LeccionesAL Book 20141 PDF

ÁLGEBRA LINEAL
Libro de trabajo para estudiantes

y guı́a didáctica del docente
Vivian Libeth Uzuriaga López

Alejandro Martı́nez Acosta
GRUPO DE INVESTIGACIÓN EMEMATIC
#»
N z
x − 7y + 17z = 38
b
R(1, −2, 1)
b
Q(2, 3, 3)
P (5, 1, 2) b
y
x
Universidad Tecnológica de Pereira

Facultad de Ciencias Básicas
Departamento de Matemáticas
Pereira, 2014 1
ÁLGEBRA LINEAL. Libro de trabajo para estudiantes y guı́a didáctica del docente.
c Vivian Libeth Uzuriaga López. Autor

Profesora titular
c Alejandro Martı́nez Acosta. Autor

Profesor asociado
Grupo de investigación EMEMATIC1
Pereira - Risaralda. Enero de 2014
ISBN:
Portada: Alejandro Martı́nez Acosta

Diseño y diagramación: los autores
Digitación y elaboración de dibujos: los autores
Impreso y hecho en Colombia

Impreso por
Derechos reservados.
Prohibida la reproducción total o parcial sin autorización escrita del titular de los derechos.
1
“Estudios metodológicos para la enseñanza de las matemáticas y el uso de las nuevas tecnologı́as”.
Contenido
Presentación iii
1 Sistemas de ecuaciones lineales 1

1.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Lección 1. La lı́nea recta . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Lección 2. Sistemas 2 × 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Lección 3. Sistemas m × n . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Lección 4. Matriz asociada a un sistema de ecuaciones lineales. . . . . . . 11
2 Vectores, rectas y planos 19

2.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 Lección 1. Vectores en el plano . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Lección 2. Operaciones con vectores en R2 . . . . . . . . . . . . . . . . . 27
2.2.3 Lección 3. Producto escalar en R2 . . . . . . . . . . . . . . . . . . . . . . 32
2.2.4 Lección 4. Vectores en R3 y Rn . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.5 Lección 5. Operaciones con vectores en R3 y Rn . . . . . . . . . . . . . . 39
2.2.6 Lección 6. Producto escalar en R3 y Rn . . . . . . . . . . . . . . . . . . . 42
2.2.7 Lección 7. Producto vectorial en R3 . . . . . . . . . . . . . . . . . . . . . 44
2.2.8 Lección 8. Rectas y planos en R3 . . . . . . . . . . . . . . . . . . . . . . 48
3 Matrices 53
3.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2.1 Lección 1. Definición, operaciones y propiedades . . . . . . . . . . . . . . 55
3.2.2 Lección 2. Transpuesta y producto de matrices . . . . . . . . . . . . . . . 60
3.2.3 Lección 3. Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . 62
i
ii Contenido
4 Determinantes 67
4.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1 Lección 1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . 68
4.2.2 Lección 2. Propiedades. Relación determinante e inversa . . . . . . . . . 72
5 Espacios vectoriales reales 77

5.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2.1 Lección 1. Espacio vectorial y subespacio . . . . . . . . . . . . . . . . . . 79
5.2.2 Combinación lineal, conjuntos LI y LD . . . . . . . . . . . . . . . . . . . 82
5.2.3 Lección 3. Bases y dimensión. Espacios fundamentales de una matriz . . 87
5.2.4 Lección 4. Vector de coordenadas, cambio de base, bases ortonormales y
proyecciones en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.2.5 Lección No. 5. Espacios con producto interior . . . . . . . . . . . . . . . 95
6 Transformaciones lineales 99
6.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2.1 Lección 1. Definición y propiedades . . . . . . . . . . . . . . . . . . . . . 102
6.2.2 Lección 2. Núcleo e imagen. Representación matricial . . . . . . . . . . . 105
7 Valores y vectores propios 111

7.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2.1 Lección 1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.2 Lección 2. Diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2.3 Lección 3. Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . 116
7.2.4 Lección 4. Formas cuadráticas y secciones cónicas . . . . . . . . . . . . . 117
A Autoevaluación 123
A.1 Autoevaluación I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
A.2 Autoevaluación II. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
A.3 Autoevaluación III. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
A.4 Autoevaluación IV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Referencias 127
Presentación
Este libro es resultado de experiencias de aula realizadas con estudiantes de ingenierı́a y tec-
nologı́a de la Universidad Tecnológica de Pereira durante 7 semestres académicos entre 2007 y
2010, en el desarrollo de los proyectos de investigación: diagnóstico de algunas causas que obs-
taculizan el aprendizaje del álgebra lineal y estudios metodológicos para contribuir a mejorar el
proceso de enseñanza-aprendizaje del álgebra lineal, incorporando las nuevas tecnologı́as de la
información y las comunicaciones, propuestos por el grupo “Estudios Metodológicos para
la Enseñanza de la Matemática y el uso de las Nuevas Tecnologı́as, EMEMATIC”.
La estructura del libro fue lo que llevó a su denominación “Álgebra lineal. Libro de trabajo
para estudiantes y guı́a didáctica del docente”, porque responde a las necesidades, in-
quietudes y requerimientos de cada uno. La manera como está presentado le ayuda al estudiante
a subsanar las falencias más frecuentes tales como la apatı́a, la poca lectura, falta de motiva-
ción y compromiso con su aprendizaje, que son algunas de las causa que impiden aprender los
conceptos básicos del álgebra lineal.
Para el docente, el texto se convierte en una guı́a de trabajo ya que la forma de organización
y presentación del contenido le brindan la posibilidad de crear ambientes que contribuyan o
favorezcan el desarrollo integral de los estudiantes, generando espacios en donde se fomenta el
espı́ritu crı́tico, autorreflexivo y se promueva el trabajo individual, colaborativo cooperativo y
en equipo; posibilitando al alumno salir de la pasividad que caracteriza a un estudiante en la
metodologı́a tradicional. Además, la estructuración del libro por lecciones de clase permite el
desarrollo de los temas de un primer curso de álgebra lineal para estudiantes de ingenierı́a y
tecnologı́a en un semestre académico, lo cual lo convierte en otra fortaleza y lo diferencia de
otros similares.
La metodologı́a, que se concreta en la forma como está escrito y presentado el libro, es uno de los
aspectos que lo diferencia de otros textos y está fundamentada teóricamente en el aprendizaje
desarrollador. Las actividades que se proponen promueven en el alumno el tránsito progresivo
de la dependencia a la independencia y autorregulación y lo llevan paulatinamente a iniciarse
en pequeñas investigaciones.
El contenido teórico del libro es el clásico para un primer curso de álgebra lineal para estudian-
tes de ingenierı́as y tecnologı́as, la diferencia radica en la forma sistémica como se presentan,
desarrollan y relacionan los temas, los cuales se muestran de manera progresiva y entrelazada,
permitiendo al estudiante avanzar en el conocimiento e integrarlo para hacer de él un todo,
iii
iv Presentación
posibilitándole la solución exitosa de muchos problemas en el desarrollo de su carrera y poste-

riormente en su actividad profesional.
Para la organización del contenido se tuvo en cuenta la célula generadora a partir del concep-
to de combinación lineal, el cual se desarrolla desde el segundo capı́tulo. Aunque el álgebra
lineal se fundamenta esencialmente en la teorı́a de los espacios vectoriales, las transformacio-
nes lineales y los valores y vectores propios, el texto inicia con sistemas de ecuaciones lineales
porque permite al estudiante continuar el desarrollo de sus conocimientos a partir de lo visto
y aprendido en sus cursos previos, a la vez que posibilita ver su utilidad, ası́ como establecer
una continuidad con lo que estudió en sus años de colegio, logrando que los estudiantes vayan
cambiando su actitud frente a la matemática, llevándolo gradualmente a perderle el miedo y la
fobia, en particular al álgebra lineal.
El libro facilita al estudiante la apropiación de uno de los conceptos más abstractos del curso,
espacios vectoriales, de manera natural y rigurosa. Se inicia con espacios vectoriales conocidos
y trabajados por ellos en otras asignaturas, por ejemplo en fı́sica, cuando usan vectores. Pos-
teriormente, se hace la teorización de estos objetos matemáticos como espacios vectoriales y
finalmente se desarrollan los temas transformaciones lineales y valores y vectores propios.
Está distribuido en siete capı́tulos y un apéndice. Cada capı́tulo contiene talleres pre-clase y
lecciones de clase. El contenido se desarrolla completamente en un semestre académico de 16
semanas con una intensidad de 4 horas semanales, lo cual es otra diferencia con textos similares.
Los talleres pre-clase aparecen al inicio de cada capı́tulo con el propósito de que el alumno
realice una lectura previa de los ejercicios propuestos, se familiarice con ellos y esté atento al
desarrollo de los conceptos del capı́tulo a través de las lecciones de clase, para identificar la
teorı́a que le permitirá la solución de estos.
Los talleres constan de 5 secciones:
• Ejercicios que requieren de conceptos desarrollados en las lecciones de clase para su modela-
ción.
• Solución, generalización, clasificación o particularización.
• Preguntas para decidir su valor de verdad, con las cuales se verifican los conceptos vistos, se
construyen ejemplos y contraejemplos, se familiarizan con leyes, propiedades y regularidades
del tema de cada capı́tulo.
• Ejercicios de tipo algorı́tmico
• Aplicaciones en la vida cotidiana o en el contexto matemático.
Las lecciones de clase, estructuradas para una sesión de dos horas cada una, contienen de-
finiciones, ejemplos, ejercicios, leyes y propiedades que permiten el desarrollo de los temas de
cada capı́tulo. Además, contienen espacios en blanco cuyo propósito es que los estudiantes los
Presentación v
completen en la medida en que se desarrolla la lección; esto con el fin de motivar al alumno
a leer, escribir, construir sus propios ejemplos, contraejemplos, argumentar y debatir, lo que
caracteriza que el texto es de trabajo y no de simple consulta.
La manera como se presentan las lecciones, permiten al estudiante avanzar a su propio ritmo y
desarrollarlas de acuerdo a sus conocimientos, habilidades y competencias.
Los contenidos se distribuyen en capı́tulos como se describe a continuación:
El capı́tulo 1, sistemas de ecuaciones lineales, proporciona al alumno las herramientas ne-
cesarias para el desarrollo de los capı́tulos posteriores. En los capı́tulos 2 y 3, vectores, rectas,
planos y matrices, se desarrolla la estructura de espacio vectorial en conjuntos particulares
tales como vectores y matrices. En el capı́tulo 4, determinantes, se da su definición y se ilus-
tran con ejemplos sus propiedades las cuales serán usadas más adelante en valores y vectores
propios. El capı́tulo 5, espacios vectoriales, generaliza el concepto de espacio vectorial, su
estructura, propiedades, leyes y regularidades, el cual es uno de los temas centrales del curso.
En los capı́tulos siguientes 6 y 7, transformaciones lineales y valores y vectores propios,
se estudian conceptos fundamentales para la formación de los ingenieros y tecnólogos. En el
apéndice A se incluyen cuatro autoevaluaciones las cuales permitirán a los estudiantes verificar
el logro de los objetivos y familiarizarse con el tipo de preguntas que se realizan en cada uno
de los exámenes.
Los autores.
Capı́tulo 1
Sistemas de ecuaciones lineales
En este capı́tulo se estudian los sistemas de ecuaciones lineales en la modelación y solución de

problemas y situaciones que surgen en ingenierı́a, tecnologı́a o la vida práctica.
1.1 Taller pre-clase

A. Resuelva las siguientes situaciones
5
1. Encuentre dos números cuya suma sea 2
y su diferencia sea 43 .
2. Un ingenio azucarero tiene 2 plantas para producir dos tipos de azúcar: refinada y sin
refinar. Cada tonelada de azúcar refinada necesita 3 horas en la planta A y 5 en la planta
B; cada tonelada de azúcar sin refinar requiere 3 horas en la planta A y 3 en la planta B.
Si la planta A dispone de 12 horas al dı́a y la planta B 15, ¿cuántas toneladas de cada
tipo de azúcar pueden producirse diariamente de modo que las plantas operen a toda su
capacidad?
B. Teorı́a
1. Escriba una definición de

• solución de ecuación lineal,
• solución de un sistema de ecuaciones lineales.
2. Construya un ejemplo de un sistema de ecuaciones lineales que sea consistente y otro
que sea inconsistente.
3. Investigue sobre los métodos de Gauss–Jordan y eliminación gaussiana
• Defina cada uno de los métodos
• Establezca al menos dos diferencias
• Construya 2 ejemplos en los cuales use los métodos
• ¿Cuál de los métodos es más eficiente en la práctica? ¿Por qué?
4. De definiciones para matrices en forma escalonada y escalonada reducida por renglones
y construya dos ejemplos de cada una de ellas.
5. Escriba una definición de matrices equivalentes por renglones y dé un ejemplo.
6. Describa un procedimiento para transformar una matriz en la forma escalonada y esca-
lonada reducida por renglones.
1
2 Capı́tulo 1. Sistemas de ecuaciones lineales
C. Responda verdadero (V) ó falso (F) a las afirmaciones siguientes. Justifique

claramente cada una de sus respuestas
1. Existen sistemas homogéneos inconsistentes.

2. Todo sistema cuadrado es consistente.
3. Todo sistema con más incógnitas que ecuaciones siempre tiene infinitas soluciones.

 x + 2y = 5

4. El sistema 3x − y = 1 tiene infinitas soluciones.

4x + y = 6
5. Todo sistema con más ecuaciones que incógnitas siempre es inconsistente.
D. Poniendo en práctica la teorı́a
1. Encuentre un valor de r, si existe, de modo que la 4-tupla dada sea una solución del
sistema de ecuaciones lineales.

 − 3y − z + w = −3 a) (6, 2, 0, r)

b) (5, 3, r, 6)

2x − y − 2z + w = 9

 c) (6, r, 1, 2)
x + y − 2z = 6

2. Resolver los siguientes sistemas de ecuaciones lineales mediante el método de eliminación

gaussiana.
x − 2y + 3z = 11 2x + 4y + 6z = −12
a) 4x + y − z = 4 b) 2x − 3y − 4z = 15
2x − y + 3z = 10 4x + y + 2z =
7
 
1 0 −2 | 1
3. La matriz aumentada del sistema Ax = b, está dada por 0 1 1 | 2 .
 
0 α α2 | 3α − 1
Determine los valores de α, si existen, para que el sistema dado tenga:
a) Solución única. Escriba la solución

b) Infinitas soluciones. Escriba el conjunto solución
c) Ninguna solución
d) Para α = 1, determine si el vector dado es solución del sistema
   
5 −2
(i) x1 =  0  (ii) x2 =  1 
   
2 1
e) Determine los valores de α y β, si existen, de modo que el sistema representado por la
matriz ampliada, sea consistente
 
1 0 −1 α + 5 3
0 0 0 α−3 3−α
 

0 0 0 0 (β + 2)(5 − α)
Sección 1.1. Taller pre-clase 3
E. Aplicaciones.
1. Cuando se agrega un disco duro a una computadora personal, el sistema nuevo cuesta
1 1
$1.400.000. Se sabe que 3
del valor de la computadora más 5
del valor del disco duro
dan un total de $400000. ¿Cuál es el costo del disco duro? (Ejercicio 48, pág. 14 de [5]).
2. Determine la ecuación de la parábola con eje paralelo al eje y en el plano xy, que pasa
por los puntos P (−1, 0), Q(1, 4) y R(2, 3).
3. César Andrés es un estudiante de segundo semestre de ingenierı́a de la Universidad
Tecnológica de Pereira que se va a cambiar de casa. Al empacar sus libros, nota que
si coloca 11 libros en cada caja, dejará uno por fuera. Por otro lado, si pone 12 libros
en cada caja, entonces la última contiene un solo libro. ¿Cuántos libros y cuántas cajas
tiene César Andrés?
4. Carlos y Andrés inician un negocio aportando capitales iguales. Transcurridos tres meses,
Mauricio ingresa al negocio y aporta la misma cantidad que invirtieron los dos primeros.
Si al cabo de un año las utilidades son de $1’980.000, ¿cuánto le corresponde a cada uno,
si las ganancias se reparten proporcionalmente?
Resuelva sólo uno de los siguientes problemas.
5. En un estanque coexisten 3 clases de peces: mojarra, tilapia y cachama. Se alimentan con
3 tipos de concentrados: A, B y C. Cada mojarra consume mensualmente en promedio
1 kilo de concentrado A, 1 kilo de B y 2 kilos de C. Cada tilapia consume por mes en
promedio 3 kilos de concentrado A, 4 kilos de B y 5 kilos de C. Para cada cachama el
promedio mensual de consumo es de 2 kilos de concentrado A, 1 kilo de B y 5 kilos de
C. Mensualmente se suministra al estanque 2500 kilos de concentrado A, 2000 kilos de
B y 5500 kilos de C.
a) Construya un modelo matemático que represente la información del problema.
b) ¿Podrán coexistir 400 cachamas en el estanque?
c) ¿Pueden coexistir 300 tilapias ?
d) ¿Pueden coexistir 1200 mojarras?
e) ¿Qué población de las tres especies de peces puede coexistir?
6. Encuentre las cantidades desconocidas en el circuito de la figura 1.1.
5Ω 2Ω
a b
b
c b
d
i1 i2 10A
3A i3
+
− 10V +
− E2 +
− E3 R
b b
h g 5A f e
Figura 1.1. Circuito

1.2 Lecciones de clase
1.2.1 Lección 1. La lı́nea recta

Se recordarán conceptos básicos de la lı́nea recta tales como: el cálculo y la interpretación de
la pendiente, diferentes representaciones de la ecuación de la recta. Ası́, al finalizar la lección
el alumno estará en condiciones de usar la recta para modelar y resolver diferentes situaciones.
Coordenadas en el plano
En esta parte es conveniente recordar el sistema de coordenadas cartesianas rectangulares. Éste
está conformado por dos ejes que se cortan formando un ángulo de 90◦ .
El plano se representa analı́ticamente por
y
R2 = {(x, y) | x, y ∈ R}
Py (0, y1 ) P (x1 , y1 )
y1 b b ó
Px (x1 , 0)

2 x
b
x1 x
R = | x, y ∈ R .
y

x
Figura 1.2. Coordenadas en R2 Advertencia: (x, y) 6= .
y
La lı́nea recta
Para determinar la ecuación de la recta se debe conocer:
1. Dos puntos diferentes. Sean P (x0 , y0 ) y Q(x1 , y1 ) dos puntos del plano.
y
b
Q(x1 , y1 )
b
R(x, y)
O x
P (x0 , y0 ) b
Figura 1.3. Recta por dos puntos
Si x0 6= x1 , la ecuación de la recta que los contiene, en su forma punto–pendiente es:

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

y − y0 = m(x − x0 ).
3. La pendiente y el intersecto con el eje y. Si la pendiente es m y el intersecto con el eje

y es el punto es P (0, k), la ecuación es: y = mx + k.
4. La derivada de una función y = f (x) en un punto dado. Si f ′ (x0 ) es la derivada de

y = f (x) en el punto P (x0 , f (x0 )), la ecuación de la recta tangente a la gráfica de y = f (x)
en el punto P es:
y = f (x0 ) + f ′ (x0 )(x − x0 )
y y
y = f (x)
b
P (0, k) b
P (x0 , f (x0 ))
O x O x
(a) Pendiente-intersecto (b) Recta tangente
Figura 1.4. Pendiente-intersecto y recta tangente
En general, la ecuación de una recta se puede escribir en la forma
ax + by = c, (1.1)
donde a, b, c ∈ R, a y b no son simultaneamente nulos.
Ejercicio 2. Considere la ecuación de la recta 3x + 2y = −4. Complete o responda según sea

el caso.
a) La recta tiene como pendiente
b) Los intersectos con los ejes coordenados son: y .
c) Su gráfica es:
y
x
−6 −5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
−5
Figura 1.5. Recta del ejercicio 2

d) Determine cuáles de los siguientes puntos satisfacen la ecuación de la recta:
i) (2, −3) ii) (1, −1) iii) (−4, 4) iv) (1, −7/2) v) (0, 0)
vi) (2a, −3a − 2), a ∈ R vii) (4t, 2 − 6t), t ∈ R
• ¿Geométricamente que representan los puntos que satisfacen la ecuación?

• ¿Qué relación tienen los puntos que no satisfacen la ecuación de la recta con la gráfica?
e) ¿Cuántos puntos satisfacen la ecuación de la recta? Caracterı́celos.
Ejercicio 3. En un juego de video se observa un aeroplano que vuela de izquierda a derecha a

lo largo de la trayectoria dada por y = 1 + x1 , x > 0, y dispara proyectiles en dirección tangente
a la trayectoria, a blancos que están en el eje x en las posiciones ubicadas en los puntos 1, 2, 3, 4
y 5. Determine si los proyectiles darán en algún blanco si el avión los dispara cuando está en
los puntos P (1, 2) y Q( 32 , 35 ). (Ejercicio 63, página 150 de [7]).
Sugerencia: Debe recordar la interpretación geométrica de la derivada.
Ejercicio 4. Halle la función lineal que pasa por los P (1, −2) y (−2, 3).
Recuerde: Una función lineal es de la forma y = f (x) = a0 + a1 x.
1.2.2 Lección 2. Sistemas 2 × 2

Al terminar la lección el alumno reconocerá sistemas de dos ecuaciones lineales con dos incógni-
tas a partir de situaciones problemas. Además, será capaz de resolverlos, identificando cuando
es consistente o no y establecer condiciones para ello.
Observe que al resolver el ejercicio anterior se obtienen dos ecuaciones lineales con dos incógnitas
a y b, que al analizar en conjunto, resulta un sistema 2 × 2 como se define a continuación.
Definición 1.1 (Sistema de 2 ecuaciones lineales con 2 incógnitas). Un sistema de dos

ecuaciones lineales en las variables x y y, denominado sistema 2 × 2, es de la forma
a11 x + a12 y = b1
a21 x + a22 y = b2 ,
donde a11 , a12 , a21 , a22 ∈ R no son simultáneamente nulos, son los coeficientes del sistema y
b1 , b2 ∈ R, son los términos independientes. Cuando los términos independientes son iguales
a cero (bi = 0), se dice que el sistema es homogéneo.
Notación: En aij , i representa la i–ésima ecuación, mientras que j, indica la j−ésima variable.
Ejemplo 1.1. En el sistema

2x − 3y = 4
,
3x + y = −2
las variables son x, y; los coeficientes y los términos independientes son a11 = 2, a12 = −3, b1 = 4,
a21 = 3, a22 = 1 y b2 = −2.
Ejemplo 1.2. El sistema que resulta del ejercicio 4 de la lección anterior es
a0 − a1 = −2
.
a0 − 2a0 = 3
Las variables son: a0 y a1 .
Cuando se tiene un sistema 2 × 2 y se grafican las rectas en un mismo plano, siempre sucede
uno y sólo uno de los casos siguientes:
y y y
a11 x + a12 y = b1 a11 x + a12 y = b1

b
a11 x + a12 y = b1
a21 x + a22 y = b2 a21 x + a22 y = b2
x x x
a21 x + a22 y = b2
(a) Solución única (b) Infinitas soluciones (c) Ninguna solución
Figura 1.6. Sistemas 2 × 2
a) Cuando las rectas se cortan en un solo punto, existe un único punto cuyas coordenadas
satisfacen las dos ecuaciones y se dice que el sistema tiene solución .
b) Cuando las rectas se cortan en infinitos puntos, existen infinitos puntos cuyas coorde-
nadas satisfacen las ecuaciones. En este caso, se dice que el sistema tiene
soluciones.
c) Si las rectas no se cortan, analı́ticamente el sistema .
Definición 1.2. Si un sistema tiene solución única o infinitas soluciones, se dice que es con-
sistente. En otro caso, se dice que es .
Ejercicio 1. Resuelva los siguientes sistemas, grafique cada par de rectas en un mismo plano
e identifique el punto o los puntos de intersección, si existen.
x+ y = 2 − x + 23 y = 4
3
−2x + 3y = 5
a) b) c)
3x − 2y = −4 3x − 2y = −4 2x − 3y = −4
Ejercicio 2. Considere el sistema de ecuaciones lineales homogéneo
a11 x + a12 y = 0
a21 x + a22 y = 0
Sean x = x1 , y = y1 y x = x2 , y = y2 soluciones del sistema. Muestre que
a) x = x1 + x2 , y = y1 + y2 también es solución del sistema.

b) x = 3x1 + 2x2 , y = 3y1 + 2y2 también es solución del sistema.
c) x = λ1 x1 + λ2 x2 , y = λ1 y1 + λ2 y2 también es solución del sistema.
Ejercicio 3. El Ingenio Risaralda produce dos tipos de azúcar refinada y sin refinar. Cada
tonelada de azúcar sin refinar requiere 5 minutos en la planta de mezclado y 4 en la planta de
refinación. Por su parte, cada tonelada de azúcar refinada requiere 4 minutos en la planta de
mezclado y 2 en la planta de refinación. Si la planta de mezclado tiene 3 horas disponibles y
la de refinación 2. ¿Cuántas toneladas de cada tipo de azúcar se deben producir para que las
plantas se utilicen al máximo? (Basado en el ejercicio 21, página 10 de [3]).
Indicación. Para resolver ese ejercicio, considere las siguientes variables
x = No. de toneladas de azúcar sin refinar

y = No. de toneladas de azúcar refinada,
para obtener el sistema

5x + 4y = 180
4x + 2y = 120.
Al resolverlo, se llega a que cada planta debe producir 20 toneladas de cada tipo de azúcar.
Ejemplo 1.3. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones
x − 2y = 4 y ax + 3y = c se corten en infinitos puntos.
Solución. Mediante eliminación se tiene:
x − 2y = 4 x − 2y = 4
Ec2 ← Ec2 − aEc1
ax + 3y = c (3 + 2a)y = c − 4a
Para que existan infinitas soluciones, 3 + 2a = 0 y c − 4a = 0, es decir, a = − 32 y c = −6.
Ejercicio 4. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones
x − 2y = 4 y ax + 3y = c no se corten.
1.2.3 Lección 3. Sistemas m × n

Partiendo de una situación problema, se llega al planteamiento de sistemas de m ecuaciones
lineales con n incógnitas. A partir de la relación, paralelo o analogı́a que se hace con el método
de eliminación aprendido por el estudiante en su colegio, se deduce el método de eliminación.
Además, se desarrollan los conceptos de ecuación lineal en n variables, solución de ésta y los
sistemas de m ecuaciones lineales con n incógnitas, haciendo analogı́as y relaciones con los
estudiados en las lecciones 1.2.1 y 1.2.2.
Definición 1.3. Una ecuación lineal en las variables x1 , x2 , . . . , xn es una expresión de la forma
a1 x 1 + a2 x 2 + · · · + an x n = b (1.2)
donde a1 , a2 , . . . , an ∈ R, no son simultaneamente nulas, son los coeficientes y b ∈ R es el

término independiente.
√
Ejemplo 1.4. 2x1 − 7x2 + 5x3 − 8x4 + x5 = 14 es una ecuación lineal en las 5 variables
√
x1 , x2 , x3 , x4 y x5 . También se puede escribir 2x − 7y + 5z − 8w + r = 14.
Ejemplo 1.5. 3x1 + 2x2 = −4 es una ecuación lineal en dos variables: x1 y x2 . Si se cambia el
nombre da las variables por x y y respectivamente, se obtiene la ecuación 3x + 2y = −4, que
es la misma del ejercicio 2, página 5 de la lección 1.
Observación. Cuando n = 2, la ecuación es de la forma a1 x1 + a2 x2 = b. Si se renombran las

variables x por x1 y y por x2 , se obtiene a1 x + a2 y = b, que es la ecuación 1.1 de la lección 1.
Ejercicio 1. Determine cuales de las siguientes ecuaciones son lineales:

√
a) 42 x + 5 y + z − 12 w = log 3 e) e2 x − 3xy + 8w = 40
√
b) 42 x + 5y + z − 21 w = log 3
f) e2x − 3x − 3y + 8w = 40
π

c) sen 3
x + 3y = 8
d) sen( π3 x) + 3y = 8 g) −2x1 + 3x2 + 4x3 = −5

 
s1
.
Definición 1.4. Una solución de la ecuación (1.2) es una n−tupla ordenada 
 .  de núme-
.
sn
ros reales (o complejos), que al ser sustituı́dos en la ecuación (1.2), se obtiene un enunciado
verdadero.
Ejemplo 1.6. La expresión 2x1 − 3x2 − 4x3 = 5 es una ecuación lineal en las variables x1 , x2 ,
y x3 . Algunas soluciones de la ecuación son:
     
1
2 1 2
a)  1 porque 2(2) − 3(1) − 4(−1) = 5 b) −1 c)  0 
    
−1 0 −1
Ejercicio 2. Considere la ecuación del ejemplo anterior.
a) Encuentre dos soluciones de la ecuación.
b) Determine si las siguientes ternas son soluciones de la ecuación:

   
1 −2
(i) −1 (ii)  0
   
−2 1
c) ¿Exiaten otras soluciones? ¿Cuántas?
Sistema de m ecuaciones lineales con n incógnitas

Ejercicio 3. Encuentre una función polinomial de grado 3 que pase por los puntos
P1 (1, −2), P2 (−1, 3), P3 (2, 2) y P4 (3, 4). Recuerde: Una función polinómica de grado 3 es de
la forma: f (x) = a0 + a1 x + a2 x2 + a3 x3 .
Al analizar, se llega a un sistema de 4 ecuaciones lineales en las variables, a0 , a1 , a2 y a3 .

a0 + a1 + a2 + a3 = −2
a0 − a1 + a2 − a3 = 3
.
a0 + 2a1 + 4a2 + 8a3 = 2
a0 + 3a1 + 9a2 + 27a3 = 4
Para resolverlo, se introduce primero la definición de m ecuaciones lineales con n incógnitas y
los métodos para solucionarlos.
Definición 1.5. Un sistema de m ecuaciones lineales en las n variables x1 , x2 , . . . , xn es un
conjunto de ecuaciones lineales de la forma
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ... .. .. (1.3)
. . . .
am1 x1 + am2 x2 + · · · + amn xn = bm ,
donde aij ∈ R no son simultáneamente nulos son los coeficientes del sistema y bi ∈ R son los
términos independientes. Si todos los bi son ceros, entonces se dice que (1.3) es un sistema
homogéneo.
Observación. Si el sistema tiene 2 ecuaciones y 2 variables, se está hablando de un sistema
2 × 2, como se hizo en la definición 1.1.
Ejemplo 1.7. Los siguientes son ejemplos de sistemas de ecuaciones lineales
x − 2y + 3z = 4 x + 2y − 3z + 2w = 3 x+ y =7
a) 3x − 4y + 5z = 8 b) −2x − 5y + 5z − w = −8 c) 4x − y = 4
2x − 7y + 7z = 9 x − 2z + 5w = 5 3x − 2y = 5
Ejercicio 4. Determine el número de ecuaciones y de incógnitas en cada uno de los sistemas

del ejemplo 1.7.
 
s1
.
 .  de números
Definición 1.6. Una solución del sistema (1.3) es una n−tupla ordenada  .
sn
reales (o complejos), que es solución de cada una de las ecuaciones que conforman el sistema.
Ejercicio 5. Determine si el vector dado es solución del sistema del ejemplo 1.7b).
       
