Algebra Lineal Trabajos

ALGEBRA
LINEAL
Libro de trabajo para estudiantes
y gua did
actica del docente
Vivian Libeth Uzuriaga L
opez
Alejandro Martnez Acosta
EMEMATIC
GRUPO DE INVESTIGACION
z
#
N
x 7y + 17z = 38
b
R(1, 2, 1)
b
P (5, 1, 2)
Q(2, 3, 3)
Universidad Tecnol
ogica de Pereira
Facultad de Ciencias B
asicas
Departamento de Matem
aticas
Pereira, 2014 1

ALGEBRA
LINEAL. Libro de trabajo para estudiantes y gua didactica del docente.
c Vivian Libeth Uzuriaga Lopez. Autor

Profesora titular
Universidad Tecnologica de Pereira
c Alejandro Martnez Acosta. Autor

Profesor asociado
Universidad Tecnologica de Pereira
Grupo de investigacion EMEMATIC1
Pereira - Risaralda. Enero de 2014
ISBN:
Portada: Alejandro Martnez Acosta

Dise
no y diagramacion: los autores
Digitacion y elaboracion de dibujos: los autores
Impreso y hecho en Colombia

Impreso por
Derechos reservados.
Prohibida la reproduccion total o parcial sin autorizacion escrita del titular de los derechos.
1
Estudios metodol
ogicos para la ense
nanza de las matematicas y el uso de las nuevas tecnologas.
Contenido
Presentaci
on
iii
1 Sistemas de ecuaciones lineales
1.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1
Leccion 1. La lnea recta . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Leccion 2. Sistemas 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3
Leccion 3. Sistemas m n . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.4
Leccion 4. Matriz asociada a un sistema de ecuaciones lineales. . . . . . . 11
2 Vectores, rectas y planos
19
2.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2
Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1
Leccion 1. Vectores en el plano
. . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2
Leccion 2. Operaciones con vectores en R2 . . . . . . . . . . . . . . . . . 27
2.2.3
Leccion 3. Producto escalar en R2 . . . . . . . . . . . . . . . . . . . . . . 32
2.2.4
Leccion 4. Vectores en R3 y Rn . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.5
Leccion 5. Operaciones con vectores en R3 y Rn . . . . . . . . . . . . . . 39
2.2.6
Leccion 6. Producto escalar en R3 y Rn . . . . . . . . . . . . . . . . . . . 42
2.2.7
Leccion 7. Producto vectorial en R3 . . . . . . . . . . . . . . . . . . . . . 44
2.2.8
Leccion 8. Rectas y planos en R3 . . . . . . . . . . . . . . . . . . . . . . 48
3 Matrices
53
3.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2
3.2.1
Leccion 1. Definicion, operaciones y propiedades . . . . . . . . . . . . . . 55
3.2.2
Leccion 2. Transpuesta y producto de matrices . . . . . . . . . . . . . . . 60
3.2.3
Leccion 3. Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . 62

i
ii Contenido
4 Determinantes
67
4.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2
4.2.1
Leccion 1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . 68
4.2.2
Leccion 2. Propiedades. Relacion determinante e inversa . . . . . . . . . 72
5 Espacios vectoriales reales
77
5.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2
5.2.1
Leccion 1. Espacio vectorial y subespacio . . . . . . . . . . . . . . . . . . 79
5.2.2
Combinacion lineal, conjuntos LI y LD . . . . . . . . . . . . . . . . . . . 82
5.2.3
Leccion 3. Bases y dimension. Espacios fundamentales de una matriz . . 87
5.2.4
Leccion 4. Vector de coordenadas, cambio de base, bases ortonormales y

proyecciones en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.2.5
Leccion No. 5. Espacios con producto interior . . . . . . . . . . . . . . . 95
6 Transformaciones lineales
99
6.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2

6.2.1
Leccion 1. Definicion y propiedades . . . . . . . . . . . . . . . . . . . . . 102
6.2.2
Leccion 2. N
ucleo e imagen. Representacion matricial . . . . . . . . . . . 105
7 Valores y vectores propios
111
7.1
Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2

7.2.1
Leccion 1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.2
Leccion 2. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2.3
Leccion 3. Diagonalizacion ortogonal . . . . . . . . . . . . . . . . . . . . 116
7.2.4
Leccion 4. Formas cuadraticas y secciones conicas . . . . . . . . . . . . . 117
A Autoevaluaci
on
123
A.1 Autoevaluacion I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

A.2 Autoevaluacion II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
A.3 Autoevaluacion III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
A.4 Autoevaluacion IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Referencias
127
Presentaci
on
Este libro es resultado de experiencias de aula realizadas con estudiantes de ingeniera y tecnologa de la Universidad Tecnologica de Pereira durante 7 semestres academicos entre 2007 y
2010, en el desarrollo de los proyectos de investigacion: diagnostico de algunas causas que obstaculizan el aprendizaje del algebra lineal y estudios metodologicos para contribuir a mejorar el
proceso de ense
nanza-aprendizaje del algebra lineal, incorporando las nuevas tecnologas de la
informacion y las comunicaciones, propuestos por el grupo Estudios Metodol
ogicos para
la Ense
nanza de la Matem
atica y el uso de las Nuevas Tecnologas, EMEMATIC.
La estructura del libro fue lo que llevo a su denominacion Algebra

lineal. Libro de trabajo
para estudiantes y gua did
actica del docente, porque responde a las necesidades, inquietudes y requerimientos de cada uno. La manera como esta presentado le ayuda al estudiante
a subsanar las falencias mas frecuentes tales como la apata, la poca lectura, falta de motivacion y compromiso con su aprendizaje, que son algunas de las causa que impiden aprender los
conceptos basicos del algebra lineal.
Para el docente, el texto se convierte en una gua de trabajo ya que la forma de organizacion
y presentacion del contenido le brindan la posibilidad de crear ambientes que contribuyan o
favorezcan el desarrollo integral de los estudiantes, generando espacios en donde se fomenta el
espritu crtico, autorreflexivo y se promueva el trabajo individual, colaborativo cooperativo y
en equipo; posibilitando al alumno salir de la pasividad que caracteriza a un estudiante en la
metodologa tradicional. Ademas, la estructuracion del libro por lecciones de clase permite el
desarrollo de los temas de un primer curso de algebra lineal para estudiantes de ingeniera y
tecnologa en un semestre academico, lo cual lo convierte en otra fortaleza y lo diferencia de
otros similares.
La metodologa, que se concreta en la forma como esta escrito y presentado el libro, es uno de los
aspectos que lo diferencia de otros textos y esta fundamentada teoricamente en el aprendizaje
desarrollador. Las actividades que se proponen promueven en el alumno el transito progresivo
de la dependencia a la independencia y autorregulacion y lo llevan paulatinamente a iniciarse
en peque
nas investigaciones.
El contenido teorico del libro es el clasico para un primer curso de algebra lineal para estudiantes de ingenieras y tecnologas, la diferencia radica en la forma sistemica como se presentan,
desarrollan y relacionan los temas, los cuales se muestran de manera progresiva y entrelazada,
permitiendo al estudiante avanzar en el conocimiento e integrarlo para hacer de el un todo,
iii
iv Presentacion
posibilitandole la solucion exitosa de muchos problemas en el desarrollo de su carrera y posteriormente en su actividad profesional.
Para la organizacion del contenido se tuvo en cuenta la celula generadora a partir del concepto de combinacion lineal, el cual se desarrolla desde el segundo captulo. Aunque el algebra
lineal se fundamenta esencialmente en la teora de los espacios vectoriales, las transformaciones lineales y los valores y vectores propios, el texto inicia con sistemas de ecuaciones lineales
porque permite al estudiante continuar el desarrollo de sus conocimientos a partir de lo visto
y aprendido en sus cursos previos, a la vez que posibilita ver su utilidad, as como establecer
una continuidad con lo que estudio en sus a
nos de colegio, logrando que los estudiantes vayan
cambiando su actitud frente a la matematica, llevandolo gradualmente a perderle el miedo y la
fobia, en particular al algebra lineal.
El libro facilita al estudiante la apropiacion de uno de los conceptos mas abstractos del curso,
espacios vectoriales, de manera natural y rigurosa. Se inicia con espacios vectoriales conocidos
y trabajados por ellos en otras asignaturas, por ejemplo en fsica, cuando usan vectores. Posteriormente, se hace la teorizacion de estos objetos matematicos como espacios vectoriales y
finalmente se desarrollan los temas transformaciones lineales y valores y vectores propios.
Esta distribuido en siete captulos y un apendice. Cada captulo contiene talleres pre-clase y
lecciones de clase. El contenido se desarrolla completamente en un semestre academico de 16
semanas con una intensidad de 4 horas semanales, lo cual es otra diferencia con textos similares.
Los talleres pre-clase aparecen al inicio de cada captulo con el proposito de que el alumno
realice una lectura previa de los ejercicios propuestos, se familiarice con ellos y este atento al
desarrollo de los conceptos del captulo a traves de las lecciones de clase, para identificar la
teora que le permitira la solucion de estos.
Los talleres constan de 5 secciones:
Ejercicios que requieren de conceptos desarrollados en las lecciones de clase para su modelacion.
Solucion, generalizacion, clasificacion o particularizacion.

Preguntas para decidir su valor de verdad, con las cuales se verifican los conceptos vistos, se
construyen ejemplos y contraejemplos, se familiarizan con leyes, propiedades y regularidades
del tema de cada captulo.
Ejercicios de tipo algortmico
Aplicaciones en la vida cotidiana o en el contexto matematico.
Las lecciones de clase, estructuradas para una sesion de dos horas cada una, contienen definiciones, ejemplos, ejercicios, leyes y propiedades que permiten el desarrollo de los temas de
cada captulo. Ademas, contienen espacios en blanco cuyo proposito es que los estudiantes los
Presentaci
on
completen en la medida en que se desarrolla la leccion; esto con el fin de motivar al alumno
a leer, escribir, construir sus propios ejemplos, contraejemplos, argumentar y debatir, lo que
caracteriza que el texto es de trabajo y no de simple consulta.
La manera como se presentan las lecciones, permiten al estudiante avanzar a su propio ritmo y
desarrollarlas de acuerdo a sus conocimientos, habilidades y competencias.
Los contenidos se distribuyen en captulos como se describe a continuacion:
El captulo 1, sistemas de ecuaciones lineales, proporciona al alumno las herramientas necesarias para el desarrollo de los captulos posteriores. En los captulos 2 y 3, vectores, rectas,
planos y matrices, se desarrolla la estructura de espacio vectorial en conjuntos particulares
tales como vectores y matrices. En el captulo 4, determinantes, se da su definicion y se ilustran con ejemplos sus propiedades las cuales seran usadas mas adelante en valores y vectores
propios. El captulo 5, espacios vectoriales, generaliza el concepto de espacio vectorial, su
estructura, propiedades, leyes y regularidades, el cual es uno de los temas centrales del curso.
En los captulos siguientes 6 y 7, transformaciones lineales y valores y vectores propios,
se estudian conceptos fundamentales para la formacion de los ingenieros y tecnologos. En el
apendice A se incluyen cuatro autoevaluaciones las cuales permitiran a los estudiantes verificar
el logro de los objetivos y familiarizarse con el tipo de preguntas que se realizan en cada uno
de los examenes.
Los autores.
Captulo 1
Sistemas de ecuaciones lineales

En este captulo se estudian los sistemas de ecuaciones lineales en la modelacion y solucion de
problemas y situaciones que surgen en ingeniera, tecnologa o la vida practica.
1.1
Taller pre-clase
A. Resuelva las siguientes situaciones

1. Encuentre dos n
umeros cuya suma sea
5
2
y su diferencia sea 43 .
2. Un ingenio azucarero tiene 2 plantas para producir dos tipos de az

ucar: refinada y sin
refinar. Cada tonelada de az
ucar refinada necesita 3 horas en la planta A y 5 en la planta
B; cada tonelada de az
ucar sin refinar requiere 3 horas en la planta A y 3 en la planta B.
Si la planta A dispone de 12 horas al da y la planta B 15, cuantas toneladas de cada
tipo de az
ucar pueden producirse diariamente de modo que las plantas operen a toda su
capacidad?
B. Teora
1. Escriba una definicion de
solucion de ecuacion lineal,
solucion de un sistema de ecuaciones lineales.

2. Construya un ejemplo de un sistema de ecuaciones lineales que sea consistente y otro
que sea inconsistente.
3. Investigue sobre los metodos de GaussJordan y eliminacion gaussiana
Defina cada uno de los metodos
Establezca al menos dos diferencias
Construya 2 ejemplos en los cuales use los metodos
Cual de los metodos es mas eficiente en la practica? Por que?

4. De definiciones para matrices en forma escalonada y escalonada reducida por renglones
y construya dos ejemplos de cada una de ellas.
5. Escriba una definicion de matrices equivalentes por renglones y de un ejemplo.
6. Describa un procedimiento para transformar una matriz en la forma escalonada y escalonada reducida por renglones.
1
2 Captulo 1. Sistemas de ecuaciones lineales

C. Responda verdadero (V)
o falso (F) a las afirmaciones siguientes. Justifique
claramente cada una de sus respuestas
1.
Existen sistemas homogeneos inconsistentes.
2.
Todo sistema cuadrado es consistente.
3.
Todo sistema con mas incognitas que ecuaciones siempre tiene infinitas soluciones.
x + 2y = 5
El sistema 3x y = 1 tiene infinitas soluciones.
4x + y = 6
4.
5.
Todo sistema con mas ecuaciones que incognitas siempre es inconsistente.
D. Poniendo en pr
actica la teora
1. Encuentre un valor de r, si existe, de modo que la 4-tupla dada sea una solucion del
sistema de ecuaciones lineales.
3y z + w = 3
2x y 2z + w =
a) (6, 2, 0, r)
b) (5, 3, r, 6)
c) (6, r, 1, 2)
x + y 2z
= 6
2. Resolver los siguientes sistemas de ecuaciones lineales mediante el metodo de eliminacion
gaussiana.
x 2y + 3z = 11
2x + 4y + 6z = 12
a) 4x + y z = 4
b) 2x 3y 4z =
2x y + 3z = 10
15
4x + y + 2z =
1 0
3. La matriz aumentada del sistema Ax = b, esta dada por 0 1

0
2 |
1
1 |
2 .
2 | 3 1
Determine los valores de , si existen, para que el sistema dado tenga:

a) Solucion u
nica. Escriba la solucion
b) Infinitas soluciones. Escriba el conjunto solucion
c) Ninguna solucion
d) Para = 1, determine si el vector dado es solucion del sistema

5
2

(i) x1 = 0
(ii) x2 = 1
2
1
e) Determine los valores de y , si existen, de modo que el sistema representado por la

matriz ampliada, sea consistente
1 0 1 + 5
0 3
0 0
0 0
3
3
( + 2)(5 )
Secci
on 1.1. Taller pre-clase
E. Aplicaciones.
1. Cuando se agrega un disco duro a una computadora personal, el sistema nuevo cuesta
$1.400.000. Se sabe que
1
3
del valor de la computadora mas
1
5
del valor del disco duro
dan un total de $400000. Cual es el costo del disco duro? (Ejercicio 48, pag. 14 de [5]).
2. Determine la ecuacion de la parabola con eje paralelo al eje y en el plano xy, que pasa
por los puntos P (1, 0), Q(1, 4) y R(2, 3).
3. Cesar Andres es un estudiante de segundo semestre de ingeniera de la Universidad
Tecnologica de Pereira que se va a cambiar de casa. Al empacar sus libros, nota que
si coloca 11 libros en cada caja, dejara uno por fuera. Por otro lado, si pone 12 libros
en cada caja, entonces la u
ltima contiene un solo libro. Cuantos libros y cuantas cajas
tiene Cesar Andres?
4. Carlos y Andres inician un negocio aportando capitales iguales. Transcurridos tres meses,
Mauricio ingresa al negocio y aporta la misma cantidad que invirtieron los dos primeros.
Si al cabo de un a
no las utilidades son de $1980.000, cuanto le corresponde a cada uno,
si las ganancias se reparten proporcionalmente?
Resuelva s
olo uno de los siguientes problemas.
5. En un estanque coexisten 3 clases de peces: mojarra, tilapia y cachama. Se alimentan con
3 tipos de concentrados: A, B y C. Cada mojarra consume mensualmente en promedio
1 kilo de concentrado A, 1 kilo de B y 2 kilos de C. Cada tilapia consume por mes en
promedio 3 kilos de concentrado A, 4 kilos de B y 5 kilos de C. Para cada cachama el
promedio mensual de consumo es de 2 kilos de concentrado A, 1 kilo de B y 5 kilos de
C. Mensualmente se suministra al estanque 2500 kilos de concentrado A, 2000 kilos de
B y 5500 kilos de C.
a) Construya un modelo matematico que represente la informacion del problema.
b) Podran coexistir 400 cachamas en el estanque?
c) Pueden coexistir 300 tilapias ?
d) Pueden coexistir 1200 mojarras?
e) Que poblacion de las tres especies de peces puede coexistir?
6. Encuentre las cantidades desconocidas en el circuito de la figura 1.1.
a
b
b
i1
10V
10A
i3
E2
d
b
i2
3A
E3
5A
Figura 1.1. Circuito
1.2
Lecciones de clase
1.2.1
Lecci
on 1. La lnea recta
Se recordaran conceptos basicos de la lnea recta tales como: el calculo y la interpretacion de

la pendiente, diferentes representaciones de la ecuacion de la recta. As, al finalizar la leccion
el alumno estara en condiciones de usar la recta para modelar y resolver diferentes situaciones.
Coordenadas en el plano
En esta parte es conveniente recordar el sistema de coordenadas cartesianas rectangulares. Este

esta conformado por dos ejes que se cortan formando un angulo de 90 .
El plano se representa analticamente por
y
y1
b
Py (0, y1 )
b
R2 = {(x, y) | x, y R}
P (x1 , y1 )
Px (x1 , 0)
x1
Figura 1.2. Coordenadas en

x
| x, y R .
R =
y
2

x
.
Advertencia: (x, y) 6=
y
R2
La lnea recta
Para determinar la ecuacion de la recta se debe conocer:
1. Dos puntos diferentes. Sean P (x0 , y0 ) y Q(x1 , y1 ) dos puntos del plano.
y
b
O
P (x0 , y0 )
Q(x1 , y1 )
R(x, y)
Figura 1.3. Recta por dos puntos
Si x0 6= x1 , la ecuacion de la recta que los contiene, en su forma puntopendiente es:

y y0 = m(x x0 )
y y1 = m(x x1 ),
donde m =
y1 y0
.
x1 x0
Ejercicio 1. Verifique que la ecuacion de la recta que pasa por los puntos P (x0 , y0 ) y
Q(x0 , y1 ) con y0 6= y1 es x = x0 .
Secci
on 1.2. Lecciones de clase 5
2. Un punto y la pendiente. Si la pendiente es m y el punto es P (x0 , y0 ), la ecuacion es:

y y0 = m(x x0 ).
3. La pendiente y el intersecto con el eje y. Si la pendiente es m y el intersecto con el eje
y es el punto es P (0, k), la ecuacion es: y = mx + k.
4. La derivada de una funci
on y = f (x) en un punto dado. Si f (x0 ) es la derivada de
y = f (x) en el punto P (x0 , f (x0 )), la ecuacion de la recta tangente a la grafica de y = f (x)
en el punto P es:
y = f (x0 ) + f (x0 )(x x0 )
y
y
y = f (x)
P (0, k)
b
P (x0 , f (x0 ))
(a) Pendiente-intersecto
(b) Recta tangente
Figura 1.4. Pendiente-intersecto y recta tangente
En general, la ecuacion de una recta se puede escribir en la forma

ax + by = c,
(1.1)
donde a, b, c R, a y b no son simultaneamente nulos.

Ejercicio 2. Considere la ecuacion de la recta 3x + 2y = 4. Complete o responda seg
un sea
el caso.
a) La recta tiene como pendiente

b) Los intersectos con los ejes coordenados son:
c) Su grafica es:
y
3
2
1
x
6 5 4 3 2 1
1
2
3
4
5
Figura 1.5. Recta del ejercicio 2

d) Determine cuales de los siguientes puntos satisfacen la ecuacion de la recta:
i) (2, 3)
ii) (1, 1)
vi) (2a, 3a 2), a R
iv) (1, 7/2)
iii) (4, 4)
v) (0, 0)
vii) (4t, 2 6t), t R
Geometricamente que representan los puntos que satisfacen la ecuacion?

Que relacion tienen los puntos que no satisfacen la ecuacion de la recta con la grafica?
e) Cuantos puntos satisfacen la ecuacion de la recta? Caractercelos.
Ejercicio 3. En un juego de video se observa un aeroplano que vuela de izquierda a derecha a
lo largo de la trayectoria dada por y = 1 + x1 , x > 0, y dispara proyectiles en direccion tangente
a la trayectoria, a blancos que estan en el eje x en las posiciones ubicadas en los puntos 1, 2, 3, 4
y 5. Determine si los proyectiles daran en alg
un blanco si el avion los dispara cuando esta en
los puntos P (1, 2) y Q( 32 , 35 ). (Ejercicio 63, pagina 150 de [7]).
Sugerencia: Debe recordar la interpretacion geometrica de la derivada.
Ejercicio 4. Halle la funcion lineal que pasa por los P (1, 2) y (2, 3).
Recuerde: Una funcion lineal es de la forma y = f (x) = a0 + a1 x.
1.2.2
Lecci
on 2. Sistemas 2 2
Al terminar la leccion el alumno reconocera sistemas de dos ecuaciones lineales con dos incognitas a partir de situaciones problemas. Ademas, sera capaz de resolverlos, identificando cuando
es consistente o no y establecer condiciones para ello.
Observe que al resolver el ejercicio anterior se obtienen dos ecuaciones lineales con dos incognitas
a y b, que al analizar en conjunto, resulta un sistema 2 2 como se define a continuacion.
Definici
on 1.1 (Sistema de 2 ecuaciones lineales con 2 inc
ognitas). Un sistema de dos
ecuaciones lineales en las variables x y y, denominado sistema 2 2, es de la forma
a11 x + a12 y = b1
a21 x + a22 y = b2 ,
donde a11 , a12 , a21 , a22 R no son simultaneamente nulos, son los coeficientes del sistema y
b1 , b2 R, son los t
erminos independientes. Cuando los terminos independientes son iguales
a cero (bi = 0), se dice que el sistema es homog
eneo.
Notaci
on: En aij , i representa la iesima ecuacion, mientras que j, indica la jesima variable.
Ejemplo 1.1. En el sistema
2x 3y =
3x + y = 2
las variables son x, y; los coeficientes y los terminos independientes son a11 = 2, a12 = 3, b1 = 4,
a21 = 3, a22 = 1 y b2 = 2.
Secci
Ejemplo 1.2. El sistema que resulta del ejercicio 4 de la leccion anterior es

a0 a1 = 2
a0 2a0 =
Las variables son: a0 y a1 .

Cuando se tiene un sistema 2 2 y se grafican las rectas en un mismo plano, siempre sucede
uno y solo uno de los casos siguientes:

y
y
a11 x + a12 y = b1
a11 x + a12 y = b1
a11 x + a12 y = b1
b
a21 x + a22 y = b2
a21 x + a22 y = b2
x
a21 x + a22 y = b2
(a) Solucion u
nica
(c) Ninguna soluci

on
(b) Infinitas soluciones
Figura 1.6. Sistemas 2 2
a) Cuando las rectas se cortan en un solo punto, existe un u

nico punto cuyas coordenadas
satisfacen las dos ecuaciones y se dice que el sistema tiene soluci
on
b) Cuando las rectas se cortan en infinitos puntos, existen infinitos puntos cuyas coordenadas satisfacen las ecuaciones. En este caso, se dice que el sistema tiene
soluciones.
c) Si las rectas no se cortan, analticamente el sistema
Definici
on 1.2. Si un sistema tiene solucion u
nica o infinitas soluciones, se dice que es consistente. En otro caso, se dice que es
Ejercicio 1. Resuelva los siguientes sistemas, grafique cada par de rectas en un mismo plano
e identifique el punto o los puntos de interseccion, si existen.
a)
x+ y =
3x 2y = 4
b)
x + 23 y =
4
3
3x 2y = 4
c)
2x + 3y =
2x 3y = 4
Ejercicio 2. Considere el sistema de ecuaciones lineales homogeneo

a11 x + a12 y = 0
a21 x + a22 y = 0
Sean x = x1 , y = y1 y x = x2 , y = y2 soluciones del sistema. Muestre que
a) x = x1 + x2 , y = y1 + y2 tambi
en es solucion del sistema.
b) x = 3x1 + 2x2 , y = 3y1 + 2y2 tambi
c) x = 1 x1 + 2 x2 , y = 1 y1 + 2 y2 tambi

Ejercicio 3. El Ingenio Risaralda produce dos tipos de az
ucar refinada y sin refinar. Cada
tonelada de az
ucar sin refinar requiere 5 minutos en la planta de mezclado y 4 en la planta de
refinacion. Por su parte, cada tonelada de az
ucar refinada requiere 4 minutos en la planta de
mezclado y 2 en la planta de refinacion. Si la planta de mezclado tiene 3 horas disponibles y
la de refinacion 2. Cuantas toneladas de cada tipo de az
ucar se deben producir para que las
plantas se utilicen al maximo? (Basado en el ejercicio 21, pagina 10 de [3]).
Indicaci
on. Para resolver ese ejercicio, considere las siguientes variables
x = No. de toneladas de az
ucar sin refinar
y = No. de toneladas de az
ucar refinada,
para obtener el sistema
5x + 4y = 180
4x + 2y = 120.
Al resolverlo, se llega a que cada planta debe producir 20 toneladas de cada tipo de az
ucar.
Ejemplo 1.3. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones
x 2y = 4 y ax + 3y = c se corten en infinitos puntos.
Soluci
on. Mediante eliminacion se tiene:
x 2y = 4
ax + 3y = c
Ec2 Ec2 aEc1
x 2y = 4
(3 + 2a)y = c 4a
Para que existan infinitas soluciones, 3 + 2a = 0 y c 4a = 0, es decir, a = 32 y c = 6.

Ejercicio 4. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones
x 2y = 4 y ax + 3y = c no se corten.
1.2.3
Lecci
on 3. Sistemas m n
Partiendo de una situacion problema, se llega al planteamiento de sistemas de m ecuaciones

lineales con n incognitas. A partir de la relacion, paralelo o analoga que se hace con el metodo
de eliminacion aprendido por el estudiante en su colegio, se deduce el metodo de eliminacion.
Ademas, se desarrollan los conceptos de ecuacion lineal en n variables, solucion de esta y los
sistemas de m ecuaciones lineales con n incognitas, haciendo analogas y relaciones con los
estudiados en las lecciones 1.2.1 y 1.2.2.
Definici
on 1.3. Una ecuacion lineal en las variables x1 , x2 , . . . , xn es una expresion de la forma
a1 x 1 + a2 x 2 + + an x n = b
(1.2)
donde a1 , a2 , . . . , an R, no son simultaneamente nulas, son los coeficientes y b R es el

termino independiente.
Secci
Ejemplo 1.4. 2x1 7x2 +
5x3 8x4 + x5 = 14 es una ecuacion lineal en las 5 variables
x1 , x2 , x3 , x4 y x5 . Tambien se puede escribir 2x 7y + 5z 8w + r = 14.

Ejemplo 1.5. 3x1 + 2x2 = 4 es una ecuacion lineal en dos variables: x1 y x2 . Si se cambia el
nombre da las variables por x y y respectivamente, se obtiene la ecuacion 3x + 2y = 4, que
es la misma del ejercicio 2, pagina 5 de la leccion 1.
Observaci
on. Cuando n = 2, la ecuacion es de la forma a1 x1 + a2 x2 = b. Si se renombran las
variables x por x1 y y por x2 , se obtiene a1 x + a2 y = b, que es la ecuacion 1.1 de la leccion 1.
Ejercicio 1. Determine cuales de las siguientes ecuaciones son lineales:
a) 42 x +
b) 42 x +
c) sen
5 y + z 12 w = log 3
5y + z 21 w = log 3
x + 3y = 8
d) sen( 3 x) + 3y = 8
e) e2 x 3xy + 8w = 40
f) e2x 3x 3y + 8w = 40
g) 2x1 + 3x2 + 4x3 = 5
s1
.
.
Definici
on 1.4. Una solucion de la ecuacion (1.2) es una ntupla ordenada
ume . de n
sn
ros reales (o complejos), que al ser sustitudos en la ecuacion (1.2), se obtiene un enunciado
verdadero.
Ejemplo 1.6. La expresion 2x1 3x2 4x3 = 5 es una ecuacion lineal en las variables x1 , x2 ,
y x3 . Algunas soluciones de la ecuacion son:

2

a) 1 porque 2(2) 3(1) 4(1) = 5
1
1

b) 1
0
Ejercicio 2. Considere la ecuacion del ejemplo anterior.
1
2
c) 0
1
a) Encuentre dos soluciones de la ecuacion.

b) Determine si las siguientes ternas son soluciones de la ecuacion:

1
2

(i) 1
(ii) 0
2
1
c) Exiaten otras soluciones? Cuantas?
Sistema de m ecuaciones lineales con n inc

ognitas
Ejercicio 3. Encuentre una funcion polinomial de grado 3 que pase por los puntos
P1 (1, 2), P2 (1, 3), P3 (2, 2) y P4 (3, 4). Recuerde: Una funcion polinomica de grado 3 es de
la forma: f (x) = a0 + a1 x + a2 x2 + a3 x3 .

Al analizar, se llega a un sistema de 4 ecuaciones lineales en las variables, a0 , a1 , a2 y a3 .
a0 + a1 + a2 + a3 = 2
a0 a1 + a2 a3 =
a0 + 2a1 + 4a2 + 8a3 =
a0 + 3a1 + 9a2 + 27a3 =
Para resolverlo, se introduce primero la definicion de m ecuaciones lineales con n incognitas y

los metodos para solucionarlos.
Definici
on 1.5. Un sistema de m ecuaciones lineales en las n variables x1 , x2 , . . . , xn es un
conjunto de ecuaciones lineales de la forma
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

..
..
..
..
...
.
.
.
.
(1.3)
am1 x1 + am2 x2 + + amn xn = bm ,

donde aij R no son simultaneamente nulos son los coeficientes del sistema y bi R son los
terminos independientes. Si todos los bi son ceros, entonces se dice que (1.3) es un sistema
homog
eneo.
Observaci
on. Si el sistema tiene 2 ecuaciones y 2 variables, se esta hablando de un sistema
2 2, como se hizo en la definicion 1.1.
Ejemplo 1.7. Los siguientes son ejemplos de sistemas de ecuaciones lineales
x 2y + 3z = 4
a) 3x 4y + 5z = 8
2x 7y + 7z = 9
x + 2y 3z + 2w =
x+ y =7
b) 2x 5y + 5z w = 8
2z + 5w =
c) 4x y = 4
3x 2y = 5
Ejercicio 4. Determine el n
umero de ecuaciones y de incognitas en cada uno de los sistemas
del ejemplo 1.7.
s1
.
.
umeros
Definici
on 1.6. Una solucion del sistema (1.3) es una ntupla ordenada
. de n
sn
reales (o complejos), que es solucion de cada una de las ecuaciones que conforman el sistema.
Ejercicio 5. Determine si el vector dado es solucion del sistema del ejemplo 1.7b).

