de coordenadas y radio ρ) y ρ |θ|, el tamaño
del arco de circunferencia que debemos recorrer desde (ρ, 0) para encontrar al punto.
Si θ > 0, recorremos un arco de circunferencia de longitud ρθ unidades en sentido
anti-horario, si θ < 0, lo recorremos en sentido horario.
Hacer en sala de clases 1. Representar gráficamente el plano cartesiano, tomar un
punto cualquiera sobre él (x, y) y ver gráficamente que el número puede caracterizarse
de manera única, no sólo por (x, y), sino por los valores de ρ y θ.
Busquemos, en el plano cartesiano, cuáles son los puntos con coordenadas polares
1. (0, π): Punto sobre la circunferencia de radio 0 que se obtiene de recorrer un arco
de circunferencia de longitud 0 sobre ella en sentido anti-horario.
2. 2, π4 : punto sobre la circunferencia con centro en el origen de coordenas y radio

2, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud 2 π4

desde el punto (2, 0) en sentido anti-horario.
3. 2, − π4 : punto sobre la circunferencia con centro en el origen de coordenas y

radio 2, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud

2 π4 desde el punto (2, 0) en sentido horario.
4. 3, π2 : punto sobre la circunferencia con centro en el origen de coordenas y radio

3, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud 3 π2



3 π2 desde el punto (3, 0) en sentido horario.
6. (3, π): punto sobre la circunferencia con centro en el origen de coordenas y radio
3, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud 3π
7. (−3, π): no pueden ser las coordenas polares de un punto.


π
3 desde el punto (1, 0) en sentido horario.
¿Qué relación existe entre (x, y) y (ρ, θ). Observe que existen infinitas formas de re-
presentar
√ √ en forma polar un mismo par ordenado (x, y). Por ejemplo, el par ordenado
π
2, π4 + 2π

2, 2 puede representarse, en coordenadas polares, como 2, 4 o como
o 2, π4 + 6π o ...

Admitiremos como forma polar de un par ordenado al par (ρ, θ) con −π < θ ≤ π. De
este modo, la representación en forma polar es única.
1. Dado (ρ, θ), usando semejanza de triángulos llegamos a las relaciones

ρ x ρ y
= ⇒ x = ρ cos(θ), = ⇒ y = ρ sin(θ).
1 cos(θ) 1 sin(θ)
2. Dado (x, y), p

ρ = d((0, 0), (x, y)) = x2 + y 2
Si ρ = 0, el punto tendrı́a coordenadas polares (0, 0). Si ρ > 0, θ es tal que
x y
cos(θ) = , sin(θ) = .
ρ ρ
Si x = 0 entonces,
π
a) si y > 0, θ = 2,
b) si y < 0, θ = − π2 .
sin(θ) y
Si x 6= 0, tan(θ) = = y
cos(θ) x
y
∈ − π2 , π

a) si (x, y) está
en I. o IV. cuadrantes, θ = Arctan x 2 (o θ =
y
π π
Arcsin ρ ∈ − 2 , 2 ),
b) si (x, y) está en II. cuadrante ( xy < 0), entonces − π2 < Arctan y

x < 0,
θ = π + Arctan xy (o θ = Arccos xρ ).

c) si (x, y) está en III. cuadrante ( xy >0), entonces 0 < Arctan y π

x < 2,
y x y

θ = −π + Arctan x (o θ = −Arccos ρ o θ = −π − Arcsin ρ ).
Notar que si y = 0 y x < 0, debemos tomar θ = π.
Ejemplo 1.17. 1. Encontrar las coordenadas polares de los siguientes elementos

de R2 dados en coordenadas cartesianas:
√
a) (2, 0): ρ = 22 + 0 = 2, θ = Arctan(0) = 0,
π
b) (0, 1): ρ = 1, θ = 2,
c) (0, −3): ρ = 3, θ = − π2 ,
√
d ) (1, −1): ρ = 2, θ = Arctan(−1) = − π4 ,
√

1 π 5π
e) (−2 3, 2): ρ = 4, θ = π + Arctan − √ =π− = ,
3 6 6
√ √
f ) (−1, − 3): ρ = 2, θ = −π + Arctan( 3) = −π + π3 = − 2π
3 .
2. Encontrar las coordenadas cartesianas de los siguientes elementos de R2 dados

en coordenadas polares
√
a) (2, − 2π 2π 2π

3 ): 2 cos − 3 , 2 sin − 3 = (−1, − 3),
b) (3, − π2 ): 3 cos − π2 , 3 sin − π2 = (0, −3).

Ya sabemos que C = R2 , entonces podemos además representar cada número complejo

por sus coordenadas polares. Si z ∈ C, z = (x, y) o z = x + i y, podemos encontrar sus
coordenadas polares de la forma antes descrita, ρ = |z| y θ recibe el nombre de argu-
mento principal de z y se denota Arg(z). La representación del número complejo z en
coordenadas polares es entonces z = |z| (cos(Arg(z)) + i sin(Arg(z)) = |z|cis (Arg(z)).
Dadas coordenadas polares de z = ρcis(θ), si θ = (−π, π], entonces la forma dada es
la representación polar de z. Si θ 6∈ (−π, π], podemos encontrar el argumento principal
de z mediante Arg(z) = θ + 2kπ con k ∈ Z tal que θ + 2kπ ∈ (−π, π]. Sin embargo, si
dadas las coordenadas polares de z = ρcis(θ), queremos encontrar su representación en
forma binomial o como par ordenado, no es necesario que encontremos el argumento
principal de z, con x = ρ cos(θ), y = ρ sin(θ), (x, y) es la representación de z como par
ordenado y x + i y es su representación binomial.
Ejemplo 1.18. Escriba los siguientes números complejos en forma polar
1. z = 2 cos π3 − i sin π3 = 2cis − π3 .

√
También puede verse que z = 1 − i 3.
z es el conjugado de 2cis π3 .

2. z = −2cis π3 esel inverso aditivo de 2cis π3 . Su forma polar es 2cis π

3 +π =
2cis π3 + π − 2π = 2cis − 2π

3 ,
3. z = 2 − cos π3 + i sin π3 . z es el inverso aditivo de z1 si z1 = 2cis π

3 .

π π 2π
z = −z1 = −2cis − = 2cis π − = 2cis .
3 3 3
1.3.1. Operaciones aritméticas entre números complejos dados

en coordenadas polares
1
Dados z1 , z2 en coordenadas polares z1 = |z1 |cis(θ1 ), z2 = |z2 |cis(θ2 ) (Re(z1 ) =
|z1 | cos(θ1 ), Im(z1 ) = |z1 | sin(θ1 )),
Hacer en sala de clases 2. Dado un z ∈ C, mostrar cómo encontrar √ su posición
en
plano de Argand conociendo |z| y Arg(z). Hacer esto para z = 1 + 3 = 2cis π3 .
Ver en el plano de Argand la igualdad entre dos números complejos: tienen que estar
ubicados en la misma circunferencia (sus módulos tienen que ser iguales) y además el
argumento de uno debe ser igual al otro más un múltiplo entero de 2π (vueltas a la
circunferencia encima de la cual se ubican ambos).
z1 = z2 ⇔ |z1 | = |z2 | ∧ ∃ k ∈ Z : θ1 = θ2 + 2kπ,

Si un número complejo en forma polar z = |z|cis(θ) es tal que θ 6∈ (−π, π], entonces θ
es un argumento de z, pero no su argumento principal y se denota θ = arg(z).
El conjugado de z1 es z1 = |z1 | cos(θ1 ) − i|z1 | sin(θ1 ). ¿Cuál es la representación polar
de este número?
Hacer en sala de clases 3. Hacer ejemplo: z1 = 2cis π3 . Representarlo gráficamente

usando los valores de |z1 | (es punto encima de la circunferencia de centro en (0, 0) y
radio 2) y su argumento principal.
Ver gráficamente dónde está su conjugado y darnos cuenta de que su argumento prin-
cipal debe ser el inverso aditivo del argumento principal de z1 .
En general, usando (im)paridad de funciones sin y cos, se tiene que
z1 = |z1 | cos(θ1 ) + i|z1 | sin(−θ1 ) = |z1 |cis(−θ1 ).
Observación 1.19. Acá se comprueba que ∀z ∈ C, |z| = |z|.
El inverso aditivo de z1 es −z1 = −|z1 |cis(θ1 ) = −|z1 | cos(θ1 ) − i |z1 | sin(θ1 ). ¿Cuál es
la representación polar de este número?
Hacer en sala de clases 4. z1 = 2cis π3 . z1 está en primer cuadrante y −z1

está en el tercero y es tal que se obtiene de rotar a z1 un ángulo de 180 grados, ası́
arg(−z1 ) = π + arg(z1 ). −z1 = 2cis π3 + π y Arg(−z1 ) = π3 + π − 2π = π3 − π = − 2π 3 .
En general, dado que
cos(π + θ1 ) = − cos(θ1 ), sin(π + θ1 ) = − sin(θ1 ),
−z1 = |z1 |cis (π + θ1 ), es decir, arg(−z1 ) = π + arg(z1 ).
Observación 1.20. Acá se comprueba que ∀z ∈ C, | − z| = |z|.
Veamos cómo realizar operaciones aritméticas entre números complejos en forma polar
z1 + z2 = |z1 | cos(θ1 ) + |z2 | cos(θ2 ) + i (|z1 | sin(θ1 ) + |z2 | sin(θ2 )) ,
z1 z2 = |z1 ||z2 | (cos(θ1 ) cos(θ2 ) − sin(θ1 ) sin(θ2 ) + i (sin(θ1 ) cos(θ2 ) + cos(θ1 ) sin(θ2 ))) ,
= |z1 |z2 | (cos(θ1 + θ2 ) + i sin(θ1 + θ2 )) = |z1 ||z2 |cis(θ1 + θ2 ),
1 1 |z1 |cis(−θ1 ) |z1 |cis(−θ1 ) 1
z1−1 = = = = 2
= cis(−θ1 ),
z1 |z1 |cis(θ1 ) |z1 |cis(θ1 )|z1 |cis(−θ1 ) |z1 | cis(0) |z1 |
z1 |z1 |cis(θ1 )cis(−θ2 ) |z1 |
= z1 z2−1 = = cis(θ1 − θ2 ).
z2 |z2 | |z2 |
1 cis(θ) es equivalente a cos(θ) + i sin(θ)
Observación 1.21. En las fórmulas para el producto de dos números complejos en

forma polar, el inverso multiplicativo de un complejo en forma polar y la división de
dos complejos en forma polar observamos que
1. |z1 z2 | = |z1 ||z2 |,
2. Arg(z1 z2 ) = Arg(z1 ) + Arg(z2 ),

1
3. z −1 = z,
|z|2
1
4. |z −1 | = ,
|z|

z1 |z1 |
5. = .
z2 |z2 |
Ejemplo 1.22. Calcular
√ √ √
1. (−2 3 + 2 i)(i) = −2 3i + 2 i2 = −2 3i − 2,
coordenadas polares, 4cis 5π π

2. el mismo producto anterior, pero en 6 1cis 2 =
4cis 5π π 8π 4π 4π

6 + 2 = 4cis 6 = 4cis 3 . Pero 3 ∈
6 (−π, π], ¿cuál es la representa-
ción en coordenadas polares del resultado?
Dado que
las funciones sin
y cos son periódicas
de perı́odo 2π, se cumple que
cos 4π
3 = cos 4π
3 + 2kπ , ∀k ∈ Z y sin 4π
3 = sin 4π
3 + 2kπ , ∀k ∈ Z. To-
4π
mando k = −1, obtenemos la representación polar de 4cis 3 + 2kπ , k ∈ Z
que es 4cis − 2π
3 .
1.3.2. Potencias con exponente natural y entero. Raı́ces de un

número complejo
Dados z ∈ C, n ∈ N, se define z n = z n−1 z, n ≥ 2.
Note que entonces se cumple que si z = |z|cis(θ)
z n = |z|n cis(nθ).
Hacer en sala de clases 5. Demostrar esta propiedad mediante inducción matemáti-

ca.
Observación 1.23. Si z es tal que |z| = 1, z = cis(θ), la fórmula anterior es

n
z n = (cos(θ) + i sin(θ)) = cos(nθ) + i sin(nθ).
Esta fórmula recibe el nombre de fórmula de Moivre.
Notar que
n
(zw)n = (|z|cis(θz )|w|cis(θw )) = (|z||w|cis(θz + θw ))n ,
= |z|n |w|n cis(nθz + nθw ) = |z|n cis(nθz )|w|n cis(nθw ) = z n wn .
Además
1. Si n, m ∈ N,
n m
z n z m = (|z|cis(θz )) (|z|cis(θz ) ,
= |z|n cis(nθz )|z|m cis(mθz ),
= |z|n |z|m cis(nθz + mθz ),
= |z|n+m cis((n + m)θz ),
= z n+m .
2. si z 6= 0, z −n es el inverso multiplicativo de z n que es igual a la potencia n-ésima

del inverso multiplicativo de z.
n 1 n
−1 n

−1 1 −1 1
= n cis(−nθ) = (|z|n cis(nθ)) = (z n )−1 = n .

z = (|z|cis(θ)) = cis(−θ)
|z| |z| z
Por tanto, si w 6= 0
z n zn
= (zw−1 )n = z n (w−1 )n = z n (wn )−1 = .
w wn
Ejemplo 1.24. Calcular

√ 4 √ 4
1. (1 + i)4 (1 − i)4 = 2cis π4 2cis − π4 = 22 22 = 16,
√ 2012
2. (1 + 3i)2012 = 2cis π3 = 22012 cis 2012π

3 ,
√ 3
3. 1+i1−i
3
,
√ !3 √
1+i 3 (1 + i 3)3
=
1−i (1 − i)3
√ 3
(1 + i 3)3 = 2cis π3 = 8cis (π) = −8 i.
√ 3 √
2cis − π4 = 2 2cis − 3π

(1 − i)3 = 4 .
√ 3
cis(π) √ √
1+i 3
= 2√28cis = 2 2cis π + 3π = 2 2cis 7π

.
1−i ( 4)
− 3π 4 4
√ √ √
Resultado en forma binomial: 2 2 22 − i 22 = 2 − 2 i.
Resultado como par ordenado: (2, −2).
√
Resultado en forma polar: 2 2cis − π4

√ −3
6 3+6 i
4. 6+6 i
√ !−3 3 √ !3 √ !3
2cis π4

3+i 1+i 2 π
= √ = = cis 3 .
2cis π6

1+i 3+i 2 12
Ejemplo 1.25. Determine

1 1
+ , n ∈ N, n par .
(1 + i)n (1 − i)n
n par, entonces n = 2m, m ∈ N. (1 + i)n = (1 + i)2m = (1 + 2i + i2 )m = (2i)m .

(1 − i)n = (1 − 2i + i2 )m = (−2i)m .
1 1 (1 − i)n + (1 + i)n 2m im + 2m (−i)m im + (−i)m

+ = n = =
(1 + i)n (1 − i)n ((1 + i)(1 − i)) 4m 2m
Al calcular potencias con√ exponente

√ natural √ de números reales se tiene que 22 =
2 +
(−2) = 4. Sin embargo, √ 4 = 2, 4 6= −2, : R ∪ {0} √−→ R+ ∪ {0}.
En los números complejos no es una función, sino que z son todos los números
complejos (dos exactamente) wi , i = 1, 2, . . . que satisfacen wi2 = z.
Dado z ∈ C, n ∈ N, se denominan raı́ces n-ésimas de z a todos los w ∈ C tales que
z = wn . ¿Cómo, dado z ∈ C, determinar w?
z = |z|cis(θz ),
w = |w|cis(θw ), wn = |w|n cis(nθw ),
p
wn = z ⇔ |w|n = |z|(|w| = n |z|)
∧
1 2kπ
∃k ∈ Z : nθw = θz + 2kπ(θw = θz + )
n n
Ejemplo 1.26. Calculemos, usando la fórmula anterior,
√
1. las raı́ces cuadradas de 1 + 3 i,
√ π
1+ 3 i = 2cis
3
Sea w = |w|cis(θ), entonces
√ π 1/2
(1 + 3 i)1/2 = w ⇔ 2cis = w,
π 3
⇔ 2cis = w2 = |w|2 cis(2θ),
3
π
⇔ 2 = |w|2 ∧ 2θ = + 2kπ, k ∈ Z,
3
1/2 π
⇔ |w| = 2 ∧ θ = + kπ, k ∈ Z.
6
√
Si tomamos k = 0, obtenemos w0 = 2cis π6 . Con k = 1 se obtiene w1 =

√ √ √ √
2cis π6 + π = 2cis 7π = 2cis − 5π 2cis π6 + 2π =

6 6 . Con k = 2, se tiene w2 =
w0 . Con k = 3, se tiene w3 = w1 .
√
Si m ∈ N se cumple w2m = 2cis π6 + 2mπ = w0 . Además

√ π √ π √ π
w2m+1 = 2cis + (2m + 1)π = 2cis + π + 2mπ = 2cis + π = w1 .
6 6 6
√
Es decir, 1 + 3 i sólo tiene 2 raı́ces cuadradas distintas entre sı́.
2. las raı́ces cuartas de i,
i = cis π2 . Sea w = |w|cis(θ), i1/4 = w ⇔ i = w4 = |w|4 cis (4θ). Esta igualdad
se cumple ssi |w|4 = 1(|w| = 1) y 4θ = π2 + 2kπ, k ∈ Z, es decir, θ = π8 + k π2 .
Tomando k = 0, 1, 2, 3 obtenemos las raı́ces

π 5π
w0 = cis w1 = cis
, ,
8 8

9π 7π 13π 3π
w2 = cis = cis − , w3 = cis = cis − ,
8 8 8 8
Si k ≥ 4 es de la forma k = 4m + r, 0 ≤ r ≤ 3 y entonces w4m = w0 , w4m+1 =
w1 , w4m+2 = w2 , w4m+3 = w3 .
Lema 1.27. Dado z ∈ C, z tiene n raı́ces n-ésimas distintas entre sı́.
Demostración. Sea z = |z|cis(θz ), w ∈ C, w = |w|cis(θw ) es raı́z n-ésima de z ssi
θz 2kπ
|w| = |z|1/n y θw = + , k ∈ Z.
n
1
n
θ
Denotemos wk = |z| n cis nz + 2kπ

n . Demostremos que para todo k ∈ Z se cumple que
wk = wn+k .

1 θz 2(k + n)π 1 θz 2kπ
wn+k = |z| n cis + = |z| n cis + + 2π = wk
n n n n
Entonces
w0 = wn = w2n = w3n = · · · , w1 = wn+1 = w2n+1 = · · · , wn−1 = w2n−1 = w3n−1 = · · · ,
es decir,
w0 ,
w1 ,
..
.
wn−1
wn = w0 ,
wn+1 = w1 ,
wn+2 = w2 ,
..
.
w2n−1 = wn+n−1 = wn−1 ,
w2n = w0 ,
w2n+1 = wn+(n+1) = wn+1 = w1 ,
..
.
Demostremos que las raı́ces w0 , . . . , wn−1 son distintas entre sı́. 1/n
Sean j, m ∈ {0, 1, . . . , n − 1}. wj = |z|1/n cis θnz + 2jπ cis θnz + 2mπ

n , wm = |z| n .
Dado que |wj | = |wm | se cumplirá wj = wm ssi existe un número entero s tal que
θz 2jπ θz 2mπ
+ = + + 2πs,
n n n n
es decir, ssi existe s ∈ Z tal que 2(j−m)π
n = 2πs y éste es el caso ssi j − m es múltiplo
entero de n. Dado que j, m ∈ {0, 1, . . . , n − 1} se tiene que |j − m| ≤ n − 1 y, por tanto,
no puede ser múltiplo de n.
Ejemplo 1.28. 1. Resuelva en C y en R la ecuación x2 + 2x + 4 = 0.

1
2. Resuelva en C la ecuación z 2 + = 0.
z

3 −a + i
3. Calcule z − i si z = , a ∈ R.
4 1 + 2a i
4. Sean α ∈ R y z ∈ C solución de z 2 − 2 cos(α)z + 1 = 0. Demuestre que para todo
1
n ∈ N se cumple z n + n = 2 cos(nα).
z
5. Sea ρ ∈ R. Pruebe que para todo n ∈ N
π n π n
1 + ρei 2 + 1 − ρei 2
es un complejo real.
Solución:
√ π
√ 3π

1. Soluciones: −1 + 3cis 2 y −1 + 3cis 2 .
Hacer en sala de clases 6. Hacer la observación de que el discriminante de
esta ecuación cuadrática es menor que cero, por tanto, no existe x ∈ R que
satisfaga la ecuación. Sin embargo, si buscamos soluciones en C, éstas sı́ existen.
Luego de resolver el ejercicio hacer notar que las dos soluciones son complejas y
una es el conjugado de la otra.
2. Sea z 6= 0
1 z3 + 1 p
z2 + =0⇔ = 0 ⇔ z 3 + 1 = 0 ⇔ z = 3 (−1)
z z
Entonces las soluciones de la ecuación dada son
las raı́ces cúbicas de −1 = cis(π).
Ellas son cis π3 , cis π3 + 2π π 4π

3 y cis 3 + 3 .
3.
−a + i (−a + i)(1 − 2a i) a + i(2a2 + 1)
z= = 2 2
= ,
1 + 2a i 1 − 4a i 1 + 4a2
3 a + i(2a2 + 1) − 34 i(1 + 4a2 )
z− i= ,
4 1 + 4a2
a + i( 14 − 10a2 )
=
1 + 4a2
Entonces r
z − 3 i = 1 1

a2 + 100a4 − 5a2 + .
4 1 + 4a2 16
4. Las soluciones de la ecuación cuadrática dada son z1 = cos(α) + i |sin(α)| y

z2 = cos(α) − i| sin(α)|. Dado que z2 = z1 , basta probar que la propiedad z n +
1
z n = 2 cos(nα) se cumple para z = z2 pues
1 1 1 1
z2n + n = z1 n + n = z1n + n = z1n + n .
z2 z1 z1 z1
1
Si z1n + z1n = 2 cos(nα), entonces z1n + = 2 cos(nα) = 2 cos(nα) y la propiedad
1 z1n
también se cumplirı́a para z2 .
Si α es tal que sin(α) ≥ 0, z1 = cos(α)
n+ i sin(α) y ésta es la representación
n polar
de z1 . Por tanto, z1n = cis(nα), z1−1 = cis(−nα) z1n + z1−1 = 2 cos(nα).
n
Si α es tal que sin(α) < 0, z1 = cos(α) − i sin(α) = cis(−α) y z1n + z1−1 =
2 cos(nα).
5.
n
i π
X n k ik π
n
1 + ρe =2 ρ e 2,
k
k=0
n
π n
X n k π
1 − ρei 2 = ρ (−1)k eik 2 ,
k
k=0
y
n
π n π n X n k ik π
1 + ρei 2 + 1 − ρei 2 = 2 ρ e 2
k
par k=0,k
π π n π n
Si k es par eik 2 = cos k π2 y entonces 1 + ρei 2 + 1 − ρei 2

es real.
√
Dado
p un número real x ≥ 0, con n x nos referimos a la raı́z n-ésima de x ∈ R y con
n
(x) nos referimos a las raı́ces n-ésimas de x ∈ C. Por ejemplo,
√
1 = 1,
( (
p p cis(0), 1,
(1) = cis(0) = =
cis (π) −1
1.3.3. Raı́ces de la unidad. Propiedades

Veamos las propiedades de las raı́ces del número 1, considerado como complejo real.
Según vimos antes, las raı́ces n-ésimas de 1, considerado como complejo real, son
√

n 2kπ
1 = cis , k = 0, 1, 2, . . . , n − 1.
n
Denotemos uk = cis 2kπ

n , k = 0, 1, 2, . . . , n − 1. Observe que
si n = 2, se obtienen u0 = cis(0) = 1 y u1 = cis (π) = −1,
√
si n = 3, se obtienen u0 = cis(0) = 1, u1 = cis 2π = − 21 + 23 i, u2 = cis 4π

3 3 =
√
− 12 − 23 i.
Hacer en sala de clases 7. Representar las raı́ces en el plano de Argand y hacer la
observación de que las n raı́ces n-ésimas de 1 dividen a la circunferencia unitaria en n
cuñas iguales (de igual área, igual arco de circunferencia).
Observe que la suma de las raı́ces cuadradas de 1 es cero, al igual que la suma de las
raı́ces cúbicas. Veamos que esta propiedad se cumple siempre.
Lema 1.29. Si u0 , u1 , . . . , un−1 representan las n raı́ces n-ésimas de 1, considerado

como complejo real, entonces u0 + u1 + . . . + un−1 = 0.
Para probar este lema introduzcamos la representación exponencial de un número
complejo. Ésta se basa en la siguiente fórmula, llamada fórmula de Euler, que se
cumple para todo α ∈ R
ei α = cos(α) + i sin(α).
La demostración de esta fórmula se basa en el desarrollo en series de potencias de
las funciones exponencial, sin y cos y queda fuera del alcance de este curso. Producto
de esta fórmula, si z ∈ C es tal que z = |z|cis(α), entonces z = |z|ei α y ésta es su
representación exponencial.
Note que
1. 1 = ei 0 = ei 2π ,
2. z1 = |z1 |ei θ1 , z1 6= 0 y z2 = |z2 |ei θ2 , entonces
z1 · z2 = |z1 |ei θ1 |z2 |ei θ2 = |z1 ||z2 |ei (θ1 +θ2 ) ,

1 1 i (−θ1 )
z1−1 = i θ
= e ,
|z1 |e 1 |z1 |
z1 = z1−1 |z1 |2 = |z1 |ei (−θ1 ) ,
z2 |z2 | i (θ2 −θ1 )
= z2 z1−1 = e ,
z1 |z1 |
z1n = |z1 |n ei (nθ1 )
Con esta representación se confirman todas las propiedades que hemos visto
ahora como, por ejemplo, el módulo del producto es el producto de los módulos, el
módulo del cociente es el cociente de los módulos, el argumento del conjugado de
un número z es el inverso aditivo del argumento de z, un número y su conjugado
tienen el mismo módulo, etc.
Demostremos ahora el lema 1.29.
Demostración. Las raı́ces n-ésimas de la unidad, en su representación exponencial,
son 2π j
uj = ei n , j = 0, 1, . . . , n − 1.
La suma de las raı́ces n-ésimas de la unidad es la suma de los n primeros términos de
una progresión geométrica cuyo primer término es u0 y su razón es u1 pues
2jπ 2(j−1)π 2π
uj = ei n = ei n ei n = uj−1 u1 .
Por tanto,
n−1
X 1 − un1
uk = u0 =0
1 − u1
k=0
pues un1 = 1.
Lema 1.30. Sea z, w ∈ C tales que z 6= 0 w es una de las raı́ces n-ésimas de z (si
z 6= 0, w 6= 0). Todas las raı́ces de z pueden calcularse mediante
wu0 , wu1 , . . . , wun−1
si u0 , u1 , . . . , un−1 son las raı́ces n-ésimas de 1.

