Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LeccionesAL - Book - 20141 Vivian Algebra Lineal PDF
LeccionesAL - Book - 20141 Vivian Algebra Lineal PDF
#»
N z
x − 7y + 17z = 38
b
R(1, −2, 1)
b
Q(2, 3, 3)
P (5, 1, 2) b
y
x
ISBN:
1
“Estudios metodológicos para la enseñanza de las matemáticas y el uso de las nuevas tecnologı́as”.
Contenido
Presentación iii
3 Matrices 53
3.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
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 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2.1 Lección 1. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . 68
4.2.2 Lección 2. Propiedades. Relación determinante e inversa . . . . . . . . . 72
6 Transformaciones lineales 99
6.1 Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2 Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.2.1 Lección 1. Definición y propiedades . . . . . . . . . . . . . . . . . . . . . 102
6.2.2 Lección 2. Núcleo e imagen. Representación matricial . . . . . . . . . . . 105
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
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.
• 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.
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
B. Teorı́a
1
2 Capı́tulo 1. Sistemas de ecuaciones lineales
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 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
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
b
P (0, k) b
P (x0 , f (x0 ))
O x O x
ax + by = c, (1.1)
c) Su gráfica es:
y
x
−6 −5 −4 −3 −2 −1 1 2 3 4 5
−1
−2
−3
−4
−5
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
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.
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.
a0 − a1 = −2
.
a0 − 2a0 = 3
Cuando se tiene un sistema 2 × 2 y se grafican las rectas en un mismo plano, siempre sucede
uno y sólo uno de los casos siguientes:
y y y
x x x
a21 x + a22 y = b2
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
a11 x + a12 y = 0
a21 x + a22 y = 0
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]).
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.
x − 2y = 4 x − 2y = 4
Ec2 ← Ec2 − aEc1
ax + 3y = c (3 + 2a)y = c − 4a
Ejercicio 4. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones
x − 2y = 4 y ax + 3y = c no se corten.
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)
√
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.
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.
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
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).
Sección 1.2. Lecciones de clase 11
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.
Ejercicio 7. Escribir la matriz asociada para cada sistema del ejemplo 1.7.
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.
12 Capı́tulo 1. Sistemas de ecuaciones lineales
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
Es decir, x = 1, y = 0, z = 1. Es decir, x = 1, y = 0, z = 1
Sección 1.2. Lecciones de clase 13
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.
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.
14 Capı́tulo 1. Sistemas de ecuaciones lineales
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.
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.
El sistema equivalente es
x − 2y = 1
(λ2 − 4)y = 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
16 Capı́tulo 1. Sistemas de ecuaciones lineales
Taller de refuerzo
Se proponen actividades de refuerzo que le permiten al estudiante autoevaluarse en el desarrollo
de los propósitos del capı́tulo.
0 0 0 1 | 5
−1 2
3 × 3, ¿cuántas soluciones tiene dicho sistema? Explique claramente su respuesta.
Ejercicio 3.
1 1
Sección 1.2. Lecciones de clase 17
x + 2y + z = a2
x + y + 3z =a
3x + 4y + 7z =8
b) sea inconsistente.
x + y + z = a
2x + ay − z = 4
2x + 2y + (a2 + a)z = a + 1
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:
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.
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.
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
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.
19
20 Capı́tulo 2. Vectores, rectas y planos
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 − 3̂ 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 − 3̂. ¿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
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.
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 .
22 Capı́tulo 2. Vectores, rectas y planos
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.
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
#»
4. Calcule el momento m de F = −2ı̂ − 4̂ + k̂ en #»
r = (−2, 1, −3).
Cuando las fuerzas coplanares actúan sobre un cuerpo rı́gido, éste se encontrará en
equilibrio si se satisfacen las siguientes condiciones.
Sección 2.1. Taller pre-clase 23
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
Rectas y planos
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.
24 Capı́tulo 2. Vectores, rectas y planos
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.
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 .
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
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
Sección 2.2. Lecciones de clase 25
Ejercicio 2. Determine la ecuación de la mediatriz del segmento de recta que une los puntos
P (−5, 6) y Q(3, −4).
