Cuadernillo de Algebra II Ing Compu

Ingeniería en Computación
Álgebra II
Farini-Duhart-Dalvarade
2022
Índice general
Programa de la materia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Bibiliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Cronograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Práctica 1: Matrices, sistemas de ecuaciones y determinantes . . . . . . . . . . . . . . 10
Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Práctica 2: Vectores en R2 y R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Práctica 3: Rectas y planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Rectas en R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Planos en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Rectas en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Práctica 4: Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Práctica 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Práctica 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Autovalores, autovectores y diagonalización . . . . . . . . . . . . . . . . . . . . . 73
Práctica 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Cónicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Anexo: Resumen de ecuaciones y gráficos de las cónicas . . . . . . . . . . . . . 93
1
Álgebra II - Ingeniería en Computación
Progama de Álgebra II, Ingeniería en Computación

ASIGNATURA: Álgebra II
CARRERA: Ingeniería en Computación
AÑO: Segundo cuatrimestre 2022
DURACIÓN: 128 horas
DOCENTE: Matías Dalvarade
FUNDAMENTACION
En la presente asignatura se estudian conceptos de Álgebra Lineal y de Geometría Analíti-

ca, desarrollándose en dos cuatrimestres, el de Álgebra I, su correlativa y Álgebra II, que nos
compete en este plan. Los conceptos tantos del Álgebra Lineal como de la Geometría Analítica
son estudiados en la actualidad en una amplia gama de disciplinas debido al avance tecnológico
y en general al desarrollo de las matemáticas en áreas tradicionalmente no técnicas. Por otra
parte, el Álgebra Lineal es la base para la moderna ingeniería del siglo XXI ya que, el manejo
multivariado solamente se puede comprender mediante el concepto de la estructura vectorial
y la programación lineal., siendo un eslabón insustituible en la formación matemática de un
buen profesional. Para todas las carreras de Ingeniería resulta primordial el desarrollo los con-
ceptos de la Geometría Analítica en el plano y el espacio, usando las herramientas que provee
el Álgebra Lineal, y dotar al estudiante de los conocimientos y técnicas fundamentales que le
permitan analizar y resolver situaciones problemáticas que se presentan en la práctica, debién-
dose enfatizar el enfoque intuitivo y geométrico, sin dejar de lado el rigor inherente a este nivel
del aprendizaje de la Matemática Superior. En este curso se tratan los temas más relevantes de
la geometría analítica plana y del álgebra lineal: álgebra vectorial y matricial, determinantes,
sistemas coordenados rectas en R2 y R3 , planos, y espacios vectoriales.
2
ENCUADRE Y ARTICULACIÓN DE LA ASIGNATURA
El contexto de la asignatura Álgebra II debe garantizar una sólida formación conceptual

para el futuro profesional, de ahí la importancia de su articulación.
Articulación Horizontal
En forma horizontal, Álgebra II se articula con Análisis Matemático II (representaciones

de cónicas y superficies, funciones vectoriales, proyecciones), también con Física I, asignatura
requiere de herramientas matemáticas que brinda el álgebra vectorial.
Articulación Vertical
En forma vertical, Álgebra II se articula con Álgebra I y con Probabilidad y Estadística I

(distribución de probabilidad, regresión).
OBJETIVOS
Objetivos generales
Dada la importancia que revisten los conocimientos matemáticos para el desarrollo de la

carrera de Ingeniería en Computación, y para la formación integral del profesional, se definen
como objetivos generales los siguientes:
Lograr que el alumno incorpore la asignatura Álgebra y Geometría Analítica como una
herramienta básica para su formación a partir de ejemplos sencillos de la vida real.
Lograr que el alumno aprenda a aplicar los recursos del Álgebra Lineal en el planteo y
resolución de problemas de Geometría Analítica en el plano y el espacio, y otras disciplinas
afines.
Lograr que el alumno desarrolle capacidades de razonamiento, deducción, análisis y sín-

tesis para resolver problemas básicos de Ingeniería.
Lograr que el alumno genere hábitos de investigación a través del análisis bibliográfico.
3
Lograr que el alumno afiance los conocimientos de la materia empleando herramientas

computacionales.
Objetivos específicos
Los resumimos en que el alumno:
Conozca las distintas operaciones entre vectores y matrices.
Utilice estrategias para el planteo de problemas a través de sistemas de ecuaciones lineales

y su resolución.
Aplique operaciones de matrices y determinantes para la resolución de sistemas de ecua-

ciones lineales.
Determine e indique en el plano Euclídeo y en el espacio tridimensional: las coordenadas

de un vector, su longitud, la distancia entre vectores y la representación de rectas y planos.
Resuelva en forma analítica y gráfica problemas con rectas y planos.
Comprenda y aplique los conceptos de espacio vectorial, dependencia lineal, bases y di-
mensiones.
Utilice herramientas computacionales para la resolución de cálculos y representaciones

gráficas.
Desde el punto de vista de los objetivos actitudinales, se pretenderá un cambio en la cultura

que los alumnos han adquirido en la enseñanza media, incentivándolos a plantearse inquietudes
sobre los temas de la asignatura y procurarse por sus propios medios la búsqueda de soluciones.
Además, el desarrollo de hábitos de estudio, adquisición de confianza y actitud crítica en la
resolución de problemas, y la consulta asidua al docente.
4
Programa analítico
Unidad 1: Matrices
Algebra de Matrices. Matrices equivalentes. Matrices identidad y nula. Igualdad de matrices.

Matriz traspuesta. Matriz cuadrada, simétrica y antisimétrica. Matrices Hermíticas. Matriz
inversa. Cálculo de la inversa por el método de Gauss - Jordan. Determinantes. Propiedades.
Rango de una matriz. Sistemas de ecuaciones lineales. Aplicación a la resolución de sistemas
lineales.
Unidad 2: Vectores
Introducción a los vectores geométricos. Coordenadas y componentes de un vector. Norma

de un vector. Aritmética vectorial. Distancia. Producto escalar. Propiedades. Ángulo entre
dos vectores. Proyección ortogonal. Versores. Producto vectorial. Propiedades. Dependencia e
independencia lineal.
Unidad 3: Rectas y planos en el espacio tridimensional
Rectas y planos en R2 y R3 . Ecuaciones paramétricas e implícitas. Distancia punto, recta y

punto, plano. Recta definida por la intersección de dos planos. Posiciones relativas de rectas y
planos. Rectas alabeadas.
Unidad 4: Espacios vectoriales
Espacios vectoriales. Subespacios. Operaciones. Base y dimensión de un subespacio. Teorema

de extensión a una base. Espacios vectoriales con producto interno. Norma. Ortogonalidad y
mínimos cuadrados.
Unidad 5: Transformaciones lineales
Transformaciones lineales y matrices. Núcleo e imagen. Operaciones. Representación matri-

cial. Teorema de la dimensión.
5
Unidad 6: Autovalores y autovectores
Autovalores y autovectores. Propiedades. Autovalores de matrices triangulares. Diagonali-

zación. Diagonalización de matrices hermíticas. Forma de Jordan. Espacios afines.
Unidad 7: Cónicas
Cónicas. Ecuaciones cartesianas paramétricas. Excentricidad. Rototraslación.
6
Bibliografía
Hernández, Eugenio; Álgebra y Geometría, Addison-Wesley, 1994.
De Burgos, Juan; Álgebra Lineal y Geometría Cartesiana, McGraw-Hill, 2006
Kozak; Pastorelli; Vardanega; Nociones de Geometría Analítica y Álgebra Lineal, McGraw-

Hill, 2006.
Strang; Álgebra lineal y sus aplicaciones, Thomson, 2007
Larrotonda, Ángel Rafael; Álgebra Lineal y Geometría, Ed. Eudeba.
Jeronimo, G; Sabia, J.; Tesauri, S.; Álgebra Lineal, Departamento de Matemática, Facul-
tad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, 2008.
7
Cronograma
Clase Fecha Contenidos

Presentación de la materia. Unidad 1: Álgebra de Matrices. Clasificación
1 9/8
de Matrices. Definición de matriz inversa.
Unidad 1: Determinantes. Propiedades. Aplicación de determinante pa-
2 13/8
ra el cálculo de la matriz inversa.
Unidad 1: Sistemas de ecuaciones lineales. Cálculo de la matriz inversa
3 16/8 mediante el método de Gauss Jordan. Aplicación de determinantes en la
resolución de sistemas cuadrados.
Unidad 2: Introducción a los vectores geométricos. Coordenadas y com-
4 20/8
ponentes de un vector. Norma de un vector. Aritmética vectorial.
Unidad 2: Distancia. Ángulo. Producto escalar. Propiedades. Proyec-
5 23/8
ción ortogonal.
Unidad 2: Producto vectorial. Propiedades. Interpretación geométrica.
6 27/8
Producto mixto. Interpretación geométrica.
Unidad 3: Rectas en el plano y en el espacio. Ecuaciones paramétricas
7 30/8
e implícitas. Distancia entre recta y punto.
Unidad 3: Planos. Distancia entre punto y plano. Distancia entre recta
8 3/9
y plano.
Unidad 3: Recta definida como intersección de dos planos. Posiciones
9 6/9
relaticas de rectas y planos.
10 10/9 Unidades 1,2 y 3: Repaso
11 13/9 PRIMER PARCIAL
12 17/9 Unidad 4: Combinación lineal. Independencia lineal
Unidad 4: Espacios vectoriales. Subespacios. Sistema de generadores de
13 20/9
un subespacio. Base y dimensión de subespacios.
Unidad 4: Operaciones entre subespacios. Teorema de extensión a una
14 24/9
base.
8
Unidad 5: Transformaciones lineales. Ejemplos geométricos y analíticos.

15 27/9
Propiedades. Núcleo e imagen. Teorema de las dimensiones.
Unidad 5: Teorema fundamental de las transformaciones lineales. Ejer-
16 1/10
citación.
Unidad 5: Matriz asociada a una transformación lineal en distintas ba-
17 4/10
ses. Propiedades.
18 8/10 Unidad 5: Repaso
Unidad 6: Autovalores y autovectores de una transformación lineal.
19 11/10
Autoespacio asociado a un autovalor. Dimensión geométrica.
Unidad 6: Autovalores y autovectores de matrices. Criterio de diagona-
20 15/10
lización. Aplicaciones.
21 18/10 Unidad 7: Cónicas. Presentación. Clasificación.
22 22/10 Unidad 7: Traslación de cónicas
23 25/10 Unidad 7: Rotación de cónicas
24 29/10 Unidad 7: Rototraslación de cónicas
25 1/11 Unidades 4, 5, 6, 7: Repaso
26 5/11 Unidades 4, 5, 6, 7: Repaso
27 8/11 SEGUNDO PARCIAL
28 12/11 Entrega de notas y cierre de la materia
29 15/11 RECUPERATORIO del PRIMER PARCIAL
30 22/11 RECUPERATORIO del SEGUNDO PARCIAL
9
Práctica 1: Matrices, sistemas de ecuaciones y determinan-

tes
Breve reseña histórica
La introducción de las matrices data de muchos siglos, incluso milenios. Se sabe que
en siglo VII a.C. hubo estudios de los llamados cuadrados mágicos que involucraban
matrices. El uso de matrices (y determinantes) para sistemas de ecuaciones lineales fue
presentado en el siglo XVII por el gran matemático y filósofo Gottfried Leibnitz, mientras
que importantes contribuciones posteriores fueron aportadas por Carl F. Gauss y Wilhelm
Jordan. Matemáticos como William Hamilton, Arthur Cayley, James Sylvester, John
von-Neumann, Camille Jordan, entre otros, trabajaron también en temas de Álgebra
Matricial.
Matrices
Matrices y sus aplicaciones
Una matriz esun arreglo rectangular de números, ordenados en filas y columnas. Por
√ 
3 −1 2
ejemplo, A =   es una matriz de números reales, de 2 filas y 3 columnas;
0 3 −1
2×3
es decir, A ∈ R .  
1 1
 
Otro ejemplo podría ser B =  2 3  que es una matriz que pertenece a R3×2 .
 
 
0 1
Las matrices son objetos matemáticos muy utilizados en las ciencias y en las ingenierías en
general, y en la computación en particular, porque permiten modelizar y resolver diversos
problemas. Enumeraremos algunos ejemplos (todos deben ser considerados como nombres
de temas que son bastos y complejos) y, a lo largo de la materia, empezaremos a analizar
algunos de ellos:
10
Las matrices son utilizadas ampliamente para manipular y organizar información.
Las bibliotecas gráficas como por ejemplo OpenGL utilizan matrices para represen-
tar gráficos de tres dimensiones en pantallas de dos dimensiones.
Como veremos más adelante, para resolver sistemas de ecuaciones se pueden em-
plear matrices y, por ejemplo, de esa forma es como una computadora puede resolver
grandes operaciones en tiempos relativamente cortos.
También son muy útiles para agilizar operaciones que de otro modo serían costosas
de resolver. Por ejemplo, calcular con algoritmos recursivos o iterativos el valor
n-ésimo (para un n muy grande) de algunas sucesiones es muy difícil; lo mejor,
muchas veces, es optar por algoritmos basados en matrices.
Los sistemas de detección de rostros no podrían concebirse sin las matrices. Por
ejemplo, las técnica EigenFace se basa en las propiedades de las matrices cuadradas.
En los videos juegos y sistemas de simulación se utilizan las matrices para represen-
tar de forma abstracta ciertas estructuras de datos. Por ejemplo, se puede modelizar
el mapa de un terreno con una matriz.
En la implementación de protocolos de comunicación segura también se usan ma-

trices.
Google utiliza matrices para organizar los resultados de una búsqueda.
1. Los siguientes cuadros muestran la tabla de posiciones de tres equipos de fútbol durante
un campeonato. El primero corresponde al desempeño en la primera parte del año y el
segundo, a la parte restante.
PP G E P SP G E P
E1 13 1 1 E1 11 3 0
E2 9 1 5 E2 12 1 1
E3 7 5 3 E3 8 2 4
11
a) Proponé una matriz que muestre la actuación anual de los equipos.
b) Proponé, en cada caso, una matriz que muestre el puntaje obtenido por cada equipo
de forma semestral y anual si:
i. se otorgan 2 puntos por partido ganado y 1 por partido empatado.
ii. se otorgan 3 puntos por partido ganado y 1 por partido empatado.
2. Una empresa telefónica fabrica celulares en tres versiones:
I) 128Gb
II) 256Gb
III) 512Gb
La versión I) insume una hora de ensamblado, media de empaquetado, y 15 minutos de

control de calidad; la II): una hora y media de ensamblado, una de empaquetado y media
de control de calidad, mientras que la III): dos horas de ensamblado, una y media de
empaquetado, y una de control de calidad. Los costos de mano de obra (por hora) son,
respectivamente de US$ 50, US$ 40 y US$ 30, para ensamblado, empaquetado y control.
Considerando los costos mencionados como los únicos relevantes,
a) Indicá los costos totales de fabricación de cada tipo de teléfono.
b) ¿Podrían ayudar las matrices a responder la consigna anterior?
Matrices y teoría de grafos

La teoría de grafosa es importante tanto para la matemática como para la compu-
tación. Algunos de los diferentes problemas informáticos que pueden ser resueltos
a través de la teoría de grafos son:
a
La teoría de grafos es una disciplina que hoy en día presenta un desarrollo vertiginoso debido
a su importancia en el diseño de programas, circuitos etc. Las ideas básicas las introdujo el
matemático suizo Leonhard Euler en el siglo XVIII
12
Calcular el número de combinaciones diferentes de vuelos que puede haber

entre dos ciudades.
El problema del viajante que trata de saber cuál es la manera que debería
viajar para conocer diferentes ciudades sin volver a pasar por la misma ciudad.
Crear sistemas operativos.
Diseñar bases de datos

Presentaremos a continuación una secuencia de problemas que intentan introducir
algunas de las relaciones entre las matrices y los grafos.
3. Supongamos que hay 3 computadoras C1 , C2 y C3 , con ciertos dispositivos de comunica-

ción de manera tal que algunas computadoras pueden enviar (transmitir) mensajes a otras
(y todas, como tienen el dispositivo, pueden recibir mensajes). En este caso, supongamos
que C1 le puede transmitir mensajes a C2 y C3 , que C2 sólo le puede transmitir a C1 y
que C3 solo le puede tranmitir C2 .
a) En los siguientes casos, determiná cuántos mensajes se tendrían que enviar para que
la computadora indicada reciba el mensaje de la computadora que lo emite.
i. Emisor C1 , receptor C2 iii. Emisor C2 , receptor C3
ii. Emisor C1 , receptor C3 iv. Emisor C3 , receptor C2
b) ¿De cuántas maneras la computadora C1 le puede mandar un mensaje a C2 ?
4. Supongamos ahora que a la situación descripta en el problema 3, se le agrega una cuarta

computadora C4 que le puede mandar mensajes a C1 y C3 . ¿Cambiarían las respuestas
dadas en el problema 3? ¿Se te ocurre alguna manera de organizar la información para
que sea más simple contestar estas preguntas?
13
Comentario
Una forma de representar y organizar la situación anterior es mediante una matriz
A = [aij ], definiendo el componente:

