Taller 13

Álgebra Lineal Segundo Semestre 2020-2021 1.2

1 Repaso General

Capı́tulo 1: Ecuaciones Lineales

1. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. (Si el enunciado es verdadero,
cite hechos o teroremas pertinentes. Si es falso, explique por qué o dé un contrajemplo que muestre por
qué el enunciado no es verdadero en cada caso)

F- (a) Cada matriz es equivalente por filas a una única matriz en forma escalonada.

contraejemplo :

reseñada pegada
1 : :| I : :] -

, [ : :| -1 : :]
.
-

[ : :|
F- (b) Cualquier sistema de n ecuaciones lineales con n variables tiene a lo sumo n soluciones
✗
}
✗a 1- O
:]
=

[ El :)
ecuaciones
[
a

7 11
2
-

2 ✗ +2k = O a
variables
n

INFINITAS soluciones

( más ' '

que n
soluciones )
(c) Si un sistema de n ecuaciones lineales no tiene variables libres, entonces tiene una solución única.

Asumiendo el sistema tiene n Variables

que
.

A es una matriz de nxn con n columnas

pivote
entonces por el teorema de la matriz invertible ,
AI = b
tiene una solución
única
(d) Si una matrix aumentada [A b] se transforma en [C d] mediante operaciones elementales de fila,
entonces las ecuaciones Ax = b y x = d tienen exactamente los mismos conjuntos solución

Sección de ecuaciones lineales 7

1.1 sistemas p . :

sistemas lineales
"

si las matrices aumentadas de dos

son equivalentes por filas entonces los ,

dos sistemas tienen el mismo

conjunto solución "
Esto sucede las
porque
operaciones
de fila no

el solución
alteran
conjunto .
 V
(e) Si un sistema Ax = b tiene más de una solución, entonces lo ismos sucede con el sistema Ax = 0.
Demostración
usando teoría :
b tiene más de A- ✗ = una solución entonces tiene
,
Tomamos dos soluciones distintas
A ✗ = b tiene más de una solución implica que infinitas soluciones .

✗a
y
✗a ( como b # o X, # Ó ¿ Xr # E)
existe variable libre , entonces ,
una
por
el teorema de la matriz invertible Ako Ah b
} b- b
{ IK
=

, AX , Ah -
= entonces -
✗ a) es una solución
tiene más de una solución b trivial para 1- ✗
A- ✗ o
=

✗ a) Ó no
a
=

ACX ,
- =
-

F (f) Si A es una matriz de m ⇥ n y la ecuación Ax = b es consistente para alguna b, entonces las

columnas de A generan Rm .

[ Y ? :) ;) /
consistente
contraejemplo :
1- =
[! ! ] 1- ✗ =
[ :) es consistente :
-

[ Yo
'

Pero las columnas de A no IR porque son

generan
linealmente dependientes .

F (g) Si una matriz aumentada [A ] se puede transformar en forma escalonada mediante operaciones
elementales de fila, entonces la ecuación Ax = b es consistente. ✓
forma escalonada

(Í ? / { |
}
[
Definición
2)
de ^^ 1
Filas de están
1.
ceros
abajo ~

forma escalonada 0 O
:
2. cada entrada principal de una fila está en

una columna aea arma aea amada

principal de la fila superior pero no es consistente .

3. Todas las entradas diferentes de cero están arriba

entradas que solo contienen cero

V (h) Si las matrices A y B son equivalentes por filas, tienen la misma forma escalonada reducida

Teorema 13
1. Sección 1.2 , p .

UNICIDAD DE LA FORMA ESCALONADA

"

Cada matriz es
equivalente por filas a una y solo a una

matriz escalonada reducida

"

V (i) La ecuación Ax = 0 tiene la solución trivial si y solo si no hay variables libres

Por el teorema de la matriz invertible :

la solución trivial
A ✗ = o tiene
L I
las columnas de A Son -
-

No hay variables libres

Y
(j) Si A es una matriz de m ⇥ n y la ecuación Ax = b es consistente para cada b en Rm . las columnas
"
de A forman base IR
una
para
.

Por el teorema de la matriz invertible ,

* , las
independientes
' '
=
⇐ • wmnasaea como sabemos que n vectores
es consistente son independientes
para cada b
"
base entonces las columnas de -1 forman base
en IR forman una ,
una .