9

6
a)
0
0
15/2
1
b)
5/2
1/2
12
2
c)
1
1

0

0
d)
0
0
Definici
on 1.7. Si un sistema tiene solucion u
nica o infinitas soluciones, se dice que es consistente. En otro caso, se dice que es
Ejercicio 6. Usando el metodo de eliminacion estudiado en su bachillerato resuelva el sistema

del ejemplo 1.7a).
Secci
1.2.4
Lecci
on 4. Matriz asociada a un sistema de ecuaciones lineales.
En esta leccion, el alumno desarrollara habilidades para proponer como modelo matematico,
los sistemas de ecuaciones lineales para solucionar situaciones problemas. Ademas, sera capaz
de usar los metodos de eliminacion gaussiana y de Gauss-Jordan para determinar la solucion
de un sistema de los mismos. Tambien se representa un sistema en forma matricial.
Definici
on 1.8 (Matriz asociada de un sistema). El arreglo
a11
a21
.
..
a12
a22
..
.
am 1 am 2
. . . a1n
. . . a2n
..
...
.
. . . amn
| b1
| b2
.
| ..
| bm
se llama matriz
a11 a12
a
a22
A = ..21
..
.
.
am1 am2
asociada o aumentada del sistema (1.3).

. . . a1n
b1
. . . a2n
..
.. es la matriz de coeficientes del sistema, b = . el vector
...
.
bm
. . . amn

x
.1
.
de t
erminos independientes y x =
. es el vector de variables. Cada aij se llama
xn
componente ij de la matriz A, m n es el tama
no de A, la diagonal principal de A es
a11 , a22 , . . . , akk , donde k = mn{m, n}. La fila o renglon i de A, que se denota por f i o Ri ,
es Ri = f i = (ai1 , ai2 , . . . , aij , . . . , ain ).
Ejercicio 7. Escribir la matriz asociada para cada sistema del ejemplo 1.7.
Operaciones elementales de rengl

on
1. cf i , c R, c 6= 0. Multiplicar la fila o renglon i por una constante no nula c.
2. f j + cf i , c R, c 6= 0. Sumar c veces el renglon i al renglon j.
3. f i f j o f ij . Intercambiar el renglon i con el renglon j.
Definici
on 1.9. La matriz A de tama
no m n es equivalente por renglones con la matriz B
de tama
no m n, si B se puede obtener de A aplicando una sucesion finita de operaciones
elementales por renglon.
Ejemplo 1.8. Usando el m

etodo de eliminaci
on, resolver el sistema del ejemplo 1.7a).
Soluci
on. En la siguiente tabla se muestra la solucion del sistema usando eliminacion, haciendo
el paralelo ecuaciones-forma matricial.
Sistema de ecuaciones lineales
x 2y + 3z = 4
Ec 1
2x 7y + 7z = 9
Ec 3
3x 4y + 5z = 8
Matriz asociada al sistema
Ec 2
1 2 3 | 4
3 4 5 | 8
2 7 7 | 9
Operacion en las ecuaciones 2 y 3, tomando como

base la ecuaci
on 1, para volver cero el coeficiente de
Operacion en las filas o renglones 2 y 3, tomando

como base el rengl
on 1, para volver cero las compo-
x en ambas ecuaciones
nentes a21 y a31
Ec 2 Ec 2 3Ec 1
f 2 f 2 3f 1
3x + 6y 9z = 12
1 2
3 |
4
2 4 | 4
0
3x 4y + 5z =
2y 4z = 4
2 7
Ec 4
Ec 3 Ec 3 2Ec 1
2x + 4y 6z = 8
2x 7y + 7z =
3y + z =
Ec 5
El sistema resultante equivalente es

x 2y + 3z =
Ec 1
2y 4z = 4
Ec 4
3y + z =
7 |
f 3 f 3 2f 1
1 2
3 |
4
2 4 | 4
0
0 3
1 |
Ec 5
Operacion en la ecuaci
on 3, tomando como base la
Operacion en la fila 3, tomando como base el rengl

on
ecuaci
on 2, renombrada como Ec 4, para volver cero
el coeficiente de x en dicha ecuaci
on
2 de la nueva matriz, para volver cero la posici

on a32
Ec 4 21 Ec 2
y 2z = 2
Ec 6
Ec 5 Ec 5 + 3Ec 6
3y 6z = 6
3y + z =
5z = 5
Ec 7
Sistema equivalente
x 2y + 3z = 4
y 2z = 2
5z = 5
1 2
3 |
4
1 2 | 2
0
f 2 12 f 2
0 3
1 |
f 3 f 3 + 3f 2
1 2
3 |
4
1 2 | 2
0
0
| 5
Sistema equivalente
x 2y + 3z = 4
y 2z = 2
5z = 5
Determinando la soluci
on: despejando en la u
ltima
Determinando la soluci
on: de la u
ltima fila se escribe
ecuaci
on la variable z y haciendo sustituci
on hacia
atr
as se obtiene:
la ecuaci
on, 4z = 4, se encuentra el valor de z y se
hace sustituci
on hacia atr
as
5z = 5, z = 1
5z = 5, z = 1
y 2(1) = 2, y = 0
y 2(1) = 2, y = 0
x 2(0) + 3(1) = 4, x = 1
x 2(0) + 3(1) = 4, x = 1
Es decir, x = 1, y = 0, z = 1.
Es decir, x = 1, y = 0, z = 1
Secci
Observe que la u
ltima matriz tiene ceros debajo de la diagonal principal y se dice que esta en
forma triangular superior. Este tipo de matrices son una generalizacion de las matrices en forma
escalonada que se definen a continuacion.
Definici
on 1.10. Una matriz Amn esta en forma escalonada reducida por renglones
cuando satisface las siguientes propiedades. (Definicion tomada de [2]).
1. Los renglones que constan solo de ceros, si los hay, estan en las u
ltimas filas de la matriz.
2. Al leer de izquierda a derecha, la primera entrada distinta de cero en cada renglon (que no
este formado completamente de ceros) es 1, y se le denomina pivote.
3. Si fi y fi+1 son dos renglones sucesivos que no constan completamente de ceros, entonces la
entrada principal (o pivote) del renglon fi+1 esta a la derecha del pivote del renglon fi .
4. Si una columna contiene un pivote de alg
un renglon, entonces el resto de las componentes
de esa columna son iguales a cero.
Si solo se cumplen 1, 2 y 3; se dice que A esta en forma escalonada por renglones.
Ejemplo 1.9. Las siguientes matrices estan en forma escalonada reducida por renglones
1 0
2
a) 0 1 1
1 0
2 0 2
b) 0 1 1 0
3
0 0
0 1 3
1 0
3 5
a) 0 1 1 0
0 0
0 1
1 0
2 0 2
b) 0 1 1 2
3
0 0
0 1 3
0 0
Ejemplo 1.10. Las siguientes matrices estan en forma escalonada por renglones
Ejercicio 8. Determine cuales de las siguientes matrices estan en forma escalonada por renglones y cuales en forma escalonada reducida.
1 5 0 3
1 7 0 0 6
1 0 0 2 1
A = 0 1 0
3 , B = 0 0 0 1 8 , C = 0 1 0 0 0 ,
0 0 1
9
0 0 0 0 1
0 1 1 0 0
!
!
1 3 0 0 0
1 0 0
0 0 0
D=
, E=
, F = 0 0 0 1 0 ,
0 1 0
0 0 0
0 0 0 0 0
1 2 0 0 0
1 0 0
G = 0 0 1 1 0 , H = 0 1 0 .
0 0 0 1 5
0 0 1
Ejercicio 9. Llevar las matrices del ejemplo 1.7 a una forma escalonada.
Teorema 1. Toda matriz de Amn no nula es equivalente por renglones con una u
nica matriz
E mn en forma escalonada reducida por renglones.
M
etodos de soluci
on de sistemas de ecuaciones lineales
1. Eliminaci
on
Paso 1. Formar la matriz aumentada del sistema:
A|b
Paso 2. Aplicar operaciones de renglon para llevar la matriz A a una forma escalonada U ,

donde los pivotes no necesariamente son iguales a 1: A | b U | b
Paso 3. Decidir si el sistema tiene solucion. El sistema no tendra solucion si U tiene al menos
una fila de ceros y el correspondiente termino independiente bi es distinto de cero. Si
el sistema tiene solucion se utiliza sustitucion hacia atras para hallarla.
2. Eliminaci
on gaussiana

A|b .
Paso 2. Aplicar operaciones de renglon hasta llevar la matriz A a una forma escalonada por

renglones F : A | b F | b .
Paso 3. Decidir si el sistema tiene solucion. El sistema no tendra solucion si la forma escalonada
de A tiene al menos una fila de ceros y el correspondiente termino bi es distinto de

cero. Si el sistema tiene solucion se utiliza sustitucion hacia atras para hallarla.
3. Eliminaci
on de GaussJordan

A|b .
Paso 2. Aplicar operaciones de renglon hasta llevar la matriz A a la forma escalonada reducida

por renglones E: A | b E | b .
Paso 3. Decidir si el sistema tiene solucion. El sistema no tendra solucion si la forma escalonada
reducida de A tiene al menos una fila de ceros y el correspondiente termino bi es

distinto de cero. Si el sistema tiene solucion, se determina directamente de la matriz
aumentada.
Ejercicio 10. Resuelva el sistema de ecuaciones lineales del ejercicio 3, pagina 9.
Ejemplo 1.11. Halle el valor (o valores) de para que el sistema
x 2y = 1
2x + 2 y =
i) tenga solucion u
nica. Muestre la solucion, ii) tenga infinitas soluciones. Escriba la solucion
general, ii) sea inconsistente.
Soluci
on. Mediante eliminacion se tiene
!
1 2 | 1
f2 f2 + 2f1
2
2 |
1
0
2 4 | + 2
Secci
El sistema equivalente es
x 2y = 1
(2 4)y = + 2
Para que haya solucion u
nica, 2 4 6= 0, es decir, 6= 2 y 6= 2. En este caso, la solucion
esta dada por
2
1
2
!)
Para que existan infinitas soluciones 2 4 = 0 y + 2 = 0, es decir, = 2. En este caso, el
conjunto solucion es
2y + 1
y
:yR
El sistema es inconsistente si 2 4 = 0 y + 2 6= 0, es decir, = 2.

Ejemplo 1.12. Determine los valores de k de modo que el sistema de ecuaciones lineales
representado por la matriz sea consistente, halle el conjunto solucion en cada caso, y los valores
de k para los cuales sea inconsistente.
1 3k |
0 k 4 |
0
5
4k
| (k 1)(4 k)
Soluci
on. En el primer caso, debemos considerar dos posiblidades: solucion u
nica e infinitas
soluciones.
Para que haya solucion u
nica k = 1. El sistema resultante es
x + 2y = 5
3y = 3
La solucion es
7
1
!)
El sistema tiene infinitas soluciones si k = 4 y estan dadas por

(
!
)
y+5
:yR .
y
Finalmente, para que el sistema sea inconsistente k 6= 1 y k 6= 4.
Ejercicio 11. Determine los valores de a y k para los cuales el sistema de ecuaciones lineales
representado por la matriz sea consistente, halle el conjunto solucion en cada caso, y los valores
de a y k para los cuales sea inconsistente.
3 2
1
0
0
0
5
1
ka | a+1

Teorema 2 (Teorema resumen). Sea A una matriz n n. La siguientes afirmaciones son
equivalentes:
1. El sistema Ax = b tiene solucion u

nica para cada n-vector b
y la solucion es
2. El sistema homogeneo Ax = 0 tiene solucion

3. La forma escalonada reducida de A es
4. A es equivalente por renglones a la matriz
5. La forma escalonada de A tiene
pivotes
Taller de refuerzo
Se proponen actividades de refuerzo que le permiten al estudiante autoevaluarse en el desarrollo
de los propositos del captulo.
Ejercicio 1. Si la matriz asociada de un sistema de ecuaciones lineales es
1 0 0 0 | 1
0 0 1 0 | 2
0 0 0 1 | 5
Cuantas soluciones tiene dicho sistema? Explique.

4
2

Ejercicio 2. Si los vectores 1 y 4 son soluciones de un sistema de ecuaciones lineales
1
2
3 3, cuantas soluciones tiene dicho sistema? Explique claramente su respuesta.
Ejercicio 3.
a) Determine el valor (o valores) de k para el cual el sistema de ecuaciones lineales representado

por la matriz sea consistente, halle el conjunto solucion en cada caso, y el valor (o valores)
de k para el cual sea inconsistente.
1 3k
0
0
1
4
0
0
k5
0
0
0
5
4k
5k
| (5 k)(k + 2)
b) Para k = 5, determine si el vector dado es una solucion del sistema

2
3

(ii) 5
(i) 0
1
Secci
Ejercicio 4. Determine el valor (o valores) de a para el cual el sistema de ecuaciones lineales

x + 2y + z = a2
x + y + 3z
=a
3x + 4y + 7z
=8
a) sea consistente, halle el conjunto solucion en cada caso.

b) sea inconsistente.
Ejercicio 5. Considere el siguiente sistema de ecuaciones lineales
x +
y +
z = a
2x + ay
z = 4
2x + 2y + (a2 + a)z = a + 1
Determine el valor o valores de a de modo que el sistema

a) tenga solucion u
nica. De la solucion
b) tenga una infinidad de soluciones. Escriba la solucion general
c) no tenga solucion. Justifique su respuesta
Ejercicio 6. Una biologa ha colocado tres cepas bacterianas (I, II, y III) en un tubo de ensayo,
donde seran alimentadas con tres distintas fuentes alimenticias (A, B, y C). Cada da 2300
unidades de A, 800 de B y 1500 de C se colocan en el tubo de ensayo, y cada bacteria consume
cierto n
umero de unidades de cada alimento por cada da, como muestra la tabla
Tipo
I
2
Alimento B 1
1
C
de cepa
II III
2
4
2
0
3
1
Cuantas bacterias de cada cepa pueden coexistir en el tubo de ensayo y consumir todo el
alimento? Ejemplo 2.27, p. 101 de [6].
Ejercicio 7. Una pastelera ofrece a sus clientes tres clases de tortas con precios, economico,
estandar y preferencial. Cada una de las tortas contiene durazno, fresa y vino. En la del precio
economico, invierte $5 en duraznos, $2 en fresas y $3 en vinos. Para la del precio estandar, los
gastos son $10 en duraznos, $6 en fresas y $8 en vinos; y para la preferencial, $20 en duraznos,
$20 en fresas y $24 en vinos. Si el presupuesto permite $235.000 en duraznos, $158.000 en fresas
y $205.000 en vinos:
a) Construya un modelo que represente la informacion del problema.

b) Se pueden vender 2000 tortas del precio preferencial?
c) Se podran producir 6000 tortas del precio preferencial?
d) Cuantos tortas de cada precio pueden venderse para invertir todo el presupuesto?
Ejercicio 8. Una aerolnea compra provisiones para tres de sus aviones, I, II y III. El costo
por viaje, en dolares, para el avion I para la primera clase es $350, para la clase de negocios es
$500 y para la clase economica es $800. Para el avion tipo II, el costo por viaje para la primera
clase es $400, para la clase de negocios es $600 y para la clase economica es $920. Para el avion
tipo III, el costo por viaje para la primera clase es $450, para la clase de negocios es $700 y
para la clase economica es $1040.
a) Construya un modelo matematico que represente la informacion del problema.
b) Si la aerolnea gasto $26000 para primera clase, $40000 para la de negocios y $60000 para
la economica. Determine el n
umero maximo de viajes que pueden realizar los aviones II.
Ejercicio 9. Determine la solucion de los siguientes sistemas de ecuaciones lineales homogeneos
x + 2y 2z = 0
x + 2y 2z = 0
a) 2x + 7y + 2z = 0
b) 2x + 7y + 2z = 0
x 2y z = 0
x y 8z = 0
x + 2y 2z + w = 0
c) 2x + 7y + 2z 2w = 0
x y 8z 3w = 0
Captulo 2
Vectores, rectas y planos

En este captulo se estudian los vectores desde el punto de vista geometrico para R2 y R3 ,
analticamente para Rn , n > 1. Se usa la teora de vectores en la modelacion de diferentes
problemas que surgen en matematicas, fsica, ingeniera y en el quehacer diario. Tambien se
hace el estudio de la lnea recta y del plano en R3 .
Se concluye con un teorema, denominado teorema resumen, el cual recoge los resultados basicos
que surgen durante del desarrollo de las lecciones, que sirve de retroalimentacion y autorregulacion del aprendizaje de los estudiantes, ya que esta propuesto con las hipotesis necesarias para
que ellos deduzcan sus conclusiones y completen los espacios que aparecen.
Este teorema aparecera al finalizar cada uno de los captulos con el proposito de que el alumno
lo complemente con las proposiciones que deduzca a partir de la teora desarrollada en ellos,
como se observa en el captulo 1.
2.1
Taller pre-clase
Vectores en R2
A. Resuelva la siguiente situaci
on:
Un barco es empujado por un remolcador con una fuerza de 300 libras a lo largo del eje
y negativo, mientras que otro remolcador lo empuja a lo largo del eje x negativo con una
fuerza de 400 libras. Determine la magnitud y direccion de la fuerza resultante. (Ejercicio
29, pagina 228 de [3]).
B. Teora.
1. Describa un procedimiento geometrico y algebraico para
a) Sumar y restar vectores en el plano. Ejemplifique
b) Multiplicar un vector por un escalar (real)
2. Defina los siguientes terminos. De ejemplos y dibuje
a) Longitud o norma de un 2vector
b) Vector unitario en R2 . Vectores canonicos.
c) Producto punto y angulo entre dos vectores no nulos del plano
19
20 Captulo 2. Vectores, rectas y planos

d) Vectores paralelos y perpendiculares
e) Combinacion lineal, dependencia e independencia lineal, espacio generado por un
conjunto de vectores.
C. Responda verdadero
o falso. Justifique sus respuestas.
1.
El producto escalar o producto punto de dos vectores no nulos de R2 siempre es

diferente de cero.
2.
#
Sean #
x , #
y , #
z R2 . Si #
x #
y = #
x #
z y #
x =
6 0 , entonces #
y = #
z.
3.
# R2 no nulos tales que #

Sean #
u , #
v, w
u es paralelo a #
v , entonces no existen
#
#
#
escalares y , de modo que w = u + v
4.
#
El vector 0 de R2 siempre es posible escribirlo como combinacion lineal de cualquier
conjunto de vectores #
v , #
v , . . . , #
v de R2 .
1
D. Poniendo en pr
actica lo aprendido
1. Sea #
v = (3, 2). Halle un vector unitario que tenga direccion opuesta a la de #
v.
2. Exprese los siguientes vectores (5, 4), (1/2, 2/3) y (, 5 ) como combinacion lineal
de los vectores canonicos.

#
#
#
3. Sean A = (5, 8) y B = (7, 5). Halle los vectores paralelos al vector AB y de longitud
6 unidades.
4. Sean A(4, 3), B(1, 4) y C(, 2) tres puntos del plano. Determine el valor o valores de
de modo que el triangulo ABC sea
a) Isosceles
b) Rectangulo
#
#
3
y #
v =
+ .
5. Calcule proy #
v u , donde u = 2
E. Aplicaciones
1. Dos lanchas ayudan a que un barco salga de su embarcadero. Una de las lanchas esta jalando de el con una fuerza de 200 N, mientras que la otra lo hace con una fuerza de 150
N. La primera lancha toma una direccion que forma un angulo de 25o . Que direccion
debe tomar la otra lancha para que el barco salga paralelamente al espigon? , ver [10].
#
#
2. Una fuerza F de magnitud 10 N se aplica en la direccion del vector T = 4
3
. Cual
es el trabajo al mover el objeto desde el punto A(1, 1) hasta el punto B(5, 4)?, ver [9].
Vectores en R3 y en Rn
A. Resuelva la siguiente situaci
on
Un fabricante produce cuatro artculos. Si su demanda esta dada por el vector
d = (30, 60, 40, 10) y el precio por unidad que recibe por p = $20, $60, $120, $35 , cuanto
dinero recibira el fabricante?
Secci
21
B. Teora.
#
1. Sean P y Q dos puntos de Rn . Defina la norma del n-vector P y la distancia de P a Q.
Ejemplifique y dibuje los vectores para n = 3.
2. Defina vector unitario en Rn . Ejemplifique e ilustre graficamente para n = 3.
3. Demuestre las propiedades que cumple el producto escalar de vectores de Rn enunciadas
en la leccion 4 del captulo 2.
#
#
#
4. Sean #
a y b dos vectores de R3 . Demostrar: #
a b = b #
a.
o falso a las siguientes afirmaciones. Justifique cada una
de sus respuestas.
1.
2.
3.
4.
5.
El producto escalar de dos n-vectores es otro n-vector

Sean #
x , #
y Rn , n > 1. Si #
x #
y = 0, entonces por lo menos uno de los vectores es
el vector nulo.
#
Sean #
u , #
v R3 . Si #
u #
v = 0 , entonces al menos uno de los vectores es el vector
nulo.
(1, 0, 3) = 2, entonces y = 2
Sea #
u = (x, y, z) R3 . Si ( #
u k)
# R3 vectores no nulos. Si #
# entonces #
#
Sean #
u , #
v, w
u #
v = #
u w
v = w.
D. Poniendo en pr
actica lo aprendido.
1. Los puntos A(a, a, a), B(a, a, a), C(a, a, a) y D(a, a, a) representan cuatro
vertices de un cubo. Halle las coordenadas de los demas vertices.
2. Determine los octantes en que pueden estar los puntos P (x, y, z) si:
a) x + y = 0
b) x z = 0
c) y + z = 0
d ) xy < 0
e) 0 > yz
#
#
3. Sean #
a y b dos vectores de R3 que forman un angulo = 2/3. Si k #
a k = 3 y k b k = 4.
Calcule:
#
a) #
ab
#
b) k #
a + bk
#
#
c) (3 #
a 2 b ) ( #
a + 2b)
4. Determine los valores de y , si existen, de modo que los vectores #

a = (2, 3, ) y
#
b = (, 6, 2) sean paralelos.
#
5. Los vectores #
a y b son perpendiculares y #
c forma con ellos angulos iguales a /3. Si
#
#
k a k = 3, k b k = 5 y kck = 8. Calcule:
#
#
#
a) k #
a #
ck
b) k #
a ( b #
a #
c )k
c) k #
a 2 b ) ( b + 3 #
c )k
#
#
#
2
d) k a + 2 b 3 c k
E. Aplicaciones.
1. Una tienda maneja 100 artculos diferentes. El inventario fsico al inicio de semana se
describe mediante el vector de inventario u R100 . El n
umero de artculos vendidos al
final de la semana se describen mediante el vector v R100 .

a) Explique el significado de u v.
b) Halle 2u. Cual es su significado?
c) Si la tienda recibe un nuevo embarque de artculos representado por el vector w,

como se escribe el nuevo inventario?
2. La fabrica de comestibles La Fresa tiene 2425 empleados, registra los salarios de cada
uno de sus empleados como una componente de un vector u R2425 . Si se ha apro-
bado un incremento salarial general del 8 %, determine una expresion que utilice a u y
establezca todos los nuevos salarios. (Basado en el ejercicio 33, pagina 156 de [3]).
3. Una aerolnea compra provisiones para tres de sus aviones. El costo por viaje, en dolares,
se expresa con la matriz.
Clase
Primera
Negocios
Economica
Avion 1 Avion 2 Avion 3

350
400
450
600
700
500
800
700
900
a) Si los tres aviones volaron el mismo da, cuanto gasto la aerolnea en provisiones por
cada clase?
b) Si solo el avion 3 vuela 5 das a la semana Cuanto invierte la aerolnea por clase en
3 semanas? (Ejercicio 55, pagina 78 de [5]).
#
Momento de una fuerza. El momento m de una fuerza F respecto de un punto P
#
es el producto m = k Fkd, donde d es la distancia de P a la recta L definida por las
#
#
# = #
#
direccion de F. Se define el vector momento como sigue: m
r F. La magnitud de m
#
es el momento m, y se desplaza a lo largo del eje de rotacion que genera F con respecto
a P . En la practica, se le da un signo al momento. El signo de m es positivo si la fuerza
tiende a producir rotacion en sentido antihorario respecto al punto dado, y es negativo
en caso contrario.
P
b
#
r
#
F
d
b
Figura 2.1. Momento de una fuerza
#
en #
4. Calcule el momento m de F = 2
4
+k
r = (2, 1, 3).
Condiciones de equilibrio para fuerzas coplanares.
Cuando las fuerzas coplanares act
uan sobre un cuerpo rgido, este se encontrara en
equilibrio si se satisfacen las siguientes condiciones.
Secci
23
(i) La suma vectorial de las fuerzas es cero.

(ii) La suma algebraica de los momentos con signo de todas las fuerzas respecto de
cualquier punto del plano es cero.
5. El extremo superior de una barra P Q uniforme, de 5 pies de longitud y que pesa 50
lb, descansa recargada en un muro vertical liso, ver figura izquierda. El extremo inferior
descansa apoyado en un piso horizontal liso, a 3 pies del muro. Una cuerda OR sujeta
#
al sistema en equilibrio. Si la distancia RQ es 1 pie, cual es la tension T de la cuerda?
(Ejemplo 78, pagina 139 de [5]).
P
#
R1
5/2
R
1
#
T
#
w
#
R2
Q
5/2
d
3d
Figura 2.2. Gr
afica ejercicio E5
Rectas y planos
1. Halle el punto de interseccion entre plano de ecuacion : 2x + 3y + z = 1 y la recta
L: x1=
y+1
z
= .
2
6
2. Determine la ecuacion parametrica de la recta L2 que pasa por el punto M (3, 2, 4), es
paralela al plano : 3x 2y 3z = 7 y se corta con la recta
L1 :
y+4
z1
x2
=
=
.
3
2
2
3. Encuentre la ecuacion del plano que pasa por el punto A(1, 2, 1) y es perpendicular a la
recta que es la interseccion de los dos planos
1 : x 2y + z 3 = 0 y 2 : x + y z + 2 = 0.
4. Halle la ecuacion del plano que pasa por el origen de coordenadas y es perpendicular a los
planos 1 : 2x y + 3z 1 = 0 y 2 : x + 2y + z = 0.
5. Considere la recta L :
x2
z+3
=y+1=
y el plano : x 2y + z = 1.
3
1
a) Encuentre la interseccion entre la recta L y el plano .

b) Halle un punto que no pertenezca a la recta L.
c) Determine un vector unitario que sea perpendicular al plano .

6. Halle una ecuacion del plano que es generado por los vectores #
v1 = (1, 0, 1) y #
v2 = (2, 1, 3).
7. Determine un valor de m, si existe, de modo que la recta L :
paralela al plano : x 3y + 6z = 0.
y2
z+3
x+1
=
=
sea
3
m
3
8. Describa un algoritmo, si existe, que permita dibujar un plano. Dibuje un plano paralelo a
los ejes coordenados y uno que no sea paralelo a los ejes.
9. Sean P un punto, L un recta y un plano en R3 . Describa un procedimiento para calcular
la distancia de P a L, de L a y de P a . Escriba una definicion para cada una de estas

distancias.
2.2
2.2.1
Lecciones de clase
Lecci
on 1. Vectores en el plano
Se comienza retomando los conceptos de distancia entre puntos, punto medio y mediatriz. Al
finalizar, el alumno los podra usar para deducir una expresion para el calculo de la distancia
de un punto a una recta. Se contin
ua con las definiciones basicas de vectores en R2 .
Coordenadas en el plano cartesiano.
y
y1
b
R2 = {(x, y) | x, y R} .
Py (0, y1 ) P (x1 , y1 )
b
Tambien
Px (x1 , 0)
x
x1

x
| x, y R .
R =
y
2
Figura 2.3. Coordenadas cartesianas en R2 .
y
y2
Teorema 3 (Distancia). Sean P (x1 , y1 ) y
Q(x2 , y2 ) dos puntos del plano. La distancia

entre P y Q est
a dada por:
P (x1 , y1 )
b
x1

d = d(P, Q) = P Q =
y1
O
Q(x2 , y2 )
b
a
x2
Figura 2.4. Distancia en R2
Ejercicio 1. Halle los valores de , si existen, de modo que los puntos P y Q disten 5 unidades:
a) P (4, 0), Q(, 4)
b) P (5, 2), Q(, 1).
Punto medio. Sean P1 (x1 , y1 ) y P2 (x2 , y2 ) puntos en R2 . Las coordenadas del punto medio
y + y2
x + x2
, y = 1
.
P (
x, y) son: x = 1
2
2
Secci
Mediatriz La mediatriz de un segmento de recta se define como la recta perpendicular que

pasa por el punto medio del segmento.
Ejercicio 2. Determine la ecuacion de la mediatriz del segmento de recta que une los puntos
P (5, 6) y Q(3, 4).
Distancia de un punto a una recta
y
P
La distancia d del punto P a la recta L es
Figura 2.5. Distancia de P a L

d = d(P, Q) = P Q,
donde Q es el punto de interseccion de la recta perpendicular a L que pasa por P .
Ejercicio 3. Halle la distancia entre la recta 3x 4y = 10 y el punto P que es la interseccion
de las rectas 2x 3y = 3 y x 2y = 1.
Vectores en el plano (R2 )

Definici
on 2.1 (Vector). Geom
etricamente, un vector es un segmento de recta dirigido.
La longitud o norma es la longitud del segmento que lo determina y la direccion es aquella
determinada por la recta que lo contiene. El sentido esta dado por el extremo de la flecha e
indica hacia que lado de la lnea de accion se dirige el vector. En este contexto, el sentido
quedara incluido en la definicion de direccion. Analticamente un vector de R2 es una pareja

umeros x y y se denominan
ordenada de n
umeros reales: (x, y) o xy , donde x, y R. Los n
componentes del vector.
Notaci
on. Los vectores de R2 se denotaran mediante letras con una flecha encima, por ejemplo,
#
#
#
a , b , #
v , A. Un vector tambien se puede representar por un segmento rectilneo dirigido en la
#
forma P Q donde P es el punto inicial, cola o punto de aplicacion y Q es el punto final o cabeza.
Q(x2 , y2 )
b
P (x1 , y1 )
# = (a
R
, b)
R(a, b)
Si el punto inicial del vector es el origen, se acos#

#
tumbra escribir R en vez de OR. As, es posible
asociar a cada punto R(a, b) del plano un u
nico
#
vector R = (a, b) cuya cola es el origen, el cual se
denomina vector localizado (anclado) o vector de posici
on del punto R, figura 2.6. As, se
puede hacer la identificacion
#
R(a, b) R = (a, b).

