Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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
Obsevación 1.1
b • z = a + bi
a x
−b • z = a − bi
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
z = 5.
4 1. Matrices
b • z = a + bi
b2
√ a2 +
|z |=
a x
Ejemplo 1.2
3 • z = 4 + 3i
5
=
|z |
4 x
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
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
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
Ejemplo 1.4
a) Consideremos los complejos z = 3 + 2i y w = 5 + 7i. Entonces,
Obsevación 1.2
b) si z = a + bi, w = c + di ∈ C y w 6= 0, entones
Ejemplo 1.5
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)
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
1.1. Números complejos (C) 9
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
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
¿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.
5 81 38
7 90 43
10 154 90
Tabla 3
12 1. Matrices
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
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 )
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
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
[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,
6 m3 de arena; 70 kg de cemento y 30 m de cabilla para la casa pequeña, 10 m3 de
arena; 100 kg de cemento y 50 m de cabilla para la casa mediana, 15 m3 de arena;
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
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
1.3. Álgebra de matrices 17
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,
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
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
1.3. Álgebra de matrices 19
a) 2iA.
Solución. Dado que [αA]ij = α[A]ij (por la definición 1.11) . Entonces,
Obsevación 1.4
Luego, si [A]ij = aij entonces −A es la inversa aditiva de A tal que [−A]ij = −aij .
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
para los estudiantes.
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.
1.3. Álgebra de matrices 21
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 = A.
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 = 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))
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
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,
Así,
n
X
cij = [A]ik [B]kj .
k=1
1.3. Álgebra de matrices 25
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
2
X
[AB]12 = [A]1k [B]k2
k=1
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
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
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,
1.3. Álgebra de matrices 27
3. (B + C)A = BA + CA,
4. α(AB) = (αA)B = A(αB).
Prueba.
Del teorema 1.3 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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
(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.
1.3. Álgebra de matrices 29
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
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 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
a1 x + a2 y = b, a1 , a2 , b ∈ F.
a1 x + a2 y + a3 z = b, a1 , a2 , a3 , b ∈ F.
a1 x1 + a2 x2 + a3 x3 + · · · an xn = b, a1 , a2 , a3 , · · · , an , b ∈ F.
Obsevación 1.8
Ejemplo 1.15
√
a) xy − 3z = 6, c) 3ex − y = 6,
√ 2 1 1
b) 4x − πy = 1, d) + = 2.
x y
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?
3g1 + 2g2 + g3 = 39
2g + 3g2 + g3 = 34
1
g1 + 2g2 + 3g3 = 26.
Solución.
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
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.
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.
Definición 1.17 Sea A ∈ Mm×n (F). Se define una operación por fila aplicada a la
matriz A mediante;
3. Sumar a la fila p la fila q multiplicada por α ∈ F − {0}, denotado por fpq (α)(A).
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
1.4. Ecuaciones lineales con n incógnitas 37
Definición 1.18 Sea A ∈ Mm×n (F). Diremos que A en una matriz escalonada re-
ducida si cumple con las siguientes condiciones,
4. Cada columna que contenga un 1 principal tiene ceros en las demás posiciones.
Ejemplo 1.19
2. Aplique las operaciones elementales entre filas para escribir la matriz aumentada
en forma escalonada reducida.
3g1 + 2g2 + g3 = 39
2g + 3g2 + g3 = 34
1
g1 + 2g2 + 3g3 = 26.
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.
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.
1) La matriz aumentada del sistema es;
2i −i 3i i
A= .
2 −1 3 2
1.4. Ecuaciones lineales con n incógnitas 41
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;
Ejemplo 1.21
a) Resolver el sistema de ecuaciones lineales;
ix − y + 2iz = 0
2x + 5y − iz = 0.
Solución.
1) La matriz aumentada del sistema es;
i −1 2i 0
A= .
2 5 −i 0
42 1. Matrices
18 13
y= + i.
29 29
1.4. Ecuaciones lineales con n incógnitas 43
Solución.
1) La matriz aumentada del sistema es;
2i −i 3i 0
A= .