(k) Si una matriz A de n ⇥ m↳ tiene n posiciones pivote, entonces la forma escalonada reducidad de A
es la matriz identidad de n ⇥ n

/ if
-

:[ .at/::.I::::::
-

'

A
"
de sobre la diagonal In
÷
cero ~
.

.
•
° ° ^
1
pivote de esa columna

T pivotes aii =/ 0 entonces divido cada fila aii

, , para
 V (l) Si A y B son matrices de 3 ⇥ 3 con tres posiciones pivote cada una, entonces A se puede transformar
en B mediante operaciones elementales de fila
I B ~ I
Si B ambas tienen entonces A ~
A y 3 pivotes ,
y

entonces también I ~
B usando las operaciones
inversas ,
entonces 1- ~
INB A- B

afa_s-_PzOfrffgmS
(m) Si A es una matriz de m ⇥ n, si la ecuación Ax = b tiene al menos dos soluciones diferentes, y si la

FARSANTE
ecuación Ax = c es consistente, entonces la ecuación Ax = c tiene muchas soluciones.

(n) Si ninguno de los vectores del conjunto S = {v1 , v2 , v3 } en R3 es un múltiplo de los otros vectores,
entonces S es linealmente independiente
linealmente
CONTRAEJEMPLO :{ ( I ) ( I ) / & ) }
.
, (b) (1) + =
(? ) } S es
dependiente

los
(E) al ! )
(1) ( I )
{
" °" "

( ?)
=
°

( g)
'
= ✗
✗
=
son múltiplos
✗ = 2
✗ = '
✗ = 2 ✗ =3 11=2+-3 ] ✗ No
¥
existe
& q; ¥ 2-+731=31
,
z =/ % =/ %, ] ✗ No existe
,
, } a no

existe
(o) Si {u, v, w} es linealmente independiente, entonces u,v y w no están en R2 .
V no
puede
Opción 1 : Si u, v
,
we ITÍ ,
entonces a- ( Ii ) .
V =
( Y:) .
w =
( %) [ % Y %) .
tener 3 pivotes .

dim ( R2 ) >

Opción 2 : =
2 ,
cualquier base de IR tiene
?
2 vectores
,
entonces el numero máximo
de vectores independientes en IR es 2 .

F (p) En algunos casos, es posibles que cuatro vectores generen a R5

0ps : Dim ( IRS ) =

5 ,
entonces todas las bases de IRS tienen
5 vectores .

[ ?
|[)
IR entonces
OPZ
( tiene alguna
:
máximo 4 pivotes entonces es inconsistente para E
V, V , V , ✓ y
,

no puede generar IRS

V (q) Si u y v están en Rm , entonces u está en Gen{u, v}.

Gen { un } contiene todas las combinaciones lineales de ir

y
Ú,

ir ( in ) oci ) ir
entonces
Gen { ir , J }
- =
-

1- + -
€
,

F (r) Si u, v y w son vectores diferentes de cero en R2 , entonces w es una combinación lineal de v y ama
w

contraejemplo :
n =
(1) =/ Ó
W =
(d) Ñ no es combinación lineal de (I ) (? )
y .

✓ =

(E) =/ ó
 F (s) Si w es una combinación lienal de u y v en Rn , entonces u es una combinación lineal de v y w.

contraejemplo : v.
(? ) µ -1 ! ) .nl ! ) Wes
lineal de
combinación
Üyv
: (1) of ! / :( ! )
= +

w = o.ir +
K .
i

pero (!) no es combinación lineal de

(! ) y (?) × .

(t) Supongamos que v1 , v2 y v3 están en R , v2 no es múltiplo de v1 , y v3 no es una combinación

5

lineal de v1 y v2 . Por lo tanto, {v1 , v2 , v3 } es lienalmente independiente.

V (u) Si A es una matriz de 6 ⇥ 5, la trnsformación lineal x ! Ax no puede mapear R5 sobre R6

Para A sea sobre columnas deben generar IRG necesita 6

que , sus
, pero se

vectores para 112° A tiene 5 columnas

generar y ,
así
que
1126
'
✗ 1- Ax no
mapea IR sobre .

F (v) un
Si A es una matriz de m ⇥ n con m columnas pivore, entonces la transformación lineal x ! Ax es
mapeo uno a uno.

contraejemplo
:( Ungoqogq ;] m

s
pivotes
pivotes , pero
las columnas de A no son

mi "
A
3×4
independientes ,
entonces no es uno a uno

2. Suponga que la matriz coeficiente de un sistema lineal de tres ecuaciones con tres variables tiene una
posición pivore en cada columna. Explique por qué el sistema tiene una solución única.

A tiene pivotes en cada columna

,
entonces 1- ~ I entonces , por
3×3
invertible A Í tiene exactamente
el teorema de la matriz ,
✗ =

solución cada bí
una
para
.

3. La siguiente ecuación describe una rotación de Givens en R3 .

Encuentre a y b.
2 32 3 2 p 3
a 0 b 2 2 5
40 1 0 5 435=4 3 5, rechacen
a 2 + b2 = 1
b 0 a 4 0 TS zrs
-

4b =

tb = Ts
29-4 b =
255
b =

¥
/ (
-

| )
rrs
/
3 zrs

|
= 3 2 -4 2 -
"

2b o 2 4 o
+ y a 4 O 25s 49 25s
=

a =
Tsj
 4. Un gran edificio de apartamentos se construirá empleando técnicas de construcción modular. El arreglo
de los apartamentos, en cualquier piso en particular se selecciona a partir de tres planes básicos. El plan
A tiene 18 apartamentos en un piso, incluyendo 3 unidades de 3 cuartos, 7 unidades de 2 cuartos, y 8
unidades de un cuarto. Cada piso del plan B incluye 4 unidades de 3 cuartos, 4 unidades de 2 cuartos,
y 8 unidades de un cuarto. Cada piso C tiene 5 unidades de 3 cuartos, 3 unidades de 2 cuartos, y 9
unidades de un cuarto. Suponga que eledificio tiene un total de x1 pisos del plan A, x2 pisos del plan B
y x3 pisos del plan C.
2 3
3
(a) ¿Qué interpretación puede darse al vector x =475?
8

Significa
tiene 3
que el edificio pisos con

el plan A
,
7 con el plan B
y
8 con el plan C .

(b) Escriba una combinación lineal formal de vectores que exprese el número total de apartamentos de
una, dos y tres cuartos en el edificio.

✗
Y !:/
v
+ × .

-1 :/
Íis
+ ×.
-1 :| : : ::
Va
← a cuartos

3
[ ¥) + 7
[ g)
"
+ 8 [{| =

| ! ! ! ! ! / =/ :| : :::::
21 t 28 + 24
7s de z cuartos

(c) Plantee una ecuación para determinar si es posible diseñar el edificio con exactamente 66 unidades
de tres cuartos, 74 unidades de dos cuartos y 136 unidades de un cuarto.

I :/ Y ?/ / !! )
"

×.
-1 ! /
=

+ " + ✗

l : :
8 8
:| !:|
Capı́tulo 2: Álgebra de Matrices
5. Suponga que las matrices mencionadas en los siguientes enunciados tienen los tamaños adecuados. Mar-
que cada enunciado como verdades o falso. Justifique sus respuestas.
 V (a) Si A y B son de m ⇥ n, entonces tanto AB T como AT B están definidas

ABÍ
[ A) ( BT ) definida ATB :[ E) [ B) definida
mxn ✗ m
nxm mxn

F (b) Si AB = C y C tiene dos columnas, entonces A tiene dos columnas.

atiene 2 columnas

(A) [ B) (c)
,

entonces p =L , Btiere
=

2 columnas 1- no necesariamente
mxn
nxp mxp ,

contraejemplo :
[ 1 ? ;) [ I ? / [ EI ] =
Atiene 3 columnas , C tiene 2
columnas

F (c) Al multiplicar por la izquierda una matriz B por una matriz diagonal A, con entradas distintas de
cero en la diagonal, se modifica la escala de las filas de B,

}
b" a" bar annbm
_

[ / fama qq / =/
b" a
TÉ:b
-
-
-

- -
- "
"

' , ,
a " b " :
-

bin '

bnn O ai bin Graban -

.
.
annbnn
.

B Se modifica la escala de las columnas

A

CONTRAEJEMPLO :[ ¿ 7) [ Ii / =L? :|
F (d) Si BC = BD, entonces C = D
B C B D

CONTRAEJEMPLO :

[ 881ft ? / [ ¡ 8) [ ! !)
=
C =/ D

F (e) Si AC = 0, entonces A = 0 o C = 0

Hoy 13=10

contraejemplo :( no :/ [ 9ft -1881 .

A C = 0

(f) Si A y B son de n ⇥ n, entonces (A + B)(A B) = A2 B2.

( 1- B) ( A- B) BA necesariamente
'
cero
+ =
AÁ + BA -

AB -

B
, pero
-

AB no es

:( ti ? ] [ ii )) ( II ? ) [ i :)) / { ;) / Y ;) :[ ¿ Y / ←* BXA B) =/ A:B

.
-

CONTRAEJEMPLO + -
=

)
,

A
:[ EN :?) :[ I. El B
:[ : :X : :) -1: :) :B :[ II. 1- [ % ] -18%1
f- (g) Si AB = I, entonces A es invertible.
a

Iy
"

yo
-11%4=-1 : :| ,
pero
A tiene dimensión 2×3
,
entonces A

2×3 3×2 I
,
no es invertible .
 2 3
1
(h) Si A es una matriz de 3 ⇥ 3 y la ecuación Ax =405 tiene una sola solución, entonces A es invertible.
0

6. Dada u en Rn con uT u = 1, sea P = uuT (un producto exterior) y Q = I 2P . Justifique los enunciados
a continuación:
(a) P 2 = P

P :-(
núlfuú ) =P
,¥ú
= un = un
'

P p

(b) P T = P

PT ( nuit ( CÍÍCUÍ =P
'

un
= =
=

(c) Q2 = I

=
( I -

ZP ) ( I -

zp ) =
(I -

run
'
) (I -
zuuí )
°

=
I
= I _

ZUÚ ZIUUT + 4 uuínví

ZP
-

zp qp
-
-
+

=
I
I 4h ni 4kW
+
IX.
=
=
-

 
1 0 0 1
7. Sea A = ,B= . Estas son matrices de espı́n de P auli y se usan en el estudio del espı́n
0 1 1 0
de electrones en mecánica cuántica. Demuestre que A2 = I, B 2 = I y AB = BA. Las matrices del
tipo AB = BA se llaman anticonmutativas.

A
:[ ii. II : :/ =L : :/ = :

B: [ %) -1911=1 : 91=1

[ 19119 / -19 :)
'
AB =

o
=

BA =

[ %) -11-91--19%1=-1.9 !/ = -

AB
?⃝
 Capı́tulo 3: Determinantes
8. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. Suponga que todas las
matrices son cuadradas.
V (a) Si A es una matriz de 2 ⇥ 2 con determinante cero, entonces una columna de A es un múltiplo de
la otra
Por el teorema de la matriz invertible , det (A) = o

las columnas de A Son LD .

las columnas están en ITI ser I. D. implica ser

como ,

múltiplo una de la otra .

✓ (b) Si dos filas de una matriz A de 3 ⇥ 3 son iguales, entonces det(A) = 0.

( ) | ) [ %)
Al , A 9
019%8%1+019:S :/ +01%4:|
12 13 911 912 913 "

A =
ar , ar ,
ar } =
Chi ara Ars ~ a. a. a " deth ) =

923
L 921 922
931 932 933
Éi det (A) =
o
• Ijuí ltiplo , ,

" ha% con

otra
"
Mbia el
determinante
F (c) Si A es una matriz de 3 ⇥ 3, entonces det(5A) = 5det(A).

contraejemplo : A.
{ ! ¡ §) det (A) =
1

[§ §§] det (SA )

5A = =
125 =/ 5. det (A) = 5

F (d) Si A y B son matrices de n ⇥ n, con det(A) = 2 y det(B) = 3, entonces det(A + B) = 5

contraejemplo A.
[% !§ / . . . .
detlatz
detltt B) = det
[ ?o % § ;) .

det (B) =3

F
☐ =

[!! it =
3- 4-2
""

=/ 5
(e) Si A es de n ⇥ n con det(A) = 2, entonces det(A3 ) = 6
det ( AB ) = det (A) detl B) ,
entonces

det ( As ) =
det ( AAA ) =
det (A) det (A) det (A) = ( det (A)¡ ¿ =
=
8

F (f) Si B se obtiene al intercambiar dos filas de A, entonces det(B) = det(A).

contraejemplo det / 191=1

{
B se obtiene
en
general ,
si

intercambiando dos filas de A ,

det
(9^0)=-1 det (B) = det (A)
-
V (g) Si B se obtiene multiplicando la dila 3 de A por 5, entonces det(B) = 5det(A)

Teorema 3 Sección 3. 2

Operaciones de fila Sea A una matriz cuadrada

"
si una fila de A se
multiplica
por
K para B det (B) =L
det (A) 11
producir
✓
.

,
.

(h) Si B se forma sumando a una fila de A una combinación lineal ed las otras filas, entonces det(B) =
det(A).
Teorema 3 Sección 3. 2

operaciones de fila "

g. un múltiplo de una

fila de A se suma a otra pila para crear B

det
,

(A) =
det ( B .

f (i) det(AT ) = det(A)

Teorema 5 sección 3.2

de TAE det (A)

"
Si A es cuadrada , .

F (j) Cualquier sistema de n ecuaciones en n variables se puede resolver con la regla de Cramer.

de Cramer
la
regla solo funciona si

existe una solución Única .

F (k) Si A es invertible, entonces det(A 1

= det(A)

det ( AA ) "
= det ( I ) =
1-

) Ía ,
"

det (A) detfn 1) det ( A =

=p
-
=

V (l) Si A es invertible, entonces det(A) ⇥ det(A 1

)=1

det (A) detlt )

Ía ,
"
.

=
det (A) -

= 1-
×
.
9. Utilice operaciones de fila para demostrar que todos los determinantes son cero.
12 13 14
¡ ¡ ¡/
' ' ' 121314
(a) 15 16 17 ~ 3 3 3 ~ 3 3 3 entonces det = O

18 19 20 O O O

b
a. =/
a.
=/ C

1
(b) 1
a
b
b+c
a+c ~
(
^
°

o
°

b- a
c- a
btc
a-

a- C b) [
~
o-a.i.it/-:.::y.-:::-y
1
o -
a

( a- b) a- b o -
n n
o t l

1 c a+b det
( a=b
=
o
o
a __ C

resulta en

una fila de
ceros y dato
y -1-0

-1 : I.
: [ % ! :|
-1 : :* :
a b c
. "
(c) a + x b+x c+x
a+y b+y c+y
det -0

↳ resulta
o

y=o en una

fila de ceros

y det O
-
-
 Capı́tulo 4: Espacios Vectoriales
10. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. (Si es verdadero, cite hechos
o teoremas pertinentes. Si es falso, explique por qué o dé un contraejemplo que muestre por qué el
eunciado no es cierto en todos los casos. En los incisos a) hasta e), v1 , . . . , vp son vectores en un espacio
vectorial V con dimensión finita diferente de cero, y S = {v1 , . . . , vp }.
V (a) El conjunto de todas las combinaciones lineales de v1 , . . . , vp es un espacio vectorial

Gen { Y .
. .
Un } es un
espacio
vectorial
para cualquier
de vectores
conjunto
.

✓ (b) Si {v1 , . . . , vp 1} genera V , entonces S genera V .

S entonces
Como
Vp EV y { Vs ,
.
.

> Vp }
. .
genera
,
no ±
}
{ Un Vp
"
.

..

NOTA conjunto
VPE Gen { Vn Vp }
,
entonces un

✓ formarían
. .
. .
, >

K Gen { 4 ,
_ . .
, Vp } . .
=

Gen {µ . . .
yp }

V (c) Si {v1 , . . . , vp } es linealmente independiente, entonces S también es linealmente independiente.

Vp } , independiente
5=94 ,
. . .
entonces si el
conjunto es ,

S es independiente

F (d) Si S es linealmente independiente, entonces S es una base para V .

V
S debe adicionalmente generar ,

]
IR
{ ( !) (I )}
S
contraejemplo genera
no
5- ses i. ± .

,
S no es base para IR ?
entonces

F (e) Si dim(V ) = p y GenS = V , entonces S no puede ser linealmente independiente

contraejemplo dim ( IRS ) =3

S es I. I .

5-
{ 1:11:11 ? ) }
Evp
un "

F (f) Un plano en R es un subespacio de dimensión 2.

3

A- (I) #
(1) (F) + *
, :-( ! / ( ¥:/ +1¥ )
v +

v. =/ It :(¥:/ +1¥ )
"

V, + V. =

(1) + KN»
( f) + ( Html
(Y ) ☒p
 No es un
subespacio .

el plano pasa por

el
origen es verdadero ]
[
NOTA si ,
,

(g) Las columnas de una matriz que no son pivote siempre son linealmente independientes
F
contraejemplo :[¿ { §)
en

columnas no son L D -
.

pivote
(h) El rango de una matriz es igual al número de filas diferentes de cero.

V (i) Si H es un subespacio de R3 , entonces hay una matriz A de 3 ⇥ 3 tal que Col(A) = H

subespacios Ó
} H H XV H Pw H vtpsw +8in
=

,
=
=
✗✓ + = ✗
} , ,
de IR

/ % : :| [ IÉÉI -1in :D [ iii. ir ]

A
} , .

a 2b + 5c
3
.

2
6 2a + 5b 8c 7
11. Encuentre una base para el conjunto de todos los vectores de la forma 6
4 a 4b + 7c5
7

3a + b + c
12. Sea T : Rn ! Rm una transformación lineal.

{ | :{ ¥g ¥;)
2b del
(a) ¿Cuál es laq dimensión + se
rango de T si T es un mapeo uno a uno? Explique su respuesta
-

}
-

* =
atacar
,

/ 1.) bf ;) (E) :&

=
a
+ + a
(b) ¿Cuál es la dimensión del núcleo de T (véase la sección 4.2) si T mapea Rn sobre Rm ? Explique su
respuesta.

E ¥14.1 :| -1
O

: : :| :|
1 - 2 5
O 1 -2

: : ::
O
.

O -
6 12 O 1 -2 O

3 °
y n

Capı́tulo 5: Valores Propios y Vectores Propios

% :| :
[ /
13. Determina en cada caso si es o no un valor propio de la matriz dada

A- { f! ) /¥ ) }
~ 
3 2
(a) = 2,U A= o o
3 8 o entonces
. .
,

columnas

pivote
 (g) Las columnas de una matriz que no son pivote siempre son linealmente independientes

(h) El rango de una matriz es igual al número de filas diferentes de cero.

(i) Si H es un subespacio de R3 , entonces hay una matriz A de 3 ⇥ 3 tal que Col(A) = H

3 2
a 2b + 5c
6 2a + 5b 8c 7
11. Encuentre una base para el conjunto de todos los vectores de la forma 6
4 a 4b + 7c5
7

3a + b + c
12. Sea T : Rn ! Rm una transformación lineal.
(a) ¿Cuál es la dimensión del rango de T si T es un mapeo uno a uno? Explique su respuesta

1- LI
uno a uno columnas ,
n
pivotes ,

A
=

[ ] dim /
Rango ) = n

mxh

(b) ¿Cuál es la dimensión del núcleo de T (véase la sección 4.2) si T mapea Rn sobre Rm ? Explique su
respuesta.
T es sobre entonces col (A) =
IRM
entonces dim Col (A) = un

dim ( Null ( A ) ) =
n -

m µ
.

Capı́tulo 5: Valores Propios y Vectores Propios

13. Determina en cada caso si es o no un valor propio de la matriz dada

3 2
(a) = 2, A =
3 8

A- II
[! ¡| / /
'
?
=

det s
= 6-6=0
,

7 valor de A
es
propio .
 
1 4
(b) = 3, A =
6 9

det (AAI ) = det

[ ¡| = 24-24=0

1 valor de A
es
propio .

14. Determina en cada caso si v es o no un vector propio de la matriz dada. Si ası́ es, determine el valor
propio.
 
1 1 1
(a) v = ,A=
3 6 4

[ t.IN/=-:1=-IIII1esunvecwpnpio con 1=-2

 
1 5 2
(b) v = ,A=
1 3 6

1%1%1=[31--4--1] [ 1) es un vector
propio
con 7=3

Capı́tulo 6: Ortogonalidad
15. Determine las contidades indicadas utilizando los vectores
2 3 2 3
  3 6
1 4
u ,v , w4 15, x4 25
2 6
5 3
u·u w·w v·u
11-4=5 9+1+25=35 -4+12=8
v·u x·w
x·w

18+2-15=5
u·u =
-7 w·w =

# =

¥
 1
w·w
w ÷ t.EE?):H=-::I 1
u·u
u

(E) E)
⇣u · v⌘ 813 ⇣x · w⌘
v
El :) -1%1 x =

v·v x·x IS
/yq

||w|| =
Es =
TE ||x|| = Mi -7

16. Demuestre que la pryección ortogonal de un vector y sobre una recta L que pasa por el origen en R2 no
depende de la elección del vector u diferente de cero en L que se emplea en la fórmula para ŷ
y·u
ŷ = u
u·u

Pista: Como L es una lı́nea que pasa por el origen, tiene la forma L = cu. Sustituya u en la fórmula
por cu, donde c es un escalar distinto de cero no especificado. Demuestre que la nueva fórmula da el
mismo valor para ŷ.

j-5.ci#-cir=Elj.ir).au Crecí .ir )

j.ci
'

y
=

U
Y
-

→
.