Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Notas de Clase PDF
Notas de Clase PDF
1. Geometría en R2 y R3 1
1.1. Definiciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Rectas y planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Producto cruz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3. Matrices 35
3.1. Operaciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2. Inversa de un matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3. Método de Gauss-Jordan para calcular inversas . . . . . . . . . . . . 38
3.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4. Subespacios 49
4 Contenido
6. Ortogonalidad 83
6.1. Nociones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2. Complementos y proyecciones ortogonales . . . . . . . . . . . . . . . 84
6.3. Proceso de ortogonalización de Gram-Schmidt . . . . . . . . . . . . . 86
6.3.1. Factorización QR . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.4. Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . . . . . 87
6.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Referencias 95
Capítulo 1
Geometría en R2 y R3
u + v = (a1 + b1 , ..., an + bn ),
y si α ∈ R,
αu = (αa1 , ..., αan ).
1. u + v = v + u;
2. (u + v) + w = u + (v + w);
3. u + 0 = u;
4. u + (−u) = 0;
5. α(u + v) = αu + αv;
6. (α + β)u = αu + βv;
7. α(βu) = (αβ)u;
8. 1u = u.
1. u.v = v.u;
3. (αu).v = α(u.v);
2. ||αu|| = |α|||u||.
Otra aplicación del producto punto es definir el ángulo entre dos vectores. Sean
u, v ∈ Rn , definimos el ángulo entre u y v como θ ∈ R tal que
u.v
cos θ = .
||u||||v||
Lo anterior muestra que u y v son perpendiculares o ortogonales si u.v = 0. Equi-
valentemente, podemos decir que dos vectores u y v son perpendiculares si satisfacen
la versión Rn del Teorema de Pitágoras; es decir, si ||u + v||2 = ||u||2 + ||v||2 .
Definición 1.7. Sean u, v ∈ Rn , con u 6= 0. Definimos la proyección de v sobre
u por
u.v
Proyu (v) = u.
u.u
lu = {αu : α ∈ R}.
Topología general]
4 1. Geometría en R2 y R3
x = tu + b,
l = {tu + b : t ∈ R}.
a x0
Supongamos que u = b
y b = y0
, entonces la recta l esta dada por
c z0
x a x0
y = t b + y0 .
z c z0
x = at + x0 ;
y = bt + y0 ;
z = ct + z0 .
ax + by + cz = d,
[Versión alpha
1.3. Producto cruz 5
El producto cruz o producto vectorial solo se define en R3 y será de utilidad por las
propiedades que enunciaremos en el Teorema 1.11.
u × v = (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ),
1. u × v = −(v × u);
2. (u × v).u = 0 y (u × v).v = 0;
3. u.(v × w) = (u × v).w;
1.4. Ejercicios
b b
3
b (2, −2, 3) b
2
(−3, 1)
b
1 b
1
b b b b b b b b b b b b b b
−3 −2 −1 b
b
b 1
b
b 2
b
b
Topología general]
6 1. Geometría en R2 y R3
a) Dibuje los vectores (5, 2), (0, 52 ), (−4, 0), (0.3, −1.6) y (− 27 , −4) de R2 en
posición estándar.
b) Dibuje los vectores (2, 4, 1), (−3, 0, −1), ( 32 , − 75 , − 23 ) y (−4, −3.2, −1.8) de
R3 en posición estándar.
−
−→
2. Dados dos puntos A y B, AB representa el vector que parte de A y llega a B.
−−
→
Por ejemplo, si A = (1, 1) y B = (−2, −1) el vector AB se representa:
b
A
b
1
b b b b b b b b
−3 −2 −1
b
B b
−
−→
Vector AB, donde A = (1, 1) y B = (−2, −1)
−−
→
Con lo que el vector en posición estándar se calcula como AB = B − A =
(−2, −1) − (1, 1) = (−3, −2) y se representa como mostramos en el punto
−−
→
anterior. Para cada uno de los siguientes pares de puntos, dibuje el vector AB.
−−
→
Luego calcule y vuelva a dibujar AB como un vector en posición estándar.
a) −v − u.
b) −4w + 3u.
2
c) 3w + 2z.
d) (u − w) − (v + z).
1
e) 2 (u + v) − 43 (z − w).
3 1 3
6. Considerando los vectores x = (1, 2, 3), y = (−2, 0, −1), z = y
5, −3, 2
w = (−4, −2, 0), realice las operaciones que se indican:
a) x + y − w.
b) −2z − 3w.
√ √
c) 2x + 2w.
d) (−x − y) + (−z − w).
3
e) 2 (x + y + w) − 30z.
7. Ilustre usando ejemplos, todas las propiedades enunciadas en los Teoremas 1.1,
1.3, 1.4, 1.5, 1.6 y 1.11.
a) x − a = 2(x − 2a).
b) x + 2a − b = 3(x + a) − 2(2a − b).
c) 2x − 3b = −(x + 3a).
3 (0, 1) 3)
(3, 2
2
(0, 1)
(1, 0) 3(1, 0)
Por mostrar otro ejemplo, nótese que (1, 1) = 3(−1, 1) + 2(2, −1); es decir,
(1, 1) es combinación lineal de (−1, 1) y (2, −1). Entonces dibujamos los ejes
coordenadas con respecto a (−1, 1) y (2, −1) y localizamos (1, 1) de la siguiente
manera:
(−3, 3)
(1, 1)
(−1, 1)
(2, −1)
(4, −2)
17. Sea A = (−3, 2), B = (1, 0) y C = (4, 6). Pruebe que el △ABC es un triángulo
rectángulo.
18. Sea A = (1, 1, −1), B = (−3, 2, −2) y C = (2, 2, −4). Pruebe que el △ABC es
un triángulo rectángulo.
19. Encuentre el ángulo entre una diagonal de un cubo y una arista adyacente.
20. Un cubo tiene cuatro diagonales. Demuestre que ningún par de ellas son per-
pendiculares.
24. Encuentre la proyección de v sobre u; Proyu (v), represente estos vectores grá-
ficamente y verifique que v − Proyu (v) es ortogonal a u.
1 3
a) u = yv= .
−1 −1
3
1
4 y v = .
b) u = 5
−5 2
2
3 2
2
c) u = − 3 y v = −2.