 1 si i 6= j y P puede enviarle mensajes a P
i j
aij =
 0 en otro caso
Por ejemplo, en la situación del problema 3, la matriz quedaría:

 
0 1 1
 
A= 1
 
0 0 
 
0 1 0
¿Pero qué ventajas tiene organizar la información así?
Definición
Una matriz de adyacencia es una matriz cuadrada cuyos componentes son ceros
o unos y, por conveniencia, todos los números de la diagonal son ceros.
5. Determiná con una matriz de adyacencia la situación del problema 4.
6. Supongamos que hay cinco computadoras con ciertos dispositivos de comunicación y que
la matriz de adyacencia que representa la situación es:
 
0 1 1 0 0
 
 0 0 1 1 0 
 
 
A= 1
 
1 0 1 0 
 
 
 1 0 1 0 0 
 
0 1 1 1 0
a) ¿Cuántos mensajes son necesarios enviar, como mínimo, para que C1 le pueda pasar
cierta información a C4 ?
b) ¿Y para que C2 lo haga con C1 ? ¿Ayuda tener la matriz de adyacencia para responder
la pregunta?
14
Comentario
Otra forma de representar las relaciones de comunicación de este tipo es por medio
de un diagrama llamado grafo dirigido o digrafo. Por ejemplo, la siguiente figura
muestra el digrafo de la matriz de adyacencia del problema 3
En estos diagramas, las computadoras Ci están representadas por los puntos Pi que
se llaman vértices o nodos del digrafo y los segmentos que unen ciertos vértices se
llaman aristas; las flechas indican las direcciones hacia donde es posible transmitir
comunicación. Aunque en el digrafo del ejemplo no se puede comunicar P2 direc-
tamente con P3 , existe una cadena o trayectoria a través de la cual la C3 puede
enviarle un mensaje a C2 , por ejemplo: P3 −→ P1 −→ P2 . Se dice que ésta es una
2-cadena porque para transmitir un mensaje es necesario hacerlo en dos etapas,
esto es, recorrer una trayectoria que tiene dos aristas con un vértice intermedio.
7. Determiná la matriz de adyacencia relacionado con el siguiente digrafo:
8. Realizá el digrafo asociado al problema 6
9. Supongamos que estamos interesados en encontrar el número de formas distintas en las

que una computadora puede transmitir un mensaje a otra computadora a través de una
2-cadena; es decir, el número total de 2-cadenas con vértice inicial Ci y vértice final Cj
15
o, de manera equivalente, el número de formas distintas en las que Ci puede transmitir a

Cj con un intermediario, exactamente, Ci −→ Cl −→ Cj .
Intentá responder la pregunta para cada Ci de los problemas 6 y 7.
Comentario
No es fácil responder las preguntas del problema 9. La representación matricial (y
la definición de producto de matrices) puede ayudar en la tarea:
Representemos por (A2 )ij la componente en la fila i y la columna j de la matriz A2 .
2
 del producto de matrices, podemos escribir: (A )ij =
Utilizando la definción
a
 1j 
 a2j 

 P n
ai1 ai2 ... ain  = ail alj
 
 ...  l=1
 
anj
Como A es una matriz de adyacencia, los términos de la sumatoria son iguales a
1 o iguales a 0 (los factores del producto que aparece en cada término lo son); y
ya que Ail Alj = 1 si y sólo si Pi puede transmitir a Pl y Pl puede transmitir a Pj ,
se tiene que el resultado de esta sumatoria es el núumero total de 2-cadenas con
vértice inicial Pi y vértice final Pj . La generalización de este resultado es el siguiente
teorema.
Teorema
Sea un digrafo con n > 1 vértices y con matriz de adyacencia A. Si r ≥ 1 es un
número entero y (Ar )ij representa la componente ij de la matriz Ar , entonces
(Ar )ij es el número de r-cadenas con vértice inicial Pi y vértice final Pj o,
equivalentemente, el número de formas distintas en las que Pi puede transmitir a
Pj con r − 1 intermediarios.
La demostración del teorema excede los objetivos de esta materia, pero lo pueden
ver en:
16
10. Considerá el digrafo que se muestra en el problema 4 cuya matriz de adyacencia es

 
0 1 1
 
A= 1 0 0 
 
 
1 0 0
a) Calculá A2 y A3
b) Interpretá, en términos de las formas distintas en las que se puede transmitir infor-
mación con 1 o 2 intermediarios, qué significan las componentes de las matrices.
c) Elegí una componente de la matriz A3 y encontrá todas las r-cadenas correspondien-

tes.
11. Un corolario del teorema dice que si un digrafo tiene n vértices Pi y A es su matriz de
adyacencia entonces (A + A2 )ij es el número de formas distintas que Pi puede transmitir
a Pj en a lo sumo 2 etapas.
Considerá el siguiente digrafo:
Calculá de cuántas formas distintas la computadora número 4 puede transmitir un men-

saje a la computadora número 1 en a lo sumo dos etapas. ¿Cuáles son esas formas?
 √  
1

3 −1 2 −1 0 2
12. Dadas las matrices: A =  yB= .
0 3 −1 2 −1 0
Calculá
√
a) 2A c) A − B
b) A + B d ) 2A + 12 B
17
   
−2 1 2 0 −1 2 3 −2
13. Sean A =  yB= .
2 0 1 3 0 1 −1 −3
Hallá, si es posible, una matriz X tal que A + X = B
14. Utilizando las matrices del problema 13, decidí si existe una matriz Y tal que A + Y =
2Y − B
 
0 −1
15. Sea A =  
2 3
a) Calculá:
i. A2
ii. A3
 
0 0
b) Comprobá que A2 − 3A + 2I =  
0 0
Definición
Dada una matriz A ∈ Rn×n , se dice que A es inversible (o no singular) si existe
B ∈ Rn×n tal que AB = BA = I, donde I es la matriz identidad de n × n. En este
caso se dice que B es la inversa de A y se nota A−1
16. Hallá,si es posible,

 la matriz
 inversa
 de las siguientes matrices:
1 2 1 2
A= yB= 
3 4 2 4
17. Decidí si las siguientes proposiciones son verdaderas o falsas. Justificá.
a) Sean A, B ∈ Rn×n . Entonces (A + B)2 = A2 + 2AB + B 2 ,
b) Sean A, B ∈ Rn×n . Entonces A2 − B 2 = (A + B)(A − B).
c) Sean A ∈ Rn×n e I la matriz identidad de n × n. Entonces A2 − I = (A + I)(A − I).
d ) Sean A, B, C ∈ Rn×n Entonces, AB = AC =⇒ B = C,
e) Sean A, B, C ∈ Rn×n tales que ∃A−1 . Entonces AB = AC =⇒ B = C.
18
f ) Sean A, B, C ∈ Rn×n tales que AB = N y ∃A−1 , entonces B = N (donde N es la

matriz neutra de n × n.
18. Obtené, en caso de que exista, la matriz inversa de las siguientes matrices:
   
1 −1 0 1 −1 0
   
a) A =  0 1 −1  b) B =  0 1 −1 
   
   
−1 0 1 −1 0 2
19. Proponé dos matrices A, B ∈ R2×2 que no sean nulas, tales que el producto A.B sea la
matriz nula.
20. Sea A ∈ Rn×n es una matriz no singular. Demostrá que si existe una matriz B ∈ Rn×n
tal que A.B = N , entonces B = N
   
3 1 2 −3
21. Dadas las matrices A =  yB= 
5 2 4 4
Decidí si las siguientes igualdades son verdaderas:
a) (A.B)−1 = B −1 .A−1
b) (A.B)2 = A2 .B 2
22. Demostrá la validez de los siguientes enunciados:
a) Una matriz con una fila de ceros no puede ser inversible.
b) Una matriz con una columna de ceros no puede ser inversible
23. ¿Es necesariamente inversible la suma de dos matrices inversibles?
24. Calculá la transpuesta de las siguientes matrices:

   
2 1 6 1 1
   
a)  −3 1  b)  −8 4 3 
   
   
0 2 0 1 3
19
 
c) 7 0 2 2 1
d)  
1 −1
Definiciones
Dada una matriz A ∈ Rn×n , se dice que:
A es simétrica si At = A
A es antisimétrica si At = −A
A es ortogonal si At = A−1
A es idempotente si A2 = A
A es nilpotente si existe n ∈ N tal que An = N
25. Sean A, B ∈ Rn×n . Analizá la validez de los siguientes enunciados:
a) Si A y B son simétricas, entonces A + B es otra matriz simétrica.
b) Si A es antisimétrica, entonces λA es antisimétrica, cualquiera sea λ ∈ R
c) A + At es una matriz simétrica.
d ) A − At es una matriz antisimétrica.
e) A.At es una matriz simétrica.

 
1 0 0
 
26. Probá que la matriz B =  0 1 0  es idempotente para todo c, d ∈ R
 
 
c d 0
   
4 −6 5 −20
27. Comprobá que las matrices A =  yB =  son idempotentes y
2 −3 1 −4
singulares. Demostrá que AB es también singular, pero no idempotente.
20
Sistemas de ecuaciones lineales

Comentario
Los sistemas de ecuaciones en general, y los lineales en particular, fueron y son muy
utilizados para modelizar diversidad de problemas. Las aplicaciones a la ingeniería
(en forma directa e indirecta) son innumerables y por consiguiente es imposible
pretender cubrirlas todas. Por mencionar algunas: balanceo de reacciones químicas,
determinación de curvas, resolución de integrales, producción de bienes, transferen-
cia de calor y de masa, splines cúbicos (interpolación y suavización de datos), etc.
Las dificultades suelen estar tanto en la modelización (cuáles son las variables in-
volucradas en el problema, cómo se relacionan, cuáles son las ecuaciones que repre-
sentan), como en la resolución de los sistemas (de qué manera matemática podemos
decidir si el sistema tiene solución o no), como también en la interpretación de la
solución en términos del contexto. El problema 28 intenta ser un ejemplo de apli-
cación. En el resto de los problemas, nos enfocaremos en el estudio de la resolución
de los sistemas.
28. La empresa “Computadoras S.A”, fabrica tres modelos de computadoras personales: M1 ,

M2 , y M3 . Para armar una computadora M1 , necesita 12 horas de ensamblado, 2,5 horas
para probarla, y 2 horas más para instalar sus programas. Para una M2 , requiere 10 horas
de ensamblado, 2 horas para probarla, y 2 horás más para instalar programas. Y por
último, para una M3 requiere 6 para ensamblado, 1,5 para probarla y 1,5 para instalar
programas. Si la empresa dispone en horas por mes de 556 para ensamble, 120 para
pruebas, y 103 horas para instalación de programas, ¿cuántas computadoras se pueden
fabricar por mes?



 x + 2y + z = 0

29. Probá que el siguiente sistema tiene sólo solución trivial: 2x + 5y + 3z = 0



 x + 3z = 0
30. Para cada uno de los sistemas:
21
a) Reescribilo en la forma AX = B
b) Resolvelo.
 
  
 x + 2y + 2z = −1 
 2x + y + z = 7
 x + 2y = 7  3x − 6y = 8 
 

a: b: c: x + 3y + z = 4 d: 3x + 2y + z = −3
 2x + 5y = −3  2x + 5y = 1 
 


 x + 3y + 2z = 3 
 y+z = 5
31. Para los siguientes sistemas, indica qué condiciones deben satisfacer las constantes bi en
cada caso para que el sistema sea compatible.

 
 2x + 3y − z + w = b1
x − y + 3z = b1
 

 
x + 5y + z − 2w = b2

 

a: 3x − 3y + 9z = b2 b:

 
 −x + 2y + 2z − 3w = b3
 −2x + 2y − 6z = b
 

3 
3x + y − z + 4w = b4


   
2 2 3 x
   1 
32. Sean A =  1 2 1  y X =  x2  dos matrices.
   
   
2 −2 1 x3
Demostrá que la ecuación AX = X puede escribirse como (A − I)X = 0̄ y utilizá el
resultado para resolver el sistema: AX = 4X
¿Para qué valores de a ∈ R el sistema tiene una, ninguna o infinitas soluciones?

33. 


 x+y+z = 4

z= 2


 (a2 − 4)z = a − 2

34. Decidí si las siguientes afirmaciones son verdaderas o falsas.
a) Si el sistema AX = 0 solo tiene solución trivial, entonces el sistema AX = B es

compatible determinado.
b) Sean A ∈ Rm×n , X ∈ Rn×1 y B ∈ Rm×1 . El sistema AX = B es compatible

determinado ⇐⇒ rg(A) = n
c) Sean A ∈ R4×3 , rg(A) = 2, X ∈ R3×1 y B ∈ R4×1 . Si el sistema AX = B tiene

infinitas soluciones.
22
35. Proponé, en cada caso, un sistema de ecuaciones lineales que tenga como solución el
conjunto Si :
a) S1 = Φ
b) S2 = {(0, 0)}
c) S3 = {(1, 0, 1)}
d ) S4 = {(x, y, z) ∈ R3 / x = 0}
36. Resolvé los siguientes sistemas lineales:

 

 3z = 0  x−y = 0
c)


a) 3y + 9z = 0  x−y = 1


 
 6x = 0 
 x+y−z+w = 1
 



 2x + 3y = 1  x+y+z−w = 0

d)


b) 5y + z = 1  x−y+z−w = 0



 


 +2z = 6  x+y−z+4= 1

Determinantes
Comentario
El determinante tiene un sinfín de aplicaciones; por ejemplo, en economía, se utiliza
para encontrar los puntos de equilibrio de un sistema financiero descrito matricial-
mente, en ingeniería, para optimizar procesos, en geometría computacional, para el
cálculo de cascos convexos y diagramas de Voronoi. En general, se utiliza para saber
si un sistema de ecuaciones tiene solución, para calcular áreas y volúmenes, y en
la formulación de ecuaciones de objetos geométricos como rectas, círculos, elipses,
parábolas, planos, etc.
La primera cultura de la que se tiene registro que incursionó en el planteamiento
de sistemas de ecuaciones y su solución fue la china, ya que en ella se desarrolló el
interés por describir y resolver sistemas de ecuaciones relacionadas con la obtención
de cuadrados mágicos.
23
 
 ax + by = 1  ax + by = 0
37. Sean a : b: dos sistemas de ecuaciones.
 cx + dy = 0  cx + dy = 1
a) Resuelvé (en forma general) cada uno de los sistemas
b) ¿Qué condición debe cumplirse sobre a, b, c y d para que los sistemas tengan solución?
 
a b
38. Sea A =  
c d
a) Encontrá una expresión para la matriz A−1
b) ¿Bajo qué condiciones existe esa matriz?
39. a) Inventá dos matrices distintas que tengan determinante igual a 5.
b) Inventá dos matrices distintas que tengan determinante igual a 1.
c) Inventá dos matrices distintas que tengan determinante igual a 0.
d ) Inventá dos matrices A y B tales que det(A)det(B) = 1
40. a) Calculá el determinante de las siguientes matrices.

   
4 −6 0 −6
i. A =   iii. C =  
2 −3 0 −3
   
5 −20 5 5
ii. B =   iv. D =  
1 −4 10 10
b) Resolvé cada uno de los siguientes sistemas:

AX = 0, BX = 0, CX = 0, DX = 0
¿Qué relación encontrás entre la solución y el inciso anterior?
   