0
#
#
.
Vector nulo. El vector nulo es el vector 0 = (0, 0) o 0 =
0
Figura 2.6. Vector de posicion.
Norma de un vector. Sea #

u = (a, b) en R2 ,
la norma, longitud o magnitud de #
u , denotada
#
u = (a, b)
# k
ku
por k #
u k, esta dada por:
k #
uk =
Figura 2.7. Norma en R2
Ejercicio 4. Halle la norma de los siguientes vectores

a) #
u = (4, 3)
b) #
v = (8, 6)
c) #
v = (12, 9)
d) 0 = (0, 0)
Teorema 4 (Propiedades de la norma en R2 ). Sean #

u , #
v R2 y R.
No.
propiedad
k #
uk 0
1.
nombre
No negatividad
k #
u k = 0 si y solo si #
u =0
k #
u k = || k #
uk
2.
3.
Homogeneidad
Definici
on 2.2 (Direcci
on de un vector en R2 ). Sea #
u = (a, b) R2 , #
u 6= 0. La direccion
#
#
de u , denotada por = dir v , es el angulo con menor valor absoluto que forma el vector con
la parte positiva de las abscisas.
#
v2
#
v2
#
v1
2
2
1
4
#
v3
#
v1
#
v3
#
v4
#
v4
(b) 0 i < 2
(a) < i
Figura 2.8. Direccion de un vector en R2
En la figura 2.8(a) se muestra la direccion de varios vectores.

La direccion de un vector #
u = (x1 , y1 ) de R2 se puede determinar mediante
tan =
si x1 6= 0.
Que sucede si x1 = 0?
Ejercicio 5. Halle la longitud y direccion de los siguientes vectores:

a) #
v1 = (5, 5)
d) #
v4 = (5, 5)
g) = (0, 1)
b) #
v2 = (5, 5)
e) #
v = (0, b), b R
c) #
v3 = (5, 5)
f)
= (1, 0)
h) u
= (2/ 13, 3/ 13)
Secci
Vector unitario. Sea #

u R2 , se dice que #
u es unitario si y solo si k #
u k = 1. Si #
u es unitario,
se denota por u
.
Los vectores
= (1, 0) y = (0, 1) se denominan vectores can
onicos de R2 .
Nota. La direccion de un vector no nulo #
u de R2 , tambien se puede definir como el angulo de
menor giro positivo del vector con respecto al eje positivo de las abscisas, como se ilustra en la
figura 2.8(b).
Definici
on 2.3 (Igualdad de vectores).
1. Geom
etricamente.
y
Dos vectores no nulos son iguales si tienen la
#
v
misma longitud y direccion.

Dibuje otros vectores que sean iguales a #
v.
Figura 2.9. Vectores iguales en R2 .
2. Analticamente. Los vectores #

v1 = (x1 , y1 ) y #
v2 = (x2 , y2 ) son iguales si
. Es decir, sus componentes correspondientes son iguales.

Ejercicio 6. Determine los valores de los escalares y , si existen, de modo que los vectores
#
v = (2 , 3 + ) y #
v = (3 2, + ) sean iguales.
1
Ejercicio 7. Sea #
u = (2, 3).
a) Dibuje un vector #
v igual a #
u con cola en el punto P (5, 4).
# igual a #
b) Dibuje un vector w
u con cabeza en el punto Q(5, 1).
2.2.2
Lecci
on 2. Operaciones con vectores en R2
Se estudian los conceptos geometricos y analticos de las operaciones suma y multiplicacion

por un escalar de los vectores de R2 , al igual que sus propiedades y se contextualizan estos
conceptos en una aplicacion. Se estudian ademas, los vectores desde la estructura de espacio
vectorial y se introduce el concepto de combinacion lineal como celula generadora para llegar a
las definiciones de dependencia e independencia lineal, espacio generado y conjunto generador
del espacio vectorial R2 .
Definici
on 2.4 (suma).
1. Geom
etricamente.
Desde este punto de vista, la suma de vectores en R2 se puede realizar mediante dos procedimientos equivalentes: regla del tri
angulo y regla del paralelogramo. Sean #
v y #
v
1
dos vectores de R , complete la siguiente grafica.
#
v2
#v
#v 1 + 2
#
v2
#
v1
#
v1
(a) Regla del triangulo
(b) Regla del paralelogramo
Figura 2.10. Suma geometrica de vectores.
Ejemplo 2.1. Sean #

v1 = (4, 1) y #
v2 = (1, 3), halle #
v1 + #
v2 geometricamente.
Soluci
on. Graficamente mediante la regla del paralelogramo, se tiene
y
#
v1
1
1
x 2
3
2
#
v2
1
1
x 2
+ #
v
1
1
#
v2
v#
#
v1
1
2. Analticamente. Sean #
v1 = (x1 , y1 ) y #
v2 = (x2 , y2 ) dos vectores de R2 .
La suma de #
v1 y #
v2 , denotada por
, se define como:
#
v1 + #
v2 =
Definici
on 2.5 (Multiplicaci
on por un escalar).
1. Geom
etricamente.
#
v
#
v
#
v
#
v
b
#
v
#
v
#
v
(a) Dilatacion: || > 1
#
v
(b) Contracci
on: 0 < || < 1
Figura 2.11. Multiplicacion por un escalar
2. Analticamente. La multiplicacion del vector #

v = (x, y) por el escalar se denota por
y se define como
Ejercicio 1. Responda las siguientes preguntas
Secci
a) Como es la direccion de #
v comparada con la de #
v?
b) A que es igual k #
v k?
c) Que sucede con el vector #
v si = 0?
Ejercicio 2. Considere los vectores #
v1 = (2, 3) y #
v2 = (1, 4). Realice las siguientes operaciones en forma analtica y geometrica.
a) #
v1 + #
v2
b) #
v2
c) #
v1 #
v2
d) 2 #
v1 + 3 #
v2
Ejercicio 3. Una empresa de artculos deportivos tiene dos fabricas y en cada una se ensamblan
bicicletas de monta
na fabricadas en aluminio y titanio. La primera planta produce 180 bicicletas
de aluminio y 24 de titanio por da. La segunda 240 y 30, respectivamente. Si v1 = (180, 24) y
v2 = (240, 30).
a) Calcule e interprete el significado de las siguientes expresiones
i. v1 + v2
ii. v2 v1
iii. 8v2
iv. 3v1 + 4v2
b) Cuantos das debera trabajar cada fabrica para que la empresa entregue 3240 bicicletas de
aluminio y 420 de titanio? (Basado en el ejemplo 10, pag. 73 de [5]).
Propiedades de la suma y la multiplicaci
on por un escalar
# R2 ; , R. Las siguientes propiedades se satisfacen:
Sean #
u , #
v, w
No.
Propiedad
#
u + #
v es un vector de R2
#
u + #
v = #
v + #
u
Nombre
# = #
# )
( #
u + #
v )+w
u + ( #
v +w
#
u + 0 = #
u
Asociativa
Invertiva
1M .
#
u + ( #
u) = 0
#
u es un vector de R2
2M .
( #
u + #
v ) = #
u + #
v
Distributiva de la multiplicaci
on por un escalar con
respecto a la suma vectorial
3M .
4M .
( + ) #
u = #
u + #
u
#
#
() u = ( u ) = ( #
u)
Asociativa escalar
5M .
1 #
u = #
u
Modulativa de la multiplicaci
on por un escalar
1S .
2S .
3S .
4S .
5S .
Definici
on 2.6 (Espacio vectorial). El conjunto R2 con las operaciones suma y multiplicacion por un escalar satisfaciendo las propiedades 1S5S, 1M5M, denotado hR2 , +, .i, es un
espacio vectorial.

Ejercicio 4. Halle el valor de las constantes, si existen, de modo que
a) #
v = (3, 7) = 1 (1, 0) + 2 (0, 1)
c) #
v = (3, 7) = (1, 1) + (2, 2)
1
b) #
v = (3, 7) = 1 (1, 0) + 2 (0, 1) + 3 (2, 3)
d) #
v = (5/3, 11) = (1, 0) + (0, 1)
1
Definici
on 2.7 (Combinaci
on lineal). Sean #
u , #
v1 , #
v2 , . . . , #
vk vectores de R2 . El vector #
u es
#
#
#
combinaci
on lineal de los vectores v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
#
u = 1 #
v1 + 2 #
v2 + + k #
vk =
k
X
i #
vi .
i=1
Ejemplo 2.2. En el ejercicio 4, el vector #

v en los literales a), b) y d) es combinacion lineal
de los vectores dados. Mientras que en el literal c), el vector #
v no es combinacion lineal de los
vectores #
v1 = (1, 1) y #
v2 = (2, 2).
Observaci
on. En el literal b), el sistema resultante tiene infinitas soluciones, es decir, existen
una infinidad de valores de 1 , 2 y 3 que verifican la igualdad. Por ejemplo:
#
v = (3, 7) = 1(1, 0) + (10)(0, 1) + 1(2, 3): 1 = 1, 2 = 10 y 3 = 1.
#
v = (3, 7) = 7(1, 0) + (1)(0, 1) + (2)(2, 3): 1 = 7, 2 = 1 y 3 = 2.
Ejercicio 5. Determine si #
u es combinacion lineal de los vectores dados
a) #
u = (3, 5); #
v1 = (1, 3), #
v2 = (4, 7), #
v3 = (0, 1)
b) #
u = (3, 5); #
v1 = (1, 3), #
v2 = (2, 6) c) #
u = (0, 0); #
v1 = (5, 8), #
v2 = (7, 1)
Definici
on 2.8 (Dependencia e independencia lineal). El conjunto de vectores de R2 ,
S = { #
v , #
v , . . . , #
v } es linealmente independiente (LI) si el vector nulo se puede escribir
1
de manera u
nica como combinaci
on lineal de los #
v i , i = 1, 2, . . . , k. Es decir
k
# X #
0 =
i vi
i=1
implica
0 = 1 = 2 = = k
En otro caso, se dice que S es linealmente dependiente (LD).

Observaci
on. Por abuso de lenguaje, es com
un hablar de vectores linealmente independientes
o linealmente dependientes.
Ejemplo 2.3.
a) Los vectores #
v1 = (2, 7) y #
v2 = (3, 8) son linealmente independientes (LI) porque los
#
u
nicos escalares que permiten que 0 sea combinacion lineal de #
v1 y #
v2 son 1 = 0 y 2 = 0.
Es decir,
(0, 0) = 1 (2, 7) + 2 (3, 8)
El sistema homogeneo tiene solucion u

nica, la trivial.
21 + 32 = 0
71 82 = 0
Secci
b) Los vectores #
v1 = (1, 2), #
v2 = (2, 3) y #
v2 = (3, 5) son linealmente dependientes (LD)
porque el vector nulo se puede escribir de muchas maneras, como una combinacion lineal de
los vectores dados, es decir,
(0, 0) = 1 (1, 2) + 2 (2, 3) + 3 (3, 5),
implica que 1 , 2 y 3 pueden tomar infinitos valores los cuales satisfacen la igualdad. Por
ejemplo,
(0, 0) = 1(1, 2) + (1)(2, 3) + 1(3, 5): 1 = 1, 2 = 1 y 3 = 1.
(0, 0) = 2(1, 2) + (2)(2, 3) + (2)(3, 5): 1 = 2, 2 = 2 y 3 = 2.
(0, 0) = 3(1, 2) + (3)(2, 3) + (3)(3, 5): 1 = 3, 2 = 3 y 3 = 3.
As, el sistema homogeneo resultante tiene infinitas soluciones.
Del ejemplo anterior se puede inferir: un conjunto de vectores es linealmente independiente, si el
sistema homogeneo que resulta de la definicion tiene solucion u
nica y es linealmente dependiente
si el sistema tiene infinitas soluciones.
Ejercicio 6. Determine si los siguientes vectores son LI o LD.
a) #
v1 = (1, 3), #
v2 = (1, 1)
c) #
v1 = (1, 3), #
v2 = (2, 6)
b) #
v1 = (1, 3), #
v2 = (0, 0)
d) #
v1 = (1, 3), #
v2 = (1, 1), #
v3 = (3, 5)
Definici
on 2.9 (Vectores paralelos). Dos vectores no nulos #
u y #
v son paralelos si existe
un escalar (no nulo) tal que
Ejemplo 2.4. Determine todos los vectores que sean combinacion lineal de #
v1 = (1, 5) y
#
v = (2, 10).
2
Soluci
on. #
u = (x, y) es combinacion lineal de #
v1 y #
v2 si existen escalares 1 y 2 tales que
(x, y) = 1 (1, 5) + 2 (2, 10).
De ah resulta el sistema
1 + 22 = x
(2.1)
51 102 = y.
Ahora,
1
2 | x
5 10 | y
f2 f2 + 5f1
1 2 |
0 0 | y + 5x
De la u
ltima fila se lee 02 = y + 5x. Esta ecuacion tiene solucion si y + 5x = 0, es decir,
y = 5x. Por lo tanto, los vectores que satisfacen la condicion son

H = #
u R2 | #
u = 1 #
v1 + 2 #
v2 = (x, y) R2 | y = 5x .

Definici
on 2.10 (Espacio generado). Sea S = { #
v1 , #
v2 , . . . , #
vk } R2 . El espacio generado
por S, denotado por gen S, esta formado por todos los vectores #
u que son combinacion lineal
de #
v1 , #
v2 , . . . , #
vk . Es decir,

k
X
2 #
#
#
#
#
#
gen S = u R | u = 1 v1 + 2 v2 + + k vk =
i vi .
i=1
Ejercicio 7. Determine el espacio generado por el conjunto de vectores dados

v2 = (1, 1)}
a) { #
v1 = (1, 3), #
b) { #
v1 = (1, 3), #
v2 = (2, 6)}
Definici
on 2.11 (Conjunto generador). Sea S = { #
v1 , #
v2 , . . . , #
vk } R2 , se dice que S
es un conjunto generador de H R2 si todo vector #
u en H se puede escribir como
combinacion lineal de los elementos de S. Tambien se dice que S genera a H.
Ejemplo 2.5. S0 = {
, } es un conjunto generador de R2 , pues cada 2vector se puede escribir
como combinacion lineal de los elementos de S0 . En efecto, (x, y) = x(1, 0) + y(1, 0) = x
+ y
.
2.2.3
Lecci
on 3. Producto escalar en R2
Se introduce el producto escalar como otra operacion que se realiza entre vectores, se estudian
sus propiedades y el uso de las mismas en la definicion de angulo entre vectores y proyecciones.
Definici
on 2.12 (Producto escalar). Sean #
u = (x1 , x2 ) y #
v = (y1 , y2 ) vectores de R2 . El
producto escalar o producto punto entre #
u y #
v , denotado por #
u #
v , se define como
#
u #
v =
Ejemplo 2.6. Si #
u = (1, 3) y #
v = (4, 5), entonces #
u #
v = 1(4) + (3)(5) = 11.
# = (3, 2). Halle #
# 2 #
Ejercicio 1. Sean #
u = (2, 2), #
v = (1, 2) y w
u #
v , #
v #
u , #
u w,
u #
v,
#
# #
#
u ( #
u + w),
u #
u y #
v w
# R2 y R
Teorema 5 (Propiedades). Sean #
u , #
v, w
No.
propiedad
nombre
1.
#
u #
v = #
v #
u
Conmutativa
2.
#
# = #
#
u ( #
v + w)
u #
v + #
u w
3.
( #
u #
v ) = ( #
u ) #
v = #
u ( #
v)
4.
k #
u k2 = #
u #
u
# = (w , w ).
Demostraci
on. Se probara la propiedad 2. Sean #
u = (u1 , u2 ), #
v = (v1 , v2 ) y w
1
2
#
# = (u , u ) [(v , v ) + (w , w )] = (u , u ) (v + w , v + w )
u ( #
v + w)
1
2
1
2
1
2
1
2
1
1
2
2
= u1 (v1 + w1 ) + u2 (v2 + w2 ) = (u1 v1 + u1 w1 ) + (u2 v2 + u2 w2 )
#
= (u v + u v ) + (u w + u w ) = #
u #
v + #
u w.
1
Secci
Ejercicio 2. Responda falso o verdadero, justificando sus respuestas

a)
El producto escalar satisface la propiedad asociativa.
b)
Si #
u , #
v vectores no nulos de R2 , entonces #
u #
v 6= 0.
Angulo
entre vectores y proyecciones
Teorema 6 (Angulo
entre vectores). Sean #
u y #
v dos vectores no nulos de R2 y el angulo
entre ellos. Entonces
#
v
#
u #
v
cos = # # .
kukkvk
#
u
Figura 2.12. Angulo

entre vectores en R2 .
Demostraci
on. Usando propiedades se tiene
#
v
k #
u #
v k2 = ( #
u #
v ) ( #
u #
v)
2
= k #
u k 2 #
u #
v + k #
v k2
u# v#
#
u
(1)
Ahora mediante la ley de los cosenos

k #
u #
v k2 = k #
u k2 + k #
v k2 2 k #
u k k #
v k cos
(2)
De (1) y (2) se obtiene el resultado deseado
#
u #
v
cos = # # .
kukkvk
Ejercicio 3. Indique las propiedades utilizadas para obtener la ecuacion (1). Por que el vector
que se trazo es #
u #
v?
Ejercicio 4. Que se puede decir de los vectores #
u y #
v si:
a) #
u #
v =0
b) el angulo entre ellos es = 0 o radianes
Definici
on 2.13 (Vectores ortogonales). Dos vectores no nulos #
u y #
v son ortogonales
(perpendiculares) si el angulo entre ellos es
Ejercicio 5. Sean #
u y #
v vectores de R2 . Demuestre
a) k #
u + #
v k2 = k #
u k2 + 2 #
u #
v + k #
v k2
b) k #
u #
v k2 = k #
u k2 2 #
u #
v + k #
v k2
#

#
Ejemplo 2.7. Si k #
a k = 3 y b = 5. Calcule #
a + b en cada caso:
a) el angulo entre ellos es /3
#
b) #
a y b son ortogonales

Soluci
on.
a) Por el ejercicio 5 parte a),
Como
# # 2
# # 2
a + b = k #
a k2 + 2 #
a b + b .
Luego,
#
#
#
a b = k #
a k b cos /3 =
# # 2
a + b = 9 + 2
15
2
15
2
porque
+ 25 = 49.

#
Por lo tanto, #
a + b = 7.
b) Se deja como ejercicio.
#
#
Ejercicio 6. Si k #
a k = 3, b = 5, el angulo entre ellos es /3 y #
c = #
a + 2 b , calcular
a) #
a #
c.
b) k #
c k.
Sugerencia. Use las propiedades del producto escalar.

Teorema 7 (Desigualdad de CauchySchwarz). Si #
u y #
v son vectores de R2 , entonces
| #
u #
v | k #
u k k #
vk.
Definici
on 2.14 (Proyecci
on y componente). Sean 0 6= #
u , #
v R2 .
#
1. La proyeccion de #
v sobre #
u , denotada por proy #
a dada por
u v , est
#
proy #
u v =
#
2. La componente de #
v sobre #
u , denotada por comp #
a dada por
u v , est
#
comp #
u v =
#
v
#
proy #
u v
#
v
#
v
#
w
#
w
#
u
(a) 0 < < /2
= 90
#
u
(b) = /2
Figura 2.13. Proyecciones en R2 .
#
proy #
u v
(c) /2 < <
#
u
Secci
Ejemplo 2.8. a) Si #
u = (2, 3) y #
v = (1, 2), entonces
#
proy #
u v =
8 12
, 13 )
= ( 13
#
comp #
u v =
= ( 21 , 12 )
#
1
comp #
u v = 2.
4
(2, 3)
( 13)2
4 .
13
b) Si #
u = (2, 2) y #
v = (5, 4), entonces
#
proy #
u v =
(2, 2)
( 8)2
y
3
#
v
#
v
#
u
#
u
#
proy #
u v
2
1
#
proy #
u v
(b)
(a)
#
#
#
#
Ejercicio 7. Sean #
u = (4, 3) y #
v = (3, 2). Calcule proy #
u v , comp #
u v , proy #
v u y comp #
v u.
Dibuje los vectores.
# = #
#
#
Ejercicio 8. Probar que w
v proy #
u v es ortogonal a u .
2.2.4
Lecci
on 4. Vectores en R3 y Rn
Se inicia el estudio de los vectores en R3 y Rn generalizando las definiciones, operaciones y

propiedades desarrolladas en las lecciones anteriores. Se espera que sean los mismos alumnos
los que escriban sus propias definiciones a partir de los conceptos estudiados en vectores de R2 .
Vectores en R3 y en Rn
R3
Rn
R3 = {(x, y, z) | x, y, z R}
Rn = {(x1 , x2 , . . . , xn ) | x1 , . . . , xn R}

3
R = y | x, y, z R

x

Nota: (x, y, z) 6= y
z
x1
.
n
R = .. | x1 , . . . , xn R
xn

x
.1
Nota: (x1 , . . . , xn ) 6=
..
xn
Un vector de R3 se llama terna, tripleta, 3tupla

o 3upla.
Un vector de Rn se denomina ntupla o nupla.

El sistema de coordenadas cartesianas rectangular en el espacio se determina por una unidad
lineal de medida para las longitudes y por tres ejes, perpendiculares entre si, denominados ejes
coordenados, dados en cierto orden; es decir, que se ha indicado cual es el primero, cual es el
segundo y cual es el tercero. El punto de interseccion de los ejes se llama origen de coordenadas
y se denota con la letra O. Ademas, el primero de ellos se llama eje x o eje de abscisas, el
segundo, eje y o eje de ordenadas y el tercero, eje z o eje de cotas. Los planos xy, xz, y, yz
se denominan planos coordenados. Las direcciones positivas de los ejes se han elegido hacia
adelante, hacia la derecha y hacia arriba respectivamente.
z
Vector nulo
Origen
b
Vector nulo
Origen
y
b
Los tres planos coordenados dividen al espacio en ocho regiones llamadas octantes; el primero
esta situado en los semiespacios anterior, derecho y superior, el segundo situado en los semiespacios posterior, derecho y superior, el tercero en los semiespacios izquierdo, anterior y superior,
el cuarto en los semiespacios izquierdo, anterior y superior, el quinto situado en los semiespacios
anterior, derecho e inferior, el sexto situado en los semiespacios posterior, derecho e inferior, el
septimo octante en los semiespacios izquierdo, anterior e inferior y el octavo en los semiespacios
izquierdo, anterior e inferior.
Los planos coordenados xy, xz y yz dividen al espacio en ocho regiones llamadas octantes.
Los primeros cuatro estan situados encima del plano xy y se enumeran de acuerdo al orden en
que aparecen los cuadrantes en dicho plano. Los restantes se encuentran ubicados debajo del
plano xy y se contin
ua la numeracion siguiendo el mismo orden.
Ejercicio 1. Determine el signo de cada una de las coordenadas
I
z II
IV
Pl a
no
Pl a
xz
no
II
Octante
II
yz
III
IV
la
no
xy
II
x
VI
VI
V
VI
VII
VIII
Secci
Ejemplo 2.9. Representar graficamente los siguientes puntos: P (2, 3, 3) y Q(3, 1, 2).
Soluci
on. En los literales a) y b) se representan las proyecciones de los puntos en el plano xy.
En el literal c) se dibujan los puntos P y Q.
z
Q(3, 1, 2)
P (2, 3, 3)
Px
)
,0
,3
(2
y(
3,
1,
0)
(a)
(b)
(c)
Ejercicio 2. Ubique en R3 cada uno de los siguientes puntos, indicando el octante.

a) (1, 0, 0)
c) (0, 0, 1)
e) (2, 6, 4)
g) (3, 1, 1)
b) (0, 1, 0)
d) (1, 1, 1)
f) (2, 1, 2)
h) (2, 3, 1)
Definici
on 2.15 (Norma o longitud de un vector en R3 y Rn ).
1. Sea #
v = (x1 , x2 , x3 ) un vector de R3 . La norma de #
v , denotada por k #
v k, se define como
k #
vk =
2. Sea #
v = (x1 , x2 , . . . , xn ) un vector de Rn . La norma de #
v , denotada por k #
v k, se define como
k #
vk =
Nota. La norma de los vectores en R3 y en Rn , satisface las mismas propiedades dadas en el

Teorema 4, pagina 26 para vectores de R2 .
Definici
on 2.16 (Vector unitario).
Ejercicio 3. Determine cuales de los siguientes vectores son unitarios
a) #
v1 = (1, 1, 1)
b) #
v2 = (1/ 3, 1/ 3, 1/ 3)
c) #
v3 = (0, 1, 1, 0)
d) #
v4 = (1/ 22, 1/ 22, 4/ 22, 2/ 22)
Definici
on 2.17 (Vectores can
onicos). Los vectores canonicos son:
1 , = e
2 .
1. En R2 :
= (1, 0) y = (0, 1). Tambien
=e
= (0, 0, 1). Tambien
1 , = e
2 , e
3 = k.
2. En R3 :
= (1, 0, 0), = (0, 1, 0) y k
=e
1 = (1, 0, . . . , 0), e
2 = (0, 1, . . . , , 0), . . . , e
n = (0, 0, . . ., 1).
3. En Rn son: e
1
Definici
on 2.18. La direccion de un vector #
v no nulo de Rn , es dir #
v =u
= # #
v.
kvk
Angulos
y cosenos directores
En R2 . Sea 0 6= #
v = (x1 , y1 ) R2 .
x
cos 1 = #1
kvk
y
#
v = (x1 , y1 )
2
cos 2 =
1
x
Figura 2.14. Angulos

directores en R2 .
x2
x2
cos2 1 + cos2 2 = #1 2 + #2 2 = 1.
kvk
kvk
Los angulos 1 y 2 se denominan angulos directores del vector #

v.
1 es el menor angulo positivo que forma el vector con el eje positivo de las abscisas (eje x).
2 es
cos 1 y cos 2 son los cosenos directores del vector #

v.
Ejercicio 4. Halle un vector #
v R2 si se sabe que k #
v k = 4 y el angulo director 1 =
3
.
4
En R3 . Sea #
v = (x1 , y1 , z1 ) R3 , #
v =
6 0 y sean 1 , 2 y 3 los angulos que #
v forma con las
direcciones positivas de los ejes x, y y z respectivamente.

z
cos 1 =
y
cos 2 = #1
kvk
#
v = (x1 , y1 , z1 )
b
cos 3 =
Demostrar :
cos2 1 + cos2 2 + cos2 3 = 1
Figura 2.15. Angulos

directores en R3 .
Ejercicio 5. Encuentre un vector en R3 de longitud 6, cuyas componentes sean positivas y

tenga angulos directores iguales.
En Rn . Sea #
v = (x1 , x2 , . . . , xn ) Rn , #
v =
6 0 y sean 1 , 2 , . . . , n los angulos que #
v forma
con las direcciones positivas de los ejes x1 , x2 , . . . , xn respectivamente.

cos 1 =
, cos 2 =
, . . . , cos n =
Ademas,
cos2 1 + cos2 2 + + cos2 n =
Secci
Definici
on 2.19 (Distancia).
1. Sean P (x1 , y1 , z1 ) y Q(x2 , y2 , z2 ) dos puntos de R3 . La distancia d entre P y Q, se define
como

p
d = d(P, Q) = P Q = (x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2 .
2. Sean P (x1 , x2 , . . . , xn ) y Q(y1 , y2 , . . . , yn ) puntos de Rn . La distancia d entre P y Q, se define

como
d = d(P, Q) =
Ejemplo 2.10. Determine todos los puntos P (x, y, z) de R3 que estan a 3 unidades del origen.
Soluci
on. Por definicion de distancia en R3 se tiene
3=
p
p
(x 0)2 + (y 0)2 + (z 0)2 = x2 + y 2 + z 2 .
Al elevar al cuadrado, se obtiene 9 = x2 + y 2 + z 2 que es la ecuacion de una esfera con centro

en (0, 0, 0) y radio 3.
z
Ejercicio 6. Determine el conjunto de puntos P (x, y, z) que estan a R unidades de distancia

del punto C(x0 , y0 , z0 ).
Definici
on 2.20. El conjunto de puntos P (x, y, z) R3 que estan situados a una distancia
r > 0, denominado radio, a un punto fijo C(x0 , y0 , z0 ), llamado centro, recibe el nombre de
superficie esf
erica o simplemente esfera.
Ejercicio 7. Halle la ecuacion de la esfera de centro C(5, 2, 2) y radio 4. Dibuje la esfera.
2.2.5
Lecci
on 5. Operaciones con vectores en R3 y Rn
Se estudian los vectores de Rn desde la estructura de espacio vectorial. El estudiante generalizara las definiciones de combinacion lineal, dependencia e independencia lineal, espacio generado
y conjunto generador dados en R2 ..

Definici
on 2.21 (Igualdad de vectores).
,
1. Los vectores #
v1 = (x1 , y1 , z1 ) y #
v2 = (x2 , y2 , z2 ) son iguales si
#
#
2. Los vectores v1 = (x1 , x2 , . . . , xn ) y v2 = (y1 , y2 , . . . , yn ) son iguales si
...y
y
,
.
,
Operaciones con vectores

Definici
on 2.22 (Suma).
1. La suma de #
v1 = (x1 , y1 , z1 ) y #
v2 = (x2 , y2 , z2 ) se denota por
y se define como
2. La suma de #
v1 = (x1 , x2 , . . . , xn ) y #
v2 = (y1 , y2 , . . . , yn ) se denota por
y se
define como
Definici
on 2.23 (Multplicaci
on por un escalar).
1. La multiplicacion del vector #
v = (x, y, z) por el escalar se denota por
y se define
como
2. La multiplicacion del vector #
v = (x1 , x2 , . . . , xn ) por el escalar se denota por
se define como
Observaciones.
1. Para igualar o sumar dos vectores de Rn , estos deben estar escritos todos como filas o como
columnas.
2. Al sumar dos vectores de Rn el resultado es otro vector de Rn .
3. El resultado de multiplicar un escalar por un vector de Rn es otro vector de Rn .
Definici
on 2.24. Rn , n 1 con las operaciones suma y multiplicacion por un escalar definadas
anteriormente es un espacio vectorial. Se denota hRn , +, i.
Definici
on 2.25 (Combinaci
on lineal). Sean #
u , #
v 1 , #
v2 , . . . , #
v k vectores en Rn . El vector #
u
#
#
#
es combinacion lineal de v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
#
u = 1 #
v1 + 2 #
v2 + + k #
vk =
k
X
i #
vi
i=1

0
0
1
x

#
= 0
donde
+ y
+ z k,
= 0, = 1, k
Ejemplo 2.11. Se tiene v = y = x
.
1
0
0
z
Ejercicio 8. Determine si #
u es combinacion lineal de los vectores dados

2
1
1
#
#

#

a) u =
1; v1 = 2, v2 = 0
5
1
1
Secci

2
1
1
4

#
#
#
#
b) u = 2; v1 = 2, v2 = 3, v3 = 1
1
5
2
4
1

2
#
c) u =
4;

2

1

#
d) u = 1
;
#
v1
#
v1

0
1
1

1
1 #
0 #

=
0, v2 = 0, v3 = 1.