− 13 2
25. Encuentre el área del triángulo cuyos vértices son los puntos A, B y C.
26. Encuentre todos los valores del escalar k para el cual los dos vectores u y v son
ortogonales.
28. Si a y b son reales fijos, describa todos los vectores v = (x, y) que son ortogo-
nales a u = (a, b).
30. Muestre un ejemplo de vectores u y v en R3 tales que ||u + v||2 6= ||u||2 + ||v||2 .
31. En que condiciones se tienen las siguientes igualdades para los vectores u y v
en R2 o R3 :
a) ku + vk = kuk + kvk.
b) ku + vk = kuk − kvk.
33. Demuestre que ku + vk2 + ku − vk2 = 2 kuk2 + 2 kvk2 para todos los vectores
u y v en Rn .
42. Demuestre que u es ortogonal a v − Proyu (v) para todos los vectores u y v en
Rn , donde u 6= 0.
Proyu (v) u
45. Si P = (0, 1) y d = (2, 1), podemos encontrar una recta en R2 con vector
director d y que pasa por P , como mostramos en la Definición 1.8, por l =
{(x, y) : (x, y) = t(2, 1) + (0, 1), t ∈ R}. Luego la ecuación vectorial de esta
recta es
x 2 0
=t + .
y 1 1
De donde se deducen las ecuaciones paramétricas
(
x = 2t
.
y =t+1
P = (0, 1)
d = (2, 1)
Escriba la ecuación de la recta que pasa por P con vector director d en forma
vectorial y en forma paramétrica, y represente esta recta gráficamente.
Topología general]
14 1. Geometría en R2 y R3
−2 −1
a) P = yd= .
−1 3
3 −1
b) P = yd= .
−3 1
0 1
c) P = 0 y d = −1.
0 4
d) P = (3, 1, 2) y d = (1, 0, 5).
e) P = (1, 2, −1) y d = (0, 1, 0).
(1, 0, 2).(x, y − 2, z − 3) = 0.
x + 2z = 6.
P = (0, 2, 3)
n = (1, 0, 2)
[Versión alpha
1.4. Ejercicios 15
Escriba la ecuación normal y general del plano que pasa por P y tiene vector
normal n.
0 3
a) P = 1 y n = 2.
0 1
−3 1
b) P = 1 y n = 0.
2 5
49. De la misma forma como se mostró la ecuación vectorial y las ecuaciones pa-
ramétricas de una recta, podemos hacerlo para un plano. Si u y v son vectores
directores de un plano y P un punto arbitrário, tenemos que la ecuación vec-
torial esta dada por
x = su + tv + P, donde s, t ∈ R.
Escriba la ecuación vectorial y ecuaciones paramétricas del plano que pasa por
P con vectores directores u y v en cada caso:
0 2 −3
a) P = 0 , u = 1 y v = 2 .
0 2 1
Topología general]
16 1. Geometría en R2 y R3
4 1 −1
b) P = −1, u = 1 y v = 1 .
3 0 1
c) P = (1, 1, 2), u = (2, 0, −2) y v = (1, 1, 1).
d) P = (1, 1, 1), u = (0, −1, 1) y v = (1, 2, 0).
51. Considere L la recta que pasa a través del punto P = (1, −1, 1) y tiene vector
director d = (2, 3, −1). Para cada uno de los siguientes planos P, determine si
L y P son paralelos, perpendiculares o ninguno de los dos.
a) P = {(x, y, z) : 2x + 3y − z = 1}.
b) P = {(x, y, z) : 4x − y + 5z = 0}.
c) P = {(x, y, z) : x − y − z = 3}.
d) P = {(x, y, z) : 4x + 6y − 2z = 0}.
53. En cada uno de los siguientes ejercicios, determine las ecuaciones paramétricas
de la recta de intersección de los planos dados:
a) 2x + 3y − 4z + 5 = 0 y −3x + 2y + 5z + 6 = 0.
b) 3x − 2y − 5z + 4 = 0 y 2x + 3y + 4z + 8 = 0.
c) −x + 2y + z = 0 y 2x − y + 2z + 8 = 0.
54. En cada uno de los siguientes ejercicios, determine un par de planos cuya
intersección sea la recta dada:
[Versión alpha
1.4. Ejercicios 17
x = 2 − 3t;
a) y = 3 + t;
z = 2 − 4t.
60. Encuentre la ecuación normal del plano que pasa por P = (0, −2, 5) y es
paralelo al plano con ecuación general 6x − y + 2z = 3.
61. Encuentre el conjunto de todos los puntos que son equidistantes de los puntos
P = (1, 0, −2) y Q = (5, 2, 4).
62. Encuentre el conjunto de todos los puntos que son equidistantes de los puntos
P = (1, 0, 0) y Q = (0, 1, 0).
65. Encuentre el punto R sobre L que esté más cerca de Q en cada caso del Ejercicio
63.
a) 2x + y − 2z = 0 y 2x + y − 2z = 5.
b) x + y + z = 1 y x + y + z = 3.
68. Encuentre el ángulo agudo entre los planos con las ecuaciones dadas:
a) x + y + z = 0 y 2x + y − 2z = 0.
b) 3x − y + 2z = 5 y x + 4y − z = 2.
69. Calcule u × v
0 3
a) u = 1 y v = −1.
1 2
3 0
b) u = −1 y v = 1.
2 1
[Versión alpha
1.4. Ejercicios 19
−1 2
c) u = 2 y v = −4.
3 −6
1 1
d) u = 1 y v = 2.
1 3
72. Con la ayuda del producto cruz, encuentre la ecuación normal del plano.
0 3
a) El plano que pasa por P = (1, 0, −2) paralelo a u = 1 y v = −1.
1 2
b) El plano que pasa por el origen y tiene vectores directores u = (−1, 2, 3)
y v = (1, 1, 1).
c) El plano que pasa por P = (0, −1, 1), Q = (2, 0, 2) y R = (1, 2, −1).
c) Use el resultado del inciso (b) para calcular el área del triángulo con
vértices A = (1, 2, 1), B = (2, 1, 0) y C = (5, −1, 3).
Topología general]
20 1. Geometría en R2 y R3
[Versión alpha
Capítulo 2
2.1. Introducción
Definición 2.1. Una ecuación lineal en las variables x1 , ..., xn es una ecuación
que se puede escribir como
a1 x1 + ... + an xn = b, (2.1)
donde los coeficientes a1 , ..., an y el término constante b son números reales. Además,
una solución de (2.1) es un vector (s1 , ..., sn ) ∈ Rn tal que a1 s1 + ... + an sn = b.