1 2 5 6
41. Sean A =  yB=  dos matrices.
3 4 7 8
Verificá que det(AB) = det(A)det(B)
42. Calculá el determinante de las siguientes matrices y decidí cuáles son singulares.
24
   
4 0 2 8 0 2
   
i. A =  2 −3 iii. C =  4 −3 1 
   
1 
   
2 −3 0 4 −3 0
   
4 0 2 0 −6 2
   
ii. B =  2 −3 iv. D =  0 −3 1 
   
0 
   
2 −3 1 2 −3 0
 
a b c
 
43. Suponiendo que det  d e f  = 5 Calculá, si es posible:
 
 
g h i
   
a b c −a −b −c
   
a) det  d c) det  2d
   
e f  2e 2f 
   
g h i g h i
   
g h i −a −b −c
   
b) det  d d ) det  2d
   
e f  2e 2f 
   
a b c −g −h −i
 
6 1 1
 
44. Sea A =  −8 4 3 
 
 
0 1 3
Comprobá que det(A) = det(At )
 
a b c
 
45. Sea A =  d e f  tal que det(A) = 5. Calculá:
 
 
g h i
a) det(3A) b) det(2A−1 ) c) det[(2A)−1 ]

 
 2 
2 1 1
 
46. Sean M =  yB=
 1  dos matrices.

1 4 3  
0
25
Agregá una fila a la matriz M para que se cumpla, si es posible, lo propuesto en cada
caso:
a) M sea inversible.
b) det(M ) = 0
c) El sistema M.X = 0 tenga solución única.
d ) El sistema M.X = B tenga solución única.
e) El sistema M.X = B no tenga solución.
47. ¿Es cierto que el siguiente sistema tiene una solución no trivial si y sólo si α = β?



 x + y + αz = 0

x + y + βz = 0



 αx + βy + z = 0
48. Mediante el uso de determinantes, demostrá que la única solución del sistema

 x − 2y = λx
 x − y = λy
es x = y = 0 ∀λ ∈ R



 4x + y + z + w = 6


3x + y − z + w

 = 1
49. Resolvé el sistema


 7x + 3y − 5z + 8w = −3



 x + y + z + 2w = 3
Con la Regla de Cramer.
Con el método de Gauss-Jordan.
¿Por cuál de los dos métodos se realizan menos cálculos?
26
Comentario
La Regla de Cramer permite obtener la (única) solución de un sistema lineal no
homogéneo cuya matriz asociada es inversible por medio de determinantes.
det(A1 A2 ...Ai−1 bAi−1 ....An )
xi = , donde Ax̄ = b y x̄ = (x1 , x2 , ..., xn )
det(A)
En general, la regla se utiliza para escribir programas que resuelvan sistemas de
ecuaciones lineales, pero también es útil para derivar resultados teóricos sobre las
soluciones de esta clase de sistemas.
50. Determiná, usando determinantes, el valor de los parámetros para los cuales los siguientes
sistemas lineales son compatibles determinados:
 


 x + y + 4w = 2 

 βx + y + z = 1

 
−x + 4z − 2w = 0 b)

 x + βy + z = 1
a) 

x + 2y − 2z + 4w = 2  x + y + βz = 2 − β
 




 2x + 10y + k 2 w = k 2 − 3k + 4

27
Práctica 2: Vectores en R2 y R3
Se pueden considerar dos orígenes de la noción de vector:
1. A partir del desarrollo del álgebra.
George Peacock (1791-1858) concibió una distinción entre el álgebra aritmética y el
álgebra simbólica. El primer matemático que hizo una separación con el principio de
permanencia de forma establecido por Peacock fue William Hamilton(1805-1865)
con la creación de sus cuaterniones.
2. A partir de la modelización matemática de fenómenos físicos. Las primeras huellas

de un tratamiento vectorial lo encontramos a principios del siglo XVII, cuando la
física exigió a la matemática la descripción cuantitativa del movimiento. Uno de los
primeros fue Galileo, quien estableció un tratamiento que se alejaba de la tradición
aristotélica. En la descripción de la trayectoria del movimiento parabólico, Galileo
se dio cuenta que se componía de un movimiento horizontal y otro vertical.
Vectores
Vectores y sus aplicaciones
Además de las múltilples aplicaciones que tienen hoy en día los vectores, la utilización
de los vectores (y las matrices) resulta fundamental en los lenguajes de programación, ya
que la mayoría de los datos se introducen y se almacenan en tablas organizadas en filas
y columnas.
En esta guía nos concentraremos en estudiar los aspectos básicos de los vectores de R2 y
R3 : sus posibles definiciones, su representación gráfica y algunas de sus propiedades.
28
Primeras definiciones
Definimos R2 como el conjunto formado por elementos de la forma (a, b), con a, b ∈ R y
R3 como el conjunto formado por elementos de la forma (a, b, c), con a, b, c ∈ R. A los
elementos de estos conjuntos los llamamos vectores de R2 y de R3 , respectivamente.
Si consideramos a los vectores como matrices, podemos pensar que R2 ≈ R1×2 y R3 ≈
R1×3 . Esta identificación nos da una pauta de cómo definir la suma (y la resta) entre los
vectores, el inverso (aditivo), el neutro y también, la multiplicación por un escalar. Estas
definiciones tienen sus correspondencias con el mundo físico.
En algunos libros la asociación que se hace es diferente: R2 ≈ R2×1 y R3 ≈ R3×1 . Es
decir, toman a los vectores como columnas y no como filas.
Otro aspecto importante, es su representación gráfica. Los ejes cartesianos nos permiten
identificar un punto del plano o del espacio con un vector de R2 y R3 , respectivamente.
1. Las fuerzas físicas tienen magnitud y dirección, de modo que pueden representarse como
vectores. Si actúan simultáneamente varias fuerzas sobre un cuerpo, la fuerza resultante
está representada por la suma de los vectores que reŕesentan las fuerzas involucradas.
Supongamos que sobre un objeto actúan las siguientes fuerzas F1 = (1, 3) y F2 = (5, 4),
¿qué tercera fuerza habría que aplicar al objeto para contrarrestar el efecto de las dos
primeras?
2. Graficá los siguientes vectores, suponiendo los puntos iniciales ubicados en el origen de
coordenadas:
a) En R2 : v1 = (2, 5); v2 = (−3, 4); v3 = (−4, −2); v4 = (0, 8); v5 = (3, 0)
b) En R3 : v6 = (2, 0, 1); v7 = (0, 0, −3); v8 = (2, 1, 3)
3. Halle las componentes (módulo, dirección y sentido) del vector que tiene punto inicial P1
y punto final en P2 :
a) En R2 : P1 = (−2, 1); P2 = (2, −3)
b) En R3 : P1 = (6, 3, 7); P2 = (8, −7, −2)
29
4. Encontrá un vector con dirección paralela a la de v = (−2, 4, −1) que tenga el punto final
en Q = (2, 0, −7) ¿Es única la respuesta?
5. Sean u = (−2, 4, −1), v = (2, 0, −7) y w = (3, −2, 1).
a) Hallá las componentes de:
i. u − w
ii. w + v
iii. 2v − (u + v)
b) Hallar, si existen, α, β y γ, tales que: αv + βu + γw = (6, 4, −2)
6. Supongamos que el vector a representa el número de copias, en miles, hechas por cada uno
de los tres centros de copiado en el mes de diciembre, y b el número de copias hechas en
los mismos tres centros de copiado durante los once meses anteriores. Si a = (25, 211, 818)
y b = (331, 3227, 1377).
Calculá a + b ¿Qué representa esta suma en el contexto de las copias?
7. Calculá, en cada caso, la norma del vector que se indica:
a) v = (2, 6) c) v = (−2, −6)
b) v = (−1, 0, 2) d ) v = (4, 0, 0)
8. Calculá, en cada caso, la distancia entre los puntos P1 y P2 :
a) P1 = (2, 3); P2 = (−2, −3)
b) P1 = (8, −4, 2); P2 = (−6, −1, 0)
9. ¿Existe algún valor de b para que el producto escalar entre u = (4, 3) y v = (−1, b) valga
2?
10. Determiná los ángulos del triángulo cuyos vértices son: (9, 5), (7, 3) y (4, 5).
11. Sean u = (−2, 4, −1), v = (2, 0, −7) y w = (3, −2, 1). Calculá:
30
a) ku + vk 1
c) w
kwk
1
b) kuk + kvk d ) k kwk wk
12. Elegí algún vector v e investigá:
a) ¿Para qué valores de λ la norma de λv es mayor que la norma de v?
b) ¿Para qué valores del escalar λ resulta la norma de λv menor que la norma de v?
c) ¿Para qué valores del escalar λ la norma de λv es igual a la norma de v?
13. Hallar todos los k ∈ R tales que kkvk = 2 , siendo v = (−1, 2, 4)

√ ! √ !
1 2 3 1
14. Determiná los ángulos directores de los vectores v = , yw= − ,
2 2 2 2
15. Calculá el producto escalar entre los vectores u y v y el ángulo que determinan:
u = (3, 0) y v = (1, 1)
u = (−5, 0) y v = (0, 18)
u = (1, 1, 1) y v = (−2, −1, 1)
u = (2, 1, −2) y v = (1, −3, 2)
16. En cada uno de los siguientes casos determiná u y v son ortogonales o no:
a) u = (4, 0) y v = (1, 1)

3 1
b) u = (2, 18) y v = ,−
2 6
c) u = (−6, 12, 6) y v = (1, −2, −1)
17. Sea v = (−1, 3, 2). Encontrá todos lo vectores x = (x1 , x2 , x3 ) ∈ R3 tales que x ⊥ v y
cumplan además x2 = 4.
π
18. Sean u y v dos vectores de Rn . Calculá kuk sabiendo que el ángulo entre u y v es ,
3
kvk = 4 y que (u − v) ⊥ u.
19. Sean los vectores u = (1, 1, 1) y v = (1, −1, −1).
31
a) Hallá todos los vectores no nulos que sea simultáneamente perpendiculares a u y a v
b) Hallá dos vectores unitarios simultáneamente ortogonales a u y a v
c) Hallá el ángulo que determinan u y v
20. Determiná si u y v forman un ángulo agudo, obtuso o recto:
a) u = (6, 1, 3); v = (4, 0, −6)
b) u = (1, 1, 1); v = (−1, 0, 0)
c) u = (4, 1, 6); v = (−3, 6, −9)
21. ¿Cuántos vectores existen que formen con u = (5, 3) un ángulo de 55◦ ?
22. En cada caso, hallá el vector Prv (u) (la proyección ortogonal de u sobre v):
a) u = (2, 6); v = (9, 3)
b) u = (−7, 3, 1); v = (5, 0, 1)
23. Encontrá (si es posible) dos vectores de norma 1 que sean simultáneamente ortogonales
al vector v = (3, −2).
24. Encontrá (si es posible) tres vectores de norma 1 que sean simultáneamente ortogonales
al vector v = (3, −2).
25. Sean v = (1 − a, a + 2) y w = (2, −b). Encontrá los valores de b ∈ R para que v y w sean
paralelos. Representá ambos vectores gráficamente.
26. Sean u = (1, 2); v = (4, −2) y w = (6, 0). Calculá:
a) u.(7v + w)
b) k(u.v)w)k
c) kukv.w
27. Explicá por qué cada una de las expresiones siguientes no tienen significado:
a) u.(v.w)
32
b) (u.v) + w
c) (α.(u + v), donde α ∈ R
28. Sean u = (2, −1, 3); v = (0, 1, 7) y w = (1, 4, 5). Calculá:
a) v × w c) (u × v) × w
b) u × (v × w) d ) u × (v − 2w)
29. Hallá un vector w que sea ortogonal tanto a u = (−7, 3, 1) como a v = (2, 0, 4)
Regla de la mano derecha

Si se ubica v y w de modo que sus puntos finales coincidan, y se colocan los dedos
de la mano derecha alrededor del menor de los dos ángulos de v a w, el dedo pulgar
apunta en la dirección del vector perperdincular v̄ × w̄.
30. Sean u = (−1, 3, 2) ; v = (1, 1, −1) . Hallá todos los vectores y ∈ R3 tales que u × y = v
33
Práctica 3: Rectas y planos

El estudio de la recta se remonta a los orígenes de la matemática. Euclides (300 a.c.), en
su obra llamada “Elementos” donde, entre otras cosas, recopiló la matemática conocida
de la época, definió recta como una línea que yace por igual respecto de los puntos que
están en ella. Platón, 427-347, dijo que la recta es la línea que sus puntos intermedios
hacen sombra a sus extremos y Leibniz (1646-1716), que es el conjunto de puntos que
permanecen invariantes cuando un cuerpo gira alrededor de dos de sus puntos. No hay
una única definición de recta y desde siempre su estudio fue problemático (en el buen
sentido). En 1637, el filósofo y matemático francés René Descartes, en su libro “El dis-
curso del método” realizó una conexión entre la geometría y el álgebra. Éste trabajo dio
paso a lo que se conoce hoy en día como geometría analítica, la rama de las matemática
que fusiona el estudio de la Geometría Euclidiana con el álgebra, en el análisis de las
rectas y figuras por medio de expresiones algebraicas. En esta práctica estudiaremos las
rectas (y los planos) desde esta perspectiva.
Dicho estudio tiene muchas aplicaciones en las Ciencias y en las Ingenierías. Un ejem-
plo es la Geometría Computacional. Dicha disciplina es una rama de las ciencias de la
computación que se dedica al estudio de los algoritmos que pueden ser expresados en
términos de la geometría. Algunos de los problemas puramente geométricos surgen del
propio estudio de dichos algoritmos, y este tipo de problemas también se considera parte
de la geometría computacionala . Poder describir objetos como rectas y planos permite
abordar los problemas mencionados con mayores recursos (y muchas veces son la forma
de encontrar la solución).
a
Fuente: Wiklipedia
Rectas en R2
1. Sea v = (1, 2), vector de R2 .
a) ¿Qué sucede con v cuando se lo multiplica por distintos números reales λ?.
34
b) Graficá en una hoja cuadriculada, los puntos del plano que son de la forma λ(1, 2) +
(−1, 4) para algunos valores de λ que vos elijas.
c) Tomando en cuenta el inciso anterior. ¿Se podría haber graficado el punto (533, 805)
¿Y el (363, 548)?
2. La ecuación vectorial (x, y) = λ(a, b) + (p, q) describe una recta en R2 . El vector (a, b) se
llama vector director y determina la dirección de la recta. El número λ es un parámetro
y recorre todos los reales; de esa manera λ va determinando distintos puntos de la recta.
a) Demostrá que el punto (p, q) es siempre un punto de la recta. ¿Pasa lo mismo con
el punto (a, b)?
b) Sea r : (x, y) = λ(1, 2) + (−1, 2) ¿Se podrían describir los puntos de r como la
solución de una ecuación cartesiana?
3. a) Proponé, si es posible, ecuaciones de dos rectas del plano R2 que no se crucen en

ningún punto. Construí el gráfico.
b) Proponé, si es posible, ecuaciones de dos rectas del plano R2 que se crucen en el

punto (1, 2). Construí el gráfico.
c) Proponé, si es posible, ecuaciones de dos rectas del plano R2 que se crucen en el

punto (1, 2) y en el punto (0, 1). Construí el gráfico.
4. Encontrá, en cada caso, las ecuaciones paramétrica vectorial y paramétrica cartesiana de

la recta:
a) Que contiene al punto P = (−5, 3) y es paralela al vector d = (2, 2).
b) Que contiene alpunto P = (0, 7) y es paralela al vector que definen los puntos
A = (2, 3) y B = (0, 1)
5. Encontrá la ecuación simétrica de la recta cuya ordenada al origen es 5 y cuya abscisa al

origen es 3.
6. Hallá una ecuación implícita de la recta que pasa por el punto perpendicular al vector
P = (1, 3) y es perpendicular al vector n = (2, −4).
35
7. Sea la recta r : 4x + 8y − 2 = 0. Encontrá una ecuación segmentaria de r, hallá su

pendiente e indicá el ángulo que forma con respecto al eje x.
8. Justificá, en cada caso, por qué r1 y r2 son perpendiculares:


 x = 2 + 4λ x y+2
a) r1 : con λ ∈ R r2 : =
 y = −3 − 5λ 15 12
b) r1 : 2x + 3y − 5 = 0 r2 : 9x − 6y + 3 = 0
9. ¿Qué ángulos forman las rectas r1 : x + y + 1 = 0 y r2 : −2x + 7 = 0?
10. Determiná la distancia del punto M = (−3, 4) a la recta r : 6x − 8y − 6 = 0.
Planos en R3
11. Sea n = (1, 2, 1).
a) Encontrá dos vectores que sean perpendiculares a n.
b) ¿Cómo se podría hacer para describir todos los P ∈ R3 que verifican la condición
del inciso anterior?
12. Encontrá una ecuación del plano que pasa por el punto P = (1, 2, 3) y es perpendicular
al vector n = (−3, −3, −3).
13. Sea el plano π : 8x + 4y + 2z − 16 = 0, hallá:
a) La intersección del mismo con los ejes coordenados.
b) La intersección del mismo con los planos coordenados.
Representá gráficamente
14. Encontrá la ecuación segmentaria del plano π : 3x + 6y − 4z − 12 = 0 y representarlo

gráficamente.
15. Analizá, en cada caso, la intersección de los planos con los ejes coordenados y con los
planos coordenados. Usá la información obtenida para graficar.
36
a) α : z − 3 = 0 f) ζ : x+z−2 = 0
b) β : y − 4 = 0 g) η : x − z = 0
c) γ : x − 2 = 0 h) θ : 2y + 3z − 6 = 0
d) δ : x + y − 4 = 0 i ) ι : 2y − z = 0
e) : x − y = 0 j) κ : x + y − z = 0
16. Obtené una ecuación implícita del plano que pasa por los puntos:
P1 = (1, 1, 1) ; P2 = (2, 3, 4) ; P3 = (5, 2, 6)
17. Encontrá la ecuación del plano que pasa por el punto P0 = (3, 7, 6) y es paralelo a los
vectores u = (5, 2, 2) y v = (2, 1, 0)
18. Encontrá una ecuación vectorial y otra cartesiana del plano que pasa por el punto P0 =
(3, 4, 2) y es paralela a los vectores a = (1, 0, 0) y b = (0, 1, 0).
19. Obtené, si es posible, una ecuación implícita, segmentaria, paramétrica y cartesiana del
plano que pasa por los puntos P0 = (1, 2, 4) ; P1 = (−1, 5, −3) ; P2 = (0, −5, 1).
20. Encontrá una ecuación implícita del plano paralelo π : 4x − 6y + 12z + 14 = 0, que pasa
por el punto P0 = (2, 3, 1).
21. Analizá si los planos δ : 3x − y + 2z + 5 = 0 y π : 6x − 2y + 4z + 10 = 0 son coincidentes.
22. Encontrá si existe un escalar k ∈ R tal que el plano π : 4x − 6y + 12z + 14 = 0 sea

perpendicular al plano γ : 3x − 2y + kz − 13 = 0.
23. Encontrá, en cada caso, la intersección de los planos que se indican:
a) α : x + y − 4 = 0 ; β : z = 0 ; γ : x − y = 0
b) α : 2x − y = 0 ; β : x − y = 0 ; γ : 4x − y = 0
c) α : z = 0 ; β : y = 0 ; γ : 2y + 4z − 8 = 0
24. Encontrá la distancia del punto (5, 3, 1) al plano β : 2x − y − 4z − 5 = 0
37
Rectas en R3
25. Encontrá una ecuación vectorial y cartesiana de la recta que pasa por P = (1, 2, 3) y es
paralela al vector d = (0, 1, 1)
26. Indicá respecto a qué plano coordenado son paralelas las siguientes rectas:
  


 x=1+λ 

 x=1 

 x=1+λ
  
r1 : y =1+λ λ∈R r2 : y =1+λ λ∈R r3 : y=2 λ∈R

 
 


 z=3 
 z = 1 + 2λ  z =1−λ

27. Analizá el paralelismo respecto a los ejes coordenados de las rectas:

  


 x=2 

 x=2 

 x=1+λ
  
r1 : y=3 λ∈R r2 : y =3+λ λ∈R r3 : y=3 λ∈R

 
 


 z=λ 
 z = 2λ 
 z=2



 x=1

28. Explicar por qué no existen las ecuaciones simétricas de la recta r : y =2+λ λ∈R



 z =3+λ
29. Encontrá las ecuaciones simétricas de la recta que pasa por el punto al vector P0 =
(2, 0, −2) y es paralela al vector d = (−2, 3, 1)

