Beruflich Dokumente
Kultur Dokumente
Yoel Gutiérrez
28 de febrero de 2018
Observaciones 1.1
∗ : F xF −→ F
(a, b) −→ ∗(a, b) = a ∗ b
2. Cuerpo
Sea F un conjunto no vacı́o y, ” + ” y ” · ” dos leyes de composición interna en F . La
terna ordenada (F, +, ·) es un cuerpo si satisface las siguientes condiciones, llamadas axiomas
de cuerpo
(a + b) + c = a + (b + c) y (ab)c = a(bc)
a+b=b+a y ab = ba
a(b + c) = ab + ac
1
3. SISTEMAS DE ECUACIONES LINEALES
2
4. MATRICES
3. Son coincidentes
4. Matrices
Sean m y n dos enteros positivos. Una matriz A de orden mxn es una distribución rectan-
gular de m filas y n columnas de la forma
a11 a12 . . a1n
a21 a22 . . a2n
A= . . . .
. . .
am1 am2 . . amn
Los escalares aij pertenecen a un cuerpo F y se llaman los elementos (entradas o coeficientes)
de la matriz A.
Observaciones 4.1
3
5. NOTACIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES LINEALES
A = {aij : 1 ≤ i ≤ m, 1 ≤ j ≤ n}
A = (aij )
4. Dos matrices A = (aij ) y B = (bij ) sobre un cuerpo F y del mismo orden mxn, son
iguales si aij = bij para cada 1 ≤ i ≤ m y cada 1 ≤ j ≤ n. Escribiremos A = B
6. Al conjunto de todas la matrices de orden mxn sobre F se le denota por Mmxn (F ) o bien
F mxn . Al conjunto de las matrices cuadras de orden n (o nxn) se le denota por Mn (F ).
4
6. RESOLUCIÓN DE UN SISTEMA LINEAL
fi ↔ fj
fi → αfi , α 6= 0
3. (Reemplazo) Sustitución de una fila por la suma de sı́ misma y un múltiplo de otra fila.
fi → fi + αfj , α 6= 0
Observaciones 6.1
1. El proceso de aplicar las operaciones elementales de fila para simplificar una matriz se
llama reducción por filas.
2. Sean A y B matrices del mismo orden sobre el mismo cuerpo F . diremos que A es equi-
valente por filas a B, si B puede obtenerse a partir de A mediante un número finito
de operaciones elementales de filas.
3. Si las matrices aumentadas de dos sistemas lineales son equivalentes por filas, entonces
los dos sistemas tienen el mismo conjunto solución.
a) Las filas nulas de A, si es que existen, están debajo de las filas diferentes de cero.
b) Cada entrada principal de una fila está en una columna a la derecha de la entrada
principal de una fila superior.
2. Diremos que A es una matriz reducida está en forma reducida (o forma reducida
por filas) si se verifica que:
5
6. RESOLUCIÓN DE UN SISTEMA LINEAL
3. Diremos que A es una matriz escalonada reducida o está en forma escalonada re-
ducida (o en forma escalonada reducida por filas) si A está en forma escalonada
y reducida
Observaciones 6.2
1. Una matriz se puede reducir por filas a más de una matriz escalonada. Sin embargo, la
forma escalonada reducida que se obtiene para una matriz es única.
2. Una posición pivote de una matriz A es una posición de A que corresponde a una entrada
principal en una forma escalonada de A. Una columna pivote es una columna de A
que contiene una posición pivote.
1. Paso 1. Comience con la columna diferente de cero más a la izquierda. Esta es una
columna pivote.
2. Paso 2. Seleccione como pivote una entrada diferente de cero en la columna pivote. Si es
necesario, intercambie filas para mover esta entrada a la posición pivote.
3. Paso 3. Utilice operaciones de reemplazo por fila para crear ceros en todas las posiciones
bajo el pivote.
4. Paso 4. Ignore la fila que contiene la posición pivote y todas las filas, si las hubiere, arriba
de ella. Aplique los pasos anteriores a la submatriz que queda. Repita el proceso hasta
que no queden filas diferentes de cero por modificar.
5. Paso 5. Comenzando con el pivote más a la derecha y trabajando hacia arriba y hacia la
izquierda, cree ceros arriba de cada pivote. Si un pivote no es 1, hágalo 1 por medio de
una operación de escalamiento.