Definición 2.2. Un sistema de ecuaciones lineales es un conjunto finito de
ecuaciones lineales; es decir, se escribe de la forma:
Definición 2.3. Dos matrices del mismo tamaño A y B se dicen equivalentes por
renglones si existe una secuencia de las siguientes operaciones que convierta una
en la otra:
Sea
a11 a12 · · · a1n
a21 a22 · · · a2n
A= . .. .. .. ,
.. . . .
an1 an2 · · · ann
[Versión alpha
2.3. Métodos iterados de solución 25
P
b1 − j6=1 a1j xj
x1 = ;
a
P 11
b2 − j6=2 a2j xj
x2 = ;
a22
..
.
P
bn − j6=n anj xj
xn = .
ann
Damos un valor inicial para cada variable x10 , x20 , ..., xn0 y reemplazamos en las
ecuaciones anteriores para encontrar x11 , x21 , ..., xn1 de la siguiente forma:
P
b1 − j6=1 a1j xj0
x11 = ;
a
P 11
b2 − j6=2 a2j xj0
x21 = ;
a22
..
.
P
bn − j6=n anj xj0
xn1 = .
ann
Topología general]
26 2. Sistemas de ecuaciones lineales
Repetimos este proceso para encontrar x12 , x22 , ..., xn2 reemplazando los valores en-
contrados para x11 , x21 , ..., xn1 .
P
b1 − j6=1 a1j xj1
x12 = ;
a
P 11
b2 − j6=2 a2j xj1
x22 = ;
a22
..
.
P
bn − j6=n anj xj1
xn2 = .
ann
De esta manera, inductivamente si conocemos x1k , x2k , ..., xnk , para algún k, podemos
encontrar x1k+1 , x2k+1 , ..., xnk+1 ,
P
b1 − j6=1 a1j xjk
x1k+1 = ;
a
P 11
b2 − j6=2 a2j xjk
x2k+1 = ;
a22
..
.
P
bn − j6=n anj xjk
xnk+1 = .
ann
y afirmamos que x11 , x12 , x13 , ... converge a la solución del sistema x1 ; la sucesión
x21 , x22 , x23 , ... converge a la solución del sistema x2 ; y xn1 , xn2 , xn3 , ... converge a la
solución del sistema xn . Esto es, entre más veces realice este proceso iterativo podrá
encontrar una mejor aproximación (x1k , x2k , ..., xnk ) a la solución del sistema 2.2.
Este método es muy similar al método de Jacobi, se puede decir que es una versión
mejorada del método de Jacobi pues, con menos iteraciones podemos encontrar una
mejor aproximación de la solución. Consideremos igual un sistema de ecuaciones
lineales [A : b], donde A es una matriz con diagonal estrictamente dominante.
[Versión alpha
2.3. Métodos iterados de solución 27
P
b1 − j6=1 a1j xj
x1 = ;
a
P 11
b2 − j6=2 a2j xj
x2 = ;
a22
..
.
P
bn − j6=n anj xj
xn = .
ann
Igual, damos valores iniciales arbitrarios x10 , x20 , ...., xn0 , la diferencia es que ahora
para encontrar cada término utilizamos la solución inmediatamente anterior así:
P
b1 − j6=1 a1j xj0
x11 = ;
a11
Pn
b2 − a21 x11 − j=3 a2j xj0
x21 = ;
a22
Pn
b3 − a31 x11 − a32 x21 − j=4 a2j xj0
x31 = ;
a33
Pn−1
bn − j=1 anj xj1
xn 1 =
ann
Repitiendo este proceso construimos paso a paso la sucesión {(x1k , x2k , ..., xnk )}∞
k=1 ,
que converge a la solución (x1 , x2 , ..., xn ) de 2.3.
Topología general]
28 2. Sistemas de ecuaciones lineales
2.4. Ejercicios
2x − y = 0
3x + y − z = 1 ; v = 13 , 32 , 23 .
a)
x − y − z = −1
2x − y + 2z = 0
b) 4x + y + 2z = 1 ; v = − 72 , 4, 11
2 .
x + 2y − z = −1
x−y =0
c) x + y + z = 1 ; v = 1, 1, −1 .
2x + z = 1
[Versión alpha
2.4. Ejercicios 29
0 0 1
1 0 0 −2
f) 0 1 0 0
0 0 1 −1
x+y =0
a)
2x + y = 3
x − 2y = 0
b)
2x − 4y = 1
x+y =1
c)
2x + 2y = 2
x − 2y = 7
d)
3x + y = 7
7. Demuestre que las matrices dadas son equivalentes por renglones y encuentre
una secuencia de operaciones elementales que conviertan A en B.
Topología general]
30 2. Sistemas de ecuaciones lineales
1 2 3 −1
a) A = ;B=
3 4 1 0
2 0 −1 3 1 −1
b) A = 1 1 0 ; A = 3 5 1
−1 1 1 2 2 0
8. Utilice las operaciones elementales para reducir las matrices dadas a su forma
escalonada y su forma escalonada reducida.
1 1
a)
2 3
−1 6
b)
4 2
2 −4 −2
c)
3 1 6
1 −2 3
d) −4 5 −6
−1 1 1
2 −4 8
e) 3 5 8
−6 0 4
−1 1 0
f ) 0 −1 1
1 1 0
3 −6 −3
g)
5 10 5
x1 − 3x2 − 2x3 = 0
d) −x1 + 2x2 + x3 = 0
2x1 + 4x2 + 6x3 = 0
x1 + x2 − x3 = 7
e) 4x1 − x2 + 5x3 = 4
2x1 + 2x2 − 3x3 = 0
x1 + x2 − x3 = 7
f ) 4x1 − x2 + 5x3 = 4
6x1 + x2 + 3x3 = 18
3w + 3x + y = 1
g) 2w + x + y + z = 1
2w + 3x + y − z = 2
−x1 + 3x2 − 2x3 + 4x4 = 2
h) 2x1 − 6x2 + x3 − 2x4 = −1
x1 − 3x2 + 4x3 − 8x4 = −4
−2x − y + 3z = 0
i ) −3x + 4y − z = 0
5x + 3y + 2z = 0
x + 2y − z = 4
j)
3x + 4y − 2z = 7
x + 2y − 4z = 4
k)
−2x − 4y + 8z = −8
w − 2x + y + z = 2
3w + 2y − 2z = −8
l)
4x − y − z = 1
3w + 3y − z = 0
x+y = 4
m) 2x − y = 7
3x + 2y = 8
w + x + 2y + z = 1
w−x−y+z = 0
n)
x+y = −1
w+x+z = 2
a+b+c+d = 10
a + 2b + 3c + 4d = 30
ñ)
a + 3b + 6c + 10d = 65
a + 4b + 8c + 15d = 93
Topología general]
32 2. Sistemas de ecuaciones lineales
10. Determine por inspección; es decir, sin realizar ningún cálculo, si el sistema de
ecuaciones lineales con la matriz aumentada dada tiene solución única, infinitas
soluciones o ninguna solución. Justifique sus respuestas.
