CAPITULO 1

Sistemas lineales

1.1 Sistemas lineales 2x2

Un sistema lineal 2x2 tiene la forma

𝑎!! 𝑥! + 𝑎!" 𝑥" = 𝑏!

𝑎"! 𝑥! + 𝑎"" 𝑥" = 𝑏"

Donde los términos independientes b y los coeficientes a11, a12, a21 y a22, son números
reales.

Un sistema (o conjunto) de ecuaciones lineales tiene:

1) Unica solución
2) Infinitas soluciones.
3) Ninguna solución.

Ejemplos Determinar el tipo de solución de los siguientes sistemas

1) 𝑥! − 2𝑥" = −1 (1)
−𝑥! + 3𝑥" = 3 (2)

de (1) 𝑥! = −1 + 2𝑥"

en (2) 1 − 2𝑥" + 3𝑥" = 3

entonces 𝑥" = 2 → 𝑥! = 3

Respuesta: El sistema tiene única solución

2) 𝑥! − 2𝑥" = −1 (1)
−𝑥! + 2𝑥" = 3 (2)

de (1) 𝑥! = −1 + 2𝑥"

en (2) 1 − 2𝑥" + 2𝑥" = 3 → 1=3

1
Respuesta: El sistema no tiene solución

3) 𝑥! − 2𝑥" = −1 (1)
−𝑥! + 2𝑥" = 1 (2)

de (1) 𝑥! = −1 + 2𝑥"

en (2) 1 − 2𝑥" + 2𝑥" = 1 → 1=1

Respuesta: El sistema tiene infinitas soluciones.

Parametrización
𝑥" = 𝑡, 𝑡 ∊ ℝ
𝑥! = −1 + 2𝑡, si 𝑡 = 3 → 𝑥! = 5, 𝑥" = 3

Ejercicio Resolver los tres ejercicios anteriores por los métodos de igualación y eliminación
(o reducción)

Aplicación

1) A la premier de una película asistieron 600 personas. Los boletos de adulto cuestan
5 y los de niño 2. Los recibos fueron por un total de 2400.¿Cuantos niños asistieron
a la premier?

𝑥! = 𝑛𝑖ñ𝑜𝑠; 𝑥" = 𝑎𝑑𝑢𝑙𝑡𝑜𝑠

𝑥! + 𝑥" = 600
2𝑥! + 5𝑥" = 2400

Respuesta Asistieron 200 niños la premier.

2) Una tienda obtiene 41800 por la venta de 58 computadoras de dos tipos, si uno de los
tipos se vendió a 600 y otro a 850, ¿cuántos computadores de cada tipo se vendieron?

𝑥! = 𝑇𝑖𝑝𝑜 1; 𝑥" = 𝑇𝑖𝑝𝑜 2

𝑥! + 𝑥" = 58
600𝑥! + 850𝑥" = 41800

Respuesta Del tipo 1 se vendieron 30 computadores y del tipo 2 se vendieron 28

computadores

2
1.2. Sistemas lineales mxn
Conjunto de m ecuaciones lineales, cada una con n incógnitas. Su representación general es

𝑎!! 𝑥! + 𝑎!" 𝑥" + ⋯ + 𝑎!# 𝑥# = 𝑏!

𝑎"! 𝑥! + 𝑎"" 𝑥" + ⋯ + 𝑎"# 𝑥# = 𝑏"
⋮
𝑎$! 𝑥! + 𝑎$" 𝑥" + ⋯ + 𝑎$# 𝑥# = 𝑏$

1.2.1. Matrices: Arreglo rectangular de elementos (constantes o variables). Sea una

matriz Amxn , donde m representa la cantidad de filas o renglones y n la cantidad de
columnas.

𝑎!! 𝑎!" 𝑎!% 𝑎!#

𝑎"! 𝑎"" 𝑎"% ⋯ 𝑎"#
𝐴=A ⋮ ⋱ ⋮ C
𝑎$! 𝑎$" 𝑎$% ⋯ 𝑎$#

𝐴 = D𝑎&' E
El i-ésimo renglón o fila de A es

[𝑎&! , 𝑎&" , 𝑎&% , ⋯ , 𝑎&# ] (1 ≤ 𝑖 ≤ 𝑚)

La j-ésima columna de A es
𝑎!'
𝑎"'
A ⋮ C (1 ≤ 𝑗 ≤ 𝑛)
𝑎#'

Si m=n, A es una matriz cuadrada y 𝑎!! , 𝑎"" , 𝑎%% , ⋯ , 𝑎## forman la diagonal principal.

𝑎!! 𝑎!" 𝑎!%

M𝑎"! 𝑎"" 𝑎"% N
𝑎%! 𝑎%" 𝑎%%

Definición: Una matriz cuadrada con todos los términos fuera de la diagonal principal
iguales a cero, se denomina matriz diagonal.

3 0 0
M0 2 0 N
0 0 −8

3
Definición: Una matriz diagonal con diagonal principal conformada por unos, se denomina
matriz identidad I.

1 0 0
𝐼 = M0 1 0N
0 0 1

1.2.2. Operaciones con matrices

Suma: Sea 𝐴 = D𝑎&' E y 𝐵 = D𝑏&' E matrices mxn, entonces la suma de A y B es una matriz
𝐶 = D𝑐&' E de mxn , donde
𝑐&' = 𝑎&' + 𝑏&'

Ejemplo: La suma de las matrices

3 9 0 5 −6 −11
𝐴=M 7 2 4 N y 𝐵 = M 0 −1 −3 N
−5 6 −8 10 7 9
8 3 −11
es 𝐶 = M7 1 1 N
5 13 1

Multiplicación por un escalar: Sea 𝐴 = D𝑎&' E una matriz mxn, y c es un número real, la
multiplicación de A por c es una matriz 𝐵 = D𝑏&' E donde

𝑏&' = 𝑐 ∙ 𝑎&'

Ejemplo: Sea
8 −1
𝐴=V W y c = -3
5 0
entonces,

−24 3
𝐵 = 𝑐𝐴 = V W
−15 0

Multiplicación de matrices: Sea 𝐴 = D𝑎&' E una matriz mxp y 𝐵 = D𝑏&' E una matriz pxn, el
producto entre A y B es una matriz 𝐶 = D𝑐&' E de mxn, donde
(

𝑐&' = 𝑎&! 𝑏!' + 𝑎&" 𝑏"' + 𝑎&% 𝑏%' + ⋯ + 𝑎&( 𝑏"( = X 𝑎&) 𝑏)'
)*!

(1 ≤ 𝑖 ≤ 𝑚), (1 ≤ 𝑗 ≤ 𝑛)

4
Ejemplo: El producto de las matrices
5 −3
−9 0 1
𝐴=V W y 𝐵 = M10 8 N
4 6 −7
2 −1

𝑐 = (−9) ∗ 5 + (0 ∗ 10) + 1 ∗ 2 𝑐!" = (−9) ∗ (−3) + 0 ∗ 8 + 1 ∗ (−1)

Es 𝐶 = Y !! [
𝑐"! = 4 ∗ 5 + (6 ∗ 10) + (−7) ∗ 2 𝑐"" = 4 ∗ (−3) + (6 ∗ 8) + (−7) ∗ (−1)

−43 26
𝐶=V W
66 43

Ejemplo: El producto de las matrices

1 −3
−2 9 −1
𝐴 = M0 5 N 𝑦 𝐵 = V W
8 6 −7
2 −4
es
−26 −9 20
𝐶 = M 40 30 −35N
−36 −6 26

+
Transpuesta de una matriz: Si 𝐴 = D𝑎&' E es una matriz mxn, la matriz 𝐴+ = D𝑎&' E de nxm
+
es la transpuesta de A, donde D𝑎&' E = D𝑎'& E (Intercambio de filas y columnas).

3 9 0 3 7 −5
Ejemplo: La transpuesta de la matriz 𝐴 = M 7 2 4 N es 𝐴+ = M9 2 6 N
−5 6 −8 0 4 −8

Propiedades:

I. (𝐴# )# = 𝐴
II. (𝐴𝐵)# = 𝐵# 𝐴#
III. (𝐴 + 𝐵)# = 𝐴# + 𝐵#
IV. (𝐴# )$! = (𝐴$! )#

Definición: Una matriz es simétrica si 𝐴 = 𝐴+

3 9 0
𝐴 = M9 2 4 N
0 4 −8

5
1.2. Representación matricial de un sistema lineal.

Un sistema lineal m ecuaciones y n incógnitas de la forma

𝑎!! 𝑥! + 𝑎!" 𝑥" + ⋯ + 𝑎!# 𝑥# = 𝑏!
𝑎"! 𝑥! + 𝑎"" 𝑥" + ⋯ + 𝑎"# 𝑥# = 𝑏"
⋮
𝑎$! 𝑥! + 𝑎$" 𝑥" + ⋯ + 𝑎$# 𝑥# = 𝑏$
Se puede expresar matricialmente
𝑎!! 𝑎!" 𝑎!# 𝑥! 𝑏!
𝑎"! 𝑎"" ⋯ 𝑎"# 𝑥" 𝑏"
A ⋮ ⋱ ⋮ CA ⋮ C = A ⋮ C
𝑎$! 𝑎$" ⋯ 𝑎$# 𝑥# 𝑏$
𝐴𝑥 = 𝑏
Se puede representar como una matriz aumentada de la forma
𝑎!! 𝑎!" 𝑎!# ⋮ 𝑏!
𝑎"! 𝑎"" ⋯
𝑎"# ⋮ 𝑏"
A C
⋮ ⋱ ⋮ ⋮ ⋮
𝑎$! 𝑎$" ⋯ 𝑎$# ⋮ 𝑏$

1.3. Matriz escalonada reducida

Una matriz escalonada reducida cumple con las siguientes condiciones:

1. En cada renglón la entrada distinta de cero es un 1, denominada entrada principal o

pivote.
2. Dos renglones sucesivos que no consten completamente de ceros, la entrada
principal del renglón inferior, está a la derecha de la entrada principal del renglón
superior.
3. Si una columna contiene una entrada principal de algún renglón, entonces el resto
de los elementos de esta columna son ceros.
4. Los renglones que consten de solo ceros están en la parte inferior de cada matriz.

1 0 0 1 0
1 0 −8
M0 1 0N ; M0 1N ; V W
0 1 6
0 0 1 0 0

6
1.4 Eliminación Gauss- Jordan.
Método para resolver sistemas lineales que contempla los siguientes pasos:

1. Formar una matriz aumentada [A:b].

2. Transformar la matriz aumentada a la forma escalonada reducida mediante las
siguientes operaciones elementales:
a. Intercambio de renglones de [A:b].
b. Multiplicar un renglón de la matriz [A:b] por un número real diferente de
cero.
c. Sumar d veces un renglón de [A:b] a otro renglón de [A:b].

Ejemplos: Resolver los siguientes sistemas de ecuaciones

1) 𝑥 + 𝑦 − 𝑧 = 1
3𝑥 + 2𝑦 + 𝑧 = 1
5𝑥 + 3𝑦 + 4𝑧 = 2

1 1 −1⋮1 (−3)𝐹! + 𝐹" 1 1 −1⋮ 1 1 1 −1⋮ 1

M3 2 1 ⋮1N → = M0 −1 4 ⋮−2N → (−1)𝐹" = M0 1 −4⋮ 2 N
(−5)𝐹! + 𝐹%
5 3 4 ⋮2 0 −2 9 ⋮−3 0 −2 9 ⋮−3

(−1)𝐹" + 𝐹! 1 0 3 ⋮−1 (−3)𝐹% + 𝐹! 1 0 0⋮−4

→ = M0 1 −4⋮ 2 N =→ = M0 1 0⋮ 6 N
(2)𝐹" + 𝐹% (4)𝐹% + 𝐹"
0 0 1⋮1 0 0 1⋮ 1

1 0 0 𝑥 −4
M0 1 0N _𝑦` = M 6 N
0 0 1 𝑧 1

𝑥 = −4, 𝑦 = 6, 𝑧 = 1

Respuesta: El sistema lineal tiene única solución (sistema compatible determinado).

