Álgebra Lineal

UNIVERSIDAD DE LOS ANDES
FACULTAD DE HUMANIDADES Y EDUCACIÓN

ESCUELA DE EDUCACIÓN
DEPARTAMENTO DE MEDICIÓN Y EVALUACIÓN
ÁREA DE MATEMÁTICAS
TÓPICOS EN ÁLGEBRA LINEAL
TRABAJO DE ASCENSO PARA OPTAR A LA CATEGORÍA

DE PROFESOR ASISTENTE
Autor: Lic. Sebastian Castro Ramirez.
Mérida - Mayo de 2013

TÓPICOS EN ÁLGEBRA LINEAL
Profesores asesores
Msc. Jonathan Linares.
Msc. Reinaldo Cadenas.
Resumen
El presente trabajo de investigación plantea la resolución de problemas aplicados pa-
ra la enseñanza de algunos tópicos de Álgebra Lineal (matrices, vectores y espacios
vectoriales) sin dejar a un lado el cálculo y algunas demostraciones que son de gran
importancia para el desarrollo teórico. Para realizar este estudio se utilizó como base
los aportes que nos ofrece la historia de la Matemática, por lo cual en esta investigación
se mencionan a varios matemáticos (Apolonio de perga, Arthur Cayley, Carl F. Gauss,
Diofanto de Alejandría, Hermann Grassmann y John Wallis) que con sus contribucio-
nes impulsaron el estudio de esta disciplina. Este investigación está dirigido para un
curso introductorio de Álgebra Lineal a nivel universitario, y para docentes que deseen
conocer un poco más de la diversidad de aplicaciones que poseen las matrices, vectores
y espacios vectoriales.
Índice general
1. Matrices 1
1.1. Números complejos (C) . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Álgebra de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Ecuaciones lineales con n incógnitas . . . . . . . . . . . . . . . . . . . 31
1.5. Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2. Vectores en Fn con n = 1, 2, 3, · · · 65
2.1. Vectores en R2 y R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.2. Producto punto euclidiano en R2 y R3 . . . . . . . . . . . . . . . . . . 89
2.3. Proyecciones ortogonales euclidianas . . . . . . . . . . . . . . . . . . . 97
2.4. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
2.5. Vectores en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
2.6. Norma y producto punto euclidiano en Rn . . . . . . . . . . . . . . . . 117
2.7. Vectores en Cn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
2.8. Norma y producto punto euclidiano en Cn . . . . . . . . . . . . . . . . 124
3. Espacios vectoriales 131

3.1. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
3.2. Subespacios generados . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
3.3. Independencia lineal y base . . . . . . . . . . . . . . . . . . . . . . . . 140
3.4. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
3.5. El rango y nulidad de una matriz . . . . . . . . . . . . . . . . . . . . . 153
3.6. Coordenadas y cambio de base . . . . . . . . . . . . . . . . . . . . . . 158
3.6.1. Secciones Cónicas y Rotación . . . . . . . . . . . . . . . . . . . 167
Introducción
En la actualidad, la enseñanza consiste en orientar a los estudiantes para el descubri-
miento o comprensión de determinados aspectos que deben promover el aprendizaje
significativo. A continuación, se presenta una investigación motivada exclusivamente
en algunos tópicos de Álgebra Lineal (matrices, vectores y espacios vectoriales), donde
se fomentará su aplicación a entornos que se pueden presentar en nuestro vivir diario
y contribuyen en la formación de estudiantes interesados en el estudio del Álgebra.
El estudio de la matrices constituye una gran herramienta no sólo para resolver sistemas
de ecuaciones lineales, sino también, presenta teorías Matemáticas ricas en aplicaciones
y resulta de gran importancia su consideración en la enseñanza. Para Guzmán (1992),
«Es de gran utilidad para el estudiante de cualquier campo leer las memorias originales
sobre tal materia pues la ciencia se asimila más perfectamente cuando está en estado
naciente». Por lo cual se reconoce el invaluable aporte de la historia de las Matemáticas
a la enseñanza de esta disciplina.
Este trabajo de investigación consta de tres capítulos:
Capítulo I. Trata sobre un repaso de números complejos y algunas de sus propiedades,
matrices y sus operaciones algebraicas: Sistemas de ecuaciones lineales, inversa de una
matriz y matrices elementales.
Capítulo II. Se estudian los vectores con las operaciones básicas y sus propiedades,
sin dejar a un lado las aplicaciones.
Capítulo III. Estudiamos los espacios vectoriales: Subespacios, combinaciones linea-
les, bases y cambio de base.
En cuanto a las referencias bibliográficas, se ha consultado.
Boyer (1992), Cadenas y Rivas (2006), Guzmán (1992), Bruce y Roland (2004), Lu-
zardo y Peña (2006), Rivero (2001) y Stewart (2007).
Matrices
1
Es pertinente mencionar que, según Stewart (2007) hoy en día los números complejos
son ampliamente utilizados en Física e Ingeniería, un ejemplo simple se da en el estudio
de las oscilaciones, movimientos que se repiten periódicamente, incluyen: la vibración
de un edificio en un terremoto, las vibraciones en los automóviles y la transmisión de
corrientes eléctricas alternadas. El tipo de oscilación más simple y fundamental toma
la forma a · cos(wt), resulta conveniente expresar esta fórmula como la parte real de la
función compleja eiwt . El uso de números complejos simplifica los cálculos porque la
función exponencial es más sencilla que el coseno, por eso los ingenieros que estudian
oscilaciones prefieren trabajar con exponenciales complejas, y volver a la parte real
sólo al final del cálculo.
Es importante resaltar que fueron muchos años que tuvieron que
pasar para que los números complejos fueran aceptados en la Ma-
temática. Según Rivero (2001), los números complejos eran consi-
derados como fantasmas de otro mundo, por carecer de representa-
ción real, y fueron llamados números imposibles o imaginarios.
Por ello uno de los principales descubrimientos en la teoría de los
números complejos es la aproximación a una interpretación geomé-
John Wallis trica que fue descrita por John Wallis en 1673. Sin embargo, la idea
(1616 − 1703) correcta de un número complejo de la forma z = a + bi en el plano
cartesiano, fue descubierta por dos matemáticos aficionados. En forma independiente:
el danés C. Wesses y posteriormente el suizo J. Argand, en una obra publicada en 1806.
En 1831 el matemático alemán Carl F. Gauss publica un trabajo donde expone con
toda claridad las propiedades de los números de la forma a + bi, llamados ahora Nú-
meros de Gauss, y la representación geométrica de los mismos. Gracias a la autoridad
indiscutible de Gauss, entraron por la puerta grande del templo de las Matemáticas y
ya nadie los podrá sacar del lugar preponderante que ocupan dentro del Álgebra.
2 1. Matrices
1.1. Números complejos (C)

Es primordial que los números reales y complejos satisfagan las mismas leyes funda-
mentales de la Aritmética. En esta sección se estudiarán dichas leyes, así como su
interpretación geométrica, con la finalidad de ser aplicado a diversos contenidos que
se van a presentar posteriormente. Consideramos la ecuación x2 + 1 = 0,√al aplicar
la fórmula
√ de ecuación de segundo grado se obtiene como solución x = ± −1. Note
que −1 no pertenecen al conjunto de los números reales, por lo cual es pertinente
definir un conjunto que contenga a este tipo de números. Los matemáticos griegos, que
conocían los métodos geométricos de resolución, consideraban este tipo de problemas
irresolubles.
√
Definición 1.1 Todo número de la forma a + bi con a, b ∈ R e i = −1 se llama
número complejo, donde a es la parte real y bi es la parte imaginaria. Denotemos
al conjunto de los número complejos por C, mediante
C = {a + bi : a, b ∈ R}.
Dado que un número complejo está determinado de manera única por sus partes real
e imaginaria, es natural asociar el número z = a + bi con el par ordenado (a, b). De
esta forma, se obtiene una representación geométrica o diagrama de Argand de
z, (figura 1.1).
y
b • (a, b) ó a + bi
a x
Figura 1.1: Representación gráfica de a + bi
Obsevación 1.1
Sea a + bi ∈ C, tal que a = 0 y b 6= 0. Al número complejo bi se le llama imaginario

puro.
Definición 1.2 Sean z = a + bi, w = c + di ∈ C. Diremos que z y w son iguales,

denotado por z = w si, y sólo si, a = c y b = d.
1.1. Números complejos (C) 3
Definición 1.3 Sea z = a + bi ∈ C. Se define el conjugado de z, denotado por z,

mediante: z = a − bi.
Para dar una representación gráfica del conjugado de z = a + bi, consideremos el

segmento dirigido con origen (0, 0) y punto final (a, b), luego el conjugado en forma
geométrica se obtiene mediante la simetría respecto al eje real (figura 1.2).
y
b • z = a + bi
a x
−b • z = a − bi
Figura 1.2: Representación gráfica de z
Ejemplo 1.1
2 2
a) Consideremos los complejos z = + 3i. Entonces el conjugado de z es; z = − 3i.
3 3
y
2
3 •z = + 3i
3
2
x
3
2
−3 •z = − 3i
3
Figura 1.3: Representación gráfica de z
b) Sea z = 5 ∈ C. Entonces el conjugado de z es;
z = 5.
4 1. Matrices
Definición 1.4 Sean z = a + bi ∈ C. Se define el módulo de z, denotado por |z|,

mediante: p
|z| = a2 + b2 .
Sea z = a + bi un número complejo, nos interesa dar una representación gráfica de
la longitud del segmento |z| que une al origen con el punto correspondiente a z en el
plano complejo, (figura 1.4).
y
b • z = a + bi
b2
√ a2 +
|z |=
a x
Figura 1.4: Representación gráfica de |z|
Ejemplo 1.2
a) Consideremos los complejos z = 4 + 3i. Entonces,

p √ √
|z| = 42 + 32 = 16 + 9 = 25 = 5,
3 • z = 4 + 3i
5
=
|z |
4 x
Figura 1.5: Representación gráfica de |z|

s 2
4 4
b) Consideremos los complejos w = 1 − i. Entonces, |w| = 12 + − =
3 3
r r
16 25 5 5
1+ = = . Así, |w| = .
9 9 3 3
Definición 1.5 Sean z = a+ bi, w = c+ di ∈ C. Se define la suma de z y w, denotado
por z + w, mediante:
z + w = (a + c) + (b + d)i.
Para dar una representación gráfica de la suma dos números complejos, podemos usar
la Regla del paralelogramo, (figura 1.6).
y
z + w = (a + c) + (b + d)i
b w
w
z+
d
z
a c
x
Figura 1.6: Interpretación gráfica de z + w
Ejemplo 1.3
a) Consideremos los complejos z = 5 + 2i y w = 3 + 4i. Entonces,
z + w = (5 + 3) + (2 + 4) i = 8 + 6i.
y
z + w = 8 + 6i
2 w
w
z+
4
z
x
5 3
Figura 1.7: Interpretación gráfica de z + w
1 1
b) Consideremos los complejos z = − 3i y w = 2 + i. Entonces,
2 3

1 1 5 8
z+w = + 2 + −3 + i = − i.
2 3 2 3
Se deja como actividad para el lector realizar el respectivo gráfico de z + w.
6 1. Matrices
Definición 1.6 Sean z = a + bi, w = c + di ∈ C. Se define la multiplicación de z

por w, denotado por z · w, mediante
z · w = (a + bi)(c + di) = ac + adi + bci + bdi2 = (ac − bd) + (ad + bc)i.
Ejemplo 1.4
a) Consideremos los complejos z = 3 + 2i y w = 5 + 7i. Entonces,
z · w = (3 + 2i)(5 + 7i) = 15 + 21i + 10i − 14 = 1 + 31i.

1 4
b) Consideremos los complejos z = − − 3i y w = − + 7i. Entonces,
3 3

1 4 4 7 12 193 5
z · w = − − 3i − + 7i = − i + i + 21 = + i.
3 3 9 3 3 9 3
Obsevación 1.2
Sea z = a + bi ∈ C. Entonces z · z = (a + bi)(a − bi) = a2 + b2 = |z|2 , es decir, un

número por su conjugado nos da, el cuadrado de su módulo.
Definición 1.7 Sean z y w ∈ C.

1
a) Sea w 6= 0. Se define mediante
w

1 1 w w w
= = =
w w w w·w |w|2
.
b) si z = a + bi, w = c + di ∈ C y w 6= 0, entones
z 1 w z·w (a + bi)(c − di)

=z· =z· 2
= 2
= .
w w |w| |w| c2 + d2
Ejemplo 1.5
a) Consideremos los complejos z = 2 + 4i y w = −3 − 5i. Entonces,
z 2 + 4i (2 + 4i)(−3 + 5i) −6 + 10i − 12i − 20 26 2i 13 i

= = = =− − =− − .
w −3 − 5i (−3)2 + (−5)2 9 + 25 34 34 17 17
Proposición 1.1 El conjunto de los números complejos no es ordenado.
Prueba (por reducción al absurdo).

Supongamos que el conjunto de los números complejos C es ordenado. Como i =
√
−1 6= 0, entonces i > 0 ó i < 0.
Si i > 0, se tiene que i · i > 0, ya que C es ordenado. Pero i · i = i2 = −1, esto es,
−1 > 0. Contradicción pues −1 < 0.
Si i < 0, se tiene que −i > 0 y (−i) · (−i) > 0, ya que C es ordenado. Pero (−i) · (−i) =
(−i)2 = −1, esto es, −1 > 0. Contradicción pues −1 < 0.
Dado que en ambos casos se llega a una contradicción al suponer que C es ordenado,
entonces el conjunto de los números complejos no es ordenado.
Teorema 1.1 Sean z, w ∈ C y α ∈ R. entonces;
1. z + w = z + w,
2. z = z,
3. αz = αz,
4. z · w = z · w.
Prueba.
Del teorema 1.1 se harán las pruebas de los impares, y los pares se dejan como actividad
para los estudiantes.
1. Sean z = a + bi, w = c + di ∈ C. Entonces,
z + w = (a + bi) + (c + di)
= (a + c) + (b + d)i (por la definición 1.5)
= (a + c) − (b + d)i (por la definición 1.3)
= (a − bi) + (c − di) (por Propiedades)
= z + w. (por la definición 1.3)
Por lo tanto,
z + w = z + w.
8 1. Matrices
3. Sean z = a + bi ∈ C y α ∈ R. Entonces,
αz = α(a + bi)
= αa + αbi (Por propiedades)
= αa − αbi (por la definición 1.3)
= α(a − bi) (por la definición 1.6)
= αz. (por la definición 1.3)
Por lo tanto, αz = αz.
Ejemplo 1.6
2
Consideremos los complejos z = −2i y w = −3 − i. Calcular,
3
w·z−w
a) .
z

2 4 4
Solución. Dado que, z − w = −2i − −3 − i = 3 − i = 3 + i. Entonces,
3 3 3

2 4 8 73
w · z − w = −3 − i 3 + i = −9 − 4i − 2i + = − − 6i.
3 3 9 9
Además,
z = z = −2i.
Luego,

73 73 146
− − 6i − − 6i (2i) 12 − i
w·z−w 9 9 9 = 3 − 73 i.
= = =
z −2i −2i · 2i 4 18

w · z − w
b)
.
z
w·z−w 73
Solución. Dado que, = 3 − i. Entonces,
z 18
s 2 r r √
w · z − w 73 73 5329 8245 8245
= 3 − i = 32 + − = 9+ = = .
z 18 18 324 324 18
Problemas de consolidación.
1. Calcular;

5 3 5 3
a) − i − (2 − 5i), − i
2 4 2 4
e) ,
3 3 − 7i
b) i − (3 − 2i),  
5 1 3
 2 − 2i 
2 5 f)   · i.
c) − i · (5 − 2i),  −3i 
3 3
3−i
d) ,
3 − 9i
2. Encuentre los valores de x e x para los cuales se verifica la siguiente igualdad,
2x − 3y + 2 + (y − 3x − 5) = 3 − i.
3. Simplifique totalmente la expresión,
(−i)40 − (−i)41 − (−i)3 .
4. Encuentre los valores de x e y para los cuales se verifica la siguiente igualdad,
(−2 − 2i)x − (3 − i)y = −5.
2 3
5. Dados los complejos z = − i y w = −3 − 5i.
3 2
Verificar si las siguientes igualdades son ciertas,
z z
a) z + w = z + w, d) = ,
b) z = z, w w
c) z · w = z · w, e) w − z = w − z.
6. ¿Es posible dividir un segmento de longitud 10 en dos cuyas longitudes tengan
su producto igual a 40?
7. Un cuadrado tiene sus vértices por encima del eje real. Si dos vértices consecu-
tivos son z = 2 + i y w = 5 + 3i, hallar los otros dos vértices.
8. Un triángulo equilátero tiene dos de sus vértices en (0, 0) y (4, 1), hallar las
coordenadas del tercer vértices sabiendo que está en el primer cuadrante.
9. De un pentágono
√ regular centrado en el origen conocemos un vértices que es el
punto (1, − 3). Calcula los restantes vértices.
10. Escriba una ecuación de segundo grado sabiendo que una de sus raíces es 2 − 3i.
10 1. Matrices
Dentro de los fundamentos del estudio de la matrices en Álgebra

Lineal es importante resaltar que, según Bruce y Roland (2004),
Arthur Cayley mostró su genialidad en Matemática desde muy jo-
ven al igual como lo hizo Gauss. En 1863, Cayley fue nombrado
profesor de Matemáticas en Cambridge, puesto que conservó hasta
su muerte en 1895. Durante su permanencia en Cambridge, Cayley
trató de persuadir a la Junta Administrativa para que permitieran
Arthur Cayley el ingreso de mujeres como alumnas. Los escritos y creaciones Ma-
(1821 − 1895) temáticas de Cayley implican muchas ramas de las Matemáticas,
incluyendo la Geometría Analítica. Sin embargo, se le recuerda más por su trabajo en
Álgebra Lineal. Introdujo la teoría de matrices en un artículo titulado A Memoir on
the Theory of matrices (1858) y creó la teoría de las invariantes.
1.2. Matrices
En esta sección estudiaremos las operaciones que se pueden realizar con las matrices
y algunas propiedades que se cumplen, sin dejar a un lado las numerosas aplicaciones
que se puede desarrollar con matrices. A lo largo de esta investigación se va a denotar
F como el conjunto R o C y si un elemento α ∈ F, diremos que α es un escalar.
Introducción al concepto de matriz.
La siguiente actividad se tomo como estrategia didáctica para dar inicio al concepto
de matrices propuesta por el profesor Francisco Rivero
(http://webdelprofesor.ula.ve/ciencias/lico/algebralineal/matrizconst.htm).
Actividad 1. El señor Pedro necesita construir tres tipos de casas que se muestran a
continuación,
Mediana Pequeña
Grande
Enseguida el señor Pedro se pregunta.
¿Qué cantidad de
material necesitaré
para construir las
tres casas?
1.2. Matrices 11
La cantidad de materiales que se necesita para construir cada una de las casas men-
cionadas es,
5 m3 de arena; 81 kg de cemento y 38 m de cabilla para la casa pequeña, 7 m3 de
arena; 90 kg de cemento y 43 m de cabilla para la casa mediana, 10 m3 de arena;
154 kg de cemento y 90 m de cabilla para la casa grande.
Lo cual se puede expresar de la siguiente forma.
Casa Arena Cemento Cabilla

P 5 81 38
M 7 90 43
G 10 154 90
Tabla 2
Pero se puede reducirse la Tabla 2 mediante la siguiente expresión.
5 81 38
7 90 43
10 154 90
Tabla 3
12 1. Matrices
Así, la información contenida en la Tabla 3 se puede representar de la siguiente forma.
 
5 81 38
 7 90 43
10 154 90
Para aclarar lo anterior, se resaltarán esquemáticamente una fila y una columna por
medio de la siguiente representación.
 
5 81 38 Fila
 7 90 43
10 154 90
Columna
Hasta ahora se ha ordenado la información de las dos siguientes maneras.
 
5 81 38
 7 90 43
10 154 90
En donde (5, 81, 38); (7, 90, 43); (10, 154, 90) son las filas, y
     
5 81 38
 7  ,  90  , 43
10 154 90
1.2. Matrices 13
son las columnas.

Por lo tanto, es pertinente definir en este momento que.
Definición 1.8 Sean m, n ∈ Z+ , una matriz m×n (que se lee, m por n) es un arreglo
rectangular;  
a11 a12 a13 · · · a1n
 a21 a22 a23 · · · a2n 
 
 a31 a32 a33 · · · a3n 
 ,
 .. .. .. . .. .
.. 
 . . . 
am1 am2 am3 · · · amn
donde aij ∈ F,
(a11 , a12 , a13 , · · · , a1n ), (a21 , a22 , a23 , · · · , a2n ), · · · , (am1 , am2 , am3 , · · · , amn )
son las filas de la matriz y

     
a11 a12 a1n
 a21   a22   a2n 
     
 ..  ,  ..  , · · · , . 
 .   .   .. 
am1 am2 amn
son las columnas de la matriz.
Obsevación 1.3
a) El elemento aij está ubicado en la i − ésima fila y j − ésima columna de la matriz.
Usualmente denotamos las matrices en mayúscula, esto es, A, B, C · · · . Así, el elemento
aij de una matriz A también se puede denotar mediante [A]ij .
b) Se dice que una matriz A m × n es de orden m × n. En el caso de que m = n,
diremos que la matriz A es cuadrada de orden n. Por lo cual, a11 , a22 , a33 , · · · , ann
se denomina elementos de la diagonal principal de la matriz A.
c) Denotemos al conjunto que colecciona a todas las matrices de orden m × n con
escalares en F, mediante Mm×n (F). En el caso de que m = n lo denotamos por Mn (F).
14 1. Matrices
Ejemplo 1.7
   
6 7 3 1 i 7 3
Consideremos las matrices A =  1 1 5 2 y B = 10 10 5  .
15 13 11 3 1 13 −i
Por la definición 1.8 se tiene que
(6, 7, 3, 1), (1, 1, 5, 2), (15, 13, 11, 3)
son las filas y

       
6 7 3 1
 1  ,  1  ,  5  , 2
15 13 11 3
son las columnas de la matriz A.
Note que el número de filas de A es 3 y de columnas es 4. Así por la observación 1.3
(b) tenemos que la matriz A es de orden 3 × 4. Aplicando el mismo razonamiento del
anterior tenemos que la matriz B es de orden 3 × 3 ya que la matriz tiene 3 filas y 3
columnas. Esto quiere decir que la matriz B es cuadrada de orden 3, por lo tanto los
elementos de la diagonal principal de la matriz B son: i, 10 y −i.
Además, por la observación 1.3 (a) el elemento que se encuentra en la tercera fila y
segunda columna de la matriz A es 13, es decir, [A]32 = 13. Esto quiere decir que el
elemento [B]23 = 5 y [A]34 = 5.
1.3. Álgebra de matrices

En esta sección se estudiarán las operaciones que se pueden resolver con las matrices,
y se realizarán las justificaciones pertinentes de algunos teoremas que son de suma
importancia para desarrollo de diversos tópicos que se pretenden estudiar.
Definición 1.9 Sean A, B ∈ Mm×n (F). Diremos que A y B son iguales, denotado
por A = B, si [A]ij = [B]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.
Ejemplo 1.8
 2 
3 −
   3 
w x  
 1 
a) Sean A =  p q  y B =   −5
. Determinar los valores de x, y, z, w, p, q
y z  5 

 
2
2
5
para que las matrices A y B sean iguales.
1.3. Álgebra de matrices 15
Solución. Dos matrices son iguales si [A]ij = [B]ij , para todo 1 ≤ i ≤ 3 y 1 ≤ j ≤ 2

(por la definición 1.9). Esto quiere decir que,
[A]11 = [B]11 , [A]12 = [B]12 , [A]21 = [B]21 , [A]22 = [B]22 , [A]31 = [B]31 , [A]32 = [B]32 .
Como,
2
[A]11 = w, [B]11 = 3, [A]12 = x, [B]12 = − , [A]21 = p, [B]21 = −5, [A]22 = q,
3
1 2
[B]22 = , [A]31 = y, [B]31 = 2, [A]32 = z y [B]32 = .
5 5
Por lo tanto,
2 1 2
w = 3, x = − , p = −5, q = , y = 2, z = .
3 5 5
Actividad 2. Consideremos la actividad 1, y supongamos que Pedro desea construir
tres casas más con las mismas características que las anteriores con los siguiente ma-
teriales,
130 kg de cemento y 110 m de cabilla para la casa grande. Esta información la podemos
escribir de la siguiente forma,
 
6 70 30
10 100 50  .
15 130 110
¿Qué cantidad de material se gasto para la construcción de las casas (pequeñas, medias
y grandes)?
 
5 81 38
Solución. De la actividad 1 se obtuvo la matriz  7 90 43.
10 154 90
Además, al culminar la obra Pedro se percata que la cantidad de arena, cemento y
cabilla que se gastó en total en la construcción de las casas mencionadas es,
(5 + 6) m3 de arena; (81 + 70) kg de cemento y (38 + 30) m de cabilla para la casa
pequeña,
(7 + 10) m3 de arena; (90 + 100) kg de cemento y (43 + 50) m de cabilla para la casa
mediana y
(10 + 15) m3 de arena; (154 + 130) kg de cemento y (90 + 110) m de cabilla para la
casa grande.
Esto quiere decir que, la cantidad de materias que se uso para construir las casas
pequeñas es: 11 m3 de arena; 151 kg de cemento y 68 m de cabilla, para las casas
16 1. Matrices
medianas 17 m3 de arena; 190 kg de cemento y 93 m de cabilla y por último las casas

grandes 25 m3 de arena; 284 kg de cemento y 200 m de cabilla, esta información la
podemos escribir de la siguiente forma,
   
5 81 38 6 70 30
 7 90 43  +  10 100 50 =
10 154 90 15 130 110
   
5+6 81 + 70 38 + 30 11 151 68
 7 + 10 90 + 100 43 + 50  =  17 190 93  .
10 + 15 154 + 130 90 + 110 25 284 200
Definición 1.10 Sean A, B ∈ Mm×n (F). Se define la suma de A y B, denotado por

A + B, como una matriz de orden m × n tal que,
[A + B]ij = [A]ij + [B]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.
Esto quiere decir que, si

   
a11 a12 a13 ··· a1n b11 b12 b13 ··· b1n
 a21 a22 a23 ··· a2n   b21 b22 b23 ··· b2n 
   
A =  a31 a32 a33 ··· a3n 
 y B =  b31 b32 b33 ··· b3n 
 
,
 .. .. .. .. ..   .. .. .. .. .. 
 . . . . .   . . . . . 
am1 am2 am3 · · · amn bm1 bm2 bm3 · · · bmn
entonces,
   
a11 a12 a13 ··· a1n b11 b12 b13 ··· b1n

 a21 a22 a23 ··· a2n 
 
 b21 b22 b23 ··· b2n 


A+B =  a31 a32 a33 ··· a3n  + 

 b31 b32 b33 ··· b3n 

 .. .. .. .. ..   .. .. .. .. .. 
 . . . . .   . . . . . 
am1 am2 am3 · · · amn bm1 bm2 bm3 · · · bmn
 
a11 + b11 a12 + b12 a13 + b13 ··· a1n + b1n

 a21 + b21 a22 + b22 a23 + b23 ··· a2n + b2n 


=  a31 + b31 a32 + b32 a33 + b33 ··· a3n + b3n 
.
 .. .. .. .. .. 
 . . . . . 
am1 + bm1 am2 + bm2 am3 + bm3 · · · amn + bmn
Ejemplo 1.9
 
1
  −2 −
−1 3 
 3 

 4 −2   2 
a) Consideremos las matrices A =  yB= 3 .

2
 
 3 

−3  3 
3 2 −
2
Calcular A + B.
Solución. Dado que [A + B]ij = [A]ij + [B]ij (por la definición 1.10) . Entonces,
[A + B]11 = [A]11 + [B]11 = −1 + (−2) = −3,

1 8
[A + B]12 = [A]12 + [B]12 =3+ − = ,
3 3
y así sucesivamente. Por lo tanto,
 
8
−3

 3 

 4 
A+B = 7 − 
 .
 3 

 8 9 
−
3 2
   
−3i 2i
 5   −5 
b) Consideremos las matrices A = 
 4
yB=
 
. Calcular A + B.

2
− i i
7 7
Solución. Por lo expuesto en a) se tiene que;
 
−i
 0 
A+B =

.

2
− i
7
   
−3 −4 2
 7 −4   −5 
c) Consideremos las matrices A = 
 2
yB=
  4
. Calcular A + B.

−6
4 7
Solución. Dado que la matriz A en de orden 3 × 2 y la matriz B de orden 3 × 1.
Entonces A + B no está definida, ya que ambas matrices no poseen el mismo orden.
18 1. Matrices
Actividad 3. Consideremos la actividad 1, y supongamos que Pedro desea construir

tres casas más con la misma cantidad de material que las anteriores, es decir,
154 kg de cemento y 90 m de cabilla para la casa grande. Esta información la podemos
escribir de la siguiente forma,
 
5 81 38
 7 90 43 .
10 154 90
Al culminar la obra Pedro se percata que la cantidad de arena, cemento y cabilla que
se gasto en la construcción de las casas mencionadas es el doble de la cantidad de
material utilizado para construir las casas de la actividad 1, es decir, 2.5 m3 de arena;
2.81 kg de cemento y 2.38 m de cabilla para la casa pequeña, 2.7 m3 de arena; 2.90 kg
de cemento y 2.43 m de cabilla para la casa mediana, 2.10 m3 de arena; 2.154 kg de
cemento y 2.90 m de cabilla para la casa grande. Es decir,
   
2.5 2.81 2.38 10 162 76
 2.7 2.90 2.43  =  14 180 86  .
2.10 2.154 2.90 20 308 180
Definición 1.11 Sean A ∈ Mm×n (F) y α ∈ F. Se define la multiplicación del

escalar α por la matriz A, denotado por αA, como una matriz de orden m × n tal
que,
[αA]ij = α[A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n,
es decir α[A]ij es multiplicas cada aij por α.
   
a11 a12 a13 ··· a1n α.a11 α.a12 α.a13 ··· α.a1n
 a21 a22 a23 ··· a2n   α.a21
  α.a22 α.a23 ··· α.a2n 
 
αA = α  a31 a32 a33 ···  =  α.a31
a3n  α.a32 α.a33 ··· α.a3n 
 
.
 .. .. .. .. ..   .. .. .. .. .. 
 . . . . .   . . . . . 
am1 am2 am3 · · · amn α.am1 α.am2 α.am3 · · · α.amn
Ejemplo 1.10 Consideremos las matrices

 
  −4i −3 −2i
2i −3 −i
 6 −2 −2i 
 1 
A= y B =
 −4 i 
.
2
 
 3 
−i 3 2
3 − i −8
3
Calcular;
a) 2iA.
Solución. Dado que [αA]ij = α[A]ij (por la definición 1.11) . Entonces,
[2iA]11 = 2i[A]11 = 2i(2i) = −4,
[2iA]12 = 2i[A]12 = 2i(−3) = −6i,

y así sucesivamente. Por lo tanto,
   
2i −3 −i −4 −6i 2
2iA = 2i  6 −2 −2i  =  12i −4i 4 
  
.
2 4
−i 3 i 2 6i
3 3
b) −iB.
Solución. Por lo expuesto en a). Se tiene que,
   
−4i −3 −2i −4 3i −2
 1   1 
   
−iB = −i  −4 i  =  − i 4i 1 .
 3   3 
   
2 2
− i −8 i 1 8i
3 3
c) 2iA − iB.
Solución. Por (a) y (b). Tenemos que,
 
  −4 3i −2 
−8 −3i 0

−4 −6i 2   
 12i −4i 4   1  35

2iA − iB =   − i 4i 1 = 
+ 3 i 0 5 .
 
 
4
i 2 6i    3 
2
3 i 1 8i 2i 3 14i
3
20 1. Matrices
Obsevación 1.4
a) El 0 ∈ Mm×n (F) es la matriz que se define por [0]ij = 0, para todo 1 ≤ i ≤ m y 1 ≤

j ≤ n, y se le llama matriz nula, es decir la matriz nula tiene todas sus componentes
cero.
 
0 0 0 ··· 0
0 0 0 · · · 0
 
0 = 0 0 0 · · · 0

.
 .. .. .. . . .. 
. . . . .
0 0 0 ··· 0
b) Dado A ∈ Mm×n (F), existe B ∈ Mm×n (F) tal que A + B = 0 se llama inversa
aditiva de A, denotado por B = −A tal que,
[−A]ij = −[A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.
Luego, si [A]ij = aij entonces −A es la inversa aditiva de A tal que [−A]ij = −aij .
Teorema 1.2 Sean A, B, C ∈ Mm×n (F) y α, β ∈ F. Entonces,
1. A + B = B + A,
2. (A + B) + C = A + (B + C),
3. A + 0 = A,
4. A + (−A) = 0,
5. α(A + B) = αA + αB,
6. (α + β)A = αA + βA,
7. (αβ)A = α(βA),
8. 1A = A,
9. si αA = 0 entonces α = 0 ó A = 0.
Prueba.
Del teorema 1.2 se harán las pruebas de los impares y los pares se dejan como actividad
1. Sean A, B ∈ Mm×n (F). Queremos probar que, A + B = B + A. Dado que A + B ∈
Mm×n (F) y B + A ∈ Mm×n (F), se tiene que, las matrices A + B y B + A poseen el
mismo orden.
Faltaría probar que, [A + B]ij = [B + A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Como
[A + B]ij = [A]ij + [B]ij (por la definición 1.10)

= [B]ij + [A]ij (por conmutatividad en F)
= [B + A]ij . (por la definición 1.10)
Por lo tanto, [A + B]ij = [B + A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Así,
A + B = B + A.
3. Sea A ∈ Mm×n (F). Queremos probar que, A + 0 = A. Dado que A + 0 ∈ Mm×n (F)
y A ∈ Mm×n (F), se tiene que, las matrices A + 0 y A poseen el mismo orden.
Faltaría probar que, [A + 0]ij = [A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Como
[A + 0]ij = [A]ij + [0]ij (por la definición 1.10)

= [A]ij . (por definición del neutro en F)
Por lo tanto, [A + 0]ij = [A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Así,
A + 0 = A.
5. Sean A, B ∈ Mm×n (F) y α ∈ F. Queremos probar que, α(A + B) = αA + αB. Dado

que α(A + B) ∈ Mm×n (F) y αA + αB ∈ Mm×n (F), se tiene que, las matrices α(A + B)
y αA + αB poseen el mismo orden.
Faltaría probar que, [α(A + B)]ij = [αA + αB]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.
Como
[α(A + B)]ij = α[A + B]ij (por la definición 1.11)
= α([A]ij + [B]ij ) (por la definición 1.10)
= α[A]ij + α[B]ij (por la distributividad en F)
= [αA]ij + [αB]ij (por la definición 1.11)
= [αA + αB]ij . (por la definición 1.10)
Así, [α(A + B)]ij = [αA + αB]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Por lo tanto,
α(A + B) = αA + αB.
22 1. Matrices
7. Sean A ∈ Mm×n (F) y α, β ∈ F. Queremos probar que, (αβ)A = α(βA). Dado que
(αβ)A ∈ Mm×n (F) y α(βA) ∈ Mm×n (F), se tiene que, las matrices (αβ)A y α(βA)
poseen el mismo orden.
Faltaría probar que, [(αβ)A]ij = [α(βA)]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Como
[(αβ)A]ij = (αβ)[A]ij (por la definición 1.11)

= α(β[A]ij ) (por la asociatividad en F)
= α[βA]ij (por la definición 1.11)
= [α(βA)]ij . (por la definición 1.11)
Entonces, [(αβ)A]ij = [α(βA)]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Así,
(αβ)A = α(βA).
1
9. Sea α 6= 0, es decir, 6= 0. Entonces,
α
αA = 0 (por hipótesis )
1 1
(αA) = (0) (por definición)
α α

1
α A = 0 (por el teorema 1.2(7))
α
1A = 0 (por propiedades en R )
A = 0. (por el teorema 1.2(8))
Actividad 4. En los Juegos Olímpicos realizados entre el 27 de julio hasta 12 de

agosto de 2012 y celebrados en la ciudad de Londres (Reino Unido), se finalizó con un
medallero, que resume las medallas de oro, plata y bronce entregadas a los deportistas
ganadores de 79 países. A modo de ejemplo, en la tabla 4 se presentan los resultados
de los países EEUU, China, Rusia quienes lograron el mayor número de medallas
respectivamente, Brasil y Venezuela quienes ocuparon el puesto 22 y 50 en el medallero.
Oro Plata Bronce

EEUU 46 29 29
China 38 27 22
Rusia 24 25 33
Blasil 3 5 9
Venezuela 1 0 0
Tabla 4
Supongamos que las medallas conseguidas por los deportistas ganadores en los Juegos
Olímpicos de Londres 2012, se parte del supuesto que en estos Juegos, cada participante
ganador de cualquiera de los metales, se llevaba además de estas, dinero según la
medalla recibida como se muestra en la tabla 5.
Euros
Oro 115
Plata 110
bronce 95
Tabla 5
Determinar el total de dinero recibido por los deportistas ganadores de EEUU, China,
Rusia, Brasil y Venezuela.
Solución. Por lo presentado en la actividad 1, la tabla 4 y 5 se puede representar de
la siguiente manera,
 
46 29 29
   
 38 27 22  115
 
   
A =  24 25 33 

 y B =  110  .
 