0 0 1 | 2
a) 0 1 3 | 1
1 0 1 | 1
3 −2 0 1 | 1
b) 1 2 −3 1 | −1
2 4 −6 2 | 0
11. ¿Para qué valor o valores de k, si hay alguno, los sistemas de ecuaciones lineales
tendrán: ninguna solución, solución única o infinitas soluciones?
kx + y = −2
a)
2x − 2y = 4
x + ky = 1
b)
kx + y = 1
x+y+z = 2
c) x + 4y − z = k
2x − y + 4z = k2
x + y + kz = 1
d) x + ky + z = 1
kx + y + z = −2
12. Proporcione ejemplos de sistemas homogéneos de m ecuaciones lineales con n
variables con m = n y con m > n que tengan:
13. Encuentre la recta de intersección entre los planos representados por las ecua-
ciones generales.
a) 3x + 2y + z = −1 y 2x − y + 4z = 5.
b) 4x + y − z = 0 y 2x − y + 3z = 4.
c) x + y = 0 y x − z = 0.
14. Muestre un ejemplo que satisfaga cada una de las siguientes afirmaciones y
justifique ampliamente su respuesta.
Topología general]
34 2. Sistemas de ecuaciones lineales
[Versión alpha
Capítulo 3
Matrices
Como hemos visto, una matriz es un arreglo rectangular de números llamados en-
tradas o elementos de la matriz. Para una matriz A de n filas y m columnas, en su
manera general escribimos
a11 a12 · · · a1m
a21 a22 · · · a2n
A= . .. .. .. .
.. . . .
an1 an2 · · · anm
1. A + B = B + A,
2. (A + B) + C = A + (B + C),
3. A + 0 = A,
4. A + (−A) = 0,
5. α(A + B) = αA + αB,
6. (α + λ)A = αA + λA,
7. α(λA) = (αλ)A,
8. 1A = A.
Nótese que cada cij es el producto punto entre la i-ésima fila de la matriz A por la
j-ésima columna de la matriz B. Si k ∈ N, denotamos por Ik la matriz de k × k tal
que las entradas son 1 si hace parte de la diagonal y 0 si no hace parte de la diagonal;
esto es, Ik = (tij )i,j≤k donde tij = 0 si i 6= j, y tii = 1 para cada i ∈ {1, ..., k}. Ik le
llamamos la matriz identidad de k × k.
1. A(BC) = (AB)C,
2. A(B + C) = AB + AC,
3. (A + B)C = AC + BC,
[Versión alpha
3.2. Inversa de un matriz 37
1. (AT )T = A,
2. (A + B)T = AT + B T ,
3. (αA)T = αAT ,
4. (AB)T = B T AT ,
AA−1 = A−1 A = In .
En la Definición 2.3 se mostró cuales son la operaciones elementales sobre una matriz.
Definición 3.10. Una matriz cuadrada se dice matriz elemental si se puede ob-
tener al realizar una operación elemental de la matriz identidad.
Teorema 3.11. Sea A una matriz de n × n. Las siguientes afirmaciones son equi-
valentes:
1. A es invertible.
Sea A una matriz de n×n. Supongamos que A es invertible; es decir, existen E1 , ..., Ek
matrices elementales tales que Ek ...E1 A = In . De esta forma, si consideramos parale-
lamente las operaciones elementales que realizamos a A también a la matriz identidad
In , obtenemos Ek ...E1 In que claramente es A−1 .
Este proceso lo podemos hacer de forma más simple, tomando la matriz ampliada
[A : In ] realizar operaciones elementales a esta matriz ampliada para obtener In en
lugar de A y la matriz resultante en el lado derecho es justo A−1 . La secuencia paso
a paso sería:
[Versión alpha
3.4. Ejercicios 39
3.4. Ejercicios
1 2
3 0 4 −2 1 0 −3
1. Sean A = , B = , C = 3 4 , D = ,
−1 5 0 2 3 −2 1
5 6
−1
E= 4 2 ,F =
. Calcule las operaciones indicadas (si es posible).
2
a) A + 2D.
b) 2D − 5A.
c) B − C.
d) B − C T .
e) AB.
f ) B 2.
g) D + BC.
h) B T B.
i ) E(AF ).
j ) F (AF ).
k ) F E.
l) EF .
m) B T C T − (CB)T .
n) DA − AD.
ñ) A3 .
o) (I2 − A)2 .
5. Demuestre que toda matriz cuadrada se puede escribir como la suma de una
matriz simétrica y una matriz antisimétrica.
a b
6. Sea A = . Demuestre que A es invertible si y solo si ad − bc 6= 0.
c d
Además, si A−1 existe, encuentre A−1 .
a) Calcule A2 , A3 , ..., A7 .
b) ¿Qué es A2001 ? ¿Por qué?
" 1
√1
#
√ − 2 . Encuentre y justifique B 2011 .
10. Sea B = √12 √1
2 2
1 1
11. Sea A = . Encuentre una fórmula para An (n ≥ 1) y verifique su fórmula
0 1
usando inducción matemática.
cos θ − sin θ
12. Sea A = .
sin θ cos θ
cos 2θ − sin 2θ
a) Demuestre que A2 = .
sin 2θ cos 2θ
[Versión alpha
3.4. Ejercicios 41
n cos nθ − sin nθ
b) Demuestre, mediante inducción matemática, que A =
sin nθ cos nθ
para n ≥ 1.