2) x - 9y + 5z = 33
x + 3y - z = -9
x - y +z = 5
1 −9 5 ⋮ 33 (−1)𝐹! + 𝐹" 1 −9 5 ⋮ 33 1
M1 3 −1 ⋮ −9N → = M0 12 −6 ⋮ −42N → 𝐹
(−1)𝐹! + 𝐹% 12 "
1 −1 1 ⋮ 5 0 8 −4 ⋮ −28

1 −9 5⋮ 33 (9)𝐹" + 𝐹! 1 0 1/2 ⋮ 3/2

= M0 1 −1/2 ⋮ −7/2N → = M0 1 −1/2 ⋮ −7/2N
(−8)𝐹" + 𝐹%
0 8 −4 ⋮ −28 0 0 0 ⋮ 0

7
Las ecuaciones correspondientes son:

1 3 1 7
𝑥 + 𝑧 = ; 𝑦 − 𝑧 = −
2 2 2 2
Parametrizando
7 1 3 1
𝑧 = 𝑡, 𝑦 = − + 𝑡, 𝑥 = − 𝑡
2 2 2 2
𝑡 = 1, 𝑧 = 1, 𝑦 = −3, 𝑥 = 1

Respuesta: El sistema lineal tiene infinitas soluciones (sistema compatible indeterminado).

3) 2𝑥 − 𝑦 + 3𝑧 = 0
𝑥 + 2𝑦 − 𝑧 = 2
−5𝑦 + 5𝑧 = −1

1 2 −1 2 1 2 −1 2 1 2 −1 2 1 2 −1 2
M2 −1 3 f 0 N = M0 −5 5 f −4N = M0 −5 5 f −4N = M0 1 −1f 4/5N
0 −5 5 −1 0 −5 5 −1 0 −5 5 −1 0 −5 5 −1

1 0 1 2/5
M0 1 −1f 4/5N 0 = 3
0 0 0 3

Respuesta: El sistema no tiene solución. (El sistema es incompatible)

1.5 Aplicaciones sistemas mxn

Ejemplo 1. Una bióloga colocó tres cepas de bacterias (denominadas I, II y III) en un tubo
de ensayo donde se alimentarán de tres diferentes fuentes alimenticias (A, B y C). Cada día
se colocan en el tubo de ensayo 2300 unidades de A, 800 unidades de B y 1500 unidades de
C y cada bacteria consume cierto número de unidades de cada alimento por día, como se
muestra en la tabla. ¿Cuántas bacterias de cada cepa pueden coexistir en el tubo de ensayo y
consumir todo el alimento?

𝑥 = 𝑐𝑒𝑝𝑎 1, 𝑦 = 𝑐𝑒𝑝𝑎 2, 𝑧 = 𝑐𝑒𝑝𝑎 3

8
 2𝑥 + 2𝑦 + 4𝑧 = 2300
𝑥 + 2𝑦 = 800
𝑥 + 3𝑦 + 𝑧 = 1500

𝑥 = 100, 𝑦 = 350 y 𝑧 = 350

Respuesta: Pueden coexistir tubo de ensayo y consumir todo el alimento 100 bacterias de
la cepa 1, 350 de la cepa 2 y 350 de la cepa 3.

Ejemplo 2: Una floristería ofrece tres tamaños de arreglos florales que contienen rosas,
margaritas y orquídeas. Cada arreglo pequeño contiene una rosa, tres margaritas y tres
orquídeas. Cada arreglo mediano contiene dos rosas, cuatro margaritas y seis orquídeas. Cada
arreglo grande contiene cuatro rosas, ocho margaritas y seis orquídeas. Un día, la florista nota
que usó un total de 24 rosas, 50 margaritas y 48 orquídeas para surtir pedidos de estos tres
tipos de arreglos. ¿Cuántos arreglos de cada tipo elaboró?

𝑥 = 𝐴. 𝑝𝑒𝑞𝑢𝑒ñ𝑜, 𝑦 = 𝐴. 𝑚𝑒𝑑𝑖𝑎𝑛𝑜 y 𝑧 = 𝐴. 𝐺𝑟𝑎𝑛𝑑𝑒

𝑥 + 2𝑦 + 4𝑧 = 24
3𝑥 + 4𝑦 + 8𝑧 = 50
3𝑥 + 6𝑦 + 6𝑧 = 48
𝑥 = 2, 𝑦 = 3 y 𝑧 = 4

Respuesta: Elaboró 2 arreglos de flores pequeños, 3 medianos y 4 grandes.

Ejemplo 3: En una tienda de teléfonos, se venden tres tipos de celulares: Samsung, Iphone
y Xiaomi. El Samsung tiene dos simcard y ninguna aplicación. El celular Iphone tiene una
simcard y una aplicación. El Xiaomi tiene una simcard y dos aplicaciones . La tienda dispone
de 32 simcards y 10 aplicaciones. Asumiendo que cada simcard y aplicación de juegos se
usan, halle todas las posibles opciones para vender cada tipo de celular.

𝑥 = Samsung, 𝑦 = Iphone 𝑧 = Xiaomi

2𝑥 + 𝑦 + 𝑧 = 32
𝑦 + 2𝑧 = 10

2 1 1⋮ 32 1 1/2 1/2⋮ 16 1 0 −1/2⋮ 11

V W=V W=V W
0 1 2⋮ 10 0 1 2 ⋮ 10 0 1 2 ⋮ 10
1
𝑥 − 𝑧 = 11
2
𝑦 + 2𝑧 = 10

1
𝑥 = 11 + 𝑡; 𝑦 = 10 − 2𝑡; 𝑧 = 𝑡;
2

9
Opciones. t=2 𝑥 = 12; 𝑦 = 6; 𝑧 = 2
t=4 𝑥 = 13; 𝑦 = 2; 𝑧 = 4

1.6 Diseño de sistemas mxn

Ejemplo: Calcular k para que los siguientes sistemas

i) Tenga única solución.
ii) Infinitas soluciones.
iii) No tenga solución
1) 𝑥 + 𝑦 + 3𝑧 = 𝑘
2𝑦 + 𝑧 = 0
𝑥 + 3𝑦 + 𝑘 " 𝑧 = 2

1 1 3 𝑘 1 1 3 𝑘
M 0 2 1 f 0N → (−1)𝐹! + 𝐹% = M0 2 1 f 0 N → (−1)𝐹" + 𝐹%
" "
1 3 𝑘 2 0 2 𝑘 −3 2−𝑘
1 1 3 𝑘
= M0 2 1 f 0 N
0 0 𝑘" − 4 2 − 𝑘
Respuesta:

Si 𝑘 = 2 El sistema tiene infinitas soluciones

Si 𝑘 = -2 El sistema no tiene solución
Si 𝑘 ≠ ±2 El sistema tiene única solución

1) 𝑥 − 𝑦 − 𝑘𝑧 = 1
−𝑦 + 2𝑧 = 𝑘
𝑘𝑥 + 𝑦 − 𝑧 = 5

1 −1 −𝑘 1 1 −1 −𝑘 1
M0 −1 2 f 𝑘N → (−𝑘)𝐹! + 𝐹% = M0 −1 2 f 𝑘 N → (1 + 𝑘)𝐹" + 𝐹%
𝑘 1 −1 5 0 𝑘 + 1 𝑘" − 1 5 − 𝑘
1 −1 −𝑘 1
= M0 −1 2 f 𝑘 N
0 0 𝑘 " + 2𝑘 + 1 𝑘 " + 5

Respuesta:

Si k = -1 el sistema no tiene solución.

Si 𝑘 ≠ -1 el sistema tiene única solución.
No existe un valor para k de tal forma que el sistema tenga infinitas soluciones

10
Sistemas lineales homogéneos

Definición: Un sistema lineal de la forma Ax = 0 es un sistema homogéneo.

Definición: La solución x1 = x2 = x3 = … = xn = 0 es una solución trivial.
El sistema homogéneo Ax = 0 tiene una solución no trivial si y solo si, el sistema tiene al
menos una variable libre. Esto indica que una variable puede tomar un valor diferente de
cero.
Ejemplo: Determine si los siguientes sistema homogéneos tienen una solución no trivial.
Luego, describa el conjunto solución si la tiene.
1) 3𝑥! + 5𝑥" − 4𝑥% = 0
−3𝑥! − 2𝑥" + 4𝑥% = 0
6𝑥! + 𝑥" − 8𝑥% = 0

3 5 −4 0 3 5 −4 0 5
𝐹! + 𝐹" ~− • 𝐹" + 𝐹!
M−3 −2 4 f 0N → = M0 3 0 f 0N → 3 =
(−2)𝐹! + 𝐹%
6 1 −8 0 0 −9 0 0 (3)𝐹" + 𝐹%

3 0 −4 0
M0 3 0 f 0N
0 0 0 0

3𝑥! − 4𝑥% = 0
3𝑥" = 0;
4
𝑥% = 𝑡; 𝑥" = 0; 𝑥! = 𝑡
3

Respuesta: El sistema tiene solución no trivial.

2) 3𝑥! + 5𝑥" − 𝑥% = 0
−3𝑥! − 2𝑥" + 4𝑥% = 0
6𝑥! + 𝑥" − 𝑥% = 0

1
3 5 −1 0 𝐹! + 𝐹" 3 5 −1 0 𝐹! 1 5/3 −1/3 0
M−3 −2 4 f 0N → = M0 3 3
(−2)𝐹! + 𝐹% 3 f 0N → 1 = M0 1 1 f 0N
6 1 −1 0 0 −9 1 0 𝐹" 0 −9 1 0
3
5 1 0 −2 0 1 0 −2 0
~− • 𝐹" + 𝐹! 1 (2)𝐹% + 𝐹!
→ 3 = M0 1 1 f 0 N → 𝐹% = M0 1 1 f 0N →
10 (−1)𝐹% + 𝐹"
(9)𝐹" + 𝐹% 0 0 10 0 0 0 1 0

1 0 0 0
= M0 1 0f 0N 𝑥! = 0; 𝑥" = 0; 𝑥% = 0
0 0 1 0

11
 TALLER PRIMER CAPITULO

1) Aplicaciones sistemas 2x2

a) En una granja se tienen cien animales entre ganado y aves. Si en total suman 240
patas. ¿Cuantos animales tengo de cada clase? Rspta// Ganado = 20 animales; aves
= 80;

b) Una tienda de helados vende sólo helados con soda y malteadas. Se pone 1 onza de
jarabe y 4 onzas de helado en un helado con soda, y 1 onza de jarabe y 3 onzas de
helado en una malteada. Si la tienda usa 4 galones de helado y 5 cuartos de jarabe en
un día, ¿cuántos helados con soda y cuántas malteadas vende? [Sugerencia: 1 cuarto
= 32 onzas, 1 galón = 4 cuartos.] Rspta// 32 Helados con soda y 128 malteadas.

c) Suponga que las industrias del carbón y del acero forman una economía abierta. Cada
$1 producido por la industria del carbón requiere $0.15 de carbón y $0.20 de acero.
Cada $1 producido por la del acero requiere $0.25 de carbón y $0.10 de acero.
Suponga que hay una demanda exterior anual por $45 millones de carbón y $124
millones de acero ¿Cuánto debe producir cada industria para satisfacer las
demandas? Rspta// El carbón debe producir $100 millones y el acero $160 millones.

2) Sistemas 2x2.
Para cada uno de los siguientes sistemas lineales, determinar el tipo de respuesta y
graficar.