Demostración. Ya sabemos que cualquier número z tiene n raı́ces n-ésimas distintas.

Los números wu0 , . . . , wun−1 son las n raı́ces n-ésimas de z ssi cada uno de ellos es
raı́z n-ésima de z
(wuk )n = wn unk = z1 = z
y además son distintos dos a dos
wui = wuj ⇔ w(ui − uj ) = 0 ⇔ ui = uj
y esto no se cumple pues ui 6= uj ∀ i 6= j.

Corolario 1.31. La suma de las raı́ces n-ésimas de todo z ∈ C es cero.
Ejemplo 1.32. Determine los valores de z ∈ C para los cuales se cumple que ei z = 3i.
Dado que z ∈ C, no se cumple que eiz = cis(z).
cis(a)
ei z = ei(a+i b) = eia−b = eia e−b =
eb
Además, π
3i = 3cis .
2
Entonces ei z = 3i ssi
cis(a) π
= 3cis .
eb 2
Dos números complejos en representación polar son iguales ssi tienen el mismo módulo
y sus argumentos difieren en un múltiplo entero de 2π. Por tanto, ei z = 3i ssi
1 π
3= ∧ a= + 2kπ, k ∈ Z.
eb 2
También puede verse que ei z = 3i ssi
π
3eb i = cos(a) + i sin(a) ⇒ cos(a) = 0 ⇒ a = + kπ ⇒ sin(a) ∈ {1, −1}.
2
π
Dado que ∀ b ∈ R : 3eb > 0, a = 2 + 2kπ, k ∈ Z y
1
3eb = 1 ⇔ eb = ⇔ b = − ln(3).
3
Hacer notar la diferencia entre ei x y ez con z ∈ C. Comentar un poco las propiedades
de la función exponencial con base e y exponentes complejos.
Ejemplo 1.33. Encuentre el error en
(
√ p p p ii = i2 = −1,
1= 1 = (−1)(−1) = (−1) (−1) =
(−i)(−i) = i2 = −1
1.4. Aplicaciones con complejos

Ver: láminas, páginas
1. Conjunto de Mandelbrot
2. http://www.matheprisma.de/Module/Fraktal/index.htm (explicación sencilla de

qué es un fractal y su relación con puntos fijos de funciones complejas)
3. http://www.physik-multimedial.de/cvpmm/sle/komplexzahl/fraktale6.html (qué
es un fractal y conjunto de Mandelbrot)
4. En IMU vimos la función sinusoidal.
√ Suponga que se quiere encontrar una función
sinusoidal para 5 cos(ω t + 53◦ ) + 2 cos(ω t + 45◦ ).
En IMU hacı́amos
√
5 cos(ω t + 53◦ ) + 2 cos(ω t + 45◦ ) = cos(ω t) (5 cos(53◦ ) − 1) + sin(ω t) (5 sin(53◦ ) + 1) ,
5 cos(53◦ ) − 1 5 sin(53◦ ) + 1

= A cos(ω t) + sin(ω t)
A A
Como queremos convertir la expresión anterior en una de la forma sin(ω t + α) =

sin(ω t) cos(α) + cos(ω t) sin(α), queremos que A y α sean tales que
5 cos(53◦ ) − 1 5 sin(53◦ ) + 1
= sin(α) = cos(α),
A A
es decir,
2 2
5 cos(53◦ ) − 1 5 sin(53◦ ) + 1 (5 cos(53◦ ) − 1)2 + (5 sin(53◦ ) + 1)2

+ =1⇔ = 1,
A A A2
⇔ 27 + 10 (sin(53◦ ) − cos(53◦ )) = A2
Una vez escogido A, se busca el valor adecuado para α.

Usando números complejos esto mismo puede hacerse de manera más sencilla
pues
√ ◦ √ ◦

5 cos(ω t + 53◦ ) + 2 cos(ω t + 45◦ ) = Re 5ei (ω t+53 ) + 2ei (ω t+45 ) ,
◦ √ ◦

= Re ei ω t 5ei 53 + 2ei 45 ,
√ √ !!!
√

iωt 3 4 2 2
= Re e 5 +i + 2 +i ,
5 5 2 2
= Re ei ω t (4 + 5 i) ,

√
= Re ei ω t 41ei arctan(5/4) ,

√
41ei (ω t+arctan(5/4)) ,

= Re
√
= 41 cos(ω t + arctan(5/4)),
√
= 41 sin(ω t + 90◦ + arctan(5/4))
5. También se puede usar la teorı́a de los números complejos para demostrar algunas
identidades trigonométricas, por ejemplo,
2
cos(2α) = Re (ei α )2 = Re (cos(α) + i sin(α)) ,

= Re cos2 (α) + 2i cos(α) sin(α) − sin2 (α) ,

= cos2 (α) − sin2 (α)

cos(3α) = Re (ei α )3 = Re cos3 (α) + 3i cos2 (α) sin(α) + 3i2 cos(α) sin2 (α) + i3 sin3 (α) ,

= Re cos3 (α) + 3i cos2 (α) sin(α) − 3 cos(α) sin2 (α) − i sin3 (α) ,

= cos3 (α) − 3 cos(α) sin2 (α)

Capı́tulo 2
Polinomios
En la introducción al tema números complejos vimos que en 1637 Descartes querı́a

determinar los valores de x para los cuales una cierta ecuación cúbica es igual a cero.
La solución de ecuaciones cuadráticas, cúbicas, cuárticas, ... fue objeto de estudio por
más de 300 años. Ya sabemos que las soluciones a la ecuación ax2 + bx + c = 0 con
a, b, c ∈ R son √
−b ± b2 − 4ac
.
2a
Estos valores pueden encontrarse realizando operaciones aritméticas entre los coeficien-
tes de la ecuación y calculando raı́ces cuadradas de números reales. Fórmulas similares
se encuentran para las ecuaciones ax4 + bx3 + cx2 + dx + e = 0 y ax3 + bx2 + cx + d = 0,
pero no para ax5 + bx4 + cx3 + dx2 + ex + f = 0.
En el año 1799 Ruffini publicó una demostración de este resultado, pero no era del todo
correcta. Niels Abel (1802-1829), un matemático noruego, que murió de tubercolosis a
los 27 años de edad, publicó, en 1824, una demostración correcta, pero lo hizo en un
panfleto de 6 páginas, su demostración era muy difı́cil de seguir. En 1826 él volvió a
publicar los resultados de sus investigaciones, pero esta vez en 22 artı́culos cientı́ficos.
Lo que Abel demostró es que no es posible calcular las raı́ces de una ecuación general
de grado 5 realizando sólo operaciones aritméticas entre sus coeficientes y calculando
radicales. Sin embargo, esto no significa que ninguna ecuación de grado 5 pueda re-
solverse de esta forma, por ejemplo, podemos encontrar las raı́ces de x5 = 1. Muchos
matemáticos se dedicaron a encontrar qué tipo de ecuaciones de grado 5 pueden ser
resueltas. Uno de ellos fue Evariste Galois (1811-1832 murió a los 20 años de edad).
Galois logró caracterizar qué tipo de ecuaciones de grado 5 son tales que sus raı́ces
pueden encontrarse mediante operaciones aritméticas entre sus coeficientes y cálculo
de radicales. Él envió los resultados de su investigación en 1829, cuando sólo tenı́a 17
años a una resvista de la cual Cauchy era referee. Cauchy perdió u olvidó el artı́culo
enviado por Galois, al igual que uno que recibió, también de Galois, una semana des-
pués. En 1830 Galois presentó los resultados de su investigación a un concurso, pero la
persona a la que le fue asignado su trabajo murió y el trabajo de Galois no fue tenido
en cuenta. En 1831 Galois envió su artı́culo a otra revista, pero el referee respondió
“His arguments are not sufficiently clear, nor developed enough for us to judge their
correctness. It is hoped that the author would publish his work in its entirety so that
we can form a definite opinion”. En 1832 Galois fue retado a duelo (se cree que el reta-
dor fue pagado por la policı́a para eliminar a Galois por sus ideas radicales). La noche
antes Galois la dedicó a escribir una carta a un amigo con la petición “Eventually there
26
CAPÍTULO 2. POLINOMIOS 27
will be, I hope, some people who will find it profitable to decipher this mess”. Durante
esa noche Galois trató de explicar sus demostraciones de la mejor manera posible, sin
embargo, como él mismo escribió “There are a few things left to be completed in this
proof. I do not have time.”, no tuvo tiempo para ello. Al dı́a siguiente Galois fue herido
de gravedad y abandonado a un lado del camino por su contrincante, fue encontrado
horas después y murió de peritonitis en un hospital. Fue enterrado en una fosa común,
no se sabe dónde están sus restos.
By 1843, Galois’s manuscripts had found their way to Joseph Liouville (1809–1882),
who after spending several months in the attempt to understand them, became con-
vinced of their importance. He addressed the Academy of Sciences on July 4, 1843,
opening with the words: I hope to interest the Academy in announcing that among
the papers of Evariste Galois I have found a solution, as precise as it is profound,
of this beautiful problem: whether or not it [the general equation of fifth degree] is
solvable by radicals. Liouville announced that he would publish Galois’s papers in the
December 1843 issue in his recently founded periodical Journal de Mathématiques Pu-
res et Appliquées. But for some reason, publication of the heavily edited version of the
celebrated 1831 memoir did not occur until the October–November 1846 issue.
Galois descubrió la teorı́a de grupos.
Consideremos un cuerpo K y dos operaciones definidas sobre él +, ·. Un polinomio es
una función p : K −→ K tal que, dados n + 1 (n ∈ N ∪ {0}) coeficientes a0 , a1 , . . . , an
en K (los coeficientes de p) a cada x ∈ K le hace corresponder el número a0 + a1 x +
. . . + an xn , es decir
n
X
p : K −→ K tal que p(x) = a0 + a1 x + a2 x2 + . . . + an xn = ai xi , (2.1a)
i=0
n ∈ N ∪ {0}, a0 , a1 , . . . , an ∈ K. (2.1b)
El conjunto de los polinomios definidos sobre K se representa por P(K). Si an 6= 0,
entonces p es un polinomio de grado n, es decir
Definición 2.1. Dado p ∈ P(K), p como en (2.1), el grado de p es el mayor n ∈ N∪{0}
tal que an 6= 0 y se representa por gr(p). En (2.1), si an 6= 0, n es el grado de p y an
se denomina coeficiente principal de p, a0 se denomina término independiente.
Ejemplo 2.2. 1. p : R −→ R tal que ∀x ∈ R p(x) = 2x + 1 es un polinomio de
grado 1 definido sobre el cuerpo de los números reales.
2. q : Q −→ Q tal que q(x) = x2 + 6x10 + 3x ∀x ∈ Q es un polinomio de grado 10
definido sobre el cuerpo de los números racionales.
3. r : C −→ C : r(x) = 5i ∀x ∈ C es un polinomio de grado 0 definido sobre el
conjunto de los números complejos.
4. θ(x) = 0 es también un polinomio, pero observe que no tiene grado. Éste es un
polinomio especial que denominaremos polinomio nulo.
1
5. s(x) = x + x2 + 3 no es un polinomio.
Hacer en sala de clases 8. Mostrar ejemplos de aplicaciones donde los polinomios
son importantes.
Definición 2.3. Dados dos polinomios p, q definidos sobre el mismo cuerpo K,
p(x) = a0 + a1 x + . . . an xn , q(x) = b0 + b1 x + . . . + bm xm , a0 , . . . , an , b0 , . . . , bm ∈ K,
se dice que ellos son iguales ssi ∀ x ∈ K, p(x) = q(x).
2.1. Operaciones sobre P(K) y sus propiedades

Observación 2.4. Si p, g ∈ P(K), gr(p) = n, gr(g) = m (m y n no son necesariamente
distintos entre sı́). Si p(x) = a0 + a1 x + . . . + an xn , an 6= 0, g(x) = b0 + b1 x + . . . +
bm xm , bm 6= 0. Entonces, si m ≤ n
m
X n
X
(p + g)(x) = (ai + bi )xi + ai xi ,
i=0 i=m+1
Xn m
X n
X m
X
(p · g)(x) = ( ai xi ) · ( bi xi ) = ai bj xi+j .
i=0 i=0 i=0 j=0
Note que, por tanto, gr(p + g) ≤ máx{gr(p), gr(g)} (o no existe1 ) y gr(p · g) = gr(p) +
gr(g)2 .
Ejemplo 2.5. Consideremos p ∈ P(R), p(x) = 3x3 + 5x + 2
1. Si g(x) = x + 1, gr(p + g) = 3 ≤ máx{3, 1}.

2. Si g(x) = x5 + 3x2 , gr(p + g) = 5 ≤ máx{3, 5}.
3. Si g(x) = 2x2 − 3x3 + 1, gr(p + g) = 2 ≤ máx{3, 3}.
4. Si g(x) = −5x − 1 − 3x3 , gr(p + g) = 0 ≤ máx{3, 3}.

5. Si g(x) = x + 1, gr(p g) = 4.
6. ¿Cómo debe ser g ∈ P(R) (grado y coeficientes) para que se cumplan las siguien-
tes condiciones?
a) gr(p + g) = 3,
b) gr(p + g) = 10,
c) gr(p g) = 6,
d ) gr(p + g) = 1,
e) pg = θ,
f ) p + g = θ (en cuyo caso gr(p + g) no existe).
g) gr(p g) < 3,
h) gr(p + g) < 3,
Sean p, g, d ∈ P(K), entonces se cumple
1. p + g = g + p y pg = gp, es decir, las operaciones definidas entre ellos son

conmutativas,
2. p + (g + d) = (p + g) + d y p(gd) = (pg)d, es decir, las operaciones definidas entre
ellos son asociativas,
3. el polinomio nulo es el elemento neutro para la suma, es decir, ∀ p ∈ P(K) se

cumple p + θ = p,
1 el resultado de esta operación puede ser el polinomio nulo
2 el resultado no puede ser el polinomio nulo pues supuse que el grado de ambos polinomios está
definido
4. para todo p ∈ P(K), existe el inverso aditivo y es el polinomio cuyos coeficientes

se obtienen de multiplicar los coeficientes de p por -1,
5. el polinomio constante e igual a 1 es el elemento neutro para el producto,
6. pq = θ ⇔ p = θ ∨ q = θ. Supongamos que p 6= θ y pq = θ. Si q fuera distinto
de θ, entonces pq serı́a un polinomio de grado mayor o igual que cero, lo cual no
puede ocurrir pues pq = θ que no tiene grado. Esta propiedad significa que no
puede encontrarse el inverso multiplicativo para el polinomio nulo.
7. dado p ∈ P(K), p 6= θ, si gr(p) ≥ 1, p no tiene inverso multiplicativo. Supongamos
que existe q ∈ P(K) tal que pq = 1, entonces gr(p) + gr(q) = 0 ⇒ gr(q) =
−gr(p) ≤ −1, con lo cual q no es un polinomio.
Lema 2.6. Dos polinomios p, q son iguales ssi sus coeficientes son iguales.
Demostración. Es fácil ver que si los coeficientes de los polinomios son iguales, para
cada x ∈ K debe cumplirse p(x) = q(x).
Variante 1: Demostremos que si para cada x ∈ K se cumple que p(x) = q(x), entonces
los coeficientes de los polinomios coinciden.
Sean p(x) = a0 + a1 x + . . . + an xn y q(x) = b0 + b1 x + . . . + bm xm . Supongamos m < n
y completemos entonces q(x) con bm+1 = · · · = bn = 0. Demostremos ahora que para
todo k ∈ {0, . . . , n} tiene que cumplirse ak = bk .
Como p(0) = a0 = q(0) = b0 tiene que cumplirse a0 = b0 . Supongamos ahora que
a0 = b0 , . . . , ak = bk y demostremos ak+1 = bk+1 .
p(x) = q(x) ⇔ ak+1 xk+1 + . . . + an xn = bk+1 xk+1 + . . . + bn xn , ∀ x ∈ K

⇔ xk+1 ak+1 + . . . + an xn−k−1 = xk+1 bk+1 + . . . + bn xn−k−1 , ∀ x ∈ K

⇔ ak+1 + . . . + an xn−k−1 = bk+1 + . . . + bn xn−k−1 , ∀ x ∈ K − {0}.
Si esta última igualdad se cumple, entonces
lı́m ak+1 + . . . + an xn−k−1 = lı́m bk+1 + . . . + bn xn−k−1 ,

x−→0 x−→0
es decir, ak+1 = bk+1 .
2.2. Función racional

Definición 2.7. Dado un cuerpo de números K y p, g ∈ P(K), una función racional
h : K −→ K es tal que
p(x)
h(x) = ∀x ∈ K : g(x) 6= 0.
g(x)
El polinomio p se denomina dividendo y el polinomio g divisor.
Lema 2.8. Dados p, g ∈ P(K) con gr(p) ≥ gr(g), existen polinomios q, r ∈ P(K) tales
que
p r
=q+ y gr(r) < gr(g) o r = θ.
g g
Además ellos son únicos.
Antes de mostrar este lema veamos algunos ejemplos:
p r
Ejemplo 2.9. Encuentre los polinomios q, r tales que = q + y gr(r) < gr(g) o
g g
r = θ si
1. p(x) = 5x4 + 4x3 − x2 + 6x, g(x) = x2 + 1,
2. p(x) = 2x5 + 5x3 − 2x2 + 3x − 2, g(x) = x2 + 1,
Demostración. Demostraremos la existencia de q y r por construcción y luego pro-
baremos su unicidad. Supongamos que p(x) = an xn + an−1 xn−1 + . . . a1 x + a0 , an 6= 0
y g(x) = bm xm + bm−1 xm−1 + . . . + b1 x + b0 , bm 6= 0, n ≥ m. Sea q1 = bamn xn−m ,
entonces gp = q1 + rg1 con

bm−1 b0
r1 (x) = an−1 − an xn−1 + an−m − an xn−m +an−m−1 xn−m−1 +. . .+a1 x+a0 .
bm bm
Note que gr(r1 ) ≤ gr(p) − 1. Si gr(r1 ) < gr(g)(m = n) o r = θ, q = q1 y r = r1 .

De lo contrario, de la misma forma que antes, buscamos q2 tal que rg1 = q2 + rg2 y
gr(r2 ) ≤ gr(r1 ) − 1 con lo que p = q1 + q2 + rg2 . Si gr(r2 ) < gr(g) o r = θ, q = q1 + q2 ,
r = r2 . De lo contrario, buscamos q3 , r3 tales que rg2 = q3 + rg3 de la misma forma
que antes con lo que gr(r3 ) ≤ gr(r3 ) − 1. De esta forma, en cada paso se disminuye
en al menos 1 el grado de ri , i = 1, 2, . . .. Cuando se obtenga rj con gr(rj ) < gr(g) o
rj = θ, se habrán encontrado polinomios q = q1 + q2 + . . . + qj y r = rj que satisfacen
p r
g = q + g con gr(r) < gr(g) o r = θ.
Supongamos ahora que existen polinomios q1 , r1 , q2 , r2 con q1 6= q2 , r1 6= r2 tales que
p = q1 g + r1 , p = q2 g + r2 , gr(r1 ) < gr(g) o r1 = θ, gr(r2 ) < gr(g) o r2 = θ.

(2.2)
Restando estas dos ecuaciones obtenemos
q2 g + r2 = q1 g + r1 ⇒ r2 − r1 = g(q1 − q2 ).
Si r1 6= θ o r2 6= θ y r1 6= r2 , entonces gr(r1 ) < gr(g) o gr(r2 ) < gr(g) con lo que

gr(r2 −r1 ) < gr(g). Pero gr(g(q1 −q2 )) ≥ gr(g), por lo que la igualdad r2 −r1 = g(q1 −q2 )
no es posible. Como r1 y r2 no tienen que ser ambos iguales al polinomio nulo, entonces
r1 = r2 con lo que r2 − r1 = θ = g(q1 − q2 ) ⇒ q1 = q2 .
Los polinomios q y r en el lema 2.8 se denominan cuociente y resto respectivamente.
Si r = θ, se dice que g divide a p o que p es divisible por g.
Consideremos una función racional gp con g(x) = x − c y gr(p) ≥ 1. Entonces, existen
polinomios q, r tales que
p r
=q+ , gr(r) < gr(g) o r = θ
g g
es decir, gr(r) = 0 o r = θ. Esto significa que r es un polinomio de la forma r = r0 con
r0 ∈ K (r0 puede ser cero, en cuyo caso r es el polinomio nulo). Note que
p r0
=q+ ⇒ p = q(x − c) + r0 ⇒ p(c) = r0 ,
x−c x−c
es decir, el resto de la división de p por x − c es igual a p(c).
p r
Lema 2.10. (Teorema del resto) Sea p ∈ P(K) tal que gr(p) ≥ 1 y =q+
x−c x−c
con gr(r) < 1 o r = θ, entonces r = p(c).
Definición 2.11. Sea p ∈ P(K) y c ∈ C, c es raı́z de p ssi p(c) = 0 (note que p(c) = 0
ssi p es divisible por x − c o el resto de la división de p por x − c es el polinomio nulo).
Ejemplo 2.12. 1. Dado el polinomio p(x) = x3 − 9x + c con c ∈ R, hallar el valor
de c de forma que
a) 1 sea raı́z de p(x),

b) p tenga dos raı́ces reales con signo contrario, ¿cuáles son las raı́ces?
2. Diga si 1 es raı́z de p(x) = x3 − 3x2 + 4x − 2. ¿Es 16 raı́z de p?
Para averiguar si 16 es raı́z de p debemos ver si (16)3 − 3(16)2 + 4(16) − 2 = 0.
Si olvidamos el valor de (16)2 al evaluar (16)3 , debemos realizar 5 productos y 3
sumas para ver si (16)(16)(16) − 3(16)(16) + 4(16) − 2 = 0. Pero
(16)3 −3(16)2 +4(16)−2 = −2+(16)(4−3(16)+(16)(16)) = −2+(16)(4+(16)(−3+(16))
y sólo tendrı́amos que realizar 3 sumas y 2 productos para averiguar si 16 es raı́z

de p. Esta forma de evaluar a p se denomina fórmula de Horner.
Si se tiene p(x) = a0 + a1 x + . . . + an xn , observe que si se evalúa p(c) de la
manera usual
p(c) = a0 + a1 · c + a2 · c · c + . . . + an · c · c · · · · c
son necesarios n sumas y 1 + 2 + . . . + n productos para calcular p(c). Si, por el

contrario, se usa el esquema de Horner para evaluar p(c)
p(c) = a0 + c(a1 + c(a2 + . . . + c(an−1 + can ) . . .))
sólo son necesarios n sumas y n productos.
La regla de Ruffini es una manera fácil de dividir un polinomio p por uno de la forma
x − c y, a la vez, evaluarlo en c mediante la fórmula de Horner.
Hacer en sala de clases 9. Tomar p(x) = a3 x3 + a2 x2 + a1 x + a0 .
La fórmula de Horner para evaluar a este polinomio en c ∈ K es
p(c) = a0 + c(a1 + c(a2 + ca3 )).
Veamos que al aplicar Ruffini para encontrar cociente y resto (= p(c)) de la división
de p(x) por x − c se está calculando p(c) según la fórmula de Horner.
p
Escribir la tabla de Ruffini y la división normal de e ir viendo que los coeficientes
x−c
que se van calculando con Ruffini son los mismos que se van obteniendo según se divide
a p por x − c.
Según teorema del resto, el resto de la división es igual a p(c). Podrı́amos usar Ruffini
entonces para evaluar p(c). ¿Es esto conveniente?
Escribir fórmula de Horner para evaluar p(x) = a3 x3 + a2 x2 + a1 x + a0 y notar que
esto es lo que se hace al hacer Ruffini.
p r
Ejemplo 2.13. Encuentre los polinomios q, r tales que =q+ y gr(r) <
x−c x−c
gr(g) = 1 o r = θ. ¿Quién es en cada caso p(c)?
1. p(x) = x6 − 4ix2 − 9x4 − 64, g(x) = x + 3,
Verlo por Ruffini y dividiendo ambos polinomios.