1 2 −1 0
13. Resuelva la ecuación para X, dado que A = yB= .
3 4 1 1
a) X − 2A + 3B = 0.
b) 3X = A − 2B.
c) 2(A + 2B) = 3X.
d) 2(A − B + 2X) = 3(X − B).
18. Una matriz cuadrada se llama triangular superior si todas las entradas abajo
de la diagonal principal son cero. Por tanto, la forma de una matriz triangular
superior es
∗ ∗ ··· ∗ ∗
0 ∗ · · · ∗ ∗
0 0 . . . ... ...
.. ..
. .
∗ ∗
0 0 ··· 0 ∗
Topología general]
42 3. Matrices
donde las entradas marcadas * son arbitrarias. Una definición más formal de
tal matriz A = (aij )i,j≤n es que aij = 0 si i > j. Demuestre que el producto de
dos matrices triangulares superiores n × n es triangular superior.
20. Mediante inducción, demuestre que para toda n ≥ 1, (A1 A2 · · · An )T = ATn · · · AT2 AT1 .
23. Una matriz cuadrada se llama antisimétrica si AT = −A. ¿Cuáles de las si-
guientes matrices son antisimétricas?
1 2
a) .
−2 3
0 −1
b) .
1 0
0 3 −1
c) −3 0 2 .
1 −2 0
0 1 2
d) −1 0 5.
2 5 0
24. Demuestre que la diagonal principal de una matriz antisimétrica debe consistir
completamente de ceros.
35. Mediante inducción, demuestre que si A1 , A2 , ..., An son matrices invertibles del
mismo tamaño, entonces el producto A1 A2 · · · An es invertible y (A1 A2 · · · An )−1 =
−1 −1
A−1
n · · · A2 A1 .
37. Resuelva la ecuación matricial dada para X. Simplifique sus respuestas tanto
como sea posible. (En palabras de Albert Einstein, “todo debe hacerse tan
simple como sea posible, pero no más sencillo”.) Suponga que todas las matrices
son invertibles.
a) XA−1 = A3 .
b) AXB = (BA)2 .
c) (A−1 X)−1 = (AB −1 )−1 (AB 2 ).
d) ABXA−1 B −1 = I + A.
1 2 −1 1 −1 0 1 2 −1 1 2 −1
38. Sean A = 1 1 1 , B = 1 1 1 , C = 1 1 1 , D = −3 −1 3 .
1 −1 0 1 2 −1 2 1 −1 2 1 −1
Encuentre una matriz elemental E que satisfaga la ecuación dada.
a) EA = B.
b) EB = A.
c) EA = C.
d) EC = A.
e) EC = D.
f ) ED = C.
g) ¿Existe una matriz elemental E tal que EA = D? ¿Por qué sí o por qué
no?
[Versión alpha
3.4. Ejercicios 45
40. Sea
1 0
A= .
−1 −2
44. Demuestre que si una matriz simétrica es invertible, entonces su inversa tam-
bién es simétrica.
46. Use el método de Gauss-Jordan para encontrar la inversa de la matriz dada (si
existe).
1 2
a) .
3 4
1 a
b) .
−a 1
2 0 −1
c) 1 5 1 .
2 3 0
1 −1 2
d) 3 1 2 .
2 3 −1
1 1 0
e) 1 1 1.
0 1 1
a 0 0
f) 1 a 0 .
0 1 a
0 −1 1 0
2 1 0 2
g) 1 −1 3 0 .
0 1 1 −1
[Versión alpha
3.4. Ejercicios 47
√ √
√2 √0 2 2 0
−4 2 2 0 0
h) .
0 0 1 0
0 0 3 1
Topología general]
48 3. Matrices
[Versión alpha
Capítulo 4
Subespacios
El espacio generado, como veremos más adelante, esta muy ligado al concepto de
dependencia e independencia lineal que definimos a continuación.
Definición 4.4. Un conjunto de vectores {v1 , ..., vk } de Rn se dice linealmente de-
pendiente si existen escalares no todos cero c1 , ..., ck tales que c1 v1 +...+ck vk = 0. En
caso contrario decimos que el conjunto {v1 , ..., vk } es linealmente independiente.
cj vj = (−c1 )v1 + ... + (−cj−1 )vj−1 + (−cj+1 )vj+1 + ... + (−ck )vk .
Teorema 4.5. Sea {v1 , ..., vk } un conjunto de vectores de Rn . Si {v1 , ..., vk } es li-
nealmente independiente y w ∈ / gen{v1 , ..., vk }, entonces {v1 , ..., vn , w} es linealmente
independiente.
6 Rn .
2. Si k < n, entonces gen{v1 , ..., vn } =
Terminamos este capítulo con un resultado que relaciona la independencia lineal con
el espacio generado.
Teorema 4.7. Sea {v1 , ..., vn } un conjunto de vectores de Rn . Entonces, {v1 , ..., vn }
es linealmente independiente si y solo si gen{v1 , ..., vn } = Rn .
1. v1 + v2 ∈ V para cada v1 , v2 ∈ V .
[Versión alpha
4.2. Bases y dimensión 51
2. αv ∈ V para cualquier v ∈ V y α ∈ R.
2. gen{v1 , ..., vk } = V .
Sea A una matriz de m×n. Sabemos que para A, asociamos los subespacios col(A), ren(A)
y nul(A).
ρ(A) + ν(A) = n.
Con los resultados expuestos en esta sección podemos dar un teorema fundamental
para matrices invertibles:
Teorema 4.16. Sea A una matriz de n × n. Las siguientes afirmaciones son equi-
valentes:
1. A es invertible.
6. ρ(A) = n.
7. ν(A) = 0.
[Versión alpha
4.3. Transformaciones lineales 53
[T (v)]β2 = A[v]β1 ,
[T −1 (w)]β1 = A−1
T (β1 β2 ) [w]β2 ,
para cada w ∈ W .
