Documentos de Académico
Documentos de Profesional
Documentos de Cultura
por
Junio de 2013
Contenido Sintético del curso de Fundamentos de Álgebra
1 Números Complejos
3 Matrices y determinantes
4 Vectores
Kolman Bernard,
Álgebra Lineal, Ed. Murray R. Spiegel,
Pearson Prentice Hall. Variable Compleja,
Ed. Mc Graw Hill.
Unidad I
Números Complejos
Introducción
Dada la ecuación:
x2 + 1 = 0 (1)
Empleando la formula general:
√
−b ± b2 − 4ac
x= (2)
2a
Nos lleva a la expresión:
√
x = ± −1 (3)
La cual no es un número real (no existen raices negativas).
Lo que haremos será construir un conjunto de números, llamados
números complejos, denotados por C, junto con una suma y
producto, de tal forma que se cumplan las propiedades algebraicas de
R.
Introducción
Si z1 , z2 ∈ C, entonces z1 + z2 ∈ C
z1 + z2 = z2 + z1
(z1 + z2 ) + z3 = z1 + (z2 + z3 )
Si z1 , z2 ∈ C, entonces z1 z2 ∈ C
z1 z2 = z2 z1
−1 x −y
Nota: Se puede probar que z = , 2
x + y x + y2
2 2
z1 (z2 + z3 ) = z1 z2 + z1 z3
1.2 Representación del número complejo
Si z = (x, y) es un número complejo, x se le llama parte real
y se le denota por: Re z, y a y se le conoce como la parte imaginaria
y se le denota por: Im z.
Se puede graficar un
número complejo
z = (x, y) en el plano,
graficando la parte Re z
sobre el eje x y la parte
Im z sobre el eje y.
Entonces se puede pensar
que cada número
complejo es un punto en
el plano. Con esta
representación el plano
(x, y) se le llama plano
complejo o plano de
Argand.
1.2 Representación del número complejo
Si identificamos los números reales x con los puntos (x, 0), los
números reales se pueden ver como subconjunto de los números
complejos y al eje que contiene estos puntos, se llama eje real.
Notemos que:
Por lo tanto:
(x, y) = x + iy
El número i
Por notación:
z2 = z · z i = (0, 1)
z3 = z · z · z i2 = (0, 1)(0, 1)
.
i2 = (0 · 0 − 1 · 1, 1 · 0 + 0 · 1)
.
zn = z · z · z · · · z i2 = (−1, 0)
∴ i2 = −1
= (2i)(2i) = 4i2 = −4
1+i 2i 1+i 1+i 2i 4 + 2i
+ = +
1 − i 4 − 2i 1−i 1+i 4 − 2i 4 + 2i
8i + 4i2
8i − 4 −4 28i
=i+ 2 2
=i+ = +
4 +2 20 20 20
Interpretación geométrica de la suma
Propiedades de conjugación
arg z = {θ + 2πk : k ∈ Z}
Recordemos
√ que si z = a + ib, el módulo o valor absoluto de z es:
|z| = a2 + b2 , cumpliendose las siguientes propiedades:
q √ √
|z| = (2 3)2 + 22 = 16 = 4
θ = tan−1 2
√
2 3
= 0,5235
z = (1, −1) = 1 − i
Sol.
q √
|z| = 12 + (−1)2 = 2
−1 | − 1| π 7π
θ = 2π−tan = 2π− =
|1| 4 4
√ √
z = (−2 3, −2) = −2 3 − 2i
Sol.
q √ √
|z| = (−2 3)2 + (−2)2 = 16 = 4
|−2|
θ = π + tan−1 √
|−2 3|
=
= π + 0,5235 = 3,665
z = (−1, 1) = −1 + i
Sol.
q √
|z| = (−1)2 + 12 = 2
−1 |1| π 3π
θ = π−tan = π− =
| − 1| 4 4
Forma polar de un número complejo
Si z = a + ib, entonces:
b
senθ = r ⇒ b = rsenθ
a
cosθ = r ⇒ a = rcosθ
z = rcisθ
Ejemplo
z1 z2 = r1 r2 ei(θ1 +θ2 )
z1 r1 i(θ1 −θ2 )
z2 = r2 e
Ejemplos
Exprese en forma polar y en forma exponencial:
√
z = 1 + 3i
Solución. √ !
q √ √ −1 3 π
|z| = (1)2 + ( 3 )2 = 2; θ = tan = rad
1 3
√ h π π i
Forma polar: z= 2 cos + i sen
3 3
√
Forma exponencial: 2e(π/3)i
z = −2 + 6i
Solución.
√ √
6
q
−1
|z| = (2)2 + ( 6)2 = 40; θ = π − tan = 1,89254 rad
2
√
Forma polar: z= 40 [cos (1, 89254) + i sen (1,89254)]
√
Forma exponencial: 2e(1,89254)i
Escriba en forma rectangular y polar a los números complejos:
z= e3+(π/3)i
Solución.
Forma rectangular: z = 10,04276 + 17,39458i
h π π i
Forma polar: z = e3 cos + i sen
3 3
π
z = 4e 6 i
Solución.
Forma rectangular: z = 3,4641 + 2i
h π π i
Forma polar: z = 4 cos + i sen
6 6
Exprese en forma rectangular y en forma exponencial:
h π π i
z1 = 5 cos + i sen
4 4
Solución.
Forma rectangular: z = 3,5355 + 3,5355i
Solución.
Forma rectangular: z = −3,75877 − 1,36808i
o
Forma exponencial: z = 4 e(200 )i
• Si z1 = r1 (cosθ1 + isenθ1 ) = r1 cis θ1 y
Su producto es:
Demostración:
Formula de Moivre
zn = rn [cos(nθ) + isen(nθ)]
Sol. q √ √
r1 = ( 3)2 + (1)2 = 4 = 2 y θ1 = tan−1 √13 = π
6
Por lo tanto:
√ π π 10
( 3 + i)10 = 2[cos + isen ]
6 6
π π
= 210 [cos10 + sen10 ]
π6 6
= 210 cis10
6
√
Calcule z62 = (−1 + i 3)6
Sol. q
√ √
r2 = (−1)2 + ( 3)2 = 4 = 2
√
θ2 = π − tan−1 3 = π − π3 = 2π
3
Por lo tanto:
√ 2π 2π
(−1 + i 3)6 = (2[cos( ) + isen( )])6
3 3
2π 2π 2π
= 26 [cos(6 ) + isen(6 )] = 26 cis6
3 3 3
√
( 3 + i)10
Halle √
(−1 + i 3)6
Sol.
√
( 3 + i)10 210 10 2π −14
√ = 6 cis( π − 6 ) = 24 cis( )
(−1 + i 3)6 2 6 3 π
= 16[cos( −14π −14π
6 ) + isen( 6 ))] = 8 − i13.85
Raı́ces de un número de complejo
z = ρ(cosφ + isenφ)
tal que:
zn = ω
entonces:
[ρ(cosφ + isenφ)]n = r(cosθ + isenθ)
Usando la formula de De Moivre:
√
n
θ + 2πk θ + 2πk
zn = r cos + isen k ∈ Z.
n n
(6)
√
n
θ + 2πk θ + 2πk
zn = r cos + isen
n n
con k = 0, 1, 2, ...., n − 1.