−9 15/2 12 0
 6  1   −2  0
       
a)   b)  c)  d)  
 0  5/2   1 0
 
0 1/2 −1 0
Definición 1.7. Si un sistema tiene solución única o infinitas soluciones, se dice que es con-
sistente. En otro caso, se dice que es .
Ejercicio 6. Usando el método de eliminación estudiado en su bachillerato resuelva el sistema
del ejemplo 1.7a).
1.2.4 Lección 4. Matriz asociada a un sistema de ecuaciones lineales.
En esta lección, el alumno desarrollará habilidades para proponer como modelo matemático,
los sistemas de ecuaciones lineales para solucionar situaciones problemas. Además, será capaz
de usar los métodos de eliminación gaussiana y de Gauss-Jordan para determinar la solución
de un sistema de los mismos. También se representa un sistema en forma matricial.
Definición 1.8 (Matriz asociada de un sistema). El arreglo

 
a11 a12 . . . a1n | b1
 a21 a22 . . . a2n | b2 
 
 . .. ... .. .
 .. . . | .. 
am 1 am 2 . . . amn | bm
se llama matrizasociada o aumentada del sistema (1.3).

 
a11 a12 . . . a1n  
a b1
a22 . . . a2n 

 .. 
A =  ..21 .. ..  es la matriz de coeficientes del sistema, b =  .  el vector

 . ...
. . 
bm
am1 am2 . . . amn
 
x
 .1 
de términos independientes y x =  .
 .  es el vector de variables. Cada aij se llama
xn
componente ij de la matriz A, m × n es el tamaño de A, la diagonal principal de A es
a11 , a22 , . . . , akk , donde k = mı́n{m, n}. La fila o renglón i de A, que se denota por f i o Ri ,
es Ri = f i = (ai1 , ai2 , . . . , aij , . . . , ain ).
Ejercicio 7. Escribir la matriz asociada para cada sistema del ejemplo 1.7.
Operaciones elementales de renglón
1. cf i , c ∈ R, c 6= 0. Multiplicar la fila o renglón i por una constante no nula c.

2. f j + cf i , c ∈ R, c 6= 0. Sumar c veces el renglón i al renglón j.
3. f i ↔ f j o f ij . Intercambiar el renglón i con el renglón j.
Definición 1.9. La matriz A de tamaño m × n es equivalente por renglones con la matriz B

de tamaño m × n, si B se puede obtener de A aplicando una sucesión finita de operaciones
elementales por renglón.
Ejemplo 1.8. Usando el método de eliminación, resolver el sistema del ejemplo 1.7a).
Solución. En la siguiente tabla se muestra la solución del sistema usando eliminación, haciendo
el paralelo ecuaciones-forma matricial.
Sistema de ecuaciones lineales Matriz asociada al sistema

 
x − 2y + 3z = 4 Ec 1 1 −2 3 | 4
3x − 4y + 5z = 8 Ec 2 3 −4 5 | 8
 
2x − 7y + 7z = 9 Ec 3 2 −7 7 | 9
Operación en las ecuaciones 2 y 3, tomando como Operación en las filas o renglones 2 y 3, tomando
base la ecuación 1, para volver cero el coeficiente de como base el renglón 1, para volver cero las compo-
x en ambas ecuaciones nentes a21 y a31
Ec 2 ← Ec 2 − 3Ec 1 f 2 ← f 2 − 3f 1
 
−3x + 6y − 9z = −12 1 −2 3 | 4
3x − 4y + 5z = 8 0 2 −4 | −4
 
2y − 4z = − 4 Ec 4 2 −7 7 | 9
Ec 3 ← Ec 3 − 2Ec 1 f 3 ← f 3 − 2f 1
 
−2x + 4y − 6z = −8 1 −2 3 | 4
2x − 7y + 7z = 9 0 2 −4 | −4
 
− 3y + z = 1 Ec 5 0 −3 1 | 1
El sistema resultante equivalente es
x − 2y + 3z = 4 Ec 1
2y − 4z = −4 Ec 4
− 3y + z = 1 Ec 5
Operación en la ecuación 3, tomando como base la Operación en la fila 3, tomando como base el renglón
ecuación 2, renombrada como Ec 4, para volver cero 2 de la nueva matriz, para volver cero la posición a32
el coeficiente de x en dicha ecuación
 
1 −2 3 | 4
Ec 4 ← 21 Ec 2 y − 2z = −2 Ec 6 f 2 ← 12 f 2 0 1 −2 | −2
 
0 −3 1 | 1
Ec 5 ← Ec 5 + 3Ec 6 f 3 ← f 3 + 3f 2
 
3y − 6z = −6 1 −2 3 | 4
−3y + z = 1 0 1 − 2 | −2
 
− 5z = −5 Ec 7 0 0 −5 | −5
Sistema equivalente Sistema equivalente

x − 2y + 3z = 4 x − 2y + 3z = 4
y − 2z = −2 y − 2z = −2
− 5z = −5 − 5z = −5
Determinando la solución: despejando en la última Determinando la solución: de la última fila se escribe
ecuación la variable z y haciendo sustitución hacia la ecuación, 4z = 4, se encuentra el valor de z y se
atrás se obtiene: hace sustitución hacia atrás
−5z = −5, z = 1 −5z = −5, z = 1

y − 2(1) = −2, y = 0 y − 2(1) = −2, y = 0
x − 2(0) + 3(1) = 4, x = 1 x − 2(0) + 3(1) = 4, x = 1
Es decir, x = 1, y = 0, z = 1. Es decir, x = 1, y = 0, z = 1
Observe que la última matriz tiene ceros debajo de la diagonal principal y se dice que está en
forma triangular superior. Este tipo de matrices son una generalización de las matrices en forma
escalonada que se definen a continuación.
Definición 1.10. Una matriz Am×n está en forma escalonada reducida por renglones
cuando satisface las siguientes propiedades. (Definición tomada de [2]).
1. Los renglones que constan sólo de ceros, si los hay, están en las últimas filas de la matriz.
2. Al leer de izquierda a derecha, la primera entrada distinta de cero en cada renglón (que no
esté formado completamente de ceros) es 1, y se le denomina pivote.
3. Si fi y fi+1 son dos renglones sucesivos que no constan completamente de ceros, entonces la
entrada principal (o pivote) del renglón fi+1 está a la derecha del pivote del renglón fi .
4. Si una columna contiene un pivote de algún renglón, entonces el resto de las componentes
de esa columna son iguales a cero.
Si sólo se cumplen 1, 2 y 3; se dice que A está en forma escalonada por renglones.
Ejemplo 1.9. Las siguientes matrices están en forma escalonada reducida por renglones
   
1 0 2 1 0 2 0 −2
a)  0 1 −1 b)  0 1 −1 0 3
   
0 0 0 0 0 0 1 −3
Ejemplo 1.10. Las siguientes matrices están en forma escalonada por renglones
   
1 0 3 5 1 0 2 0 −2
a)  0 1 −1 0  b)  0 1 −1 2 3
   
0 0 0 1 0 0 0 1 −3
Ejercicio 8. Determine cuáles de las siguientes matrices están en forma escalonada por ren-
glones y cuáles en forma escalonada reducida.
     
1 5 0 −3 1 7 0 0 6 1 0 0 2 1
A = 0 1 0 3 , B = 0 0 0 1 8 , C = 0 1 0 0 0 ,
     
0 0 1 9 0 0 0 0 1 0 1 1 0 0
 
! ! 1 3 0 0 0
1 0 0 0 0 0
D= , E= , F = 0 0 0 1 0 ,
 
0 1 0 0 0 0
0 0 0 0 0
   
1 2 0 0 0 1 0 0
G = 0 0 1 1 0 , H = 0 1 0 .
   
0 0 0 1 5 0 0 1
Ejercicio 9. Llevar las matrices del ejemplo 1.7 a una forma escalonada.
Teorema 1. Toda matriz de Am×n no nula es equivalente por renglones con una única matriz
E m×n en forma escalonada reducida por renglones.
Métodos de solución de sistemas de ecuaciones lineales

1. Eliminación

Paso 1. Formar la matriz aumentada del sistema: A|b
Paso 2. Aplicar operaciones de renglón para llevar la matriz A a una forma escalonada U ,
donde los pivotes no necesariamente son iguales a 1: A | b → U | b′

Paso 3. Decidir si el sistema tiene solución. El sistema no tendrá solución si U tiene al menos
una fila de ceros y el correspondiente término independiente b′i es distinto de cero. Si
el sistema tiene solución se utiliza sustitución hacia atrás para hallarla.
2. Eliminación gaussiana

Paso 1. Formar la matriz aumentada del sistema: A|b .
Paso 2. Aplicar operaciones de renglón hasta llevar la matriz A a una forma escalonada por
renglones F : A | b → F | b′ .

Paso 3. Decidir si el sistema tiene solución. El sistema no tendrá solución si la forma escalonada
de A tiene al menos una fila de ceros y el correspondiente término b′i es distinto de
cero. Si el sistema tiene solución se utiliza sustitución hacia atrás para hallarla.
3. Eliminación de Gauss–Jordan

Paso 1. Formar la matriz aumentada del sistema: A|b .
Paso 2. Aplicar operaciones de renglón hasta llevar la matriz A a la forma escalonada reducida
por renglones E: A | b → E | b′ .

Paso 3. Decidir si el sistema tiene solución. El sistema no tendrá solución si la forma escalonada
reducida de A tiene al menos una fila de ceros y el correspondiente término b′i es
distinto de cero. Si el sistema tiene solución, se determina directamente de la matriz
aumentada.
Ejercicio 10. Resuelva el sistema de ecuaciones lineales del ejercicio 3, página 9.
Ejemplo 1.11. Halle el valor (o valores) de λ para que el sistema
x − 2y = 1
−2x + λ2 y = λ
i) tenga solución única. Muestre la solución, ii) tenga infinitas soluciones. Escriba la solución
general, ii) sea inconsistente.
Solución. Mediante eliminación se tiene

! !
1 −2 | 1 1 −2 | 1
f2 ← f2 + 2f1 .
−2 λ2 | λ 0 λ2 − 4 | λ + 2
El sistema equivalente es
x − 2y = 1
(λ2 − 4)y = λ + 2
Para que haya solución única, λ2 − 4 6= 0, es decir, λ 6= −2 y λ 6= 2. En este caso, la solución

está dada por ( !)
λ
λ−2
1
.
λ−2
Para que existan infinitas soluciones λ2 − 4 = 0 y λ + 2 = 0, es decir, λ = −2. En este caso, el

conjunto solución es ( ! )
2y + 1
:y∈R .
y
El sistema es inconsistente si λ2 − 4 = 0 y λ + 2 6= 0, es decir, λ = 2.
Ejemplo 1.12. Determine los valores de k de modo que el sistema de ecuaciones lineales
representado por la matriz sea consistente, halle el conjunto solución en cada caso, y los valores
de k para los cuales sea inconsistente.
 
1 3−k | 5
0 k − 4 | 4−k
 

0 0 | (k − 1)(4 − k)
Solución. En el primer caso, debemos considerar dos posiblidades: solución única e infinitas
soluciones.
Para que haya solución única k = 1. El sistema resultante es
x + 2y = 5
−3y = 3
( !)
7
La solución es .
−1
El sistema tiene infinitas soluciones si k = 4 y están dadas por
( ! )
y+5
:y∈R .
y
Finalmente, para que el sistema sea inconsistente k 6= 1 y k 6= 4.
Ejercicio 11. Determine los valores de a y k para los cuales el sistema de ecuaciones lineales
representado por la matriz sea consistente, halle el conjunto solución en cada caso, y los valores
de a y k para los cuales sea inconsistente.
 
3 −2 0 | 1
0 1 5 |
1 
 
0 0 k−a | a+1
Teorema 2 (Teorema resumen). Sea A una matriz n × n. La siguientes afirmaciones son

equivalentes:
1. El sistema Ax = b tiene solución única para cada n-vector b
2. El sistema homogéneo Ax = 0 tiene solución y la solución es
3. La forma escalonada reducida de A es
4. A es equivalente por renglones a la matriz
5. La forma escalonada de A tiene pivotes
Taller de refuerzo
Se proponen actividades de refuerzo que le permiten al estudiante autoevaluarse en el desarrollo
de los propósitos del capı́tulo.
Ejercicio 1. Si la matriz asociada de un sistema de ecuaciones lineales es

 
1 0 0 0 | 1
 0 0 1 0 | 2
 
0 0 0 1 | 5
¿Cuántas soluciones tiene dicho sistema? Explique.

   
4 −2
Ejercicio 2. Si los vectores  1 y  4 son soluciones de un sistema de ecuaciones lineales
   
−1 2
3 × 3, ¿cuántas soluciones tiene dicho sistema? Explique claramente su respuesta.
Ejercicio 3.
a) Determine el valor (o valores) de k para el cual el sistema de ecuaciones lineales representado

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

   
2 3
(i)  0  (ii) −5
   
1 1
Ejercicio 4. Determine el valor (o valores) de a para el cual el sistema de ecuaciones lineales
x + 2y + z = a2
x + y + 3z =a
3x + 4y + 7z =8
a) sea consistente, halle el conjunto solución en cada caso.
b) sea inconsistente.
Ejercicio 5. Considere el siguiente sistema de ecuaciones lineales
x + y + z = a
2x + ay − z = 4
2x + 2y + (a2 + a)z = a + 1
Determine el valor o valores de a de modo que el sistema
a) tenga solución única. Dé la solución
b) tenga una infinidad de soluciones. Escriba la solución general
c) no tenga solución. Justifique su respuesta
Ejercicio 6. Una bióloga ha colocado tres cepas bacterianas (I, II, y III) en un tubo de ensayo,
donde serán alimentadas con tres distintas fuentes alimenticias (A, B, y C). Cada dı́a 2300
unidades de A, 800 de B y 1500 de C se colocan en el tubo de ensayo, y cada bacteria consume
cierto número de unidades de cada alimento por cada dı́a, como muestra la tabla
Tipo de cepa
  I II III 
A
 2 2 4
Alimento B  1 2 0
 

1 3 1

C
¿Cuántas bacterias de cada cepa pueden coexistir en el tubo de ensayo y consumir todo el
alimento? Ejemplo 2.27, p. 101 de [6].
Ejercicio 7. Una pastelerı́a ofrece a sus clientes tres clases de tortas con precios, económico,
estándar y preferencial. Cada una de las tortas contiene durazno, fresa y vino. En la del precio
económico, invierte $5 en duraznos, $2 en fresas y $3 en vinos. Para la del precio estándar, los
gastos son $10 en duraznos, $6 en fresas y $8 en vinos; y para la preferencial, $20 en duraznos,
$20 en fresas y $24 en vinos. Si el presupuesto permite $235.000 en duraznos, $158.000 en fresas
y $205.000 en vinos:
a) Construya un modelo que represente la información del problema.

b) ¿Se pueden vender 2000 tortas del precio preferencial?
c) ¿Se podrán producir 6000 tortas del precio preferencial?
d) ¿Cuántos tortas de cada precio pueden venderse para invertir todo el presupuesto?
Ejercicio 8. Una aerolı́nea compra provisiones para tres de sus aviones, I, II y III. El costo
por viaje, en dólares, para el avión I para la primera clase es $350, para la clase de negocios es
$500 y para la clase económica es $800. Para el avión tipo II, el costo por viaje para la primera
clase es $400, para la clase de negocios es $600 y para la clase económica es $920. Para el avión
tipo III, el costo por viaje para la primera clase es $450, para la clase de negocios es $700 y
para la clase económica es $1040.
a) Construya un modelo matemático que represente la información del problema.
b) Si la aerolı́nea gastó $26000 para primera clase, $40000 para la de negocios y $60000 para
la económica. Determine el número máximo de viajes que pueden realizar los aviones II.
Ejercicio 9. Determine la solución de los siguientes sistemas de ecuaciones lineales homogéneos
x + 2y − 2z = 0 x + 2y − 2z = 0 x + 2y − 2z + w = 0
a) 2x + 7y + 2z = 0 b) 2x + 7y + 2z = 0 c) 2x + 7y + 2z − 2w = 0
x − 2y − z = 0 x − y − 8z = 0 x − y − 8z − 3w = 0
Capı́tulo 2
Vectores, rectas y planos
En este capı́tulo se estudian los vectores desde el punto de vista geométrico para R2 y R3 ,
analı́ticamente para Rn , n > 1. Se usa la teorı́a de vectores en la modelación de diferentes
problemas que surgen en matemáticas, fı́sica, ingenierı́a y en el quehacer diario. También se
hace el estudio de la lı́nea recta y del plano en R3 .
Se concluye con un teorema, denominado teorema resumen, el cual recoge los resultados básicos
que surgen durante del desarrollo de las lecciones, que sirve de retroalimentación y autorregula-
ción del aprendizaje de los estudiantes, ya que está propuesto con las hipótesis necesarias para
que ellos deduzcan sus conclusiones y completen los espacios que aparecen.
Este teorema aparecerá al finalizar cada uno de los capı́tulos con el propósito de que el alumno
lo complemente con las proposiciones que deduzca a partir de la teorı́a desarrollada en ellos,
como se observa en el capı́tulo 1.
Vectores en R2
A. Resuelva la siguiente situación:
Un barco es empujado por un remolcador con una fuerza de 300 libras a lo largo del eje
y negativo, mientras que otro remolcador lo empuja a lo largo del eje x negativo con una
fuerza de 400 libras. Determine la magnitud y dirección de la fuerza resultante. (Ejercicio
29, página 228 de [3]).
B. Teorı́a.
1. Describa un procedimiento geométrico y algebraico para

a) Sumar y restar vectores en el plano. Ejemplifique
b) Multiplicar un vector por un escalar (real)
2. Defina los siguientes términos. Dé ejemplos y dibuje
a) Longitud o norma de un 2–vector
b) Vector unitario en R2 . Vectores canónicos.
c) Producto punto y ángulo entre dos vectores no nulos del plano
19
20 Capı́tulo 2. Vectores, rectas y planos
d) Vectores paralelos y perpendiculares

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

diferente de cero.
#»
2. Sean #»
x , #» z ∈ R2 . Si #»
y , #» x • #»
y = #»
x • #»
z y #»
x =6 0 , entonces #»
y = #»
z.
3. Sean #»
u , #» #» ∈ R2 no nulos tales que #»
v, w u es paralelo a #»
v , entonces no existen
#» #»
escalares λ y µ, de modo que w = λ u + µ v#»
#»
4. El vector 0 de R2 siempre es posible escribirlo como combinación lineal de cualquier
conjunto de vectores #»
v , #»
1 v de R2 .
v , . . . , #»
2 k
D. Poniendo en práctica lo aprendido
1. Sea #»
v = (3, −2). Halle un vector unitario que tenga dirección opuesta a la de #»
v.
√
2. Exprese los siguientes vectores (5, −4), (1/2, 2/3) y (−π, 5 ) como combinación lineal
de los vectores canónicos.
#» #» # »
3. Sean A = (5, 8) y B = (−7, 5). Halle los vectores paralelos al vector AB y de longitud
6 unidades.
4. Sean A(−4, −3), B(1, 4) y C(λ, 2) tres puntos del plano. Determine el valor o valores de
λ de modo que el triángulo ABC sea
a) Isósceles b) Rectángulo
#» #» #»
v u , donde u = 2ı̂ − 3̂ y v = ı̂ + ̂.
5. Calcule proy #»
E. Aplicaciones
1. Dos lanchas ayudan a que un barco salga de su embarcadero. Una de las lanchas está ja-
lando de él con una fuerza de 200 N, mientras que la otra lo hace con una fuerza de 150
N. La primera lancha toma una dirección que forma un ángulo de 25o . Qué dirección
debe tomar la otra lancha para que el barco salga paralelamente al espigón? , ver [10].
#» #»
2. Una fuerza F de magnitud 10 N se aplica en la dirección del vector T = 4ı̂ − 3̂. ¿Cuál
es el trabajo al mover el objeto desde el punto A(1, 1) hasta el punto B(5, 4)?, ver [9].
Vectores en R3 y en Rn
A. Resuelva la siguiente situación

Un fabricante produce cuatro artı́culos. Si su demanda está dada por el vector
d = (30, 60, 40, 10) y el precio por unidad que recibe por p = $20, $60, $120, $35 , ¿cuánto
dinero recibirá el fabricante?
B. Teorı́a.
#»
1. Sean P y Q dos puntos de Rn . Defina la norma del n-vector P y la distancia de P a Q.
Ejemplifique y dibuje los vectores para n = 3.
2. Defina vector unitario en Rn . Ejemplifique e ilustre gráficamente para n = 3.
3. Demuestre las propiedades que cumple el producto escalar de vectores de Rn enunciadas
en la lección 4 del capı́tulo 2.
#» #» #»
a y b dos vectores de R3 . Demostrar: #»
4. Sean #» a × b = − b × #»
a.
C. Responda verdadero ó falso a las siguientes afirmaciones. Justifique cada una

de sus respuestas.
1. El producto escalar de dos n-vectores es otro n-vector

2. Sean #» y ∈ Rn , n > 1. Si #»
x , #» x • #»
y = 0, entonces por lo menos uno de los vectores es
el vector nulo.
#»
3. Sean #» v ∈ R3 . Si #»
u , #» u × #»
v = 0 , entonces al menos uno de los vectores es el vector
nulo.
4. u = (x, y, z) ∈ R3 . Si ( #»
Sea #» u × k̂) • (1, 0, 3) = 2, entonces y = −2
5. Sean #»
u , #» #» ∈ R3 vectores no nulos. Si #»
v, w u × #»
v = #»u ×w#» entonces #» #»
v = w.
D. Poniendo en práctica lo aprendido.
1. Los puntos A(−a, −a, −a), B(a, a, −a), C(−a, −a, a) y D(a, a, a) representan cuatro
vértices de un cubo. Halle las coordenadas de los demás vértices.
2. Determine los octantes en que pueden estar los puntos P (x, y, z) si:
a) x + y = 0 b) x − z = 0 c) y + z = 0 d ) xy < 0 e) 0 > yz
#» #»
a y b dos vectores de R3 que forman un ángulo ϕ = 2π/3. Si k #»
3. Sean #» a k = 3 y k b k = 4.
Calcule:
#» #» #» #»
a) #»
a•b b) k #»
a + bk c) (3 #»
a − 2 b ) • ( #»
a + 2b)
4. Determine los valores de λ y β, si existen, de modo que los vectores #» a = (−2, 3, β) y
#»
b = (λ, −6, 2) sean paralelos.
#»
5. Los vectores #» a y b son perpendiculares y #» c forma con ellos ángulos iguales a π/3. Si
#» #»
k a k = 3, k b k = 5 y kck = 8. Calcule:
#» #» #»
a) k #»
a × #»
ck b) k #»
a • ( b − #»
a × #»
c )k c) k #»
a − 2 b ) × ( b + 3 #»
c )k
#» #» #» 2
d) k a + 2 b − 3 c k
E. Aplicaciones.
1. Una tienda maneja 100 artı́culos diferentes. El inventario fı́sico al inicio de semana se
describe mediante el vector de inventario u ∈ R100 . El número de artı́culos vendidos al
final de la semana se describen mediante el vector v ∈ R100 .
a) Explique el significado de u − v.
b) Halle 2u. ¿Cuál es su significado?
c) Si la tienda recibe un nuevo embarque de artı́culos representado por el vector w,
¿cómo se escribe el nuevo inventario?
2. La fábrica de comestibles La Fresa tiene 2425 empleados, registra los salarios de cada
uno de sus empleados como una componente de un vector u ∈ R2425 . Si se ha apro-
bado un incremento salarial general del 8 %, determine una expresión que utilice a u y
establezca todos los nuevos salarios. (Basado en el ejercicio 33, página 156 de [3]).
3. Una aerolı́nea compra provisiones para tres de sus aviones. El costo por viaje, en dólares,
se expresa con la matriz.
Avión 1 Avión 2 Avión 3




 Primera 350 400 450

Clase  500 600 700 
 
Negocios

800 700 900


Económica
a) Si los tres aviones volaron el mismo dı́a, ¿cuánto gastó la aerolı́nea en provisiones por
cada clase?
b) Si solo el avión 3 vuela 5 dı́as a la semana ¿Cuánto invierte la aerolı́nea por clase en
3 semanas? (Ejercicio 55, página 78 de [5]).
#»
Momento de una fuerza. El momento m de una fuerza F respecto de un punto P
#»
es el producto m = k Fkd, donde d es la distancia de P a la recta L definida por las
#» #» = #» #» #»
dirección de F. Se define el vector momento como sigue: m r × F. La magnitud de m
#»
es el momento m, y se desplaza a lo largo del eje de rotación que genera F con respecto
a P . En la práctica, se le da un signo al momento. El signo de m es positivo si la fuerza
tiende a producir rotación en sentido antihorario respecto al punto dado, y es negativo
en caso contrario.
P b
L
#»
r
#»
d F
b
Q θ
Figura 2.1. Momento de una fuerza
#»
4. Calcule el momento m de F = −2ı̂ − 4̂ + k̂ en #»
r = (−2, 1, −3).
Condiciones de equilibrio para fuerzas coplanares.
Cuando las fuerzas coplanares actúan sobre un cuerpo rı́gido, éste se encontrará en
equilibrio si se satisfacen las siguientes condiciones.
(i) La suma vectorial de las fuerzas es cero.

(ii) La suma algebraica de los momentos con signo de todas las fuerzas respecto de
cualquier punto del plano es cero.
5. El extremo superior de una barra P Q uniforme, de 5 pies de longitud y que pesa 50
lb, descansa recargada en un muro vertical liso, ver figura izquierda. El extremo inferior
descansa apoyado en un piso horizontal liso, a 3 pies del muro. Una cuerda OR sujeta
#»
al sistema en equilibrio. Si la distancia RQ es 1 pie, ¿cuál es la tensión T de la cuerda?
(Ejemplo 78, página 139 de [5]).
P P #»
R1
5/2
M M
4
5
#»
R2
R #» R 5/2
1 T
θ
O 3 Q O #» S Q d 3−d
w
Figura 2.2. Gráfica ejercicio E5
Rectas y planos
1. Halle el punto de intersección entre plano de ecuación π : 2x + 3y + z = 1 y la recta

y+1 z
L: x−1= = .
−2 6
2. Determine la ecuación paramétrica de la recta L2 que pasa por el punto M (3, −2, −4), es
paralela al plano π : 3x − 2y − 3z = 7 y se corta con la recta
x−2 y+4 z−1
L1 : = = .
3 −2 2
3. Encuentre la ecuación del plano que pasa por el punto A(1, −2, 1) y es perpendicular a la
recta que es la intersección de los dos planos
π1 : x − 2y + z − 3 = 0 y π2 : x + y − z + 2 = 0.
4. Halle la ecuación del plano π que pasa por el origen de coordenadas y es perpendicular a los
planos π1 : 2x − y + 3z − 1 = 0 y π2 : x + 2y + z = 0.
x−2 z+3
5. Considere la recta L : =y+1= y el plano π : x − 2y + z = 1.
3 −1
a) Encuentre la intersección entre la recta L y el plano π.
b) Halle un punto que no pertenezca a la recta L.
c) Determine un vector unitario que sea perpendicular al plano π.
6. Halle una ecuación del plano π que es generado por los vectores #»
v1 = (1, 0, 1) y #»
v2 = (2, 1, 3).
x+1 y−2 z+3
7. Determine un valor de m, si existe, de modo que la recta L : = = sea
3 m −3
paralela al plano π : x − 3y + 6z = 0.
8. Describa un algoritmo, si existe, que permita dibujar un plano. Dibuje un plano paralelo a
los ejes coordenados y uno que no sea paralelo a los ejes.
9. Sean P un punto, L un recta y π un plano en R3 . Describa un procedimiento para calcular

la distancia de P a L, de L a π y de P a π. Escriba una definición para cada una de estas
distancias.
2.2.1 Lección 1. Vectores en el plano
Se comienza retomando los conceptos de distancia entre puntos, punto medio y mediatriz. Al
finalizar, el alumno los podrá usar para deducir una expresión para el cálculo de la distancia
de un punto a una recta. Se continúa con las definiciones básicas de vectores en R2 .
Coordenadas en el plano cartesiano.
y1 b
Py (0, y1 ) P (x1 , y1 )
b
R2 = {(x, y) | x, y ∈ R} .
Px (x1 , 0) También
b
O x1 x
2 x
R = | x, y ∈ R .
Figura 2.3. Coordenadas cartesianas en R2 . y
y
Teorema 3 (Distancia). Sean P (x1 , y1 ) y y2 b
Q(x2 , y2 )
d
Q(x2 , y2 ) dos puntos del plano. La distancia b
entre P y Q está dada por: P (x1 , y1 ) b
y1
a

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

pasa por el punto medio del segmento.
Ejercicio 2. Determine la ecuación de la mediatriz del segmento de recta que une los puntos
P (−5, 6) y Q(3, −4).
Distancia de un punto a una recta

y
L La distancia d del punto P a la recta L es
P
d
d = d(P, Q) = P Q,
p
Q
x donde Q es el punto de intersección de la rec-
ta perpendicular a L que pasa por P .
Figura 2.5. Distancia de P a L
Ejercicio 3. Halle la distancia entre la recta 3x − 4y = −10 y el punto P que es la intersección

de las rectas 2x − 3y = 3 y x − 2y = 1.
Vectores en el plano (R2 )
Definición 2.1 (Vector). Geométricamente, un vector es un segmento de recta dirigido.

La longitud o norma es la longitud del segmento que lo determina y la dirección es aquella
determinada por la recta que lo contiene. El sentido está dado por el extremo de la flecha e
indica hacia qué lado de la lı́nea de acción se dirige el vector. En este contexto, el sentido
quedará incluido en la definición de dirección. Analı́ticamente un vector de R2 es una pareja
ordenada de números reales: (x, y) ó xy , donde x, y ∈ R. Los números x y y se denominan

componentes del vector.
Notación. Los vectores de R2 se denotarán mediante letras con una flecha encima, por ejemplo,
#» #» #»
a , b , #»
v , A. Un vector también se puede representar por un segmento rectilı́neo dirigido en la
# »
forma P Q donde P es el punto inicial, cola o punto de aplicación y Q es el punto final o cabeza.
Si el punto inicial del vector es el origen, se acos-
#» # »
y tumbra escribir R en vez de OR. Ası́, es posible
Q(x2 , y2 )
b
asociar a cada punto R(a, b) del plano un único
#»
b
vector R = (a, b) cuya cola es el origen, el cual se
P (x1 , y1 )
b
R(a, b) denomina vector localizado (anclado) o vec-
, b)
#» = (a
R tor de posición del punto R, figura 2.6. Ası́, se
b
O x puede hacer la identificación

#»
Figura 2.6. Vector de posición. R(a, b) ←→ R = (a, b).