𝑎) 𝑥 − 𝑦 = 2 𝑏) 𝑥 − 𝑦 = 1 𝑐) 𝑥 − 𝑦 = 1
2𝑥 − 2𝑦 = 4 𝑥 + 𝑦 = 3 𝑥 − 𝑦 = 3.

3) Aritmética de matrices.

a) Obtener las matrices A y B que verifiquen el sistema lineal 2x2:

1 2 2
2𝐴 + 𝐵 = V W
−2 1 0
−4 −3 −2
𝐴 − 3𝐵 = V W
−1 0 −1
Verificar que se cumple el producto

4
1 −2 3 12 2 3 2 0 3 1 3 21
𝑏) V W M5N = V W 𝑐) V WV W=V W
1 0 −1 −2 5 4 −1 1 5 6 4 35
6

12
 2
1 𝑥 3 12
d) Halle x e y, dado: 𝐴 = V W , 𝐵 = M4N y 𝐴𝐵 = V W
2 −1 1 𝑦 6

e) Dadas las matrices A y B, encontrar los valores de x, y, z y w tal que AB = I

2 5 𝑥 𝑦
𝐴=V W ; 𝐵 = V W
−3 −7 𝑧 𝑤

4) Gauss- Jordan

Solucionar los siguientes sistemas lineales 3x3.

a) 𝑥 + 2𝑦 + 3𝑧 = 1
4𝑥 + 5𝑦 + 6𝑧 = −2
7𝑥 + 8𝑦 + 10𝑧 = 5 Rspta// x = 7, y = -18, z = 10

b) 𝑥 + 𝑦 = 1
3𝑥 − 𝑦 + 𝑧 = 7
−2𝑥 − 𝑧 = −4 Rspta // x = 2, y = -1, z = 0

5) Aplicaciónes de sistemas mxn

a) Un cafetalero vende tres mezclas de café. Una bolsa de la mezcla de la casa contiene
300 gramos de grano colombiano y 200 gramos de grano rostizado francés. Una bolsa
de la mezcla especial contiene 200 gramos de grano colombiano, 200 gramos de
grano keniano y 100 gramos de grano rostizado francés. Una bolsa de mezcla gourmet
contiene 100 gramos de grano colombiano, 200 gramos de grano keniano y 200
gramos de grano rostizado francés. El comerciante tiene a la mano 30 kilogramos de
grano colombiano, 15 kilogramos de grano keniano y 25 kilogramos de grano
rostizado francés. Si quiere usar todos los granos, ¿cuántas bolsas de cada tipo de
mezcla puede elaborar?

b) Una inversionista le afirma a su corredor de bolsa que todas sus acciones pertenecen
a tres compañías: Delta Airlines, Hilton Hotels y McDonald’s, y que hace dos días su
valor bajó $350 pero que ayer aumentó $600. El corredor recuerda que hace dos días
el precio de las acciones de Delta Airlines bajó $1 por cada una, mientras que las de
Hilton Hotels bajaron $1.50, pero que el precio de las acciones de McDonald’s subió
$0.50. También recuerda que ayer el precio de las acciones de Delta subió $1.50 por
acción, el de las de Hilton Hotels bajó otros $0.50 por acción y las de McDonald’s
subieron $1. Demuestre que el corredor no cuenta con la información suficiente para
calcular el número de acciones que posee la inversionista en cada compañía, pero
que, si ella dice tener 200 acciones de McDonald’s, el corredor pueda calcular el
número de acciones que posee en Delta y en Hilton.

13
 man todo el alimento.

Ejemplo 2.28 Repita el ejemplo 2.27 y use los datos de consumo diario de alimento (unidades por día)
c) que se muestran
Una en la tabla
bióloga colocó tres 2.3.
cepasSuponga esta vez(denominadas
de bacterias que en el tubo I,deIIensayo
y III)seencolocan dia-
un tubo de
riamente 1500 unidades de A, 3000 unidades de B y 4500 unidades de C.
ensayo, donde se alimentarán de tres diferentes fuentes alimenticias (A, B y C). Cada
día, 1500 unidades de A, 3000 unidades de B y 4500 unidades de C se colocan en el
tubo de ensayo y cada bacteria consume cierto número de unidades de cada alimento
por día, como se muestra en la siguiente tabla:
Tabla 2.3
Bacteria Bacteria Bacteria
cepa I cepa II cepa III
Alimento A 1 1 1
Alimento B 1 2 3
Alimento C 1 3 5

¿Cuántas opciones de cantidades de bacterias de cada cepa pueden coexistir en el

tubo de ensayo y consumir todo el alimento, teniendo en cuenta que el número de
Solución
bacterias Sean
debe nuevamente x1, entero
ser un número x2 y x3?los números de bacterias de cada tipo. La matriz
aumentada para el sistema lineal resultante y la correspondiente forma escalonada redu-
cida son
6) Diseño de sistemas lineales.
1 1 1 1500 1 0 #1 0
3 § ¡ £0 1 3
2 1500 §
a) Para que valores de£k,1 el2sistema
3 3000
lineal:
1 3 5 4500 0 0 0 0
𝑥 +de2𝑦
Se ve que, en este caso, se tiene más − solución,
una 𝑧 = 1 dadas por
2𝑥 + 5𝑦 − 𝑧 = 3
𝑥 + (𝑘 x+1 2)𝑦 + #(𝑘x"3 −
!1)𝑧 0= 2𝑘
x2 " 2x3 ! 1500
- No tiene solución. Rspta// k = 0
Al hacer x3 ! t, se obtiene x1 ! t, x2 ! 1500 # 2t y x3 ! t. En cualquier problema de apli-
- Tiene infinitas soluciones. Rspta// k = 1
cación, debe tener cuidado de interpretar adecuadamente las soluciones. Ciertamente el
- Tiene solución única. Rspta// k ≠ 0; 1
número de bacterias no puede ser negativo. Por tanto, t $ 0 y 1500 # 2t $ 0. La última
b) Para que valores de 𝑘, el siguiente sistema homogéneo tiene solución no trivial.

𝑥 + 9𝑦 = 0
2𝑥 + 𝑘𝑦 = 0
Rspta// k = 18.

14
CAPITULO 2

VECTORES

Muchas cantidades mensurables, como la longitud, el área, el volumen, la masa y la

temperatura, pueden describirse completamente al especificar su magnitud. Otras cantidades,
como la velocidad, la fuerza y la aceleración, requieren tanto una magnitud como una
dirección para su descripción. Estas cantidades son vectores.

Escalar: Cantidad determinada solo por su magnitud.

Vector: Cantidad con magnitud y dirección. (Velocidad, Fuerza, flujo, …).

Utilizaremos habitualmente la siguiente notación: 𝑢 •⃗, 𝑣⃗ 𝑦 𝑤

••⃗ (u otras letras latinas) para
vectores, mientras que las letras griegas designarán escalares.

En ℝ𝟐 (Plano). En ℝ𝟑 (Espacio)

𝑢
•⃗ = (𝑢! , 𝑢" ) 𝑢
•⃗ = (𝑢! , 𝑢" , 𝑢% )

2.1 Operaciones con vectores

•⃗ = (𝑢! , 𝑢" , 𝑢% ⋯ , 𝑢# ) y 𝑣⃗ = (𝑣! , 𝑣" , 𝑣% , ⋯ , 𝑣# ) 𝜖 ℝ𝒏 y 𝑘 un escalar 𝜖 ℝ
Sea 𝑢
Suma. 𝑢
•⃗ ± 𝑣⃗ = (𝑢! ± 𝑣! , 𝑢" ± 𝑣" , 𝑢% ± 𝑣% ⋯ , 𝑢# ± 𝑣# )

15
Ejemplo: Sea 𝑢
•⃗ = (4, 1) y 𝑣⃗ = (2, 3), entonces
𝑢
•⃗ + 𝑣⃗ = (6, 4)
𝑢
•⃗ − 𝑣⃗ = (2, −2)

Propiedades de la suma de vectores

Conmutativa 𝑢+𝑣 =𝑣+𝑢

Asociativa (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)
Elemento neutro o vector 0 𝑢+0=0+𝑢 =𝑢
Elemento simétrico u opuesto 𝑢 + 𝑢’ = 𝑢’ + 𝑢 = 0 𝑢’ = −𝑢

2.2. Multiplicación por un escalar. 𝑘𝑢

•⃗ = (𝑘𝑢! , 𝑘𝑢" , 𝑘𝑢% , ⋯ , 𝑘𝑢# )
!
Ejemplo: Sea 𝑢
•⃗ = (4, 2); 𝑘! = 2 y 𝑘" = " entonces

•⃗ = (8, 4)
𝑘! 𝑢 𝑘" 𝑢
•⃗ = (2,1)
Se denomina operador de contracción si 0 ≤ 𝑘 < 1 y de dilatación si 𝑘 > 1

Definición: Un vector 𝑢
•⃗ es paralelo a un vector 𝑣⃗ si y solo si: 𝑢
•⃗ = 𝑘𝑣⃗

2.3. Segmentos dirigidos. Sea 𝑃 = (𝑝! , 𝑝" , 𝑝% , ⋯ , 𝑝# ) y 𝑄 = (𝑞! , 𝑞" , 𝑞% , ⋯ , 𝑞# )

puntos en 𝜖 ℝ𝒏 , el segmento dirigido •••••⃗
𝑃𝑄 = 𝑄 − 𝑃, donde P = Punto inicial y Q = Punto final.

Ejemplo: Sea 𝑃 = (−2, 2) y 𝑄 = (2, 3)

•••••⃗ = 𝑄 − 𝑃 = (2, 3) − (−2,2). 𝑄𝑃
entonces 𝑃𝑄 •••••⃗ = 𝑃 − 𝑄 = (−2,2) −
(2, 3) = (−4, −1)
•••••⃗ = (4,1)
𝑃𝑄

16
Ejemplo: Se dan los puntos P = (4, 1), Q = (7, 3) y R = (2, 3), Hallar un punto S de manera
tal que, el cuadrilátero que formen PQRS sea un paralelogramo.

Solución Existen tres posibles puntos S para formar el paralelogramo. Se selecciona el que
se muestra en la siguiente figura.