Los pasos 1, . . . , 4 producen la forma escalonada para la matriz completa, y se llama fase
progresiva del algoritmo de reducción por filas. El paso 5, que produce la forma escalonada
reducida única, se llama fase regresiva.
6.4. Uso del algoritmo de reducción por filas para resolver un siste-
ma lineal
El algoritmo de reducción por filas conduce directamente a una descripción explı́cita del
conjunto solución de un sistema lineal cuando el algoritmo se aplica a la matriz aumentada de
un sistema.
− 2y + z =
x 0
2y − 8z = 8 (3)
− 4x + 5y + 9z = − 9
6
6. RESOLUCIÓN DE UN SISTEMA LINEAL
Se han realizado las operaciones elementales de filas para obtener la forma escalonada
1 −2 1 0
0 1 −4 4 .
0 0 1 3
x − 2y + z = 0
y − 4z = 4
z = 3
Como la matriz aumentada del sistema equivalente obtenido está en forma escalonada, podemos
resolver dicho sistema por sustitución regresiva. De la tercera ecuación es inmediato que
z = 3, sustituyendo este valor en la segunda ecuación se obtiene que y = 4 + 4 · 3 = 16, y por
lo tanto a partir de la primera ecuación se obtiene que x = 29. Ası́ que (29, 16, 3) es la única
solución del sistema, luego el sistema es consistente determinado. También se puede resolver el
sistema hallando la forma escalonada reducida de la matriz aumentada. Realizando operaciones
elementales de filas a la forma escalonada obtenida, se obtiene la forma escalonada reducida
1 0 0 29
0 1 0 16 ,
0 0 1 3
y − 4z = 8
2x − 3y + 2z = 1 (4)
5x − 8y + 7z = 1
Su forma escalonada es
2 −3 2 1
0 1 −4 8
5
0 0 0
2
7
6. RESOLUCIÓN DE UN SISTEMA LINEAL
2x − 3y + 2z = 1
y − 4z = 8 (5)
5
0 =
2
5 5
La ecuación 0 = se puede escribir como 0x+0y +0z = . El sistema (5) obviamente contiene
2 2
5
una contradicción. No existen valores de x, y, z que satisfagan (5) porque la ecuación 0 =
2
nunca se cumple. Puesto que (4) y (5) tienen el mismo conjunto solución, el sistema original
es inconsistente.
x − 5z = 1
2x y − 9z = 6 (6)
x − y − 6z = − 3
Su forma escalonada es
1 0 −5 1
0 1 1 4
0 0 0 0
El sistema de ecuaciones asociado es
x − 5z = 1
y + z = 4 (7)
0 = 0
x − 5z = 1
(8)
y + z = 4
x = 1 + 5λ
y = 4 − λ (9)
z = λ
8
6. RESOLUCIÓN DE UN SISTEMA LINEAL
9
7. SISTEMAS LINEALES HOMOGÉNEOS
a11 x1 + . . . + a1n xn = 0
a21 x1 + . . . + a2n xn = 0
.. .. ..
. . .
am1 x1 + . . . + amn xn = 0
Observaciones 7.1
1. Un sistema homogéneo siempre tiene al menos una solución, a saber, S = (0, . . . , 0).
Generalmente esta solución, se llama solución trivial.
2. Un sistema homogéneo tiene una solución no trivial si y sólo si la ecuación tiene por lo
menos una variable libre.
3. Todo sistema homogéneo de ecuaciones lineales con más incógnitas que ecuaciones tiene
soluciones no triviales.
8. Álgebra de matrices
Sea A una matriz de orden mxn, esto es, de m filas y n columnas
a11 a12 . . a1n
a21 a22 . . a2n
A= . . . = (aij ) .
. . .
am1 am2 . . amn
1. La matriz A diremos que es nula (o cero), y la denotaremos por 0, si todos sus elementos
son iguales a cero.
b) A es diagonal si aij = 0 para cada i 6= j. Esto es, A es diagonal si todos los elementos
que no figuran en la diagonal principal son nulos.
c) A es la matriz identidad de orden n, si es una matriz diagonal de orden n y
todos los términos de la diagonal principal son iguales a 1. La matriz identidad la
denotaremos por In , o bien, I cuando no es necesario recalcar el orden.
10
8. ÁLGEBRA DE MATRICES
Nótese que la suma de dos matrices está definida sólo cuando las dos matrices son del mismo
orden (o tamaño).