0
2
1

1
1
2
#
#

= 3, v2 = 1, v3 = 2
Definici
on 2.26 (Dependencia e independencia lineal). El conjunto de vectores de Rn ,
S = { #
v1 , #
v2 , . . . , #
vk } es linealmente independiente (LI) si el vector nulo se puede escribir
de manera u
nica como combinaci
on lineal de los elementos de S. Es decir
k
# X #
0 =
i vi
implica
i=1
0 = 1 = 2 = = k
En otro caso, se dice que S es linealmente dependiente (L.D.)

Observaci
on. Por abuso de lenguaje, se habla de vectores LI o LD.
Ejercicio 9. Determine si los siguientes vectores son LI o LD.

1
1
0
1
1

#
#

#

2 #
a) v1 = 2 , v2 = 1 , v3 = 0
, v2 = 1
c) #
v1 =
3
3
3
3
1

2
4
1
1
0

b) #
v1 = 2 , #
v2 = 1 , #
v3 = 1
3
Definici
on 2.27 (Vectores paralelos). Dos vectores no nulos #
u y #
v de Rn , n > 1 son
paralelos si existe un escalar (no nulo) tal que
Ejercicio 10. Justifique la siguiente afirmacion. Dos vectores de Rn con componentes no nulas
u
u
un
#
u = (u1 , u2 , . . . , un ) y #
v = (v1 , v2 , . . . , vn ) son paralelos si 1 = 2 = =
.
v1
v2
vn
Definici
on 2.28 (Espacio generado). Sea S = { #
v , #
v , . . . , #
v } Rn . El espacio generado
1
por S, denotado por gen S, esta formado por los vectores #

u que son combinacion lineal de los
vectores #
v , #
v , . . . , #
v . Es decir,
1
gen S =
#
u Rn | #
u = 1 #
v1 + 2 #
v2 + + k #
vk =
k
X
i=1
o
#
i vi ; i R .
Ejemplo 2.12. Determine el conjunto generado por el conjunto de vectores

1
1
#
#
a) S1 = v1 = 0, v2 = 1
1
1
Soluci
on.

1
1
1
#
#
#
b) S2 = v1 = 0, v2 = 1, v3 = 1
1
1
0

gen S1 = #
u R3 | #
u = 1 #
v1 + 2 #
v2

x
x
1
1
x
=

1
2

= y y = 1 0 + 2 1 = y y =
2 .
z
1
1
z
z = 1 + 2
x

Al resolver el sistema se obtiene: gen S1 = y x 2y + z = 0 .
Procediendo de manera analoga se encuentra que gen S1 = R3 . Es decir, todo vector #

u de R3
se puede escribir como combinacion lineal de los vectores #
v , #
v y #
v.
1
Definici
on 2.29. Se dice que S = { #
v1 , #
v2 , . . . , #
vk } Rn es un conjunto generador de
H Rn si todo vector #
u perteneciente a H se puede escribir como combinacion lineal de los
elementos de S.

1
1

Ejemplo 2.13. S = 1, 0, 1 es un conjunto generador de R3 , pues todo vector
1
1
0
#
u Rn se puede escribir como combinacion lineal de los vectores de S.
2.2.6
Lecci
on 6. Producto escalar en R3 y Rn
Los alumnos generalizaran la definicion de producto escalar para los vectores de R3 y Rn a

partir de lo estudiado para R2 .
Definici
on 2.30 (Producto escalar). Considere los dos vectores #
u = (x1 , x2 , . . . , xn ) y
#
v = (y1 , y2 , . . . , yn ) de Rn . El producto escalar o producto punto entre #
u y #
v , denotado
#
#
por u v , se define como
#
u #
v =
Ejemplo 2.14. Si #
u = (1, 1, 4, 5) y #
v = (2, 3, 2, 8) entonces #
u #
v = 2 3 8 + 40 = 29.
# = (5, 6, 4). Efect
Ejercicio 1. Sean #
u = (2, 3, 1), #
v = (2, 3, 5) y w
ue
a) #
u #
u
b) k #
u k2
c) #
u #
v
#
e) #
u w
#
f) #
u #
v + #
u w
#
g) #
u ( #
v + w)
d) #
v #
u
Secci
# Rn y R.
u , #
v, w
No.
1.
2.
3.
4.
propiedad
nombre
#
u #
v = #
v #
u
#
#
#
u ( v + w) = #
u #
v+
( #
u #
v ) = ( #
u ) #
v =
Conmutativa
#
#
u w
#
u ( #
v)
k #
u k2 = #
u #
u
Ejercicio 2. Sean #
u , #
v Rn ; n > 1, R. Responda falso o verdadero. Justifique claramente
su respuesta.
a)
b)
c)
Si #
u 6= 0 y #
v 6= 0, entonces #
u #
v 6= 0.
#
u #
u > 0 para todo #
u Rn .
# y #
#
Si #
u #
v = #
u w
u 6= 0, entonces #
v = w.
Angulo
entre vectores y proyecciones en Rn
Teorema 9 (Desigualdad de CauchySchwarz). Para #
u , #
v Rn ,
| #
u #
v | k #
u k k #
vk
Definici
on 2.31 (Angulo
entre vectores). Sean #
u y #
v vectores no nulos de Rn . El angulo
entre ellos se define como el angulo que satisface
#
v
u #
cos = # # .
kukkvk
Ejercicio 1. Que se puede decir de los vectores #
u y #
v si:
a) #
u #
v =0
b) el angulo entre ellos es = 0 o radianes
Definici
on 2.32 (Vectores ortogonales). Dos vectores no nulos #
u y #
v son ortogonales
(perpendiculares) si el angulo entre ellos es
#
#
#
Ejercicio 2. Sean #
a , b Rn . Si k #
a k = 3 y k b k = 5, calcule k2 #
a b k si
#
a) #
a y b son ortogonales
b) el angulo entre ellos es 2/3
Ejercicio 3. Halle el angulo entre #

u = (2, 0, 1, 0) y #
v = (0, 1, 0, 2).
Ejercicio 4. Determine los valores de a de modo que #
u = (a, 2, 1, a) y #
v = (a, 1, 2, 3)
sean ortogonales.
Ejercicio 5. Sean #
u , #
v Rn . Demostrar las siguientes propiedades
1. k #
u+
2. k #
u+
#
v k k #
u k + k #
u k. (Desigualdad triangular)
2
2
#
v k = k #
u k + k #
v k2 , si #
u y #
v son ortogonales. (Teorema de Pitagoras)

Definici
on 2.33 (Proyecci
on y componente). Sean 0 6= #
u y #
v dos vectores de Rn .
#
1. La proyeccion de #
v sobre #
u , denotada por proy #
a dada por
u v , est
#
proy #
u v =
#
2. La componente de #
v sobre #
u , denotada por comp #
a dada por
u v , est
#
comp #
u v =
#
#
#
#
Ejercicio 6. Determine proy #
v u y comp #
v u dado que u = (1, 2, 0, 1) y v = (0, 0, 1, 3).
2.2.7
Lecci
on 7. Producto vectorial en R3
Se introduce el producto vectorial como otra operacion entre vectores de R3 y sus propiedades,
se finaliza el captulo con una aplicacion de estas a areas y vol
umenes.
Se inicia introduciendo las definiciones del determinante para matrices cuadradas de orden 2 y
3, las cuales seran usadas para definir el producto vectorial. En el captulo 4 se retoman estas
definiciones, se generaliza y se estudian algunas propiedades.

a11 a12
Definici
on 2.34 (Determinante 22). Sea A =
. El determinante de A, denotado
a21 a22
por det A o |A|, se define como
|A| = a11 a22 a21 a12 .

!
2 3
2 3

Ejemplo 2.15. det
=
= 10 (3) = 13.
1 5
1 5
a11 a12 a13
Definici
on 2.35 (Determinante 3 3). Si A = a21 a22 a13 . El determinante de A,
a31 a32 a33
denotado por det A o |A|, se define como

a

a

a

22 a23
21 a23
21 a22
|A| = a11
a12
+ a13
.
a32 a33
a31 a33
a31 a32
1 3
2
Ejemplo 2.16. Si A = 4
1 1, entonces
0
7
8

1 1
4 1
4 1

|A| = 1
(3)
+ 2
= 15 + 3(32) + 2(28) = 167.
7

8
0
8
0 7
2 1 2
Ejercicio 1. Calcule det A si A = 3

1
0 4.
1 5
Secci
Definici
on 2.36 (Producto cruz). Sean #
u = (u1 , u2 , u3 ) y #
v = (v1 , v2 , v3 ) vectores de R3 .
El producto cruz o producto vectorial entre #
u y #
v , denotado por #
u #
v , esta dado por

u u
u u
u u
k

#
u #
v = 2 3
1 3 + 1 2 k
= u1 u 2 u3
v2 v3
v1 v3
v1 v2

v v v
1
2
3
Ejemplo 2.17. Sean #

u = (1, 2, 3) y #
v = (3, 4, 5). Entonces
k

2

1

1 2
3
3

#
u #
v = 1 2

+
k
3 =

4 5
3 5
3

4
3
4 5
= 2
= (2, 14, 10).
= (10 12)
(5 9)
+ (4 + 6)k
+ 14
+ 10k
# = (1, 2, 4) R3 y R. Efect
Ejercicio 2. Sean #
u = (2, 1, 3), #
v = (1, 1, 2), w
ue
a) #
u #
v
d) #
u #
u
g) #
v ( #
u #
v)
b) #
v #
u
e) #
u #
u
#
h) #
u w
c) #
u 0
f) #
u ( #
u #
v)
#
i) #
v w
#
j) #
u ( #
v + w)
#
k) ( #
u + #
v) w
Indique que relacion existe en las siguientes expresiones

i. #
u #
v
#
v #
u
#
ii. #
u ( #
v + w)
#
#
u #
v + #
u w
Las siguientes propiedades generalizan las ilustradas en el ejemplo anterior.

# vectores de R3 ; , R.
u , #
v, w
No.
propiedad
nombre
1.
#
u
v #
v = #
u #
Anticonmutativa
2.
#
# = #
#
u ( #
v + w)
u #
v + #
u w
3.
# = #
# + #
#
( #
u + #
v) w
u w
v w
( #
u #
v ) = ( #
u ) #
v = #
u ( #
v)
4.
5.
6.
7.
8.
Distributiva por la izquierda del producto vectorial

sobre la suma
#
u 0 = 0 = 0 #
u
#
u #
u =0
#
u #
u =0
#
#
v)
u #
v ( #
v ) = 0 = #
u ( u #
Ejercicio 3. Halle un vector unitario ortogonal a #

u = 2
3
y a #
v = 4
+ 3k.

Teorema 11 (Identidad de Lagrange). Si #
u y #
v son vectores de R3 , entonces
k #
u #
v k2 = k #
u k2 k #
v k2 ( #
u #
v )2
Ejercicio 4. Demostrar: k #
u #
v k = k #
u k k #
v k sen , donde es el angulo entre #
u y #
v.
#
#
#
Ejemplo 2.18. Sea #
a , b y #
c vectores de R3 tales que k #
a k = 2, b = 5, #
a y b ortognales
#
y #
c = #
a b #
a . Calcular
a) #
a #
c
b) k #
ck
Soluci
on. Se tiene
a)
#
#
#
a #
c = #
a ( #
a b #
a ) = #
a ( #
a b ) #
a #
a
= 0 k #
a k2 = 4
Propiedad
b)
#
#
k #
c k2 = #
c #
c = ( #
a b #
a ) ( #
a b #
a)
Propiedad
# # 2
#
2
= a b 2 #
a ( #
a b ) + k #
ak
Propiedad

#
#
2
= k #
a k2 b ( #
a b )2 + 4 = 4 25 0 + 4 = 104.
Propiedades
Luego, k #
c k = 2 21.
#
Ejercicio 5. Sean #
a , b y #
c vectores de R3 tales que k #
a k = 4, kbk = 6 y el angulo entre #
a y
#
#
#
#
b es = 2/3. Si c = ( a 2 b ) 3 a , calcule
#
i) b #
c.
ii) k #
c k.
#
iii) El angulo entre b y #
c.
# vectores de R3 . El producto mixto o

Definici
on 2.37 (Producto mixto). Sean #
u , #
v yw
#
triple producto escalar entre ellos es #
u ( #
v w).
# vectores de R3 . El triple
Definici
on 2.38 (Triple producto vectorial). Sean #
u , #
v y w
#
producto vectorial de los vectores dados es #
u ( #
v w).
# vectores de R3 . Entonces
Teorema 12. Sean #
u , #
v y w
# = #
# #
# ( #
1. #
u ( #
v w)
v (w
u) = w
u #
v)
# = ( #
# #
#
2. #
u ( #
v w)
u w)
v ( #
u #
v )w
# = (w , w , w ). Entonces
Teorema 13. Sean #
u = (u1 , u2 , u3 ), #
v = (v1 , v2 , v3 ) y w
1
2
3

u u u
2
3
1
#
# = v v v
u ( #
v w)
2
3
1

w w w
1
2
3
Secci
#
Interpretaci
on Geom
etrica de k #
u #
v k y |( #
u #
v ) w|
#
u #
v
#
w
#
u #
v
#
v
h
#
v
#
u
#
u
(b)
(a)
Figura 2.16. Area

y volumen
1. El area A del paralelogramo cuyos lados adyacentes son los vectores #

u y #
v esta dada por
A = k #
u #
vk.
Considerando la figura 2.16(a), el area A del paralelogramo esta dado por
A = base altura = k #
u k h.
Por otro lado, por trigonometra se tiene que h = k #
v k sen . Por lo tanto,
A = k #
u k k #
v k sen = k #
u #
vk,
de acuerdo con la identidad demostrada en el ejercicio 4, pagina 46.
# es
2. El volumen VP AR del paraleleppedo determinado por #
u , #
v yw
# |
VP AR = |( #
u #
v) w
3. El volumen VT ET del tetraedro cuyos vertices son los puntos P, Q, R y S, es
# # #

VT ET = 16 (P Q P R) P S = 61 VP AR
Ejercicio 6. Calcule
a) el area del paralelogramo y del triangulo cuyos vertices consecutivos son los puntos
P (1, 2, 2), Q(2, 1, 3) y R(0, 4, 4).
b) el volumen del paraleleppedo cuyos lados adyacentes son #
u = (1, 2, 2), #
v = (2, 1, 3) y
#
w = (3, 3, 1).
2.2.8
Lecci
on 8. Rectas y planos en R3
Se inicia con el estudio de la recta en R3 , haciendo una analoga con la caracterizacion de

la recta en R2 estudiada en el primer captulo. Se finaliza con el estudio de los planos y la
deduccion de su ecuacion cartesiana.
Rectas en R3
Se deduce la ecuacion de la recta en R3 haciendo la siguiente analoga.
En R3
En R2
Para determinar la ecuacion de una recta L
Para determinar la ecuacion de una rec-
y Q(x1 , y1 ) con x1 6= x0 .
P (x0 , y0 , z0 ) y Q(x1 , y1 , z1 ).
si se conocen dos puntos diferentes P (x0 , y0 )
ta L si se conocen dos puntos diferentes
# Q
P
Q(x1 , y1 , z1 )
#v =
b
Q(x1 , y1 )
b
b
P (x0 , y0 , z0 )
P (x0 , y0 )
Se calcula el vector #
v = (a, b, c), donde
Se calcula la pendiente de L:
m=
y1 y0
R.
x1 x0
a = x1 x0 , b = y1 y0 , c = z 1 z 0 .
La pendiente es u
nica para cada recta en
El vector #
v = (a, b, c) es paralelo a la recta
estas condiciones y representa el grado de
L y se denomina vector director de L.
inclinacion con respecto a la direccion posi-
Nota. Cualquier vector paralelo a la recta
tiva del eje x.
L es un vector director.
Se caracterizan los puntos R(x, y) de la rec-
ta en terminos de lo conocido.
y
b
Q(x1 , y1 )
R(x, y)
P (x0 , y0 )
#
v = (a, b)
b
L
Q(x1 , y1 , z1 )
b
R(x, y, z)
b
P (x0 , y0 , z0 )
#
v = (a, b, c)
x
O
x
y y0 = m(x x0 ) o y y1 = m(x x1 ).
Observe que R(x, y) es un punto arbitrario
#
#
Como P R es paralelo a #
v = P Q, existe un
#
n
umero real t tal que P R = t #
v . Note que
de la recta L.
R(x, y, z) es un punto cualquiera de L.
Secci
Ahora, por suma de vectores, se tiene la ecuaci

on vectorial de la recta
# # # #
OR = OP + P R = OP + t #
v,t R
# #
R = P + t #
v ; t R.
En terminos de sus coordenadas se tiene
En R3 : (x, y, z) = (x0 , y0 , z0 ) + t(a, b, c), t R.
A partir de esta ecuacion se obtienen las ecuaciones parametricas para la recta en R3 :
x = x0 + at
y = y0 + bt; t R.
z = z0 + ct
Si abc 6= 0, se tienen las ecuaciones simetricas
y y0
z z0
x x0
=
=
.
a
b
c
Si a = 0, las ecuaciones simetricas son:
Si b = 0, las ecuaciones simetricas son:
x x0
z z0
=
, y = y0 .
a
c
Si c = 0, las ecuaciones simetricas son:

Ejemplo 2.19. Determine las ecuaciones de la recta L que contiene los puntos P (5, 3, 4) y
Q(2, 3, 3).
# # #
Soluci
on. Se tiene que P Q = Q P = (3, 0, 1) = #
v es un vector director de L.
Ecuacion vectorial:
(x, y, z) = (5, 3, 4) + t(3, 0, 1); t R.
Ecuaciones parametricas:
x = 5 + 3t
y = 3
z=
Ecuaciones simetricas:
; t R.
4t
z4
x+5
=
, y = 3.
3
1
Ejercicio 1. Sean P (3, 2, 1) y Q(1, 2, 4) dos puntos de R3 .

a) Halle ecuaciones parametricas para la recta L que pasa por P y Q
b) Cuales de los siguientes puntos estan en L: R(4, 1, 5), S(1, 6, 9), T (5, 6, 6).
c) Determine los puntos donde la recta corta a los planos coordenados

Ejercicio 2. Determine ecuaciones simetricas para la recta que pasa por el punto P (2, 3, 5)
y es paralela al vector #
v = 3
+ 2k
a) Encuentre un punto en la recta y uno que no este en la recta.
b) Las ecuaciones simetricas de la recta son u
nicas?
Definici
on 2.39 (Rectas paralelas y perpendiculares). Sean L1 y L2 dos rectas en R3
con vectores directores #
v1 y #
v2 , respectivamente. Entonces L1 y L2 son
1. paralelas (o coincidentes) si
2. perpendiculares si
Ejercicio 3. Determine que pares de rectas son paralelas, coincidentes, perpendiculares
L1 :
x = 5 2t
y=
z =
L2 :
2 + t,
6 6t
x = 3r
y = 21 r ,
z = 7 + 4r
L3 :
x=
8+s
y = 7 12 s ,
z = 1 + 3s
L4 :
x=
7
5
y = 8 9u
z = 9 3u
4
Ejercicio 4. Sean L1 y L2 dos rectas en el espacio. Si L1 y L2 no son paralelas, entonces L1
y L2 siempre se cortan?
Planos en R3
#
N: vector normal del plano , es un vector per-
pendicular a cada vector en el plano.
#
N = (a, b, c)
P (x0 , y0 , z0 ): punto fijo en el plano.
Q(x, y, z
b
Q(x, y, z): punto arbitrario en el plano.
P (x0 , y0 , z0 )
O
Figura 2.17. Plano en R3 .
Ecuacion cartesiana:
n
o
# #
= Q R3 | N P Q = 0
= {(x, y, z) | (a, b, c) (x x0 , y y0 , z z0 ) = 0}
# #
= {(x, y, z) | ax + by + cz = d} , donde d = N P.
Ejemplo 2.20. Halle la ecuacion cartesiana del plano que contiene el punto P (3, 1, 2) y es
paralelo a los vectores #
u = (1, 1, 2) y #
v = (2, 3, 1).
Soluci
on. Un vector perpendicular (normal) al plano es #
u #
v.

k

#
+ 3
+ 5k.
u #
v = 1 1 2 = 7

2 3
1
La ecuacion cartesiana es
7x + 3y + 5z = 2.
Secci
Ejercicio 5. Halle la ecuacion del plano que contiene el punto P (1, 4, 2) y es perpendicular
a la recta L : x = 1 2t, y = 2 + t, z = 3 t; t R
Ejercicio 6. Encuentre la ecuacion del plano que contiene los puntos P (2, 3, 1), Q(3, 2, 1) y
R(0, 1, 0).
Ejercicio 7. Determine la ecuacion del plano que contiene los puntos P (1, 1, 2), Q(3, 5, 7) y
x3
z1
es paralelo a la recta L :
=y+1=
.
2
1
Ejercicio 8. Muestre que las rectas
x = 1 + 3t
x = 1 23 r
L1 : y = 2 + 4t ; t R y L2 : y = 1 2r ; r R
z = 4 2t
z = 1 + r
son paralelas y halle la ecuacion del plano que las contiene.
#
#
Definici
on 2.40. Sean 1 y 2 dos planos con vectores normales N 1 y N 2 respectivamente.
Los planos 1 y 2
#
#
1. Son paralelos si N 1 y N 2 lo son y ademas, los planos no tienen puntos en com
un.
#
#
2. Son coincidentes si N 1 y N 2 son paralelos y ademas, los planos se tocan en todos sus
puntos.
#
#
# #
3. Son perpendiculares si N 1 y N 2 lo son, es decir, si N 1 N 2 = 0
#
#
4. Son oblicuos si el angulo entre N 1 y N 2 satisface 0 < < y 6= 2 .
Teorema 14 (Teorema resumen). Sea A una matriz de tama
no n n. Las siguientes afirmaciones son equivalentes:

2. El sistema Ax = b tiene solucion
y la solucion es
para cada n-vector b y la solucion es

pivotes.
6. Las filas de A son

7. El espacio generado por las filas de A es
. Es decir, gen{f1 , . . . , fn }=
8. Todo vector u Rn se puede escribir como
de las filas de A.
9. Las columnas de A son

10. El espacio generado por las columnas de A es
. Es decir, gen{c1 , c2 , . . . , cn } =
de las columnas de A.
Captulo 3
Matrices
A partir de algunas situaciones, el estudiante usara el concepto de matriz y sus propiedades
para su modelacion y solucion. Desarrollara habilidades que le permitiran aplicar las propiedades de las operaciones definidas sobre matrices para hacer demostraciones y simplificacion de
expresiones que las contienen. Ademas reconocera al conjunto de matrices con las operaciones
usuales de suma y multiplicacion por un escalar como otro ejemplo de espacio vectorial.
3.1
Taller pre-clase
A. Resuelve la siguiente situaci

on
El inventario (en galones) de una peque
na tienda de pinturas al inicio de una semana
esta dado por la matriz,
"
A=
Negro
Blanco
Rojo
80
75
48
55
60
62
Regular
De lujo
Las ventas durante la semana estan dadas por la matriz,

Negro
B=
"
Blanco
Rojo
70
72
41
32
49
38
Regular
De lujo
Determine el inventario al final de la semana.

B. Teora.
1. Defina y construya ejemplos para cada una de las siguientes matrices:
a) Matriz nula
e) Antisimetrica
i) Ortogonal
b) Matriz identidad
f) Triangular inferior
j) Idempotente
c) Transpuesta
g) Triangular superior
k) Nilpotente
d) Simetrica
h) Diagonal

a b
1 0
2 3
tal que AB = I 2 .
, encuentre la matriz B =
B=
2. Si
c d
0 1
1 2
53
54 Captulo 3. Matrices
3. Describa un procedimiento para calcular la inversa de una matriz A.
C. Responda falso
o verdadero, justificando sus respuestas
Sean A, B y C matrices de tama
nos tales que las operaciones indicadas se pueden realizar.
1.
El producto de matrices es conmutativo
2.
Si AC = BC y C 6= 0, entonces A = B.
3.
Si A 6= 0 y B 6= 0, entonces AB 6= 0. Nota: 0 es la matriz nula.
4.
Si A y B matrices cuadradas entonces (AB)k = Ak B k , k = 2, 3, . . .
5.
Si A y B conmutan entonces (A + B)(A B) = A2 B 2 .
6.
Si A y B son matrices invertibles, entonces A B es invertible.
7.
Si A es una matriz n n, n > 1 no nula que satisface (2A I)(A I) = I, entonces

A es invertible.
D. Poniendo en pr

!
!
y
12
1
3 x

, encuentre x y y.
1. Sean A =
y B = x. Si AB =
6
2 1 3
5
1 2
4
1 1
2. Sean A = 1
2
3 y B = 3
2. Exprese AB como una combinacion lineal
5 1 2
2
4

3. Determine un valor de r y un valor de s de modo que AB T = 0, donde A = 2 r 3

y B = 2 1 s .
4. Simplifique las siguiente expresion
X = 31 B C T AB T + 2C T B T
5. Simplifique y encuentre la matriz X tal que
T
1
1 T
A C
6
XC 1 = 2(CB 1 A + CA) CB 1 A
1
6. Sea A = QDQT , donde D es una matriz diagonal n n. Demuestre que A es simetrica.

7. Sea A una matriz n n. Probar: Si A 6= 0, A2 6= 0, . . . , Ak1 6= 0 y Ak = 0, entonces
I A es invertible. Cual es su inversa?
E. Aplicaciones.
1. Un fabricante elabora productos P y Q en dos plantas X y Y . Durante la fabricacion
se producen los contaminantes bioxido de azufre, oxido ntrico y partculas suspendidas.
Las cantidades de cada contaminante estan dadas en kilogramos por la matriz.
Secci
Bi
oxido de azufre
A=
"
Acido
ntrico
Partculas
300
100
150
200
250
400
Producto P
Producto Q
Los reglamentos estatales exigen la eliminacion de estos contaminantes. El costo diario

por deshacerse de cada kg. de contaminante esta dado en dolares por la matriz
Planta X
B=
Planta Y
12
15
10
Bi
oxido de azufre
Acido ntrico
Partculas
a) Halle el costo de deshacerse de los contaminantes del producto P en la planta X.

b) Halle el costo de deshacerse de los contaminantes del producto Q en la planta Y.
2. Investigue en su Facultad o programa una aplicacion que requiera de la teora de matrices
para su modelado o solucion.
3.2
3.2.1
Lecciones de clase
Lecci
on 1. Definici
on, operaciones y propiedades
Se inicia retomando el concepto de matriz introducido en el captulo 1 y el estudiante complementara los espacios con las caractersticas basicas de matrices tales como notacion, tama
no y
sus componentes. Ademas, construira definiciones y ejemplos de algunos tipos de ellas. Se contin
ua con las definiciones y propiedades de las operaciones de suma de matrices y multiplicacion
por un escalar, para llegar a la estructura de espacio vectorial.
Definici
on 3.1 (Matriz m n). Una matriz de tama
no m n es un arreglo rectangular de
mn n
umeros (reales o complejos) escritos en forma de m renglones o filas y n columnas
a11
a12
. . . a1j
. . . a1n
a21 a22
..
..
.
.
A=
ai1 ai2
.
..
..
.
am1 am2
. . . a2j
. . . ..
.
. . . a2n
..
...
.
. . . ain
Fila i
..
...
.
. . . aij
. . . ..
.
. . . amj . . . amn
Columna j
Notaci
on
1. Las matrices se denotan con
2. En el tama
no de la matriz A, m
y para abreviar se escribe

yn
3. Si m = n se dice que A es una matriz
de orden
4. Las componentes de la diagonal principal de A son

5. Las componentes de la fila i de A son
de tama
no
y forman un vector
. Es decir,
reni A = Ai =
6. Las componentes de la columna j de A son

de tama
no
y forman un vector
. Es decir,
colj A = A(j) =
Ejemplo 3.1. Considere la matriz A = 7
20.
8 10 13 17
a) A es de tama
no 3 4, es decir, tiene 3 filas y 4 columnas. No es una matriz cuadrada.
b) El n
umero 11 esta en la fila 2 y la columna 3. Es decir, a23 = 11.
c) Las componentes de la diagonal principal de A son: a11 = 3, a22 = 0 y a33 = 13. Se tiene
k = mn {3, 4} = 3.

d) La fila 2 de A es el vector fila ren2 A = A2 = 7 0 11 20 , (tama
no 1 4).
e) La fila 3 de A es el vector columna col3 A = A(3)

5

= 11, (tama
no 3 1).
13
Algunas matrices especiales

Ejercicio 1. Defina las siguientes matrices.
Matriz nula:
Ejemplo 3.2. Algunas matrices nulas son
!
0 0 0
a) A =
b) A =
0 0 0
0 0
0 0
c) A =
0
0
Secci
Matriz triangular superior:
Ejemplo 3.3. Algunas matrices triangulares superiores son
a) A = 0 4
0
0
0 0 4
b) A = 0 3 0
0 0 2
3
4
c) A =
0 5
0 0
Matriz triangular inferior:

Ejemplo 3.4. Algunas matrices triangulares inferiores son
0 0 0
a) A = 6 0 0
1 0 0
b) A = 0 0 0
4 2 7
c) A =
0 2 8
0 0
3 4
Matriz diagonal:
Ejemplo 3.5. Algunas matrices diagonales son
5
0 0
a) A = 0 4 0
0
0 5
b) A =
7 0
0 0
Matriz identidad:
Ejemplo 3.6. Algunas matrices identidad son
a) I2 =
1 0
0 1
1 0 0
b) I3 = 0 1 0
0 0 1
Ejercicio 2. Clasifique cada una de las siguientes matrices de acuerdo con las definiciones
anteriores, si corresponde a alguna de ellas.
0 0
a) A = 0 0
0 0
b) A =
1 0 0
0 1 0
3 0 4
c) A = 0 7 4
0 0
d) A =
4 0
0 5
0 0 0
e) A = 0 0 0
0 0 0
3 0 0
f) A = 0 0 0
0 8 0
Operaciones y propiedades
Definici
on 3.2 (Igualdad). Dos matrices A = (aij )mn y B = (bij )pq son iguales si
y
Ejemplo 3.7.
a) Sea A =
2 5
2+2
1+ 2
yB=
15
3
49
. Entonces A = B.