Supongamos que c es raı́z de p ∈ P(K). Entonces existe (un único) q ∈ P(K) tal que
p = q(x − c). Entonces puede ocurrir,
1. c no es raı́z de q. En este caso se dice que c es raı́z simple de p,
2. c es raı́z de q, entonces existe (único) r ∈ P(K) tal que q = r(x − c) y, por tanto,
p = r(x − c)2 . Ahora puede nuevamente ocurrir
2.1 c no es raı́z de r, en cuyo caso decimos que c es raı́z de multiplicidad 2 de p,
2.2 c es raı́z de r, entonces existe (único) s ∈ P(K) tal que r = s(x − c) y, por
tanto, p = s(x − c)3 . Si
2.2.1 c no es raı́z de s, se dice que c es raı́z de multiplicidad 3 de p,
2.2.2 c es raı́z de s, existe (único) t ∈ P(K) tal que s = t(x − c) y, por tanto,
p = t(x − c)4 , c es entonces raı́z de multiplicidad mayor o igual que 4
de p.
Definición 2.14. Sea c raı́z de p ∈ P(K) y sea k el mayor número natural tal que
p = q(x − c)k , q ∈ P(C). Si k = 1, se dice que c es raı́z simple de p. Si k > 1, se dice
que c es raı́z de multiplicidad k de p.
Ejemplo 2.15. Sea p(x) = 8x3 + 16x2 + 10x + 2. Averigüe si − 21 es raı́z de p y su
multiplicidad.
Ejemplo 2.16. Sea p(x) = x3 − 9x + c. Determine c de modo que p tenga una raı́z
real de multiplicidad 2.
Se quiere que exista a ∈ R tal que a es raı́z de p y es raı́z del cociente de p por
x − a (resto es polinomio nulo). Se quiere que c sea tal que exista a ∈ R tal que
p(a) = a3 − 9a + c = 0 y, dado que,
=p(a)=0
z }| {
p 2 2 c + a(a2 − 9)
= x + ax + a − 9 + ,
x−a x−a
se quiere que a2 + a2 + a2 − 9 = 0, es decir, a y c deben ser tales que
c + a(a2 − 9) = 0 ∧ 3a2 − 9 = 0.
Ejemplo 2.17. Sea p(x) = x4 − x3 − 5x2 − x − 6. Averigüemos si los números i, −i

son raı́ces de p y la multiplicidad de aquellos que sean raı́ces.
En el ejemplo anterior no es casualidad que tanto i como su conjugado (−i) sean raı́ces
de p pues
Lema 2.18. Consideremos p ∈ P(C). Si z ∈ C es raı́z de p, entonces z̄ es raı́z de p̄,
siendo p̄ el polinomio cuyos coeficientes son los conjugados de los coeficientes de p.
Demostración. Sea p = a0 + a1 x + . . . + an xn con a0 , a1 , a2 , . . . , an ∈ C.
p̄(z) = a0 + a1 z + a2 z 2 + . . . + an z n ,
= a0 + a1 z + a2 z 2 + . . . + an z n ,
= p(z) = 0 = 0.
Esto significa que si p ∈ P(R), entonces si z ∈ C es raı́z de p, z̄ también lo es.

Ejemplo 2.19. Determine las raı́ces de p(x) = x5 − 5x4 + 12x3 − 16x2 + 12x − 4 y
sus multiplicidades sabiendo que 1 + i es raı́z de p.
Tarea: En clases probamos que ∀ p ∈ P(R), z ∈ C raı́z de p ⇒ z también es raı́z de p,
Pruebe que las multiplicidades son las mismas. Idea: al dividir p por (x − z)(x − z) se
obtiene un polinomio con coeficientes reales para el cual vuelve a cumplirse que si z
es raı́z de él, z también lo es.
1 -5 12 -16 12 -4
1+i 1+i -5-3i 10+4i -10-2i 4
1 -4+i 7-3i -6+4i 2-2i 0
1+i 1+i -5-i 6-2i -2+2i
1 -3+2i 2-4i 2i 0
1+i 1+i 8+14i 20i
1 -2+3i 10+10i 22i 6= 0
Por tanto, 1 + i es raı́z de multiplicidad 2 de p. Dado que p tiene coeficientes reales,

1 − i también es raı́z de multiplicidad 2 de p. Hemos podido escribir p como
p(x) = (x − (1 + i))(x − (1 + i))(x3 + (2i − 3)x2 + (2 − 4i)x + 2i)
p es divisible por x − (1 − i) ssi x3 + (2i − 3)x2 + (2 − 4i)x + 2i lo es. Por tanto, basta
dividir ahora x3 + (2i − 3)x2 + (2 − 4i)x + 2i por (x − (1 − i))2 (sabiendo que 1 − i es
raı́z de multiplicidad 2 de p. Podemos dividir directamente por (x − (1 − i))2 (mediante
división usual de polinomios) o usar Ruffini para dividir 2 veces por x − (1 − i).
2.3. Polinomios irreducibles

Ya sabemos que si p, g ∈ P(K) son tales que gr(p) ≥ gr(g), existen (y son únicos)
polinomios q, r tales que
p r
=q+
g g
con gr(r) < gr(g). La fracción propia gp se ha escrito como suma de un polinomio y una
fracción impropia. Nuestro objetivo es ahora descomponer la fracción impropia gr en
suma de fracciones parciales. Para ello debemos primero encontrar la descomposición
de g como producto de polinomios irreducibles en P(R).
Definición 2.20. Sea p ∈ P(K), p es reducible en P(K) ssi existen q, s ∈ P(K) tales
que
gr(q) ≥ 1, gr(s) ≥ 1, p = qs.
En caso contrario, p es irreducible en P(K).
Observación 2.21. Todo polinomio de grado 0 o 1 es irreducible.
Nuestro objetivo es ahora, dado un polinomio g ∈ P(K), encontrar una descomposición
de la forma g = q1 q2 · · · qs con q1 , q2 , . . . , qs ∈ P(K) e irreducibles en P(K). El teorema
fundamental del Álgebra nos ayudará a ello.
Lema 2.22. (Teorema fundamental del Álgebra) Sea p ∈ P(K) de grado mayor o igual
que 1. Entonces existe c ∈ C tal que p(c) = 0.
Observe que entonces, si p ∈ P(C) es de grado n ≥ 2 (ya sabemos que polinomios de
grado 0 y 1 son irreducibles), aplicando reiteradamente el teorema fundamental del
Álgebra sabemos que
p(x) = (x − c1 )q1 (x),

= (x − c1 )(x − c2 )q2 (x),
= · · · = (x − c1 )(x − c2 ) · · · (x − cn−1 )qn−1 (x)
con gr(qn−1 ) = 1. Dado que x − c1 , x − c2 , . . . , qn−1 son irreducibles en P(C), ésta

serı́a la descomposición de p como producto de polinomios irreducibles en P(C).
Observación 2.23. 1. Note que aplicando nuevamente el teorema fundamental del
Álgebra a p, se tiene
p(x) = (x − c1 )(x − c2 ) · · · (x − cn )α
con α ∈ C, α 6= 0. Esto significa que p tiene exactamente n raı́ces complejas (no

necesariamente distintas entre sı́) pues si z ∈ C − {c1 , c2 , . . . , cn }
p(z) = (z − c1 )(z − c2 ) · · · (z − cn )α 6= 0.
2. Dado que los valores de c1 , c2 , . . . , cn no son necesariamente distintos entre sı́,

pudiera ocurrir que c1 aparece l1 veces en (x − c1 )(x − c2 ) · · · (x − cn ) (c1 es raı́z
de multiplicidad l1 ), c2 , l2 veces y ası́ sucesivamente hasta un cr que aparece lr
veces con l1 + . . . + lr = n. Entonces
p(x) = α(x − c1 )l1 (x − c2 )l2 · · · (x − cr )lr .
3. Dados p, q ∈ P(K) tales que p, q tienen grado menor o igual que n. Si ellos
coinciden en n + 1 puntos distintos, son iguales entre sı́. Note que d = p − q
serı́a un polinomio de grado menor o igual que n. Una de las consecuencias del
teorema fundamental del Álgebra es que d tiene, a lo sumo, n raı́ces. Si p y q
coinciden en n + 1 puntos, d tendrı́a n + 1 raı́ces y esto sólo es posible si d = θ,
es decir, p = q.
4. Teniendo en cuenta el teorema sobre las raı́ces complejas de un polinomio con
coeficientes reales, una consecuencia del teorema fundamental del Álgebra es
además que todo polinomio p ∈ P(R), cuyo grado sea un número impar, tiene al
menos una raı́z real.
¿Cómo encontrar la descomposición de p ∈ P(R) como producto de factores irreduci-
bles?
Si p ∈ P(R) tiene grado n ≥ 2, entonces por el teorema fundamental del Álgebra p
tiene n raı́ces complejas, no necesariamente distintas entre sı́ y
p(x) = α(x − c1 )l1 · · · (x − cr )lr .
Supongamos que, de esas raı́ces, m son complejos reales y las restantes tienen parte
imaginaria distinta de cero. Denotemos por a1 , a2 , . . . , am a las raı́ces que son complejos
reales y por α1 ± i β1 , . . . , αs ± i βs a las que son complejas,
p(x) = α(x−a1 )l1 · · · (x−am )lm (x−(α1 +i β1 ))lm+1 (x−(α1 −i β1 ))lm+1 · · · (x−(αs +i βs ))lr (x−(αs −i βs ))lr
serı́a la descomposición de p como producto de factores irreducibles en P(C), pero

dado que αj + i βj , j = 1, 2, . . . , s no son números reales, ésta no es la descomposición
de p como producto de factores irreducibles en P(R). Sin embargo, note que
(x − (αj + i βj ))(x − (αj − i βj )) = x2 − 2αj x + αj2 + βj2
es un polinomio de grado 2 con coeficientes reales e irreducible en P(R). La descom-
posición de p como producto de factores irreducibles en P(R) es entonces
p(x) = α(x − a1 )l1 · · · (x − ar )lm (x2 − 2α1 x + α12 + β12 )lm+1 · · · (x2 − 2αs x + αs2 + βs2 )lr .
Ejemplo 2.24.
La descomposición de p(x) = x5 − 5x4 + 12x3 − 16x2 + 12x − 4 como producto de
factores irreducibles en P(C) es
p(x) = (x − (1 + i))2 (x − (1 − i))2 (x − 1).
La descomposición como producto de factores irreducibles en P(R) es
2
p(x) = x2 − 2x + 2 (x − 1).
Ejemplo 2.25. Sabiendo que 31 z 3 − 3z 2 + 11z − 65 3 tiene una raı́z compleja (no es
√
compleja real) de módulo 13, determine sus raı́ces.
Dado que p tiene coeficientes reales, si α + i β es la raı́z compleja de p con módulo
√
13, α − i β es también raı́z de p y la tercera raı́z debe ser necesariamente un número
real, denotémoslo por c. Entonces
1
p(z) = (x − (α + i β)) (x − (α − i β)) (x − c),
3
1 3
z − 9z 2 + 33z − 65 ,

=
3
es decir, α, β, c ∈ R son tales que
z 3 − 9z 2 + 33z − 65 = (x − (α + i β)) (x − (α − i β)) (x − c),
= z 3 + z 2 (−c − 2α) + z(2α c + α2 + β 2 ) − c(α2 + β 2 ).
| {z } | {z }
=13 =13
Dado que dos polinomios son iguales ssi sus coeficientes son iguales, la igualdad anterior
se cumple ssi
13c = 65,
2α c + 13 = 33,
c + 2α = 9
y con ello c = 5, α = 2, β = ±3. Las raı́ces de p son entonces 5, 2 + 3 i, 2 − 3 i. Su
descomposición como producto de factores irreducibles en P(C) es
1
p(z) = (z − 5)(z − (2 + 3 i))(z − (2 − 3 i)).
3
Su descomposición como producto de factores irreducibles en P(R) es
1 1
p(z) = (z − 5)((z − 2)2 + 9) = (z − 5)(z 2 − 4z + 13).
3 3
2.3.1. Ecuaciones polinomiales

Buscar la descomposición en factores irreducibles de un polinomio se reduce a encontrar
sus raı́ces, pero éste no es un problema sencillo. Para polinomios de grado 1 de la
forma p(x) = ax + b con a 6= 0, es claro que su única raı́z es x1 = − ab . Las raı́ces de
polinomios de grado 2 pueden encontrarse fácilmente por completamiento cuadrático,
si consideramos p(x) = ax2 + bx + c, a 6= 0, entonces
2 !
b2

2 2 b c b c
ax + bx + c = a x + x + =a x+ + − 2 ,
a a 2a a 4a
y
2 !
b2

b c
p(x) = 0 ⇔ a x+ + − 2 = 0,
2a a 4a
2
b2

b c
⇔ x+ = 2− ,
2a 4a a
s
2

b b c
⇔x=− + − .
2a 4a2 a
Consideremos ahora un polinomio de grado 3 de la forma p(x) = a3 x3 +a2 x2 +a1 x+a0

y denotemos por x1 , x2 , x3 ∈ C sus raı́ces, entonces
p(x) = a3 (x − x1 )(x − x2 )(x − x3 ) = a3 (x2 − (x1 + x2 )x + x1 x2 )(x − x3 )

= a3 (x3 − (x1 + x2 + x3 )x2 + (x1 x2 + x1 x3 + x2 x3 )x − x1 x2 x3 ).
Esta igualdad se cumple ssi (recordar cuando 2 polinomios son iguales)

a2
x1 + x2 + x3 = − ,
a3
a1
x1 x2 + x1 x3 + x2 x3 = ,
a3
a0
x1 x2 x3 = − .
a3
Resolviendo este sistema de ecuaciones no lineales se obtendrı́an las raı́ces de p. Para
polinomios de grado menor o igual que 4 existen fórmulas que permiten calcular sus
raı́ces de manera “exacta”, estas expresiones involucran sólo operaciones aritméticas
y raı́ces de números complejos. En 1824 el matemático noruego Niels Henrik Abel
demostró (a la edad de 19 años) que, en general, no existe forma de calcular las raı́ces
de polinomios de grado mayor o igual que 5 usando sólo operaciones aritméticas o
raı́ces de números complejos. Para algunos polinomios de grado mayor o igual que
5, con propiedades especiales, existen formas de calcular sus raı́ces de manera exacta
(usando sólo operaciones aritméticas), una de ellas se expone a continuación. Para
polinomios generales sólo nos queda usar métodos numéricos para calcular sus raı́ces.
Lema 2.26. (Teorema de Descartes) El número de raı́ces reales positivas (negativas)
de p ∈ P(R) es igual al número de cambios de signo que se aprecia en los coeficientes
de p(x) (p(−x)) (obviando los coeficientes iguales a cero) o difiere de él en un número
par.
Lema 2.27. (Teorema de las raı́ces racionales) Sea p(x) = a0 + a1 x + . . . + an xn con

a0 , a1 , . . . , an ∈ Z. Suponga que dc ∈ Q es raı́z de p, entonces c divide a a0 y d divide
a an .
c
Demostración. es raı́z de p significa que
d
c c cn
p = a0 + a1 + . . . + an n = 0
d d d
Multiplicando esta ecuación por dn se tiene
a0 dn + a1 cdn−1 + . . . + an cn ⇒ −a0 dn = c a1 dn−1 + . . . + an cn−1

Por tanto, a0 dn es múltiplo de c, como d y c no tienen factores en común, tiene que

ocurrir que a0 es múltiplo de c.
Además
−an cn = d a0 dn−1 + a1 cdn−2 . . . + an−1 cn−1 ,

es decir, an cn es múltiplo de d y como c y d no tienen factores en común, an tiene que

ser múltiplo de d.
Descomponiendo a0 y an en sus factores primos se tiene entonces que c serı́a una
combinación de los factores primos de a0 y d, una combinación de los factores primos
de d.
Ejemplo 2.28. Descomponga los siguientes polinomios en factores irreducibles en
P(R) y P(C).
1. p(x) = x3 − 3x + 2.
p pued tener 2 o 0 raı́ces reales positivas y 1 raı́z real negtiva.
Para aplicar el teorema de las raı́ces racionales descomponemos

a0 2 · 1
= ,
an 1
por tanto, si p tiene raı́ces racionales, éstas pueden ser ±1 y ±2.
Dividiendo por x − 1 se tiene p(x) = (x − 1)(x2 + x − 2).
Aquı́ pueden calcularse las raı́ces del polinomio de grado 2 o pueden aplicarse
nuevamente los teoremas vistos. Dado que x2 + x − 2 puede tener una raı́z real
positiva, volvemos a dividir por x − 1 y obtenemos p(x) = (x − 1)(x − 1)(x + 2).
2. p(x) = x5 + x3 − x2 − 1.
p puede tener una raı́z real positiva y una raı́z real negativa. Dado que

a0
= 1,
an
si p tiene raı́ces racionales, éstas pueden ser ±1.

Dividiendo por x − 1 se tiene
p(x) = (x − 1)(x4 + x3 + 2x2 + x + 1)
Dado que x4 + x3 + 2x2 + x + 1 no puede tener raı́ces reales positivas, no tiene

sentido probar si 1 es raı́z de multiplicidad 2 de p. Si evaluamos p(−1) nos damos
cuenta de que -1 no es raı́z de p.
x4 + x3 + 2x2 + x + 1 = x2 (x2 + x + 1) + x2 + x + 1 = (x2 + x + 1)(x2 + 1)

√
3
Las restantes raı́ces de p son i, −i y las raı́ces de x2 + x + 1 que son − 21 + 2 i
√
y − 12 − 23 i.
3. p(x) = x8 − x6 + x2 − 1.
p puede tener 3 o 1 raı́ces reales positivas y 3 o 1 raı́ces reales negativas.
Dado que Dado que
a0
= 1,
an
si p tiene raı́ces racionales, éstas pueden ser ±1. Dividiendo por x − 1
p(x) = (x − 1)(x7 + x6 + x + 1).
Dado que x7 + x6 + x + 1 no puede tener raı́ces reales positivas, no tiene sentido

probar si 1 es raı́z de multiplicidad 2 de p. Dividiendo por x + 1 se tiene
p(x) = (x − 1)(x + 1)(x6 + 1).
Las
√
restantes
√
raı́ces de p son, por tanto, las raı́ces sextas de -1. Éstas son i, −i,
3 i 3 i
2 ± 2 , − 2 ± 2.
4. p(x) = x6 − 32 x5 − 45 4 271 3 2 27
4 x + 8 x − 33x + 2 x − 2. Este polinomio no tiene
coeficientes enteros, no se puede aplicar el teorema de raı́ces racionales a p. Sin
embargo, multiplicando p por mı́nimo común múltiplo M de los números en
denominadores, se escribe M p = q, p y q tienen las mismas raı́ces y q tiene
coeficientes enteros.
1
8x6 − 12x5 − 90x4 + 271x3 − 264x2 + 108x − 16

p(x) =
8
A q(x) = 8x6 − 12x5 − 90x4 + 271x3 − 264x2 + 108x − 16 se le puede aplicar el
teorema de las raı́ces racionales. Dado que

a0 16 2·2·2·2·1
= = ,
an 8 2·2·2·1
las posibles raı́ces racionales de q(x) (y p(x)) son ±1, ± 21 , ± 14 , ± 18 , ±2, ±4, ±8,
±16. De éstas 21 , 2 (con multiplicidad 2) y −4 son raı́ces de p y
1 1 1 1 1 1
p(x) = (x + 4)(x − 2)2 (x − )(x2 − x + ) = (x + 4)(x − 2)2 (x − )(x − )2 .
8 2 4 8 2 2
2.4. Descomposición de fracciones impropias en su-

ma de fracciones parciales
Ejemplo 2.29. Descomponga las siguientes funciones racionales en fracciones parcia-
les
1.
5x2 + 15x + 7
.
(x − 4)(x + 3)2
Denotemos p = 5x2 +15x+7, g = (x−4)(x+3)2 . Dado que gr(g) = 3 > gr(p) = 2,
ésta es una fracción impropia. Además g ya está descompuesto en producto de
factores irreducibles.
p A1 A2 A3 A1 (x + 3)2 + A2 (x − 4)(x + 3) + A3 (x − 4)
= + + 2
=
g x − 4 x + 3 (x + 3) g
2
x (A1 + A2 ) + x(6A1 − A2 + A3 ) + (9A1 − 12A2 − 4A3 )
=
g
La igualdad se cumple ssi A1 +A2 = 5, 6A1 −A2 +A3 = 15 y 9A1 −12A2 −4A3 = 7
y esto a su vez se cumple ssi A1 = 3, A2 = 2 y A3 = −1 con lo que
p 3 2 1
= + − .
g x − 4 x + 3 (x + 3)2
Otra forma de encontrar A1 , A2 y A3 es teniendo en cuenta que 5x2 + 15x + 7 =

A1 (x + 3)2 + A2 (x − 4)(x + 3) + A3 (x − 4) ssi retornan el mismo valor al evaluarse
en cualquier x ∈ R.
Si evaluamos en −3 obtenemos
7 = −7A3 ⇒ A3 = −1.
Si evaluamos en −4 obtenemos
49A1 = 147 ⇒ A1 = 3.
Teniendo en cuenta que A1 = 3 y A1 + A2 = 5 se tiene que A2 = 2.