Ejemplo:
√
Encuentre las raı́ces cúbicas de z = 3−i
Sol. q
√ √
|z| = ( 3)2 + (−1)2 = 4 = 2
θ = 2π − tan−1 √13 = 5.75
como n = 3 =⇒ k = 0, 1, 2
√
3 5.75 + 2π(0) 5.75 + 2π(0)
z0 = 2 cos + isen
3 3
√
3 5.75 5.75
= 2 cos + isen
3 3
= 1.25(−0.33 + i0.94)
= −0.41 + i1.175
√
3 5.75 + 2π(1) 5.75 + 2π(1)
z1 = 2 cos + isen
3 3
5.75 + 2π 5.75 + 2π
= 1.25 cos + isen
3 3
= 1.25(−0.64 − i0.76)
= −0.8 − i0.95
√
3 5.75 + 2π(2) 5.75 + 2π(2)
z2 = 2 cos + isen
3 3
5.75 + 4π 5.75 + 4π
= 1.25 cos + isen
3 3
= 1.25(0.98 − i0.17)
= 1.22 − i0.21
Solución de una ecuación cuadrática
Dada la ecuación: az2 + bz + c = 0, con a, b y c números complejos;
se puede probar (ver la sol. para números reales) que las soluciones
estan dadas por:
√
−b ± b2 − 4ac
z=
2a
Ejemplos:
Resuelva Z 2 + iZ + 2 = 0
Solución.
p √
−i ± (i)2 − 4(1)(2) −i ± −1 − 8
z= = =
(2(1) 2
−i + 3i
i
√
2
= −i±2 −9 = =
−i − 3i −2i
2
Resuelva −4Z 2 + 5Z − 2 = 0
Solución.
p √
−5 ± 52 − 4(−4)(−2) −5 ± 25 − 32
z= = =
(2(−4) −8
√ √
5 7 5 7
8 + i −8 −i
√
−5± −7 8 8
= −8 = √ = √
5
7 5 7
−i
+i
8 −8 8 8
Resuelva 2Z 2 + 4Z − 4 − 2i = 0
Solución.
p √
−2 ± 22 − 4(1)(−2 − i) −2 ± 4 + 8 + 4i
z= = =
(2(1) 2 √
√
√
p
−2 ± 4(3 + i) −1 + 3+i
−2 ± 2 3 + i
= −2± 212+4i = = = √
2 2
−1 − 3 + i
Si u = 3 + i:
√
1
q
2 2 −1
|u| = (3) + (1) = 10; θ = tan = 0.32175rad
3
n = 2; k = 0, 1.
Las raices cuadradas de u son:
Si k = 0:
√ 1 0,32175 + 2π(0)
0,32175 + 2π(0)
u0 = 10 2 cos + i sen =
2 2
√ 1 0,32175
0,32175
= 10 2 cos + i sen =
2 2
≈ 1,75530 + i0,028484
Si k = 1:
√ 1 0,32175 + 2π(1)
0,32175 + 2π(1)
u1 = 10 2 cos + i sen =
2 2
√ 1
= 10 2 [cos (3,30246) + i sen (3,30246)] =
≈ −1,75530 − i0,028484
Por lo tanto:
√
−1 + 3 + i −1 + 1,75530 + i 0,28484
z= √ =
−1 − 1,75530 − i 0,28484
−1 − 3 + i
0,75530 + i 0,28484
=
−2,75530 − i 0,28484
Funciones complejas de variable compleja
Ejemplos:
1
f (z) = z
Dominio de f = C − (0, 0)
Si z = a + ib 6= (0, 0)
1 1 a−ib a−ib a b
z = a+ib a−ib = a2 +b2 = a2 +b2
− a2 +b2
i
a −b
∴ u(x, y) = a2 +b2
y v(x, y) = a2 +b2
f (z) = 3z3 + 4z
Dominio de f = C, tomando z = x + iy
(x+4) y
2 (x+4)2 +y2 − 2 (x+4)2 +y2 i
(x+4)
∴ u(x, y) = 2 (x+4)2 +y2 y v(x, y) = −2 (x+4)y 2 +y2
Ejemplo
Sol.
Dominio de f = C − {0}
f (i) = 1i = 1i −i i
−i = i2 = −i
1 1−2i 1−2i 1
f (1 + 2i) = 1+2i = 1−2i = 5 = 5 − 25 i
1 1 −3i −3i
f (3i) = 3i = 3i −3i = 9 = − 31 i
Unidad II
Sistemas de Ecuaciones
Lineales
Dos ecuaciones lineales con dos incógnitas
a11 x + a12 y = b1
a21 x + a22 y = b2
donde a11 , a12 , a21 , a22 , b1 y b2 son números dados. Cada una de
Hecho A: Si a = b y c = d ∴ a + c = b + d
x−y= 7
x+y= 5
Resolviendo:
x−y =7
x+y =5 y= 5−x
2x = 12 y= 5−6
x =6 y = −1
Por lo tanto, el sistema tiene una solución única.
x − 7y = 5 (1)
2x − 14y = 10 (2)
5−x
y=
−7
5−x
(x, )
−7
Ejemplo: Sistema que no tiene soluciones
x − 7y = 5
x − 7y = 10
Resolviendo, tenemos:
x − 7y =5
(x − 7y = 10)(−1)
0 = −5
Nos conduce a un resultado que no puede ser, por lo tanto el sistema
no tiene solución. Si no hay solución, nos dice que se tienen rectas
paralelas.