1
y B = 1 2 , entonces A 6= B, ya que sus tama
nos son diferentes.
b) Si A =
2
!
!
!
4 2
3 2 7
3 5
Ejercicio 3. Sean A =
,B =
yC =
. Determine
5
7
5
2 7
5 7
los valores de y , si existen, de modo que
a) A = B
b) B = C.
Definici
on 3.3 (Suma). Sean A = (aij ) y B = (bij ) dos matrices de tama
no m n. La suma
de A y B, es la matriz A + B = C = (cij ), tal que cij = aij + bij .
Definici
on 3.4 (Multiplicaci
on por un escalar). Sean A = (aij ) una matriz de tama
no
m n y un escalar. La multplicacion de con A, es la matriz A = B = (bij ) tal que
bij = aij .
Ejemplo 3.8. Sean A =

!
18 13 12
C=
.
17 8
5
2 3 4
0 7
10 5 8
y B =
8 4 1
. Si C = A 2B, entonces
Ejercicio 4. Considere las matrices
A=
2 3 4 5
8 7 6 5
, B=

4

4 7 8 2

, C = 3 y D = 3 2 4
0 3 22
7
5
!
De ser posible, realice las siguientes operaciones:

a) A + B
b) C + D
d) Halle la matriz E tal que 2A + B + E = 0
c) 2A
En el siguiente teorema, se resumen las propiedades que satisfacen las operaciones suma y
multiplicacion por un escalar, en el conjunto de matrices m n.
Teorema 15 (Propiedades de la suma y la multiplicaci
on por un escalar). Sean
A, B, C matrices de tama
nos tales que las operaciones indicadas se pueden realizar; , R.
Secci
No.
Suma
No.
Multiplicacion por un escalar
1.
A + B es una matriz
1.
A es una matriz
2.
A+B =B+A
2.
0A = 0
3.
(A + B) + C = A + (B + C)
3.
(A + B) = A + B
4.
A+0=A
4.
( + )A = A + A
5.
A + (A) = 0
5.
1A=A
Definici
on 3.5 (Espacio vectorial Mmn (R)). El conjunto de matrices m n con la suma
y la multiplicacion es un espacio vectorial. Se denota por hMmn (R), +, i.
Definici
on 3.6 (Combinaci
on lineal). Sean A, A1 , A2 , . . . , Ak matrices de Mmn . La matriz
A es combinaci
on lineal de A1 , A2 , . . . , Ak , si existen escalares 1 , 2 , . . . , k tales que
A = 1 A 1 + 2 A 2 + + k A k =

2 3 3
3 2 4
Ejemplo 3.9. La matriz A =

3 1 0
, pues A = A1 + A2 .
A2 =
5 1 3
Ejercicio 5. Determine si A es combinacion

1
1 3
4 3
, A2 =
, A1 =
a) A =
3
2 5
9
2
k
X
i A i .
i=1
es combinacion lineal de A1 =
1 2 3
2 1 1
lineal de las matrices dadas

1 2
7
, A3 =
2 3
5

1 2
2 6
1 3
4 3
, A3 =
, A2 =
, A1 =
b) A =
2 3
4 10
2 5
9
2
Definici
on 3.7 (Dependencia e independencia lineal). El conjunto S = {A1 , A2 , . . . , Ak }
de matrices de Mmn es linealmente independiente (LI), si la matriz nula se puede escribir
de manera u
nica como combinaci
on lineal de las matrices Ai , i = 1, 2, . . . , k. Es decir
0=
k
X
i=1
i Ai
implica
0 = 1 = 2 = = k
En otro caso, se dice que S es linealmente dependiente (LD).

(
)

1 2
1 7
1 3
, A3 =
es lineal, A2 =
Ejemplo 3.10. El conjunto S = A1 =
2 3
3 5
2 5
mente independiente (LI) porque los u
nicos escalares que permiten que la matriz 0 sea combinacion lineal de A1 , A2 y A3 son 1 = 0, 2 = 0 y 3 = 0. Es decir,

3
1 2
1 7
1 3
0 0
1
+ 3
+ 2
= 1
2 3
3 5
2 5
0 0
21
5
1
El sistema homogeneo tiene solucion u

nica, la trivial.
2 + 3 = 0
+ 72 23 = 0
32 + 23 = 0
+ 52 33 = 0
Ejercicio 6. Determine si las siguientes matrices son linealmente independientes o linealmente
dependientes.

1
a) A1 =
2

1
c) A1 =
2
3.2.2

2 6
1
3
1 1 2
3 2
, A2 =
b) A1 =
, A2 =
2 4
2 1 4
1 2
4
8

1 7 7
2 4 1
1 2
, A3 =
, A2 =
9 8 7
3 5 1
1 2
Lecci
on 2. Transpuesta y producto de matrices
Se define la transpuesta y el producto de matrices como otras operaciones, asimismo se estudian

sus propiedades. El estudiante usara dichas propiedades en la simplificacion de expresiones que
las contienen.
Definici
on 3.1 (Transposici
on). Sea A = (aij ) un matriz m n. La transpuesta de A es la
matriz B = (bij ) de tama

no n m tal que bij = aji . Se denota por AT , es decir , (aij )T = (aji ).
!
1
7
1 5
8
Ejemplo 3.11. Si A =
, entonces AT = 5
4. La matriz A es 23, mientras
7 4 2
8 2
T
que la matriz A es 3 2.
Definici
on 3.2 (Producto punto fila columna). Sean u = (u1 u2 . . . un ) un vector fila

v1

u
y v = 2 un vector columna. El produto punto entre u y v es
. . .
un
T
uv =uv =
n
X
ui v i .
i=1
Definici
on 3.3 (Producto de matrices). Sean A = (aij ) y B = (bij ) dos matrices de
tama
nos m p y p n, respectivamente. La multiplicacion o producto de A con B, que se
denota por AB, es la matriz C = (cij ) de tama
no m n tal que cij = reni A colj B.
Observe:
1. Para poder realizar el producto de A con B, el n
umero de
al n
umero de
de A debe ser igual
de B.
Amp B pn = C
2. El tama
no de la matriz C es m n, donde m es el n
umero de
de
de B.
Amp B pn = C mn
de A y n es el n
umero
Secci
2 3
Ejercicio 1. Halle AB y BA si A = 0
2 y B =
3 2
2 3 4
4
a) El producto de matrices es conmutativo?

b) Dadas dos matrices, siempre es posible realizar el producto entre ellas?
c) Sean A y B matrices tales que AB existe. AB es un matriz cuadrada?

!
x
2 3
x

y B = y . Halle los valores de x y y, si existen, tales
1 1 2
1
!
7
que AB =
.
5
Teorema 16 (Propiedades). Sean A B, y C matrices de modo que las operaciones que se
indican, se pueden realizar y R.
No.
producto
No.
1.
(AB)C = A(BC)
1.
2.
A(B + C) = AB + AC
2.
(AB)T = B T AT
3.
(A + B)C = AC + BC
3.
(A + B)T = AT + B T
4.
AIn = A y Im A = A
4.
(A)T = AT
transpuesta
AT
T
=A
Ejercicio 3. Sean A, B,C y D matrices de tama

no 4 4. Si BD = I y CC T = I, simplificar
la expresion: X = B(DAT C + DC)(AT C)T .
Definici
on 3.4 (Matriz sim
etrica). Sea A una matriz cuadrada de orden n. Se dice que A
es simetrica si
Ejemplo 3.12. A =
7 3
3 8
es una matriz simetrica.
Definici
on 3.5 (Matriz antisim
etrica). Sea A una matriz cuadrada de orden n. Se dice que
A es antisimetrica si
Ejemplo 3.13. A =
Ejercicio 4.
0 9
9 0
es una matriz antisimetrica.
1. Complete las componentes que hacen falta para que la matriz sea simetrica o antisimetrica,
seg
un sea el caso:
A=5
B=
7
9
2. Construya ejemplos de matrices simetricas y antisimetricas.
Ejemplo 3.14. Sean A y B matrices simetricas de orden n. Probar: AB es simetrica si y solo

si A y B conmutan.
Demostraci
on. Se probara en un sentido, el otro se deja como ejercicio
1. () Supongamos que AB es simetrica. Como A y B son simetricas entonces AT = A y
B T = B. Ahora
AB = (AB)T = B T AT
Hipotesis y propiedad 2 de la transpuesta
= BA
Luego, A y B conmutan.
2. () Se deja como ejercicio
!
1 5
yB =
1 2
XA = B + X T .
3.2.3
1 2
. Halle, si existe, una matriz X tal que
Lecci
on 3. Inversa de una matriz cuadrada
Se introduce la inversa de una matriz cuadrada a partir del producto y la igualdad de matrices.
Se contin
ua con el estudio de sus propiedades y se finaliza con el uso de dichas propiedades en
la demostracion de teoremas y simplificacion de expresiones que contienen matrices.
Ejercicio 1. Encuentre una matriz B tal que AB = I 2 , si A =
!
1 1
2 3
Definici
on 3.6 (Inversa). Sea A una matriz cuadrada de orden n. Se dice que A es invertible
o no singular si
tal que
. En este caso, se dice que
es la inversa de A. En caso contrario, se dice que A es no invertible o singular.

Ejercicio 2. Sean A y B matrices cuadradas. Demostrar: Si A es una matriz invertible,
entonces su inversa es u
nica.
Secci
Notaci
on. Si A es invertible, su inversa se denota por A1 .
Ejemplo 3.15. Sea A una matriz cuadrada de orden n. Probar: si A satisface A2 + A I = 0,
entonces A es invertible. Cual es su inversa?
Soluci
on. Se tiene
A2 + A I = 0
(A + I)A = I
Al tomar B = A + I se tiene que A es invertible. Ademas, A1 = A + I.
Ejercicio 3. Probar: Si A satisface la ecuacion (A2I)(A+I) = 0, entonces A es invertible.
A que es igual A1 ?
Ejercicio 4. Describa un procedimiento para hallar la
Ejemplo 3.16. Halle, si existe, la inversa de A = 2

3
Soluci
on. Al escribir la matriz
1 2 2 | 1 0
2 3 5 | 0 1
3 7 4 | 0 0
ampliada y aplicar
0
f2 f2 2f1
0
f3 f3 3f1
1
f1 f1 + 2f2
f3 f3 + f1
f1 f1 + 4f3
f2 f2 + f3
f2 f2
Luego, A es invertible y A1
23
6
4
= 7 2 1.
5
1
1
inversa de una matriz.
2 2
3 5.
7 4
operaciones elementales de renglon se tiene
1
2 2 |
1 0 0
0 1 1 | 2 1 0
0
1
2 | 3 0 1
1
0 4 | 3 2 0
0
1
1 | 2 1 0
0
0
1 | 5 1 1
1
0 0 | 23 6 4
0 1 0 | 7 2 1
0
0 1 | 5 1 1
1 0 0 | 23
6
4
7 2 1 .
0 1 0 |
0 0 1 | 5
1
1
Ejercicio 5. Halle, si existe, la inversa de las siguientes matrices
a) A =
2 7
b) B =
1
2
12
1 3 1
c) C = 2
Ejercicio 6. Sea A una matriz de orden n invertible.
4 4
1 4 3
a) Cuantos pivotes tiene A?
b) Cuantas soluciones tiene el sistema Ax = b?
. Cual es la solucion?
Definici
on 3.7 (Potencias de matrices). Sea A una matriz cuadrada de orden n. Las
potencias de A se definen de la siguiente manera
1. A0 = I si A 6= 0.
2. Ak = Ak1 A; k = 2, 3, . . .
Ejercicio 7. Calcule A2 en cada caso y BB T

1 0
a) A =
1 0
b) A =
0 1
1 0
c) A =
0 1
0 0
d) B =
2
5
1
5
15
2
5
Ejercicio 8. Defina las siguientes matrices

a) Matriz idempotente:
b) Matriz nilpotente:
c) Matriz ortogonal:
Ejemplo 3.17. Verifique las siguientes afirmaciones
!
2 3 5
2/3 1/3
a) A =
y B = 1
4
5 son idempotentes.
2/3 1/3
1 3 4
0 0 0
b) A = 0
0 0 es nilpotente con ndice de nilpotencia 2.
0
c) A =
5 0
1/ 5 2/ 5
es ortogonal.
2/ 5
1/ 5
Ejemplo 3.18. Demostrar que las matrices de la forma A =

a2 + b2 = 1 son ortogonales.
Demostraci
on. A =
a b
b a
, AT =
a b
b
AA =
Como a2 + b2 = 1, entonces AA =
1 0
b a
. Ahora
a2 + b 2
a2 + b 2
a b
= I. Luego A es ortogonal.
0 1
Se deja como ejercicio demostrar que B es ortogonal.
yB=
b a
con
Secci
Teorema 17 (Propiedades). Sean A y B dos matrices invertibles de orden n, 0 6= R y
k un entero positivo.
1.
2.
A1
1
AB es invertible y (AB)1 =
3.
(A)1 =
4.
(A1 )T =
y Ak =
Ejemplo 3.19. Sean A y B matrices ortogonales de orden 3 y C 33 una matriz simetrica. Si

1
1
AB 1 , calcule y simplifique X.
X = 51 C T (C 1 AB T + 2C 1 B T ) 10
Soluci
on. Usando propiedades se tiene
X = 15 C T (C 1 AB T + 2C 1 B T )
= 51 C T C 1 (A + 2I)B T

1 1
1
AB
10

1 1
1
AB
10
1 1
= 51 CC 1 (A + 2I)B T 10(B ) A

I(A + 2I)B T BA1
= 10
5

1
Prop. 3 y 4 del producto

Prop. 2 y 3 de la inversa
Def. de inversa y prop. 1 de la inversa
= 2(A + 2I)B T BA1 = 2(A + 2I)IA1
B es ortogonal
= 5(I + 2A1 ).
Ejercicio 9. Considere las matrices:
0 1 1
2
1 0
A=
1 1 3
0
1 1
4 1 1
2
4
0
1
yB=
0
0
4
1
1
0 1 1
4
a) Simplifique y encuentre la matriz X, si
XA1 = 3A1 (AC + AB 1 C)(2AB 1 C)1 .

b) Calcular las componentes x32 y x22 de la matriz X.
Ejercicio 10. Sean A y B matrices invertibles (A + B)1 = A1 + B 1 ? Justifique
1. A es invertible.
y la solucion es
pivotes

. Es decir, gen{f1 , . . . , fn }=
de las filas de A.

. Es decir, gen{c1 , c2 , . . . , cn } =
Captulo 4
Determinantes
Se introduce la definicion de determinante y a partir de ejercicios de tipo algortmico los estudiantes ilustraran sus propiedades. Ademas, se calcula el valor del determinante de matrices
cuadradas usando propiedades para comparar las ventajas sobre el uso de la definicion.
4.1
Taller pre-clase
A. Teora.
1. Describa un metodo para calcular el determinante de una matriz A.
2. A que es igual el determinante de una matriz triangular?
3. Como es det A comparado con det(AT )?
4. Si A es una matriz que tiene una fila (o columna) de ceros, Que se puede concluir del
valor de su determinante?
5. Que valores puede tomar el determinante de A, si A es una matriz:
a) antisimetrica
b) ortogonal
c) idempotente.
B. Responda verdadero
o falso, justificando sus respuestas
1.
Si A y B matrices de orden n, entonces det(AB) = det(BA).
2.
Si A y B son matrices de tama

no n n, entonces det (A + B) = det A + det B.
3.
Si A y B son matrices equivalentes por renglones, det A = det B.
4.
El sistema homogeneo Ax = 0 tiene infinitas soluciones si |A| 6= 0.
5.
A y su adjunta conmutan.
6.
Si A es una matriz singular, entonces det A 6= 0.

1
Si A es no singular, A1 =
adj A.
det A
Si A es ortogonal, entonces det A = 1.
7.
8.
C. Poniendo en pr
1. Use propiedades del determinante para calcular det A en cada caso
67
68 Captulo 4. Determinantes
1 2
3
a) A = 3
5 8

a

2. Si d

g

x

3. Si 3

1
b
e
h
y
0
1
1 2 3 4
b) A =
1
4 1
2
2
5
2
2
7
3
7

a
c
d
g

f = 20, calcule 5b
5e
5h .

c + a f + d i + g
i

2x
z
2y
2z

2 = 2, halle 3x + 3 3y 3z + 2.

x+2 y+2 z+2
1
1 +1
4. Determine los valores de , si existen, para los cuales A = 1

2
3 no
2 +3 +7
tiene inversa.

5. Sea A una matriz 4 4 tal que 3A1 = 3. Calcule AT .

6. Sean A y B matrices de simetricas de 4 4. Si 2B 1 = 2, encuentre el valor de de

1 T
modo que AB(adj B B 1 ) + A
A = I.
2 0 0
0 0 5
7. Sean y A = 0 3 0 y B = 3 0 1. Simplifique y encuentre la matriz X tal

0 0 4
1 4 3

1
que X = A + B 1 A 3B 1 A
|AB|. Halle x31 y x32 .
8. Sean A, B y C matrices 3 3 tales que |A| = 4, |B| = 2 y |C| = 3, calcule

(adj A)(A1 BC T ) + (AB T C 1 )1 1
D. Aplicaciones.
Use determinantes para encontrar

a) El area del rectangulo con lados adyacentes #
u = (2, 5) y #
v = (7, 3).
b) El volumen del paraleleppedo cuyas aristas consecutivas estan determinados por los
# = (2, 2, 3).
vectores #
u = (2, 1, 0), #
v = (4, 3, 1) y w
4.2
4.2.1
Lecciones de clase
Lecci
on 1. Definiciones y propiedades
Se define el determinante de una matriz cuadrada y se deducen algunas de sus propiedades

a partir de ejemplos y se concluye con la formalizacion de las mismas. Al finalizar la leccion,
el alumno podra calcular el determinante de una matriz usando tanto la definicion como las
propiedades.
Secci
Definici
on 4.1 (Determinante 22). Sea A =
por det A o
y se define como

a11 a12
. El determinante de A, se denota
a21 a22
det A =
Definici
on 4.2 (Menor (i, j) de A). Sea A = (aij ) un matriz de tama
no n n. El menor
(i, j) de A, denotado por M ij , se define como la matriz de tama

no (n 1) (n 1) que se
obtiene de A al suprimirle la fila iesima y la columna jesima.
2 2
3
Ejemplo 4.1. Considere la matriz A = 2

3 7. El menor 3, 2 es M32 =
3 3
8
2 7
Ejercicio 1. Calcule M11 , M12 y M13 de la matriz del ejemplo anterior.
Definici
on 4.3 (Cofactor (i, j) de A). Sea A = (aij ) un matriz cuadrada de orden n. El
cofactor (i, j) de A, que se denota1 por Aij , se define como
Aij = (1)i+j |Mij |.
Observe que (1)i+j =
si i + j es par
1 si i + j es impar
Ejemplo 4.2. Considerando la matriz del ejemplo 4.1, el cofactor (3, 2) es

2
3
3+2
A32 = (1)
= (1)(14 + 6) = 8.
2 7
Ejercicio 2. Calcule A11 , A12 y A13 de la matriz A del ejemplo 4.1.
Nota. La matriz formada por los cofactores de A, se denomina matriz de cofactores y se

denota por cof A. Es decir, cof A = Aij .
Definici
on 4.4 (Determinante n n). El determinante de la matriz
a11 a12 . . . a1n
a21 a22 . . . a2n
,
A= .
..
.. . .
.
. .
.
.
an1 an2 . . . ann
se denota por det A o |A| y se define como
|A| = a11 A11 + a12 A12 + + a1n A1n =
1
Algunos autores usan la notaci

on cij para denotar los cofactores.
n
X
j=1
a1j A1j
Ejemplo 4.3. Para la matriz A del ejemplo 4.1 el determinante es

2 2

3

det A = |A| = 2
3 7 = a11 A11 + a12 A12 + a13 A13

3 3
8

3 7
2 7
2

3

= (2)
+ (2)
+ (3)

3

8
3
8
3 3
= (2)(24 21) + (2)(16 + 21) + (3)(6 9) = 13.
5 3 4
Ejercicio 3. Calcule el determinante y la matriz de cofactores de la matriz A = 1

2 1.
0 2 3
Ejemplificando (NO DEMOSTRANDO) propiedades del determinante
3 5
1. El determinante de A = 0 7
7 es:
Que clase de matriz es A?
0 0 6
!
8 0
2. El determinante de B =
es:
Que clase de matriz es B?
Como
0 4
es el valor del determinante de las matrices A y B comparado con el producto de sus
componentes de la diagonal principal?
Propiedad 1. Si A es una matriz triangular, entonces det A =
3. Considere las matrices A =
2 1
3 4
yB=
a) det A =
A es invertible?
b) det B =
B es invertible?
4 6
Que relacion existe entre el valor del determinante de la matriz con el hecho de que esta
tenga inversa?
Propiedad 2. A = (aij ) es una matriz invertible si y s
olo si det A
2 1
yB=
. Calcule:
3 4
2 9

AB, A1 , B 1 , |A|, |B|, |AB|, A1 y B 1 .
a) Como es |AB| comparado con |A||B|?

b) Como es |A| comparado con A1 ?
c) Como es |B|1 comparado con |B|?
Secci
Propiedad 3. Sean A y B dos matrices de tama

no n n. Entonces
det(AB) =
Propiedad 4. Si A es invertible, entonces det(A1 ) =

5. Responda verdadero o falso a cada una de las siguientes afirmaciones. Justifique su respuesta
a)
Existen matrices A de modo que det A + det A1 = 2.
b)
det(A + A1 ) = 1
c)
det(AA1 ) = 1
Ejercicio 4. Encuentre los valores de k para los cuales la matriz A =
6. Sea A =
1 2
4 1k
es singular.
. Calcule el determinante de la matriz B en cada caso.Comparelo con

3 4
|A| e identifique la operacion de renglon que se le realizo a la matriz A para obtener la
matriz B.
3 4
a) B =
1 2
, |B| =
|A|. Operacion:
Propiedad 5. Si B es una matriz que se obtiene de A al intercambiar dos filas (columnas), entonces |B| = |A|.
!
5 10
b) B =
, |B| =
3 4
|A|. Operacion:
Propiedad 6. Si B es una matriz que se obtiene de A al multiplicar una fila (columna)

por una constante 6= 0, entonces |B| = |A|.
!
3 6
=
|A|. Operacion:
c) B =
, |B| =
6 8
!
5 10
d) B =
, |B| =
= |A|. Operacion:
15 20
Propiedad 7. Sea 0 6= R y B una matriz de n n tal que B = A, entonces
|B| =
|A|.
e) B =
0 2
, |B| =
|A|. Operacion:
Propiedad 8. Si B es una matriz que se obtiene de A al sumarle a un rengl

on (columna)
un m
ultiplo escalar de otro, entonces |B|
|A|.
Ejemplo 4.4. Use las propiedades del deteminante para calcular |A| en cada caso
a) A = 2
1
2
3 14 22
Soluci
on. De acuerdo con las propiedades

1 5 7
1
5

a) |A| = 2 9 15
= 0 1

3 14 22f f 2f
0 1
2
f3 f3 3f1
Por las propiedades 5 y 8

2
3
5

b) |A| = 1 1 2

1
1
1
2
f
b) A = 1 1 2.
15
1 f2
1 1
8 y 1, se tiene

1

7
5
7

=
0 1 1 = (1)(1)(3) = 3
1

0
4f f f
0 3
3

1 1 2

1 1 2

1 1

= 0
= 2
1
1 = 3 = 23 .
3
5

0

2
3
f2 f2 +2f1

0
1
1
1
0
2
2
1
f3 f3 f1
2
Ejercicio 5. Utilice las propiedades del determinante para calcular det A en cada caso.
0 1 1 1
1 2
3
1 0 1 1
a) A = 2
b) A =
3 7
1
1
0
1
3 3
8
1 1 1 0
4.2.2
Lecci
on 2. Propiedades. Relaci
on determinante e inversa
Se contin
ua con la ejemplificacion y deduccion de propiedades del determinante y se establece
la relacion de este con la inversa de una matriz.
3 10
y A = 0 10
5
T
matriz A. Como es |A| comparado con A ?
8. Calcule |A|, AT para cada
Propiedad 9. Sea A una matriz cuadrada de orden n. Entonces |A|
T
A
Consecuencia: El determinante de una matriz se puede calcular por cualquier fila o columna.
Esto es:
a A + a A + + a A ; para i = 1, 2, . . . , n
i1
i1
i2
i2
in
in
|A| =
a A + a A + + a A ; para j = 1, 2, . . . , n
1j
1j
2j
2j
nj
nj

a

a b c
d
g

Ejemplo 4.5. Calcule b
e
h si se sabe que d e f = 7.

2c 3b 2f 3e 2i 3h
g h i
Secci
Soluci
on. Usando las propiedades 8, 6 y 9 se tiene

a

d
g

b
e
h

2c 3b 2f 3e 2i 3h
f
3 f3 +3f2

a d g
a d g
a b c

= b e h = 2 b e h = 2 d e f = 14.

2c 2f 2i
c f i
g h i

a b c
a

d
g

Ejercicio 1. Si d e f = 15, encuentre 4b
4e
4h .

g h i
c a f d i g
8. Calcule det A en cada caso.
!
3 6
a) A =
. Como son las filas de A?
12 24
!
2 5
b) A =
. Como son las filas de A?
2 5
Propiedad 10. Si A es una matriz que tiene por lo menos una fila (columna) m
ultiplo escalar
de otra, entonces |A| =
9. Sean A =
11 5
.
!
2 3
,B=
4 8
4 8
Que relacion puede establecer?
yC =
9 8
4 8
. Halle |A|, |B| y |C|. Comparelos
Observe: A, B y C se diferencian u
nicamente en la primera fila. Ademas, la primera fila de C
es la suma de la primera fila de A con la primera fila de B.
Propiedad 11. Sean A, B y C matrices de tama
no n n que difieren s
olo en la fila i. Si
la fila i de C es la suma de la fila i de la matriz A con la fila i de la matriz B. Entonces
|C|
|A| + |B|.
Determinante e inversa
Definici
on 4.5 (Matriz adjunta). Sea A = (aij ) de tama
no nn. La adjunta de A, denotada
por adj A, se define como la transpuesta de la matriz de cofactores de A.
Ejercicio 2. Encuentre la adjunta de la matriz A del ejercicio 1 de la leccion 4.2.1, calcule
A adj A y (adj A)A.
Propiedad 12. A adj A = |A| I
Ejercicio 3. Si A es singular, A adj A = 0. Justifique.
Teorema 1. Sean A y B matrices n n. Entonces adj(AB) = adj B adj A.
Demostraci
on. Justifique los pasos
AB adj(AB) = |AB|I
Propiedad 12
adj AAB adj(AB) = |A||B| adj A
Multiplicando por adj A
|A|IB adj(AB) = |A||B| adj A

|A| adj BB adj(AB) = |A||B| adj B adj A
|A||B|I adj(AB) = |A||B| adj B adj A
|A||B| adj(AB) = |A||B| adj B adj A
Si |A| 6= 0 y |B| 6= 0, se obtiene el resultado inmediatamente.
Ahora si |A| = 0 o |B| = 0, entonces AB adj(AB) = 0. Por otro lado,
AB adj B adj A = A|B|I adj A = |B|A adj A = |B||A|I = 0
Por lo tanto, adj(AB) = adj B adj A.
Ejercicio 4. Demuestre. Si A es no singular, entonces A1 =
1
adj A.
|A|
Demostraci
on
Ejercicio 5. Sea Ann una matriz invertible. Pruebe que |adj A| = |A|n1 .

Ejemplo 4.6. Sean A y B matrices cuadradas de orden 4. Si B 1 = 21 y |A| = 3, calcule

el determinante de la matriz C si se sabe que C = A B adj B B 1 + A
Soluci
on. Justifique los pasos
C = A[B(adj B B 1 )] + A

|C| = A[B(adj B B 1 )] + A

= A(B adj B BB 1 ) + A

= A(|B|I I) + A

= |B|A A + A = |B|A
Esta es la matriz C
Tomando determinantes en ambos lados
= |B|4 |A|
= 24 3 = 48

1
|A|2 |C|2

. Halle su valor si A, B y C
Ejercicio 6. Muestre que [adj(AC)] AB T C =
T |B|
son matrices 4 4 tales que |A| = 3, |B| = 8 y 2C = 32.
Secci
Regla de Cramer
Sea A una matriz n n invertible. Entonces el sistema Ax = b tiene solucion u
nica dada por
xj =
|Aj |
, j = 1, 2, . . . , n,
|A|
donde Aj es la matriz que se obtiene de A reemplazando la jesima columna de A por el

vector columna b.
Ejercicio 7. Resuelva los siguientes sistemas mediante la regla de Cramer
a)
x y+ z =2
2x + 3y = 3
b) 2x + y + z = 2
3x + 2y = 2
3x + 2y 2z = 3
no n n. Las siguientes afir-
maciones son equivalentes:

1. A es invertible.

y la solucion es

pivotes
7. det A
. Es decir, gen{f1 , . . . , fn }=
de las filas de A.

. Es decir, gen{c1 , c2 , . . . , cn } =
Captulo 5
Espacios vectoriales reales

Se generalizan conceptos estudiados en los captulos 2 y 3, vectores en R3 y matrices m n, y
se introduce el concepto de espacio vectorial como una estructura algebraica sobre un conjunto
no vaco en el cual se definen dos operaciones, una interna llamada suma, , y una externa al
conjunto denominada multiplicacion por un escalar, . Asimismo, se extiende el concepto de
combinacion lineal como celula generadora para la definicion de dependencia e independencia

lineal, espacio generado y conjunto generador de un espacio vectorial.
Se estudian caracterizaciones para determinar si un subconjunto no vaco de un espacio vectorial
es un subespacio. Se finaliza con el cambio de base y el proceso de ortonormalizacion de GramSchmidt.
5.1
Taller pre-clase
A. Teora. Realice un estudio comparativo entre la definicion de espacio vectorial y la definicion de espacio vectorial en R2 , Rn y Mmn (R). Establezca semejanzas y diferencias.
B. Poniendo en pr
actica la aprendido.
1. V = (R2 , , ) es un espacio vectorial, donde y se definen de la siguiente manera:
(x, y) (z, w) = (x + z 1, y + w 1)
(x, y) = (x + 1, y + 1)
a) Halle el elemento neutro para la suma as definida
b) Encuentre el opuesto para cada vector #
v de R2
c) Verifique que [(x, y) (z, w)] = (x, y) (z, w)
2. V = (R+ , , ) es un espacio vectorial, donde y se definen de la siguiente manera:
x z = xz,
x = x
a) Determine el elemento neutro para la suma as definida

b) Encuentre el opuesto para cada vector x de R+
c) Compruebe que ( + ) x = x x
3. Sean W = gen {(1, 2, 1), (1, 1, 2)} y H = {(x, y, z) | 3x 2y + z = 0} subespacios de R3 .
a) Determine W H.
b) Halle una base para W H y dim (W H).