 2x + 2y + 2z + 14 = 0
30. Sea r :
 4x − y + 3z = 0
a) Determiná un vector director y un punto que pertenezca a la recta.
b) Escribí la ecuación paramétrica, cartesiana y, si existe, la ecuación simétrica de r.
31. Encontrá, si existen, las coordenadas del punto de intersección entre las rectas y planos
que se indican en cada caso:
x+2 y z−4
a) La recta r : = = y el plano π : 2x + 3y − z + 11 = 0
3 −1 2
38



 x=1+λ

b) La recta r : y = 1 − λ , λ ∈ R y el plano π : x − 2y + z − 1 = 0.


 z = 2 − 3λ

32. Probá que la recta r : (x, y, z) = (−2, 3, 4)+λ(5, 2, 3) es paralela al plano β : x−y−z+2 =
0 y también probá que no está incluida en él.
33. Decidí si los siguientes enunciados son verdaderos o falsos. Justificá tu respuesta:
a) La recta r : (x, y, z) = (1, 3, 4) + λ(5, 2, 3) es paralela al plano α : x − y − z + 12 = 0
b) La recta r : (x, y, z) = (1, 2, −11) + λ(−2, 3, 5) está incluida en el plano α : x − y +

z + 12 = 0

 x+y+z =0
c) La recta r : es perpendicular al plano α : 2x−5y+3z−3 = 0
 2x − y − 3z + 1 = 0
x+2 y z−4
34. Encontrá el ángulo entre la recta r : = = y el plano π : 2x+3y−z+11 = 0.
3 −1 2
35. Determiná las distancias que se indican en cada caso:

 2x + 3y − 6 = 0
a) Desde el origen de coordenadas hasta la recta r :
 z=3



 x = 1 + 3λ

b) Entre el punto M = (−3, 2, 1) y la recta r : y =2−λ


 z = −3 − 2λ

36. Encontrá, si existe, el punto de intersección entre las rectas que se indican en cada caso:
x−1 y−4 7 y−8 z
a) r1 : = = z − y r2 : x − 3 = =
2 2 2 3 −4



 x = 3 + 2λ
x−1 y−4 7 
b) r1 : = = z − y r2 : y = 6 + 2λ con λ ∈ R
2 2 2 

 z = 9 +λ

2
 


 x = 1 + 2λ1 

 x = 3 + 2λ2
 
c) r1 : y = 2 − λ1 con λ1 ∈ R y r2 : y = 6 + 2λ2 con λ2 ∈ R

 


 z = 3λ 
 z=λ
1 2
39
37. Comprobá las posiciones relativas de las rectas que se indican en cada caso:
 
 x − 2y + 2z − 4 = 0  x + y + 5z − 5 = 0
a) r : ys: son paralelas.
 x + 4y + 8z + 8 = 0  x + 8y + 12z − 12 = 0



 x = 3 + 2λ
x−1 y−4 7 
b) r1 : = =z− ys: y = 6 + 2λ λ ∈ R son coincidentes.
2 2 2 

 z = 9 +λ

2
 


 x = 1 + 2λ 

 x = 3 + 2λ
 
c) r : y =2−λ λ∈R y s: y = 6 + 2λ λ ∈ R son alabeadas.

 


 z = 3λ 
 z=λ
x−1 y−4 z−5 x−1 y−4 z−5

d) r : = = ys: = = son perpendiculares.
2 2 3 3 3 −4

 2x + y − 4 = 0
38. Encontrá la medida de los ángulos determinados por las rectas: r :
 −3y + 2z − 2 = 0

 x − 4y + 7 = 0
ys:
 5y − z − 6 = 0
 
 x=0  y=0
39. Demostrá que las rectas r : ys: son alabeadas y encontrá la distancia
 z=5  z=2
que las separa.
40
Práctica 4: Espacios vectoriales

Comentario
En los primeros problemas de esta práctica, estudiaremos algunas propiedades que veri-
fican las soluciones de algunos sistemas de ecuaciones lineales. Estos sistemas, como se
estudió en la unidad 1, sirven para modelizar una infinidad de procesos y situaciones. En
este caso, el análisis que haremos se concentrará en los aspectos puramente matemáticos.



 2x + y + z = 0

1. Considerá el siguiente sistema de ecuaciones: x+y−z = 0


x − 2z = 0


a) Encontrá, si es posible, tres vectores distintos (x, y, z) que sean solución del sistema,
y tres vectores que no lo sean.
b) ¿Es el vector (0, 0, 0) solución del sistema?
c) ¿Cuántas soluciones tiene el sistema?


 2x + y + z = 0
2. Considerá el siguiente sistema de ecuaciones:
 x+y−z = 1
a) ¿Cuántas soluciones tiene el sistema?
b) ¿Es el vector (0, 0, 0) solución del sistema?
c) ¿Es cierto que si sumo dos soluciones obtengo otra solución del sistema?
3. Proponé, si es posible, un sistema de dos ecuaciones y dos incógnitas que no tenga solución.
4. Proponé un sistema de ecuaciones que tenga solución única.
5. Proponé un sistema de ecuaciones que tenga como única solución al vector v = (1, 2)
41
Comentarios
Recordemos algunas definiciones y propiedades sobre los sistemas lineales de ecua-
ciones:
Un sistema lineal de n ecuaciones con m incógnitas se puede escribir como
Axt = b,con A ∈ Rn×m , x ∈ Rn y b ∈ Rm . A es la matriz asociada al sistema.
Un sistema lineal Axt = b, se dice homogéneo si b = 0̄
Un vector v ∈ Rm es solución del sistema Axt = b, si Av t = b.
La solución de un sistema Axt = b es el conjunto formado por todos los

vectores solución.
Si un sistema Axt = b no tiene solución, se dice que es incompatible.
Si un sistema Axt = b tiene una única solución, se dice que es compatible

determinado.
Si un sistema Axt = b tiene inifinitas soluciones, se dice que es compatible

indeterminado.
6. Describí el conjunto solución de cada uno de los siguientes sistemas de ecuaciones.


 −x + 2y = 0
A:
 4x − 8y = 0

 2x + y = 1
B:
 −4x − 4y = 0
¿Cuál podría ser, en cada caso, la interpretación geométrica de su solución? Grafíquen,

la situación, con GeoGebra
7. Sean A y B los sistemas del problema 6, y v = (2, 1) y w = (1, −1) dos vectores. Decidí
si las siguientes afirmaciones son verdaderas o falsas. Justificá tu decisión.
42
a) v es solución del sistema A f ) 2v es solución del sistema B
b) 2v es solución del sistema A g) w es solución del sistema B
c) w es solución del sistema A h) v + w es solución del sistema B
d ) v + w es solución del sistema A i ) λv es solución del sistema A
e) v es solución del sistema B j ) λv es solución del sistema B




 2x + y + z = 0

8. Consideremos el siguiente sistema de ecuaciones x − 2z = 0


 3x + y − z = 0

a) Encontrá, si es posible, dos soluciones del sistema.
b) Encontrá, si es posible, v1 ∈ R3 y v2 ∈ R3 dos soluciones del sistema tal que v1 + v2

no sea solución.
c) Encontrá, si es posible, v ∈ R3 una solución del sistema y w ∈ R3 tal que v + w no

sea solución del sistema.
d ) Encontrá, si es posible, v ∈ R3 una solución del sistema tal que λv sea solución del
sistema para todo λ ∈ R.
9. Sea Axt = 0̄ un sistema homogéneo. Decidí si las siguientes afirmaciones son verdaderas
o falsas.
a) Si v es solución del sistema, entonces λv es solución del sistema para todo λ ∈ R.
b) Si v y w son dos soluciones del sistema, entonces v + w es solución del sistema.
c) Si v y w son dos soluciones del sistema, entonces αv + βw es solución del sistema

para todo α, β ∈ R
d ) El vector nulo es solución del sistema.
e) El sistema puede no tener solución.
f ) Si el sistema tiene una solución, esta solución es única.
10. Analizá si las afirmaciones del problema 9 son verdaderas o falsas, si en lugar de ser un
sistema homogéneo, el sistema fuera no homogéeo, es decir, si Axt = b con b ∈ R3 − {0̄}
43
Definiciones: Combinación lineal y dependencia lineal

Decimos que un vector v es combinación lineal de los vectores w1 y w2 si
existen λ1 , λ2 ∈ R tal que v = λ1 w1 + λ2 w2 .
Más en general, decimos que v es combinación lineal de los n vectores w1 ,

w2 ,...,wn si existen n números λ1 , λ2 , ..., λn ∈ R tal que v = λ1 w1 + λ2 w2 +
... + λn wn .
Se dice que el conjunto {v1 , v2 , ..., vn } es linealmente dependiente si, al

menos, existe un vector vi del conjunto que es combinación lineal de los otros
vectores del conjunto. En caso de que no exista ningún vector del conjunto
con esa propiedad, se dice que el conjunto es linealmente independiente
11. Escribí un conjunto de tres vectores de R3 que sea linealmente dependiente.
12. Escribí un conjunto de tres vectores de R2 que sea linealmente independiente.
13. Decidí, en cada caso, si el conjunto es l.d. (linealmente dependiente) o l.i. (linealmente
independiente). Justificá tu decisión.
a) A = {(1, 2), (−4, −8)} c) C = {(1, 2, 3), (0, 2, 1), (1, 4, 4)}
b) B = {(1, 2), (0, 1)} d ) D = {(0, 1, 0), (1, 1, 0)}
14. Sea A un conjunto formado por dos vectores. ¿Es cierto que si A es linealmente depen-
diente, entonces cualquier vector de A es múltiplo del otro?
15. La siguiente imagen corresponde a una parte de la página 92 del libro “Álgebra lineal y
sus aplicaciones” de G. Strang.
44
¿Por qué las definiciones del libro son equivalentes a las propuestas más arriba? ¿Qué
ventajas y desventajas tendrán estas definiciones en relación a las anteriores?
16. Sea Ax = 0 un sistema homogéneo. Supongamos que v1 , v2 , ..., vn son soluciones del
sistema.
a) Proba que cualquier combinación lineal de los vectores vi es también solución del
sistema.
 
1 −1 0
 
b) Considerá A =  2 0 −1 . Encontrá, si es posible, un conjunto linealmente
 
 
1 −3 1
independiente formado por soluciones del sistema. ¿Es posible encontrar un conjunto
L.I. formado por tres soluciones del sistema?
17. Consideremos el plano de ecuación Π : 2x + 4y − z = 0. Encontrá un conjunto de dos

vectores del plano Π que sea linealmente independiente. ¿Es único el conjunto?
18. Decidí si las siguientes afirmaciones son verdaderas o falsas. Explicá por qué.
El conjunto {0̄} es L.I.
Si los conjuntos {u, v} y {u, w} son L.I., entonces el conjunto {v, w} también L.I.
45
Comentario
En los problemas anteriores vimos que las soluciones de un sistema homogéneo
verifican las siguientes propiedades.
El vector 0̄ es siempre solución del sistema.
Si v ∈ Rn y w ∈ Rn son soluciones del sistema, entonces v + w es solución del

sistema.
Si v ∈ Rn es solución del sistema y λ ∈ R, entonces λv es solución del sistema.

En otras palabras, si S ⊂ Rn es el conjunto solución de un sistema homogéneo, se
verifica que:
0̄ ∈ S
Si v, w ∈ S, entonces v + w ∈ S
Si v ∈ S y λ ∈ R, entonces λv ∈ S.
Definición
Se dice que un subconjunto S ⊆ Rn es un subespacio vectorial si verifica las
siguientes condiciones:
i) 0̄ ∈ S
ii) Si v, w ∈ S, entonces v + w ∈ S
iii) Si v ∈ S y λ ∈ R, entonces λv ∈ S.
Ejemplo: el conjunto solución de cualquier sistema homogéneo es un subespacio.
19. ¿Es un subespacio el conjunto solución de un sistema no homogéneo? ¿Por qué?
20. Decidí si los siguientes conjuntos son subespacios.
a) {(1, 2), (0, 1)} b) {(x, y) ∈ R2 /x + y = 0}
46
c) {(x, y) ∈ R2 /x + y = 1} g) {(0, 0, 0)}
d ) {(x, y, z) ∈ R3 / − x + 2y + z = 0} h) Rn
e) R2 i ) {(x, y) ∈ R2 /x ≤ 0}
f ) R3 j ) {(x, y, z) ∈ R3 /x = 0 ∧ y + z = 0}



 −x + y − 3z = 0

21. Dado el siguiente sistema de ecuaciones, x − 2y + 3z = 0


 2x − 4y + 6z = 0

a) Encontrá, si es posible, dos vectores de R3 tales que cualquier solución del sistema
se puede escriber como combinación lineal de esos dos vectores.
b) Tomando los dos vectores encontrados en el inciso anterior, ¿existe alguna combina-
ción lineal entre ellos que no sea solución del sistema?
22. Sea Π el plano que pasa por el punto (0, 0, 0) y cuya normal es (1, 1, 0). Encontrá, si es
posible, dos vectores v y w tales que cualquier vector del plano se pueda escribir como
combinación lineal de v y w.
23. ¿Es cierto que cualquier vector de R3 se puede escribir como combinación lineal de los
vectores (1, 1, 1) y (−1, 0, 2)?
Definición
Dado un conjunto de vectores {v1 , v2 , ..., vn }, se define el conjunto generado por
esos vectores como el conjunto formado por todas las combinación lineales de los
vectores v1 , v2 ,...,vn . Es decir,
gen {v1 , v2 , ..., vn } = {v ∈ V /v = α1 v1 + α2 v2 + ... + αvn con αi ∈ R}
Si dado un subespacio S, se encuentran n vectores v1 , v2 ,...,vn tales que S =

gen {v1 , v2 , ..., vn }, se dice que esos n vectores generan a S, o que el conjunto
{v1 , v2 , ..., vn } es un conjunto de generadores de S
47
24. Encontrá, si es posible, un conjunto de generadores para los subespacios del problema 20.
En cada caso, decidí si el conjunto es único o no.
25. ¿Es cierto que el conjunto generado por n vectores es siempre un subespacio vectorial?
¿Por qué?
Definición
Sea S un subespacio. Se dice que un conjunto B = {v1 , v2 , ..., vn } es una base de S
si se verifican simultáneamente las siguientes condiciones:
B es un conjunto L.I.
S = gen {v1 , v2 , ..., vn }
26. Encontrá una base de cada uno de los subespacios del problema 20. ¿Es cierto que cada
subespacio tiene una única base?
27. a) Hallá v1 , v2 , v3 ∈ R2 tal que los conjuntos {v1 , v2 }, {v2 , v3 }, {v1 , v3 } sean tres bases
distintas de R2 .
b) Comprobá que {v1 , v2 , v3 } es un conjunto linealmente dependiente.
c) ¿Se podrían elegir los tres vectores de manera tal que {v1 , v2 , v3 } resulte linealmente
independiente?
d ) Reflexioná acerca de lo que esta pasando gráficamente.
28. Dado v ∈ R2 , probá que si v es no nulo y w no es un multiplo de v entonces {v, w} es

una base de R2 .
29. Sea S = {(x, y, z) ∈ R3 /x + y + z = 0}
a) Probá que S es un subespacio de R3 .
b) Hallá B = {s1 , s2 } una base de S.
c) Encontrá v1 , v2 ∈ R3 vectores linealmente independientes tales que B1 = {s1 , s2 , v1 }

y B2 = {s1 , s2 , v2 } son dos bases distintas de R3 .
48
d ) ¿Se podría generalizar el item anterior para tres vectores en vez de dos?. Es decir,
v1 , v2 , v3 ∈ R3 vectores linealmente independientes tales que B1 = {s1 , s2 , v1 }, B2 =
{s1 , s2 , v2 } y B3 = {s1 , s2 , v3 } son tres bases distintas de R3 . ¿y para n vectores con
n ∈ N?
Definición
Un resultado teórico dice que dado un subespacio vectorial S y una base B =
{v1 , ...vn } de S, cualquier otra base de S tiene la misma cantidad de vectoresa que
B. Entonces, tiene sentido la siguiente definición:
Dado S un subespacio vectorial, se llama dimensión de S a la cantidad de vectores
que tiene cualquier base de S. Se nota, dim(S)
a
Para ver una demostración de esta afirmación, se pueden leer las páginas 27 y 28 del libro
“Álgebra lineal” de Jeronimo, G; Sabia, J.; Tesauri, S.
30. Hallá base y dimensión de los siguientes subespacios:
a) S = gen {(1, 1)(1, 0)(2, 1)}
b) S = {(x, y, z) ∈ R3 /x = y = z}
c) S = {(x1 , x2 , x3 , x4 , x5 ) ∈ R5 /x1 − 2x3 = 2x1 + x2 + 2x4 = x2 + 4x3 + 2x4 = 0}