 
 3 5 9  95
 
1 0 0
Note que si desarrollamos el producto interior entre la primer fila de A, que representa
las medallas de EEUU y la matriz columna B, encontramos de esta manera que los
jugadores de este país recibieron 46(115)+29(110)+29(95) = 11235 euros. No obstante,
si se quiere tener información para el grupo de países que estamos considerando, sería
más práctico realizarlo de la siguiente manera.
   
46(115) + 29(110) + 29(95) 11235
   
 38(115) + 27(110) + 22(95)   9430 
   
   
 24(115) + 25(110) + 33(95)  =  8645  .
   
   
 3(115) + 5(110) + 9(95)   1750 
   
1(115) + 0(110) + 0(95) 115
De esta forma se puede concluir, por ejemplo, que los jugadores ganadores de China
recibieron en total 9430 euros.
24 1. Matrices
Nótese que la matriz A es de orden 5 × 3 y B es 3 × 1 así el número de columnas de

A es igual al número de filas de B, por lo cual fue posible desarrollar la multiplicación
de A con B. Por lo expuesto anteriormente es pertinente definir que.
Definición 1.12 Sean A ∈ Mm×n (F) y B ∈ Mn×p (F). Se define el producto de A y
B, denotado por AB, como una matriz de orden m × p tal que,
n
X
[AB]ij = [A]ik [B]kj , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ p.
k=1
 
a11 a12 a13 ··· a1n
 a21 a22 a23  
 ··· a2n  b11 b12 · · · b1j · · · b1n
 .. .. .. .. ..   b21 b22 · · · b2j
 . . . . .   · · · b2n 

Es decir, si A = 
 yB =  . .. .. . .. .. ,
a
 i1 a i2 a i3 · · · ain   .. . . .. . . 
 .. .. .. .. .. 
 . . . . .  bn1 bn2 · · · bnj · · · bnp
entonces
  
a11 a12 a13 ··· a1n b11 b12 · · · b1j · · · b1p
 a21  
a22 a23 ··· a2n   b21 

 .. .. .. .. ..   b22 · · · b2j · · · b2p 
 . . . . .   
AB =  b

 ai1 ai2 ai3 ··· ain  31 b32 · · · b3j · · · b3p 
  
 .. .. .. ..  .
..   .. . . .. .. .. 
 . . . . .   .. . . . . .  
am1 am2 am3 ··· amn bn1 bn2 · · · bnj · · · bnp
 
c11 c12 ··· c1p
 c21 c22 ··· c2p 
 
=  .. .. ..  .
 . . cij . 
cm1 cm2 ··· cmp
En donde,
cij = ai1 b1j + ai2 b2j + · · · + aij bij + · · · + +ain bnj

n
X n
X
= aik bkj = [A]ik [B]kj .
k=1 k=1
Así,
n
X
cij = [A]ik [B]kj .
k=1
Ejemplo 1.11
 
−i −5  
 2 −3  −2i −1
a) Consideremos las matrices A = 
 1
yB= 1

, calcular AB.
−i
−4 3
3
n
X
Solución. Dado que, [AB]ij = [A]ik [B]kj (por la definición 1.12) . Entonces,
k=1
2
X
[AB]11 = [A]1k [B]k1
k=1
= [A]11 [B]11 + [A]12 [B]22

5
= −2 −
3
11
= − .
3
2
X
[AB]12 = [A]1k [B]k2
k=1
= [A]11 [B]12 + [A]12 [B]22

= (−i)(−1) + (−5)(−i)
= 6i.
Por lo anterior, se puede observar que cada elemento de [AB]ij se obtiene al multiplicar
los elementos del i − ésima fila de A por los elementos correspondientes de la j − ésima
columna de B y luego sumar los resultados. Esto es;

1
[AB]21 = 2(−2i) + (−3) = −1 − 4i,
3
[AB]22 = 2(−1) + (−3)(−i) = −2 + 3i,

1 1 4 2
[AB]31 = (−2i) + (−4) = − − i,
3 3 3 3
1 1
[AB]32 = (−1) + (−4)(−i) = − + 4i.
3 3
26 1. Matrices
Por lo tanto,
 11 
− −6i
 3 
 
AB =  −1 − 4i −2 + 3i  .
 
4 2 1
− − i − + 4i
3 3 3
Es importante resaltar que, para que el producto de dos matrices AB este definido, el
número de columnas de A debe ser igual al número de filas de B.
b) Consideremos las matrices A y B de a), calcular BA.
Solución. Dado que el orden de la matriz B es 2 × 2 y A es de orden 3 × 2. Se tiene
que el número de columnas de B no es igual al número de filas de A, por lo tanto no
está definido el producto BA.
Obsevación 1.5
Sean A, B ∈ Mn (F). En general, producto de matrices AB y BA no es conmutativo.
Ejemplo 1.12

0 1 1 0
a) Consideremos las matrices A = yB= . Calcular AB y BA;
1 1 1 0
Solución.
0 1 1 0 1 0
AB = = ,
1 1 1 0 2 0

1 0 0 1 0 1
BA = = .
1 0 1 1 0 1
Así,
AB 6= BA.

0 −i 1 i
b) Consideremos las matrices A = yB= , calcular AB y BA.
1 2 i 2
Solución.
1 −2i i i
AB = y BA = .
1 + 2i 4 + i 2 5
Así,
AB 6= BA.
Teorema 1.3 Si A, B y C son matrices (con órdenes adecuados para que las opera-
ciones de matrices dadas estén definidas) y α ∈ F, entonces;
1. (AB)C = A(BC),
2. A(B + C) = AB + AC,
3. (B + C)A = BA + CA,
4. α(AB) = (αA)B = A(αB).
Prueba.
1. Sean A ∈ Mm×n (F), B ∈ Mn×p (F) y C ∈ Mp×r (F). Queremos probar que, (AB)C =
A(BC). Como AB es de orden m × p, entonces (AB)C es de orden m × r. Por otro
lado, BC es de orden n × r. Así, A(BC) es de orden m × r. Por lo tanto, las matrices
(AB)C y A(BC) poseen el mismo orden. Faltaría probar que [(AB)C]ij = [A(BC)]ij ,
para todo 1 ≤ i ≤ m y 1 ≤ j ≤ r. Como,
p
X
[(AB)C]ij = [AB]ik [C]kj (por la definición 1.12)
k=1
p n
!
X X
= [A]il [B]lk [C]kj (por la definición 1.12)
k=1 l=1
p n
!
X X
= (([A]il [B]lk )[C]kj ) (por propiedades de sumatoria)
k=1 l=1
n p
!
X X
= (([A]il [B]lk )[C]kj ) (por propiedades de sumatoria)
l=1 k=1
n p
!
X X
= [A]il ([B]lk [C]kj ) (por la asociatividad en F)
l=1 k=1
Xn Xp
= [A]il ([B]lk [C]kj ) (por propiedades de sumatoria)
l=1 k=1
Xn
= [A]il [BC]lj (por la definición 1.12)
l=1
= [A(BC)]ij . (por la definición 1.12)
Por lo tanto, [(AB)C]ij = [A(BC)]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ r.

Así, (AB)C = A(BC).
3. Sean A ∈ Mp×r (F), B ∈ Mn×p (F) y C ∈ Mn×p (F). Queremos probar que, (B +
C)A = BA + CA. Como B + C es de orden n × p, entonces (B + C)A es de orden
n × r. Por otro lado, BA es de orden n × r y CA es de orden n × r , así BA + CA es de
orden n × r. Por lo tanto, las matrices (B + C)A y BA + CA poseen el mismo orden.
28 1. Matrices
Faltaría probar que [(B + C)A]ij = [BA + CA)]ij , para todo 1 ≤ i ≤ n y 1 ≤ j ≤ r.

Como,
p
X
[(B + C)A]ij = [B + C]ik [A]kj (por la definición 1.12)
k=1
Xp
= ([B]ik + [C]ik )[A]kj (por la definición 1.10)
k=1
Xp
= ([B]ik [A]kj + [C]ik [A]kj ) (por la distributividad en F)
k=1
p
X p
X
= [B]ik [A]kj + [C]ik [A]kj (por propiedades de sumatoria)
k=1 k=1
= [BA]ij + [CA]ij . (por la definición 1.12)
Por lo tanto, [(B + C)A]ij = [BA + CA)]ij , para todo 1 ≤ i ≤ n y 1 ≤ j ≤ r. Así,
(B + C)A = BA + CA.
Obsevación 1.6
Sean A ∈ Mm×n (F), B ∈ Mm×n (F) y C ∈ Mn×r (F). Es importante resaltar que en
general el producto de matrices no tiene propiedad de cancelación. Es decir, si
AC = BC, no necesariamente es cierto que A = B.
Ejemplo 1.13

1 3 2 4 1 −2
Consideremos las matrices A = , B = y C = ,
0 1 2 3 −1 2
calcular AC y BC.
Solución.
1 3 1 −2 −2 4
AC = = ,
0 1 −1 2 −1 2

2 4 1 −2 −2 4
BC = = .
2 3 −1 2 −1 2
Así,
AC = BC y, sin embargo A 6= B.
Definición 1.13 Sea In ∈ Mn (F). Diremos que la matriz In es la matriz identidad

si;

1 si i = j
In =
0 si i 6= j.
Es decir la diagonal principal es de puros 1 y el resto de las demás posiciones son ceros.
 
1 0 0 ··· 0
 
0 1 0 ··· 0 
 
In =  0 0 1 ··· 0 .
 .. .. .. . . .. 
 
 . . . . . 
0 0 0 ··· 1
Teorema 1.4 Sea A ∈ Mm×n (F). Entonces;
1. Im A = A,
2. AIn = A.
Prueba.
Del teorema 1.4 se harán la prueba de el impar y el par se dejan como actividad para
los estudiantes.
1. Sea A ∈ Mm×n (F). Queremos probar que, Im A = A. Dado que Im A ∈ Mm×n (F) y
A ∈ Mm×n (F), se tiene que, las matrices Im A y A poseen el mismo orden.
Faltaría probar que, [Im A]ij = [A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Como
m
X
[Im A]ij = [Im ]ik [Am ]kj (por la definición 1.12)
k=1
= [Im ]ii [A]ij (por la definición 1.13)

= 1[A]ij (por la definición 1.13)
= [A]ij . (por propiedad del elemento identidad en F)
Por lo tanto, [Im A]ij = [A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Así,
Im A = A.
Obsevación 1.7
Sean A ∈ Mn (F) y k ∈ Z+ . Se define la notación exponencial de matrices mediante;
30 1. Matrices
1. A0 = In ,
2. Ak = |AA{z
· · · A}.
k−veces
Proposición 1.2 Sean A ∈ Mn (F) y j, k enteros no negativos. Entonces;

1. Aj Ak = Aj+k ,
2. (Aj )k = (Ak )j .
La demostración de la proposición 1.2 se deja como actividad para los estudiantes.
Ejemplo 1.14
2 3i
Consideremos la matriz A = , calcular A2 A.
i 0
Solución. Dado que A2 A = A3 (por la proposición 1.2 (1)) y A3 = AAA (por la nota
1.7 (2)). Se tiene que,

3 2 3i 2 3i 2 3i
A = AAA =
i 0 i 0 i 0

1 6i 2 3i −4 3i
= = .
2i −3 i 0 i −6
Desde tiempos remotos el individuo ha procurado entender los diferentes aspectos

que forman parte de su vida cotidiana, para ello se han estudiado herramientas que
permiten resolver ciertas situaciones de el vivir diario. Todo esto con el propósito de
favorecer tanto su forma de vida como la de los miembros de su comunidad. Muchos
de estos problemas tienen un carácter lineal, es decir, pueden plantearse mediante
algunas ecuaciones lineales con coeficientes en algún campo de números y con unas
pocas variables o incógnitas.
Es importante mencionar que, según Luzardo y Peña (2006), uno
de los principales precursores de la Matemática es el alemán Carl
Friedrich Gauss quien publicó numerosos trabajos en diversas
áreas de la Matemática. Entre los más notables tenemos su tesis
doctoral, Gauss demostró el Teorema Fundamental del Álgebra.
Además, en un estudio sobre la órbita del asteroide Pallas, toma-
das entre los años 1803 y 1809, Gauss obtiene un sistema de seis
Carl Gauss ecuaciones lineales con seis incógnitas y dá un método sistemático
(1777 − 1855)
para resolver tales ecuaciones, hoy en día conocido como elimi-
nación gaussiana. Nos obstante Gauss escribió mucho más de lo que publicó, guardó
archivos de muchos artículos no publicados que consideraba incompletos, poco elegan-
tes y no rigurosos. Quienes más tarde leyeron estos documentos opinan en general que
Gauss era demasiado exigente con sus propios trabajos.
1.4. Ecuaciones lineales con n incógnitas 31
1.4. Ecuaciones lineales con n incógnitas

El Álgebra Lineal es una rama de la Matemática abundante en teoría y aplicaciones, el
Álgebra surge de las ecuaciones lineales por lo cual es de gran importancia su estudio
y comprensión. Según Stewart (2007), los principales consumidores de Álgebra en el
mundo moderno son los científicos, que representan las regularidades de la naturaleza
en términos de ecuaciones algebraicas.
Actividad 5. La historia ha conservado pocos rasgos biográficos de Diofanto notable
matemáticos de la antigüedad, pero es importante mencionar que, según Cadenas y
Rivas (2006), a Diofanto se le debe la regla de los signos y fue el primero en representar
incógnitas con letras y en comenzar el simbolismo en el Álgebra. Todo lo que se conoce
de él ha sido tomado de la dedicatoria que figura en su sepulcro, inscripción compuesta
en forma de ejercicio matemático. Reproducimos esta inscripción:
¡Caminante! Aquí fueron sepultados los restos de Diofanto. Y los

números pueden mostrar, ¡Oh milagro!, cuan larga fue su vida,
cuya sexta parte constituyó su hermosa infancia. Había transcu-
rrido además una duodécima parte de su vida, cuando de vello
cubrióse su barbilla y la séptima parte de su existencia transcu-
rrió en un matrimonio estéril. Pasó un quinquenio más y le hizo
dichoso el nacimiento de su precioso primogénito, que entregó su
cuerpo, su hermosa existencia, a la tierra, que duró tan solo la mitad de la de su padre
Y con profunda pena bajó a la sepultura, habiendo sobrevivido cuatro años al deceso
de su hijo. Dime ¿cuántos años había vivido? Diofanto cuando le llegó la muerte.
Solución. Para resolver una ecuación es, con frecuencia, tarea fácil; en cambio, plan-
tear la ecuación a base de los datos de un problema suele ser más difícil, por lo cual
es pertinente desglosa el problema de la siguiente manera.
¡Caminante! Aquí fueron sepultados los restos de Diofanto.

y los números pueden mostrar, x
¡Oh milagro!, cuan larga fue su vida,
cuya sexta parte constituyó su hermosa infancia. x/6
Había transcurrido además una duodécima parte de su vida, x/12
cuando de vello cubrióse su barbilla
y la séptima parte de su existencia transcurrió en un x/7
matrimonio estéril.
Pasó un quinquenio más y le hizo dichoso el nacimiento de su 5
precioso primogénito,
que entregó su cuerpo, su hermosa existencia, a la tierra, x/2
que duró tan solo la mitad de la de su padre
y con profunda pena bajó a la sepultura, habiendo sobrevivido 4
cuatro años al deceso de su hijo.
32 1. Matrices
Por lo expuesto anteriormente tenemos que,

x x x x
x= + + + 5 + + 4.
6 12 7 2
Al resolver la ecuación se tiene que Diofanto murió a los 84 años.
Ahora es importante recordar de la Geometría Analítica, que la ecuación de una recta
en el plano es de la forma;
a1 x + a2 y = b, a1 , a2 , b ∈ F.
Esta ecuación se denomina ecuación lineal de dos incógnitas x, y. De manera

semejante, la ecuación de un plano en el espacio tridimensional es de la forma;
a1 x + a2 y + a3 z = b, a1 , a2 , a3 , b ∈ F.
Esta ecuación se denomina ecuación lineal de tres incógnitas x, y, z. En general

una ecuación lineal con n incógnitas se define a continuación.
Definición 1.14 Una ecuación lineal con n incógnitas x1 , x2 , x3 ,· · · , xn es de la

forma;
a1 x1 + a2 x2 + a3 x3 + · · · an xn = b, a1 , a2 , a3 , · · · , an , b ∈ F.
Obsevación 1.8
1. Los escalares a1 , a2 , a3 ,· · · , an , se llaman coeficientes. Además, el número a1

es el coeficiente principal, x1 es la incógnita principal y x2 , x2 ,· · · , xn son
incógnitas libres si a1 6= 0,
2. Las ecuaciones lineales no tienen producto o raíces de incógnitas; tampoco incóg-

nitas que aparezcan en funciones trigonométricas, exponenciales o logarítmicas.
Ejemplo 1.15
1. Las siguientes ecuaciones son lineales

√
a) 2x + 3y = 6, c) 2x1 − 4x2 + πx3 = 2,
√
b) 3x − 3πy = 3, d) 9x1 + 3x2 − x3 = −π.
2. Las siguientes ecuaciones no son lineales

√
a) xy − 3z = 6, c) 3ex − y = 6,
√ 2 1 1
b) 4x − πy = 1, d) + = 2.
x y
3. Resolver la ecuación lineal 3x + 2y − z = 3.
Solución. Dado que y, z son las incógnitas libres. Entonces despejamos x para obtener;
3x = 3 − 2y + z,
2 z
x=1− y+ .
3 3
Tomemos, y = s y z = t con s, t ∈ F. Se obtiene la solución general;
2 t
x=1− s+ .
3 3
Una solución particular es; si s = 0, t = 0 entonces x = 1, y = 0 y z = 0.
Actividad 6. Hay tres clases de granos; tres gavillas (conjunto de ramas o atados
por su centro) de primera clase, dos de la segunda clase y una de la tercera hacen 39
medidas; dos de la primera, tres de la segunda y una de la tercera hacen 34 medidas;
y una de la primera, dos de segunda y tres de la tercera hacen 26 medidas.
¿Qué ecuaciones
se pueden plantear?
Solución. Llamemos g1 = granos de primera clase, g2 = granos de segunda clase y

g1 = granos de tercera clase. Dado que tres gavillas son de la primera clase, dos de la
segunda clase y una de la tercera hacen 39 medidas; se tiene que
3g1 + 2g2 + g3 = 39.
Además, dos de la primera, tres de la segunda y una de la tercera hacen 34 medidas.

Esto quiere decir,
2g1 + 3g2 + g3 = 34.
Por último tenemos que, una de la primera, dos de segunda y tres de la tercera hacen
26 medidas. Así,
g1 + 2g2 + 3g3 = 26.
34 1. Matrices
Así, las ecuaciones que se pueden plantear vienen dadas por,

 3g1 + 2g2 + g3 = 39
2g + 3g2 + g3 = 34
 1
g1 + 2g2 + 3g3 = 26.
Por lo visto en la actividad 6, es pertinente definir que.
Definición 1.15 Un sistema de m ecuaciones lineales con n incógnitas es un

conjunto de m ecuaciones, cada una de las cuales es lineal en las mismas n incógnitas
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3
..
.
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm .
Una solución de un sistema de ecuaciones lineales es una sucesión de números s1 , s2 , . . . , sn

que es solución de cada una de las ecuaciones lineales del sistema. Por ejemplo, el sis-
tema
3x1 + 2x2 = 3
−x1 + x2 = 4.
Tiene a x1 = −1 y x2 = 3 como una solución, ya que ambas ecuaciones cumplen la
igualdad cuando x1 = −1 y x2 = 3. Por otra parte x1 = 1 y x2 = 0 no es una solución
del sistema porque estos valores satisfacen sólo la primera ecuación 3x1 + 2x2 = 3,
pero no la segunda −x1 + x2 = 4.
Ejemplo 1.16 Resolver los siguientes sistemas de ecuaciones;

x+y = 3 x+y = 3 x+y = 3
a) b) c)
x − y = −1 2x + 2y = 6 x + y = 1.
Solución.
a) Si sumamos ambas ecuaciones lineales, entonces se obtiene que 2x = 2. Esto quiere

decir que x = 1, por lo tanto y = 2. Así, la solución de sistema de ecuaciones es x = 1
y y = 2.
b) Si a la primera ecuación lineal se le multiplica por 2 en ambos lados de la igualdad,

entonces se obtiene la segunda ecuación. Esto quiere que el sistema de ecuaciones posee
infinitas soluciones, una representación general de la solución es x = 3 − t, y = t donde
t es cualquier real.
c) Este sistema no tiene solución, pues es imposible que la suma de dos números sea
3 y 1 a la vez.
y y y
4 4 4
3 3 3
2 2 2
1 1 1
−5 −4 −3 −2 −1 1 2 3 4 x −5 −4 −3 −2 −1 1 2 3 4 x −5 −4 −3 −2 −1 1 2 3 4 x
−1 −1 −1
−2 −2 −2
−3 −3 −3
−4 −4 −4
−5 −5 −5
Figura 1.8: Representación gráfica de los sistema a), b) y c) respectivamente
Obsevación 1.9 Dado un sistema de ecuaciones lineales de n incógnitas, sólo se cum-

ple una de las siguientes afirmaciones.
1. El sistema tiene exactamente una solución (sistema consistente determinado),
2. El sistema tiene infinidad de soluciones (sistema consistente indeterminado),
3. El sistema no tiene solución (sistema inconsistente).
Es importante resaltar que en la actualidad existe una variedad de métodos que nos
permiten resolver sistemas de ecuaciones lineales, en esta sección nos interesa estudiar
una de las herramientas que nos facilita resolver este tipo de problemas.
Definición 1.16 Consideremos un sistema de m ecuaciones con n incógnitas. Se define

la matriz aumentada del sistema como una arreglo rectangular de elementos de la
forma;
 
a11 a12 a13 ··· a1n b1
 a21 a22 a23 ··· a2n b2 
 
 a31 a32 a33 ··· a3n b3 
 .
 .. .. .. .. .. .. 
 . . . . . . 
am1 am2 am3 · · · amn bm
36 1. Matrices
Ejemplo 1.17
Consideremos el siguiente sistema de ecuaciones lineales;

 ix + 2y − z = 4
x − iy + 2iz = 7

2ix − 2y = 8.
Entonces, la matriz aumentada correspondiente al sistema es;

 
i 2 −1 4
 1 −i 2i 7 .
2i −2 0 8
Definición 1.17 Sea A ∈ Mm×n (F). Se define una operación por fila aplicada a la
matriz A mediante;
1. Intercambiar la fila p por la fila q, denotamos por fpq (A),
2. Multiplicar un escalar α ∈ F − {0} a la fila p, denotado por fp (α)(A),
3. Sumar a la fila p la fila q multiplicada por α ∈ F − {0}, denotado por fpq (α)(A).
Obsevación 1.10 Si la matriz B se obtiene a partir de una matriz A a través de una

sucesión finita de operaciones elementales entre filas, entonces diremos que A y B son
equivalentes por filas, y lo denotamos por,
f
A −−−→ B.
Ejemplo 1.18 Operaciones elementales entre filas.

 
i 2 −1 4
Consideremos la matriz A =  1 −i 2i 7 .
2i −2 0 8
a) Intercambiar la fila 1 por la fila 3 de la matriz A, es decir f13 (A), dando como
resultado,  
2i −2 0 8
 1 −i 2i 7 .
i 2 −1 4
Lo cual se puede representar mediante;
   
i 2 −1 4 2i −2 0 8
f13 (A)
A =  1 −i 2i 7 −−−−−−→  1 −i 2i 7 .
2i −2 0 8 i 2 −1 4
b) Multiplicar −i a la fila 2 de la matriz A. Entonces,

   
i 2 −1 4 i 2 −1 4
f2 (−i)(A)
A =  1 −i 2i 7 −−−−−−−−→  −i −1 2 −7i  .
2i −2 0 8 2i −2 0 8
c) Sumar a la fila 2 la fila 1 multiplicada por i de la matriz A. Entonces;
   
i 2 −1 4 i 2 −1 4
f21 (i)(A)
A = 1 −i
 2i 7 −−−−−−−−→  0 i i 7 + 4i  .
2i −2 0 8 2i −2 0 8
Definición 1.18 Sea A ∈ Mm×n (F). Diremos que A en una matriz escalonada re-
ducida si cumple con las siguientes condiciones,
1. Si una fila no consta completamente de ceros, entonces el primer número diferente

de cero en la fila es 1 (llamado 1 principal),
2. Si hay filas que consten completamente de ceros, se agrupan en la parte inferior

de la matriz,
3. En dos filas consecutivas cualesquiera que no consten completamente de ceros,

el 1 principal de la fila inferior aparece más a la derecha que el 1 principal de la
fila superior,
4. Cada columna que contenga un 1 principal tiene ceros en las demás posiciones.
Ejemplo 1.19
a) Las siguientes matrices son escalonadas reducidas,

   
1 0 0 0 i 1 0 0 0 4i
0 1 0 0 5  3. 0 1 0 0 2i ,
1. 
0 0 1 0 8i
,
0 0 0 1 4i
0 0 0 1 4i
   
1 0 0 4i 1 0 −1 4 4
2. 0 1 0 −7 , 4. 0 1 2i 7 4 .
0 0 1 8i 0 0 0 0 0
38 1. Matrices
b) Las siguientes matrices no son escalonadas reducidas,

   
1 0 1
0 i 1 0 0 2 4i
0 1 0
0 5 3. 0 1 0 0 2i ,
1. 
0
,
0 1
0 8i 0 0 0 1 4i
0 0 0
1 4i
   
1 0 0 4i 1 0 −1 4 4
2. 0 1 0 −7 , 4. 0 1 2i 7 4 .
i 0 1 8i 0 0 0 0 1
Obsevación 1.11 Para resolver un sistema de ecuaciones lineales es importante seguir

los siguientes pasos,
1. Escriba la matriz aumentada del sistema de ecuaciones lineales,
2. Aplique las operaciones elementales entre filas para escribir la matriz aumentada
en forma escalonada reducida.
A este método se le llama eliminación Gauss-Jordan, llamada así debido a Carl

Friédrich Gauss y Wilhelm Jordan.
Actividad 7. Consideremos la actividad 6 y las ecuaciones encontradas,

 3g1 + 2g2 + g3 = 39
2g + 3g2 + g3 = 34
 1
g1 + 2g2 + 3g3 = 26.
¿Cuántas medidas de granos están contenidas en una gavilla (conjunto de ramas o

atados por su centro) de cada clase?
Solución.
1) La matriz aumentada del sistema es;
 
3 2 1 39
A =  2 3 1 34  .
1 2 3 26
2) Escribir la matriz A en una escalonada reducida por medio de las operaciones

elementales entre filas;
   
3 2 1 39 3 2 1 39
f23 (−2)(A)
 2 3 1 34  −−−−−−−−−→  0 −1 −5 −18 
1 2 3 26 1 2 3 26
   
0 −4 −8 −39 0 0 12 33
f13 (−3) f12 (−4)
−−−−−−−→  0 −1 −5 −18  −−−−−−−→  0 −1 −5 −18 
1 2 3 26 1 2 3 26
   11 
0 0 12 33
f32 (2)
1
f1 ( 12 )  0 0 1
4 
−−−−−−→  0 −1 −5 −18  −−−−−−→  0 −1 −5 −18 
1 0 −7 −10 1 0 −7 −10
 
 11  11
0 0 1  0 0 1
4 
 4   
f21 (5)
17  −−−−−−→  0 −1 0 − 17 
  f31 (7)  
−−−−−−→   0 −1 0 −
 4 
 
 4 

 37 
1 0 −7 −10 1 0 0
4
   
11 37
 0 0 1
4   1 0 0
4 
  
f2 (−1)  17  f31  17 .
−−−−−−→   0 1 0  −−−−→  0 1 0

 4   4  
 37   11 
1 0 0 0 0 1
4 4
37 17 11
Por lo tanto, la solución del sistema es g1 = , g2 = y g3 = .
4 4 4
Ejemplo 1.20 Uso de las operaciones elementales entre las filas para resolver un
sistema de ecuaciones lineales.
a) Resolver el sistema de ecuaciones lineales;


 ix − y + 2z = 2
−x + iy = −3

x − 2iy + 2z = 1.
Solución.
 
i −1 2 2
A =  −1 i 0 −3  .
1 −2i 2 1
40 1. Matrices

   
i −1 2 2 1 −2i 2 1
f13 (A)
 −1 i 0 −3  −−−−−−→  −1 i 0 −3 
1 −2i 2 1 i −1 2 2
   
1 −2i 2 1 1 −2i 2 1
f21 (1) f31 (−i)
−−−−−−→  0 −i 2 −2  −−−−−−−→  0 −i 2 −2 
i −1 2 2 0 −3 2 − 2i 2 − i
   
1 −2i 2 1 1 0 −2 5
f2 (i) f12 (2i)
−−−−−→  0 1 2i −2i  −−−−−−→  0 1 2i −2i 
0 −3 2 − 2i 2 − i 0 −3 2 − 2i 2 − i
 
  1 0 −2 5
1 0 −2 5 1
f3 ( 2+4i )  0 1 2i
f32 (3) −2i 
−−−−−−→  0 1 2i −2i  −−−−−−−−→  
0 0 2 + 4i 2 − 7i
 6 11 
0 0 1 − − i
5 10
 
  13 11
1 0 −2 5 1 0 0 − i
 5 5 
 11 2   
f23 (−2i)  0 1 0 − + i  f13 (2)  11 2 
−−−−−−−→  5 5  −−−−−−→  0 1 0 − + i 
 .
  5 5 
6 11  
0 0 1 − − i  6 11 
5 10 0 0 1 − − i
5 10
Así, la solución del sistema es
13 11 11 2 6 11
x= − i, y = − + i y z = − − i.
5 5 5 5 5 10
b) Resolver el sistema de ecuaciones lineales;

2ix − iy + 3iz = i
2x − y + 3z = 2.
Solución.

2i −i 3i i
A= .
2 −1 3 2


2i −i 3i i f21 (i) 2i −i 3i i f12 (−i) 2i −i 3i 0
−−−−−−→ −−−−−−−→
2 −1 3 2 0 0 0 1 0 0 0 1
 
1 3
1
f1 ( 2i ) 1 − 0
−−−−−−→  2 2 .
0 0 0 1
Por lo tanto, el sistema correspondiente a está matriz escalonada reducida es;

 x − 1y + 3z = 0
2 2
 0x + 0y + 0z = 1.
Dado que 0 6= 1. Se tiene que el sistema no tiene solución, debido a que este sistema
es equivalente al sistema original, también se concluye que el sistema original tampoco
no tiene solución.
Obsevación 1.12 Un sistema de m ecuaciones con n incógnitas en los que todos los
términos constantes son iguales a cero, diremos que la ecuación es homogénea. Esto
es;
a11 x1 + a12 x2 + a13 x3 + · · · + a1n = 0

a21 x1 + a22 x2 + a23 x3 + · · · + a2n = 0
a31 x1 + a32 x2 + a33 x3 + · · · + a3n = 0
..
.
am1 x1 + am2 x2 + am3 x3 + · · · + amn = 0.
Ejemplo 1.21
a) Resolver el sistema de ecuaciones lineales;

ix − y + 2iz = 0
2x + 5y − iz = 0.
Solución.

i −1 2i 0
A= .
2 5 −i 0
42 1. Matrices


i −1 2i 0 f1 (−i) 1 i 2 0
−−−−−−→
2 5 −i 0 2 5 −i 0
 
1
f2 ( 5−2i ) 1 i 2 0
f21 (−2) 1 i 2 0
−−−−−−−→ −−−−−−−−→  18 13 
0 5 − 2i −4 − i 0 0 1 − − i 0
29 29
 45 18 
1 0 + i 0
f12 (−i) 29 29 
−−−−−−−→  .
18 13
0 1 − − i 0
29 29

 45 18
 x + 29 + 29 i z = 0




 18 13
 y−
 + i z = 0.
29 29
Dado que z es la incógnita libre. Entonces despejamos x, y para obtener;

45 18
x=− + i z,
29 29

18 13
y= + i z.
29 29
Tomemos, z = t con t ∈ F. Se obtiene la solución general;

45 18
x=− + i t,
29 29

18 13
y= + i t.
29 29
Una soluciones particulares es; si t = 1 entonces

45 18
x=− + i ,
29 29
18 13
y= + i.
29 29
b) Resolver el sistema de ecuaciones lineales;

2ix − iy + 3iz = 0
2x − y + 3z = 0.
Solución.

