Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EMEMATIC
GRUPO DE INVESTIGACION
#
N z
x 7y + 17z = 38
b
R(1, 2, 1)
b
Q(2, 3, 3)
P (5, 1, 2) b
y
x
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.
ISBN:
1
Estudios metodol
ogicos para la ense
nanza de las matematicas y el uso de las nuevas tecnologas.
Contenido
Presentaci
on iii
3 Matrices 53
3.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
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 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2.1 Leccion 1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . 68
4.2.2 Leccion 2. Propiedades. Relacion determinante e inversa . . . . . . . . . 72
6 Transformaciones lineales 99
6.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.2.1 Leccion 1. Definicion y propiedades . . . . . . . . . . . . . . . . . . . . . 102
6.2.2 Leccion 2. N
ucleo e imagen. Representacion matricial . . . . . . . . . . . 105
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 tec-
nologa 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 obs-
taculizan 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, in-
quietudes 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 motiva-
cion 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 estudian-
tes 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
Para la organizacion del contenido se tuvo en cuenta la celula generadora a partir del concep-
to 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 transformacio-
nes 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. Pos-
teriormente, 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 modela-
cion.
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.
Las lecciones de clase, estructuradas para una sesion de dos horas cada una, contienen de-
finiciones, 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 v
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 ne-
cesarias 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 ilus-
tran 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
B. Teora
1
2 Captulo 1. Sistemas de ecuaciones lineales
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 a) (6, 2, 0, r)
b) (5, 3, r, 6)
2x y 2z + w = 9
c) (6, r, 1, 2)
x + y 2z = 6
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 3
0 0 0 3 3
0 0 0 0 ( + 2)(5 )
Secci
on 1.1. Taller pre-clase 3
E. Aplicaciones.
1. Cuando se agrega un disco duro a una computadora personal, el sistema nuevo cuesta
1 1
$1.400.000. Se sabe que 3
del valor de la computadora mas 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.
5 2
a b
b
c b
d
i1 i2 10A
3A i3
+
10V +
E2 +
E3 R
b b
h g 5A f e
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
R2 = {(x, y) | x, y R}
Py (0, y1 ) P (x1 , y1 )
y1 b b o
Px (x1 , 0)
2 x
b
x1 x
R = | x, y R .
y
x
Figura 1.2. Coordenadas en R2 Advertencia: (x, y) 6= .
y
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
Q(x1 , y1 )
b
R(x, y)
O x
P (x0 , y0 ) b
b
P (0, k) b
P (x0 , f (x0 ))
O x O x
ax + by = c, (1.1)
c) Su grafica es:
y
x
6 5 4 3 2 1 1 2 3 4 5
1
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 on 2. Sistemas 2 2
Lecci
Al terminar la leccion el alumno reconocera sistemas de dos ecuaciones lineales con dos incogni-
tas 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.
a0 a1 = 2
.
a0 2a0 = 3
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 y
x x x
a21 x + a22 y = b2
(a) Solucion u
nica (b) Infinitas soluciones (c) Ninguna soluci
on
Definici
on 1.2. Si un sistema tiene solucion u
nica o infinitas soluciones, se dice que es con-
sistente. 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.
x+ y = 2 x + 23 y = 4
3
2x + 3y = 5
a) b) c)
3x 2y = 4 3x 2y = 4 2x 3y = 4
a11 x + a12 y = 0
a21 x + a22 y = 0
a) x = x1 + x2 , y = y1 + y2 tambi
en es solucion del sistema.
b) x = 3x1 + 2x2 , y = 3y1 + 2y2 tambi
en es solucion del sistema.
c) x = 1 x1 + 2 x2 , y = 1 y1 + 2 y2 tambi
en es solucion del sistema.
8 Captulo 1. Sistemas de ecuaciones lineales
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,
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 x 2y = 4
Ec2 Ec2 aEc1
ax + 3y = c (3 + 2a)y = c 4a
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 on 3. Sistemas m n
Lecci
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)
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.
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:
1
2 1 2
a) 1 porque 2(2) 3(1) 4(1) = 5 b) 1 c) 0
1 0 1
Ejercicio 2. Considere la ecuacion del ejemplo anterior.
x 2y + 3z = 4 x + 2y 3z + 2w = 3 x+ y =7
a) 3x 4y + 5z = 8 b) 2x 5y + 5z w = 8 c) 4x y = 4
2x 7y + 7z = 9 x 2z + 5w = 5 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
.
Definici . de n
on 1.6. Una solucion del sistema (1.3) es una ntupla ordenada . umeros
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 15/2 12 0
6 1 2 0
a) b) c) d)
0 5/2 1 0
0 1/2 1 0
Definici
on 1.7. Si un sistema tiene solucion u
nica o infinitas soluciones, se dice que es con-
sistente. 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).
on 1.2. Lecciones de clase 11
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 a12 . . . a1n | b1
a21 a22 . . . a2n | b2
. .. ... .. .
.. . . | ..
am 1 am 2 . . . amn | bm
Ejercicio 7. Escribir la matriz asociada para cada sistema del ejemplo 1.7.
Soluci
on. En la siguiente tabla se muestra la solucion del sistema usando eliminacion, haciendo
el paralelo ecuaciones-forma matricial.
12 Captulo 1. Sistemas de ecuaciones lineales
2x 7y + 7z = 9 Ec 3 2 7 7 | 9
Operacion en las ecuaciones 2 y 3, tomando como Operacion en las filas o renglones 2 y 3, tomando
base la ecuaci
on 1, para volver cero el coeficiente de 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
3x 4y + 5z = 8 0 2 4 | 4
2y 4z = 4 Ec 4 2 7 7 | 9
Ec 3 Ec 3 2Ec 1 f 3 f 3 2f 1
2x + 4y 6z = 8 1 2 3 | 4
2x 7y + 7z = 9 0 2 4 | 4
3y + z = 1 Ec 5 0 3 1 | 1
El sistema resultante equivalente es
x 2y + 3z = 4 Ec 1
2y 4z = 4 Ec 4
3y + z = 1 Ec 5
Operacion en la ecuaci
on 3, tomando como base la Operacion en la fila 3, tomando como base el rengl
on
ecuacion 2, renombrada como Ec 4, para volver cero 2 de la nueva matriz, para volver cero la posici
on a32
el coeficiente de x en dicha ecuaci
on
1 2 3 | 4
Ec 4 21 Ec 2 y 2z = 2 Ec 6 f 2 12 f 2 0 1 2 | 2
0 3 1 | 1
Ec 5 Ec 5 + 3Ec 6 f 3 f 3 + 3f 2
3y 6z = 6 1 2 3 | 4
3y + z = 1 0 1 2 | 2
5z = 5 Ec 7 0 0 5 | 5
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
on 1.2. Lecciones de clase 13
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.
Ejemplo 1.9. Las siguientes matrices estan en forma escalonada reducida por renglones
1 0 2 1 0 2 0 2
a) 0 1 1 b) 0 1 1 0 3
0 0 0 0 0 0 1 3
Ejemplo 1.10. Las siguientes matrices estan en forma escalonada por renglones
1 0 3 5 1 0 2 0 2
a) 0 1 1 0 b) 0 1 1 2 3
0 0 0 1 0 0 0 1 3
Ejercicio 8. Determine cuales de las siguientes matrices estan en forma escalonada por ren-
glones 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.
14 Captulo 1. Sistemas de ecuaciones lineales
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
Paso 1. Formar la matriz aumentada del sistema: 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
Paso 1. Formar la matriz aumentada del sistema: 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.
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 1 2 | 1
f2 f2 + 2f1 .
2 2 | 0 2 4 | + 2
on 1.2. Lecciones de clase 15
Secci
El sistema equivalente es
x 2y = 1
(2 4)y = + 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 | 5
0 k 4 | 4k
0 0 | (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
( !)
7
La solucion es .
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 0 | 1
0 1 5 |
1
0 0 ka | a+1
16 Captulo 1. Sistemas de ecuaciones lineales
Taller de refuerzo
Se proponen actividades de refuerzo que le permiten al estudiante autoevaluarse en el desarrollo
de los propositos del captulo.
0 0 0 1 | 5
1 2
3 3, cuantas soluciones tiene dicho sistema? Explique claramente su respuesta.
Ejercicio 3.