Definición 8.2 Sean A ∈ Mmxn (R) y α ∈ R. Consideremos la matriz B ∈ Mmxn (R) tal que
bij = αaij .
A esta matriz B se le llama el producto del escalar α por la matriz A y se le denota por
αA, esto es
B = α (aij ) = (αaij ) .
1. A + B = B + A
2. (A + B) + C = A + (B + C)
3. A + 0 = A
4. 0A = 0
5. 1A = A
6. α(βA) = (αβ)A
7. (α + β)A = αA + βA
8. α(A + B) = αA + αB
Observaciones 8.1
1. Para cada A ∈ Mmxn (R), existe una única matriz B ∈ Mmxn (R) tal que:
a) bij = −aij y
b) A + B = 0
B = − (aij ) = (−aij ) .
A − B = A + (−B).
11
8. ÁLGEBRA DE MATRICES
A esta matriz C se le llama el producto de A y B (en ese orden) y se denota por AB, es
decir, se tiene que !
m
X
C = (aij ) (bij ) = aik bkj .
k=1
Observaciones 8.2
4. Aún estando definidas AB y BA, y siendo del mismo orden, no es cierto en general que
AB = BA, es decir, la multiplicación de matrices no es conmutativa.
Teorema 8.2 Sea A una matriz de orden mxn, B y C matrices con tamaños para los cuales
las sumas y productos indicados están definidos, y α un escalar. entonces
1. A (BC) = (AB) C
2. A (B + C) = AB + AC
3. (B + C) A = BA + CA
5. Im A = A = AIn
Observaciones 8.3
12
8. ÁLGEBRA DE MATRICES
1. A0 = In
2. A1 = A
Ak = Ak−1 A
AT = (aij )T = (aji ) .
Teorema 8.3 Si A y B son matrices cuyos tamaños son apropiados para las siguientes sumas
y los siguientes productos, y α es una escalar, entonces
1. (AT )T = A
2. (A + B)T = AT + B T
3. (αA)T = αAT
4. (AB)T = B T AT
5. Toda matriz cuadrada se puede escribir como la suma de una matriz simétrica y de una
antisimétrica.
13
9. MATRICES INVERTIBLES
9. Matrices invertibles
Sea A ∈ Mn (R). Diremos que A es una matriz invertible si existe una matriz B ∈ Mn (R)
tal que
AB = I = BA,
donde I es la matriz identidad de orden n. En esta caso se dice que la matriz B es la matriz
inversa de A. Si C fuera otra inversa de A, tendrı́amos que
C = CI = C (AB) = (CA) B = IB = B.
Entonces, cuando A es invertible, su inversa es única y la denotamos por A−1 .Ası́ pues,
AA−1 = I = A−1 A.
Una matriz cuadra que no es invertible también se denomina matriz singular y una matriz
invertible se denomina matiz no singular.
3. Si A es invertible, también lo es AT , y
−1 T
AT = A−1 .
Observaciones 9.1
1. La matrices invertibles son indispensables en el álgebra lineal, principalmente para cálculos
algebraicos y deducción de fórmulas.
2. El sistema
a11 x1 + . . . + a1n xn = b1
a21 x1 + . . . + a2n xn = b2
.. .. .. (10)
. . .
am1 x1 + . . . + amn xn = bm
puede escribirse como AX = B, donde A es la matriz de coeficientes
a11 a12 . . . a1n
a21 a22 . . . a2n
A = ..
.. ..
. . .
am1 am2 . . . amn
14
9. MATRICES INVERTIBLES
Teorema 9.2 Si A ∈ Mn (R) es una matriz invertible, entonces para cada B ∈ Mnx1 (R) , el
sistema AX = B tiene la solución única X = A−1 B.
Prueba Para cualquier B ∈ Mnx1 (R) existe una solución porque cuando se sustituye A−1 B
por X obtenemos
AX = A A−1 B = AA−1 B = IB = B.
Ası́ que A−1 B es una solución. La solución es única, efectivamente si U ∈ Mnx1 (R) es cualquier
solución, entonces
AU = B
y multiplicando ambos miembros por A−1 obtenemos
f3 −→ f3 − 4f1 ,
f1 ←→ f2 ,
f3 −→ 5f3 ,
15
9. MATRICES INVERTIBLES
Teorema 9.3 Si se realiza una operación elemental de fila con una matriz A de orden mxn, la
matriz resultante puede escribirse como EA, donde la matriz E de orden mxm se crea realizando
la misma operación de fila con Im .