77
78 Captulo 5. Espacios vectoriales reales

4. Determine el valor (o valores) de de modo que el vector #
v = (1, 3, ) no este en el
#
#
espacio generado por v1 = (1, 0, 2) y v2 = (2, 1, 5).
0, si i 6= j
5. Sean #
x1 , #
x2 , . . . , #
xk Rn , 2 k n, tales que #
x i #
xj =
. Muestre que
1, si i = j
#
x1 , #
x2 , . . . #
xk son linealmente independientes.

1
1

#
#
3
6. Construya una base de R que contenga a v1 = 1 y a v2 = 1. Explique
1
0
claramente su construccion.

1
1

1
2
v2 = . Explique
7. Construya una base para R4 que contenga a #
v1 = y a #
2
0
1
0
claramente su respuesta.
# , w
# } bases de R2 . Si la matriz de
8. Sean B1 = { #
v1 = (1, 2), #
v2 = (1, 0)} y !B2 = { w
1
2
2 1
transicion de B1 en B2 es PB1 B2 =
, halle la base B2 .
1 1
9. Encuentre una base para el n
ucleo y la imagen de cada una de las siguientes matrices.
Ademas, determine su nulidad y rango.
1 1
2
a) A = 3
4 5
5 6 12
1 1
0
1
1
a) B =
2
1
1
1
1
2
10. Construya una base ortonormal para H = {(x, y, z) R3 | 3x + 2y z = 0} .

o falso a las siguientes afirmaciones. Justifique cada una
de sus respuestas
1.
Los vectores 1, x, x2 , 2 x + x2 generan a P2 .
2.
Los vectores 1, x, x2 , 2 x + x2 forman una base para P2 .
3.
Todo conjunto generador de un espacio vectorial es una base.
4.
Toda base de un espacio vectorial es un conjunto generador.

(
)

1 1
2 2
es una base para
, A2 =
El conjunto S = A1 =
3
2
6 0
(
)

a ab
H=
| a, b R .
3a
b
5.
6.
Sea A una matriz 4 5. Si el rango de A es 4, entonces ker A = {0}
D. Aplicaciones. Consulte en su Facultad sobre aplicaciones de espacios vectoriales. Ademas,

consulte como se aplican los conceptos de espacio vectorial en comunicaciones.
Secci
5.2
Lecciones de clase
5.2.1
Lecci
on 1. Espacio vectorial y subespacio
Con esta la leccion el alumno podra determinar si un conjunto dado con las operaciones definidas
en el, es un espacio vectorial o no. Asimismo, sera capaz de verificar cuando un subconjunto de
un espacio vectorial es un subespacio.
Definici
on 5.1 (Espacio Vectorial). Sea V un conjunto no vaco, en el cual se definen dos
operaciones y , llamadas suma y multiplicaci
on por un escalar (n
umero real), respectivamente. Se dice que V con las dos operaciones es un espacio vectorial, si satisface los
siguientes axiomas:
Para la suma
Para la multiplicacion por un escalar
1S. Si u, v V , entonces u v V
2S. Si u, v V, entonces u v = v u
3S. Para cada u, v, w V se tiene
(u v) w = u (v w)
4S. Existe e V tal que para cada u V ;
1M. Si u V y R, entones u V
2M. Si u, v V y R, entonces
(u v) = u v
3M. Si u V y , R, entonces
( + ) u = u u
4M. Si u V y , R, entonces
() u = ( u)
ue=u
5S. Para cada u V , existe w V tal que

uw =e
5M. Para cada u V, 1 u = u
Notaci
on y observaciones.
1. Un espacio vectorial se denota de cualquiera de las siguientes formas: (V, , ), (V, ), V.
2. Cada uno de los elementos de un espacio vectorial se llama vector.
3. El vector e se llama el elemento identidad o el m
odulo para .
4. El vector w V de la propiedad 5S se llama el inverso de u, y se denota por u; de
modo que u u = u (u) = e.
5. Cuando no se indican las operaciones se asume que son las usuales, ademas, estas no se
encierran en un crculo. En este caso, e = 0 y u = u.
Ejemplo 5.1. Los siguientes son espacios vectoriales
a) V = R2
b) M22 (R)

Observe que no se indicaron las operaciones y . En este caso, se asume que son las usuales:
suma y multiplicacion por un escalar definidas en los captulos 2 y 3 respectivamente.

Ejemplo 5.2. Los siguientes no son espacios vectoriales
)
(
x
| y = 2x 3
a) V = N = {0, 1, 2, . . .}
b) V =
y
En el caso a) no se cumple la propiedad 5S. Por ejemplo, para u = 5, no existe v en N tal que
u + v = 5 + v = 0. Cuales de las otras propiedades no se satisfacen?
x
x
v = y2 estan en V ,
En el caso b) no se cumple la propiedad 1S. En efecto, si #
u = y1 y #
1
entonces y1 = 2x1 3 y y2 = 2x2 3. Luego,

#
u + #
v =
x1 + x2
y1 + y2
x1 + x2
2(x1 + x2 ) 6
6=

x1 + x2
.
2(x1 + x2 ) 3
Observaci
on. Para que un conjunto con las operaciones de suma y multiplicacion por un
escalar que se hayan definido no sea espacio vectorial, basta con que no se cumpla una de las
propiedades que lo definen.
Ejercicio 1. Determine cuales de los conjuntos con las operaciones indicadas son espacios
vectoriales. Si no lo es, diga cuales propiedades no satisface.
f) V = (M22 , )
a) V = (Z, +)
b) V = (Q, +)
1
g) V = (Mnn
, +)
c) V = (I, +)
d) V = (R, +)
h) V = (Mmn , +)
e) V = (Rn , +)
1
i) V = (Mnn
, )
(
)
x
j) V =
| y = 2x + 1
y
)
(
x
| y = 2x
k) V =
y
l) V = (P2 , +)
Notaciones.
Mmn representa las matrices de tama
no n n.
1
Mnn
representa las matrices invertibles de tama
no n n.
P2 representa los polinomios de grado 2 junto con el polinomio 0.

Pn representa los polinomios de grado n junto con el polinomio 0.
P representa los polinomios de cualquier grado junto con el polinomio 0.
Definici
on 5.2 (Subespacio).
Secci
Teorema 1 (Caracterizaci
on de subespacio). Sea V un espacio vectorial y H un subconjunto no vaco de V . H es un subespacio de V si y s
olo si
1. h1 + h2 H para todo h1 , h2 H.
2. h H para todo h H y R.
Lo anterior es equivalente a: H es un subespacio de V si y s
olo si
h1 + h2 H para todo h1 , h2 H y , R.
Ejemplo 5.3. Determine si H es un subespacio de V .
)
(
x
| x 0 , V = R2 .
b) H = {ax + b | a + b = 0} , V = P1 .
a) H =
y
Soluci
on.
a) En primer lugar, H es no vaco, pues

0
1
H. Veamos si se satisface la cerradura para la
suma y la mutiplicacion por un escalar.

x
x #
#
i) Sean h 1 = y1 y h 2 = y2 en H. Entonces x1 0 (1) y x2 0 (2). Ahora
2
#
#
h1 + h2 =
x1 + x2
y1 + y2
H pues x1 + x2 0 por las condiciones (1) y (2).
x
#
ii) Sean h 1 = x1 H y R. Entonces x1 0. Ahora
2
#
h1 =
x1
y1
/ H si < 0 y x1 < 0, pues en este caso, x1 > 0.
Luego, H no es subespacio de R2 .
b) H 6= pues h = x 1 H
i) Sean h1 = a1 x + b1 y h2 = a2 x + b2 en H. Entonces a1 + b1 = 0 (1) y a1 + b2 = 0 (2).
h1 + h2 = (a1 + a2 )x + (b1 + b2 ) H puesto que (a1 + a2 ) + (b1 + b2 ) = 0 por (1) y (2).
ii) Sean h = ax + b H y R. Entonces a + b = 0.
h = (a)x + b H pues a + b = (a + b) = 0 = 0.
Por tanto, H es un subespacio de P1 .
Ejercicio 2. Pruebe las siguientes afirmaciones
a) Si H es subespacio de V , entonces 0 H. Como una consecuencia de este resultado se tiene:
si 0
/ H, entonces H no es subespacio de V .
b) H no es subespacio de V , si en H no se cumple la cerradura para la suma.

c) H no es subespacio de V , si en H no se cumple la cerradura para la multiplicacion por un
escalar.

Ejercicio 3. Determine cuales de los siguientes subconjuntos son subespacios del espacio vectorial dado

x
2
R | y = 2x + 5
c) H =
y

x
2
R |x0 y y0
a) H =
y

x
2
R | y = 2x
b) H =
d) H = {D Mnn | D es diagonal}
y
)
(

a 6a
; a, b R
e) H = A M22 | A =
b 0
f) H = {p(x) = ax2 + bx + c P2 | a + 2b c = 0}
g) H = {(x, y, z) R3 | ax + by + cz = 0; a, b, c R}
h) H = {A Mnn | det A 6= 0}
j) H = {0}
i) H = {p(x) P4 | grado(p(x)) = 5}
k) H = V
y
l) El conjunto dado por la grafica
y = x2
x
Ejercicio 4. Sean H1 y H2 subespacios de V .

a) Demostrar que H = H1 H2 es un subespacio de V .
b) H = H1 H2 es un subespacio de V ?
Definici
on 5.3 (Subespacios triviales). Sea V 6= {0} un espacio vectorial. Los subespacios
H = {0} y H = V se denominan subespacios triviales.
Ejemplo 5.4. En V = R2 se tienen tres tipos de subespacios.

Soluci
on. Se tienen
n o
0
1. H = {0} =
2. H = R2
0
o
n x
|
y
=
ax
o
x
=
by;
a,
b
R
, recta que pasa por el origen.
3. H =
y
5.2.2
Lecci
on 2. Combinaci
on lineal, independencia y dependencia
lineal, espacio generado
En esta leccion se generalizan los conceptos de combinacion, independencia y dependencia lineal,

as como espacio generado y conjunto generador los cuales fueron estudiados para vectores en
Rn , n > 1 y para matrices m n, para cualquier conjunto que sea espacio vectorial. Con estas
generalizaciones, el estudiante podra avanzar hacia la abstraccion y entender los conceptos de

manera natural y coherente con el contenido desarrollado.
Secci
Definici
on 5.4 (Combinaci
on lineal). Sean u, v1 , v2 , . . . , vk elementos de un espacio vectorial
V . Se dice que u es combinaci
on lineal de los vectores v1 , v2 , . . . , vk , si existen escalares
1 , 2 , . . . , k tales que
u = 1 v1 + 2 v2 + + k vk =
Observaciones.
k
X
i v i
i=1
1. La multiplicacion del escalar i con el vector vi depende de la forma como se haya definido
en el espacio vectorial.
2. La igualdad (=) es la definida en cada espacio.
3. Al establecer la igualdad se obtiene un sistema de ecuaciones lineales en 1 , 2 , . . . , k , el
cual puede ser consistente, en cuyo caso u es combinacion lineal de los vectores vi . Si el
sistema es inconsistente, se concluye que u no es combinacion lineal de los vi .
Ejemplo 5.5. Determine si el vector u es combinacion lineal de los vectores dados
a) u = 1 2x + x2 ; v1 = 2 x, v2 = 1 + x2

2 2
2 1
1 0
1 3
, v3 =
, v2 =
; v1 =
b) u =
0 14
0 0
0 0
0 7
Soluci
on. Al usar la definicion se tiene para cada caso
a) u = 1 v1 + 2 v2 . Reemplazando:
1 2x + x2 = 1 (2 x) + 2 (1 + x2 ) = 21 + 2 1 x + 2 x2 .
De ah se obtiene el sistema de ecuaciones lineales
21 + 2 =
1 = 2
2 =
El sistema es inconsistente. Luego, u no es combinacion lineal de los vectores dados.

b) u = 1 v1 + 2 v2 + 3 v3 . Sustituyendo:

1 + 22 23 2 + 23
2 2
2 1
1 0
1 3
=
.
+ 3
+ 2
= 1
0 7
0
73
0 0
0 0
0 14
De ah se obtiene el sistema de ecuaciones lineales
1 + 22 23 = 1
2 + 23 = 3 .
73 = 14
El sistema tiene solucion u
nica. 1 = 7, 2 = 1, 3 = 2. Por lo tanto, el vector u es
combinacion lineal de los vectores dados.

Ejercicio 1. Determine si u es combinacion lineal de los vectores dados.

2
1 #
1
#
#
, v2 =
; v1 =
a) u =
7
3
4
b) #
u =

3
;
6
c) u = 5 + x2 ;
#
v1 =

2
1 #
, v2 =
4
2
v1 = 1 + x, v2 = x2
d) u = 2 + 2x x2 ;
v1 = 1 + x, v2 = x2
!
!
!
4 7 14
1 1 2
0 1 2
; v1 =
, v2 =
9
10 2
0
4 5
3 2
6
!
!
!
!
2 3
1 1
1 1
1 0
, v1 =
, v2 =
, v3 =
1 1
1 0
0 1
1 1
e) u =
f) u =
Definici
on 5.5 (Independencia y dependencia lineal). Sean V un espacio vectorial y
S = {v1 , v2 , . . . , vk } V . Se dice que S es un conjunto de vectores linealmente indepen-
diente, LI (tambien se dice que los vectores v1 , v2 , . . . , vk son LI) si el vector nulo se puede
escribir de manera u
nica como combinacion lineal de v1 , v2 , . . . , vk . Es decir,
0=
k
X
i=
implica 0 = 1 = 2 = = k
De otro modo, se dice que S es un conjunto linealmente dependientes (LD).

Observaci
on. Despues de establecer la igualdad 0 =
k
X
i vi se obtiene un sistema de ecua-
i=1
ciones lineales homogeneo en 1 , 2 , . . . , k , el cual siempre es consistente.

i) Cuando el sistema tiene solucion u
nica, se dice que v1 , v2 , . . . , vk son
ii) Cuando el sistema tiene infinitas soluciones, se dice que v1 , v2 , . . . , vk son
Ejemplo 5.6. Determine si el conjunto S dado es LI o LD.

1 1
2 3
1 2
2
,
,
a) S = {2 x, 1 + x }
b) S =
0 2
0 6
0 4
Soluci
on.
a)
0 = 1 v1 + 2 v2
0 + 0x + 0x2 = 1 (2 x) + 2 (1 + x2 ) = 21 + 2 1 x + 2 x2 .
Al igualar coeficientes se obtiene el sistema homogeneo

21 + 2 = 0
1 = 0
2 = 0,
el cual tiene solucion u
nica 1 = 2 = 0. Por lo tanto, v1 y v2 son linealmente independientes.
Secci
b)

0 = 1 v1 + 2 v2 + 3 v3

1 1
2 3
1 2
0 0
.
+ 3
+ 2
= 1
0 2
0 6
0 4
0 0
De ah se obtiene el sistema homogeneo

1 + 22 + 3 = 0
21 + 32 + 3 = 0
41 + 62 + 23 = 0.
Al resolver se obtiene 1 = 3 , 2 = 3 ; 3 R. El sistema tiene infinitas soluciones. Por lo
tanto, {v1 , v2 , v3 } es LD.
Ejercicio 2. Determine si cada uno de los siguientes conjuntos de vectores es linealmente

independiente o linealmente dependiente.

2
1
, v2 =
a) S = v1 =
7
3
b) S = {v1 = 1 + x, v2 = 1 + x2 , v3 = 1 + x + x2 }
c) S = {v1 = 1 + x, v2 = 1 2x + 3x2 , v3 = 1 + x2 }
1
6
5

d) S = v1 = 2 , v2 = 11 , v3 = 9
3
17
14

1 1
2 1
1 0
, A3 =
, A2 =
e) S = A1 =
0 0
0
0
0 0
Definici
on 5.6 (Espacio generado). Sea S = {v1 , v2 , . . . , vk } V . El espacio generado por
S es el conjunto de las combinaciones lineales de v1 , v2 , . . . , vk . Es decir:
gen {v1 , v2 , . . . , vk } = {u V | u = 1 v1 + 2 v2 + + k vk }
Ejemplo 5.7. Determine el espacio generado por por S = {v1 = 2 x, v2 = 1 + x2 }.
Soluci
on. Se tiene
gen S = gen {v1 , v2 } = {u P2 | u = 1 v1 + 2 v2 }

= ax2 + bx + c | ax2 + bx + c = 1 (2 x) + 2 (1 + x2 )

= ax2 + bx + c | ax2 + bx + c = 21 + 2 1 x + 2 x2 .
De ah, se obtiene el sistema
21 + 2 = c
1 = b
2 = a,
de donde c = a 2b. Por lo tanto, gen S = {ax2 + bx + c | c = a 2b} .

Ejercicio 3. Determine el espacio generado por los vectores

6
1
2
1

c) v1 = 2 , v2 = 11
, v2 =
b) v1 =
4
2
3
17
2
2
2
d) v1 = 1 + x, v2 = 2 + x
e) v1 = 1 + x, v2 = 1 2x + 3x , v3 = 1 + x

2 1
1 0
, A2 =
f) A1 =
0
0
0 0

2
1
, v2 =
a) v1 =
7
3
Definici
on 5.7. S = {v1 , v2 , . . . , vk } V es un conjunto generador del espacio vectorial V
si todo vector u V se puede escribir como combinacion lineal de los vectores de S.

Ejemplo 5.8. {3, 2 x, 1 + x2 } es un conjunto generador de P2 .

4
2
1
es un conjunto generador de R2 .
,
,
Ejercicio 4. Pruebe que S =
2
7
3
Ejercicio 5. Verifique que S1 y S2 son conjuntos generadores de R3

1
1
0
0
1

S1 = 1 , 0 , 0 , S2 = 0 , 1 , 0
0
0
1
0
0
1
Ejercicio 6. Pruebe que S1 y S2 son conjuntos generadores de P2

S1 = v1 = 1, v2 = x, v3 = x2

S2 = w1 = 1 + x + x2 , w2 = 1 x, w3 = 1 + x2
Ejercicio 7. Pruebe que S1 es un conjunto generador de M22 (R)

0 0
0 0
0 1
1 0
, A4 =
, A3 =
, A2 =
S1 = A 1 =
0 1
1 0
0 0
0 0
Observe que la diferencia de estas definiciones con las dadas para vectores en Rn , n > 1 y para
matrices m n es que aqu se hace para cualquier conjunto V que es espacio vectorial.
Ejercicio 8. Encuentre conjuntos generadores de las espacios vectoriales dados que sean linealmente independientes.
a) R5 ; S1 =
S2 =
b) P3 ; S1 =
S2 =
c) P5 ; S1 =
S2 =
d) M22 ; S1 =
S2 =
Secci
5.2.3
Lecci
on 3. Bases y dimensi
on. Espacios fundamentales de una
matriz
Se describen los conceptos fundamentales de base y dimension de un espacio finito dimensional.

Ademas, se caracterizan los espacios fundamentales de una matriz, haciendo enfasis en el espacio
nulo. El estudiante finalizara la leccion caracterizando las bases para un espacio vectorial dado,
su dimension y el uso del teorema de la dimension.
Definici
on 5.8 (base). Sea S = {v1 , v2 , . . . , vn } un subconjunto no vaco de un espacio
vectorial V . Se dice que S es una base para V si
1. S genera a V .
2. S es un conjunto LI
Ejemplo 5.9. Se tiene

a) S = {3, 2 x, 1 + x2 } es un base para P2 .

7
1
es una base para R2 .
,
b) S =
8
5

x
5
| y = 2x .
es una base para V =
c) S =
y
10

0 0
0 0
0 5
2 0
es una base para M22 (R).
,
,
,
d) S =
0 3
8 0
0
0
0 0
Ejercicio 1. Determine si el conjunto dado es o no una base para V .

1
1
; V = R2
, v2 =
a) S = v1 =
3
1
1
1
1

b) S = v1 = 1 , v2 = 3 , v3 = 1 ; V = R3
2
2
0
1
1
1

c) S = v 1 = 1 , v2 = 1 , v3 = 3 ; V = R3
4
2
0

d) S = f 1 = 1 + x, f 2 = 1 2x + 3x2 , f 3 = 1 + x2 ; V = P2

1 0
1 1
1 1
1 1
; V = M22 (R).
,
,
,
e) S =
0 0
0 0
1 0
1 1
Teorema 2. Si un espacio vectorial V tiene una base con n elementos, entonces cualquier otra
base de V tambien tiene n elementos.
El teorema anterior justifica la siguiente definicion.
Definici
on 5.9 (Dimensi
on). Si un espacio vectorial V tiene una base con n elementos, se
dice que V es finitodimensional y n es la dimensi
on de V . Se denota por dim V = n. Si
V = {0} , dim V = 0. En otro caso, se dice que V es de dimension infinita.
Bases can
onicas
Espacio
Base can
onica
Dimensi
on
V =R
{1}

1
0
,
0
1
V =R
V = R3
V = Rn
0
0
1

0 , 1 , 0 . Tambien {e1 , e2 , e3 }
0
0
1

0

0
.
..

{e1 , e2 , . . . , en }, donde ei = 1 Posicion i
.
..

0
0
V = P1
{1, x}
V = P2
{1, x, x2 }
V = Pn
{1, x, x2 , . . . , xn }
n+1
V =P
{1, x, x2 , . . . , xn , . . .}

V = M22
V = M23
V = Mmn
1 0
0 0
. .
.. ..
0 0

0 1
0 0
0 0
,
,
,
0 0
0 0
1 0
0 1
1 0
1 0 0
0 0 0
..
.
...
0 1 0
0 0 0

0
0 1

0
0 0
, . .
..
. .
.
. .
0
0 0
..
.
...
!
0
,...,
0 0 0
0 0 1
0
0
, . . . , .
..
..
.
!)
0
.. . .
.
.
0 ...
..
Ejemplo 5.10. Determine una base para el subespacio vectorial de R2

x
H=
3x + y = 0 .
y
Soluci
on. Como 3 0 + 0 = 0, entonces

0
0
H. Luego, H 6= .
mn
Secci

x
H. Entonces 3x + y = 0. Es decir, y = 3x, x R. Luego,
Sea
y

1
x
x
, x R.
=x
=
3
3x
y
De ah, H = gen

1
3

1
y dim H = 1.
. Por lo tanto, una base para H es S =
3
Ejercicio 2. Halle una base para cada uno de los siguientes subespacios vectoriales y determine
su dimension.

3
a) H = y R | x + y 2z = 0
b) H = {p(x) = d + cx + bx2 + ax3 P3 | a = b, c = d + 2b}
c) H = {A M22 | A es simetrica}
Espacios fundamentales de una matriz

Sea A una matriz de tama
no m n.
Definici
on 5.10 (Espacio nulo, n
ucleo o kernel). El espacio nulo, n
ucleo o kernel de
A, denotado por NA o ker A y se define como
NA = ker A = {x Rn | Ax = 0} .
Teorema 3. ker A es un subespacio de Rn .
Demostraci
on. Se probara que ker A es un subespacio de Rn . Es claro que ker A 6= pues
0 ker A. Ahora se demuestra la cerradura de la suma y de la multiplicacion por un escalar.
1. Sean x1 , x2 ker A. Entonces
Ax1 = 0 y Ax2 = 0
A(x1 + x2 ) = Ax1 + Ax2
=0+0=0
Hipotesis
Propiedad distributiva de sobre la suma
Porque
Esto implica que x1 + x2 ker A.

2. Consideremos, x ker A y R. Entonces por hipotesis Ax = 0. Ahora
A(x) = Ax = 0 = 0.
Luego x ker A.
Por lo tanto, ker A es un subespacio de Rn .
Por que

Definici
on 5.11 (Nulidad). La nulidad de A, denotada (A), es (A) = dim(ker A).
1 2 3 4
Ejemplo 5.11. Halle el n

ucleo, una base para el n
ucleo y la nulidad de A = 2 3 5 6 .
3 5 8 10
Soluci
on. Como A es de tama
no 3 4, se tiene que n = 4. Luego,
Al resolver
1 2
2 3
3 5
De ah,

ker A = x R4 | Ax = 0 .
el sistema homogeneo Ax = 0, se obtiene
3 4
1
2 3
4
1
0 1
0
f2 f2 2f1
f1 f1 + 2f2
5 6
1 2
1 2 .
0 1
0 1
f3 f3 3f1
f3 f3 f2
8 10
0 1
1 2
0
0
0
0

y
4
ker A = R | x = z, y = z 2w .
Para determinar una base para ker A, sea x ker A. Entonces

z
0
1
x

2w
2
1
y
= z + w ; z, w R.
=
0
1
z z
0
w
1
w

0
1

2
1
Luego, una base para ker A es S = , y (A) = dim(ker A) = 2.
1 0
0
1
Ejercicio 3. Encuentre el n
ucleo, una base para el n
ucleo y la nulidad de las siguientes matrices
1 4
5 7
a) A = 0 1 2
1 5
3 4
1 0 0
b) B = 8 5 0
9 7 2
Complete el enunciado del siguiente teorema.

Teorema 4. Ann es invertible si y s
olo si (A) =
Definici
on 5.12 (Imagen). La imagen de A se define como:
im A = {y Rm : Ax = y, para alg
u n x Rn } .
Teorema 5. im A es un subespacio de Rm .
Secci
Demostraci
on. Ejercicio
Definici
on 5.13 (Rango). El rango de A esta dado por (A) = dim(im A).
Ejemplo 5.12. Determine la imagen, una base para la imagen y el rango de la matriz del
ejemplo 5.11.
Soluci
on. Como A es una matriz 3 4, entonces m = 3. Luego
Resolviendo el sistema
1 2
2 3
3 5

im A = y R3 | Ax = y, para alg
un x R4
Ax = y mediante eliminacion gausiana se tiene.
3 4 | a
1 2 3
4 |
a
5 6 | b 0 1 1
2 | 2a b .
8 10 | c
0 0
0
0 | a+bc

Para que el sistema tenga solucion, a + b c = 0. Luego, im A = b | a + b c = 0 .
c
Para determinar una base para im A, sea y im A. Entonces

b + c
1
1
a

b = b = b 1 + c 0 ; b, c R.
c
0
c
1

1

Luego, una base para im A es S = 1 , 0 y (A) = dim(im A) = 2.
0
1
Ejercicio 4. Encuentre la imagen, una base para la imagen y el rango de cada una de las
matrices del ejercicio 3, pagina 90.

Teorema 6. Ann es invertible si y s
olo si (A) =
Observe que para la matriz A del ejemplo 5.11, se cumple (A) + (A) = 2 + 2 = 4 = n. En
general, se tiene:
Teorema 7 (Teorema de la dimensi
on). Sea A una matriz de tama
no m n, entonces
(A) + (A) = n.
Definici
on 5.14 (Espacio rengl
on). El espacio rengl
on o espacio fila de Amn , denotado
por FA o RA , se define como
FA = RA = gen {f1 , f2 , . . . , f } .
Definici
on 5.15 (Espacio columna). El espacio columna de A, que se denota por CA , es
CA = gen {c1 , c2 , . . . , c } .

Teorema 8. Si A una matriz de m n, entonces
1. im A = CA
2. dim RA = dim CA = (A)
Ejemplo 5.13. Para la matriz A del ejercicio 3, pagina 90 se tiene

1
0
x

3
im A = CA = gen 0 , 1 = y R x + y z = 0
1
1
z
Teorema 9. Sea B una matriz equivalente por renglones con la matriz A. Entonces
1. FA = FB
2. (A) = (B)
3. (A) = (B)
Ejercicio 5. Halle una base para el espacio fila y una base para el espacio columna de las
matrices del ejercicio 3, pagina 90.
Teorema 10. dim(FA ) = dim(CA ) = (A)
5.2.4
Lecci
on 4. Vector de coordenadas, cambio de base, bases ortonormales y proyecciones en Rn
Al finalizar la leccion el alumno podra determinar las coordenadas de un vector con respecto a
una base fija. Ademas, realizara cambios de coordenadas de una base a otra, usara el proceso de
Gram-Schmidt para ortonormalizar una base, es decir para encontrar otra que tenga vectores
ortogonales y se generaliza el concepto de proyeccion estudiado en la leccion 3 seccion 2.2.3 del
captulo 2 de la pagina 32.

0
1 #
1
1 #
#
Ejemplo 5.14. Sean B1 =
y B2 = v1 =
, u2 =
bases
, v2 =
1
0
2
1
de R2 . Los escalares que permite escribir los vectores de la base B1 como combinacion lineal de
los elementos de la base B son 2 y 1 para #
u , y 1 y 1 para #
u . Es decir, #
u = 2 #
v #
v y
#
u1 =
#
u 2 = #
v 1 + #
v 2 ; lo cual se denota
[ #
u 1 ]B =
2
2
1
y [ #
u 2 ]B =
2

1
.
1
Ejercicio 1. Sean B1 = {1, x, x2 } y B2 = {2 + 3x + x2 , 1 2x + x2 , 1 + 6x2 } bases de P2 .

a) Encuentre los escalares que permiten escribir cada vector de B1 como combinacion lineal de
los vectores de la base B2 .
b) Encuentre los escalares que permiten escribir cada vector de B2 como combinacion lineal de
los vectores de la base B1 .
Secci
Definici
on 5.16 (Vector de coordenadas). Sea V un espacio vectorial, B = {v1 , v2 , . . . , vn }
una base de V y u V . El vector de coordenadas de u en la base B se define como el vector
columna formado por los escalares c1 , c2 , . . . , cn que permiten escribir a u como combinacion
lineal de los vectores de la base B y se denota por [u]B . Es decir,

c1

c2
[u]B =
.. si y solo si
.
cn
2
Ejemplo 5.15. Sea B1 = {v1 = 1, v2 = 1 + x, v3 = 1 + x + x2 } una
base
de P2 y u = 23x+5x
7

en P2 . El vector de coordenadas de u en la base B1 es [u]B1 = 8 porque
5
u = 2 3x + 5x2 = 7v1 + 8v2 + 5v3 .
Definici
on 5.17 (Matriz de transici
on). Sea V un espacio vectorial de dimension n, y sean
B1 = {v1 , v2 , . . . , vn } y B2 bases de V . La matriz A tal que
A [u]B = [u]B ,
(5.1)
se denomina la matriz de transicion de B1 a B2 y se denota por A = P B1 B2 o TB2 B1 .

Nota. La matriz de transicion de B1 a B2 esta dada por

A = [v1 ]B [v2 ]B . . . [vn ]B
2
Ejemplo 5.16. La matriz de transicion de B1 a B2 del ejemplo 5.14 es

2 1
.
1
1
Ejercicio 2. Escriba la matriz de transicion de B2 a B1 del ejercicio 2.