4.5. Ejercicios
12. En cada caso, encuentre vectores v y w para que el conjunto de vectores genere
el espacio respectivo:
13. En cada caso, encuentre vectores v y w para que el conjunto de vectores sea
linealmente independiente:
a) {(0, 0)}.
b) {(x, y, z) ∈ R3 : x = y = 2z}.
c) {(x, y, z) ∈ R3 : z = −3x, y = 0}.
d) {(x, y, z) ∈ R3 : x − z + 2y − 1 = 0}.
e) {(x, y, z) ∈ R3 : |x − y| = |y − z|}.
f ) {(x, y) ∈ R2 : y ≥ 0}.
g) {(x, y) ∈ R2 : x2 − y = 0}.
h) {(x, y) ∈ R2 : xy = 0}.
i ) {(x, y, z, w) ∈ R4 : x − 2y + z + w = 0}.
j ) {(x, y, z, w) ∈ R4 : x − 2yz + w = 0}.
k ) {(x, y, z, w) ∈ R4 : x + y + w = 0}.
20. Encuentre un valor de a, si es posible, para que el conjunto {(−1, 2, 1), (−2, a, 1), (5, 2, −1)}
sea linealmente dependiente.
23. Sea A una matriz de m × n que representa la matriz de coeficientes del sistema
de ecuaciones lineales homogéneo Ax = 0. Demostrar que la solución de Ax = 0
es un subespacio de Rn .
24. Encuentre todos los posibles valores de ρ(A) y ν(A) dependiendo del número
real a.
1 2 a
a) A = −2
4a 2
a −2 1
a 2 −1
b) A = 3 3 −2
−2 −1 a
a) {(1, −1, 1, −1), (2, 0, 0, 1), (4, −2, 2, 1), (7, −3, 3, −1)}
b) {(1, 0, 0, 1), (0, 1, 1, 0), (1, −2, −2, 1), (0, 2, 2, 1)}
c) {(1, 1, 1, 0), (1, 1, 0, 1), (1, 0, 1, 1), (0, 1, 1, 1)}
d) {(1, −1, 0, 0), (0, 1, 0, −1), (0, 0, −1, 1), (−1, 0, 1, 0)}
40. Suponga que A es una matriz tal que para cualquiera k renglones son lineal-
mente independientes mientras que para cualesquiera k + 1 renglones son li-
nealmente dependientes. Demuestre que ρ(A) = k.
a) T (x, y) = (x + y, x − y)
b) T (x, y) = (x, x)
c) T (x, y) = (−y, x + 2y, 3x − 4y)
d) T (x, y, z) = (x − y + z, 2x − y + 3z)
e) T (x, y, z) = (x + z, y + z, x + y)
f ) T (x, y, z) = (x + z, 0, x + y)
47. Muestre con ejemplos que las siguientes funciones no son transformaciones
lineales.
a) T (x, y) = (y 2 , x)
b) T (x, y) = (|x|, |y|)
c) T (x, y) = (xy, x + y)
d) T (x, y) = (x + 1, y − 1)
e) T (x, y, z) = (x, y, 1)
f ) T (x, y, z) = (ex , ey , ez )
48. Usando bases canónicas, encuentre la representación lineal de cada una de las
transformaciones lineales definidas en el Ejercicio 46.
50. Determine para cada transformación lineal definida en el Ejercicio 46, ρ(T ) y
ν(T ).
51. Encuentre en cada caso, si es posible, una transformación lineal que satisfaga
las condiciones señaladas:
a) T : R2 → R3 definida por T (x, y) = (x−y, x+y, 2y); β1 = {(1, 1), (1, −1)},
β2 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}.
b) T : R3 → R3 definida por T (x, y, z) = (x + 2z, −x + y + z, 2x + z); β1 =
β2 = {(1, 0, 1), (−1, −1, 1), (0, 1, 0)}.
c) T : R3 → R2 definida por T (x, y, z) = (x+y −2z, y +3z); β1 = {(1, −1, 2),
(0, 1, 0), (2, 1, 1)}, β2 = {(1, 2), (1, −1)}.
Topología general]
64 4. Subespacios
[Versión alpha
Capítulo 5
5.1. Introducción
representa la transformación lineal que a cada vector u ∈ R2 , TAθ (u) rota u un ángulo
θ en sentido positivo; es decir, no existe un vector diferente de cero v tal que v y
TAθ (v) sean paralelos y por tanto, Aθ no tiene valores propios.
Es importante resaltar que si estudiamos valores propios sobre los números complejos
C, toda matriz tiene valores propios. Sin embargo, para nuestros objetivos solamente
consideraremos valores propios sobre R. Por esta razón, tiene sentido decir que una
matriz no tiene valores propios.
66 5. Valores y vectores propios
5.2. Determinantes
Si A es una matriz de 2 × 2,
a b
det(A) = det = ad − bc.
c d
Si A es una matriz de 3 × 3,
det(A) = det((aij )i,j≤3 ) = a11 det(A11 ) − a12 det(A12 ) + a13 det(A13 ),
donde A1j es una matriz de 2×2 que resulta al quitar la primera fila y j−ésima
columna de A, para cada j ∈ {1, 2, 3}.
En general, para cualquier matriz A de n × n,
Sabemos que una matriz es invertible si y solo si los renglones y columnas son li-
nealmente independientes. Así, por el enunciado 2, del teorema anterior, se sigue el
siguiente corolario.
Corolario 5.6. Sea A una matriz de n × n. Entonces A es invertible si y solo si
det(A) 6= 0.
5.3. Diagonalización
Como vimos, un valor propio de una matriz cuadrada A es un λ ∈ R tal que existe
v 6= 0 donde Av = λv. Dicho de otra forma, un valor propio es tal que el sistema
homogéneo
(A − λIn )v = 0,
tiene infinitas soluciones; es decir, A − λIn no sea invertible. Con esta observación es
inmediata la prueba del siguiente resultado:
Topología general]
68 5. Valores y vectores propios
Dada una matriz A de n × n, para encontrar los espacios propios podemos hacerlo
de la siguiente manera:
2. Calcular las raíces de p. Estas raíces, por la Proposición 5.7, son los valores
propios de A.
3. Para cada valor propio λ, encontrar el espacio nulo de la matriz A − λIn ; este
espacio es el espacio propio Eλ .
1. det(A) = det(B).
Recuerde que una matriz D es diagonal, si las coordenadas fuera de la diagonal son
todas cero. Si D es una matriz diagonal, entonces, a simple vista podemos calcular:
determinante, rango, nulidad, valores propios, polinomio propio y potencias. Por esta
razón, es útil determinar si una matriz es semejante a una matriz diagonal. A estas
matrices se les llama diagonalizables.