Es importante notar que las operaciones de fila con una matriz son invertibles:
1. Si se intercambian dos filas, puede regresarse a sus posiciones originales por medio de otro
intercambio.
2. Si se escala una fila por una constante c diferente de cero, entonces al multiplicar la nueva
fila por 1c se obtiene la fila original.
3. Finalmente, consideremos una operación de reemplazo en la que intervienen dos filas, por
ejemplo, las filas 1 y 2, y supongamos que c veces la fila 1 se suma a la fila 2 para producir
una nueva fila 2. Para invertir esta operación, sumamos −c veces la fila 1 a la nueva fila
2 para obtener la fila 2 original.
Puesto que las operaciones de fila son invertibles, las matrices elementales son invertibles,
porque si E se produce aplicando una operación de fila a I, entonces existe otra operación de
fila del mismo tipo que convierte E otra vez en I. Por lo tanto, existe una matriz elemental F
tal que F E = I. También, puesto que E y F corresponden a operaciones inversas, EF = I.
El siguiente teorema ofrece la mejor manera de visualizar una matriz invertible y lleva
inmediatamente a un método para encontrar la inversa de una matriz.
Teorema 9.4 Una matriz A ∈ Mn (R) es invertible si y sólo si es equivalente por filas a In y
en este caso, cualquier secuencia de operaciones elementales de fila que reduzca A a In también
transforma In en A−1 .
16
9. MATRICES INVERTIBLES
Prueba Supongamos que A es invertible. Entonces para cada B ∈ M1xn (R) la ecuación
AX = B tiene una única soluciòn. Por lo tanto, A tiene una posición pivote en cada fila.
Como A es cuadrada, las n posiciones pivote deben estar en la diagonal y esto implica la forma
escalonada reducida de A es In . Esto es A ∼ In (A es equivalente a In ).
Recı́procamente, supongamos que A ∼ In . Entonces, puesto que cada paso de la reducción
por filas de A corresponde a una multiplicación por la izquierda por una matriz elemental,
existen matrices elementales E1 , . . . , Ep tales que
A ∼ E1 A ∼ E2 E1 A ∼ · · · ∼ Ep · · · E1 A = In (11)
Puesto que el producto de matrices invertibles es invertible, la ecuación al final de (11) lleva a
Por lo tanto, A es invertible, puesto que es la inverza de una matriz invertible. También
−1
A−1 = (Ep · · · E1 )−1
= Ep · · · E1
Entonces
A−1 = Ep · · · E1 In
lo cual dice que al aplicar sucesivamente E1 , . . . , Ep a In se obtiene A−1 . Esta es la misma
secuencia de (11) que redujo A a In .
2. En caso de que A sea invertible, esto es, si A es equivalente por filas a I, se realizan sobre
I las mismas operaciones que nos permitieron pasar de A a I y de esta manera obtenemos
A−1 .
El proceso antes señalado puede simplificarse considerando la matriz (A|I) de orden nx2n,
cuyas n primeras columnas forman la matriz A y las otras n columnas forman la matriz I.
Entonces se lleva (A|I) a una matriz escalonada reducida por filas (B|C). si B = I, entonces
A es invertible y su inversa es C. si B 6= I, entonces A no es invertible.
Los siguientes teorema ofrecen un repaso de la mayor parte de los conceptos introducidos
en el tema de sistemas de ecuaciones y matrices.
Teorema 9.5 (El teorema de la matriz invertible) Sea A ∈ Mn (R) . Entonces los enun-
ciados que siguen son equivalentes. Esto es, los enunciados son o todos ciertos o todos falsos.
17
10. DETERMINANTES
8. AT es invertible.
10. Determinantes
Definición 10.1 Sea
A = (a11 )
una matriz cuadrada de orden 1. El determinante de A, denotado por detA, se define como
det A = a11 .
Observaciones 10.1
2. Es importante darse cuenta que ”det” es una función que asigna un elemento de un cuerpo
F a una matriz cuadrada de orden n sobre F . Esto es
det : Mn (R) −→ R
A −→ detA
18
10. DETERMINANTES
Teorema 10.1 Si A es una matriz triangular de orden n, entonces det A es el producto de las
entradas de la diagonal principal de A.