2 −1 3 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
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,
Obsevación 1.14 Dado que la inversa de una matriz es única, denotemos la inversa
de A mediante A−1 .
1. (A−1 )−1 = A,
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
para los estudiantes.
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))
1.4. Ecuaciones lineales con n incógnitas 45
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
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;
Así, AB es invertible.
46 1. Matrices
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
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
1.4. Ecuaciones lineales con n incógnitas 47
. .
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
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
1.4. Ecuaciones lineales con n incógnitas 49
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⊤ ,
Prueba.
Del teorema 1.8 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
1. Sea A ∈ Mm×n (F). Entonces,
Por lo tanto,
(A⊤ )⊤ = A.
3. Sean A ∈ Mm×n (F) y α ∈ F. Entonces,
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,
Entonces,
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).
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
1.4. Ecuaciones lineales con n incógnitas 51
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
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.
Del teorema 1.9 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
1. Sean A ∈ Mm×n (F) y B ∈ Mn×p (F). Entonces,
Por lo tanto,
AB = A B.
3. Sean A, B ∈ Mm×n (F). Entonces,
Así, (A + B)∗ = A∗ + B ∗ .
5. Sea A ∈ Mm×n (F) y B ∈ Mn×p (F). Entonces,
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
M ⊤ = D(A⊤ )−1
M ⊤ = D(A−1 )⊤
(M ⊤ )⊤ = [D(A−1 )⊤ ]⊤ .
M = [(A−1 )⊤ ]⊤ D ⊤
M = A−1 D ⊤ .
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
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,
2. Ep (α) = fp (α)(In ),
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.
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).
Luego,
E3 (i)B = f3 (i)(B).
Observe que,
E13 (2i)D = f13 (2i)(D).
1.5. Matrices elementales 57
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
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.
Así,
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
1.5. Matrices elementales 61
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
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
Problemas de consolidación.
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) (AB)⊤ = B ⊤ A⊤ , d) (A − B)⊤ = A⊤ − B ⊤ ,
b) (A + B)⊤ = A⊤ + B ⊤ , e) (BA)⊤ = A⊤ B ⊤ .
c) (5A)⊤ = 5A⊤ ,
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?
1.5. Matrices elementales 63
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?
b) B 2 = 0, aunque B 6= 0;
d) AB = 0, pero BA 6= 0.
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?
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?
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, · · ·
x = (x1 , x2 ).
x2 (x1 , x2 )
x
x1 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
x + y = (x1 + y1 , x2 + y2 ).
y
(x1 + y1 , x2 + y2 )
x2 (y1 , y2 )
y
y +
x
y2
(x1 , x2 )
x
x1 y1 x
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
2 4
b) Sean x = , −6 , y = − , −9 vectores de R2 . Determinar x + y.
5 5
Solución. Por la definición 2.2, se tiene que
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
α · x = (αx1 , αx2 ).
y
(αx1 , αx2 )
α·x
αx2 (x1 , x2 )
x2
x
x1 x
αx1
3 7
Ejemplo 2.3 Sea x = ,− . Determinar 10 · x.
5 10
x x
10 · x
−x = (−1)x.
x − y = x + (−y).
y y
x2 · (x1 , x2 ) x2
x x
x − y2
y y
−x1
x1 x −y x1 y1 x
−x
−x2
(−x1 , −x2 )
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.
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.
Solución. Por la definición 2.3, se tiene que
2 · y = 2 · (−7, −2)
= (−14, −4).
Entonces,
2 · y = (−14, −4).
Por otro lado por la observación 2.2 tenemos que,
Así,
x − 2 · y = (17, 0).
72 2. Vectores en Fn con n = 1, 2, 3, · · ·
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.
Del teorema 2.1 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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,
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,
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.
Como x es un vectores de R2 . Se tiene que,
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
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).
2.1. Vectores en R2 y R3 75
d=t·v
v
Desplazamiento en el tiempo t
·
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
(3, −8, 7)
•
(−5, 1, −3)
•
u u +w
y
w •
(−8, 9, −10)
x
Figura 2.10: Interpretación gráfica del vector u + w
76 2. Vectores en Fn con n = 1, 2, 3, · · ·
2 · w = 2 · (1, 2, −1)
= (2, 4, −2).