[Versión alpha
5.4. Ejercicios 69
Para cada valor propio λ, existen números importantes que nos ayudarán a determi-
nar si una matriz es diagonalizables.
1. A es diagonalizable;
2. La unión de las bases de los espacios propios Eλ1 , ..., Eλk , tiene n vectores;
5.4. Ejercicios
4. Encuentre todos los valores propios de la matriz A. Obtenga bases para cada
uno de los espacios propios correspondientes. Ilustre los espacios propios y el
efecto de multiplicar los vectores propios por A.
4 −1
a) A = .
2 1
0 2
b) A = .
8 6
2 5
c) A = .
0 2
2 1
d) A = .
−1 2
5. Demuestre:
a) A es semejante a A.
b) Si A es semejante a B, entonces B es semejante a A.
c) Si A es semejante a B y B es semejante a C, entonces A es semejante a
C.
1
b) Si A es invertible, entonces λ es valor propio de A−1 con vector propio v.
9. Calcule los determinantes de cada matriz y determine si es invertible.
1 0 3
a) 5 1 1.
0 1 2
1 0 −2
b) 3 3 2 .
0 −1 1
1 −1 0
c) −1 0 1 .
0 1 −1
1 1 0
d) 0 1 1.
1 0 1
1 2 3
e) 2 3 1.
3 1 2
1 2 3
f ) 4 5 6.
7 8 9
0 a 0
g) b c d.
0 e 0
1 −1 0 3
2 5 2 6
h) 0 1 0 0.
1 4 2 1
3 −2 0 1
1 3 0 −1
i) 0 2 2 4 .
3 1 0 0
10. Use las propiedades de los determinantes para evaluar por inspección el deter-
minante dado. Explique su razonamiento.
1 1 1
a) 3 0 −2.
2 2 2
[Versión alpha
5.4. Ejercicios 73
3 1 0
b) 0 −2 5.
0 0 4
0 0 1
c) 0 5 2.
3 −1 4
2 3 −4
d) 1 −3 −2.
−1 5 2
4 1 3
e) −2 0 −2.
5 4 1
1 0 0 0
0 0 1 0
f) 0 1 0 0.
0 0 0 1
0 2 0 0
−3 0 0 0
g) 0 0 0 4.
0 0 1 0
1 0 1 0
0 1 0 1
h) 1 1 0 0.
0 0 1 1
a b c
11. Encuentre los determinantes, suponiendo que d e f = 4.
g h i
3a −b 2c
a) 3d −e 2f .
3g −h 2i
d e f
b) a b c .
g h i
a+g b+h c+i
c) d e f .
g h i
Topología general]
74 5. Valores y vectores propios
2c b a
d) 2f e d .
2i h g
a b c
e) 2d − 3g 2e − 3h 2f − 3i.
g h i
a) det(AB).
b) det(A2 ).
c) det(B −1 A).
d) det(2A).
e) det(3B T ).
15. Calcule (1) el polinomio propio de A, (2) los valores propios de A, (3) una base
para cada espacio propio de A y (4) la multiplicidad algebraica y geométrica
de cada valor propio.
[Versión alpha
5.4. Ejercicios 75
1 3
a) A= .
−2 6
1 −9
b) A= .
1 −5
1 1 0
c) A = 0 −2 1.
0 0 3
1 1 0
d) A = 1 0 1.
0 1 1
1 2 0
e) A = −1 −1 1.
0 1 1
1 1 −1
f) A = 0 2 0 .
−1 1 1
4 0 1
g) A = 2 3 2.
−1 0 2
1 0 3
h) A = 2 −2 2.
3 0 1
3 1 0 0
−1 1 0 0
i) A= 0 0 1 4.
0 0 1 1
2 1 1 1
0 1 2 3
j) A= 0 0 3 3.
0 0 0 2
1 1
16. Sea A es una matriz de 2 × 2 con vectores propios v1 = y v2 = que
−1 1
5
corresponden a valores propios λ1 = 21 y λ2 = 2, respectivamente, y x = .
1
a) Encuentre A10 x.
Topología general]
76 5. Valores y vectores propios
a) Encuentre A20 x.
b) Encuentre Ak x. ¿Qué sucede conforme k se vuelve grande (esto es, k →
∞)?
19. Sea A una matriz nilpotente (esto es: Am = 0 para algún m > 1). Demuestre
que λ = 0 es el único valor propio de A.
20. Sea A una matriz idempotente (esto es, A2 = A). Demuestre que λ = 0 y λ = 1
son los únicos valores propios posibles de A.
0 0 0 1
2 0 0 4
0 2 0 0
j) A= 0 0 −2 0 .
0 0 0 −2
29. Encuentre todos los valores (reales) de k para los cuales A sea diagonalizable.
1 1
a) A= .
0 k
1 k
b) A= .
0 1
k 1
c) A= .
1 0
1 0 k
d) A = 0 1 0.
0 0 1
1 k 0
e) A = 0 2 0.
0 0 1
1 1 k
f) A = 1 1 k.
1 1 k
32. En general, es difícil demostrar que dos matrices son semejantes. Sin embargo,
si dos matrices semejantes son diagonalizables, la tarea se vuelve más senci-
lla. Demuestre que A y B son semejantes al demostrar que son semejantes a
la misma matriz diagonal. Luego encuentre una matriz invertible P tal que
P −1 AP = B.
3 1 1 2
a) A = ,B= .
0 −1 2 1
5 −3 −1 1
b) A = ,B= .
4 −2 −6 4
2 1 0 3 2 −5
c) A = 0 −2 1, B = 1 2 −1.
0 0 1 2 2 −4
[Versión alpha
5.4. Ejercicios 81
1 0 2 −3 −2 0
d) A = 1 −1 1, B = 6 5 0 .
2 0 1 4 4 −1
36. Demuestre que si A es una matriz diagonalizable tal que todo valor propio de
A es 0 o 1, entonces A es idempotente (esto es, A2 = A).
37. Sea A una matriz nilpotente (esto es: Am = 0 para algún m > 1). Pruebe que
si A es diagonalizable, entonces A debe ser la matriz cero.
Topología general]
82 5. Valores y vectores propios
[Versión alpha
Capítulo 6
Ortogonalidad
A menudo es útil además de tener un conjunto ortogonal, que cada vector este
normalizado o de norma 1.