Q
x donde Q es el punto de intersección de la rec-
ta perpendicular a L que pasa por P .
Figura 2.5. Distancia de P a L
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
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)
#»
v2 y #»
v1 #»
v2 y #»
v1
θ2 θ2
θ1 θ1
θ3
θ4 x x
#» θ3 #» #» θ4 #»
v3 v4 v3 v4
a) #»
v1 = (5, 5) d) #»
v4 = (5, −5) g) ̂ = (0, 1)
b) #»
v2 = (−5, 5) e) #»
v = (0, b), b ∈ R √ √
h) û = (2/ 13, −3/ 13)
c) #»
v3 = (−5, −5) f) ı̂ = (1, 0)
Sección 2.2. Lecciones de clase 27
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 .
1. Geométricamente.
y
#»
v Dos vectores no nulos son iguales si tienen la
misma longitud y dirección.
O x
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).
1. Geométricamente.
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.
28 Capı́tulo 2. Vectores, rectas y planos
#»
v2
#»v
#»v 1 + 2 #»
v2
#»
v1 #»
v1
3 #»
v2 3 #»
v2 3
v»
2
+ #
2 2 2
v#»
1
1 #» 1 1 #»
v1 v1
−2 −1 1 2 3 4 x −2 −1 1 2 3 4 x −2 −1 1 2 3 4 x
−1 −1 −1
#»
v1 + #»
v2 =
1. Geométricamente.
#»
v #»
v #»
v
b
λ #»
v b
λ #»
v
#»
v λ #»
v λ #»
v
a) ¿Cómo es la dirección de λ #»
v comparada con la de #»
v?
b) ¿A qué es igual kλ #»
v k?
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).
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]).
Sean #»
u , #» #» ∈ R2 ; λ, β ∈ R. Las siguientes propiedades se satisfacen:
v, w
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.
30 Capı́tulo 2. Vectores, rectas y planos
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
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)
Ejemplo 2.3.
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,
implica que λ1 , λ2 y λ3 pueden tomar infinitos valores los cuales satisfacen la igualdad. Por
ejemplo,
a) #»
v1 = (1, 3), #»
v2 = (−1, −1) b) #»
v1 = (1, 3), #»
v2 = (0, 0)
c) #»
v1 = (1, 3), #»
v2 = (−2, −6) d) #»
v1 = (1, 3), #»
v2 = (−1, −1), #»
v3 = (3, 5)
Ejemplo 2.4. Determine todos los vectores que sean 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
u ∈ R2 | #» v2 = (x, y) ∈ R2 | y = −5x .
H = #» u = λ1 #»
v1 + λ2 #»
32 Capı́tulo 2. Vectores, rectas y planos
a) { #»
v1 = (1, 3), #»
v2 = (1, −1)} b) { #»
v1 = (1, 3), #»
v2 = (−2, −6)}
Ejemplo 2.6. Si #»
u = (1, −3) y #»
v = (4, 5), entonces #»
u • #»
v = 1(4) + (−3)(5) = −11.
Ejercicio 1. Sean #» u = (2, 2), #» #» = (3, −2). Halle #»
v = (−1, 2) y w u • #»
v , #»
v • #»
u , #» #» 2 #»
u • w, u • #»
v,
#»
u • ( #» #» #»
u + w), u • #»
u y #» #»
v •w
Teorema 5 (Propiedades). Sean #»
u , #» #» ∈ R2 y λ ∈ R
v, w
4. u k2 = #»
k #» u • #»
u
#»
u • ( #» #» = (u , u ) • [(v , v ) + (w , w )] = (u , u ) • (v + w , v + w )
v + w) 1 2 1 2 1 2 1 2 1 1 2 2
#»
v
#»
u • #»
v #»
u
cos θ = #» #» . θ
kukkvk
#» 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?
a) #»
u • #»
v =0 b) el ángulo entre ellos es θ = 0 ó π radianes
a) k #» v k2 = k #»
u + #» u k2 + 2 #»
u • #» v k2
v + k #» b) k #»
u − #» v k2 = k #»
u k2 − 2 #»
u • #» v k2
v + k #»
#»
#»
Ejemplo 2.7. Si k #»
a k = 3 y
b
= 5. Calcule
#»
a + b
en cada caso:
#»
a) el ángulo entre ellos es π/3 b) #»
a y b son ortogonales
34 Capı́tulo 2. Vectores, rectas y planos
Solución.