1 1
on 1.2. Lecciones de clase 17
Secci
x + 2y + z = a2
x + y + 3z =a
3x + 4y + 7z =8
b) sea inconsistente.
x + y + z = a
2x + ay z = 4
2x + 2y + (a2 + a)z = a + 1
a) tenga solucion u
nica. De la solucion
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 de cepa
I II III
A
2 2 4
Alimento B 1 2 0
1 3 1
C
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:
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.
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.
x + 2y 2z = 0 x + 2y 2z = 0 x + 2y 2z + w = 0
a) 2x + 7y + 2z = 0 b) 2x + 7y + 2z = 0 c) 2x + 7y + 2z 2w = 0
x 2y z = 0 x y 8z = 0 x y 8z 3w = 0
Captulo 2
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 autorregula-
cion 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.
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.
19
20 Captulo 2. Vectores, rectas y planos
C. Responda verdadero
o falso. Justifique sus respuestas.
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
5. Calcule proy # # # y #
3
v u , donde u = 2 v =
+ .
E. Aplicaciones
1. Dos lanchas ayudan a que un barco salga de su embarcadero. Una de las lanchas esta ja-
lando 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
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.
# # #
a y b dos vectores de R3 . Demostrar: #
4. Sean # a b = b #
a.
C. Responda verdadero
o falso a las siguientes afirmaciones. Justifique cada una
de sus respuestas.
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
# #
a y b dos vectores de R3 que forman un angulo = 2/3. Si k #
3. Sean # 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 .
22 Captulo 2. Vectores, rectas y planos
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.
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
L
#
r
#
d F
b
# en #
4. Calcule el momento m de F = 2
4
+k r = (2, 1, 3).
P P #
R1
5/2
M M
4
5
#
R2
R # R 5/2
1 T
O 3 Q O # S Q d 3d
w
Figura 2.2. Gr
afica ejercicio E5
Rectas y planos
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
x2 y+4 z1
L1 : = = .
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.
x2 z+3
5. Considere la recta L : =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 .
24 Captulo 2. Vectores, rectas y planos
6. Halle una ecuacion del plano que es generado por los vectores #
v1 = (1, 0, 1) y #
v2 = (2, 1, 3).
x+1 y2 z+3
7. Determine un valor de m, si existe, de modo que la recta L : = = sea
3 m 3
paralela al plano : x 3y + 6z = 0.
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.
2.2.1 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
ua con las definiciones basicas de vectores en R2 .
de un punto a una recta. Se contin
y1 b
Py (0, y1 ) P (x1 , y1 )
b
R2 = {(x, y) | x, y R} .
Px (x1 , 0) Tambien
b
O x1 x
2 x
R = | x, y R .
Figura 2.3. Coordenadas cartesianas en R2 . y
y
Teorema 3 (Distancia). Sean P (x1 , y1 ) y y2 b
Q(x2 , y2 )
d
Q(x2 , y2 ) dos puntos del plano. La distancia b
entre P y Q est
a dada por: P (x1 , y1 ) b
y1
a
d = d(P, Q) = P Q = x1 O x2 x
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
x + x2 y + y2
x, y) son: x = 1
P ( , y = 1 .
2 2
on 2.2. Lecciones de clase 25
Secci
Ejercicio 2. Determine la ecuacion de la mediatriz del segmento de recta que une los puntos
P (5, 6) y Q(3, 4).
Q
x donde Q es el punto de interseccion de la rec-
ta perpendicular a L que pasa por P .
Figura 2.5. Distancia de P a L
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 reales: (x, y) o xy , donde x, y R. Los n
ordenada de n umeros x y y se denominan
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.
Si el punto inicial del vector es el origen, se acos-
# #
y tumbra escribir R en vez de OR. As, es posible
Q(x2 , y2 )
b
asociar a cada punto R(a, b) del plano un u nico
#
b
vector R = (a, b) cuya cola es el origen, el cual se
P (x1 , y1 )
b
R(a, b) denomina vector localizado (anclado) o vec-
, b)
# = (a
R tor de posici
on del punto R, figura 2.6. As, se
b
y
Norma de un vector. Sea # u = (a, b) en R2 , #
u = (a, b)
la norma, longitud o magnitud de #
u , denotada =
# k
por k #
u k, esta dada por: ku
O x
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)
#
v2 y #
v1 #
v2 y #
v1
2 2
1 1
3
4 x x
# 3 # # 4 #
v3 v4 v3 v4
a) #
v1 = (5, 5) d) #
v4 = (5, 5) g) = (0, 1)
b) #
v2 = (5, 5) e) #
v = (0, b), b R
= (2/ 13, 3/ 13)
h) u
c) #
v3 = (5, 5) f)
= (1, 0)
on 2.2. Lecciones de clase 27
Secci
u R2 , se dice que #
Vector unitario. Sea # u es unitario si y solo si k #
u k = 1. Si #
u es unitario,
se denota por u
.
Los vectores onicos de R2 .
= (1, 0) y = (0, 1) se denominan vectores can
Definici
on 2.3 (Igualdad de vectores).
1. Geom
etricamente.
y
#
v Dos vectores no nulos son iguales si tienen la
misma longitud y direccion.
O x
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 2
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).
Definici
on 2.4 (suma).
1. Geom
etricamente.
Desde este punto de vista, la suma de vectores en R2 se puede realizar mediante dos pro-
angulo y regla del paralelogramo. Sean #
cedimientos equivalentes: regla del tri v y #
v 1 2
2
dos vectores de R , complete la siguiente grafica.
28 Captulo 2. Vectores, rectas y planos
#
v2
#v
#v 1 + 2 #
v2
#
v1 #
v1
Soluci
on. Graficamente mediante la regla del paralelogramo, se tiene
y y y
4 4 4
3 #
v2 3 #
v2 3
v
2
+ #
2 2 2
v#
1
1 # 1 1 #
v1 v1
2 1 1 2 3 4 x 2 1 1 2 3 4 x 2 1 1 2 3 4 x
1 1 1
#
v1 + #
v2 =
Definici
on 2.5 (Multiplicaci
on por un escalar).
1. Geom
etricamente.
#
v #
v #
v
b
#
v b
#
v
#
v #
v #
v
a) Como es la direccion de #
v comparada con la de #
v?
b) A que es igual k #
v k?
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).
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]).
Sean #
u , # # R2 ; , R. Las siguientes propiedades se satisfacen:
v, w
a) #
v = (3, 7) = 1 (1, 0) + 2 (0, 1) b) #
v = (3, 7) = 1 (1, 0) + 2 (0, 1) + 3 (2, 3)
c) #
v = (3, 7) = (1, 1) + (2, 2)
1 2 d) #
v = (5/3, 11) = (1, 0) + (0, 1)
1 2
Definici
on 2.7 (Combinaci on lineal). Sean # u , #
v1 , # vk vectores de R2 . El vector #
v2 , . . . , # u es
combinaci # # #
on lineal de los vectores v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
k
X
#
u = 1 #
v1 + 2 #
v2 + + k #
vk = i #
vi .
i=1
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)
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
#
nicos escalares que permiten que 0 sea combinacion lineal de #
u v1 y #
v2 son 1 = 0 y 2 = 0.
Es decir, (
21 + 32 = 0
(0, 0) = 1 (2, 7) + 2 (3, 8) .
71 82 = 0
El sistema homogeneo tiene solucion u
nica, la trivial.
on 2.2. Lecciones de clase 31
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,
implica que 1 , 2 y 3 pueden tomar infinitos valores los cuales satisfacen la igualdad. Por
ejemplo,
a) #
v1 = (1, 3), #
v2 = (1, 1) b) #
v1 = (1, 3), #
v2 = (0, 0)
c) #
v1 = (1, 3), #
v2 = (2, 6) d) #
v1 = (1, 3), #
v2 = (1, 1), #
v3 = (3, 5)
Ejemplo 2.4. Determine todos los vectores que sean combinacion lineal de #
v1 = (1, 5) y
#
v = (2, 10).
2
on. #
Soluci u = (x, y) es combinacion lineal de #
v1 y #
v2 si existen escalares 1 y 2 tales que
De ah resulta el sistema
1 + 22 = x
(2.1)
51 102 = y.
Ahora, ! !
1 2 | x 1 2 | x
f2 f2 + 5f1 .
5 10 | y 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
u R2 | # v2 = (x, y) R2 | y = 5x .
H = # u = 1 #
v1 + 2 #
32 Captulo 2. Vectores, rectas y planos
a) { #
v1 = (1, 3), #
v2 = (1, 1)} b) { #
v1 = (1, 3), #
v2 = (2, 6)}
Ejemplo 2.6. Si #
u = (1, 3) y #
v = (4, 5), entonces #
u #
v = 1(4) + (3)(5) = 11.