66666⃗ = 66666⃗
𝑃𝑄 𝑅𝑆
66666⃗ = (7, 3) − (4, 1) = (3, 2) 𝑂𝑅
𝑃𝑄 66666⃗ = (2, 3) − (0,0) = (2,3)

66666⃗ = 𝑃𝑄
𝑂𝑆 66666⃗ + 66666⃗ 66666⃗ = 𝑆 − 𝑂
𝑂𝑅 = (5,5) 𝑂𝑆 ∴ 𝑆 = (5,5)

2.4 Longitud o Norma de un vector ‖𝑢

•⃗‖

•⃗ = (𝑢! , 𝑢" ) en ℝ"

Sea 𝑢

•⃗‖ = ‹𝑢!" + 𝑢""

Por Pitágoras ‖𝑢

17
De forma general para un vector 𝑢
•⃗ = (𝑢! , 𝑢" , 𝑢% , ⋯ , 𝑢# )
la norma está dada por:

•⃗‖ = ‹𝑢!" + 𝑢"" + ⋯ + 𝑢#"

‖𝑢

Propiedades

1) ‖•𝑢⃗‖ ≥ 0
2) ‖𝑘𝑢 •⃗‖ = |𝑘|‖𝑢•⃗‖
3) •𝑢⃗ + •𝑣⃗‖ ≤ •𝑢⃗‖ + ‖•𝑣⃗‖ , 𝑢6⃗ y 𝑣⃗ ϵ ℝ" (Desigualdad triangular)
‖ ‖

Ejemplo. Determinar la norma del vector 𝑢

•⃗ = (4, −2, 1, ) y calcule
‖𝑘𝑢
•⃗‖ Con 𝑘 = −3

‖𝑢
•⃗‖ = ‹4" + (−2)" + 1" = √21
Con 𝑘 = −3

‖−3𝑢
•⃗‖ = ‹(−12)" + (6)" + (−3)" = √144 + 36 + 9 = √189 = √9 ∙ 21 = 3√21

2.5 Angulo entre vectores

Sea 𝑢
•⃗ y 𝑣⃗ dos vectores en R2

Para determinar el ángulo θ (0 ≤ θ ≤ π), aplicamos la ley de cosenos. (Extensión de la ley de

Pitágoras)

•⃗ − 𝑣⃗‖" = ‖𝑢
‖𝑢 •⃗‖" + ‖𝑣⃗‖" − 2‖𝑢
•⃗‖‖𝑣⃗‖ cos 𝜃 (1)

Si 𝑢
•⃗ − 𝑣⃗ = (𝑢! − 𝑣! , 𝑢" − 𝑣" )
Entonces
‖𝑢
•⃗ − 𝑣⃗‖ = ‹(𝑢! − 𝑣! )" + (𝑢" − 𝑣" )"
•⃗ − 𝑣⃗‖" = (𝑢! − 𝑣! )" + (𝑢" − 𝑏" )"
‖𝑢
•⃗ − 𝑣⃗‖" = 𝑢!" + 𝑣!" +𝑢"" + 𝑣"" − 2(𝑢! 𝑣! + 𝑢" 𝑣" )
‖𝑢
•⃗ − 𝑣⃗‖" = ‖𝑢
‖𝑢 •⃗‖" + ‖𝑣⃗‖" − 2(𝑢! 𝑣! + 𝑢" 𝑣" )

Al sustituir en (1)

•⃗‖" + ‖𝑣⃗‖" − 2‖𝑢

‖𝑢 •⃗‖" + ‖𝑣⃗‖" − 2(𝑢! 𝑣! + 𝑢" 𝑣" )
•⃗‖‖𝑣⃗‖ cos 𝜃 = ‖𝑢

Despejando cos 𝜃

18
 ("& #& $"' #' )
cos 𝜃 = ‖"'⃗‖‖#'⃗‖

"
'⃗∙#
'⃗
cos 𝜃 = ‖"'⃗‖‖#'⃗‖

Definición Un vector 𝑢
•⃗ es ortogonal a un vector 𝑣⃗ si y solo si:

𝑢
•⃗ ∙ 𝑣⃗ = 0

Ejemplo Dados los vectores 𝑢 •⃗ = (5, 12) y 𝑣⃗ = (1, k), encuentre k tal que la medida en radianes
del ángulo entre 𝑢
•⃗ y 𝑣⃗ sea π/3

𝜋 (5,12)(1, 𝑘)
cos =
3 √169 √1 + 𝑘 "

1 5 + 12𝐾
=
2 13√1 + 𝑘 "
Es decir,
13‹1 + 𝑘 " = 10 + 24𝑘
169(1 + 𝑘 " ) = 100 + 480𝑘 + 576𝑘 "
169𝑘 " − 576𝑘 " − 480𝑘 + 169 − 100 = 0
−407𝑘 " − 480𝑘 + 69 = 0
407𝑘 " + 480𝑘 − 69 = 0
−480 ± √230400 + 112332 −480 ± 585.4
𝑘 = =
814 814
𝑘! = 0.13 𝑘" = −1.3

Respuesta Los valores de k que hacen que los vectores 𝑢

•⃗ y 𝑣⃗ tengan un ángulo de a π/3 es
0.13 y -1.3.

2.6 Producto punto o producto escalar

Producto entre dos vectores n-dimensionales cuyo resultado es un numero escalar

Sea 𝑢•⃗ = (𝑢! , 𝑢" , 𝑢% , ⋯ , 𝑢# ) y 𝑣⃗ = (𝑣! , 𝑣" , 𝑣% , ⋯ , 𝑣# ) 𝜖 ℝ#

El producto punto está definido por:

#

𝑢
•⃗ ∙ 𝑣⃗ = 𝑢! 𝑣! + 𝑢" 𝑣" + 𝑢% 𝑣% + ⋯ + 𝑢# 𝑣# = X 𝑢& 𝑣&
&*!

19
Propiedades

1) 𝑢6⃗ ∙ 𝑣⃗ = 𝑣⃗ ∙ 𝑢6⃗
2) 𝑢6⃗ ∙ 𝑢6⃗ ≥ 0
3) (𝑢 •⃗ + 𝑣•⃗) ∙ 𝑤
••⃗ = 𝑢
•⃗ ∙ 𝑤
••⃗ + •𝑣⃗ ∙ 𝑤
••⃗
!/
4) (𝑢
•⃗ ∙ 𝑢
•⃗) " = ‖•𝑢⃗‖

Ejemplo: Sea los vectores 𝑢

•⃗ = (8, −3, 7, ) y 𝑣⃗ = (24, −9, 21)

a) Determinar si 𝑢6⃗ y 𝑣⃗ son paralelos.

b) Determinar un vector 𝑤 66⃗ ortogonal a 𝑢
6⃗

Solución

a) 𝑣⃗ = 3𝑢6⃗ Son paralelos. (Se divide elemento a elemento y si se obtiene el mismo

cociente, los vectores son paralelos).

b) (8, −3, 7) ∙ (𝑤! , 𝑤" , 𝑤% ) = 0

8𝑤! − 3𝑤" + 7𝑤% = 0
% 1
𝑤! = 0 𝑤" − 0 𝑤%

% 1
Parametrizando. 𝑤" = 𝑡; 𝑤% = 𝑠 → 𝑤! = 0 𝑡 − 0 𝑠

Si 𝑡 = 𝑠 = 8 → 𝑤
••⃗ = (−4, 8, 8)

Ejercicio: Hallar el ángulo entre los vectores 𝑢

•⃗=(2,4) y 𝑣⃗=(-1,2). Rspta 53,80

” : Es un vector de norma igual a uno.

2.7. Vector unitario 𝒖

•⃗ = (𝑢! , 𝑢" … 𝑢# ) un vector en ℝ# , entonces el vector unitario de 𝑢

Sea 𝑢 •⃗ esta dado por:

𝑢
•⃗
𝑢– =
‖𝑢
•⃗‖
Demostración

" "
𝑢
•⃗ 𝑢! 𝑢"
‖𝑢–‖ = — — = ˜™ š +™ š =1
‖𝑢
•⃗‖ ‹𝑢! " + 𝑢" " ‹𝑢! " + 𝑢" "

Ejemplo: Dado el vector 𝑢

•⃗ = (3, 4), graficar el vector y el vector unitario. (tomar 0.2 como
escala en el eje x y y)

20
 𝑢
•⃗ (3, 4) 3 4
𝑢– = = = ~ , • = (0.6, 0.8)
‖𝑢
•⃗‖ 5 5 5
‖𝑢–‖ = √0.36 + 0.64 = 1

Vectores unitarios ›̂, •̂ 𝐲 𝒌

•⃗ = (𝑢! , 𝑢" ) en ℝ" , se puede escribir como una suma de vectores de la forma 𝑢
El vector 𝑢 •⃗ =
𝑢! 𝚤̂ + 𝑢" 𝚥̂, donde 𝚤̂ = (1,0) y 𝚥̂ = (0,1)

De forma análoga el vector 𝑢 •⃗ = (𝑢! , 𝑢" , 𝑢% ) en ℝ% , se puede escribir como una suma de
•⃗ = 𝑢! 𝚤̂ + 𝑢" 𝚥̂ + 𝑢% 𝑘£, donde 𝚤̂ = (1,0,0), 𝚥̂ = (0,1,0) y 𝑘£ = (0,0,1)
vectores de la forma 𝑢

21
 •⃗ = 7𝚤̂ − 8𝚥̂ + 10𝑘£
Ejemplo: Si se tiene una expresion de la forma 𝑢
•⃗ = 7(1, 0, 0) − 8(0, 1, 0) + 10(0, 0, 1) = (7, 0, 0) − (0, 8, 0) + (0, 0, 10)
entonces 𝑢
•⃗ = (7, −8, 10)
𝑢

2.8 Producto Cruz. (Solo aplica en ℝ% )

Sea 𝑢
•⃗ = (𝑢! , 𝑢" , 𝑢% ) y 𝑣⃗ = (𝑣! , 𝑣" , 𝑣% )

𝚤̂ 𝚥̂ 𝑘£
𝑢
•⃗ × 𝑣⃗ = ¥𝑢! 𝑢" 𝑢% ¥ = (𝑢" 𝑣% − 𝑢% 𝑣" )𝚤̂ − (𝑢! 𝑣% − 𝑢% 𝑣! )𝚥̂ + (𝑢! 𝑣" − 𝑢" 𝑣! )𝑘£
𝑣! 𝑣" 𝑣%

Propiedades
1. 𝑢6⃗ × 𝑣⃗ = −(𝑣⃗ × 𝑢6⃗)
2. 𝑢6⃗ × (𝑣⃗ + 𝑤
66⃗) = 𝑢
6⃗ × 𝑣⃗ + 𝑢
6⃗ × 𝑤
66⃗
3. 𝑢6⃗ × 𝑣⃗ = 0, si y solo si 𝑢6⃗ y 𝑣⃗ son paralelos

Nota: El producto cruz entre dos vectores 𝑢

•⃗ y 𝑣⃗, da como resultado un vector perpendicular
a los vectores 𝑢
•⃗ y 𝑣⃗.

Identidad de Lagrange

Establece que, para cualquier 𝑢! , 𝑢" , 𝑣! , 𝑣" , se cumple

(𝑢!" + 𝑢"" )(𝑣!" +𝑣"" ) = (𝑢! 𝑣! + 𝑢" 𝑣" )" + (𝑢! 𝑣" − 𝑢" 𝑣! )"

•⃗ = (𝑢! , 𝑢" , … , 𝑢# ), 𝑣⃗ = (𝑣! , 𝑣" , … , 𝑣# ) son dos vectores de ℝ# , entonces

Si 𝑢

"
•⃗‖" ‖𝑣⃗‖" = (𝑢 ∙ 𝑣)" +
‖𝑢 X ª𝑢& 𝑣' − 𝑢' 𝑣& «
!2&3'2#
Si n es igual a tres
"
•⃗‖" ‖𝑣⃗‖" = (𝑢
‖𝑢 •⃗ ∙ 𝑣⃗)" + X ª𝑢& 𝑣' − 𝑢' 𝑣& «
!2&3'2%

"
X ª𝑢& 𝑣' − 𝑢' 𝑣& « = (𝑢! 𝑣" − 𝑢" 𝑣! )" + (𝑢! 𝑣% − 𝑢% 𝑣! )" + (𝑢" 𝑣% − 𝑢% 𝑣" )"
!2&3'2%

22
 •⃗ × 𝑣⃗‖"
= ‖𝑢
entonces
•⃗‖" ‖𝑣⃗‖" = (𝑢
‖𝑢 •⃗ ∙ 𝑣⃗)" + ‖𝑢
•⃗ × 𝑣⃗‖"

2.9 Identidad de Lagrange vectorial

•⃗ × •𝒗⃗‖𝟐 = ‖•𝒖⃗‖𝟐 ‖𝒗
‖𝒖 •⃗‖𝟐 − (•𝒖⃗ ∙ •𝒗⃗)𝟐

De la formula de ángulo entre vectores

6⃗ ∙ 𝑣⃗ = ‖𝑢
𝑢 6⃗‖‖𝑣⃗‖ cos 𝜃
Reemplazando en la identidad de la Lagrange
‖•𝑢⃗ × 𝑣•⃗‖" = ‖•𝑢⃗‖" ‖𝑣•⃗‖" − ‖𝑢
•⃗‖" ‖𝑣•⃗‖" 𝑐𝑜𝑠 " 𝜃
‖•𝑢⃗ × 𝑣•⃗‖" = ‖•𝑢⃗‖" ‖𝑣•⃗‖" (1 − 𝑐𝑜𝑠 " 𝜃)
‖•𝑢⃗ × 𝑣•⃗‖" = ‖•𝑢⃗‖" ‖𝑣•⃗‖" 𝑠𝑒𝑛" 𝜃
‖•𝒖⃗ × 𝒗
•⃗‖ = ‖𝒖
•⃗‖‖𝒗
•⃗‖𝒔𝒆𝒏𝜽 (2)

Aplicación: Area de un paralelogramo

𝐴 = ‖𝑢
6⃗‖ℎ
𝐴 = ‖𝑢
6⃗‖‖𝑣⃗‖𝑠𝑒𝑛𝜃 de (2) se obtiene
𝐴 = ‖𝑢
6⃗ × 𝑣⃗‖

Ejercicios

1) Hallar el área del paralelogramo determinado por 𝑢•⃗ = (5, −2,1) y 𝑣⃗ = (7,8,3)
"
Rspta. 56.36 𝑢𝑑
2) Determinar el área del triángulo cuyos vértices son 𝑃 = (1,2,3), 𝑄 = (5,7,9) 𝑦 𝑅 =
(8,6,4).

23
Ejercicio: Sean 𝑢 •⃗ = (1, 2) y 𝑣⃗ = (3, 4) dos vectores en R2, hallar los vectores 𝑤
••⃗ y 𝑧⃗ tales
que 𝑢
•⃗ = 𝑤
••⃗ + 𝑧⃗, siendo 𝑤 ••⃗ paralelo a 𝑣⃗ y 𝑧⃗ ortogonal a 𝑣⃗.

2.10. Proyección ortogonal

Al trazar una perpendicular de la punta del vector 𝑣⃗, hasta el vector que pasa por 𝑢
•⃗,
obtenemos la proyección ortogonal de 𝑣⃗ sobre 𝑢•⃗.

𝑃𝑟𝑜𝑦4𝑢⃗ 𝑣•⃗ = 𝜏𝑢
•⃗
‖𝜏•𝑢⃗‖ = ‖𝑣•⃗‖ cos 𝜃
•𝑢⃗ ∙ 𝑣•⃗
𝜏‖•𝑢⃗‖ = ‖𝑣•⃗‖
‖𝑢
•⃗‖‖•𝑣⃗‖
•𝑢⃗ ∙ •𝑣⃗
𝜏‖•𝑢⃗‖ =
‖•𝑢⃗‖
•𝑢⃗ ∙ 𝑣•⃗
𝜏=
‖𝑢 •⃗‖"

•𝒖⃗ ∙ •𝒗⃗
𝑷𝒓𝒐𝒚4𝒖⃗ •𝒗⃗ = _ •⃗
` 𝒖
‖𝒖•⃗‖𝟐

•⃗ ∙ 𝑣•⃗
𝑢 •⃗ ∙ 𝑣•⃗
𝑢
‖𝑃𝑟𝑜𝑦𝑢4⃗ •𝑣⃗‖ = —_ ` •
𝑢⃗— = ¸ ¸ ‖𝑢
•⃗‖
‖•𝑢⃗‖" ‖•𝑢⃗‖"

•⃗‖" > 0
Ya que ‖𝑢
|•𝑢⃗ ∙ •𝑣⃗|
‖𝑃𝑟𝑜𝑦𝑢4⃗ •𝑣⃗‖ = ‖𝑢
•⃗‖
‖𝑢 •⃗‖"
|•𝒖⃗ ∙ •𝒗⃗|
‖𝑷𝒓𝒐𝒚𝒖4⃗ •𝒗⃗‖ =
‖•𝒖⃗‖

•⃗ = (𝑢! , 𝑢" , 𝑢% ),
Aplicación: determinar el volumen de un paralelipípedo dado los vectores 𝑢
𝑣⃗ = (𝑣! , 𝑣" , 𝑣% ) y 𝑤
••⃗ = (𝑤! , 𝑤" , 𝑤% )
https://www.universoformulas.com/matematicas/geometria/tipos-paralelepipedo/

24
 |𝑢
•⃗ ∙ (𝑣•⃗ × •𝑤
•⃗)|
ℎ = ‖𝑃𝑟𝑜𝑦𝑣4⃗×𝑤44⃗•𝑢⃗‖ =
‖•𝑣⃗ × 𝑤••⃗‖
|𝑢
•⃗ ∙ (•𝑣⃗ × •𝑤
•⃗)|
𝑉 = (á𝑟𝑒𝑎 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒) ∙ 𝑎𝑙𝑡𝑢𝑟𝑎 = ‖•𝑣⃗ × •𝑤
•⃗‖
‖𝑣•⃗ × 𝑤••⃗‖
𝑉 = |𝑢
•⃗ ∙ (•𝑣⃗ × •𝑤
•⃗)|

2.11. Producto mixto

Solo aplica en ℝ%

•⃗ = (𝑢! , 𝑢" , 𝑢% ), 𝑣⃗ = (𝑣! , 𝑣" , 𝑣% ) y 𝑤

Sea 𝑢 ••⃗ = (𝑤! , 𝑤" , 𝑤% )
𝑢! 𝑢" 𝑢-
66⃗) = I 𝑣!
6⃗ ∙ (𝑣⃗ × 𝑤
𝑢 𝑣" 𝑣- I = (𝑣" 𝑤- − 𝑣- 𝑤" )𝑢! − (𝑣! 𝑤- − 𝑣- 𝑤! )𝑢" + (𝑣! 𝑤" − 𝑣" 𝑤! )𝑢-
𝑤! 𝑤" 𝑤-

Propiedades
•⃗ ∙ (𝑣⃗ × 𝑤
𝑢 ••⃗ ∙ (𝑢
••⃗) = 𝑤 •⃗ × 𝑣⃗) = 𝑣⃗ ∙ (𝑤
••⃗ × 𝑢
•⃗) Cíclica
•⃗ ∙ (𝑣⃗ × 𝑤
𝑢 ••⃗) = 0 Si y solo si 𝑢
•⃗, 𝑣⃗ y 𝑤
••⃗ están en el mismo plano.

•⃗ = (2,2,2), 𝑣⃗ =
Ejemplo: Hallar el volumen de un paralelepípedo dado los vectores 𝑢
(1,6,6) y 𝑤
••⃗ = (1, −3, −1)
Rpsta. 20 𝑢𝑑 %

25
 RECTAS

Una recta es una sucesión de puntos en una dirección. Es posible obtener una ecuación que
la describa si se conocen dos puntos sobre la recta, o bien un punto y la pendiente de la
misma.
Sea l una recta que pasa por los puntos P y Q, paralela al vector director 𝑣⃗, por lo tanto se
•••••⃗ = 𝑡𝑣⃗, entonces
cumple 𝑃𝑄

𝑄 − 𝑃 = 𝑡𝑣⃗ (1)

Si 𝑄 = (𝑥, 𝑦, 𝑧), 𝑃 = (𝑥7 , 𝑦7 , 𝑧7 ) y 𝑣⃗ = (𝑣! , 𝑣" , 𝑣% )

Reescribimos (1). 𝑄 = 𝑃 + 𝑡𝑣⃗
(𝑥, 𝑦, 𝑧) = (𝑥7 , 𝑦7 , 𝑧7 ) + 𝑡(𝑣! , 𝑣" , 𝑣% ) Ecuación vectorial
Tomando la suma de cada elemento o variable
𝑥 = 𝑥7 + 𝑡𝑣!
𝑦 = 𝑦7 + 𝑡𝑣" Ecuaciones paramétricas
𝑧 = 𝑧7 + 𝑡𝑣%

Ejemplo: Determine las ecuaciones paramétricas de la recta que pasa por los puntos
𝑃 = (2, 4, −1) y 𝑄 = (5,0,7) y halle el punto donde la recta corta el plano xy.
Solución
•••••⃑
𝑃𝑄 = 𝑄 − 𝑃 = (5, 0, 7) − (2,4, −1)
•••••⃑
𝑃𝑄 = (3, −4,8)
•••••⃑
𝑃𝑄 = 𝑡𝑣⃑
(𝑥, 𝑦, 𝑧) = (𝑥7 , 𝑦7 , 𝑧7 ) + 𝑡(𝑣! , 𝑣" , 𝑣% )
(𝑥, 𝑦, 𝑧) = (2,4, −1) + 𝑡(3, −4,8) Ecuación vectorial
𝑥 = 2 + 3𝑡
𝑦 = 4 − 4𝑡 Ecuaciones paramétricas
𝑧 = −1 + 8𝑡

26
La recta cruza el plano 𝑥𝑦 cuando 𝑧 = 0.
Tomando la ecuación paramétrica 𝑧 = −1 + 8𝑡

0 = −1 + 8𝑡
1
𝑡=
8
Reemplazando en ecuación vectorial
1
(𝑥, 𝑦, 𝑧) = (2,4, −1) + (3, −4,8)
8
3 19
𝑥 =2+3+ =
8 8
1 7
𝑦 =4− =
2 2
𝑧 = −1 + 1 = 0

Respuesta La recta corta el plano 𝑥𝑦 en el punto

19 7
~ , , 0•
8 2

Ejemplo: Determine el punto de interseccion de las rectas 𝐿! y 𝐿" . Hallar el ángulo entre
ellas.
𝐿! : (𝑥, 𝑦, 𝑧) = (2,0, −2) + 𝑡! (1,4,2)
𝐿" : (𝑥, 𝑦, 𝑧) = (−3,10, −2) + 𝑡" (4,1,3)

𝐿!

𝐿" (x,y,z)

Solución El punto de intersección entre las rectas (o punto (x,y,z) en común), se obtiene
calculando el valor 𝑡! y 𝑡" que cumpla la condición.
(𝑥, 𝑦, 𝑧)8! = (𝑥, 𝑦, 𝑧)8"

De 𝐿!
𝑥 = 2 + 𝑡!
𝑦 = 4𝑡! Ecuaciones paramétricas
𝑧 = −2 + 2𝑡!

27
De L2
𝑥 = −3 + 4𝑡"
𝑦 = 10 + 𝑡" Ecuaciones paramétricas
𝑧 = −2 + 3𝑡"

Igualando las variables x y y

2 + 𝑡! = −3 + 4𝑡" (1)
4𝑡! = 10 + 𝑡" (2)
de (1) 𝑡! = −5 + 4𝑡" (3)
en (2) −20 + 16𝑡" = 10 + 𝑡"
15𝑡" = 30
𝑡" = 2
en (3) 𝑡! = 3

Reemplazando en las ecuaciones paramétricas:

𝑥 = 2 + (3) = 5; 𝑥 = −3 + 4(2) = 5
𝑦 = 4(3) = 12; 𝑦 = 10 + (2) = 12
𝑧 = −2 + 2(3) = 4; 𝑧 = −2 + 3(2) = 4

Para calcular el ángulo entre las rectas, se utiliza la formula de ángulo entre vectores:

𝑣
••••⃑! ∙ ••••⃑
𝑣"
cos 𝜃 =
‖𝑣
••••⃑‖‖𝑣
! ••••⃑‖
"

••••⃑! = (1,4,2) 𝑣
𝑣 ••••⃑" = (4,1,3)

14
cos 𝜃 =
ª√21«ª√26«

𝜃 = 𝑐𝑜𝑠 9! [0,59] = 53,84°

Respuesta. El punto de intersección entre las rectas 𝐿! y 𝐿" es (𝑥, 𝑦, 𝑧) = (5, 12, 4) y el
ángulo entre ellas es 𝜃 = 53,84°

Ejemplo. Hallar la distancia desde el punto 𝑃 = (1,2,3) a la recta

𝐿! : (𝑥, 𝑦, 𝑧) = (2,3,4) + 𝑡! (4,4,2)

28
Solución.

Una opción para obtener la distancia mínica entre P y L es despejar h del área del
paralelogramo formado por •••••••⃑
𝑃7 𝑃 y 𝑣⃑.

•••••••⃑
𝑃 7 𝑃 = 𝑃 − 𝑃7

•••••••⃑
𝑃 7 𝑃 = (1,2,3) − (2,3,4)

•••••••⃑
𝑃 7 𝑃 = (−1, −1, −1); 𝑣
⃑ = (4,4,2)
•••••••⃑
Á𝑟𝑒𝑎 = ¿𝑃 7 𝑃 x 𝑣
⃑¿
𝑖 𝑗 𝑘
•••••••⃑
𝑃 7 𝑃 × 𝑣
⃑ = f −1 −1 −1 f = 2𝚤̂ − 2𝚥̂;
4 4 2
¿𝑃 •••••••⃑
7𝑃 × 𝑣 ⃑¿ = √8 = √4 x 2 = 2√2 = Á𝑟𝑒𝑎
Á𝑟𝑒𝑎 = 𝑏𝑎𝑠𝑒 ℎ
𝑏𝑎𝑠𝑒 = •••••••⃑
‖𝑣‖ = √16 + 16 + 4 = 6
Á𝑟𝑒𝑎 2√2 √2
ℎ= = =
𝑏𝑎𝑠𝑒 6 3
Otra alternativa de obtener la distancia mínima entre P y L, está en usar la proyección
ortogonal y el teorema de Pitágoras.
•••••••⃑
À𝑃 7𝑃 ∙ 𝑣⃑À
•••••••⃑
¿𝑃𝑟𝑜𝑦;4⃑ 𝑃 7 𝑃¿ =
‖𝑣⃑‖
|(−1, −1, −1) ∙ (4,4,2)|
•••••••⃑
¿𝑃𝑟𝑜𝑦;4⃑ 𝑃 7 𝑃¿ =
6
10 5
•••••••⃑
¿𝑃𝑟𝑜𝑦;4⃑ 𝑃 7 𝑃¿ = =
6 3
•••••••⃑
¿𝑃 7 𝑃 ¿ = √3

Por el Teorema de Pitágoras

" "
•••••••⃑
¿𝑃 7 𝑃 ¿ = ¿𝑃𝑟𝑜𝑦;
•••••••⃑
4⃑ 𝑃7 𝑃¿ + ℎ
"

" "
•••••••⃑
ℎ" =¿𝑃 7 𝑃 ¿ − ¿𝑃𝑟𝑜𝑦;
•••••••⃑
4⃑ 𝑃7 𝑃 ¿

25 2 √2
ℎ = ˜3 − =˜ =
9 9 3
√"
Respuesta: La distancia mínima entre el punto P y la recta L es ud.
%

29
 PLANOS

Un plano es una superficie en la que puede haber una línea recta en cualquier posición.
Un plano está definido por los siguientes elementos geométricos.

i) Tres puntos no alineados

ii) Una recta y un punto exterior a ella.
iii) Dos rectas (pueden ser paralelas o que se intersectan)

Vector normal del plano (𝑵)

Todo plano tiene un vector normal que es perpendicular a él.

Entonces •••••⃑ ∙ 𝑁 = 0. (1)

𝑃𝑄

Sea 𝑄 = (𝑥, 𝑦, 𝑧), 𝑃 = (𝑥7 , 𝑦7 , 𝑧7 ) 𝑦 𝑁 = (𝑛! , 𝑛" , 𝑛% )

•••••⃑ = 𝑄 − 𝑃
𝑃𝑄
•••••⃑ = (𝑥, 𝑦, 𝑧) − (𝑥7 , 𝑦7 , 𝑧7 )
𝑃𝑄
•••••⃑ = (𝑥 − 𝑥7 , 𝑦 − 𝑦7 , 𝑧 − 𝑧7 )
𝑃𝑄

Reemplazando en (1)
(𝑥 − 𝑥7 , 𝑦 − 𝑦7 , 𝑧 − 𝑧7 ) ∙ (𝑛! , 𝑛" , 𝑛% ) = 0
𝑛! (𝑥 − 𝑥7 ) + 𝑛" (𝑦 − 𝑦7 ) + 𝑛% (𝑧 − 𝑧7 ) = 0
𝑛! 𝑥 + 𝑛" 𝑦 + 𝑛% 𝑧 = 𝑛! 𝑥7 + 𝑛" 𝑦7 + 𝑛% 𝑧7
ÃÄÄÄÄÄÅÄÄÄÄÄÆ
>

𝒏𝟏 𝒙 + 𝒏𝟐 𝒚 + 𝒏𝟑 𝒛 = 𝒅 → Ecuación cartesiana

30
Ejemplo: Determinar la ecuación del plano que contiene los puntos P= (2,3,5);
𝑄 = (1,1,2) y 𝑅 = (3,6,10)

Solución: La ecuación del plano tiene como coeficientes los elementos del vector normal,
•••••⃑ y 𝑃𝑅
una forma de obtenerlos es mediante el producto cruz entre los vectores 𝑃𝑄 •••••⃑ .

•••••⃑ = 𝑄 − 𝑃 = (1,1,2) − (2,3,5) = (−1, −2, −3)

𝑃𝑄
•••••⃑ = 𝑅 − 𝑃 = (3,6,10) − (2,3,5) = (1,3,5)
𝑃𝑅
𝚤̂ 𝚥̂ 𝑘£
𝑃𝑅 = f−1 −2 −3f = −𝚤̂ + 2𝚥̂ − 𝑘£
•••••⃑ × •••••⃑
𝑃𝑄
1 3 5
𝑁 = (−1, 2, −1) Remplazando en la ecuación cartesiana

−𝑥 + 2𝑦 − 𝑧 = (−1)(2) + (2)(3) + (−1)(5)

−𝑥 + 2𝑦 − 𝑧 = −1; multiplicando por (−1)

Respuesta: El plano que contiene los puntos 𝑃, 𝑄 y 𝑅 es. 𝑥 − 2𝑦 + 𝑧 = 1

Ejemplo: Encuentre el punto de intersección entre la recta y el plano

𝑙: 𝑥 = 1 + 2𝑡 𝑀: 𝑥 − 3𝑦 + 2𝑧 = −7
𝑦 = 2 − 𝑡
𝑧 = −3𝑡
Solución: Si existe un punto de intersección entre el plano y la recta, hay un valor para el
parámetro 𝑡 de la recta, que se obtiene evaluando las ecuaciones paramétricas de la recta en
el plano.
(1 + 2𝑡) − 3(2 − 𝑡) + 2(−3𝑡) = −7
1 + 2𝑡 − 6 + 3𝑡 − 6𝑡 = −7
−𝑡 = −2 ⟹ 𝑡=2

Remplazando en las ecuaciones paramétricas de la recta:

𝑥 = 1 + 2(2) = 5
𝑦 = 2 − (2) = 0
𝑧 = −3(2) = −6
Respuesta: El punto de intersección entre la recta 𝐿 y el punto 𝑀 es (5,0, −6)

31
Ejemplo: Encontrar la ecuación de la recta de intersección de los planos
𝑀! : 𝑥 − 3𝑦 − 2𝑧 = 4 ; 𝑀" : 3𝑥 + 2𝑦 − 4𝑧 = 6

Si dos planos se interceptan hay infinitos puntos en común entre estos, que se pueden
obtener por eliminación Guassiana

1 −3 −2 : 4 1 −3 −2 : 4 1 −3 −2 : 4
V W ⟹ V W ⟹ Y [
3 2 −4∶ 6 0 11 2 ∶ −6 0 1 2/11 : −6/11

1 0 −16/11 : 26/11
Y [
0 1 2/11 : −6/11
16 26 2 6
𝑥− 𝑧= ; 𝑦 + 𝑧 = −
11 11 11 11

Si 𝑧 = 𝑡

26 16 6 2
𝑥= + 𝑡; 𝑦 = − − 𝑡
11 11 11 11

Respuesta: La recta de intersección entre los planos 𝑀! y 𝑀" es

26 6 16 2
(𝑥, 𝑦, 𝑧) = ~ , − , 0• + 𝑡 ~ , − , 1•
11 11 11 11

32
 TALLER CAPITULO II

1) Sea 𝑢 = (3, 6) y 𝑣 = (2, 𝑘) determine 𝑘 tal que: a) 𝑢 y 𝑣 sean paralelos, b) 𝑢 y 𝑣

sean ortogonales y c) el ángulo entre 𝑢 y 𝑣 sea 𝜋Í4
2) Calcule el volumen del paralelepípedo determinado por las aristas 2𝚤̂ + 𝚥̂ − 𝑘£, 5𝚤̂ −
3𝑘£ e 2𝚤̂ − 2𝚥̂ + 𝑘£ (Rspta 13 Ud2)
3) Encuentre la distancia mínima del punto P = (1,0,2) a la recta (𝑥, 𝑦, 𝑧) = (3, 1, 1) +
𝑡(−1,1,0)
4) Obtenga la ecuación del plano que contenga los tres puntos P = (3, 4, 1), R = (1, 2, -
3) y S = (-1, -2, 5)
5) Compruebe que la ecuación del plano que pasa por el origen y a la línea de
intersección de los planos π! : 3𝑥 − 𝑦 + 2𝑧 = 4 y π" : 𝑥 + 𝑦 + 𝑧 = 1, es el plano
𝑥 + 5𝑦 + 2𝑧 = 0
6) Hallar el área del triángulo donde los vértices A, B, y C están dados por las
condiciones:
A = (3, -1, 4)
B es la intersección entre las rectas 𝐿! : (𝑥, 𝑦, 𝑧) = (2, 3, 4) + 𝑡(−3,2,2) y
𝐿" : (x, y, z) = (5, 1, 2) + t(2, −3,1)
C es la intersección, entre el plano 𝑥 − 2𝑦 + 3𝑧 = 1, y la recta 𝐿: (𝑥, 𝑦, 𝑧) =
(1, 2, 1) + 𝑡(0, 2, 3) Rspta ~ 7 Ud2

33
 DETERMINANTE DE UNA MATRIZ

Sistema 2x2

𝑎!! 𝑥! + 𝑎!" 𝑥" = 𝑏! (1)

𝑎"! 𝑥! + 𝑎"" 𝑥" = 𝑏" (2)

de (1) en (2)

𝑏! − 𝑎!" 𝑥" 𝑎"! 𝑏! − 𝑎!" 𝑑𝑥"

𝑥! = + 𝑎"" 𝑥" = 𝑏"
𝑎!! 𝑎!!
Despejando 𝑥"

𝑎!! 𝑏" − 𝑏! 𝑎"!

𝑥" =
𝑎!! 𝑎"" − 𝑎!" 𝑎"!

𝑎!! 𝑎!"
Entonces, det(A) = Ï𝑎 𝑎"" Ï = 𝑎!! 𝑎"" – 𝑎!" 𝑎"!
"!

𝑎 𝑏!
det(𝐴! ) = Ð !! Ð = 𝑎!! 𝑏" – 𝑏! 𝑎"!
𝑎"! 𝑏"

Para una matriz 3x3 (Método de Sarrus).

𝑎!! 𝑎!" 𝑎!%

det(A) = f𝑎"! 𝑎"" 𝑎"% f
𝑎%! 𝑎%" 𝑎%%

Det(A) = 𝑎!! 𝑎"" 𝑎%% + 𝑎!" 𝑎"% 𝑎%! + 𝑎!% 𝑎"! 𝑎%" − 𝑎%! 𝑎"" 𝑎!% − 𝑎%" 𝑎"% 𝑎!! − 𝑎%% 𝑎"! 𝑎!"

Ejemplo 2 Calcular el siguiente determinante

1 1 −1
det(A) = f5 3 4 f.
3 2 1

det(A) = 3 + 12 − 10 + 9 − 8 − 5 = 1

34
Capítulo 4 Eigenvalores y eigenvectores

Teorema 4.11 Regla de Cramer

Sea A una matriz de n ! n invertible y sea b un vector en !n. Entonces la solución

única x del sistema Ax " b está dada por

det 1Ai 1b 2 2
xi para i 1, . . . , n
det A

Ejemplo 2 Solucionar
Demostración Las columnas x +dey la
– matriz
z = 1 identidad I " I son los vectores unitarios es-
n
5xb,+entonces
tándar e1, e2, . . . , en. Si Ax " 3y + 4z = 2
3x + 2y + z = 1
AIi 1x 2 " A 3 e1 p x p en 4 " 3 Ae1 p Ax p Aen 4
" 3 a1 p b p 1an 4 1" A−1
i 1b 2 @AB(D! ) 9F
Del ejemplo 1 det(A) = 1. det(A! ) = f2 3 4 f = – 4. 𝑥= @AB(D)
= !
= −4
Por tanto, por el Teorema 4.8, 1 2 1

1det A 2 1det Ii 1x 2 2 "1det1AI

1 i −1
1x 2 2 " det 1Ai 1b 2 2
@AB(D ) G
det(A" ) = f5 2 4 f =6 . 𝑦 = @AB(D)" = ! = 6
Ahora
3 1 1
1 0 1p 1 x11 p 0 0
@AB(D ) !
1 f5p 3 x22f =1
det(A0% ) = p. 0 0 z = @AB(D)# = ! = 1
o o 3∞ 2 o 1 o o
det Ii 1x 2 " 7 0 0 p xi p 0 0 7 " xi
o o
MATRIZ o
INVERSA ∞ o o
0 0 p xn#1 p 1 0
p p
Una matriz 𝐴#H# es invertible si su0determinante
0 xnes diferente
0 1de cero (matriz no singular),
entonces existe una Matriz inversa 𝐴9! de nxn, tal que:
como puede ver al expandir a lo 9! largo del i-ésimo renglón. Por tanto, (det A) xi "
𝐴 al
det(Ai (b)) y el resultado surge ∗𝐴 dividir 𝐴9! ∗det
= entre 𝐴= 𝐼 es distinto de cero, pues A es
A (que
invertible).
Una de las aplicaciones de la matriz inversa está en la solución de los sistemas lineales.

𝐴𝒙 = b
Ejemplo 4.16 Use la Regla de Cramer para resolver𝒙el= 𝐴9! b
sistema

x1 Matriz
Métodos para obtener la Inversa de una $ 2x2 " 2
#x1 $ 4x2 " 1
1) Solo para matrices 𝐴"I"
Solución Calcule
𝑎!! 𝑎!" 2 =2 ! V 𝑎"" −𝑎!"
Sidet 𝐴A = V2 𝑎 1 2𝑎2 W6, det
entonces
1A 1b 2 2 𝐴9!
2 2 6 −𝑎"! 𝑎1A
y det W 22
1b 2
1 2
2
"!
1 4 "" 1
1 4 @AB(J) !!2 1 1
2) Método de Gauss Jordan: Contempla los siguientes pasos: 3

Por la Regla de Cramer,

a) Formar una matriz nx2n [𝐴 ⋮ 𝐼# ]
det 1A1 1b 2 2 6 det 1A2 1b 2 2 3 1
x1 1 y x2
det A 6 det A 6 2
35
 b) Transformar A en la forma escalonada reducida para obtener la matriz inversa.
[𝐼# ⋮ 𝐴9! ]

3) Método cofactores: Si A es una matriz no singular de nxn, entonces:

1
𝐴9! = Adj(𝐴).
det(𝐴)
Donde Adj(𝐴) es la matriz adjunta y C es la matriz de cofactores. Se obtienen calculando:

Adj(𝐴) = 𝐶 + y para los elementos de la matriz C 𝑐&' = (−1)&K' det 𝐴&'

Ejemplo 3 Resolver x+y–z=1

5x + 3y + 4z = 2
3x + 2y + z = 1.
Solución
1 1 −1
𝐴 = M5 3 4 N
3 2 1
3 4 5 4
𝑐!! = (−1)!K! det 𝐴!! = Ï Ï = −5 𝑐!" = (−1)!K" det 𝐴!" = − Ï Ï=7
2 1 3 1
5 3 1 −1
𝑐!% = (−1)!K% det 𝐴!% = Ï Ï = 1 𝑐"! = (−1)"K! det 𝐴"! = − Ï Ï = −3
3 2 2 1
1 −1 1 1
𝑐"" = (−1)"K" det 𝐴"" = Ï Ï = 4 𝑐"% = (−1)"K% det 𝐴"% = − Ï Ï=1
3 1 3 2
1 −1 1 −1
𝑐%! = (−1)%K! det 𝐴%! = Ï Ï = 7 𝑐%" = (−1)%K" det 𝐴%" = − Ï Ï = −9
3 4 5 4
1 1
𝑐%% = (−1)%K% det 𝐴%% = Ï Ï = −2
5 3
−5 7 1 −5 −3 7
+
𝐶 = M−3 4 1 N Adj(𝐴) = 𝐶 = M 7 4 −9N
7 −9 −2 1 1 −2

Del ejemplo 1 tenemos que det(A) = 1

Reemplazando en la formula

1 −5 −3 7
𝐴9! = Adj(𝐴) = M 7 4 −9N.
det(𝐴)
1 1 −2
Resolviendo se tiene
𝒙 = 𝐴9! b

36
 𝑥 −5 −3 7 1
_𝑦` = M 7 4 −9N M2N
𝑧 1 1 −2 1

Respuesta La solución es:

𝑥 −4
𝑦
_ `=M 6 N
𝑧 1

37
 4. ESPACIO VECTORIAL

Es un conjunto de elementos (vectores en Rn) donde estan definidas

las operaciones suma y multiplicacion por un escalar.

ü Si u y v ∈ V, entonces u +v ∈ V
ü Si u ∈ V, entonces ku ∈ V

Definición W es un subespacio de V, si W es un espacio vectorial

con las operaciones definidas en V.

Definición Un vector 𝑣 ∈ 𝑉 es una combinacion lineal de los vectores v1, v2, … vn , sí y

solo si, ∃ 𝑐! , 𝑐" , … , 𝑐# ∈ ℝ, tales que 𝑣 = 𝑐! 𝑣! + 𝑐" 𝑣" + ⋯ + 𝑣# 𝑐#

Ejemplo 1: Determinar si los vectores v = (9, 2) y w = (4, -1) son combinación. es lineales
de v1 = (1, 2) y v2 = (6, 4)

Solución: 𝑣 = 𝑐! 𝑣! + 𝑐" 𝑣"

(9, 2) = 𝑐! (1, 2) + 𝑐" (6, 4)
𝑐! + 6𝑐" = 9 → 𝑐! = 9 − 6𝑐"
2𝑐! + 4𝑐" = 2 → 2(9 − 6𝑐" ) + 4𝑐" = 2
𝑐! = −3; 𝑐" = 2. ∴ 𝑣 = − 3𝑣! + 2𝑣"

Respuesta: el vector v es una combinación lineal de los vectores v1 y v2 .

Ejercicio 1: verificar para el vector w.

Definición dado un conjunto S = {v1, v2, … vn} de vectores del espacio vectorial V, si el
sistema homogéneo c1v1 + c2v2 + … + cnvn = 0 solo tiene solución trivial, entonces S es un
conjunto linealmente independiente. Si existen otras soluciones S es linealmente dependiente

Ejemplo 2. Determinar si el siguiente conjunto de vectores S conformado por 𝑣! =

(1, 2, 1), 𝑣" = (2, 9, 0), 𝑣% = (3, 3, 4), son linealmente dependientes o independientes.
𝑐! (1, 2,1) + 𝑐" (2, 9,0) + 𝑐% (3, 3, 4) = 0
𝑐! + 2𝑐" + 3𝑐% = 0; 2𝑐! + 9𝑐" + 3𝑐% = 0; 𝑐! + 4𝑐% = 0

38
 1 2 3
1 2 3 0 −2𝐹! + 𝐹" 1 2 3 0 1 3 0
M2 9 3f 0N → = M0 5 −3f 0N → ~ • 𝐹" = A0 1 − Ø 0C
−𝐹! + 𝐹% 5 5 0
1 0 4 0 0 −2 1 0
0 −2 1
21 21
1 0 21/5 0 ⎡1 0 ⎤
−2𝐹" + 𝐹! ⎢ 5 0 ⎥ ~− • 𝐹% + 𝐹!
→ =M0 1 −3/5 f 0N → −5𝐹% = ⎢ Ø
3Ø 0⎥ → 5
2𝐹" + 𝐹% 3
0 0 −1/5 0 ⎢0 1 − 5 0 ⎥ 𝐹 + 𝐹"
⎣0 0 1 ⎦ 5 %
1 0 0 0
= M0 1 0f 0N ∴ 𝑐! , 𝑐" y 𝑐% = 0
0 0 1 0

Respuesta. El conjunto S = {v1, v2, v3} forman un conjunto linealmente independiente

Ejercicio 2 Determinar si los siguientes vectores forman un conjunto linealmente

dependiente o un conjunto linealmente independiente
𝑣! = (1, − 2, 3), 𝑣" = (5, 6, − 1), 𝑣% = (3, 2, 1)

Solución El sistema forma un conjunto linealmente dependiente c1 = -1/2t, c2 = -1/2t,

c3 = t.

Teorema: Un conjunto 𝑆 de vectores con dos o mas vectores es:

ü Es linealmente dependiente si y solo si, al menos uno de los vectores en 𝑆, es una
combinación lineal de los demás vectores en 𝑆.
ü Es linealmente independiente si y solo si, ningún vector en 𝑆, se puede expresar como
una combinación lineal de los demás vectores en 𝑆.

Definición. Un subespacio W generado por los vectores 𝑣! , 𝑣" , … , 𝑣# , se simboliza Gen

{ 𝑣! , 𝑣" , … , 𝑣# } . Entonces W son todas las combinaciones lineales de los vectores
𝑣! , 𝑣" , … , 𝑣#
𝑊 = 𝐺𝑒𝑛{𝑣! , 𝑣" , … , 𝑣# } = {𝑐! 𝑣! + 𝑐" 𝑣" + ⋯ + 𝑐# 𝑣# , ∀𝑐& ∈ ℝ}

Del ejemplo 1 podemos escribir que los vectores los vectores 𝑣 = (9, 2) y 𝑤 = (4, -1) son
combinaciones lineales de 𝑣! = (1, 2) y 𝑣" = (6, 4). Entonces {𝑣, 𝑤 } = 𝐺𝑒𝑛{𝑣! , 𝑣" }
Definición Sea 𝑆 es un subespacio de 𝑉, Diremos que 𝑊 es una base de 𝑉 si:

a) 𝑊 es linealmente independiente y b) 𝑊 genera a 𝑉

Todo espacio vectorial tiene al menos una base y cualquier vector se puede expresar de forma
única como combinación lineal de los vectores de la base. La cantidad de elementos que
conforman la base de un especio vectorial 𝑉 indica la dimensión de este 𝒅𝒊𝒎 𝑽 = 𝒏.

39
 4.1 ESPACIOS FUNDAMENTALES DE UNA MATRIZ

Recordemos que el conjunto de todas las x que satisfacen el sistema 𝐴𝒙 = 𝑏, se llama

conjunto solución del sistema.
El conjunto de x que satisfacen 𝐴𝒙 = 0, es el espacio nulo de la matriz Amxn (Nul 𝐴)

Nul 𝐴 = {𝒙 ∈ ℝ# : 𝐴𝒙 = 0}

Ejemplo 3: Determine el conjunto generador del espacio nulo de la siguiente matriz

1 −2 2 3 −1
𝐴 = M 2 −4 5 8 −4N
−3 6 −1 1 −7

Solución: La matriz aumentada del sistema 𝐴𝒙 = 0 es

1 −2 2 3 −1 0 −2𝐹! + 𝐹" 1 −2 2 3 −1 0 −2𝐹" + 𝐹!