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.
a) #»
a • #»
c. b) k #»
c k.
| #»
u • #»
v | ≤ k #»
u k k #»
vk.
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 #» #»
u v , está dada por
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
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 .
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.
36 Capı́tulo 2. Vectores, rectas y planos
z z
Vector nulo
b
Vector nulo b
Origen y
Origen
x y x
Los tres planos coordenados dividen al espacio en ocho regiones llamadas octantes; el primero
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.
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
Sección 2.2. Lecciones de clase 37
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
0)
1,
−
3,
y(
x
Q b
Px
x y x y x y
y
(2
,3
b
,0
)
k #»
vk = .
k #»
vk = .
a) #»
v1 = (1, −1, 1) c) #»
v3 = (0, −1, 1, 0)
√ √ √ √ √ √ √
b) #»
v2 = (−1/ 3, 1/ 3, −1/ 3) d) #»
v4 = (−1/ 22, 1/ 22, 4/ 22, −2/ 22)
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
38 Capı́tulo 2. Vectores, rectas y planos
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 .
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 .
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.
Además,
Ejemplo 2.10. Determine todos los puntos P (x, y, z) de R3 que están a 3 unidades del origen.
O b
x y
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.
1. Los vectores #»
v1 = (x1 , y1 , z1 ) y #»v2 = (x2 , y2 , z2 ) son iguales si , y .
#» #»
2. Los vectores v1 = (x1 , x2 , . . . , xn ) y v2 = (y1 , y2 , . . . , yn ) son iguales si , ,
...y .
1. La suma de #»
v1 = (x1 , y1 , z1 ) y #»
v2 = (x2 , y2 , z2 ) se denota por y se define como
2. La suma de #»
v1 = (x1 , x2 , . . . , xn ) y #»
v2 = (y1 , y2 , . . . , yn ) se denota por y se
define como
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.
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
Sección 2.2. Lecciones de clase 41
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
3 −3 0
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
n k
X o
gen S = u ∈ Rn | #»
#» u = λ1 #»
v1 + λ2 #»
v2 + · · · + λk #»
vk = #»
λi vi ; λi ∈ R .
i=1
1 1
1 1 1
#» #»
a) S1 = v1 = 0, v2 = 1
#» #» #»
b) S2 = v1 = 0, v2 = 1, v3 = 1
−1 1 1 1 0
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
#»
u • #»
v = .
Ejemplo 2.14. Si #»
u = (1, −1, 4, 5) y #»
v = (2, 3, −2, 8) entonces #»
u • #»
v = 2 − 3 − 8 + 40 = 29.
Ejercicio 1. Sean #»
u = (2, 3, −1), #» #» = (5, 6, 4). 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)
Sección 2.2. Lecciones de clase 43
3. λ( #»
u • #»
v ) = (λ #»
u ) • #»
v = #»
u • (λ #»
v)
4. u k2 = #»
k #» u • #»
u
a) Si #»
u 6= 0 y #»
v 6= 0, entonces #»
u • #»
v 6= 0.
b) #»
u • #»
u > 0 para todo #»u ∈ Rn .
c) Si #»
u • #»
v = #»
u •w#» y #»
u 6= 0, entonces #» #»
v = w.
| #»
u • #»
v | ≤ k #»
u k k #»
vk
a) #»
u • #»
v =0 b) el ángulo entre ellos es θ = 0 ó π radianes
1. k #»
u+ #»
v k ≤ k #»
u k + k #»
u k. (Desigualdad triangular)
2 2
2. k #»
u+ #»
v k = k #»
u k + k #»v k2 , si #»
u y #»
v son ortogonales. (Teorema de Pitágoras)
44 Capı́tulo 2. Vectores, rectas y planos
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 #» #»
u v , está dada por
comp #» #»
u v =
#» #» #» #»
Ejercicio 6. Determine proy #» v u dado que u = (1, 2, 0, −1) y v = (0, 0, 1, 3).
v u y comp #»
0 7 8
1 −1 4 −1 4 1
|A| = 1 − (−3) + 2 = 15 + 3(32) + 2(28) = 167.