Método de eliminación de Gauss-Jordan
x1 + 2x2 + 3x3 = 9
−2x2 − 4x3 = −8
x1 − x3 =1
Ahora multiplicando a la ec. (14) por 5, y sumandola a la ec. (15):
5x2 + 10x3 = 20
−5x2 − 15x3 = −9
−5x3 = 11
Sustituyendo en el sistema de ecuaciones, tenemos:
x1 − x3 = 1 (19)
x2 + 2x3 = 4 (20)
−5x3 = 11 (21)
Dividiendo a la ec. (21) por (−5), el sistema nos queda:
x1 − x3 = 1 (19)
x2 + 2x3 = 4 (20)
x3 = − 11
5 (21)
Sumando la ec. (19) y (21):
x1 − x3 =1
x3 = − 11
5
−6
x1 = 5
Ahora, multiplicando la ec. (21) por (−2) y sumandola con la ec. (20):
x2 + 2x3 = 4
−2x3 = 22
5
42
x2 = 5
Finalmente tenemos:
x1 = −6
5
x2 = 42
5
x3 = − 11
5
1 2 3
A= 4 5 6
3 1 −2
x1 + 2x2 + 3x3 =9
4x1 + 5x2 + 6x3 = 24
3x1 + x2 − 2x3 =4
1 2 3 9 1 2 3 9
R2 → R2 − 4R1
4 5 6 24 −−−−−−−−−−→ 0 −3 −6 −12
3 1 −2 4 R3 → R3 − 3R1 0 −5 −11 −23
1
− R2
R2 → 1 2 3 9 1 0 −1 1
R1 → R1 − 2R2
−−−−−−3−−→ 0 1 2 4 −−−−−− −−−−→ 0 1 2 4
0 −5 −11 −23 R3 → R3 + 5R2 0 0 −1 −3
1 0 −1 1 1 0 0 4
−R3
R3 → R1 → R1 + R3
−−−−−−→ 0 1 2 4 −−−−−−−−−−→ 0 1 0 −2
0 0 1 3 R2 → R2 − 2R3 0 0 1 3
La solución del sistema de ecuaciones es:
x1 = 4, x2 = −2, x3 = 3,
1
1 2 3 9 R2 → − R2 1 2 3 9
R2 → R2 − 4R1 3
−−−−−−−−−−→ 0 −3 −6 −12 −−−−−−−−→ 0 1 2 4
R3 → R3 − 2R1 0 3 6 12 0 3 6 12
1 0 −1 1
R1 → R1 − 2R2
−−−−−−−−−−→ 0 1 2 4
R3 → R3 − 3R2 0 0 0 0
Como el último renglón nos da cero, sólo se cuenta con dos ecuaciones para
tres incógnitas x1 , x2 , x3 , lo cual nos dice que existe un número infinito de
soluciones. Esto es equivalente al siguiente sistema de ecuaciones:
x1 − x3 =1
x2 + 2x3 =4
Obteniendo ası́:
x1 = 1 + x3
x2 = 4 − 2x3
Dando una solución para cualquier número x3 , el cual se puede representar
como:
(1 + x3 , 4 − 2x3 , x3 )
Sistema de ecuaciones sin solución:
2x2 + 3x3 =4
2x1 − 6x2 + 7x3 = 15
x1 − 2x2 + 5x3 = 10
0 2 3 4 1 −2 5 10
2 −6 7 15 R1
R3 2 −6 7 15
1 −2 5 10 0 2 3 4
1
1 −2 5 10 R2 → − R2 1 −2 5 10
R2 →R2 − 2R1 2 3 5
−−−−−−−−−−→ 0 −2 −3 −5 −−−−−−−−→ 0 1 2 2
0 2 3 4 0 2 3 4
1 0 8 15
R1 → R1 + 2R2 3 5
−−−−−− −−−−→ 0 1 2 2
R3 → R3 − 2R2
0 0 0 −1
1
2 4 6 18 R1 → R 1 1 2 3 9
R2 → R2 − 4R1
2 −→ 4 5 6 24 −
4 5 6 24 −−−−− −−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 4 3 1 −2 4
1
1 2 3 9 R2 → − R2 1 2 3 9
0 −3 −6 3
−12 −−−−−−−−→ 0 1 2 4
0 −5 −11 −23 0 −5 −11 −23
1 2 3 9 1 2 3 9
R3 → R3 + 5R2 R3 → −R3
−−−−−−−−−−→ 0 1 2 4 −−−−−−→ 0 1 2 4
0 0 −1 −3 0 0 1 3
La matriz aumentada del sistema (y los coeficientes de la matriz) se
encuentran en forma escalonada por renglones, donde se puede observar de
inmediato que x3 = 3. Para encontrar los valores de las demás incognitas, se
utiliza la sustitución hacia atrás.
En el segundo renglón de la matriz tenemos:
x2 + 2x3 =4
sustituyendo el valor de x3 , obtenemos:
x2 + 2(3) = 4 ⇒ x2 = 4 − 6 = −2
Sustituyendo el valor de x2 y x3 en la ecuación correspondiente al primer
renglón de la matriz:
x1 = 4 − 9 + 9 ⇒ x1 = 4
Encontramos que el sistema tiene una solución única:
x1 + 3x2 − 5x3 + x4 = 4
2x1 + 5x2 − 2x3 + 4x4 = 6
Resolviendo el sistema mediante el método de Gauss-Jordan:
1 3 −5 1 4 R2 → R2 − 2R1 1 3 −5 1 4
−−−−−− −−−−→
2 5 −2 4 6 0 −1 8 2 −2
−R2
R2 → 1 3 −5 1 4
−−−−−−→
0 1 −8 −2 2
R1 → R1 − 3R2 1 0 19 7 −2
−−−−−− −−−−→
0 1 −8 −2 2
1
2 4 6 0 R1 → R1 1 2 3 0
2 −→ 4 5 6 0 −R2 → R2 − 4R1
4 5 6 0 −−−−− −−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 0 3 1 −2 0
1
1 2 3 0 R2 → − R2 1 2 3 0
0 −3 −6 0 −−−−−−3−−→ 0 1 2 0
0 −5 −11 0 0 −5 −11 0
1 0 −1 0 1 0 −1 0
R1 → R1 − 2R2 R3 → −R3
−−−−−− −−−−→ 0 1 2 0 −−−−−−→ 0 1 2 0
R3 → R3 + 5R2
0 0 −1 0 0 0 1 0
1 0 0 0
R1 + R3
R1 →
−−−−−−−−−−→ 0 1 0 0
R2 → R2 − 2R3
0 0 1 0
a11 a12 . . . a1j . . . a1n
a21 a22 . . . a2j . . . a2n
.. .. ..
. . .
A = (aij ) =
ai1 ai2 . . . aij . . . ain
.. .. ..
. . .
am1 am2 . . . amj . . . amn
donde aij es la ij-ésima componente de A.
Suma de matrices
Sean A = (aij ) y B = (bij ) dos matrices de mxn. La suma de A y B:
a11 + b11 a12 + b12 ... a1n + b1n
a21 + b21 a22 + b22 ... a2n + b2n
A + B = (aij + bij ) =
.. .. ..
. . .
am1 + bm1 am2 + bm2 ... amn + bmn
1.
−1 0
1 2 3
+ 4 5 La suma no esta definida
4 5 6
3 7
2.
2 4 −6 7 0 1 6 −2 2 5 0 5
1 3 2 1 + 2 3 4 3 = 3 6 6 4
−4 3 −5 5 −2 1 4 4 −6 4 −1 9
3.
1 2 4 4 0 5 5 2 9
+ =
−7 3 −2 1 −3 6 −6 0 4
Multiplicación por un número real
3.
5 −7
1 2
−2 0 = 3
2 1 0
1 2
1(5) + 2(−2) + 3(1) 1(−7) + 2(0) + 3(2) 4 −1
=
2(5) + 1(−2) + 0(1) 2(−7) + 1(0) + 0(2) 8 −14
Definición de Producto de Matrices
Sea A = (aij ) una matrix de mxn y B = (bij ) una matrix de nxp
a11 a12 . . . a1n
a21 a22 . . . a2n
A= .
.. ..
.. . .
am1 am2 . . . amn
b11 b12 . . . b1j . . . b1p
b21 b22 . . . b2j . . . b2p
B=
.. .. ..
. . .
bn1 bn2 . . . bnj . . . bnp
n
X
⇒ Cij = aik bkj
k=1
La multiplicación de A por B es:
c11 c12 . . . c1j . . . c1p
c21 c22 . . . c2j . . . c2p
AB = . .. Matriz mxp
..