Escribir descomposición en fracciones parciales.
Otra forma de encontrar los valores de A1 , A2 y A3 es mediante el llamado método
de Heaviside. Multiplicando
5x2 + 15x + 7 A1 A2 A3
= + +
(x − 4)(x + 3)2 x − 4 x + 3 (x + 3)2
por (x + 3)2 y calculando el lı́mite cuando x → −3 de las expresiones resultantes

se tiene
5x2 + 15x + 7
lı́m = lı́m A3 ⇒ A3 = −1.
x→−3 (x − 4) x→−3
Con esto se tiene que
5x2 + 15x + 7 1 A1 A2
2
+ 2
= +
(x − 4)(x + 3) (x + 3) x−4 x+3
Por la forma en que se calcula A3 , tiene que cumplirse que 5x2 +15x+7−A3 (x−4)
es divisible por x + 3.
5x2 + 15x + 7 1 5x + 1 A1 A2
2
+ 2
= = + .
(x − 4)(x + 3) (x + 3) (x − 4)(x + 3) x−4 x+3
Para calcular A1 y A2 podemos igualar los coeficientes de los polinomios en los

numeradores de ambas expresiones o, multiplicando ambas expresiones por x + 3
y calculando lı́mx→−3 de la igualdad resultante se tiene
5x + 1
lı́m = A2 ⇒ A2 = 2.
x→−3 x−4
Ahora se tiene que
5x + 1 2 3(x + 3) 3 A1
− = = = ⇒ A1 = 3.
(x − 4)(x + 3) x + 3 (x − 4)(x + 3) x−4 x−4
2.
x5 − x4 − 3x + 5
.
x4 − 2x3 + 2x2 − 2x + 1
Denotemos p = x5 − x4 − 3x + 5, g = x4 − 2x3 + 2x2 − 2x + 1. Como gr(p) =
5 > gr(g) = 4, ésta es una fracción propia. Por tanto, existen polinomios q, r
(unı́vocamente determinados) tales que gp = q + gr con gr(r) < gr(g). Dividiendo
p entre g obtenemos q = x + 1, r = −2x + 4.
r
es una fracción impropia que podemos descomponer en suma de fracciones
g
parciales. Para ello necesitamos escribir g como producto de factores irreducibles
en P(R).
Aplicando el teorema de las raı́ces racionales nos damos cuenta de que 1 puede ser
raı́z de g y evaluando comprobamos que efectivamente lo es por lo que x−1 es un
factor irreducible de g, g = (x−1)(x3 −x2 +x−1). El polinomio q1 = x3 −x2 +x−1
es tal que q1 (1) = 0 (1 es raı́z de multiplicidad mayor o igual que 2 de g), además
q1 = (x − 1)(x2 + 1) por lo que g = (x − 1)(x − 1)(x2 + 1) es la descomposición
en factores irreducibles en P(R) de g.
Entonces
x5 − x4 − 3x + 5 −2x + 4
=x+1+
x4 − 2x3 + 2x2 − 2x + 1 (x − 1)2 (x2 + 1)
y
−2x + 4 A B Cx + D
2 2
= + 2
+ 2 ,
(x − 1) (x + 1) x − 1 (x − 1) x +1
A(x − 1)(x2 + 1) + B(x2 + 1) + (Cx + D)(x − 1)2
=
(x − 1)2 (x2 + 1)
Evaluando −2x + 4 y A(x − 1)(x2 + 1) + B(x2 + 1) + (Cx + D)(x − 1)2 en 1 se

tiene 2B = 2 ⇒ B = 1.
Evaluando −2x + 4 y A(x − 1)(x2 + 1) + B(x2 + 1) + (Cx + D)(x − 1)2 en i se
tiene −2i + 4 = 2C − 2D i ⇒ C = 2, D = 1.
Acá también se puede aplicar el método de Heaviside multiplicando primero por
(x − 1)2 y calculando lı́mx→1 en igualdad resultante (se obtiene B = 1) y luego
haciendo
−2x + 4 1 −x − 3 A Cx + D
− = = + 2 .
(x − 1)2 (x2 + 1) (x − 1)2 (x − 1)(x2 + 1) x−1 x +1
Multiplicando por x − 1 y calculando nuevamente lı́mx→1 de igualdad resultante

se obtiene A = −2 con lo que se tiene entonces que
−x − 3 2 2x + 1 Cx + D
+ = 2 = 2
(x − 1)(x2 + 1) x − 1 x +1 x +1
y con ello C = 2, D = 1.
3.
2x4 + x3 + x2 + 4x x3 − 3x2 + 4x − 2 x3 − 3x2 + 4x − 2
= 2 + = 2 + .
x4 + 2x2 + 1 x4 + 2x + 1 (x2 + 1)2
Además
x3 − 3x2 + 4x − 2 Ax + B Cx + D (Ax + B)(x2 + 1) + (Cx + D)
= + =
(x2 + 1)2 x2 + 1 (x2 + 1)2 (x2 + 1)2
Evaluando en i se tiene
3i + 1 = Ci + D ⇒ C = 3, D = 1.
x3 − 3x2 + 4x − 2 3x + 1 (x2 + 1)(x − 3) Ax + B

2 2
− 2 2
= 2 2
= 2 ⇒ A = 1, B = −3.
(x + 1) (x + 1) (x + 1) x +1
La descomposición en suma de fracciones parciales es
2x4 + x3 + x2 + 4x 3x + 1 x−3
4 2
=2+ 2 2
+ 2
x + 2x + 1 (x + 1) x +1
4.
x2 + 7x + 1
.
x3 + 92 x2 + 6x + 2
Sea q(x) = x3 + 29 x2 +6x+2, q no tiene raı́ces realespositivas y 3 o 1 raı́ces reales

negativas. Dado que q(x) = 12 2x3 + 9x2 + 3x + 2 , q̂(x) = 2x3 + 9x2 + 3x + 2
tiene coeficientes enteros y
a0 2 · 2 · 1
= ,
an 2·1
las posibles raı́ces racionales de q̂ (y de q) son −1, − 21 , −2, −4. Dividiendo por
x + 12 se tiene q(x) = 12 q̂(x) = 12 (x + 12 )(2x2 + 8x + 8) = (x + 12 )(x2 + 4x + 4) =
(x + 12 )(x + 2)2 . Entonces,
x2 + 7x + 1 x2 + 7x + 1
= ,
x3 + 92 x2 + 6x + 2 (x + 21 )(x + 2)2
x2 + 7x + 1
= ,
(x + 21 )(x + 2)2
A B C
= + + ,
x + 21 x + 2 (x + 2)2
A(x + 2)2 + B(x + 21 )(x + 2) + C(x + 21 )
=
(x + 21 )(x + 2)2
Evaluando en -2 se tiene
3
−9 = − C ⇒ C = 6.
2
Evaluando en − 21 se tiene
9 9
− = A ⇒ A = −1.
4 4
Teniendo en cuenta que A + B = 1 se tiene que B = 2. La descomposición es
x2 + 7x + 1 −1 2 6
3 9 2 = 1 + x + 2 + (x + 2)2
x + 2 x + 6x + 2 x+ 2
Capı́tulo 3
Matrices y sistemas de
ecuaciones lineales
Motivación:
Ejemplo de interpolación: escribir sistema de ecuaciones lineales y decir que nuestro
objetivo es estudiar cuándo sistemas como el resultante tienen solución y, en caso de
tenerla, averiguar si es única.
Supongamos que conocemos los siguientes datos sobre el número de habitantes en Con-
cepción en los años 1970, 1982, 1992, 2002 y 2006.
Año Miles de habitantes en Concepción

x1 = 1970 h1 = 161.006
x2 = 1982 h2 = 267.891
x3 = 1992 h3 = 326.784
x4 = 2002 h4 = 216.061
x5 = 2006 h5 = 225.158
Queremos averiguar cuántos habitantes habı́a en Concepción en el año 2000. Para

responder a esta pregunta podrı́amos buscar una función f , fácil de evaluar, que sa-
tisfaga f (xi ) = hi , i = 1, 2, 3, 4, 5 y tomar f (2000) como una aproximación al número
de habitantes en el año 2000. Esta función f podrı́a ser un polinomio, es decir, una
función de la forma f (x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 . Para encontrar los valo-
res de a0 , a1 , a2 , a3 , a4 que hacen que f (xi ) = hi es necesario resolver un sistema de
ecuaciones lineales.
Al igual que para definir polinomios, escojamos un cuerpo (K, +, ·) y coeficientes en
ese cuerpo. En el caso de los polinomios, escogı́amos n + 1, n ∈ N ∪ {0} coeficientes
para representar a un polinomio de grado menor o igual que n. Ahora necesitaremos
mn, m, n ∈ N coeficientes. Sean a11 , a12 , . . . , a1n , a21 , . . . , a2n , . . . , am1 , . . . , amn los
coeficientes escogidos. Representaremos una matriz A con coeficientes a11 , a12 , . . . , a1n ,
a21 , . . . , a2n , . . . , am1 , . . . , amn dados por
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= . .. ..  .
 
 .. . ... . 
am1 am2 . . . amn
43
CAPÍTULO 3. MATRICES Y SISTEMAS DE ECUACIONES LINEALES 44
El número m ∈ N es el número de filas de A, mientras que n ∈ N es su número

de columnas, de A se dice entonces que es una matriz de orden m × n. Note que los
subı́ndices para representar los coeficientes se escogen de forma que el primer subı́ndice
indica la fila de A a la que pertenece el coeficiente y el segundo, la columna.
Ejemplo 3.1. 1. Si escogemos K = R, número de filas igual a 1, número de co-
lumnas igual a 2 y los coeficientes 1 (fila 1, columna 1) y 0 (fila 1, columna 2),
obtenemos la matriz
B= 1 0 .
2. Con K = C, número de√filas m = 3, número de columnas n = 2 y coeficientes

a11 = 1, a12 = 5, a21 = 2, a22 = −i, a31 = 0, a32 = 2 + i, obtenemos la matriz
 
√1 5
C =  2 −i  .
0 2+i
3.  
0 1 −1
D=2 −2 1
10 100 0
es una matriz de 3 filas y 3 columnas, cuyos coeficientes pertenecen al conjunto
de los números enteros (o racionales o reales o complejos).
El conjunto de matrices de orden m×n (con m filas y n columnas) con coeficientes sobre
un cuerpo K, se representa por Mm×n (K). En los ejemplos anteriores, B ∈ M1×2 (R),
C ∈ M3×2 (C) y D ∈ M3×3 (Z) (o M3×3 (Q) o M3×3 (R) o M3×3 (C)). Cuando el
número de filas es igual al número de columnas, se dice que la matriz es cuadrada. El
conjunto de matrices cuadradas de orden n (con n filas y n columnas) con coeficientes
en el cuerpo K se representa por Mn (K).
De una matriz con m > 1 filas y 1 columna, se dice que es una matriz columna,
mientras que una matriz con 1 fila y n > 1 columnas se denomina matriz fila.
La matriz nula en Mm×n (K) es aquella matriz de m filas y n columnas cuyas entradas
son todas iguales a cero. Esta matriz se representa por Θ. La matriz nula en M3 (K)
es  
0 0 0
Θ = 0 0 0 ,
0 0 0
mientras que  
0
0
Θ=
0

0
es la matriz nula en M4×1 (K).
A partir de este momento la notación A ∈ Mm×n (K), A = (aij )1≤i≤m,1≤j≤n significa
que A es una matriz con m filas, n columnas, cuyas entradas pertenecen al cuerpo K
y son tales que el elemento en la posición (i, j) es aij , es decir A(i, j) = aij .
Definición 3.2. Dos matrices A, B son iguales ssi ellas tienen el mismo número de
filas y columnas y sus coeficientes son iguales entre sı́, es decir,
A ∈ Mm×n (K), A = (aij )1≤i≤m,1≤j≤n ,

y
B ∈ Mm×n (K), B = (bij )1≤i≤m,1≤j≤n
son iguales ssi aij = bij ∀ i, j, 1 ≤ i ≤ n, 1 ≤ j ≤ n.
3.1. Operaciones entre matrices

Definición 3.3. Sea λ ∈ K, A ∈ Mm×n (K), A = (aij )1≤i≤m,1≤j≤n (λA) ∈ Mm×n (K)
es tal que (λA)(i, j) = λaij . Note que λ(γA) = (λ γ)A.
 
1 2 1
Ejemplo 3.4. Si A =  0 1 0, entonces
−1 1 2
   1 2 1

−1 −2 −1
1 3 3
1
3
−A = (−1)A =  0 −1 0  , A= 0 3 0  , 0A = Θ.
3
1 −1 −2 − 3 3 23
1 1
Definición 3.5. (Suma de matrices, + : Mm×n (K) × Mm×n (K) −→ Mm×n (K))
Sean A, B ∈ Mm×n (K) (notar que A y B pertenecen al mismo conjunto de matrices)
A = (aij )1≤i≤m,1≤j≤n , B = (bij )1≤i≤m,1≤j≤n , entonces la matriz (A+B) ∈ Mm×n (K)
y es tal que (A + B)(i, j) = aij + bij , es decir, el elemento en la posición (i, j) de A + B
es la suma de los elementos en la posición (i, j) de A y B.
Ejemplo 3.6. Sean A, B ∈ M3×2 (R) tales que
 1   
2 5 −1 0
A = −2 1  , B =  23 −1 .
0 10 1 0
Dado que tienen el mismo número de filas y el mismo número de columnas ellas pueden
sumarse, A + B ∈ M3×2 (K) y
 1 
−2 5
A + B = − 12 0  .
1 10
Note que
1. A ∈ Mm×n (K), Θ es la matriz nula en Mm×n (K), entonces A + Θ = A, es decir,
en Mm×n (K) existe el elemento neutro para la suma.
2. A + (−A) = Θ, ∀A ∈ Mm×n (K), es decir, para todo A ∈ Mm×n (K), puede
encontrarse su inverso para la suma y es la matriz que se obtiene al multiplicar
todos los elementos de A por -1.
3. En Mm×n (K) el elemento neutro para la suma es único y para cada A ∈
Mm×n (K) su inverso aditivo es único.
Supongamos existe Φ ∈ Mm×n (K) tal que para todo A ∈ Mm×n (K), Φ + A = Φ
y Φ 6= Θ. Entonces
∀A ∈ Mm×n (K), A + Θ = A, A + Φ = A.
Tomando A = Θ en la segunda ecuación, se tiene que Θ + Φ = Θ debe cumplirse,

pero Θ + Φ = Φ ⇒ Φ = Θ.
Supongamos ahora que ∃A ∈ Mm×n (K) tal que −A es inverso aditivo de A y

Ã 6= −A también es inverso aditivo de A, entonces A + (−A) = Θ, A + Ã = Θ
con lo que
A + (−A) = A + Ã ⇒ A + (−A) + (−A) = A + Ã + (−A) ⇒ (−A) = Ã.
4. La suma de matrices es conmutativa (pues la suma en K lo es), es decir ∀A, B ∈

Mm×n (K), se cumple que A + B = B + A.
5. λ(A + B) = λA + λB, ∀λ ∈ K, ∀A, B ∈ Mm×n (K).
6. Si λ, γ ∈ K, (λ + γ)A = λA + γA,
Antes de definir el producto entre matrices en general, comencemos con el producto en-
tre una matriz fila y una matriz columna, es decir, entre una matriz y ∈ M1×m (K), y =
(yi )1≤i≤m y una matriz x ∈ Mm×1 (K), x = (xi )1≤i≤m . Note que x, y son tales que el
número de columnas de y es igual al número de filas de x, entonces
 
x1
 x2 
 
y · x = y1 y2 . . . ym ·  .  = y1 x1 + y2 x2 + . . . ym xm ∈ K
 .. 
xm
Ejemplo 3.7. Sean y ∈ M1×3 (R), x ∈ M3×1 (R),
1
 
2
y= 1 2 0 , x = −1 .
3
Entonces y ·x está definido, pertenece a R y es igual a 1· 21 +2·(−1)+0·3 = 21 −2 = − 32 .
El producto x · y también está definido, más adelante veremos a qué es igual.
Definición 3.8. (Producto de matrices) Dadas dos matrices A ∈ Mm×n (K), B ∈
Mn×k (K), la matriz producto de ellas C = AB es tal que C ∈ Mm×k (K) y
l
X
C(i, j) = ais bsj , 1 ≤ i ≤ m, 1 ≤ j ≤ k.
s=1
Note que para poder definir AB se supone que el número de filas de B es igual al
número de columnas de A. Si esto no se cumple, las matrices no pueden multiplicarse.
Ejemplo 3.9. Observe que el producto entre dos matrices se ha definido de modo
que:
1. En el caso particular en que A ∈ Mm×n (K), B ∈ Mn×1 (K) (B es un vector
columna), el producto AB ∈ Mm×1 (K) es tal que
    
a11 a12 . . . a1n b1 a11 a12 . . . a1n B
 a21 a22 . . . a2n   b2   a21 a22 . . . a2n B 
AB =  . .. ..   ..  =  ..
    
 . . . ... .  .   .



am1 am2 . . . amn bn am1 am2 . . . amn B
 
a11 b1 + a12 b2 + . . . + a1n bn
 a21 b1 + a22 b2 + . . . + a2n bn 
= .. .
 
 . 
am1 b1 + am2 b2 + . . . + amn bn
2. El producto AB con A ∈ Mm×n (K), B ∈ Mn×k (K) es una matriz en Mm×k (K)
tal que
(AB)(:, j) = AB(:, j), j = 1, 2, . . . , k.
Ejemplo 3.10. Sean

   
2 1 1 0
1 1 2
A= , B = 0 , C = 0 1 1 .
2 −1 1
1 1 0 1
A ∈ M2×3 (R), B ∈ M3×1 (R), C ∈ M3×3 (R). Es posible realizar los productos
AB ∈ M2×1 (R), AC ∈ M2×3 (R), CB ∈ M3×1 (R), CC ∈ M3×3 (R). Los productos
BA, CA, BB y AA no son posibles.
   
2 1 2 1
4 3 2 3
AB = , AC = , CB = 1 , CC = 1 1 2 .
3 3 1 0
3 2 1 1
Ahora es posible escribir el sistema de ecuaciones del primer ejemplo (polinomio que
interpola a tabla con
 datos
 de número de habitantes en Concepción) en forma matricial:
a0
a1 
 
Si denotamos x =  a2 , el sistema de ecuaciones puede escribirse como

a3 
a4
(1970)2 (1970)3 (1970)4

   
1 1970 161.006
1
 1982 (1982)2 (1982)3 (1982)4 

267.891
 
1
 1992 (1992)2 (1992)3 (1992)4 
 x = 326.784 .
 
1 2002 (2002)2 (2002)3 (2002)4  216.061
1 2006 (2006)2 (2006)3 (2006)4 225.158
Note que si los productos siguientes están definidos

1. A(BC) = (AB)C, (A ∈ Mm×n (K) ⇒ B ∈ Mn×k (K) ⇒ C ∈ Mk×l (K), AB ∈
Mm×k (K), BC ∈ Mn×l (K))
2. (A + B)C = AC + BC, (A, B ∈ Mm×n (K) ⇒ C ∈ Mn×k (K))

3. A(B + C) = AB + AC, (B, C ∈ Mm×n (K) ⇒ A ∈ Mk×m (K))
Observación 3.11. 1. La operación de producto entre elementos de K (o entre
polinomios como vimos en el tema anterior) es tal que ab = 0 ⇔ a = 0 ∨ b = 0.
Sin embargo, éste no es el caso entre matrices, es decir, si A ∈ Mm×n (K), B ∈
Mn×k (K) son tales que AB = Θ, esto no significa que una de las matrices A o
B tiene que ser la matriz nula, es decir
AB = Θ 6⇒ A = Θ ∨ B = Θ
Ejemplo 3.12. Si
0 1 1 0
A= , B=
0 0 0 0
entonces AB = Θ, pero A 6= Θ y B 6= Θ.
Esto significa, en particular, que si A ∈ Mm×n (K), B, C ∈ Mn×k (K) son tales
que AB = AC o A(B − C) = Θ, entonces no tiene que ocurrir que B = C.
2. El producto de matrices no es una operación conmutativa. Por ejemplo, si

1 0 1 0
A= , B= ,
2 0 0 0
entonces
1 0
AB =
2 0
mientras que
1 0
BA = .
0 0
3. ¿Existe neutro multiplicativo en Mm×n (K)? ¿Existe una matriz en I ∈ Mm×n (K)
tal que ∀ A ∈ Mm×n (K) : AI = IA = A? Note que si m 6= n, los productos AI
e IA no estarı́an definidos. Por tanto, la pregunta es ¿Existe neutro multiplica-
tivo en Mn (K)? ¿Existe una matriz I ∈ Mn (K) tal que ∀ A ∈ Mn (K) : AI =
IA = A?
Los vectores ei ∈ Mn×1 (K)  
0
0
 .. 
 
.
 
1
ei =  
0
.
 
 .. 
0
son tales que Aei = A(:, i), i = 1, 2, . . . , n.
La matriz I = (e1 e2 . . . en ) es tal que
AI = (Ae1 Ae2 · · · Aen ) = A.
Supongamos que existe I˜ 6= I tal que ∀ A ∈ Mn (K) : AI˜ = IA˜ = A. Dado que
˜
tanto I como I satisfacen la propieda anterior, se tiene que
I =prop. para ˜ =prop. para
II ˜
I.
I˜ I
4. La matriz nula en Mn (K) es tal que ∀ A ∈ Mn (K) : AΘ = ΘA = Θ, es decir,

no es posible encontrar A ∈ Mn (K) tal que AΘ = ΘA = I. Pero,
5. ¿Existe, para cada A ∈ Mn (K), A 6= Θ el inverso multiplicativo de A? No. Esto
lo veremos más adelante.
Sea, por ejemplo,
0 1
A= .
0 0
Sea
c11 c12
C= ,
c21 c22
entonces
c21 c22
AC = ⇒6 ∃ C ∈ M2 (K) : AC = I.
0 0
No todas las matrices cuadradas tienen inverso multiplicativo (inversa). Aquellas que
lo tienen se denominan matrices invertibles.
Definición 3.13. (matriz inversa) Consideremos A ∈ Mn (K). Una matriz Ã ∈
Mn (K) es inversa (o inverso multiplicativo) de A ssi AÃ = ÃA = I. Note que si
Θ es la matriz nula en Mn (K), entonces ∀ A ∈ Mn (K) : ΘA = Θ y ello significa que
la matriz nula no tiene inversa. A diferencia del conjunto de los números complejos,
y como vimos en el ejemplo anterior, en Mn (K) hay elementos distintos de la matriz
nula (neutro para la suma) que no poseen inverso multiplicativo.
Ejemplo 3.14. Sea
1 −1
A= .
2 1
Tratemos de encontrar Ã ∈ M2 (R) tal que AÃ = ÃA = I2 . Si

a b
Ã = ,
c d
entonces a, b, c, d ∈ R deben ser tales que

a−c b−d
AÃ = = I2 ,
2a + c 2b + d
es decir, a − c = 1, b − d = 0, 2a + c = 0, 2b + d = 1. Estas condiciones se cumplen ssi

a = 31 , b = 13 , c = − 23 , d = 13 . Veamos que, efectivamente, con estos valores de a, b, c, d
se cumple que AÃ = I2 . Además ÃA = I2 , es decir, Ã es inversa de A.
Supongamos que A es invertible, es decir, existe cierta matrix Ã tal que AÃ = ÃA = I
y que existe otra matriz Â con esta misma propiedad. Entonces multiplicando ÃA = I
por la derecha por Â obtenemos,
ÃAÂ = Â ⇒AÂ=I ÃI = Â ⇒ Ã = Â.
Es decir, si existe Ã tal que ÃA = AÃ = I, Ã es la única matriz que cumple estas
condiciones. A la matriz Ã se le conoce como inversa de A y se le da una notación
especial.
Definición 3.15. Si A ∈ Mn (K) es tal que existe matriz A−1 ∈ Mn (K) con AA−1 =
A−1 A = I, entonces A es invertible. La matriz A−1 se denomina inversa de A.
Sean A, B ∈ Mn (K) invertibles, entonces
1. A−1 es única,
−1
2. A−1 es invertible y A−1 = A.
−1
3. AB es invertible y (AB) = B −1 A−1 .
Probemos que efectivamente B −1 A−1 es la inversa de AB. Lo que debemos
probar es que (AB)(B −1 A−1 ) = I y (B −1 A−1 )(AB) = I. Esto se cumple pues
−1 −1 −1 −1
{z } A = AIA = AA = I,
A |BB
=I
B −1 A −1 −1 −1
| {z A} B = B IB = B B = I.
=I
4. Si existe C ∈ Mn (K) tal que AC = I (o CA = I), entonces C = A−1 . Es decir,

si sabemos que una matriz es invertible, la matriz C que satisface AC = I (o
CA = I) es su inversa, no es necesario comprobar que también se cumple que
CA = I (o AC = I) pues AC = I y A invertible siginifica que
AC = I ⇒ A−1 AC = A−1 ⇒ C = A−1 .
Definición 3.16. Dada una matriz A ∈ Mm×n (K), A = (aij )1≤i≤m, 1≤j≤n (m y n no
necesariamente distintos entre sı́), la transpuesta de A es la matriz en At ∈ Mn×m (K),
At = (atij )1≤i≤n, 1≤j≤m con coeficientes
atij = aji ∀i, j 1 ≤ i ≤ n, 1 ≤ j ≤ m.
Ejemplo 3.17. Consideremos las matrices en el ejemplo 3.1.