Ejercicio 1. Sean # u = (2, 2), # # = (3, 2). Halle #
v = (1, 2) y w u #
v , #
v #
u , # # 2 #
u w, u #
v,
#
u ( # # #
u + w), u #
u y # #
v w
Teorema 5 (Propiedades). Sean #
u , # # R2 y R
v, w
4. u k2 = #
k # u #
u
#
u ( # # = (u , u ) [(v , v ) + (w , w )] = (u , u ) (v + w , v + w )
v + w) 1 2 1 2 1 2 1 2 1 1 2 2
Teorema 6 (Angulo entre vectores). Sean # v dos vectores no nulos de R2 y el angulo
u y #
entre ellos. Entonces
#
v
#
u #
v #
u
cos = # # .
kukkvk
Figura 2.12. Angulo entre vectores en R2 .
Demostraci
on. Usando propiedades se tiene
# u# v# k # v k2 = ( #
u # u #v ) ( #
u #v)
v
2
= k #
u k 2 #u # v k2
v + k # (1)
#
u
Ahora mediante la ley de los cosenos
k # v k2 = k #
u # 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?
a) #
u #
v =0 b) el angulo entre ellos es = 0 o radianes
a) k # v k2 = k #
u + # u k2 + 2 #
u # v k2
v + k # b) k #
u # v k2 = k #
u k2 2 #
u # v k2
v + k #
#
#
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
34 Captulo 2. Vectores, rectas y planos
Soluci
on.
Como
# #
#
15
a b = k #
a k
b
cos /3 = 2
porque .
Luego,
# #
2 15
a + b
= 9 + 2 + 25 = 49.
2
#
Por lo tanto,
#
a + b
= 7.
a) #
a #
c. b) k #
c k.
| #
u #
v | k #
u k k #
vk.
1. La proyeccion de #
v sobre #
u , denotada por proy # #
u v , est
a dada por
proy # #
u v =
2. La componente de #
v sobre #
u , denotada por comp # #
u v , est
a dada por
comp # #
u v =
# #
v #
v
v
#
w #
w
b
= 90
proy # # #
u v u v
proy #
O #
u O #
u O #
u
Ejemplo 2.8. a) Si #
u = (2, 3) y #
v = (1, 2), entonces
proy # # 4 8 12 # 4 .
u v = ( 13)2
(2, 3) = ( 13 , 13 ) y comp #
u v = 13
b) Si #
u = (2, 2) y #
v = (5, 4), entonces
2
proy # #
u v =
( 8)2
(2, 2) = ( 21 , 12 ) y comp # # 1
u v = 2.
y # y
v
3 # 3
u
# 2 2
v #
u
1 1
proy # #
u v
2 1 O 1 2 x 6 5 4 3 2 1 O 1 2 x
proy # #
u v
1 1
(a) (b)
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 on 4. Vectores en R3 y Rn
Lecci
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}
o o
x x1
3
R = y | x, y, z R
n .
R = .. | x1 , . . . , xn R
z
xn
x x
.1
Nota: (x, y, z) 6= y ..
Nota: (x1 , . . . , xn ) 6=
z xn
Un vector de R3 se llama terna, tripleta, 3tupla
Un vector de Rn se denomina ntupla o nupla.
o 3upla.
36 Captulo 2. Vectores, rectas y planos
z z
Vector nulo
b
Vector nulo b
Origen y
Origen
x y x
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 semies-
pacios 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.
I
z II
Octante x y z
I + + +
Pl a II
IV
no
xz no
yz
II
Pl a
I III
IV
x V
P
la
VI y
no
II
VI
xy
VI
V VII
VIII
on 2.2. Lecciones de clase 37
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 z z
0)
1,
3,
y(
x
Q b
Px
x y x y x y
y
(2
,3
b
,0
)
k #
vk = .
k #
vk = .
a) #
v1 = (1, 1, 1) c) #
v3 = (0, 1, 1, 0)
b) #
v2 = (1/ 3, 1/ 3, 1/ 3) d) #
v4 = (1/ 22, 1/ 22, 4/ 22, 2/ 22)
Definici
on 2.17 (Vectores can
onicos). Los vectores canonicos son:
1. En R2 :
= (1, 0) y = (0, 1). Tambien 1 , = e
=e 2 .
3. En Rn son: e
1 = (1, 0, . . . , 0), e
2 = (0, 1, . . . , , 0), . . . , e
n = (0, 0, . . ., 1).
1
Definici v no nulo de Rn , es dir #
on 2.18. La direccion de un vector # = # #
v =u v.
kvk
38 Captulo 2. Vectores, rectas y planos
y x
cos 1 = #1
#
v = (x1 , y1 ) kvk
2
cos 2 =
1
x x2 x2
cos2 1 + cos2 2 = #1 2 + #2 2 = 1.
kvk kvk
Figura 2.14. Angulos directores en R2 .
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
3 #
v = (x1 , y1 , z1 ) cos 2 = #1
b
kvk
O 2
y
1
cos 3 =
Demostrar :
x
cos2 1 + cos2 2 + cos2 3 = 1
Figura 2.15. Angulos directores en R3 .
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.
Ademas,
Definici
on 2.19 (Distancia).
Ejemplo 2.10. Determine todos los puntos P (x, y, z) de R3 que estan a 3 unidades del origen.
O b
x y
Definici
on 2.21 (Igualdad de vectores).
1. Los vectores #
v1 = (x1 , y1 , z1 ) y #v2 = (x2 , y2 , z2 ) son iguales si , y .
# #
2. Los vectores v1 = (x1 , x2 , . . . , xn ) y v2 = (y1 , y2 , . . . , yn ) son iguales si , ,
...y .
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).
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 2.25 (Combinaci on lineal). Sean # u , #
v 1 , # v k vectores en Rn . El vector #
v2 , . . . , # u
# # #
es combinacion lineal de v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
k
X
#
u = 1 #
v1 + 2 #
v2 + + k #
vk = i #
vi
i=1
x 1 0 0
#
Ejemplo 2.11. Se tiene v = y = x
+ y donde
+ z k,
= 0
= 0, = 1, k
.
z 0 0 1
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
on 2.2. Lecciones de clase 41
Secci
4 1 1 2
# # # #
b) u = 2; v1 = 2, v2 = 3, v3 = 1
2 4 5 1
1 1 1 0
# 2 # 0 # 1 # 1
4;
c) u = v1 = 0, v2 = 0, v3 = 1.
2 1 0 2
1 1 1 2
# # # #
d) u = 1
; v1 = 3, v2 = 1, v3 = 2
4 5 3 8
Observaci
on. Por abuso de lenguaje, se habla de vectores LI o LD.
3 3 0
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
Definicion 2.28 (Espacio generado). Sea S = { # v , # 1 2 v } Rn . El espacio generado
v , . . . , # k
n k
X o
gen S = u Rn | #
# u = 1 #
v1 + 2 #
v2 + + k #
vk = #
i vi ; i R .
i=1
1 1
1 1 1
# #
a) S1 = v1 = 0, v2 = 1
# # #
b) S2 = v1 = 0, v2 = 1, v3 = 1
1 1 1 1 0
Soluci
on.
u R3 | #
gen S1 = # u = 1 #
v1 + 2 #
v2
x x 1 1
x x = 1 +
2
= y y = 1 0 + 2 1 = y y = 2 .
z z 1 1 z z = 1 + 2
x
Al resolver el sistema se obtiene: gen S1 = y x 2y + z = 0 .
z
#
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.
Ejercicio 1. Sean #
u = (2, 3, 1), # # = (5, 6, 4). Efect
v = (2, 3, 5) y w ue
a) #
u #
u u k2
b) k # c) #
u #
v d) #
v #
u
e) # #
u w f) #
u #
v + # #
u w g) #
u ( # #
v + w)
on 2.2. Lecciones de clase 43
Secci
3. ( #
u #
v ) = ( #
u ) #
v = #
u ( #
v)
4. u k2 = #
k # u #
u
a) Si #
u 6= 0 y #
v 6= 0, entonces #
u #
v 6= 0.
b) #
u #
u > 0 para todo #u Rn .
c) Si #
u #
v = #
u w# y #
u 6= 0, entonces # #
v = w.
| #
u #
v | k #
u k k #
vk
Definici
on 2.31 (Angulo entre vectores). Sean # v vectores no nulos de Rn . El angulo
u y #
entre ellos se define como el angulo que satisface
#
u #
v
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
1. k #
u+ #
v k k #
u k + k #
u k. (Desigualdad triangular)
2 2
2. k #
u+ #
v k = k #
u k + k #v k2 , si #
u y #
v son ortogonales. (Teorema de Pitagoras)
44 Captulo 2. Vectores, rectas y planos
1. La proyeccion de #
v sobre #
u , denotada por proy # #
u v , est
a dada por
proy # #
u v =
2. La componente de #
v sobre #
u , denotada por comp # #
u v , est
a dada por
comp # #
u v =
# # # #
Ejercicio 6. Determine proy # v u dado que u = (1, 2, 0, 1) y v = (0, 0, 1, 3).
v u y comp #
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 0 4.