Nótese que si {v1 , ..., vk } es una base ortogonal de un subespacio W , entonces basta
tomar wi = ||vvii || , para cada i ∈ {1, ..., k}, y {w1 , ..., wk } es una base ortonormal de
W . Además, por el Teorema 6.3, si w ∈ W , entonces
Supongamos que Q = [v1 v2 ... vn ] donde {v1 , ..., vn } es ortonormal. No es difícil ver
que T
v1
v T
2
QT Q = . [v1 v2 ... vn ] = In .
..
vnT
3. Q−1 es ortogonal.
4. det(Q) = ±1.
[Versión alpha
6.2. Complementos y proyecciones ortogonales 85
1. W ⊥ es un subespacio de Rn ;
2. (W ⊥ )⊥ = W ;
3. W ∩ W ⊥ = {0};
4. Si W = gen{w1 , ..., wk }, entonces v ∈ W ⊥ si y solo si v.wi = 0 para cada
i ∈ {1, ..., k};
5. Para cada v ∈ Rn , existen únicos w ∈ W y w′ ∈ W ⊥ tales que v = w + w′ .
Por esta razón se dice que W y W ⊥ son espacios complementarios.
Además, si {w1 , ..., wk } es una base ortogonal de W y {w1′ , ..., wl′ } es base ortogonal
de W ⊥ , entonces {w1 , ..., wk , w1′ , ..., wl′ } es base ortogonal de Rn . Luego v ∈ Rn se
escribe como
v.w1′ v.wl′
v.w1 v.wk
v= w1 + ... + wk + w1′ + ... + wl′ .
w1 .w1 wk .wk w1′ .w1′ wl′ .wl′
Terminamos esta sección con algunas propiedades adicionales del espacio comple-
mento ortogonal.
dim(W ) + dim(W ⊥ ) = n.
Consecuentemente tenemos:
2. ν(A) + ρ(A) = n.
w1 = v1 .
v2 .w1
w2 = v2 − w1 .w1 w1 .
[Versión alpha
6.4. Diagonalización ortogonal 87
v3 .w1 v3 .w2
w3 = v3 − w1 .w1 w1 − w2 .w2 w2 .
..
.
vk .w1 vk .w2 vk .wk−1
wk = vk − w1 .w1 w1 − w2 .w2 w2 − ... − wk−1 .wk−1 wk−1 .
6.3.1. Factorización QR
6.5. Ejercicios
2. Demuestre que los vectores dados forman una base ortogonal para R2 o R3 .
Luego exprese w como una combinación lineal de dichos vectores base. Propor-
cione el vector coordenada [w]B de w con respecto a la base B = {v1 , v2 } de
R2 o B = {v1 , v2 , v3 } de R3 .
4 1 1
a) v1 = ; v2 = ;w= .
−2 2 −3
3 −2 1
b) v1 = ; v2 = ;w= .
1 6 2
1 1 1 1
c) v1 = 0 ; v2 = 2 ; v3 = −1 ; w = 1.
−1 1 1 1
1 2 0 1
d) v1 = 1; v2 = −1; v3 = 1 ; w = 2.
1 −1 −1 3
− sin2 θ
cos θ sin θ − cos θ
c) cos2 θ sin θ − cos θ sin θ.
sin θ 0 cos θ
1 1 1 1
2 −2 2 2
1 1 1
− 1
1 .
d) 2 2 2 2
− 1 1 1
2 2 2 2
1 1
2 2 − 21 1
2
a) Demuestre que A AT + B T B = A + B.
10. Encuentre bases para el espacio renglón y el espacio nulo de A. Verifique que
todo vector en renglón(A) es ortogonal a todo vector en nulo(A).
1 −1 3
5 2 1
a) .
0 1 −2
−1 −1 1
1 1 0 1 −1
−2 0 4 0 2
b) .
2 2 −2 3 1
2 4 2 5 1
11. Sea W el subespacio generado por los vectores dados. Encuentre una base para
W ⊥.
2 4
a) w1 = 1 , w2 = 0.
−2 1
1 0
−1 1
1 , w2 = 2.
b) w1 =
1 3
2 −1 2
−1 2 5
6 , w2 = −3, w3 = 6.
c) w1 =
3 −2 1
Topología general]
92 6. Ortogonalidad
3 1 3
2 2 −2
d) w1 = 0 , w2 = −2, w3 = 6 .
−1 0 −2
4 1 5
2 1 −1 1
3 0 1
15. Sea {v1 , ..., vn } una base ortogonal para Rn y sea W = gen (v1 , ..., vk ). ¿Es ne-
cesariamente cierto que W ⊥ = gen (vk+1 , ..., vn )? Demuestre que es verdadero
o encuentre un contraejemplo.
17. Los vectores dados forman una base para R2 o R3 . Aplique el proceso de Gram-
Schmidt para obtener una base ortogonal. Luego normalice esta base para
obtener una base ortonormal.
1 1
a) x1 = , x2 = .
1 2
1 2
b) x1 = , x2 = .
3 −2
1 0 3
c) x1 = −1, x2 = 3, x3 = 2.
−1 3 4
1 0 0
d) x1 = 1 , x2 = 1 , x3 = 0.
1 1 1
18. Los vectores dados forman una base para un subespacio W de R3 o R4 . Aplique
el proceso de Gram-Schmidt para obtener una base ortogonal para W .
1 3
a) x1 = 1, x2 = 4.
0 2
1 1 1
2 1 8
b) x1 = −2, x2 = 0, x3 = 1.
1 2 0
20. Use el proceso de Gram-Schmidt para encontrar una base ortogonal para los
espacios columna de las matrices.
0 1 1
a) 1
0 1.
1 1 0
1 2 −1
1 0 −1.
b)
1 1 1
1 1 5
3
21. Encuentre una base ortogonal para R3 que contenga al vector 1.
5
2
1
22. Encuentre una base ortogonal para R4 que contenga a los vectores
0 y
−1
1
0
.
3
2
23. Encuentre las entradas faltantes de Q para hacer Q una matriz ortogonal.
√1 √1
2 3
∗
a) Q = 0
√1 ∗
.
3
− √12 √1
3
∗
1
√2
2 14
∗ ∗
1 √1 ∗ ∗
2
b) Q = 14 .
1
2 0 ∗ ∗
1
2 − √314 ∗ ∗
Topología general]