El secreto de los determinantes radica en cómo cambian cuando se realizan operaciones por
fila.
1. Si se suma un múltiplo de una fila de A a otra fila para producir una matriz B, entonces
det A = det B.
Podemos realizar operaciones con las columnas de una matriz de manera análoga a las
operaciones po fila que hemos visto. El siguiente teorema muestra que las operaciones por
columnas tienen los mismos efectos sobre los determinantes que las operaciones por fila.
19
10. DETERMINANTES
detA = detAT
Teorema 10.9 (Una fórmula para la inversa) Si A una matriz de orden n. y es invertible,
entonces
adjA
A−1 =
|A|
20
10. DETERMINANTES
Sea Ai (B) la matriz obtenida a partir de A al reemplazar la columna i por la columna asociada
a la matriz B.
Teorema 10.10 (Regla de Cramer) Sea A ∈ Mn (F ) una matriz invertible. Para cualquier
b1
b2
B = ..
.
bn
Ejercicios
Resolver, por el método de Gauss-Jordan, los sistemas del ejercicio 1 al 8
2x − y + 2z = 1
1 x + y + z = 2
2x − y + z = 5
x + 3y + z = 6
2 3x − 2y − 8z = 7
4x + 5y − 3z = 17
x + 2y = −5
3 3x + y = −5
2x + 3y = −8
21
10. DETERMINANTES
3x + 2y + u = 0
4 x + 2y + z = 1
5x + 6y + 2z + u = 2
x − 2y + z − u − v = −2
5 2x + y − z − v = 4
4x − 3y + z − 2u − 3v = 1
x + y − 3z = −1
2x + y − 2z = 1
6
x + y + z = 3
x + 2y − 3z = 1
x + y − 3z − v = 0
x − y + z − u = 0
7
2x + 2z − u − v = 0
2x − u − v = 0
x + y + 2z = −1
8 2x − y + 2z = −4
4x + y + 6z = −6
En los sistemas lineales de los ejercicios del 9 al 12 , determinar para qué valores del parámetro
a, el sistema es: (i) incompatible, (ii) compatible determinado, (iii) compatible indeterminado
x + y − z = 2
9 x + 2y + z = 3
2
x + y + (a − 5)z = a
ax − 2y + z = 1
10 x + ay + 2z = a
x + z = 1
x + y + az = 3
11
ax + y + z = 2
x + y + az = a
12
ax + y + z = a
En los ejercicios 13 y 14 determinar que condición deben verificar los parámetro α, β y γ para
sean compatibles cada uno de los sistemas de ecuaciones
x + y − z = α
13 2x + 3y + 4z = β
x − 7z = γ
x + y + 2z = α
14 3x − y + 3z = β
x − 2y − z = γ
15 Discutir el siguiente sistema según los valores de α
αx − y + 2z = 1 + α
x + αy − z = −1
3x + y + z = α
22
10. DETERMINANTES
19 AB
20 BA
21 A(B + C)
22 B T C
23 A(2B − 3C)
24 A + 5C T
26 AB T − 2X = +C
27 CX + AB T = BB T
23
10. DETERMINANTES
En los ejercicios del 29 al 33 determine la matriz inversa, si es que existe, por el método de
Gauss-Jordan.
1 1 1
29 A1 = 1 1 0
0 0 0
1 2 0
30 A3 = 1 2 4
0 1 1
1 3
31 A4 =
2 1
1 1 1 1
1 2 −1 2
32 A5 =
1 −1 2 1
1 3 3 2
3 1 0
33 A6 = 1 −1 2
1 1 1
34 Dada A una matriz cuadrada de orden n, demostrar que A+AT , AT A Y AAT son matrices
simétricas.