1. B t es la siguiente matriz de 2 filas y 1 columna

t 1
B = .
0
2. C t es la siguiente matriz de 2 filas y 3 columnas

√
t 1 2 0
C =
5 −i 2 + i
3. Dt es la siguiente matriz de 3 filas y 3 columnas

 
0 2 10
Dt =  1 −2 100
−1 1 0
Ejemplo 3.18. Pruebe que

t
1. (At ) = A.
2. (λA)t = λAt ,
3. (A + B)t = At + B t ,
4. (AB)t = B t At , (A ∈ Mmn (K) ⇒ B ∈ Mnk (K), por tanto, AB ∈ Mmk (K),
(AB)t ∈ Mkm (K)).
−1 t
5. Si A es invertible, At es invertible y (At ) = A−1 .
t t
A−1 At = AA−1 = I t = I.
Además t t
At A−1 = A−1 A = I t = I.
3.2. Matrices cuadradas y con estructuras especiales

Definición 3.19. Una matriz A ∈ Mn (K) es simétrica ssi se cumple que ella y su
transpuesta At ∈ Mn×m (K) son iguales, es decir, ssi A = At .
Note que A ∈ Mn (K) es simétrica ssi
aij = aji ∀ 1 ≤ i, j ≤ n, i 6= j.
Ejemplo 3.20. Las matrices
 
1 2 5
A ∈ M3 (R), A = 2 0 3 ,
5 3 10
y 
2,
 i = j,
B ∈ Mn (R), B = (bij )1≤i,j≤n : bij = −1, 1 ≤ i ≤ n − 1, j = i + 1,

−1, 2 ≤ i ≤ n, j = i − 1

son simétricas. Note que

 
2 −1 0 0 ... 0 0 0
−1 2 −1 0 ... 0 0 0 
 .. .. .. .. .. .. ..
 

B= . . . . ... . . . .
 
0 0 0 0 ... 2 −1 0
 
0 0 0 0 ... −1 2 −1
0 0 0 0 ... 0 −1 2
Definición 3.21. Una matriz A ∈ Mn (K) es antisimétrica ssi A = −At o, de manera

equivalente, A ∈ Mn (K) es antisimétrica ssi
aij = −aji ∀ 1 ≤ i, j ≤ n, i 6= j ∧ aii = 0 ∀ 1 ≤ i ≤ n.
Ejemplo 3.22. La matriz  
0 −2 3
A= 2 0 −i
−3 i 0
es antisimétrica. Note que  
0 2 −3
At = −2 0 i .
3 −i 0
La matriz

0, i = j

B ∈ Mn (R), B = (bij )1≤i,j≤n , bij = 1, 1 ≤ i ≤ n − 1, j = i + 1,

−1 2 ≤ i ≤ n − 1, j = i − 1

es antisimétrica.
Ejemplo 3.23. Mostrar que toda matriz cuadrada se puede escribir como suma de
una matriz simétrica y una antisimétrica.
Se buscan matrices B, C tales que
A = B + C, B = B t , C = −C t ⇒ At = B − C.
1
De A = B + C, At = B − C se obtiene B = A − C ⇒ At = A − 2C ⇒ C = 2 (A − At )
y con ello B = A − 21 (A − At ) = 12 (A + At ).
Aplicando esto podemos escribir
 
1 2 5
A = 0 −1 − 21 
1 0 1
como suma de una matriz simétrica B y una antisimétrica C,

   
1 1 3 0 1 2
B = 1 −1 − 41  , C = −1 0 − 14  .
3 − 14 1 −2 41 0
Definición 3.24. En una matriz cuadrada A ∈ Mn (K) los elementos de la forma

aii , 1 ≤ i ≤ n forman la diagonal principal de A.
En el conjunto de las matrices cuadradas sobre el cuerpo K consideraremos las siguien-
tes matrices con estructuras (propiedades) especiales,
1. matrices triangulares superiores: A ∈ Mn (K), A = (aij )1≤i,j≤n es triangular
superior ssi todos los elementos debajo de la diagonal principal de A son ceros,
es decir, ssi
aij = 0 ∀ 1 ≤ i ≤ n, j < i.
2. matrices triangulares inferiores: A ∈ Mn (K), A = (aij )1≤i,j≤n es triangular

inferior ssi todos los elementos encima de la diagonal principal de A son ceros,
es decir, ssi
aij = 0 ∀ 1 ≤ i ≤ n, j > i.
3. matriz diagonal: A ∈ Mn (K), A = (aij )1≤i,j≤n es diagonal ssi sólo sus elementos
sobre la diagonal principal son distintos de cero, es decir, ssi
aij = 0, ∀ 1 ≤ i, j ≤ n, i 6= j.
Una matriz diagonal A ∈ Mn (K) tiene la forma general

 
a11 0 . . . 0
 0 a22 . . . 0 
A= . . ..  , aii ∈ K ∀ 1 ≤ i ≤ n.
 
 . . .
. ... . 
0 0 ... ann
Esta matriz también se representa por
A = diag (a11 a22 . . . ann ) .
De esta forma D = diag(1 5 3 0) representa la matriz diagonal

 
1 0 0 0
 0 5 0 0
D=  0 0 3 0 .

0 0 0 0
4. matriz escalar: A ∈ Mn (K), A = (aij )1≤i,j≤n es escalar ssi es diagonal y todos

sus elementos sobre la diagonal principal son iguales, es decir, ssi
aij = 0 ∀ 1 ≤ i, j ≤ n, i 6= j.
y existe existe λ ∈ K tal que
aii = λ ∀ 1 ≤ i ≤ n.
De manera similar A ∈ Mn (K) es escalar ssi existe λ ∈ K tal que A = λ diag (1 1 . . . 1).
5. matriz identidad: A ∈ Mn (K), A = (aij )1≤i,j≤n es la matriz identidad ssi A es
escalar con λ = 1. La matriz identidad la representaremos con I o In , si queremos
indicar su dimensión. Ası́, la matriz identidad en M3 (K) es
 
1 0 0
I = 0 1 0 .
0 0 1
Note que en el conjunto de las matrices cuadradas de orden n, la matriz identidad

de orden n es un neutro multiplicativo, es decir, In es tal que ∀A ∈ Mn (K), A 6=
Θ, AI = IA = A. Ella es además el único neutro multiplicativo en este conjunto
pues si suponemos que existe I˜ ∈ Mn (K) tal que AI˜ = IA ˜ = A, ∀A ∈ Mn (K),
entonces
I˜ =I∈M
˜ n (K)
˜ =˜
II IA=A ∀A I.
Ejemplo 3.25. Determine todas las matrices de la forma

x y
0 y
con x, y ∈ R que satisfacen
1. A2 = I,
2. A es invertible.
Encontrar a, b, c, d ∈ R de modo que

x y a b
=I
0 y c d
y comprobar que la matriz encontrada también satisface

a b x y
= I.
c d 0 y
Definición 3.26. Sea n ∈ N ∪ {0} y A ∈ Mm (K), la potencia n-ésima de A se define

como
A0 = I, An := An−1 A = AAn−1 , n ≥ 1.
La última igualdad puede mostrarse por inducción.
Ejemplo 3.27. 1. Sea  

1 1 0
A = 0 1 0 .
0 0 1
Encuentre valores a, b ∈ R de modo que A2 + aA + bI = Θ. Sabiendo que A es
invertible, use esta relación para encontrar A−1 .
La matriz
 
a+b+1 a+2 0
A2 + aA + bI =  0 a+b+1 0 
0 0 a+b+1
es igual a la matriz nula ssi a + b + 1 = 0 y a + 2 = 0, es decir, ssi a = −2, b = 1.

Con esto A2 − 2A + I = Θ por lo que AA − 2A = −I ⇒ A − 2I = −A−1 ⇒
A−1 = 2I − A, es decir,  
1 −1 0
A−1 = 0 1 0 .
0 0 1
   
1 1 ··· 1 1
1 1 ··· 1 1
2. Sea J =  . .. ..  y e =  .. .
   
 .. . ··· .  .
1 1 ··· 1 1
a) Muestre que Je = ne, J 2 = nJ,

b) si α 6= 1
n , determine β de modo que (I − αJ)−1 = I + βJ,
c) sea α = n1 . Muestre que (I − αJ)e = 0.
3. Sea  
1 0 1
A = 0 1 0 .
0 0 1
−1 t
Halle una matriz triangular superior B ∈ M3 (R) tal que (AB) = (AB) .
(AB)−1 = (AB)t ⇔ B −1 A−1 = B t At ⇔ (B t )−1 B −1 = At A

⇔ (BB t )−1 = At A ⇔ BB t = A−1 (A−1 )t .
Dado que B es triangular superior, tiene la forma general

 
b1 b2 b3
B =  0 b4 b5 
0 0 b6
y ası́  2
b1 + b22 + b23

b2 b4 + b3 b5 b3 b6
BB t =  b2 b4 + b3 b5 b24 + b25 b5 b6  .
b3 b6 b5 b6 b26
Sabiendo que  
1 0 −1
A−1 = 0 1 0 
0 0 1
 
2 0 −1
A−1 (A−1 )t =  0 1 0 
−1 0 1
y, por tanto, B debe cumplir las siguientes condiciones
b26 = 1, b5 = 0, b24 = 1,
b3 b6 = −1, b2 = 0, b21 + b23 = 2.
Los valores b6 = 1, b5 = 0, b4 = 1, b3 = −1, b2 = 0, b1 = 1 satisfacen estas
condiciones y con ello tenemos la matriz
 
1 0 −1
B = 0 1 0 .
0 0 1
4. Sea
     
1 2 1 1 0 1 1 1 −1
A = 0 1 1 , B = 1 1 0 ,
C = −1 0 1 .
0 0 1 1 1 1 0 −1 1
−1
t
Compruebe que C = B −1 y encuentre E ∈ M3 (R) tal que (BE) − A = A.
Para comprobar que C = B −1 basta multiplicar BC, CB y ver que estos pro-
ductos son iguales a la matriz identidad.
−1 −1
t t t
Note que al escribir (BE) − A = A se está diciendo: (BE) −A, (BE) − A
y A son invertibles.
−1
t t
(BE) − A = A ⇔ (BE) − A = A−1 ,
t
⇔ E t B t = A−1 + A ⇔ E t = (A−1 + A) B −1 ,
⇔ E = C(A−1 + A)t .
Busquemos ahora  
a1 a2 a3
A−1 = a4 a5 a6 
a7 a8 a9
tal que AA−1 = I, A−1 A = I. Dado que
 
a1 + 2a4 + a7 a2 + 2a5 + a8 a3 + 2a6 + a9
AA−1 =  a4 + a7 a5 + a8 a6 + a9  ,
a7 a8 a9
este producto es igual a la matriz identidad ssi a1 = 1, a2 = −2, a3 = 1, a4 =
0, a5 = 1, a6 = −1, a7 = 0, a8 = 0, a9 = 1. La matriz
 
1 −2 1
A−1 = 0 1 −1
0 0 1
también satisface A−1 A = I, ella es, por tanto, la inversa de A y

 
0 2 −2
E = C(A−1 + A)t = 0 0 2 .
2 −2 2
5. Sean A, B y A + B −1 matrices invertibles. Muestre que A−1 + B también lo es

y su inversa es A(A + B −1 )−1 B −1 .
Debemos comprobar que (A−1 +B)A(A+B −1 )−1 B −1 = A(A+B −1 )−1 B −1 (A−1 +
B) = I.
(A−1 + B)A(A + B −1 )−1 B −1 = A−1 A(A + B −1 )−1 B −1 + BA(A + B −1 )−1 B −1 ,

= (A + B −1 )−1 B −1 + BA(A + B −1 )−1 B −1 = (I + BA)(A + B −1 )−1 B −1 ,
= (BB −1 + BA)(A + B −1 )−1 B −1 = B(B −1 + A)(A + B −1 )−1 B −1 = I.
La otra igualdad se demuestra de forma similar.

6. Una matriz de permutación es aquella cuyas columnas son de la forma
P = (ei1 ei2 · · · ein )
siendo ei1 , ei2 , . . . , ein vectores canónicos. Muestre que P es invertible y P −1 =

P t.
3.3. Determinante de una matriz

Sea A ∈ Mm×n (K). Una submatriz de A es una matriz que se obtenga de eliminar
filas y/o columnas de A. La submatriz (i, j) de A (se representa por Aij es la matriz
de m − 1 filas y n − 1 columnas que se obtiene al eliminar de A la fila i y la columna
j, por ejemplo, si
 
−1 1 0 3
1 0 −1
A= , B = −1 1 1 5 ,
2 1 1
0 2 3 2
entonces
−1 0 3
A12 = 2 1 , B22 = .
0 3 2
Definición 3.28. Consideremos A ∈ Mn (K), A = (aij )1≤i,j≤n , el determinante de

A, det: Mn (K) −→ K, es tal que
(
a11 , n = 1,
det(A) = Pn i+j
,
j=1 (−1) aij det(Aij ), n > 1,
donde Aij representa la submatriz (i, j) de A, es decir, representa a la matriz de n − 1

y n − 1 columnas que se forma al eliminar de A la fila i y la columna j, i es un valor
cualquiera entre 1 y n.
Ejemplo 3.29. Calculemos el determinante de
1. A = (1), det(A) = 1.

1 2
2. A = . Si escogemos la primera fila para desarrollarlo, se tiene det(A) =
0 3
(−1)2 · 1 · 3 + (−1)3 · 2 · 0 = 3. Si escogemos la 2da fila, entonces det(A) =
(−1)3 · 0 · 2 + (−1)4 · 3 · 1 = 3.
3. A ∈ M2 (K), A = (aij )1≤i,j≤2 , entonces det(A) = a11 a22 − a12 a21 .

 
1 1 2
4. A = −1 3 1.
2 0 5
Observación 3.30. 1. El valor del determinante de A no depende de la fila que se
escoja para desarrollarlo.
2. El valor del determinante de A también es el mismo si se desarrolla por columnas,

es decir, si se escoje una columna de A, la columna k por ejemplo, y se hace
(
a11 , n = 1,
det(A) = Pn j+k
,
j=1 (−1) ajk det(A jk ), n > 1,
3. Una consecuencia de la propiedad anterior es que det(A) = det(At ).

4. Si todos los elementos en una fila (o columna) de A son ceros, entonces det(A) =
0.
5. det(AB) = det(A) det(B).

6. det(λ A) = λn det(A) si A ∈ Mn (K).
Ejercicio 3.31. Muestre que si A es una matriz triangular superior (o triangular
inferior), su determinante es igual al producto de los elementos sobre su diagonal
principal.
Ejercicio 3.32. Muestre que si A es invertible, entonces det(A) 6= 0.
También es posible mostrar que el recı́proco de esta proposición se cumple, es decir,

si det(A) 6= 0, entonces A es invertible y esto es cierto pues si det(A) 6= 0, entonces es
posible calcular su inversa y ésta es A−1 = det(A)
1
Adj(A), donde Adj(A) representa la
matriz adjunta de A.
Definición 3.33. Sea A ∈ Mn (K), la matriz adjunta de A es la transpuesta de su

matriz de cofactores de A.
La matriz de cofactores de A, la representaremos por Ac es tal que Ac = (cij )1≤i,j≤n
con
cij = (−1)i+j det(Aij ).
Ejemplo 3.34. Calcule, si existe, la inversa de

 
−1 0 2
A = −1 2 1  .
3 1 −2
Ejemplo 3.35. Determine

1 2 3 4 ··· n−1 n

0 1 0 0 ··· 0 0

0 0 1 0 ··· 0 0
.. .. .. .. .. ..

. . . . ··· . .

0 0 0 0 ··· 1 0

2 4 6 8 ··· 2(n − 1) 2n
3.4. Operaciones elementales sobre las filas y/o co-

lumnas de una matriz. Matrices elementales.
Consideremos las siguientes operaciones elementales sobre filas (columnas) de A ∈
Mm×n (K), A = (aij )1≤i≤m,1≤j≤n
1. Fi,j : Mm×n (K) −→ Mm×n (K) (Ci,j : Mm×n (K) −→ Mm×n (K)): intercambio
de las filas (columnas) i y j de A (fi ↔ fj ). La matriz resultante B = Fi,j (A)
(D = Ci,j (A)) pertenece a Mm×n (K) y es tal que

aij , i 6= k, i 6= l,

B = (bij )1≤i≤m,1≤j≤n , bij = akj , i = l, .

alj , i = k,


aij , j =
 6 k, j 6= l,
D = (dij )1≤i≤m,1≤j≤n , dij = aik , j = l, .

ail , j = k,

2. Fiλ : Mm×n (K) −→ Mmn (K) (Ciλ : Mm×n (K) −→ Mm×n (K)): multiplicar la
fila (columna) i de A por el escalar λ ∈ K, λ 6= 0, se representa por fi ← λfi
(ci ← λci ). La matriz resultante B = Fiλ (A) (D = Ciλ (A)) es tal que
(
aij , i 6= k
B = (bij )1≤i≤m,1≤j≤n , bij = .
λ akj , i = k,
(
aij , j=6 k,
D = (dij )1≤i≤m,1≤j≤n , dij = .
λ aik , j = k,
λ λ
3. Fi,j : Mm×n (K) −→ Mm×n (K) (Ci,j : Mm×n (K) −→ Mm×n (K)): añadir a la
fila (columna) i de A la fila (columna) j de A multiplicada por el escalar λ ∈ K,
λ
se representa por fi ← fi + λfj (ci ← ci + λcj ). La matriz resultante B = Fi,j (A)
λ
(D = Ci,j (A)) es tal que
(
aij , i 6= k
B = (bij )1≤i≤m,1≤j≤n , bij = .
akj + λ alj , i = k,
(
aij , j 6= k,
D = (dij )1≤i≤m,1≤j≤n , dij = .
aik + λ ail , j = k,
Las operaciones elementales definidas tienen las siguientes propiedades:

1. son invertibles,
−1 1 −1
−1 −λ
Fi,j = Fi,j , Fiλ = Fiλ , λ
Fi,j = Fi,j
Las inversas de las operaciones elementales sobre las columnas de A son similares.
2. Es fácil ver que si F representa una de las operaciones elementales sobre filas y
C una de las operaciones elementales sobre columnas, entonces F(A) = F(I)A y
C(A) = AC(I). Esto significa que
F(AB) = F(I)AB = F(A)B, C(AB) = ABC(I) = AC(B).
3. Realizar una operación elemental F sobre las filas de A es equivalente a mul-

tiplicar A por la izquierda por la matriz F = F(I) invertible (F −1 = F −1 (I))
y realizar una operación elemental C sobre las columnas de A es equivalente a
multiplicar A por la derecha por la matriz invertible C = C(I) (C −1 = C −1 (I)).
Las matrices F (C) para cada una de las operaciones elementales definidas se
denominan matrices elementales. Los siguientes son ejemplos de matrices ele-
mentales
 
  1 −2 0 0
0 0 1 0 1 0 0
−2
F1,3 (I3 ) = 0 1 0 , C2,1 (I4 ) = 
0 0 1 0 .

1 0 0
0 0 0 1
Definición 3.36. Dos matrices A, B ∈ Mm×n (K) son equivalentes (se escribe A ∼
B) ssi existen matrices invertibles P ∈ Mm (K), Q ∈ Mn (K) tales que B = P AQ.
Si B se obtiene de aplicar operaciones elementales sobre las filas (columnas) de A,
entonces A y B son equivalentes pues
B = Fm Fm−1 · · · F1 AC1 C2 · · · Cn = P AQ
con P = Fm Fm−1 · · · F1 y Q = C1 · · · Cn invertibles (P −1 = F1−1 · · · Fm −1

, Q−1 =
−1 −1
Cn · · · C1 ).
Si, por el contrario, B = P AQ con P y Q invertibles, entonces B se obtiene de aplicar
operaciones elementales sobre las filas y/o columnas de A pues las matrices invertibles
P y Q pueden convertirse en la matriz identidad mediante la aplicación de opera-
ciones elementales sobre sus filas (columnas), es decir, existen matrices elementales
U1 , U2 , . . . , Um , V1 , V2 , . . . , Vn tales que P = Um Um−1 · · · U1 I, Q = IV1 V2 · · · Vn , por
lo que B = Um · · · U1 AV1 · · · Vn . La demostración de esta propiedad de las matrices
invertibles es por construcción.
Si, realizando operaciones elementales sobre las filas de una matriz A ∈ Mn (K), se
obtiene la matriz identidad, entonces A es invertible
Fm Fm−1 · · · F1 A = I ⇒ A = F1−1 · · · Fm
−1
⇒ A−1 = Fm · · · F1 = Fm · · · F1 I
y su inversa es la matriz que se obtiene al aplicar las mismas operaciones elementales

sobre las filas de I.
Si realizando operaciones elementales sobre las columnas de una matriz A ∈ Mn (K)
se obtiene la matriz identidad, entonces A es invertible
AC1 C2 · · · Cn = I ⇒ A = Cn−1 · · · C1−1 ⇒ A−1 = C1 C2 · · · Cn = IC1 C2 · · · Cn

y su inversa es la matriz que se obtiene al aplicar las mismas operaciones elementales

sobre las columnas de I.
Note que si luego de aplicar operaciones elementales sobre las filas y las columnas de A
se obtiene la matriz identidad, entonces A es invertible, pero su inversa no se obtiene
de aplicar las mismas operaciones elementales sobre las filas y las columnas de I pues
Fm Fm−1 · · · F1 AC1 C2 · · · Cn = I ⇒ A = F1−1 · · · Fm Cn · · · C1−1

−1 −1
⇒ A−1 = C1 · · · Cn Fm · · · F1 ,
es decir, A−1 = C1 · · · Cn IFm · · · F1 y con ello se ve que A−1 no se obtiene de aplicar

las mismas operaciones elementales sobre las filas y columnas de I.
Ejemplo 3.37. Sea  
1 0 1
A = 1 1 0
1 1 1
Aplicando las siguientes operaciones elementales sobre las filas de A y de I
f2 ← f2 − f1 , f3 ← f3 − f1 , f3 ← f3 − f2 , f2 ← f2 + f3 , f1 ← f1 − f3
se obtiene  
1 1 −1
A−1 = −1 0 1 .
0 −1 1
Aplicando las siguientes operaciones elementales sobre las columnas de A y de I
c3 ← c3 − c1 , c3 ← c3 + c2 , c2 ← c2 − c3 , c1 ← c1 − c2 , c1 ← c1 − c3
se obtiene la misma matriz inversa. Sin embargo, si aplicamos conjuntamente opera-

ciones elementales sobre las filas y las columnas de A, la matriz que se obtiene luego
de aplicar esas mismas operaciones a I no es la inversa de A. Con las operaciones
c1 ← c1 − c2 , f3 ← f3 − f2 ,
se obtiene, a partir de (A|I)

 
1 0 1 1 0 0
˜ = 0 1 0 1
(B|I) 1 0 .
0 0 1 1 −1 1
Si ahora aplicamos c3 ← c3 − c1 de B se obtiene la identidad y de I˜ la matriz

 
1 0 −1
Ã = −1 1 1
1 −1 0
que no es la inversa de A. Si a B se aplica f1 ← f1 −f3 también se obtiene la identidad,

pero de I˜ se obtiene  
0 1 −1
Â = −1 1 0
1 −1 1
que tampoco es la inversa de A.
1. Si B se obtiene de aplicar la operación elemental fi ↔ fj sobre A, entonces

det(B) = − det(A).
2. Si B se obtiene de aplicar la operación elemental fi ↔ λ fi , λ 6= 0 sobre A,
entonces det(B) = λ det(A).
3. Si B se obtiene de aplicar la operación elemental fi ↔ fi +λ fk sobre A, entonces

det(B) = det(A).
4. Si dos filas (o columnas) de A son iguales, entonces det(A) = 0.
5. Si una fila (o columna) de A es combinación lineal de las restantes filas (o co-
lumnas) de A, su determinante es cero.
3.4.1. Rango de una matriz

Definición 3.38. Sea A ∈ Mm×n (K), el rango de A es el orden de la mayor submatriz
(cuadrada) de A con determinante distinto de cero. El rango de A se representa por
r(A).
Observación 3.39. 1. Note que r(Θ) = 0 y cualquier matriz distinta de la matriz
nula tiene rango mayor o igual que 1.
2. Si A ∈ Mn (K) es tal que det(A) 6= 0, entonces r(A) = n.
3. Si A ∈ Mm×n (K), entonces r(A) ≤ mı́n{m, n}.

Ejemplo 3.40. Si  
−1 1 2 3 3
A= 1 1 0 3 6 ,
2 2 1 2 2
el rango de A es menor o igual que 3 (no pueden formarse submatrices cuadradas de
A de más de 3 filas y 3 columnas) y como A 6= Θ, su rango es mayor o igual que 1.
Dado que
−1 1
1 1 = −2 6= 0

−1 1
y es una submatriz de orden 2 de A, entonces el rango de A es mayor o igual
1 1
que 2. Si logramos encontrar una submatriz
 de
 orden 3 con determinante distinto de
2 3 3
cero, el rango será 3. La submatriz 0 3 6 tiene determinante igual a −3 6= 0 y,
1 2 2
por ello, el rango de A es 3.
Ésta es una forma algo complicada de calcular el rango de una matriz pues para probar
que el rango de una matriz dada es k es necesario comprobar que los determinantes
de todas las submatrices de tamaño k + 1 son iguales a cero. Veamos una forma más
sencilla de calcular el rango de una matriz.
Definición 3.41. Una matriz está en forma escalonada por filas (columnas) si el
primer elemento distinto de cero en cada fila (columna) está al menos una posición a
la derecha (hacia abajo) del primer elemento distinto de cero de la fila anterior.
No es difı́cil ver que si una matriz está en forma escalonada por filas (columnas),
entonces su rango es el número de filas (columnas) distintas de la fila (columna) nula.
Ejemplo 3.42. Determine el rango de las siguientes matrices
     
1 0 0 −1 1 2 −1 0 0 0
0 0 0 2  , 0 0 1 3
, 0 1 1  ,  1 0 0
0 0 0 2
0 0 0 0 0 0 2 −1 3 0
El rango de matrices que no estén en forma escalonada lo determinaremos con ayuda

de operaciones elementales sobre las filas y/o las columnas de la matriz.
Dado que es posible demostrar que si dos matrices son equivalentes (una se obtiene
de la otra mediante operaciones elementales a sus filas y/o columnas), sus rangos
son iguales, es posible averiguar el rango de una matriz cualquiera A ∈ Mmn (K)
realizando operaciones elementales sobre las filas (columnas) de A hasta obtener una
matriz equivalente a A en forma escalonada, de la cual es fácil determinar su rango.
Ejemplo 3.43. Comprobemos que el rango de la matriz en el ejemplo 3.40 es efecti-
vamente 3.
Ejemplo 3.44. Calcule el rango de
 
1 2 −1 3 1
1 0 1 1 1
A=
−1
.
1 −2 1 0
1 1 0 2 1
Ejemplo 3.45. ¿Para qué valores de k ∈ R el rango de

   
1 1 1 1 k 1 1
A = 1 k 1 k , B = 1 k 1
1 1 k−1 1 1 1 k
es 0, 1, 2, 3? Dado que ∀k ∈ R, se cumple que A 6= Θ, no existe k tal que r(A) = 0.

Para averiguar cuando el rango es 1, 2 o 3, llevemos A, mediante operaciones elemen-
tales sobre filas (f2 ← f2 − f1 , f3 ← f3 − f1 a forma escalonada
 
1 1 1 1
A ∼ 0 k − 1 0 k − 1 .
0 0 k−2 0
Si k = 2, r(A) = 2. Si k = 1, luego de intercambiar las filas 2 y 3 A está en forma

escalonada y su rango es 2. Si k 6= 1 ∧ k 6= 2, entonces A está en forma escalonada y
su rango es 3. El rango de A nunca es 1.
El determinante de B es k 3 − 3k + 2 = (k − 1)2 (k + 2) 6= 0 ⇔ k 6= 1 ∧ k 6= −2. Por
tanto, si k 6= 1 y k 6= −2 el rango de B es 3. Sólo nos resta averiguar qué ocurre si k = 1
o k = −2. Esto puede hacerse analizando cada una de las matrices que se obtienen al
sustituir k por 1 o -2 en B. También podemos aplicar operaciones elementales sobre
las filas de B y obtenemos
 
1 k 1
B ∼ 0 1 − k k−1  =: B̃
0 0 (1 − k)(k + 2)
det(B̃) = (1 − k)2 (k + 2) por ser B una matriz triangular superior. B̃ se obtiene de

aplicar las siguientes operaciones elementales sobre las filas de B:
f1 ↔ f2 , f2 ← f2 − kf1 , f3 ← f3 − f1 , f2 ↔ f3 , f3 ← f3 − (k + 1)f2 .
Esto significa que det(B) =det(B̃) = (1 − k)2 (k + 2). Además si k 6= −2 y k 6= 1,

r(B) = 3. Si k = −2, r(B) = 2. Si k = 1, r(B) = 1.
3.5. Ejemplos de utilidad de polinomios y matrices

(sistemas de ecuaciones lineales)
Ejemplo 3.46. Almacenamiento de fotos en formato jpg: pixel, color de un pixel es
una combinación de cierta cantidad de R, G, B, el color se determina por interpola-
ción?, compresión de fotos, ...
Ejemplo 3.47. Supongamos que conocemos los siguientes datos sobre el número de
habitantes en Concepción en los años 1970, 1982, 1992, 2002 y 2006.
Año Miles de habitantes en Concepción

x1 = 1970 h1 = 161.006
x2 = 1982 h2 = 267.891
x3 = 1992 h3 = 326.784
x4 = 2002 h4 = 216.061
x5 = 2006 h5 = 225.158
Queremos averiguar cuántos habitantes habı́a en Concepción en el año 2000. Para

responder a esta pregunta podrı́amos buscar una función f , fácil de evaluar, que sa-
tisfaga f (xi ) = hi , i = 1, 2, 3, 4, 5 y tomar f (2000) como una aproximación al número
de habitantes en el año 2000. Esta función f podrı́a ser un polinomio, es decir, una
función de la forma f (x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 . Para encontrar los valores de
a0 , a1 , a2 , a3 , a4 que hacen que f (xi ) = hi es necesario resolver un sistema de ecuaciones
lineales.
Ejemplo 3.48. Supongamos que sabemos que un auto se mueve con movimiento
rectilı́neo uniforme, es decir, en cada tiempo t su posición está dada por d(t) = d0 +v ·t,
donde d0 es su posición inicial y v es la velocidad con que se mueve (es constante).
No conocemos ni la posición inicial del auto ni su velocidad, pero sabemos qué tiempo
demoró en viajar desde la posición inicial hasta distintas posiciones a lo largo de la
carretera. Queremos determinar la velocidad del auto y su posición inicial de modo
que
d1 = d0 + vt1 ,
d2 = d0 + vt2 ,
..
.
dm = d0 + vtm
Ejemplo 3.49. Del laboratorio de fı́sica: se lanza una pelotita varias veces desde una
altura h. Se ubican 2 sensores, el primero está a una altura h0 < h y el segundo está
en el suelo, con ayuda de ellos se mide el tiempo que la pelotita demora en recorrer
la distancia h0 (distancia entre los dos sensores). Se quiere determinar la gravedad,

desperdiciando la fricción del aire.
Si la pelotita cae con movimiento rectilı́neo uniformemente acelerado, la distancia que
ella recorre en un tiempo t es x(t) = h − h0 + v0 t + 21 gt2 , h − h0 es la distancia inicial
que la pelotita habı́a recorrido antes de pasar por el primer sensor, v0 es su velocidad
al pasar por el primer sensor (a determinar) y g es la aceleración de la gravedad (a
determinar). La distancia total recorrida por la pelotita en cada medición es h0 , por
tanto para cada ti = t0i − thi 0 , i = 1, 2, . . . , n medido h0 = h − h0 + v0 ti + 21 gt2i , es
decir, se quiere determinar v0 , g de modo que 2h0 = h + v0 ti + 12 gt2i , i = 1, 2, . . . , n. Si
n > 2, éste es un sistema sobredeterminado que, en general, no tiene solución.
Ejemplo 3.50. Consideremos el circuito en la figura 3.1.
R1 R4
e1 e2
R2
e4 e3
R3 R5
Figura 3.1: Circuito cuyo comportamiento se modela por sistema de ecuaciones lineales
Asociando a la corriente a través de cada elemento una dirección única y si denotamos

por jV la corriente a través de la fuente de voltaje y por jRi las corrientes a través de las
resistencias, las siguientes ecuaciones constituyen la ley de Kirchhoff de las corrientes
asociada a cada nodo del circuito
−jV + jR1 = 0,
−jR1 + jR2 + jR4 = 0,
−jR2 + jR3 + jR5 = 0,
jV − jR3 = 0.
Teniendo en cuenta que para cada resistencia se cumple que jRi = R1i uRi y uRi es la
diferencia entre los voltajes asociados a los nodos en los extremos de cada elemento
se tiene que el siguiente sistema de ecuaciones lineales describe el comportamiento del
circuito dado
1 1
e1 − e2 − jV = 0,
R1 R
1
1 1 1 1 1
− e1 + + + e2 − e3 = 0,
R1 R1 R2 R4 R2

1 1 1 1 1
− e2 + + + e3 − e4 = 0,
R2 R2 R3 R5 R3
1 1
− e3 + e4 + jV = 0,
R3 R3
−e1 + e4 = u,
siendo u el voltaje de la fuente de voltaje (conocido). En forma matricial este sistema

es
   
1
− R11 0 0 −1  e1   0 
 
R1
− 1 1
+ R12 + 1
− R12 0 0  e2   0 
 R1 R1 R4   e3  =  0  .
 0 − R12 1
R2 + R13 + 1
R5 − R13 0    
 e4   0 
−1 0 0 1 0 jV u
Ejemplo 3.51. El tercer ejemplo sobre aplicaciones de polinomios y sistemas de ecua-

ciones lineales es un poco más complicado. Supongamos que queremos modelar la
temperatura en una habitación continuar este ejemplo
3.6. Sistemas de ecuaciones lineales

Supongamos que queremos averiguar si existe x ∈ Mn×1 (K) tal que Ax = b, con
A ∈ Mm×n (K) y b ∈ Mm×1 (K) y, en caso de que exista, encontrarlo(s). Este tipo de
problemas es un sistema de ecuaciones lineales y es tal que
1. tiene solución (es compatible) si r(A) = r(A|b). El conjunto solución
a) está formado por un solo vector (el sistema es compatible determinado) si

r(A) = n,
b) está formado por un número infinito de vectores (el sistema es compatible
indeterminado) si r(A) = r < n.
2. no tiene solución (es incompatible) si r(A) 6= r(A|b).
Comencemos con un ejemplo sencillo, encontremos la solución, si existe, del siguiente

sistema de ecuaciones lineales. Se buscan x1 , x2 , x3 ∈ R tales que
x1 + 2x2 + x3 = 4,
x2 − x3 = 2,
x3 = 5.
Este sistema, escrito en forma matricial, es

   
1 2 1 4
0 1 −1 x = 2
0 0 1 5
 
x1
si x = x2 . Note que, como la matriz del sistema ya está en forma escalonada, éste
x3
es muy fácil de resolver pues podemos resolver la tercera ecuación para encontrar x3 ,
insertar este valor en la segunda y calcular x2 y, por último, insertar estos dos valores
en la primera y obtener x1 . Si hacemos esto, tenemos que x1 = −15, x2 = 7, x3 = 5 es
la (única) solución al sistema de ecuaciones, es decir, su conjunto solución es
 
 −15 
S=  7  .
5
 
Note que en este caso el rango de la matriz asociada al sistema de ecuaciones es igual
a su número de columnas e igual al rango de la matriz (matriz ampliada asociada al
sistema)  
1 2 1 | 4
0 1 −1 | 2 .
0 0 1 | 5
Consideremos ahora el sistema
x1 + 2x2 + x3 = 1,
x2 − x3 = 2
que, escrito en forma matricial, es

1 2 1 1
x= .
0 1 −1 2
La matriz asociada a él también está en forma escalonada por lo que el sistema es fácil
de resolver. Con ayuda de la segunda ecuación podemos escribir x2 en términos de x3
(o x3 en términos de x2 ) e insertando este valor en la primera ecuación obtenemos una
expresión para x1 en términos de x3 (o x2 ), ası́ tenemos que los valores de x1 , x2 , x3 ∈ R
que satisfacen las ecuaciones dadas son
x1 = −4 − x3 , x2 = 2 + x3 , x3 ∈ R.
Note que, a diferencia del ejemplo anterior, en este caso el conjunto solución está
formado por un número infinito de vectores
  
 x1 
S = x2  ∈ M31 (R) : x1 = −4 − x3 , x2 = 2 + x3 .
x3
 
La matriz asociada al sistema de ecuaciones tiene rango igual a 2 (menor que su número
de columnas) y la matriz ampliada

1 2 1 | 1
0 1 −1 | 2
tiene también rango 2.
Resolvamos el sistema de ecuaciones
   
1 0 1 1
1 1 0 x = 1 .
1 1 1 1
La matriz asociada a este sistema es invertible. De ella calculamos su inversa en la
clase pasada realizando operaciones elementales sobre las filas de la matriz identidad
y obtuvimos  
1 1 −1
A−1 = −1 0 1 .
0 −1 1
Como A es invertible sabemos que su rango es 3. Además para todo b ∈ M31 (R) el
rango de (A|b) también será 3 (el rango de (A|b) es mayor o igual que el de A). El
sistema de ecuaciones es compatible determinado. Note que
Ax = b ⇔ A−1 Ax = A−1 b ⇔ x = A−1 b
como ya conocemos A−1 podemos calcular x

    
1 1 −1 1 1
x = −1 0 1  1 = 0 .
0 −1 1 1 0
Encontremos (si existen) ahora los valores de los parámetros b, c ∈ R tales que el
sistema de ecuaciones siguiente tenga solución única, tenga infinitas soluciones o no
tenga solución
   
2 1 −4 0
3 5 −7 x =  b  .
4 −5 −6 c
La matriz asociada al sistema de ecuaciones no está en forma escalonada. Sin embargo,
como hemos visto en los ejemplos anteriores, un sistema de ecuaciones con matriz en
forma escalonada es fácil de resolver, ası́ que tratemos de llevar este sistema a forma
escalonada. Serı́a bueno hacerlo de forma que el sistema resultante tenga el mismo
conjunto solución que el sistema original. Para ello, debemos llevar la matriz ampliada
asociada al sistema a forma escalonada usando sólo operaciones elementales sobre filas.
La matriz ampliada asociada a este sistema es
     
2 1 −4 | 0 2 1 −4 | 0 2 1 −4 | 0
3 5 −7 | b  ∼ 0 7 −1 | b  ∼ 0 7 −1 | b .
2 2
4 −5 −6 | c 0 −7 2 | c 0 0 0 | 2b + c
Veamos cuál es el sistema resultante
2x1 + x2 − 4x3 = 0,
7
x2 − x3 = b,
2
0 = 2b + c
Si 2b + c 6= 0 la última ecuación serı́a una contradicción y el sistema de ecuaciones no
tendrı́a entonces solución, es decir, si 2b + c 6= 0, S = ∅. Note que en este caso el rango
de la matriz asociada al sistema es 2, pero el de la matriz ampliada es 3.
Si 2b + c = 0, la tercera ecuación es una tautologı́a (0 = 0) y para resolver el sistema
de ecuaciones debemos encontrar x1 , x2 , x3 tales que las dos primeras ecuaciones se
cumplan, el conjunto solución, al igual que en uno de los ejemplos anteriores, está
formado por un número infinito de vectores y, al igual que antes, la matriz asociada
al sistema de ecuaciones tiene el mismo rango que la matriz ampliada, pero éste es
menor que el número de columnas de la matriz. Si 2b + c = 0,
  
 x1 13 7 
S = x2  ∈ M31 (R) : x1 = x2 − 2b, x3 = x2 − b .
2 2
x3
 
Observación 3.52. Note que

1. si A es una matriz cuadrada con determinante distinto de cero, es decir, si A
es invertible, entonces su rango es n y el rango de la matriz (A|b) también será
n para todo b ∈ Mn×1 (K). Todo sistema con matriz cuadrada e invertible, es
compatible determinado, su solución es el vector x = A−1 b.
Más adelante veremos que calcular la inversa de A y multiplicarla por b no es
una forma eficiente de resolver el sistema de ecuaciones pues encontrar a A−1 es
equivalente a resolver los n sistemas de ecuaciones Axi = ei .
2. si b = Θ, entonces el vector x = Θ es solución del sistema, es decir, todo sistema

de ecuaciones con parte derecha igual a cero, es compatible.
Ejemplo 3.53. De los siguientes sistemas de ecuaciones, encontremos los valores de los
parámetros para los cuales ellos son compatibles determinados, compatibles indetermi-
nados e incompatibles. En los casos en que los sistemas sean compatibles, encontremos
el conjunto solución.
1.    
k 1 1 1
1 k 1 x = k  .
1 1 k k
El determinante de la matriz asociada al sistema de ecuaciones, llamémosle A,
es (k − 1)2 (k + 2). Por tanto, la matriz es invertible ssi k 6= 1 ∧ k 6= −2. En este
caso podemos
a) Determinar la inversa de la matriz asociada al sistema de ecuaciones y hacer
x = A−1 b.
b) Aplicar el método de Cramer para encontrar x.
c) Realizar operaciones elementales a filas de (A|b) hasta llevarla a un sistema
equivalente con matriz escalonada por filas que es fácil de resolver.
Esta última forma también nos sirve para determinar las propiedades del sistema
y su solución, independientemente del valor de k.
 
k 1 1 | 1
(A|b) = 1 k 1 | k .
1 1 k | k
La siguiente f2 ← kf2 − f1 no es una operación elemental sobre las filas de A
si k = 0. Note que ella no es una de las operaciones elementales que definimos
la clase pasada, sino la composición de f2 ← kf2 y f2 ← f2 − f1 . La primera
de estas dos es sólo una operación elemental si k 6= 0, no podemos aplicarla sin
antes suponer que k 6= 0.
Si hacemos f1 ↔ f2 obtenemos
 
1 k 1 | k
(A|b) ∼ k 1 1 | 1
1 1 k | k
y aplicando f2 ← f2 − kf1 , f3 ← f3 − f1 se tiene

 
1 k 1 | k
(A|b) ∼ 0 1 − k 2 1 − k | 1 − k 2 
0 1−k k−1 | 0
Ahora tenemos el mismo problema que antes, no podemos hacer f3 ← (1+k)f3 −

f2 sin estar seguros de que k 6= −1. Por tanto, hacemos f2 ↔ f3
 
1 k 1 | k
(A|b) ∼ 0 1 − k k − 1 | 0 
0 1 − k 1 − k | 1 − k2
2
y luego f3 ← f3 − (1 + k)f2 y se obtiene

 
1 k 1 | k
(A|b) ∼ 0 1 − k k−1 | 0 .
0 0 (1 − k)(2 + k) | 1 − k 2
Si k = 1, r(A) = r(A|b) = 1 < 3 y el sistema es compatible indeterminado. Su

conjunto solución es
  
 x1 
S = x2  : x1 = 1 − x2 − x3 , x2 , x3 ∈ R .
x3
 
Si k = −2, r(A) = 2 6= r(A|b) = 3, el sistema es compatible indeterminado,

S = ∅.
Si k 6= 1 y k 6= −2, entonces el sistema es compatible determinado y, de resolver
la última ecuación se tiene
1+k
x3 = .
2+k
Insertando este valor en la segunda ecuación se tiene
1+k
x2 =
k+2
e insertando estos dos valores en la primera ecuación tenemos que
1
x1 = − .
k+2
Es decir,  1 
 − k+2 
1+k 
S =  k+2 .
 1+k 
2+k
Apliquemos el método de Cramer a la solución del sistema de ecuaciones y veamos

que se obtiene la misma solución en los casos en que A sea invertible.
En el caso particular en que la matriz asociada a un sistema de ecuaciones sea
cuadrada y su determinante sea distinto de cero, podemos aplicar el método de
Cramer para encontrar el (único) vector x tal que Ax = b. Según este método,
cada una de las componentes xi , i = 1, 2, . . . , n del vector solución al sistema
puede determinarse mediante
det(Ai )
xi = ,
det(A)
donde Ai representa a la matriz que se obtiene al intercambiar la columna i de

A por el vector b. En este caso se tiene

1 1 1

k k 1

k 1 k 1
x1 = 2
=− ,
(k − 1) (k + 2) k+2

k 1 1

1 k 1

1 k k k+1
x2 = = ,
(k − 1)2 (k + 2) k+2

k 1 1

1 k k

1 1 k k+1
x3 = = .
(k − 1)2 (k + 2) k+2
2.    
1 −2 1 2
−1 1 a x = −1 , a∈R
2 a 4 2
Este primer sistema es cuadrado, es decir, tiene el mismo número de ecuaciones
que de incógnitas, calcular su determinante nos permitirá saber para qué valores
de a el sistema es compatible determinado (si el determinante es distinto de cero)
y para qué valores es incompatible o compatible indeterminado (determinante es
cero). El determinante de la matriz asociada al sistema es −(a2 + 5a + 6) y él es
distinto de cero ssi a 6= −2 y a 6= −3. Por tanto, para todo a ∈ R distinto de estos
dos valores el sistema es compatible determinado, es decir, tiene solución única,
ésta es x = A−1 b y podemos hallarla por el método de eliminación de Gauss o
por el método de Cramer (explicado más adelante). Para averiguar cómo es el
sistema de ecuaciones si a = −2 o a = −3 tenemos entonces que averiguar el
rango de (A|b) en estos dos casos.
Veamos que también pudimos resolver este problema sin calcular el determinante
de A, es decir, averiguando directamente su rango en dependencia de los valores
de a. Esta forma de solución tiene la ventaja de que llevaremos la matriz en
forma escalonada y si a es tal que su rango es 3, entonces ya la matriz tendrá una
forma adecuada para hallar su solución de manera fácil. Aquı́ es importante notar
que sólo aplicando operaciones elementales sobre filas el conjunto solución del
sistema resultante coincidirá con el del sistema original, si aplicamos operaciones
elementales sobre columnas aún podremos decir si el sistema es compatible o no,
pero la solución del sistema resultante no es la misma que la del sistema original.
La matriz es tal que aplicando las siguientes operaciones elementales sobre filas
f2 ← f2 + f1 , f3 ← f3 + 2f1 , f3 ← f3 + (a + 4)f1 obtenemos
 
1 −2 1 | 2
0 −1 a+1 | 1 .
0 0 a2 + 5a + 6 | a − 2
El rango de esta matriz es 3 ssi a2 + 5a + 6 6= 0, en cuyo caso la solución exacta
al sistema es
a−2 (a + 1)(a − 2) (a + 1)(a − 2) a−2
x3 = , x2 = − 1, x1 = 3 − +2 2 .
a2 + 5a + 6 a2 + 5a + 6 a2 + 5a + 6 a + 5a + 6
Si a = −2 o a = −3, el rango de A es 2, mientras que el de la matriz ampliada
es 3, por lo que el sistema es, en ambos casos, incompatible.
3.    
1 1 α
a 1 x = α , a, b, α ∈ R
1 b α
Aplicando las siguientes operaciones elementales sobre filas f2 ← f2 − af1 ,

f3 ← f3 − f1 obtenemos que la matriz ampliada a este sistema de ecuaciones es
equivalente a  
1 1 | α
0 1 − a | (1 − a)α
0 b−1 | 0
Tenemos entonces los siguientes casos
(
a = 1 compatible indeterminado
b=1
a 6= 1 compatible determinado
(
a = 1 compatible determinado
b 6= 1
a 6= 1 depende de α
En el primer caso (b = 1, a = 1) el conjunto solución es

x1
S= ∈ M21 (R) : x1 = α − x2 .
x2

0
En el segundo caso la solución única es . En el tercer caso la solución única
α
α 1−b
es . En el cuarto caso, haciendo la operación elemental f3 ← f3 + 1−a f2
0
obtenemos la matriz  
1 1 | α
0 1 − a | (1 − a)α
0 0 | (1 − b)α
conlo que si α = 0, el sistema es compatible determinado y su solución única es

0
, mientras que si α 6= 0 el sistema es incompatible.
0
Resuelva el siguiente sistema de ecuaciones
x1 + x2 = 0,
x2 + x3 = 0,
..
.
xn−1 + xn = 0,
xn + x1 = 0.
OJO: Ver aplicaciones: matriz de google, png-file, blurring, ...(libro: Coding the ma-
trix)
Capı́tulo 4
Vectores en R2 y R3, rectas y

planos
Si K es un cuerpo,
Kn = Mn1 (K) = {x = (x1 , x2 , . . . , xn ) , xi ∈ K, i = 1, 2, . . . , n} .
Los elementos de Kn se denominan vectores.

En Kn los vectores A = (xi )i=1,...,n y B = (yi )i=1,...,n son iguales ssi xi = yi ∀ i =
1, 2, . . . , n. Si A, B ∈ Kn , λ ∈ K la suma de vectores en Kn y el producto por un
escalar en K se definen como
A + B = (xi + yi )i=1,2,...,n , λA = (λxi )i=1,...,n .
En este capı́tulo consideraremos K = R y n ∈ {1, 2, 3}.