2i −i 3i 0
A= .
2 −1 3 0

1 3 !
1
2i −i 3i 0 f21 (i) 2i −i 3i 0 f1 ( 2i ) 1 − 0
−−−−−−→ −−−−−−→ 2 2 .
2 −1 3 0 0 0 0 0 0 0 0 0
Entonces, el sistema correspondiente a está matriz escalonada reducida es;

 x − 1y + 3z = 0
2 2
 0x + 0y + 0z = 0.
Dado que y, z son las incógnitas libres. Entonces despejamos x para obtener;
1 3
x = y − z,
2 2
Tomemos, y = s, z = t con s, t ∈ F. Se obtiene la solución general;
1 3
x= s − t,
2 2
Una soluciones particulares es; si s = 0, t = 1 entonces
3
x=− .
2
Definición 1.19 Sea A ∈ Mn (F). Diremos que A es invertible si existe una matriz
B ∈ Mn (F) tal que;
AB = BA = In .
La matriz B se denomina inversa de A.
Obsevación 1.13
1. Sea A ∈ Mm×n (F), n 6= m, entonces A no tiene inversa,
2. Existen matrices cuadradas que no tienen inversas.

44 1. Matrices
Teorema 1.5 Sea A ∈ Mn (F) una matriz invertible, entonces su inversa es única.
Prueba. Sea A ∈ Mn (F) una matriz invertible. Entonces existe una inversa B de A
tal que; AB = BA = In (por la definición 1.19). Supongamos que A tiene otra inversa
C. Se tiene que, AC = CA = In (por la definición 1.19). Luego,
B = In B (por el teorema 1.4 (1))

= (CA)B (por lo anterior)
= C(AB) (por el teorema 1.3 (1))
= CIn (por lo anterior)
= C. (por el teorema 1.4 (2))
Por lo tanto, B = C. Así, la inversa de una matriz si existe está es única.
Obsevación 1.14 Dado que la inversa de una matriz es única, denotemos la inversa
de A mediante A−1 .
Teorema 1.6 Sean A ∈ Mn (F) invertible, k ∈ Z+ y c ∈ F − {0}, entonces;
1. (A−1 )−1 = A,
2. (Ak )−1 = |A−1 A−1 −1

{z· · · A },
k−veces
1
3. (cA)−1 = A−1 .
c
Prueba.
Del teorema 1.6 se harán las pruebas de los impares y el par se dejan como actividad
1. Sea A ∈ Mn (F) invertible. Entonces existe A−1 ∈ Mn (F) tal que AA−1 = A−1 A = In
(por la definición 1.19). Esto quiere decir que A−1 es invertible, por lo tanto exis-
te (A−1 )−1 tal que (A−1 )−1 A−1 = A−1 (A−1 )−1 = In (por la definición 1.19). Así,
(A−1 )−1 = A (por el teorema 1.5).
3. Sean A ∈ Mn (F) invertible y c ∈ F − {0}. Entonces existe A−1 ∈ Mn (F) tal que
AA−1 = A−1 A = In (por la definición 1.19). Luego,

1 −1 1
(cA) A = c (AA−1 ) (por el teorema 1.3 (4))
c c
= (1)(In ) (por lo anterior)
= In . (por el teorema 1.2 (8))
Por otro lado,

1 −1 1
A (cA) = c (AA−1 ) (por el teorema 1.3 (4))
c c
= (1)(In ) (por lo anterior)
= In . (por el teorema 1.2 (8))
Por lo tanto cA es invertible, es decir, existe (cA)−1 tal que, (cA)(cA)−1 = (cA)−1 (cA) =
1
In . Así, (cA)−1 = A−1 (por el teorema 1.5).
c
Teorema 1.7 Sean A y B ∈ Mn (F) matrices invertibles, entonces;
1. AB es invertible,
2. (AB)−1 = B −1 A−1 .
Prueba.
Del teorema 1.7 se harán las pruebas del impar y el par se dejan como actividad para
los estudiantes.
1. Sean A y B ∈ Mn (F) matrices invertibles. Entonces existen A−1 y B −1 tal que,
AA−1 = A−1 A = In y BB −1 = B −1 B = In (por la definición 1.19). Luego;
(AB)(B −1 A−1 ) = A(BB −1 )A−1 (por el teorema 1.3 (1))

= A(In )A−1 (por lo anterior)
= (AIn )A−1 (por el teorema 1.3 (1))
= AA−1 (por el teorema 1.4 (2))
= In . (por lo anterior)
Por otro lado,
(B −1 A−1 )(AB) = B −1 (A−1 A)B (por el teorema 1.3 (1))

= B −1 (In )B (por lo anterior)
= (B −1 I n )B (por el teorema 1.3 (1))
= B −1 B (por el teorema 1.4 (2))
= In . (por lo anterior)
Así, AB es invertible.
46 1. Matrices
Ejemplo 1.22 Determinación de la inversa de una matriz.
a) Determinar la inversa de la matriz,

1 4
A= .
−1 −3
Solución.
x y
Queremos encontrar una matriz A−1 = , x, y, z, k ∈ F tal que, AA−1 =
z k
A−1 A = I2 . Luego,

1 4 x y
AA−1 =
−1 −3 z k

x + 4z y + 4k
=
−x − 3z −y − 3k

1 0
= .
0 1
Esto quiere decir que, x + 4z = 1, −y − 3k = 1, y + 4k = 0, −x − 3z = 0. Resolviendo

el sistema se obtiene que z = 1, x = −3, k = 1, y = −4. Por lo tanto,

−1 −3 −4
A = .
1 1
Intente aplicar la multiplicación de matrices para comprobar este resultado.

La generalización del método aplicado para resolver el ejemplo 1.22 proporciona un
método conveniente para determinar matrices inversas. Primero, observe que los dos
sistemas de ecuaciones lineales

x + 4z = 1 y + 4k = 0
y
−x − 3z = 0 −y − 3k = 1.
Tienen la misma matriz de coeficientes. En vez de resolver por separado los dos sistemas
representados por,
   
.. ..
 1 4 . 1   1 4 . 0 
.. y ..
−1 −3 . 0 −1 −3 . 1
es posible resolverlos simultáneamente. Lo anterior se lleva a cabo al unir la matriz

identidad con la matriz de coeficientes para obtener,
 
..

.
1 4 . 1 0 
A .. I2 =  . .
−1 −3 .. 0 1
Al aplicar las operaciones elementales entre filas a esta matriz se puede resolver ambos
sistemas con un solo proceso de eliminación, es decir,
   
.. ..
 1 4 . 1 0  f21 (1)  1 4 . 1 0 
. −−−−−−→ .
−1 −3 .. 0 1 0 1 .. 1 1
 
..
f12 (−4) 1 0 . −3 −4 
−−−−−−−→  . .
0 1 .. 1 1

Por lo tanto, de la matriz A ... I2 se obtuvo la matriz I2 ... A−1 .

−1 −3 −4
Así, A = .
1 1
Este procedimiento es válido para cualquier matriz arbitraria de orden n × n. Si A no
se puede reducir por operaciones elementales a In , entonces A no es invertible.
 
1 3 −2
b) Calcular la inversa de la matriz A =  2 8 −3  .
1 7 1
Solución.  .. 
 1 3 −2 . 1 0 0
Consideremos la matriz A ... I3 =  .. 
2 8 −3 . 0 1 0 .
 
..
1 7 1 . 0 0 1
Ahora, aplicamos las operaciones
elementales entre filas, se intenta reescribir esta ma-
.
triz en la forma I3 .. A−1 , es decir,
 .   . 
1 3 −2 .. 1 0 0 1 3 −2 .. 1 0 0
 ..  f21 (−2)  . 
 2 8 −3 . 0 0  −−−−−−−→  0 2 1 .. −2 1 0 
   
1
. .
1 7 1 .. 0 0 1 1 7 1 .. 0 0 1
 ..   . 
1 3 −2 . 1 0 0 1 3 −2 .. 1 0 0
f31 (−1)  ..  f32 (−2)  . 
−−−−−−−→  0 2 . −2 1 0  −−−−−−−→  0 2 1 .. −2
   
1 1 0 
. .
0 4 3 .. −1 0 1 0 0 1 .. 3 −2 1
48 1. Matrices
   
.. ..
 1 3 −2 . 1 0 0   1 3 0 . 7 −4 2 
f2 ( 21 )  1 .. 1  f13 (2)  1 .. 1 
−−−−−−→   0 1 . −1 0 
 −−−−−−→   0 1 . −1 0 

 2 2   2 2 
.. .
0 0 1 . 3 −2 1 0 0 1 .. 3 −2 1
 
..
 1 3 0 . 7 −4 2 
f23 (− 12 )  .. 5 3 1 
−−−−−−−−→   0 1 0 . − − 
 2 2 2 
..
0 0 1 . 3 −2 1
 .. 29 17 7 
1 0 0 . −
 2 2 2 
f12 (−3)
−−−−−−−→ 
 .. 5 3 1 
.
 0 1 0. − − 
 2 2 2 
..
0 0 1 . 3 −2 1
Por lo tanto, la inversa de la matriz A es;
 29 17 7 
−
 2 2 2 
 
A −1
= −
 5 3 1 .
− 
 2 2 2 
3 −2 1
Definición 1.20 Sea A ∈ Mm×n (F). Se define la transpuesta de A, denotado por

A⊤ , como una matriz de orden Mn×m (F) tal que [A⊤ ]ij = [A]ji , para todo 1 ≤ i ≤ m
y 1 ≤ j ≤ n.
 29 17 7 
−
 2 2 2 
 
Ejemplo 1.23 Dada la matriz A =  5 3 1 , halla la transpuesta de A.
 − − 
 2 2 2 
3 −2 1
Solución.
29
Dado que [A⊤ ]ij = [A]ji . Entonces [A⊤ ]11 = [A]11 = , [A⊤ ]12 = [A]12 = − 52 ,
2
[A⊤ ]13 = [A]13 = 3. Esto quiere decir que la matriz A⊤ se obtiene al intercambiar la
filas de A por columnas. Por lo tanto,

 
29 5
− 3 

 2 2 
 17 3 
A= − .
−2 

 2 2 
 7 1 
− 1
2 2
Obsevación 1.15 La transpuesta de In es ella misma, es decir, (In )⊤ = In .
Teorema 1.8 Si A, B son matrices (con órdenes adecuados para que las operaciones
de matrices dadas estén definidas) y α ∈ F, entonces
1. (A⊤ )⊤ = A,
2. (A + B)⊤ = A⊤ + B ⊤ ,
3. (αA)⊤ = αA⊤ ,
4. (AB)⊤ = B ⊤ A⊤ ,
5. Si A es invertible, entonces A⊤ es invertible y (A⊤ )−1 = (A−1 )⊤ .
Prueba.
1. Sea A ∈ Mm×n (F). Entonces,
[(A⊤ )⊤ ]ij = [A⊤ ]ji (por la definición 1.20)

= [A]ij . (por la definición 1.20)
Por lo tanto,
(A⊤ )⊤ = A.
3. Sean A ∈ Mm×n (F) y α ∈ F. Entonces,
[(αA)⊤ ]ij = [αA]ji (por la definición 1.20)

= α[A]ji (por la definición 1.11)
= α[A⊤ ]ij . (por la definición 1.20)
Así,
(αA)⊤ = αA⊤ .
50 1. Matrices
5. Sea A ∈ Mn (F). Entonces existe A−1 ∈ Mn (F) tal que AA−1 = A−1 A = In (por la
definición 1.19). Luego,
(A−1 )⊤ A⊤ = (AA−1 )⊤ (por el teorema 1.8 (4))

= (In )⊤ (Por lo anterior)
= In . (por la nota 1.15)
Entonces,
A⊤ (A−1 )⊤ = (A−1 A)⊤ (por el teorema 1.8 (4))

= (In )⊤ (Por lo anterior)
= In . (por la nota 1.15)
Esto quiere decir que A⊤ es invertible, por lo tanto existe (A⊤ )−1 tal que (A⊤ )−1 A⊤ =
A⊤ (A⊤ )−1 = In (por la definición 1.19). Así, (A⊤ )−1 = (A−1 )⊤ (por el teorema 1.5).
Definición 1.21 Sea A ∈ Mm×n (F). se define la conjugada de A, denotado por A,

mediante: [A]ij = [A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n. Además definimos la
transpuesta conjugada o transpuesta hermitiana, denotada por A∗ , por A∗ =
A⊤ .
 
9 1
3 − i 2 − i 2i 2

 2 3 

 7 3 
Ejemplo 1.24 Dada la matriz A =  − i − −2 −4i ,

 12 2 

 3 1 
4+ i − 4 2 − 3i
2 2
hallar la transpuesta hermitiana de A.
Solución.
 9 7 3 
3− i − i 4+ i
 2 12 2 
 
 1 3 1 
∗ ⊤ 
Dado que A = A⊤ . Entonces, A =  2− i − − 
. Por lo cual,
 3 2 2 

 2i −2 4 

2 −4i 2 − 3i
 9 7 3 
3+ i i 4− i
 2 12 2 
 
 1 3 1 
A∗ = A⊤ = 
 2+ i − − 
.
 3 2 2 

 −2i −2 4 

2 4i 2 + 3i
Obsevación 1.16 Sean A, B ∈ Mm×n (F). Entonces A + B = A + B.
Teorema 1.9 Si A, B son matrices (con órdenes adecuados para que las operaciones
de matrices dadas estén definidas) y α ∈ F, entonces
1. AB = A B,
2. (A∗ )∗ = A,
3. (A + B)∗ = A∗ + B ∗ ,
4. (αA)∗ = αA∗ ,
5. (AB)∗ = B ∗ A∗ ,
6. Si A es invertible, entonces A∗ es invertible y (A∗ )−1 = (A−1 )∗ .
Prueba.
1. Sean A ∈ Mm×n (F) y B ∈ Mn×p (F). Entonces,
[AB]ij = [AB]ij (por la definición 1.21)

n
X
= [A]ik [B]kj (por la definición 1.12)
k=1
Xn
= [A]ik [B]kj (por el teorema 1.1(1))
k=1
Xn
= [A]ik [B]kj (por el teorema 1.1(4))
k=1
n
X
= [A]ik [B]kj (por la definición 1.21)
k=1
= [A B]ij . (por la definición 1.12)

52 1. Matrices
Por lo tanto,
AB = A B.
3. Sean A, B ∈ Mm×n (F). Entonces,
(A + B)∗ = (A + B)⊤ (por la definición 1.21)

= A⊤ + B ⊤ (por el teorema 1.8(2))
= A⊤ + B ⊤ (por la observación 1.16)
= A∗ + B ∗ . (por la definición 1.21)
Así, (A + B)∗ = A∗ + B ∗ .
5. Sea A ∈ Mm×n (F) y B ∈ Mn×p (F). Entonces,
(AB)∗ = (AB)⊤ (por la definición1.21)

= B ⊤ A⊤ (por el teorema1.8(4))
= B ⊤ A⊤ (por el teorema1.9(1))
= B ∗ A∗ . (por la definición1.21)
Entonces, (AB)∗ = B ∗ A∗ .
Actividad 8. Un Criptograma. es un mensaje escrito según un código secreto (la
palabra griega Kriptos significa oculto).
Supongamos que un agentes de un servicio secreto reciben mensajes codificados. Cada
letra es sustituida por el número de su posición en el alfabeto y el cero (0) es asignado
a un espacio en blanco. Esto es, a = 1, b = 2, c = 3, d = 4, e = 5, f = 6, g = 7, h =
8, i = 9, j = 10, k = 11, l = 12, m = 13, n = 14, ñ = 15, o = 16, p = 17, q = 18, r =
19, s = 20, t = 21, u = 22, v = 23, w = 24, x = 25, y = 26, z = 27. Con estos números
se forma la matriz M que contiene el mensaje.
 
13 1 19 9
 1 14 1 0 
Por ejemplo si M =   5 20 0 6 , el mensaje es ¨mariana es feliz¨.

5 12 9 27
Para mayor seguridad, cada mensaje de una cierta cantidad de letras es enviado al
agente de la forma M ⊤ A⊤ , donde,

i i
A= .
2 −3
Es decir, el agente recibe el resultado M ⊤ A⊤ y debe encontrar M .

Supongamos que cierto agente recibe la matriz,

20i −20
D= .
17i 29
¿Cuál es el mensaje?
Solución. Dado que M ⊤ A⊤ = D. Entonces,
M ⊤ = D(A⊤ )−1
M ⊤ = D(A−1 )⊤
(M ⊤ )⊤ = [D(A−1 )⊤ ]⊤ .
M = [(A−1 )⊤ ]⊤ D ⊤
M = A−1 D ⊤ .
Hallar si es posibles la inversa de la matriz A.

 
..
i i . 1 0 
Consideremos la matriz A ... I2 =  .. .
2 −3 . 0 1
triz en la forma I2 . A .
. −1 , es decir,
     
.. .. ..
 i i . 1 0  f1 (−i)  1 1 . −i 0  f21 (−2)  1 1 . −i 0 
.. −−−−−−→ .. −−−−−−−→ .
2 −3 . 0 1 2 −3 . 0 1 0 −5 .. 2i 1

..
  .. 3 1 
( )  1 1
f2 − 51 . −i 0  f12 (−1)  1 0 . − i
5 5 
−−−−−−−→  .. −−−−−−−→  .
2 1  . 2 1
0 1 . − i − 0 1 .. − i −
5 5 5 5
 3 1 
− i
 5 5  20i 17i
Por lo tanto, A−1 = ⊤
. Además, D = luego,
2 1 −20 29
− i −
5 5
M = A−1 D ⊤
 3 1 
− i
 5 5  20i 17i
=  
2 1 −20 29
− i −
5 5

8 16
= .
12 1
54 1. Matrices
Así el mensaje es; hola.

1.5. Matrices elementales 55
1.5. Matrices elementales

En esta sección se establecen propiedades con las operaciones elementales entre filas
de una matriz A y In . Además, se dan algunas relaciones con la inversa de A en caso
de existir.
Definición 1.22 Sean Epq , Ep , Epq (α) ∈ Mn (F) con α ∈ F − {0} y p 6= q, diremos
que las matrices Epq , Ep y Epq (α) son elementales si satisface,
1. Epq = fpq (In ),
2. Ep (α) = fp (α)(In ),
3. Epq (α) = fpq (α)(In ).
Ejemplo 1.25 Las siguientes matrices son matrices elementales en M3 (F),

   
0 0 1 1 0 2i
   
1. E13 =  0 1 0 ,
 3. E13 (2i) = 
 0 1 0 
,
1 0 0 0 0 1
   
1 0 0 1 0 0
   
2. E3 (i) = 
 0 1 0 ,
 4. E23 = 
 0 0 1 .

0 0 i 0 1 0
Obsevación 1.17 Por la definición 1.22 diremos que una matriz de orden n × n es
elemental si se puede obtener a partir de In efectuando una sola operación elemental
en las filas.
Las matrices elementales son de utilidad porque permiten aplicar la multiplicación de

matrices para efectuar operaciones en las filas, como se muestra a continuación.
Ejemplo 1.26 Consideremos las matrices elementales dadas en el ejemplo 1.25 y las
matrices
     
0 2 1 3i 2 3 i 3 i 4
     
A=
 −1 2 i 
 , B =  4 1 3i 4  y D =  3i
   4 2i 
.
2 4 2i 3 2i i 2 −4i −5 2i
56 1. Matrices
Entonces,
a) Si multiplicamos E13 A, se obtiene
  
0 0 1 0 2 1
  
E13 A = 
 0 1 0   −1 2 i 
 
1 0 0 2 4 2i
 
2 4 2i
 
= 
 −1 2 i .

0 2 1
Así,
E13 A = f13 (A).
b) Si multiplicamos E3 (i)B, se obtiene

  
1 0 0 3i 2 3 i
  
E3 (i)B = 
 0 1 0 
 4 1 3i 4 

0 0 i 3 2i i 2
 
3i 2 3 i
 
 4
=  1 3i 4 
.
3i −2 −1 2i
Luego,
E3 (i)B = f3 (i)(B).
c) Si multiplicamos E13 (2i)D, se obtiene

  
1 0 2i 3 i 4
  
E13 (2i)D = 
 0 1 0  3i
 4 2i 

0 0 1 −4i −5 2i
 
11 −9i 0
 
= 
 3i 4 2i 
.
−4i −5 2i
Observe que,
E13 (2i)D = f13 (2i)(D).
Teorema 1.10 Sean Epq , Ep , Epq (α) ∈ Mm (F) con α ∈ F − {0} matrices elementales
y A ∈ Mm×n (F). Entonces;
1. Epq A = fpq (A),
2. Ep (α)A = fp (α)(A),
3. Epq (α)A = fpq (α)(A).
Se deja como actividad para los estudiantes probar el teorema 1.10.
Ahora nos preguntamos si dada una matriz elemental, es invertible.
Ejemplo 1.27 Consideremos las matrices elementales dadas en el ejemplo 1.25, de-
terminar si cada una de ellas poseen inversa.
Solución.
a) Consideremos la matriz E13 . Se tiene que,
  
0 0 1 0 0 1
  
E13 E13 = 
 0 1 0 
 0 1 0 
 
1 0 0 1 0 0
 
1 0 0
 
 0
=  1 0 

0 0 1
= I3 .
Por lo tanto, E13 es invertible. Además,
−1
E13 = E13 .
b) Consideremos la matriz E3 (i). Se tiene que,
  
1 0 0 1 0 0
1   
E3 (i)E3 =   0 1 0  0 1
 0 
i 
1
0 0 i 0 0 i
 
1 0 0
 
=   0 1 0 

0 0 1

= E3 1i E3 (i)
= I3 .
58 1. Matrices
Por lo tanto, E3 (i) es invertible y

1
E3−1 (i) = E3 .
i
c) Consideremos la matriz E13 (2i). Se tiene que,
  
1 0 2i 1 0 −2i
  
E13 (2i)E13 (−2i) =   0 1 0 
 0 1
 0 

0 0 1 0 0 1
 
1 0 0
 
=   0 1 0 
0 0 1
= I3 .
Además, E13 (−2i)E13 (2i) = I3 .
−1
Así, E13 (2i) es invertible y E13 (2i) = E13 (−2i).
Observe que cada matriz elemental dada en el ejemplo 1.25 son invertbles y además
cada inversa encontrada es también elemental.
Teorema 1.11 Las matrices elementales son invertibles. Además, sus inversas son
matrices elementales.
Prueba. Sea E ∈ Mn (F) una matriz elemental.

Caso 1. Supongamos que E = Epq . Como,
Epq Epq = fpq (Epq ) (por el teorema 1.10(1))

= fpq (fpq (In )) (por la definición 1.22(1))
= In .
−1 = E .
Se tiene que, Epq es invertible. Además Epq pq
Caso 2. Supongamos que E = Ep (α) con α ∈ F − {0}. Como,

1 1
Ep (α)Ep = fp (α) Ep (por el teorema 1.10(2))
α α

1
= fp (α)(fp (In )) (por la definición 1.22(2))
α
= In .
Por otro lado,

1 1
Ep Ep (α) = fp (Ep (α)) (por el teorema 1.10(2))
α α

1
= fp (fp (α)(In )) (por la definición 1.22(2))
α
= In .
Se tiene que, Ep (α) es invertible. Además Ep−1 (α) = Ep ( α1 ).

Caso 3. Supongamos que E = Epq (α) con α ∈ F − {0}. Como,
Epq (α)Epq (−α) = fpq (α)(Epq (−α)) (por el teorema 1.10(3))

= fpq (α)(fpq (−α)(In )) (por la definición 1.22(3))
= In .
Así,
Epq (−α)Epq (α) = fpq (−α)(Epq (α)) (por el teorema 1.10(10))

= fpq (−α)(fpq (α)(In )) (por la definición 1.22(3))
= In .
−1 (α) = E (−α).
Se tiene que, Epq (α) es invertible. Además Epq pq
f
Obsevación 1.18 Si A es equivalente por fila a B, es decir, A −−−→ B, entonces
existen matrices elementales E1 , E2 · · · , Ek tal que
B = Ek · · · E2 E1 A.
f
Es importante resaltar que, si A es una matriz invertible, entonces A −−−→ In . Esto
quiere decir que existen matrices elementales E1 , E2 · · · , Ek tal que In = Ek · · · E2 E1 A.
Luego por el teorema 1.11, existen E1−1 , E2−1 · · · , Ek−1 , por lo cual, A = E1−1 E2−1 · · · Ek−1 .
Además, A−1 = Ek · · · E2 E1 .
Ejemplo 1.28 Encuentre una serie de matrices elementales (si es posible) cuyo pro-
ducto sea !
−1 −2
A= .
3 8
Solución. Se empieza por encontrar una serie de operaciones elementales entre filas
que pueda usarse para escribir nuevamente A en forma de escalonada reducida,
60 1. Matrices
! !
−1 −2 f21 (3)(A) −1 −2
−−−−−−−−→ .
3 8 0 2
!
1 0
Así, la primera matriz elemental es; E1 = E21 (3) = f21 (3)(I2 ) = .
3 1
Luego,
! !
−1 −2 f12 (1) −1 0
−−−−−−→ .
0 2 0 2
!
1 1
La segunda matriz elemental es; E2 = E12 (1) = f12 (1)(I2 ) = .
0 1
Aplicando el proceso anterior, tenemos que
! !
−1 0 f1 (−1) 1 0
−−−−−−→ .
0 2 0 2
!
−1 0
La tercera matriz elemental es; E3 = E1 (−1) = f1 (−1)(I2 ) = .
0 1
! !
1 0 f1 ( 12 ) 1 0
−−−−−−→ .
0 2 0 1
 
1 0
La cuarta matriz elemental es; E4 = E1 ( 12 ) = f1 ( 12 )(I2 ) =  1 .
0
2
Así, la matriz A es equivalente por fila a I2 . Esto es,
! !
−1 −2 f 1 0
A= −−−→ = I2 .
3 8 0 1
Como,
! ! ! ! !
1 0 −1 0 1 1 1 0 −1 −2
E4 E3 E2 E1 A = 1
0 2 0 1 0 1 3 1 3 8
! ! ! !
1 0 −1 0 1 1 −1 −2
= 1
0 2 0 1 0 1 0 2
! ! !
1 0 −1 0 −1 0
= 1
0 2 0 1 0 2
! !
1 0 1 0
= 1
0 2 0 2
!
1 0
= = I2 .
0 1
Además, por el teorema 1.11 tenemos que,

! ! ! !
−1
1 0 −1
−1 0 1 −1 1 0
E4 = , E3 = , E2−1 = , E1−1 = .
0 2 0 1 0 1 −3 1
Por lo cual,
E4 E3 E2 E1 A = I2
E3 E2 E1 A = E4−1 I2
E3 E2 E1 A = E4−1
E2 E1 A = E3−1 E4−1
E1 A = E2−1 E3−1 E4−1
A = E1−1 E2−1 E3−1 E4−1 .
Dado que, A es invertible. Entonces existe A−1 tal que AA−1 = A−1 A = I2 .
por lo tanto,
E4 E3 E2 E1 A = I2
(E4 E3 E2 E1 A)A−1 = I2 A−1
E4 E3 E2 E1 (AA−1 ) = I2 A−1
E4 E3 E2 E1 (I2 ) = I2 A−1
E4 E3 E2 E1 = A−1 .
62 1. Matrices
1. Dadas las matrices;
   
3+i 5 −2 3 1+i 0
A= 1 0 2 − 3i, B = i 1 −3i.
2 i 2i 2 1 −3i
Calcular,
a) 2iA − 5B, d) A − 7i(BA).

b) 3A − 7iB, e) A−1 − B −1 ,
c) AB − 5BA, f) A − 3i(BA)−1 .
2. Dadas las matrices

   
2 − 3i −i 3 − i 3−i 1+i 2
A= i −2 i , B= 3 i i .
−1 i 5 2 4 −3i
Verificar si las siguientes igualdades son ciertas,
a) (AB)⊤ = B ⊤ A⊤ , d) (A − B)⊤ = A⊤ − B ⊤ ,
b) (A + B)⊤ = A⊤ + B ⊤ , e) (BA)⊤ = A⊤ B ⊤ .
c) (5A)⊤ = 5A⊤ ,
3. Los agentes de un servicio secreto reciben mensajes codificados. Cada letra es

sustituida por el número de su posición en el alfabeto y el cero (0) es asignado a
un espacio en blanco. Esto es, a = 1, b = 2, c = 3, d = 4, e = 5, f = 6, g = 7, h =
8, i = 9, j = 10, k = 11, l = 12, m = 13, n = 14, ñ = 15, o = 16, p = 17, q =
18, r = 19, s = 20, t = 21, u = 22, v = 23, w = 24, x = 25, y = 26, z = 27. Con
estos números se forma la matriz M .
Para mayor seguridad, cada mensaje de una cierta cantidad de letras es enviado
al agente, en la forma M ⊤ A, donde
 
−1 3 −1
A =  0 1 0 , es decir, el agente recibe el resultado M ⊤ A y debe
1 0 2
 
−11 61 −2
encontrar M . Cierto agente recibió la matriz  −4 35 −3 , ¿cuál es el
12 27 26
mensaje?
 
2 27 10
4. Supongamos que otro agente recibe la matriz  11 42 27  de la forma
14 36 40
M ⊤ A y ya conoce la matriz A del ejercicio 4 ¿cuál es el mensaje?
5. Encontrar ejemplos de matrices de orden 2 por 2 tales que,
a) A2 = −I2 , donde A tenga sólo entradas reales;
b) B 2 = 0, aunque B 6= 0;
c) CD = −DC, sin permitir el caso CD = 0;
d) AB = 0, pero BA 6= 0.
6. Resolver los siguientes problemas,
a) En mi clase están 35 alumnos. Nos han regalado por nuestro buen compor-
tamiento 2 bolígrafos a cada chica y un cuaderno a cada chico. Si en total
han sido 55 regalos, ¿cuántos chicos y chicas están en mi clase?
b) En una librería han vendido 20 libros a dos precios distintos: unos a 800 bo-
lívares. y otros a 1200 bolívares, con los que han obtenido 19.200 bolívares.
¿Cuántos libros han vendido de cada precio?
c) El día del estreno de una película se vendieron 600 entradas y se recaudaron

196.250 bolívares. Si los adultos pagaban 400 bolívares. y los niños 150.
¿Cuál es el número de adultos y niños que acudieron?
d) El otro día mi abuelo de 70 años de edad quiso repartir entre sus nietos
cierta cantidad de dinero. Si nos daba 300 bolívares. a cada uno le sobraba
600 bolívares. y si no daba 500 bolívares. le faltaba 1000. ¿Cuántos nietos
tiene? ¿Qué cantidad quería repartir?
e) Al preguntar en mi familia cuántos hijos son, yo respondo que tengo tantas

hermanas como hermanos y mi hermana mayor responde que tiene doble
número de hermanos que de hermanas. ¿Cuántos hijos e hijas somos?
f) Dos obreros trabajan 8 horas diarias en la misma empresa. El primero gana

500 bolívares diarios menos que el segundo; pero ha trabajado durante 30
jornadas mientras que el primero sólo 24. Si el primero ha ganado 33.000
bolívares más que el segundo calcula el salario diario de cada obrero.
7. Sean A, B, C tres matrices definidas por,

64 1. Matrices
   
1 2 −3 0 4 −3
a) A =  0 1 2 , c) C =  0 1 2 .
−1 2 0 −1 2 0
 
−1 2 0
b) B =  0 1 2 ,
1 2 −3
a) Encuentre una matriz elemental E tal que EA = B,
b) Encuentre una matriz elemental E tal que EA = C,
c) Encuentre una matriz elemental E tal que EB = A,
d) Encuentre una matriz elemental E tal que EB = C,
e) Encuentre una matriz elemental E tal que EC = A.
Vectores en Fn con n = 1, 2, 3, · · ·
2
A continuación se hará un estudio riguroso de los vectores y sus propiedades de una
manera algebraica y geométrica. Sin dejar a un lado las aplicaciones que fomentan el
estudio de los vectores y los fundamentos que se puedan dar en este tema.
Fueron muchos matemáticos que contribuyeron al desarrollo de los
vectores y sus propiedades, por lo cual es importante resaltar que,
según Brunce y Roland (2004), el matemático William Rowan Ha-
milton suele ser considerado como el irlandés más importante y en
cuyos aportes a la Matemáticas tenemos algunos de sus propios
métodos para trabajar con sistemas de ecuaciones lineales, tam-
bién introdujo el concepto de la ecuación característica de una
William Hamilton matriz. Durante los últimos 20 años de su vida, Hamilton dedicó
(1805 − 1865) la mayor parte de su creatividad Matemática para desarrollar la
teoría de un tipo especial de números que él denominó cuaterna-
rios, este trabajo preparó el terreno para perfeccionar la noción moderna de vector,
y todavía está en uso la noción i, j y k de Hamilton para representar los vectores
unitarios ordinarios en el espacio tridimensional.
2.1. Vectores en R2 y R3
Quizás el lector esté familiarizado con los vectores de R2 o R3 de la manera en que
se utiliza en Física e Ingeniería. En estas disciplinas, un vector se caracteriza por dos
aspectos (magnitud y dirección) y es representado por un segmento de recta dirigido,
son de gran importancia por sus representaciones geométricas precisas que ayudan a
comprender las definiciones más generales con relación al tema de vectores.
66 2. Vectores en Fn con n = 1, 2, 3, · · ·
Definición 2.1 Un vector en el plano (R2 ) se representa geométricamente por un

segmento de recta dirigido cuyo punto inicial es el origen y cuyo punto terminal
es (x1 , x2 ), como se muestra en la figura 2.1. Este vector se representa por el mismo
par ordenado usado para representar su punto terminal. Es decir,
x = (x1 , x2 ).
Las coordenadas x1 y x2 se denomina componentes del vector x. Dos vectores en

R2 , x = (x1 , x2 ) y y = (y1 , y2 ) son iguales, denotado por x = y si y sólo si x1 = y1 y
x2 = y 2 .
x2 (x1 , x2 )
x
x1 x
Figura 2.1: x1 y x2 son las componentes de x
Ejemplo 2.1

2 4
a) Sean x = −3, , y = −3, y2 − vectores de R2 . Determinar el valor de y2
3 3
para que x = y.
Solución. Por la definición 2.1, tenemos que x = y si
2 4
= y2 − .
3 3
Así, y2 = 2.