Bases ortonormales
Ejercicio 3. Sea B = {e1 , e2 , . . . , en } la base canonica de Rn . Entonces
1. ei ej =
2. kei k =
para cada par de vectores distintos de B.

para cada vector de B.
Una base B que satisface las dos condiciones anteriores se denomina base ortonormal de Rn .
Ahora generalizamos este concepto.
Definici
on 5.18. Sea S = {u1 , u2 , . . . , uk } un subconjunto de Rn . Se dice que S es un con-
junto ortonormal si satisface las siguientes condiciones:

1.
2.

Si S satisface solo
, se dice que S es ortogonal.
Ejercicio 4. Encuentre un conjunto de R3 que sea ortogonal y que no sea ortonormal. Cuantos
elementos puede tener a lo sumo este conjunto?
Teorema 11. Si S = {u1 , u2 , . . . , uk } Rn es ortogonal, entonces S es un conjunto lineal-
mente independiente.
Demostraci
on. Ejercicio
Definici
on 5.19 (Base ortonormal). Una base de Rn que es un conjunto ortonormal se
denomina base ortonormal de Rn .
Proyecciones en Rn y proceso de GramSchmidt

Sea H un subespacio de Rn y S = {v1 , v2 , . . . , vm } una base de H. Para construir una base
B = {u1 , u2 , . . . , um } ortonormal para H a partir de S, se procede de la siguiente manera:

w1
,
kw1 k
w2
,
u2 =
kw2 k
u1 =
donde w1 = v1 . Observe que ku1 k =

donde w2 = v2 (v2 u1 )u1
En general
uk+1
wk+1

=
w ,
k+1
donde wk+1 = vk+1
k
X
(vk+1 ui )ui
i=1
#
v3
#
w
3
#
w
2
#
w
2
#
v2
u
3
u
2
O u
1
# = #
w
v1
1
O u
1
# = #
w
v1
1
#
v2
u
2
O u
1
# = #
w
v1
1
(a) k = 1
(b) k = 2
(c) k = 3
Figura 5.1. Proceso de GramSchmidt en R3 .
Ejemplo 5.17. Construya una base ortonormal T para R3 a partir de la base
1
1
1

#
#
#
S = v1 = 0 , v2 = 1 , v3 = 1
1
0
1
Secci
Soluci
on. Siguiendo los pasos dados se tiene

1

#
#
w1 = v1 = 0 ,
1
1
2
1 #

u
1 = # w
1 = 0
k w1 k
1
1

1
1
1
6
1 #
1 2
#
#
#
2
2 = # w2 = 6
w2 = v2 ( v 2 u
1 )
u1 = 1 0 = 1 ; u
2
k w2 k
1
2
1
0
16

1
1
1
1
1 31
#
#
#
#
w3 = v3 ( v 3 u
1 )
u1 ( v3 u
2 )
u2 = 1 0 2 = 3
3
1
1
1
1
3
1
1 #
13
u
3 = # w3 = 3
k w3 k
1
2

As, una base ortonormal para R3 es T = {
u1 , u
2 , u
3 } = 0 ,
1
2
1
13
2 , 1 .
6
3
1
16
3
x

Ejercicio 5. Sea H = y : x y + z = 0 un subespacio de R3 . Determine una base B
z
para H y construya una base ortonormal a partir de B.
Ejercicio 6. Construya una base ortonormal para el n
ucleo de la matrices dadas en el ejercicio
3 de la pagina 90.
Ejercicio 7. Determine una base ortonormal para
1
1
1
2
1
2
1
3
H = gen v1 = , v2 = , v3 = , v4 = .
1
1
0
1
0
1
1
1
5.2.5
Lecci
on No. 5. Espacios con producto interior
Cuando se estudio el espacio vectorial Rn , se definio el producto punto o producto escalar de

la siguiente manera. Sean x = (x1 , x2 , . . . , xn ) y y = (y1 , y2 , . . . , yn ) dos vectores de Rn , el
producto punto o producto escalar entre los vectores x e y es
x y = x1 y1 + x2 y2 + + xn yn =
el cual satisface las siguientes propiedades:
n
X
i=1
xi yi ,

PI1. x x 0 para todo x Rn y x x = 0 si y solo si x = 0.
PI2. x y = y x para todo x, y Rn .
PI3. x (y + z) = x y + x z para todo x, y, z Rn .
PI4. (cx) y = c(x y) = x (cy) para todo x, y Rn y todo escalar c R.

En general, cualquier espacio vectorial V en el cual se pueda definir un producto interior que
satisfaga las propiedades PI1 a PI4 se llama espacio eucldeo real. En esta seccion se estudian
de manera general los espacios eucldeos definiendo un producto interior sobre el que satisfaga
propiedades similares a PI1PI4.
Definici
on 5.20. Sea V un espacio vectorial complejo, sean x, y V y sea c un escalar
complejo. El producto interior entre x e y, denotado por hx, yi, es la operacion que satisface
las siguientes propiedades.
PI1. hx, xi 0 para todo x V y x x = 0 si y solo si x = 0.
PI2. hx, yi = hy, xi para todo x, y Rn , donde hy, xi denota el complejo conjugado de hy, xi.
PI3. hx, y + zi = hx, yi + hx, zi para todo x, y, z V .
PI4. hcx, yi = chx, yi y hx, cyi = chx, yi para todo x, y V y todo escalar c C.
Nota. A un espacio vectorial V sobre el cual se ha definido un producto interior hx, yi satis-
faciendo las propiedades PI1PI4, se le denomina espacio eucldeo y se escribe V = E. La

p
norma de un vector x E se calcula mediante la expresion kxk = hx, xi.
Ejemplo 5.18. Sea E = R2 . Se define la operacion hx, yi entre x y y de la siguiente manera.
Si x = (x1 , x2 ) y y = (y1 , y2 ),
hx, yi = x1 y1 + 2x2 y2 .
Determine si hx, yi es un producto interior en R2 .
Soluci
on. Se verifican si se satisfacen las propiedades PI1.PI4.
PI1. hx, xi = x21 + 2x22 0 y hx, xi = 0 si y solo si x21 + 2x22 = 0 si y solo si x1 = x2 = 0
si y solo si x = 0
PI2. hx, yi = x1 y1 + 2x2 y2 = y1 x1 + 2y2 x2 = hy, xi
PI3. hx, y + zi = x1 (y1 + z1 ) + 2x2 (y2 + z2 ) = x1 y1 + x1 z1 + 2x2 y2 + 2x2 z2
= (x1 y1 + 2x2 y2 ) + (x1 z1 + 2x2 z2 ) = hx, yi + hx, zi
PI4. hcx, yi = cx1 y1 + 2cx2 y2 = c(x1 y1 + 2x2 y2 ) = chx, yi y
hx, cyi = x1 cy1 + 2x2 cy2 = c(x1 y1 + 2x2 y2 ) = chx, yi
Por lo tanto, hx, yi = x1 y1 + 2x2 y2 es un producto interior en R2 .
Ejercicio 1. Muestre que la siguiente operacion es un producto interior en E = R2 . Sean
x = (x1 , x2 ) y y = (y1 , y2 ),
hx, yi = x1 y1 + (x1 + x2 )(y1 + y2 )
Secci
Ejercicio 2. Compruebe que la siguiente operacion es un producto interior en E = Pn . Sean

f : f (t) = a0 + a1 t + + an tn y g : g(t) = b0 + b1 t + + bn tn ,
hf , gi =
n
X
f (k/n)g(k/n).
k=0
Si f (t) = t y g(t) = a + bt, encuentre valores de a y b de modo que f y g sean ortogonales.

A continuacion, se escribe el teorema resumen de este captulo.
1. A es invertible.
y la solucion es

pivotes
7. det A
. Es decir, gen{f1 , . . . , fn }=
de las filas de A.

14. (A) =
15. (A) =
. Es decir, gen{c1 , c2 , . . . , cn } =
Captulo 6
Transformaciones lineales
Se estudian funciones que pertenecen a una clase particular y especial denominada transforma
ciones lineales. Estas
desempe
nan un papel importante dentro de la matematica, fsica, ciencias
de la computacion, ingeniera entre otras.
Al fnalizar el captulo, el estudiante sera capaz de reconocer las funciones que son transformaciones lineales, representarlas matricialmente cuando sea posible y relaconar el espacio nulo e
imagen de la transformacion con la matriz que la representa, as como usar adecuadamente el
teorema de la dimension.
Se inicia con el concepto de transformacion lineal y se analiza la geometra de algunas de ellas
en R2 .
6.1
Taller pre-clase
A. Teora Realice un estudio comparativo de las funciones mas usadas y estudiadas en los
cursos previos de matematicas y determine cuales satisfacen las propiedades de linealidad.
Es decir, las dos propiedades que cumple y definen una transformacion lineal.
B. Aplicando la teora
1. Halle una transformacion lineal T : R2 7 R3 si

3
3
1
1

= 2
= 1 y T
T
1
3
2
2
2. Dada la transformacion lineal T : R4 7 R3 definida por

x
x 2y + 2z + 3w

y
T =
y + 3z + w
z
x
+ 5z + 4w
w
a) Halle ker T , una base para ker T y la nulidad de T .
b) Encuentre im T , una base im T y el rango de T .

1

c) El vector 3 im T ? Explique su respuesta.
4
99
100 Captulo 6. Transformaciones lineales

3. Sea T : P2 7 P2 una transformacion lineal que satisface
T (1) = 1 + x,
T (1 + x) = 2 + 3x + x2 ,
T (1 x + x2 ) = 3 + 4x + x2
a) Halle la transformacion lineal T .

b) Halle la matriz de la transformacion
c) Encuentre el n
ucleo y la nulidad de T .
d) Determine una base para la imagen y el rango de T .
4. Encuentre una transformacion lineal T : R3 7 R2 tal que

1
1
a

2
R | 2a b = 0
e im T =
ker T = gen 1 , 0
1
1
5. Determine una transformacion lineal T : R2 7 R2 de modo que la region

y
5
4
se transforme en
1
0
-1
-1
-1
-3
-2
-1
6. Sea T : R2 7 R2 una transformacion definida por

cos sen x
x
, 0 < 2 (o < ).
=
T
y
sen
cos
y
a) Muestre que T es una transformacion lineal. T se denomina transformacion de rotacion.

3
0
1
si (i) = /4 y (ii) = /3.
y
,
b) Halle la imagen de los vectores
2
1
0
Grafique los vectores y sus imagenes. Describa geometricamente la transformacion.

x
.
c) Muestre que kT (v)k = kvk, donde v =
y
7. Sea T : R2 7 R2 una transformacion lineal dada por T (x) = Ax, donde A es una matriz
2 2. De una interpretacion geometrica en cada caso:

0 1
c 0
c) A =
,c > 1
a) A =
1 0
0 1

1 c
1 0
d) A =
,c > 1
b) A =
0 1
0 c
e) A =
1 0
c 1
Secci
101

1 2
la matriz de la transformacion T : R2 7 R2 , referida a las bases
8. Sea A =
1 0

2
1
3
1
, halle la transformacion.
,
y B2 =
,
B1 =
7
3
4
2

9. Sea T : P2 7 P1 una transformacion lineal definida por T (p) = p . Recuerde que

d
p (x) =
[p(x)].
dx
a) Determine el n
ucleo de la transformacion y la nulidad.
b) Determine la imagen de la transformacion y el rango.
c) Halle la matriz de la transformacion con respecto a las bases: B1 la base usual de P2
y B2 = {1, 1 + x} base de P1 .
10. Sea T : R3 R2 una transformacion lineal definida por

!
x
x+yz

T y =
.
2x + 3y 4z
z

2 1 1
la matriz que representa a T con respecto a las bases
Sea AT =
1 1 3
1
3
1
# , w
# } de R2 . Halle la
#
#
#
B1 = v1 = 2 , v2 = 2 v3 = 1 de R3 y B2 = { w
1
2
4
3
1
base B2 . Sugerencia. Use el hecho [T (v)]B2 = AT [v]B1 .
o falso. Justifique claramente su respuesta
1.
Si T : V 7 W una transformacion lineal uno a uno, entonces ker T = {0V }.
2.
Si T : V 7 W una transformacion lineal, entonces el n

ucleo y la imagen de T
siempre son diferentes de vaco, es decir, ker T 6= e im T 6= .

3.
Si T : V 7 W es una transformacion lineal sobreyectiva, entonces im T = W .
D. Aplicaciones
Identifique los conceptos que permiten solucionar la siguiente situacion.
Un caricaturista moderno emplea computadora y algebra lineal para transformar las imagenes
T
2
2
b
1
b
0
b
x
b
-1
0
b
u
b
-1
-2
-1
(a)
-2
-1
(b)
Figura 6.1. Deslizamiento en transformaciones de imagenes

Suponga que trata de dar la sensacion de movimiento a la imagen de la figura 6.1(a),
inclinandola y estirandola (horizontalmente) en forma gradual para llegar a la figura 6.1(b).
Si el estiramiento gradual necesario, por ejemplo, a lo largo del eje x es 50 %, como puede
modelarlo matematicamente y hacer que la computadora trace la imagen inclinada? (ver
[5], pagina 306).
6.2
Lecciones de clase
6.2.1
Lecci
on 1. Definici
on y propiedades
Se estudia el concepto de transformacion lineal y las propiedades que la caracterizan.

Al finalizar la leccion, dada una funcion, el estudiante podra determinar si es o no una transformacion lineal. Asimismo, conociendo las imagenes de los vectores de una base del espacio de
partida donde esta definida la transformacion lineal, podra determinar la regla que la define.
Definici
on 6.1 (Transformaci
on lineal). Sean V y W espacios vectoriales. Una transformacion lineal T de V en W (T : V 7 W ) es una funcion que satisface las siguientes condiciones:
1. T (u + v) = T (u) + T (v), para cada u, v V .
2. T (u) = T (u), para cada u V y para cada escalar (real) .

x
x
es una transformacion
=
Ejemplo 6.1. La funcion T : R2 7 R2 definida por T
y
y
lineal. En efecto:
Sean #
u =
1.
2.

z
x #
en V = R2 y R. Entonces
,v =
w
y

x+z
z
x
=T
+
y+w
w
y

x+z
x+z
=
=
y w
(y + w)

z
x
+
=
w
y
= T ( #
u ) + T ( #
v)
T ( #
u + #
v) = T

x + y
=
(x + y)

x
x+y
= T ( #
u)
= T
=
y
(x + y)
T ( #
u) = T

x
y

Desde el punto geometrico se tiene
Suma de vectores
Definicion de la funcion
Suma de vectores
Definicion de la funcion
Secci
x
y
x
T
x
x
y
x
y
Esta transformacion se denomina reflexion sobre el eje x.

Ejemplo 6.2. La funcion T : R 7 R definida por T (x) = x 3 no es una transformacion
lineal. En efecto:
Sean x, y R y R. Entonces T (x) = x 3 y T (y) = y 3.

T (x + y) = (x + y) 3 = x + y 3 6= (x 3) + (y 3) = T (x) + T (y)
Similarmente se tiene
T (x) = x 3 6= (x 3) = T (x).
Ejercicio 1. Demuestre que la funcion T dada es una transformacion lineal.

x
x
2
2
a) T : R 7 R ; T
=
.
y
y
b) T : R+ 7 R, T (x) = ln x. Ver ejercicio B2, pagina 77 del taller pre-clase captulo 5.

x + y
x
2
2
una transformacion lineal. Bosqueje la
=
Ejercicio 2. Sea T : R 7 R ; T
y
y
region obtenida al aplicar la transformacion al rectangulo dado, cuando = 2 y cuando = 3.
y
-1
-1
-1
(d) = 2
-6
-5
-4
-3
-2
-1
(e) = 3
Observaci
on. Una transformacion lineal T : V 7 V recibe el nombre de operador lineal.
Ejemplo 6.3. La funcion T : Mmn 7 Mnm definida por T (A) = AT es un transformacion
lineal, pues para A, B en Mmn y R:
T (A + B) = (A + B)T = AT + B T = T (A) + T (A) y T (A) = (A)T = AT = T (A).

Ejemplo 6.4. D : C 1 [R] 7 C 0 [R] dada por D[f (x)] = f (x) es un operador lineal, llamado
operador derivada, puesto que para f, g en C 1 y R:
D(f + g) = (f + g) = f + g = D(f ) + D(g) y D(f ) = (f ) = f = D(f ).

Teorema 1. Si T : V 7 W es una transformaci
on lineal, entonces
1. T (0V ) = 0W .
2. T (u v) = T (u) T (v); u, v V .
X
X
k
k
3. T
i v i =
i T (vi ); i R, vi V .
i=1
i=1
Ejercicio 3. Determine cual o cuales de las siguientes funciones dadas son transformaciones
lineales:
a) T : R 7 R; T (x) = 3x.

x
2
= xy.
c) T : R 7 R; T
y
1
e) T : C [a, b] 7 R; T (f (x)) =
b) T : R 7 R; T (x) = 3x + 2.
d) T : Mmn 7 R; T (A) = det A.
Z
f (x) dx.
a
f) T : R2 7 P2 ; T (a, b) = a + b + (a + b)x + (2a b)x2 .
Ejemplo 6.5. Sean V y W espacios vectoriales. La funcion 0 : V 7 W dada por 0(u) = 0W

es una transformacion lineal denominada transformacion nula.
Ejemplo 6.6. Sea V un espacio vectorial. La funcion I : V 7 V dada por I(u) = u es una
transformacion lineal denominada transformacion identidad.
Teorema 2. Si V es un espacio vectorial de dimensi

on n con base S = {v1 , v2 , . . . , vn } y
T : V 7 W es una transformaci
on lineal, entonces para cada u V , T (u) queda completamente
determinado por {T (v1 ), T (v2 ), . . . , T (vn )}
5
Ejemplo 6.7. Sea T : R
7
P1 una transformacion lineal. Halle T
3

0
1
= 3 + x.
=1+x y T
T
1
2
2
si se sabe que

0
1 #
es una base de R2 . Luego, existen escalares 1 y 2
Soluci
on. B =
, v2 =
1
2
tales que #
u = 1 #
v1 + 2 #
v2 . Al resolver se obtiene 1 = 5, 2 = 13. As,

T ( #
u) = T
5
3
#
v1 =

0
1
0
1
= 5(1 + x) 13(3 + x) = 44 8x.
13T
= 5T
13
=T 5
1
2
1
2
Ejercicio 4. Sea T : P1 7 P2 la transformacion lineal definida por:

T (x + 1) = x2 1 y T (x 1) = x2 + x.
a) Halle la imagen del vector 5x 1. Es decir, T (5x 1) =
b) Determine la transformacion. Es decir, T (ax + b) =
Secci
6.2.2
Lecci
on 2. N
ucleo e imagen de una transformaci
on lineal y su
representaci
on matricial
Al culminar la leccion el estudiante podra representar matricialmente una transformacion lineal

que este definida entre espacios vectoriales de dimension finita. Tambien determinara el n
ucleo
y la imagen de una transformacion lineal y los relacionara con los de la matriz que la representa,
por u
ltimo usara adecuadamente el teorema de la dimension.
Definici
on 6.2 (N
ucleo o Kernel). Sea T : V 7 W una transformacion lineal. El n
ucleo
(o Kernel) de T , es el conjunto de todos los vectores u V tales que T (u) = 0. Se denota

por ker T o nu T . Es decir.
ker T = nu T = {u V | T (u) = 0} .

x+y
x
= 2x + 2y .
Ejemplo 6.8. Sea T : R2
7 R3 una transformacion lineal dada por T
y
x+y
Halle ker T .

0
x
+
y
n
x
#o

#
#
2
Soluci
on. ker T = u R | T ( u ) = 0 =
2x + 2y = 0. Al resolver el sis
y
0
x+y

1
x
.
| y = x = gen
tema homogeneo resultante se obtiene ker T =
1
y

x
!

x
+
y
y
,
Ejemplo 6.9. Si T : R4 7 R2 es una transformacion lineal dada por T =
z
zw
w

y
4
entonces ker T = R y = x, z = w .
w

a
2
= 2(ab)+(ab)x.
Ejemplo 6.10. Sea T : R 7 P1 una transformacion lineal dada por T
b

a
1
/ ker T .
Entonces ker T =
a = b . Observe que
b
2
Definici
on 6.3 (Nulidad). Si ker T es de dimension finita, esta se denomina nulidad de T y
se denota por (T ). Es decir, (T ) = dim(ker T ).
Ejemplo 6.11. En las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene que
(T ) = 1, (T ) = 2 y (T ) = 1 respectivamente.
Definici
on 6.4 (Imagen). Sea T : V 7 W una transformacion lineal. La imagen de T , es el
conjunto de todos los vectores w de W que son imagenes, bajo T , de vectores de V . Esto es,

w esta en la imagen de T si existe un u V tal que T (u) = w. La imagen de T se denota por
im T . Es decir,
im T = {w W | T (u) = w, para alg

un u V } .
Definici
on 6.5 (Rango). Si im T es de dimension finita, esta se denomina el rango de T y se
denota por (T ). Es decir, (T ) = dim(im T ).
Ejemplo 6.12. Halle im T para la transformacion lineal T : R2 7 R3 dada en el ejemplo 6.8.

x+y
x
# R3 | T ( #
# para alg
= 2x + 2y e im T = { w
u ) = w,
un #
u R2 }.
Soluci
on. Se tiene T
y
x+y

x+y
a
a
x

#
#
2
R tal que 2x + 2y = b . Entonces
w = b im T si y solo si existe u =
y
x+y
c
c
x+y =a
2x + 2y = b
x+y =c
1 1 | a
1 1 |
a
2 2 | b 0 0 | b 2a .
1 1 | c
0 0 | ca
El sistema tiene solucion si b 2a = 0 y c a = 0. Luego

a

im T = b b = 2a, c = a = gen 2 . Luego, (T ) = dim(im T ) = 1.
Ejemplo 6.13. En la transformacion del ejemplo 6.9 se tiene que im T = R2 , luego, (T ) = 2
Teorema 3. Sea T : V 7 W una transformaci

on lineal. Entonces ker T es subespacio de V e
im T es un subespacio de W .
Demostraci
on. Se probara que ker T es un subespacio de V . Es claro que ker T 6= pues
0 ker T . Ahora se demuestra la cerradura de la suma y de la multiplicacion por un escalar.
1. Sean v1 , v2 ker T . Entonces
T (v1 ) = 0 y T (v2 ) = 0
T (v1 + v2 ) = T (v1 ) + T (v2 )
=0+0=0
Hipotesis
Porque T es transformacion lineal
Porque
Esto implica que v1 + v2 ker T.

2. Consideremos, v ker T y R. Entonces por hipotesis T (v) = 0. Ahora
T (v) = T (v) = 0 = 0.
Luego v ker T .
Por lo tanto, ker T es un subespacio de V .
Por que
Secci
Ejercicio 1. Halle ker T, (T ), im T y (T ) de cada una de las siguientes transformaciones

lineales. Encuentre una base para ker T y para im T .

yx
x
2
2
=
a) T : R 7 R , T
y+x
y

a+b
0
a b
=
b) T : M22 7 M22 ; T
c
c+d
c d
2
3
c) T : P2 7 P2 ; T (a0 + a1 x + a2 x + a3 x ) = a0 + a1 x + a2 x2
d) T : P2 7 P3 , T (c + bx + ax2 ) = b bx + cx3
Definici
on 6.6 (Funci
on uno a uno). Una funcion F : A 7 B es uno a uno (1 1) o
inyectiva si y solo si para cada a1 y a2 en A se tiene:
1. a1 6= a2 implica F (a1 ) 6= F (a2 ); o equivalentemente

2. Si F (a1 ) = F (a2 ), entonces a1 = a2 .
Teorema 4. T : V 7 W es una transformaci
on lineal uno a uno si y s
olo si ker T = {0}.
Demostraci
on. En primer lugar supongamos que T es uno a uno y probaremos que ker T = {0}.
u ker T T (u) = 0
T (0) = 0
Definicion de ker T
Porque
T (u) = 0 y T (0) = 0 u = 0
Luego, ker T = {0}. Ahora supongamos que ker T = {0} y demostraremos que T es 1 1.
Sean u, v V tales que T (u) = T (v)
T (u) = T (v) T (u v) = 0
Porque
T (u v) = 0 u v ker T
u v ker T u v = 0
De donde u = v y por tanto, T es uno a uno.

x
+
y
x
.
=
Ejemplo 6.14. Sea T : R2 7 R2 una transformacion lineal definida por T
2x + 3y
y
Muestre que T es uno a uno y halle T 1 .

0
, luego, T es inyectiva. Ahora hallamos T 1 despejando
Soluci
on. Se tiene que ker T =
0
las variables x y y.

x
a
x
1 a
.
=T
si y solo si
=
T
b
y
b
y
Resolviendo

1 0 | 3a b
1 1 |
a
1 1 | a
x+ y =a
.
0 1 | b 2a
0 1 | b 2a
2 3 | b
2x + 3y = b

3a b
1 a
.
=
Por lo tanto, T
2a + b
b

Ejercicio 2. Determine cual o cuales de las siguientes transformaciones lineales, T : V 7 W ,
son uno a uno. Halle la transformacion inversa T 1 : im T 7 V cuando sea 1 1.

x

x 2y + 2z

3
2
c) T : R
7 R ; T y =
2x 3y + 3z
z

yx
x
2
2
=
a) T : R 7 R ; T
y+x
y

x 2y
x
= 2x 3y
b) T : R2 7 R3 ; T
y
4x 7y
Ejercicio 3. Pruebe. Una transformacion lineal T : V 7 W es sobreyectiva si im T = W .

Teorema 5 (Teorema de la dimensi
on). Si V es un espacio vectorial de dimensi
on n y
T : V 7 W es una transformaci
on lineal, entonces
(T ) + (T ) = n.
(6.1)
Ejemplo 6.15. Para las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene
a) T : R2 7 R3 , dim V = dim R2 = 2 = n; (T ) + (T ) = n, 1 + (T ) = 2. Luego, (T ) = 1.
b) T : R2 7 P1 , dim V = dim R2 = 2 = n; (T ) + (T ) = n, 1 + (T ) = 2. Entonces, (T ) = 1.
c) T : R4 7 R2 , dim V = dim R4 = 4 = n; (T ) + (T ) = n, 2 + (T ) = 4. As, (T ) = 2.
Teorema 6. Sean V y W espacios vectoriales tales que dim V = n y dim W = m. Sean
B1 = {v1 , v2 , . . . , vn } una base de V y B2 = {w1 , w2 , . . . , wm } una base de W . Si T : V 7 W
es una transformaci
on lineal, entonces existe una matriz AT de tama
no m n tal que
AT [v]B1 = [T (v)]B2 para cada v V.
Definici
on 6.7. La matriz AT del teorema 6 recibe el nombre de matriz de T con respecto
a las bases B1 y B2 , y esta dada por
AT = [T (v1 )]B [T (v2 )]B . . . [T (vn )]B
2
donde [T (vj )]B2
a1j
a2j
=
.. si y solo si
.
amj
Recuerde: [T (vj )]B2 es el vector de coordenadas de T (vj ) en la base B2 .

Ejemplo 6.16. Con relacion a la transformacion lineal del ejemplo 6.9, la matriz de T respecto

1 1 0
0
4
2
.
a las bases usuales (canonicas) para R y R es AT =
0 0 1 1
Secci
Ejemplo 6.17. Halle la matriz de la transformacion lineal del ejemplo 6.10 con respecto a las

1
1 #
#
bases B1 = v1 =
de R2 y B2 = {w1 = 1, w2 = x} la base canonica de P1 .
, v2 =
2
0

a
= 2(ab)+(ab)x.
Soluci
on. Calculamos las imagenes de los vectores de la base B1 con T
b

#
1
2
#
= 2 + x = 1 1 + 1 x = 2w1 + 1w2 . De donde, T ( v 1 ) B =
.
T ( v1 ) = T
2
0
1

#
1
2
#
= 2 x = 2 1 + (1) x = 2w1 1w2 . Luego, T ( v 2 ) B =
.
T ( v2 ) = T
2
2
1
Por lo tanto, AT =

2 2
.
1 1
Teorema 7. Si AT es la matriz de la transformaci

on con respecto a las bases B1 y B2 , entonces
1. (T ) = (AT )
2. (T ) = (AT )
Observaciones. Si V = Rn y W = Rm y T : V 7 W es una transformacion lineal, en-
tonces AT , la matriz de la transformacion con respecto a las bases canonicas de Rn y Rm ,

respectivamente, satisface:
1. AT = T (e1 ) T (e2 ) . . . T (en )
2. ker T = ker AT ,
3. im T = im AT ,
(T ) = (AT )
(T ) = (AT )
Ejemplo 6.18. Dada la transformacion lineal del ejemplo 6.10, analizada en el ejymplo anterior,
determine im T .
Soluci
on. Por el Teorema 7 parte 2, (T ) = (AT ) = 1. Luego

2 1
2
1
2
T
.
f f2 + f1
ya que AT =
im AT = gen
0 0
2 1 2
1
Por lo tanto, im T = gen {2 + x}.
Ejercicio 4. Halle la matriz de la transformacion con respecto a las bases B1 y B2 . Determine:
n
ucleo, nulidad, imagen y rango de cada transformacion lineal.
a) T : P2 7 P3 , T (c + bx + ax2 ) = b bx + cx3
(i) B1 y B2 son las bases canonicas.
(ii) B1 = {1 + x, 1 x, 1 + x + x2 } , B2 = {2 + 3x + x2 , 1 2x + x2 , 1 + 6x2 }
b) T : R4 7 R3 ,
x
x y + 2z + 3w

y
T
y + 4z + 3w
z =

x
+ 6z + 6w
w
i. B1 y B2 son las bases canonicas.

1
1
0
0
1
1
1 0 0 1
1
ii. B1 = , , , , B2 = 0 , 1 , 1
0 1 1 0
0
0
1
0
1
1
1

no n n. Las siguientes afir-
maciones son equivalentes:

1. A es invertible.

y la solucion es

pivotes
7. det A
. Es decir, gen{f1 , . . . , fn }=
de las filas de A.

. Es decir, gen{c1 , c2 , . . . , cn } =

14. (A) =
15. (A) =
16. Si A es la matriz de una transformaci
on lineal T : V 7 V entonces
16.1 ker T =
16.2 T es una funcion
16.3 im T =
Captulo 7
Valores y vectores propios

Si T : V 7 V es un operador lineal y V es de dimension finita, entonces T se puede representar
por una matriz cuadrada A. Hay una gran cantidad de aplicaciones en las cuales es de gran
utilidad encontrar un vector v V que sea paralelo a su imagen, es decir, hallar un R
tal que T v = v. Cuando v 6= 0, este se denomina vector propio de T y , valor propio

asociado a v.
En este captulo, se estudiaran los valores y vectores propios de una matriz cuadrada A de
tama
no n n que representan un operador lineal. Se retoma el concepto de n
ucleo de una
matriz, base y su dimension con los que se introducen las definiciones de espacio caracterstico,
vector propio y multiplicidad algebraica y geometrica de un valor propio .
Se contin
ua con la diagonalizacion de matrices cuadradas y luego con la diagonalizacion ortogonal de matrices simetricas para lo cual usa el proceso de Gram-Schmidt. Finalmente, se
estudian las formas cuadraticas y las secciones conicas, como una aplicacion de los conceptos
del captulo presente y de los anteriores.
7.1
Taller pre-clase
A. Teora
Identifique los conceptos de captulos anteriores que se usan para el desarrollo de la teora de
valores y vectores propios.
B. Poniendo en pr
actica lo aprendido
1. Determine si A =
4 3
0 4
respuesta.
1 1
1
2
2. Sea A =
1
1
1 1
yB =
0 5
son diagonalizables. Justifique claramente su
1 1
2
1
1
2
a) Verifique si = 1 y = 3 son valores de propios de A.

111
112 Captulo 7. Valores y vectores propios

1
#
b) Halle el valor propio de A asociado al vector propio v1 =

1

1
c) Halle el espacio propio correspondiente al valor propio determinado en la parte a) y

determine su multiplicidad geometrica.
d) Determine si A es diagonalizable. En caso afirmativo, halle una matriz invertible P tal
que P 1 AP = D, donde D es una matriz diagonal.
Recuerde: multiplicidad
3 2
10
3. Calcule A si A = 2 0
4
geometrica de multiplicidad algebraica de .
2. Use el hecho que A es diagonalizable.

3
o falso. Justifique sus respuestas
1.
Si = 0 es un valor propio de A, entonces la matriz es singular.
2.
Ann es diagonalizable si tiene n valores propios.
3.
Si Ann tiene n valores propios distintos, entonces A es diagonalizable.
4.
Si cada uno de los valores propios de A tiene multiplicidad algebraica 1, entonces A

tiene n vectores propios linealmente independientes.
5.
Si Ann es una matriz con componentes reales, entonces sus valores propios son reales.
6.
Sea A una matriz de tama

no 33. Si p() = (4)2 (+3) es el polinomio caracterstico
de A, entonces A es diagonalizable.
D. Aplicaciones
Dadas la ecuaciones cuadraticas
1. 2x2 + 10xy 2y 2 = 21.
2. x2 + 4xy + 4y 2 + 4 5 x 2 5 y = 20
a). Halle la matriz simetrica A que representa la forma cuadratica
b). Encuentre los espacios propios de la matriz A.
c). Diagonalice ortogonalmente la matriz A.
d). Elimine el termino cruzado e identifique la conica dada por la ecuacion
e). Realice el grafico de la conica donde muestre los ejes principales y el angulo de rotacion
Secci
7.2
Lecciones de clase
7.2.1
Lecci
on 1. Definiciones
Se retomaran los determinantes, as como los conceptos de espacio nulo o n

ucleo de una matriz
A. Ademas se hallara una base y su nulidad los cuales se relacionaran con las definiciones de
valores y vectores propios, espacio caracterstico, multiplicidad algebraica y geometrica.
Ejercicio 1. Para cada una de las siguientes matrices
1.
A=
5.
1 2
4 3
1 0
2.
A = 3 0 3
6.
1 0 1
A=
1 1
1 3
2 1 1
A = 1 2 1
1 1 2
3.
7.
A = 0
1 0
0 1
2 5 4
A=
5 2
4.
8.
A=
A=
2 1
5 2
9 3
3 1
determine el o los valores de que permitan que el determinante de la matriz A I sea igual
a cero, es decir, |A I| = 0. ( es un n
umero real o complejo). Recuerde: I es la matriz
identidad.
Ejercicio 2. Para cada una de las matrices anteriores, encuentre el n

ucleo de la matriz A I.
Considere para cada matriz A el valor o los valores de encontrados en el numeral anterior.
Ademas, encuentre una base para el n
ucleo y determine la nulidad.
Recuerde: encontrar el n
ucleo de A I es equivalente a resolver el sistema homogeneo con
matriz de coeficientes A I.
Complete las siguientes definiciones:

Definici
on 7.1 (Valor propio).
Definici
on 7.2 (Vector propio).
Definici
on 7.3 (Polinomio caracterstico).
Definici
on 7.4 (Espacio caracterstico).

Definici
on 7.5 (Multiplicidad algebraica).
Definici
on 7.6 (Multiplicidad geom
etrica).
2 1 0
Ejemplo 7.1. Sea 0 2 0. Entonces
0 0 3
El polinomio caracterstico de A es

2

1
0

p() = |A I| = 0
2
0 = ( 2)2 ( 3)
0
0
3
Los valores propios se obtienen al resolver p() = 0:
= 2 multiplicidad algebraica = 2 = Ma ( = 2)
= 3 multiplicidad algebraica = 1 = Ma ( = 3) (simple)
Los espacios caractersticos correspondientes son
x
1

3
E2 = v R | (A 2I)v = 0 =
0 | x R = gen v1 = 0
0
0
0
0

3
E3 = v R | (A 3I)v = 0 =
0 | z R = gen v2 = 0
z
1
1
0
Una base para E2 es B1 = v1 = 0

, una base para E3 es B2 = v2 = 0 . As, un
0
1

0
1
vector propio asociado a = 2 es v1 = 0 y un vector propio asociado a = 3 es v2 = 0.
1
0
La multiplicidad geometrica de cada valor propio es
Mg ( = 2) = dim E2 = 1,
Observe: Mg ()
Mg ( = 3) = dim E3 = 1.
Ma ().
Teorema 9. Sea A una matriz n n.

1. Vectores propios correspondientes a valores propios diferentes son
2. A tiene n vectores propios LI si y s
olo si Mg ()
Ma () para cada valor propio .
3. A es invertible si y s
olo si = 0
4. Si A es una matriz triangular, los valores propios de A son
Ejemplo 7.2. La matriz A del ejemplo 7.1 no tiene 3 vectores propios linealmente independientes puesto que Mg (2) = 1 < Ma (2) = 2.
Secci
7.2.2
Lecci
on 2. Diagonalizaci
on
Se estudian las matrices semejantes y la diagonalizacion de matrices cuadradas, con el proposito

de usarlos mas adelante en algunas aplicaciones. En esta leccion los alumnos deberan recordar
claramente los conceptos que se estudiaron en la leccion anterior los cuales sintetizan los aspectos
basicos desarrollados durante el semestre.
Definici
on 7.7 (Matrices semejantes). Sean A y B matrices cuadradas de orden n. A y
B son semejantes o similares , si existe una matriz invertible C tal que B = C 1 AC.
!
!
2 3
5 2
Ejemplo 7.3. A =
yB=
son matrices semejantes.
1 4
0 1
Ejercicio 1. Considere las matrices A y B del ejemplo anterior.
!
1 1
a) Compruebe que A y B son semejantes donde C =
permite establecer la relacion.
1
1
b) Calcule det A y det B
c) Halle los polinomios caractersticos de las matrices A y B
Teorema 10. Si A y B matrices semejantes, entonces sus polinomios caractersticos son
iguales.
Demostraci
on. Se debe probar que |A I| = |B I|. Justifique los pasos.
B = C 1 AC
Definicion de semejanza
B I = C 1 AC I

|B I| = C 1 AC I

= C 1 AC C 1 C

= C 1 (A I)C
= |C 1 ||A I||C|
= |A I|
Definici
on 7.8 (Matrices diagonalizables). Sea A una matriz n n. A es diagonalizable,
si A es semejante con una matriz diagonal. Es decir, existe una matriz invertible P tal que
D = P 1 AP ,
donde D es una matriz diagonal.
0 0
0
1 0
1
Ejemplo 7.4. A = 3 0 3 es diagonalizable, D = 0 0

0 es la matriz diagonal
0 0 2
1 0 1
1 0 1
y P = 0 1
3. Cuales son los vectores propios de A?
1 0
1

Preguntas.
1. Dada una matriz A, como determinar si es diagonalizable?
2. Si A es diagonalizable, como hallar D y P ?
3. D y P son u
nicas?
El siguiente teorema contribuye a dar respuesta a algunos de los interrogantes.
Teorema 11. A es diagonalizable si y s
olo si tiene n vectores propios LI.
Sean 1 , 2 , . . . , n los n valores propios de A y v1 v2 . . . vn los n vectores propios linealmente
independientes. Como A es diagonalizable, P 1 AP = D, donde D = diag {1 , 2 , . . . , n }
matriz diagonal y P = (v1 v2 . . . vn ) . Observe que que las columnas de P son n vectores
propios LI de A.
Ejemplo 7.5. Para la matriz A del ejemplo 7.4 se tiene que las dos primeras columnas de P
son dos vectores propios LI asociados al valor propio = 0, es decir, una base para E0 . La
tercera columna es un vector propio asociado al valor propio = 2, o sea, una base para E2 .
Ejemplo 7.6. La matriz A del ejemplo 7.1 no es diagonalizable porque Mg (2) < Ma (2).
Ejercicio 2. Cuales de las matrices dadas en la leccion 1 son diagonalizables?
Ejercicio 3. Determine cuales de las siguientes matrices son diagonalizables
a) A = 4
1 2
1 1
b) A = 2
2 3
1 2
1 2 0
1
2
c) A = 2 1
2
2 1
Como son los vectores propios correspondientes a valores propios diferentes de una matriz
simetrica?
7.2.3
Lecci
on 3. Diagonalizaci
on ortogonal
Se generaliza la diagonalizacion estudiada en la leccion anterior a matrices simetricas y se

incorpora la diagonalizacion ortogonal, para lo cual el alumno debe manejar y recordar el
proceso de ortonormalizacion de Gram-Schmidt.
Teorema 12. Si A es una matriz simetrica, 1 y 2 son valores propios de A distintos, con
vectores propios v1 , v2 respectivamente, entonces v1 y v2 son ortogonales.
Teorema 13. Toda matriz matriz simetrica es diagonalizable, ademas sus valores propios son
reales.
Teorema 14. Si A es simetrica, entonces A tiene n vectores propios ortonormales.
Secci
Definici
on 7.9 (diagonalizaci
on ortogonal). Se dice que una matriz Ann es diagonalizable
ortogonalmente, si existe una matriz ortogonal Q tal que
D = QT AQ,
donde
D = diag (1 , 2 , . . . , n ); 1 , 2 , . . . , n son los n valores propios de A.
Q = (u1 u2 . . . un ) ; u1 , u2 , . . . , un son vectores n propios ortonormales de A.
2 1 1
Ejemplo 7.7. La matriz A = 1 2 1 es simetrica, luego es diagonalizable ortogonalmente.

1 1 2
Se tiene

1/2
1/ 2 1/2
1 0 0
Q = 1/ 2
0 1/2 , D = 0 1 0
0 0 4
0
1/ 2 1/ 2
Note que las columnas de Q son una base ortonormal para cada espacio propio. En este caso,
las dos primeras columnas son una base ortonormal para E1 y la tercera es una base ortonormal
para E4 .
Teorema 15. A es diagonalizable ortogonalmente si y s
olo si es simetrica.
Ejercicio 4. Diagonalice ortogonalmente las matrices simetricas
2 1 1
1
2
2
1. A = 1 2 1
2. A = 2 1
2
1 1 2
2
2 1
7.2.4
Lecci
on 4. Formas cuadr
aticas y secciones c
onicas
En esta leccion se hace una aplicacion de los conceptos desarrollados en las lecciones anteriores
a conceptos que se estudian en otros cursos de matematicas y que ahora se desarrollan desde
los conceptos del algebra lineal.
Definici
on 7.10 (Forma y ecuaci
on cuadr
atica en dos variables).
Una forma cuadr
atica en las variables x y y es una expresion de la forma
F (x, y) = ax2 + bxy + cy 2 ,
(7.1)
donde | a| + | b| + | c| 6= 0.
La expresion (7.1) se puede abreviar como F (X) = XT AX, donde A =
!
x
matriz asociada a la forma cuadratica y X =
.
y
b/2
b/2
es la

Puesto que A es simetrica, es diagonalizable ortogonalmente. Es decir, existe una matriz ortogonal Q, |Q| = 1 y D = diag (1 , 2 ), tal que
A = QDQT
T
Para eliminar el termino mixto xy, sea X1 = Q X =

coordenados. As, la expresion (7.1) se transforma en

x1
y1
, que corresponde a los nuevos ejes
G(X1 ) = G(x1 , y1 ) = XT1 DX1 = 1 x21 + 2 y12 .
(7.2)
Ejemplo 7.8. Elimine el termino cruzado en la forma cuadratica

F (x, y) = 5x2 4xy + 8y 2 .
Soluci
on. La matriz simetrica asociada a F es A =
5 2
, cuyos valores propios son 4 y
9. Una matriz ortogonal que diagonaliza a A es
!
2/ 5 1/ 5
, con | Q| = 1, D =
Q=
1/ 5
2/ 5
4 0
0 9
As, F (x, y) se transforma en G(x1 , y1 ) = 4x21 + 9y12 .

Una ecuaci
on cuadr
atica en las variables x y y es una expresion de la forma
ax2 + bxy + cy 2 + dx + ey = f, con | a| + | b| + |c| 6= 0.
(7.3)
La ecuacion (7.3) se puede escribir abreviadamente como XT AX + BX = f, la cual se transforma en

XT1 DX1 + B 1 X1 = 1 x21 + 2 y12 + d1 x1 + e1 y1 = f,
donde B = (d, e) y B 1 = (d1 , e1 ) = BQ.
Ejemplo 7.9. Identifique y trace la grafica de la conica 5x2 4xy + 8y 2 = 36.
Soluci
on. Seg
un el ejemplo 7.8, la ecuacion transformada es 4x21 + 9y12 = 36. Como el producto
de los valores propios de la matriz simetrica asociada es positivo, la grafica es una elipse con
centro en (0, 0) y semiejes mayor y menor de 3 y 2 unidades respectivamente en los nuevos ejes
rotados. Los nuevos ejes rotados estan dados en las direcciones de los vectores ortogonales
!
!
2
1
#
v1 =
y #
v2 =
.
1
2
El angulo de rotacion se calcula mediante la formula
tan =
v
1
q21
= 21 = ,
q11
v11
2
= tan1 (0.5) 26.57o .
Secci
La grafica es
5
y1
x1
2
#
v2
#
v1
x
-1
-2
-3
-4
-5
-6
-5
-4
-3
-2
-1
Figura 7.1. Gr
afica ejemplo 7.9
Ejemplo 7.10. Identifique y trace la grafica de
5x2 4xy + 8y 2 + 10 5 x 4 5 y = 11.

Soluci
on. Se tiene que A =
!
5 2
, B = (10 5, 4 5). As, la ecuaci

on se transforma en
4x21 + 9y12 + 16x1 18y1 = 11

y esta a su vez en
(x1 + 2)2 (y1 1)2

+
= 1.
9
4
Una elipse con centro en (2, 1) y semiejes mayor y menor de 3 y 2 unidades respectivamente
en los nuevos ejes rotados y trasladados. Los nuevos ejes rotados estan dados en las direcciones
de los vectores ortogonales
#
v1 =
2
1
#
v2 =
1
2
El angulo de rotacion se calcula mediante la formula

tan =
q21
v
1
= 21 =
q11
v11
2
= tan1 (2) 26.57o .

La grafica es

y1
x1
2
#
v2
#
v1
0
b
x
-1
-2
-3
-4
-5
-6
-6
-5
-4
-3
-2
-1
Figura 7.2. Gr
afica ejemplo 7.10
Ejemplo 7.11. Identifique y trace la grafica de 9x2 + 6xy + y 2 4 10 x 8 10 y = 30.

9 3
2
2
Soluci
on. La matriz asociada a la forma cuadratica F (x, y) = 9x + 6xy + y es A =
3 1
y B = (4 10, 8 10). Los valores y vectores propios de A son: 1 = 10 con vector propio

1
3
#
#
. Una matriz que diagoy 2 = 0 con vector propio asociado v2 =
asociado v1 =
3
1
!

3
1
10 0
10
10
naliza ortogonalmente a A es Q =
.
con D =
1
3
0
0
10
10
La ecuacion dada se transforma en 10x21 20x1 20y1 = 30 o x21 2x1 2y1 = 3. Al agrupar
y factorizar se obtiene
(x1 1)2 = 2(y1 + 2),

una parabola con vertice en V1 (1, 2) en los ejes rotados x1 y1 que se abre en la direccion positiva
del eje y1 .
Los ejes x1 y y1 estan dados en las direcciones de los dos vectores ortogonales #
v1 =
#
v2 =
1
3
La grafica es
con angulo de rotacion = tan1
1
3
18.435 .

3
y
1
Secci
y1
#
v2
x1
#
v1
x
-1
b
-2
-3
-4
-5
-6
-6
-5
-4
-3
-2
-1
Figura 7.3. Gr
afica ejemplo 7.11
Teorema 16. Suponga que la ecuaci

on (7.3) representa una conica. Sean 1 y 2 los valores
propios de la matriz simetrica asociada A de la forma cuadratica (7.1).
i. Si 1 2 > 0, entonces (7.3) es una
ii. Si 1 2 < 0, entonces (7.3) es una
iii. Si 1 2 = 0, entonces (7.3) es una
Ejercicio 5. Identifique y trace la grafica de la ecuacion dada.
a) x2 + xy + y 2 = 6
c) x2 + 2 3 xy y 2 + 6x = 0
e) x2 + 2xy + y 2 + 2 x 2y = 0
f) 9x2 + 6xy + y 2 10 10 x + 10 10 y = 90
g) 2x2 + 4xy + 2y 2 + 2 2 x 6 2 y = 7
b) 9x2 + 6xy + y 2 = 9
d) 3y 2 + 4xy + 2 5x + 4 5y = 1

1. A es invertible.
y la solucion es

pivotes
7. det A
. Es decir, gen{f1 , . . . , fn }=
de las filas de A.

. Es decir, gen{c1 , c2 , . . . , cn } =

14. (A) =
15. (A) =
16. Si A es la matriz de una transformaci
on lineal T : V 7 V entonces
16.1 ker T =
16.2 T es una funcion
16.3 im T =
17. Todos los valores propios de A son
ndice A
Ape
Autoevaluaci
on
A.1
Autoevaluaci
on I.
I. SISTEMAS DE ECUACIONES LINEALES

1. Considere el siguiente sistema de ecuaciones lineales
2x + 3y + az = 0
ay z = 2
ax + ay + az = a
Determine el valor o valores de a de modo que el sistema
a) tenga solucion u
nica. De la solucion
b) tenga una infinidad de soluciones. Escriba la solucion general
c) no tenga solucion. Justifique su respuesta
2. 12 puntos ABC Publicaciones edita tres calidades de libros: encuadernacion r
ustica,
pasta dura y empastados en piel. Para los r
usticos, la empresa gasta en promedio $5
en papel, $2 en ilustraciones y $3 las pastas. Para los de pasta dura, los gastos son $10
en papel, $6 en ilustraciones y $8 en pastas; y para los de lujo, empastados en piel,
$20 en papel, $20 en ilustraciones y $24 en pastas. El presupuesto permite $250000 en
papel, $160000 en ilustraciones y $210000 en pastas.
a) Si la empresa recibe un pedido de 5500 libros empastados en piel, cuantos libros de las otras lneas debe producir para cumplir con esta demanda? Justifique
claramente.
b) Si recibe un pedido de 30000 libros en pasta r
ustica, podra fabricar los libros para
cumplir con este pedido? Justifique.
c) Cuantos libros de cada tipo podra fabricar con el presupuesto establecido?
II. VECTORES EN R2
# = (2, 3), #
# = (2 + , 6). Determine en cada caso el valor (o
1. Sean u
v = (2, ) y w
valores) de y , si existen, de modo que
# y #
a) u
v sean colineales (o paralelos).
# sea combinacion lineal de u
# y #
b) w
v
123
124 Captulo A. Autoevaluacion

#
2. Sean P (1, 3), Q(3, 3), R(0, 2) y S(4, 2). Exprese el vector P Q como una combinacion
# #
lineal de los vectores P R y P S.
III. Formule dos preguntas cortas y distintas sobre los temas evaluados en este examen (que
no se han incluido en el examen) y respondalas claramente.
A.2
Autoevaluaci
on II.
1. RECTAS Y PLANOS Considere el plano

1 : 2x y + 3z = 6
a) Determine que puntos pertenecen al plano 1 :
P (1, 1, 1), Q(2, 3, 4), R(2, 4, 2), S(1, 1, 3)
b) Halle ecuaciones parametricas para la recta L1 que interceca al plano 1 en uno de los
puntos determinados en la parte a) y pasa por uno de los puntos dados que no este en el
plano 1 .
c) Encuentre la ecuacion cartesiana del plano 2 que contiene a la recta L1 y otro punto del
plano 1
2. MATRICES Y DETERMINANTES.
2/3 2/3
1/3
1 2
SeanA = 2/3
1/3 2/3 , B = 2
3
1/3
2/3
2/3
3 6
a) Compruebe que A es ortogonal.
5 y C = 7
15
8 .
2 3
b) Simplifique y encuentre la matriz X, si se sabe que

T
1
X = B CAT B T 2CB T (B adj B).
3
Use propiedades del determinante cuando sea necesario calcularlo.
c) Determine las componentes x13 y x32 de la matriz X.

3. FALSO Y VERDADERO. Responda verdadero
o falso a cada una de las siguientes afirmaciones. Justifique sus respuestas.
a)
b)
c)
d)
No existen valores de a y b de modo que u = (3, a, 4, a) y v = (2, 6, b, b) sean
paralelos.
Si #
u y #
v son vectores no nulos de R2 , entonces #
u #
v 6= 0.
Si A y B

a b

Si d e

g h
son matrices no nulas entonces AB =

6 0.

5b

c
5e
5h

f = 20 entonces a 3b d 3e g 3h = 100.

2b + c 2e + f 2h + i
i
Secci
on A.3. Autoevaluaci
on III. 125

2
1

#
#
#
El vector u = 3 es combinacion lineal de los vectores v1 = 2 y v2 = 3.
7
3
2
e)
A.3
Autoevaluaci
on III.
I. ESPACIOS VECTORIALES
1. Determine el valor o valores de , si existe(n), de modo que el vector #
u = (1, 1, 4) se
#
#
encuentre en el espacio generado por el conjunto S = { v1 = (2, 1, ), v2 = (, 1, 2)}.
1 2 1 4 5
2. Considere la matriz A = 1
2 1 2 3
2 4 0 2 2
(a) Encuentre el n
ucleo y la imagen de A. Halle una base para ker A y para im A
(b) Determine la nulidad y el rango de A.

II. TRANSFORMACIONES LINEALES. VALORES Y VECTORES PROPIOS
1. Encuentre la transformacion lineal T : P1
2 1
R3 de manera que A = 1
2
2
3
es la
matriz
transformaci
on con respecto a las bases B1 = {1 + x, 1 2x} y
la
de
1
1
1
B2 = 0 , 1 , 1 .
1
0
1
2. Considere la ecuacion cuadratica x2 + 2 3 xy y 2 + 6x = 0.

a. Elimine el termino cruzado e identifique la conica.
b. Realice un grafico de la conica donde muestre los ejes principales y el angulo de

rotacion.
III. FALSO Y VERDADERO. Responda verdadero o falso cada una de las siguientes afirmaciones. Justifique claramente sus respuestas.
!
)
!)
(
!
(
a ab
1 1
1 1
: a, b R .
genera al subespacio H =
,
1.
S=
3a
b
3
2
3 0
2.
3.
4.
Sea A una matriz 4 5. Si el rango de A es 4, entonces ker A = {0} .

!
2
1

2
3
Si T : R 7 R es una transformacion lineal de modo que T
= 1 y
3
1

!
!
4
8
1
1

T
= 2 , entonces T
= 4 .
4
6
2
8
Si es un valor propio de una matriz no singular A, entonces

1
de A .
es un valor propio
126 Captulo A. Autoevaluacion
A.4
Autoevaluaci
on IV.
I. ESPACIOS VECTORIALES
Halle el valor o valores de , si existe(n), de modo que el vector #
u = (1, 1, 4) se
encuentre en el espacio generado por el conjunto S = { #
v = (, 1, 1), #
v = (1, 1, )}.
1
II. TRANSFORMACIONES LINEALES

1. Sea T : R3 R4 una transformacion lineal tal que

b
im T = : 2a b c + d = 0, a 2b 2c + 2d = 0
(i) Halle una base para R4 que contenga una base de im T .
(ii) Determine el rango y la nulidad de T .

2. Sea T : R2 7 R3 es una transformacion lineal de modo que T
1
4
1

= 2 . Calcule T
2
5
6
1
3
2

= 1 y
1
III. VALORES Y VECTORES PROPIOS. Considere la ecuacion cuadratica
x2 6xy + y 2 + 4 2x 4 2y = 8.
1. Elimine el termino cruzado e identifique la conica.
2. Haga un grafico de la conica donde muestre los ejes principales y el angulo de rotacion.
IV. VERDADERO O FALSO. Responda verdadero o falso. Justifique claramente.
1.
El punto Q(2, 2, 3) no pertenece a la recta L que contiene el punto P (1, 2, 3)

y es paralela al vector #
v = (1, 1, 1)
2.
Si A y B son matrices 4 4 tales que |A| = 4, |B| = 3, la componente b34 = 1

y X = |AB| B 1 A + A (2B 1 A)1 , entonces la componente x34 = 6
y
3.
es un subespacio de R2 .
El subconjunto
x
H=
4.
x
y
R2
:y
x2
El vector p(x) = x2 + 2x 2 ker T , donde T : P2 7 P1 es una transformacion

lineal definida por T (ax2 + bx + c) = (2a + c)x + (b + c).
Referencias
[1] Florey Francis.(1980). Fundamentos de Algebra

Lineal y aplicaciones. Prentice Hall. 1980.
[2] Grossman Stanley. (1995). Algebra

Lineal con aplicaciones. Quinta edicion. McGraw Hill.
[3] Kolman Bernard. (1999). Algebra

lineal con aplicaciones y MatLab. Sexta edicion. Prentice Hill
[4] Martnez Alejandro, Mesa Fernando y Correa V. German. (2006). Algebra

lineal con aplicaciones.
Impreso por Postregraph S.A. Dosquebradas.
[5] Nakos George, Joyner David. (1999). Algebra

lineal con aplicaciones. International Thomsom
Editores. Mexico DF.
[6] Poole David. (2007). Algebra

lineal. Una introducci
on moderna. Segunda edicion. International
Thomsom Editores. Mexico DF.
[7] Swokowski Earl W. y Cole Jeffrey A. (1992). Algebra

y Trigonometra con Geometra Analtica.
Tercera edici
on. Grupo Editorial Iberoamericano.
[8] Uzuriaga Vivian, Martnez Alejandro. Algebra

lineal con problemas de modelado. En prensa.
[9] http://docencia.udea.edu.co/cen/vectorfisico/html/index.html
[10] http://www.isftic.mepsyd.es/w3/Descartes/Bach CNST 1/Vectores en el plano/Probl
Vect.htm.
127

Algebra Lineal Trabajos

Uploaded by

Document Information

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

Algebra Lineal Trabajos

Uploaded by

Copyright:

Available Formats

ALGEBRA

Portada: Alejandro Martnez Acosta

Impreso y hecho en Colombia

1 Sistemas de ecuaciones lineales

Leccion 1. La lnea recta . . . . . . . . . . . . . . . . . . . . . . . . . . .

Leccion 4. Matriz asociada a un sistema de ecuaciones lineales. . . . . . . 11

2 Vectores, rectas y planos

Leccion 1. Vectores en el plano

Leccion 2. Operaciones con vectores en R2 . . . . . . . . . . . . . . . . . 27

Leccion 3. Producto escalar en R2 . . . . . . . . . . . . . . . . . . . . . . 32

Leccion 5. Operaciones con vectores en R3 y Rn . . . . . . . . . . . . . . 39

Leccion 6. Producto escalar en R3 y Rn . . . . . . . . . . . . . . . . . . . 42

Leccion 7. Producto vectorial en R3 . . . . . . . . . . . . . . . . . . . . . 44

Leccion 8. Rectas y planos en R3 . . . . . . . . . . . . . . . . . . . . . . 48

Leccion 1. Definicion, operaciones y propiedades . . . . . . . . . . . . . . 55

Leccion 2. Transpuesta y producto de matrices . . . . . . . . . . . . . . . 60

Leccion 3. Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . 62

Leccion 1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . 68

Leccion 2. Propiedades. Relacion determinante e inversa . . . . . . . . . 72

5 Espacios vectoriales reales

Leccion 1. Espacio vectorial y subespacio . . . . . . . . . . . . . . . . . . 79

Combinacion lineal, conjuntos LI y LD . . . . . . . . . . . . . . . . . . . 82

Leccion 3. Bases y dimension. Espacios fundamentales de una matriz . . 87

Leccion 4. Vector de coordenadas, cambio de base, bases ortonormales y

Leccion No. 5. Espacios con producto interior . . . . . . . . . . . . . . . 95

Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Leccion 1. Definicion y propiedades . . . . . . . . . . . . . . . . . . . . . 102

7 Valores y vectores propios

Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

Leccion 1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113

Leccion 2. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . 115

Leccion 3. Diagonalizacion ortogonal . . . . . . . . . . . . . . . . . . . . 116

Leccion 4. Formas cuadraticas y secciones conicas . . . . . . . . . . . . . 117

A.1 Autoevaluacion I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

La estructura del libro fue lo que llevo a su denominacion Algebra

Solucion, generalizacion, clasificacion o particularizacion.

Sistemas de ecuaciones lineales

A. Resuelva las siguientes situaciones

2. Un ingenio azucarero tiene 2 plantas para producir dos tipos de az

solucion de un sistema de ecuaciones lineales.

Establezca al menos dos diferencias

Construya 2 ejemplos en los cuales use los metodos

Cual de los metodos es mas eficiente en la practica? Por que?

2 Captulo 1. Sistemas de ecuaciones lineales

Existen sistemas homogeneos inconsistentes.

Todo sistema cuadrado es consistente.

Todo sistema con mas ecuaciones que incognitas siempre es inconsistente.

3. La matriz aumentada del sistema Ax = b, esta dada por 0 1

Determine los valores de , si existen, para que el sistema dado tenga:

e) Determine los valores de y , si existen, de modo que el sistema representado por la

del valor de la computadora mas

del valor del disco duro

Figura 1.1. Circuito

4 Captulo 1. Sistemas de ecuaciones lineales

Se recordaran conceptos basicos de la lnea recta tales como: el calculo y la interpretacion de

En esta parte es conveniente recordar el sistema de coordenadas cartesianas rectangulares. Este

Figura 1.2. Coordenadas en

Figura 1.3. Recta por dos puntos

Si x0 6= x1 , la ecuacion de la recta que los contiene, en su forma puntopendiente es:

2. Un punto y la pendiente. Si la pendiente es m y el punto es P (x0 , y0 ), la ecuacion es:

(b) Recta tangente

Figura 1.4. Pendiente-intersecto y recta tangente

En general, la ecuacion de una recta se puede escribir en la forma