7 8 0 8 0 7
2 −1 2
Ejercicio 1. Calcule det A si A = 3 0 4.
−1 1 5
Sección 2.2. Lecciones de clase 45
Ejercicio 2. Sean #»
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
i. #»
u × #»
v #»
v × #»
u ii. #»
u × ( #» #»
v + w) #»
u × #»
v + #» #»
u ×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)
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.
1. #»
u • ( #» #» = #»
v × w) #» × #»
v • (w #» • ( #»
u) = w u × #»
v)
2. #»
u × ( #» #» = ( #»
v × w) #» #»
u • w) v − ( #»
u • #» #»
v )w
u u u
1 2 3
#»
u • ( #» #» = v v v
v × w)
1 2 3
w w w
1 2 3
Sección 2.2. Lecciones de clase 47
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)
A = k #»
u × #»
vk.
A = base ∗ altura = k #»
u k h.
A = k #»
u k k #»
v k sen θ = k #»
u × #»
vk,
VP AR = |( #»
u × #» #» |
v) • w
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).
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 )
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.
Sección 2.2. Lecciones de clase 49
x = x0 + at
y = y0 + bt; t ∈ R.
z = z0 + ct
Ejemplo 2.19. Determine las ecuaciones de la recta L que contiene los puntos P (−5, −3, 4) y
Q(−2, −3, 3).
# » #» #»
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 .
b) Cuáles de los siguientes puntos están en L: R(−4, 1, 5), S(−1, −6, 9), T (5, 6, −6).
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
2. perpendiculares si
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
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).
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
Matrices
B. Teorı́a.
53
54 Capı́tulo 3. Matrices
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 .
E. Aplicaciones.
Planta X Planta Y
8 12 Bióxido de azufre
B= 7 9
Ácido nı́trico
15 10 Partı́culas
Notación
1. Las matrices se denotan con y para abreviar se escribe
2. En el tamaño de la matriz A, m yn
56 Capı́tulo 3. Matrices
reni A = Ai =
colj A = A(j) =
−3 4 5 6
Ejemplo 3.1. Considere la matriz A = 7 0 1 20.
8 10 13 17
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
Matriz nula: .
3 2 2 0 0 4 !
0 5
a) A = 0 −4 3 b) A = 0 3 0 c) A =
0 0
0 0 4 0 0 2
0 0 0 1 0 0 !
0 0
a) A = 6 0 0 b) A = 0 0 0 c) A =
3 4
4 2 7 0 2 8
Matriz diagonal: .
Matriz identidad: .
Ejercicio 2. Clasifique cada una de las siguientes matrices de acuerdo con las definiciones
anteriores, si corresponde a alguna de ellas.
0 0 3 0 −4 0 0 0
a) A = 0 0 c) A = 0 7 −4 e) A = 0 0 0
0 0 0 0 0 0 0 0
3 0 0
! !
1 0 0 4 0 f) A = 0 0 0
b) A = d) A =
0 1 0 0 5 0 8 0
58 Capı́tulo 3. Matrices
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
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.
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.
−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
Observe:
Am×p B p×n = C
2 −3 !
2 −3 −4
Ejercicio 1. Halle AB y BA si A = 0 2 y B =
4 0 3
3 −2
2. A(B + C) = AB + AC 2. (AB)T = B T AT
3. (A + B)C = AC + BC 3. (A + B)T = AT + B T
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.
62 Capı́tulo 3. Matrices
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
Luego, A y B conmutan.
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.