(−3, −2, 2)
•
·w
u−2
(−1, 2, 0)
•
u
y
w
•
(1, 2, −1)
2·w
•
x (2, 4, −2)
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
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.
2.1. Vectores en R2 y R3 79
Prueba.
Del teorema 2.2 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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,
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.
Como x es un vectores de R3 . Se tiene que,
Por lo tanto,
(α + β) · x = α · x + β · x.
z
z1
(x1 , y1 , z1 )
b
y kpk
x2 (x1 , x2 )
kxk y
y1
x1
x1 x
x
180 N
F1
θ F2 275 N
x
Solución. A la vista de la figura 2.14, podemos representar las fuerzas ejercidas por
las dos personas por
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.
Ejemplo 2.8
√ !
1 2 1
b) Sea w = − , , un vector de R3 . Determinar la norma euclidiana de w.
2 2 2
Solución. Por la definición 2.5. Se tiene que,
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
Solución. Por la definición 2.5. Se tiene que,
s
3 2
kvk = − + (1)2
4
5
= .
4
5
Por lo tanto, kvk = .
4
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.
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.
Solución. Por el ejemplo 2.8(b), se tiene que kwk = 1. Por lo tanto, w en un vector
unitario.
• d(P1 , P2 )
•
−−→
OP1 −−→
OP2
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
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.
86 2. Vectores en Fn con n = 1, 2, 3, · · ·
1
(cos(θ), sen(θ))
u sen(θ)
θ
1 x
cos(θ)
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
Solución. A la vista de la figura 2.18, podemos representar las fuerzas ejercidas por
las dos personas por
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.
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
88 2. Vectores en Fn con n = 1, 2, 3, · · ·
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 .
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◦
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
Por lo tanto,
v ≈ 522, 5[cos(112, 6◦ ) · i + sen(112, 6◦ ) · j].
v2
v
v1
Viento
112, 6◦
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.
≺ u, w ≻= u1 w1 + u2 w2 + u3 w3 .
90 2. Vectores en Fn con n = 1, 2, 3, · · ·
≺ u, w ≻= u1 w1 + u2 w2 .
z
b
kw − uk
u
b
w
θ
Como,
≺ u, w ≻= u1 w1 + u2 w2 .
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)
B
(4, −6, 10)
A
• y
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.
≺ 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.
Solución. Por la definición 2.7. Se tiene que,
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.
Solución. Por la definición 2.7. Se tiene que,
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.
Ejemplo 2.14
≺ u, w ≻ = 4x + 2y
≺ u, w ≻ = 0
4x + 2y = 0
y = 2x.
−
−→ 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 .
1. ≺ u, w ≻=≺ w, u ≻,
2. ≺ u, w + v ≻=≺ u, w ≻ + ≺ u, v ≻,
5. ≺ u, u ≻= kuk2 .
Prueba.
Del teorema 2.4 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
2.2. Producto punto euclidiano en R2 y R3 95
Prueba.
Del teorema 2.5 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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
w2 u w2 u u w2
Q w1 b Q b w1 w1 Q b
≺ 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 ≻ .
≺ 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
2.3. Proyecciones ortogonales euclidianas 99
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
≺ 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.
100 2. Vectores en Fn con n = 1, 2, 3, · · ·
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
2.3. Proyecciones ortogonales euclidianas 101
k •
• y
j
i
•
x
Obsevación 2.10
4. ≺ u, w ≻= u1 w1 + u2 w2 + u3 w3 .
102 2. Vectores en Fn con n = 1, 2, 3, · · ·
−−→
PQ
F
y
P = (0, 0, 0)
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
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.
≺ 2 · w, u ≻ = ≺ 4 · i + 14 · j − 10 · k, −5 · i − 7 · j + 4 · k ≻
= 4(−5) + 14(−7) + (−10)4
= −158.
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 .
u×w
w
u
1. ≺ u, u × w ≻= 0,
2. ≺ w, u × w ≻= 0,
4. u × (v × w) =≺ u, w ≻ ·v− ≺ u, v ≻ ·w,
5. (u × v) × w =≺ u, w ≻ ·v− ≺ v, w ≻ ·u.