M 2 −4 5 8 −4f 0N → = M0 0 1 2 −2 f 0N →
3𝐹! + 𝐹% −5𝐹" + 𝐹%
−3 6 −1 1 −7 0 0 0 5 10 −10 0
1 −2 0 −1 3 0
= M0 0 1 2 −2f 0N
0 0 0 0 0 0

𝑥! − 2𝑥" − 𝑥F + 3𝑥M = 0 → 𝑥! = 2𝑥" + 𝑥F − 3𝑥M

𝑥% + 2𝑥F − 2𝑥M = 0 → 𝑥% = −2𝑥F + 2𝑥M

La descomposición vectorial de las ecuaciones es:

𝑥! 2𝑥" + 𝑥F − 3𝑥M 2 1 −3
⎡𝑥" ⎤ ⎡ 𝑥" ⎤ ⎡1⎤ ⎡0⎤ ⎡0⎤
⎢𝑥 ⎥ = ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ % ⎥ ⎢ −2𝑥F + 2𝑥M ⎥ = 𝑥" ⎢0⎥ + 𝑥F ⎢−2⎥ + 𝑥M ⎢ 2 ⎥
⎢𝑥F ⎥ ⎢ 𝑥F ⎥ ⎢0⎥ ⎢1⎥ ⎢0⎥
⎣𝑥M ⎦ ⎣ 𝑥M ⎦ ⎣0⎦ ⎣ 0 ⎦ ⎣1⎦

Respuesta: El conjunto generador del espacio nulo de la matriz A es

Nul 𝐴 = {(2,1,0,0,0), (1,0, −2,1,0), (−3,0,2,0,1)}
Espacio columna Col(A): Son todas las combinaciones lineales de las columnas de la
matriz Amxn

Col (𝐴) = {𝒃 : 𝒃 = 𝐴𝒙 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛𝑎 𝒙 ∈ ℝ# }

Para determinar la base del Col (A), se debe obtener la matriz escalonada reducida de A y
en la posición de columna donde se encuentren los pivotes, se seleccionan los vectores de
esa posición correspondientes a las columnas de la matriz A.

40
Ejemplo 4: Determine el conjunto generador del espacio columna de la matriz
1 −2 2 3 −1
𝐴 = M 2 −4 5 8 −4N
−3 6 −1 1 −7
Solución: Del ejemplo 3 tenemos
1 −2 2 3 −1 0 1 −2 0 −1 3 0
M 2 −4 5 8 −4f 0N = M0 0 1 2 −2f 0N
−3 6 −1 1 −7 0 0 0 0 0 0 0
Los pivotes están en la columna 1 y 3 por lo tanto Col 𝐴 = {(1, 2, −3), (2, 5 − 1)}

Definición: La dimensión de un subespacio W (dimW), es el número de vectores que hay

en cualquier base de W.
La dimensión del espacio nulo (𝜐) se denomina Nulidad dim Nul A = 𝜐(𝐴)
La dimensión del espacio columna (𝜌) se denomina Rango o Imagen dim Im A = 𝜌(𝐴)

Para una matriz Amxn se cumple que 𝜐(𝐴) + 𝜌(𝐴) = 𝑛. Es decir, el rango de A más la nulidad
de A es igual al número de columnas de A.

41
 5. TRANSFORMACIÓN LINEAL

En este capítulo se considera que la matriz A, es un objeto que actúa sobre el vector x en la
ecuación matricial Ax = b. Bajo esta primicia la notación cambia de A por T y b por T(x).

Una transformación lineal consiste en convertir un vector x ∈ V en Rn, en un vector T(x) ∈

W en Rm (m y n quizá iguales).

Se escribe,
T: V → W

para indicar que T toma el espacio vectorial V y lo lleva a un espacio vectorial W. Es decir,
T es una función con V como su dominio y un subconjunto W como su imagen.

V W

Una transformacion lineal T de V a W, satisface para cada u y v en V y cada escalar α

𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣) y 𝑇(𝛼𝑢) = 𝛼𝑇(𝑢)

Nota: La linealidad aditiva que se presenta en una solución compatible indeterminada de un

sistema de ecuaciones lineales, esta relacionada con la proporcionalidad que los vectores base
del espacio nulo condicionan el espacio columna.
.
Ejercicio. Demuestre que la función T dada es una transformación lineal.
𝑥−𝑦
𝑥
𝑇: 𝑅 → 𝑅 ; 𝑇 ð𝑦ñ = ò𝑥 + 𝑦ó
" %

5𝑦

42
Solución

Definiciones:

Sea V y W dos espacios vectoriales y sea T: V→W es una transformación lineal, entonces:

- El conjunto de vectores que T transforma en 0 se denomina nucleo de T y es denotado

por nu T

nu 𝑇 = {𝑣 ∈ 𝑉: 𝑇(𝑣) = 0}

- El conjunto de todos los vectores en W que son imágenes bajo T de por lo menos un
vector en V se denomina la imagen de T y se denota im T

im 𝑇 = {𝑤 ∈ 𝑊: 𝑤 = 𝑇(𝑣) para alguna 𝑣 ∈ 𝑉 }

- La dimensión del núcleo de T se denomina Nulidad

43
 Nulidad de 𝑇 = 𝜈(𝑇) = dim nu 𝑇

- La dimensión de la imagen de T se denomina Rango

Rango de 𝑇 = 𝜌(𝑇) = dim im 𝑇

Ejemplo: Dada la transformación lineal 𝑇: 𝑅M → 𝑅% defina por

𝑥!
⎡𝑥" ⎤ 𝑥! − 2𝑥" + 2𝑥% + 3𝑥F − 𝑥M
⎢ 𝑥 ⎥
𝑇 ⎢ % ⎥ = M ! − 4𝑥" + 5𝑥% + 8𝑥F − 4𝑥M N
2𝑥
⎢𝑥F ⎥ −3𝑥! + 6𝑥" − 𝑥% + 𝑥F − 7𝑥M
⎣𝑥M ⎦

Halle nu T, im T, 𝜈(𝑇) y 𝜌(𝑇).

Solución:
𝑥!
1 −2 2 3 −1 1 −2 2 3 −1 " ⎤ ⎡ 𝑥
𝑇 = M 2 −4 5 8 −4N ya que M 2 −4 5 8 −4N ⎢⎢𝑥% ⎥⎥
−3 6 −1 1 −7 −3 6 −1 1 −7 ⎢𝑥F ⎥
⎣𝑥M ⎦
𝑥! − 2𝑥" + 2𝑥% + 3𝑥F − 𝑥M
= M2𝑥! − 4𝑥" + 5𝑥% + 8𝑥F − 4𝑥M N
−3𝑥! + 6𝑥" − 𝑥% + 𝑥F − 7𝑥M

Del ejemplo 3 y 4 del capítulo 4 – Espacio Vectorial

nu 𝑇 = {(2,1,0,0,0), (1,0, −2,1,0), (−3,0,2,0,1)} → 𝜈(𝑇) = 3

im 𝑇 = {(1, 2, −3), (2, 5 − 1)} → 𝜌(𝑇) = 2

Ejercicio Dada la transformación lineal 𝑇: 𝑅" → 𝑅% defina por

𝑥 2𝑥 − 𝑦 + 3𝑧
𝑇 ™𝑦 š = ò 4𝑥 − 2𝑦 + 6𝑧 ó
𝑧 −6𝑥 + 3𝑦 − 9𝑧

Halle nu T, im T, 𝜈(𝑇) y 𝜌(𝑇).

44
 TALLER TERCER PARCIAL

1. Resolver el siguiente sistema usando la regla de Cramer y mediante la matriz inversa

𝑥 + 2𝑦 + 3𝑧 = 9
2𝑥 − 𝑦 + 𝑧 = 8 Rspta x = 2, y = -1, z = 3
3𝑥 − 𝑧 = 3

2. Responder verdadero o falso

- El vector u = (8, 11) es combinacion lineal de los vectores v1 = (7, 1) y v2 = (-2, 3).
- El vector u = (-5, 12) es combinacion lineal de los vectores v1 = (1, -2) y v2 = (-3, 4).
- Los vectores v1 = (1, 4, 3), v2 = (2, 5, 1) y v3 = (3, 6, -2) son LD.

1 −5 3
3. Sean 𝐮𝟏 = M 3 N, 𝐮𝟐 = M−8N, y 𝐱 = M−5N. ¿Con que valor (o valores) de h se
−1 2 ℎ

encuentra x generado por u1 y u2? R// h = 3

4. Hallar Nul (A) y Col(𝐴), en la siguiente matriz:

1 1 1 1
𝐴 = M2 1 4 3N
3 4 1 2

5. Determine si las siguientes transformaciones de V en W dada es lineal usando una

sola definición.

𝑥 𝑦
T: R2 → R2 ; 𝑇 V𝑦W = V W Rspta// Lineal
𝑥

𝑥
T: R2 → R ; 𝑇 V𝑦W = 𝑥𝑦 Rspta// No lineal

1 0 0
1 4 4
6. Sea T: R → R y suponga 𝑇 M0N = V W ; 𝑇 M1N = V W y
3 2
𝑇 M0N = V W
−4 −1 −1
0 0 1

3
7
Calcule T de tal forma que 𝑇 ò−4ó = ð ñ
−13
5

45
 6. VALORES Y VECTORES PROPIOS

Definimos los valores propios como aquellos λ que son valores donde el sistema tiene una
solución no trivial. Muchas aplicaciones del algebra lineal están relacionadas con sistemas
de n ecuaciones lineales con n incógnitas que se expresan como:
𝐴𝒙 = λ𝒙
𝐴𝒙 − λ𝒙 = 0
(𝐴 − 𝜆𝐼)𝒙 = 0

Decimos que x es un vector propio o base de A, correspondiente al valor propio de λ. Sea A

una matriz nxn Entonces 𝜆 es un valor propio de A si y solo si:

Det(𝐴 − λ𝐼) = λ# + 𝑐! λ#9! + ⋯ + 𝑐# = 0 Ecuación característica 𝒑(𝝀).

Contando multiplicidades toda matriz nxn tiene exactamente n valores propios.

6.1 DIAGONALIZACION

Una matriz 𝐴#×# es diagonalizable si existe una matriz invertible C tal que 𝐶 9! 𝐴𝐶 es una
matriz diagonal D.

Definición Si A y D son matrices cuadradas se dice que D es semejante a A si existe una

matriz invertible C tal que 𝐶 9! 𝐴𝐶 es una matriz diagonal. Se dice que la matriz C diagonaliza
a A y está formada por los vectores propios.

Invariantes bajo semejanza. Si A y D son matrices semejantes con 𝐷 = 𝐶 9! 𝐴𝐶

1) det(𝐴) = det(𝐷)
2) tr(𝐴) = tr(𝐷)
3) Nul(𝐴) = Nul(𝐷)
4) Mismo rango.
5) 𝑝J (λ) = 𝑝O (λ)

Teorema Una matriz 𝐴#×# es diagonalizable si y sólo si, tiene n vectores propios linealmente
independientes. La matriz D tiene en su diagonal principal los valores propios y los demás
elementos son ceros.

Ejercicio: Verifique si las matrices son diagonalizables.

4 −5 −1 0
1) 𝐴 = V W Rpsta// 𝐷 = V W
2 3 0 2

−7 −10 −2 0
2) 𝐴 = V W Rpsta// 𝐷 = V W
1 0 0 −5

46