1 1 5
on 2.2. Lecciones de clase 45
Secci
k
u u u u u u
#
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
k
2 3 1 3 1 2
#
u #
v = 1 2 3 = + k
4 5 3 5 3 4
3 4 5
= (10 12)
(5 9) = 2
+ (4 + 6)k + 14 = (2, 14, 10).
+ 10k
Ejercicio 2. Sean #
u = (2, 1, 3), # # = (1, 2, 4) R3 y R. Efect
v = (1, 1, 2), w ue
a) #
u #
v d) #
u #
u g) #
v ( #
u #
v) j) #
u ( # #
v + w)
b) #
v #
u e) #
u #
u h) # #
u w
c) #
u 0 f) #
u ( #
u #
v) i) # #
v w k) ( #
u + # #
v) w
i. #
u #
v #
v #
u ii. #
u ( # #
v + w) #
u #
v + # #
u w
4. ( #
u #
v ) = ( #
u ) #
v = #u ( #
v)
5. #
u 0 = 0 = 0 #
u
6. #
u #
u =0
7. #
u #u =0
8. u ( u #
# # u #
v ( #
v ) = 0 = # v)
k # v k2 = k #
u # u k2 k #
v k2 ( # v )2
u #
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 # c vectores de R3 tales que k #
a , b y # 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 Propiedades
a k2 = 4
= 0 k # Propiedad
# #
b) c k2 = #
k # c #
c = ( #
a b # a ) ( #
a b #a) Propiedad
# #
2 # 2
=
a b
2 #a ( #
a b ) + k # ak Propiedad
# 2 #
a k2
b
( #
a b )2 + 4 = 4 25 0 + 4 = 104.
= k #
Luego, k #
c k = 2 21.
#
Ejercicio 5. Sean # c vectores de R3 tales que k #
a , b y # 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.
1. #
u ( # # = #
v w) # #
v (w # ( #
u) = w u #
v)
2. #
u ( # # = ( #
v w) # #
u w) v ( #
u # #
v )w
u u u
1 2 3
#
u ( # # = v v v
v w)
1 2 3
w w w
1 2 3
on 2.2. Lecciones de clase 47
Secci
Interpretaci etrica de k #
on Geom u #
v k y |( #
u # #
v ) w|
#
u #
v
#
u #
v #
w
#
v . h
#
v
h
#
u #
u
(a) (b)
Figura 2.16. Area y volumen
A = k #
u #
vk.
A = base altura = k #
u k h.
A = k #
u k k #
v k sen = k #
u #
vk,
VP AR = |( #
u # # |
v) w
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).
Rectas en R3
Se deduce la ecuacion de la recta en R3 haciendo la siguiente analoga.
En R2 En R3
Para determinar la ecuacion de una recta L Para determinar la ecuacion de una rec-
si se conocen dos puntos diferentes P (x0 , y0 ) ta L si se conocen dos puntos diferentes
y Q(x1 , y1 ) con x1 6= x0 . P (x0 , y0 , z0 ) y Q(x1 , y1 , z1 ).
# Q b
b
P
Q(x1 , y1 ) #v = Q(x1 , y1 , z1 )
b b
P (x0 , y0 ) P (x0 , y0 , z0 )
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-
z
ta en terminos de lo conocido.
y L L
b
b
Q(x1 , y1 ) Q(x1 , y1 , z1 ) b R(x, y, z)
R(x, y) #
v = (a, b)
b b
P (x0 , y0 , z0 ) #
P (x0 , y0 )
b
v = (a, b, c)
x
O y
O
y y0 = m(x x0 ) o y y1 = m(x x1 ). # #
Como P R es paralelo a #
v = P Q, existe un
#
Observe que R(x, y) es un punto arbitrario umero real t tal que P R = t #
n v . Note que
de la recta L. R(x, y, z) es un punto cualquiera de L.
on 2.2. Lecciones de clase 49
Secci
x = x0 + at
y = y0 + bt; t R.
z = z0 + ct
Ejemplo 2.19. Determine las ecuaciones de la recta L que contiene los puntos P (5, 3, 4) y
Q(2, 3, 3).
# # #
on. Se tiene que P Q = Q P = (3, 0, 1) = #
Soluci 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 ; t R.
z= 4t
Ecuaciones simetricas:
x+5 z4
= , y = 3.
3 1
Ejercicio 1. Sean P (3, 2, 1) y Q(1, 2, 4) dos puntos de R3 .
b) Cuales de los siguientes puntos estan en L: R(4, 1, 5), S(1, 6, 9), T (5, 6, 6).
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
1. paralelas (o coincidentes) si
2. perpendiculares si
Planos en R3
#
z N: vector normal del plano , es un vector per-
#
N = (a, b, c) pendicular a cada vector en el plano.
P (x0 , y0 , z0 ): punto fijo en el plano.
Q(x, y, z
b
P (x0 , y0 , z0 )
O y
Ecuacion cartesiana:
n # # o
x = Q R3 | N P Q = 0
= {(x, y, z) | (a, b, c) (x x0 , y y0 , z z0 ) = 0}
Figura 2.17. Plano en R3 . # #
= {(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).
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
Matrices
B. Teora.
53
54 Captulo 3. Matrices
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.
5 1 2 2 4
de las columnas de A.
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
T 1
X = 31 B C T AB T + 2C T B T 1 T
6
A C .
E. Aplicaciones.
Bi
oxido de azufre
Acido ntrico Partculas
" #
300 100 150 Producto P
A=
200 250 400 Producto Q
Planta X Planta Y
8 12 Bi
oxido de azufre
B= 7 9
Acido ntrico
15 10 Partculas
3.2.1 Lecci
on 1. Definici
on, operaciones y propiedades
Notaci
on
1. Las matrices se denotan con y para abreviar se escribe
2. En el tama
no de la matriz A, m yn
56 Captulo 3. Matrices
reni A = Ai =
colj A = A(j) =
3 4 5 6
Ejemplo 3.1. Considere la matriz A = 7 0 1 20.
8 10 13 17
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.
no 1 4).
d) La fila 2 de A es el vector fila ren2 A = A2 = 7 0 11 20 , (tama
5
e) La fila 3 de A es el vector columna col3 A = A(3) no 3 1).
= 11, (tama
13
Matriz nula: .
3 2 2 0 0 4 !
0 5
a) A = 0 4 3 b) A = 0 3 0 c) A =
0 0
0 0 4 0 0 2
0 0 0 1 0 0 !
0 0
a) A = 6 0 0 b) A = 0 0 0 c) A =
3 4
4 2 7 0 2 8
Matriz diagonal: .
Matriz identidad: .
Ejercicio 2. Clasifique cada una de las siguientes matrices de acuerdo con las definiciones
anteriores, si corresponde a alguna de ellas.
0 0 3 0 4 0 0 0
a) A = 0 0 c) A = 0 7 4 e) A = 0 0 0
0 0 0 0 0 0 0 0
3 0 0
! !
1 0 0 4 0 f) A = 0 0 0
b) A = d) A =
0 1 0 0 5 0 8 0
58 Captulo 3. Matrices
Operaciones y propiedades
Definici
on 3.2 (Igualdad). Dos matrices A = (aij )mn y B = (bij )pq son iguales si ,
y .
Ejemplo 3.7.
!
2+2 15
!
2 5 1+ 2 3
a) Sea A = yB= . Entonces A = B.
6 7 6 49
1
b) Si A = y B = 1 2 , entonces A 6= B, ya que sus tama nos son diferentes.
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 no m n. La suma
on 3.3 (Suma). Sean A = (aij ) y B = (bij ) dos matrices de tama
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 .
! !
2 3 4 10 5 8
Ejemplo 3.8. Sean A = y B = . Si C = A 2B, entonces
1 0 7 8 4 1
!