Prueba.
Del teorema 2.7 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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.
3. 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
Entonces,
Así,
5. 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
≺ 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.
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.
Del teorema 2.8 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
108 2. Vectores en Fn con n = 1, 2, 3, · · ·
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
·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).
3. 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 definición, tenemos que
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 .
Por la definición 2.9, tenemos que
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.
≺ 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).
θ
kuk u
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.
2.4. Producto vectorial 111
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.
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.
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
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 .
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
114 2. Vectores en Fn con n = 1, 2, 3, · · ·
|≺ 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}.
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
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
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).
Ejemplo 2.24
√
Sea x = (4, −3, 3, 2) un vectores en R4 . Determinar kxk.
Solución. Por la definición 2.11, se tiene que
q √
kxk = 42 + (−3)2 + 32 + ( 2)2
√
= 16 + 9 + 9 + 2
√
= 36.
= 6.
Así, kxk = 6.
Prueba.
Para demostrar el teorema 2.12 se puede aplicar el mismo razonamiento que se uso
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 = |α|kuk.
Solución. Por la definición 2.11, se tiene 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).
Solución. Por la definición 2.12, se tiene que
q √ √
d(u, w) = (−4 + 8)2 + (−3 − 5)2 + (2 2 − 2)2 + (−1 + 2)2
√
= 16 + 64 + 2 + 1
√
= 83.
2.6. Norma y producto punto euclidiano en Rn 119
√
Por lo tanto, d(u, w) = 83.
≺ 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 ≻.
Solución. Por la definición 2.13, se tiene que
√ √ √ √ 1
≺ u, w ≻ = (− 3)(−2 3) + (−6)(5) + ( 2)(−4 2) + (−2)
2
= 6 − 30 − 8 − 1
= −33.
1. ≺ x, y ≻=≺ y, x ≻,
2. ≺ (x + y), z ≻=≺ x, z ≻ + ≺ y, z ≻,
4. ≺ x, x ≻= kxk2 ,
Prueba.
Para demostrar el teorema 2.13 se puede aplicar el mismo razonamiento que se uso
para probar el teorema 2.4. Por lo cual se deja como ejercicio.
120 2. Vectores en Fn con n = 1, 2, 3, · · ·
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 ≻ .
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.
Ejemplo 2.29
Luego por la definición 2.14, tenemos que u ⊥ w. Es decir, los vectores u y w son
ortogonales.
2.6. Norma y producto punto euclidiano en Rn 121
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.
Solución. Por el definición 2.15, se tiene que
≺ 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.
122 2. Vectores en Fn con n = 1, 2, 3, · · ·
≺ u, w ≻
proyw (u) = · w.
kwk2
Ejemplo 2.32
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}.
2. u + w = (u1 + w1 , u2 + w2 , . . . , un + wn ),
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 − w = u + (−w).
Ejemplo 2.33
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.
Ejemplo 2.34
√
Sea x = (i, −3i, −i, 2i) un vectores en R4 . Determinar kxk.
Solución. Por la definición 2.18, se tiene que
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.
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).
Solución. Por la definición 2.19, se tiene que
q
d(u, w) = (−i + i)(−i + i) + (5 + 1)(5 + 1) + (−2 + 1)(−2 + 1)
√
= 37.
√
Así, d(u, w) = 37.
Ejemplo 2.36
Sean u = −3i, −i, 2, 12 y w = (−2, i, −4i, 2i) vectores de R4 . Determinar ≺ u, w ≻.
Solución. Por la definición 2.20, se tiene que
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.
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 .
Por la definición 2.20, tenemos que
≺ 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,
Problemas de consolidación.
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 2.36: Fuerza resultante sobre el barco ejercida por los dos remolcadores
2.8. Norma y producto punto euclidiano en Cn 127
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
es un vector unitario.
128 2. Vectores en Fn con n = 1, 2, 3, · · ·
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.
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
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.
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 ,
6. α · u ∈ V para todo α ∈ F y u ∈ V ,
Ejemplo 3.1
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.
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.
Prueba.
Del teorema 3.1 se harán las pruebas de los impares y los pares se dejan como actividad
para los estudiantes.
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))
134 3. Espacios vectoriales
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
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
1. s1 + s2 ∈ S para todo s1 , s2 ∈ S;
2. α · s1 ∈ S para todo s1 ∈ S y α ∈ F.
Ejemplo 3.5
S = {(x, 0, y) : x, y ∈ R}
S = {A ∈ M2 (F) : A = A⊤ }.
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 .
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
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
c1 = −2, c2 = 3 y c3 = 1.
Por lo tanto, u = −2 · (1, −1, 0) + 3 · (−1, −2, 1) + 1 · (5, 3, −2).
Ejemplo 3.8
Proceso de búsqueda,
Proceso de búsqueda,
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
Ejemplo 3.9
Proceso de búsqueda,
c1 · u1 + c2 · u2 + ck · uk = 0.
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,
Proceso de búsqueda,
0 2 −2 2 0
142 3. Espacios vectoriales
Proceso de búsqueda,
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 .
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.
3.3. Independencia lineal y base 143
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
Proceso de búsqueda,
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 .
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.
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 .
3.3. Independencia lineal y base 145
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.
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.
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.
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
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
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.
148 3. Espacios vectoriales
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
.
.. .. .. .. ..
. . . . .
am1 am2 am3 · · · amn
Las filas de la matriz A, se denominan vectores fila de A.
(a11 , a12 , a13 , · · · , a1n ), (a21 , a22 , a23 , · · · , a2n ), · · · , (am1 , am2 , am3 , · · · , amn ).
(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 .
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
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 .
150 3. Espacios vectoriales
gen({(i, −1, 2, 2), (−1, i, 0, −3), (1, −2i, 2, 1)}) = gen({u1 , u2 , u3 }).
0 0 0
Luego, por el teorema 3.6 se tiene que los vectores fila de C diferentes de cero,
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
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)}).
forma una base del espacio columnas de A, es decir, es una base para S4 .
152 3. Espacios vectoriales
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.
Ejemplo 3.17
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
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.
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
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) La matriz aumentada del sistema es;
1 0 −2 1 0
B = 3 1 −5 0 0 .
1 2 0 −5 0
1 0 −2 1 0
B= 0 1 1 −3 0 .
0 0 0 0 0
156 3. Espacios vectoriales
x1 = 2x3 − x4 y x2 = 3x4 − x3 .
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
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) La matriz aumentada del sistema es;
1 0 −2 1 5
B= 3 1 −5 0 8 .
1 2 0 −5 −9
x = 2z − w + 5 e y = 3w − z − 7.
x = 2t − p + 5 e y = 3p − t − 7.
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
0
es una solución particular de sistema AX =B y
2 −1
−1
+p· 3
Xh = t ·
1 0
0 1
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 ).
Ejemplo 3.21
Proceso de búsqueda,
Proceso de búsqueda,
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,
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,
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,
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
Ejemplo 3.24 Consideremos las bases B = {(1, −2), (3, −4)} y W = {(1, 3), (3, 8)}
de R2 .
Proceso de búsqueda,
Luego,
13 5
(1, 3) = − · (−1, 2) + · (2, −2).
2 2
Por otro lado,
Proceso de búsqueda,
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 .
3.6. Coordenadas y cambio de base 167
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.
Y
Y 8
(0, 1) X8
•
θ
•
(1, 0) X
Además,
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
Ahora, aplicamos las operaciones
elementales entre filas, se intenta reescribir esta ma-
.
triz en la forma I2 .. P −1 , es decir,
..
cos(θ) −sen(θ) . 1 0
.
sen(θ) cos(θ) .. 0 1
..
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)
−−−−−−−−−→ .
sen(θ) cos(θ) .. 0 1
..
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)
170 3. Espacios vectoriales
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,
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
(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
172 3. Espacios vectoriales
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
3.6. Coordenadas y cambio de base 173
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)
Problemas de consolidación.
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.
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.
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.
3.6. Coordenadas y cambio de base 175
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 ).
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.