.. . .
cn1 cn2 . . . cnj . . . cnp
Ejemplo:
1 2
2 1 −4 2 2+1+2 4+2−4
3 2 5 1 1 2
0 = 3+2+1 6+4+5 =
1
1 0 3 3 1+3 2+3
1 0
5 2
= 6 15
4 5
Propiedades
Ejemplo:
I1 = (1) 1 0 0 0
0 1 0 0
1 0 I4 =
I2 = 0 0 1 0
0 1
0 0 0 1
1 0 0
I3 = 0 1 0
0 0 1
Teorema: Sea A una matriz cuadrada de nxn, entonces:
In A = A = AIn
Ejemplo:
1 3 1 0 1+0 0+3 1 3
= =
−2 5 0 1 −2(1) + 0 0 + 5 −2 5
1 0 1 3 1+0 3(1) + 0 1 3
= =
0 1 −2 5 0 + 1(−2) 0+5 −2 5
Definición: Sean A y B matrices de nxn. Supongamos que:
AB = BA = In
AA−1 = A−1 A = In
R1 1
2 4 6 1 0 0 R1 → 1 2 3 0 0
2→ 4 2 R → R2 − 4R1
4 5 6 0 1 0 −−−−−−− 5 6 0 1 0 −−2−−−−−−−−→
R3 → R3 − 3R1
3 1 −2 0 0 1 3 1 −2 0 0 1
1
R2 1
1 2 3 2
0 0 R2 → 1 2 3 2
0 0
−3 2
0 −3 −6 −2 1 0 −−−−−−−→ 0 1 2 3
− 13 0
0 −5 −11 − 23 0 1 0 −5 −11 − 32 0 1
− 56 2
1 0 −1 0
R1 → R1 − 2R2 3 R → −R3
−−−−−−−−−−→ 0 1 2 2
3
− 13 0 −−3−−−−−−→
R3 → R3 − 5R2 11
0 0 −1 6
− 53 1
− 65 2
− 83 7
1 0 −1 3
0 1 0 0 3
−1
2 R1 → R1 + R3
0 1 2 3
− 13 0 −−−−−−−−−−→ 0 1 0 13
3
− 11
3
2
R2 → R2 − 2R3
0 0 1 − 11
6
5
3
−1 0 0 1 − 116
5
3
−1
− 83 7
3
−1
∴ A−1 = 13
3
− 11
3
2
− 11
6
5
3
−1
Sea
1 −3 4
A= 2 −5 7 A−1 =?
0 −1 1
1 −3 4 1 0 0 1 −3 4 1 0 0
R → R − 2R
2 −5 7 0 1 0 −−2−−−−−2
−−−−→1
0 1 −1 −2 1 0
0 −1 1 0 0 1 0 −1 1 0 0 1
1 0 1 −5 3 0
R1 → R1 + 3R2
−−−−−−−−−−→ 0 1 −1 −2 1 0
R3 → R3 + R2
0 0 0 −2 1 1
b1
b2
~b = .
..
bn
A−1~b = ~x
Ejemplo:
Sea
− 83 7
−1
2 4 6 3 2
−1 13 ~b = 0
A= 4 5 6 , A = 3
− 11
3
2 y
3 1 −2 − 116
5
3
−1 0
− 38 7
−1 − 16
2 3 2 3 x1
−1 0 = 13
A 3
− 11
3
2 0 = 26
3
= x2
0 − 11
6
5
3
−1 0 −622 x3
Solución.
2 −1 1 2 0 2
2 1
At = , Bt = 3 4 , Ct = 2 −3 1 −1
3 4
1 6 −6 4 2 5
Matriz Simétrica
Se dice que la matriz A de nxn (cuadrada) es simétrica si:
At = A
definimos:
Ejemplo: Sea
1 2
4 3
det A = |A| = (1)(3) − (2)(4) = 3 − 8 = −5
Sea A una matriz de 3x3:
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
−a13 a22 a31 − a11 a23 a32 − a12 a21 a33
Ejemplo
Solución.
2 3 4 3 4 2
det A = 3 −5
−1 +2
−1 = 3(8−6)−5(16+3)+2(8+2)
2 4 4 2
0 4 1 4 1 0
det B = 2 −(−3) +5 = 2(0+12)+3(9−12)+5(−3−0)
−3 9 3 9 3 −3
Ejemplo: Sea
1 −2 3
A= 5 7 4
−8 2 0
Los menores µ22 , µ12 , y µ23 son:
1 3 5 4 1 −2
µ22 = , µ12 = , µ23 =
−8 0 −8 0 8 2
Sea A una matriz de 4x4:
5 2 3 0
−1 4 2 7
A=
−5 −2 1 0
2 3 4 −3
Los menores µ13 , µ32 son:
−1 4 7 5 3 0
µ13 = −5 −2 0 , µ32 = −1 2 7
2 3 −3 2 4 −3
Definición de Cofactor
Sea A una matriz de nxn. El Co-Factor ij de A, denotado pr Aij esta
dado por:
Ejemplo:
Sea
1 −2 3
A= 5 7 4
−8 2 0
El cofactor de A12 es:
5 4
1+2
A12 = (−1) −8 0 = (−1)[(5)(0)−(4)(−8)] = −1(32) = −32
∴ A12 = −32
El cofactor A31 es:
−2 3
3+1
A31 = (−1) = 1[(−2)(4)−(3)(7)] = 1[−8−21] = −29
7 4
Determinante de nxn
Sea A una matriz nxn:
a11 a12 ... a1n
a21 a22 ... a2n
A=
.. .. ..
. . .
an1 an2 ... ann
Entonces el determinante de A es:
n
X
det A = |A| = a11 A11 + a12 A12 + . . . + a1n A1n = a1k A1k
k=1
donde:
7 0 1
= (−1)1+1 4
A11 3 0 = 7[15 − 0] − 0[20 − 0] + 1[−8 − 0]
0 −2 5
= 105 − 8 = 97
6 0 1
= (−1)1+2 −2
A12 3 0 = (−1)(6[15 − 0] − 0[−10 − 0] + 1[4 − 3])
1 −2 5
= −(90 + 1) = −91
6 7 1
= (−1)1+3 −2
A13 4 0 = 6[20 − 0] − 7[−10 − 0] + 1[0 − 4]
1 0 5
= 120 + 70 − 4 = 186
6 7 0
= (−1)1+4 −2
A14 4 3 = (−1)(6[−8 − 0] − 7[4 − 3] + 0[0 − 4])
1 0 −2
= −1(−48 − 7) = 55
−2 3 0 1
2 1 7 0 0 2 4
A = 0 2 −5 , B =
0
0 1 3
0 0 1
0 0 0 −2
Matrices que son triangulares inferiores
5 0 0
0 0
C = 2 3 0 , D =
1 0
−1 2 4
Matrices diagonales
2 0 0
In , E = 0 −7 0
0 0 −4
Sea A una matriz triangular inferior:
a11 0 0 0
a21 a22 0 0
A= a31 a32 a33 0
a41 a42 a43 a44
Calculando su determinante:
a22 0 0
det A = a11 A11 + 0A12 + 0A13 + 0A14 = a11 a32 a33 0
a42 a43 a44
a 0
= a11 a22 33
= a11 a22 a33 a44
a43 a44
Teorema: Sea A = (aij ) una matriz de nxn triangular superior o
inferior, entonces:
Solución.
det A = (2)(2)(1) = 4
det B = (−2)(0)(1)(−2) = 0
det E = (2)(−7)(−4)
Propiedades de los determinantes
Teorema. Sean A y B dos matrices nxn. Entonces det AB = det A det
B.
1 −1 2
Ejemplo. Verifique el teorema para A = 3 1 4 y
0 −2 5
1 −2 3
B = 0 −1 4 .
2 0 −2
Solución.
1 −1 2 1 −2 3 5 −1 −5
AB = 3 1 4 0 −1 4 = 11 −7 5
0 −2 5 2 0 −2 10 2 −18
Ejemplo.
1 2 3 0 4 2
Sean y . Entonces A + B = :
3 4 −2 2 1 6
para j = 1, 2, . . . , n.
Ejemplo. Sea
4 7 −2
A = 3 −5 1 .
−8 6 9
Expandiendo por cofatores en el segundo renglon se obtiene:
Ejemplo.
4 7 0 3
−8 6 0 −5
=0
−1 2 0 −3
2 1 0 9
4 7 −1
0 0 0 =0
−2 7 −3
Propiedad. Si el renglón i o columna j de A se multiplica por un
escalar c, entonces det A se multiplica por c. Es decir, si se denota por
B esta nueva matriz, entonces
a11 a12 ... a1n
a11 a12 . . . a1n
a21 a22 ... a2n
a21 a22 . . . a2n
.. .. .. .. .. ..
. . . . . .
|B| = = c = c|A|
cai1 cai2 . . . cain
ai1 ai2 . . . ain
.. .. .. .. .. ..
. . .
. . .
an1 an2 . . . ann an1 an2 . . . ann
Ejemplo. Sea
1 −1 2
A = 3 1 4 .
0 −2 5
Entonces det A = 16. Si se multiplica el segundo renglón por 4 se
tiene
1 −1 2
B = 12 4 16
0 −2 5
y det B = 64 = 4 det A. Si se multiplica la tercera columna de A por
−3 se obtiene
1 −1 −6
C = 3 1 −12
0 −2 −15
y det C = −48 = −3 det A.
a11 a12 . . . a1j . . . a1n
a21 a22 . . . a2j . . . a2n
Propiedad. Sea A = .. ,
.. .. ..
. . . .
an1 an2 . . . anj . . . ann
a11 a12 . . . α1j . . . a1n
a21 a22 . . . α2j . . . a2n
B= .. y
.. .. ..
. . . .
an1 an2 . . . αnj . . . ann
a11 a12 . . . a1j + α1j . . . a1n
a21 a22 . . . a2j + α2j . . . a2n
C
.. .. .. ..
. . . .
an1 an2 . . . anj + αnj . . . ann
Al intercambiar
las
columnas 1 y 2 de A se obtiene
−1 1 2
C = 1 3 4 y se cumple que det C = −16.
−2 0 5
Propiedad. Si A tiene dos renglones o columnas iguales, entonces
det A = 0.
1 −1 2
Ejemplo. Sea A = 5 7 3 . Como el renglon 1 es igual al
1 −1 2
renglon 3 se cumple que det A = 0.
5 2 2
Ejemplo. Sea B = 3 −1 −1 . Como la columna 2 es igual
−2 4 4
a la columna 3 se cumple que det B = 0.
Propiedad. Si un renglon de A es un multiplo escalar de otro renglón
(columna) , entonces det A = 0.
2 −3 5
Ejemplo. Sea A = 1 7 2 = 0 ya que el tercer renglón es
−4 6 −10
igual a −2 veces el primero.
2 4 1 12
−1 1 0 3
Ejemplo. Sea B = = 0 porque la cuarta
0 −1 9 −3
7 6 3 9
columna es igual a tres veces la segunda.
Propiedad. Si se suma un multiplo escalar de un renglón (columna)
de A a otro renglón (columna) de A, entonces el determinante no
cambia.
1 −1 2
Ejemplo. Sea A = 3 1 4 . Entonces det A = 16. Si se
0 −2 5
multiplica el tercer renglón por 4 y se suma al segundo renglón, se
obtiene una nueva matriz dada por
1 −1 2 1 −1 2
B = 3 + 4(0) 1 + 4(−2) 4 + 5(4) = 3 −7 24
0 −2 5 0 −2 5
y det B = 16 = det A.
Ejemplo. Utilice las propiedades de los determinantes para calcular
|A|, donde
1 3 5 2
0 −1 3 4
A= 2 1 9 6
3 2 4 8
Solución. Ya existe un cero en la primera columna, por lo que lo más
sencillo es reducir otros elementos de la primera columna a cero. Se
puede continuar la reducción buscando una matriz triangular.
por lo tanto
|A| = (−16)(1)(−1)(1)(10) = 160
Ejemplo. Uso de de las propiedades para calcular un determinante de
5 × 5. Calcule
1 −2 3 −5 7
2
0 −1 −5 6
|A| = 4 7 3 −9 4
3
1 −2 −2 3
−5 −1 3 7 −9
Solución. Sumando el renglón 2 y despues el renglón 4 al renglón 5,
se obtiene
1 −2 3 −5 7
2 0 −1 −5 6
|A| = 4 7 3 −9 4 = 0
3 1 −2 −2 3
0 0 0 0 0
Este ejemplo ilustra el hecho de que un poco de observación antes de
empezar los cálculos puede simplificar las cosas considerablemente.
Determinantes e inversas
Teorema: Sea A una matriz 2x2,
A es invertible si y sólo si det A 6= 0
Si det A 6= 0, entonces:
1 a22 −a12
A−1 =
det A −a21 a11
donde el determinante de una matriz de 2x2 esta dado como:
−1 1 3 4 2 −4 1 6 + 4 −12 + 12
A A= =
10 −1 2 1 3 10 −2 + 2 4+6
1 10 0 1 0
= =
10 0 10 0 1
Ejemplo:
Sea
1 2
A= A−1 =?
−2 −4
1 2
det A = = 1(−4) − 2(−2) = −4 + 4 = 0
−2 −4
∴ no existe A−1
Teorema. Si A es invertible entonces det A 6= 0 y
1
det A−1 =
det A
Nota. Antes de utilizar determinantes para calcular las inversas es
necesario definir la adjunta de una matriz A = (aij ). Sea B = (Aij ) la
matriz de cofactores de A, es decir:
A11 A12 . . . A1n
A21 A22 . . . A2n
B= .
. .. ..
. . .
An1 An2 . . . Ann
Definición. Sea A una matriz de n × n y sea B = (Aij ) la matriz de sus
cofactores. Entonces la adjunta de A, escrito adj A, es la traspuesta de
la matriz B de n × n; es decir,
A11 A21 . . . An1
A12 A22 . . . An2
adj A = Bt = .
.. ..
.. . .
A1n A2n . . . Ann
2 4 3
Ejemplo. Sea A = 0 1 −1 . Calcule adj A.
3 5 7
Solución.
1 −1 0 −1
A11 = (−1)1+1 = 12, A12 = (−1)1+2 = −3,
5 7 3 7
0 1 4 3
A13 = (−1)1+3 = −3, A21 = (−1)2+1 = −13,
3 5 5 7
2 3 2 4
A22 = (−1)2+2 = 5, A23 = (−1)2+3 = 2,
3 7 3 5
4 3 2 3
A31 = (−1)3+1 = −7, A32 = (−1)3+2 = 2,
1 −1 0 −1
12 −13 −7
2 4
A33 = (−1)3+3 = 2. ∴ adj A = −3 5 2
0 1
−3 2 2
Teorema. Sea A una matriz de n × n. Entonces A es invertible si y
sólo si det A 6= 0. Si det A 6= 0, entonces
1
A−1 = adj A
det A
2 4 3
Ejemplo. Sea A = 0 1 −1 . Calcule A−1 .
3 5 7
2 4 3 2 4
Solución. Se tiene que det A = 0 1 −1 0 1 = 3 6= 0
3 5 7 3 5
1 −1 0 −1
A11 = (−1)1+1 = 12, A12 = (−1)1+2 = −3,
5 7 3 7
0 1 4 3
A13 = (−1)1+3 = −3, A21 = (−1)2+1 = −13,
3 5 5 7
2 3 2 4
A22 = (−1)2+2 = 5, A23 = (−1)2+3 = 2,
3 7 3 5
4 3 2 3
A31 = (−1)3+1 = −7, A32 = (−1)3+2 =2
1 −1 0 −1
2 4
A33 = (−1)3+3 = 2. Se tiene entonces que
0 1
12 −13 −7
adj A = −3 5 2
−3 2 2
1
A−1 =adjA =
det A
−13 −7
4
3 3
12 −13 −7
1 5 2
= −3 5 2 = −1
3 3 3
−3 2 2
2 2
−1
3 3
Regla de Cramer
Cuando se tiene un sistema de ecuaciones donde su número de
incógnitas coincide con el número de ecuaciones, se puede emplear la
Regla de Cramer para encontrar la solución única al sistema, siempre
y cuando su det A 6= 0. Consideremos el siguiente sistema de n
ecuaciones lineales con n incógnitas:
Ax = b
b1 a12 ... a1n a11 b1 ... a1n
b2 a22 ... a2n a21 b2 ... a2n
A1 = , A2 = ,
.. .. .. .. .. ..
. . . . . .
bn an2 ... ann an1 bn ... ann
a11 a12 ... b1
a21 a22 ... b2
. . . , An =
.. .. ..
. . .
an1 an2 ... bn
2 4 6
D = 4 5 6 = 2[5(−2) − 6(1)] − 4[4(−2) − 6(3)] + 6[4(1) − 5(3)]
3 1 −2
= 2(−10 − 6) − 4(−8 − 18) + 6(4 − 15) = 2(−16) − 4(−26) + 6(−11)
= −32 + 104 − 66 = 104 − 98 = 6
18 4 6
D1 = 24 5 6 = 18[5(−2)−6(1)]−4[24(−2)−6(4)]+6[24(1)−5(4)]
4 1 −2
= 18(−10 − 6) − 4(−48 − 24) + 6(24 − 20) = 18(−16) − 4(−72) + 6(4)
= −288 + 288 + 24 = 24
2 18 6
D2 = 4 24 6 = 2[24(−2)−6(4)]−18[4(−2)−6(3)]+6[4(4)−24(3)]
3 4 −2
= 2(−48 − 24) − 18(−8 − 18) + 6(16 − 72) = 2(−72) − 18(−26) + 6(−56)
= −144 + 468 − 336 = −12
2 4 18
D3 = 4 5 24 = 2[5(4) − 24(1)] − 4[4(4) − 24(3)] + 18[4(1) − 5(3)]
3 1 4
= 2(20 − 24) − 4(16 − 72) + 18(4 − 15) = 2(−4) − 4(−56) + 18(−11)
= −8 + 224 − 198 = 18
La solución del sistema es:
D1 24 D2 −12
x1 = = = 4, x2 = = = −2
D 6 D 6
D3 18
x3 = = =3
D 6
Unidad IV
Vectores
Vectores
Sea ~a = (x, y) un vector bidimensional, el módulo de ~a se define
como:
p
|~a| = x2 + y2
~a =< x2 − x1 , y2 − y1 , z2 − z1 >
~v = (2, 2)
Solución.
√ √ √
|~v| = 4 + 4 = 8 = 2 2
tan(θ) = 22 = 1
∴ θ = 0.78 rad
√
~v = (2, 2 3)
Solución.
p √
|~v| = 4 + 4(3) = 16 = 4
√
2 3
√
tan(θ) = 2 = 3
∴ θ = 1.047 rad
√
~v = (−2 3, 2)
Solución.
p √
|~v| = 4(3) + 4 = 16 = 4
2
tan(θ1 ) = 2√ 3
= √13
∴ θ1 = 0.52rad
θ2 = π − θ1 = π − 0.52 = 2.61rad
~v = (−3, 3)
Solución.
√ √
|~v| = 9 + 9 = 18
tan(θ) = 33 = 1
∴ θ1 = 0.785rad
θ2 = 23 π − θ1 = π − 0.785 = 3.92rad
~v = (6, −6)
Solución.
√ √
|~v| = 36 + 36 = 72
tan(θ1 ) = 66 = 1
∴ θ1 = 0.785rad
θ2 = 2π − θ1 = 2π − 0.785 = 5.5rad
Suma de vectores (Regla del triángulo o del paralelogramo)
El vector −~a = −1(~a) tiene la misma longitud que ~a, pero apunta en
la direccón contraria.
Para vectores tridimensionales también es cierto que c~a es un vector
que tiene |c| veces la longitud de ~a, y la misma dirección que ~a si
c > 0, ası́ como la dirección contraria si a < 0.
~a + (−~b)
De modo que (~a − ~b) + ~b = ~a, el vector ~a + (−~b) cuando se suma a
~b, da ~a. esto se ilustra en la figura siguiente.
Ejemplo. Si ~a = h3, 2, 4i y ~b = h1, −2, 5i, encuentre |a| y los
vectores ~a + ~b, ~a − ~b, 3~a y 2~a + 4~b
Solución.
p √ √
|a| = (3)2 + (2)2 + (4)2 = 9 + 4 + 16 = 29.
~a +~b = h3, 2, 4i+h1, −2, 5i = h3+1, 2+(−2), 4+5i = h4, 0, 9i.
~a − ~b = h3, 2, 4i − h1, −2, 5i = h3 − 1, 2 − (−2), 4 − 5i =
h2, 4, −1i.
3~a = 3h3, 2, 4i = h9, 6, 12i
2h3, 2, 4i + 4h1, −2, 5i = h6, 4, 8i + h4, −8, 20i = h10, −4, 28i
Denotaremos por R2 al conjunto de todos los vectores
bidimensionales, y por R3 al conjunto de todos los vectores
tridimensionales.
~a = ha1 , a2 , . . . , an i
donde a1 , a2 , . . . , an son números reales que se llaman componentes
de ~a. Al conjunto de todos los vectores n-dimensionales los
denotaremos por Rn . La suma y multiplicación escalar en Rn se
definen en terminos de componentes, analogamente como para n = 2
y n = 3. La norma de
~a = ha1 , a2 , . . . , an i
es:
q
|~a| = (a1 )2 + (a2 )2 + · · · + (an )2
Propiedades de vectores:
î = h1, 0i y ĵ = h0, 1i
Si ~a = ha1 , a2 , a3 i, entonces
~a = a1 î + a2 ĵ + a3 k̂
Solución.
~a
~u =
|~a|
1
Para verificarlo, hacemos c = . Se cumple que ~u = c~a y c es un
|~a|
escalar positivo, de modo que ~u tiene la misma dirección que ~a.
Igualmente:
1
|~u| = |c~a| = |c||~a| = |~a| = 1
|~u|
Ejemplo. Encuentre el vector unitario en la dirección del vector
~v = 2î − 3ĵ + 4k̂.
Solución.
Priemero encontramos la longitud del vector:
q √
|~v| = |2î − 3ĵ + 4k̂| = (2)2 + (−3)2 + (4)2 = 29
~a · ~b = a1 b1 + a2 b2 + . . . + an bn
Ejemplos:
h2, 4i · h3, −1i = 2(3) + 4(−1) = 2
~a · ~a = |~a|2 ~a · ~b = ~b · ~a
~a · (~b + ~c) = ~a · ~b + ~a · ~c (c~a) · ~b = c(~a · ~b) = ~a · (c~b)
~0 · ~a = 0
Al producto punto se le puede dar una interpretación geométrica en
términos del ángulo θ entre ~a y ~b, que se define como el ángulo entre
las representaciones de ~a y ~b que inician en el origen, de tal forma que
0 ≤ θ ≤ π. En otras palabras θ es el ángulo entre los segmentos de
−
→ −→
recta 0A y OB, como se muestra en la figura.
~a · ~b
cos θ =
|~a||~b|
Demostración.
Se colocan las representaciones de ~a y ~b con los puntos iniciales en el
origen, como se indica en la figura
|~a − ~b|2 = (~a − ~b) · (~a − ~b) = ~a · (~a − ~b) − ~b · (~a − ~b) =
Como
~a · ~b
cos θ =
|~a||~b|
se tiene
π ~a · ~b ~a · ~b
cos = ⇐⇒ 0,5 = ⇐⇒ ~a · ~b = 12
3 (4)(6) 24
Ejemplo. Encuentre el ángulo entre los vectores ~a = h1, 2, 3i y
~b = h4, −3, 2i.
Solución.
Demostración.
⇒) Sean ~a y ~b vectores diferentes de cero ortogonales, entonces:
π ~a · ~b π
cos = ⇐⇒ ~a · ~b = |~a||~b| cos
2 |~a||~b| 2
π
Como cos 2 = 0; se tiene que:
~a · ~b = 0
⇐) Si ~a · ~b = 0, entonces
~a · ~b 0
cos θ = = =0
~
|~a||b| |~a||~b|
De modo que
π
θ = cos−1 (0) = .
2
Por lo tanto los vectores son ortogonales.
Ejemplo. Pruebe que 2î + 2ĵ − 1k̂ es perpendicular a 5î − 4ĵ + 2k̂
Solución.
Como
~a · î a~1
cos α = = (10)
|~a||î| |~a|
1
De modo que ~a = hcosα, cos β, cos γi
|~a|
Lo cual nos dice que los cosenos directores de ~a son las componentes
del vector unitario en la dirección de ~a.
Ejemplo. Encuentre los ángulos directores de ~a = h1, 2, 3i.
Solución. p √
Como |~a| = (1)2 + (2)2 + (3)2 = 14, se tiene que:
1 2 3
cos α = √ , cos β = √ y cos γ = √
14 14 14
1
por lo que: α = cos−1 √ = 74◦ ,
14
−1 2 ◦ −1 3
β = cos √ = 58 , y γ = cos √ = 37◦ ,
14 14
Proyecciones
−→ − →
La siguiente figura muestra las representaciones PQ y PR de dos
vectores ~a y ~b con el mismo origen P:
−
→
|PS| −
→
Se tiene que cos θ = ⇐⇒ |PS| = |~b| cos θ
|~b|
π
Observe que si < θ ≤ π, entonces comp~a ~b es negativa.
2
La ecuación
~a · ~b = |~a||~b|cosθ = |~a|(|~b|cosθ)
muestra que el producto punto de ~a y ~b se puede interpretar como la
longitud de ~a por la proyección escalar de ~b sobre ~a. Como
~a · ~b ~a ~
|~b|cosθ = = ·b
|~a| |~a|
~a · ~b
comp~a ~b =
|~a|
Vector de proyección de ~b sobre ~a:
! !
~a · ~b ~a ~a · ~b
proy~a ~b = = ~a
|~a| |~a| |~a|2
Solución.
p √
Como |~a| = (−2)2 + (3)2 + (1)2 = 14, entonces:
es ortogonal a ~a
Demostración.
! !
~a · ~b
~ · ~a = ~b −
w ~a · ~a =
|~a|2
~a × ~b = ha2 b3 − a3 b2 , a3 b1 − a1 b3 , a1 b2 − a2 b1 i
î ĵ k̂
~
a2 a3 a1 a3 a1 a2
~a × b = a1 a2 a3 =
î −
ĵ +
k̂
b1 b2 b3 b2 b3 b1 b3 b1 b2
Ejemplo. Si ~a = h1, 3, 4i y h2, 7, −5i, entonces:
î ĵ k̂
3 4 1 4
~ ĵ + 1 3
~a × b = 1 3 4 =
î − k̂ =
2 7 −5 7 −5 2 −5 2 7
Demostración.
= a1 a2 b3 − a1 b2 a3 − a1 a2 b3 + b1 a2 a3 + a1 b2 a3 − b1 a2 a3 = 0
Un cálculo semejante demuestra que
(~a × ~b) · ~b = 0
Solución.
−→
Los vectores que corresponden a los segmentos de recta dirigidos PQ
−→
y PR son: ~a = h−3, 1, −7i y ~b = h0, −5, −5i.
î ĵ k̂
~
~a×b = −3 1 −7 = (−5−35)î−(15)ĵ+15k̂ = −40î−15ĵ+15k̂
0 −5 −5
î × ĵ = k̂ ĵ × k̂ = î k̂ × î = ĵ
ĵ × î = −k̂ k̂ × ĵ = −î î × k̂ = −ĵ
Observemos que:
î × ĵ 6= ĵ × î
Notemos que no siempre se cumple:
(î × î) × ĵ = 0̂ × ĵ = ~0
Propiedades del producto vectorial
= a1 b2 c3 − a1 b3 c2 + a2 b3 c1 − a2 b1 c3 + a3 b1 c2 − a3 b2 c1 =
= (a2 b3 − a3 b2 )c1 − (a1 b3 − a3 b1 )c2 + (a1 b2 − a2 b1 )c3 =
= (~a × ~b) · ~c
El producto ~a · (~b × ~c) se llama producto escalar triple de los vectores
~a, ~b y ~c.
h = |~a|| cos θ|
π
Debemos usar | cos θ| en lugar de cos θ, en el caso θ > .
2
Por lo tanto, el volumen del paralelepı́pedo es
~r = ~r0 + ~a.
Pero, como ~a y ~v son vectores paralelos, existe un escalar t de manera
que ~a = t~v (recordemos que dos vectores ~a y ~v son paralelos si y sólo
si existe un escalar real t tal que ~a = t~v.)
Por tanto
~r = ~r0 + t~v (12)
a esta ecuación se le llama ecuación vectorial de la recta L.
Ejemplo.
1 Encuentre la ecuación vectorial y las ecuaciones paramétricas
para la recta que pasa por el punto (5, 1, 3) y es paralela al vector
î + 4ĵ − 2k̂
2 Encuentre otros puntos de la recta.
Solución.
1 Aquı́ r0 = h5, 1, 3i = 5î + ĵ + 3k̂ y ~v = î + 4ĵ − 2k̂. De
modo que la ecuacón vectorial de la recta es:
x = 5 + t, y = 1 + 4t, z = 3 − 2t
x = 6 + t, y = 5 + 4t, Z = 1 − 2t.
O bien, si nos quedamos con el punto (5, 1, 3), pero escogemos, el
vector paralelo ~v = h2, 8, −4i, llegamos a las ecuaciones:
Ejemplo.
1 Halle las ecuaciones paramétricas y las ecuaciones simétricas de
la recta que pasa por los puntos A(2, 4, −3) y B(3, −1, 1).
Solución. Explı́citamente no dan ahora un vector paralelo a la recta,
−
→
pero observamos que el vector ~v con representación AB es paralelo a
la recta, por lo que
x = 2 + t, y = 4 − 5t, z = −3 + 4t
a = x1 − x0 , b = y1 − y0 , c = z1 − z0
x = 1 + t, y = −2 + 3t, z=4−t
x = 2s, y = 3 + s, z = −3 + 4s
no se cortan y no son paralelas (las rectas que no se cortan y no son
paralelas se llaman oblicuas).
1 + t = 2s, −2 + 3t = 3 + s, 4 − t = −3 + 4s
Resolviendo las primeras dos ecuaciones
1 + t = 2s 1 + t = 2s 1 + t = 2s
⇐⇒ ⇐⇒
−2 + 3t = 3 + s −5 + 3t = s −10 + 6t = 2s
11
⇐⇒ 11 − 5t = 0 ⇐⇒ t =
5
y entonces sustituyendo el valor de t en la primera ecuación
11 16 8
1+ = 2s ⇐⇒ = 2s ⇐⇒ s =
5 5 5
11 8
Pero estos valores, t = y s = no satisfacen la tercera ecuación,
5 5
pues:
11 8 9 17
4− = −3 + 4 ⇐⇒ =
5 5 5 5
lo cual no puede ser. Por lo tanto no existen valores de t y s que
satisfagan las tres ecuaciones. En consecuencia, L1 y L2 no se cortan.
Planos
ha, b, ci · hx − x0 , y − y0 , z − z0 i = 0
ax + by + cz + d = 0 (16)
o
6x + 10y + 7z = 50.
Ejemplo. Halle el punto en el que la recta, con ecuaciones
paramétricas
corta al plano
4x + 5y − 2z = 18
Solución. Sustituimos las expresiones para x, y, z de las ecuaciones
paramétricas en la ecuación del plano:
Esto se simplifica a
10 − t = 20 ⇐⇒ t = −2.
Por tanto, el punto de intersección corresponde al valor del parametro
t = −2. Entonces
x+y+z=1
x − 2y + 3z = 1
2 Encuentre ecuaciones simétricas para la recta de interseccı́on L
de estos dos planos
Solución.
(1) Los vectores normales de estos dos planos son
2
=√ √
3 14
Por lo que
−1 2
θ = cos √ √ = 72◦
3 14
(2) Primero necesitamos hallar un punto de L. Por ejemplo, si
hacemos z = 0 en ambas ecuaciones de los planos, encontramos las
ecuaciones
x + y = 1, y x − 2y = 1
cuya solución es x = 1, y = 0. Por lo tanto el punto (1, 0, 0) cumple
ambas ecuaciones de los planos y se encuentra en L.
Ahora, observamos que, , como L se encuentra en ambos planos, es
perpendicular a ambos vectores normales. En consecuencia, un vector
~v paralelo a L está dado por el producto cruz
i j k
~v = ~n1 × ~n2 = 1 1 1 = 5i − 2j − 3k
1 −2 3
0 −x1
0 −x2
~0 =
.. ,
y − ~x =
..
. .
0 −xn
y considerando la multiplicación de una matriz de n × 1 por un escalar
real, se observa que Rn cumple los axiomas de espacio vectorial.
Ejemplo. Espacio vectorial trivial. Sea V = {0}. Es decir V consiste
sólo en el número 0. Como
0 + 0 = 1 · 0 = 0 + (0 + 0) = (0 + 0) + 0 = 0
V = {(x, y, z) : ax + by + cz = 0}
es espacio vectorial.
Subespacios vectoriales
Demostración. (ejercicio).
Ejemplo. Para cualquier espacio vectorial V, el subconjunto {0} que
consiste en el vector cero es un subespacio de V, ya que 0 + 0 = 0 y
α0 = 0 para todo número real α. Este subespacio se denomina
subespacio trivial.
Ejemplo. Para cualquier espacio vectorial V, el subconjunto {0} que
consiste en el vector cero es un subespacio de V, ya que 0 + 0 = 0 y
α0 = 0 para todo número real α. Este subespacio se denomina
subespacio trivial.
Ejemplo. Como
a b 1 0 0 1 0 0 0 0
=a +b +c +d ,
c d 0 0 0 0 1 0 0 1
1 0 0 1 0 0 0 0
vemos que , , y
0 0 0 0 1 0 0 1
generan a M22
Definición. Sea ~v1 ,~v2 , . . . ,~vk , k vectores de un espacio vectorial V. El
espacio generado por {~v1 ,~v2 , . . . ,~vk } es el conjunto de
combinaciones lineales de ~v1 ,~v2 , . . . ,~vk . Es decir
a + 2b = 0
(a+2b, −2a−2b+c, 3a+7c) = (0, 0, 0) ⇐⇒ −2a − 2b + c = 0
3a + 7c = 0
De este modo, los vectores serán linealmente dependientes si y sólo si
este sistema tiene soluciones no triviales, reduciendo por renglones, la
forma escalonada reducud por renglones de
1 2 0 0
−2 −2 1 0
3 0 7 0
es
1 0 0 0
0 1 0 0
0 0 1 0
por lo tanto, el sistema tiene solución única: a = 0, b = 0, c = 0. Por
lo que el sistema no tiene soluciones no triviales y los vectores dados
son linealmente independientes.
Ejemplo. Determine si el conjunto de vectores es linealmente
independiente o linealmente dependiente:
a + 3b + 11c = 0
(a+3b+11c, −3a−6c, 4b+12c) = (0, 0, 0) ⇐⇒ −3a − 6c = 0
4b + 12c = 0
De este modo, los vectores serán linealmente dependientes si y sólo si
este sistema tiene soluciones no triviales, reduciendo por renglones
1 3 11 0 1 0 2 0
−3 0 −6 0 es 0 1 3 0
0 4 12 0 0 0 0 0
por lo tanto, el sistema tiene una infinidad de soluciones dada por:
a + 2c = 0
a + 3c = 0
Considerando c = 1, se tiene b = −3 y a = −2, de manera que, como
puede verificarse,
b+c+d =0
−b + c − d = 0
2b + 4c + 8d = 0
Solución.
c1 − 4c2 − 7c3 = 0
−2c1 + c2 + 8c3 = 0
25 6
1c1 = c3 y c2 = − c3
7 7
Por lo tanto, considerando c3 = 7, entonces, c1 = 25, c2 = −6 y se
tiene
25(x − 2x2 ) − 6(x2 − 4x) + 7(−7x + 8x2 ) = 0
Teorema. Un conjunto de n vectores en Rm es siempre linealmente
dependiente si n > m.
1 0 0 0
0
1
0
0
~e1 =
0 , ~e2 =
0 , ~e3 =
1 , . . . ,~en =
0
.. .. .. ..
. . . .
0 0 0 1
Puesto que los vectores ~ei son las columnas de una matriz identidad
(que tiene determinante 1), {~e1 ,~e2 , . . . ,~en } es un conjunto
linealmente independiente y, por tanto, constituye una base en Rn .
Esta base se denomina base canonica en Rn .
Ejemplo. Los polinomios 1, x, x2 , x3 son linealmente independientes
en P3 y generan a P3 , pues cualquier polinomio de P3 es de la forma
a + bx + cx2 + dx3
x x 0 1 0
2x + 3z = 2x + 3z = x 2 + z 3
z 0 z 0 1
1 0
lo cual muestra que 2 y 3 generan a π. Como estos
0 1
vectores son linealmente independientes, porque uno no es múltiplo
del otro), forman una base para π.
Teorema. Cualesquiera dos bases en un espacio vectorial V tienen el
mismo número de vectores.
Ejemplo. dim Rn = n
Ejemplo. dim P3 = 4
Transformaciones lineales