18 13 12
C= .
17 8 5
Ejercicio 4. Considere las matrices
! 4 !
2 3 4 5 4 7 8 2
A= , B= , C = 3 y D = 3 2 4
8 7 6 5 0 3 22 7
5
a) A + B b) C + D c) 2A
d) Halle la matriz E tal que 2A + B + E = 0
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.
2 6
1 3 2 1 1 2 1 3
a) A1 = , A2 = b) A1 = , A2 =
2 1 2 2 1 4 2 4 4 8
1 1 2 2 4 1 1 7 7
c) A1 = , A2 = , A3 =
2 1 2 3 5 1 9 8 7
3.2.2 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). Sea A = (aij ) un matriz m n. La transpuesta de A es la
on 3.1 (Transposici
no n m tal que bij = aji . Se denota por AT , es decir , (aij )T = (aji ).
matriz B = (bij ) de tama
! 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
n
X
T
uv =uv = ui v i .
i=1
Definici
on 3.3 (Producto de matrices). Sean A = (aij ) y B = (bij ) dos matrices de
nos m p y p n, respectivamente. La multiplicacion o producto de A con B, que se
tama
no m n tal que cij = reni A colj B.
denota por AB, es la matriz C = (cij ) de tama
Observe:
Amp B pn = C
no de la matriz C es m n, donde m es el n
2. El tama umero de de A y n es el n
umero
de de B.
Amp B pn = C mn
on 3.2. Lecciones de clase 61
Secci
2 3 !
2 3 4
Ejercicio 1. Halle AB y BA si A = 0 2 y B =
4 0 3
3 2
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
no 4 4. Si BD = I y CC T = I, simplificar
Ejercicio 3. Sean A, B,C y D matrices de tama
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
!
7 3
Ejemplo 3.12. A = es una matriz simetrica.
3 8
Definici
on 3.5 (Matriz antisim
etrica). Sea A una matriz cuadrada de orden n. Se dice que
A es antisimetrica si
!
0 9
Ejemplo 3.13. A = es una matriz antisimetrica.
9 0
Ejercicio 4.
62 Captulo 3. Matrices
1. Complete las componentes que hacen falta para que la matriz sea simetrica o antisimetrica,
seg
un sea el caso:
1 4 0 4 5
A=5 7 B=
9 6
Demostraci
on. Se probara en un sentido, el otro se deja como ejercicio
Luego, A y B conmutan.
3.2.3 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.
!
1 1
Ejercicio 1. Encuentre una matriz B tal que AB = I 2 , si A = .
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.
Soluci
on. Se tiene
A2 + A I = 0
(A + I)A = I
Soluci
on. Al escribir la matriz ampliada y aplicar operaciones elementales de renglon se tiene
1 2 2 | 1 0 0 1 2 2 | 1 0 0
f2 f2 2f1
2 3 5 | 0 1 0 0 1 1 | 2 1 0
f3 f3 3f1
3 7 4 | 0 0 1 0 1 2 | 3 0 1
1 0 4 | 3 2 0
f1 f1 + 2f2
0 1 1 | 2 1 0
f3 f3 + f1
0 0 1 | 5 1 1
1 0 0 | 23 6 4
f1 f1 + 4f3
0 1 0 | 7 2 1
f2 f2 + f3
0 0 1 | 5 1 1
1 0 0 | 23 6 4
f2 f2 0 1 0 | 7 2 1 .
0 0 1 | 5 1 1
23 6 4
Luego, A es invertible y A1 = 7 2 1.
5 1 1
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, . . .
a) Matriz idempotente:
b) Matriz nilpotente:
c) Matriz ortogonal:
0 5 0
!
1/ 5 2/ 5
c) A = es ortogonal.
2/ 5 1/ 5
! !
a b a b
Ejemplo 3.18. Demostrar que las matrices de la forma A = yB= con
b a b a
a2 + b2 = 1 son ortogonales.
! !
a b a b
Demostraci
on. A = , AT = . Ahora
b a b a
!
T a2 + b 2 0
AA = .
0 a2 + b 2
!
T 1 0
Como a2 + b2 = 1, entonces AA = = I. Luego A es ortogonal.
0 1
Se deja como ejercicio demostrar que B es ortogonal.
on 3.2. Lecciones de clase 65
Secci
1
1. A1 = 3. (A)1 =
Soluci
on. Usando propiedades se tiene
1 1
X = 15 C T (C 1 AB T + 2C 1 B T ) 1
10
AB
1 1
= 51 C T C 1 (A + 2I)B T 1
10
AB Prop. 3 y 4 del producto
= 51 CC 1 (A + 2I)B T 10(B ) A 1 1 1
Prop. 2 y 3 de la inversa
= 10 I(A + 2I)B T BA1
5
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 ).
1. A es invertible.
Determinantes
B. Responda verdadero
o falso, justificando sus respuestas
C. Poniendo en pr
actica lo aprendido.
67
68 Captulo 4. Determinantes
1 3 4 5
1 2 3
1 2 3 4
a) A = 3 5 8 b) A =
1 4 1 2
2 5 2
2 7 3 7
a b c a d g
2. Si d e f = 20, calcule 5b 5e 5h .
g h i c + a f + d i + g
x y z 2x 2y 2z
3. Si 3 0 2 = 2, halle 3x + 3 3y 3z + 2.
1 1 1 x+2 y+2 z+2
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 .
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.
4.2.1 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.
on 4.2. Lecciones de clase 69
Secci
a11 a12
Definici
on 4.1 (Determinante 22). Sea A = . El determinante de A, se denota
a21 a22
por det A o y se define como
det A =
Definici no n n. El menor
on 4.2 (Menor (i, j) de A). Sea A = (aij ) un matriz de tama
no (n 1) (n 1) que se
(i, j) de A, denotado por M ij , se define como la matriz de tama
obtiene de A al suprimirle la fila iesima y la columna jesima.
2 2 3 !
2 3
Ejemplo 4.1. Considere la matriz A = 2 3 7. El menor 3, 2 es M32 = .
2 7
3 3 8
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
1
Algunos autores usan la notaci
on cij para denotar los cofactores.
70 Captulo 4. Determinantes
0 2 3
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?
a) det A = A es invertible?
b) det B = B es invertible?
Que relacion existe entre el valor del determinante de la matriz con el hecho de que esta
tenga inversa?
no n n. Entonces
Propiedad 3. Sean A y B dos matrices de tama
det(AB) = .
5. Responda verdadero o falso a cada una de las siguientes afirmaciones. Justifique su res-
puesta
Ejemplo 4.4. Use las propiedades del deteminante para calcular |A| en cada caso
1 5 7 2 3 5
a) A = 2 9 15 b) A = 1 1 2.
1
3 14 22 2
1 1
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 3 7 b) A =
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.
! 7 9 3
7 2
8. Calcule |A|, AT para cada
7. Considere las matrices A = y A = 0 10
3 10
5 0 6
T
matriz A. Como es |A| comparado con A ?
T
Propiedad 9. Sea A una matriz cuadrada de orden n. Entonces |A| 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 d g a b c
Ejemplo 4.5. Calcule b e h si se sabe que d e f = 7.
2c 3b 2f 3e 2i 3h g h i
on 4.2. Lecciones de clase 73
Secci
Soluci
on. Usando las propiedades 8, 6 y 9 se tiene
a d g a d g a d g a b c
b e h = b e h = 2 b e h = 2 d e f = 14.
2c 3b 2f 3e 2i 3h 2c 2f 2i c f i g h i
f 3 f3 +3f2
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
Propiedad 10. Si A es una matriz que tiene por lo menos una fila (columna) m
ultiplo escalar
de otra, entonces |A| = .
! ! !
11 5 2 3 9 8
9. Sean A = ,B= yC = . Halle |A|, |B| y |C|. Comparelos
4 8 4 8 4 8
Que relacion puede establecer?
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.
no n n que difieren s
Propiedad 11. Sean A, B y C matrices de tama 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.
Demostraci
on. Justifique los pasos
Demostraci
on
Ejercicio 5. Sea Ann una matriz invertible. Pruebe que |adj A| = |A|n1 .