Solución. Se tiene
A2 + A − I = 0
(A + I)A = I
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, . . .
a) Matriz idempotente:
b) Matriz nilpotente:
c) Matriz ortogonal:
0 5 0
√ √ !
1/ 5 −2/ 5
c) A = √ √ es ortogonal.
2/ 5 1/ 5
! !
a b a b
Ejemplo 3.18. Demostrar que las matrices de la forma A = yB= con
−b a b −a
a2 + b2 = 1 son ortogonales.
! !
a b a −b
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.
Sección 3.2. Lecciones de clase 65
−1
1. A−1 = 3. (λA)−1 =
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.
−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 ).
Teorema 18 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
1. A es invertible.
Determinantes
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
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.
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
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
1
Algunos autores usan la notación cij para denotar los cofactores.
70 Capı́tulo 4. Determinantes
0 −2 3
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?
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?
det(AB) = .
5. Responda verdadero ó falso a cada una de las siguientes afirmaciones. Justifique su res-
puesta
Ejemplo 4.4. Use las propiedades del deteminante para calcular |A| en cada caso
1 5 −7 −2 3 5
a) A = 2 9 −15 b) A = 1 −1 −2.
1
3 14 −22 2
1 −1
Ejercicio 5. Utilice las propiedades del determinante para calcular det A en cada caso.
0 1 1 1
1 −2 3
1 0 1 1
a) A = −2 3 −7 b) A =
1 1 0 1
3 −3 8
1 1 1 0
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
Sección 4.2. Lecciones de clase 73
a b c a d g
Ejercicio 1. Si d e f = −15, encuentre 4b 4e 4h .
g h i c − a f − d i − g
Propiedad 10. Si A es una matriz que tiene por lo menos una fila (columna) 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?
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.
Demostración
Ejercicio 5. Sea An×n una matriz invertible. Pruebe que |adj A| = |A|n−1 .
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|
2x + 3y = 3 x− y+ z =2
a)
3x + 2y = 2 b) 2x + y + z = 2
3x + 2y − 2z = 3
Teorema 2 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
1. A es invertible.
7. det A
(x, y) ⊕ (z, w) = (x + z − 1, y + w − 1)
λ ⊙ (x, y) = (λx − λ + 1, λy − λ + 1)
x ⊕ z = xz, λ ⊙ x = xλ
77
78 Capı́tulo 5. Espacios vectoriales reales
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} .
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:
Notación y observaciones.
1. Un espacio vectorial se denota de cualquiera de las siguientes formas: (V, ⊕, ⊙), (V, ⊕), V.
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.
a) V = R2 b) M2×2 (R)
80 Capı́tulo 5. Espacios vectoriales reales
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.
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.
−1
• Mn×n representa las matrices invertibles de tamaño n × n.
1. h1 + h2 ∈ H para todo h1 , h2 ∈ H.
2. λh ∈ H para todo h ∈ H y λ ∈ R.
#» #» x1 + x2
h1 + h2 = ∈ H pues x1 + x2 ≤ 0 por las condiciones (1) y (2).
y1 + y2
#» x
ii) Sean h 1 = x1 ∈ H y 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
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}
i) H = {p(x) ∈ P4 | grado(p(x)) = 5} k) H = V
y
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.
Observaciones.
1. La multiplicación del escalar λi con el vector vi depende de la forma como se haya definido
en el espacio vectorial.
a) u = 1 − 2x + x2 ; v1 = 2 − x, v2 = 1 + x2
1 3 1 0 2 1 −2 2
b) u = ; v1 = , v2 = , v3 =
0 7 0 0 0 0 0 14
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 .
2λ1 + λ2 = 1
−λ1 = −2
λ2 = 1
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
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=
a) 0 = λ1 v1 + λ2 v2
0 + 0x + 0x2 = λ1 (2 − x) + λ2 (1 + x2 ) = 2λ1 + λ2 − λ1 x + λ2 x2 .
2λ1 + λ2 = 0
−λ1 = 0
λ2 = 0,
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.