     
 1 0 1 1 4 2 
d ) S = gen   ,   ,  
 0 −1 1 −1 2 −4 
    
 1 −1 1 −1 
e) S = X ∈ R2×2 /  X = X  
 2 1 2 1 
49
Definición
El concepto de subespacio vectorial desarrollado más arriba, se puede pensar de
forma más general, de forma más teórica. Por ejemplo, Dados un conjunto V no
vacío, una operación + en V y una acción · de R en V , se dice que (V, +, ·) es un
espacio vectorial si se cumplen las siguientes condiciones:
a) (V, +) es un grupo abeliano a (la operación es asociativa, existe el neutro y el
inverso en V y es conmutativa (esto último lo hace abeliano).
b) La acción · : R × V → V satisface:
1) a · (v + w) = a · v + a · w 3) 1 · v = v
2) (a + b) · v = a · v + b · v 4) (a.b) · v = a · (b.v)
a
Niels Abel fue un matemático noruego. (1802-1829)
Los elementos de V se llaman vectores y los de R se llaman escalares. La acción se

llama producto por un escalar.. De esa manera, se puede ver que Rn con la suma y
el producto por un escalar usual son espacios vectoriales.
31. Sea V un espacio vectorial y v1 , v2 ∈ V . Decidí si las siguientes afirmaciones son verdaderas
o falsas. Justificá tu respuesta.
a) gen{v1 , v2 } = {v1 , v2 }
b) gen{v1 , v2 } = gen{v1 , v2 , v1 + v2 }
c) El conjunto gen{v1 , v2 } ⊂ V tiene infinitos elementos.
d ) α1 v1 + α2 v2 ∈ {v1 , v2 } para todo α1 , α2 ∈ K
32. Sea S = gen{(1, 5, 0), (−1, 1, 0)} ⊂ R3
a) Escribí tres vectores de S
b) ¿(0, 6, 0) ∈ S? En caso afirmativo, escribí al vector (0, 6, 0) como combinación lineal

de (1, 5, 0) y (−1, 1, 0).
50
c) ¿Es cierto que (0, k, 0) ∈ S ∀k ∈ R?
d ) Escribí un vector de R3 que no pertenezca a S.
33. La siguiente imagen, corresponde a la página 29 del texto Álgebra Lineal de Jeronimo,
G; Sabia, J.; Tesauri, S.
Leé la demostración de la proposición y contestá las siguientes preguntas:
a) ¿Por qué la existencia de los escalares se deduce de que B es una base?
b) ¿Por qué el texto deduce que αi − βi = 0 ∀1 ≤ i ≤ n?
34. Dado un espacio vectorial V y una base B = {v1 , v2 , ..., vn } sabemos que cualquier vector
v de V se puede escribir como combinación lineal de los vectores de la base B, y que
la combinación es única. Es decir, dado v ∈ V , existen únicos α1 , α2 , ..., αn ∈ R tal que
v = α1 v1 + α2 v2 + ... + αn vn . Los valores α1 , α2 , ..., αn son las coordenadas del vector v en
la base B y lo notamos: [v]B = (α1 , α2 , ..., αn ).
Decidí si las siguientes afirmaciones son verdaderas o falsas.
a) Si B = {(1, 1), (1, 0)}, entonces [(2, −5)]B = (−5, 7)
b) Si B = {(1, 0), (0, 1)}, entonces [(2, −5)]B = (2, −5)
c) Si B1 y B2 son dos bases diferentes de R3 , entonces [v]B1 = [v]B2 ⇐⇒ v = 0
51
Comentario
Recordemos ahora algunas definiciones. Dados dos conjuntos A ⊆ V y B ⊆ V
Llamamos intersección entre A y B, al siguiente conjunto:
A ∩ B = {x ∈ V /x ∈ A y x ∈ B}
Llamamos unión entre A y B, al siguiente conjunto:
A ∪ B = {x ∈ V /x ∈ A o x ∈ B}
Si además, conocemos una forma de sumar los elementos de los conjuntos A

y B, llamamos suma entre A y B, al siguiente conjunto:
A + B = {x ∈ V /x = a + b con a ∈ A y b ∈ B}
35. Considerá los siguientes subespacios de R3 . S = gen {(1, 1, 0), (0, 0, 1)} y T = {(x, y, z) ∈ R3 /x = 0}
a) Encontrá, si es posible, un vector que pertenezca a S, otro que pertenezca a T .
b) Encontrá, si es posible, un vector que pertenezca a S ∪ T y otro que pertenezca a

S∩T
c) Encontrá, si es posible, un vector que no pertenezca a S ∪ T .
d ) ¿Cómo se podría describir a los conjunto S ∪ T y S ∩ T ? ¿Qué representa geométri-

camente cada uno?
36. Considerá los subespacios del problema 35.
a) ¿Es un subespacio el subconjunto S ∪ T ? En caso afirmativo, encontrá una base.
b) ¿Es un subespacio el subconjunto S ∩ T ? En caso afirmativo, encontrá una base.
37. La siguiente imagen, corresponde a las páginas 9 y 10 del texto Álgebra Lineal de Jeroni-
mo, G; Sabia, J.; Tesauri, S.
52
La demostración explica por qué la intersección de dos subespacios es un nuevo subespacio.

¿Se podría pensar en una demostración análoga para probar que S ∪ T es un subespacio?
38. Considerá los siguientes subespacios de R2 : S = gen {(1, 2)} y T = {(x, y) ∈ R2 /x = 0}
a) Encontrá, si es posible, un vector que pertenezca a S, otro que pertenezca a T y otro

que no pertenezca a ninguno de los dos.
b) Encontrá, si es posible, un vector que pertenezca a S + T .
c) Encontrá, si es posible, un vector que pertenezca a S y que no pertenezca a S + T .
d ) ¿Cómo se podría describir al conjunto S + T ¿Cuál podría ser su representación

geométrica?
39. Considerá los subespacios del problema 38.
a) ¿Es un subespacio el subconjunto S + T ? En caso afirmativo, encontrá una base.
b) Es cierto que si U = gen {(2, 4)}, S + U = R2 ?¿Por qué?
40. Proponé dos subespacios S, T ⊆ R3 tales que: S + T = R3 y S ∩ T = {(0, 0, 0)}
Definición
Decimos que dos subespacios S ⊆ V y T ⊆ V están en suma directa si se verifican
simultáneamente las siguientes condiciones:
S+T =V
S ∩ T = {0}
En este caso, notamos S ⊕ T = V
53
41. Decidí cuáles de los siguientes subespacios de R3 están en suma directa.
a) S = gen {(1, 1, 0), (0, 0, 1)} y T = gen {(0, 1, 0)}
b) S = gen {(1, 1, 0), (0, 0, 1)} y T = gen {(0, 1, 0), (1, 1, 1)}
c) S = {(x, y, z) ∈ R3 /x + y − z = 0} y T = gen {(1, 1, −1)}
d ) S = gen {(1, 1, 0)} y T = gen {(0, 1, 0)}
54
Práctica 5
Transformaciones lineales
Definición
Si una función f : V → W , con V y W espacios vectoriales, cumple que:
1. f (v1 + v2 ) = f (v1 ) + f (v2 ) ∀ v1 , v2 ∈ V
2. f (λv) = λf (v) ∀v ∈ V ∀λ ∈ R
se dice que f es una Transformación Lineal.
1. Determiná cuáles de las siguientes funciones son transformaciones lineales.
a) f : R2 → R2 / f (x, y) = (2x + y, x + 2y)
b) f : R2 → R2 / f (x, y) = (x + 1, y − 1)
c) f : R3 → R / f (x, y, z) = x + y + z
d ) f : R2 → R3 / f (x, y) = (x, 2x, 3x)
e) f : R2×2 → R / f (A) = tr(A)
f ) f : R2×2 → R / f (A) = det(A)
g) f : R2×2 → R2×2 / f (A) = At
2. Leé la siguiente definición de simetría extraída del libro "Álgebra y geometría” de Eugenio
Hernández, página 430:
Definición
Una simetría con respecto a una recta r es un movimiento en el plano. Recordemos
que el simétrico de un punto P con respecto a r es un punto P’ tal que el segmento
PP’ es perpendicular a r y r corta a PP’en su punto medio.
55
Decidí cuáles de los siguientes gráficos representan simetrías. Explicá por qué.
3. Dibujá los vectores simétricos a los dados, con respecto a la recta indicada.
4. Encontrá y dibujá la recta que hace de simetría de los siguientes vectores. Nota: con s(v)
indicamos el simétrico del vector v
a) v = (7, 1), s(v) = (5, 5)
b) w = (−3, −4), s(w) = (−5, 0)
56
¿Cómo hiciste para encontrarla?
5. Sea r la recta de ecuación y = 0.
a) Hallá los vectores simétricos, con respecto a r, de u = (2, 3), de v = (1, 0) y w = (0, 3)
b) Hallá los vectores simétricos, con respecto a r, de u + v y 7w. ¿Notás alguna relación
con el item anterior?
c) Proponé una fórmula que permita obtener el simétrico de un vector (x, y) con res-
pecto a la recta r
6. a) ¿Cuál es el vector simétrico de cada uno de los siguientes vectores con respecto a la
recta y = x?
1) v1 = (1, 3) 5) v1 + v2
2) v2 = (4, 0) 6) v2 + v4
3) v3 = (5, 3) 7) 7v1
4) v4 = (5, 15) 8) 5v1 + v3
b) ¿Se te ocurre alguna fórmula que permita obtener el simétrico de un punto cualquiera
del plano?
7. Dados un vector v ∈ R2 y una recta r.
a) Recordá la definición geométrica de la proyección ortogonal de un vector sobre una

recta. Buscá, si no la recordas, la fórmula vista en álgebra 1 para calcularla.
b) ¿Hay alguna relación entre v, su simétrico respecto de r y su proyección ortogonal

respecto de r?
c) ¿Podrías hallar una fórmula para una simetría respecto de una recta r usando la
fórmula de la proyección ortogonal sobre esa misma recta?
Sugerencia: Podes pensar este problema primero con una recta r que vos elijas y después
intentá generalizarlo.
57
8. Sea sr : R2 → R2 la simetría con respecto a una recta r. Decidí si las siguientes afirmacio-
nes son verdaderas o falsas. Recordá que podes dar argumentos que tengan que ver con
lo geométrico o que tengan que ver con la fórmula de la simetría.
a) sr (v + w) = sr (v) + sr (w) para todo v, w ∈ R2
b) sr (λv) = λsr (v) para todo v ∈ R2 y λ ∈ R
9. Sea f : R2 → R2 la función definida por la siguiente fórmula: f (x, y) = (x + y, y)
a) Calculá f (0, 1),f (1, 0),f (7, 0),f (0, −4) y f (7, −4)
b) ¿Es cierto que f (7, −4) = f (7, 0) + f (0, −4)?
c) ¿Es f una simetría?
d ) ¿Es f una transformación lineal?
10. Una traslación también es un movimiento en el plano. En este caso, se produce un des-
plazamiento paralelo de todos los puntos del dominio. Si, por ejemplo, A y B son dos
puntos del plano y A0 = t(A) y B 0 = t(B) sus puntos trasladados, los vectores AA0 y BB 0
son paralelos y tienen la misma longitud (es decir, podríamos pensar que son iguales). En
este caso se dice que la traslación se da mediante el vector AA0
Sea a = (1, 2) ∈ R2 y ta : R2 → R2 la traslación mediante el vector a.
a) Calculá t(1, 0), t(2, −1), t(−5, 1).
b) Encontrá una fórmula para t.
c) ¿Es t una transformación lineal?
58
Definición
Si una función f : V → V , con V un espacio vectorial, está definida por f (v) = v+a
con a ∈ V un vector fijo, decimos que f es una Traslación.
11. a) Decidí cuales de las siguientes funciones son traslaciones:
f (x, y) = (x + 1, y − 2).
f (x, y) = (x + y, x + y).
f (x, y) = (2x + 1, 2y + 1).
b) De las funciones del item anterior que son traslaciones, ¿Alguna es transformación
lineal?
c) ¿Existe alguna traslación que sea transformación lineal?
12. Interpretá geométricamente las siguientes transformaciones lineales:
a) f : R2 → R2 / f (x, y) = (0, y)
b) f : R2 → R2 / f (x, y) = (x, −y)
c) f : R2 → R2 / f (x, y) = (2x, y)
d ) f : R2 → R2 / f (x, y) = (−x, −y)
e) f : R3 → R3 / f (x, y, z) = (0, 0, z)
f ) f : R3 → R3 / f (x, y, z) = (x, y, −z)
g) f : R3 → R3 / f (x, y, z) = (x, 0, z)
h) f : R3 → R2 / f (x, y, z) = (x, y)
13. Sea f : V → W una transformación lineal. Probá que:
a) f (0V ) = 0W
b) f (−v) = −f (v)
c) Si S es un subespacio de V entonces f (S) es un subespacio de W
59
14. Sea f : R2 → R2 una transformación lineal tal que:
f (1, 0) = (1, 1)
f (0, 1) = (2, 1)
a) ¿Es cierto que (x, y) = x(1, 0) + y(0, 1)?
b) ¿Es cierto que f (x, y) = xf (1, 0) + yf (0, 1)?
c) Proponé una fórmula para f .
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(x, y)t ?
e) ¿Encotrás alguna relación entre los tranformados de los vectores canónicos y la matriz
A?
f ) Recordá que al multiplicar A.(x, y)t estamos multiplicando la primera columna de