#» #» 0
Vector nulo. El vector nulo es el vector 0 = (0, 0) ó 0 = .
0
y
Norma de un vector. Sea #» u = (a, b) en R2 , #»
u = (a, b)
la norma, longitud o magnitud de #»
u , denotada =
#» k
por k #»
u k, está dada por: ku
O x
k #»
uk =
Figura 2.7. Norma en R2
Ejercicio 4. Halle la norma de los siguientes vectores
a) #»
u = (4, −3) b) #»
v = (−8, 6) c) #»
v = (12, −9) d) 0 = (0, 0)
Teorema 4 (Propiedades de la norma en R2 ). Sean #» v ∈ R2 y λ ∈ R.

u , #»
No. propiedad nombre

1. k #»
uk ≥ 0 No negatividad
2. k #»
u k = 0 si y sólo si #»
u =0
3. kλ #»
u k = |λ| k #»
uk Homogeneidad
Definición 2.2 (Dirección de un vector en R2 ). Sea #» u = (a, b) ∈ R2 , #»

u 6= 0. La dirección
#» #»
de u , denotada por θ = dir v , es el ángulo θ con menor valor absoluto que forma el vector con
la parte positiva de las abscisas.
#»
v2 y #»
v1 #»
v2 y #»
v1
θ2 θ2
θ1 θ1
θ3
θ4 x x
#» θ3 #» #» θ4 #»
v3 v4 v3 v4
(a) −π < θi ≤ π (b) 0 ≤ θi < 2π
Figura 2.8. Dirección de un vector en R2
En la figura 2.8(a) se muestra la dirección de varios vectores.

u = (x1 , y1 ) de R2 se puede determinar mediante
La dirección θ de un vector #»
tan θ = si x1 6= 0. ¿Qué sucede si x1 = 0?
Ejercicio 5. Halle la longitud y dirección de los siguientes vectores:
a) #»
v1 = (5, 5) d) #»
v4 = (5, −5) g) ̂ = (0, 1)
b) #»
v2 = (−5, 5) e) #»
v = (0, b), b ∈ R √ √
h) û = (2/ 13, −3/ 13)
c) #»
v3 = (−5, −5) f) ı̂ = (1, 0)
u ∈ R2 , se dice que #»
Vector unitario. Sea #» u es unitario si y sólo si k #»
u k = 1. Si #»
u es unitario,
se denota por û.
Los vectores ı̂ = (1, 0) y ̂ = (0, 1) se denominan vectores canónicos de R2 .
u de R2 , también se puede definir como el ángulo de

Nota. La dirección de un vector no nulo #»
menor giro positivo del vector con respecto al eje positivo de las abscisas, como se ilustra en la
figura 2.8(b).
Definición 2.3 (Igualdad de vectores).
1. Geométricamente.
y
#»
v Dos vectores no nulos son iguales si tienen la
misma longitud y dirección.
O x
Dibuje otros vectores que sean iguales a #»

v.
Figura 2.9. Vectores iguales en R2 .
2. Analı́ticamente. Los vectores #»
v1 = (x1 , y1 ) y #»
v2 = (x2 , y2 ) son iguales si y
. Es decir, sus componentes correspondientes son iguales.
Ejercicio 6. Determine los valores de los escalares λ y β, si existen, de modo que los vectores
#»
v = (2 − λ, −3 + λ) y #»
v = (−3 − 2β, −λ + β) sean iguales.
1 2
Ejercicio 7. Sea #»
u = (2, −3).
a) Dibuje un vector #»
v igual a #»
u con cola en el punto P (−5, 4).
#» igual a #»
b) Dibuje un vector w u con cabeza en el punto Q(5, −1).
2.2.2 Lección 2. Operaciones con vectores en R2

Se estudian los conceptos geométricos y analı́ticos de las operaciones suma y multiplicación
por un escalar de los vectores de R2 , al igual que sus propiedades y se contextualizan estos
conceptos en una aplicación. Se estudian además, los vectores desde la estructura de espacio
vectorial y se introduce el concepto de combinación lineal como célula generadora para llegar a
las definiciones de dependencia e independencia lineal, espacio generado y conjunto generador
del espacio vectorial R2 .
Definición 2.4 (suma).
Desde este punto de vista, la suma de vectores en R2 se puede realizar mediante dos pro-
cedimientos equivalentes: regla del triángulo y regla del paralelogramo. Sean #»v y #»
v 1 2
2
dos vectores de R , complete la siguiente gráfica.
#»
v2
#»v
#»v 1 + 2 #»
v2
#»
v1 #»
v1
(a) Regla del triángulo (b) Regla del paralelogramo
Figura 2.10. Suma geométrica de vectores.
Ejemplo 2.1. Sean #»

v1 = (4, 1) y #»
v2 = (−1, 3), halle #»
v1 + #»
v2 geométricamente.
Solución. Gráficamente mediante la regla del paralelogramo, se tiene

y y y
4 4 4
3 #»
v2 3 #»
v2 3
v»
2
+ #
2 2 2
v#»
1
1 #» 1 1 #»
v1 v1
−2 −1 1 2 3 4 x −2 −1 1 2 3 4 x −2 −1 1 2 3 4 x
−1 −1 −1
2. Analı́ticamente. Sean #» v2 = (x2 , y2 ) dos vectores de R2 .

v1 = (x1 , y1 ) y #»
La suma de #»
v1 y #»
v2 , denotada por , se define como:
#»
v1 + #»
v2 =
Definición 2.5 (Multiplicación por un escalar).
#»
v #»
v #»
v
b
λ #»
v b
λ #»
v
#»
v λ #»
v λ #»
v
(a) Dilatación: |λ| > 1 (b) Contracción: 0 < |λ| < 1
Figura 2.11. Multiplicación por un escalar
2. Analı́ticamente. La multiplicación del vector #»

v = (x, y) por el escalar λ se denota por
y se define como
Ejercicio 1. Responda las siguientes preguntas

a) ¿Cómo es la dirección de λ #»
v comparada con la de #»
v?
b) ¿A qué es igual kλ #»
v k?
c) ¿Qué sucede con el vector #»

v si λ = 0?
Ejercicio 2. Considere los vectores #»

v1 = (2, 3) y #»
v2 = (−1, 4). Realice las siguientes operacio-
nes en forma analı́tica y geométrica.
a) #»
v1 + #»
v2 b) − #»
v2 c) #»
v1 − #»
v2 d) 2 #»
v1 + 3 #»
v2
Ejercicio 3. Una empresa de artı́culos deportivos tiene dos fábricas y en cada una se ensamblan
bicicletas de montaña fabricadas en aluminio y titanio. La primera planta produce 180 bicicletas
de aluminio y 24 de titanio por dı́a. La segunda 240 y 30, respectivamente. Si v1 = (180, 24) y
v2 = (240, 30).
a) Calcule e interprete el significado de las siguientes expresiones
i. v1 + v2 ii. v2 − v1 iii. 8v2 iv. 3v1 + 4v2
b) ¿Cuántos dı́as deberı́a trabajar cada fábrica para que la empresa entregue 3240 bicicletas de
aluminio y 420 de titanio? (Basado en el ejemplo 10, pág. 73 de [5]).
Propiedades de la suma y la multiplicación por un escalar
Sean #»
u , #» #» ∈ R2 ; λ, β ∈ R. Las siguientes propiedades se satisfacen:
v, w
No. Propiedad Nombre

1S . #» v es un vector de R2
u + #»
2S . #»
u + #»
v = #»
v + #»
u
3S . ( #»
u + #»
v )+w#» = #»
u + ( #» #» )
v +w Asociativa
4S . #»
u + 0 = #»
u
5S . #»
u + (− #»
u) = 0 Invertiva
1M . u es un vector de R2
λ #»
Distributiva de la multiplicación por un escalar con
2M . λ( #»
u + #»
v ) = λ #»
u + λ #»
v
respecto a la suma vectorial
3M . (λ + β) #»
u = λ #»
u + β #»
u
4M . (λβ) u = λ(β u ) = β(λ #»
#» #» u) Asociativa escalar
5M . 1 #»
u = #»
u Modulativa de la multiplicación por un escalar
Definición 2.6 (Espacio vectorial). El conjunto R2 con las operaciones suma y multipli-
cación por un escalar satisfaciendo las propiedades 1S–5S, 1M–5M, denotado hR2 , +, .i, es un
espacio vectorial.
Ejercicio 4. Halle el valor de las constantes, si existen, de modo que
a) #»
v = (3, −7) = λ1 (1, 0) + λ2 (0, 1) b) #»
v = (3, −7) = λ1 (1, 0) + λ2 (0, 1) + λ3 (2, 3)
√
c) #»
v = (3, −7) = λ (1, −1) + λ (−2, 2)
1 2 d) #»
v = (−5/3, 11) = λ (1, 0) + λ (0, 1)
1 2
Definición 2.7 (Combinación lineal). Sean #» u , #»

v1 , #» vk vectores de R2 . El vector #»
v2 , . . . , #» u es
#» #» #»
combinación lineal de los vectores v1 , v2 , . . . , vk , si existen escalares λ1 , λ2 , . . . , λk tales que
k
X
#»
u = λ1 #»
v1 + λ2 #»
v2 + · · · + λk #»
vk = λi #»
vi .
i=1
Ejemplo 2.2. En el ejercicio 4, el vector #»v en los literales a), b) y d) es combinación lineal
de los vectores dados. Mientras que en el literal c), el vector #»
v no es combinación lineal de los
vectores #»
v1 = (1, −1) y #»
v2 = (−2, 2).
Observación. En el literal b), el sistema resultante tiene infinitas soluciones, es decir, existen
una infinidad de valores de λ1 , λ2 y λ3 que verifican la igualdad. Por ejemplo:
• #»
v = (3, −7) = 1(1, 0) + (−10)(0, 1) + 1(2, 3): λ1 = 1, λ2 = −10 y λ3 = 1.
• #»
v = (3, −7) = 7(1, 0) + (−1)(0, 1) + (−2)(2, 3): λ1 = 7, λ2 = −1 y λ3 = −2.
Ejercicio 5. Determine si #»
u es combinación lineal de los vectores dados
a) #»
u = (3, −5); #»
v1 = (1, 3), #»
v2 = (−4, 7), #»
v3 = (0, 1)
b) #»
u = (3, −5); #»
v1 = (1, −3), #»v2 = (−2, 6) c) #» u = (0, 0); #»
v1 = (5, 8), #»
v2 = (7, −1)
Definición 2.8 (Dependencia e independencia lineal). El conjunto de vectores de R2 ,

S = { #»
v , #»
1 v , . . . , #»
2 k
v } es linealmente independiente (LI) si el vector nulo se puede escribir
de manera única como combinación lineal de los #»
v i , i = 1, 2, . . . , k. Es decir
k
#» X #»
0 = λi vi implica 0 = λ1 = λ2 = · · · = λk
i=1
En otro caso, se dice que S es linealmente dependiente (LD).
Observación. Por abuso de lenguaje, es común hablar de vectores linealmente independientes

o linealmente dependientes.
Ejemplo 2.3.
a) Los vectores #»v1 = (2, 7) y #»

v2 = (3, −8) son linealmente independientes (LI) porque los
#»
únicos escalares que permiten que 0 sea combinación lineal de #»
v1 y #»
v2 son λ1 = 0 y λ2 = 0.
Es decir, (
2λ1 + 3λ2 = 0
(0, 0) = λ1 (2, 7) + λ2 (3, −8) ⇒ .
7λ1 − 8λ2 = 0
El sistema homogéneo tiene solución única, la trivial.
b) Los vectores #»
v1 = (1, 2), #»
v2 = (2, 3) y #»
v2 = (−3, 5) son linealmente dependientes (LD)
porque el vector nulo se puede escribir de muchas maneras, como una combinación lineal de
los vectores dados, es decir,
(0, 0) = λ1 (1, 2) + λ2 (2, 3) + λ3 (−3, −5),
implica que λ1 , λ2 y λ3 pueden tomar infinitos valores los cuales satisfacen la igualdad. Por
ejemplo,
• (0, 0) = 1(1, 2) + (1)(2, 3) + 1(−3, −5): λ1 = 1, λ2 = 1 y λ3 = 1.

• (0, 0) = 2(1, 2) + (2)(2, 3) + (2)(−3, −5): λ1 = 2, λ2 = 2 y λ3 = 2.
• (0, 0) = −3(1, 2) + (−3)(2, 3) + (−3)(−3, −5): λ1 = −3, λ2 = −3 y λ3 = −3.
Ası́, el sistema homogéneo resultante tiene infinitas soluciones.
Del ejemplo anterior se puede inferir: un conjunto de vectores es linealmente independiente, si el

sistema homogéneo que resulta de la definición tiene solución única y es linealmente dependiente
si el sistema tiene infinitas soluciones.
Ejercicio 6. Determine si los siguientes vectores son LI o LD.
a) #»
v1 = (1, 3), #»
v2 = (−1, −1) b) #»
v1 = (1, 3), #»
v2 = (0, 0)
c) #»
v1 = (1, 3), #»
v2 = (−2, −6) d) #»
v1 = (1, 3), #»
v2 = (−1, −1), #»
v3 = (3, 5)
Definición 2.9 (Vectores paralelos). Dos vectores no nulos #»

u y #»
v son paralelos si existe
un escalar (no nulo) λ tal que .
Ejemplo 2.4. Determine todos los vectores que sean combinación lineal de #»
v1 = (−1, 5) y
#»
v = (2, −10).
2
Solución. #»
u = (x, y) es combinación lineal de #»
v1 y #»
v2 si existen escalares λ1 y λ2 tales que
(x, y) = λ1 (−1, 5) + λ2 (2, −10).
De ahı́ resulta el sistema

− λ1 + 2λ2 = x
(2.1)
5λ1 − 10λ2 = y.
Ahora, ! !
−1 2 | x −1 2 | x
f2 ← f2 + 5f1 .
5 −10 | y 0 0 | y + 5x
De la última fila se lee 0λ2 = y + 5x. Esta ecuación tiene solución si y + 5x = 0, es decir,
y = −5x. Por lo tanto, los vectores que satisfacen la condición son
u ∈ R2 | #» v2 = (x, y) ∈ R2 | y = −5x .

H = #» u = λ1 #»
v1 + λ2 #»
Definición 2.10 (Espacio generado). Sea S = { #»v1 , #» vk } ⊂ R2 . El espacio generado

v2 , . . . , #»
por S, denotado por gen S, está formado por todos los vectores #» u que son combinación lineal
de #»
v1 , #»
v2 , . . . , #»
vk . Es decir,
k
X
#» 2 #» #» #» #» #»
gen S = u ∈ R | u = λ1 v1 + λ2 v2 + · · · + λk vk = λi vi .
i=1
Ejercicio 7. Determine el espacio generado por el conjunto de vectores dados
a) { #»
v1 = (1, 3), #»
v2 = (1, −1)} b) { #»
v1 = (1, 3), #»
v2 = (−2, −6)}
Definición 2.11 (Conjunto generador). Sea S = { #»

v1 , #» vk } ⊂ R2 , se dice que S
v2 , . . . , #»
es un conjunto generador de H ⊆ R2 si todo vector #» u en H se puede escribir como
combinación lineal de los elementos de S. También se dice que S genera a H.
Ejemplo 2.5. S0 = {ı̂, ̂} es un conjunto generador de R2 , pues cada 2–vector se puede escribir
como combinación lineal de los elementos de S0 . En efecto, (x, y) = x(1, 0) + y(1, 0) = xı̂ + y̂.
2.2.3 Lección 3. Producto escalar en R2

Se introduce el producto escalar como otra operación que se realiza entre vectores, se estudian
sus propiedades y el uso de las mismas en la definición de ángulo entre vectores y proyecciones.
Definición 2.12 (Producto escalar). Sean #» v = (y1 , y2 ) vectores de R2 . El
u = (x1 , x2 ) y #»
producto escalar o producto punto entre #»u y #»
v , denotado por #»
u • #»v , se define como
#»
u • #»
v = .
Ejemplo 2.6. Si #»
u = (1, −3) y #»
v = (4, 5), entonces #»
u • #»
v = 1(4) + (−3)(5) = −11.
Ejercicio 1. Sean #» u = (2, 2), #» #» = (3, −2). Halle #»
v = (−1, 2) y w u • #»
v , #»
v • #»
u , #» #» 2 #»
u • w, u • #»
v,
#»
u • ( #» #» #»
u + w), u • #»
u y #» #»
v •w
Teorema 5 (Propiedades). Sean #»
u , #» #» ∈ R2 y λ ∈ R
v, w

1. #»
u • #»
v = #»
v • #»
u Conmutativa
2. #»
u • ( #» #» = #»
v + w) u • #»
v + #» #»
u •w
3. λ( #»
u • #»
v ) = (λ #»
u ) • #»
v = #»
u • (λ #»
v)
4. u k2 = #»
k #» u • #»
u
Demostración. Se probará la propiedad 2. Sean #»

u = (u1 , u2 ), #» #» = (w , w ).
v = (v1 , v2 ) y w 1 2
#»
u • ( #» #» = (u , u ) • [(v , v ) + (w , w )] = (u , u ) • (v + w , v + w )
v + w) 1 2 1 2 1 2 1 2 1 1 2 2
= u1 (v1 + w1 ) + u2 (v2 + w2 ) = (u1 v1 + u1 w1 ) + (u2 v2 + u2 w2 )

= (u v + u v ) + (u w + u w ) = #»
1 1 2 2 1 1 2 2u • #»
v + #» #»
u • w.
Ejercicio 2. Responda falso o verdadero, justificando sus respuestas
a) El producto escalar satisface la propiedad asociativa.
b) Si #» v vectores no nulos de R2 , entonces #»

u , #» u • #»
v 6= 0.
Ángulo entre vectores y proyecciones
Teorema 6 (Ángulo entre vectores). Sean #» v dos vectores no nulos de R2 y θ el ángulo

u y #»
entre ellos. Entonces
#»
v
#»
u • #»
v #»
u
cos θ = #» #» . θ
kukkvk
Figura 2.12. Ángulo entre vectores en R2 .
Demostración. Usando propiedades se tiene
#» u#» − v#» k #» v k2 = ( #»
u − #» u − #»v ) • ( #»
u − #»v)
v
2
= k #»
u k − 2 #»u • #» v k2
v + k #» (1)
#»
u
θ Ahora mediante la ley de los cosenos
k #» v k2 = k #»
u − #» u k2 + k #»
v k2 − 2 k #»
u k k #»
v k cos θ (2)
De (1) y (2) se obtiene el resultado deseado
#»
u • #»
v
cos θ = #» #» .
kukkvk
Ejercicio 3. Indique las propiedades utilizadas para obtener la ecuación (1). ¿Por qué el vector
que se trazó es #»
u − #»
v?
Ejercicio 4. Qué se puede decir de los vectores #»

u y #»
v si:
a) #»
u • #»
v =0 b) el ángulo entre ellos es θ = 0 ó π radianes
Definición 2.13 (Vectores ortogonales). Dos vectores no nulos #»

u y #»
v son ortogonales
(perpendiculares) si el ángulo entre ellos es .
Ejercicio 5. Sean #» v vectores de R2 . Demuestre

u y #»
a) k #» v k2 = k #»
u + #» u k2 + 2 #»
u • #» v k2
v + k #» b) k #»
u − #» v k2 = k #»
u k2 − 2 #»
u • #» v k2
v + k #»
#» #»
Ejemplo 2.7. Si k #»
a k = 3 y b = 5. Calcule #»
a + b en cada caso:
#»
a) el ángulo entre ellos es π/3 b) #»
a y b son ortogonales
Solución.
a) Por el ejercicio 5 parte a),

#» #» 2 #» #» 2
a k2 + 2 #»
a + b = k #» a • b + b .
Como
#» #» #» 15
a • b = k #»
a k b cos π/3 = 2
porque .
Luego,
#» #» 2 15
a + b = 9 + 2 · + 25 = 49.
2
#»
Por lo tanto, #»
a + b = 7.
b) Se deja como ejercicio.

#» #»
Ejercicio 6. Si k #»
a k = 3, b = 5, el ángulo entre ellos es π/3 y #»
c = #»
a + 2 b , calcular
a) #»
a • #»
c. b) k #»
c k.
Sugerencia. Use las propiedades del producto escalar.
Teorema 7 (Desigualdad de Cauchy–Schwarz). Si #» v son vectores de R2 , entonces

u y #»
| #»
u • #»
v | ≤ k #»
u k k #»
vk.
Definición 2.14 (Proyección y componente). Sean 0 6= #» v ∈ R2 .

u , #»
1. La proyección de #»
v sobre #»
u , denotada por proy #» #»
u v , está dada por
proy #» #»
u v =
2. La componente de #»
v sobre #»
u , denotada por comp #» #»
comp #» #»
u v =
#» #»
v #»
v
v
#»
w #»
w
θ b
θ = 90◦ θ
proy #» #» #»
u v u v
proy #»
O #»
u O #»
u O #»
u
(a) 0 < θ < π/2 (b) θ = π/2 (c) π/2 < θ < π
Figura 2.13. Proyecciones en R2 .

Ejemplo 2.8. a) Si #»
u = (2, 3) y #»
v = (−1, 2), entonces
proy #» #» √4 8 12 #» √4 .
u v = ( 13)2
(2, 3) = ( 13 , 13 ) y comp #»
u v = 13
b) Si #»
u = (2, 2) y #»
v = (−5, 4), entonces
−2
proy #» #»
u v =
√
( 8)2
(2, 2) = (− 21 , − 12 ) y comp #» #» √1
u v = − 2.
y #» y
v
3 #» 3
u
#» 2 2
v #»
u
1 1
proy #» #»
u v
−2 −1 O 1 2 x −6 −5 −4 −3 −2 −1 O 1 2 x
proy #» #»
u v
−1 −1
(a) (b)
Ejercicio 7. Sean #»
u = (4, 3) y #»
v = (−3, 2). Calcule proy #» #»
u v , comp #»
#»
u v , proy #»
#»
v u y comp #»
#»
v u.
Dibuje los vectores.
#» = #»
Ejercicio 8. Probar que w v − proy #» #» #»
u v es ortogonal a u .
2.2.4 Lección 4. Vectores en R3 y Rn

Se inicia el estudio de los vectores en R3 y Rn generalizando las definiciones, operaciones y
propiedades desarrolladas en las lecciones anteriores. Se espera que sean los mismos alumnos
los que escriban sus propias definiciones a partir de los conceptos estudiados en vectores de R2 .
Vectores en R3 y en Rn
R3 Rn
R3 = {(x, y, z) | x, y, z ∈ R} Rn = {(x1 , x2 , . . . , xn ) | x1 , . . . , xn ∈ R}
ó ó
     
 x   x1 
  
 

 
3
R = y  | x, y, z ∈ R
  n  .
R =  ..  | x1 , . . . , xn ∈ R


 z 
 
 

xn
 
   
x x
 .1 
Nota: (x, y, z) 6= y   .. 
Nota: (x1 , . . . , xn ) 6= 
  
z xn
Un vector de R3 se llama terna, tripleta, 3–tupla
Un vector de Rn se denomina n–tupla o n–upla.
o 3–upla.
El sistema de coordenadas cartesianas rectangular en el espacio se determina por una unidad

lineal de medida para las longitudes y por tres ejes, perpendiculares entre si, denominados ejes
coordenados, dados en cierto orden; es decir, que se ha indicado cuál es el primero, cuál es el
segundo y cuál es el tercero. El punto de intersección de los ejes se llama origen de coordenadas
y se denota con la letra O. Además, el primero de ellos se llama eje x o eje de abscisas, el
segundo, eje y o eje de ordenadas y el tercero, eje z o eje de cotas. Los planos xy, xz, y, yz
se denominan planos coordenados. Las direcciones positivas de los ejes se han elegido hacia
adelante, hacia la derecha y hacia arriba respectivamente.
z z
Vector nulo
b
Vector nulo b
Origen y
Origen
x y x
Los tres planos coordenados dividen al espacio en ocho regiones llamadas octantes; el primero
está situado en los semiespacios anterior, derecho y superior, el segundo situado en los semies-
pacios posterior, derecho y superior, el tercero en los semiespacios izquierdo, anterior y superior,
el cuarto en los semiespacios izquierdo, anterior y superior, el quinto situado en los semiespacios
anterior, derecho e inferior, el sexto situado en los semiespacios posterior, derecho e inferior, el
séptimo octante en los semiespacios izquierdo, anterior e inferior y el octavo en los semiespacios
izquierdo, anterior e inferior.
Los planos coordenados xy, xz y yz dividen al espacio en ocho regiones llamadas octantes.
Los primeros cuatro están situados encima del plano xy y se enumeran de acuerdo al orden en
que aparecen los cuadrantes en dicho plano. Los restantes se encuentran ubicados debajo del
plano xy y se continúa la numeración siguiendo el mismo orden.
Ejercicio 1. Determine el signo de cada una de las coordenadas
I
z II
Octante x y z
I + + +
Pl a II
IV
no
xz no
yz
II
Pl a
I III
IV
x V
P
la
VI y
no
II
VI
xy
VI
V VII
VIII
Ejemplo 2.9. Representar gráficamente los siguientes puntos: P (2, 3, 3) y Q(3, −1, 2).
Solución. En los literales a) y b) se representan las proyecciones de los puntos en el plano xy.
En el literal c) se dibujan los puntos P y Q.
z z z
Q(3, −1, 2)b P (2, 3, 3)

b
0)
1,
−
3,
y(
x
Q b
Px
x y x y x y
y
(2
,3
b
,0
)
(a) (b) (c)
Ejercicio 2. Ubique en R3 cada uno de los siguientes puntos, indicando el octante.
a) (1, 0, 0) c) (0, 0, 1) e) (2, −6, −4) g) (−3, 1, −1)
b) (0, 1, 0) d) (1, 1, 1) f) (−2, −1, 2) h) (−2, −3, −1)
Definición 2.15 (Norma o longitud de un vector en R3 y Rn ).
v = (x1 , x2 , x3 ) un vector de R3 . La norma de #»

1. Sea #» v , denotada por k #»
v k, se define como
k #»
vk = .
v = (x1 , x2 , . . . , xn ) un vector de Rn . La norma de #»

2. Sea #» v , denotada por k #»
v k, se define como
k #»
vk = .
Nota. La norma de los vectores en R3 y en Rn , satisface las mismas propiedades dadas en el

Teorema 4, página 26 para vectores de R2 .
Definición 2.16 (Vector unitario).
Ejercicio 3. Determine cuáles de los siguientes vectores son unitarios
a) #»
v1 = (1, −1, 1) c) #»
v3 = (0, −1, 1, 0)
√ √ √ √ √ √ √
b) #»
v2 = (−1/ 3, 1/ 3, −1/ 3) d) #»
v4 = (−1/ 22, 1/ 22, 4/ 22, −2/ 22)
Definición 2.17 (Vectores canónicos). Los vectores canónicos son:
1. En R2 : ı̂ = (1, 0) y ̂ = (0, 1). También ı̂ = ê1 , ̂ = ê2 .
2. En R3 : ı̂ = (1, 0, 0), ̂ = (0, 1, 0) y k̂ = (0, 0, 1). También ı̂ = ê1 , ̂ = ê2 , ê3 = k̂.
3. En Rn son: ê1 = (1, 0, . . . , 0), ê2 = (0, 1, . . . , , 0), . . . , ên = (0, 0, . . ., 1).
1
v no nulo de Rn , es dir #»
Definición 2.18. La dirección de un vector #» v = û = #» #»
v.
kvk
Ángulos y cosenos directores

En R2 . Sea 0 6= #»
v = (x1 , y1 ) ∈ R2 .
y x
cos α1 = #»1
#»
v = (x1 , y1 ) kvk
α2
cos α2 =
α1
x x2 x2
cos2 α1 + cos2 α2 = #»1 2 + #»2 2 = 1.
kvk kvk
Figura 2.14. Ángulos directores en R2 .
Los ángulos α1 y α2 se denominan ángulos directores del vector #»

v.
α1 es el menor ángulo positivo que forma el vector con el eje positivo de las abscisas (eje x).
α2 es .
cos α1 y cos α2 son los cosenos directores del vector #»
v.
3π
v ∈ R2 si se sabe que k #»
Ejercicio 4. Halle un vector #» v k = 4 y el ángulo director α1 = 4
.
En R3 . Sea #»
v = (x1 , y1 , z1 ) ∈ R3 , #»
v =6 0 y sean α1 , α2 y α3 los ángulos que #»
v forma con las
direcciones positivas de los ejes x, y y z respectivamente.
z
cos α1 =
y
α3 #»
v = (x1 , y1 , z1 ) cos α2 = #»1
b
kvk
O α2
y
α1
cos α3 =
Demostrar :
x
cos2 α1 + cos2 α2 + cos2 α3 = 1
Figura 2.15. Ángulos directores en R3 .
Ejercicio 5. Encuentre un vector en R3 de longitud 6, cuyas componentes sean positivas y

tenga ángulos directores iguales.
En Rn . Sea #»
v = (x1 , x2 , . . . , xn ) ∈ Rn , #»
v =6 0 y sean α1 , α2 , . . . , αn los ángulos que #»
v forma
con las direcciones positivas de los ejes x1 , x2 , . . . , xn respectivamente.
cos α1 = , cos α2 = , . . . , cos αn =
Además,
cos2 α1 + cos2 α2 + · · · + cos2 αn =

Definición 2.19 (Distancia).
1. Sean P (x1 , y1 , z1 ) y Q(x2 , y2 , z2 ) dos puntos de R3 . La distancia d entre P y Q, se define

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

como
d = d(P, Q) =
Ejemplo 2.10. Determine todos los puntos P (x, y, z) de R3 que están a 3 unidades del origen.
Solución. Por definición de distancia en R3 se tiene

p p
3= (x − 0)2 + (y − 0)2 + (z − 0)2 = x2 + y 2 + z 2 .
Al elevar al cuadrado, se obtiene 9 = x2 + y 2 + z 2 que es la ecuación de una esfera con centro

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

del punto C(x0 , y0 , z0 ).
Definición 2.20. El conjunto de puntos P (x, y, z) ∈ R3 que están situados a una distancia
r > 0, denominado radio, a un punto fijo C(x0 , y0 , z0 ), llamado centro, recibe el nombre de
superficie esférica o simplemente esfera.
Ejercicio 7. Halle la ecuación de la esfera de centro C(5, 2, −2) y radio 4. Dibuje la esfera.
2.2.5 Lección 5. Operaciones con vectores en R3 y Rn

Se estudian los vectores de Rn desde la estructura de espacio vectorial. El estudiante generali-
zará las definiciones de combinación lineal, dependencia e independencia lineal, espacio generado
y conjunto generador dados en R2 ..
Definición 2.21 (Igualdad de vectores).
1. Los vectores #»
v1 = (x1 , y1 , z1 ) y #»v2 = (x2 , y2 , z2 ) son iguales si , y .
#» #»
2. Los vectores v1 = (x1 , x2 , . . . , xn ) y v2 = (y1 , y2 , . . . , yn ) son iguales si , ,
...y .
Operaciones con vectores

Definición 2.22 (Suma).
1. La suma de #»
v1 = (x1 , y1 , z1 ) y #»
v2 = (x2 , y2 , z2 ) se denota por y se define como
2. La suma de #»
v1 = (x1 , x2 , . . . , xn ) y #»
v2 = (y1 , y2 , . . . , yn ) se denota por y se
define como
Definición 2.23 (Multplicación por un escalar).
1. La multiplicación del vector #»

v = (x, y, z) por el escalar λ se denota por y se define
como
2. La multiplicación del vector #»
v = (x1 , x2 , . . . , xn ) por el escalar λ se denota por y
se define como
Observaciones.
1. Para igualar o sumar dos vectores de Rn , éstos deben estar escritos todos como filas o como
columnas.
2. Al sumar dos vectores de Rn el resultado es otro vector de Rn .
3. El resultado de multiplicar un escalar λ por un vector de Rn es otro vector de Rn .
Definición 2.24. Rn , n ≥ 1 con las operaciones suma y multiplicación por un escalar definadas
anteriormente es un espacio vectorial. Se denota hRn , +, ·i.
Definición 2.25 (Combinación lineal). Sean #» u , #»

v 1 , #» v k vectores en Rn . El vector #»
v2 , . . . , #» u
#» #» #»
es combinación lineal de v1 , v2 , . . . , vk , si existen escalares λ1 , λ2 , . . . , λk tales que
k
X
#»
u = λ1 #»
v1 + λ2 #»
v2 + · · · + λk #»
vk = λi #»
vi
i=1
       
x 1 0 0
#»
Ejemplo 2.11. Se tiene v = y  = xı̂ + y̂ + z k̂, donde ı̂ = 0, ̂ = 1, k̂ = 0.
       
z 0 0 1
Ejercicio 8. Determine si #»
u es combinación lineal de los vectores dados
     
2 1 1
#»   #»   #»  
a) u = 
1; v1 = 2, v2 =  0
    
5 1 −1
       
4 1 1 2
#»   #»   #»   #»  
b) u = 2; v1 = −2, v2 = 3, v3 = 1
      

2 −4 5 1
      
1 −1 1 0
       
#»  2 #»  0 #» 1 #»  1
 4;
c) u =   v1 = 0, v2 = 0, v3 = −1.
    