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 }
Solución. Se tiene
2λ1 + λ2 = c
−λ1 = b
λ2 = a,
S1 = v1 = 1, v2 = x, v3 = x2
S2 = w1 = 1 + x + x2 , w2 = 1 − x, w3 = 1 + x2
Observe que la diferencia de estas definiciones con las dadas para vectores en Rn , n > 1 y para
matrices m × n es que 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 =
Sección 5.2. Lecciones de clase 87
1. S genera a V . 2. S es un conjunto LI
Ejemplo 5.9. Se tiene
d) S = f 1 = 1 + x, f 2 = 1 − 2x + 3x2 , f 3 = 1 + x2 ; V = P2
1 1 1 1 1 1 1 0
e) S = , , , ; V = 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.
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
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
c) H = {A ∈ M2×2 | A es simétrica}
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} .
Luego λx ∈ ker A.
ker A = x ∈ R4 | Ax = 0 .
De ahı́,
x
y
4
ker A = ∈ R | x = z, y = z − 2w .
z
w
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
im A = {y ∈ Rm : Ax = y, para algún x ∈ Rn } .
Teorema 5. im A es un subespacio de Rm .
Sección 5.2. Lecciones de clase 91
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.
im A = y ∈ R3 | Ax = y, para algún x ∈ R4
Observe que para la matriz A del ejemplo 5.11, se cumple ν(A) + ρ(A) = 2 + 2 = 4 = n. En
general, se tiene:
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 } .
CA = gen {c1 , c2 , . . . , c } .
92 Capı́tulo 5. Espacios vectoriales reales
Teorema 9. Sea B una matriz equivalente por renglones con la matriz A. Entonces
Ejercicio 5. Halle una base para el espacio fila y una base para el espacio columna de las
matrices del ejercicio 3, página 90.
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
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 .
Sección 5.2. Lecciones de clase 93
7
en P2 . El vector de coordenadas de u en la base B1 es [u]B1 = −8 porque
5
2 −1
Ejemplo 5.16. La matriz de transición de B1 a B2 del ejemplo 5.14 es .
−1 1
Bases ortonormales
Ejercicio 3. Sea B = {e1 , e2 , . . . , en } la base canónica de Rn . Entonces
Una base B que satisface las dos condiciones anteriores se denomina base ortonormal de Rn .
Ahora generalizamos este concepto.
1. 2.
94 Capı́tulo 5. Espacios vectoriales reales
Ejercicio 4. Encuentre un conjunto de R3 que sea ortogonal y que no sea ortonormal. ¿Cuántos
elementos puede tener a lo sumo este conjunto?
Demostración. Ejercicio
En general
k
wk+1 X
uk+1 =
w
,
donde wk+1 = vk+1 − (vk+1 • ui )ui
k+1 i=1
#»
v3
#»
w 3
#»
w
#»
w #»
v2 2 #»
v2
2
O û #» = #»
w v1 O û #» = #»
w v1 O û
1 1 1 1 1
#» = #»
w v1
1
√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.
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.
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.
Teorema 12 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
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.
B. Aplicando la teorı́a
99
100 Capı́tulo 6. Transformaciones lineales
T (1) = 1 + x, T (1 + x) = 2 + 3x + x2 , T (1 − x + x2 ) = 3 + 4x + x2
4 3 v
3 2
2 1
se transforme en .
1 0
u
0 -1
x
-1 0 1 2 3 4 5
-1
-3 -2 -1 0 1 2 3
7. Sea T : R2 7→ R2 una 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
Sección 6.1. Taller pre-clase 101
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 .
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)
T
y y
x
y
x x
x
x
T y = −y
T (x + y) = (x + y) − 3 = x + y − 3 6= (x − 3) + (y − 3) = T (x) + T (y)
Similarmente se tiene
T (λx) = λx − 3 6= λ(x − 3) = λT (x).
2 2
1 1
0 0
x x′ x′
-1 -1
-1 0 1 2 3 4 5 6 7 -6 -5 -4 -3 -2 -1 0 1 2 3
(d) β = 2 (e) β = −3
Ejemplo 6.4. D : C 1 [R] 7→ C 0 [R] dada por D[f (x)] = f ′ (x) es un operador lineal, llamado
operador derivada, puesto que para f, g en C 1 y λ ∈ R:
Ejercicio 3. Determine cuál o cuáles de las siguientes funciones dadas son transformaciones
lineales:
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.