A por x y la segunda columna de A por y.
15. Sea f : R2 → R2 una transformación lineal tal que:
f (1, 1) = (3, 1)
f (−1, 1) = (−1, 2)
a) ¿Es B = {(1, 1); (−1, 1)} una base de R2 ?
b) Si (α, β) son las coordenadas del vector (x, y) en la base B ¿Es cierto que (x, y) =
α(1, 1) + β(−1, 1)?
c) ¿Es cierto que f (x, y) = αf (1, 1) + βf (−1, 1)?
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(α, β)t ?
e) ¿Encotrás alguna relación entre los transformados de los vectores de la base B y la

matriz A?
f ) Recordá que existe una Matriz de cambio de base que cuando la multiplicas por (x, y)
te da el vector (α, β). Dicha matriz se nota CEB y cumple que CEB .(x, y)t = (α, β)t .
Es decir, la matriz transforma las coordenadas en base canónica en coordenadas en
base B.
60
g) Deducí que f (x, y) = A.CEB .(x, y)t .
h) Proponé una fórmula para f .
16. Sea f : R2 → R2 la transformación lineal que le asigna a cada vector su proyección

ortogonal sobre la recta r de ecuación y = x. Es decir, dado un vector v ∈ R2 se traza
una recta perpendicular a r que pase por v y el punto de intersección de dicha recta con
r es f (v).
a) Interpretá la definición de f geométricamente. Notá que es muy fácil calcular f (1, 1)

y f (−1, 1). Probá que B = {(1, 1); (−1,1)} es una base de R2
b) Si A es la matriz que tiene como primer columna a f (1, 1) y como segunda columna a
f (−1, 1), deducí que f (x, y) = A.[(x, y)]tB . Calculá una fórmula para f (x, y) usando
alguna matriz de cambio de base.
Definiciones
Sea f : R2 → R2 una transformación lineal. Sean B, B 0 bases de R2 y E la base
canónica de R2 .
a) Llamamos Matriz de la transformación lineal f a la matriz A ∈ R2×2 tal que

f (x, y) = A(x y)t . En ese caso notamos A = M (f ). La primer columna es el
transformado del primer vector de la base canónica, la segunda columna es el
transformado del segundo vector de la base canónica.
b) Llamamos matriz de la transformación lineal f de base B en base canónica

a la matriz A ∈ R2×2 tal que f (x, y) = A[(x, y)]tB . En ese caso notamos
A = MBE (f ). La primer columna es el transformado del primer vector de la
base B, la segunda columna es el transformado del segundo vector de la base
B.
61
c) Llamamos matriz de la transformación lineal f de base B en base B 0 a la

matriz A ∈ R2×2 tal que [f (x, y)]B 0 = A[(x, y)]tB . La primer columna está
formada por las coordenadas en base B 0 del transformado del primer vector
de la base B. La segunda columna está formada por las coordenadas en base
B 0 del transformado del segundo vector de la base B. En particular podemos
escribir M (f ) = MEE (f ).
Observación
Las matrices del recuadro anterior se pueden definir cualquiera sea la dimensión de
V y de W con la misma idea. M (f ) tendrá como columnas a los transformados de
los vectores de la base canónica (en el caso de que V tenga una base canónica).
MBE (f ) tendrá como columnas a los transformados de los vectores de la base B(O
a las coordenadas en base canónica de dichos transformados, en este caso también
debería haber una base canónica en el espacio V ). MBB 0 (f ) tendrá como columnas
a las coordenadas en base B 0 de los transformados de los vectores de la base B
(Este es el caso más general, en donde tendríamos que tener una base B de V y
una base B 0 de W ). Muchas veces cuando la base de entrada y de salida son las
mismas escribiremos MB (f ) en lugar de MBB (f ). En cualquier caso, siempre nos
permitirían trabajar provisoriamente con matrices. Restaría pensar:
¿Qué dimensión tendrían esas matrices? ¿Hay alguna relación con las dimen-
siones de V y de W ?
¿Por qué dice trabajar provisoriamente? ¿Qué diferencia hay entre trabajar
con las matrices y trabajar directo con la transformación lineal?
No hace falta responder estas preguntas ahora, tal vez resolver algunos de los ejer-
cicios que siguen te ayude a pensar una posible respuesta.
17. Sea f : R2 → R2 la transformación lineal definida por f (x, y) = (2x + y, x − y).
62
a) Hallá M (f ).
b) Proponé dos bases B, B 0 de R2 (que no sean la base canónica) y hallá MBB 0 (f ).
c) Calculá f (3, 4) utilizando M (f ).
d ) Calculá f (3, 4) utilizando MBB 0 (f ).
Propiedades
Hay algunas operaciones con matrices que podemos hacer para cambiar las bases
con las cuales trabajamos. Sea f : R2 → R2 una transformación lineal. Sean B, B 0 ,
B 00 bases de R2 y E la base canónica de R2 . Sean
a) M (f ) = MBE (f )CEB .
b) M (f ) = CB 0 E MBB 0 (f )CEB .
c) MB 00 B 0 = MBB 0 (f )CB 00 B (Cambio la base de entrada).
d ) MBB 00 = CB 0 B 00 MBB 0 (f )(Cambio la base de salida).
 
2 3
18. Sea f : R2 → R2 la transformación lineal tal que MBE (f ) =  . En donde
1 2
B = {(1, 1), (−1, 1)}.
a) Calculá f (1, 1) y f (−1, 1).
b) Calculá f (2, 2) y f (−1, 4).
c) Hallá M (f ).
 
2 3
19. Sea f : R2 → R2 la transformación lineal tal que MBB 0 (f ) =  . En donde
1 2
0
B = {(1, 1), (−1, 1)} y B = {(2, −1), (1, 0)}.
a) Calculá f (1, 1) y f (−1, 1).
b) Calculá f (2, 2) y f (−1, 4).
c) Hallá M (f ).
63
 
1 0 −1
20. Sea la transformación lineal f : R3 → R2 / f (v) = Av con A =  
1 1 1
a) Calculá f (1, 0, 2)
 
0 1 0
b) Encontrá una base B de R3 / MBE (f ) =  
0 0 1
Definiciones
Sea f : V → W una transformación lineal.
a) Llamamos Núcleo de f al conjunto de vectores de V que al ser transformados

por f van a parar al 0 de W . Es decir,
N u(f ) = {v ∈ V /f (v) = 0W }.
b) Llamamos imagen de f a su imagen como función. Es decir, la imagen de f

es el siguiente subconjunto de W
Im(f ) = {w ∈ W/ ∃ v ∈ V con f (v) = w}.
c) Decimos que f es Monomorfismo si f es inyectiva.
d ) Decimos que f es Epimorfismo si f es sobreyectiva.
e) Decimos que f es Isomorfismo si f es biyectiva.
21. Si f : V → W es una transformación lineal, ¿Son el núcleo y la imagen subespacios de V

y W respectivamente? Si no estas seguro de la respuesta o de como probar la veracidad de
tu respuesta tal vez te sirve hacer primero algunos de los ejemplos que siguen y después
volver a pensarla.
22. Sea f : R2 → R2 la transformación lineal definida por f (x, y) = (x + 2y, 2x + 4y).
a) Hallá una base de N u(f ) y una de Im(f ).
64
b) Decidí si f es Epimorfismo, Monomorfismo o Isomorfismo.
23. Sea la transformación lineal f : R3 → R3 /
f (x, y, z) = (2x + y − z, 4x + 2y − 2z, −6x − 3y + 3z)
a) ¿Existe un vector u ∈ R3 / f (u) = (1, 1, 1)?
b) Proponé una base de Nu(f )
24. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x + y, x − y, 2x − y)
a) Proponé una base de Nu(f ) e indicá su dimensión.
b) Proponé una base de Im(f ) e indicá su dimensión.
25. Para cada una de las siguientes transformaciones, hallá una base de la imagen y otra del
núcleo, e indicá sus dimensiones.
a) f : P2 → R3 / f (a0 + a1 x + a2 x2 ) = (a0 + a1 , a1 + a2 , a0 − a2 )
b) f : R2×2 → R2×2 / f (A) = A − At
26. Sea u0 ∈ R3 −{0} y sea f : R3 → R la función definida por f (v) = v ·u0 donde · representa
el producto escalar.
a) Suponiendo u0 = (1, 2, 3), calculá f (1, 0, 2) y f (3, 0, 6)
b) Probá que f es una T.L. para cualquier u0
c) Proponé una base de Nu(f ) e indicá su dimensión.
d ) Proponé una base de Im(f ) e indicá su dimensión.
27. Sea f : V → W una transformación lineal. Probá que:
a) f es Monomorfismo ⇐⇒ Nu(f ) = {0V }
b) {v1 , v2 , ..., vk } es un sistema de generadores de V =⇒ {f (v1 ), f (v2 ), ..., f (vk )} es un

sistema de generadores de Im(f )
65
Teorema de la dimensión
Sea f : V → W una transformación lineal. Entonces:
dim(N u(f )) + dim(Im(f )) = dim(V )
Podes ver una prueba de este teorema en el Anexo 3. Podes también revisar los
ejercicios que ya hiciste para verificar que las dimensiones te dieron lo que indica
el teorema.
28. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x + 2y − z, y + kz, −x + ky), k ∈ R
a) Encontrá todos los valores de k para que f no sea inyectiva.
b) Para algun valor de k hallado en el inciso anterior, escribí una base de Nu(f ) y una
base de Im(f ). ¿Se comprueba el teorema de la dimesión en este caso?
f (x, y, z) = (−2x + 2y − 2z, (k − 1)x + (1 − k)y + (k 2 − 1)z, −x − y − z), k ∈ R
a) Encontrá, si existen, todos los valores de k para que f no sea inyectiva.
b) Encontrá, si existen, todos los valores de k para que la dimensión del Nu(f ) sea 2.
c) Encontrá, si existen, todos los valores de k para que la dimensión del Im(f ) sea 2.
f (x, y, z, w) = (x+y+w, −y+2z+3w, 2x+(k+1)y+(k−1)z+2w, x+(3k−k 2 )z+4w), k ∈ R
Encontrá todos los valores de k para los cuales dim(Nu(f ))=dim(Im(f )).
 
1 0
 
2 3
31. Sea la transformación lineal f : R → R con MB1 B2 (f ) =  1 3 
 
 
1 a
2 3
siendo B1 y B2 bases de R y R respectivamente.
66
a) Para qué valores de a ∈ R, Nu(f ) 6= {0}
b) Si B1 = {(1, 0), (1, −1)} y B2 = {(1, 0, 0), (1, 1, 0), (0, 0, 1)}, determiná el valor de a
para que (1, 1, 1) ∈ Im(f )
c) ¿Cuál es el vector de R2 cuya imagen es (1, 1, 1)
32. Sean V un espacio vectorial, B = {v1 , v2 , v3 } base de V y f : V → V una T.L. que verifica
f (v1 + v2 ) = v3
f (v1 − v2 ) = 2v2 + v3
f (v1 + v3 ) = v1
a) Hallá MB (f )
b) Calculá f (2v1 − v2 − v3 )
c) ¿Es f un isomorfismo?
33. Dados V y W espacios vectoriales y f : V → W una transformación lineal. Decidí si las

siguientes afirmaciones son verdaderas ó falsas:
a) Si f es monomorfismo entonces dim(V ) ≤ dim(W ).
b) si f es epimorfismo entonces dim(V )<dim(W ).
c) si f es isomorfismo entonces dim(V ) = dim(W ).
34. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x+ky+z, kx+y+z, x+y+kz), k ∈

R. Encontrá todos los valores de k para los cuales f es un isomorfismo.
 
−2 1 0
 
35. Sea f : R3 → R3 una t.l. con M (f ) =  −5 1 k 
 
 
−8 k 2
Determiná, si existen, todos los valores de k ∈ R para los cuales se verifica simultánea-
mente:
N u(f ) 6= {0}
67
N u(f ) ⊂ Im(f )
Observación
Dada una transformación lineal, pudimos ver con algunos de los ejemplos que parece
ser suficiente con definirla en vectores de una base del espacio de salida. Es decir,
si decimos cuánto vale la transformación en los vectores de una base de salida,
entonces podremos decir cuánto vale en el resto de los vectores del espacio de salida.
Esto está explicado y desarrollado con detalle como un teorema fundamental de las
transformaciones lineales en el primer anexo de esta práctica.
36. Sea C = {v1 , v2 , v3 } Supongamos que existe una transformación lineal que verifica:
f (v1 ) = (1, 1, 1)
f (v2 ) = (0, −1, 3)
f (v3 ) = (2, 5, −7)
a) Analizá la existencia y la unicidad de f en los siguientes casos:
1) v1 = (1, 1, 1), v2 = (0, 1, 0) y v3 = (2, −1, 2)
2) v1 = (1, 1, 1), v2 = (0, 1, 0) y v3 = (1, 0, 1)
3) v1 = (1, 0, 3), v2 = (0, 1, 1) y v3 = (1, 0, 0)
b) Para los casos del inciso anterior donde la existencia de la transformación es única,
encontrá la expresión analítica de f .
37. Se sabe que una transformación lineal f : R2 → R2 verifica:
f (1, 1) = (2, 1)
f (1, −1) = (0, −1)
¿Se puede saber cuál es la imagen del vector (1, 0)? ¿Por qué?
38. Se sabe que una función f : R2 → R3 verifica:
68
f (1, 0) = (1, 0, 0)
f (1, 1) = (0, 1, 1)
a) ¿Se puede saber cuál es la imagen del vector (−1, 1)? ¿Por qué?
b) Encontrá un vector w ∈ R3 / f (−1, 1) = w para que f sea una transformación lineal.
c) Encontrá la expresión analítica de f
d ) Encontrá MB1 B2 siendo B1 = {(1, 1), (1, −1)} y B2 = {(0, 0, 1), (0, 1, 0), (1, 0, 0)}
39. En cada caso, encontrá si es posible, una transformación lineal que verifique:
a) f : R3 → R3 / Im(f ) = {(x, y, z) ∈ R3 /x + y − z = 0}
b) f : R3 → R3 / Nu(f ) = {(x, y, z) ∈ R3 /x + 3y = 0}
c) f : R2 → R3 / f no sea monomorfismo y (1, 0, 1) ∈ Im(f )
d ) f : R2 → R3 / f sea un epimorfismo.
e) f : R4 → R4 / Im(f ) = Nu(f ) y Im(f ) = {(x, y, z, w) ∈ R4 /x + y = 0 ∧ x − z = 0}
f ) f : R3 → R3 / Im(f ) = Nu(f )
g) f : R3 → R3 / Nu(f ) ⊂ Im(f )
h) f : R3 → R3 / f sea un isomorfismo.
 
0 1
 
40. Sea la transformación lineal f : R2 → R3 con MB1 B2 (f ) =  1 0 
 
 
1 0
siendo B1 = {(1, 1), (0, 1)} y B2 = {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
a) Calculá f (2, 3)
b) Encontrá una expresión analítica de f
41. Sea S = gen{(−1, 1, 0), (0, 1, 1)}
a) Definí una transformación lineal que verifique:
f (v) = 2v ∀v ∈ S
69
f (v) = 0 ∀v ∈ gen{(1, 1, −1)}
b) Para la transformación definida en el item anterior, hallá el valor de k ∈ R tal que

(1, k, 0) ∈ Im(f )
42. Sean S, T ⊆ R4 los subespacios definidos por S = {(x1 , x2 , x3 , x4 )/x1 + x2 + x3 = 0} y

T = {(x1 , x2 , x3 , x4 )/2x1 + x4 = 0, x2 − x3 = 0}
¿Existirá algún isomorfismo f : R4 → R4 tal que f (S) = T ?
a) Si f : V → W y g : W → U son dos tranformaciones lineales entonces se

puede plantear la composición g ◦f . En ese caso, si B, B 0 y B 00 son bases de V ,
W y U respectivamente entonces vale que MBB 00 (g ◦ f ) = MB 0 B 00 (g)MBB 0 (f )
b) Si una transformación lineal f : V → W es isomorfismo entonces tendrá, igual

que cualquier otra función, una función inversa. Se puede ver que la inversa
también es transformación lineal y que (M (f ))−1 = M (f −1 ). Mas aún si B y
B 0 son bases de V y W respectivamente entonces (MBB 0 (f ))−1 = MB 0 B (f −1 ).
43. Sea f : R2 → R2 la transformación lineal dada por f (x, y) = (x + 3y, 2x − y). Sin calcular
f −1 , hallá:
a) M (f −1 )
b) M (f −1 )B2 B1 con B1 = {(1, 1), (2, 1)} y B2 = {(−1, 2), (0, 1)}
44. Sean f : R3 −→ R2 y g : R2 −→ R3 dos transformaciones lineales tales que:
f (4, 0, 1) = (1, 1) y f (0, 1, 1) = (1, 0).
Nu(f ) = gen {(0, 0, 2)}.