Las operaciones definidas antes son tales que
1. la suma es conmutativa y asociativa,
2. existe el elemento neutro para la suma,
3. para cada A ∈ Rn , existe el inverso aditivo de A,
4. ∀ A ∈ Rn : 1A = A,
5. ∀ λ1 , λ2 ∈ R ∀ A ∈ Rn : λ1 (λ2 A) = (λ1 λ2 )A,
6. ∀ λ1 , λ2 ∈ R ∀ A ∈ Rn : (λ1 + λ2 )A = λ1 A + λ2 A,
7. ∀ λ ∈ R ∀ A, B ∈ Rn : λ(A + B) = λ A + λ B,
8. ∀ λ ∈ R ∀ A ∈ Rn : λ A = Θ ⇔ λ = 0 ∨ A = Θ.
Ejemplo 4.1. Si A = (1, 2, −1), B = (−1, 0, 1), λ = 5, entonces
A + B = B + A = (0, 2, 0), λ A = (5, 10, −5).
En cursos anteriores se vió que los elementos de R pueden representarse gráficamente

con ayuda de la recta real.
Dado A ∈ R2 , si escribimos A = (x1 , x2 ) consideramos a A como el punto con coorde-
~ = (x1 , x2 ) estaremos considerando al vector (flecha)
nadas (x1 , x2 ). Si escribimos A
72
CAPÍTULO 4. VECTORES EN R2 Y R3 , RECTAS Y PLANOS 73
que va desde el origen de coordenadas al punto (x1 , x2 ). A los elementos de R2 los

representaremos gráficamente en el plano cartesiano. Vectores especiales en R2 son los
vectores canónicos de R2 ,
~i = (1, 0), ~j = (0, 1).
Hacer en sala de clases 10. Dibujar plano cartesiano, identificar ejes X e Y , re-
presentar origen de coordenadas, un punto, un vector, vectores canónicos, sumar dos
vectores, multiplicar un vector por un escalar.
Note que cualquier vector de R2 se puede representar como
(x, y) = x~i + y ~j.
R3 se representa gráficamente con ayuda del plano cartesiano (él cual consta ahora de
tres ejes perpendiculares entre sı́). Dado A ∈ R3 , si escribimos A = (x1 , x2 , x3 ) nos
referimos al punto con coordenadas (x1 , x2 , x3 ), mientras que con A~ = (x1 , x2 , x3 ) se
considera al vector (flecha) que va desde el origen de coordenadas al punto (x1 , x2 , x3 ).
Los vectores canónicos de R3 son
~i = (1, 0, 0), ~j = (0, 1, 0), ~k = (0, 0, 1).
Hacer en sala de clases 11. Dibujar ejes cartesianos R3 , mostrar varios puntos, ası́
como los vectores asociados. Identificar ejes X, Y, Z y planos XY, XZ, Y Z.
~ −A, −A,
Representar gráficamente 2A, 2A, ~ A
~ 1 A, 1 A, ~ + B.
~
2 2
Note que cualquier vector de R3 se puede representar mediante
(x, y, z) = x~i + y ~j + z ~k.
Notar que si A~ = (x1 , x2 , x3 ) y B

~ = (y1 , y2 , y3 ), entonces AB
~ = (y1 −x1 , y2 −x2 , y3 −
x3 ) puede representarse como el vector desde el origen hasta (y1 − x1 , y2 − x2 , y3 − x3 )
o como el vector libre que va desde el punto A = (x1 , x2 , x3 ) al punto B = (y1 , y2 , y3 ).
A partir de ahora denotaremos por AB ~ al vector que va desde un punto A hasta un
punto B en el plano. Él y el vector en el origen que se representa como una flecha
desde el origen hasta B − A son iguales.
Definición 4.2. Dados dos vectores en Rn un producto interior entre ellos es una
función · : Rn × Rn → R tal que
1. ∀ α, β ∈ R ∀ ~x, ~y , ~z ∈ Rn : (α ~x + β~y ) · ~z = α(~x · ~z) + β(~y · ~z),
2. ∀ ~x, ~y ∈ Rn : ~x · ~y = ~y · ~x,
3. ∀ ~x ∈ Rn : ~x · ~x ≥ 0,
4. ~x · ~x = 0 ⇔ ~x = Θ.
Utilizaremos el siguiente producto interior, si ~x = (x1 , . . . , xn ), ~y = (y1 , . . . , yn )
n
X
~x · ~y = xi yi .
i=1
La demostración de que este producto es efectivamente un producto interior no es

difı́cil de realizar, se desprende de las propiedades de los números reales.
Ejemplo 4.3. Sean ~x = (1, −1, 2), ~y = (0, 2, 3), ~z = (1, −5, 2), ~u = −1, 0, 21 , entonces

~x · ~y = 0 + (−2) + 6 = 4, ~y · ~z = 0 + (−10) + 6 = −4, ~z · ~u = −1 + 1 = 0.
Definición 4.4. Una norma en Rn es una función kk : Rn → R que a cada vector de

Rn hace corresponder un número real y cumple con las siguientes propiedades:
1. ∀~u ∈ Rn : k~uk ≥ 0,
2. k~uk = 0 ⇔ ~u = Θ,
3. ∀ λ ∈ R ∀ ~u ∈ Rn : kλ ~uk = |λ|k~uk,
4. ∀ ~u, ~v ∈ Rn : k~u + ~v k ≤ k~uk + k~v k.
Note que si · es un producto interior en Rn , entonces
√
k~uk = u · u
define una norma en Rn v

u n
uX
k~uk2 = t |ui |2 .
i=1
Esta norma se denomina norma 2 o norma euclideana de un vector. Es fácil ver que
ella cumple las 3 primeras propiedades de una norma. La última es una consecuencia
de la siguiente desigualdad OJO: Es tal vez más intuitivo presentar esta desiagualdad
más adelante, después de ver proyección ortogonal de un vector sobre otro.
Lema 4.5. Si ~u, ~v ∈ Rn , se cumple que
|~u · ~v | ≤ k~ukk~v k.
Demostración. Esta desigualdad se denomina desigualdad de Cauchy-Schwarz. Es mu-

cho más general que la presentada ahora pues se cumple para cualquier producto
interior y la norma inducida por él.
Si ~u = Θ o ~v = Θ la desigualdad se cumple en la igualdad. Supongamos que ~u 6= Θ y
~v 6= Θ.
Sea f (λ) = k~u − λ ~v k2 . Entonces ∀ λ ∈ R : f (λ) ≥ 0.
Determinemos λ∗ donde f alcanza un mı́nimo,
f (λ) = (~u − λ ~v ) · (~u − λ ~v ) = k~uk2 − 2λ~u · ~v + λ2 k~v k2

~u · ~v
Entonces f 0 (λ) = −2~u · ~v + 2λk~v k2 = 0 ⇔ λ = . Además f 00 (λ) = 2k~v k2 ≥ 0.
k~v k2
(~u · ~v )2 (~u · ~v )2
0 ≤ f (λ∗ ) = k~uk2 − 2 + k~v k2 ,
k~v k2 k~v k4
k~uk2 k~v k2 − (~u · ~v )2
= ,
k~v k2
Dado que f (λ∗ ) ≥ 0 se tiene
f (λ∗ ) ≥ 0 ⇒ k~uk2 k~v k2 − (~u · ~v )2 ≥ 0,

⇒ k~uk2 k~v k2 ≥ (~u · ~v )2 ⇒ k~ukk~v k ≥ |~u · ~v | .
Con la desigualdad de Cauchy-Schwarz es posible demostrar que k~uk2 = ~u · ~u cumple

la desigualdad triangular pues
k~u + ~v k2 = (~u + ~v ) · (~u + ~v ) = ~u · (~u + ~v ) + ~v · (~u + ~v ) = k~uk2 + 2~u · ~v + k~v k2 ,

2
≤ k~uk2 + 2|~u · ~v | + k~v k2 ≤ k~uk2 + 2k~ukk~v k + k~v k2 = (k~uk + k~v k) .
Por tanto,
k~u + ~v k ≤ k~uk + k~v k.
√ √
Ejemplo 4.6. k(1, −1, 2)k = 1 + 1 + 4 = 6. Si A = (1, −2, 1), B = (−1, 2, 2)
~ = k(−2, 4, 1)k = k(2, −4, −1)k = kBAk.
kABk ~
~ ~
Note que los vectores AB y BA son distintos en dirección, pero tienen la misma
magnitud (o norma).
Definición 4.7. Una distancia en Rn , n ∈ {1, 2, 3} es una función d : Rn × Rn −→ R
con las siguientes propiedades
1. d(A, B) ≥ 0, ∀A, B ∈ Rn ,
2. d(A, B) = 0 ⇔ A = B,
3. d(A, B) = d(B, A), ∀A, B ∈ Rn ,
4. d(A, B) ≤ d(A, C) + d(C, B), ∀A, B, C ∈ Rn .
Cualquier función de Rn × Rn a R que cumpla las propiedades anteriores es una
distancia en Rn . Si se tiene una norma en Rn , se puede, con ayuda de ella, definir una
distancia como
~
d(A, B) = kABk.
pues ella cumple con todas las propiedades mencionadas anteriormente:
~ ≥ 0,
1. d(A, B) = kABk
~ = 0 ⇔ AB
2. d(A, B) = 0 ⇔ kABk ~ = Θ ⇔ A = B,
~ = k − BAk
3. d(A, B) = kABk ~ = | − 1|kBAk
~ = d(B, A),
~ = kAR
4. d(A, B) = kABk ~ + RBk
~ ≤ kARk
~ + kRBk
~ = d(A, R) + d(R, B).
Con la norma 2 definida antes tendrı́amos

v
u n
uX
~
d(A, B) = kABk = t (yi − xi )2
i=1
que se denomina distancia euclideana.

El producto interior entre dos vectores está relacionado con el ángulo entre ellos.
Veamos algunos ejemplos.
Ejemplo 4.8. Dado que el ángulo entre ~x e ~y en 4.1 es de 90 grados, los triángulos
representados son tales que k~x − ~y k = k~x + ~y k,
k~x − ~y k = k~x + ~y k ⇔ (~x − ~y ) · (~x − ~y ) = (~x + ~y ) · (~x + ~y ),

⇔ 4~x · ~y = 0,
⇔ ~x · ~y = 0.
Figura 4.1: Vectores perpendiculares
Dos vectores ~u, ~v ∈ Rn son perpendiculares (el ángulo entre ellos es de 90 grados) ssi
el producto interior entre ellos es igual a cero
~u ⊥ ~v ⇔ ~u · ~v = 0.
Ahora es fácil probar la validez del teorema de Pitágoras pues

2
longitud hipotenusa = k~x − ~y k2 = (~x − ~y ) · (~x − ~y ),
= k~xk2 − 2 ~x · ~y +k~y k2 = k~xk2 + k~y k2 .
|{z}
=0
Dos vectores ~x y ~y son paralelos ssi existe λ ∈ R, λ 6= 0 tal que ~x = λ ~y .
4.1. Proyección ortogonal de un vector sobre otro

Ejemplo 4.9. Considere ~x = (3, 1) y ~y = (1, 0). Queremos encontrar la proyección
ortogonal de ~x sobre ~y , la cual denotaremos como Proy~~yx .
−−→
Éste es un vector ~u paralelo a ~y , ~u = λ~y = OU con U = λ(1, 0) = (λ, 0) que satisface
que la distancia de X = (3, 1) a U es mı́nima,
dist(X, U )2 = k~x − ~uk2 = (~x − ~u) · (~x − ~u),

= [3 − λ, 1] · [3 − λ, 1] = (3 − λ)2 + 1 = (λ − 3)2 + 1
Ésta es una parábola con vértice en (3, 1), es decir, su mı́nimo es 1 y lo alcanza en 3.
Por tanto, ~u = 3(1, 0) = (3, 0).
−−→ −−→
En general, si ~x y ~y son vectores en el origen y no paralelos, ~x = OX, ~y = OY , la
proyección ortogonal de ~x sobre ~y es el vector ~u paralelo a ~y que minimiza k~x − ~uk,
k~u − ~xk2 = kλ ~y − ~xk2 ,

= (λ ~y − ~x) · (λ ~y − ~x),
= λ2 k~y k2 − 2λ ~x · ~y + k~xk2
Considere f (λ) := λ2 k~y k2 − 2λ ~x · ~y + k~xk2 , entonces

~x · ~y
f 0 (λ) = 2λk~y k2 − 2~x · ~y = 0 ⇔ λ = .
k~y k2
El vector
~x · ~y
~u = λ ~y = ~y
k~y k2
es la proyección ortogonal de ~x sobre ~y y es tal que
Proy~~yx = argmin~u=λ ~y k~x − ~uk.
Note que
~x · ~y ~x · ~y (~x · ~y )2
k~uk2 = ~u · ~u = ~
y · ~
y =
k~y k2 k~y k2 k~y k2
y ~u y ~x − ~u son perpendiculares pues
~u · (~x − ~u) = ~u · ~x − ~u · ~u = 0.
Es por ello que este vector se denomina proyección ortogonal de ~x sobre ~y .

Notar que
2
(~x · ~y ) 2
0 ≤ k~x − ~uk2 = k~xk2 − ⇒ k~xk2 k~y k2 ≥ (~x · ~y ) ⇒ |~x · ~y | ≤ k~xkk~y k,
k~y k2
que es la desigualdad de Cauchy-Schwarz.
Una consecuencia de esta desigualdad es que
−k~xkk~y k ≤ ~x · ~y ≤ k~xkk~y k,
es decir,
~x · ~y
−1 ≤ ≤1
k~xkk~y k
lo que sugiere la siguiente definición, que puede comprobarse en R2 y R3 .
Lema 4.10. Si θ ∈ [0, π] es el menor ángulo entre dos vectores x, y ∈ Rn se tiene que
~x · ~y = kxkkyk cos(θ).
Demostración. Se demuestra el caso sencillo de dos vectores en R2 . Suponga que que-

remos calcular el ángulo entre los vectores en la figura 4.2.
Si las coordenadas de X son (x1 , y1 ) y las de Y (x2 , y2 ), se busca el ángulo dibujado
en rojo en la figura. Ya sabemos que el ángulo en azul, llamémoslo α, es tal que
y1 x1
sin α = , cos α =
k~xk k~xk
Figura 4.2: Vectores en R2 . Ángulo entre ellos.
mientras que el ángulo en negro, llamémosle β, es tal que

y2 x2
sin β = , cos β =
k~y k k~y k
Entonces el ángulo entre ~x e ~y es θ = β − α y es tal que
x2 x1 y2 y1 x1 x2 + y1 y2 ~x · ~y
cos θ = cos(β−α) = cos β cos α+sin β sin α = + = = ,
k~y k k~xk k~y k k~xk k~xkk~y k k~xkk~y k
es decir,
~x · ~y = k~xkk~y k cos θ,
siendo θ el ángulo entre ~x e ~y . Note que con la desigualdad de Cauchy-Schwarz
k~xkk~y k| cos θ| = |~x · ~y | ≤ k~xkk~y k
se tiene que
−1 ≤ cos θ ≤ 1.
Ejemplo 4.11. El ángulo α entre los vectores ~x = (−1, 0, 1) y ~y = (1, 0, 0) es tal que
√
−1 2 3π
cos αk~xkk~y k = ~x · ~y ⇒ cos α = √ = − ⇒α= .
2 2 4
Dado ~x ∈ Rn se denominan ángulos directores de ~x los ángulos entre ~x y cada uno de
los vectores canónicos. Si ~x = [x1 , x2 , x3 ], entonces
~x · ~i = x1 = k~xk cos α,
~x · ~j = x2 = k~xk cos β,
~x · ~k = x3 = k~xk cos γ,
si α, β y γ denotan los ángulos entre ~x y cada uno de los vectores canónicos.

Ejemplo 4.12. Determine los vectores ~u que forman un ángulo de 45 grados con los
dos primeros vectores canónicos.
Si ~u = (u1 , u2 , u3 ), entonces
√ √
u1 2 u2 2
= , =
k~uk 2 k~uk 2
con lo que
"√ √ # r
2 2 1 1
q
~u = k~uk, k~uk, u3 ⇒ k~uk = kuk2 + kuk2 + u23 ⇒ k~uk = k~uk2 + u23 ⇒ u3 = 0.
2 2 2 2
4.2. Producto vectorial de vectores en R3

El producto vectorial o producto cruz entre vectores ~u = (u1 , u2 , u3 ) y ~v = (v1 , v2 , v3 )
de R3 es un vector con coordenadas
~k

~i ~j

~u × ~v = u1 u2 u3 ,
v1 v2 v3
= ~i (u2 v3 − u3 v2 ) − ~j (u1 v3 − u3 v1 ) + ~k (u1 v2 − u2 v1 ) ,

= (u2 v3 − u3 v2 , −(u1 v3 − u3 v1 ), u1 v2 − u2 v1 ) .
Ejemplo 4.13. si ~u = (2, −1, 3) y ~v = (−1, −2, 4), entonces

1. ~u × ~v = (2, −11, −5),
2. ~v × ~u = (−2, 11, 5),
3. ~u × ~u = ~v × ~v = Θ,
4. ~u · (~u × ~v ) = 0,
Algunas propiedades que se desprenden de la definición son las siguientes:

x1 x2 x3

1. ~x ·(~u ×~v ) = x1 (u2 v3 −u3 v2 )+x2 (−u1 v3 +u3 v1 )+x3 (u1 v2 −u2 v1 ) = u1 u2 u3
v1 v2 v3
con lo que es fácil ver que
2. ~u · (~u × ~v ) = 0, ~v · (~u × ~v ) = 0, es decir, ~u × ~v es perpendicular tanto a ~u como a
~v y además
3. ~x · (~u × ~v ) = ~u · (~v × ~x) = ~v · (~x × ~u).
4. ~i × ~j = ~k, ~i × ~k = −~j, ~j × ~k = ~i,

5. ~u × ~v = −~v × ~u (antisimetrı́a),
~k ~k ~i ~k

~i ~j ~i ~j ~j

6. λu1 λu2 λu3 = λ u1 u2 u3 = u1 u2 u3
v1 v2 v3 v1 v2 v3 λv1 λv2 λv3
es decir, (λ~u) × ~v = λ(~u × ~v ) = ~u × (λ~v ). Observe que si λ~v = ~u, el producto
vectorial de ~u y ~v es igual al vector nulo.
~k ~k

~i ~j ~i ~j

7. Dado que u1 u2 u3 = u1 u2 u3 = Θ se tiene que ~u × ~u = Θ. Esto
u1 u2 u3 0 0 0
significa, por ejemplo, que (~i ×~i) × ~j = Θ, mientras que ~i × (~i × ~j) = −~j, es decir,
el producto vectorial de dos vectores no es asociativo,
8. el producto vectorial no es ni conmutativo ni asociativo, pero sı́ es distributivo
con respecto a la suma pues ~u × (~v + w)
~ = (~u × ~v ) + (~u × w)
~ y (~u + ~v ) × w
~ =
(~u × w)
~ + (~v × w),
~
9. ~u × (~v × w)
~ = (~u · w)~
~ v − (~u · ~v )w.
~ Una consecuencia de esta propiedad es la
siguiente
k~u × ~v k2 = (~u × ~v ) · (~u × ~v ),

= ~u · (~v × (~u × ~v )) = ~u · ((~v · ~v )~u − (~v · ~u)~v ) ,
= k~uk2 k~v k2 − (~u · ~u)2 ,
= k~uk2 k~v k2 − k~uk2 k~v k2 cos2 θ,
= k~uk2 k~v k2 sin2 θ
con lo que
k~u × ~v k = k~ukk~v k| sin θ|
En esta propiedad también se observa que si dos vectores son paralelos, entonces
el producto vectorial de ellos son es el vector nulo y viceversa, si el producto
vectorial entre dos vectores es el vector nulo, ellos son paralelos.
Ejemplo 4.14. Si ~z es perpendicular a ~x e ~y , entonces ~z es paralelo a ~x × ~y pues
~z × (~x × ~y ) = (~z · ~y )~x − (~z · ~x)~y = 0.
Ejemplo 4.15. 1. Sean w ~ 2 = 32 (−1, 1, 2) y ~u = (1, 1, −1). Pruebe

~ 1 = (1, −1, 1), w
que w~2 y w
~ 1 son ortogonales. Determine b, c ∈ R de modo que w ~ = ~u − bw
~ 1 − cw
~2
sea ortogonal a w1 y w2 .
2. ¿qué quiero mostrar aquı́? Sean ~n y ~r dos vectores que no son paralelos y
~u = ~n × (~n × ~r). Pruebe que k~uk = k~nkk~n × ~rk. Note que
~u = ~n × (~n × ~r) = (~n · ~r)~n − (~n~n)~r = (~n · ~r)~n − k~nk2~r
por lo que, si θ es el ángulo entre ~n y ~r
~u · ~r = (~n · ~r)~n − k~nk2~r · ~r,

= (~n · ~r)2 − k~nk2 k~rk2 ,

= k~nk2 k~rk2 cos2 θ − k~nk2 k~rk2 ,
= −k~n × ~rk2
y, si α es el ángulo entre ~u y ~r se tiene
~u · ~r = k~ukk~rk cos α = k~nkk~n × ~rkk~rk cos α = −k~n × ~rk2
y
k~n × ~rk
cos α = − = − sin θ.
k~nkk~rk
3. Sean A = (1, 2, 5) y B = (3, 2, 5)

−→ −−→
a) Determine P de modo que AP sea paralelo a AB.
−→ −−→
b) Determine P de modo que AP sea perpendicular a AB.
−→ −−→
c) Determine P de modo que AP sea unitario y perpendicular a AB.
4.3. Aplicaciones de los productos escalar y vectorial

Consideremos el paralelogramo formado por los vectores ~x e ~y (que tienen un origen
común). Tomemos a ~y como base del triángulo (mitad del paralelogramo). El área del
triángulo es
1 1
A h = k~y kk~x − Proy~~yx k
2 base 2
Dado que
k~x − Proy~~yx k2 = (~x − Proy~~yx ) · (~x − Proy~~yx ),

(~x · ~y )2 k~xk2 k~y k2 sin2 θ
= k~xk2 − = ,
k~y k2 k~y k2
k~x × ~y k2
=
k~y k2
si θ es el vector entre ~x e ~y , se tiene que
1 k~x × ~y k 1
área triángulo = k~y k = k~x × ~y k
2 k~y k 2
y el área del paralelogramo formado por los vectores ~x e ~y es k~x × ~y k.
Consideremos ahora el paralelepı́pedo cuya base es el paralelogramo formado por los
vectores ~x e ~y y sus aristas son paralelas a un vector ~z, donde ~x, ~y y ~z tiene un origen
común. El volumen de este paralelepı́pedo es
|~z · (~x × ~y )| .
Esta fórmula la entenderemos mejor después de ver la ecuación de un plano y la

distancia de un punto a un plano (proyección ortogonal sobre un plano).
Ejemplo 4.16. Determine el área del triángulo cuyo vértices son los puntos (1, 0, −1),
(2, −2, 3) y (7, −2, 4).
4.4. Rectas y planos en R3

Considere los puntos A, B ∈ Rn . El segmento de recta que une a A y B está formado
por los puntos P de la forma
P = λ A + (1 − λ)B, λ ∈ [0, 1].
Si λ = 1, P = A y si λ = 0, P = B. Haciendo variar a λ entre 0 y 1 se obtienen todos

los puntos entre A y B. Si λ = 12 se tiene
1 1
P = A+ B
2 2
que es el punto medio entre A y B. Los puntos de la forma
P = λ A + (1 − λ)B, λ∈R
son los que pertenecen a la recta que pasa por A y B.

Los puntos P = (x, y) que pertenecen a la recta que pasa por A y B son los que
satisfacen
−−→
P = B + λ(A − B) = B + λBA, λ ∈ R, (4.1)
Note que si A = (xa , ya ), B = (xb , yb ) y denotamos P = (x, y), entonces
(x, y) = (λxa + (1 − λ)xb , λya + (1 − λ)yb ) = (xb , yb ) +λ (xa − xb , ya − yb ),

| {z } | {z }
punto en recta vector director
es decir
x = λ(xa − xb ) + xb , y = λ(ya − yb ) + yb (4.2)
es la ecuación paramétrica de la recta. Además si xa 6= xb
x − xb ya − yb
λ= ⇒y= (x − xb ) + yb
xa − xb xa − xb
ya − yb
que es la ecuación de la recta como se ha trabajado hasta ahora. El cociente
xa − xb
es la pendiente de la recta. Si xa 6= xb y ya 6= yb , de la ecuación (4.2) se deriva que los
puntos (x, y) en la recta que pasa por A y B cumplen
y − yb x − xb
=
ya − yb xa − xb
que es la ecuación simétrica de la recta. Si xa = xb , la ecuación de la recta es x = xb .
Si ya = yb , la ecuación de la recta es y = yb . Note que (4.1) también puede escribirse
como
−−→ −−→
P B = λAB, λ ∈ R
la cual se denomina ecuación vectorial de la recta y nos indica que cualquier vector
desde el punto B perteneciente a la recta a otro punto de la recta es paralelo al vector
director de la recta.
Si A, B ∈ R3 , A = (xa , ya , za ), B = (xb , yb , zb ), entonces los puntos P = (x, y, z) que
pertenecen a la recta que pasa por A y B son los que satisfacen
(x, y, z) = (λxa + (1 − λ)xb , λya + (1 − λ)yb , λza + (1 − λ)zb ),

= (λ(xa − xb ) + xb , λ(ya − yb ) + yb , λ(za − zb ) + zb ),
= (xb , yb , zb ) +λ (xa − xb , ya − yb , za − zb )
| {z } | {z }
punto en recta vector director
La ecuación paramétrica de la recta es
x = xb + λ (xa − xb ), y = yb + λ(ya − yb ), z = zb + λ(za − zb ), λ ∈ R,
si xa 6= xb , ya 6= yb , za 6= zb la ecuación simétrica de la recta es

x − xb y − yb z − zb
= = ,
xa − xb ya − yb za − zb
mientras que la ecuación vectorial es

−−→ −−→
P B = λAB, λ ∈ R.
Para determinar una recta en R2 o R3 puedo tener: 2 puntos sobre la recta o un punto
sobre la recta y un vector director de la recta.
Ejemplo 4.17. 1. Determine la ecuación de la recta que pasa por los puntos (1, 1)
y (−1, 5).
Un vector director de la recta es (2, −4) y la ecuación paramétrica de la recta es
(x, y) = (1, 1) + λ(2, −4) o (x, y) = (−1, 5) + λ(2, −4), λ ∈ R.
Como 1 6= −1 y 1 6= 5, la ecuación simétrica de la recta es

x−1 y−1 x+1 y−5
= o = .
2 −4 2 −4
2. Determine la ecuación de la recta que contiene a los puntos P1 (4, −6, 5) y P2 (2, −3, 0).
Un vector director de esta recta es
−−−→
~r = P1 P2 = (−2, 3, −5)
y su ecuación es
(x, y, z) = (4, −6, 5) + λ~r, λ ∈ R.
Una ecuación simétrica es
x−4 y+6 z−5
= = .
−2 3 −5
3. Determine la ecuación de la recta que contiene a P (2, −9, −5) y es paralela al

vector (0, 2, 3).
El vector director de la recta es paralelo a (0, 2, 3), podemos tomar este mismo
vector como vector director. La ecuación paramétrica de la recta es
(x, y, z) = (2, −9, −5) + t(0, 2, 3), t ∈ R.
La ecuación simétrica es
y+9 z+5
x = 2, =
2 3
Dos rectas
L1 : P = A + t~r, L2 = B + t~u, t∈R
son iguales si y sólo si contienen exactamente los mismos puntos y éste es el caso si
A ∈ L2 y los vectores directores son paralelos.
Dos rectas L1 y L2 son paralelas ssi sus vectores directores son paralelos. Ellas son
perpendiculares ssi los vectores directores son perpendiculares y L1 ∩L2 6= ∅. Dos rectas
L1 : P = A + t~r, L2 = B + t~u, t∈R
se intersectan ssi existen t0 , t1 ∈ R tales que
A + t0~r = B + t1 ~u
En caso que L1 y L2 sean rectas en R2 , el sistema anterior es un sistema de 2 ecuaciones

y 2 incógnitas. Las columnas de la matriz del sistema son los vectores directores de
L1 y L2 . Si las rectas son paralelas, la matriz tiene rango 1. Entonces va a ocurrir
que el sistema tendrá infinitas soluciones (las rectas coinciden) o ninguna solución. Es
decir, en R2 dos rectas paralelas se cortan en infinitos puntos o en ningún punto. Si los
vectores directores no son paralelos, la matriz asociada al sistema de ecuaciones tiene
rango 2 y el sistema tiene solución única independientemente del valor de A − B, es
decir, en R2 dos rectas que no son paralelas se intersectan en un punto.
Si L1 y L2 son rectas en R3 , el sistema anterior tiene 3 ecuaciones y 2 incógnitas. Las
columnas de la matriz son los vectores directores de las rectas. Si ellas son paralelas, la
matriz tiene rango 1 y, al igual que en el caso anterior, las rectas pueden intersectarse en
ninguno o en infinitos puntos. Sin embargo, si los vectores directores no son paralelos,
la matriz tiene rango 2 (que es igual al número de incógnitas), pero la matriz ampliada
puede tener rango 3, con lo que en R3 puede ocurrir que dos rectas que no son paralelas
no se intersecten.
Ejemplo 4.18. 1. Sean
x+1 y−2
L1 : (x, y, z) = (2, 0, −1) + t(−3, 1, 1), L2 : = = z + 1.
3 2
a) Determine 2 puntos sobre L1 .
b) Determine, si existen, los puntos de intersección de estas dos rectas.
La ecuación paramétrica de L2 es
x = −1 + 3t,
y = 2 + 2t,
z = −1 + t
con lo que las rectas se intersectan ssi existen t0 , t1 ∈ R tales que
2 − 3t0 = −1 + 3t1 ,
t0 = 2 + 2t1 ,
−1 + t0 = −1 + t1
que, escrito en forma matricial, es

   
3 3 3
2 −1 t 1
= −2 .
t0
1 −1 0
Intercambiando primero las filas 1 y 3 y realizando las operaciones usuales sobre

las filas de la matriz ampliada, se tiene que ésta es similar a
 
1 −1 | 0
0 1 | −2 ,
0 0 | 15
es decir, el sistema es incompatible, las rectas L1 y L2 no se intersectan, a pesar

de que ellas no son paralelas pues el vector director de una no es un múltiplo
escalar del vector director de la otra.
Figura 4.3: Distancia de un punto a una recta
2. Determine la ecuación de la recta que pasa por (1, −1, 5) y es paralela a la recta
−x + 2 3−z
L : (x, y, z) : = 2y + 3 = .
2 4
3. Determine la ecuación de la recta que contiene a (1, 0, 1) y es perpendicular a la
recta
L = (0, 1, 2) + t[1, −1, 5], t ∈ R.
Hay al menos 2 formas de resolver este ejercicio

a) La recta buscada es de la forma (1, 0, 1) + t(a, b, c), t ∈ R donde a, b, c ∈ R
deben ser tales que (a, b, c) · (1, −1, 5) = 0 y el sistema de ecuaciones lineales
t0 = 1 + at1 ,
1 − t0 = bt1 ,
2 + 5t0 = 1 + ct1
tenga solución.
b) Un vector director de la recta buscada es el que une a (1, 0, 1) con un punto
en L, (t, 1 − t, 2 + 5t) donde t tiene que ser tal que el vector (1 − t, −1 +
t, −1 − 5t) sea perpendicular a (1, −1, 5).
Sea P ∈ Rn , la distancia desde P a L es cero si P ∈ L. De lo contrario, es mayor
que cero y es la menor distancia desde P a un punto en L. Observe en la figura 4.3
que la distancia de un punto P a una recta L a la cual no pertenece es la altura
del paralelogramo con vértices A, P , B, C donde A y B son puntos sobre la recta,
−−→
~r = AB y C es el punto de intersección de la recta que pasa por P y es paralela a L
−−→
con la recta que pasa por A y es paralela a P B (ası́ A, B, P, C son los vértices de un
paralelogramo).
El área del paralelogramo es

−−→ −−→ −−→
−−→ −−→ −−→ kAB × BP k k~r × BP k
A = kAB × BP k = dist(P, L)kABk ⇒ dist(P, L) = −−→ =
kABk k~rk
siendo B un punto sobre la recta.

Ejemplo 4.19. Escriba la ecuación de la recta que pasa por Q = (−1, 6, 3) y es

paralela a (3, 1, 2). Determine la distancia de P = (1, 2, −1) a la recta encontrada.
¿Qué ocurre si, en lugar de buscar todos los vectores en Rn que, partiendo de un punto
A son paralelos a cierto vector ~r dado, buscamos todos los vectores que, partiendo de
P son combinación lineal de dos vectores dados ~r, ~s no nulos y no paralelos? Es decir,
se quiere determinar los puntos A ∈ Rn de modo que
−→
P A = α~r + β~s, α, β ∈ R.
Denotemos P = (x, y), A = (xa , ya ), ~r = (r1 , r2 ), ~s = (s1 , s2 ), entonces P es tal que

el sistema de ecuaciones

r1 s1 α xa − x
= .
r2 s2 β ya − y
La matriz de este sistema de ecuaciones es tal que

r1 s1 r1 r2
r2 s2 = 0 ⇔ r1 s2 = s1 r2 ⇔ s1 = s2

Dado que ~r y ~s no son paralelos, la matriz es invertible y el sistema tiene solución única
independientemente de x, y, por tanto, todos los vectores de R2 pueden escribirse como
combinación lineal de dos vectores dados no paralelos.
En R3 la situación es distinta, si P = (x, y, z), A = (xa , ya , za ), ~r = (r1 , r2 , r3 ),
~s = (s1 , s2 , s3 ), entonces P es tal que el sistema de ecuaciones
   
r1 s1 xa − x
r2 s2  α =  ya − y  .
β
r3 s3 za − z
Al menos una de las componentes de ~r debe ser distinta de cero, supongamos que es
r1 , entonces la matriz ampliada del sistema de ecuaciones es similar a
 
r1 s1 | xa − x
 0 s2 − s1 rr2 | (ya − y) − (xa − x) rr2 
1 1
0 s3 − s1 rr31 | (za − z) − (xa − x) rr13
Como ~s y ~r no son paralelos debe ocurrir que s2 − s1 rr12 6= 0 o s3 − s1 rr13 6= 0. Note que
si ambos son iguales a cero, entonces
s1
~s = ~r.
r1
Supongamos que s2 − s1 rr21 6= 0, la matriz del sistema de ecuaciones es entonces similar
a
r1 s1 | xa − x
 
 0 s2 − s1 rr21 | (ya − y) − (xa − x) rr12 
r1 (za −z)−r3 (xa −x) r1 (ya −y)−r2 (xa −x) s1 r3 −s3 r1
0 0 | r1 + r1 s2 r1 −s1 r2
Para que este sistema sea compatible debe cumplirse que
r1 (za − z) − r3 (xa − x) r1 (ya − y) − r2 (xa − x) s1 r3 − s3 r1

+ =0
r1 r1 s2 r1 − s1 r2
lo cual es equivalente a
r1 (xa −x, ya −y, za −z)·(r2 s3 −r3 s2 , −(r1 s3 −r3 s1 ), r1 s2 −r2 s1 ) = 0 ⇔ (xa −x, ya −y, za −z) ⊥ ~r×~s,
−→
es decir, los vectores P A que pueden escribirse como combinación lineal de ~r y ~s son
los que son orotogonales a ~r × ~s. Ellos forman un subconjunto de R3 que se denomina
plano en R3 . Los vectores ~r y ~s se denominan vectores directores del plano y el vector
~r × ~s es un vector normal al plano.
Ejemplo 4.20. Escriba la ecuación del plano que tiene como vectores directores a
~u = (0, −5, 1) y ~v = (1, 0, 1) y pase por el punto A = (0, 0, 0).
Un vector normal al plano es
~n = ~u × ~v = (−5, 1, −1)
y la ecuación del plano es entonces

−→
AP · ~n = 0 ⇔ −5x + y − z = 0.
Llamemos Π1 a este plano.

Dos planos son paralelos ssi sus vectores normales son paralelos.
Ejemplo 4.21. El plano Π2 que contiene a B = (1, 1, 1) y tiene como vector normal
a ~n = (−5, 1, −1) es paralelo al plano del ejemplo anterior. Su ecuación es
−−→
BP · ~n = 0 ⇔ −5(x − 1) + (y − 1) − (z − 1) = 0 ⇔ −5x + y − z = −5.
Dos planos son perpendiculares ssi sus vectores normales son perpendiculares. Por
ejemplo, los siguientes planos son perpendiculares a los planos Π1 y Π2 de los ejemplos
anteriores
−→ −−→ −→
P A · (0, 1, 1) = 0, P B · (1, 5, 0) = 0, P A · (1, 0, −5) = 0.
Si dos planos son paralelos, su intersección es vacı́a o es un plano (si son coincidentes),
pero si no son paralelos, su intersección es una recta.
Ejemplo 4.22. Calcule la intersección de los siguientes planos
1. Π1 y Π2 : la intersección es vacı́a, puesto que son paralelos, pero no coinciden.
2. Π2 y el plano que contiene a C = (2, 3, −2) y tiene como vector director ~n =
(−5, 1, −1). El punto C pertenece a Π2 , por tanto la intersección de los planos es
todo el plano Π2 . Calculémosla, la ecuación del plano que contiene a C y tiene
como vector normal a ~n es
−−→
P C·~n = 0 ⇔ −5(x−2)+(y−3)−(z+2) = 0 ⇔ −5x+10+y−3−z−2 = 0 ⇔ −5x+y−z = −5
que es la ecuación de Π1 .
3. Π2 y el plano de ecuación
−−→
P B · (1, 5, 0) = 0 ⇔ (x − 1) + 5(y − 1) + 0(z − 1) = 0 ⇔ x + 5y = 6.
Los puntos que pertenecen a ambos planos son los que satisfacen las ecuaciones
de ambos planos, es decir, son los puntos (x, y, z) para los cuales se cumple
−5x + y − z = −5,
x + 5y = 6.
Éstos son los puntos (x, y, z) que satisfacen
x = 6 − 5y, z = 26y − 25, y ∈ R
que forman una recta. Sus ecuaciones paramétrica, simétrica y vectorial son
x = 6 − 5t, y = t, z = 26t − 25, t ∈ R,

x−6 z + 25
=y= ,
−5 26
(x − 6, y, z + 25) = t(−5, 1, 26), t ∈ R.
Ya sabemos que dos puntos en R2 o R3 determinan una recta. ¿Cuándo tres puntos
en R3 determinan un plano? Dados tres puntos A, B, C ∈ R3 , podemos considerar el
conjunto de puntos P ∈ R3 que satisfaga
−→ −−→ −→
P A = αAB + β AC, α, β ∈ R.
−−→ −→
Si los vectores AB y AC no son paralelos (los puntos A, B, C no pertenecen a la
misma recta), los puntos P que satisfacen la condición anterior son los que pertenecen
−−→ −→
al plano que contiene a A y tiene como vector normal a AB × AC. Note que da igual
qué vectores se toman para determinar un vector normal al plano determinado por
puntos no colineales A, B, C pues
−−→ −→ −−→
BC = AC − AB
y el vector que se forme de multiplicar vectorialmente cualesquiera dos de ellos va a

ser también perpendicular al tercero. Tampoco es importante qué punto (entre A, B
y C) se considera como perteneciente al plano pues si, por ejemplo, tomamos a A, B
y C también van a cumplir la ecuación del plano pues
−−→ −−→ −→ −→
BA = BC − AC y CA
también son ortogonales a ~n.

Ejemplo 4.23. Determine, si existe, la ecuación del plano que contiene a los puntos
1. A = (1, 1, 1), B = (2, 1, 0), C = 21 (3, 2, 1). Calculemos el producto vectorial de
−−→ −−→
AB y BC
−−→ −−→ 1 1
AB × BC = (1, 0, −1) × − , 0, =Θ
2 2
pues − 21 , 0, 12 = − 12 (1, 0, −1). Esto significa que estos tres puntos no deter-

minan un plano. Ellos determinan una recta que es la formada por los puntos
P = (x, y, z) que cumplen
−→
P A = t(1, 0, −1), t ∈ R.
−−→
2. A = (1, 1, 1), B = (2, 1, 0), C = (2, 2, 1). Calculemos el producto vectorial de AB
−−→
y BC
−−→ −−→
AB × BC = (1, 0, −1) × (0, 1, 1) = (1, −1, 1),
y el plano que los contiene es el formado por los puntos P = (x, y, z) que satis-
facen
−−→
CP · (1, −1, 1) = 0 ⇔ (x − 2) − (y − 2) + (z − 1) = 0 ⇔ x − y + z = 1.
Al igual que la distancia entre un punto Q y una recta es la menor distancia de Q

y un punto de la recta, la distancia de un punto Q ∈ R3 a un plano Π es la menor
distancia entre Q y un punto del plano. ¿Cómo podemos determinarla? En el caso de
la recta la buscamos con ayuda de la proyección ortogonal del vector P Q (siendo P
un punto cualquiera de la recta) sobre la recta. Lo mismo podemos hacer en el caso
−−→
de un plano: sea P un punto cualquiera sobre el plano, la proyección ortogonal de P Q
−→
sobre el plano es un vector P R que satisface
−→ −−→ −→
P R ∈ Π, P Q − P R ⊥ Π,
es decir,
−−→ −→
P Q − P R = λ~n
−→
si ~n es un vector normal al plano y P R · ~n = 0. Estas dos condiciones implican que
−−→ −−→
P Q · ~n
P Q − λ~n · ~n = 0 ⇒ λ = .
k~nk2
Entonces, la distancia de Q a Π es
−−→
(P Q · ~n)~n |−−→

−−→ −→ P Q · ~n|
kP Q − P Rk = = .

k~nk2 k~nk

Sea ahora ~u un vector que no pertenece al plano, pero tiene su origen en un punto en
el plano. La proyección ortogonal de ~u sobre el plano, Proy~Π
u
, es tal que
~u · ~n |~u · ~n|
Proy~Π
u
− ~u = ~
n ⇒ ~u
− ~
u = .

Π
k~nk2 k~nk
Proy
Ahora podemos definir el volumen del paralelepı́pedo formado por vectores ~x, ~y y ~z
que tienen un origen común. Si tomamos la base como el paralelogramo generado por
los vectores ~x e ~y , el área de ella es k~x × ~uk y la altura del paralelepı́pedo se determina
con ayuda de la proyección ortogonal de ~z sobre el plano generado por ~x y ~y , es decir,
sobre el plano que contiene al punto que es origen común de los vectores y tiene como
vector normal a ~x × ~y . La altura del paralelepı́pedo es
|~z · (~x × ~y ) |
.
k~x × ~y k
Su volumen es entonces
|~z · (~x × ~y ) |
k~x × ~uk = |~z · (~x × ~y ) |.
k~x × ~y k
La distancia entre dos planos paralelos que no coinciden puede calcularse como la
distancia de un punto de uno al otro. Con ayuda de esta distancia podemos también
determinar la distancia entre dos rectas. Si definimos la distancia entre dos rectas L1
y L2 como la menor distancia entre una y un punto de la otra, ella es cero si las rectas
se intersectan y, de lo contrario, puede determinarse como la distancia entre los planos
que contienen a una y son paralelos a la otra.
Capı́tulo 5
Estudio bibliográfico
Los libros fundamentales del curso son:
1. con muchos ejemplos y ejercicios: [4]

2. Menos último tema (rectas y planos en R3 ): [3]
3. Números complejos: [2], [1]
91
Bibliografı́a
[1] G. Bärwolff, Höhere Mathematik für Naturwissenschaftler und Ingenieure, Skript,

2005.
[2] S. Baumanns, L. Jansen, M. Matthes, and M. Menrath, Skript zum Vorkurs in

Köln.
[3] A. Contreras and L. Neira, Álgebra 1, primer curso, UdeC, 19..
[4] G. Devaud, M. T. Erpelding, L. Kirsten, M. I. Navarro, M. Ortega, and M. Vicente,
Algebra, UdeC, 19..
92

Algebrai MonicaSelva PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebrai MonicaSelva PDF

Uploaded by

Copyright:

Available Formats

i

Mónica Selva Soto

3. Matrices y sistemas de ecuaciones lineales 43

4. Vectores en R2 y R3 , rectas y planos 72

10a − a2 = y ⇔ (a − 5)2 = −(y − 25).

son tales que su suma es 10 y su producto

Definición 1.1. Un número complejo es un número de la forma a + i b con a, b ∈ R.

1.1. Operaciones aritméticas entre números comple-

Además ∀z1 , z2 , z3 ∈ C se cumple que z1 + (z2 + z3 ) = (z1 + z2 ) + z3 y z1 (z2 z3 ) =

z · v = (2x − y) + i(x + 2y) = z ⇔ 2x − y = 2 ∧ x + 2y = 1 ⇔ x = 1 ∧ y = 0.

El número complejo 0 es el elemento neutro para la suma y 1 es el elemento

4. Note que el elemento neutro para la suma es absorbente, es decir, ∀z ∈ C : 0·z =

El conjunto de los números complejos con las propiedades definidas (C,+, ·) es un

(z + w)2 = (z + w)(z + w) = z(z + w) + w(z + w),

Ejemplo 1.5. Muestre que ∀z1 , z2 ∈ C, z1 z2 = 0 ⇔ z1 = 0 o z2 = 0.

Demostración. Está claro que z1 = 0 o z2 = 0 ⇒ z1 z2 = 0. Supongamos ahora

lo cual es una contradicción con nuestra suposición original.

z + w + (−z) + (−w) = z + (−z) + w + (−w) = 0 + 0 = 0.

2. Probar que si z, w 6= 0, entonces (zw)−1 = z −1 w−1 .

(zw)(z −1 w−1 ) = (zwz −1 )w−1 = (zz −1 w)w−1 = ww−1 = 1.

1 = (zz −1 )−1 = z −1 (z −1 )−1 ⇒ z = (z −1 )−1 .

2. Demuestre que si z, w ∈ C son tales que 1 + zw 6= 0, |z| = 1, |w| = 1, entonces

Usando este resultado se tiene que

Otra forma de hacer este ejercicio es la siguiente:

|1 + zw|2 = (1 + zw)1 + zw,

3. Encuentre los números complejos z, w tales que z w = z w.

|z|2 − zw − zw + |w|2 = 1 − zw − z w + |z|2 |w|2 ⇔ |z|2 + |w|2 − 1 − |z|2 |w|2 = 0,

Observación 1.11. El módulo de z ∈ C es tal que

Entonces |z − i| = 0 ssi x2 + (y − 1)2 = 0 ⇔ x = 0 ∧ y = 1. Es decir, z = i.

Esta propiedad también puede demostrarse usando las propiedades anteriores

|zw|2 = zwzw = zwz w = zzww = |z|2 |w|2 .

b) si w = z −1 se tiene entonces que |z||z −1 | = |zz −1 | = |1| = 1, es decir,

7. (desigualdad triangular) ∀ z, w ∈ C se cumple que |z + w| ≤ |z| + |w|.

Otra forma de demostrar la desigualdad triangular es la siguiente:

2. Pruebe que para todo n ∈ N se cumple que

Antes vimos que para todo par de números complejos z1 , z2 se cumple z1 · z2 =

1.2. Representación de un número complejo como

2. Determine los números z ∈ C tales que |z+i| = |z−i|. Represéntelos gráficamente

3. Encuentre los números complejos z tales que

1.3. Representación polar de un número complejo

2. 2, π4 : punto sobre la circunferencia con centro en el origen de coordenas y radio

2, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud 2 π4

radio 2, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud

3, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud 3 π2

radio 3, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud

radio 3, se encuentra recorriendo, sobre esta circunferencia, un arco de longitud

1. Dado (ρ, θ), usando semejanza de triángulos llegamos a las relaciones

2. Dado (x, y), p

b) si (x, y) está en II. cuadrante ( xy < 0), entonces − π2 < Arctan y

c) si (x, y) está en III. cuadrante ( xy >0), entonces 0 < Arctan y π

Notar que si y = 0 y x < 0, debemos tomar θ = π.

Ejemplo 1.17. 1. Encontrar las coordenadas polares de los siguientes elementos

2. Encontrar las coordenadas cartesianas de los siguientes elementos de R2 dados

Ya sabemos que C = R2 , entonces podemos además representar cada número complejo

2. z = −2cis π3 esel inverso aditivo de 2cis π3 . Su forma polar es 2cis π

3. z = 2 − cos π3 + i sin π3 . z es el inverso aditivo de z1 si z1 = 2cis π

1.3.1. Operaciones aritméticas entre números complejos dados

z1 = z2 ⇔ |z1 | = |z2 | ∧ ∃ k ∈ Z : θ1 = θ2 + 2kπ,

Observación 1.21. En las fórmulas para el producto de dos números complejos en

2. Arg(z1 z2 ) = Arg(z1 ) + Arg(z2 ),

1.3.2. Potencias con exponente natural y entero. Raı́ces de un

Hacer en sala de clases 5. Demostrar esta propiedad mediante inducción matemáti-

Observación 1.23. Si z es tal que |z| = 1, z = cis(θ), la fórmula anterior es

b) si (x, y) está en II. cuadrante ( xy < 0), entonces − π2 < Arctan y

c) si (x, y) está en III. cuadrante ( xy >0), entonces 0 < Arctan y π