Soluci
on. Justifique los pasos
1 |A|2 |C|2
Ejercicio 6. Muestre que [adj(AC)] AB T C = . Halle su valor si A, B y C
T |B|
son matrices 4 4 tales que |A| = 3, |B| = 8 y 2C = 32.
on 4.2. Lecciones de clase 75
Secci
Regla de Cramer
Sea A una matriz n n invertible. Entonces el sistema Ax = b tiene solucion u
nica dada por
|Aj |
xj = , j = 1, 2, . . . , n,
|A|
2x + 3y = 3 x y+ z =2
a)
3x + 2y = 2 b) 2x + y + z = 2
3x + 2y 2z = 3
1. A es invertible.
7. det A
B. Poniendo en pr
actica la aprendido.
(x, y) (z, w) = (x + z 1, y + w 1)
(x, y) = (x + 1, y + 1)
x z = xz, x = x
77
78 Captulo 5. Espacios vectoriales reales
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 0
1 1 2
0 1 1
a) A = 3 4 5 a) B =
2 1 1
5 6 12
1 1 2
10. Construya una base ortonormal para H = {(x, y, z) R3 | 3x + 2y z = 0} .
C. Responda verdadero
o falso a las siguientes afirmaciones. Justifique cada una
de sus respuestas
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), res-
pectivamente. Se dice que V con las dos operaciones es un espacio vectorial, si satisface los
siguientes axiomas:
Notaci
on y observaciones.
odulo para .
3. El vector e se llama el elemento identidad o el m
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.
a) V = R2 b) M22 (R)
80 Captulo 5. Espacios vectoriales reales
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.
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
u = y1 y #
En el caso b) no se cumple la propiedad 1S. En efecto, si # v = y2 estan en V ,
1 2
entonces y1 = 2x1 3 y y2 = 2x2 3. Luego,
# x1 + x2 x1 + x2 x1 + x2
u + #
v = = 6= .
y1 + y2 2(x1 + x2 ) 6 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.
( )
a) V = (Z, +) f) V = (M22 , ) x
j) V = | y = 2x + 1
y
b) V = (Q, +) 1
g) V = (Mnn , +)
( )
c) V = (I, +) x
k) V = | y = 2x
h) V = (Mmn , +) y
d) V = (R, +)
1
e) V = (Rn , +) i) V = (Mnn , ) l) V = (P2 , +)
Notaciones.
1
Mnn no n n.
representa las matrices invertibles de tama
Definici
on 5.2 (Subespacio).
on 5.2. Lecciones de clase 81
Secci
Teorema 1 (Caracterizaci
on de subespacio). Sea V un espacio vectorial y H un subcon-
junto 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.
h1 + h2 H para todo h1 , h2 H y , R.
# # x1 + x2
h1 + h2 = H pues x1 + x2 0 por las condiciones (1) y (2).
y1 + y2
# x
ii) Sean h 1 = x1 H y R. Entonces x1 0. Ahora
2
# x1
h1 =
/ H si < 0 y x1 < 0, pues en este caso, x1 > 0.
y1
Luego, H no es subespacio de R2 .
b) H 6= pues h = x 1 H
h = (a)x + b H pues a + b = (a + b) = 0 = 0.
Ejercicio 3. Determine cuales de los siguientes subconjuntos son subespacios del espacio vec-
torial dado
x 2 x 2
a) H = R |x0 y y0 c) H = R | y = 2x + 5
y y
x 2
b) H = R | y = 2x
y d) H = {D Mnn | D es diagonal}
( )
a 6a
e) H = A M22 | A = ; a, b R
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}
i) H = {p(x) P4 | grado(p(x)) = 5} k) H = V
y
b) H = H1 H2 es un subespacio de V ?
on 5.3 (Subespacios triviales). Sea V 6= {0} un espacio vectorial. Los subespacios
Definici
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} = 0
2. H = R2
n x o
3. H = y | y = ax o x = by; a, b R , recta que pasa por el origen.
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.
on 5.2. Lecciones de clase 83
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
k
X
u = 1 v1 + 2 v2 + + k vk = i v i
i=1
Observaciones.
1. La multiplicacion del escalar i con el vector vi depende de la forma como se haya definido
en el espacio vectorial.
a) u = 1 2x + x2 ; v1 = 2 x, v2 = 1 + x2
1 3 1 0 2 1 2 2
b) u = ; v1 = , v2 = , v3 =
0 7 0 0 0 0 0 14
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 .
21 + 2 = 1
1 = 2
2 = 1
b) u = 1 v1 + 2 v2 + 3 v3 . Sustituyendo:
1 3 1 0 2 1 2 2 1 + 22 23 2 + 23
= 1 + 2 + 3 = .
0 14 0 0 0 0 0 7 0 73
De ah se obtiene el sistema de ecuaciones lineales
1 + 22 23 = 1
2 + 23 = 3 .
73 = 14
c) u = 5 + x2 ; v1 = 1 + x, v2 = x2
d) u = 2 + 2x x2 ; v1 = 1 + x, v2 = x2
! ! !
4 7 14 1 1 2 0 1 2
e) u = ; v1 = , v2 =
9 10 2 0 4 5 3 2 6
! ! ! !
2 3 1 1 1 1 1 0
f) u = , v1 = , v2 = , v3 =
1 1 1 0 0 1 1 1
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,
k
X
0= implica 0 = 1 = 2 = = k
i=
a) 0 = 1 v1 + 2 v2
0 + 0x + 0x2 = 1 (2 x) + 2 (1 + x2 ) = 21 + 2 1 x + 2 x2 .
21 + 2 = 0
1 = 0
2 = 0,
b) 0 = 1 v1 + 2 v2 + 3 v3
0 0 1 2 2 3 1 1
= 1 + 2 + 3 .
0 0 0 4 0 6 0 2
De ah se obtiene el sistema homogeneo
1 + 22 + 3 = 0
21 + 32 + 3 = 0
41 + 62 + 23 = 0.
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 0 2 1 1 1
e) S = A1 = , A2 = , A3 =
0 0 0 0 0 0
on 5.6 (Espacio generado). Sea S = {v1 , v2 , . . . , vk } V . El espacio generado por
Definici
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 }
Soluci
on. Se tiene
= ax2 + bx + c | ax2 + bx + c = 21 + 2 1 x + 2 x2 .
21 + 2 = c
1 = b
2 = a,
S1 = v1 = 1, v2 = x, v3 = x2
S2 = w1 = 1 + x + x2 , w2 = 1 x, w3 = 1 + x2
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 li-
nealmente independientes.
a) R5 ; S1 =
S2 =
b) P3 ; S1 =
S2 =
c) P5 ; S1 =
S2 =
d) M22 ; S1 =
S2 =
on 5.2. Lecciones de clase 87
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.
on 5.8 (base). Sea S = {v1 , v2 , . . . , vn } un subconjunto no vaco de un espacio
Definici
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
d) S = f 1 = 1 + x, f 2 = 1 2x + 3x2 , f 3 = 1 + x2 ; V = P2
1 1 1 1 1 1 1 0
e) S = , , , ; V = M22 (R).
1 1 1 0 0 0 0 0
Teorema 2. Si un espacio vectorial V tiene una base con n elementos, entonces cualquier otra
base de V tambien tiene n elementos.
Bases can
onicas
Espacio Base can
onica Dimensi
on
V =R {1} 1
2 1 0
V =R , 2
0 1
1
0 0
V = R3 0 , 1 , 0 . Tambien {e1 , e2 , e3 } 3
0 0 1
0
0
.
..
V = Rn {e1 , e2 , . . . , en }, donde ei = 1 Posicion i n
.
..
0
V = P1 {1, x} 2
V = P2 {1, x, x2 } 3
V = Pn {1, x, x2 , . . . , xn } n+1
V =P {1, x, x2 , . . . , xn , . . .}
1 0 0 1 0 0 0 0
V = M22 , , , 4
0 0 0 0 1 0 0 1
( ! ! !)
1 0 0 0 1 0 0 0 0
V = M23 , ,..., 6
0 0 0 0 0 0 0 0 1
1 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0
V = Mmn
. . .. .. , . . ..
.. , . . . , .
.. . .
.. mn
.. .. . . . . . .. .
. . . . .
0 0 ... 0 0 0 ... 0 0 0 ... 1
x
Sea H. Entonces 3x + y = 0. Es decir, y = 3x, x R. Luego,
y
x x 1
= =x , x R.
y 3x 3
1 1
De ah, H = gen . Por lo tanto, una base para H es S = y dim H = 1.
3 3
Ejercicio 2. Halle una base para cada uno de los siguientes subespacios vectoriales y determine
su dimension.
x
3
a) H = y R | x + y 2z = 0
z
c) H = {A M22 | A es simetrica}
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} .
Luego x ker A.
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
ker A = x R4 | Ax = 0 .
De ah,
x
y
4
ker A = R | x = z, y = z 2w .
z
w
Ejercicio 3. Encuentre el n
ucleo, una base para el n
ucleo y la nulidad de las siguientes matrices
1 4 5 7 1 0 0
a) A = 0 1 2 3 b) B = 8 5 0
1 5 3 4 9 7 2
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 .
on 5.2. Lecciones de clase 91
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.
im A = y R3 | Ax = y, para alg
un x R4
Observe que para la matriz A del ejemplo 5.11, se cumple (A) + (A) = 2 + 2 = 4 = n. En
general, se tiene:
(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 } .
92 Captulo 5. Espacios vectoriales reales
Teorema 9. Sea B una matriz equivalente por renglones con la matriz A. Entonces
Ejercicio 5. Halle una base para el espacio fila y una base para el espacio columna de las
matrices del ejercicio 3, pagina 90.
5.2.4 Lecci
on 4. Vector de coordenadas, cambio de base, bases or-
tonormales 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.
# 1 # 0 # 1 # 1
Ejemplo 5.14. Sean B1 = u1 = , u2 = y B2 = v1 = , v2 = bases
0 1 1 2
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 #
2 u , y 1 y 1 para #
1 u . Es decir, #
u = 2 #
v #
2 v y 1 1 2
#
u 2 = #
v 1 + #
v 2 ; lo cual se denota
2 1
[ #
u 1 ]B = y [ #
u 2 ]B = .
2 1 2 1
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 .
on 5.2. Lecciones de clase 93
Secci
7
en P2 . El vector de coordenadas de u en la base B1 es [u]B1 = 8 porque
5
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
2 1
Ejemplo 5.16. La matriz de transicion de B1 a B2 del ejemplo 5.14 es .
1 1
Bases ortonormales
Ejercicio 3. Sea B = {e1 , e2 , . . . , en } la base canonica de Rn . Entonces
Una base B que satisface las dos condiciones anteriores se denomina base ortonormal de Rn .
Ahora generalizamos este concepto.
1. 2.
94 Captulo 5. Espacios vectoriales reales
Ejercicio 4. Encuentre un conjunto de R3 que sea ortogonal y que no sea ortonormal. Cuantos
elementos puede tener a lo sumo este conjunto?
Demostraci
on. Ejercicio
En general
k
wk+1 X
uk+1 =
w
,
donde wk+1 = vk+1 (vk+1 ui )ui
k+1 i=1
#
v3
#
w 3
#
w
#
w #
v2 2 #
v2
2
u
2 u
3 u
2
O u
1
# = #
w v1 O u
1 # = #
w v1 O u
1
1 1
# = #
w v1
1
Soluci
on. Siguiendo los pasos dados se tiene
1 1
2
# # 1 #
w1 = v1 = 0 , 1 = # w
u 1 = 0
k w1 k 1
1
2
1
1
1 1 6
# # # 1 2 1 # 2
w2 = v2 ( v 2 u u1 = 1 0 = 1 ; u
1 ) 2 = # w2 = 6
2 1 k w2 k
0 1 2 16
1 1 1 1
# # # # 1 31
w3 = v3 ( v 3 u u1 ( v3 u
1 ) u2 = 1 0 2 = 3
2 )
3 1
1 1 1 3
1
1 # 13
3 = # w3 = 3
u
k w3 k 1
3
1 13
1
2
6
As, una base ortonormal para R3 es T = {
u1 , u 3 } = 0 ,
2 , u 2 , 1 .
6 3
1
16 1
2 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.
5.2.5 Lecci
on No. 5. Espacios con producto interior
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.
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.
Soluci
on. Se verifican si se satisfacen las propiedades PI1.PI4.
1. A es invertible.
7. det A
14. (A) =
15. (A) =
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 transforma-
ciones 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.
B. Aplicando la teora
99
100 Captulo 6. Transformaciones lineales
T (1) = 1 + x, T (1 + x) = 2 + 3x + x2 , T (1 x + x2 ) = 3 + 4x + x2
4 3 v
3 2
2 1
se transforme en .
1 0
u
0 -1
x
-1 0 1 2 3 4 5
-1
-3 -2 -1 0 1 2 3
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:
c 0 0 1 1 0
a) A = ,c > 1 c) A = e) A =
0 1 1 0 c 1
1 0 1 c
b) A = ,c > 1 d) A =
0 c 0 1
Secci
on 6.1. Taller pre-clase 101
1 2
8. Sea A = la matriz de la transformacion T : R2 7 R2 , referida a las bases
1 0
1 3 1 2
B1 = , y B2 = , , halle la transformacion.
2 4 3 7
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
Sea AT = la matriz que representa a T con respecto a las bases
1 1 3
1 3 1
B1 = v1 = 2 , v2 = 2 v3 = 1 de R3 y B2 = { w
# # # # } de R2 . Halle la
# , w
1 2
1 3 4
base B2 . Sugerencia. Use el hecho [T (v)]B2 = AT [v]B1 .
C. Responda verdadero
o falso. Justifique claramente su respuesta
D. Aplicaciones
Identifique los conceptos que permiten solucionar la siguiente situacion.
Un caricaturista moderno emplea computadora y algebra lineal para transformar las image-
nes
3 y 3 v
T
2 b
2 b
1 b b b
1 b b b
b b
0 0
b b b
x b b b
u
-1 -1
-2 -1 0 1 2 -2 -1 0 1 2
(a) (b)
6.2.1 Lecci
on 1. Definici
on y propiedades
Definici
on 6.1 (Transformaci
on lineal). Sean V y W espacios vectoriales. Una transforma-
cion lineal T de V en W (T : V 7 W ) es una funcion que satisface las siguientes condiciones:
T
y y
x
y
x x
x
x
T y = y
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).
2 2
1 1
0 0
x x x
-1 -1
-1 0 1 2 3 4 5 6 7 -6 -5 -4 -3 -2 -1 0 1 2 3
(d) = 2 (e) = 3
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:
Ejercicio 3. Determine cual o cuales de las siguientes funciones dadas son transformaciones
lineales:
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.
1 # 0
Solucion. B = #
v1 =, v2 = es una base de R2 . Luego, existen escalares 1 y 2
2 1
tales que #
u = 1 #
v1 + 2 #
v2 . Al resolver se obtiene 1 = 5, 2 = 13. As,
5 1 0 1 0
T ( #
u) = T =T 5 13 = 5T 13T = 5(1 + x) 13(3 + x) = 44 8x.
3 2 1 2 1
T (x + 1) = x2 1 y T (x 1) = x2 + x.
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.
ker T = nu T = {u V | T (u) = 0} .
x+y
x
Ejemplo 6.8. Sea T : R2 7 R3 una transformacion lineal dada por T = 2x + 2y .
y
x+y
Halle ker T .
x + y 0
x
n
# 2 # #o
Solucion. ker T = u R | T ( u ) = 0 = 2x + 2y = 0. Al resolver el sis-
y
x+y 0
x 1
tema homogeneo resultante se obtiene ker T = | y = x = gen .
y 1
x !
y
x + y
Ejemplo 6.9. Si T : R4 7 R2 es una transformacion lineal dada por T = ,
z zw
w
x
y
4
entonces ker T = R y = x, z = w .
z
w
2 a
Ejemplo 6.10. Sea T : R 7 P1 una transformacion lineal dada por T = 2(ab)+(ab)x.
b
a 1
Entonces ker T = a = b . Observe que
/ ker T .
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 6.5 (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 ).
x+y =c 1 1 | c 0 0 | ca
Luego v ker T .
d) T : P2 7 P3 , T (c + bx + ax2 ) = b bx + cx3
Definici on uno a uno). Una funcion F : A 7 B es uno a uno (1 1) o
on 6.6 (Funci
inyectiva si y solo si para cada a1 y a2 en A se tiene:
on. En primer lugar supongamos que T es uno a uno y probaremos que ker T = {0}.
Demostraci
Luego, ker T = {0}. Ahora supongamos que ker T = {0} y demostraremos que T es 1 1.
(T ) + (T ) = n. (6.1)
Ejemplo 6.15. Para las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene
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 2 2
a1j
a2j
donde [T (vj )]B2 =
.. si y solo si
.
amj
Ejemplo 6.16. Con relacion a la transformacion lineal del ejemplo 6.9, la matriz de T respecto
4 2 1 1 0 0
a las bases usuales (canonicas) para R y R es AT = .
0 0 1 1
on 6.2. Lecciones de clase 109
Secci
Ejemplo 6.17. Halle la matriz de la transformacion lineal del ejemplo 6.10 con respecto a las
1 # 1
#
bases B1 = v1 = , v2 = de R2 y B2 = {w1 = 1, w2 = x} la base canonica de P1 .
0 2
a
on. Calculamos las imagenes de los vectores de la base B1 con T
Soluci = 2(ab)+(ab)x.
b
# 1 # 2
T ( v1 ) = T = 2 + x = 1 1 + 1 x = 2w1 + 1w2 . De donde, T ( v 1 ) B = .
0 2 1
# 1 # 2
T ( v2 ) = T = 2 x = 2 1 + (1) x = 2w1 1w2 . Luego, T ( v 2 ) B = .
2 2 1
2 2
Por lo tanto, AT = .
1 1
1. (T ) = (AT ) 2. (T ) = (AT )
3. im T = im 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 T 2 1 2 1
im AT = gen ya que AT = f f2 + f1 .
1 2 1 2 0 0
a) T : P2 7 P3 , T (c + bx + ax2 ) = b bx + cx3
x
x y + 2z + 3w
y
b) T : R4 7 R3 , T
z = y + 4z + 3w
x + 6z + 6w
w
1. A es invertible.
7. det A
14. (A) =
15. (A) =
on lineal T : V 7 V entonces
16. Si A es la matriz de una transformaci
16.1 ker T =
16.2 T es una funcion
16.3 im T =
Captulo 7
Se contin
ua con la diagonalizacion de matrices cuadradas y luego con la diagonalizacion or-
togonal 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.
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
! !
4 3 6 1
1. Determine si A = yB = son diagonalizables. Justifique claramente su
0 4 0 5
respuesta.
2 1 1 1
1 2 1 1
2. Sea A =
1
1 2 1
1 1 1 2
111
112 Captulo 7. Valores y vectores propios
1
# 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 geometrica de multiplicidad algebraica de .
3 2 4
10
3. Calcule A si A = 2 0 2. Use el hecho que A es diagonalizable.
4 2 3
C. Responda verdadero
o falso. Justifique sus respuestas
5. Si Ann es una matriz con componentes reales, entonces sus valores propios son reales.
D. Aplicaciones
e). Realice el grafico de la conica donde muestre los ejes principales y el angulo de rotacion
on 7.2. Lecciones de clase 113
Secci
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.
! ! 0 1 0 !
1 2 1 1 2 1
1. A= 2. A= 3. A = 0 0 1 4. A=
4 3 1 3 5 2
2 5 4
1 0 1 2 1 1 ! !
5 2 9 3
5. A = 3 0 3 6. A = 1 2 1 7. A= 8. A=
2 8 3 1
1 0 1 1 1 2
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.
ucleo de la matriz A I.
Ejercicio 2. Para cada una de las matrices anteriores, encuentre el n
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.
ucleo de A I es equivalente a resolver el sistema homogeneo con
Recuerde: encontrar el n
matriz de coeficientes A I.
Definici
on 7.1 (Valor propio).
Definici
on 7.2 (Vector propio).
Definici
on 7.3 (Polinomio caracterstico).
Definici
on 7.4 (Espacio caracterstico).
114 Captulo 7. Valores y vectores propios
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
0 = ( 2)2 ( 3)
p() = |A I| = 0
2
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
1 0
vector propio asociado a = 2 es v1 = 0 y un vector propio asociado a = 3 es v2 = 0.
0 1
La multiplicidad geometrica de cada valor propio es
Mg ( = 2) = dim E2 = 1, Mg ( = 3) = dim E3 = 1.
Observe: Mg () Ma ().
Teorema 9. Sea A una matriz n n.
1. Vectores propios correspondientes a valores propios diferentes son
3. A es invertible si y s
olo si = 0
Ejemplo 7.2. La matriz A del ejemplo 7.1 no tiene 3 vectores propios linealmente indepen-
dientes puesto que Mg (2) = 1 < Ma (2) = 2.
on 7.2. Lecciones de clase 115
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 = 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|
D = P 1 AP ,
1 0 1 0 0 2
1 0 1
y P = 0 1 3. Cuales son los vectores propios de A?
1 0 1
116 Captulo 7. Valores y vectores propios
Preguntas.
3. D y P son u
nicas?
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).
1 1 3 1 2 0 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.
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
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 .
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).
donde | a| + | b| + | c| 6= 0.
!
a b/2
La expresion (7.1) se puede abreviar como F (X) = XT AX, donde A = es la
b/2 c
!
x
matriz asociada a la forma cuadratica y X = .
y
118 Captulo 7. Valores y vectores propios
Puesto que A es simetrica, es diagonalizable ortogonalmente. Es decir, existe una matriz orto-
gonal Q, |Q| = 1 y D = diag (1 , 2 ), tal que
A = QDQT
T x1
Para eliminar el termino mixto xy, sea X1 = Q X = , que corresponde a los nuevos ejes
y1
coordenados. As, la expresion (7.1) se transforma en
Una ecuaci
on cuadr
atica en las variables x y y es una expresion de la forma
Soluci un el ejemplo 7.8, la ecuacion transformada es 4x21 + 9y12 = 36. Como el producto
on. Seg
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
La grafica es
5
y1 y
3
x1
2 #
v2
#
v1
1
0
x
-1
-2
-3
-4
-5
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Figura 7.1. Gr
afica ejemplo 7.9
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 ! !
# 2 # 1
v1 = y v2 = .
1 2
El angulo de rotacion se calcula mediante la formula
q21 v 1
tan = = 21 =
q11 v11 2
= tan1 (2) 26.57o .
La grafica es
120 Captulo 7. Valores y vectores propios
6 y1 y
3
x1
2 #
v2
#
v1
1
0 b
x
-1
-2
-3
-4
-5
-6
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
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.
2 2 9 3
Solucion. 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
# 3 # 1
asociado v1 = y 2 = 0 con vector propio asociado v2 = . Una matriz que diago-
1 3
!
3 1
10 10 10 0
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 .
3
Los ejes x1 y y1 estan dados en las direcciones de los dos vectores ortogonales #
v1 = y
1
1 1
#
v2 = con angulo de rotacion = tan1 3
18.435 .
3
La grafica es
on 7.2. Lecciones de clase 121
Secci
6 y1 y
3 #
v2
2
x1
#
v1
1
0
x
-1
-2
-3
-4
-5
-6
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Figura 7.3. Gr
afica ejemplo 7.11
a) x2 + xy + y 2 = 6 b) 9x2 + 6xy + y 2 = 9
c) x2 + 2 3 xy y 2 + 6x = 0 d) 3y 2 + 4xy + 2 5x + 4 5y = 1
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
122 Captulo 7. Valores y vectores propios
1. A es invertible.
7. det A
14. (A) =
15. (A) =
on lineal T : V 7 V entonces
16. Si A es la matriz de una transformaci
16.1 ker T =
16.2 T es una funcion
16.3 im T =
Autoevaluaci
on
A.1 Autoevaluaci
on I.
I. SISTEMAS DE ECUACIONES LINEALES
2x + 3y + az = 0
ay z = 2
ax + ay + az = a
II. VECTORES EN R2
# = (2, 3), #
1. Sean u # = (2 + , 6). Determine en cada caso el valor (o
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
b) w # y #
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
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 3 2 4 5
SeanA = 2/3 1/3 2/3 , B = 2 3 5 y C = 7 6 8 .
1 1 2
e) # # #
El vector u = 3 es combinacion lineal de los vectores v1 = 2 y v2 = 3.
2 3 7
A.3 Autoevaluaci
on III.
I. ESPACIOS VECTORIALES
III. FALSO Y VERDADERO. Responda verdadero o falso cada una de las siguien-
tes afirmaciones. Justifique claramente sus respuestas.
( ! !) ( ! )
1 1 1 1 a ab
1. S= , genera al subespacio H = : a, b R .
3 0 3 2 3a b
2. Sea A una matriz 4 5. Si el rango de A es 4, entonces ker A = {0} .
! 2
2 3
1
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
1
4. Si es un valor propio de una matriz no singular A, entonces
es un valor propio
1
de A .
126 Captulo A. Autoevaluacion
A.4 Autoevaluaci
on IV.
I. ESPACIOS VECTORIALES
3. El subconjunto es un subespacio de R2 .
x
( ! )
x
H= R2 :y x2
y
[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 on moderna. Segunda edicion. International
lineal. Una introducci
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
127