En los ejercicios del 36 al 40 hallar el valor de cada determinante desarrollando por una fila o
columna
2 0 0 0
0 0 3 0
36
0 −1 0 0
0 0 0 4
2 −3 1 4
0 −2 0 0
37
3 7 −1 2
4 1 −3 8
3 −1 2 1
4 3 1 −2
38
−1 0 2 3
6 2 5 2
1 −1 2 4
0 −3 5 6
39
1 4 0 3
0 5 −6 7
24
10. DETERMINANTES
2 0
0 1 0
0 3 −1 2
1
2 4
40 3 1 −2
7 −1 0 2
3
4 6
2 5 2
0 1 1
41 Demostrar que a b c = (b − a)(c − a)(c − b)(a + b + c)
a3 b 3 c 3
0 1 0 1 0
−1 a 0 0 0
42 Demostrar que 0 0 a 0 0 = 2a3
−1 0 0 a 0
0 0 0 0 a
1 2 4
Dada la matriz A = 3 8 −2 , en los ejercicios del 43 al 46 se pide
2 0 4
43 Hallar la matriz Adj(A)
44 Calcular |A|
46 Calcular A−1
Determinar para que valores de a, son invertibles las matrices de los ejercicios 47 y 48
a 1 2
47 2 a 2
1 a 1
a 0 1 −1
1 2 0 2
48
0 −3 2 0
1 a 3 a
Adj(A)
Usar la fórmula A−1 = para calcular la matriz inversa, si es que existe, de la matrices
|A|
del ejercicio 49 al 52
3 2
49 A1 =
1 2
1 2 3
50 A2 = 1 1 2
0 1 2
1 2 0
51 A3 = 1 2 4
0 1 1
25
10. DETERMINANTES
1 0 −1 2
1 1 2 1
52 A4 =
0 3
2 4
1 −1 −1 3
Resolver los sistemas considerados en los ejercicios 53 y 54 : (i) calculando la inversa de la matriz
de los coeficientes, (ii) aplicando la regla de Cramer y (iii) por el método de Gauss-Jordan
x + y + z = 1
53 2x + z = 0
x − 2y + z = 1
x + z = 2
54 2x + 3y + z = 3
3x + 3y + 2z = 5
56 Siendo
−3 0 −4
A= 4 1 4
2 0 3
obtener λ tal que |A − λI| = 0. Después resolver el sistema (A − λI)X = 0 para cada valor de
λ
2 S = (3 + 2k, 1 − k, k)
3 S = (−1, −2)
5 S = (2 − 3α + 2β − γ, α, β, γ, 8 − 5α + 3β − 2γ)
6 S=∅
7 S = (α + β, α, 0, β, 2α + β)
5 4 2 2
8 S = (− − k, − k, k)
3 3 3 3
9 Si a 6= 2 y a 6= −2 el sistema es compatible determinado. Si a = 2 el sistema es compatible
indeterminado. Si a = −2 el sistema es incompatible.
26
10. DETERMINANTES
27
10. DETERMINANTES
(A + B)2 = A2 + AB + BA + B 2
y
(A − B)(A + B) = A2 + AB − BA − B 2
29 No es invertible.
1/2 1/2 −2
30 1/4 −1/4 1
−1/4 1/4 0
−1/5 3/5
31
2/5 −1/5
7/3 −1/3 −1/3 −2/3
4/9 −1/9 −4/9 1/9
32
−1/9 −2/9 −1/9 2/9
−5/3 2/3 −2/3 1/3
3/8 −1/8 −1/4
33 −1/8 −3/8 3/4
−1/8 1/8 1/2
36 24
37 80
38 0
39 −260
40 −200
32 −8 −36
43 −16 −4 14
−16 4 2
44 −64
−/2 1/8 9/16
46 A = 1/4 1/16 −7/32
1/4 −1/16 −1/32
47 a ∈ R − {0, 2}
1
48 a ∈ R − { }
23
1/2 −1/2
49
−1/4 3/4
28
10. DETERMINANTES
0 1 −1
50 2 −2 −1
−1 1 1
1/2 1/2 −2
51 1/4 −1/4 1
−1/4 1/4 0
17/21 11/21 −2/7 −1/3
16/21 −2/21 1/7 −2/3
52
2/3
1/3 0 1/3
−5/21 −2/21 1/7 1/3
53 (−1, 0, 2)
Bibliografı́a
a
1. Armando O Rojo (1983). Álgebra II. 8 edición. Libreria el Eteneo Editorial. Buenos
Aires.
2. David C. Lay (2001). Álgebra Lineal y Sus Aplicaciones. Segunda edición. Pearson
Educación. México.
3. Emilio Prieto Sáez (1999). Lecciones elementales de á lgebra lineal para economı́a
y empresa. Editorial Centro de Estudios Ram ón Areces, S.A. Madrid.
6. Paloma Sanz, Francisco Vázquez y Pedro Ortega (1998). Problemas de Álgebra Li-
neal. Cuestiones, Ejercicios y tratamiento en derive. Un Enfoque Práctico.
Prentice Hall. Madrid.
29