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
T (x + 1) = x2 − 1 y T (x − 1) = x2 + x.
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.
x+y =c 1 1 | c 0 0 | c−a
Ejemplo 6.13. En la transformación del ejemplo 6.9 se tiene que im T = R2 , luego, ρ(T ) = 2
Luego λv ∈ ker T .
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:
Demostración. En primer lugar supongamos que T es uno a uno y probaremos que ker T = {0}.
Luego, ker T = {0}. Ahora supongamos que ker T = {0} y demostraremos que T es 1 − 1.
Ejemplo 6.15. Para las transformaciones lineales de los ejemplos 6.8, 6.9 y 6.10 se tiene
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
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
Sección 6.2. Lecciones de clase 109
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
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 .
a) T : P2 7→ P3 , T (c + bx + ax2 ) = b − bx + cx3
x
x − y + 2z + 3w
y
b) T : R4 7→ R3 , T
z = y + 4z + 3w
x + 6z + 6w
w
Teorema 8 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
1. A es invertible.
7. det A
14. ν(A) =
15. ρ(A) =
16.1 ker T =
16.2 T es una función
16.3 im T =
Capı́tulo 7
A. Teorı́a
Identifique los conceptos de capı́tulos anteriores que se usan para el desarrollo de la teorı́a de
valores y vectores propios.
2 1 −1 1
1 2 1 −1
2. Sea A =
−1
1 2 1
1 −1 1 2
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
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
e). Realice el gráfico de la cónica donde muestre los ejes principales y el ángulo de rotación
Sección 7.2. Lecciones de clase 113
! ! 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.
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
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.
Sección 7.2. Lecciones de clase 115
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|
D = P −1 AP ,
1 0 −1 0 0 −2
1 0 −1
y P = 0 1 3. ¿Cuáles son los vectores propios de A?
1 0 1
116 Capı́tulo 7. Valores y vectores propios
Preguntas.
3. ¿D y P son únicas?
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).
1 −1 3 −1 −2 0 2 2 −1
¿Cómo son los vectores propios correspondientes a valores propios diferentes de una matriz
simétrica?
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.
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
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 .
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
118 Capı́tulo 7. Valores y vectores propios
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
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
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
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
120 Capı́tulo 7. Valores y vectores propios
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
Sección 7.2. Lecciones de clase 121
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).
a) x2 + xy + y 2 = 6 b) 9x2 + 6xy + y 2 = 9
√ √ √
c) x2 + 2 3 xy − y 2 + 6x = 0 d) 3y 2 + 4xy + 2 5x + 4 5y = 1
√ √
e) x2 + 2xy + y 2 + 2 x − 2y = 0
√ √
f) 9x2 + 6xy + y 2 − 10 10 x + 10 10 y = −90
√ √
g) 2x2 + 4xy + 2y 2 + 2 2 x − 6 2 y = 7
122 Capı́tulo 7. Valores y vectores propios
Teorema 17 (Teorema resumen). Sea A una matriz de tamaño n × n. Las siguientes afir-
maciones son equivalentes:
1. A es invertible.
7. det A
14. ν(A) =
15. ρ(A) =
16.1 ker T =
16.2 T es una función
16.3 im T =
Autoevaluación
A.1 Autoevaluación I.
I. SISTEMAS DE ECUACIONES LINEALES
2x + 3y + az = 0
ay − z = 2
ax + ay + az = a
II. VECTORES EN R2
#» = (2, 3), #»
1. Sean u #» = (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.
π1 : 2x − y + 3z = 6
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 1 2
e) #» #» #»
El vector u = 3 es combinación lineal de los vectores v1 = 2 y v2 = 3.
−2 3 7
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
3. El subconjunto es un subespacio de R2 .
x
( ! )
x
H= ∈ R2 :y≥ x2
y
[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
127