 
1 3
 
M (g) =  2 0 
 
 
2 0
a) Calculá f og(1, 1)
70
b) ¿Es f og un isomorfismo? En caso afirmativo, calculá M [(f og)−1 ]

 
1 2 0
 
45. Sea f : R3 → R3 la transformación lineal tal que M (f ) =  1 1 −2  y sea B =
 
 
0 −1 −1
{(1, 0, 2), (0, 1, 1), (2, 1, 0)}
a) Hallá M (f )BE y M (f )B
b) Hallá M (f −1 )BE
46. Sea B = {v1 , v2 , v3 } una base de V y f : V → V definida por

 
0 2 −1
 
M (f )B =  0 0 −1 
 
 
0 0 0
a) Calculá f ◦ f (3v1 ) y f ◦ f (v1 − 2v2 )
b) Hallá la dim(Nu(f ◦ f )) y dim(Im(f ◦ f ))
47. Sean f : R3 → R4 ; f (x1 , x2 , x3 ) = (x1 + x2 , x1 + x3 , 0, 0) y g : R4 → R2 , g(x1 , x2 , x3 , x4 ) =

(x1 − x2 , 2x1 − x2 ).
Calculá el núcleo y la imagen de f , de g y de g ◦ f . Decidí si son monomorfismos, epimor-
fismos o isomorfismos.
48. Sean g : V → W y f : W → U transformaciones lineales. Probá:
a) N u(g) ⊆ N u(f ◦ g).
b) Si N u(f ) ∩ Im(g) = {0}, entonces N u(g) = N u(f ◦ g).
c) Im(f ◦ g) ⊆ Im(f ).
d ) Si Im(g) = W , entonces Im(f ◦ g) = Im(f ).
49. Sean B1 = {v1 , v2 , v3 } una base de R3 y B2 = {w1 , w2 , w3 , w4 } una base de R4 . Sea

f : R3 → R4 la transformación lineal tal que:
71
 
1 −2 1
 
 −1 1 −1 
 
M (f )B1 B2 =
 

 2 1 4 
 
3 −2 5
a) Hallá f (3v1 + 2v2 − v3 ) ¿Cuáles son sus coordenadas en la base B2 ?
b) Hallá una base de N u(f ) y una base de Im(f )
c) Describí el conjunto f −1 (w1 − 3w3 − w4 )
72
Práctica 6
Autovalores, autovectores y diagonalización

     
1 0 1 1 0 1
1. Sean A =  , B =  yC= 
0 2 1 0 1 0
a) Calculá, a mano, A4 , B 4 y C 4 .
b) ¿Cuál de las potencias anteriores te resultó más sencilla? ¿Y la más difícil?
Comentario
Las matrices cuadradas se utilizan para modelizar un sin fin de procesos y situacio-
nes de la economía, de la física, de la computación, de la biología y de la mayoría
de la Ciencias y, por lo tanto, de las Ingenierías. Muchas veces, para contestar
alguna de las preguntas que el científico o el ingeniero se hace, resulta necesario
calcular alguna potencia de una matriz. Si el tamaño de la matriz y el exponente
no son muy grandes, la potencia se puede calcular sin muchos problemas (pero con
muchas cuentas). Pero si las dimensiones crecen, el cálculo (incluso para las compu-
tadoras) empieza a resultar complicado y costoso. El siguiente problema intenta ser
un ejemplo de todo esto.
2. En un lugar cerrado, un hombre tiene una pareja de conejos adulta y quiere saber cuántos
conejos podrá tener al cabo de tres años. Sabe, gracias a las observaciones de Fibonacci 1 ,
que en un mes cada pareja tendrá una nueva pareja de conejos y que a partir del segundo
mes, esta nueva pareja empezará a reproducir. Llamemos Fn a la cantidad de parejas
de conejos que tendrá el hombre al cabo de n meses. Por ejemplo, F0 = 1 y F1 = 1 La
pregunta que se hace el hombre, en estos términos, es cuál es el valor de F36
1
Leonardo de Pisa (1170-1240), también llamado Leonardo Pisano, Leonardo Bigollo o simplemente Fibonac-
ci, fue un matemático italiano. Difundió en Europa la utilidad práctica del sistema de numeración indo-arábigo
frente a la numeración romana, y fue el primer europeo en describir la sucesión numérica que lleva su nombre
73
a) Calculá F2 , F3 y F4
b) ¿Es cierto que Fn = Fn−1 + Fn−2 , si n > 3?
c) La fórmula anterior dice que para calcular la cantidad de parejas de conejos que
habrá en cada mes, se necesita conocer la cantidad de los dos meses anteriores. Es
decir, si se quiere calcular F36 es necesario conocer F35 y F34 ¿Existirá alguna fórmula
que permita calcular F36 directamente?
Comentario
Hay una manera de contestar la pregunta del inciso anterior a partir del uso
de matrices. Los siguientes problemas apuntan en esa dirección.
    
1 1 F1 F2
d ) Probá que   = 
1 0 F0 F1
 2    
1 1 F1 F3
e) Probá que    = 
1 0 F0 F2
 n    
1 1 F1 Fn+1 2
f ) Probá que    =  ∀n ∈ N0 .
1 0 F0 Fn
g) Calculá, usando lo anterior, F4 y F5
h) La fórmula del inciso 2f nos dice que se puede obtener una expresión analítica de
la sucesión Fn , sin necesidad de la recurrencia. Tan solo se tiene que calcular la
potencia enésima de la matriz, realizar un producto yquedarse
36con la coordenada
1 1
correspondiente. Pero, ¿quién tiene ganas de calcular   ?
1 0
2
Sugerencia: utilizá el principio de inducción. Si no te acordás qué dice el principio, mirá el anexo I de la
práctica 1
74
Otro ejemplo: Cadenas de Markov

Las cadenas de Markov se usan como modelos matemáticos en una amplia gama
de situaciones en biología, química, física, finanzas, entre otros. En cada caso, el
modelo se usa para describir un experimento o medición que se realiza varias veces
de la misma forma. El resultado de cada ensayo del experimento será una de varias
posibilidades con alguna probabilidad dada. Al mismo tiempo, el resultado de un
ensayo depende solamente del resultado del ensayo anterior. Es decir, el nuevo
ensayo se basa solo en los resultados del último sin importar lo que haya pasado en
todos los anteriores (a esta propiedad se la conoce como la propiedad de falta de
memoria).
3. Un ejemplo en donde se usan las Cadenas de Markov es es el de tráfico de usuarios de

señales o redes. Supongamos que:
Un pueblo recibe señales de radio de dos estaciones, una estación de noticias y

una de música, ambas tienen interrupciones cada quince minutos pero en distintos
momentos.
De los radioescuchas que sintonizan la estación de noticias, el 90 % seguirá escuchan-

dola después de una interrupción, mientras que el 10 % cambiará a la estación de
música.
De los radioescuchas que sintonizan la estación de música, el 20 % cambiará a la esta-

ción de noticias después de la interrupción, mientras que el 80 % seguirá escuchando
música
Supongamos que a las 8 : 15 todxs están oyendo las noticias. Para ordenarnos, vamos a
plantear las siguientes variables:
X0 =Porcentaje de radioescuchas que están sintonizados a la estación de noticias a las

8 : 15.
Y0 =Porcentaje de radioescuchas que están sintonizados a la estación de música a las

8 : 15.
75
Xn =Porcentaje de radioescuchas que están sintonizados a la estación de noticias después

de n intervalos de 15 minutos.
Yn =Porcentaje de radioescuchas que estaán sintonizados a la estación de música después

de n intervalos de 15 minutos.
Surgen entonces algunas preguntas:
a) ¿Qué cuenta tenemos que hacer para obtener X1 , Y1 a partir de X0 , Y0 ?
b) ¿Podés escribir lo obtenido en el item anterior de forma matricial?
c) ¿Qué cuenta tenemos que hacer para obtener X2 , Y2 a partir de X1 , Y1 ? ¿y a partir

de X0 , Y0 ?
d ) ¿Se te ocurre alguna ecuación matricial que relacione a X2 , Y2 con X0 , Y0 ?
e) ¿Se te ocurre alguna ecuación matricial para calcular Xn , Yn a partir de X0 , Y0 ?
f ) ¿Cuál va a ser el porcentaje de radioescuchas de la estación de música a las 8 : 45?¿y

a las 12 : 00? Si la cuenta es demasiado larga podes dejarla para después de que
hayamos visto algunas herramientas más.
Comentario
Como pudimos ver, en ambas situaciones surgió la necesidad de calcular potencias
de matrices. En los siguientes problemas intentaremos construir un método que nos
permita, entre otras cosas, encontrar An sin tener que hacer tantas cuentas.
4. Sean A, B ∈ Rn×n dos matrices, y C ∈ Rn×n una matriz inversible, tales que A =
C −1 .B.C. Probá que An = C −1 .B n .C
Definición
Dos matrices A y B se dicen semejantes si existe una matriz C inversible, con
A = C −1 .B.C. En este caso, escribimos A ∼ B
76
5. Dos matrices semejantes tienen muchas propiedades. Decidí cuál o cuáles de las siguientes
afirmaciones son verdaderas.
a) Si A ∼ B, entonces det(A) = det(B)
b) Si A ∼ B, entonces tr(A) = tr(B)
c) Si A ∼ B, entonces los sistemas de ecuaciones Av = 0 y Bv = 0 tienen la misma

solución.
d ) Si A ∼ I entonces A = I, donde I es la matriz identidad.
6. El resultado del problema 4 nos dice que si encontramos una matriz inversible C, y otra
matriz B tales que:  
1 1
  = C −1 .B.C
1 0
 36
1 1
podríamos calcular   haciendo C −1 .B 36 .C
1 0
a) ¿Cómo tendría que ser la matriz B para que la nueva cuenta sea más fácil?
b) ¿Es cierto que si B llegara a ser una matriz diagonal la cuenta no sería tan complicada
de hacer?
Dos definiciones
Una matriz A ∈ Rn×n se dice diagonal si aij = 0 para todo i 6= j. Es decir,
si los únicos elementos de la matriz que pueden ser distintos de cero son los
de la diagonal.
Se dice que A ∈ Rn×n es diagonalizable si es semejante a una matriz diago-

nal. Es decir, si existen B ∈ Rn×n diagonal y C ∈ Rn×n inversible tales que
A = C −1 .B.C
7. Sea f : R2 −→ R2 la transformación lineal definida por f (x, y) = (x + y, x).
77
 
1 1
a) Probá que M (f ) =   ¿Te suena la matriz?
1 0
b) ¿Existirá una base B de R2 tal que MB (f ) sea una matriz diagonal?. Si no se te
ocurre cómo responder la pregunta, seguí con los siguientes incisos.
c) Encontrá todos los vectores v ∈ R2 tales que f (v) = λv, para algún λ ∈ R.
Comentario
Una idea para pensar el inciso anterior:
Observá que el sistema de dos ecuaciones y dos incógnitas Av t = λv, es equi-
valente al sistema homogéneo Av t − λv = 0 y este último, reescribiendo conve-
nientemente, es igual al sistema (A − λI)v t = 0. Es decir, los vectores v que se
están buscando tienen que ser solución del sistema homogéneo (A − λI)v t = 0.
Es cierto que para cada λ ∈ R se tiene un sistema diferente y, también es cier-
to, que el vector nulo siempre es una solución para cualquiera de ellos. Pero,
¿para qué valores de λ el sistema tiene más de una solución? ¿Cómo se podría
responder la pregunta anterior sin resolver cada sistema?
d ) Con los vectores encontrados en el inciso anterior, tratá de armar una base de R2 .
Es decir, encontrá dos que sean L.I.
e) Llamá B a la base construida en el inciso anterior y calculá MB (f ) 3

 36
1 1
f ) Probá entonces que   = C.[MB (f )]36 .C −1 , donde C = CBE , es decir, la
1 0
matriz de cambio de base de B a E.
 36
1 1
g) Calculá   . Sí, la cuenta no es tan linda. Pero una computadora, si pudiera,
1 0
te agradecería todo el trabajo que hiciste. ¿Por qué?
h) ¿Cuańtas parejas de conejos tendrá el hombre del problema 2 de esta práctica, al

cabo de tres años?
3
Los números de la diagonal (como los que aparecen en las coordenadas de los vectores de la base) son en
principio raros, pero tienen mucho protagonismo en la matemática. Son, al igual que π o e, números irracionales
famosos. Te sugerimos googlear: número áureo o número de oro.
78
Definiciones
Sea f : V −→ V una transformación lineal.
Se dice que v ∈ V−{0} es autovector de f si existe λ ∈ R tal que f (v) = λv.
En este caso, se dice que λ es un autovalor de f asociado al autovector v
Por ejemplo, considerando la transformación lineal del problema 7,

√ √
v = (−1, 1−2 5 ) es un autovector de f de autovalor λ = 1+ 5
2
Dado λ, autovalor de f , se llama autoespacio asociado al autovalor λ al

siguiente subconjunto: Eλ = {v ∈ V/f (v) = λv}
Se dice que f es diagonalizable si existe una base B de V tal que la matriz

MB (f ) es diagonal.
8. Sea f : R2 −→ R2 la transformación lineal definida por f (x, y) = (2x − y, y)
a) Probá que (1, 0) es un autovector de f ¿Cuál es el autovalor asociado?
b) Probá que (0, 1) no es un autovector de f
c) Calculá E2 . ¿Es un subespacio de R2 ?
Más definiciones
Sea A ∈ Rn×n una matriz.
Decimos que v ∈ Rn − {0} es autovector de A si existe λ ∈ R tal que
A.v t = λv. En este caso, se dice que λ es un autovalor de A asociado al
autovector v
Dado λ, autovalor de A, se llama autoespacio asociado al autovalor λ al

siguiente subconjunto: Eλ = {v ∈ Rn /Av t = λv}
 
2 −1
9. Sea A =  
0 1
a) Probá que (−2, −2) es un autovector de A ¿Cuál es el autovalor asociado?
79
b) Probá que (0, 1) no es un autovector de A
c) Calculá E1 . ¿Es un subespacio de R2 ?

   
2 2 1 2 −1 2
   
10. Sean A =  0 2 1  y B =  −1 2 −2  . Encontrá los autovalores de cada
   
   
0 −1 0 2 −2 5
una de ellas y sus correspondientes autoespacios asociados.
Definición
Sea A ∈ Rn×n una matriz. Se llama polinomio característico de A al polinomio
χA (λ) que se obtiene al calcular el determinante de (A − λI), donde I es la matriz
identidad de n × n. Es decir:
χA (λ) = det(A − λI)
11. Calculá el polinomio característico de las siguientes matrices.

 
1 2
a) A =  .
2 1
 
0 0 0
 
b) B =  1 0 0 .
 
 
0 1 0
 
1 2 0
 
c) C =  0 3 0 .
 
 
0 2 −1
12. Sean A, B ∈ Rn×n .

Probá que si A ∼ B, entonces χA = χB
 
1 2 a
 
13. Sea A =  2 1 b .
 
 
2 2 c
80
a) Calculá los valores de a, b, c ∈ R para que λ = 1 sea autovalor de A con el (1, 1, 1)

como autovector asociado.
b) Para los valores de a, b, c hallados en el item anterior calculá los autovectores y

autovalores de A.
14. Dada A ∈ Rn×n analizá y justificá si las siguientes afirmaciones son verdaderas o falsas.
a) Si v ∈ Rn es una autovector de A entonces existe λ ∈ R tal que (A − λI).v = 0.
b) SI v1 y v2 son dos autovectores de A asociados a autovalores distintos entonces

{v1 , v2 } es un conjunto linealmente independiente.
c) Si λ es autovalor de A, entonces λ es raíz de χA
d ) Si λ es raíz de χA , entonces λ es autovalor de A.
e) λ = 0 es autovalor de A ⇔ A no es inversible.
f ) Si E0 es el autoespacio asociado al autovalor λ = 0 entonces E0 = Nu(A).
g) Si A es una matriz triangular entonces sus autovalores son los elementos de la dia-
gonal principal.
h) A y At tienen el mismo polinomio característico y, por lo tanto, los mismos autova-

lores.
i ) A y At tienen los mismos autovectores.
j ) A y A−1 tienen los mismos autovalores.
k ) No existe relación entre los autovalores de A y los de A−1 .
l ) Si el conjunto {v1 , v2 , v3 } de autovectores es linealmente independiente, entonces

v1 , v2 y v3 están asociados a autovalores distintos.
m) Si A tiene n autovalores distintos entonces es diagonalizable.
n) Si A es diagonalizable entonces A tiene n autovalores distintos.
ñ) Este es el problema con más items que hiciste en tu vida.
81
 
1 5 1
 
15. Sea f una T.L definida por F (x, y, z) =  3 1 1  .(x, y, z)t
 
 
3 1 1
a) Encontrá los valores de λ ∈ R para los cuales la ecuación f (v) = λv con v ∈ R3

amdmite soluciones no triviales (es decir, soluciones distintas a (0, 0, 0)).
b) Para cada valor de λ hallado en el item anterior, obtené todos los vectores v ∈ R3
que satisfacen la ecuación f (v) = λv.
 
0 0 −2
 
16. Sea A =  1 2 k  y f : R3 → R3 la T.L definida por f (x, y, z) = A.(x, y, z)t .
 
 
1 0 3
a) Comprobá que A = M (f )EE .
b) Analizá para que valores de k ∈ R la matriz dada es diagonalizable.
c) Para algún valor adecuado de k, hallá una base B de R3 tal que M (f )BB sea diagonal.
d ) Para algún valor adecuado de k determiná una matriz P que diagonalice a A (es
decir, A = P DP −1
17. Sea f : R2 → R2 una T.L definida por f (x, y) = (2x + y, 4x − y). Indicá cuáles de las
siguientes afirmaciones son verdaderas, justificando:
a) f transforma la recta r1 (t) = t(1, 2) en la recta r2 (t) = t(5, 7).
b) f (−1, 4) = −2(1, 4). Es decir, la recta r3 (t) = t(−1, 4) permanece invariante por la
transformación lineal.
c) f (1, 1) = λ(1, 1) si λ = 3
d ) Si existe v 6= (0, 0) tal que f (v) = λv entonces λ es un número real. Es decir, todos
los autovalres de f son números reales.
18. Sea f una T.L definida por f (x, y, z) = (x, 3x + 3y − 4z, −2x + y − 2z). Encontrá los
valores de λ ∈ R que cumplan que:
82
a) f (0, 1, 1) = λ(0, 1, 1).
b) f (−2, 17, 7) = λ(−2, 17, 7).
c) f (0, 4, 1) = λ(0, 4, 1).
¿Alcanza con la información obtenida para decir que la transformación lineal dada es
diagonalizable?
19. Sea f : R3 → R3 la T.L definida por f (x, y, z) = (3x − 10y − 10z, 3y, −5y − 2z).
a) Probá que los conjuntos S1 = {v ∈ R3 /f (v) = −2v} y S3 = {v ∈ R3 /f (v) = 3v} son

dos subespacios no triviales de R3 .
b) Encontrá una base B1 de S1 y una base B2 de S2 .
c) ¿Es B1 ∪ B2 una base de R3 ?
20. Sea f : R2 → R2 la T.L definida por f (x, y) = (x + 3y, 2x + 2y).
a) Hallá A, la matriz asociada a f respecto de la base canónica de R2 .
b) Verificá que existe una base B de R2 constituida por autovectores de f .
c) Calculá D = M (f )BB y C = CBE . Concluí que A = CDC −1 , es decir, A es semejante

a una matriz diagonal.
21. Sea f : Rn → Rn una T.L y A = MEE (f ) en donde E es la base canónica de Rn . Probá

que las siguientes afirmaciones son equivalentes:
A es diagonalizable
f es diagonalizable.
Existe una base de Rn formada por autovectores de f .
Existe una baseB de Rn tal que MBB (f ) es diagonal.
A es semejante a una matriz diagonal, es decir, existen D, C ∈ Rn×n tal que A =

CDC −1 .
83
Definiciones
Sean f : V → V una transformación lineal y λ ∈ R un autovalor de f .
La multiplicidad algebraica de λ es la multiplicidad de λ como raíz del

polinomio χf .
La multiplicidad geométrica de λ es la dimensión del autospacio asociado

Eλ .
22. Sea f : R2 → R2 la T.L definida por f (x, y) = (8x + 2y, 2x + 5y) y llamemos A = M (f )EE
a) Comprobá que A es una matriz simétrica.
b) Hallá los autovalores y autovectores de A.
c) Obtené, si es posible, una base ortonormal B de R2 /MBB (f ) sea diagonal.
d ) Verificá que la matriz P = CBE cumple lo siguiente:
Es ortogonal (es decir, P −1 = P t ).
P t AP es una matriz diagonal.