1 1
b) Sean x = −1 + x1 , ,y = 2, y1 − vectores de R2 . Determinar los valores
3 3
x1 y y1 para que x = y.
Solución. Por la definición 2.1, tenemos que x = y si
1 1
−1 + x1 = 2 y y1 − = .
3 3
2
Por lo tanto, x1 = 3 y y2 = .
3
2.1. Vectores en R2 y R3 67
Definición 2.2 Sean x = (x1 , x2 ) y y = (y1 , y2 ) vectores de R2 . Se define la suma

vectorial de x y y, denotado por x + y, mediante
x + y = (x1 + y1 , x2 + y2 ).
y
(x1 + y1 , x2 + y2 )
x2 (y1 , y2 )
y
y +
x
y2
(x1 , x2 )
x
x1 y1 x
Figura 2.2: Interpretación gráfica de x + y
Obsérvese que en la figura 2.2 el vector suma x + y coincide con la diagonal del
paralelogramo determinado por x y y cuando estos vectores se colocan de modo que
tienen el mismo punto inicial.
Obsevación 2.1 El vector cero de R2 , denotado por 0, se define como 0 = (0, 0).
Además, si x ∈ R2 , se tiene que x + 0 = 0 + x = x.
Ejemplo 2.2
a) Sean x = (5, −8), y = (−7, 9) vectores de R2 . Determinar x + y.

Solución. Por la definición 2.2, se tiene que
x + y = (5, −8) + (−7, 9)

= (5 − 7, −8 + 9)
= (−2, 1).
Por lo tanto, x + y = (−2, 1).


2 4
b) Sean x = , −6 , y = − , −9 vectores de R2 . Determinar x + y.
5 5

2 4
x+y = , −6 + − , −9
5 5

2 4
= − , −6 − 9
5 5

2
= − , −15 .
5

2
Por lo tanto, x + y = − , −15 .
5
y
x+y
Figura 2.3: Interpretación gráfica de x + y

Definición 2.3 Sean α ∈ R y x = (x1 , x2 ) un vector de R2 . Se define la multiplica-

ción del escalar α por x, denotado por α · x, mediante
α · x = (αx1 , αx2 ).
y
(αx1 , αx2 )
α·x
αx2 (x1 , x2 )
x2
x
x1 x
αx1
Figura 2.4: x1 y x2 son las componentes de x

3 7
Ejemplo 2.3 Sea x = ,− . Determinar 10 · x.
5 10

3 7
10 · x = 10 · ,−
5 10
= (6, −7).
Por lo tanto, 10 · x = (6, −7).

y
x x
10 · x
Figura 2.5: Representación gráfica de 10 · x

Obsevación 2.2 La multiplicación del escalar −1 por el vector x se denota por
−x = (−1)x.
−x se denomina negativo de x. Es decir, si x = (x1 , x2 ) ∈ R2 , entonces el negativo

de x viene dado por −x = (−1)x = (−x1 , −x2 ) (figura 2.6 (a)).
Además, si x, y son vectores de R2 . Se define la diferencia de y con respecto a x,
denotado por x − y, mediante
x − y = x + (−y).
Es decir, si x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2 , se tiene que x − y = (x1 − y1 , x2 − y2 )

(figura 2.6 (b)).
y y
x2 · (x1 , x2 ) x2
x x
x − y2
y y
−x1
x1 x −y x1 y1 x
−x
−x2
(−x1 , −x2 )
Figura 2.6: Interpretación gráfica de: (a) El negativo de x y (b) El vector x − y
Actividad 1. Supongan que dos navegantes que no se pueden ver entre sí, pero que
se pueden comunicar por radio, quieren determinar la posición relativa de sus barcos.
Explicar cómo lo pueden hacer si cada uno tiene la capacidad de determinar su vector
de desplazamiento al mismo faro.
Figura 2.7: Se puede usar métodos vectoriales para localizar objetos

Solución. Supongamos que P1 y P2 son las posiciones de los barcos, y sea Q la posición
del faro. El desplazamiento del i−ésimo barco al faro es el vector di que uno a Pi con
Q. El desplazamiento del primer barco al segundo es el vector d que une a P1 con
P2 como se puede observar en la figura 2.7. Luego por la definición 2.2 tenemos que
d + d2 = d1 de modo que d = d1 − d2 . Esto es, el desplazamiento de un barco hasta el
otro es la diferencia entre los desplazamientos desde los barcos hasta el faro.
Ejemplo 2.4

1 4
a) Sean x = − , −3 , y = , −2 vectores de R2 . Determinar el vector x − y.
5 5
Solución. Por la observación 2.2, se tiene que

1 4
x−y = − , −3 − , −2
5 5

1 4
= − − , −3 + 2
5 5
= (−1, −1) .
Por lo tanto,
x − y = (−1, −1) .
b) Sean x = (3, −4) , y = (−7, −2) vectores de R2 . Determinar el vector x − 2 · y.
2 · y = 2 · (−7, −2)
= (−14, −4).
Entonces,
2 · y = (−14, −4).
Por otro lado por la observación 2.2 tenemos que,
x − 2 · y = (3, −4) − (−14, −4)

= (3 + 14, −4 + 4)
= (17, 0).
Así,
x − 2 · y = (17, 0).
Teorema 2.1 Sean x, y, z vectores en R2 y α, β ∈ R. Entonces,
1. x + y es un vector de R2 ,
2. x + y = y + x,
3. (x + y) + z = x + (y + z),
4. x + 0 = x,
5. x − x = 0,
6. α · x es un vector de R2 ,
7. α(β · x) = (αβ) · x,
8. α(x + y) = α · x + α · y,
9. (α + β) · x = α · x + β · x,
10. 1 · x = x.
Prueba.
1. Sean x = (x1 , x2 ) y y = (y1 , y2 ) vectores de R2 .
Queremos probar que x + y es un vector de R2 .
Como x, y vectores de R2 . Se tiene que,
x + y = (x1 , x2 ) + (y1 , y2 ) (por hipótesis )

= (x1 + y1 , x2 + y2 ). (por la definición 2.2)
Por lo tanto, x + y es un vector de R2 .

Pues x1 + y1 y x2 + y2 son elementos de R.
3. Sean x = (x1 , x2 ), y = (y1 , y2 ) y z = (z1 , z2 ) vectores de R2 .

Queremos probar que
(x + y) + z = x + (y + z).
Como x, y y z son vectores de R2 . Se tiene que,
(x + y) + z = ((x1 , x2 ) + (y1 , y2 )) + (z1 , z2 ) (por hipótesis )

= (x1 + y1 , x2 + y2 ) + (z1 , z2 ) (por la definición 2.2)
= ((x1 + y1 ) + z1 , (x2 + y2 ) + z2 ) (por la definición 2.2)
= (x1 + (y1 + z1 ), x2 + (y2 + z2 )) (por propiedades en R)
= (x1 , x2 ) + ((y1 + z1 ), (y2 + z2 )) (por la definición 2.2)
= (x1 , x2 ) + ((y1 , y2 ) + (z1 , z2 )) (por la definición 2.2)
= x + (y + z).
En conclusión, (x + y) + z = x + (y + z).
5. Sea x = (x1 , x2 ) un vector de R2 . Queremos probar que x − x = 0.
Como x es un vectores de R2 . Se tiene que,
x − x = (x1 , x2 ) − (x1 , x2 ) (por hipótesis )

= (x1 , x2 ) + (−x1 , −x2 ) (por la observación 2.2)
= (x1 − x1 , x2 − x2 ) (por la definición 2.2)
= (0, 0) (por la definición del opuesto aditivo en R)
= 0. (por la observación 2.1)
Así, x − x = 0.
7. Sean α, β ∈ R y x = (x1 , x2 ) un vector de R2 . Queremos probar que α(β·x) = (αβ)·x.
α(β · x) = α(β · (x1 , x2 )) (por hipótesis )

= α(βx1 , βx2 ) (por la definición 2.3)
= (α(βx1 ), α(βx2 )) (por la definición 2.3)
= ((αβ)x1 ), (αβ)x2 )) (por la propiedad asociativa de R)
= (αβ) · (x1 , x2 )) (por la definición 2.3)
= (αβ) · x.
Entonces, α(β · x) = (αβ) · x.

9. Sean α, β ∈ R y x = (x1 , x2 ) un vector de R2 . Queremos probar que (α + β) · x =
α · x + β · x.
(α + β) · x = (α + β) · (x1 , x2 ) (por hipótesis )

= ((α + β)x1 , (α + β)x2 ) (por la definición 2.3)
= (αx1 + βx1 , αx2 + βx2 ) (por la propiedad distributiva de R)
= (αx1 , αx2 ) + (βx1 , βx2 ) (por la definición 2.3)
= α · (x1 , x2 ) + β · (x1 , x2 ) (por la definición 2.3)
= α · x + β · x.
Por lo tanto, (α + β) · x = α · x + β · x.
Así como los vectores en el plano se puede describir como parejas de números reales,
los vectores en R3 se pueden describir por ternas de números reales. Es decir, cada
vector p en R3 corresponde una terna de números (x1 , y1 , z1 ) denominados coordenadas
de p (figura 2.8).
z z
z1 z1
(x1 , y1 , z1 ) (x1 , y1 , z1 )
b b
y y
y1 y1
x1 x1
x x
Figura 2.8: Interpretación gráfica del punto (x1 , y1 , z1 ) y el vector p
Definición 2.4 Sean x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) vectores en R3 y α ∈ R. Se tiene

que,
1. x = y si, y sólo si, x1 = y1 , x2 = y2 , x3 = y3 ,

2. x + y = (x1 + y1 , x2 + y2 , x3 + y3 ),
3. α · x = (αx1 , αx2 , αx3 ).
Obsevación 2.3 El vector cero de R3 , denotado por 0, se define como 0 = (0, 0, 0).
Además, si x = (x1 , x2 , x3 ) entonces el inverso aditivo de x denotado por −x, se
define por −x = (−x1 , −x2 , −x3 ). La diferencia de los vectores en R3 se define por,
x − y = x + (−y).
Es importante destacar que si un objeto tiene vector de velocidad (constante) v, en-

tonces en t segundos su vector desplazamiento resultante es d = t · v.
·
d=t·v
v
Desplazamiento en el tiempo t
·
Figura 2.9: Se puede usar métodos vectoriales para localizar objetos
Actividad 2. Un ave va volando en linea recta con un vector velocidad (10, 6, 1) (en
kilómetro por hora). Supongamos que (x, y) son sus coordenadas en tierra y z su altura.
Si en cierto momento el ave esta el la posición (2, 1, 3), ¿dónde estará en una hora
después? y ¿en un minuto después?
Solución. El vector desplazamiento desde (2, 1, 3) después de una hora es (10, 6, 1),
por lo tanto la nueva posición es (2, 1, 3) + (10, 6, 1) = (12, 7, 4).

1 1 1 1
Después de 1 minuto, el vector desplazamiento desde (2, 1, 3) es (10, 6, 1) = , , ,
60 6 10 60
1 1 1 13 11 181
de modo que la nueva posición es (2, 1, 3) + , , = , , .
6 10 60 6 10 60
Ejemplo 2.5
a) Sean u = (3, −8, 7) y w = (−8, 9, −10) vectores en R3 . Determinar v + w.

Solución. Por la definición 2.4(2), se tiene que
u + w = (3, −8, 7) + (−8, 9, −10) = (−5, 1, −3).
Por lo tanto, u + w = (−5, 1, −3).

z
(3, −8, 7)
•
(−5, 1, −3)
•
u u +w
y
w •
(−8, 9, −10)
x
Figura 2.10: Interpretación gráfica del vector u + w
b) Sean u = (−1, 2, 0) y w = (1, 2, −1) vectores en R3 . Determinar u − 2 · w.

Solución. Por la definición 2.4(3), tenemos que
2 · w = 2 · (1, 2, −1)
= (2, 4, −2).
Entonces, 2 · w = (2, 4, −2).

Luego, por la observación 2.3. Tenemos que,
u − 2 · w = (−1, 2, 0) − (2, 4, −2)

= (−1 − 2, 2 − 4, 0 − (−2))
= (−3, −2, 2).
Así, u − 2 · w = (−3, −2, 2).

z
(−3, −2, 2)
•
·w
u−2
(−1, 2, 0)
•
u
y
w
•
(1, 2, −1)
2·w
•
x (2, 4, −2)
Figura 2.11: Interpretación gráfica del vector u + w

2
c) Sean u = (−6, 12, −3) y w = (−8, 9, −10) vectores en R3 . Determinar w − · u.
3
Solución. Por la definición 2.4(3), tenemos que
2
· u = 32 (−6, 12, −3)
3
= (−4, 8, −2).
2
Por lo tanto, · u = (−4, 8, −2).
3
Luego, por la observación 2.3. Tenemos que,
2
w− · u = (−8, 9, −10) − (−4, 8, −2)
3
= (−8 − (−4), 9 − 8, −10 − (−2))
= (−4, 1, −8).
Así,
2
w− · u = (−6, 1, −8).
3
Obsevación 2.4 Si un vector z se coloca de modo que su punto inicial es P1 =
−−−→
(x1 , y1 , z1 ) y como punto final P2 = (x2 , y2 , z2 ), denotado por P1 P2 (figura 2.12),
entonces el vector z viene dado por
−−−→
P1 P2 = (x2 − x1 , y2 − y1 , z2 − z1 ).
−−−→
• P1 P2
•
−−→
OP1 −−→
OP2
Figura 2.12: Interpretación gráfica del vector z

Ejemplo 2.6 Sean P1 = (−5, 7, −4) y P2 = (8, 6, −5) elementos de R3 . Determinar

−−−→
el vector u = P1 P2 .
Solución. Por la observación 2.4. Se tiene que,

−−−→
P1 P2 = (8 − (−5), 6 − 7, −5 − (−4)) = (13, −1, −1).
Por lo tanto, u = (13, −1, −1).

5 √ 9 √
Ejemplo 2.7 Sean P1 = − , 0, 3 y P2 = , 6, 12 elementos de R3 . Deter-
2 2
−−−→
minar el vector u = P1 P2 .
Solución. Por la observación 2.4. Se tiene que,

−−−→ 9 5 √ √ √
P1 P2 = − − , 6 − 0, 2 3 − ( 3) = 7, 6, 3 .
2 2
√
Así, u = (7, 6, 3).
Teorema 2.2 Sean x, y, z vectores en R3 y α, β ∈ R. Entonces,
1. x + y es un vector de R3 ,
2. x + y = y + x,
3. (x + y) + z = x + (y + z),
4. x + 0 = x,
5. x − x = 0,
6. α · x es un vector de R3 ,
7. α(β · x) = (αβ) · x,
8. α(x + y) = α · x + α · y,
9. (α + β) · x = α · x + β · x,
10. 1 · x = x.
Prueba.
1. Sean x = (x1 , x2 , x3 ) y y = (y1 , y2 , y3 ) vectores de R3 . Queremos probar que x + y
es un vector de R3 .
Como x, y vectores de R3 . Se tiene que,
x + y = (x1 , x2 , x3 ) + (y1 , y2 , y3 ) (por hipótesis )

= (x1 + y1 , x2 + y2 , x3 + y3 ). (por la definición 2.4(2))
Por lo tanto, x + y es un vector de R3 . Pues x1 + y1 , x2 + y2 y x3 + y3 son elementos

de R.
3. Sean x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) y z = (z1 , z2 , z3 ) vectores de R3 . Queremos
probar que (x + y) + z = x + (y + z).
Como x, y y z son vectores de R3 . Se tiene que,
(x + y) + z = ((x1 , x2 , x3 ) + (y1 , y2 , y3 )) + (z1 , z2 , z3 ) (por hipótesis )
= (x1 + y1 , x2 + y2 , x3 + y3 ) + (z1 , z2 , z3 ) (definición 2.4(2))
= ((x1 + y1 ) + z1 , (x2 + y2 ) + z2 , (x3 + y3 ) + z3 ) (definición 2.4(2))
= (x1 + (y1 + z1 ), x2 + (y2 + z2 ), x3 + (y3 + z3 )) (propiedades de R)
= (x1 , x2 , x3 ) + ((y1 + z1 ), (y2 + z2 ), (y3 + z3 )) (definición 2.4(2))
= (x1 , x2 , x3 ) + ((y1 , y2 , y3 ) + (z1 , z2 , z3 )) (definición 2.4(2))
= x + (y + z).
Así,
(x + y) + z = x + (y + z).
5. Sea x = (x1 , x2 , x3 ) un vector de R3 . Queremos probar que x − x = 0.
x − x = (x1 , x2 , x3 ) − (x1 , x2 , x3 ) (por hipótesis )

= (x1 , x2 , x3 ) + (−x1 , −x2 , −x3 ) (por la definición 2.4(3))
= (x1 − x1 , x2 − x2 , x3 − x3 ) (por la definición2.4(2))
= (0, 0, 0) (por propiedades de R)
= 0.
Entonces, x − x = 0.
7. Sean α, β ∈ R y x = (x1 , x2 , x3 ) un vector de R3 . Queremos probar que α(β · x) =

(αβ) · x.
α(β · x) = α(β · (x1 , x2 , x3 )) (por hipótesis )

= α(βx1 , βx2 , βx3 ) (por la definición 2.4(3))
= (α(βx1 ), α(βx2 ), α(βx3 )) (por la definición 2.4(3))
= ((αβ)x1 ), (αβ)x2 ), (αβ)x3 )) (por propiedades de R)
= (αβ) · (x1 , x2 , x3 )) (por la definición 2.4(3))
= (αβ) · x.
Por lo tanto,
α(β · x) = (αβ) · x.
9. Sean α, β ∈ R y x = (x1 , x2 , x3 ) un vector de R3 . Queremos probar que (α + β) · x =
α · x + β · x.
(α + β) · x = (α + β) · (x1 , x2 , x3 ) (por hipótesis )

= ((α + β)x1 , (α + β)x2 , (α + β)x3 ) (por la definición 2.4(3))
= (αx1 + βx1 , αx2 + βx2 , αx3 + βx3 ) (por propiedades de R)
= (αx1 , αx2 , αx3 ) + (βx1 , βx2 , βx3 ) (por la definición 2.4(2))
= α · (x1 , x2 , x3 ) + β · (x1 , x2 , x3 ) (por la definición 2.4(3))
= α · x + β · x.
Por lo tanto,
(α + β) · x = α · x + β · x.
Definición 2.5 Sea x = (x1 , x2 ) un vector de R2 . Se define la norma euclidiana de

x, denotado por kxk, mediante (figura 2.13 (c)),
q
kxk = x21 + x22 .
Además, si p = (x1 , y1 , z1 ) es un vector de R3 , entonces la norma del vector p viene

dada por (figura 2.13 (d)), q
kpk = x21 + y12 + z12 .
z
z1
(x1 , y1 , z1 )
b
y kpk
x2 (x1 , x2 )
kxk y
y1
x1
x1 x
x
Figura 2.13: Interpretación gráfica de: (c) kxk, en R2 y (d) kpk, en R3
Actividad 3. Sobre la alcayata (gancho metálico afincado en un muro) da la figura

2.14 actúan dos fuerzas de 150 y 275 Newtons que forman entre si un ángulo θ grados.
Si θ = 30◦ , hallar la magnitud de la fuerza resultante (suma de vectores).
y
180 N
F1
θ F2 275 N
x
Figura 2.14: Representación gráfica de las fuerzas

Solución. A la vista de la figura 2.14, podemos representar las fuerzas ejercidas por
las dos personas por
F1 = 180 · (cos(30◦ ), sen(30◦ ))

= (180cos(30◦ ), 180sen(30◦ ))
√
= (90 3, 90)
F2 = 275 · (cos(0◦ ), sen(0◦ ))
= (275, 0).
La fuerza resultante se obtiene sumando esas dos fuerza. Es decir,
F = F1 + F2
√
= (90 3, 90) + (275, 0)
√
= (275 + 90 3, 90).
Por lo tanto, q √
kF k = (275 + 90 3)2 + (90)2
√
≈ 185661, 51 + 8100
√
= 193761, 51
≈ 440, 18.
Esto quiere decir que, la fuerza resultante es aproximadamente 440, 18 N ew.
Ejemplo 2.8
a) Sea u = (−3, 4) un vector de R2 . Determinar la norma de u.

Solución. Por la definición 2.5. Se tiene que,
p
kuk = (−3)2 + (4)2
√
= 9 + 16
√
= 25
= 5.
Por lo tanto,
kuk = 5.
√ !
1 2 1
b) Sea w = − , , un vector de R3 . Determinar la norma euclidiana de w.
2 2 2
v
u 2 √ !2 2
u 1 2 1
kwk = t − + +
2 2 2
r
1 2 1
= + +
4 4 4
= 1.
Así, kwk =
1.
3
c) Sea v = − , 1 un vector de R2 . Determinar la norma de v.
4
s
3 2
kvk = − + (1)2
4
5
= .
4
5
Por lo tanto, kvk = .
4
Teorema 2.3 Sean u un vector en R2 o R3 y α ∈ R. Entonces,
kα · uk = |α|kuk.
Prueba.
Caso (I). Supongamos que u = (u1 , u2 ) es un vector de R2 . Entonces,
kα · uk = kα · (u1 , u2 )k
= k(αu1 , αu2 )k (por la definición 2.3)
p
= (αu1 )2 + (αu2 )2 (por la definición 2.5)
p
= α2 u21 + α2 u22 (por propiedades de R)
p
= |α| u21 + u22 (por propiedades de R)
= |α|kuk.
Por lo tanto, kα · uk = |α|kuk.

Caso (II). Supongamos que u = (u1 , u2 , u3 ) es un vector de R3 . Entonces,
kα · uk = kα · (u1 , u2 , u3 )k
= k(αu1 , αu2 , αu3 )k (por la definición 2.4(3))
p
= (αu1 )2 + (αu2 )2 + (αu3 )2 (por la definición 2.5)
p
= α2 u21 + α2 u22 + α2 u23 (por propiedades de R)
p
= |α| u21 + u22 + u23 (por propiedades de R)
= |α|kuk.
Así, kα · uk = |α|kuk.
Obsevación 2.5 Si kuk = 1, entonces u se llama un vector unitario.

√ !
1 2 1
Ejemplo 2.9 Sea w = − , , un vector de R3 . Determinar si w es un vector
2 2 2
unitario.
Solución. Por el ejemplo 2.8(b), se tiene que kwk = 1. Por lo tanto, w en un vector
unitario.
Ejemplo 2.10 Sea w = (−1, 0, 0) un vector de R3 . Determinar si w es un vector

unitario.
p
Solución. Como kwk = (−1)2 + 02 + 02 = 1. Por lo tanto, w en un vector unitario.
Definición 2.6 Sean P1 = (x1 , y1 , z1 ), P2 = (x2 , y2 , z2 ) ∈ R3 . Se define la distancia

−−−→
entre P1 y P2 , denotado por d(P1 , P2 ), como la norma del vector P1 P2 . Es decir,
−−−→ p
d(P1 , P2 ) = kP1 P2 k = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .
Obsevación 2.6 Sean P1 = (x1 , y1 , z1 ), P2 = (x2 , y2 , z2 ) ∈ R3 , la distancia entre P1 y

P2 , puede considerase como la norma de P2 − P1 (figura 2.15). Es decir,
p
kP2 − P1 k = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .
De manera similar, si P1 = (x1 , y1 ), P2 = (x2 , y2 ) ∈ R2 entonces la distancia entre P1

y P2 está dada por
p
d(P1 , P2 ) = kP2 − P1 k = (x2 − x1 )2 + (y2 − y1 )2 .
• d(P1 , P2 )
•
−−→
OP1 −−→
OP2
Figura 2.15: Interpretación gráfica de d(P1 , P2 )
Los vectores unitarios (1, 0) y (0, 1) se le llaman vectores unitarios canónicos del
plano y se denotan por,
i = (1, 0) y j = (0, 1).
1 j
i
1 x
Figura 2.16: Vector unitarios canónicos i, j
En términos de los vectores i y j, se puede expresar cualquier vector del plano como
sigue,
u = (u1 , u2 ) = u1 · (1, 0) + u2 · (0, 1) = u1 · i + u2 · j.
El vector u = (u1 , u2 ) = u1 · (1, 0) + u2 · (0, 1) = u1 · i + u2 · j se llama combinación lineal
de i y j. Los escalares u1 y u2 se llaman, respectivamente, componente horizontal
y componente vertical de u.
Si u es un vector unitario y θ el ángulo, en sentido anti-horario desde el semieje x

positivo hasta u, el punto final de u está en el círculo unidad (figura 2.17).
y
1
(cos(θ), sen(θ))
u sen(θ)
θ
1 x
cos(θ)
Figura 2.17: Vector unitarios canónicos i, j
Entonces,
u = (cos(θ), sen(θ)) = cos(θ) · i + sen(θ) · j.
Además, cualquier otro vector no nulo w que forme con el semieje x positivo un ángulo
θ tiene la misma dirección que u, de manera que
w = kwk · (cos(θ), sen(θ)) = kwkcos(θ) · i + kwksen(θ) · j.
Actividad 4. La vista desde el helicóptero en la figura 2.18 muestra a dos personas

que jalan a una obstinada mula. Encuentre la única fuerza que es equivalente a las dos
fuerzas indicadas.
Figura 2.18: Fuerza resultante

Solución. A la vista de la figura 2.18, podemos representar las fuerzas ejercidas por
las dos personas por
F1 = 120 · (cos(60◦ ), sen(60◦ ))

= 120cos(60◦ ) · i + 120sen(60◦ ) · j
F2 = 80 · (cos(105◦ ), sen(105◦ ))
= 80cos(105◦ ) · i + 80sen(105◦ ) · j.
La fuerza resultante se obtiene sumando esas dos fuerza. Es decir,
F = F1 + F2
= 120cos(60◦ ) · i + 120sen(60◦ ) · j + 80cos(105◦ ) · i + 80sen(105◦ ) · j
= 800cos(20◦ ) · i
≈ 39, 29 · i + 181, 19 · j.
Por lo tanto, p
kF k = (39, 29)2 + (181, 19)2
√
= 1543, 7041 + 32829, 8161
√
= 34373, 5206
≈ 185, 4.
Esto quiere decir que, la fuerza resultante es aproximadamente 185, 4 N ew.
Ejemplo 2.11
El vector u tiene longitud 5 y forma un ángulo de 60◦ con el semieje positivo. Escribir
u como combinación lineal de i y j.
Solución. Dado que el ángulo entre u y el semieje x positivo es θ = 30◦ , podemos
escribir
u = kukcos(θ) · i + kuksen(θ) · j
= 5cos(60◦ ) · i + 5sen(60◦ ) · j
√
5 5 3
= ·i+ · j.
2 2
Así, √
5 5 3
u= ·i+ · j.
2 2
Ejemplo 2.12 Sean P1 = (−3, 2, −5) y P2 = (4, −5, −9) elementos de R3 . Determinar
la distancia entre los puntos P1 y P2 .

p
d(P1 , P2 ) = (4 − (−3))2 + (−5 − 2)2 + (−9 − (−5))2
p
= 72 + (−7)2 + (−4)2
√
= 114.
Por lo tanto, √
d(P1 , P2 ) = 114.
Actividad 5. Un avión se mueve a altitud constante y con influencia despreciable
del viento en dirección 30◦ norte-oeste (véase la figura 2.19) a una velocidad de 500
millas/h. Al llegar a un cierto punto, el avión encuentra un viento que sopla a 70
millas/h en dirección 45◦ norte-este. ¿Cuál es la velocidad resultante y su dirección?
v1
120◦
Figura 2.19: Dirección sin viento
Solución. La figura 2.19 indica que podemos presentar la velocidad del avión por
vector
v1 = 500cos(120◦ ) · i + 500sen(120◦ ) · j.
La velocidad del viento, a su vez, se puede representar por el vector
v2 = 70cos(45◦ ) · i + 70sen(45◦ ) · j.
La velocidad resultante del avión es
v = v1 + v2
= 500cos(120◦ ) · i + 500sen(120◦ ) · j + 70cos(45◦ ) · i + 70sen(45◦ ) · j
≈ −200, 5 · i + 482, 5 · j.
2.2. Producto punto euclidiano en R2 y R3 89
Con el fin de hallar la magnitud y dirección del vector v, escribimos
v = kvk(cos(θ) · i + sen(θ) · j).

p
Como kvk ≈ (−200, 5)2 + (482, 5)2 ≈ 522, 5. Entonces,

200, 5 482, 5
v = 522, 5 − ·i+ ·j
522, 5 522, 5
≈ 522, 5[cos(112, 6◦ ) · i + sen(112, 6◦ ) · j].
Por lo tanto,
v ≈ 522, 5[cos(112, 6◦ ) · i + sen(112, 6◦ ) · j].
v2
v
v1
Viento
112, 6◦
Figura 2.20: Dirección con viento
La nueva velocidad del avión, por influencia del viento es de unas 522, 5 millas/h y en
una dirección que forma el ángulo de 112, 6◦ con el semieje x positivo como se muestra
en la figura 2.20.
2.2. Producto punto euclidiano en R2 y R3

Hasta este momento se ha trabajado con la suma de vectores y multiplicación de un
escalar por un vector, dando como resultado un vector, a continuación se introduce
una tercera operación que se le llama producto punto cuyo resultado no es un vector,
sino un número.
Definición 2.7 Sean u = (u1 , u2 , u3 ) y w = (w1 , w2 , w3 ) vectores en R3 . Se define el

producto punto euclidiano de u y w, denotado por ≺ u, w ≻, mediante
≺ u, w ≻= u1 w1 + u2 w2 + u3 w3 .
Si u = (u1 , u2 ) y w = (w1 , w2 ) son vectores en R2 , entonces
≺ u, w ≻= u1 w1 + u2 w2 .
Obsevación 2.7 Sean u = (u1 , u2 , u3 ) y w = (w1 , w2 , w3 ) dos vectores diferentes de

cero. Consideremos θ (0 ≤ θ ≤ π) el ángulo entre u y w como se muestra en la figura
2.21. Entonces por la ley de los cosenos se obtiene que
kw − uk2 = kuk2 + kwk2 − 2kukkwkcos(θ).
z
b
kw − uk
u
b
w
θ
Figura 2.21: Ángulo entre dos vectores
Como,
kw − uk2 = (w1 − u1 )2 + (w2 − u2 )2 + (w3 − u3 )2

= w12 − 2w1 u1 + u21 + w22 − 2w2 u2 + u22 + w32 − 2w3 u3 + u23 ,
kuk2 = u21 + u22 + u23 y kwk2 = w12 + w22 + w32 .

Entonces kw − uk2 − kuk2 − kwk2 = −2w1 u1 − 2w2 u2 − 2w3 u3 .
Luego,
u1 w1 + u2 w2 + u3 w3 ≺ u, w ≻
cos(θ) = = .
kukkwk kukkwk
Por otro lado, si u = (u1 , u2 ) y w = (w1 , w2 ) son vectores de R2 entonces
≺ u, w ≻= u1 w1 + u2 w2 .
Además, si los vectores son no nulos, se tiene que

u1 w1 + u2 w2 ≺ u, w ≻
cos(θ) = = .
kukkwk kukkwk
Actividad 6. Una carga está suspendida de tres cables, como muestra la figura 2.22,
calcular el ángulo que se forma entre A y B.
z
(0, −10, 10)
(0, 10, 10)
B
(4, −6, 10)
A
• y
Figura 2.22: Interpretación gráfica de los vectores A, B y C
Solución. Como A = (0, 10, 10) y B = (0, −10, 10). Se tiene que,
p √ p √
kAk = 102 + 102 = 10 2 y kBk = (−10)2 + 102 = 10 2.
Además por la definición 2.7, tenemos que
≺ A, B ≻= 0 − 100 + 100 = 0.
≺ A, B ≻ 0
Luego por observación 2.7, cos(θ) = = = 0.
kAkkBk 200
π
Por lo tanto, θ = arccos(0) = .
2
Se deja como actividad para los estudiantes calcular el ángulo que se forma entres los
vectores B y C.
Ejemplo 2.13
a) Consideremos los vectores u = (2, −1, 1) y w = (1, 1, 2). Determinar el ángulo entre
u y w.
≺ u, w ≻ = 2(1) + (−1)1 + 1(2)

= 2−1+2
= 3.
Por lo tanto, ≺ u, w ≻= 3.
p √ √ √
Además, kuk = 22 + (−1)2 + 12 = 6 y kwk = 12 + 12 + 22 = 6.
Luego por la observación 2.7, tenemos que
3
cos(θ) = √ √
6 6
1
= .
2
Así, θ = 600 .
b) Consideremos los vectores u = (3, 0, −3) y w = (3, −7, 3). Determinar el ángulo
entre u y w.
≺ u, w ≻ = 3(3) + 0(−7) + (−3)3

= 0.
Entonces, ≺ u, w ≻=p0. √ p √
Por otro lado, kuk = 32 + 02 + (−3)2 = 18 y kwk = (3)2 + (−7)2 + (3)2 = 67.
Luego por la observación 2.7, tenemos que
0
cos(θ) = √ √
18 67
= 0.
Esto quiere decir que, θ = 900 .
Obsevación 2.8 Observe que los números kuk y kwk siempre son positivos, entonces
≺ u, w ≻ y cos(θ) tendrán el mismo signo. Además, dado que es coseno es positivo en
el primer cuadrante y negativo en el segundo cuadrante, entonces el signo del producto
punto de dos vectores puede usarse para determinar si el ángulo entre ellos es agudo o
obtuso, como se observa en la figura 2.23.
Dirección ≺ u, w ≻> 0 ≺ u, w ≻< 0 ≺ u, w ≻= 0 Misma

opuesta dirección
θ u θ
u
u
· ·
θ · ·
θ ·
u
−u u w w w w
π π
θ=π 0<θ< 2 2 <θ<π θ = π2 θ= π
2
Figura 2.23: Interpretación gráfica del ángulo θ entre u y w

Definición 2.8 Sean u y w vectores de R2 o R3 . Diremos que los vectores u y w son

ortogonales, denotado por u ⊥ w, si ≺ u, w ≻= 0.
Al observar la actividad 6, tenemos que los vectores A y B son ortogonales ya que

≺ A, B ≻= 0.
Ejemplo 2.14
a) Sean u = (1, −2, 3), w = (−3, 4, 2) y b = (3, 6, 3) un vector de R3 . Entonces,
≺ u, w ≻ = (1)(−3) + (−2)(4) + (3)(2) = −5.

≺ w, b ≻ = (−3)(3) + (4)(6) + (2)(3) = 21.
≺ u, b ≻ = (1)(3) + (−2)(6) + (3)(3) = 0.
Por lo tanto, u y w forma un ángulo obtuso, w y b forma un ángulo agudo y u y b son
ortogonales.
b) Determinar todos los vectores de R2 que son ortogonales a u = (4, 2).
Sea w = (x, y) un vector ortogonal a u. Entonces por la definición 2.8. Se tiene que,
≺ u, w ≻ = 4x + 2y
≺ u, w ≻ = 0
4x + 2y = 0
y = 2x.
Por lo tanto, todo vector ortogonal a u es de la w = (t, 2t) = t · (1, 2) donde t es un

número real.
Obsevación 2.9 Sean u y w vectores de R2 o R3 . Diremos que los vectores u y w son

paralelos, denotado por u//w, si existe un escalar k ∈ R tal que u = k · w.
Actividad 7. Si María en su carro se traslada en linea recta desde el punto P =

(2, 2, −1) hasta Q = (2, 4, 1). Luego de cierto tiempo se traslada del punto Q = (2, 4, 1)
hasta llegar a R = (2, 7, 4) en linea recta. ¿Qué recorrido da María en su carro desde
el punto (2, 2, −1) hasta (2, 7, 4)?
Solución. Como María se traslada en su carro del punto P = (2, 2, −1) al punto
−−→
Q = (2, 4, 1) en linea recta entonces, por la observación 2.4 tenemos que P Q = (2 −
2, 4 − 2, 1 + 1) = (0, 2, 2). Luego, se traslada del punto Q = (2, 4, 1) hasta R = (2, 7, 4)
−−→
en linea recta. Esto es, QR = (2 − 2, 7 − 4, 4 − 1) = (0, 3, 3).
2
Tomemos k = , se tiene que,
3
−
−→ 2
k · QR = · (0, 3, 3)
3
= (0, 2, 2) .
−−
→ −−
→ −−→ −−→
Así, existe k ∈ R tal que P Q = k · QR. Esto quiere decir que, P Q//QR .
El recorrido de María en su carro desde el punto (2, 2, −1) hasta (2, 7, 4) es en linea
recta.

1 1 1 1
Ejemplo 2.15 Sean u = , , 10 y w = , , 2 . Determinar si u//w.
2 3 10 15
Solución. Para que u//w debe existe un escalar k ∈ R, tal que u = k · w. Tomemos
k = 5, se tiene que,

1 1
k·w = 5· , ,2
10 15

5 5
= , , 10
10 15

1 1
= , , 10 .
2 3
Por lo tanto, existe k ∈ R tal que u = k · w, esto quiere decir que u//w .
Teorema 2.4 Sean u, v, w vectores de R2 o R3 y k es cualquier escalar de R. Entonces,
1. ≺ u, w ≻=≺ w, u ≻,
2. ≺ u, w + v ≻=≺ u, w ≻ + ≺ u, v ≻,
3. k ≺ u, w ≻=≺ ku, w ≻=≺ u, kw ≻,
4. ≺ u, u ≻≥ 0. Además, ≺ u, u ≻= 0 si, y sólo si, u = 0,
5. ≺ u, u ≻= kuk2 .
Prueba.
1. Sean u = (u1 , u2 ) y w = (w1 , w2 ) vectores en R2 . Entonces,
≺ u, w ≻ = u1 w1 + u2 w2 (por la definición 2.7)

= w1 u1 + w2 u2 (por propiedades de R)
= ≺ w, u ≻ . (por la definición 2.7)
Por lo tanto, ≺ u, w ≻=≺ w, u ≻ .
Si u y w son vectores en R3 , aplicando el mismo razonamiento de la prueba anterior,
se tiene que
≺ u, w ≻=≺ w, u ≻ .
3. Sean u = (u1 , u2 ), w = (w1 , w2 ) vectores en R2 y k ∈ R. Entonces,
k ≺ u, w ≻ = k(u1 w1 + u2 w2 ) (por la definición 2.7)

= (ku1 )w1 + (ku2 )w2 (por propiedades de R)
= ≺ ku, w ≻ (por la definición 2.7)
De manera análoga se prueba que, k ≺ u, w ≻=≺ u, kw ≻.

Así, k ≺ u, w ≻=≺ ku, w ≻=≺ u, kw ≻ .
se tiene que
k ≺ u, w ≻=≺ ku, w ≻=≺ u, kw ≻ .
5. Sea u = (u1 , u2 ) un vectores en R2 . Entonces,
≺ u, u ≻ = u1 u1 + u2 u2 (por la definición 2.7)

= u21 + u22 (por propiedades de R)
= kuk2 . (por la observación 2.8).
Por lo tanto, ≺ u, u ≻= kuk2 .

se tiene que ≺ u, u ≻= kuk2 .
Teorema 2.5 Sean u, w vectores de R2 o R3 . Entonces,
1. | ≺ u, w ≻ | ≤ kukkwk, (Desigualdad de Cauchy-Schwarz)
2. ku + wk ≤ kuk + kwk, (Desigualdad triangular)
3. Si u y w son ortogonales, entonces ku + wk2 = kuk2 + kwk2 .

Prueba.
1. Sean u y w vectores en R2 .
Caso I. Supongamos que u = (0, 0) = 0, entonces:
| ≺ u, w ≻ | = | ≺ 0, w ≻ | (por hipótesis)
= 0 (por la definición 2.7)
kukkwk = k0kkwk (por hipótesis)
= 0. (por la definición 2.5)
Así,
| ≺ u, w ≻ | = kukkwk.
Caso II. Supongamos que u 6= 0, sea t ∈ R y consideremos el vector z = t · u + w.
Luego, por el teorema 2.4(4), se tiene que ≺ z, z ≻≥ 0. Así,
≺ z, z ≻ = ≺ t · u + w, t · u + w ≻ (por hipótesis)
= t2 ≺ u, u ≻ +2t ≺ u, v ≻ + ≺ w, w ≻ . (por el teorema 2.4)
Entonces,
t2 ≺ u, u ≻ +2t ≺ u, v ≻ + ≺ w, w ≻≥ 0.
Ahora, con a =≺ u, u ≻, b = 2 ≺ u, v ≻ y c =≺ w, w ≻, se obtiene la desigualdad
cuadrática at2 + bt + c ≥ 0. Como ésta desigualdad nunca es negativa, o bien, no
tiene raíces reales o tiene una sola raíz real respectiva. Sin embargo, por la fórmula
cuadrática, lo anterior implica que el discriminante b2 − 4ac es menor o igual a cero.
Es decir,
b2 − 4ac ≤ 0
b2 ≤ 4ac
(2 ≺ u, v ≻)2 ≤ 4 ≺ u, u ≻≺ w, w ≻
4 ≺ u, v ≻2 ≤ 4 ≺ u, u ≻≺ w, w ≻
≺ u, v ≻2 ≤ ≺ u, u ≻≺ w, w ≻
p √
≺ u, v ≻2 ≤ ≺ u, u ≻≺ w, w ≻
√ √
| ≺ u, v ≻ | ≤ ≺ u, u ≻ ≺ w, w ≻.
Por lo tanto,
| ≺ u, v ≻ | ≤ kukkwk.
2.3. Proyecciones ortogonales euclidianas 97

se tiene que
| ≺ u, v ≻ | ≤ kukkwk.
3. Sean u y w vectores en R2 . Por hipótesis los vectores u y w son ortogonales, entonces
por la definición 2.8, se tiene que ≺ u, w ≻= 0. Luego,
ku + wk2 = ≺ u + w ≻≺ u + w ≻ (por el teorema 2.4(5))

= kuk2 + 2 ≺ u, w ≻ +kwk2 (por el teorema 2.4)
= kuk2 + kwk2 . (por hipótesis)
Así,
ku + wk2 = kuk2 + kwk2 .
se tiene que
ku + wk2 = kuk2 + kwk2 .
2.3. Proyecciones ortogonales euclidianas

Hasta ahora sabemos que sumar vectores da como resultado un vector, pero en muchas
aplicaciones a la Física plantea el caso inverso, es decir, descomponer un vector como
suma de vectores componentes. A continuación se se hará un estudio riguroso de tal
situación de una manera algebraica y geométrica.
Sean u y b dos vectores de R2 o R3 , con b distinto de cero. El principal objetivo es
poder representar u como suma de dos vectores, uno paralelo a b y el otro vector
perpendicular a b. Si u y b se colocan de modo que sus puntos iniciales coincidan en un
punto Q, entonces es posible descomponer el vector u como sigue (figura 2.24). Trazar
el vector w1 que va de Q al pie de esta perpendicular. luego, se forma la diferencia
w2 = u − w1 .
w2 u w2 u u w2
Q w1 b Q b w1 w1 Q b
Figura 2.24: Interpretación gráfica de la proyección de u sobre w

Por la que figura 2.24, tenemos que w1 + w2 = w1 + (u − w1 ) = u. El vector w1 se

denomina proyección ortogonal euclidiana de u sobre b y se denota por proyb (u).
El vector w2 se denomina componente vectorial de u ortogonal al vector b. Como
w2 = u − w1 , entonces w2 = u − proyb (u).
Teorema 2.6 Sean u y b vectores en R2 o R3 , com b 6= 0. Entonces,

≺ u, b ≻
1. proyb (u) = · b,
kbk2
≺ u, b ≻
2. u − proyb (u) = u − · b.
kbk2
Prueba.
Del teorema 2.6 se hará la prueba del impar y el par se deja como actividad para los
estudiantes.
1. Sean u y b vectores en R2 com b 6= 0, w1 = proyb (u) y w2 = u − proyb (u). Como w1
es paralelo a b (figura 2.24), se tiene que existe k ∈ R tal que w1 = k · b.
Luego, u = w1 + w2 = k · b + w2 , ahora aplicamos producto punto en ambos miembros
de la igualdad con b se obtiene que
≺ u, b ≻=≺ k · b + w2 , b ≻ .
Por el teorema 2.4, se tiene que
≺ u, b ≻=≺ k · b + w2 , b ≻= kkbk2 + ≺ w2 , b ≻ .
≺ u, b ≻
Pero ≺ w2 , b ≻= 0, ya que w2 ⊥ b. Por lo tanto, k = .
kbk2
Por lo tanto,
≺ u, b ≻
w1 = proyb (u) = · b.
kbk2
Si u y b son vectores en R3 , aplicando el mismo razonamiento de la prueba anterior,
se tiene que
≺ u, b ≻
w1 = proyb (u) = · b.
kbk2
Actividad 8. Una lancha de 700 libras se encuentra sobre una rampa con 30◦ de
inclinación (figura 2.25). ¿Qué fuerza es necesaria para evitar que la lancha ruede
cuesta abajo?
y
w1
v
F
30◦ w1 = proyv (F)

x
Figura 2.25: Representación gráfica de F
Solución. Es importante resaltar que la fuerza de gravedad es vertical y hacia abajo,

por lo tanto se puede representarse por el vector F = −700 j. Como se puede observar
en la figura 2.25 tenemos que para hallar la fuerza requerida para impedir que descienda
por la rampa, proyectamos F sobre un vector unitario v en dirección de la rampa.
√
◦ ◦ 3 1
v = cos(30 ) · i + sen(30 ) · j = · i + · j.
2 2
Es decir, √
3 1
v= · i + · j.
2 2
Donde kvk = 1, luego por el teorema 2.6, se tiene que la proyección de F sobre v es
≺ F, v ≻
w1 = proyv (F) = · v =≺ F, v ≻ ·v = −350 · v.
kvk2
Esto es,
w1 = −350 · v.
Así, la magnitud de esta fuerza es 350. Esto quiere decir que la fuerza pedida es 350
libras.
Ejemplo 2.16 Sean u = (4, 2) y w = (3, 4) vectores de R2 . Determinar la proyección

de u sobre w y la componente vectorial de u ortogonal al vector w.
Solución.
Por el teorema 2.6(1). Se tiene que,
≺ u, w ≻
proyw (u) = ·w
kwk2
(4)(3) + (2)(4)
= · (3, 4)
(3)(3) + (4)(4)
20
= · (3, 4)
25

12 16
= , .
5 5
Por lo tanto,
12 16
proyw (u) = , .
5 5
Por otro lado, por el teorema 2.6(2), la componente vectorial de u ortogonal al vector
w se define por,
w2 = u − proyw (u).
Luego,

12 16
w2 = (4, 2) − ,
5 5

12 16
= 4− ,2 −
5 5

20 − 12 10 − 16
= ,
5 5

8 6
= ,− .
5 5
Así,
8 6
proyw (u) = ,− .
5 5
Los vectores en R3 , denominados vectores espaciales, aparecen en numerosas apli-

caciones, especialmente en Física. De hecho frecuentemente se utiliza una notación
especial para tales vectores, esto es
i = (1, 0, 0) denota el vector unitario en dirección x,

j = (0, 1, 0) denota el vector unitario en dirección y,
k = (0, 0, 1) denota el vector unitario en dirección z.
k •
• y
j
i
•
x
Figura 2.26: Interpretación gráfica de los vectores i, j, k
Obsevación 2.10
a) Cada vector u = (u1 , u2 , u3 ) en R3 se puede expresar de manera única de la siguiente

manera
u = (u1 , u2 , u3 ) = u1 · i + u2 · j + u3 · k.
b) Los vectores i, j y k son unitarios y son mutuamente ortogonales.
c) Las diversas operaciones vectoriales discutidas previamente se pueden expresar de
la siguiente manera.
Sean u = u1 · i + u2 · j + u3 · k, w = w1 · i + w2 · j + w3 · k vectores en R3 y α ∈ R.
Entonces,
1. u + w = (u1 + w1 ) · i + (u2 + w2 ) · j + (u3 + w3 ) · k,
2. α · u = αu1 · i + αu2 · j + αu3 · k,

√ p
3. kuk = ≺ u, u ≻ = u21 + u22 + u23 ,
4. ≺ u, w ≻= u1 w1 + u2 w2 + u3 w3 .
Actividad 8. Al mover un carro desde el punto P = (0, 0, 0) a Q = (4, 7, 5) cuya

magnitud y fuerza viena dada por F = i + 4 · j + 8 · k (figura 2.27). Calcular el trabajo
realizado al mover el objeto de P a Q.
z
Q = (4, 7, 5)
−−→
PQ
F
y
P = (0, 0, 0)
Figura 2.27: Interpretación gráfica de P , Q y el vector F
Solución. Es importante resaltar que si la fuerza constante F no está dirigida en la

dirección del movimiento, la figura 2.27 indica que el trabajo W realizado por la fuerza
−−→
W = kproy−
−→ (F)kkP Qk.
PQ
Luego por el teorema 2.6 y la observación 2.7, se tiene que

−−
→ −−
→
W = cos(θ)kFkkP Qk =≺ F, P Q ≻ .
Como P = (0, 0, 0) y Q = (4, 7, 5). Entonces por la observación 2.4 tenemos que,
−−→
P Q = (4, 7, 5) = 4 · i + 7 · j + 5 · k.
Por lo tanto,
−−→
W =≺ F, P Q ≻= 4 + 28 + 40 = 72.
2.4. Producto vectorial 103
Ejemplo 2.17 Consideremos los vectores u = −5 · i − 7 · j + 4 · k y w = 2 · i + 7 · j − 5 · k.

Determinar;
a) u + w,
b) ≺ 2 · w, u ≻,
c) kwk.
Solución.
a) Por la observación 2.10(c). Se tiene que,
u + w = −3 · i − k.
b) Por la observación 2.10(c). Se tiene que,
≺ 2 · w, u ≻ = ≺ 4 · i + 14 · j − 10 · k, −5 · i − 7 · j + 4 · k ≻
= 4(−5) + 14(−7) + (−10)4
= −158.
Por lo tanto, ≺ 2 · w, u ≻= −158.

c) Por observación 2.10(c). Se tiene que,
√
kwk = ≺ w, w ≻
√
= 4 + 49 + 25
√
= 78.
√
Así, kwk = 78.
2.4. Producto vectorial

En esta sección se trabajara en la búsqueda de un vector que sea ortogonal a dos
vectores dados, para ello es importante realizar ciertas operaciones que se presentaran
a continuación. Además se realizaran las justificaciones necesarias para ser aplicadas
a la Física..
Toda matriz cuadrada puede asociarse con un número real denominado determinan-
te. Históricamente, el uso del determinante surgió de la identificación de patrones
especiales que ocurren en la solución de sistemas de ecuaciones lineales. Por ejemplo,
se puede demostrar que la solución general del sistema

a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2 .
Viene dada por,

b1 a22 + b2 a12 b2 a11 + b1 a21
x1 = y x2 =
a11 a22 − a21 a12 a11 a22 − a21 a12
siempre que a11 a22 − a21 a12 6= 0. Obsérvese que ambas fracciones tienen el mismo
denominador a11 a22 −a21 a12 . Esta cantidad se denomina el determinante de la matriz
A ∈ M2 (R) con [A]ij = aij y lo denotaremos por

a11 a12
a21 a21 = a11 a22 − a21 a12 .

Definición 2.9 Sean u = u1 · i + u2 · j + u3 · k y w = w1 · i + w2 · j + w3 · k vectores

en R3 . Se define el producto vectorial de u y w, denotado por u × w, mediante
u × w = (u2 w3 − u3 w2 ) · i + (u3 w1 − u1 w3 ) · j + (u1 w2 − u2 w1 ) · k
o en notación de determinante,

u2 u3 u1 u3 u1 u2
u × w = ·i−
w1 w3 · j + w1 w2 · k.

w2 w3
u×w
w
u
Figura 2.28: Interpretación gráfica del vector u × w
Ejemplo 2.18 Encontrar u × w, donde u = −2 · i + 3 · j − k y w = 3 · j + 2 · k.
Solución. Por la definición 2.9, tenemos que

3 −1 −2 −1 −2 3
u×w = ·i−
·j+
·k
3 2 0 2 0 3
= 9 · i + 4 · j − 6 · k.
Por lo tanto, u × w = 9 · i + 4 · j − 6 · k = (9, 4, −6) .
Teorema 2.7 Sean u, v y w vectores en R3 . Entonces,
1. ≺ u, u × w ≻= 0,
2. ≺ w, u × w ≻= 0,
3. ku × wk2 = kuk2 kwk2 − (≺ u, w ≻)2 ,
4. u × (v × w) =≺ u, w ≻ ·v− ≺ u, v ≻ ·w,
5. (u × v) × w =≺ u, w ≻ ·v− ≺ v, w ≻ ·u.
Prueba.
1. Sean u = u1 · i + u2 · j + u3 · k, v = v1 · i + v2 · j + v3 · k
y w = w1 · i + w2 · j + w3 · k vectores en R3 .
Por la definición 2.9, tenemos que

u2 u3 u1 u3 u1 u2
u×w = ·i− ·j+
· k
w2 w3 w1 w3 w1 w2

u2 u3 u1 u3 u1 u2
≺ u, u × w ≻ = u1 − u2
w1 w3 + u3 w1 w2

w2 w3
= u1 (u2 w3 − w2 u3 ) − u2 (u1 w3 − w1 u3 ) + u3 (u1 w2 − w1 u2 )
= u1 u2 w3 − u1 w2 u3 − u2 u1 w3 + u2 w1 u3 + u3 u1 w2 − u3 w1 u2
= 0.
Por lo tanto,
≺ u, u × w ≻= 0.
u × w = (u2 w3 − u3 w2 ) · i + (u3 w1 − u1 w3 ) · j + (u1 w2 − u2 w1 ) · k

ku × wk2 = (u2 w3 − w2 u3 )2 + (u1 w3 − w1 u3 )2 + (u1 w2 − w1 u2 )2
= u22 w32 − 2u2 u3 w3 w2 + w22 u23 + u21 w32 − 2u1 u3 w3 w1 + w12 u23
+u21 w22 − 2u1 u2 w2 w1 + w12 u22 .
Entonces,
kuk2 = u21 + u22 + u23 .

kwk2 = w12 + w22 + w32 .
kuk2 kwk2 = (u21 + u22 + u23 )(w12 + w22 + w32 )
= u21 w12 + u21 w22 + u21 w32 + u22 w12 + u22 w22 + u22 w32
+u23 w12 + u23 w22 + u23 w32 .
(≺ u, w ≻)2 = (u1 w1 + u2 w2 + u3 w3 )2
= u21 w12 + 2u1 u2 w2 w1 + u22 w22 + 2u1 u3 w3 w1
+2u2 u3 w3 u3 + u23 w32 .
kuk2 kwk2 − (≺ u, w ≻)2 = u22 w32 − 2u2 u3 w3 w2 + w22 u23 + u21 w32 − 2u1 u3 w3 w1
+w12 u23 + u21 w22 − 2u1 u2 w2 w1 + w12 u22 .
Así,
ku × wk2 = kuk2 kwk2 − (≺ u, w ≻)2 .
y w = w1 · i + w2 · j + w3 · k vectores en R3 . Por la definición 2.9, tenemos que
u × v = (u2 v3 − u3 v2 ) · i + (u3 v1 − u1 v3 ) · j + (u1 v2 − u2 v1 ) · k

(u × v) × w = [(u3 v1 − u1 v3 )w3 − (u1 v2 − u2 v1 )w2 ] · i
+[(u1 v2 − u2 v1 )w1 − (u2 v3 − u3 v1 )w3 ] · j
+[(u2 v2 − u3 v3 )w2 − (u3 v1 − u1 v3 )w1 ] · k
= [u3 w3 v1 − u1 w3 v3 − u1 w2 v2 + u2 w2 v1 ] · i
+[u1 w1 v2 − u2 w1 v1 − u2 w3 v3 + u3 w3 v1 ] · j
+[u2 w2 v2 − u3 w2 v3 − u3 w1 v1 + u1 w1 v3 ] · k.
Por otro lado,
≺ u, w ≻ ·v = (u1 w1 + u2 w2 + u3 w3 ) · v
= (u1 w1 v1 + u2 w2 v1 + u3 w3 v1 ) · i
+(u1 w1 v2 + u2 w2 v2 + u3 w3 v2 ) · j
+(u1 w1 v3 + u2 w2 v3 + u3 w3 v3 ) · k
≺ v, w ≻ ·u = (v1 w1 + v2 w2 + v3 w3 ) · u
= (v1 w1 u1 + v2 w2 u1 + v3 w3 u1 ) · i
+(v1 w1 u2 + v2 w2 u2 + v3 w3 u2 ) · j
+(v1 w1 u3 + v2 w2 u3 + v3 w3 u3 ) · k
≺ u, w ≻ ·v− ≺ v, w ≻ ·u = [u3 w3 v1 − u1 w3 v3 − u1 w2 v2 + u2 w2 v1 ] · i
+[u1 w1 v2 − u2 w1 v1 − u2 w3 v3 + u3 w3 v1 ] · j
+[u2 w2 v2 − u3 w2 v3 − u3 w1 v1 + u1 w1 v3 ] · k.
Así,
(u × v) × w =≺ u, w ≻ ·v− ≺ v, w ≻ ·u.
Teorema 2.8 Sean u, v, w vectores en R3 y α ∈ R. Entonces,
1. u × w = −(w × u),
2. u × (v + w) = (u × v) + (u × w),
3. (u + v) × w = (u × w) + (v × w),
4. α(u × w) = (α · u) × w = u × (α · w),
5. u × 0 = 0 × u = 0,
6. u × u = 0.
Prueba.
y w = w1 · i + w2 · j + w3 · k vectores en R3 . Por la definición 2.9, tenemos que

u2 u3 u1 u3 u1 u2
·i−
u × w = w1 w3 · j + w1 w2 · k

w2 w3

w2 w3 w1 w3 w1 w2
w×u = ·i− ·j+ · k
u2 u3 u1 u3 u1 u2

w2 w3 w1 w3 w1 w2
−(w × u) = − ·i+ ·j− · k
u2 u3 u1 u3 u1 u2

u2 u3 u1 u3 u1 u2
= ·i− ·j+ · k.
w2 w3 w1 w3 w1 w2
Por lo tanto,
u × w = −(w × u).
Por definición, tenemos que
u + v = (u1 + v1 )i + (u2 + v2 )j + (u3 + v3 )k

u + v2 u3 + v3
· i − u1 + v1 u3 + v3 · j

(u + v) × w = 2
w2 w3 w1 w3

u1 + v1 u2 + v2
+ · k
w1 w2
= ((u2 + v2 )w3 − (u3 + v3 )w2 ) · i
−((u1 + v1 )w3 − (u3 + v3 )w1 ) · j
+((u1 + v1 )w2 − (u2 + v2 )w1 ) · k
= (u2 w3 + v2 w3 − u3 w2 − v3 w2 ) · i
−(u1 w3 + v1 w3 − u3 w1 − v3 w1 ) · j
+(u1 w2 + v1 w2 − u2 w1 − v2 )w1 ) · k.
Por otro lado,

u2 u3 u1 u3 u1 u2
u×w =
·i−
·j+
· k
w2 w3 w1 w3 w1 w2
= (u2 w3 − u3 w2 ) · i − (u1 w3 − u3 w1 ) · j + (u1 w2 − u2 w1 ) · k

v2 v3 v1 v3 v1 v2
v×w =
·i− ·j+ · k
w2 w3 w1 w3 w1 w2
= (v2 w3 − v3 w2 ) · i − (v1 w3 − v3 w1 ) · j + (v1 w2 − v2 w1 ) · k
(u × w) + (v × w) = (u2 w3 + v2 w3 − v3 w2 − u3 w2 ) · i − (u1 w3 + v1 w3 − v3 w1 − u3 w1 ) · j
= +(u1 w2 + v1 w2 − u2 w1 − v2 w1 ) · k.
Así,
(u + v) × w = (u × w) + (v × w).
5. Sean u = u1 · i + u2 · j + u3 · k un vector en R3 .

u2 u3 u1 u3 u1 u2
u × 0 = 0 0·j+0 0· k
·i−
0 0
= 0·i−0·j+0· k
= 0·i+0·j+0· k
= 0.
Entonces,

0 0 0 0 0 0
0×u =
·i−
·j+
· k
u2 u3 u1 u3 u1 u2
= 0·i−0·j+0· k
= 0·i+0·j+0· k
= 0.
Por lo tanto,
u × 0 = 0 × u = 0.
Teorema 2.9 Sean u y w vectores en R3 . Entonces ku × wk es igual al área del

paralelogramo determinado por u y w.
Prueba. Sean u y w vectores en R3 . Entonces por el teorema 2.7(3), tenemos que
ku × wk2 = kuk2 kwk2 − (≺ u, w ≻)2 .
Además, si θ es el ángulo entre los vectores u y w entonces por la observación 2.7,
≺ u, w ≻= kukkwkcos(θ).
Luego,
ku × wk2 = kuk2 kwk2 − (kukkwkcos(θ))2
= kuk2 kwk2 − kuk2 kwk2 cos2 (θ)
= kuk2 kwk2 (1 − cos2 (θ))
= kuk2 kwk2 sen2 (θ).
Por lo tanto, ku × wk = kukkwk|sen(θ)|.

Pero kwk|sen(θ)| es la altura determinado por u y w (figura 2.29).
w
kwk kwk|sen(θ)|
θ
kuk u
Figura 2.29: Interpretación gráfica del área del paralelogramo
Así, el área A de este paralelogramo está dada por
A = (base)(altura) = kukkwk|sen(θ)| = ku × wk.
Obsevación 2.11 La idea de un producto vectorial se produce a menudo en la Física.

En particular , consideremos una fuerza F que actúa sobre un cuerpo rígido en un
punto dado por un vector de posición r. (Por ejemplo, si apretar un tornillo mediante
la aplicación de una fuerza a una llave como en la figura 2.30, se produce un giro).
Figura 2.30: Representación gráfica de F sobre un cuerpo rígido
El vector de torsión τ (en relación con el origen) se define como el producto vectorial
de la posición y vectores de fuerza
τ = r × F.
Además, mide la tendencia de que el cuerpo gire alrededor del origen, en donde la
dirección del vector del par de torsión indica el eje de rotación.
Como kr × Fk = krkkFk|sen(θ)|. Se tiene que, kτ k = krkkFk|sen(θ)|.

Donde θ es el ángulo entre la posición y los vectores de fuerza, observe que la única
componente de F que pueda causar una rotación es la dirección perpendicular de r.
Actividad 10. Un tornillo se aprieta mediante la aplicación de una fuerza de 40 N ew
a una llave de 0, 25 m, como se muestra en la figura 2.31. Encuentre la magnitud del
vector de torsión sobre el centro del tornillo.
Figura 2.31: Representación gráfica de la torsión sobre el centro del tonillo
Solución. La magnitud del vector de Torsión viene dado por
kτ k = kr × Fk
= krkkFk|sen(θ)|
= (0, 25 m)(40)|sen(75◦ )|
= 10|sen(75◦ )|
≈ 9, 66 J.
Actividad 11. El pedal de una bicicleta es empujado por un pie con una fuerza de
60 N ew, como se muestra en la figura 2.32, el eje del pedal es 0, 18 m de largo.
Encuentre la magnitud del vector de torsión sobre el centro del pedal.
Figura 2.32: Representación gráfica de la torsión sobre el pedal

Solución. La magnitud del vector de Torsión viene dado por
kτ k = kr × Fk
= krkkFk|sen(θ)|
= (0, 18)(60)|sen(70◦ + 10◦ )|
= 10, 8|sen(80◦ )|
≈ 10, 6 J.
Ejemplo 2.19 Encontrar el área del triángulo determinado por los puntos p1 =
(1, 1, 0), p2 = (−2, 1, 3) y p3 = (−3, 3, 4).
1
Solución. El área A del triángulo es del área del paralelogramo determinado por los
2
vectores −
p−→ −−→ −−→
1 p2 y p1 p3 . Por la observación 2.4, se tiene que p1 p2 = (−3, 0, 3) = −3·i+3·k
y−p−→
p = (−4, 2, 4) = −4 · i + 2 · j + 4 · k. Luego, por el teorema 2.9, tenemos que el
1 3
área del paralelogramo es

−−→ −−→ 0 3 −3 3 −3 0
kp1 p2 × p1 p3 k =
·i−
·j+
· k
2 4 −4 4 −4 2
= k − 6 · i − 6 · kk
√
= 6 2.
1 −→ −−→ √
Por lo tanto, A = k−
p1 p2 × p1 p3 k = 3 2 .
2
Obsevación 2.12 Para determinar el área del paralelogramo entre los vectores u =
(u1 , u2 ) y w = (w1 , w2 ) de R2 se consideran u y w vectores en el plano xy de un
sistema coordenado xyz (figura 2.33), en cuyo caso estos vectores se expresan como
u = (u1 , u2 , 0) y w = (w1 , w2 , 0). Luego, por el teorema 2.9, se tiene que el área del
paralelogramo es A = ku × wk.
z
y
w
w
u
u
x
x
Figura 2.33: Interpretación gráfica del área del paralelogramo

Ejemplo 2.20 Encontrar el área del paralelogramo determinado por los vectores u =
(3, −1) y w = (−2, 4).
Solución. Por la observación 2.12, se tiene que el área del paralelogramo se define por:
A = ku × wk.
En donde, u = (3, −1, 0) y w = (−2, 4, 0). Luego, por la definición 2.9,

−1 0
· i − 3 0 · j + 3 −1 · k

ku × wk =
4 0 −2 0 −2 4
= k0 · i + 0 · j + 10 · kk
= 10.
Por lo tanto, A = ku × wk = 10 .
Teorema 2.10 Sean u, v y w vectores en R3 . Entonces | ≺ u, (v × w) ≻ | es igual al

volumen del paralelepípedo determinado por u, v y w.
Prueba. Sean u, v y w vectores en R3 . Consideremos la base del paralelepípedo dado
por el paralelogramo determinado por v y w distintos de cero (figura 2.34). Por el
teorema 2.9, se tiene que el área de la base el A = kv × wk.
Además, la altura h del paralelepípedo es la longitud de la proyección ortogonal de u
sobre v × w, es decir, h = kproyv×w uk.
w
v
u
|
h
|
v×w
Figura 2.34: Interpretación gráfica del volumen del paralelepípedo

≺ u, v × w ≻
kproyv×w uk = (Por el teorema 2.6(1))
· v × w

kv × wk 2

≺ u, v × w ≻
=
kv × wk (Por el teorema 2.3)
kv × wk2
|≺ u, v × w ≻|
= kv × wk (Por propiedades en R)
kv × wk2
|≺ u, v × w ≻|
= . (Por propiedades en R)
kv × wk
|≺ u, v × w ≻|
Por lo tanto, kproyv×w uk = .
kv × wk
Así, el volumen V del paralelepípedo es

|≺ u, v × w ≻|
V = (readelabase)(altura) = (kv × wk) = |≺ u, v × w ≻| .
kv × wk
Ejemplo 2.21 Encontrar el volumen del paralelepípedo cuyos lados son u = (2, −6, 2),
v = (0, 4, −2) y w = (2, 2, −4).
Solución. Por el teorema 2.10, se tiene que el volumen del paralelepípedo es:
V = |≺ u, v × w ≻| .
Note que,
4 −2 0 −2 0 4
v×w =
·i−
· j+
·k
2 −4 2 −4 2 2
= −12 · i − 4 · j − 8 · k.
Entonces,
|≺ u, v × w ≻| = |2(−12) + (−6)(−4) + 2(−8)|
= |−24 + 24 − 16|
= 16.
Así, V = 16 .
2.5. Vectores en Rn
Usando como modelo los vectores en el plano, a continuación se extiende el análisis en
el espacio n- dimensional. La notación que se utiliza cambia del par ordenado (x1 , x2 )
a una n-ada ordenada. Por ejemplo, una tercia ordenada es de la forma (x1 , x2 , x3 ),
una cuádruple ordenada tiene la forma (x1 , x2 , x3 , x4 ) y una n−ada ordenada general
es de la forma (x1 , x2 , x3 , . . . , xn ). El conjunto de todas las n−adas se denomina espacio
n−dimensional y se denota por Rn .
Rn = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R}.
Definición 2.10 Sean u = (u1 , u2 , . . . , un ), w = (w1 , w2 , . . . , wn ) vectores de Rn y

α ∈ R. Entonces,
2.5. Vectores en Rn 115
1. u = w si, y sólo si, u1 = w1 , u2 = w2 , . . . , un = wn ,

2. u + w = (u1 + w1 , u2 + w2 , . . . , un + wn ),
3. α · u = (αu1 , αu2 , . . . αun ).
Obsevación 2.13 El vector cero de Rn , denotado por 0, se define como 0 = (0, 0, . . . , 0).
Además, si u = (u1 , u2 , . . . , un ) entonces el inverso aditivo de u denotado por −u,
se define por
−u = (−u1 , −u2 , . . . , −un ).
La diferencia de vectores en Rn se define por,
u − w = u + (−w).
Ejemplo 2.22
a) Sean x = (4, −3, 2, −1), y = (−5, −3, 4, −2) vectores de R4 . Determinar x + y.

x + y = (4, −3, 2, −1) + (−5, −3, 4, −2)

= (4 − 5, −3 − 3, 2 + 4, −1 − 2)
= (−1, −6, 8, −3).
Por lo tanto, x + y = (−1, −6, 8, −3).

2 4
b) Sean x = , −6, −2, 3, −2 , y = − , −9, 1, 0, 4 vectores de R5 . Determinar
5 5
x − 5 · y.

4
5 · y = 5 · − , −9, 1, 0, 4
5
= (−4, −45, 5, 0, 20).
Luego por la observación 2.13, se tiene que,

2
x−5·y = , −6, −2, 3, −2 − (−4, −45, 5, 0, 20)
5

2
= + 4, −6 + 45, −2 − 5, 3 − 0, −2 − 20
5

22
= , 39, −7, 3, −22 .
5

22
Por lo tanto, x − 5 · y = , 39, −7, 3, −22 .
5
Teorema 2.11 Sean x, y, z vectores en Rn y α, β ∈ R. Entonces,
1. x + y es un vector de Rn ,
2. x + y = y + x,
3. (x + y) + z = x + (y + z),
4. x + 0 = x,
5. x − x = 0,
6. α · x es un vector de Rn ,
7. α(β · x) = (αβ) · x,
8. α(x + y) = α · x + α · y,
9. (α + β) · x = α · x + β · x,
10. 1 · x = x.
Prueba.
Para demostrar el teorema 2.11 se puede aplicar el mismo razonamiento que se uso
para probar el teorema 2.1 y 2.2. Por lo cual se deja como ejercicio.
Es importante destacar que, con las 12 propiedades dadas en el teorema 2.11 se pueden
realizar manipulaciones algebraicas con vectores en Rn casi de la misma manera en
que se hace con números reales.
Ejemplo 2.23 Sean u = (−2, 3, −1, 0), v = (4, −5, −2, 5) y w = (−1, 2, −7, 2) vecto-
res de R4 . Encuentre el valor de x en las expresiones siguientes.
a) x − u = 2 · w − v.
Solución. Por el teorema 2.11, se tiene que
x−u = 2·w−v
x = 2·w−v+u
= 2 · (−1, 2, −7, 2) − (4, −5, −2, 5) + (−2, 3, −1, 0)
= (−2, 4, −14, 4) + (−4, 5, 2, −5) + (−2, 3, −1, 0)
= (−6, 9, −12, −1) + (−2, 3, −1, 0)
= (−8, 12, −13, −1).
2.6. Norma y producto punto euclidiano en Rn 117
Entonces, x = (−8, 12, −13, −1).

b) 2(x − w) = u + x.
Solución. Por el teorema 2.11, se tiene que
2(x − w) = u + x
2·x−2·w = u+x
2·x−x = 2·w
x = 2·w
= 2 · (−1, 2, −7, 2)
= (−2, 4, −14, 4).
Por lo tanto, x = (−2, 4, −14, 4).
2.6. Norma y producto punto euclidiano en Rn

Definición 2.11 Sea x = (x1 , x2 , . . . , xn ) un vector en Rn . Se define la norma de x,
denotado por kxk, mediante
q
kxk = x21 + x22 + . . . + x2n .
Ejemplo 2.24
√
Sea x = (4, −3, 3, 2) un vectores en R4 . Determinar kxk.
q √
kxk = 42 + (−3)2 + 32 + ( 2)2
√
= 16 + 9 + 9 + 2
√
= 36.
= 6.
Así, kxk = 6.
Obsevación 2.14 Sea x = (x1 , x2 , . . . , xn ) un vector en Rn . Entonces,
1. Si kxk = 1, diremos que x es un vector unitario,
2. kxk ≥ 0. Además kxk = 0 si, y sólo si, x = 0.

3. Sean u y w vectores de Rn . Diremos que los vectores u y w son paralelos,

denotado por u//w, si existe un escalar k ∈ R tal que u = k · w.
Teorema 2.12 Sean u un vector en Rn y α ∈ R. Entonces

Prueba.
para probar el teorema 2.3. Por lo cual se deja como ejercicio.
Ejemplo 2.25
√ √
Sea u = (4, −3, 3, 2) un vectores en R4 y α = 2. Verificar que,
√ √
kα · uk = k 2 · (4, −3, 3, 2)k
√ √ √
= k(4 2, −3 2, 3 2, 2)k
q √ √ √
= (4 2)2 + (−3 2)2 + (3 2)2 + (2)2 .
√
= 32 + 18 + 18 + 4.
√ √
= 72 = 6 2.
√
Por lo tanto, kα · uk = 6 2.
√
Luego, por el ejemplo 2.24, se tiene que kuk = 6. Así, |α|kuk = 6 2.
Por lo tanto, kα · uk = |α|kuk.
Definición 2.12 Sean P1 = (x1 , x2 , . . . , xn ), P2 = (y1 , y2 , . . . , yn ) vectores en Rn . Se
define la distancia entre P1 y P2 , denotado por d(P1 , P2 ), mediante
p
d(P1 , P2 ) = kP1 − P2 k = (y1 − x1 )2 + (y2 − x2 )2 + . . . + (yn − xn )2 .
Ejemplo 2.26
√ √
Sean u = (−4, −3, 2 2, −1) y w = (−8, 5, 2, −2) vectores de R4 . Determinar d(u, w).
q √ √
d(u, w) = (−4 + 8)2 + (−3 − 5)2 + (2 2 − 2)2 + (−1 + 2)2
√
= 16 + 64 + 2 + 1
√
= 83.
√
Por lo tanto, d(u, w) = 83.
Definición 2.13 Sean u = (u1 , u2 , . . . , un ) y w = (w1 , w2 , . . . , wn ) dos vectores di-

ferentes de cero. Se define el producto punto euclidiano de u y w, denotado por
≺ u, w ≻, mediante
≺ u, w ≻= u1 w1 + u2 w2 + . . . + un wn .
Ejemplo 2.27

√ √ 1 √ √
Sean u = − 3, −6, 2, y w = (−2 3, 5, −4 2, −2) vectores de R4 . Determinar
2
≺ u, w ≻.

√ √ √ √ 1
≺ u, w ≻ = (− 3)(−2 3) + (−6)(5) + ( 2)(−4 2) + (−2)
2
= 6 − 30 − 8 − 1
= −33.
Por lo tanto, ≺ u, w ≻= −33.
Teorema 2.13 Sean x, y, z vectores en Rn y α ∈ R. Entonces,
1. ≺ x, y ≻=≺ y, x ≻,
2. ≺ (x + y), z ≻=≺ x, z ≻ + ≺ y, z ≻,
3. α(≺ x, y ≻) =≺ (α · x), y ≻=≺ x, (α · y) ≻,
4. ≺ x, x ≻= kxk2 ,
5. ≺ x, x ≻≥ 0. Además, ≺ x, x ≻= 0 si, y sólo si, x = 0.
Prueba.
Ejemplo 2.28

√ √ 1 √ √
Sean u = − 3, −6, 2, y w = (−2 3, 5, −4 2, −2) vectores de R4 . Determinar
2
kwk2 · ≺ w, u ≻ .
Solución. Por el teorema 2.13(4), se tiene que
kwk2 = ≺ w, w ≻
√ √ √ √
= (−2 3)(−2 3) + (5)(5) + (−4 2)(−4 2) + (−2)(−2)
= 12 + 25 + 32 + 4
= 73.
Luego por el teorema 2.13(1) y por el ejemplo 2.27(a), se tiene que
≺ w, u ≻ = ≺ u, w ≻
= −33.
Por lo tanto, kwk2 · ≺ w, u ≻= 72(−33) = −2376.
Definición 2.14 Sean u y w vectores de Rn . Diremos que los vectores u y w son

ortogonales, denotado por u ⊥ w, si ≺ u, w ≻= 0.
Ejemplo 2.29
Sean u = (3, 2, −1, 4) y w = (1, −1, 1, 0) vectores de R4 . Determinar si u y w son

ortogonales.
Solución. Por el definición 2.13, se tiene que
≺ u, w ≻ = (3)(1) + (2)(−1) + (−1)(1) + (4)(0)

= 3−2−1+0
= 0.
Luego por la definición 2.14, tenemos que u ⊥ w. Es decir, los vectores u y w son
ortogonales.
Teorema 2.14 Sean u, w vectores en Rn . Entonces,

1. | ≺ u, w ≻ | ≤ kukkwk, (Desigualdad de Cauchy-Schwarz)
2. ku + wk ≤ kuk + kwk, (Desigualdad triangular)
3. Si u y w son ortogonales, entonces ku + wk2 = kuk2 + kwk2 .
Prueba.
Ejemplo 2.30
Verificar la desigualdad de Cauchy-Schwarz para u = (−5, 2, 0, −4) y w = (4, −3, −2, 5).
Solución. Como ≺ u, w ≻= −20 − 6 − 20 = −46, ≺ u, u ≻= 25 + 4 + 16 = 45 y
≺ w, w ≻= 16 + 9 + 4 + 25 = 54. Entonces,
| ≺ u, w ≻ | = | − 46| = 46 y
√ √ √ √ √
kukkwk = ≺ u, u ≻ ≺ w, w ≻ = 45 54 = 2430.
Por lo tanto, | ≺ u, w ≻ | ≤ kukkwk.
Definición 2.15 El ángulo θ entre dos vectores u y w diferentes de cero en Rn está
definido por,
≺ u, w ≻
cos(θ) = , 0 ≤ θ ≤ π.
kukkwk
Ejemplo 2.31
Sean u = (−4, 0, 2, −2) y w = (2, 0, −1, 1) vectores de R4 . Determinar el ángulo θ entre
los vectores u y w.
≺ u, w ≻
cos(θ) =
kukkwk
−8 − 2 − 2
= √ √
16 + 4 + 4 4 + 1 + 1
−12
= √ √
24 6
−12
= √
144
= −1.
Por lo tanto, cos(θ) = −1. Es decir,
θ = π.
Definición 2.16 Sean u y w vectores de Rn , con w 6= 0, entonces
≺ u, w ≻
proyw (u) = · w.
kwk2
Ejemplo 2.32
Sean u = (1, −3, 4) y w = (3, 4, 7) vectores en R3 . Determinar la proyección de u sobre

w.
≺ u, w ≻
proyw (u) = ·w
kwk2
3 − 12 + 28
= · (3, 4, 7)
9 + 16 + 49
19
= · (3, 4, 7)
74

57 38 133
= , , .
74 37 74

57 38 133
Por lo tanto, proyw (u) = , , .
74 37 74
2.7. Vectores en Cn
Hasta el momento se ha trabajado con vectores cuyas componentes son números reales,
por lo cual es pertinente preguntarnos que propiedades podemos estudiar cuando los
elementos son tomados del conjunto de los números complejos.
El conjunto de las n-adas de números complejos, denotado por Cn , se llama
n-espacio complejo. Los elementos de Cn se llaman puntos o vectores, y los de C
escalares.
Cn = {(z1 , z2 , z3 , . . . , zn ) : z1 , z2 , z3 , . . . , zn ∈ C}.
Definición 2.17 Sean u = (u1 , u2 , . . . , un ), w = (w1 , w2 , . . . , wn ) vectores de Cn y

α ∈ C, entonces
1. u = w si, y sólo si, u1 = w1 , u2 = w2 , . . . , un = wn ,
2. u + w = (u1 + w1 , u2 + w2 , . . . , un + wn ),
3. α · u = (αu1 , αu2 , . . . αun ).

2.7. Vectores en Cn 123
Obsevación 2.15 El vector cero de Cn , denotado por 0, se define como 0 = (0, 0, . . . , 0).
Además, si u = (u1 , u2 , . . . , un ) e un vector de Cn entonces existe el inverso aditivo
de u denotado por −u, y se define por
−u = (−u1 , −u2 , . . . , −un ).
La diferencia de vectores en Cn se define por,
u − w = u + (−w).
Ejemplo 2.33
a) Sean x = (−i, −2i, i, −i), y = (−5i, −3, i, −2i) vectores de C4 . Determinar x + y.

x + y = (−i, −2i, i, −i) + (−5i, −3, i, −2i)

= (−i − 5i, −2i − 3, i + i, −i − 2i)
= (−6i, −2i − 3, 2i, −3i).
Por lo tanto,
x + y = (−6i, −2i − 3, 2i, −3i).

1 2
b) Sean x = , −i, −2i, 3, −i , y = − , −2i, i, 0, 2i vectores de R5 . Determinar
5 5
x − 5 · y.

2
5 · y = 5 · − , −2i, i, 0, 2i
5
= (−2, −10i, 5i, 0, 10i).
Luego por la observación 2.15, se tiene que,

1
x−5·y = , −i, −2i, 3, −i − (−2, −10i, 5i, 0, 10i)
5

1
= + 2, −i + 10i, −2i − 5i, 3 − 0, −i − 10i
5

11
= , 9i, −7i, 3, −11i .
5

11
Por lo tanto, x − 5 · y = , 9i, −7i, 3, −11i .
5
2.8. Norma y producto punto euclidiano en Cn

Definición 2.18 Sea x = (x1 , x2 , . . . , xn ) un vector en Cn . Se define la norma eu-
clidiana de x, denotado por kxk, mediante
√
kxk = x1 x1 + x2 x2 + . . . + xn xn .
Ejemplo 2.34
√
Sea x = (i, −3i, −i, 2i) un vectores en R4 . Determinar kxk.
q
√ √
kxk = i(i) + (−3i)(−3i) + (−i)(−i) + 2i( 2i)
q √ √
= i(−i) + (−3i)(3i) + (−i)(i) + 2i(− 2i)
√
= 1+9+1+2
√
= 13.
√
Por lo tanto, kxk = 13.
Definición 2.19 Sean P1 = (x1 , x2 , . . . , xn ), P2 = (y1 , y2 , . . . , yn ) vectores en Cn . Se

define la distancia entre P1 y P2 , denotado por d(P1 , P2 ), mediante
d(P1 , P2 ) = kP1 − P2 k
q
= (y1 − x1 )(y1 − x1 ) + (y2 − x2 )(y2 − x2 ) + . . . + (yn − xn )(yn − xn ).
Ejemplo 2.35
Sean u = (−i, −1, −1) y w = (−i, 5, −2) vectores de C3 . Determinar d(u, w).
q
d(u, w) = (−i + i)(−i + i) + (5 + 1)(5 + 1) + (−2 + 1)(−2 + 1)
√
= 37.
√
Así, d(u, w) = 37.
Definición 2.20 Sean u = (u1 , u2 , . . . , un ) y w = (w1 , w2 , . . . , wn ) dos vectores en

Cn . Se define el producto punto euclidiano de u y w, denotado por ≺ u, w ≻,
mediante:
≺ u, w ≻= u1 w1 + u2 w2 + . . . + un wn .
2.8. Norma y producto punto euclidiano en Cn 125
Ejemplo 2.36

Sean u = −3i, −i, 2, 12 y w = (−2, i, −4i, 2i) vectores de R4 . Determinar ≺ u, w ≻.

1
≺ u, w ≻ = (−3i)(−2) + (−i)(i) + (2)(−4i) + (2i)
2
1
= (−3i)(−2) + (−i)(−i) + 2(4i) + (−2i)
2
= 6i − 1 + 8i − i
= 13i − 1.
Por lo tanto, ≺ u, w ≻= 13i − 1.
Teorema 2.15 Sean x, y vectores en Cn y α ∈ C. Entonces,
1. ≺ x, y ≻= ≺ y, x ≻,
2. ≺ α · x, y ≻= α(≺ x, y ≻),
3. ≺ x, α · y ≻= α(≺ x, y ≻).
Prueba.
1. Sean y = (u1 , u2 , . . . , un ), x = (w1 , w2 , . . . , wn ) vectores en Cn .
≺ y, x ≻ = u1 w1 + u2 w2 + . . . + un wn
= u1 w1 + u2 w2 + . . . + un wn (Por el teorema 1.1)
= u1 w1 + u2 w2 + . . . + un wn (Por el teorema 1.1)
= w1 u1 + w2 u2 + . . . + wn un (Por propiedades en F)
= ≺ x, y ≻ . (Por la definición 2.20)
Entonces, ≺ y, x ≻ =≺ x, y ≻ .
3. Sean x, y vectores en Cn y α ∈ C. Entonces,
≺ x, α · y ≻ = ≺ α · y, x ≻ (Por el teorema 2.15(1))

= α(≺ y, x ≻) (Por el teorema 2.15(2))
= α(≺ y, x ≻) (Por el teorema 2.15(1))
= α(≺ x, y ≻). (Por el teorema 2.15(1))
Así, ≺ x, α · y ≻= α(≺ x, y ≻).


1. Sean u = 3, −2, − 32 , v = 2, − 31 , −2 y w = (−2, −3, 23 ). Calcular;
1
a) ku − vk, c) kwk w,

1
b) kuk − kvk, d) kwk w .
2. El agua que corre por una manguera contra incendios ejerce una fuerza hori-
zontal F1 de magnitud igual a 200 lb. Vea la figura 2.35. ¿Cuál es la magnitud
de la fuerza F3 que un bombero debe ejercer para sostener la manguera a un
ángulo de 450 desde la horizontal?
Figura 2.35: Representación gráfica de los vectores F1 , F2 y F3
3. Dos botes remolcadores están empujando un barco, como se muestra en la figura

2.36. Cada bote remolcador está ejerciendo una fuerza de 400 libras. ¿Cuál es
la fuerza resultante sobre el barco?
Figura 2.36: Fuerza resultante sobre el barco ejercida por los dos remolcadores
4. Un avión parte de un aeropuerto ubicado en el origen O y vuela a 150 mi en la

dirección 20◦ noreste a la ciudad A. De A el avión vuela después 200 mi en la
dirección 23◦ noroeste a la ciudad B. De B el avión vuela 240 mi en la dirección
10◦ suroeste a la ciudad C. Exprese la ubicación de la ciudad C como un vector
r igual al que se presenta en la figura 2.37. Determine la distancia de O a C.
Figura 2.37: Representación gráfica de los vectores F1 , F2 y F3
5. Fuerzas con magnitudes de 500 libras y 200 libras actúan sobre una pieza de
la máquina a ángulos de 30◦ y 45◦ , respectivamente, con el eje x (ver la figura
2.38). Hallar la dirección y la magnitud de la fuerza resultante.
Figura 2.38: Fuerza resultante sobre el barco ejercida por los dos remolcadores
6. Demostrar que si v es cualquier vector diferente de cero, entonces

1
v
kvk
es un vector unitario.
7. Un avión vuela en dirección 32◦ . Su velocidad con respecto al aire es de 900

kilómetros por hora. El viento a la altitud del avión viene del suroeste a 100
kilómetros por hora (ver la figura 2.39). ¿Cuál es la verdadera dirección del
avión y cuál es su velocidad respecto al suelo?
8. Para llevar una pesa cilíndrica de 100 libras, dos trabajadores sostienen los
extremos de unas sogas cortas atadas a un aro en el centro de la parte superior
del cilindro. Una soga forma un ángulo de 20◦ con la vertical y la otra forma
un ángulo de 30◦ (ver la figura 2.40).
a) Hallar la tensión de cada soga si la fuerza resultante es vertical,
b) Hallar la componente vertical de la fuerza de cada trabajador.
9. Encontrar el producto euclidiano ≺ u, v ≻;

2

a) u = (−3, 2), v = 3 , −2 , c) u = (− 32 , −2, 4), v = − 32 , −3, 3 ,

b) u = (−6i, −2), v = − 35 , −3i , d) u = (5i, −1, 2i), v = − 56 , −4i, 7 .
10. Encontrar la proyección ortogonal de u sobre v.

a) u = (2, −5), v = − 12 , −5 , c) u = (− 21 , −4, 3), v = (− 31 , −5, 1),

b) u = (−3i, −i), v = − 35 i, −4i , d) u = (i, −4, i), v = (− 12 , −i, i).
11. Un tornillo se aprieta mediante la aplicación de una fuerza de F = 80 N ew a

una llave de r = 5 m y θ = 85◦ . Como se muestra en la figura 2.41, encuentre
la magnitud del vector de torsión sobre el centro del tornillo.
Figura 2.41: Representación gráfica de F sobre un cuerpo rígido
12. Una lancha de 1689 libras se encuentra sobre una rampa con 45◦ de inclinación
(figura 2.42). ¿Qué fuerza es necesaria para evitar que la lancha ruede cuesta
abajo?
y
w1
v
F
45◦ w1 = proyv (F)

x
Figura 2.42: Representación gráfica de F
13. Encuentre el área del triángulo determinado por los puntos dados.
a) P1 (2, −5, 3), P2 − 21 , −5, 2 , P3 (2, −5, 4),

b) P1 (1, −2, 2), P2 − 32 , −3, −2 , P3 (−2, −2, 5).
Espacios vectoriales
3
En este capítulo se hará un estudio riguroso de los espacios vectores y sus propiedades,
sin dejar a un lado las aplicaciones que fomentan su estudio. No obstante, es importante
resaltar que en el teorema 2.11 se presentan 10 propiedades especiales entre la suma
de vectores y la multiplicación escalar en Rn , también el teorema 1.2 comparte estas
10 propiedades pero con la definición de suma de matrices y la multiplicación de un
escalar en Mm×n (F). Cualquier conjunto que satisfaga estas propiedades se denomina
espacio vectorial y los elementos del conjunto se le llaman vectores.
Fueron muchos los matemáticos que contribuyeron al desarro-

llo de conceptos Matemáticos y sus propiedades, por lo cual es
importante resaltar que, según Stewart (2007), el matemático
alemán Hermann Gunther Grassmann considerado el maestro
del Álgebra Lineal y cuyos aportes a la Matemáticas tenemos
las nociones de independencia lineal de un conjunto de vectores,
Hermann Grassmann combinaciones lineales, bases, introduce el producto geométri-
(1809 − 1877) co y lineal, siendo el primero de éstos equivalente a nuestro
producto vectorial, y prueba la clásica identidad
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W )
para cada par de subespacios U y W de un espacio vectorial.

132 3. Espacios vectoriales
Definición 3.1 Sea V un conjunto no vacío de vectores, diremos que V es un espa-

cio vectorial sobre F junto con dos operaciones (suma vectorial y la multiplicación
escalar), denotado por (V, F, +, ·), si satisface las siguientes condiciones;
1. u + w ∈ V para todo u, w ∈ V ,
2. u + w = w + u para todo u, w ∈ V ,
3. (u + w) + z = u + (w + z) para todo u, w ∈ V ,
4. Existe 0 ∈ V tal que u + 0 = u para todo u ∈ V ,
5. Para cada u ∈ V existe z ∈ V tal que u + z = 0,
6. α · u ∈ V para todo α ∈ F y u ∈ V ,
7. α(β · u) = (αβ)u para todo α, β ∈ F y u ∈ V ,
8. α(u + w) = α · u + α · w para todo α ∈ F y u, w ∈ V ,
9. (α + β)u = α · u + β · u para todo α, β ∈ F y u ∈ V ,
10. 1 · u = u para todo u ∈ V .
Es importante observar que un espacio vectorial consta de cuatro entes; un conjunto

de vectores, un conjunto de escalares y dos operaciones. Cuando se refiera a un espacio
vectorial V , asegúrese de que los cuatro entes estén claramente determinados.
Ejemplo 3.1
1. Por el teorema 2.1 tenemos que (R2 , R, +, ·) es un espacio vectorial.

2. Por el teorema 2.2 se tiene que (R3 , R, +, ·) es un espacio vectorial.
3. Por el teorema 2.11 tenemos que (Rn , R, +, ·) es un espacio vectorial.
4. Por el teorema 1.2 se tiene que (Mm×n (F), F, +, ·) es un espacio vectorial.
Ejemplo 3.2 Consideremos el conjunto de todos los polinomios de grado menor o

igual que 2 con coeficientes en F denotado por F2 [x] = {p(x) : grad(p(x)) ≤ 2}. Sean
p(x) = a0 + a1 x + a2 x2 , q(x) = b0 + b1 x + b2x2 ∈ F2 [x] y α ∈ F, se definen las
operaciones
2
X
1. p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 = (ak + bk )xk ,
k=0
2
X
2. α · p(x) = αa0 + αa1 x + αa2 x2 = (αak )xk .
k=0
133
2
X
Note que 0 = (0)xk es el polinomio nulo del conjunto F2 [x] y el opuesto aditivo
k=0
para un polinomio p(x) = a0 + a1 x + a2 x2 viene dado por −p(x) = −a0 − a1 x − a2 x2 .
Se deja como actividad para el lector verificar que F2 [x] bajos las operaciones definidas
es un espacio vectorial.
Ejemplo 3.3 Sea X un conjunto no vacío y consideremos el conjunto

Γ(X, F) = {f : X → F tal que f es función}. Sean f, g ∈ Γ(X, F) y α ∈ F, se definen
las operaciones:
1. (f + g)(x) = f (x) + g(x), ∀x ∈ X;
2. (α · f )(x) = α(f (x)), ∀x ∈ X.
Note que el elemento nulo de Γ(X, F) es la función cuyas imágenes son todas 0, es
decir, 0 : X → F tal que 0(x) = 0, ∀x ∈ X y el opuesto aditivo para una función
f ∈ Γ(X, F) viene dado por −f ∈ Γ(X, F).
Se deja como actividad para el lector verificar que Γ(X, F) bajos las operaciones defi-
nidas es un espacio vectorial.
Hasta el momento hemos visto la estructura de espacios vectoriales que es propia de
los vectores y es aplicable a matrices, a los polinomios y a las funciones y permite
identificar matrices como vectores.
Teorema 3.1 Sean (V, F, +, ·) un espacio vectorial, v ∈ V y α ∈ F. Entonces,

1. 0 · v = 0,
2. α · 0 = 0,
3. Si α · v = 0 entonces α = 0 o v = 0,
4. (−1)v = −v.
Prueba.
1. Como 0 = 0 + 0. Entonces,
0 · v = (0 + 0) · v
0·v = 0·v+0·v (por la definición 3.1(9))
0 · v + (−0 · v) = (0 · v + 0 · v) + (−0 · v)
0 · v + (−0 · v) = 0 · v + (0 · v + (−0 · v)) (por la definición 3.1(3))
0 = 0·v+0 (por la definición 3.1(5))
0 = 0 · v. (por la definición 3.1(4))
Por lo tanto, 0 · v = 0.
3. Supongamos que α 6= 0. Entonces existe α−1 tal que α−1 · α = 1.
Luego,
α·v = 0 (por hipótesis)
α−1 (α · v) = α−1 · 0
(α−1 α)v = α−1 · 0 (por la definición 3.1(7))
1·v = α−1 · 0
v = α−1 · 0 (por la definición 3.1(10))
v = 0. (por el teorema 3.1(2))
Ejemplo 3.4
Los siguientes ejemplos no forman espacios vectoriales.

a) (Z, R, +, ·) no es un espacio vectorial.
Solución. Basta que no se cumpla una de las 10 condiciones expuestas en la definición
3.1 para demostrar que un conjunto no es un espacio vectorial.
1 1 1
Tomemos α = ∈ F y u = 1 ∈ Z. Entonces αu = · 1 = .
2 2 2
1
Note que no pertenece a Z, esto quiere decir que la condición (6) de la definición
2
3.1 no se cumple. Por lo tanto (Z, R, +, ·) no es un espacio vectorial.
b) Consideremos el conjunto F[x] = {p(x) : grad(p(x)) = 2}. Entonces (F[x], F, +, ·)
no es un espacio vectorial.
Solución. Tomemos p(x) = x2 y q(x) = −x2 + x + 2 elementos de F[x], se tiene que
p(x) + q(x) = x + 2.
Note que grad(p(x) + q(x)) = 1, esto quieres decir que el polinomio p(x) + q(x) = x + 2
no pertenece al conjunto F[x]. Así, la condición (1) de la definición 3.1 no se cumple,
por lo tanto (F[x], F, +, ·) no es un espacio vectorial.
3.1. Subespacios
Por el ejemplo 3.2 hemos podido comprobar que el conjunto de los polinomios de
coeficientes reales de grado menor o igual que dos tiene estructura de espacio vectorial
(F2 [x], F, +, ·), y sin embargo por el ejemplo 3.4(b) los de grado exactamente igual a
dos no la tienen. Obsérvese que los polinomios de grado igual a dos son un subconjunto
de los polinomios de grado menor o igual que tres. Así pues de este hecho podemos
extraer una conclusión clara que no todo subconjunto de un espacio vectorial tiene a
su vez estructura de espacio vectorial.
3.1. Subespacios 135
Esta circunstancia obliga a conocer las condiciones que ha de cumplir un subconjunto

de un espacio vectorial para mantener la misma estructura. Se trata de estudiar los
subespacios vectoriales.
Definición 3.2 Sean (V, F, +, ·) un espacio vectorial y S un subconjunto no vacío de

V . Diremos que S es un subespacio de V si satisface las siguientes condiciones,
1. s1 + s2 ∈ S para todo s1 , s2 ∈ S;
2. α · s1 ∈ S para todo s1 ∈ S y α ∈ F.
Ejemplo 3.5
a) Consideremos el espacio vectorial (R3 , R, +, ·) y el subconjunto
S = {(x, 0, y) : x, y ∈ R}
de R3 . Probar que S es un subespacio de R3 .

Solución. Sean s1 = (x1 , 0, y1 ), s2 = (x2 , 0, y2 ) ∈ R3 y α ∈ R. Veamos que s1 + s2 ∈ S
y α · s1 ∈ S.
Como s1 + s2 = (x1 , 0, y1 ) + (x2 , 0, y2 ) = (x1 + x2 , 0 + 0, y1 + y2 ) = (x1 + x2 , 0, y1 + y2 ).
Se tiene que s1 + s2 ∈ S, ya que x1 + x2 ∈ R e y1 + y2 ∈ R.
Por otro lado, α · s1 = α · (x1 , 0, y1 ) = (αx1 , α0, αy1 ) = (αx1 , 0, αy1 ). Se tiene que
α · s1 ∈ S, ya que αx1 ∈ R e αy1 ∈ R. En conclusión, S es un subespacio de V .
b) Sean (V, F, +, ·) un espacio vectorial y S un subespacio de V . Entonces el vector
0 ∈ S.
Solución. Sean (V, F, +, ·) un espacio vectorial y S un subespacio de V . Entonces por
la definición 3.2 (2), α · s1 ∈ S para todo s1 ∈ S y α ∈ F. Como 0 ∈ F se tiene que,
en particular 0 · s1 ∈ S. Luego por el teorema 3.1 (1), tenemos que 0 · s1 = 0. Por lo
tanto 0 ∈ S.
c) Consideremos el espacio vectorial (M2 (F), F, +, ·) y el subconjunto
S = {A ∈ M2 (F) : A = A⊤ }.
Probar que S es un subespacio de M2 (F).

Solución. Sean A, B ∈ S y α ∈ F. Entonces A = A⊤ y B = B ⊤ . Veamos que
A + B ∈ S y α · A ∈ S.
Como,
A + B = A⊤ + B ⊤ (por hipótesis)
= (A + B)⊤ . (por el teorema 1.8(2))
Así, A + B ∈ S.
Por otro lado,
α · A = α · A⊤ (por hipótesis)
= (α · A)⊤ . (por el teorema 1.8(3))
Por lo tanto, α · A ∈ S. En conclusión S es un subespacio de V .
Definición 3.3 Sean (V, F, +, ·) un espacio vectorial y u ∈ V . Diremos que u es

combinación lineal de los vectores u1 , u2 , · · · , uk ∈ V , si u se puede expresar como
k
X
u = c1 · u1 + c2 · u2 + · · · + ck · uk = (ci · ui ),
i=1
donde c1 , c2 , · · · , ck ∈ F.
A menudo, uno o más vectores de un conjunto dado puede expresarse como combi-
naciones lineales de otros vectores en el conjunto. Esta posibilidad se ilustra con los
siguientes ejemplos.
Ejemplo 3.6
a) Consideremos el espacio vectorial (R3 , R, +, ·) y los vectores u1 = (1, 3, 1), u2 =

(0, 1, 2), u3 = (1, 0, −5) ∈ R3 . ¿Será u1 combinación lineal de u2 y u3 ?
Solución. Note que u1 es combinación lineal de los vectores u2 y u3 , ya que u1 se
puede expresar como,
u1 = 3 · (0, 1, 2) + 1 · (1, 0, −5) = 3 · u2 + 1 · u2 .

i −1
b) Consideremos el espacio vectorial (M2 (F), F, +, ·) y los elementos A = ,B =
1 0

0 1 2i 1 −5i 0
,C = ,D = ∈ M2 (F). ¿Será D combinación li-
2 −1 0 1 1 −3
neal de A, B y C?
Solución. Note que D es combinación lineal de A, B, C. Ya que,

i −1 0 1 2i 1
D = −1 · +1· −2· = −1 · A + 1 · B − 2 · C.
1 0 2 −1 0 1
En el ejemplo 3.6 fue fácil verificar que uno de los elementos del espacio vectorial
era una combinación lineal de los otros vectores dados, porque se contaba con los
coeficientes adecuados para formar la combinación lineal. En el siguiente ejemplo se
muestra un procedimiento para determinar los coeficientes.
3.2. Subespacios generados 137
Ejemplo 3.7
Consideremos el espacio vectorial (R3 , R, +, ·) y el subconjunto
S = {(1, −1, 0), (−1, −2, 1), (5, 3, −2)}
de R3 . Expresar el vector u = (−2, −1, 1) como combinación lineal (si es posible) de

los elementos de S.
Solución. Note que para expresar el vector u como combinación lineal de
(1, −1, 0), (−1, −2, 1) y (5, 3, −2) es necesario encontrar escalares c1 , c2 , c3 ∈ R tal que,
(0, −1, 1) = c1 · (1, −1, 0) + c2 · (−1, −2, 1) + c3 · (5, 3, −2)

= (c1 , −c1 , 0) + (−c2 , −2c2 , c2 ) + (5c3 , 3c3 , −2c3 )
= (c1 − c2 + 5c3 , −c1 − 2c2 + 3c3 , c2 − 2c3 ).
Al igualar las componentes correspondientes se llega al siguiente sistema de ecuaciones
lineales,

 c1 − c2 + 5c3 = 0
−c1 − 2c2 + 3c3 = −1

c2 − 2c3 = 1.
Resolviendo el sistema de ecuaciones, se obtiene que
c1 = −2, c2 = 3 y c3 = 1.
Por lo tanto, u = −2 · (1, −1, 0) + 3 · (−1, −2, 1) + 1 · (5, 3, −2).
3.2. Subespacios generados

Se destaca a continuación que si cada vector de un espacio vectorial V se puede escribir
como combinación lineal de los vectores de un subconjunto S de V . Entonces, se dice
que S es un conjunto generador del espacio vectorial V .
Definición 3.4 Sean (V, F, +, ·) un espacio vectorial y S = {u1 , u2 , · · · , uk } un sub-

conjunto de V . Diremos que S es un conjunto generador de V si todo vector de V
puede expresarse como combinación lineal de vectores en S. En este caso diremos que
S genera a V .
Ejemplo 3.8
a) Consideremos el espacio vectorial (R3 , R, +, ·) y el subconjunto

S1 = {(1, 2, 3), (0, 1, 2), (−2, 0, 1)} de R3 . ¿S1 genera a R3 ?
Solución. Sea (x, y, z) ∈ R3 . Queremos encontrar escalares c1 , c2 , c3 ∈ R tal que
(x, y, z) = c1 · (1, 2, 3) + c2 · (0, 1, 2) + c3 · (−2, 0, 1).
Proceso de búsqueda,
(x, y, z) = c1 · (1, 2, 3) + c2 · (0, 1, 2) + c3 · (−2, 0, 1)

= (c1 , 2c1 , 3c1 ) + (0, c2 , 2c2 ) + (−2c3 , 0, c3 )
= (c1 − 2c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ).
lineales

 c1 − 2c3 = x
2c + c2 = y
 1
3c1 + 2c2 + c3 = z.
Resolviendo el sistema de ecuaciones, se obtiene que
x z
c1 = 2y − z, c2 = −3y + 2z y c3 = y − − .
2 2
Por lo tanto,
(x, y, z) = c1 · (1, −1, 0) + c2 · (−1, −2, 1) + c3 · (5, 3, −2).
Así, el conjunto S1 genera a R3 .

b) Consideremos el espacio vectorial (R3 , R, +, ·) y el subconjunto
S2 = {(1, 2, 3), (0, 1, 2), (−1, 0, 1)} de R3 . ¿El conjunto S2 genera a R3 ?
Solución. Para que S2 genere a R3 necesariamente cada vector (x, y, z) ∈ R3 se
puede expresar como combinación lineal de los elementos de S2 . Es decir, deben existir
escalares c1 , c2 , c3 ∈ R tal que
(x, y, z) = c1 · (1, 2, 3) + c2 · (0, 1, 2) + c3 · (−1, 0, 1).
(x, y, z) = c1 · (1, 2, 3) + c2 · (0, 1, 2) + c3 · (−1, 0, 1)

= (c1 , 2c1 , 3c1 ) + (0, c2 , 2c2 ) + (−c3 , 0, c3 )
= (c1 − c3 , 2c1 + c2 , 3c1 + 2c2 + c3 ).
3.2. Subespacios generados 139

lineales

 c1 − c3 = x
2c1 + c2 = y

3c1 + 2c2 + c3 = z.
Resolviendo el sistema de ecuaciones, se obtiene que en general el sistema no tiene
solución. Por lo tanto el conjunto S2 no genera a R3 .
Obsevación 3.1 En el ejemplo 3.9(a) el conjunto S1 genera a R3 , en tanto S2 no

genera a R3 . Sin embargo S2 genera un subespacio de R3 (probar). Este subespacio
se denomina espacio lineal generado por S2 , en general, el conjunto de todas las com-
binaciones lineales de los vectores de un conjunto S se denomina espacio generado
por S y se denota por gen(S).
Teorema 3.2 Sean (V, F, +, ·) un espacio vectorial y S = {u1 , u2 , · · · , uk } un subcon-

junto de V . Entonces gen(S) es un subespacio de V .
Prueba. Sean s1 , s2 ∈ S y α ∈ F. Queremos probar que, s1 + s2 ∈ gen(S) y α · s1 ∈

gen(S).
Como s1 , s2 ∈ S. Entonces existen escalares α1 , α2 , · · · , αk ∈ F y β1 , β2 , · · · , βk ∈ F
Xk k
X
tal que s1 = (αi · ui ) y s2 = (βi · ui ). Luego,
i=1 i=1
k
X k
X k
X k
X
s1 + s2 = (αi · ui ) + (βi · ui ) = (αi · ui + βi · ui ) = (αi + βi )ui .
i=1 i=1 i=1 i=1
Por lo tanto, s1 + s2 ∈ gen(S). Por otro lado,

k
X k
X k
X
α · s1 = α · (αi · ui ) = α(αi · ui ) = (ααi )ui .
i=1 i=1 i=1
Así α · s1 ∈ S, esto quiere decir que gen(S) es un subespacio de V .
Ejemplo 3.9
Consideremos el espacio vectorial (R2 , R, +, ·) y el subconjunto S = {(1, 2), (2, 0)}.

¿gen(S) = R2 ?
Solución. Sea (x, y) ∈ R2 . Queremos encontrar escalares c1 , c2 ∈ R tal que
(x, y) = c1 · (1, 2) + c2 · (2, 0).

(x, y) = c1 · (1, 2) + c2 · (2, 0)

= (c1 , 2c1 ) + (2c2 , 0)
= (c1 + 2c2 , 2c1 ).
lineales,

c1 + 2c2 = x
2c1 = y.
y x y
Resolviendo el sistema de ecuaciones, se obtiene que c1 = y c2 = − .
2 2 4
Por lo tanto,
ny x y o
gen(S) = · (1, 2) + − · (2, 0) : x, y ∈ R = {(x, y) : x, y ∈ R} = R2 .
2 2 4
3.3. Independencia lineal y base

Después de espacios generados, el siguiente concepto es de gran importancia en los
espacios vectoriales, donde involucran combinaciones lineales y el vector nulo.

conjunto de V . Diremos que S en linealmente dependiente si existen escalares
c1 , c2 , · · · , ck ∈ F no todos nulos tal que,
c1 · u1 + c2 · u2 + ck · uk = 0.
En el caso que S no es linealmente dependiente, entonces diremos que S es linealmente

independiente.
Ejemplo 3.10
a) Consideremos el espacio vectorial (R2 , R, +, ·) y S = {(1, 0), (0, 1), (−2, 5)}. ¿Será
S un conjunto linealmente dependiente?
Solución. Para que S sea un conjunto linealmente dependiente debe existir escalares
c1 , c2 , c3 ∈ R no todos nulos tal que,
c1 · (1, 0) + c2 · (0, 1) + c3 · (−2, 5) = (0, 0).

3.3. Independencia lineal y base 141
(0, 0) = c1 · (1, 0) + c2 · (0, 1) + c3 · (−2, 5)

= (c1 , 0) + (0, c2 ) + (−2c3 , 5c3 )
= (c1 − 2c3 , c2 + 5c3 ).
lineales,

c1 − 2c3 = 0
c2 + 5c3 = 0.
Resolviendo el sistema de ecuaciones, se obtiene que el sistema posee infinitas solucio-
nes. Tomemos c3 = 1 se tiene que c1 = 2 y c2 = −5.
Por lo tanto, S es un conjunto linealmente dependiente.
b) Consideremos el espacio vectorial (M4×1 (F), F, +, ·) y el subconjunto
       

 1 1 0 0  
   1   3   1 
0
S=   −1  ,  0  ,  1  ,  −1 
      

 
 
0 2 −2 2
de M4×1 (F). ¿Será S un conjunto linealmente dependiente?

Solución. Para que S sea un conjunto linealmente dependiente debe existir escalares
c1 , c2 , c3 ∈ R no todos nulos tal que,
         
1 1 0 0 0
 0   1   3   1   0 
 −1  + c2 ·  0  + c3 ·  1  + c4 ·  −1  =  0  .
c1 ·          
0 2 −2 2 0
         
0 1 1 0 0
 0   0   1   3   1 
  = c1 · 
 −1  + c2 ·  0  + c3 ·  1  + c4  −1
      
 0  
0 0 2 −2 2
       
c1 c2 0 0
 0   c2   3c3   c4 
= 
 −c1  +  0  + 
    + 
c3   −c4 
0 2c2 −2c3 2c4
 
c1 + c2
 c2 + 3c3 + c4 
= 
 −c1 + c3 − c4  .

2c2 − 2c3 + 2c4

lineales,

 c1 + c2


= 0
c2 + 3c3 + c4 = 0

 −c 1 + c3 − c4 = 0

2c2 − 2c3 + 2c4 = 0.
Resolviendo el sistema de ecuaciones, se obtiene que el sistema posee solución c1 = 0,
c2 = 0 y c3 = 0. Por lo tanto, S es un conjunto linealmente independiente.

conjunto no vacío de V . Diremos que S forma una base de V si satisface las siguientes
condiciones,
1. S es linealmente independiente,
2. gen(S)=V.
Esta definición establece que una base posee dos características. Una base S debe tener
suficientes vectores para generar al espacio vectorial V , pero no tantos de modo que
uno de ellos pueda escribirse como combinación lineal de los demás vectores en S.
Ejemplo 3.11
a) Consideremos el espacio vectorial (M4×1 (F), F, +, ·) y el subconjunto
       

 1 1 0 0 
  1   3   1 
0 
S=    ,   ,   ,  

 −1   0   1   −1  
 
0 2 −2 2
de M4×1 (F). ¿Será S una base de M4·1 (F)?
Solución. Por el ejemplo 3.10(b), se tiene que el conjunto S el linealmente indepen-
diente. Faltaría probar que gen(S) = M4×1 (F).
 
x
 y 
Sea 
 z  ∈ M4×1 (F). Queremos encontrar escalares c1 , c2 , c3 , c4 ∈ F tal que,

k
         
1 1 0 0 x
 0   1   3   1   y 
 −1  + c2 ·  0  + c3 ·  1  + c4  −1  =  z  .
c1 ·          
0 2 −2 2 k
         
x 1 1 0 0
 y   0   1   3   1 
  = c1 · 
 −1  + c2 ·  0  + c3 ·  1  + c4  −1
      
 z  
k 0 2 −2 2
       
c1 c2 0 0
 0   c2   3c3   c4 
= 
 −c1  +  0  + 
    + 
c3   −c4 
0 2c2 −2c3 2c4
 
c1 + c2
 c2 + 3c3 + c4 
= 
 −c1 + c3 − c4  .

2c2 − 2c3 + 2c4

lineales,

 c1 + c2


= x
c2 + 3c3 + c4 = y

 −c 1 + c3 − c4 = z

2c2 − 2c3 + 2c4 = k.
Resolviendo el sistema de ecuaciones, se obtiene que el sistema posee solución

x k z k x z y k k y x z
c1 = − − , c2 = + + , c3 = − , c4 = + − − .
2 4 2 4 2 2 4 8 8 4 2 2
Esto quiere decir que existen escalares c1 , c2 , c3 , c4 tal que,
         
1 1 0 0 x
 0   1   3   1   y 
c1 · 
 −1  + c2 ·  0  + c3 ·  1  + c4  −1
       =  .
  z 
0 2 −2 2 k
Por lo tanto, gen(S) = M4×1 (F). Así, el conjunto S forma una base para M4×1 (F).
b) Consideremos el espacio vectorial (F3 [x], F, +, ·) y el subconjunto S = {1, x, x2 , x3 }
de F3 [x]. ¿Será S una base de F3 [x]?
Solución. Note que,
gen(S) = {a0 + a1 · x + a2 · x2 + a3 · x3 : a0 , a1 , a2 , a3 ∈ F} = F3 [x].
Por lo tanto S genera a F3 [x], faltaría probar que el conjunto S es linealmente inde-
pendiente. Supongamos que existen escalares a0 , a1 , a2 , a3 ∈ F tal que,
a0 · 1 + a1 · x + a2 · x2 + a3 · x3 = 0.
Para que un polinomio sea idénticamente igual a cero todos sus coeficientes deben ser
nulos, es decir, a0 = a1 = a2 = a3 = 0. Por lo tanto, S es linealmente independiente,
y en consecuencia S forma una base para F3 [x].
c) Consideremos el espacio vectorial (M2 (F), F, +, ·). Se puede verificar que el subcon-
junto
1 0 0 1 0 0 0 0
S= , , ,
0 0 0 0 0 1 1 0
forma una base para M2 (F).
Un uso importante de una base de un espacio vectorial es que sirve para representar
todo vector del espacio.
Teorema 3.3 Sean (V, F, +, ·) un espacio vectorial y S = {u1 , u2 , · · · , uk } una base

de V . Entonces todo vector de V se puede expresar de manera única como combinación
lineal de los vectores de S.
Prueba. Sea u ∈ V . Como S es una base de V , tenemos que gen(S) = V . Esto quiere
decir que, existen escalares c1 , c2 , · · · , ck ∈ F tal que,
u = c1 · u1 + c2 · u2 + · · · + ck · uk .
Para probar que la unicidad, supongamos que existen escalares a1 , a2 , · · · , ak ∈ F tal

que,
u = a1 · u1 + a2 · u2 + · · · + ak · uk .
Luego, u − u = u = (a1 − c1 ) · u1 + (a2 − c2 ) · u2 + · · · + (ak − ck ) · uk .

Como S es linealmente independiente, ya que S forma una base de V . Entonces la
única solución de esta ecuación es la trivial,
a1 − c1 = 0, a2 − c2 = 0, · · · , ak − ck = 0.
Es decir, ai = ci para todo i ∈ {1, 2, 3, · · · , k}. Por lo tanto, u tiene una sola represen-
tación para S.
El siguiente teorema nos facilita determinar si un subconjunto S de un espacio vectorial
V es linealmente dependiente con solo comparar la cantidad de elementos de la base
de V con S.
Teorema 3.4 Sean (V, F, +, ·) un espacio vectorial y S = {u1 , u2 , · · · , uk } una base

de V . Entonces todo subconjunto de V que contiene más de k elementos es linealmente
dependiente.
La demostración de este teorema se deja como actividad para los estudiantes.
Ejemplo 3.12
a) Dado que el espacio vectorial (R3 , R, +, ·) tiene una base que consta de tres elemen-
tos, entonces el conjuntos S = {(1, −2, 1), (1, 1, 0), (2, 3, 0), (5, 9, −1)} es linealmente
dependiente.
b) Dado que el espacio vectorial (F2 [x], F, +, ·) tiene una base que consta de tres ele-
mentos, entonces el conjunto S = {1, 1+x, 1−x, 1+x+x2 } es linealmente dependiente.
Hasta el momento sabemos que un espacio vectorial no posee una única base, pero el
siguiente teorema nos asegura que todas las base que posee el espacio vectorial tienen
la misma cantidad de elementos.
Teorema 3.5 Sean (V, F, +, ·) un espacio vectorial. Si la base de V tiene k vectores,

entonces toda base de V posee k elementos.
Prueba. Sea S1 = {u1 , u2 , · · · , uk } una base de V y sea S2 = {w1 , w2 , · · · , wm }

cualquier otra base de V . Como S1 es una base de V y S2 es linealmente independiente.
Entonces por el teorema 3.4, se tiene que m ≤ k. De manera similar k ≤ m, ya que S1
es linealmente independiente y S2 es una base de V . Por lo tanto, k = m.
3.4. Dimensión
Hasta el momento se ha trabajado con conjuntos generadores, independencia lineal y
base lo cual nos conduce al estudio de importantes conceptos de los espacios vecto-
riales. Sabemos que por el teorema 3.5, si un espacio vectorial V tiene una base de
k vectores, entonces toda otra base del espacio también constan de k elementos, por
cual es pertinente definir que.
Definición 3.7 Si un espacio vectorial (V, F, +, ·) tiene una base de k elementos, en-
tonces el número k se denomina dimensión de V y se denota por dim(V ) = k. Si V
consta solamente del vector nulo, entonces la dimensión de V se define como cero.
La definición anterior permite observar lo siguiente acerca de las dimensiones de algu-

nos espacios conocidos.
Ejemplo 3.13
a) Dado que el espacio vectorial (R3 , R, +, ·) tiene una base que consta de tres elemen-
tos, entonces dim(R3 ) = 3.
b) Dado que el espacio vectorial (Rn , R, +, ·) tiene una base que consta de n elementos,
entonces dim(Rn ) = n.
c) Dado que el espacio vectorial (F2 [x], F, +, ·) tiene una base que consta de 3 elemen-
tos, entonces dim(F2 [x]) = 3.
d) Dado que el espacio vectorial (Fn [x], F, +, ·) tiene una base que consta de n + 1
elementos, entonces dim(Fn [x]) = n + 1.
e) Dado que el espacio vectorial (M4×1 (F), F, +, ·) tiene una base que consta de 4
elementos, entonces dim(M4×1 (F)) = 4.1 = 4.
f ) Consideremos el espacio vectorial (R3 , R, +, ·). Determinar la dimensión de los subes-
pacios,
1. W1 = {(d, c − d, c) ∈ R3 : d, c ∈ R},
2. W2 = {(2b, b, 0) ∈ R3 : b ∈ R}.
Solución.
1. Queremos encontrar un conjunto de elementos linealmente independiente que genere
el subespacio W1 . Sea (d, c − d, c) ∈ W1 , note que
(d, c − d, c) = (0, c, c) + (d, −d, 0)

= c(0, 1, 1) + d(1, −1, 0).
3.4. Dimensión 147
Se observa que W1 es generado por el conjunto S = {(0, 1, 1), (1, −1, 0)}. Además se
puede probar que S es linealmente independiente. Por lo tanto, S forma una base para
W1 y se concluye que dim(W1 ) = 2.
2. Queremos encontrar un conjunto de elementos linealmente independiente que genere
el subespacio W2 . Sea (2b, b, 0) ∈ W1 , note que
(2b, b, 0) = b(2, 1, 0).

Se observa que W2 es generado por el conjunto S = {(2, 1, 0)}. Además se puede
probar que S es linealmente independiente. Por lo tanto, S forma una base para W2 y
se concluye que dim(W2 ) = 1.
g) Consideremos el espacio vectorial (R4 , R, +, ·). Encuentre la dimensión del subes-
pacio W de R4 generado por,
S = {(−1, 2, 5, 0), (3, 0, 1, −2), (−5, 4, 9, 2)}.
Solución.
Sabemos que W = gen(S), pero S no es linealmente independiente. Entonces S no
forma una base para W . Note que (−5, 4, 9, 2) = 2 · (−1, 2, 5, 0) − (3, 0, 1, −2), es
decir, W es generado por el conjunto S1 = {(−1, 2, 5, 0), (3, 0, 1, −2)}. Además S1 es
linealmente independiente, por lo tanto S1 es una base de W . Así dim(W ) = 2.
h) Consideremos el espacio vectorial (M2 (F), F, +, ·). Encuentre la dimensión del subes-
pacio W = {A ∈ M2 (F) : A = A⊤ } de M2 (F).
Solución.

a b
Sea A ∈ M2 (F). Entonces A = =A⊤ , con a, b, c ∈ F. Luego,
b c

a b a 0 0 b 0 0
= + +
b c 0 0 b 0 0 c

1 0 0 1 0 0
= a· +b· +c· .
0 0 1 0 0 1
Así, el conjunto
1 0 0 1 0 0
S= , ,
0 0 1 0 0 1
genera a W . Además se puede probar que S es linealmente independiente y se concluye
que dim(W ) = 3.
Ahora, nos interesa estudiar el espacio vectorial generado por los vectores filas (o
por los vectores columnas) de una matriz. Se empieza con algunas terminologías, sea
A ∈ Mm×n (F) tal que,
 
a11 a12 a13 ··· a1n
 a21 a22 a23 ··· a2n 
 
A =  a31 a32 a33 ··· a3n 

.
 .. .. .. .. .. 
 . . . . . 
Las filas de la matriz A, se denominan vectores fila de A.
(a11 , a12 , a13 , · · · , a1n ), (a21 , a22 , a23 , · · · , a2n ), · · · , (am1 , am2 , am3 , · · · , amn ).
De manera similar las columnas de la matriz A, se denominan vectores columna y

se denota de la siguiente manera,
(a11 , a21 , a31 , · · · , am1 ), (a12 , a22 , a32 , · · · , am2 ), · · · , (a1n , a2n , a3n , · · · , amn ).
Observe que para una matriz A ∈ Mm×n (F) los vectores fila son elementos de Fn y los
vectores columna son elementos de Fm .
Ejemplo 3.14

2i −i 3i 0
Consideremos la matriz A = . Determinar los vectores fila y los
2 −1 3 0
vectores columna de A.
Solución. Los vectores fila de A son (2i, −i, 3i, 0), (2, −1, 3, 0) y los vectores columna
de A son (2i, 2), (−i, −1), (3i, 3), (0, 0).
Observe que (2i, −i, 3i, 0), (2, −1, 3, 0) ∈ F4 y (2i, 2), (−i, −1), (3i, 3), (0, 0) ∈ F2 .
Definición 3.8 Sea A ∈ Mm×n (F).
1. El espacio fila de A es el subespacio de Fn generado por los vectores fila de A,
2. El espacio columna de A es el subespacio de Fm generado por los vectores co-

lumna de A.
 
1 0 0 4i
Ejemplo 3.15 Consideremos la matriz A = 0 1 0 −7 . Determinar el espacio
0 0 1 8i
fila y el espacio columna de A.
3.4. Dimensión 149
Solución. El espacio fila de A es el conjunto gen({(1, 0, 0, 4i), (0, 1, 0, −7), (0, 0, 1, 8i)})
y el espacio columna de A es el conjunto gen({(1, 0, 0), (0, 1, 0), (0, 0, 1), (4i, −7, 8i)}).
A continuación se establece una forma de hallar una base para el espacio fila de una
matriz A, donde el uso de las operaciones elementales entre filas se torna vital para
tal proceso.
Teorema 3.6 Si una matriz A ∈ Mm×n (F) es equivalente por fila a una matriz
B ∈ Mm×n (F) que está en forma escalonada reducida, entonces los vectores fila de
B diferentes de cero forman una base para el espacio fila de A.
Ejemplo 3.16
a) Encuentre una base para el espacio fila y columna de

 
i −1 2 2
A =  −1 i 0 −3  .
1 −2i 2 1
Solución. Queremos encontrar una base para el espacio fila y columna de la matriz
A, es decir, una base para el subespacio
S1 = gen({(i, −1, 2, 2), (−1, i, 0, −3), (1, −2i, 2, 1)}),
S2 = gen({(i, −1, 1), (−1, i, −2i), (2, 0, 2), (2, −3, 1)}).
Mediante operaciones elementales entre filas, la matriz A se puede escribir en forma
escalonada reducida como se muestra a continuación
 
13 11
1 0 0 − i

 5 5 

 11 2 
B= 0 1 0 − + i .

 5 5 

 6 11 
0 0 1 − − i
5 10
Luego, por el teorema 3.6 se tiene los vectores fila de B diferentes de cero,

13 11 11 2 6 11
u1 = 1, 0, 0, − i , u2 = 0, 1, 0, − + i , u3 = 0, 0, 1, − − i
5 5 5 5 5 10
forma una base del espacio fila de A, es decir, es una base para S1 .
Es importante destacar que el espacio fila de A es igual al espacio fila de B, es decir
gen({(i, −1, 2, 2), (−1, i, 0, −3), (1, −2i, 2, 1)}) = gen({u1 , u2 , u3 }).
Se deja como actividad a los estudiantes verificar que lo anterior es cierto.

Ahora queremos encontrar una bases para S2 , consideremos la transpuesta de la matriz
A, y luego aplicar las operaciones elementales entre filas para escribir A⊤ en forma
escalonada reducida
 
i −1 1
 −1 i −2i 
A⊤ =  2
.
0 2 
2 −3 1
Mediante operaciones elementales entre filas, la matriz A⊤ se puede escribir en forma
 
1 0 0
 0 1 0 
C=  0 0 1 .

0 0 0
Luego, por el teorema 3.6 se tiene que los vectores fila de C diferentes de cero,
u1 = (1, 0, 0) , u2 = (0, 1, 0) , u3 = (0, 0, 1)
forma una base del espacio columna de A, es decir, es una base para S2 .
b) Encuentre una base para el espacio fila y columna de
 
1 3 1 3
 0 1 2 0 
 
A =  −3 0
 7 −1 .
 3 4 1 1 
2 0 −2 −2
Solución.
Queremos encontrar una base para el espacio fila de la matriz A, es decir, una base
para el subespacio
S3 = gen({(1, 3, 1, 3), (0, 1, 2, 0), (−3, 0, 7, −1), (3, 4, 1, 1), (2, 0, −2, −2)}).
3.4. Dimensión 151

 
1 0 0 −2

 0 1 0 2 

B=
 0 0 1 −1 
.
 0 0 0 0 
0 0 0 0
Luego, por el teorema 3.6 se tiene los vectores fila de B diferentes de cero,
u1 = (1, 0, 0, −2) , u2 = (0, 1, 0, 2) , u3 = (0, 0, 1, −1)
forma una base del espacio fila de A, es decir, es una base para S3 .
Además,
S3 = gen({u1 , u2 , u3 }).
Se deja como actividad al lector verificar que lo anterior es cierto.
Ahora queremos encontrar una base para el espacio columna de la matriz A, es decir,
una base para el subespacio
S4 = gen({(1, 0, −3, 3, 2), (3, 1, 0, 4, 0), (1, 2, 7, 1, −2), (3, 0, −1, 1, −2)}).
Consideremos la transpuesta de la matriz A, y luego aplicar las operaciones elementales

entre filas para escribir A⊤ en forma escalonada reducida
 
1 0 −3 3 2
 3 1 0 4 0 
A⊤ = 
 1
.
2 7 1 −2 
3 0 −1 1 −2
Mediante operaciones elementales entre filas, la matriz A⊤ se puede escribir en forma

 
1 0 0 0 −1
 0 1 0 4 3 
C=
 0
.
0 1 −1 −1 
0 0 0 0 0
Luego, por el teorema 3.6 se tiene los vectores fila de C diferentes de cero,
u1 = (1, 0, 0, 0, −1) , u2 = (0, 1, 0, 4, 3) , u3 = (0, 0, 1, −1, −1)
forma una base del espacio columnas de A, es decir, es una base para S4 .
c) Sea (R3 , R, +, ·) un espacio vectorial. Encontrar una base para el subespacio S5 =

gen({(−1, 2, 5), (3, 0, 3), (5, 1, 8)}) de R3 .
Solución. Consideremos los elementos de S5 para formar las filas de la matriz A.
Luego, A se escribe en forma escalonada reducida. Es decir,
 
−1 2 5
A =  3 0 3 .
5 1 8
 
1 0 1
B =  0 1 3 .
0 0 0
Así, por el teorema 3.6 se tiene que los vectores fila de B diferentes de cero,
u1 = (1, 0, 1) , u2 = (0, 1, 3) .
forma una base del espacio fila de A, es decir, forma una base para S5 .
Como se puede observar en el ejemplo 3.16 (a) y (b) tenemos que el número de elemen-
tos de la base de espacio fila y columna de la matriz A coincide por lo cual se presenta
el siguiente teorema.
Teorema 3.7 Si A ∈ Mm×n (F), entonces el espacio fila y el espacio columna de A

tienen la misma dimensión.
Ejemplo 3.17
a) Encuentre la dimensión del espacio fila y espacio columna de la matriz

 
1 3 1 3

 0 1 2 0 

A=
 −3 0 7 −1 
.
 3 4 1 1 
2 0 −2 −2
Solución. Por el ejemplo 3.16(b), se tiene que los vectores
u1 = (1, 0, 0, −2) , u2 = (0, 1, 0, 2) , u3 = (0, 0, 1, −1)

3.5. El rango y nulidad de una matriz 153
forman una base para el espacio fila de A. Por lo tanto la dimensión del espacio fila es
3. Además, por el ejemplo 3.16(b), se tiene que los vectores
u1 = (1, 0, 0, 0, −1) , u2 = (0, 1, 0, 4, 3) , u3 = (0, 0, 1, −1, −1)
forman una base para el espacio columna de A. Por lo tanto, la dimensión del espacio
columma es 3. Observe que la dimensión del espacio fila es igual a la dimensión del
espacio columna de A.
b) Encuentre la dimensión del espacio fila y espacio columna de la matriz
 
i −1 2 2
A =  −1 i 0 −3  .
1 −2i 2 1
Solución. Por el ejemplo 3.16 (a), se tiene que los vectores

13 11 11 2 6 11
u1 = 1, 0, 0, − i , u2 = 0, 1, 0, − + i , u3 = 0, 0, 1, − − i
5 5 5 5 5 10
forman una base para el espacio fila de A. Por lo tanto la dimensión del espacio fila es
3. Luego por el teorema 3.7, tenemos que la dimensión del espacio columna de A es 3.
3.5. El rango y nulidad de una matriz

En esta sección seguiremos estudiando el espacio vectorial generado por los vectores
filas (o vectores columnas) de una matriz y relacionar estos espacios con las soluciones
de los sistemas de ecuaciones lineales.
Definición 3.9 La dimensión del espacio fila (o columna) de una matriz A se le llama
rango de A y se denota por rang(A).
Ejemplo 3.18
a) Determinar el rango de la matriz

2i −i 3i 0
A= .
2 −1 3 0
Solución. Mediante operaciones elementales entre filas, la matriz A se puede escribir
en forma escalonada reducida como se muestra a continuación
 
1 3
1 − 0
B= 2 2 .
0 0 0 0
Luego, por el teorema 3.6 se tiene el vector fila de B diferentes de cero,

1 3
u1 = 1, − , , 0
2 2
forma una base del espacio fila de A. Por lo tanto, rang(A) = 1.

b) Consideremos el ejemplo 3.17(a). Determinar el rango de la matriz A.
Solución. Como la dimensión del espacio fila y columna de A es 3. Por lo tanto
rang(A) = 3.
Los conceptos de espacios, fila, columna y rango algunas veces tienen aplicaciones
interesante a sistemas de ecuaciones lineales. Consideremos un sistema de m ecuaciones
lineales con n incógnitas, es decir
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3
..
.
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm .
El sistema de ecuaciones se puede representar en notación matricial AX = B, esto es

    
a11 a12 a13 · · · a1n x1 b1
 a21 a22 a23 · · · a2n   x2   b2 
    
 a31 a32 a33 · · · a3n   x3   b3 
   =  .
 .. .. .. .. ..   ..   .. 
 . . . . .  .   . 
am1 am2 am3 · · · amn xn bm
Consideremos los conjuntos
     

 x1 
 
 y1 

   
  x
 2 
  



 y2
 
 


n  x3  m  y3 
F 1 =   : x1 , x2 , · · · , xn ∈ F y F 1 =   : y 1 , y 2 , · · · , y m ∈ F .

  ..  
 
 ..  


  .  
 
 .  


 
 
 

xn ym
Se tiene que (Fn1 , F, +, ·) y (Fm

1 , F, +, ·) son espacios vectoriales.
Teorema 3.8 Sea A ∈ Mm×n (F). Entonces el subconjunto S = {X ∈ Fn1 : AX =

0} es un subespacio del espacio vectorial (Fn1 , F, +, ·) . Este subespacio se denomina
espacio solución del sistema.
Prueba. Sean X, X1 ∈ S y α ∈ F. Queremos probar que X + X1 ∈ S y α · X ∈ S.

Como X, X1 ∈ S, entonces AX = 0 y AX1 = 0.
A(X + X1 ) = AX + AX1 (Por el teorema 1.3(2))

= 0+0 (Por hipótesis)
= 0. (Por el teorema 1.2(3))
Así X + X1 ∈ S.
Por otro lado,
A(α · X) = α(AX) (Por el teorema 1.3(4))

= α·0 (Por hipótesis)
= 0.
Se tiene que α · X ∈ S. En conclusión, S es un subespacio de Fn1 .
Obsevación 3.2 El espacio solución de AX = 0 también se denomina espacio nulo

de la matriz A. Además la dimensión del espacio solución de AX = 0 se le llama
nulidad de A, y se denota nul(A).
Ejemplo 3.19 Determine una base de el espacio solución del sistema AX = 0, para
la siguiente matriz
 
1 0 −2 1
A =  3 1 −5 0 .
1 2 0 −5
Solución.
 
1 0 −2 1 0
B =  3 1 −5 0 0 .
1 2 0 −5 0
2) Mediante operaciones elementales entre filas, la matriz B se puede escribir en forma

 
1 0 −2 1 0
B= 0 1 1 −3 0  .
0 0 0 0 0

(
x1 − 2x3 + x4 = 0
x2 + x3 − 3x4 = 0.
Dado que x3 y x4 son incógnitas libres. Entonces despejamos x1 y x2 para obtener;
x1 = 2x3 − x4 y x2 = 3x4 − x3 .
Tomemos, x3 = t y x4 = p con t, p ∈ F. Se obtiene la solución general;
x1 = 2t − p y x2 = 3p − t.
Esto significa que el espacio solución AX = 0 consta de todos los vectores X ∈ Fn1 de
la forma,
       
x1 2t − p 2 −1
x2  3p − t  −1   3 
X= x3  =  t  = t ·  1  + p ·  0  .
      
x4 p 0 1
Por lo tanto, los vectores
   
2 −1
 −1   3 
 1  y u2 =  0 
u1 =    
0 1
forman una base para el espacio solución del sistema AX = 0.

Note que, la dimensión del espacio solución del sistema AX = 0 es igual a 2. Por lo
tanto, nul(A) = 2.
Ahora, se sabe que el conjunto de todos los vectores solución del sistema homogéneo
AX = 0 es un subespacio.
¿También es cierto lo anterior para el conjunto de todos los vectores solución del
sistema no homogéneo AX = B?
Solución. La repuesta es no porque el vector cero nunca es solución de un sistema
no homogéneo. Sin embargo, hay una relación entre el conjunto de soluciones de los
sistemas AX = 0 y AX = B.
Teorema 3.9 Si Xp es una solución particular del sistema no homogéneo AX = B,

entonces toda solución de este sistema puede escribirse en la forma Xt = Xp + Xh ,
donde Xh es una solución del sistema homogéneo AX = 0.
Prueba. Sea Xt ∈ Fn1 una solución del sistema AX = B. Entonces Xt − Xp es una

solución del sistema homogéneo AX = 0, ya que
A(Xt − Xp ) = AXt − AXp (Por el teorema 1.3(2))

= B−B (Por hipótesis)
= 0. (Por el teorema 1.2(4))
Tomemos Xh = Xt − Xp , se tiene que Xt = Xp + Xh .
Ejemplo 3.20 Determinar el conjunto de todos los vectores solución del siguiente
sistema de ecuaciones lineales,

 x − 2z + w = 5
3x + y − 5z = 8

x + 2y − 5w = −9.
Solución.
 
1 0 −2 1 5
B=  3 1 −5 0 8 .
1 2 0 −5 −9
2) Mediante operaciones elementales entre filas, la matriz B se puede escribir en forma

 
1 0 −2 1 5
B= 0 1 1 −3 −7  .
0 0 0 0 0
(
x − 2z + w = 5
y + z − 3w = −7.
Dado que z y w son incógnitas libres. Entonces despejamos x e y para obtener;
x = 2z − w + 5 e y = 3w − z − 7.
Tomemos, z = t y w = p con t, p ∈ F. Se obtiene la solución general;
x = 2t − p + 5 e y = 3p − t − 7.
Luego, el vector solución correspondiente al sistema AX = B es de la forma,

         
x 2t − p + 5 2 −1 5
 y  3p − t − 7
 = t ·  −1  + p ·  3  +  −7  .
     
X=
z  = 
 
t   1   0   0 
w p 0 1 0
Obsérvese que el vector  

5
 −7 
Xp = 
 0 

0
es una solución particular de sistema AX =B y
   
2 −1
 −1
+p· 3 
  
Xh = t · 
 1   0 
0 1
representa un vector arbitrario en el espacio solución de AX = 0.
3.6. Coordenadas y cambio de base

Es importante recordar que si una base B de un espacio vectorial V , entonces cualquier
vector x en V se puede escribir en una y sólo una forma como una combinación lineal
de los elementos de B.
Definición 3.10 Sean B = {u1 , u2 , . . . , un } una base del espacio vectorial (V, F, +, ·)
y w un vector en V tal que w = c1 · u1 + c2 · u2 + . . . + cn · un . Entonces los escalares
c1 , c2 , . . . , cn se le llaman coordenadas de w con respecto a la base B. El vector de
coordenada de w con respecto a B es denotado por (w)B = (c1 , c2 , . . . , cn ).
Obsevación 3.3 El orden de los vectores en la base es importante. En el contexto

de la representación de coordenadas, B = {u1 , u2 , . . . , un } algunas veces se denomina
base ordenada.
Ejemplo 3.21
a) Determine el vector de coordenadas de w = (−2, 7, −5) en R3 con respecto a la

base B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
Solución. Para hallar el vector de coordenadas de w = (−2, 7, −5), es necesario en-
contrar escalares c1 , c2 , c3 tal que
(−2, 7, −5) = c1 · (1, 0, 0) + c2 · (0, 1, 0) + c3 · (0, 0, 1).

3.6. Coordenadas y cambio de base 159
(−2, 7, −5) = c1 · (1, 0, 0) + c2 · (0, 1, 0) + c3 · (0, 0, 1)

= (c1 , c2 , c3 ).
Al igualar las componentes correspondientes se tiene que


 c1 = −2
c = 7
 2
c3 = −5.
Por lo tanto,
(w)B = (−2, 7, −5).
b) El vector de coordenadas de w en R2 con respecto a la base B1 = {(1, 0), (1, 2)}
es (w)B1 = (−2, 5). Determine las coordenadas de w con respecto a la base B2 =
{(1, 0), (0, 1)}.
Solución. Como el vector coordenado de w con respecto a la base B1 es (w)B1 =
(−2, 5). Entonces, w = −2 · (1, 0) + 5 · (1, 2) = (−2, 0) + (5, 10) = (3, 10). Además
(3, 10) = 3 · (1, 0) + 10 · (0, 1), por lo tanto (w)B2 = (3, 10).
c) Determine el vector de coordenadas de w = (1, 3, −2) en R3 con respecto a la base
B = {(1, 0, 1), (0, −1, 2), (2, 3, −5)}.
Solución. Para hallar el vector de coordenadas de w = (1, 3, −2) con respecto a B, es
necesario encontrar escalares c1 , c2 , c3 tal que
(1, 3, −2) = c1 · (1, 0, 1) + c2 · (0, −1, 2) + c3 · (2, 3, −5).
(1, 3, −2) = c1 · (1, 0, 1) + c2 · (0, −1, 2) + c3 · (2, 3, −5)

= (c1 , 0, c1 ) + (0, −c2 , 2c2 ) + (2c3 , 3c3 , −5c3 )
= (c1 + 2c3 , −c2 + 3c3 , c1 + 2c2 − 5c3 ).


 c1 + 2c3 = 1
−c2 + 3c3 = 3

c1 + 2c2 − 5c3 = −2.
Resolviendo el sistema de ecuaciones, se obtiene que c1 = 7, c2 = −12 y c3 = −3.
Por lo tanto,
(w)B = (7, −12, −3).
Es importante resaltar que en el ejemplo b), se tenían las coordenadas de un vector

con respecto a una base B1 y se pide determinar las coordenadas con respecto a otra
base B2 . A este proceso se le llama cambio de base.
Obsevación 3.4 Supongamos que c1 , c2 , . . . , cn son las coordenadas de un vector u

con respecto a una base B de un espacio vectorial V . En este caso definimos u por su
vector columna coordenado, mediante
 
c1
 c2  ⊤
 
[u]B =  .  = c1 , c2 , · · · , cn .
..
cn
Supongamos que B1 = {u1 , u2 , . . . , un } es una base de un espacio vectorial V y que
B2 = {w1 , w2 , . . . , wn } es otra base de V . Si B1 es una base de V , se tiene que cada
vector de B2 se puede expresar de manera única como combinación lineal de de los
elementos de B1 . Es decir,
w1 = c11 u1 + c12 u2 + c13 u3 + · · · + c1n un

w2 = c21 u1 + c22 u2 + c23 u3 + · · · + c2n un
w3 = c31 u1 + c32 u2 + c33 u3 + · · · + c3n un
..
.
wn = cn1 u1 + cn2 u2 + cn3 u3 + · · · + cnn un .
Consideremos la transpuesta de la matriz denotada por P , con los coeficientes dados

anteriormente
 
c11 c21 · · · cn1
 c12 c22 · · · cn2 
 
P = . .. .. ..  .
 .. . . . 
c1n c2n · · · cnn
Esta matriz P se la llama cambio de base o matriz de transición desde la antigua
base B1 hasta la nueva base B2 .
Obsevación 3.5 Como los vectores w1 , w2 , . . . , wn de B2 son linealmente indepen-

diente, se tiene que la matriz P es invertible. Además P −1 es la matriz cambio de base
desde la B2 , volviendo a la B1 .
Ejemplo 3.22 Sean B1 = {(−1, 2), (2, −2)} y B2 = {(1, 0), (0, 1)} bases de R2 . Halla
la matriz de transición P desde la base B1 hasta la base B2 .
Solución. Dado que B1 es una base de R2 , se tiene que cada vector de B2 se puede
expresar de manera única como combinación lineal de los elementos de B1 . Es decir,
(1, 0) = c1 · (−1, 2) + c2 · (2, −2)

= (−c1 , 2c1 ) + (2c2 , −2c2 )
= (−c1 + 2c2 , 2c1 − 2c2 ).

−c1 + 2c2 = 1
2c1 − 2c2 = 0.
Resolviendo el sistema de ecuaciones, se obtiene que c1 = 1 y c2 = 1.
Así,
(1, 0) = 1 · (−1, 2) + 1 · (2, −2).
Por otro lado,
(0, 1) = c1 · (−1, 2) + c2 · (2, −2)

= (−c1 , 2c1 ) + (2c2 , −2c2 )
= (−c1 + 2c2 , 2c1 − 2c2 ).
Al igualar las componentes correspondientes se tiene que,

−c1 + 2c2 = 0
2c1 − 2c2 = 1.
Resolviendo el sistema de ecuaciones, se obtiene que c1 = 1 y c2 = 21 .
Así,
1
(0, 1) = 1 · (−1, 2) + · (2, −2).
2
Por lo tanto, la matriz de transición P desde la base B1 hasta la base B2 viene dada
por
 
1 1
P = 1 .
1
2
Ahora queremos encontrar la matriz de transición Q desde la base B2 hasta la base
B1 .
Como (−1, 2) = −1 · (1, 0) + 2 · (0, 1) y (2, −2) = 2 · (1, 0) − 2 · (0, 1). Entonces,

−1 2
Q= .
2 −2
Note que,  
1 1
−1 2 1 0
PQ =  1  = = I2 .
1 2 −2 0 1
2
Por lo cual se puede concluir que la inversa de P es Q, es decir Q = P −1 .
Ejemplo 3.23
Sean B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y B2 = {(1, 0, 1), (0, −1, 2), (2, 3, −5)} bases de
R3 . Halla la matriz de transición P desde la base B1 hasta la base B2 .
Solución. Dado que B1 es una base de R3 , se tiene que cada vector de B2 se puede
expresar de manera única como combinación lineal de los elementos de B1 . Es decir,
(1, 0, 1) = 1 · (1, 0, 0) + 0 · (0, 1, 0) + 1 · (0, 0, 1)

(0, −1, 2) = 0 · (1, 0, 0) − 1 · (0, 1, 0) + 2 · (0, 0, 1)
(2, 3, −5) = 2 · (1, 0, 0) + 3 · (0, 1, 0) − 5 · (0, 0, 1).
Por lo tanto, la matriz de transición de P desde la base B1 hasta la base B2 es

 
1 0 2
P =  0 −1 3 .
1 2 −5
Como P es invertible. Entonces la matriz de transición desde la base B2 hasta la base
B1 viene dada por la inversa de P , es decir P −1 . (Verificarlo)
El siguiente teorema nos describe cómo son afectados los vectores (columna) coorde-
nados por un cambio de base.
Teorema 3.10 Sea P la matriz de transición desde una base B a una base W en un
espacio vectorial V . Entonces para cada vector u en V , tenemos que
P [u]W = [u]B y, por consiguiente P −1 [u]B = [u]W .

Ejemplo 3.24 Consideremos las bases B = {(1, −2), (3, −4)} y W = {(1, 3), (3, 8)}
de R2 .
a) Determine las coordenadas de un vector arbitrario u = (u1 , u2 ) con respecto a la

base B.
Solución. Para hallar el vector de coordenadas de u = (u1 , u2 ) con respecto a B, es
necesario encontrar escalares c1 , c2 tal que
u = c1 · (1, −2) + c2 · (3, −4).
(u1 , u2 ) = c1 · (1, −2) + c2 · (3, −4)

= (c1 , −2c1 ) + (3c2 , −4c2 )
= (c1 + 3c2 , −2c1 − 4c2 ).

c1 + 3c2 = u1
−2c1 − 4c2 = u2 .
3 u2
Resolviendo el sistema de ecuaciones, se obtiene que c1 = −2u1 − u2 y c2 = u1 + .
  2 2
3
−2u1 − u2 ⊤

Por lo tanto, [w]B =  2  = −2u − 3 u u + u2 .
u2  1 2 1
u1 + 2 2
2
b) Hallar la matriz de transición P desde B hasta W .
Solución. Dado que B es una base de R2 , se tiene que cada vector de W se puede
expresar de manera única como combinación lineal de los elementos de B. Es decir,
(1, 3) = c1 · (1, −2) + c2 · (3, −4)

= (c1 , −2c1 ) + (3c2 , −4c2 )
= (c1 + 3c2 , −2c1 − 4c2 ).

c1 + 3c2 = 1
−2c1 − 4c2 = 3.
13 5
Resolviendo el sistema de ecuaciones, se obtiene que c1 = − y c2 = .
2 2
Luego,
13 5
(1, 3) = − · (−1, 2) + · (2, −2).
2 2
Por otro lado,
(3, 8) = c1 · (1, −2) + c2 · (3, −4)

= (c1 , −2c1 ) + (3c2 , −4c2 )
= (c1 + 3c2 , −2c1 − 4c2 ).

c1 + 3c2 = 3
−2c1 − 4c2 = 8.
Resolviendo el sistema de ecuaciones, se obtiene que c1 = −18 y c2 = 7.
Así,
(3, 8) = 11 · (−1, 2) + 7 · (2, −2).
La matriz de transición P desde la base B hasta la base W viene dada por,

13 
−
−18
 2 
P = .
5
7
2
c) Determine las coordenadas de un vector arbitrario u = (u1 , u2 ) con respecto a la
base W .
Solución. Para hallar el vector de coordenadas de u = (u1 , u2 ) con respecto a W , es
necesario encontrar escalares c1 , c2 tal que
u = c1 · (1, 3) + c2 · (3, 8).
(u1 , u2 ) = c1 · (1, 3) + c2 · (3, 8)

= (c1 , 3c1 ) + (3c2 , 8c2 )
= (c1 + 3c2 , 3c1 + 8c2 ).

c1 + 3c2 = u1
3c1 + 8c2 = u2 .
Resolviendo el sistema de ecuaciones, se obtiene que c1 = −8u1 + 3u2 y c2 = 3u1 − u2 .

−8u1 + 3u2 ⊤
Por lo tanto, [u]W = = −8u1 + 3u2 3u1 − u2 .
3u1 − u2
d) Hallar la matriz de transición P1 desde W hasta B.
Solución. Dado que W es una base de R2 , se tiene que cada vector de B se puede
expresar de manera única como combinación lineal de los elementos de W . Es decir,
(1, −2) = c1 · (1, 3) + c2 · (3, 8)

= (c1 , 3c1 ) + (3c2 , 8c2 )
= (c1 + 3c2 , 3c1 + 8c2 ).

c1 + 3c2 = 1
3c1 + 8c2 = −2.
Así,
(1, 3) = −14 · (1, 3) + 5 · (3, 8).
Por otro lado,
(3, −4) = c1 · (1, 3) + c2 · (3, 8)

= (c1 , 3c1 ) + (3c2 , 8c2 )
= (c1 + 3c2 , 3c1 + 8c2 ).

c1 + 3c2 = 3
3c1 + 8c2 = −4.
Luego,
(3, 8) = −36 · (1, 3) + 13 · (3, 8).
Por lo tanto, la matriz de transición P1 desde la base W hasta la base B viene dada
por,
!
−14 −36
P1 = .
5 13
Note que P P1 = P1 P = I2 . Por lo tanto, P1 = P −1 .
e) Mostrar que P [u]W = [u]B , para todo vector u = (u1 , u2 ).

Solución. Por el ejemplo 3.24 (b) y (c), se tiene que
 13 
− −18
 2  −8u1 + 3u2
P =  y [u]W = .
5 3u1 − u2
7
2
Luego,
 13 
− −18
 2  −8u1 + 3u2
P [u]W =  
5 3u1 − u2
7
2
 
3
−2u1 − u2

=  2 
u2 
u1 +
2
= [u]B .
Así,
P [u]W = [u]B .
f ) Mostrar que P −1 [u]B = [u]W , para todo vector u = (u1 , u2 ).
Solución. Por el ejemplo 3.24 (d) y (a), se tiene que
 
! 3
−14 −36 −2u1 − u2
P −1 =

y [u]B =  2 .
5 13 u2 
u1 +
2
Además,  
! 3
−14 −36 −2u1 − u2
P −1 [u]B =

 2 
5 13 u2 
u1 +
2

−8u1 + 3u2
=
3u1 − u2
= [u]W .
Por lo tanto,
P −1 [u]B = [u]W .
Hasta el momento hemos visto la estructura de espacios vectoriales que es propia de los
vectores y es aplicable a matrices, a los polinomios y a las funciones y permite identificar
matrices como vectores. Además construye una base solida para el desarrollo de la
Geometría. Una aplicación de las operaciones permitidas en Geometría que dio fruto en
el trabajo árabe sobre la ecuación cúbica alrededor del años 800 y tuvo repercusiones
en la Mecánica y Astronomía, fue la introducción de una nueva clases de curvas,
las Secciones Cónicas. Estas curvas tienen gran importancias en la Historia de las
Matemáticas, se obtienen seccionando un cono doble con un plano.
Es importante resaltar que según Stewart (2007), las Secciones
Cónicas fueron estudiadas con detalle por Apolonio de Perga,
viajó desde Perga en Asia Menor a Alejandría para estudiar con
Euclides. Su obra muestra, las secciones cónicas de aproximada-
mente el 230 a.C., contiene 487 teoremas. Fueron muchos ma-
temáticos que contribuyeron al estudio de las Secciones Cónicas
antes que Apolonio, no obstante dice Boryer (1992), siguiendo el
camino metodológico trazado por sus antecesores, Apolonio pro-
Apolonio de Perga fundizó en el estudio de tales curvas llegando a generalizaciones
(262 − 190 a.C.) que le permitieron formalizar de una manera rigurosa su estable-
cimiento dentro las Matemáticas. Para Cadenas y Rivas (2009), luego de la muerte de
Apolonio, la Matemática griega y más tarde la de toda Europa, entra en un período
de decadencia que se extiende hasta la edad media.
3.6.1. Secciones Cónicas y Rotación

Existen varias formas de introducir las cónicas. Se puede comenzar, como la hacían los
griegos, definiendo las cónicas en términos de intersecciones de planos y conos, o bien
definirlas algebraicamente en términos de ecuación general de segundo grado
Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0. (3.1)

Cuando el coeficiente del término xy es cero, es decir B = 0, entonces es fácil identificar
la gráfica de la ecuación (3.1). En este caso los ejes canónicos son paralelos a los ejes
coordenados donde al menos A 6= 0 o C 6= 0, y dependiendo de los valores de A, C,
D, E y F puede representar una circunferencia, elipse, hipérbolas, parábola o rectas.
Elipse Parábola Hipérbola
Si el coeficiente del término xy es distinto de cero, es decir B 6= 0, se tiene que los

ejes de las cónicas correspondientes no son paralelos a los ejes de coordenadas. En este
caso es conveniente rotar los ejes normales para formar nuevos ejes X 8 y Y 8 . El ángulo
de rotación necesario θ (medido en sentido contrario de las manecillas del reloj) está
A−C
dado por cot(2θ) = .
B
Para nuestras aplicaciones, será necesario girar los ejes coordenados solamente un
ángulo suficientemente grande para hacer coincidir uno de los ejes coordenados con una
recta dada fija cualquiera, o para hacer que sea paralelo a ella en el plano coordenado.
De acuerdo con esto, restringiremos en general, los valores del ángulo de rotación θ al
intervalo dado por 0◦ ≤ θ < 90◦ .
Es importante resaltar que con está rotación, la base normal en el plano
B = {(1, 0), (0, 1)} es rotada para formar la nueva base
W = {((cos(θ), sen(θ)), (−sen(θ), cos(θ)))}. (Figura 3.1)
Y
Y 8
(0, 1) X8
•
(−sen(θ), cos(θ)) • • (cos(θ), sen(θ))
θ
•
(1, 0) X
Figura 3.1: Representación gráfica de B y W

Consideremos un vector arbitrario u = (x, y) en R2 . Determine las coordenadas del

vector u con respecto a la base W .
Por el teorema 3.10, se tiene que P −1 [u]B = [u]W . Recordemos que P −1 es la matriz
de transición desde W hasta B y la inversa de la matriz de transición P .
Hallar la matriz de transición P desde B hasta W .
Solución. Dado que B es una base de R2 , se tiene que cada vector de W se puede
expresar de manera única como combinación lineal de los elementos de B. Es decir,
(cos(θ), sen(θ)) = cos(θ) · (1, 0) + sen(θ) · (0, 1).
Además,
(−sen(θ), cos(θ)) = −sen(θ) · (1, 0) + cos(θ) · (0, 1).
Por lo tanto, la matriz de transición P desde la base B hasta la base W viene dada
por
!
cos(θ) −sen(θ)
P = .
sen(θ) cos(θ)
 
..
cos(θ) −sen(θ) . 1 0 
Consideremos la matriz P ... I2 =  . .
sen(θ) cos(θ) .. 0 1
.
triz en la forma I2 .. P −1 , es decir,
 
..
 cos(θ) −sen(θ) . 1 0 
.
 
..
f1 (cos(θ)) 1− sen2 (θ) −cos(θ)sen(θ) . cos(θ) 0 
−−−−−−−−→  ..
sen(θ) cos(θ) . 0 1
 
..
f12 (sen(θ)) 1 0 . cos(θ) sen(θ) 
−−−−−−−−−→  .
 
..
f21 (−sen(θ)) 1 0 . cos(θ) sen(θ)
−−−−−−−−−−→  ..

0 cos(θ) . −sen(θ)cos(θ) 1 − sen (θ) 2
 

1

..
f2 cos(θ) 1 0 . cos(θ) sen(θ) 
−−−−−−−−−→  . .
0 1 .. −sen(θ) cos(θ)
Por lo tanto, la inversa de la matriz P es;

−1 cos(θ) sen(θ)
P = .
−sen(θ) cos(θ)
Por otro lado, como (x, y) = x · (1, 0) + y · (0, 1). Entonces,

x
[u]B = .
y
8
x
Supongamos que [u]W = . Por lo tanto,
y8
P −1 [u]B = [u]W
8
cos(θ) sen(θ) x x
=
−sen(θ) cos(θ) y y8
8
cos(θ)x + sen(θ)y x
= .
−sen(θ)x + cos(θ)y y8
Estos quiere decir que,
x8 = xcos(θ) + ysen(θ) y y 8 = −xsen(θ) + ycos(θ). (3.2)

Las ecuaciones (3.2) dan las coordenadas x8 , y 8 en términos de x, y. Para realizar
una rotación de ejes es pertinente expresar las coordenadas x, y en términos de las
coordenadas x8 , y 8 .
De las ecuaciones (3.2) se pueden despejar x, y, obteniéndose
x = x8 cos(θ) − y 8 sen(θ) , y = x8 sen(θ) + y 8 cos(θ). (3.3)
Obsevación 3.6 Sustituyendo las ecuaciones (3.3) en las ecuaciones (3.1), se obtiene
una ecuación polinomial de segundo grado en x8 , y 8 que no tiene término x8 y 8 , es decir,
A8 (x8 )2 + C 8 (y 8 )2 + D 8 (x8 ) + E 8 (y 8 ) + F 8 = 0. (3.4)

A−C
En donde cot(θ) = .
B
Actividad 1. Efectúe una rotación de ejes para eliminar el término xy en
√
2x2 + 3xy + y 2 = 4 (3.5)
y trace en el plano x8 y 8 la gráfica de la ecuación resultante.
A−C
Solución. Como el ángulo de rotación viene dado por cot(θ) = , en donde
√ B
A = 2, B = 3 y C = 1.
Entonces,
2−1
cot(θ) = √
3
1
cot(θ) = √
3
√
tan(θ) = 3
θ = 30◦ .
Luego sustituyendo θ = 30◦ en la ecuación (3.3), se tiene que:
x = x8 cos(30◦ ) − y 8 sen(30◦ )
√
3 8 1 8
x = x − y
2 2
y = x8 sen(30◦ ) + y 8 cos(30◦ )
√
1 8 3 8
y = x + y.
2 2
Ahora sustituimos estos valores de x, y en la ecuación (3.5), se obtiene que
√ !2 √ ! √ ! √ !2
3 8 1 8 √ 3 8 1 8 1 8 3 8 1 8 3 8
2 x − y + 3 x − y x + y + x + y = 4.
2 2 2 2 2 2 2 2
Desarrollando y simplificando esta última ecuación, obtenemos la ecuación transfor-

mada,
(x8 )2 (y 8 )2
q 2 + √ = 1. (3.6)
8 ( 8)2
5
Note que el lugar geométrico de la ecuación (3.6) es una elipse. Además, por lo expuesto
anteriormente tenemos que la nueva base (rotación) de R2 viene dada por,
( √ ! √ !)
3 1 1 3
W = , , − , .
2 2 2 2
√
Además,
√ las coordenadas de los vértices de la elipse con respecto a W son (0, 8)W y
(0, − 8)W .
Para encontrar las coordenadas de los vértices con respecto a la base normal B =
{(1, 0), (0, 1)}, se usa las ecuaciones
√ √
3 8 1 8 1 8 3 8
x= x − y ,y = x + y. (3.7)
2 2 2 2
Y las coordenadas de los vértices

√ de la elipse con respecto a W .
Sustituyendo el vértices (0, 8) en las ecuaciones (3.7). Tenemos que,
√
3 1 √ √
x= (0) − ( 8) = − 2,
2 2
√
1 3 √ √
y = (0) + ( 8) = 6.
2 2
√
Por otro lado, sustituyendo el vértices (0, − 8) en las ecuaciones (3.7). Tenemos que,
√
3 1 √ √
x= (0) − (− 8) = 2,
2 2
√
1 3 √ √
y = (0) + (− 8) = − 6.
2 2
Por√lo √
tanto, las√ coordenadas
√ de los vértices con respecto a la base normal B son,
(− 2, 6)B y ( 2, − 6)B .
Además, las coordenadas del eje menor con respecto a W son,
r ! r !
8 8
,0 y − ,0 .
5 5
W W
Para encontrar las coordenadas del eje menor con respecto a la base normal B =
{(1, 0), (0, 1)}, se usa las ecuaciones
√ √
3 8 1 8 1 8 3 8
x= x − y ,y = x + y. (3.8)
2 2 2 2
Y las coordenadas del!eje menor de la elipse con respecto a W .
r
8
Sustituyendo ,0 en las ecuaciones (3.8). Tenemos que,
5
W
√ r ! r
3 8 1 6
x= − (0) = ,
2 5 2 5
r ! √ r
1 8 3 2
y= + (0) = .
2 5 2 5
r !
8
Por otro lado, sustituyendo − ,0 en las ecuaciones (3.8). Tenemos que,
5
W
√ r ! r
3 8 1 6
x= − − (0) = − ,
2 5 2 5
r ! √ r
1 8 3 2
y= − + (0) = − .
2 5 2 5
Por lo tanto, las coordenadas del eje menor con respecto a la base normal B son,
r r ! r r !
6 2 6 2
, y − ,− .
5 5 5 5
B B
Y
8
√ Y√
(− 2, 6)
X8
30◦
√ √
( 2, − 6)
Figura 3.2: Representación gráfica de la ecuación (3.6)

a a+b
1. Sea V = ∈ M2 (F) : a, b ∈ F . ¿Será (V, F, +, ·) un espacio
a+b b
vectorial?
2. Sea V = {P (x) ∈ F[x] : grad(P (x)) ≤ 2}, demuestre que (V, F, +, ·) es un espa-
cio vectorial.
3. Sea V = R2 y consideremos las operaciones:

a) (x1 , y1 ) + (x2 , y2 ) = (x1 + y1 , x2 + y2 ), para todo (x1 , y1 ), (x2 , y2 ) ∈ R2 ,
b) c(x1 , y1 ) = (cx1 , 0), para todo (x1 , y1 ) ∈ R2 y c ∈ R.
¿Será (V, R, +, ·) un espacio vectorial?
4. Sea V = R2 y consideremos las operaciones:

a) (x1 , y1 ) + (x2 , y2 ) = (x1 + y1 , x2 + y2 ), para todo (x1 , y1 ), (x2 , y2 ) ∈ R2 ,
√ √
b) c(x1 , y1 ) = ( cx1 , cy1 ), para todo (x1 , y1 ) ∈ R2 y c ∈ R.
¿Será (V, R, +, ·) un espacio vectorial?
5. ¿Cuáles de los siguientes subconjuntos S es un subespacio de un espacio vectorial

V?
a) V = Rn y S = {(x1 , . . . , xn ) ∈ Rn : x1 ≤ 0},
b) V = Rn y S = {(x1 , . . . , xn ) ∈ Rn : x1 es racional},
c) V = Mn (C) y S = {A ∈ Mn (C) : A∗ = A},
d) V = Mn (F) y S = {A ∈ Mn (F) : A es invertible},
e) V = M2 (F) y S = {A ∈ M2 (F) : A es simétrica},
f) V = Mn (F) y S = {A ∈ Mn (F) : A conmuta con P } donde P ∈ Mn (F),
g) V = Mn (F) y S = {T ∈ Mn (F) : T es triangular superior},
h) V = Mn (F) y S = {D ∈ Mn (F) : D es diagonal},
i) V = F(R, R) y S = {g ∈ F(R, R) : g(1) = g(0)}.
6. Dé un ejemplo que demuestre que la unión de dos subespacios de un espacio

vectorial V no necesariamente es un subespacio de V .
7. Determine si el conjunto S dado genera a R3 .

a) S = {(2, 0, 7), (2, 4, 5), (2, −12, 13)},
b) S = {(4, 7, 3), (−1, 2, 6), (2, −3, 5)},
c) S = {(6, 7, 6), (3, 2, −4), (1, −3, 2)},
d) S = {(1, −2, 0), (0, 0, 1), (−1, 2, 0)}.
8. Encuentre una base y la dimensión del espacio solución del sistema homogéneo
de ecuaciones lineales dados,
 
 3x + 3y + 15w + 11z = 0  2x − 3iy + 4w − 3z = 0
a) x − 3y + w + z = 0 c) x + 2iw − z = 0
 
2x + 3y + 11w + 8z = 0 3ix − y + 3w − z = 0
 
 x − y + 2w − 22z = 0  3x − y + 4iw − z = 0
b) x − 3w − 2z = 0 d) x + 2iw − 3z = 0
 
ix − 2y + 3w − z = 0 −x − iy + 4w − z = 0.
9. Efectúe una rotación de ejes para eliminar el término xy y trace la gráfica de

la cónica,
a) xy + 1 = 0, c) x2 + 2xy + y 2 − 8y + 8x = 0,
b) 5x2 − 2xy + 5y 2 + 64 = 0, d) 13x2 + 6xy + 7y 2 − 16 = 0.
10. El conjunto W formado por todos los puntos de R2 que tienen la forma (x, x)
es una línea recta. ¿Es W un subespacio de R2 ? Explique.
11. Sea W el conjunto de todos los puntos en R3 que están en el plano xy. ¿Es W
un subespacio de R3 ? Explique.
12. Si A es una matriz de 3 × 4, ¿cuál es el máximo valor posible para rango A?
13. Sea A una matriz de 7 × 3 cuyo rango es 3.
a) ¿Son las filas de A linealmente dependientes o linealmente independientes?
Justifique su respuesta,
b) ¿Son las columnas de A linealmente dependientes o linealmente indepen-
dientes? Justifique su respuesta.
14. Consideremos las bases B = {(1, −2, 5), (3, −4, 3), (5, −3, 4)} y
W = {(1, 3, −2), (3, 8, 3), (4, −3, 5)} de R3 .
a) Determine las coordenadas de un vector arbitrario u = (u1 , u2 , u3 ) con
respecto a la base B,
b) Hallar la matriz de transición P desde B hasta W ,
c) Determine las coordenadas de un vector arbitrario u = (u1 , u2 , u3 ) con
respecto a la base W ,
d) Hallar la matriz de transición P1 desde W hasta B,
e) Mostrar que P [u]W = [u]B , para todo vector u = (u1 , u2 , u3 ),
f) Mostrar que P −1 [u]B = [u]W , para todo vector u = (u1 , u2 , u3 ).
15. Resolver el sistema lineal dado y escriba la solución x como x = xp + xh , donde

xp es una solución particular del sistema dado y xh es una solución del sistema
homogéneo asociado.
 
 3x + 3y + 15w + 11z = 3  2x − 3iy + 4w − 3z = −3
a) x − 3y + w + z = −2 c) x + 2iw − z = 2
 
2x + 3y + 11w + 8z = 3 3ix − y + 3w − z = 5
 
 x − y + 2w − 22z = −3  3x − y + 4iw − z = 4
b) x − 3w − 2z = 1 d) x + 2iw − 3z = −3
 
ix − 2y + 3w − z = 5 −x − iy + 4w − z = −5.
16. Sea H un subespacio de R4 cuya base es B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0)}.
Hallar dimensión y ecuación cartesiana de H.
17. Hallar x y y para que el vector (2, 3, x, y) pertenezca al subespacio

gen((6, 1, 2, 0), (−2, 3, 1, 1)).
Bibliografía
1. Boyer, Carl (1992). Historia de las matemáticas. Alianza Universitaria Madrid.

2. Bruce, E. y Roland, L. (2004). Introducción al Álgebra Lineal. Editorial Limusa,
S.A. de C.V México.
3. Cadenas, R. y Rivas, M. (2006). Fundamentos de Matemática Básica en la For-
mación de Docentes. Universidad de los Andes Consejo de Publicaciones.
Impreso en Talleres Gráficos Universitarios. Mérida-Venezuela.
5. Lipschutz, Seymour (1992). Álgebra Lineal. Segunda edición. Ediciones Oasis.
Madrid-España.
6. Luzardo, D. y Peña, A. (2006). Historia del álgebra lineal hasta los albores del
siglo XX. Articulo de investigación extraído el 15 de febrero de.
5. Rivero, F. (2001). Una introducción a los números complejos. Recursos para el
aula. Publicación oficial de la Escuela Venezolana para la Enseñanza de las
Matemáticas. Mérida-Venezuela.
7. Stewart, Iat (2007). Historia de las matemáticas. Ediciones Oasis. Barcelona-
España.

Álgebra Lineal

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Lineal

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE LOS ANDES

FACULTAD DE HUMANIDADES Y EDUCACIÓN

TÓPICOS EN ÁLGEBRA LINEAL

TRABAJO DE ASCENSO PARA OPTAR A LA CATEGORÍA

Autor: Lic. Sebastian Castro Ramirez.

Mérida - Mayo de 2013

Msc. Reinaldo Cadenas.

3. Espacios vectoriales 131

1.1. Números complejos (C)

Figura 1.1: Representación gráfica de a + bi

Sea a + bi ∈ C, tal que a = 0 y b 6= 0. Al número complejo bi se le llama imaginario

Definición 1.2 Sean z = a + bi, w = c + di ∈ C. Diremos que z y w son iguales,

Definición 1.3 Sea z = a + bi ∈ C. Se define el conjugado de z, denotado por z,

Para dar una representación gráfica del conjugado de z = a + bi, consideremos el

Figura 1.2: Representación gráfica de z

Figura 1.3: Representación gráfica de z

b) Sea z = 5 ∈ C. Entonces el conjugado de z es;

Definición 1.4 Sean z = a + bi ∈ C. Se define el módulo de z, denotado por |z|,

Figura 1.4: Representación gráfica de |z|

a) Consideremos los complejos z = 4 + 3i. Entonces,

Figura 1.5: Representación gráfica de |z|

Figura 1.6: Interpretación gráfica de z + w

Figura 1.7: Interpretación gráfica de z + w

Definición 1.6 Sean z = a + bi, w = c + di ∈ C. Se define la multiplicación de z

z · w = (a + bi)(c + di) = ac + adi + bci + bdi2 = (ac − bd) + (ad + bc)i.

z · w = (3 + 2i)(5 + 7i) = 15 + 21i + 10i − 14 = 1 + 31i.

Sea z = a + bi ∈ C. Entonces z · z = (a + bi)(a − bi) = a2 + b2 = |z|2 , es decir, un

Definición 1.7 Sean z y w ∈ C.

z 1 w z·w (a + bi)(c − di)

a) Consideremos los complejos z = 2 + 4i y w = −3 − 5i. Entonces,

z 2 + 4i (2 + 4i)(−3 + 5i) −6 + 10i − 12i − 20 26 2i 13 i

Proposición 1.1 El conjunto de los números complejos no es ordenado.

Prueba (por reducción al absurdo).

Teorema 1.1 Sean z, w ∈ C y α ∈ R. entonces;

Por lo tanto, αz = αz.

Dentro de los fundamentos del estudio de la matrices en Álgebra

Enseguida el señor Pedro se pregunta.

Lo cual se puede expresar de la siguiente forma.

Casa Arena Cemento Cabilla

Pero se puede reducirse la Tabla 2 mediante la siguiente expresión.

Así, la información contenida en la Tabla 3 se puede representar de la siguiente forma.

son las columnas.

son las filas de la matriz y

(6, 7, 3, 1), (1, 1, 5, 2), (15, 13, 11, 3)

son las filas y

1.3. Álgebra de matrices

Solución. Dos matrices son iguales si [A]ij = [B]ij , para todo 1 ≤ i ≤ 3 y 1 ≤ j ≤ 2

medianas 17 m3 de arena; 190 kg de cemento y 93 m de cabilla y por último las casas

Por lo tanto, es pertinente definir en este momento que.

Definición 1.10 Sean A, B ∈ Mm×n (F). Se define la suma de A y B, denotado por

[A + B]ij = [A]ij + [B]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Esto quiere decir que, si

[A + B]11 = [A]11 + [B]11 = −1 + (−2) = −3,

Actividad 3. Consideremos la actividad 1, y supongamos que Pedro desea construir

Por lo tanto, es pertinente definir en este momento que.

Definición 1.11 Sean A ∈ Mm×n (F) y α ∈ F. Se define la multiplicación del

es decir α[A]ij es multiplicas cada aij por α.

Ejemplo 1.10 Consideremos las matrices

[2iA]11 = 2i[A]11 = 2i(2i) = −4,

[2iA]12 = 2i[A]12 = 2i(−3) = −6i,

a) El 0 ∈ Mm×n (F) es la matriz que se define por [0]ij = 0, para todo 1 ≤ i ≤ m y 1 ≤

[−A]ij = −[A]ij , para todo 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Teorema 1.2 Sean A, B, C ∈ Mm×n (F) y α, β ∈ F. Entonces,