       
−2 1 0 2
       
−1 1 1 2
#»   #»   #»   #»  
d) u =  1

; v1 = 3, v2 = 1, v3 = −2
    

−4 5 3 8
Definición 2.26 (Dependencia e independencia lineal). El conjunto de vectores de Rn ,

S = { #»
v1 , #»
v2 , . . . , #»
vk } es linealmente independiente (LI) si el vector nulo se puede escribir
de manera única como combinación lineal de los elementos de S. Es decir
k
#» X #»
0 = λi vi implica 0 = λ1 = λ2 = · · · = λk
i=1
En otro caso, se dice que S es linealmente dependiente (L.D.)
Observación. Por abuso de lenguaje, se habla de vectores LI o LD.
Ejercicio 9. Determine si los siguientes vectores son LI o LD.

         
1 −1 0 1 −1
#»   #»   #»
a) v1 = 2 , v2 = −1 , v3 = 0
   
 , v2 = −1
  2 #»  
c) #»
v1 = 
3 −3 1 3
 
−3
 
      4 2
1 −1 0
b) #»
v1 = 2 , #»
v2 = −1 , #» v3 = 1
     
3 −3 0
Definición 2.27 (Vectores paralelos). Dos vectores no nulos #» v de Rn , n > 1 son

u y #»
paralelos si existe un escalar (no nulo) λ tal que .
Ejercicio 10. Justifique la siguiente afirmación. Dos vectores de Rn con componentes no nulas
#» u u un
u = (u1 , u2 , . . . , un ) y #»
v = (v1 , v2 , . . . , vn ) son paralelos si 1 = 2 = · · · = .
v1 v2 vn
Definición 2.28 (Espacio generado). Sea S = { #» v , #» v } ⊂ Rn . El espacio generado
v , . . . , #»
1 2 k
por S, denotado por gen S, está formado por los vectores #»

u que son combinación lineal de los
vectores #»
v , #»
v , . . . , #»
1 2 v . Es decir,
k
n k
X o
gen S = u ∈ Rn | #»
#» u = λ1 #»
v1 + λ2 #»
v2 + · · · + λk #»
vk = #»
λi vi ; λi ∈ R .
i=1
Ejemplo 2.12. Determine el conjunto generado por el conjunto de vectores

          

 1 1 
 
 1 1 1 
#»  #»
a) S1 = v1 =  0, v2 = 1
   #»   #»   #»
b) S2 = v1 = 0, v2 = 1, v3 = 1
 
−1 1  1 1 0 

  
 
Solución.
u ∈ R3 | #»

gen S1 = #» u = λ1 #»
v1 + λ2 #»
v2
           

 x x 1 1  
  x x = λ 1 + λ 
2 
     
= y  y  = λ1  0 + λ2 1 = y  y = λ2 .
   
 z z −1 1 z z = −λ1 + λ2 
 
 
 
  
 x
 

Al resolver el sistema se obtiene: gen S1 = y  x − 2y + z = 0 .
 
 z
 

Procediendo de manera análoga se encuentra que gen S1 = R3 . Es decir, todo vector #»

u de R3
se puede escribir como combinación lineal de los vectores #»
v , #»
v y #»
1 v.
2 3
Definición 2.29. Se dice que S = { #»

v1 , #» vk } ⊂ Rn es un conjunto generador de
v2 , . . . , #»
H ⊆ Rn si todo vector #»
u perteneciente a H se puede escribir como combinación lineal de los
elementos de S.
     
 1
 1 1 
Ejemplo 2.13. S = 1, 0, 1 es un conjunto generador de R3 , pues todo vector
     
 
1 1 0
 
u ∈ Rn se puede escribir como combinación lineal de los vectores de S.
#»
2.2.6 Lección 6. Producto escalar en R3 y Rn

Los alumnos generalizarán la definición de producto escalar para los vectores de R3 y Rn a
partir de lo estudiado para R2 .
Definición 2.30 (Producto escalar). Considere los dos vectores #» u = (x1 , x2 , . . . , xn ) y

v = (y1 , y2 , . . . , yn ) de Rn . El producto escalar o producto punto entre #»
#» u y #»
v , denotado
#» #»
por u • v , se define como
#»
u • #»
v = .
Ejemplo 2.14. Si #»
u = (1, −1, 4, 5) y #»
v = (2, 3, −2, 8) entonces #»
u • #»
v = 2 − 3 − 8 + 40 = 29.
u = (2, 3, −1), #» #» = (5, 6, 4). Efectúe
v = (−2, 3, 5) y w
a) #»
u • #»
u u k2
b) k #» c) #»
u • #»
v d) #»
v • #»
u
e) #» #»
u •w f) #»
u • #»
v + #» #»
u •w g) #»
u • ( #» #»
v + w)

u , #» #» ∈ Rn y λ ∈ R.
v, w

1. #»
u • #»
v = #»v • #»
u Conmutativa
2. #»
u • ( v + w) = #»
#» #» u • #»v+ #»
u •w#»
3. λ( #»
u • #»
v ) = (λ #»
u ) • #»
v = #»
u • (λ #»
v)
4. u k2 = #»
k #» u • #»
u
Ejercicio 2. Sean #» v ∈ Rn ; n > 1, λ ∈ R. Responda falso o verdadero. Justifique claramente

u , #»
su respuesta.
a) Si #»
u 6= 0 y #»
v 6= 0, entonces #»
u • #»
v 6= 0.
b) #»
u • #»
u > 0 para todo #»u ∈ Rn .
c) Si #»
u • #»
v = #»
u •w#» y #»
u 6= 0, entonces #» #»
v = w.
Ángulo entre vectores y proyecciones en Rn

Teorema 9 (Desigualdad de Cauchy–Schwarz). Para #» v ∈ Rn ,
u , #»
| #»
u • #»
v | ≤ k #»
u k k #»
vk
Definición 2.31 (Ángulo entre vectores). Sean #» v vectores no nulos de Rn . El ángulo

u y #»
θ entre ellos se define como el ángulo que satisface
#»
u • #»
v
cos θ = #» #» .
kukkvk
Ejercicio 1. Qué se puede decir de los vectores #»
u y #»
v si:
a) #»
u • #»
v =0 b) el ángulo entre ellos es θ = 0 ó π radianes
Definición 2.32 (Vectores ortogonales). Dos vectores no nulos #»

u y #»
v son ortogonales
(perpendiculares) si el ángulo entre ellos es .
#» #» #»
a , b ∈ Rn . Si k #»
Ejercicio 2. Sean #» a k = 3 y k b k = 5, calcule k2 #»
a − b k si
#»
a) #»
a y b son ortogonales b) el ángulo entre ellos es 2π/3
Ejercicio 3. Halle el ángulo entre #»

u = (2, 0, −1, 0) y #»
v = (0, 1, 0, −2).
Ejercicio 4. Determine los valores de a de modo que #»

u = (a, 2, 1, a) y #»
v = (a, −1, −2, −3)
sean ortogonales.
Ejercicio 5. Sean #» v ∈ Rn . Demostrar las siguientes propiedades

u , #»
1. k #»
u+ #»
v k ≤ k #»
u k + k #»
u k. (Desigualdad triangular)
2 2
2. k #»
u+ #»
v k = k #»
u k + k #»v k2 , si #»
u y #»
v son ortogonales. (Teorema de Pitágoras)
Definición 2.33 (Proyección y componente). Sean 0 6= #» v dos vectores de Rn .

u y #»
1. La proyección de #»
v sobre #»
u , denotada por proy #» #»
proy #» #»
u v =
2. La componente de #»
v sobre #»
u , denotada por comp #» #»
comp #» #»
u v =
#» #» #» #»
Ejercicio 6. Determine proy #» v u dado que u = (1, 2, 0, −1) y v = (0, 0, 1, 3).
v u y comp #»
2.2.7 Lección 7. Producto vectorial en R3

Se introduce el producto vectorial como otra operación entre vectores de R3 y sus propiedades,
se finaliza el capı́tulo con una aplicación de éstas a áreas y volúmenes.
Se inicia introduciendo las definiciones del determinante para matrices cuadradas de orden 2 y
3, las cuales serán usadas para definir el producto vectorial. En el capı́tulo 4 se retoman estas
definiciones, se generaliza y se estudian algunas propiedades.

a11 a12
Definición 2.34 (Determinante 2×2). Sea A = . El determinante de A, denotado
a21 a22
por det A o |A|, se define como
|A| = a11 a22 − a21 a12 .
!
2 3 2 3
Ejemplo 2.15. det = = 10 − (−3) = 13.

−1 5 −1 5
 
a11 a12 a13
Definición 2.35 (Determinante 3 × 3). Si A = a21 a22 a13 . El determinante de A,
 
a31 a32 a33

denotado por det A o |A|, se define como

a
22 a23
a
21 a23
a
21 a22

|A| = a11 − a12 + a13 .
a32 a33 a31 a33 a31 a32
 
1 −3 2
Ejemplo 2.16. Si A = 4 1 −1, entonces
 
0 7 8

1 −1 4 −1 4 1
|A| = 1 − (−3) + 2 = 15 + 3(32) + 2(28) = 167.

7 8 0 8 0 7
 
2 −1 2
Ejercicio 1. Calcule det A si A =  3 0 4.
 
−1 1 5
Definición 2.36 (Producto cruz). Sean #» v = (v1 , v2 , v3 ) vectores de R3 .

u = (u1 , u2 , u3 ) y #»
El producto cruz o producto vectorial entre #»
u y #»v , denotado por #» u × #» v , está dado por

ı̂ ̂ k̂
u u u u u u
#» #» 2 3
u × v =
1 3
ı̂ −
1 2
̂ + k̂ = u1 u2 u3

v2 v3 v1 v3 v1 v2
v v v
1 2 3
Ejemplo 2.17. Sean #»

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

ı̂ ̂ k̂
−2 3 1 3 1 −2
#»
u × #»
v = 1 −2

3 =

ı̂ −

̂ +

k̂

4 −5 3 −5 3 4
3 4 −5
= (10 − 12)ı̂ − (−5 − 9)̂ + (4 + 6)k̂ = −2ı̂ + 14̂ + 10k̂ = (−2, 14, 10).
u = (2, −1, 3), #» #» = (1, 2, −4) ∈ R3 y λ ∈ R. Efectúe
v = (1, 1, −2), w
a) #»
u × #»
v d) #»
u × #»
u g) #»
v • ( #»
u × #»
v) j) #»
u × ( #» #»
v + w)
b) #»
v × #»
u e) λ #»
u × #»
u h) #» #»
u ×w
c) #»
u ×0 f) #»
u • ( #»
u × #»
v) i) #» #»
v ×w k) ( #»
u + #» #»
v) × w
Indique qué relación existe en las siguientes expresiones
i. #»
u × #»
v #»
v × #»
u ii. #»
u × ( #» #»
v + w) #»
u × #»
v + #» #»
u ×w
Las siguientes propiedades generalizan las ilustradas en el ejemplo anterior.

u , #» #» vectores de R3 ; λ, β ∈ R.
v, w

1. u × #»
#» v × #»
v = − #» u Anticonmutativa
Distributiva por la izquierda del producto vectorial
2. #»
u × ( #» #» = #»
v + w) u × #»
v + #» #»
u ×w
sobre la suma
3. ( #»
u + #»
v) × w#» = #»u ×w#» + #»
v ×w#»
4. λ( #»
u × #»
v ) = (λ #»
u )× #»
v = #»u ×(λ #»
v)
5. #»
u × 0 = 0 = 0 × #»
u
6. #»
u × #»
u =0
7. λ #»
u × #»u =0
8. u • ( u × #»
#» #» u × #»
v • ( #»
v ) = 0 = #» v)
Ejercicio 3. Halle un vector unitario ortogonal a #»

u = 2ı̂ − 3̂ y a #»
v = 4̂ + 3k̂.
Teorema 11 (Identidad de Lagrange). Si #» v son vectores de R3 , entonces

u y #»
k #» v k2 = k #»
u × #» u k2 k #»
v k2 − ( #» v )2
u • #»
Ejercicio 4. Demostrar: k #»
u × #»
v k = k #»
u k k #»
v k sen θ, donde θ es el ángulo entre #»
u y #»
v.
#» #» #»
Ejemplo 2.18. Sea #» c vectores de R3 tales que k #»
a , b y #» a k = 2, b = 5, #»
a y b ortognales
#»
y #»
c = #»
a × b − #»
a . Calcular
a) #»
a • #»
c b) k #»
ck
Solución. Se tiene
#» #» #»
a) a • #»
c = #»
a • ( #»
a × b − #»
a ) = #»
a • ( #»
a × b ) − #»
a • #»
a Propiedades
a k2 = −4
= 0 − k #» Propiedad
#» #»
b) c k2 = #»
k #» c • #»
c = ( #»
a × b − #» a ) • ( #»
a × b − #»a) Propiedad
#» #» 2 #» 2
= a × b − 2 #»a • ( #»
a × b ) + k #» ak Propiedad
#» 2 #»
a k2 b − ( #»
a • b )2 + 4 = 4 · 25 − 0 + 4 = 104.

= k #»
√
Luego, k #»
c k = 2 21.
#»
Ejercicio 5. Sean #» c vectores de R3 tales que k #»
a , b y #» a k = 4, kbk = 6 y el ángulo entre #»
a y
#» #» #» #»
b es θ = 2π/3. Si c = ( a × 2 b ) − 3 a , calcule
#» #»
i) b • #»
c. ii) k #»
c k. iii) El ángulo entre b y #»
c.
Definición 2.37 (Producto mixto). Sean #» u , #»

v yw #» vectores de R3 . El producto mixto o
triple producto escalar entre ellos es #»
u • ( #» #»
v × w).
Definición 2.38 (Triple producto vectorial). Sean #» u , #» #» vectores de R3 . El triple

v y w
producto vectorial de los vectores dados es #»
u × ( #» #»
v × w).
Teorema 12. Sean #»

u , #» #» vectores de R3 . Entonces
v y w
1. #»
u • ( #» #» = #»
v × w) #» × #»
v • (w #» • ( #»
u) = w u × #»
v)
2. #»
u × ( #» #» = ( #»
v × w) #» #»
u • w) v − ( #»
u • #» #»
v )w
Teorema 13. Sean #»

u = (u1 , u2 , u3 ), #» #» = (w , w , w ). Entonces
v = (v1 , v2 , v3 ) y w 1 2 3

u u u
1 2 3
#»
u • ( #» #» = v v v
v × w)
1 2 3

w w w
1 2 3
Interpretación Geométrica de k #»
u × #»
v k y |( #»
u × #» #»
v ) • w|
#»
u × #»
v
#»
u × #»
v #»
w
#»
v ϕ. h
#»
v
h
θ
#»
u #»
u
(a) (b)
Figura 2.16. Área y volumen
1. El área A del paralelogramo cuyos lados adyacentes son los vectores #»

u y #»
v está dada por
A = k #»
u × #»
vk.
Considerando la figura 2.16(a), el área A del paralelogramo está dado por
A = base ∗ altura = k #»
u k h.
Por otro lado, por trigonometrı́a se tiene que h = k #»

v k sen θ. Por lo tanto,
A = k #»
u k k #»
v k sen θ = k #»
u × #»
vk,
de acuerdo con la identidad demostrada en el ejercicio 4, página 46.
2. El volumen VP AR del paralelepı́pedo determinado por #»

u , #» #» es
v yw
VP AR = |( #»
u × #» #» |
v) • w
3. El volumen VT ET del tetraedro cuyos vértices son los puntos P, Q, R y S, es

# » # » # »
VT ET = 16 (P Q × P R) • P S = 61 VP AR

Ejercicio 6. Calcule
a) el área del paralelogramo y del triángulo cuyos vértices consecutivos son los puntos
P (−1, 2, 2), Q(2, 1, 3) y R(0, 4, 4).
b) el volumen del paralelepı́pedo cuyos lados adyacentes son #»

u = (1, −2, 2), #»
v = (2, 1, 3) y
#»
w = (3, −3, 1).
2.2.8 Lección 8. Rectas y planos en R3

Se inicia con el estudio de la recta en R3 , haciendo una analogı́a con la caracterización de
la recta en R2 estudiada en el primer capı́tulo. Se finaliza con el estudio de los planos y la
deducción de su ecuación cartesiana.
Rectas en R3
Se deduce la ecuación de la recta en R3 haciendo la siguiente analogı́a.
En R2 En R3
Para determinar la ecuación de una recta L Para determinar la ecuación de una rec-
si se conocen dos puntos diferentes P (x0 , y0 ) ta L si se conocen dos puntos diferentes
y Q(x1 , y1 ) con x1 6= x0 . P (x0 , y0 , z0 ) y Q(x1 , y1 , z1 ).
# »Q b
b
P
Q(x1 , y1 ) #»v = Q(x1 , y1 , z1 )
b b
P (x0 , y0 ) P (x0 , y0 , z0 )
Se calcula la pendiente de L: Se calcula el vector #»

v = (a, b, c), donde
y1 − y0
m= ∈ R. a = x1 − x0 , b = y1 − y0 , c = z 1 − z 0 .
x1 − x0
La pendiente es única para cada recta en El vector #»

v = (a, b, c) es paralelo a la recta
estas condiciones y representa el grado de L y se denomina vector director de L.
inclinación con respecto a la dirección posi- Nota. Cualquier vector paralelo a la recta
tiva del eje x. L es un vector director.
Se caracterizan los puntos R(x, y) de la rec-
z
ta en términos de lo conocido.
y L L
b
b
Q(x1 , y1 ) Q(x1 , y1 , z1 ) b R(x, y, z)
R(x, y) #»
v = (a, b)
b b
P (x0 , y0 , z0 ) #»
P (x0 , y0 )
b
v = (a, b, c)
x
O y
O
y − y0 = m(x − x0 ) ó y − y1 = m(x − x1 ). # » # »
Como P R es paralelo a #»v = P Q, existe un
# »
Observe que R(x, y) es un punto arbitrario número real t tal que P R = t #»
v . Note que
de la recta L. R(x, y, z) es un punto cualquiera de L.
Ahora, por suma de vectores, se tiene la ecuación vectorial de la recta

# » # » # » # »
OR = OP + P R = OP + t #»
v,t ∈ R
#» #»
R = P + t #»
v ; t ∈ R.
En términos de sus coordenadas se tiene
En R3 : (x, y, z) = (x0 , y0 , z0 ) + t(a, b, c), t ∈ R.
A partir de esta ecuación se obtienen las ecuaciones paramétricas para la recta en R3 :
x = x0 + at
y = y0 + bt; t ∈ R.
z = z0 + ct
Si abc 6= 0, se tienen las ecuaciones simétricas

x − x0 y − y0 z − z0
= = .
a b c
Si a = 0, las ecuaciones simétricas son:
x − x0 z − z0
Si b = 0, las ecuaciones simétricas son: = , y = y0 .
a c
Si c = 0, las ecuaciones simétricas son:
Ejemplo 2.19. Determine las ecuaciones de la recta L que contiene los puntos P (−5, −3, 4) y
Q(−2, −3, 3).
# » #» #»
Solución. Se tiene que P Q = Q − P = (3, 0, −1) = #»
v es un vector director de L.
Ecuación vectorial:
(x, y, z) = (−5, −3, 4) + t(3, 0, −1); t ∈ R.
Ecuaciones paramétricas:
x = −5 + 3t
y = −3 ; t ∈ R.
z= 4−t
Ecuaciones simétricas:
x+5 z−4
= , y = −3.
3 −1
Ejercicio 1. Sean P (3, 2, −1) y Q(1, −2, 4) dos puntos de R3 .
a) Halle ecuaciones paramétricas para la recta L que pasa por P y Q
b) Cuáles de los siguientes puntos están en L: R(−4, 1, 5), S(−1, −6, 9), T (5, 6, −6).
c) Determine los puntos donde la recta corta a los planos coordenados

Ejercicio 2. Determine ecuaciones simétricas para la recta que pasa por el punto P (−2, 3, 5)
y es paralela al vector #»
v = −3ı̂ + 2k̂
a) Encuentre un punto en la recta y uno que no esté en la recta.
b) ¿Las ecuaciones simétricas de la recta son únicas?
Definición 2.39 (Rectas paralelas y perpendiculares). Sean L1 y L2 dos rectas en R3

con vectores directores #»
v1 y #»
v2 , respectivamente. Entonces L1 y L2 son
1. paralelas (ó coincidentes) si
2. perpendiculares si
Ejercicio 3. Determine qué pares de rectas son paralelas, coincidentes, perpendiculares

   
7


 x = −5 − 2t 

 x = − 3r 

 x= 8+s 

 x= 5
−u
   
L1 : y= 2 + t, L2 : y = 21 − r , L3 : y = 7 − 12 s , L4 : y = −8 − 9u

 
 
 

z =

6 − 6t z = 7 + 4r
 z = −1 + 3s
 z = 9 − 3u

4
Ejercicio 4. Sean L1 y L2 dos rectas en el espacio. ¿Si L1 y L2 no son paralelas, entonces L1

y L2 siempre se cortan?
Planos en R3
#»
z N: vector normal del plano π, es un vector per-
#»
N = (a, b, c) pendicular a cada vector en el plano.
P (x0 , y0 , z0 ): punto fijo en el plano.
Q(x, y, z
b
π Q(x, y, z): punto arbitrario en el plano.

b
P (x0 , y0 , z0 )
O y
Ecuación cartesiana:
n #» # » o
x π = Q ∈ R3 | N • P Q = 0
= {(x, y, z) | (a, b, c) • (x − x0 , y − y0 , z − z0 ) = 0}
Figura 2.17. Plano en R3 . #» #»
= {(x, y, z) | ax + by + cz = d} , donde d = N • P.
Ejemplo 2.20. Halle la ecuación cartesiana del plano que contiene el punto P (3, −1, 2) y es
paralelo a los vectores #»
u = (1, 1, −2) y #»
v = (−2, 3, 1).
Solución. Un vector perpendicular (normal) al plano es #»

u × #»
v.

ı̂ ̂ k̂

#»
u × #»
v = 1 1 −2 = 7ı̂ + 3̂ + 5k̂.

−2 3 1
La ecuación cartesiana es
7x + 3y + 5z = 2.
Ejercicio 5. Halle la ecuación del plano que contiene el punto P (1, 4, −2) y es perpendicular
a la recta L : x = 1 − 2t, y = −2 + t, z = 3 − t; t ∈ R
Ejercicio 6. Encuentre la ecuación del plano que contiene los puntos P (2, 3, −1), Q(3, 2, 1) y
R(0, 1, 0).
Ejercicio 7. Determine la ecuación del plano que contiene los puntos P (1, −1, 2), Q(3, 5, 7) y
x−3 z−1
es paralelo a la recta L : =y+1= .
2 −1
Ejercicio 8. Muestre que las rectas
 


 x = 1 + 3t 

 x = 1 − 23 r
 
L1 : y = −2 + 4t ; t ∈ R y L2 : y = 1 − 2r ; r ∈ R

 

z = 4 − 2t
 z = −1 + r

son paralelas y halle la ecuación del plano que las contiene.

#» #»
Definición 2.40. Sean π1 y π2 dos planos con vectores normales N 1 y N 2 respectivamente.
Los planos π1 y π2
#» #»
1. Son paralelos si N 1 y N 2 lo son y además, los planos no tienen puntos en común.
#» #»
2. Son coincidentes si N 1 y N 2 son paralelos y además, los planos se tocan en todos sus
puntos.
#» #» #» #»
3. Son perpendiculares si N 1 y N 2 lo son, es decir, si N 1 • N 2 = 0
#» #»
4. Son oblicuos si el ángulo θ entre N 1 y N 2 satisface 0 < θ < π y θ 6= π2 .
Teorema 14 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
2. El sistema Ax = b tiene solución para cada n-vector b y la solución es .
5. La forma escalonada de A tiene pivotes.
6. Las filas de A son
7. El espacio generado por las filas de A es . Es decir, gen{f1 , . . . , fn }=
8. Todo vector u ∈ Rn se puede escribir como de las filas de A.
9. Las columnas de A son
10. El espacio generado por las columnas de A es . Es decir, gen{c1 , c2 , . . . , cn } =
11. Todo vector u ∈ Rn se puede escribir como de las columnas de A.

Capı́tulo 3
Matrices
A partir de algunas situaciones, el estudiante usará el concepto de matriz y sus propiedades

para su modelación y solución. Desarrollará habilidades que le permitirán aplicar las propieda-
des de las operaciones definidas sobre matrices para hacer demostraciones y simplificación de
expresiones que las contienen. Además reconocerá al conjunto de matrices con las operaciones
usuales de suma y multiplicación por un escalar como otro ejemplo de espacio vectorial.

A. Resuelve la siguiente situación
El inventario (en galones) de una pequeña tienda de pinturas al inicio de una semana
está dado por la matriz,
Negro Blanco Rojo
" #
80 75 48 Regular
A=
55 60 62 De lujo
Las ventas durante la semana están dadas por la matriz,
Negro Blanco Rojo

" #
70 72 41 Regular
B=
32 49 38 De lujo
Determine el inventario al final de la semana.
B. Teorı́a.
1. Defina y construya ejemplos para cada una de las siguientes matrices:
a) Matriz nula e) Antisimétrica i) Ortogonal

b) Matriz identidad f) Triangular inferior j) Idempotente
c) Transpuesta g) Triangular superior k) Nilpotente
d) Simétrica h) Diagonal

2 3 1 0 a b
2. Si B= , encuentre la matriz B = tal que AB = I 2 .
1 2 0 1 c d
53
54 Capı́tulo 3. Matrices
3. Describa un procedimiento para calcular la inversa de una matriz A.
C. Responda falso ó verdadero, justificando sus respuestas

Sean A, B y C matrices de tamaños tales que las operaciones indicadas se pueden realizar.
1. El producto de matrices es conmutativo

2. Si AC = BC y C 6= 0, entonces A = B.
3. Si A 6= 0 y B 6= 0, entonces AB 6= 0. Nota: 0 es la matriz nula.
4. Si A y B matrices cuadradas entonces (AB)k = Ak B k , k = 2, 3, . . .
5. Si A y B conmutan entonces (A + B)(A − B) = A2 − B 2 .
6. Si A y B son matrices invertibles, entonces A − B es invertible.
7. Si A es una matriz n × n, n > 1 no nula que satisface (2A − I)(A − I) = I, entonces
A es invertible.
D. Poniendo en práctica lo aprendido.

 
! y !
1 3 x 12
1. Sean A = y B = x. Si AB = , encuentre x y y.
 
2 −1 3 6
5
   
1 −2 4 1 −1
2. Sean A = 1 2 3 y B = 3 2. Exprese AB como una combinación lineal
   
5 −1 −2 2 4
de las columnas de A.
3. Determine un valor de r y un valor de s de modo que AB T = 0, donde A = −2 r 3

y B = −2 1 s .
4. Simplifique las siguiente expresión
T −1
X = 31 B C T AB −T + 2C T B −T 1 T
6
A C .
5. Simplifique y encuentre la matriz X tal que

−1
XC −1 = 2(CB −1 A + CA) CB −1 A .
6. Sea A = QDQT , donde D es una matriz diagonal n × n. Demuestre que A es simétrica.

7. Sea A una matriz n × n. Probar: Si A 6= 0, A2 6= 0, . . . , Ak−1 6= 0 y Ak = 0, entonces
I − A es invertible. ¿Cuál es su inversa?
E. Aplicaciones.
1. Un fabricante elabora productos P y Q en dos plantas X y Y . Durante la fabricación

se producen los contaminantes bióxido de azufre, oxido nı́trico y partı́culas suspendidas.
Las cantidades de cada contaminante están dadas en kilogramos por la matriz.
Bióxido de azufre Ácido nı́trico Partı́culas

" #
300 100 150 Producto P
A=
200 250 400 Producto Q
Los reglamentos estatales exigen la eliminación de estos contaminantes. El costo diario

por deshacerse de cada kg. de contaminante está dado en dólares por la matriz
Planta X Planta Y
 
8 12 Bióxido de azufre
B= 7 9
 
 Ácido nı́trico
15 10 Partı́culas
a) Halle el costo de deshacerse de los contaminantes del producto P en la planta X.

b) Halle el costo de deshacerse de los contaminantes del producto Q en la planta Y.
2. Investigue en su Facultad o programa una aplicación que requiera de la teorı́a de matrices
para su modelado o solución.
3.2.1 Lección 1. Definición, operaciones y propiedades
Se inicia retomando el concepto de matriz introducido en el capı́tulo 1 y el estudiante comple-

mentará los espacios con las caracterı́sticas básicas de matrices tales como notación, tamaño y
sus componentes. Además, construirá definiciones y ejemplos de algunos tipos de ellas. Se con-
tinúa con las definiciones y propiedades de las operaciones de suma de matrices y multiplicación
por un escalar, para llegar a la estructura de espacio vectorial.
Definición 3.1 (Matriz m × n). Una matriz de tamaño m × n es un arreglo rectangular de

mn números (reales o complejos) escritos en forma de m renglones o filas y n columnas
 
a11 a12 . . . a1j . . . a1n
 
 a21 a22 . . . a2j . . . a2n 
 .. .. . . . .. .. 
 
 . ...
. . . 
A=
 
 ai1 ai2 . . . aij . . . ain  Fila i
 . .. . . . .. ... .. 
 .. . . . 
 
am1 am2 . . . amj . . . amn
Columna j
Notación
1. Las matrices se denotan con y para abreviar se escribe
2. En el tamaño de la matriz A, m yn
3. Si m = n se dice que A es una matriz de orden
4. Las componentes de la diagonal principal de A son
5. Las componentes de la fila i de A son y forman un vector

de tamaño . Es decir,
reni A = Ai =
6. Las componentes de la columna j de A son y forman un vector

de tamaño . Es decir,
colj A = A(j) =
 
−3 4 5 6
Ejemplo 3.1. Considere la matriz A =  7 0 1 20.
 
8 10 13 17
a) A es de tamaño 3 × 4, es decir, tiene 3 filas y 4 columnas. No es una matriz cuadrada.
b) El número 11 está en la fila 2 y la columna 3. Es decir, a23 = 11.
c) Las componentes de la diagonal principal de A son: a11 = −3, a22 = 0 y a33 = 13. Se tiene
k = mı́n {3, 4} = 3.

d) La fila 2 de A es el vector fila ren2 A = A2 = 7 0 11 20 , (tamaño 1 × 4).
 
5
e) La fila 3 de A es el vector columna col3 A = A(3) = 11, (tamaño 3 × 1).
 
13
Algunas matrices especiales
Ejercicio 1. Defina las siguientes matrices.
Matriz nula: .
Ejemplo 3.2. Algunas matrices nulas son

! ! !
0 0 0 0 0 0
a) A = b) A = c) A =
0 0 0 0 0 0
Matriz triangular superior: .
Ejemplo 3.3. Algunas matrices triangulares superiores son
   
3 2 2 0 0 4 !
0 5
a) A =  0 −4 3 b) A =  0 3 0 c) A =
   
0 0
0 0 4 0 0 2
Matriz triangular inferior: .
Ejemplo 3.4. Algunas matrices triangulares inferiores son
   
0 0 0 1 0 0 !
0 0
a) A = 6 0 0 b) A = 0 0 0 c) A =
   
3 4
4 2 7 0 2 8
Matriz diagonal: .
Ejemplo 3.5. Algunas matrices diagonales son

 
5 0 0 !
7 0
a) A = 0 −4 0 b) A =
 
0 0
0 0 5
Matriz identidad: .
Ejemplo 3.6. Algunas matrices identidad son

 
! 1 0 0
1 0
a) I2 = b) I3 = 0 1 0
 
0 1
0 0 1
Ejercicio 2. Clasifique cada una de las siguientes matrices de acuerdo con las definiciones
anteriores, si corresponde a alguna de ellas.
     
0 0 3 0 −4 0 0 0
a) A = 0 0 c) A = 0 7 −4 e) A = 0 0 0
     
0 0 0 0 0 0 0 0
 
3 0 0
! !
1 0 0 4 0 f) A = 0 0 0
 
b) A = d) A =
0 1 0 0 5 0 8 0
Operaciones y propiedades
Definición 3.2 (Igualdad). Dos matrices A = (aij )m×n y B = (bij )p×q son iguales si ,
y .
Ejemplo 3.7.
√ ! √
2+√2 15
!
2 5 1+ 2 3
a) Sea A = yB= √ . Entonces A = B.
6 7 6 49

1
b) Si A = y B = 1 2 , entonces A 6= B, ya que sus tamaños son diferentes.
2
! ! !
4 −2 3λ − 2 7 − λ − β 3 5
Ejercicio 3. Sean A = ,B = yC = . Determine
−5 7 −5 2β − 7 −5 7
los valores de λ y β, si existen, de modo que
a) A = B b) B = C.
Definición 3.3 (Suma). Sean A = (aij ) y B = (bij ) dos matrices de tamaño m × n. La suma
de A y B, es la matriz A + B = C = (cij ), tal que cij = aij + bij .
Definición 3.4 (Multiplicación por un escalar). Sean A = (aij ) una matriz de tamaño
m × n y λ un escalar. La multplicación de λ con A, es la matriz λA = B = (bij ) tal que
bij = λaij .
! !
2 −3 4 10 5 8
Ejemplo 3.8. Sean A = y B = . Si C = A − 2B, entonces
1 0 7 8 4 1
!
−18 −13 −12
C= .
17 −8 5
Ejercicio 4. Considere las matrices
 
! 4 !
2 3 4 5 −4 7 8 −2
A= , B= , C = 3 y D = 3 −2 4
 
8 7 6 5 0 3 22 7
5
De ser posible, realice las siguientes operaciones:
a) A + B b) C + D c) −2A
d) Halle la matriz E tal que −2A + B + E = 0
En el siguiente teorema, se resumen las propiedades que satisfacen las operaciones suma y
multiplicación por un escalar, en el conjunto de matrices m × n.
Teorema 15 (Propiedades de la suma y la multiplicación por un escalar). Sean

A, B, C matrices de tamaños tales que las operaciones indicadas se pueden realizar; λ, β ∈ R.
No. Suma No. Multiplicación por un escalar

1. A + B es una matriz 1. λA es una matriz
2. A+B =B+A 2. 0A = 0
3. (A + B) + C = A + (B + C) 3. λ(A + B) = λA + λB
4. A+0=A 4. (λ + β)A = λA + βA
5. A + (−A) = 0 5. 1A=A
Definición 3.5 (Espacio vectorial Mm×n (R)). El conjunto de matrices m × n con la suma
y la multiplicación es un espacio vectorial. Se denota por hMm×n (R), +, ·i.
Definición 3.6 (Combinación lineal). Sean A, A1 , A2 , . . . , Ak matrices de Mm×n . La matriz

A es combinación lineal de A1 , A2 , . . . , Ak , si existen escalares λ1 , λ2 , . . . , λk tales que
k
X
A = λ1 A 1 + λ2 A 2 + · · · + λk A k = λi A i .
i=1

2 −3 3 1 2 −3
Ejemplo 3.9. La matriz A = es combinación lineal de A1 = y
3 −2 4 2 1 −1

3 −1 0
A2 = , pues A = −A1 + A2 .
5 −1 3
Ejercicio 5. Determine si A es combinación lineal de las matrices dadas

4 −3 1 3 −1 7 1 −2
a) A = , A1 = , A2 = , A3 =
9 2 2 5 −3 5 2 −3

4 −3 1 3 −2 −6 1 −2
b) A = , A1 = , A2 = , A3 =
9 2 2 5 −4 −10 2 −3
Definición 3.7 (Dependencia e independencia lineal). El conjunto S = {A1 , A2 , . . . , Ak }
de matrices de Mm×n es linealmente independiente (LI), si la matriz nula se puede escribir
de manera única como combinación lineal de las matrices Ai , i = 1, 2, . . . , k. Es decir
k
X
0= λi Ai implica 0 = λ1 = λ2 = · · · = λk
i=1
En otro caso, se dice que S es linealmente dependiente (LD).

( )
1 3 −1 7 1 −2
Ejemplo 3.10. El conjunto S = A1 = , A2 = , A3 = es lineal-
2 5 −3 5 2 −3
mente independiente (LI) porque los únicos escalares que permiten que la matriz 0 sea combi-
nación lineal de A1 , A2 y A3 son λ1 = 0, λ2 = 0 y λ3 = 0. Es decir,



 λ1 − λ2 + λ3 = 0

+ 7λ2 − 2λ3 = 0
3λ
0 0 1 3 −1 7 1 −2 1
= λ1 + λ2 + λ3 ⇒ .
0 0 2 5 −3 5 2 −3 
 2λ1 − 3λ2 + 2λ3 = 0


5λ
1 + 5λ2 − 3λ3 = 0
El sistema homogéneo tiene solución única, la trivial.
Ejercicio 6. Determine si las siguientes matrices son linealmente independientes o linealmente

dependientes.
−2 −6

1 3 2 −1 −1 2 1 3
a) A1 = , A2 = b) A1 = , A2 =
2 1 2 −2 −1 4 2 −4 −4 8

1 1 2 −2 4 1 1 7 7
c) A1 = , A2 = , A3 =
2 1 2 3 5 1 9 8 7
3.2.2 Lección 2. Transpuesta y producto de matrices

Se define la transpuesta y el producto de matrices como otras operaciones, asimismo se estudian
sus propiedades. El estudiante usará dichas propiedades en la simplificación de expresiones que
las contienen.
Definición 3.1 (Transposición). Sea A = (aij ) un matriz m × n. La transpuesta de A es la
matriz B = (bij ) de tamaño n × m tal que bij = aji . Se denota por AT , es decir , (aij )T = (aji ).
 
! 1 7
1 5 8
Ejemplo 3.11. Si A = , entonces AT = 5 4. La matriz A es 2×3, mientras
 
7 4 −2
8 −2
T
que la matriz A es 3 × 2.
Definición 3.2 (Producto punto fila columna). Sean u = (u1 u2 . . . un ) un vector fila
 
v1
u 
 
y v =  2  un vector columna. El produto punto entre u y v es
. . . 
un
n
X
T
u·v =u•v = ui v i .
i=1
Definición 3.3 (Producto de matrices). Sean A = (aij ) y B = (bij ) dos matrices de

tamaños m × p y p × n, respectivamente. La multiplicación o producto de A con B, que se
denota por AB, es la matriz C = (cij ) de tamaño m × n tal que cij = reni A · colj B.
Observe:
1. Para poder realizar el producto de A con B, el número de de A debe ser igual

al número de de B.
Am×p B p×n = C
2. El tamaño de la matriz C es m × n, donde m es el número de de A y n es el número

de de B.
Am×p B p×n = C m×n

 
2 −3 !
2 −3 −4
Ejercicio 1. Halle AB y BA si A = 0 2 y B =
 
4 0 3
3 −2
a) ¿El producto de matrices es conmutativo?
b) Dadas dos matrices, ¿siempre es posible realizar el producto entre ellas?
c) Sean A y B matrices tales que AB existe. ¿AB es un matriz cuadrada?

 
! x
2 3 x
Ejercicio 2. Sean A = y B =  y . Halle los valores de x y y, si existen, tales
 
1 1 −2
−1
!
7
que AB = .
5
Teorema 16 (Propiedades). Sean A B, y C matrices de modo que las operaciones que se

indican, se pueden realizar y λ ∈ R.
No. producto No. transpuesta

T
1. (AB)C = A(BC) 1. AT =A
2. A(B + C) = AB + AC 2. (AB)T = B T AT
3. (A + B)C = AC + BC 3. (A + B)T = AT + B T
4. AIn = A y Im A = A 4. (λA)T = λAT
Ejercicio 3. Sean A, B,C y D matrices de tamaño 4 × 4. Si BD = I y CC T = I, simplificar

la expresión: X = B(DAT C + DC)(AT C)T .
Definición 3.4 (Matriz simétrica). Sea A una matriz cuadrada de orden n. Se dice que A
es simétrica si
!
7 3
Ejemplo 3.12. A = es una matriz simétrica.
3 8
Definición 3.5 (Matriz antisimétrica). Sea A una matriz cuadrada de orden n. Se dice que
A es antisimétrica si
!
0 9
Ejemplo 3.13. A = es una matriz antisimétrica.
−9 0
Ejercicio 4.
1. Complete las componentes que hacen falta para que la matriz sea simétrica ó antisimétrica,
según sea el caso:
   
1 4 0 −4 5
A=5 7 B=
   

9 −6
2. Construya ejemplos de matrices simétricas y antisimétricas.
Ejemplo 3.14. Sean A y B matrices simétricas de orden n. Probar: AB es simétrica si y sólo

si A y B conmutan.
Demostración. Se probará en un sentido, el otro se deja como ejercicio
1. (⇒) Supongamos que AB es simétrica. Como A y B son simétricas entonces AT = A y

B T = B. Ahora
AB = (AB)T = B T AT Hipótesis y propiedad 2 de la transpuesta

= BA
Luego, A y B conmutan.
2. (⇐) Se deja como ejercicio

! !
1 5 1 −2
Ejercicio 5. Sean A = yB = . Halle, si existe, una matriz X tal que
1 2 −2 4
XA = B + X T .
3.2.3 Lección 3. Inversa de una matriz cuadrada

Se introduce la inversa de una matriz cuadrada a partir del producto y la igualdad de matrices.
Se continúa con el estudio de sus propiedades y se finaliza con el uso de dichas propiedades en
la demostración de teoremas y simplificación de expresiones que contienen matrices.
!
1 1
Ejercicio 1. Encuentre una matriz B tal que AB = I 2 , si A = .
2 3
Definición 3.6 (Inversa). Sea A una matriz cuadrada de orden n. Se dice que A es invertible
o no singular si tal que . En este caso, se dice que
es la inversa de A. En caso contrario, se dice que A es no invertible o singular.
Ejercicio 2. Sean A y B matrices cuadradas. Demostrar: Si A es una matriz invertible,

entonces su inversa es única.
Notación. Si A es invertible, su inversa se denota por A−1 .
Ejemplo 3.15. Sea A una matriz cuadrada de orden n. Probar: si A satisface A2 + A − I = 0,

entonces A es invertible. ¿Cuál es su inversa?
A2 + A − I = 0
(A + I)A = I
Al tomar B = A + I se tiene que A es invertible. Además, A−1 = A + I.
Ejercicio 3. Probar: Si A satisface la ecuación (A−2I)(A+I) = 0, entonces A es invertible.

¿A qué es igual A−1 ?
Ejercicio 4. Describa un procedimiento para hallar la inversa de una matriz.

 
1 2 −2
Ejemplo 3.16. Halle, si existe, la inversa de A = 2 3 −5.
 
3 7 −4
Solución. Al escribir la matriz ampliada y aplicar operaciones elementales de renglón se tiene

   
1 2 −2 | 1 0 0 1 2 −2 | 1 0 0
 f2 ← f2 − 2f1
2 3 −5 | 0 1 0 0 −1 −1 | −2 1 0
  
f3 ← f3 − 3f1
3 7 −4 | 0 0 1 0 1 2 | −3 0 1
 
1 0 −4 | −3 2 0
f1 ← f1 + 2f2
0 −1 −1 | −2 1 0
 
f3 ← f3 + f1

0 0 1 | −5 1 1
 
1 0 0 | −23 6 4
f1 ← f1 + 4f3
0 −1 0 | −7 2 1
 
f2 ← f2 + f3
0 0 1 | −5 1 1
 
1 0 0 | −23 6 4
f2 ← −f2 0 1 0 | 7 −2 −1 .
 
0 0 1 | −5 1 1
 
−23 6 4
Luego, A es invertible y A−1 =  7 −2 −1.
 
−5 1 1
Ejercicio 5. Halle, si existe, la inversa de las siguientes matrices

 
! ! 1 −3 1
1 3 1 −6
a) A = b) B = c) C = −2 4 4
 
−2 −7 −2 12
1 −4 3
Ejercicio 6. Sea A una matriz de orden n invertible.

a) ¿Cuántos pivotes tiene A?
b) ¿Cuántas soluciones tiene el sistema Ax = b? . ¿Cuál es la solución?
Definición 3.7 (Potencias de matrices). Sea A una matriz cuadrada de orden n. Las
potencias de A se definen de la siguiente manera
1. A0 = I si A 6= 0. 2. Ak = Ak−1 A; k = 2, 3, . . .
Ejercicio 7. Calcule A2 en cada caso y BB T

! ! ! !
1 0 0 1 0 1 √2 − √15
a) A = b) A = c) A = 5
d) B =
1 0 1 0 0 0 √1 √2
5 5
Ejercicio 8. Defina las siguientes matrices
a) Matriz idempotente:
b) Matriz nilpotente:
c) Matriz ortogonal:
Ejemplo 3.17. Verifique las siguientes afirmaciones

 
! 2 −3 −5
2/3 1/3
a) A = y B = −1 4 5 son idempotentes.
 
2/3 1/3
1 −3 −4
 
0 −0 0
b) A = 0 0 0 es nilpotente con ı́ndice de nilpotencia 2.
 
0 5 0
√ √ !
1/ 5 −2/ 5
c) A = √ √ es ortogonal.
2/ 5 1/ 5
! !
a b a b
Ejemplo 3.18. Demostrar que las matrices de la forma A = yB= con
−b a b −a
a2 + b2 = 1 son ortogonales.
! !
a b a −b
Demostración. A = , AT = . Ahora
−b a b a
!
T a2 + b 2 0
AA = .
0 a2 + b 2
!
T 1 0
Como a2 + b2 = 1, entonces AA = = I. Luego A es ortogonal.
0 1
Se deja como ejercicio demostrar que B es ortogonal.
Teorema 17 (Propiedades). Sean A y B dos matrices invertibles de orden n, 0 6= λ ∈ R y

k un entero positivo.
−1
1. A−1 = 3. (λA)−1 =
2. AB es invertible y (AB)−1 = 4. (A−1 )T = y A−k =
Ejemplo 3.19. Sean A y B matrices ortogonales de orden 3 y C 3×3 una matriz simétrica. Si
−1
X = 51 C T (C −1 AB T + 2C −1 B T ) 10
1
AB −1 , calcule y simplifique X.
Solución. Usando propiedades se tiene
−1 −1
X = 15 C T (C −1 AB T + 2C −1 B T ) 1

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

10
AB Prop. 3 y 4 del producto
= 51 CC −1 (A + 2I)B T 10(B ) A −1 −1 −1

Prop. 2 y 3 de la inversa
= 10 I(A + 2I)B T BA−1

5
Def. de inversa y prop. 1 de la inversa
= 2(A + 2I)B T BA−1 = 2(A + 2I)IA−1 B es ortogonal
= 5(I + 2A−1 ).
Ejercicio 9. Considere las matrices:

   
0 −1 1 0 4 −1 −1 0
   
2 1 0 2 −1 4 0 −1 
A= 1 −1 3
 yB=
−1

 0  0 4 −1 

0 1 1 1 0 −1 −1 4
a) Simplifique y encuentre la matriz X, si
XA−1 = 3A−1 (AC + AB −1 C)(2AB −1 C)−1 .
b) Calcular las componentes x32 y x22 de la matriz X.
Ejercicio 10. Sean A y B matrices invertibles ¿(A + B)−1 = A−1 + B −1 ? Justifique
1. A es invertible.


Capı́tulo 4
Determinantes
Se introduce la definición de determinante y a partir de ejercicios de tipo algorı́tmico los es-

tudiantes ilustrarán sus propiedades. Además, se calcula el valor del determinante de matrices
cuadradas usando propiedades para comparar las ventajas sobre el uso de la definición.

A. Teorı́a.
1. Describa un método para calcular el determinante de una matriz A.

2. ¿A qué es igual el determinante de una matriz triangular?
3. ¿Cómo es det A comparado con det(AT )?
4. Si A es una matriz que tiene una fila (o columna) de ceros, ¿Qué se puede concluir del
valor de su determinante?
5. ¿Qué valores puede tomar el determinante de A, si A es una matriz:
a) antisimétrica b) ortogonal c) idempotente.
B. Responda verdadero ó falso, justificando sus respuestas
1. Si A y B matrices de orden n, entonces det(AB) = det(BA).

2. Si A y B son matrices de tamaño n × n, entonces det (A + B) = det A + det B.
3. Si A y B son matrices equivalentes por renglones, det A = det B.
4. El sistema homogéneo Ax = 0 tiene infinitas soluciones si |A| 6= 0.
5. A y su adjunta conmutan.
6. Si A es una matriz singular, entonces det A 6= 0.
1
7. Si A es no singular, A−1 = adj A.
det A
8. Si A es ortogonal, entonces det A = 1.
C. Poniendo en práctica lo aprendido.
1. Use propiedades del determinante para calcular det A en cada caso
67
68 Capı́tulo 4. Determinantes
 
  1 3 4 5
1 −2 3  
−1 −2 −3 −4
a) A = −3 5 −8 b) A = 
  
 1 4 −1 2
2 5 2
 
2 7 3 7

a b c a d g

2. Si d e f = 20, calcule 5b 5e 5h .

g h i c + a f + d i + g

x y z 2x 2y 2z

3. Si 3 0 2 = 2, halle 3x + 3 3y 3z + 2.

1 1 1 x+2 y+2 z+2
 
−λ λ−1 λ+1
4. Determine los valores de λ, si existen, para los cuales A =  1 2 3  no
 
2−λ λ+3 λ+7

tiene inversa.
5. Sea A una matriz 4 × 4 tal que 3A−1 = 3. Calcule −AT .

6. Sean A y B matrices de simétricas de 4 × 4. Si 2B −1 = 2, encuentre el valor de λ de

−1 T
modo que AB(adj B − B −1 ) + A

A = λI.
   
2 0 0 0 0 5
7. Sean y A = 0 3 0  y B = −3 0 1. Simplifique y encuentre la matriz X tal
   
0 0 4 1 4 3
−1
que X = A + B −1 A 3B −1 A

|AB|. Halle x31 y x32 .
8. Sean A, B y C matrices 3 × 3 tales que |A| = 4, |B| = −2 y |C| = 3, calcule
(adj A)(A−1 BC T ) + (AB T C −1 )−1 −1

D. Aplicaciones.
Use determinantes para encontrar

a) El área del rectángulo con lados adyacentes #»
u = (2, 5) y #»
v = (7, −3).
b) El volumen del paralelepı́pedo cuyas aristas consecutivas están determinados por los
vectores #»
u = (2, −1, 0), #» #» = (2, −2, −3).
v = (4, −3, 1) y w
4.2.1 Lección 1. Definiciones y propiedades

Se define el determinante de una matriz cuadrada y se deducen algunas de sus propiedades
a partir de ejemplos y se concluye con la formalización de las mismas. Al finalizar la lección,
el alumno podrá calcular el determinante de una matriz usando tanto la definición como las
propiedades.

a11 a12
Definición 4.1 (Determinante 2×2). Sea A = . El determinante de A, se denota
a21 a22
por det A ó y se define como
det A =
Definición 4.2 (Menor (i, j) de A). Sea A = (aij ) un matriz de tamaño n × n. El menor
(i, j) de A, denotado por M ij , se define como la matriz de tamaño (n − 1) × (n − 1) que se
obtiene de A al suprimirle la fila i−ésima y la columna j−ésima.
 
2 −2 3 !
2 3
Ejemplo 4.1. Considere la matriz A = −2 3 −7. El menor 3, 2 es M32 = .
 
−2 −7
3 −3 8
Ejercicio 1. Calcule M11 , M12 y M13 de la matriz del ejemplo anterior.
Definición 4.3 (Cofactor (i, j) de A). Sea A = (aij ) un matriz cuadrada de orden n. El
cofactor (i, j) de A, que se denota1 por Aij , se define como
Aij = (−1)i+j |Mij |.

(
1 si i + j es par
Observe que (−1)i+j =
−1 si i + j es impar
Ejemplo 4.2. Considerando la matriz del ejemplo 4.1, el cofactor (3, 2) es

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

denota por cof A. Es decir, cof A = Aij .
Definición 4.4 (Determinante n × n). El determinante de la matriz

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
A= .
 .. . . ..  ,
 .. . . .  
an1 an2 . . . ann
se denota por det A o |A| y se define como

n
X
|A| = a11 A11 + a12 A12 + · · · + a1n A1n = a1j A1j
j=1
1
Algunos autores usan la notación cij para denotar los cofactores.
Ejemplo 4.3. Para la matriz A del ejemplo 4.1 el determinante es

2 −2 3

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

3 −3 8

3 −7 −2 −7 −2 3
= (2) + (−2) + (3)

−3 8 3 8 3 −3
= (2)(24 − 21) + (−2)(−16 + 21) + (3)(6 − 9) = −13.
 
5 −3 4
Ejercicio 3. Calcule el determinante y la matriz de cofactores de la matriz A = 1 2 1.
 
0 −2 3
Ejemplificando (NO DEMOSTRANDO) propiedades del determinante

 
3 5 3
1. El determinante de A = 0 7 7 es: ¿Qué clase de matriz es A?
 
0 0 −6
!
8 0
2. El determinante de B = es: ¿Qué clase de matriz es B? ¿Cómo
0 4
es el valor del determinante de las matrices A y B comparado con el producto de sus
componentes de la diagonal principal?
Propiedad 1. Si A es una matriz triangular, entonces det A =

! !
2 1 −2 3
3. Considere las matrices A = yB= .
3 4 4 −6
a) det A = ¿A es invertible?
b) det B = ¿B es invertible?
¿Qué relación existe entre el valor del determinante de la matriz con el hecho de que ésta
tenga inversa?
Propiedad 2. A = (aij ) es una matriz invertible si y sólo si det A .

! !
2 1 1 3
4. Considere las matrices A = yB= . Calcule:
3 4 −2 −9
AB, A−1 , B −1 , |A|, |B|, |AB|, A−1 y B −1 .

a) ¿Cómo es |AB| comparado con |A||B|?

b) ¿Cómo es |A| comparado con A−1 ?

c) ¿Cómo es |B|−1 comparado con |B|?

Propiedad 3. Sean A y B dos matrices de tamaño n × n. Entonces
det(AB) = .
Propiedad 4. Si A es invertible, entonces det(A−1 ) =
5. Responda verdadero ó falso a cada una de las siguientes afirmaciones. Justifique su res-
puesta
a) Existen matrices A de modo que det A + det A−1 = 2.

b) det(A + A−1 ) = 1
c) det(AA−1 ) = 1
!
k −3
Ejercicio 4. Encuentre los valores de k para los cuales la matriz A = es singular.
4 1−k
!
1 2
6. Sea A = . Calcule el determinante de la matriz B en cada caso.Compárelo con
3 4
|A| e identifique la operación de renglón que se le realizó a la matriz A para obtener la
matriz B.
!
3 4
a) B = , |B| = = |A|. Operación:
1 2
Propiedad 5. Si B es una matriz que se obtiene de A al intercambiar dos filas (colum-

nas), entonces |B| = |A|.
!
5 10
b) B = , |B| = = |A|. Operación:
3 4
Propiedad 6. Si B es una matriz que se obtiene de A al multiplicar una fila (columna)

por una constante λ 6= 0, entonces |B| = |A|.
!
3 6
c) B = , |B| = = |A|. Operación:
6 8
!
5 10
d) B = , |B| = = |A|. Operación:
15 20
Propiedad 7. Sea 0 6= λ ∈ R y B una matriz de n × n tal que B = λA, entonces

|B| = |A|.
!
1 2
e) B = , |B| = = |A|. Operación:
0 −2
Propiedad 8. Si B es una matriz que se obtiene de A al sumarle a un renglón (columna)

un múltiplo escalar de otro, entonces |B| |A|.
Ejemplo 4.4. Use las propiedades del deteminante para calcular |A| en cada caso
   
1 5 −7 −2 3 5
a) A = 2 9 −15 b) A =  1 −1 −2.
   
1
3 14 −22 2
1 −1
Solución. De acuerdo con las propiedades 8 y 1, se tiene

1 5 −7 1 5 −7 1 5 −7

a) |A| = 2 9 −15 = 0 −1 −1 = 0 −1 −1 = (1)(−1)(−3) = 3

3 14 −22f ←f −2f 0 −1 −4f ←f −f 0 0 −3
2 2 1
f3 ←f3 −3f1 3 3 2
Por las propiedades 5 y 8

−2 3 5 1 −1 −2 1 −1 −2
1 1
b) |A| = 1 −1 −2 = − −2 3 5 = − 0 1 1 = − 3 = 23 .

0
1 1 3 2
2
1 −1
f 2
1 −1 f2 ←f2 +2f1 0
2
0
1 ↔f2 1
f3 ←f3 − f1
2
Ejercicio 5. Utilice las propiedades del determinante para calcular det A en cada caso.
 
  0 1 1 1
1 −2 3  
1 0 1 1 
a) A = −2 3 −7 b) A = 
   
1 1 0 1 
3 −3 8
 
1 1 1 0
4.2.2 Lección 2. Propiedades. Relación determinante e inversa

Se continúa con la ejemplificación y deducción de propiedades del determinante y se establece
la relación de éste con la inversa de una matriz.
 
! 7 9 3
7 2
8. Calcule |A|, AT para cada

7. Considere las matrices A = y A = 0 10
 
3 10
5 0 −6
T
matriz A. ¿Cómo es |A| comparado con A ?
T
Propiedad 9. Sea A una matriz cuadrada de orden n. Entonces |A| A
Consecuencia: El determinante de una matriz se puede calcular por cualquier fila o columna.
Esto es: 
a A + a A + · · · + a A ; para i = 1, 2, . . . , n
i1 i1 i2 i2 in in
|A| =
a A + a A + · · · + a A ; para j = 1, 2, . . . , n
1j 1j 2j 2j nj nj

a d g a b c

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

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

a d g a d g a d g a b c

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

2c − 3b 2f − 3e 2i − 3h 2c 2f 2i c f i g h i
f 3 ←f3 +3f2

a b c a d g

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

g h i c − a f − d i − g
8. Calcule det A en cada caso.

!
3 −6
a) A = . ¿Cómo son las filas de A?
−12 24
!
2 5
b) A = . ¿Cómo son las filas de A?
2 5
Propiedad 10. Si A es una matriz que tiene por lo menos una fila (columna) múltiplo escalar
de otra, entonces |A| = .
! ! !
11 5 −2 3 9 8
9. Sean A = ,B= yC = . Halle |A|, |B| y |C|. Compárelos
4 8 4 8 4 8
¿Qué relación puede establecer?
Observe: A, B y C se diferencian únicamente en la primera fila. Además, la primera fila de C

es la suma de la primera fila de A con la primera fila de B.
Propiedad 11. Sean A, B y C matrices de tamaño n × n que difieren sólo en la fila i. Si

la fila i de C es la suma de la fila i de la matriz A con la fila i de la matriz B. Entonces
|C| |A| + |B|.
Determinante e inversa
Definición 4.5 (Matriz adjunta). Sea A = (aij ) de tamaño n×n. La adjunta de A, denotada
por adj A, se define como la transpuesta de la matriz de cofactores de A.
Ejercicio 2. Encuentre la adjunta de la matriz A del ejercicio 1 de la lección 4.2.1, calcule

A adj A y (adj A)A.
Propiedad 12. A adj A = |A| I
Ejercicio 3. Si A es singular, A adj A = 0. Justifique.
Teorema 1. Sean A y B matrices n × n. Entonces adj(AB) = adj B adj A.

Demostración. Justifique los pasos
AB adj(AB) = |AB|I Propiedad 12

adj AAB adj(AB) = |A||B| adj A Multiplicando por adj A
|A|IB adj(AB) = |A||B| adj A
|A| adj BB adj(AB) = |A||B| adj B adj A
|A||B|I adj(AB) = |A||B| adj B adj A
|A||B| adj(AB) = |A||B| adj B adj A
Si |A| 6= 0 y |B| 6= 0, se obtiene el resultado inmediatamente.

Ahora si |A| = 0 o |B| = 0, entonces AB adj(AB) = 0. Por otro lado,
AB adj B adj A = A|B|I adj A = |B|A adj A = |B||A|I = 0
Por lo tanto, adj(AB) = adj B adj A.

1
Ejercicio 4. Demuestre. Si A es no singular, entonces A−1 = adj A.
|A|
Demostración
Ejercicio 5. Sea An×n una matriz invertible. Pruebe que |adj A| = |A|n−1 .
Ejemplo 4.6. Sean A y B matrices cuadradas de orden 4. Si −B −1 = 21 y |A| = 3, calcule

el determinante de la matriz C si se sabe que C = A B adj B − B −1 + A

Solución. Justifique los pasos
C = A[B(adj B − B −1 )] + A Esta es la matriz C

|C| = A[B(adj B − B −1 )] + A

Tomando determinantes en ambos lados
= A(B adj B − BB −1 ) + A

= A(|B|I − I) + A

= |B|A − A + A = |B|A
= |B|4 |A|
= 24 · 3 = 48
−1 |A|2 |C|2

Ejercicio 6. Muestre que [adj(AC)] AB T C = . Halle su valor si A, B y C

T |B|
son matrices 4 × 4 tales que |A| = 3, |B| = −8 y 2C = −32.
Regla de Cramer
Sea A una matriz n × n invertible. Entonces el sistema Ax = b tiene solución única dada por
|Aj |
xj = , j = 1, 2, . . . , n,
|A|
donde Aj es la matriz que se obtiene de A reemplazando la j−ésima columna de A por el

vector columna b.
Ejercicio 7. Resuelva los siguientes sistemas mediante la regla de Cramer
2x + 3y = 3 x− y+ z =2
a)
3x + 2y = 2 b) 2x + y + z = 2
3x + 2y − 2z = 3
1. A es invertible.
7. det A

Capı́tulo 5
Espacios vectoriales reales

Se generalizan conceptos estudiados en los capı́tulos 2 y 3, vectores en R3 y matrices m × n, y
se introduce el concepto de espacio vectorial como una estructura algebraica sobre un conjunto
no vacı́o en el cual se definen dos operaciones, una interna llamada suma, ⊕, y una externa al
conjunto denominada multiplicación por un escalar, ⊙. Asimismo, se extiende el concepto de
combinación lineal como célula generadora para la definición de dependencia e independencia
lineal, espacio generado y conjunto generador de un espacio vectorial.
Se estudian caracterizaciones para determinar si un subconjunto no vacı́o de un espacio vectorial

es un subespacio. Se finaliza con el cambio de base y el proceso de ortonormalización de Gram-
Schmidt.

A. Teorı́a. Realice un estudio comparativo entre la definición de espacio vectorial y la defini-
ción de espacio vectorial en R2 , Rn y Mm×n (R). Establezca semejanzas y diferencias.
B. Poniendo en práctica la aprendido.
1. V = (R2 , ⊕, ⊙) es un espacio vectorial, donde ⊕ y ⊙ se definen de la siguiente manera:
(x, y) ⊕ (z, w) = (x + z − 1, y + w − 1)
λ ⊙ (x, y) = (λx − λ + 1, λy − λ + 1)
a) Halle el elemento neutro para la suma ası́ definida

v de R2
b) Encuentre el opuesto para cada vector #»
c) Verifique que λ ⊙ [(x, y) ⊕ (z, w)] = λ ⊙ (x, y) ⊕ λ ⊙ (z, w)
2. V = (R+ , ⊕, ⊙) es un espacio vectorial, donde ⊕ y ⊙ se definen de la siguiente manera:
x ⊕ z = xz, λ ⊙ x = xλ
a) Determine el elemento neutro para la suma ası́ definida

b) Encuentre el opuesto para cada vector x de R+
c) Compruebe que (λ + µ) ⊙ x = λ ⊙ x ⊕ µ ⊙ x
3. Sean W = gen {(1, 2, 1), (1, 1, 2)} y H = {(x, y, z) | 3x − 2y + z = 0} subespacios de R3 .
a) Determine W ∩ H. b) Halle una base para W ∩ H y dim (W ∩ H).
77
78 Capı́tulo 5. Espacios vectoriales reales
4. Determine el valor (o valores) de λ de modo que el vector #» v = (1, 3, λ) no esté en el

#» #»
espacio generado por v1 = (1, 0, −2) y v2 = (2, −1, 5).

0, si i 6= j
5. Sean #»x1 , #» xk ∈ Rn , 2 ≤ k ≤ n, tales que #»
x2 , . . . , #» x i • #»
xj = . Muestre que
1, si i = j
#»
x1 , #»
x2 , . . . #»
xk son linealmente independientes.
   
1 −1
3 #» #»
6. Construya una base de R que contenga a v1 = 1 y a v2 =  1. Explique
   
0 −1
claramente su construcción.
   
1 −1
 2  1
   
7. Construya una base para R4 que contenga a #» v1 =   y a #» v2 =  . Explique
 0 −2
0 1
claramente su respuesta.
8. Sean B1 = { #» v1 = (1, 2), #»v2 = (1, 0)} y !B2 = { w #» , w#» } bases de R2 . Si la matriz de
1 2
2 1
transición de B1 en B2 es PB1 B2 = , halle la base B2 .
1 1
9. Encuentre una base para el núcleo y la imagen de cada una de las siguientes matrices.
Además, determine su nulidad y rango.
 
  1 −1 0
1 −1 2  
 0 1 1
a) A = −3 4 −5 a) B = 
   
2 −1 −1 
5 −6 12
 
−1 1 2
10. Construya una base ortonormal para H = {(x, y, z) ∈ R3 | 3x + 2y − z = 0} .
C. Responda verdadero ó falso a las siguientes afirmaciones. Justifique cada una

de sus respuestas
1. Los vectores 1, x, x2 , 2 − x + x2 generan a P2 .

2. Los vectores 1, x, x2 , 2 − x + x2 forman una base para P2 .
3. Todo conjunto generador de un espacio vectorial es una base.
4. Toda base de un espacio vectorial es un conjunto generador.
( )
2 2 1 −1
5. El conjunto S = A1 = , A2 = es una base para
6 0 3 2
( )
a a−b
H= | a, b ∈ R .
3a b
6. Sea A una matriz 4 × 5. Si el rango de A es 4, entonces ker A = {0}
D. Aplicaciones. Consulte en su Facultad sobre aplicaciones de espacios vectoriales. Además,

consulte cómo se aplican los conceptos de espacio vectorial en comunicaciones.
5.2.1 Lección 1. Espacio vectorial y subespacio
Con esta la lección el alumno podrá determinar si un conjunto dado con las operaciones definidas
en él, es un espacio vectorial o no. Asimismo, será capaz de verificar cuando un subconjunto de
un espacio vectorial es un subespacio.
Definición 5.1 (Espacio Vectorial). Sea V un conjunto no vacı́o, en el cual se definen dos
operaciones ⊕ y ⊙, llamadas suma y multiplicación por un escalar (número real), res-
pectivamente. Se dice que V con las dos operaciones es un espacio vectorial, si satisface los
siguientes axiomas:
Para la suma Para la multiplicación por un escalar

1S. Si u, v ∈ V , entonces u ⊕ v ∈ V 1M. Si u ∈ V y λ ∈ R, entones λ ⊙ u ∈ V
2M. Si u, v ∈ V y λ ∈ R, entonces
2S. Si u, v ∈ V, entonces u ⊕ v = v ⊕ u
λ ⊙ (u ⊕ v) = λ ⊙ u ⊕ λ ⊙ v
3M. Si u ∈ V y λ, β ∈ R, entonces
3S. Para cada u, v, w ∈ V se tiene
(λ + β) ⊙ u = λ ⊙ u ⊕ β ⊙ u
(u ⊕ v) ⊕ w = u ⊕ (v ⊕ w)
4M. Si u ∈ V y λ, β ∈ R, entonces
4S. Existe e ∈ V tal que para cada u ∈ V ;
(λβ) ⊙ u = λ ⊙ (β ⊙ u)
u⊕e=u
5S. Para cada u ∈ V , existe w ∈ V tal que 5M. Para cada u ∈ V, 1 ⊙ u = u
u⊕w =e
Notación y observaciones.
1. Un espacio vectorial se denota de cualquiera de las siguientes formas: (V, ⊕, ⊙), (V, ⊕), V.
2. Cada uno de los elementos de un espacio vectorial se llama vector.
3. El vector e se llama el elemento identidad o el módulo para ⊕.
4. El vector w ∈ V de la propiedad 5S se llama el inverso de u, y se denota por ⊖u; de

modo que u ⊖ u = u ⊕ (⊖u) = e.
5. Cuando no se indican las operaciones se asume que son las usuales, además, éstas no se
encierran en un cı́rculo. En este caso, e = 0 y ⊖u = −u.
Ejemplo 5.1. Los siguientes son espacios vectoriales
a) V = R2 b) M2×2 (R)
Observe que no se indicaron las operaciones ⊕ y ⊙. En este caso, se asume que son las usuales:
suma y multiplicación por un escalar definidas en los capı́tulos 2 y 3 respectivamente.
Ejemplo 5.2. Los siguientes no son espacios vectoriales

( )
x
a) V = N = {0, 1, 2, . . .} b) V = | y = 2x − 3
y
En el caso a) no se cumple la propiedad 5S. Por ejemplo, para u = 5, no existe v en N tal que
u + v = 5 + v = 0. ¿Cuáles de las otras propiedades no se satisfacen?
x x
u = y1 y #»
En el caso b) no se cumple la propiedad 1S. En efecto, si #» v = y2 están en V ,
1 2
entonces y1 = 2x1 − 3 y y2 = 2x2 − 3. Luego,

#» x1 + x2 x1 + x2 x1 + x2
u + #»
v = = 6= .
y1 + y2 2(x1 + x2 ) − 6 2(x1 + x2 ) − 3
Observación. Para que un conjunto con las operaciones de suma y multiplicación por un
escalar que se hayan definido no sea espacio vectorial, basta con que no se cumpla una de las
propiedades que lo definen.
Ejercicio 1. Determine cuáles de los conjuntos con las operaciones indicadas son espacios
vectoriales. Si no lo es, diga cuáles propiedades no satisface.
( )
a) V = (Z, +) f) V = (M2×2 , ·) x
j) V = | y = 2x + 1
y
b) V = (Q, +) −1
g) V = (Mn×n , +)
( )
c) V = (I, +) x
k) V = | y = 2x
h) V = (Mm×n , +) y
d) V = (R, +)
−1
e) V = (Rn , +) i) V = (Mn×n , ·) l) V = (P2 , +)
Notaciones.
• Mm×n representa las matrices de tamaño n × n.
−1
• Mn×n representa las matrices invertibles de tamaño n × n.
• P2 representa los polinomios de grado ≤ 2 junto con el polinomio 0.
• Pn representa los polinomios de grado ≤ n junto con el polinomio 0.
• P representa los polinomios de cualquier grado junto con el polinomio 0.
Definición 5.2 (Subespacio).

Teorema 1 (Caracterización de subespacio). Sea V un espacio vectorial y H un subcon-

junto no vacı́o de V . H es un subespacio de V si y sólo si
1. h1 + h2 ∈ H para todo h1 , h2 ∈ H.
2. λh ∈ H para todo h ∈ H y λ ∈ R.
Lo anterior es equivalente a: H es un subespacio de V si y sólo si
λh1 + βh2 ∈ H para todo h1 , h2 ∈ H y λ, β ∈ R.
Ejemplo 5.3. Determine si H es un subespacio de V .

( )
x
a) H = | x ≤ 0 , V = R2 . b) H = {ax + b | a + b = 0} , V = P1 .
y
Solución.

0
a) En primer lugar, H es no vacı́o, pues 1
∈ H. Veamos si se satisface la cerradura para la
suma y la mutiplicación por un escalar.
#» x #» x
i) Sean h 1 = y1 y h 2 = y2 en H. Entonces x1 ≤ 0 (1) y x2 ≤ 0 (2). Ahora
1 2

#» #» x1 + x2
h1 + h2 = ∈ H pues x1 + x2 ≤ 0 por las condiciones (1) y (2).
y1 + y2
#» x
ii) Sean h 1 = x1 ∈ H y λ ∈ R. Entonces x1 ≤ 0. Ahora
2

#» λx1
λh1 = ∈
/ H si λ < 0 y x1 < 0, pues en este caso, λx1 > 0.
λy1
Luego, H no es subespacio de R2 .
b) H 6= ∅ pues h = x − 1 ∈ H
i) Sean h1 = a1 x + b1 y h2 = a2 x + b2 en H. Entonces a1 + b1 = 0 (1) y a1 + b2 = 0 (2).
h1 + h2 = (a1 + a2 )x + (b1 + b2 ) ∈ H puesto que (a1 + a2 ) + (b1 + b2 ) = 0 por (1) y (2).
ii) Sean h = ax + b ∈ H y λ ∈ R. Entonces a + b = 0.
λh = (λa)x + λb ∈ H pues λa + λb = λ(a + b) = λ · 0 = 0.
Por tanto, H es un subespacio de P1 .

Ejercicio 2. Pruebe las siguientes afirmaciones
a) Si H es subespacio de V , entonces 0 ∈ H. Como una consecuencia de este resultado se tiene:

si 0 ∈
/ H, entonces H no es subespacio de V .
b) H no es subespacio de V , si en H no se cumple la cerradura para la suma.
c) H no es subespacio de V , si en H no se cumple la cerradura para la multiplicación por un

escalar.
Ejercicio 3. Determine cuales de los siguientes subconjuntos son subespacios del espacio vec-
torial dado

x 2 x 2
a) H = ∈R |x≤0 y y≤0 c) H = ∈ R | y = −2x + 5
y y

x 2
b) H = ∈ R | y = −2x
y d) H = {D ∈ Mn×n | D es diagonal}
( )
a 6a
e) H = A ∈ M2×2 | A = ; a, b ∈ R
b 0
f) H = {p(x) = ax2 + bx + c ∈ P2 | a + 2b − c = 0}
g) H = {(x, y, z) ∈ R3 | ax + by + cz = 0; a, b, c ∈ R}
h) H = {A ∈ Mn×n | det A 6= 0} j) H = {0}
i) H = {p(x) ∈ P4 | grado(p(x)) = 5} k) H = V
y
l) El conjunto dado por la gráfica y = x2

x
Ejercicio 4. Sean H1 y H2 subespacios de V .
a) Demostrar que H = H1 ∩ H2 es un subespacio de V .
b) ¿H = H1 ∪ H2 es un subespacio de V ?
Definición 5.3 (Subespacios triviales). Sea V 6= {0} un espacio vectorial. Los subespacios
H = {0} y H = V se denominan subespacios triviales.
Ejemplo 5.4. En V = R2 se tienen tres tipos de subespacios.
Solución. Se tienen
n o
0
1. H = {0} = 0
2. H = R2
n x o
3. H = y | y = ax o x = by; a, b ∈ R , recta que pasa por el origen.
5.2.2 Lección 2. Combinación lineal, independencia y dependencia

lineal, espacio generado
En esta lección se generalizan los conceptos de combinación, independencia y dependencia lineal,
ası́ como espacio generado y conjunto generador los cuales fueron estudiados para vectores en
Rn , n > 1 y para matrices m × n, para cualquier conjunto que sea espacio vectorial. Con estas
generalizaciones, el estudiante podrá avanzar hacia la abstracción y entender los conceptos de
manera natural y coherente con el contenido desarrollado.
Definición 5.4 (Combinación lineal). Sean u, v1 , v2 , . . . , vk elementos de un espacio vectorial

V . Se dice que u es combinación lineal de los vectores v1 , v2 , . . . , vk , si existen escalares
λ1 , λ2 , . . . , λk tales que
k
X
u = λ1 v1 + λ2 v2 + · · · + λk vk = λi v i
i=1
Observaciones.
1. La multiplicación del escalar λi con el vector vi depende de la forma como se haya definido
en el espacio vectorial.
2. La igualdad (=) es la definida en cada espacio.
3. Al establecer la igualdad se obtiene un sistema de ecuaciones lineales en λ1 , λ2 , . . . , λk , el

cual puede ser consistente, en cuyo caso u es combinación lineal de los vectores vi . Si el
sistema es inconsistente, se concluye que u no es combinación lineal de los vi .
Ejemplo 5.5. Determine si el vector u es combinación lineal de los vectores dados
a) u = 1 − 2x + x2 ; v1 = 2 − x, v2 = 1 + x2

1 3 1 0 2 1 −2 2
b) u = ; v1 = , v2 = , v3 =
0 7 0 0 0 0 0 14
Solución. Al usar la definición se tiene para cada caso
a) u = λ1 v1 + λ2 v2 . Reemplazando:
1 − 2x + x2 = λ1 (2 − x) + λ2 (1 + x2 ) = 2λ1 + λ2 − λ1 x + λ2 x2 .
De ahı́ se obtiene el sistema de ecuaciones lineales
2λ1 + λ2 = 1
−λ1 = −2
λ2 = 1
El sistema es inconsistente. Luego, u no es combinación lineal de los vectores dados.
b) u = λ1 v1 + λ2 v2 + λ3 v3 . Sustituyendo:

1 3 1 0 2 1 −2 2 λ1 + 2λ2 − 2λ3 λ2 + 2λ3
= λ1 + λ2 + λ3 = .
0 14 0 0 0 0 0 7 0 7λ3
De ahı́ se obtiene el sistema de ecuaciones lineales
λ1 + 2λ2 − 2λ3 = 1
λ2 + 2λ3 = 3 .
7λ3 = 14
El sistema tiene solución única. λ1 = 7, λ2 = −1, λ3 = 2. Por lo tanto, el vector u es

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

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

−3 1 #» −2
b) #»
u = ; #»
v1 = , v2 =
6 −2 4
c) u = 5 + x2 ; v1 = 1 + x, v2 = x2
d) u = 2 + 2x − x2 ; v1 = 1 + x, v2 = x2
! ! !
4 −7 14 1 −1 2 0 1 −2
e) u = ; v1 = , v2 =
−9 10 2 0 4 5 3 2 6
! ! ! !
2 3 1 1 1 1 1 0
f) u = , v1 = , v2 = , v3 =
1 1 1 0 0 1 1 1
Definición 5.5 (Independencia y dependencia lineal). Sean V un espacio vectorial y
S = {v1 , v2 , . . . , vk } ⊆ V . Se dice que S es un conjunto de vectores linealmente indepen-
diente, LI (también se dice que los vectores v1 , v2 , . . . , vk son LI) si el vector nulo se puede
escribir de manera única como combinación lineal de v1 , v2 , . . . , vk . Es decir,
k
X
0= implica 0 = λ1 = λ2 = · · · = λk
i=
De otro modo, se dice que S es un conjunto linealmente dependientes (LD).

k
X
Observación. Después de establecer la igualdad 0 = λi vi se obtiene un sistema de ecua-
i=1
ciones lineales homogéneo en λ1 , λ2 , . . . , λk , el cual siempre es consistente.
i) Cuando el sistema tiene solución única, se dice que v1 , v2 , . . . , vk son
ii) Cuando el sistema tiene infinitas soluciones, se dice que v1 , v2 , . . . , vk son

Ejemplo 5.6. Determine si el conjunto S dado es LI o LD.

2 1 2 2 3 1 1
a) S = {2 − x, 1 + x } b) S = , ,
0 4 0 6 0 2
Solución.
a) 0 = λ1 v1 + λ2 v2
0 + 0x + 0x2 = λ1 (2 − x) + λ2 (1 + x2 ) = 2λ1 + λ2 − λ1 x + λ2 x2 .
Al igualar coeficientes se obtiene el sistema homogéneo
2λ1 + λ2 = 0
−λ1 = 0
λ2 = 0,
el cual tiene solución única λ1 = λ2 = 0. Por lo tanto, v1 y v2 son linealmente independientes.

b) 0 = λ1 v1 + λ2 v2 + λ3 v3

0 0 1 2 2 3 1 1
= λ1 + λ2 + λ3 .
0 0 0 4 0 6 0 2
De ahı́ se obtiene el sistema homogéneo
λ1 + 2λ2 + λ3 = 0
2λ1 + 3λ2 + λ3 = 0
4λ1 + 6λ2 + 2λ3 = 0.
Al resolver se obtiene λ1 = λ3 , λ2 = −λ3 ; λ3 ∈ R. El sistema tiene infinitas soluciones. Por lo

tanto, {v1 , v2 , v3 } es LD.
Ejercicio 2. Determine si cada uno de los siguientes conjuntos de vectores es linealmente

independiente o linealmente dependiente.

1 2
a) S = v1 = , v2 =
3 7
b) S = {v1 = 1 + x, v2 = 1 + x2 , v3 = 1 + x + x2 }
c) S = {v1 = 1 + x, v2 = 1 − 2x + 3x2 , v3 = 1 + x2 }
      

 1 6 5 
d) S = v1 = 2 , v2 = 11 , v3 =  9 
     
3 17 14 

 

1 0 2 −1 −1 1
e) S = A1 = , A2 = , A3 =
0 0 0 0 0 0
Definición 5.6 (Espacio generado). Sea S = {v1 , v2 , . . . , vk } ⊂ V . El espacio generado por
S es el conjunto de las combinaciones lineales de v1 , v2 , . . . , vk . Es decir:
gen {v1 , v2 , . . . , vk } = {u ∈ V | u = λ1 v1 + λ2 v2 + · · · + λk vk }
Ejemplo 5.7. Determine el espacio generado por por S = {v1 = 2 − x, v2 = 1 + x2 }.
gen S = gen {v1 , v2 } = {u ∈ P2 | u = λ1 v1 + λ2 v2 }

= ax2 + bx + c | ax2 + bx + c = λ1 (2 − x) + λ2 (1 + x2 )

= ax2 + bx + c | ax2 + bx + c = 2λ1 + λ2 − λ1 x + λ2 x2 .

De ahı́, se obtiene el sistema
2λ1 + λ2 = c
−λ1 = b
λ2 = a,
de donde c = a − 2b. Por lo tanto, gen S = {ax2 + bx + c | c = a − 2b} .

Ejercicio 3. Determine el espacio generado por los vectores

   
1 6
1 2 1 −2
a) v1 = , v2 = b) v1 = , v2 = c) v1 = 2 , v2 = 11
   
3 7 −2 4
3 17
2 2 2
d) v1 = 1 + x, v2 = 2 + x e) v1 = 1 + x, v2 = 1 − 2x + 3x , v3 = 1 + x

1 0 2 −1
f) A1 = , A2 =
0 0 0 0
Definición 5.7. S = {v1 , v2 , . . . , vk } ⊂ V es un conjunto generador del espacio vectorial V
si todo vector u ∈ V se puede escribir como combinación lineal de los vectores de S.
Ejemplo 5.8. {3, 2 − x, 1 + x2 } es un conjunto generador de P2 .

1 2 4
Ejercicio 4. Pruebe que S = , , es un conjunto generador de R2 .
3 7 −2
Ejercicio 5. Verifique que S1 y S2 son conjuntos generadores de R3
           
 −1
 1 1   1
 0 0 

S1 =  1 , 0 , 0 , S2 = 0 , 1 , 0
           
0 1 0   0 0 1 

   
Ejercicio 6. Pruebe que S1 y S2 son conjuntos generadores de P2
S1 = v1 = 1, v2 = x, v3 = x2

S2 = w1 = 1 + x + x2 , w2 = 1 − x, w3 = 1 + x2

Ejercicio 7. Pruebe que S1 es un conjunto generador de M2×2 (R)

1 0 0 1 0 0 0 0
S1 = A 1 = , A2 = , A3 = , A4 =
0 0 0 0 1 0 0 1
Observe que la diferencia de estas definiciones con las dadas para vectores en Rn , n > 1 y para
matrices m × n es que aquı́ se hace para cualquier conjunto V que es espacio vectorial.
Ejercicio 8. Encuentre conjuntos generadores de las espacios vectoriales dados que sean li-
nealmente independientes.
a) R5 ; S1 =
S2 =
b) P3 ; S1 =
S2 =
c) P5 ; S1 =
S2 =
d) M2×2 ; S1 =
S2 =
5.2.3 Lección 3. Bases y dimensión. Espacios fundamentales de una

matriz
Se describen los conceptos fundamentales de base y dimensión de un espacio finito dimensional.
Además, se caracterizan los espacios fundamentales de una matriz, haciendo énfasis en el espacio
nulo. El estudiante finalizará la lección caracterizando las bases para un espacio vectorial dado,
su dimensión y el uso del teorema de la dimensión.
Definición 5.8 (base). Sea S = {v1 , v2 , . . . , vn } un subconjunto no vacı́o de un espacio
vectorial V . Se dice que S es una base para V si
1. S genera a V . 2. S es un conjunto LI
Ejemplo 5.9. Se tiene
a) S = {3, 2 − x, 1 + x2 } es un base para P2 .

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

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

2 0 0 −5 0 0 0 0
d) S = , , , es una base para M2×2 (R).
0 0 0 0 8 0 0 3
Ejercicio 1. Determine si el conjunto dado es o no una base para V .

1 −1
a) S = v1 = , v2 = ; V = R2
1 3
      

 1 −1 −1  
b) S = v1 = 1 , v2 =  3 , v3 =  1 ; V = R3
     
2 2 0 

 
      

 1 −1 −1  
c) S = v 1 = 1 , v2 =  1 , v3 =  3 ; V = R3
     
0 2 4 

 
d) S = f 1 = 1 + x, f 2 = 1 − 2x + 3x2 , f 3 = 1 + x2 ; V = P2

1 1 1 1 1 1 1 0
e) S = , , , ; V = M2×2 (R).
1 1 1 0 0 0 0 0
Teorema 2. Si un espacio vectorial V tiene una base con n elementos, entonces cualquier otra
base de V también tiene n elementos.
El teorema anterior justifica la siguiente definición.

Definición 5.9 (Dimensión). Si un espacio vectorial V tiene una base con n elementos, se
dice que V es finito–dimensional y n es la dimensión de V . Se denota por dim V = n. Si
V = {0} , dim V = 0. En otro caso, se dice que V es de dimensión infinita.
Bases canónicas
Espacio Base canónica Dimensión
V =R {1} 1

2 1 0
V =R , 2
0 1
     
 1
 0 0 

V = R3 0 , 1 , 0 . También {e1 , e2 , e3 } 3
     
 
0 0 1
 
 
0
 0
 
.
 .. 
 
V = Rn {e1 , e2 , . . . , en }, donde ei = 1 ←− Posición i n
 
.
 .. 
 
 0
 
V = P1 {1, x} 2
V = P2 {1, x, x2 } 3
V = Pn {1, x, x2 , . . . , xn } n+1
V =P {1, x, x2 , . . . , xn , . . .} ∞

1 0 0 1 0 0 0 0
V = M2×2 , , , 4
0 0 0 0 1 0 0 1
( ! ! !)
1 0 0 0 1 0 0 0 0
V = M2×3 , ,..., 6
0 0 0 0 0 0 0 0 1
     

 1 0 ··· 0 0 1 ··· 0 0 0 ··· 0  

      
 0 0 ··· 0  0 0 ··· 0 0 0 ··· 0
  

V = Mm×n 
. . .. ..  , . . ..

..  , . . . , .

.. . .

..  mn
 .. .. . . . . .  .. .
 . . . . .

  

   

 
0 0 ... 0 0 0 ... 0 0 0 ... 1
 
Ejemplo 5.10. Determine una base para el subespacio vectorial de R2

x
H= 3x + y = 0 .
y

0
Solución. Como 3 · 0 + 0 = 0, entonces 0
∈ H. Luego, H 6= ∅.

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

x x 1
= =x , x ∈ R.
y −3x −3

1 1
De ahı́, H = gen . Por lo tanto, una base para H es S = y dim H = 1.
−3 −3
Ejercicio 2. Halle una base para cada uno de los siguientes subespacios vectoriales y determine
su dimensión.
  

 x 

3
a) H = y  ∈ R | x + y − 2z = 0
 

 z 

b) H = {p(x) = d + cx + bx2 + ax3 ∈ P3 | a = b, c = d + 2b}
c) H = {A ∈ M2×2 | A es simétrica}
Espacios fundamentales de una matriz

Sea A una matriz de tamaño m × n.
Definición 5.10 (Espacio nulo, núcleo o kernel). El espacio nulo, núcleo o kernel de
A, denotado por NA o ker A y se define como
NA = ker A = {x ∈ Rn | Ax = 0} .
Teorema 3. ker A es un subespacio de Rn .
Demostración. Se probará que ker A es un subespacio de Rn . Es claro que ker A 6= ∅ pues

0 ∈ ker A. Ahora se demuestra la cerradura de la suma y de la multiplicación por un escalar.
1. Sean x1 , x2 ∈ ker A. Entonces
Ax1 = 0 y Ax2 = 0 Hipótesis

A(x1 + x2 ) = Ax1 + Ax2 Propiedad distributiva de · sobre la suma
=0+0=0 Porque
Esto implica que x1 + x2 ∈ ker A.
2. Consideremos, x ∈ ker A y λ ∈ R. Entonces por hipótesis Ax = 0. Ahora
A(λx) = λAx = λ0 = 0. Por que
Luego λx ∈ ker A.
Por lo tanto, ker A es un subespacio de Rn .

Definición 5.11 (Nulidad). La nulidad de A, denotada ν(A), es ν(A) = dim(ker A).

 
1 2 −3 4
Ejemplo 5.11. Halle el núcleo, una base para el núcleo y la nulidad de A = 2 3 −5 6 .
 
3 5 −8 10
Solución. Como A es de tamaño 3 × 4, se tiene que n = 4. Luego,
ker A = x ∈ R4 | Ax = 0 .

Al resolver el sistema homogéneo Ax = 0, se obtiene

     
1 2 −3 4 1 2 −3 4 1 0 −1 0
 f2 ← f2 − 2f1   f1 ← f1 + 2f2 
2 3 −5 6  0 −1 1 −2 0 −1 1 −2 .
 
f3 ← f3 − 3f1 f3 ← f3 − f2
3 5 −8 10 0 −1 1 −2 0 0 0 0
De ahı́,   

 x 

 
y 
  
4
ker A =   ∈ R | x = z, y = z − 2w .

 z  

 
w
 
Para determinar una base para ker A, sea x ∈ ker A. Entonces

       
x z 1 0
y   z − 2w 1 −2
       
 =  = z   + w   ; z, w ∈ R.

z   z  1  0
w w 0 1
   

 1 0 

   

−2
1  

Luego, una base para ker A es S =   ,   y ν(A) = dim(ker A) = 2.

 1  0
 
0 1
 
Ejercicio 3. Encuentre el núcleo, una base para el núcleo y la nulidad de las siguientes matrices
   
1 4 5 −7 1 0 0
a) A = 0 1 −2 3 b) B = 8 5 0
   
1 5 3 −4 9 7 2
Complete el enunciado del siguiente teorema.
Teorema 4. An×n es invertible si y sólo si ν(A) =
Definición 5.12 (Imagen). La imagen de A se define como:
im A = {y ∈ Rm : Ax = y, para algún x ∈ Rn } .
Teorema 5. im A es un subespacio de Rm .
Demostración. Ejercicio
Definición 5.13 (Rango). El rango de A está dado por ρ(A) = dim(im A).
Ejemplo 5.12. Determine la imagen, una base para la imagen y el rango de la matriz del
ejemplo 5.11.
Solución. Como A es una matriz 3 × 4, entonces m = 3. Luego
im A = y ∈ R3 | Ax = y, para algún x ∈ R4

Resolviendo el sistema Ax = y mediante eliminación gausiana se tiene.

   
1 2 −3 4 | a 1 2 −3 4 | a
2 3 −5 6 | b  ∼ · · · ∼ 0 1 −1 2 | 2a − b  .
   
3 5 −8 10 | c 0 0 0 0 | a+b−c
  

 a 

Para que el sistema tenga solución, a + b − c = 0. Luego, im A =  b  | a + b − c = 0 .
 

 c 

Para determinar una base para im A, sea y ∈ im A. Entonces

       
a −b + c −1 1
 b  =  b  = b  1 + c 0 ; b, c ∈ R.
       
c c 0 1
   
 −1
 1  
Luego, una base para im A es S =  1 , 0 y ρ(A) = dim(im A) = 2.
   
 
 0 1 
Ejercicio 4. Encuentre la imagen, una base para la imagen y el rango de cada una de las
matrices del ejercicio 3, pagina 90.
Teorema 6. An×n es invertible si y sólo si ρ(A) =
Observe que para la matriz A del ejemplo 5.11, se cumple ν(A) + ρ(A) = 2 + 2 = 4 = n. En
general, se tiene:
Teorema 7 (Teorema de la dimensión). Sea A una matriz de tamaño m × n, entonces
ν(A) + ρ(A) = n.
Definición 5.14 (Espacio renglón). El espacio renglón o espacio fila de Am×n , denotado
por FA o RA , se define como
FA = RA = gen {f1 , f2 , . . . , f } .
Definición 5.15 (Espacio columna). El espacio columna de A, que se denota por CA , es
CA = gen {c1 , c2 , . . . , c } .
Teorema 8. Si A una matriz de m × n, entonces
1. im A = CA 2. dim RA = dim CA = ρ(A)
Ejemplo 5.13. Para la matriz A del ejercicio 3, pagina 90 se tiene

      

 1 0  
  x 

3
im A = CA = gen 0 , 1 = y  ∈ R x + y − z = 0
     
 
  
1 1 z
  
Teorema 9. Sea B una matriz equivalente por renglones con la matriz A. Entonces
1. FA = FB 2. ν(A) = ν(B) 3. ρ(A) = ρ(B)
Ejercicio 5. Halle una base para el espacio fila y una base para el espacio columna de las
matrices del ejercicio 3, página 90.
Teorema 10. dim(FA ) = dim(CA ) = ρ(A)
5.2.4 Lección 4. Vector de coordenadas, cambio de base, bases or-

tonormales y proyecciones en Rn
Al finalizar la lección el alumno podrá determinar las coordenadas de un vector con respecto a
una base fija. Además, realizará cambios de coordenadas de una base a otra, usará el proceso de
Gram-Schmidt para ortonormalizar una base, es decir para encontrar otra que tenga vectores
ortogonales y se generaliza el concepto de proyección estudiado en la lección 3 sección 2.2.3 del
capı́tulo 2 de la pagina 32.

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

2 −1
[ #»
u 1 ]B = y [ #»
u 2 ]B = .
2 −1 2 1
Ejercicio 1. Sean B1 = {1, x, x2 } y B2 = {2 + 3x + x2 , 1 − 2x + x2 , −1 + 6x2 } bases de P2 .
a) Encuentre los escalares que permiten escribir cada vector de B1 como combinación lineal de
los vectores de la base B2 .
b) Encuentre los escalares que permiten escribir cada vector de B2 como combinación lineal de
los vectores de la base B1 .
Definición 5.16 (Vector de coordenadas). Sea V un espacio vectorial, B = {v1 , v2 , . . . , vn }

una base de V y u ∈ V . El vector de coordenadas de u en la base B se define como el vector
columna formado por los escalares c1 , c2 , . . . , cn que permiten escribir a u como combinación
lineal de los vectores de la base B y se denota por [u]B . Es decir,
 
c1
 c2 
 
[u]B = 
 ..  si y sólo si

.
cn
Ejemplo 5.15. Sea B1 = {v1 = 1, v2 = 1 + x, v3 = 1 + x + x2 } una

 base
 de P2 y u = 2−3x+5x
2
7
en P2 . El vector de coordenadas de u en la base B1 es [u]B1 = −8 porque
 
5
u = 2 − 3x + 5x2 = 7v1 + 8v2 + 5v3 .
Definición 5.17 (Matriz de transición). Sea V un espacio vectorial de dimensión n, y sean

B1 = {v1 , v2 , . . . , vn } y B2 bases de V . La matriz A tal que
A [u]B = [u]B , (5.1)

1 2
se denomina la matriz de transición de B1 a B2 y se denota por A = P B1 B2 o TB2 ←B1 .
Nota. La matriz de transición de B1 a B2 está dada por

A = [v1 ]B [v2 ]B . . . [vn ]B
2 2 2

2 −1
Ejemplo 5.16. La matriz de transición de B1 a B2 del ejemplo 5.14 es .
−1 1
Ejercicio 2. Escriba la matriz de transición de B2 a B1 del ejercicio 2.
Bases ortonormales
Ejercicio 3. Sea B = {e1 , e2 , . . . , en } la base canónica de Rn . Entonces
1. ei • ej = para cada par de vectores distintos de B.
2. kei k = para cada vector de B.
Una base B que satisface las dos condiciones anteriores se denomina base ortonormal de Rn .
Ahora generalizamos este concepto.
Definición 5.18. Sea S = {u1 , u2 , . . . , uk } un subconjunto de Rn . Se dice que S es un con-

junto ortonormal si satisface las siguientes condiciones:
1. 2.
Si S satisface sólo , se dice que S es ortogonal.
Ejercicio 4. Encuentre un conjunto de R3 que sea ortogonal y que no sea ortonormal. ¿Cuántos
elementos puede tener a lo sumo este conjunto?
Teorema 11. Si S = {u1 , u2 , . . . , uk } ⊆ Rn es ortogonal, entonces S es un conjunto lineal-

mente independiente.
Demostración. Ejercicio
Definición 5.19 (Base ortonormal). Una base de Rn que es un conjunto ortonormal se

denomina base ortonormal de Rn .
Proyecciones en Rn y proceso de Gram–Schmidt

Sea H un subespacio de Rn y S = {v1 , v2 , . . . , vm } una base de H. Para construir una base
B = {u1 , u2 , . . . , um } ortonormal para H a partir de S, se procede de la siguiente manera:
w1
u1 = , donde w1 = v1 . Observe que ku1 k =
kw1 k
w2
u2 = , donde w2 = v2 − (v2 • u1 )u1
kw2 k
En general
k
wk+1 X
uk+1 =
w ,
donde wk+1 = vk+1 − (vk+1 • ui )ui
k+1 i=1
#»
v3
#»
w 3
#»
w
#»
w #»
v2 2 #»
v2
2
û2 û3 û2
O û #» = #»
w v1 O û #» = #»
w v1 O û
1 1 1 1 1
#» = #»
w v1
1
(a) k = 1 (b) k = 2 (c) k = 3
Figura 5.1. Proceso de Gram–Schmidt en R3 .
Ejemplo 5.17. Construya una base ortonormal T para R3 a partir de la base

      

 1 1 1  
#»   #»   #»
S = v1 = 0 , v2 = 1 , v3 = 1
 
 
 1 0 1 
Solución. Siguiendo los pasos dados se tiene

   
1 √1
2
#» #» 1 #»
w1 = v1 = 0 , û1 = #» w 1 =  0 
   
k w1 k 1
1 √
2
       1
1 √
1 1 6
#» #» #» 1    2 1 #» 2 
w2 = v2 − ( v 2 û1 )û1 = 1 − 0 =  1  ; û2 = #» w2 =  6  √
•
  
2 k w2 k
0 1 − 21 − √16
       
1 1 1 −1
#» #» #» #» 1    31 
w3 = v3 − ( v 3 • û1 )û1 − ( v3 • û2 )û2 = 1 − 0 −  2 =  3 
   
3 1
1 1 −1 3
 1
−√
1 #»  √13 
û3 = #» w3 =  3 
k w3 k 1
√
3
   
√1 − √13 
1
 
 √2
 6 
Ası́, una base ortonormal para R3 es T = {û1 , û2 , û3 } =  0  ,  √2  ,  √1  .
     
6 3 
 √1

− √16 √1

2 3
  
 x
 

Ejercicio 5. Sea H = y  : x − y + z = 0 un subespacio de R3 . Determine una base B
 

 z 

para H y construya una base ortonormal a partir de B.
Ejercicio 6. Construya una base ortonormal para el núcleo de la matrices dadas en el ejercicio
3 de la página 90.
Ejercicio 7. Determine una base ortonormal para

        


 1 2 1 1 
        
 −1 3 −2  1 
H = gen v1 =   , v2 =   , v3 =   , v4 =   .
       


  0 1  1  1 

 
 1 0 −1 −1 
5.2.5 Lección No. 5. Espacios con producto interior
Cuando se estudió el espacio vectorial Rn , se definió el producto punto o producto escalar de

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

PI1. x • x ≥ 0 para todo x ∈ Rn y x • x = 0 si y solo si x = 0.

PI2. x • y = y • x para todo x, y ∈ Rn .
PI3. x • (y + z) = x • y + x • z para todo x, y, z ∈ Rn .
PI4. (cx) • y = c(x • y) = x • (cy) para todo x, y ∈ Rn y todo escalar c ∈ R.
En general, cualquier espacio vectorial V en el cual se pueda definir un producto interior que
satisfaga las propiedades PI1 a PI4 se llama espacio euclı́deo real. En esta sección se estudian
de manera general los espacios euclı́deos definiendo un producto interior sobre él que satisfaga
propiedades similares a PI1–PI4.
Definición 5.20. Sea V un espacio vectorial complejo, sean x, y ∈ V y sea c un escalar

complejo. El producto interior entre x e y, denotado por hx, yi, es la operación que satisface
las siguientes propiedades.
PI1. hx, xi ≥ 0 para todo x ∈ V y x • x = 0 si y solo si x = 0.
PI2. hx, yi = hy, xi para todo x, y ∈ Rn , donde hy, xi denota el complejo conjugado de hy, xi.
PI3. hx, y + zi = hx, yi + hx, zi para todo x, y, z ∈ V .
PI4. hcx, yi = chx, yi y hx, cyi = c̄hx, yi para todo x, y ∈ V y todo escalar c ∈ C.
Nota. A un espacio vectorial V sobre el cual se ha definido un producto interior hx, yi satis-
faciendo las propiedades PI1–PI4, se le denomina espacio euclı́deo y se escribe V = E. La
p
norma de un vector x ∈ E se calcula mediante la expresión kxk = hx, xi.
Ejemplo 5.18. Sea E = R2 . Se define la operación hx, yi entre x y y de la siguiente manera.

Si x = (x1 , x2 ) y y = (y1 , y2 ),
hx, yi = x1 y1 + 2x2 y2 .
Determine si hx, yi es un producto interior en R2 .
Solución. Se verifican si se satisfacen las propiedades PI1.–PI4.
PI1. hx, xi = x21 + 2x22 ≥ 0 y hx, xi = 0 si y solo si x21 + 2x22 = 0 si y solo si x1 = x2 = 0

si y solo si x = 0
PI2. hx, yi = x1 y1 + 2x2 y2 = y1 x1 + 2y2 x2 = hy, xi
PI3. hx, y + zi = x1 (y1 + z1 ) + 2x2 (y2 + z2 ) = x1 y1 + x1 z1 + 2x2 y2 + 2x2 z2
= (x1 y1 + 2x2 y2 ) + (x1 z1 + 2x2 z2 ) = hx, yi + hx, zi
PI4. hcx, yi = cx1 y1 + 2cx2 y2 = c(x1 y1 + 2x2 y2 ) = chx, yi y
hx, cyi = x1 cy1 + 2x2 cy2 = c(x1 y1 + 2x2 y2 ) = chx, yi
Por lo tanto, hx, yi = x1 y1 + 2x2 y2 es un producto interior en R2 .
Ejercicio 1. Muestre que la siguiente operación es un producto interior en E = R2 . Sean

x = (x1 , x2 ) y y = (y1 , y2 ),
hx, yi = x1 y1 + (x1 + x2 )(y1 + y2 )

Ejercicio 2. Compruebe que la siguiente operación es un producto interior en E = Pn . Sean

f : f (t) = a0 + a1 t + · · · + an tn y g : g(t) = b0 + b1 t + · · · + bn tn ,
n
X
hf , gi = f (k/n)g(k/n).
k=0
Si f (t) = t y g(t) = a + bt, encuentre valores de a y b de modo que f y g sean ortogonales.
A continuación, se escribe el teorema resumen de este capı́tulo.
1. A es invertible.
7. det A
14. ν(A) =
15. ρ(A) =
Capı́tulo 6
Transformaciones lineales
Se estudian funciones que pertenecen a una clase particular y especial denominada transforma-
ciones lineales. Éstas desempeñan un papel importante dentro de la matemática, fı́sica, ciencias
de la computación, ingenierı́a entre otras.
Al fnalizar el capı́tulo, el estudiante será capaz de reconocer las funciones que son transforma-
ciones lineales, representarlas matricialmente cuando sea posible y relaconar el espacio nulo e
imagen de la transformación con la matriz que la representa, ası́ como usar adecuadamente el
teorema de la dimensión.
Se inicia con el concepto de transformación lineal y se analiza la geometrı́a de algunas de ellas

en R2 .

A. Teorı́a Realice un estudio comparativo de las funciones más usadas y estudiadas en los
cursos previos de matemáticas y determine cuáles satisfacen las propiedades de linealidad.
Es decir, las dos propiedades que cumple y definen una transformación lineal.
B. Aplicando la teorı́a
1. Halle una transformación lineal T : R2 7→ R3 si

   
3 −3
1 −1
T = −1 y T =  2
   
3 1
2 −2
2. Dada la transformación lineal T : R4 7→ R3 definida por

 
x  
x − 2y + 2z + 3w
y  
 
T = y + 3z + w 

z 
x + 5z + 4w
w
a) Halle ker T , una base para ker T y la nulidad de T .
b) Encuentre im T , una base im T y el rango de T .
 
1
c) ¿El vector −3 ∈ im T ? Explique su respuesta.
 
4
99
100 Capı́tulo 6. Transformaciones lineales
3. Sea T : P2 7→ P2 una transformación lineal que satisface
T (1) = 1 + x, T (1 + x) = 2 + 3x + x2 , T (1 − x + x2 ) = 3 + 4x + x2
a) Halle la transformación lineal T .

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

   
 1
 1 
a

2
ker T = gen 1 , 0 e im T = ∈ R | 2a − b = 0
   

 1  b
1 
5. Determine una transformación lineal T : R2 7→ R2 de modo que la región

5
y
4 3 v
3 2
2 1
se transforme en .
1 0
u
0 -1
x
-1 0 1 2 3 4 5
-1
-3 -2 -1 0 1 2 3
6. Sea T : R2 7→ R2 una transformación definida por

x cos θ − sen θ x
T = , 0 ≤ θ < 2π (ó − π < θ ≤ π).
y sen θ cos θ y
a) Muestre que T es una transformación lineal. T se denomina transformación de rota-

ción.

1 0 3
b) Halle la imagen de los vectores , y si (i) θ = π/4 y (ii) θ = −π/3.
0 1 2
Grafique los vectores y sus imágenes. Describa geométricamente la transformación.

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

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

1 0 1 c
b) A = ,c > 1 d) A =
0 c 0 1

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

1 3 1 2
B1 = , y B2 = , , halle la transformación.
2 4 3 7
9. Sea T : P2 7→ P1 una transformación lineal definida por T (p) = p′ . Recuerde que
d
p′ (x) = [p(x)].
dx
a) Determine el núcleo de la transformación y la nulidad.
b) Determine la imagen de la transformación y el rango.
c) Halle la matriz de la transformación con respecto a las bases: B1 la base usual de P2
y B2 = {1, 1 + x} base de P1 .
10. Sea T : R3 → R2 una transformación lineal definida por
 
x !
x+y−z
T y  = .
 
2x + 3y − 4z
z

2 1 −1
Sea AT = la matriz que representa a T con respecto a las bases
1 1 −3
      

 1 3 −1  
B1 = v1 = 2 , v2 = 2 v3 =  1 de R3 y B2 = { w
#» #» #» #» } de R2 . Halle la
#» , w
     
1 2
 
 1 3 4 
base B2 . Sugerencia. Use el hecho [T (v)]B2 = AT [v]B1 .
C. Responda verdadero ó falso. Justifique claramente su respuesta
1. Si T : V 7→ W una transformación lineal uno a uno, entonces ker T = {0V }.

2. Si T : V 7→ W una transformación lineal, entonces el núcleo y la imagen de T
siempre son diferentes de vacı́o, es decir, ker T 6= ∅ e im T 6= ∅.
3. Si T : V 7→ W es una transformación lineal sobreyectiva, entonces im T = W .
D. Aplicaciones
Identifique los conceptos que permiten solucionar la siguiente situación.
Un caricaturista moderno emplea computadora y álgebra lineal para transformar las imáge-
nes
3 y 3 v
T
2 b
2 b
1 b b b
1 b b b
b b
0 0
b b b
x b b b
u
-1 -1
-2 -1 0 1 2 -2 -1 0 1 2
(a) (b)
Figura 6.1. Deslizamiento en transformaciones de imágenes

Suponga que trata de dar la sensación de movimiento a la imagen de la figura 6.1(a),

inclinándola y estirándola (horizontalmente) en forma gradual para llegar a la figura 6.1(b).
Si el estiramiento gradual necesario, por ejemplo, a lo largo del eje x es 50 %, ¿cómo puede
modelarlo matemáticamente y hacer que la computadora trace la imagen inclinada? (ver
[5], página 306).
6.2.1 Lección 1. Definición y propiedades
Se estudia el concepto de transformación lineal y las propiedades que la caracterizan.

Al finalizar la lección, dada una función, el estudiante podrá determinar si es o no una trans-
formación lineal. Asimismo, conociendo las imágenes de los vectores de una base del espacio de
partida donde está definida la transformación lineal, podrá determinar la regla que la define.
Definición 6.1 (Transformación lineal). Sean V y W espacios vectoriales. Una transforma-

ción lineal T de V en W (T : V 7→ W ) es una función que satisface las siguientes condiciones:
1. T (u + v) = T (u) + T (v), para cada u, v ∈ V .
2. T (λu) = λT (u), para cada u ∈ V y para cada escalar (real) λ.

x x
Ejemplo 6.1. La función T : R2 7→ R2 definida por T = es una transformación
y −y
lineal. En efecto:

x #» z
Sean #»
u = ,v = en V = R2 y λ ∈ R. Entonces
y w

x z x+z
1. T ( #»
u + #»
v) = T + =T Suma de vectores
y w y+w

x+z x+z
= = Definición de la función
−(y + w) −y − w

x z
= + Suma de vectores
−y −w
= T ( #»
u ) + T ( #»
v) Definición de la función

λx λx + λy
2. T (λ #»
u) = T =
λy −(λx + λy)

x+y x
=λ = λT = λT ( #»
u)
−(x + y) y
Desde el punto geométrico se tiene

T
y y
x
y
x x
x
x
T y = −y
Esta transformación se denomina reflexión sobre el eje x.
Ejemplo 6.2. La función T : R 7→ R definida por T (x) = x − 3 no es una transformación

lineal. En efecto:
Sean x, y ∈ R y λ ∈ R. Entonces T (x) = x − 3 y T (y) = y − 3.
T (x + y) = (x + y) − 3 = x + y − 3 6= (x − 3) + (y − 3) = T (x) + T (y)
Similarmente se tiene
T (λx) = λx − 3 6= λ(x − 3) = λT (x).
Ejercicio 1. Demuestre que la función T dada es una transformación lineal.

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

2 2 x x + βy
Ejercicio 2. Sea T : R 7→ R ; T = una transformación lineal. Bosqueje la
y y
región obtenida al aplicar la transformación al rectángulo dado, cuando β = 2 y cuando β = −3.
y y′ y′
3 3
2 2
1 1
0 0
x x′ x′
-1 -1
-1 0 1 2 3 4 5 6 7 -6 -5 -4 -3 -2 -1 0 1 2 3
(d) β = 2 (e) β = −3
Observación. Una transformación lineal T : V 7→ V recibe el nombre de operador lineal.
Ejemplo 6.3. La función T : Mm×n 7→ Mn×m definida por T (A) = AT es un transformación

lineal, pues para A, B en Mm×n y λ ∈ R:
T (A + B) = (A + B)T = AT + B T = T (A) + T (A) y T (λA) = (λA)T = λAT = λT (A).
Ejemplo 6.4. D : C 1 [R] 7→ C 0 [R] dada por D[f (x)] = f ′ (x) es un operador lineal, llamado
operador derivada, puesto que para f, g en C 1 y λ ∈ R:
D(f + g) = (f + g)′ = f ′ + g ′ = D(f ) + D(g) y D(λf ) = (λf )′ = λf ′ = λD(f ).

Teorema 1. Si T : V 7→ W es una transformación lineal, entonces
1. T (0V ) = 0W . 2. T (u − v) = T (u) − T (v); u, v ∈ V .

X k Xk
3. T λi v i = λi T (vi ); λi ∈ R, vi ∈ V .
i=1 i=1
Ejercicio 3. Determine cuál o cuáles de las siguientes funciones dadas son transformaciones
lineales:
a) T : R 7→ R; T (x) = −3x. b) T : R 7→ R; T (x) = −3x + 2.

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

es una transformación lineal denominada transformación nula.
Ejemplo 6.6. Sea V un espacio vectorial. La función I : V 7→ V dada por I(u) = u es una
transformación lineal denominada transformación identidad.
Teorema 2. Si V es un espacio vectorial de dimensión n con base S = {v1 , v2 , . . . , vn } y

T : V 7→ W es una transformación lineal, entonces para cada u ∈ V , T (u) queda completamente
determinado por {T (v1 ), T (v2 ), . . . , T (vn )}

2 5
Ejemplo 6.7. Sea T : R →7 P1 una transformación lineal. Halle T si se sabe que
−3

1 0
T =1+x y T = −3 + x.
2 1

1 #» 0
Solución. B = #»
v1 =, v2 = es una base de R2 . Luego, existen escalares λ1 y λ2
2 1
tales que #»
u = λ1 #»
v1 + λ2 #»
v2 . Al resolver se obtiene λ1 = 5, λ2 = −13. Ası́,

5 1 0 1 0
T ( #»
u) = T =T 5 − 13 = 5T − 13T = 5(1 + x) − 13(−3 + x) = 44 − 8x.
−3 2 1 2 1
Ejercicio 4. Sea T : P1 7→ P2 la transformación lineal definida por:
T (x + 1) = x2 − 1 y T (x − 1) = x2 + x.
a) Halle la imagen del vector 5x − 1. Es decir, T (5x − 1) =
b) Determine la transformación. Es decir, T (ax + b) = .

6.2.2 Lección 2. Núcleo e imagen de una transformación lineal y su

representación matricial
Al culminar la lección el estudiante podrá representar matricialmente una transformación lineal
que esté definida entre espacios vectoriales de dimensión finita. También determinará el núcleo
y la imagen de una transformación lineal y los relacionará con los de la matriz que la representa,
por último usará adecuadamente el teorema de la dimensión.
Definición 6.2 (Núcleo o Kernel). Sea T : V 7→ W una transformación lineal. El núcleo

(o Kernel) de T , es el conjunto de todos los vectores u ∈ V tales que T (u) = 0. Se denota
por ker T o nu T . Es decir.
ker T = nu T = {u ∈ V | T (u) = 0} .
 
x+y
x
Ejemplo 6.8. Sea T : R2 → 7 R3 una transformación lineal dada por T = 2x + 2y .
 
y
x+y
Halle ker T .
    
 x + y 0 
x 
n  
#» 2 #» #»o
Solución. ker T = u ∈ R | T ( u ) = 0 = 2x + 2y  = 0. Al resolver el sis-
  
 y

x+y 0 

x −1
tema homogéneo resultante se obtiene ker T = | y = −x = gen .
y 1
 
x !
y 
  x + y
Ejemplo 6.9. Si T : R4 7→ R2 es una transformación lineal dada por T   = ,
z  z−w
w
  

 x 

 
y 
  
4
entonces ker T =   ∈ R y = −x, z = w .

 z  

 
w
 

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

a 1
Entonces ker T = a = b . Observe que ∈
/ ker T .
b 2
Definición 6.3 (Nulidad). Si ker T es de dimensión finita, ésta se denomina nulidad de T y
se denota por ν(T ). Es decir, ν(T ) = dim(ker T ).
Ejemplo 6.11. En las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene que
ν(T ) = 1, ν(T ) = 2 y ν(T ) = 1 respectivamente.
Definición 6.4 (Imagen). Sea T : V 7→ W una transformación lineal. La imagen de T , es el

conjunto de todos los vectores w de W que son imágenes, bajo T , de vectores de V . Esto es,
w está en la imagen de T si existe un u ∈ V tal que T (u) = w. La imagen de T se denota por

im T . Es decir,
im T = {w ∈ W | T (u) = w, para algún u ∈ V } .
Definición 6.5 (Rango). Si im T es de dimensión finita, ésta se denomina el rango de T y se

denota por ρ(T ). Es decir, ρ(T ) = dim(im T ).
Ejemplo 6.12. Halle im T para la transformación lineal T : R2 7→ R3 dada en el ejemplo 6.8.

 
x+y
x #» ∈ R3 | T ( #»
Solución. Se tiene T = 2x + 2y  e im T = { w u ) = w, u ∈ R2 }.
#» para algún #»
 
y
x+y
     
a x+y a
#» #» x 2
w =  b  ∈ im T si y sólo si existe u = ∈ R tal que 2x + 2y  =  b . Entonces
     
y
c x+y c
   
x+y =a 1 1 | a 1 1 | a
2x + 2y = b ⇒ 2 2 | b  ∼ 0 0 | b − 2a .
   
x+y =c 1 1 | c 0 0 | c−a
El sistema tiene solución si b − 2a = 0 y c − a = 0. Luego

    
 a
 
  1 
 
im T =  b  b = 2a, c = a = gen 2 . Luego, ρ(T ) = dim(im T ) = 1.
   
 c
 
  1 
 
Ejemplo 6.13. En la transformación del ejemplo 6.9 se tiene que im T = R2 , luego, ρ(T ) = 2
Teorema 3. Sea T : V 7→ W una transformación lineal. Entonces ker T es subespacio de V e

im T es un subespacio de W .
Demostración. Se probará que ker T es un subespacio de V . Es claro que ker T 6= ∅ pues

0 ∈ ker T . Ahora se demuestra la cerradura de la suma y de la multiplicación por un escalar.
1. Sean v1 , v2 ∈ ker T . Entonces
T (v1 ) = 0 y T (v2 ) = 0 Hipótesis

T (v1 + v2 ) = T (v1 ) + T (v2 ) Porque T es transformación lineal
=0+0=0 Porque
Esto implica que v1 + v2 ∈ ker T.
2. Consideremos, v ∈ ker T y λ ∈ R. Entonces por hipótesis T (v) = 0. Ahora
T (λv) = λT (v) = λ0 = 0. Por que
Luego λv ∈ ker T .
Por lo tanto, ker T es un subespacio de V .

Ejercicio 1. Halle ker T, ν(T ), im T y ρ(T ) de cada una de las siguientes transformaciones
lineales. Encuentre una base para ker T y para im T .

2 2 x y−x
a) T : R 7→ R , T =
y y+x

a b a+b 0
b) T : M2×2 7→ M2×2 ; T =
c d c c+d
c) T : P2 7→ P2 ; T (a0 + a1 x + a2 x + a3 x ) = a0 + a1 x + a2 x2
2 3
d) T : P2 7→ P3 , T (c + bx + ax2 ) = b − bx + cx3
Definición 6.6 (Función uno a uno). Una función F : A 7→ B es uno a uno (1 − 1) o
inyectiva si y sólo si para cada a1 y a2 en A se tiene:
1. a1 6= a2 implica F (a1 ) 6= F (a2 ); o equivalentemente
2. Si F (a1 ) = F (a2 ), entonces a1 = a2 .

Teorema 4. T : V 7→ W es una transformación lineal uno a uno si y sólo si ker T = {0}.
Demostración. En primer lugar supongamos que T es uno a uno y probaremos que ker T = {0}.
u ∈ ker T ⇒ T (u) = 0 Definición de ker T

T (0) = 0 Porque
T (u) = 0 y T (0) = 0 ⇒ u = 0
Luego, ker T = {0}. Ahora supongamos que ker T = {0} y demostraremos que T es 1 − 1.
Sean u, v ∈ V tales que T (u) = T (v)

T (u) = T (v) ⇒ T (u − v) = 0 Porque
T (u − v) = 0 ⇒ u − v ∈ ker T
u − v ∈ ker T ⇒ u − v = 0
De donde u = v y por tanto, T es uno a uno.

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

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

x a x −1 a
T = si y sólo si =T .
y b y b
Resolviendo

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

−1 a 3a − b
Por lo tanto, T = .
b −2a + b
Ejercicio 2. Determine cuál o cuáles de las siguientes transformaciones lineales, T : V 7→ W ,

son uno a uno. Halle la transformación inversa T −1 : im T 7→ V cuando sea 1 − 1.
 
2 2 x y−x x
a) T : R 7→ R ; T =

3 2 x − 2y + 2z
y y+x c) T : R →7 R ; T y  =
 
2x − 3y + 3z
  z
x − 2y
x
b) T : R2 7→ R3 ; T = 2x − 3y 
 
y
4x − 7y
Ejercicio 3. Pruebe. Una transformación lineal T : V 7→ W es sobreyectiva si im T = W .
Teorema 5 (Teorema de la dimensión). Si V es un espacio vectorial de dimensión n y

T : V 7→ W es una transformación lineal, entonces
ν(T ) + ρ(T ) = n. (6.1)
Ejemplo 6.15. Para las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene
a) T : R2 7→ R3 , dim V = dim R2 = 2 = n; ν(T ) + ρ(T ) = n, 1 + ρ(T ) = 2. Luego, ρ(T ) = 1.
b) T : R2 7→ P1 , dim V = dim R2 = 2 = n; ν(T ) + ρ(T ) = n, 1 + ρ(T ) = 2. Entonces, ρ(T ) = 1.
c) T : R4 7→ R2 , dim V = dim R4 = 4 = n; ν(T ) + ρ(T ) = n, 2 + ρ(T ) = 4. Ası́, ρ(T ) = 2.
Teorema 6. Sean V y W espacios vectoriales tales que dim V = n y dim W = m. Sean

B1 = {v1 , v2 , . . . , vn } una base de V y B2 = {w1 , w2 , . . . , wm } una base de W . Si T : V 7→ W
es una transformación lineal, entonces existe una matriz AT de tamaño m × n tal que
AT [v]B1 = [T (v)]B2 para cada v ∈ V.
Definición 6.7. La matriz AT del teorema 6 recibe el nombre de matriz de T con respecto
a las bases B1 y B2 , y está dada por

AT = [T (v1 )]B [T (v2 )]B . . . [T (vn )]B ,
2 2 2
 
a1j
 a2j 
 
donde [T (vj )]B2 =
 ..  si y sólo si

 . 
amj
Recuerde: [T (vj )]B2 es el vector de coordenadas de T (vj ) en la base B2 .
Ejemplo 6.16. Con relación a la transformación lineal del ejemplo 6.9, la matriz de T respecto

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

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

a
Solución. Calculamos las imágenes de los vectores de la base B1 con T = 2(a−b)+(a−b)x.
b

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

#» 1 #» −2
T ( v2 ) = T = −2 − x = −2 · 1 + (−1) · x = −2w1 − 1w2 . Luego, T ( v 2 ) B = .
2 2 −1

2 −2
Por lo tanto, AT = .
1 −1
Teorema 7. Si AT es la matriz de la transformación con respecto a las bases B1 y B2 , entonces
1. ν(T ) = ν(AT ) 2. ρ(T ) = ρ(AT )
Observaciones. Si V = Rn y W = Rm y T : V 7→ W es una transformación lineal, en-

tonces AT , la matriz de la transformación con respecto a las bases canónicas de Rn y Rm ,
respectivamente, satisface:

1. AT = T (e1 ) T (e2 ) . . . T (en )
2. ker T = ker AT , ν(T ) = ν(AT )
3. im T = im AT , ρ(T ) = ρ(AT )
Ejemplo 6.18. Dada la transformación lineal del ejemplo 6.10, analizada en el ejymplo anterior,
determine im T .
Solución. Por el Teorema 7 parte 2, ρ(T ) = ρ(AT ) = 1. Luego

2 T 2 1 2 1
im AT = gen ya que AT = f ← f2 + f1 .
1 −2 −1 2 0 0
Por lo tanto, im T = gen {2 + x}.
Ejercicio 4. Halle la matriz de la transformación con respecto a las bases B1 y B2 . Determine:

núcleo, nulidad, imagen y rango de cada transformación lineal.
a) T : P2 7→ P3 , T (c + bx + ax2 ) = b − bx + cx3
(i) B1 y B2 son las bases canónicas.

(ii) B1 = {1 + x, 1 − x, 1 + x + x2 } , B2 = {2 + 3x + x2 , 1 − 2x + x2 , −1 + 6x2 }
 
x  
  x − y + 2z + 3w
y  
b) T : R4 7→ R3 , T
z  =  y + 4z + 3w 
 
x + 6z + 6w
 
w
i. B1 y B2 son las bases canónicas.

       
 1 1 0 0        
 1 1 1 

 

     
1 0 0 1      
ii. B1 =   ,   ,   ,   , B2 = 0 , 1 , 1
             
 0 1 1 0  
0 0 1

 
  

 0 
1 1 1 
1. A es invertible.
7. det A
14. ν(A) =
15. ρ(A) =
16. Si A es la matriz de una transformación lineal T : V 7→ V entonces
16.1 ker T =
16.2 T es una función
16.3 im T =
Capı́tulo 7
Valores y vectores propios
Si T : V 7→ V es un operador lineal y V es de dimensión finita, entonces T se puede representar

por una matriz cuadrada A. Hay una gran cantidad de aplicaciones en las cuales es de gran
utilidad encontrar un vector v ∈ V que sea paralelo a su imagen, es decir, hallar un λ ∈ R
tal que T v = λv. Cuando v 6= 0, éste se denomina vector propio de T y λ, valor propio
asociado a v.
En este capı́tulo, se estudiarán los valores y vectores propios de una matriz cuadrada A de
tamaño n × n que representan un operador lineal. Se retoma el concepto de núcleo de una
matriz, base y su dimensión con los que se introducen las definiciones de espacio caracterı́stico,
vector propio y multiplicidad algebraica y geométrica de un valor propio λ.
Se continúa con la diagonalización de matrices cuadradas y luego con la diagonalización or-

togonal de matrices simétricas para lo cual usa el proceso de Gram-Schmidt. Finalmente, se
estudian las formas cuadráticas y las secciones cónicas, como una aplicación de los conceptos
del capı́tulo presente y de los anteriores.
A. Teorı́a
Identifique los conceptos de capı́tulos anteriores que se usan para el desarrollo de la teorı́a de
valores y vectores propios.
B. Poniendo en práctica lo aprendido

! !
4 3 6 1
1. Determine si A = yB = son diagonalizables. Justifique claramente su
0 4 0 −5
respuesta.
 
2 1 −1 1
 
 1 2 1 −1
2. Sea A = 
−1

 1 2 1
1 −1 1 2
a) Verifique si λ = 1 y λ = 3 son valores de propios de A.
111
112 Capı́tulo 7. Valores y vectores propios
 
1
 
#» −1
b) Halle el valor propio de A asociado al vector propio v1 = 
 1

 
−1
c) Halle el espacio propio correspondiente al valor propio determinado en la parte a) y
determine su multiplicidad geométrica.
d) Determine si A es diagonalizable. En caso afirmativo, halle una matriz invertible P tal
que P −1 AP = D, donde D es una matriz diagonal.
Recuerde: multiplicidad geométrica de λ ≤ multiplicidad algebraica de λ.
 
3 2 4
10
3. Calcule A si A = 2 0 2. Use el hecho que A es diagonalizable.
 
4 2 3
C. Responda verdadero ó falso. Justifique sus respuestas
1. Si λ = 0 es un valor propio de A, entonces la matriz es singular.
2. An×n es diagonalizable si tiene n valores propios.
3. Si An×n tiene n valores propios distintos, entonces A es diagonalizable.
4. Si cada uno de los valores propios de A tiene multiplicidad algebraica 1, entonces A

tiene n vectores propios linealmente independientes.
5. Si An×n es una matriz con componentes reales, entonces sus valores propios son reales.
6. Sea A una matriz de tamaño 3×3. Si p(λ) = (λ−4)2 (λ+3) es el polinomio caracterı́stico
de A, entonces A es diagonalizable.
D. Aplicaciones
Dadas la ecuaciones cuadráticas
1. −2x2 + 10xy − 2y 2 = 21.

√ √
2. x2 + 4xy + 4y 2 + 4 5 x − 2 5 y = 20
a). Halle la matriz simétrica A que representa la forma cuadrática
b). Encuentre los espacios propios de la matriz A.
c). Diagonalice ortogonalmente la matriz A.
d). Elimine el término cruzado e identifique la cónica dada por la ecuación
e). Realice el gráfico de la cónica donde muestre los ejes principales y el ángulo de rotación
7.2.1 Lección 1. Definiciones

Se retomarán los determinantes, ası́ como los conceptos de espacio nulo o núcleo de una matriz
A. Además se hallará una base y su nulidad los cuales se relacionarán con las definiciones de
valores y vectores propios, espacio caracterı́stico, multiplicidad algebraica y geométrica.
Ejercicio 1. Para cada una de las siguientes matrices
 
! ! 0 1 0 !
1 2 1 1 2 −1
1. A= 2. A= 3. A = 0 0 1 4. A=
 
4 3 −1 3 5 −2
2 −5 4
   
−1 0 1 2 1 1 ! !
5 −2 9 3
5. A =  3 0 −3 6. A = 1 2 1 7. A= 8. A=
   
−2 8 3 1
1 0 −1 1 1 2
determine el o los valores de λ que permitan que el determinante de la matriz A − λI sea igual
a cero, es decir, |A − λI| = 0. (λ es un número real o complejo). Recuerde: I es la matriz
identidad.
Ejercicio 2. Para cada una de las matrices anteriores, encuentre el núcleo de la matriz A − λI.
Considere para cada matriz A el valor o los valores de λ encontrados en el numeral anterior.
Además, encuentre una base para el núcleo y determine la nulidad.
Recuerde: encontrar el núcleo de A − λI es equivalente a resolver el sistema homogéneo con
matriz de coeficientes A − λI.
Complete las siguientes definiciones:
Definición 7.1 (Valor propio).
Definición 7.2 (Vector propio).
Definición 7.3 (Polinomio caracterı́stico).
Definición 7.4 (Espacio caracterı́stico).

Definición 7.5 (Multiplicidad algebraica).
Definición 7.6 (Multiplicidad geométrica).
 
2 1 0
Ejemplo 7.1. Sea 0 2 0. Entonces
0 0 3
El polinomio caracterı́stico de A es

2 − λ 1 0
0 = −(λ − 2)2 (λ − 3)

p(λ) = |A − λI| = 0
2−λ
0 0 3 − λ
Los valores propios se obtienen al resolver p(λ) = 0:
λ = 2 multiplicidad algebraica = 2 = Ma (λ = 2)
λ = 3 multiplicidad algebraica = 1 = Ma (λ = 3) (simple)
Los espacios caracterı́sticos correspondientes son
     
 x   1 
3

E2 = v ∈ R | (A − 2I)v = 0 =  0 | x ∈ R = gen v1 = 0
 
 0   0 
     
 0   0 
3

E3 = v ∈ R | (A − 3I)v = 0 =  0 | z ∈ R = gen v2 = 0
 
 z   1 
     
 1   0 
Una base para E2 es B1 = v1 = 0   , una base para E3 es B2 = v2 = 0 . Ası́, un

 0   1 
   
1 0
vector propio asociado a λ = 2 es v1 = 0 y un vector propio asociado a λ = 3 es v2 = 0.
0 1
La multiplicidad geométrica de cada valor propio es
Mg (λ = 2) = dim E2 = 1, Mg (λ = 3) = dim E3 = 1.
Observe: Mg (λ) Ma (λ).
Teorema 9. Sea A una matriz n × n.
1. Vectores propios correspondientes a valores propios diferentes son
2. A tiene n vectores propios LI si y sólo si Mg (λ) Ma (λ) para cada valor propio λ.
3. A es invertible si y sólo si λ = 0
4. Si A es una matriz triangular, los valores propios de A son
Ejemplo 7.2. La matriz A del ejemplo 7.1 no tiene 3 vectores propios linealmente indepen-
dientes puesto que Mg (2) = 1 < Ma (2) = 2.
7.2.2 Lección 2. Diagonalización

Se estudian las matrices semejantes y la diagonalización de matrices cuadradas, con el propósito
de usarlos más adelante en algunas aplicaciones. En esta lección los alumnos deberán recordar
claramente los conceptos que se estudiaron en la lección anterior los cuales sintetizan los aspectos
básicos desarrollados durante el semestre.
Definición 7.7 (Matrices semejantes). Sean A y B matrices cuadradas de orden n. A y

B son semejantes o similares , si existe una matriz invertible C tal que B = C −1 AC.
! !
2 3 5 2
Ejemplo 7.3. A = yB= son matrices semejantes.
1 4 0 1
Ejercicio 1. Considere las matrices A y B del ejemplo anterior.
!
1 −1
a) Compruebe que A y B son semejantes donde C = permite establecer la relación.
1 1
b) Calcule det A y det B
c) Halle los polinomios caracterı́sticos de las matrices A y B
Teorema 10. Si A y B matrices semejantes, entonces sus polinomios caracterı́sticos son

iguales.
Demostración. Se debe probar que |A − λI| = |B − λI|. Justifique los pasos.
B = C −1 AC Definición de semejanza
B − λI = C −1 AC − λI
|B − λI| = C −1 AC − λI

= C −1 AC − λC −1 C

= C −1 (A − λI)C

= |C −1 ||A − λI||C|
= |A − λI|
Definición 7.8 (Matrices diagonalizables). Sea A una matriz n × n. A es diagonalizable,

si A es semejante con una matriz diagonal. Es decir, existe una matriz invertible P tal que
D = P −1 AP ,
donde D es una matriz diagonal.

   
−1 0 1 0 0 0
Ejemplo 7.4. A =  3 0 −3 es diagonalizable, D = 0 0 0 es la matriz diagonal
   
1 0 −1 0 0 −2
 
1 0 −1
y P = 0 1 3. ¿Cuáles son los vectores propios de A?
 
1 0 1
Preguntas.
1. Dada una matriz A, ¿cómo determinar si es diagonalizable?
2. Si A es diagonalizable, ¿cómo hallar D y P ?
3. ¿D y P son únicas?
El siguiente teorema contribuye a dar respuesta a algunos de los interrogantes.
Teorema 11. A es diagonalizable si y sólo si tiene n vectores propios LI.
Sean λ1 , λ2 , . . . , λn los n valores propios de A y v1 v2 . . . vn los n vectores propios linealmente

independientes. Como A es diagonalizable, P −1 AP = D, donde D = diag {λ1 , λ2 , . . . , λn }
matriz diagonal y P = (v1 v2 . . . vn ) . Observe que que las columnas de P son n vectores
propios LI de A.
Ejemplo 7.5. Para la matriz A del ejemplo 7.4 se tiene que las dos primeras columnas de P
son dos vectores propios LI asociados al valor propio λ = 0, es decir, una base para E0 . La
tercera columna es un vector propio asociado al valor propio λ = −2, o sea, una base para E−2 .
Ejemplo 7.6. La matriz A del ejemplo 7.1 no es diagonalizable porque Mg (2) < Ma (2).
Ejercicio 2. ¿Cuáles de las matrices dadas en la lección 1 son diagonalizables?
Ejercicio 3. Determine cuáles de las siguientes matrices son diagonalizables

     
1 1 −2 4 2 3 −1 2 2
a) A = 4 0 4 b) A =  2 1 2 c) A =  2 −1 2
     
1 −1 3 −1 −2 0 2 2 −1
¿Cómo son los vectores propios correspondientes a valores propios diferentes de una matriz
simétrica?
7.2.3 Lección 3. Diagonalización ortogonal

Se generaliza la diagonalización estudiada en la lección anterior a matrices simétricas y se
incorpora la diagonalización ortogonal, para lo cual el alumno debe manejar y recordar el
proceso de ortonormalización de Gram-Schmidt.
Teorema 12. Si A es una matriz simétrica, λ1 y λ2 son valores propios de A distintos, con
vectores propios v1 , v2 respectivamente, entonces v1 y v2 son ortogonales.
Teorema 13. Toda matriz matriz simétrica es diagonalizable, además sus valores propios son
reales.
Teorema 14. Si A es simétrica, entonces A tiene n vectores propios ortonormales.

Definición 7.9 (diagonalización ortogonal). Se dice que una matriz An×n es diagonalizable
ortogonalmente, si existe una matriz ortogonal Q tal que
D = QT AQ,
donde
D = diag (λ1 , λ2 , . . . , λn ); λ1 , λ2 , . . . , λn son los n valores propios de A.

Q = (u1 u2 . . . un ) ; u1 , u2 , . . . , un son vectores n propios ortonormales de A.
 
2 1 1
Ejemplo 7.7. La matriz A = 1 2 1 es simétrica, luego es diagonalizable ortogonalmente.
 
1 1 2
Se tiene  √ √ √   
1/√2 1/ 2 1/√2 1 0 0
Q = −1/ 2 0√ 1/√2 , D = 0 1 0
   
0 −1/ 2 1/ 2 0 0 4
Note que las columnas de Q son una base ortonormal para cada espacio propio. En este caso,
las dos primeras columnas son una base ortonormal para E1 y la tercera es una base ortonormal
para E4 .
Teorema 15. A es diagonalizable ortogonalmente si y sólo si es simétrica.
Ejercicio 4. Diagonalice ortogonalmente las matrices simétricas

   
2 1 1 −1 2 2
1. A = 1 2 1 2. A =  2 −1 2
   
1 1 2 2 2 −1
7.2.4 Lección 4. Formas cuadráticas y secciones cónicas

En esta lección se hace una aplicación de los conceptos desarrollados en las lecciones anteriores
a conceptos que se estudian en otros cursos de matemáticas y que ahora se desarrollan desde
los conceptos del álgebra lineal.
Definición 7.10 (Forma y ecuación cuadrática en dos variables).
Una forma cuadrática en las variables x y y es una expresión de la forma
F (x, y) = ax2 + bxy + cy 2 , (7.1)
donde | a| + | b| + | c| 6= 0.
!
a b/2
La expresión (7.1) se puede abreviar como F (X) = XT AX, donde A = es la
b/2 c
!
x
matriz asociada a la forma cuadrática y X = .
y
Puesto que A es simétrica, es diagonalizable ortogonalmente. Es decir, existe una matriz orto-
gonal Q, |Q| = 1 y D = diag (λ1 , λ2 ), tal que
A = QDQT

T x1
Para eliminar el término mixto xy, sea X1 = Q X = , que corresponde a los nuevos ejes
y1
coordenados. Ası́, la expresión (7.1) se transforma en
G(X1 ) = G(x1 , y1 ) = XT1 DX1 = λ1 x21 + λ2 y12 . (7.2)
Ejemplo 7.8. Elimine el término cruzado en la forma cuadrática
F (x, y) = 5x2 − 4xy + 8y 2 .

!
5 −2
Solución. La matriz simétrica asociada a F es A = , cuyos valores propios son 4 y
−2 8
9. Una matriz ortogonal que diagonaliza a A es
√ √ ! !
2/ 5 −1/ 5 4 0
Q= √ √ , con | Q| = 1, D = .
−1/ 5 2/ 5 0 9
Ası́, F (x, y) se transforma en G(x1 , y1 ) = 4x21 + 9y12 .
Una ecuación cuadrática en las variables x y y es una expresión de la forma
ax2 + bxy + cy 2 + dx + ey = f, con | a| + | b| + |c| 6= 0. (7.3)
La ecuación (7.3) se puede escribir abreviadamente como XT AX + BX = f, la cual se trans-

forma en
XT1 DX1 + B 1 X1 = λ1 x21 + λ2 y12 + d1 x1 + e1 y1 = f,
donde B = (d, e) y B 1 = (d1 , e1 ) = BQ.
Ejemplo 7.9. Identifique y trace la gráfica de la cónica 5x2 − 4xy + 8y 2 = 36.
Solución. Según el ejemplo 7.8, la ecuación transformada es 4x21 + 9y12 = 36. Como el producto
de los valores propios de la matriz simétrica asociada es positivo, la gráfica es una elipse con
centro en (0, 0) y semiejes mayor y menor de 3 y 2 unidades respectivamente en los nuevos ejes
rotados. Los nuevos ejes rotados están dados en las direcciones de los vectores ortogonales
! !
#» 2 −1
v1 = y #»v2 = .
1 2
El ángulo de rotación se calcula mediante la fórmula

q21 v 1
tan θ = = 21 = , θ = tan−1 (0.5) ≈ 26.57o .
q11 v11 2
La gráfica es
5
y1 y
3
x1
2 #»
v2
#»
v1
1
θ
0
x
-1
-2
-3
-4
-5
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Figura 7.1. Gráfica ejemplo 7.9
Ejemplo 7.10. Identifique y trace la gráfica de

√ √
5x2 − 4xy + 8y 2 + 10 5 x − 4 5 y = 11.
!
5 −2 √ √
Solución. Se tiene que A = , B = (10 5, −4 5). Ası́, la ecuación se transforma en
−2 8
4x21 + 9y12 + 16x1 − 18y1 = 11
y ésta a su vez en
(x1 + 2)2 (y1 − 1)2
+ = 1.
9 4
Una elipse con centro en (−2, 1) y semiejes mayor y menor de 3 y 2 unidades respectivamente
en los nuevos ejes rotados y trasladados. Los nuevos ejes rotados están dados en las direcciones
de los vectores ortogonales ! !
#» 2 #» −1
v1 = y v2 = .
1 2
El ángulo de rotación se calcula mediante la fórmula
q21 v 1
tan θ = = 21 =
q11 v11 2
θ = tan−1 (−2) ≈ 26.57o .
La gráfica es
6 y1 y
3
x1
2 #»
v2
#»
v1
1
θ
0 b
x
-1
-2
-3
-4
-5
-6
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
√ √
Ejemplo 7.11. Identifique y trace la gráfica de 9x2 + 6xy + y 2 − 4 10 x − 8 10 y = 30.

2 2 9 3
Solución. La matriz asociada a la forma cuadrática F (x, y) = 9x + 6xy + y es A =
3 1
√ √
y B = (−4 10, −8 10). Los valores y vectores propios de A son: λ1 = 10 con vector propio

#» 3 #» −1
asociado v1 = y λ2 = 0 con vector propio asociado v2 = . Una matriz que diago-
1 3
!
√3 − √1

10 10 10 0
naliza ortogonalmente a A es Q = con D = .
√1 √3 0 0
10 10
La ecuación dada se transforma en 10x21 − 20x1 − 20y1 = 30 o x21 − 2x1 − 2y1 = 3. Al agrupar
y factorizar se obtiene
(x1 − 1)2 = 2(y1 + 2),
una parábola con vértice en V1 (1, −2) en los ejes rotados x1 y1 que se abre en la dirección positiva
del eje y1 .

3
Los ejes x1 y y1 están dados en las direcciones de los dos vectores ortogonales #»
v1 = y
1

−1 1
#»
v2 = con ángulo de rotación θ = tan−1 3
≈ 18.435◦ .
3
La gráfica es
6 y1 y
3 #»
v2
2
x1
#»
v1
1
0 θ
x
-1
-2
-3
-4
-5
-6
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Teorema 16. Suponga que la ecuación (7.3) representa una cónica. Sean λ1 y λ2 los valores
propios de la matriz simétrica asociada A de la forma cuadrática (7.1).
i. Si λ1 λ2 > 0, entonces (7.3) es una
ii. Si λ1 λ2 < 0, entonces (7.3) es una
iii. Si λ1 λ2 = 0, entonces (7.3) es una
Ejercicio 5. Identifique y trace la gráfica de la ecuación dada.
a) x2 + xy + y 2 = 6 b) 9x2 + 6xy + y 2 = 9
√ √ √
c) x2 + 2 3 xy − y 2 + 6x = 0 d) 3y 2 + 4xy + 2 5x + 4 5y = 1
√ √
e) x2 + 2xy + y 2 + 2 x − 2y = 0
√ √
f) 9x2 + 6xy + y 2 − 10 10 x + 10 10 y = −90
√ √
g) 2x2 + 4xy + 2y 2 + 2 2 x − 6 2 y = 7
1. A es invertible.
7. det A
14. ν(A) =
15. ρ(A) =
16. Si A es la matriz de una transformación lineal T : V 7→ V entonces
16.1 ker T =
16.2 T es una función
16.3 im T =
17. Todos los valores propios de A son

Apéndice A
Autoevaluación
A.1 Autoevaluación I.
I. SISTEMAS DE ECUACIONES LINEALES
1. Considere el siguiente sistema de ecuaciones lineales
2x + 3y + az = 0
ay − z = 2
ax + ay + az = a
Determine el valor o valores de a de modo que el sistema

a) tenga solución única. Dé la solución
b) tenga una infinidad de soluciones. Escriba la solución general
c) no tenga solución. Justifique su respuesta
2. 12 puntos ABC Publicaciones edita tres calidades de libros: encuadernación rústica,
pasta dura y empastados en piel. Para los rústicos, la empresa gasta en promedio $5
en papel, $2 en ilustraciones y $3 las pastas. Para los de pasta dura, los gastos son $10
en papel, $6 en ilustraciones y $8 en pastas; y para los de lujo, empastados en piel,
$20 en papel, $20 en ilustraciones y $24 en pastas. El presupuesto permite $250000 en
papel, $160000 en ilustraciones y $210000 en pastas.
a) Si la empresa recibe un pedido de 5500 libros empastados en piel, ¿cuántos li-
bros de las otras lı́neas debe producir para cumplir con esta demanda? Justifique
claramente.
b) Si recibe un pedido de 30000 libros en pasta rústica, ¿podrá fabricar los libros para
cumplir con este pedido? Justifique.
c) ¿Cuántos libros de cada tipo podrá fabricar con el presupuesto establecido?
II. VECTORES EN R2
#» = (2, 3), #»
1. Sean u #» = (2α + β, 6). Determine en cada caso el valor (o
v = (2, β) y w
valores) de α y β, si existen, de modo que
#» y #»
a) u v sean colineales (o paralelos).
#» sea combinación lineal de u
b) w #» y #»
v
123
124 Capı́tulo A. Autoevaluación
# »
2. Sean P (1, 3), Q(3, −3), R(0, 2) y S(4, −2). Exprese el vector P Q como una combinación
# » # »
lineal de los vectores P R y P S.
III. Formule dos preguntas cortas y distintas sobre los temas evaluados en este examen (que
no se han incluido en el examen) y respóndalas claramente.
A.2 Autoevaluación II.

1. RECTAS Y PLANOS Considere el plano
π1 : 2x − y + 3z = 6
a) Determine qué puntos pertenecen al plano π1 :
P (1, −1, 1), Q(−2, 3, 4), R(2, 4, 2), S(1, 1, −3)
b) Halle ecuaciones paramétricas para la recta L1 que interceca al plano π1 en uno de los
puntos determinados en la parte a) y pasa por uno de los puntos dados que no esté en el
plano π1 .
c) Encuentre la ecuación cartesiana del plano π2 que contiene a la recta L1 y otro punto del
plano π1
2. MATRICES Y DETERMINANTES.
     
2/3 −2/3 1/3 1 −2 3 −2 4 5
SeanA = 2/3 1/3 −2/3 , B = −2 3 −5  y C =  7 6 8 .
     
1/3 2/3 2/3 3 −6 15 1 2 −3
a) Compruebe que A es ortogonal.

b) Simplifique y encuentre la matriz X, si se sabe que
1 T
X = B CA−T B −T − 2CB −T (B adj B).
3
Use propiedades del determinante cuando sea necesario calcularlo.
c) Determine las componentes x13 y x32 de la matriz X.
3. FALSO Y VERDADERO. Responda verdadero ó falso a cada una de las siguien-

tes afirmaciones. Justifique sus respuestas.
a) No existen valores de a y b de modo que u = (−3, a, −4, a) y v = (2, 6, b, b) sean

paralelos.
b) Si #» v son vectores no nulos de R2 , entonces #»
u y #» u • #»
v 6= 0.
c) Si A y B son matrices no nulas entonces AB =6 0.

a b c 5b 5e 5h

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

g h i 2b + c 2e + f 2h + i
Sección A.3. Autoevaluación III. 125
     
1 1 2
e) #» #»   #»
El vector u =  3 es combinación lineal de los vectores v1 = 2 y v2 = 3.
   
−2 3 7
A.3 Autoevaluación III.

I. ESPACIOS VECTORIALES
1. Determine el valor o valores de α, si existe(n), de modo que el vector #» u = (1, 1, −4) se

#» #»
encuentre en el espacio generado por el conjunto S = { v1 = (2, −1, α), v2 = (α, −1, 2)}.
 
1 −2 1 4 5
2. Considere la matriz A = −1 2 1 2 3
 
2 −4 0 2 2
(a) Encuentre el núcleo y la imagen de A. Halle una base para ker A y para im A
(b) Determine la nulidad y el rango de A.
II. TRANSFORMACIONES LINEALES. VALORES Y VECTORES PROPIOS



2 −1
1. Encuentre la transformación lineal T : P1 7 → R3 de manera que A =  1 2
 
−2 3
es la 
matriz
  de la transformación
  con respecto a las bases B1 = {−1 + x, 1 − 2x} y
 1 1 1 
B2 = 0 , −1 , 1 .
1 0 1
 
√
2. Considere la ecuación cuadrática x2 + 2 3 xy − y 2 + 6x = 0.
a. Elimine el término cruzado e identifique la cónica.
b. Realice un gráfico de la cónica donde muestre los ejes principales y el ángulo de
rotación.
III. FALSO Y VERDADERO. Responda verdadero o falso cada una de las siguien-
tes afirmaciones. Justifique claramente sus respuestas.
( ! !) ( ! )
1 1 1 −1 a a−b
1. S= , genera al subespacio H = : a, b ∈ R .
3 0 3 2 3a b
2. Sea A una matriz 4 × 5. Si el rango de A es 4, entonces ker A = {0} .
 
! 2
2 3
1
3. Si T : R 7−→ R es una transformación lineal de modo que T = −1 y
 
3
1
   
! −4 ! 8
−1 1
T =  2 , entonces T = −4 .
   
4 −6
−2 8
1
4. Si λ es un valor propio de una matriz no singular A, entonces λ
es un valor propio
−1
de A .
126 Capı́tulo A. Autoevaluación
A.4 Autoevaluación IV.

I. ESPACIOS VECTORIALES
Halle el valor o valores de α, si existe(n), de modo que el vector #» u = (1, 1, −4) se

encuentre en el espacio generado por el conjunto S = { #»
v = (α, −1, 1), #»
v = (1, −1, α)}.
1 2
II. TRANSFORMACIONES LINEALES
1. Sea T : R3 → R4 una transformación lineal tal que

  


 a 


b
  
im T =   : 2a − b − c + d = 0, a − 2b − 2c + 2d = 0

 c 


 d 

(i) Halle una base para R4 que contenga una base de im T .

(ii) Determine el rango y la nulidad de T .
 
! 2
1
2. Sea T : R2 7−→ R3 es una transformación lineal de modo que T = −1 y
 
3
1
 
! −1 !
−1 5
T =  2 . Calcule T
 
4 −6
−2
III. VALORES Y VECTORES PROPIOS. Considere la ecuación cuadrática

√ √
x2 − 6xy + y 2 + 4 2x − 4 2y = −8.
1. Elimine el término cruzado e identifique la cónica.

2. Haga un gráfico de la cónica donde muestre los ejes principales y el ángulo de rotación.
IV. VERDADERO O FALSO. Responda verdadero o falso. Justifique claramente.
1. El punto Q(2, 2, −3) no pertenece a la recta L que contiene el punto P (1, 2, 3)

y es paralela al vector #»
v = (1, −1, 1)
2. Si A y B son matrices 4 × 4 tales que |A| = 4, |B| = 3, la componente b34 = −1
y X = |AB| B −1 A + A (2B −1 A)−1 , entonces la componente x34 = −6

3. El subconjunto es un subespacio de R2 .
x
( ! )
x
H= ∈ R2 :y≥ x2
y
4. El vector p(x) = x2 + 2x − 2 ∈ ker T , donde T : P2 7→ P1 es una transformación

lineal definida por T (ax2 + bx + c) = (2a + c)x + (b + c).
Referencias
[1] Florey Francis.(1980). Fundamentos de Álgebra Lineal y aplicaciones. Prentice Hall. 1980.
[2] Grossman Stanley. (1995). Álgebra Lineal con aplicaciones. Quinta edición. McGraw Hill.
[3] Kolman Bernard. (1999). Álgebra lineal con aplicaciones y MatLab. Sexta edición. Prentice Hill
[4] Martı́nez Alejandro, Mesa Fernando y Correa V. Germán. (2006). Álgebra lineal con aplicaciones.
Impreso por Postregraph S.A. Dosquebradas.
[5] Nakos George, Joyner David. (1999). Álgebra lineal con aplicaciones. International Thomsom
Editores. México DF.
[6] Poole David. (2007). Álgebra lineal. Una introducción moderna. Segunda edición. International
Thomsom Editores. México DF.
[7] Swokowski Earl W. y Cole Jeffrey A. (1992). Álgebra y Trigonometrı́a con Geometrı́a Analı́tica.
Tercera edición. Grupo Editorial Iberoamericano.
[8] Uzuriaga Vivian, Martı́nez Alejandro. Álgebra lineal con problemas de modelado. En prensa.
[9] http://docencia.udea.edu.co/cen/vectorfisico/html/index.html
[10] http://www.isftic.mepsyd.es/w3/Descartes/Bach CNST 1/Vectores en el plano/Probl

Vect.htm.
127

LeccionesAL Book 20141 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

LeccionesAL Book 20141 PDF

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA LINEAL

Libro de trabajo para estudiantes

Vivian Libeth Uzuriaga López

GRUPO DE INVESTIGACIÓN EMEMATIC

Universidad Tecnológica de Pereira

c Vivian Libeth Uzuriaga López. Autor

Grupo de investigación EMEMATIC1

Pereira - Risaralda. Enero de 2014

Portada: Alejandro Martı́nez Acosta

Impreso y hecho en Colombia

1 Sistemas de ecuaciones lineales 1

2 Vectores, rectas y planos 19

5 Espacios vectoriales reales 77

7 Valores y vectores propios 111

posibilitándole la solución exitosa de muchos problemas en el desarrollo de su carrera y poste-

• Solución, generalización, clasificación o particularización.

• Ejercicios de tipo algorı́tmico

• Aplicaciones en la vida cotidiana o en el contexto matemático.

Sistemas de ecuaciones lineales

En este capı́tulo se estudian los sistemas de ecuaciones lineales en la modelación y solución de

1.1 Taller pre-clase

1. Escriba una definición de

C. Responda verdadero (V) ó falso (F) a las afirmaciones siguientes. Justifique

1. Existen sistemas homogéneos inconsistentes.

D. Poniendo en práctica la teorı́a

2. Resolver los siguientes sistemas de ecuaciones lineales mediante el método de eliminación

a) Solución única. Escriba la solución

Figura 1.1. Circuito

1.2 Lecciones de clase

1.2.1 Lección 1. La lı́nea recta

Figura 1.3. Recta por dos puntos

Si x0 6= x1 , la ecuación de la recta que los contiene, en su forma punto–pendiente es:

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

3. La pendiente y el intersecto con el eje y. Si la pendiente es m y el intersecto con el eje

4. La derivada de una función y = f (x) en un punto dado. Si f ′ (x0 ) es la derivada de

(a) Pendiente-intersecto (b) Recta tangente

Figura 1.4. Pendiente-intersecto y recta tangente

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

donde a, b, c ∈ R, a y b no son simultaneamente nulos.

Ejercicio 2. Considere la ecuación de la recta 3x + 2y = −4. Complete o responda según sea

a) La recta tiene como pendiente

b) Los intersectos con los ejes coordenados son: y .

Figura 1.5. Recta del ejercicio 2

d) Determine cuáles de los siguientes puntos satisfacen la ecuación de la recta:

• ¿Geométricamente que representan los puntos que satisfacen la ecuación?

e) ¿Cuántos puntos satisfacen la ecuación de la recta? Caracterı́celos.

Ejercicio 3. En un juego de video se observa un aeroplano que vuela de izquierda a derecha a

1.2.2 Lección 2. Sistemas 2 × 2

Definición 1.1 (Sistema de 2 ecuaciones lineales con 2 incógnitas). Un sistema de dos

Ejemplo 1.1. En el sistema

Ejemplo 1.2. El sistema que resulta del ejercicio 4 de la lección anterior es

Las variables son: a0 y a1 .

a11 x + a12 y = b1 a11 x + a12 y = b1

(a) Solución única (b) Infinitas soluciones (c) Ninguna solución

Figura 1.6. Sistemas 2 × 2

Ejercicio 2. Considere el sistema de ecuaciones lineales homogéneo

Sean x = x1 , y = y1 y x = x2 , y = y2 soluciones del sistema. Muestre que

a) x = x1 + x2 , y = y1 + y2 también es solución del sistema.

Indicación. Para resolver ese ejercicio, considere las siguientes variables

x = No. de toneladas de azúcar sin refinar

para obtener el sistema

Solución. Mediante eliminación se tiene:

Para que existan infinitas soluciones, 3 + 2a = 0 y c − 4a = 0, es decir, a = − 32 y c = −6.