 
−3 2
23. a) Dada A =  , calculá A14 .
−4 3
 
0 2 2
 
b) Dada A =  2 3 4 , calculá A10 .
 
 
2 4 3
 
0 0 2
 
24. Se sabe que la matriz A =  −1 0 −1  tiene un autovalor igual a −2. Decidí si la
 
 
k 3 −1
matriz A es diagonalizable.
25. Sea f : R3 −→ R3 la transformación lineal definida por
f (x, y, z) = (2x + y − z, 3y + 2z, −z).
84
Hallá una base B de R3 tal que M (f −1 )B sea diagonal. ¿cuáles son los autovalores de
f −1 ?
26. Sea {v1 , v2 , v3 } una base del espacio vectorial V y f : V −→ V la transformación

lineal definida por :
f (v1 ) = −v1 − 2v2 .
f (v2 ) = v1 + 2v2 .
f (v3 ) = 2v3 .
Hallá una base de autovectores de f .
27. Sea A ∈ R3×3 diagonalizable con tr(A) = −4. Calculá los autovalores de A, sabiendo que
los autovalores de A2 + 2A son −1, 3 y 8.
28. Sea A ∈ R4×4 con det(A) = 6, tal que 1 y −2 son autovalores de A y −4 es autovalor de
la matriz B = A − 3I. Encontrá los autovalores restantes de A.
29. Sea A ∈ Rn×n . Decidí si las siguientes afirmaciones son verdaderas o falsas:
a) A y At tienen los mismos autovalores.
b) A y At tienen los mismos autovectores.
c) A es inversible ⇒ 0 no es autovalor de A.
d ) A es inversible y v es autovector de A ⇒ v es autovector de A−1 .
e) Si λ1 , λ2 , ..., λn ∈ R son los n autovalores de A ⇒ det(A) = λ1 · λ2 · ... · λn
30. Sea A ∈ Rn×n que verifica A2 + I = 0. Probá que:
A es inversible.
A no tiene autovalores reales.
n es par.
85
Práctica 7
Cónicas
Introducción
Las cónicas son un objeto muy estudiado en matemática, por sus aplicaciones y proble-
mas que pueden modelizar. Su estudio data de muchos años y posee, como muchos otros
temas, distintos puntos de vista.
Una manera geométrica de definir una cónica es como las curvas resultantes de las dife-
rentes intersecciones entre un cono y un plano.
Cónicas como intersección entre un cono y un plano

Si el plano que interseca a la superficie es perpendicular al eje del cono, la cónica es una
circunferencia.
Si inclinamos el plano de modo que sea oblícuo al eje, y que corte a todas las generatrices,
la cónica es una elipse.
86
Si inclinamos el plano de modo que sea paralelo a una generatriz, la cónica es una parábola.
Si inclinamos el plano de modo que sea paralela a las dos generatrices, la cónica tiene dos
ramas y se llama hipérbola.
Otra manera es a partir de la idea de lugar geométrico, es decir, a partir de la noción

de distancia. En esta práctica, trabajaremos desde este punto de vista.
Definición
Se denomina circunferencia al lugar geométrico formado por todos los puntos P del
plano que equidistan de un punto fijo C, llamado centro. La distancia entre C y P se lo
denomina radio.
1. a) Hallá y graficá el lugar geométrico de los puntos P (x, y) que disten 3 unidades del
punto (−2, 3).
b) Hallá y graficá el conjunto C = {(x, y) ∈ R2 /||(x, y) − (−2, 3)|| = 3}.
c) Encontrá una ecuación que represente al la curva que acabas de graficar. Es decir,
una ecuación que cumplan solo los puntos de la curva dada.
87
2. Hallá las ecuaciones de las siguientes circunferencias:
a) Su centro es el (3, −4) y tiene radio 5.
b) Su centro es el (2, −1) y pasa por el origen.
c) Su centro está sobre el eje y pasa por los puntos A = (−1, 1) y B = (2, 3).
3. Analizá si las siguientes ecuaciones representan circunferencias e indicá, cuando sea posi-
ble, las coordenadas del centro y el valor del radio:
a) x2 + y 2 + 4x − 6y = 12
b) x2 + y 2 − 4x + 2y + 10 = 0
c) x2 + y 2 − 2x + 6y + 10 = 0
Definición
Se denomina elipse al lugar geométrico formado por todos los puntos del plano
para los cuales se cumple que la suma de sus distancias a dos puntos fijos de ese
plano, denominados focos, permanece constante y es mayor que la distancia entre
los focos.
4. Para cada una de las siguiente elipses hallá el centro, los semiejes, la semidistancia focal,
coordenadas del vértice, focos y excentricidad. Graficá.
a) 9x2 + 16y 2 = 144.
b) 3x2 + 2y 2 = 6.
5. En cada caso hallá la ecuación de la elipse que satisface las ecuaciones dadas:
a) Sus vértices principales son (±5, 0) y sus focos (±4, 0).
b) Sus vértices principales son (0, ±10) y la excentricidad es 54 .
c) Sus focos son (±3, 0) y pasa por el punto (4,1).
6. Para cada una de las siguientes ecuaciones:
88
x2 + 2y 2 − 8x + 4y = 0.
9x2 + 8y 2 − 54x − 16y + 17 = 0.
(x−α)2 (x−β)2
a) Obtené una ecuación del tipo: a2
+ b2
= 1.
b) Obtené las coordenadas del centro, vértices, focos y eje focal.
Definición
Se denomina parábola al lugar geométrico de todos los puntos del plano que equi-
distan de una recta r, denominada directriz, y un punto fijo F
7. Obtené las ecuaciones de las siguientes parábolas:
a) El vértice es V = (0, 0) y el foco es F = (−2, 0).
b) El vértice es V = (0, 0), pasa por A = (2, 3) y su eje focal es el eje x.
c) Su eje es paralelo al eje x, su vértice es V = (1, 3) y pasa por B = (−1, −1).
Definición
Se denomina hipérbola al lugar geométrico de todos los puntos del plano para
los cuales el valor absoluto de las diferencias de sus distancias a dos puntos fijos,
denominados focos, es constante y menor que la distancia entre los focos.
8. Para cada una de las siguientes hipérbolas, hallá las longitudes de los semiejes, la semi-
distancia focal, las coordenadas del centro, vértices, focos, excentricidad y asíntotas:
16x2 − 9y 2 = 144.
25x2 − 144y 2 + 3600 = 0
9. En cada uno de los siguientes casos, obtené la ecuación de la hipérbola que satisface las
condiciones dadas:
a) Sus vértices son (±5, 0) y sus focos (±7, 0).
89
b) Sus vértices son son (0, ±7) y la excentriciad es 43 .

√
c) La excentricidad es 5, sus focos están en el eje x, el centro en el origen y pasa por
el punto (3, 2).
d ) El centro es (−1, 4), uno de sus focos es el (−1, 2) y uno de los vértices es el (−1, 3).
10. Hallá y graficá el lugar geométrico de los puntos P (x, y) que equidistan:
a) Del punto F = (1, 0) y de la recta de ecuación x = −1.
b) Del punto F = (0. − 5) y de la recta de ecuación y = 5.
y = x2 − 2x + 3.
y 2 − 4y − 6x + 13 = 0.
a) Completando cuadrados obtené una ecuación del tipo:
(x − α)2 = 2p(y − β) ó (y − b)2 = 2p(x − a)
b) Efectuá una traslación conveniente oara que el nuevo origen de coordenadas coincida
con el vértice de la parábola.
c) Obtené las coordenadas del vértice, del foco, de la directriz y del eje focal.
d ) Graficá.
2x2 − y 2 − 8x − 2y + 3 = 0.
9y 2 − 4x2 − 24x − 36y − 36 = 0.
(x−α)2 (x−β)2
a) Completando cuadrados obtené una ecuación del tipo: a2
− b2
= ±1.
b) Obtené las coordenadas del centro, vértices, focos, las longitudes de los semiejes,
excentricidad y asíntotas.
90
13. Identifiqué y grafiqué las siguientes cónicas:
4x2 + 9y 2 − 16x + 72y + 124 = 0.
4x2 − 16x + 15 = 0.
4x2 − 4y 2 + 16x − 20y − 9 = 0.
x2 + y 2 + 4y + 4 = 0.
14. Clasificá las siguientes ecuaciones para los distintos valores de k:
x2 y2
a) 20−k
− 30−k
= 1.
x2 y2
b) |k−5|
− k−3
= ±1.
c) (8 − k)x2 + ky 2 = 8k − k 2 .
15. Dadas las siguientes ecuaciones, expresá en forma canónica, identificá y graficá.
a) 25x2 + 10xy + y 2 − 1 = 0.
b) 5x2 + 4xy + 8y 2 + 8x + 14y + 5 = 0.
c) 2x2 + 10xy + 2y 2 + 10x + 4y + 9 = 0.

√
d ) x2 − 6xy + 9y 2 − 20 10y = 0.
e) 3x2 + 10xy + 3y 2 − 2x − 14y = 5.
16. Sea C la cónica definida por la ecuación x2 − 2xy + y 2 − 8x − 8y + 32 = 0 y P = (2, 2).

Determiná si las siguientes afirmaciones son verdaderas o falsas.
a) P ∈ C
b) C es una parábola.
c) (3, 3) es un foco de C
d ) d (P, (3, 3)) = d (P, r), donde r es la recta de ecuación x + y = 2
17. Sea C la cónica definida por la ecuación 3x2 + 8xy + 9y 2 = 6.
a) Hallá dos puntos distintos que formen parte de dicha cónica.
91
b) ¿Qué tipo de cónica es?
c) Hallá sus focos ó su foco y recta directriz según corresponda en este caso.
d ) Hace un gráfico aproximado.
−1 √2
18. La ecuación de una elipse referida a la base B = {( √25 , √15 ), ( √ 5
, 5 )} está dada por
0 0
x2 y2
4
+ 9
= 1. Obtené la ecuación de la elipse referida a la base canónica de R2 .
92
Anexo: Resumen de ecuaciones y gráficos de las cónicas
Circunferencias
Dado un punto (x, y) en la circunferencia, su distancia al centro C es r.
Elipses
Dado un punto (x, y) en la elipse, la suma de su distancia a los focos F1 y F2 es constante.
93
Hipérbolas
El valor absoluto de la resta de las distancias de un punto (x, y) de la hipérbola a los focos F1
y F2 es constante.
Las ecuaciones de las asíntotas se obtienen igualando a 0 la ecuación de la hipérbola.
94
Parábolas
La distancia de un punto (x, y) de la parábola al foco F coincide con la de (x, y) a la recta

directriz L.
95
96

Cuadernillo de Algebra II Ing Compu

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cuadernillo de Algebra II Ing Compu

Cargado por

Copyright:

Formatos disponibles

Ingeniería en Computación

Progama de Álgebra II, Ingeniería en Computación

CARRERA: Ingeniería en Computación

AÑO: Segundo cuatrimestre 2022

DURACIÓN: 128 horas

DOCENTE: Matías Dalvarade

En la presente asignatura se estudian conceptos de Álgebra Lineal y de Geometría Analíti-

ENCUADRE Y ARTICULACIÓN DE LA ASIGNATURA

El contexto de la asignatura Álgebra II debe garantizar una sólida formación conceptual

En forma horizontal, Álgebra II se articula con Análisis Matemático II (representaciones

En forma vertical, Álgebra II se articula con Álgebra I y con Probabilidad y Estadística I

Dada la importancia que revisten los conocimientos matemáticos para el desarrollo de la

Lograr que el alumno desarrolle capacidades de razonamiento, deducción, análisis y sín-

Lograr que el alumno afiance los conocimientos de la materia empleando herramientas

Los resumimos en que el alumno:

Conozca las distintas operaciones entre vectores y matrices.

Utilice estrategias para el planteo de problemas a través de sistemas de ecuaciones lineales

Aplique operaciones de matrices y determinantes para la resolución de sistemas de ecua-

Determine e indique en el plano Euclídeo y en el espacio tridimensional: las coordenadas

Resuelva en forma analítica y gráfica problemas con rectas y planos.

Utilice herramientas computacionales para la resolución de cálculos y representaciones

Desde el punto de vista de los objetivos actitudinales, se pretenderá un cambio en la cultura

Algebra de Matrices. Matrices equivalentes. Matrices identidad y nula. Igualdad de matrices.

Introducción a los vectores geométricos. Coordenadas y componentes de un vector. Norma

Unidad 3: Rectas y planos en el espacio tridimensional

Rectas y planos en R2 y R3 . Ecuaciones paramétricas e implícitas. Distancia punto, recta y

Unidad 4: Espacios vectoriales

Espacios vectoriales. Subespacios. Operaciones. Base y dimensión de un subespacio. Teorema

Unidad 5: Transformaciones lineales

Transformaciones lineales y matrices. Núcleo e imagen. Operaciones. Representación matri-

Unidad 6: Autovalores y autovectores

Autovalores y autovectores. Propiedades. Autovalores de matrices triangulares. Diagonali-

Cónicas. Ecuaciones cartesianas paramétricas. Excentricidad. Rototraslación.

De Burgos, Juan; Álgebra Lineal y Geometría Cartesiana, McGraw-Hill, 2006

Kozak; Pastorelli; Vardanega; Nociones de Geometría Analítica y Álgebra Lineal, McGraw-

Strang; Álgebra lineal y sus aplicaciones, Thomson, 2007

Larrotonda, Ángel Rafael; Álgebra Lineal y Geometría, Ed. Eudeba.

Clase Fecha Contenidos

Unidad 5: Transformaciones lineales. Ejemplos geométricos y analíticos.

Práctica 1: Matrices, sistemas de ecuaciones y determinan-

Las matrices son utilizadas ampliamente para manipular y organizar información.

En la implementación de protocolos de comunicación segura también se usan ma-

Google utiliza matrices para organizar los resultados de una búsqueda.

a) Proponé una matriz que muestre la actuación anual de los equipos.

i. se otorgan 2 puntos por partido ganado y 1 por partido empatado.

ii. se otorgan 3 puntos por partido ganado y 1 por partido empatado.

2. Una empresa telefónica fabrica celulares en tres versiones:

La versión I) insume una hora de ensamblado, media de empaquetado, y 15 minutos de

a) Indicá los costos totales de fabricación de cada tipo de teléfono.

b) ¿Podrían ayudar las matrices a responder la consigna anterior?

Matrices y teoría de grafos

Calcular el número de combinaciones diferentes de vuelos que puede haber

Crear sistemas operativos.

Diseñar bases de datos

3. Supongamos que hay 3 computadoras C1 , C2 y C3 , con ciertos dispositivos de comunica-

i. Emisor C1 , receptor C2 iii. Emisor C2 , receptor C3

ii. Emisor C1 , receptor C3 iv. Emisor C3 , receptor C2

b) ¿De cuántas maneras la computadora C1 le puede mandar un mensaje a C2 ?

4. Supongamos ahora que a la situación descripta en el problema 3, se le agrega una cuarta

Por ejemplo, en la situación del problema 3, la matriz quedaría:

¿Pero qué ventajas tiene organizar la información así?

5. Determiná con una matriz de adyacencia la situación del problema 4.

7. Determiná la matriz de adyacencia relacionado con el siguiente digrafo: