Apunte Lineal

UNIVERSIDAD ARTURO PRAT
FACULTAD DE INGENIERIA Y ARQUITECTURA
ÁLGEBRA LINEAL
PREGRADO PSU
2019
Académicos:
Francisco Cartes Arenas
Johana Fuentes Constancio
Luis Viza Garcı́a
Colaborador:
Camilo Muñoz Hidalgo
ÁLGEBRA LINEAL - PREGRADO PSU UNAP (ı́ndice:3) ÍNDICE
Índice
Página
I Matrices 4
1. Conceptos básicos 4
1.1. ¿Qué es una matriz? . . . . . . . . . . . . . . . . . 4
1.2. Elementos de una matriz . . . . . . . . . . . . . . . 5
1.2.1. Entradas, filas y columnas . . . . . . . . . . 5
1.2.2. Diagonal . . . . . . . . . . . . . . . . . . . . 5
1.2.3. Traza . . . . . . . . . . . . . . . . . . . . . 6
2. Álgebra de matrices 7
2.1. Traspuesta de una matriz . . . . . . . . . . . . . . 7
2.2. Producto por un escalar . . . . . . . . . . . . . . . 8
2.3. Suma de matrices . . . . . . . . . . . . . . . . . . . 9
2.4. Producto de matrices . . . . . . . . . . . . . . . . . 10
2.5. Potencia de una matriz . . . . . . . . . . . . . . . . 12
2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 13
2.7. Respuestas . . . . . . . . . . . . . . . . . . . . . . . 14
3. Matrices cuadradas especiales 16
4. Matriz identidad y matriz inversa 17

4.1. Método de Gauss-Jordan . . . . . . . . . . . . . . . 18
4.2. Determinante . . . . . . . . . . . . . . . . . . . . . 20
4.2.1. Algoritmo . . . . . . . . . . . . . . . . . . . 20
4.2.2. Regla de Sarrus . . . . . . . . . . . . . . . . 22
4.2.3. Relación con la matriz inversa . . . . . . . . 22
4.3. Método de la matriz adjunta . . . . . . . . . . . . . 22
4.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 24
2
ÁLGEBRA LINEAL - PREGRADO PSU UNAP (ı́ndice:3) ÍNDICE
4.5. Respuestas . . . . . . . . . . . . . . . . . . . . . . . 26 10.Espacio vectorial 54

10.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . 54
5. Sistemas de ecuaciones lineales 27 10.2. Base . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1. Métodos de resolución . . . . . . . . . . . . . . . . 28 10.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 57
5.1.1. Método de Gauss-Jordan . . . . . . . . . . . 28
5.1.2. Método de Cramer . . . . . . . . . . . . . . 31 11.Transformaciones lineales 59
5.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 33 11.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . 59
5.3. Respuestas . . . . . . . . . . . . . . . . . . . . . . . 33 11.2. Núcleo e imagen . . . . . . . . . . . . . . . . . . . . 61
11.3. Isomorfismo . . . . . . . . . . . . . . . . . . . . . . 63
6. Desarrollos 34 11.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 64
II Vectores 36
7. Conceptos básicos 36
7.1. ¿Qué es un vector? . . . . . . . . . . . . . . . . . . 36
8. Álgebra de vectores 36
8.1. Módulo . . . . . . . . . . . . . . . . . . . . . . . . 36
8.2. Producto por escalar . . . . . . . . . . . . . . . . . 37
8.3. Suma de vectores . . . . . . . . . . . . . . . . . . . 39
8.4. Producto escalar . . . . . . . . . . . . . . . . . . . 41
8.5. Producto vectorial . . . . . . . . . . . . . . . . . . 42
8.6. Producto mixto . . . . . . . . . . . . . . . . . . . . 43
8.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 45
9. Recta y plano 46
9.1. Ecuación de la lı́nea recta . . . . . . . . . . . . . . 46
9.2. Ecuación del plano . . . . . . . . . . . . . . . . . . 47
9.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . 51
III Espacios vectoriales 54
3
ÁLGEBRA LINEAL - PREGRADO PSU UNAP (ı́ndice:3)
Parte I
Matrices
SECCIÓN 1
Conceptos básicos
Las matrices se utilizan como herramientas que permiten facilitar el

ordenamiento y uso de datos, no tan sólo en el área de matemáticas y
fı́sicas, sino también en ciencias sociales, economı́a y geografı́a, entre
otras. En esta primera sección, introduciremos el concepto de matriz,
algunos de sus elementos y la notación básica.
1.1. ¿Qué es una matriz?
Definición 1 Una matriz es un arreglo bidimensional de un conjunto

de elementos, denominados entradas, en filas y columnas.
   
1 2 1 2 −1
Ejemplos 1 Los arreglos  −1 0 ,  −1 0 i  y
2 5 2 5 3−i
1 2 −1
son matrices.
−1 0 i
Notación 1 Las matrices se representan por medio de letras mayúscu-

las, es decir, A, B, C, etc.
Ejemplos 2 Considerando el ejemplo anterior, podrı́amos nombrar a
4
   
1 2 1 2 −1 M3×2 (Z) y M3×2 (Q).
las matrices de la forma: A =  −1 0 , B =  −1 0 i   
2 5 2 5 3−i 1 2 −1

1 2 −1
(2) B =  −1 0 i  ∈ M3×3 (C).
yC= . 2 5 3−i
−1 0 i

1 2 −1
(3) C = ∈ M2×3 (C).
−1 0 i
1.2. Elementos de una matriz
Notación 2 Se denota por aij a la entrada ubicada en la fila i y la
En esta subsección nos dedicaremos a introducir elementos de una columna j de la matriz A ∈ Mm×n (K).
matriz, tales como filas, columnas y entradas. También hablaremos de
Ejemplos 4 Dada la matriz
diagonal principal y secundaria de una matriz cuadrada. Finalmente
definiremos el concepto de traza, cuyas propiedades estudiaremos más  
1 2 −1
adelante.
B =  −1 0 i  ∈ M3×3 (C),
2 5 3−i
1.2.1. Entradas, filas y columnas
tenemos que:
Definición 2 Se definen los siguientes conceptos: (1) b12 = 0 (3) b31 = 2

(1) Las entradas de una matriz A son los números ubicados en ella. (2) b33 = 3 − i (4) b34 no existe.
(2) Las filas de una matriz A son las lı́neas horizontales.
(3) Las columnas de una matriz A son las lı́neas verticales. 1.2.2. Diagonal
(4) Mm×n (K) es el conjunto de las matrices de m filas y n columnas
con entradas en K.
Definición 3 A ∈ Mm×n (K) es cuadrada, si m = n. Este hecho se
denota por A ∈ Mn (K).
Ejemplos 3
 
1 2
Ejemplos 5
(1) A =  −1 0  ∈ M3×2 (R), porque tiene 3 filas y 2 columnas.
2 5 1 2
Observemos que A también podrı́a pertenecer a los conjuntos (1) A = ∈ M2 (R).
−1 0
5
 
1 2 −1 1 2 −1
(2) C = no es una matriz cuadrada, por lo tanto
(2) B =  −1 0 i  ∈ M3 (C). −1 0 i
2 5 3−i no posee ni diagonal principal, ni diagonal secundaria.
 
1 2 −1 2
−1 0 2 0 1.2.3. Traza
 2 5 3 20  ∈ M4 (R).
(3) C =  
1 0 6 −1
Definición 5 La traza de A ∈ Mn (K), denotada por T r(A), es la
suma de los elementos de su diagonal principal.
Definición 4 Sea A ∈ Mn (K), se denomina:
Es decir,
(a) diagonal principal a los elementos situados en las entradas aii n
X
con i = 1, ..., n T r(A) = aii .
i=1
(b) diagonal secundaria a los elementos situados en las entradas
a1n , a2(n−1) , a3(n−2) , .., an1
Ejemplos 7 Dadas las matrices
Ejemplos 6 Dadas las matrices: 
−3 8 10
  
0 3 1
  1 5
, B =  1 0 9  y C = 2 0 3 .
 
1 2 −1 A=
3 −3 1
(1) A =  −1 5 i  es cuadrada, por lo tanto los 2 2 0 0 1
2 5 0 3
elementos de la diagonal principal son {1, 5, 0}, porque Vemos que
 
1 2 −1 T r(A) = −2,
A =  −1 5 i . T r(B) = −1,
2 5 0 T r(C) = 1.
Mientras que {−1, 5, 2} conforman la diagonal secundaria, porque

 
1 2 -1
A =  −1 5 i .
2 5 0
6
SECCIÓN 2 Observación 1 Como al trasponer una matriz estamos intercambian-

Álgebra de matrices do filas por columnas, entonces estamos invirtiendo el orden de dicha
matriz. En nuestro ejemplo, como A ∈ M3 (R) y B ∈ M3×2 (R), en-
tonces AT ∈ M3 (R) y B T ∈ M2×3 (R).
Una vez que hemos introducido el concepto de matriz y mencionado
1 −12 3
sus elementos, es tiempo de analizar las operaciones que se pueden Por otro lado, consideremos la matriz C = , luego
4 −4 5
realizar, ya sea a una misma matriz o entre matrices. Estas operaciones
se denomina álgebra de matrices.  
1 4
C T =  −12 −4  .
3 5
2.1. Traspuesta de una matriz
Al trasponer C T obtenemos que:

T
Definición 6 La traspuesta de una matriz A, denotada por A , es
aquella matriz que se obtiene al intercambiar las filas de A por sus  T
1 4
columnas.
T T 1 −12 3
C = −12 −4 = = C.
4 −4 5
3 5
Ejemplos 8 Al determinar las traspuestas de las matrices
    Este ejemplo nos permite enunciar el siguiente resultado.

1 2 6 1 0, 6
A =  −1 −4 i  y B =  −12 −4  , En general,
0 5 3 0 4
Propiedades 1 Si A ∈ Mm×n (K), entonces:
obtenemos que
(1) AT ∈ Mn×m (K).
  T
1 −1 0 (2) AT = A.
T T 1 −12 0
A =  2 −4 5  yB = .
0, 62 −4 4
6 i 3
El segundo apartado de esta proposición nos señala que la traspuesta de
la traspuesta de una matriz vuelve a ser la matriz original. Hay matrices
7
cuadradas cuya matriz traspuesta tiene caracterı́sticas especiales, para 2.2. Producto por un escalar
visualizar estas caracterı́sticas consideremos las matrices
    Definición 8 El producto de un escalar k por la matriz A, deno-
3 −1 0 0 1 3
tado por kA, es la matriz que se obtiene al multiplicar cada entrada
A =  −1 3 4  y B =  −1 0 −2  .
de A por k, es decir:
0 4 3 −3 2 0
 
ka11 ka12 . . . ka1n
Calculando las matrices traspuestas, vemos que  ka21 ka22 . . . ka2n 
 
kA =  .. .. . . ..  .
 . . . . 
 T   kam1 kam2 . . . kamn
3 −1 0 3 −1 0
T
A = −1
 3 4 = −1 3 4 = A
0 4 3 0 4 3
 T   Ejemplos 9 Dadas las matrices
0 1 3 0 −1 −3
T  
y B = −1
 0 −2 = 1 0 2  = −B   1 0
4 0
−3 2 0 3 −2 0  0 −3 
4 0 6  3 −3 
 y C= 
A= , B=  6 1 ,
3 −3 0  2 −5   
1
1 0 0
Clasificamos este tipo de matrices de la siguiente forma: 2
tenemos que:

Definición 7 una matriz cuadrada A de orden n, es: 4 0 6 12 0 18
(1) 3A = 3 =
(1) simétrica, si AT = A. 3 −3 0 9 −9 0

(2) antisimétrica, si AT = −A. 4 0 6 −4 0 −6
(2) −1A = −A = − =
3 −3 0 −3 3 0
   
4 0 −24 0
Invitamos al lector a resolver el siguiente problema.  3 −3   −18 18 
(3) −6B = −6  2 −5  =  −12 30 
  
Problema de desafı́o 1 Redactar cómo se construye una matriz
1 0 −6 0
simétrica y cómo se construye una matriz antisimétrica.
La siguiente propiedad, muestra la relación entre la traspuesta de una
Puede ver la solución a este problema en 6. matriz y el producto por escalar.
8
Observación 2 Como la suma de matrices es entrada a entrada, en-

Propiedades 2 Si A ∈ Mm×n (K) y k ∈ (K), entonces tonces las matrices deben tener el mismo tamaño para poder sumarlas.
Ejemplos 10 Dadas las matrices

(kA)T = kAT .
 
4 0
  1 0
 0 −3 
Puede ver la demostración de esta propiedad en 6. 4 0 6  3 −3 
 y C= 
A= , B=  6 1 .
3 −3 0  2 −5   
1
1 0 0
2
2.3. Suma de matrices
   1 0
 
5 0

4 0
 3 −3   0 −3 
  3 −6 
 
(1) B + C =   
Definición 9 Dadas A, B ∈ Mm×n (K) de la forma  2 −5  + 

=
6 1   8 −4 
 

    1 3
a11 a12 . . . a1n b11 b12 . . . b1n 1 0 0 0
2 2
 a21 a22 . . . a2n   b21 b22 . . . b2n 
 
  (2) A + B no se puede calcular, por las matrices tienen distintas
A =  .. .. .. ..  y B =  .. .. .. ..  .
 . . . .   . . . .  dimensiones.
am1 am2 . . . amn bm1 bm2 . . . bmn    

4 0
 1 0 5 0
La suma de A y B, denotado por A + B, es la matriz que se obtiene  3 −3   0 −3   6 3 
(3) 2B − 3C = 2   −3  
=
 6 1   −14 −13 

al sumar las entradas correspondientes de ambas, es decir:  2 −5     
1 1
    1 0 0 0
a11 a12 . . . a1n b11 b12 . . . b1n 2 2
 a21 a22 . . . a2n   b21 b22 . . . b2n 

A + B =  ..
   El siguiente resultado muestra la relación entre la traspuesta de una
.. . . ..  +  .. .. . . .. 
 . . . .   . . . .  matriz y la suma de matrices.
am1 am2 . . . amn bm1 bm2 . . . bmn
 
a11 + b11 a12 + b12 . . . a1n + b1n Propiedades 3 Si A, B ∈ Mm×n (K), entonces
 a21 + b21 a22 + b22 . . . a2n + b2n 
 
= .. .. .. .. . (A ± B)T = AT ± B T .
 . . . . 
am1 + bm1 am2 + bm2 . . . amn + bmn
Puede ver la demostración de esta propiedad en 6.
9
2.4. Producto de matrices (2) Calculemos el producto BA,

 
5
Definición 10 Sean A ∈ M1×n (K) y B ∈ Mn×1 (K), es decir A es 3
 0  −4 2 1 0
BA =  
una matriz fila y B una matriz columna de la forma:
  −6
b1
= 5 · (−4) 3 · 2 0 · 1 −6 · 0
 b2 
 

A = a1 a2 . . . an y B =  ..  . = −20 6 0 0 .
.
bn
Observación 3 Del ejemplo podemos deducir que AB no necesaria-
El producto de A con B, denotado por AB, se define como: mente es igual a BA. Esto quiere decir que el producto de matrices
no es conmutativo.
 
b1
Observemos, además, que el único requisito para realizar el producto
 b2 

AB = a1 a2 . . . an  ..  = a1 b1 + a2 b2 + . . . an bn . AB es que el número de columnas de A debe coincidir con el número
. de filas de B. Es decir, dadas las matrices
bn  
5
A = −4 2 1 0 y B = 3 , 
Ejemplos 11 Dadas las matrices: 0
 
5 podemos calcular BA, pero no AB.
3
A = −4 2 1 0 y B = 
0
 Una vez dicho esto, podemos generalizar el producto de matrices.
−6
Definición 11 Sean A ∈ Mm×p (K) y B ∈ Mp×n (K), es decir A es
(1) Calculemos el producto AB, una matriz fila y B una matriz columna de la forma:
     
5 a11 a12 . . . a1p b11 b12 . . . b1n
 3   a21 a22 . . . a2p  b21 b22 . . . b2n 
AB = −4 2 1 0 
0
 
A =  .. .. ..
 
..  y B =  .. .. . .

..  .
 . . . .   . . . . 
−6 am1 am2 . . . amp bp1 bp2 . . . bpn
= −4 · 5 + 2 · 3 + 1 · 0 + 0 · (−6) = −14.
10
lumnas de la matriz A no coincide con la cantidad de filas de la

El producto de A con B, denotado por AB, se define como: matriz B. Sin embargo, sı́ podemos calcular BA.
  
a11 a12 . . . a1p b11 b12 . . . b1n En efecto,
 a21 a22 . . . a2p  b21 b22
  . . . b2n 

AB =  ..
 3 1 3 1 −2 2
.. .. ..   .. .. .. ..  = C. BA =
 . . . .  . . . .  0 1 0 1 5 1
am1 am2 . . . amp bp1 bp2 . . . bpn
c11 c12 c13 c14
= ,
c21 c22 c23 c24
Donde  
c11 c12 . . . c1n donde
 c21 c22 . . . c2n 
 
C =  .. .. .. ..  c11 = 3 · 3 + 1 · 0 = 9,
 . . . . 
c12 = 3 · 1 + 1 · 1 = 4,
cm1 cm2 . . . cmn
c13 = 3 · −2 + 1 · 5 = −1,
tal que
c14 = 3 · 2 + 1 · 1 = 7,
c11 = a11 b11 + a12 b21 + · · · + a1p bp1 , c21 = 0 · 3 + 1 · 0 = 0,
c12 = a11 b12 + a12 b22 + · · · + a1p bp2 , c22 = 0 · 1 + 1 · 1 = 1,
.. c23 = 0 · −2 + 1 · 5 = 5,
.
c24 = 0 · 2 + 1 · 1 = 1.
c1n = a11 b1n + a12 b2n + · · · + a1p bpn ,
c21 = a21 b11 + a22 b21 + · · · + a2p bp1 ,
.. Es decir,
.
9 4 −1 7

cij = ai1 b1j + ai2 b2j + · · · + aip bpj BA = ∈ M2×4 (R).
0 1 5 1
 
3 1
3 −3 −2
Veamos algunos ejemplos para simplificar la definición anterior: (2) A = y B =  4 1.
0 1 2
−3 2
Ejemplos 12 Dadas las matrices:
En este caso podemos calcular AB y BA.
3 1 −2 2 3 1  
(1) A = yB= . 3 1
0 1 5 1 0 1 3 −3 −2  3 −4
AB = 4 1 = ∈ M2 (R)
El producto AB no se puede realizar, porque la cantidad de co- 0 1 2 −2 5
−3 2
11

y T 19 −21
luego (AB) = .
    −8 8
3 1 9 −8 −4
3 −3 −2
BA =  4 1 =  12 −11 −6 ∈ M3 (R).
0 1 2 Por otro lado,
−3 2 −9 11 10
Se plantea al lector el siguiente problema:  

−1 4
Problema de desafı́o 2 Calcular sólo c13 y c25 de C = AB, sabiendo 2 3 −2  19 −21
B T AT = 3 −5 = .
que: −1 −1 1 −8 8
! −6 7
sen(α) −cos(α) 1
A= 1 y
− 0 4
 2 
2 sen(α) sen(α) −4
B =  6 sen(2α) −cos(α) 1  .
−1 0 −1 0 2.5. Potencia de una matriz
Puede ver la solución a este problema en 6.
Para finalizar presentamos la relación entre la traspuesta de una matriz De la subsección anterior, podemos observar que la cantidad de filas de
y el producto de matrices. AB coinciden con la cantidad de filas de A y la cantidad de columnas
de AB coincide con la cantidad de columnas de B. Es decir, si A ∈
Propiedades 4 Sean A ∈ Mm×n (K) y B ∈ Mn×p (K), entonces M m ×p (K) y B ∈ Mp× n (K), entonces AB ∈ M m × n (K).
(AB)T = B T AT .
Por otro lado, si A y B son dos matrices cuadradas del mismo orden,
Ejemplos 13 Dadas las matrices podemos calcular tanto AB como BA. Luego tiene sentido pregun-
  tarnos por las potencias de una matriz cuadrada A e introducimos la
2 −1
−1 3 −6 notación:
A= y B =  3 −1 .
4 −5 7
−2 1
Calculemos (AB)T , para esto observemos que A1 = A, A2 = AA, A3 = A2 A, · · · , An = An−1 A.
 
2 −1
−1 3 −6  19 −8
AB = 3 −1 = ,
4 −5 7 −21 8
−2 1
12
Utilizamos esta observación para introducir la siguiente definición: 2.6. Ejercicios
Definición 12 La n-ésima potencia de la matriz cuadrada A, deno- I. Dadas las matrices:

2
tada por An = An−1 A, es multiplicar A consigo misma n veces. −1 2 −3 2 −3 0
A= , B= 1 y C= .
  0 4 2
−1 −5 2
1 1 −1
Ejemplos 14 Considerando A = −3 0 2 , obtenemos que: Calcular:
1 1 0
(1) 3A − 2B (5) AB + BA − 5BC
La segunda potencia de A es
(2) A − B + 4C (6) A2 − 3B + CB
    
1 1 −1 1 1 −1 −3 0 1 1 2
A2 = −3 0 2  −3 0 2  = −1 −1 3 , (3) A+ B−C (7) A2 − B 2 + C 2
2 3
1 1 0 1 1 0 −2 1 1 (4) AB − C (8) A3 − B 2 C + C 2 A
la tercera potencia de A es
     II. Dadas las matrices:
−3 0 1 1 1 −1 −2 −2 3    
−1 3 2 2 −3 1
A3 = A2 A = −1 −1 3 −3 0 2  =  5 2 −1 ,
D =  1 0 1 , E =  4 1 0  y
−2 1 1 1 1 0 −4 −1 4
0 1 −1 1 0 2
 
mientras que la cuarta potencia de A es −2 0 1
1
     F = 
2
3 2 .
−2 −2 3 1 1 −1 7 1 −2 −1 0 0
A4 = A3 A =  5 2 −1 −3 0 2  = −2 4 −1 .
−4 −1 4 1 1 0 3 0 2 Calcular:
(1) D T − 4E + F 2 (3) D 3 − 2E 3 + 4F 3
(2) E 2 − EF + F D
III. Dadas las matrices:

   
i −i 0 1 0 1
A =  1 + i 3 0  y B =  0 i 0 .
2 5 2 −1 0 −i
13
Calcular: 2.7. Respuestas

(1) A + B (4) (1 + i) A − 4B
I.
(2) AB (5) iAB T
3 2
(1)
(3) A − iB −1 14

− 23 0
IV. Dadas las matrices (2)
    − 41
2
13
4 0 −1 3 1
1 −3 8
− 11 7

A= , B = 4 10 3  y C = −3 0  . (3) 6 3
0 −1 4 16
− 32
6 −1 0 −1 −1 3
14

Calcular cuando sea posible: 4 −4 3
−4
(4) AB = ; AB − C =
2 −4 7 −6
(1) T r(A) (5) T r(CA)

4 −4 3 2
(2) T r(B) (5) AB = ; BA = ;
(6) T r(AC + B) 2 −4 − 12 −3
(3) T r(AC)
−8 4 47 −22
(4) T r(B T ) (7) T r(CA + B) BC = 14 ; AB +BA−5BC =
3
−2 − 131
6
3

V. Calcular: 1 6 2 − 43
(6) A2 = ; CB = ;
  0 16 16 −12
0 −1 1
(1) A5 , sabiendo que A =  0 1 −1  .
12 − 4

0 0 1 A2 − 3B + CB = 29
3
2
7
 
0 0 0 0
 2 0 0 0  2 1 6 2 10 −8
(7) A = ; B = ;
(2) B 4 , sabiendo B =  2 2 0 0 .
 0 16 −2 2
4 77
2 2 0 0 0 − 14
2 9 2 2 2 9
C = ; A −B +C =

1 1 1
 − 203
4 − 14
3
18
(3) C 4 , sabiendo que C =  1 1 1  .
−1 26
100
−16

3 2 3
1 1 1 (8) A = ; B C= ;
0 64 − 26 3
4
14
 
2 − 94 8
9 3 2 2 − 313
9
386
9
71 −13 18
C A= 20 8 ; A −B C +C A= 46 188
3 3 3 3 D 3 − 2E 3 + 4F 3 =  41 200 27 
−16 35 −21
II.
    III.
−1 1 0 8 −12 4  
(1) D T =  3 0 1  ; 4E =  16 4 0  ; 1 + i −i 1
2 1 −1 4 0 8 (1)  1 + i 3 + i 0 
1 5 2−i
 
3 0 −2  
i 1 i
F 2 =  − 23 9 132
;
(2)  1 + i 3i 1 + i 
2 0 −1
0 5i 2 − 2i
 
−6 13 −6 
−5 + i 1 − i −4

D T − 4E + F 2 =  − 292
5 15 
2 (3)  2i 3−i 0 
0 1 −10 6 + 2i 5 + 5i 2 + 6i
   13   
−7 −9 4 − 2 −9 −4 −1 i 1
(2) E 2 =  12 −11 4  ; EF =  − 15 2
3 6 ; (4)  −1 + i −3 1 − i 
4 −3 5 −4 0 1 4i −5 2 − 2i
 
2 −5 −5 IV.
F D =  25 72 2 ;
1 −3 −2 (1) No se puede calcular.
 3  (2) 14.
2
−5 3
E 2 − EF + F D =  22 − 21 0  4 −7
2 (3) Como AC = , entonces 0.
9 −6 2 −1 −4
    (4) 14.
−5 11 8 −46 12 1
(3) D 3 =  5 −2 1  ; E 3 =  −16 −47 20  ; 
3 −10 28

−2 5 −1 1 −15 14 (5) Como CA = −3 9 −24, entonces 0.
 
−4 0 3 −1 4 −12
F =3  1 27 33 2
;
−3 0 2 (6) No se puede calcular.
15
(7) 14. SECCIÓN 3
V. Matrices cuadradas especiales

   
0 −1 2 0 −1 3
(1) A2 =  0 1 −2  ; A3 =  0 1 −3 ;
0 0 1 0 0 1 Definición 13 A ∈ Mn (K) es una matriz:
   
0 −1 4 0 −1 5 (a) triangular superior, si todos los elementos bajo la diagonal prin-
A4 =  0 1 −4  ; A5 =  0 1 −5  cipal son nulos.
0 0 1 0 0 1
    (b) triangular inferior, si todos los elementos sobre la diagonal prin-
0 0 0 0 0 0 0 0 cipal son nulos.
 0 0 0 0   0 0 0 0 
(2) B 2 = 
 4 ; B3 = B4 =   (c) diagonal, si todos los elementos fuera de la diagonal principal son
0 0 0   0 0 0 0 
nulos.
4 0 0 0 0 0 0 0
   
3 3 3 9 9 9
2
(3) C =  3 3 3  ; C3 =  9 9 9  ; Ejemplos 15 La matriz:
3 3 3 9 9 9  
  3 −1 0
27 27 27 (1) A =  0 0 4  es triangular superior.
C 4 =  27 27 27  0 0 1
27 27 27
 
3 0 0
(2) B =  0 0 0  es triangular inferior.
6 0 1
 
3 0 0
(3) C =  0 0 0  es diagonal.
0 0 1
Observemos que una matriz diagonal, además de ser simétrica, es trin-

gular superior y triangular inferior a la vez. Por otro lado, la traspuesta
de una matriz triangular superior es triangular inferior, y viceversa. En
16
nuestro ejemplo SECCIÓN 4

    Matriz identidad y matriz inversa
3 −1 0 3 0 0
A= 0 0 4  y B= 0 0 0 
0 0 1 6 0 1 Para comenzar esta sección calculemos el producto entre las matrices
son triangular superior y triangular inferior, respectivamente. Luego 
3 2 −1
 
1 0 0


3 0 0
 
3 0 6
 A =  3 0 −3  y B =  0 1 0  .
A =T  −1 0 0  y BT =  0 0 0  −1 1 3 0 0 1
0 4 1 0 0 1
Primero
son triangular inferior y triangular superior, respectivamente.     
3 2 −1 1 0 0 3 2 −1
Por otro lado, la traspuesta de una matriz diagonal vuelve a hacer la AB =  3 0 −3   0 1 0  =  3 0 −3  = A.
matriz diagonal original, es decir, toda matriz diagonal es simétrica. −1 1 3 0 0 1 −1 1 3
En nuestro ejemplo
  Por otro lado,
3 0 0
    
C =  0 0 0  = CT . 1 0 0 3 2 −1 3 2 −1
0 0 1 BA =  0 1 0   3 0 −3  =  3 0 −3  = A.
0 0 1 −1 1 3 −1 1 3
Propiedades 5 La suma de dos matrices diagonales

del mismo orden, es una matriz diagonal. Esto tam- Es decir, la matriz B no altera a la matriz A. Esta matriz es conocida
bién ocurre para la suma de matrices triangulares su- como identidad y se denota por In , donde n es el orden de la matriz,
periores y para la suma de matrices triangulares infe- o simplemente I cuando el orden se obvia.
riores.
Por lo tanto, la matriz identidad es tal que AI = IA = A.
Ahora es natural preguntarse, ¿sabiendo que I es la matriz identidad,
Definición 14 La matriz nula es aquella matriz cuya entradas son existirá una matriz B tal que AB = BA = I? La respuesta es afirma-
todas nulas. tiva, bajo ciertas condiciones, esta matrizse denomina inversa de A

3 2 −1
y se denota por A−1 . Para la matriz A =  3 0 −3  la inversa
−1 1 3
17
 
1 7
 −2 6
1 
(2) multiplicar fila: podemos multiplicar una fila i por un número
 4 
es A−1 = 
 1 − −1 . real α no nulo, este hecho se denota por αfi .
 1 3  
5 
3 2 1
− 1
2 6 Por ejemplo, al multiplicar la fila 2 de la matriz A = 1 −1 9
¿Cómo calcular la inversa de una matriz? 0 0 1
por −3, obtenemos que:
En esta sección estudiaremos las condiciones necesarias para que la
   
matriz inversa de A exista, además de describir dos algoritmos que 3 2 1 3 2 1
permiten calcularla. −3f2 
f2 →  1 -1 9  -3 3 -27  .
=
El primer método que utilizaremos para invertir matrices es el denomi- 0 0 1 0 0 1
nado Método de Gauss-Jordan.
(3) sumar a una fila el múltiplo de otra: podemos sumar a una
fila i k-veces la fila j, este hecho se denota por fi + kfj .
4.1. Método de Gauss-Jordan  
3 2 1
Iniciaremos el estudio de este método introduciendo el concepto de Por ejemplo, a la fila 2 de la matriz A = 1 −1 9 le vamos
operaciones elementales entre filas y columnas, para esto denotare- 0 0 1
mos por fi y ci a la fila i y columna i de una matriz A, respectivamente. a sumar 3 veces la fila 1, obteneniendo:
   
f1 → 3 2 1 3 2 1
f + 3f1 
Definición 15 Una operación elemental entre filas de una matriz f2 →  1 -1 9  2 10 5 12  .
es alguna de las siguientes transformaciones: =
0 0 1 0 0 1
(1) intercambiar filas: podemos intercambiar la fila i por la fila j,
Se pueden realizar las mismas operaciones con columnas.
este hecho se denota por fi ∼ fj .
Por ejemplo,
 al intercambiar
 la fila 1 con la fila 3 de la matriz
3 2 1 La idea principal del método de Gauss-Jordan para invertir una matriz
A = 1 −1 9, obtenemos que: cuadrada A es considerar una matriz de la forma [ A | I ] y a través de
0 0 1 operaciones elementales entre filas y/o columnas convertirla en [ I | B ].
    Es decir, transformar de alguna manera la matriz A en la identidad de
f1 → 3 2 1 0 0 1 orden n.
 1 −1 9  f1 ∼ f3  1 −1 9 .
=
f3 → 0 0 1 3 2 1 Veamos un ejemplo,
18
 
3 2 −1 Lo próximo es hacer aparecer un 1 en la segunda entrada de la diagonal
Ejemplos 16 Consideremos la matriz A =  3 0 −3 . principal en la matriz de la izquierda y hacer 0 en las demás entradas
−1 1 3 de la segunda columna.
Luego,   En nuestro caso,
3 2 −1 | 1 0 0  
[ A | I ] =  3 0 −3 | 0 1 0  . 1 −1 −3 | 0 0 −1
−1 1 3 | 0 0 1  0 3 6 | 0 1 3 
0 5 8 | 1 0 3
Como necesitamos transformar A en I, tenemos que hacer aparecer  
1
un 1 en la primera entrada de la diagonal principal de A. Para esto f2 1 −1 −3 | 0 0 −1
1 3  1 
podemos multiplicar por la fila 1 o intercambiar fila 1 con fila 3. =  0 1 2 | 0 1 
3 0 5 8 | 1 30 3
Tomando la segunda opción, nos resulta lo siguiente:  
  f1 + f2 1 0 −1 | 0 31 0
3 2 −1 | 1 0 0 =  0 1 2 | 0 13 1 
[ A | I ] =  3 0 −3 | 0 1 0  f3 − 5f2 0 0 −2 | 5
1 − 3 −2
−1 1 3 | 0 0 1
 
−1 1 3 | 0 0 1 Y utilizamos la misma lógica para la tercera columna de la matriz de
f1 ∼ f3 
3 0 −3 | 0 1 0  la izquierda.
=
3 2 −1 | 1 0 0
 
1 −1 −3 | 0 0 −1  
−f1  1 0 −1 | 0 13 0
3 0 −3 | 0 1 0 
=  0 1 2 | 0 13 1 
3 2 −1 | 1 0 0 5
0 0 −2 | 1 − 3 −2
Una vez que tengamos un 1 en la primera entrada de la diagonal prin- 1  
cipal, hacemos 0 todas las entradas de la primera columna de la matriz − f3 1 0 −1 | 0 13 0
2  0 1 2 | 0 31 1 
de la izquierda. =
  0 0 1 | − 12 65 1
1 −1 −3 | 0 0 −1  
 3 0 −3 | 0 1 0  f1 + f3 1 0 0 | − 21 76 1
3 2 −1 | 1 0 0 =  0 1 0 | 1 − 34 −1 
f2 − 3f1

1 −1 −3 | 0 0 −1
 f2 − 2f3 0 0 1 | − 12 56 1
=  0 3 6 | 0 1 3  Finalmente, la matriz que obtenemos a la derecha es la inversa de la
f3 − 3f1 0 5 8 | 1 0 3 matriz A.
19
Es decir,   4.2. Determinante

1 7
− 1 
 2 6
 4  En el último ejemplo que desarrollamos, nos encontramos con una ma-
A −1
= 1 − .
−1 
 3 triz que no tenı́a inversa. Y una preguntar natural que podrı́a surgir al
 1 5 
momento de tratar de invertir una matriz es: ¿podrı́amos determinar si
− 1
2 6 es posible invertir una matriz antes de aplicar algún método de inver-
sión? La respuesta es afirmativa, y la herramienta matemática que nos
Analicemos un segundo ejemplo,
permitirá indicar si una matriz es o no invertible se denomina determi-
Ejemplos 17 Utilizando el método anterior con la matriz nante. El determinante es una operación que se realiza sobre matrices
  cuadradas cuyo resultado es un número real.
−1 4 1
B =  1 −3 0  ,
0 1 1
4.2.1. Algoritmo
vemos que:
Primer caso: Si A es una matriz cuadrada de orden 2, luego
 
−1 4 1 | 1 0 0 a11 a12
[B |I ] =  1 −3 0 | 0 1 0  det(A) = = a11 a22 − a21 a12 .
a21 a22
0 1 1 | 0 0 1
 
1 −4 −1 | −1 0 0 Ejemplos 18 Calculemos algunos determinantes:
−f1 
1 −3 0 | 0 1 0 
= 7 −5
0 1 1 | 0 0 1 (1) Para A = , tenemos que:
  3 0
1 −4 −1 | −1 0 0
f2 − f1 
0 1 1 | 1 1 0  7 −5
= det(A) = = 7 · 0 − 3 · (−5) = 15.
0 1 1 | 0 0 1 3 0
 
f1 + 4f2 1 0 3 | 3 4 0
=  0 1 1 | 1 1 0 
f3 − f2 0 0 0 | −1 −1 1 2 −10
(2) Para B = , tenemos que:
1 −5
Como la tercera fila de la matriz de la izquierda es nula, entonces
no podemos hacer aparecer un 1 en la tercera entrada de la diagonal 2 −10
principal. Por lo tanto, la matriz B no tiene inversa. det(B) = = −10 − (−10) = 0.
1 −5
20
Segundo caso: Si A es una matriz cuadrada de orden 3, tenemos con:

varias opciones. La primera es la siguiente:
a11 a12 a13
a11 a12 a13 ← f1 det(A) = a21 a22 a23 ← f2
det(A) = a21 a22 a23 a31 a32 a33
a31 a32 a33 a12 a13 a a a a
= − a21 + a22 11 13 − a23 11 12
a22 a23 a a a a a32 a33 a31 a33 a31 a32
=a11 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
Y por la tercera fila, resulta:

Como podemos observar, hemos utilizado la primera fila de A para cal-
cular su determinante. Sin embargo, podemos realizar el mismo cálculo a11 a12 a13
utilizando tanto la segunda fila como la tercera. det(A) = a21 a22 a23
a31 a32 a33 ← f3
Ejemplos 19
a12 a13 a a a a
=a31 − a32 11 13 + a33 11 12
(1) a22 a23 a21 a23 a21 a22
1 −2 0 Ejemplos 20 Del ejemplo anterior, sabemos que

2 −3 5 −3 5 2
5 2 −3 = 1 − (−2) +0
3 1 0 1 0 3 1 −2 0 1 −2 0
0 3 1
= 2 + 9 + 2 · 5 = 21. 5 2 −3 = 21 y 5 2 −3 = 0.
0 3 1 6 0 −3
(2) Calculemos el primer determinante utilizando la segunda fila y el se-

gundo determinante utilizando la tercera fila. Es decir,
1 −2 0
2 −3 5 −3 5 2 (1)
5 2 −3 = 1 − (−2) +0
0 −3 6 −3 6 0
6 0 −3
1 −2 0
= −6 + 2(−15 + 18) = 0. −2 0 1 0 1 −2
5 2 −3 = −5 +2 − (−3)
3 1 0 1 0 3
0 3 1
En el caso que utilicemos la segunda fila, el determinante se calcula = 10 + 2 + 9 = 21.
21
(2) 4.2.3. Relación con la matriz inversa
1 −2 0
−2 0 1 0 1 −2
5 2 −3 = 6 +0 + (−3) Definición 16 Una matriz A es singular, si |A| = 0.
2 −3 5 −3 5 2
6 0 −3
= 36 − 36 = 0. Luego, podemos concluir que una matriz A es invertible si y sólo si A
es no singular (det(A) 6= 0).
4.2.2. Regla de Sarrus
4.3. Método de la matriz adjunta
Esta regla nos permite calcular, de una manera más simple, el deter-
minante de matrices cuaradas sólo de orden 3.
En esta sección estudiaremos un segundo método para invertir matri-
Para esto, podemos copiar las dos primeras columnas de la matriz y ces, en el caso que la matriz inversa exista, para esto introduciremos
operar como sigue: algunos conceptos previos.
Definición 17 El menor complementario de un elemento aij de

a11 a12 a13 a11 a12 una matriz cuadrada A de orden n, es el determinante Mij de orden
det(A) = a21 a22 a23 a21 a22 (n − 1)(n − 1) que se obtiene al eliminar la fila i y la columna j de A.
a31 a32 a33 a31 a32
 
=a11 a22 a33 + a12 a23 a31 + a13 a21 a32 1 1 −3
− a31 a22 a13 − a32 a23 a11 − a33 a21 a11 . Ejemplos 21 Dada la matriz A = 0 −1 1 , vemos que el me-
2 1 0
nor:
O podemos copiar las dos primeras filas:
(1) M11 se obtiene al calcular el determinante
a11 a12 a13
−1 1
det(A) = a21 a22 a23 M11 = = −1.
1 0
a31 a32 a33
a11 a12 a13
a21 a22 a23 (2 M32 se obtiene al calcular el determinante
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 1 −3
− a31 a22 a13 − a32 a23 a11 − a33 a21 a11 . M32 = = 1.
0 1
22
calculamos:
Definición 18 El adjunto del elemento aij de una matriz cuadrada
−1 1
A de orden n, es el menor Mij con el signo (−1)i+j . Este elemento se D11 = (−1)2 = 1 · −1 = −1,
1 0
denota por Dij .
0 1
D12 = (−1)3 = −1 · −2 = 2,
  2 0
1 1 −3
0 −1
Ejemplos 22 Considerando la matriz A = 0 −1 1  del ejem- D13 = (−1)4 = 1 · 2 = 2,
2 1
2 1 0
plo anterior, sabemos que: 1 −3
D21 = (−1)3 = −1 · 3 = −3,
1 0
(1) M11 = −1, luego 1 −3
D22 = (−1)4 = 1 · 6 = 6,
2 0
D11 = (−1)1+1 M11 = (−1)2 M11 = −1. 1 1
D23 = (−1)5 = −1 · −1 = 1,
2 1
1 −3
D31 = (−1)4 = 1 · −2 = −2,
(2) M32 = 1, luego −1 1
1 −3
D32 = (−1)5 = −1 · 1 = −1,
0 1
D32 = (−1)3+2 M32 = (−1)5 M32 = −1.
1 1
D33 = (−1)6 = 1 · −1 = −1.
0 −1
Definición 19 La matriz adjunta de una matriz cuadrada A de orden Luego,

 
n, denotada por Adj(A), es aquella matriz que se obtiene al sustituir −1 2 2
cada elemento por su adjunto. Adj(A) = −3 6 1
−2 −1 −1
Ejemplos 23 Para determinar la matriz de cofactores de Teorema 3 Si A es una matriz no singular, entonces
  1
1 1 −3 A−1 = (Adj(A))T .
A = 0 −1 1  det(A)
2 1 0
23
Verifiquemos que la matriz calculada es efectivamente la inversa.

Para esto, realizamos los productos
 1  

1 1 3 − 3 0 − 31 1 0 0

1  − 11 14 

3 −3 − 3 
5 0 =  0 1 0
−4 −1 −3 5
1 5 0 0 1
3 3
y
 
− 31 0 − 31  1 1 3  1 0 0
 11 14 
− 3 −3 − 3   5 0 1  =  0 1 0
5
1 5 −4 −1 −3 0 0 1
3 3
(3) Calculemos, si existe, la matriz inversa con el método de elimina-

ción Gaussiana de:
 
6 1 1
A = 0 4 3
6 −3 −2
Observemos que det(A) = 0, por lo tanto no tiene matriz inversa.
4.4. Ejercicios
I. Para cada una de las siguientes matrices, calcular la matriz inversa

utilizando el método de Gauss-Jordan. Una vez calculada, verificar
que es efectivamente la inversa.
 
1 3 4 3 6
(2) B =
(1) A = 0 −1 3 1 −5
0 0 6
24
   
1 −3 2 3 0 0
(3) C = 4
 5 2 (4) D = 0
 −4 0 
2 11 −2 0 0 −10
   
1 1 −2 1 1 2
(5) E = 3
 0 1 (6) F = 3
 0 1
4 1 −1 4 1 −1
II. Calcular:
1 −4 −1 1 −1
(1)
5 −3 (4) 2 −2 1
−1 2 1
3−x 6
(2)
x 7 x 3 −1
(5) 3 −x 0
4 −5 3
1 x 4
(3) −3 1 0
−1 4 8
1 −2 3
4 3
(6) −1 3 −2 − 3
2 1
3 −2 1
−2 0 5
2 −1
(7) −5 4 −2 1
1 4
−2 2 −2
III. Para cada una de las siguientes matrices, calcular la inversa y
comprobar que la matriz calculada es efectivamente la inversa:
 
1 2 1 0 0
(1) A =
−3 1 (3) C =  0 3 0 
0 0 −1
3 −2
(2) B =
−3 2
25
   
Ejemplos 24 4 3 1 1 0 0
(4) D =  0 −2 0  (6) F =  0 1 0 
(1) Observemos que 0 0 4 2 0 −1
 
1 1 −3 0 2 4
det(A) = 0 −1 1 = −5 6= 0. (5) E =  4 0 6 
2 1 0 2 −3 0
Por lo tanto, A−1 existe y por teorema anterior
  4.5. Respuestas
−1 −3 −2
1 T 1 
A =
−1
(Adj(A)) = 2 6 −1
det(A) −5 I.
2 1 −1
   
   1 3 2 13 1
1
−1 2 −2 5 5 5 1 3 − 6  3 0 0 
= −  2 6 −1 = − 52 − 65 1

5
 1   1 
5 (1) A−1 =  0 −1  (4) D −1 = 0 − 0 
2 1 −1 −2 −1 1  2   4 
5 5 5  1   1
0 0 0 0 −
6 10
(2) Calculemos la matriz inversa, si existe, de 
5 2

  (5) No tiene inversa.
(2) B −1 =  21 7 

1 1 3 1 1  1 
C= 5 0 1 − − 12 14 1
12
21 7 (6) F −1 =  127
− 34 5 
−4 −1 −3 12
1 1
(3) No tiene inversa. 4 4
− 14
Lo primero que hacemos es calcular el determinante, para saber
si C tiene inversa. Como det(C) = −3 6= 0, entonces existe C −1 . II.
Utilizando el método de la matriz adjunta, obtenemos que
(a) 17 (e) −4x2 − 4x − 36
   
1 11 −5 1 0 1 (b) 21 − 13x
Adj(C) = 0 9 −3 ⇒ (Adj(C))T =  11 9 14  (f) −6
1 14 −5 −5 −3 −5 (c) −121
 1 1

−3 0 −3 (d) −1 (g) −71
⇒ C = − 3 −3 − 14
−1  11
3

5 5
3
1 3 III.
26
!  
1
7 − 72 1 0 0 SECCIÓN 5
(1) A−1 = 1
3 1 (3) C −1

= 0

0  Sistemas de ecuaciones lineales
7 7 3
0 0 −1
   
 1 3 1  3 −2 0 3
− 16
 4 8
1  Consideremos las matrices A = 1 5 3  y B = 2 , luego
(4) D −1
=  0 −2 0  0 1 −1 1
1
(2) B −1
no existe. 0 0 4     
  3 −2 0 3 5
− 34 − 12
1
2
1 5 3  2 = 16 .
  0 1 −1 1 1

(5) E −1 = 

− 12 − 23
1
3



1 Es decir, si tuviésemos la situación
2 − 61 13     
  3 −2 0 x 5
1 0 0 1 5 3  y  = 16 ,
(6) F −1 =  0 1 0  0 1 −1 z 1
2 0 −1
podemos afirmar que x = 3, y = 2 y z = 1.
Suponiendo que no conocemos los valores de x, y y z, tendrı́amos que
determinar algún proceso para calcularlos.
    
3 −2 0 x 5
1 5 3   y = 16
 
0 1 −1 z 1
   
3x − 2y 5
x + 5y + 3z  = 16 .
y−z 1
Luego, para que se cumpla la igualdad de matrices es necesario que


3x − 2y = 5 
x + 5y + 3z = 16

y−z = 1
27
Por lo tanto, un sistema de ecuaciones lineales podemos expresarlo

utilizando matrices. El cual tiene la siguiente representación matricial
    
De esta forma  a11 a12 · · · a1n x1 b1
4x + y − 3z = −1   a21 a22 · · · a2n   x2   b2 
    
x − y + z = −2  .. .. . .. .
..   .  =  . .
  . .   ..   .. 
x + 3y − 2z = 0
an1 an2 · · · ann xn bn
tiene la siguiente representación matricial
    
4 1 −3 x −1
Si hacemos
1 −1 1  y  = −2
     
1 3 −2 z 0 a11 a12 · · · a1n x1 b1
a21 a22 · · · a2n  x2   b2 
En general, el sistema de ecuaciones lineales 
A =  ..
    
.. . . ..  , x =  ..  y b =  .. 
  . . . .  . .
a11 x + a12 y + a13 z = b1 
a21 x + a22 y + a33 z = b2 an1 an2 · · · ann xn bn

a31 x + a32 y + a33 z = b3
entonces el sistema queda expresado como Ax = b.
puede expresarse
    
a11 a12 a13 x b1
a21 a22 a23  y  = b2 
a31 a32 a33 z b3 5.1. Métodos de resolución
En este apunte estudiaremos cuando un sistema de ecuaciones lineales 5.1.1. Método de Gauss-Jordan
tiene solución y dos métodos para determinar estas soluciones.
Definición 21 Una matriz triangular superior A es escalonada, si los

Definición 20 Un sistema de ecuaciones lineales de n por n es
elementos de la diagonal principal son 1.
un conjunto de n ecuaciones lineales con n incógnitas cada uno. Y es
de la forma:  
 1 3 0
a11 x1 + a12 x2 + · · · + a1n xn = b1  Ejemplos 25 La matriz A = 0 1 −3 es escacolanada, mientras

a21 x1 + a22 x2 + · · · + a2n xn = b2  0 0 1
.. ..  
. .
 4 6 −2
an1 x1 + an2 x2 + · · · + ann xn = bn  que B = 0
 1 1  no lo es.
0 0 1
28
Observemos que:
Definición 22 Se denomina escalonar una matriz A al proceso de 
..

convertir A en una matriz escalonada a través de operaciones elemen- 2 −2 1 . −1
.  .. 
tales. [A..b] = 
1 3 −1 . 2 
..
−1 1 −1 . 0
 
..
f1 ∼ f2  1 3 −1 . 2
=  .. 
La idea de este método es escalonar la matriz A a través de la matriz  2 −2 1 . −1 
. ..
ampliada [A..b]. −1 1 −1 . 0
 
..
f2 − 2f1 1 3 −1 . 2
0 −8 3 ...

=  −5
Ejemplos 26 Determinemos, si es que existen, las soluciones de los f3 + f1 .
0 4 −2 .. 2
siguientes sistemas de ecuaciones lineales:  
1 ..
− f1 1 3 −1 . 2
8  3 .. 5
=  0 1 − . 
 8 8
 .
2x − 2y + z = −1  0 4 −2 .. 2
(1) x + 3y − z = 2
  . 
−x + y − z = 0
1 3 −1 .. 2
f3 − 4f2 
0 1 − 3 ... 5 

=  
 8 8 
1 .. 1
Expresamos el sistema de ecuaciones de forma matricial: 0 0 − . −
2 2
La tercera fila es equivalente a:
1 1
− z = − , lo cual implica que z=1 .
  2 2
..
2 −2 1 . −1 La segunda fila es equivalente a:
..  . 
[A.b] =  1
 3 −1 .. 2 
..
 3 5
−1 1 −1 . 0 y− z=
8 8
29
y utilizando el hecho que z = 1, obtenemos que Observemos que:

 
..
1 1 1 . 5
3 5 ..  .. 
y − = , lo cual implica que y=1 . [A.b] =  8
8 8 3 −2 4 . 
..
2 −3 3 . 3
 
..
Por último, la primera fila es equivalente a: f2 − 3f1 1 1 1 . 5
= 0 .. 
 −5 1 . −7

f3 − 2f1 ..
x + 3y − z = 2 0 −5 1 . −7
 
..
f3 − f2 1 1 1 . 5
= 0 .. 
y utilizando el hecho que y = 1 y z = 1, obtenemos que:  −5 1 . −7

..
0 0 0 . 0
x + 3 − 1 = 2, lo cual implica que x=0 . De esta última matriz, tenemos que:
La segunda fila es equivalente a:
−5y + z = −7
Es decir, el sistema tiene solución única.
 Mientras que la primera fila es equivalente a:
x+y+z = 5 
(2) 3x − 2y + 4z = 8 x+y+z =5

2x − 3y + 3z = 3
Considerando z = t, vemos que
Expresamos el sistema de ecuaciones en forma matricial:
−5y + z = −7

..
 ⇒ −5y + t = −7
1 1 1 . 5 ⇒ −5y = −7 − t
..  .. 
[A.b] = 3 −2 4
 . 8  7+t
.. ⇒y= .
2 −3 3 . 3 5
30
Luego, El ejemplo anterior nos indica que un sistema de ecuaciones lineales

puede
x+y+z =5
⇒x=5−y−z (1) Tener solución única, denominado sistema compatible deter-
7+t minado.
⇒x=5− −t
5 (2) Tener infinitas soluciones, denominado sistema compatible in-
18 − 6t determinado.
⇒x= .
5
Es decir, existen infinitas soluciones para el sistema de ecua- (3) No tener solución, denominado sistema incompatible.
ciones lineales y son de la forma El siguiente resultado nos permite determinar el tipo de solución de un
18 − 6t 7+t sistema de ecuaciones lineales Ax = b.
x= , y= y z = t, donde t ∈ R.
5 5
Propiedades 6 El sistema de ecuaciones lineales Ax = b:

x+y+z = −3  (1) Tiene solución única, si det(A) 6= 0.
(3) 3x − 2y + 4z = 6
2x − 3y + 3z = 1
 (2) No tiene solución o tiene infinitas soluciones, si det(A) = 0.
Observemos que:
 
. 5.1.2. Método de Cramer
1 1 1 .. −3
..  . 
[A.b] = 
3 −2 4 .. 6 
..
 La regla de Cramer afirma que, si det(A) 6= 0, entonces las xi solucio-
2 −3 3 . 1 nes son de la forma

..
 det(Ai )
f2 − 3f1 1 1 1 . 5 xi = ,
..  det(A)
= 0
 −5 1 . 15 
f3 − 2f1 .. donde la matriz Ai se obtiene al reemplazar la columna i por la matriz
0 −5 1 . 7 b.
 
.
f3 − f2 1 1 1 .. 5 Ejemplos 27 Apliquemos esta regla a los siguientes sistemas de ecua-
. 
= 0
 −5 1 .. −7  ciones lineales:
.. 11 

0 0 0 . −8 2x − 2y + z = 
(1) x + 3y − z = −2 2
De la tercera fila tenemos que 0 = −8 lo cual es una contradicción. 

En este caso el sistema de ecuaciones no tiene solución. −x + y − z = −3
31
2 −2 1 Utilicemos ahora la regla de Cramer para comprobar estas solu-

Como det(A) = 1 3 −1 = −4, entonces el sistema tiene ciones.
−1 1 −1
solución única. 2 −2 1
Como det(A) = 1 3 −1 = −4, entonces el sistema tiene
Luego, −1 1 −1
11 solución única.
−2 1
2
det(A1 ) = −2 3 −1 = −6, Luego,
−3 1 −1 −1 −2 1
11 det(A1 ) = 2 3 −1 = 0,
2 1
det(A2 ) = 1 −22 0 1 −1
−1 = 4,
−1 −3 −1 2 −1 1
11 det(A2 ) = 1 2 −1 = −4,
2 −2 −1 0 −1
det(A3 ) = 1 2
3 −2 = −2. 2 −2 −1
−1 1 −3 det(A3 ) = 1 3 2 = −4.
−1 1 0
Por lo tanto,
det(A1 ) −6 3 Por lo tanto,
x= = = ,
det(A) −4 2
det(A2 ) 4 det(A1 ) 0
y= = = −1, x= = = 0,
det(A) −4 det(A) −4
det(A3 ) −2 1 det(A2 ) −4
z= = = . y= = = 1,
det(A) −4 2 det(A) −4
det(A3 ) −4
 z= = = 1.
2x − 2y + z = −1  det(A) −4
(2) x + 3y − z = 2

−x + y − z = 0
Si det(A) = 0, no podemos utilizar el método de Cramer, ya que el
Sabemos que las soluciones de este sistema son x = 0, y = 1 y sistema podrı́a no tener solución o tener infinitas soluciones. En tal
z = 1. caso utilizamos el método de Gauss-Jordan.
32

5.2. Ejercicios x+y+z = 2
(7) 2x + 3y + 5z = 11

x − 5y + 6z = 29
I. Para cada uno de los siguientes sistemas de ecuaciones lineales: 
3x − y + z = 1 
(a) Determinar si tiene solución única. (8) x + 2y − 2z = −1

2x − 3y + z = −1
(b) Determinar las soluciones ya sea con el método de Cramer o 
Gauss-Jordan. x−y = 1
(9) 2x + 6y − 5z = −4
(c) Comprobar que las soluciones calculadas en el item anterior x+y−z = 0

sa-tisfacen el sistema. 
 x+y+z = 2
x+y+z = 2 (10) −2x + y + 2z = 2
(1) 2x + 3y + 5z = 11 3x − 2y − z = 4


x − 5y + 6z = 29

3x − y + z = 1 
5.3. Respuestas
(2) x + 2y − 2z = −1

2x − 3y + z = −1
I.

x−y = 1 3 1
(1) x = 1, y = −2 y z = 3. (3) x = , y = y z = 2.
(3) 2x + 6y − 5z = −4 2 2
x+y−z = 0
 1 13 3
(2) x = , y = yz= . (4) x = 1, y = −2 y z = 3.
 7 14 2
x+y+z = 2
(4) −2x + y + 2z = 2 (5) x = 15 − 8t, y = −14 + 7t y z = t.

3x − 2y − z = 4
(6) No tiene solución. 3 1
 (9) x = , y = y z = 2.
x+y+z = 1  2 2
(7) x = 1, y = −2 y z = 3.
(5) 4x + 5y − 3z = −10 (10) x = 1, y = −2 y z = 3.
2x + 3y − 5z = −12
 1 13 3
(8) x = , y = yz= .
 7 14 2
3x + y − 2z = 7
(6) x + 2y + z = 4

2x − y − 3z = 2
33
SECCIÓN 6 Por lo tanto,

Desarrollos  T  
ka11 ka12 . . . ka1n ka11 ka21 . . . kam1
 ka21 ka22 . . . ka2n   ka12 ka22 . . . kam2 
   
(kA)T =  .. .. . . ..  =  .. .. .. .. 
Problema de desafı́o 1 Redactar cómo se construye una matriz  . . . .   . . . . 
simétrica y cómo se construye una matriz antisimétrica. kam1 kam2 . . . kamn ka1n ka2n . . . kamn
 
a11 a21 . . . am1
 a12 a22 . . . am2 
Solución: Dada una matriz cuadrada A, para que sea:   T
= k  .. .. . . ..  = kA
 . . . . 
(1) simétrica, debe cumplirse que aij = aji . a1n a2n . . . amn
(2) antisimétrica, debe cumplirse que la diagonal principal sea nula Volver al documento en 2.
y aij = −aji .
Propiedades 3 Si A, B ∈ Mm×n (K), entonces
Volver al documento en 1.
(A ± B)T = AT ± B T .
Propiedades 2 Si A ∈ Mm×n (K) y k ∈ (K), entonces
(kA)T = kAT .
Demostración. Si
   
a11 a12 . . . a1n b11 b12 . . . b1n
   a21
a11 a12 . . . a1n  a22 . . . a2n 

 b21 b22
 . . . b2n 

 a21 A =  .. .. .. ..  y B =  .. .. .. ..  ,
 a22 . . . a2n 
  . . . .   . . . . 
Demostración. Si A =  .. .. .. ..  , entonces
 . . . .  am1 am2 . . . amn bm1 bm2 . . . bmn
am1 am2 . . . amn
entonces
   
ka11 ka12 . . . ka1n a11 ± b11 a12 ± b12 ... a1n ± b1n
 ka21 ka22 . . . ka2n   a21 ± b21 a22 ± b22 ... a2n ± b2n 
   
kA =  .. .. .. ..  . A±B = .. .. .. .. .
 . . . .   . . . . 
kam1 kam2 . . . kamn am1 ± bm1 am2 ± bm2 . . . amn ± bmn
34
Luego, Por lo tanto,

 T 
a11 ± b11 a12 ± b12 ... a1n ± b1n sen(α)
 a21 ± b21 a22 ± b22 ... a2n ± b2n  c13 = sen(α) −cos(α) 1 −cos(α)
(A ± B)T = 
 
.. .. .. ..  −1
 . . . . 
am1 ± bm1 am2 ± bm2 . . . amn ± bmn = sen2 (α) + cos2 (α) − 1
 
a11 ± b11 a21 ± b21 . . . am1 ± bm1 =1−1
 a12 ± b12 a22 ± b22 . . . am2 ± bm2 
  = 0.
= .. .. . . .. 
 . . . . 
Mientras que c25 no se puede calcular, porque la matriz B no tiene
a1n ± b1n a2n ± b2n . . . amn ± bmn
    columna 5.
a11 a21 . . . am1 b11 b21 . . . bm1
 a12 a22 . . . am2   b12 b22 . . . bm2  Volver al documento en 2.
   
=  .. .. . . ..  ±  .. .. . . .. 
 . . . .   . . . . 
a1n a2n . . . amn b1n b2n . . . bmn
= AT ± B T .
Volver al documento en 3.
Problema de desafı́o 2 Calcular sólo c13 y c25 de C = AB, sabiendo

que:
!
sen(α) −cos(α) 1
A= 1 y
− 0 4
 2 
2 sen(α) sen(α) −4
B =  6 sen(2α) −cos(α) 1  .
−1 0 −1 0
Solución: Recordemos que si C = AB, entonces cij es la entrada que

se obtiene al multiplicar la fila i de la matriz A con la columna j de la
matriz B.
35
Parte II SECCIÓN 8
Álgebra de vectores
Vectores
SECCIÓN 7
8.1. Módulo
Conceptos básicos
Definición 24 El módulo de un vector −
→
v , denotado por ||−
→
v ||, es la
longitud del segmento que lo define.
7.1. ¿Qué es un vector?
y
Definición 23 Un vector es un segmento de lı́nea que tiene dirección,
sentido y magnitud, cuya representación gráfica consiste en una flecha.
Dirección es la caracterı́stica de direccionalidad dada por una recta,
sentido es cada una de las dos posibilidades de movimiento en una
recta, y magnitud o módulo es la longitud del segmento. b ✸
✑ ✑

→
− ✑ →
− ✑ 
|| v || ✑✑ ❅
❅ || v || ✑✑ 

Notación 3 Denotaremos por →
−
v al vector v. ✑
✑
✑
✑ b
✑ ✑


✑ ✑

✑ x ✑
a | {z }
a
Podemos observar que,

√
||−
→
v ||2 = a2 + b2 ⇒ ||−
→
v || = a2 + b2 .
Ejemplos 28 Calculemos la longitud de los siguientes vectores:
(1) Si →
−
a = (0, −3), entonces
p √
||−
→
a || = 02 + (−3)2 = 9 = 3.
36
−
→

1
→
−
(2) Si b = , −2 , entonces Es decir, b no es unitario.
4
→
− 3
s
2
r r √ (3) Si c = 0, − , 4, −1 , entonces
→
− 1 2
1 65 65 8
|| b || = + (−2) = +4= = .
4 16 16 4
r r
9 1.097
||−
→

→
− √ 5 c || = + 16 + 1 = 6= 1.
(3) Si c = − 3, , entonces 64 64
2
√ Es decir, →
−c no es unitario.
s
√ 2 5 2 r 25
r
37 37
→
−
|| c || = − 3 + = 3+ = = .
2 4 4 2
En general, sea →
−
v = (v1 , v2 , . . . , vn ) ∈ Rn , entonces
q 8.2. Producto por escalar
||−
→
v || = v12 + v22 + · · · + vn2
Sea →
−
v = (v1 , v2 , . . . , vn ) ∈ Rn y α ∈ K, se define
Definición 25 →
−
v es un vector unitario, si ||→
−
v || = 1.
α−
→
v = (αv1 , αv2 , . . . , αvn ) .
Ejemplos 29 Veamos si los siguientes vectores son unitarios:
√ !
1 3
(1) Si −
→
a = − , , entonces En el siguiente ejemplo, analizaremos la relación entre el módulo, el
2 2 sentido y dirección de un vector con su ponderado.
r r
→
− 1 3 4 √ Ejemplos 30 Observemos que:
|| a || = + = = 1 = 1.
4 4 4
(1) Dado el vector −→a = (−1, 3), entonces 2→
−
a = (−2, 6).
Es decir, −
→
a es unitario.
√ √
Por otro lado, ||−
→
!
→
− 5 6 a || = 10 y
(2) Si b = , − , entonces
7 7 √ √ √
r r ||2−
→
a || = 4 + 36 = 40 = 2 10 = 2||−
→
a ||.
→
− 5 36 41
|| b || = + = 6= 1.
49 49 49
37
Gráficamente Ejemplos 31 Dado el vector −

→
v = (1, −3), luego
√ √
||−
→
v || = 1 + 9 = 10 6= 1,
y
de donde concluimos que →
−
v no es unitario.
7
1 −
6 Consideremos el vector →−
u = → −
→
v , es decir,
|| v ||
5

→
− 1 − → 1 1 3
u = − v = √ (1, −3) = √ , − √ .
4 ||→
v || 10 10 10
▼❇❇
❇ 3
Observemos que
❇ s
❇ 2
2
−
→ ❇2 1 3
a
❇ ||→
−
u || = √ + −√
1❇
10 10
r r
❇ 1 9 10
❇ x = + = = 1.
−2 −1 1 2 10 10 10
Por lo tanto, el vector −
→
u es unitario.
▼❇ y El proceso que hemos aplicado en el ejemplo anterior se denomina

❇ normalización y el objetivo es obtener un vector unitario −
→
u asociado
❇
❇
7
a otro vector −
→
v que no lo es. Este vector se obtiene por
❇
❇ 6
−
→ 1 − →
❇ u = →− v , donde ||→
−
v || =
6 0.
❇ 5
|| v ||
❇
❇ Ejemplos 32 Determinemos cual de los siguientes vectores son unita-
4
2−
→
a ❇ rios, en caso de no ser unitario, calculemos el vector unitario asociado
❇ 3 a él:
❇
❇
❇2 (1) − →
u = (1, 4, 3)
❇
1❇ Desarrollo:
❇
❇ x Como
−2 −1 1 2 √ √
k−
→
u k = k(1, 4, 3)k = 1 + 16 + 9 = 26 6= 1,
38
entonces →
−
u no es unitario. Luego el vector unitario asociado a −
→
u 8.3. Suma de vectores
es
1 −→ 1 1 4 3 Para sumar dos vectores se suman sus respectivas componentes.
u = √ (1, 4, 3) = √ , √ , √ .
k−
→
uk 26 26 26 26 →
−
Consideremos los vectores −
→
a = (3, 2) y b = (−4, 1), cuya gráfica es
√ !
5 24
(2) →
−
v = − , 0, y
7 7
3
Desarrollo:
Como 2
✸
✑
✑
−
→ ✑
√ ! r r a ✑✑
5 24 25 24 49 ❳
②
❳❳ ✑
k→
− 1
vk= − , 0, = + = = 1, ❳❳❳ →
− ✑
7 7 49 49 49 ❳❳❳ b ✑
❳❳
❳❳✑✑
x
entonces →
− −4 −3 −2 −1 1 2 3 4
v es unitario.
√ !
→
− 1 1 1 3
(3) w = ,− , , luego,
6 3 3 2 →
−
−
→
a + b = (3, 2) + (−4, 1) = (−1, 3)
Desarrollo:
y
Como
√ ! ②
❳ ❳ 3 →
−
1 1 1 3 ▼❇❇ ❳❳❳❳ b
k→
−
wk = ,− , , ❳❳❳
6 3 3 2 ❇ ❳❳❳
❇ 2 ❳
r ✑✸
✑
1 1 1 3 →
− →
− ❇ ✑
= + + + a + b ❇ ✑
36 9 9 4 ❇1 ✑
✑−
→
r ❇ ✑ a
1 + 4 + 4 + 27 ❇ ✑✑
= = 1, ❇✑
36 x
−4 −3 −2 −1 1 2 3 4
entonces →
−
w es unitario.
39
por otro lado, Veamos las propiedades de la suma de vectores:

−
→ −
b +→
a = (−4, 1) + (3, 2) = (−1, 3) → →
−
Propiedades 7 Sean los vectores −
→
a, b y−
c en Rn , y los escalares
y α y β en un cuerpo K, se cumple que:
(1) Asociatividad:
3
✑✸❇▼
✑ −
→ − → −
− → →
−
−
→ ✑ ❇ →
− →
a + b + c = a + b +→
→
− c =−
→
a + b +−
c
a ✑✑ ❇
✑ ❇ 2
✑ → −
− → ❇
✑ b + a ❇
✑ (b) Conmutatividad:
✑
②
❳
❳❳❳ ❇1
❳❳ ❇ → −
− → →
→ ❳❳❳❳
− ❇ −
→
a + b = b +−
a
b ❳❳❳❇
x
1 2 3 4
−4 −3 −2 −1
→
−
(c) Elemento neutro: Existe 0 tal que
−
→ → −
− → → −
Regla del Paralelogramo a + 0 = 0 +−
a =→
a
Se toman como representantes dos vectores con el origen en común,
se trazan rectas paralelas a los vectores obteniéndose un paralelogramo (d) Elemento inverso: Existe −−
→
a tal que
cuya diagonal coincide con la suma de los vectores. −
→ →
−
a + (−−
→
a ) = (−−
→
a)+−
→
a = 0
y
(e) Distributividad:
→
−
✑✸❳
✑② ❳ 3
❇▼❇ ❳❳❳❳ b
→
− →
−
−
→ ✑ ❳❳❳ α a + b = α−
→
− →
a +α b
a ✑✑ ❇ ❳❳❳
✑ ❇ 2 ❳
✑ ✑✸
✑
→
− →
− ❇ ✑ y
✑ a + b ❇
✑
✑ ✑
✑ (α + β) −
→
a = α−
→
a + β−
→
a
②
❳
❳❳❳ ❇1 ✑−
→
❳❳ ❇ ✑ a
❳
→ ❳❳❳
− ❇ ✑
b ❳❳❳❇✑✑
x
−4 −3 −2 −1 1 2 3 4
40
8.4. Producto escalar

Propiedades 8 Para →
−
u, →
−
v y →
−
w vectores en Rn y α ∈ R, se
Sean −
→
u = (u1 , u2, . . . , un ) y −
→
v = (v1 , v2 , . . . , vn ), el producto es- cumple que:
calar entre u y v , denotado por −
→
− −
→ →
u ·− →
v , se define por: (1) Conmutatividad:
−
→ −
→
u ·−
→
v =−
→
v ·−
→
u ·−
→
v = (u1 , u2 , . . . , un ) · (v1 , v2 , . . . , vn ) u
= u1 · v1 + u2 · v2 + . . . + un · vn
(2) Distributividad:
Ejemplos 33 Calculemos el producto escalar de los siguientes pares −
→
de vectores: u · (−
→
v +−
→
w) = −
→
u ·−
→
v +−
→
u ·−
→
w

→
− 1 →
− 3
(1) Sean u = −3, , 4 y v = 0, 5, , luego (3) Asociatividad:
2 7
α (−
→
u ·−
→
v ) = (α−
→
u)·−
→
v =−
→
u · (α−
→
v)
→
− →
− 1 3
u · v = −3, , 4 · 0, 5,
2 7
1 3
= −3 · 0 + · 5 + 4 · Definición 26 Dos vectores son:
2 7
5 12 59 (a) ortogonales si forman un ángulo recto y no necesariamente se
= + = .
2 7 14 cortan.
(b) perpendiculares si forman un ángulo recto y se cortan.
−
→
(2) Sean →
−
a = (−3, 5, 6) y b = (4, 0, 7), luego (c) ortonormales si son ortogonales y unitarios.
−
→ →
−
a · b = (−3, 5, 6) · (4, 0, 7)
−
→ →
−
= −3 · 4 + 5 · 0 + 6 · 7 Propiedades 9 Si −
→
a y b son ortogonales, entonces →
−
a · b = 0.
= −12 + 42 = 30.
(3) Sean −→u = (2, 3, 4) y −

→
v = (1, −2), luego →
−
u ·−
→
v no se puede
calcular, porque −
→
u ∈ R3 y −
→
v ∈ R2 .
41
8.5. Producto vectorial Como el producto vectorial entre dos vectores resulta otro vector, éste
último lo denotaremos por −
→
w . En este caso
Dados los vectores −
→
u = (u1, u2 , u3 ) y −
→
v = (v1 , v2 , v3 ) en R3 , se define
el producto vectorial o producto cruz de − →
u y− →v de la siguiente −
→
w =−
→
u ×−
→
v = (−22, −2, −3).
forma:
î ĵ k̂ î = (1, 0, 0), Observemos que

→
− −
→
u × v = u1 u2 u3 , donde ĵ = (0, 1, 0),
v1 v2 v3 k̂ = (0, 0, 1). −
→
w ·−
→
u = (−22, −2, −3) · (−1, 2, 6)
Ejemplos 34 Calculemos el producto vectorial de −
→u = (−1, 2, 6) y = 22 − 4 − 18 = 0,
→
−
v = (0, 3, −2), es decir
î ĵ k̂ mientras que
−
→
u ×−
→
v = −1 2 6
0 3 −2 −
→
w ·−
→
v = (−22, −2, −3) · (0, 3, −2)
2 6 −1 6 −1 2
= î − ĵ + k̂ = −6 + 6 = 0.
3 −2 0 −2 0 3
= −22î − 2ĵ − 3k̂
= (−22, −2, −3). Es decir, −
→
u ×− →
v da como resultado un vector que es ortogonal a −
→
u
→
−
y a v simultáneamente.
Por otro lado,
−
→
î ĵ k̂ Propiedades 10 Sean −
→u,− →
v y− →
w en R3 y α un escalar, se cumple
v ×−
→
u = 0 3 −2 que:
−1 2 6 →
−
(1) Si −
→
u y−
→v son paralelos, entonces −
→
u ×− →
v = 0.
3 −2 0 −2 0 3
= î − ĵ + k̂ →
−
2 0 −1 6 −1 2 En particular, −
→
u ×−→
u = 0.
= 22î + 2ĵ + 3k̂ (2) (α−→
u)×− →
v = α (−→
u ×−→
v ).
= (22, 2, 3).
(3) −
→u ×−→
v = −− →v ×−→
u.
Podemos deducir que
(4) →
−
u × (−
→
v +−
→
w) = −
→
u ×−
→
v +−
→
u ×−
→
w.
−
→
u ×−
→
v = −−
→
v ×−
→
u.
42
8.6. Producto mixto

(3)
Sean →
−
u,−
→v y−
→
w en R3 , se denomina producto mixto a la expresión −
→
→
− u · (−
→
v ×−
→
w) = −
→
v · (−
→
w ×−→u) =−→w · (−
→
u ×−→
v)
u · (−
→
v ×−→
w).
= − u · (w × v ) = −w · ( v × −
→
− →
− →
− →
− →
− →
u)
Ejemplos 35 Consideremos los vectores −
→
u = (1, 0, 3), −→
v =
(0, −1, 4) y −
→
w = (6, −1, −4), calculemos →
−
u · (−
→
v ×−
→
w ). Para esto
primero determinemos
Observación 4 − →u ·(−
→
v ×−→w ) representa el volumen del paralelepı́pedo
−
→
v ×−
→
w = (0, −1, 4) × (6, −1, −4) cuyas aristas son −
→u, −
→
v y− →
w . En consecuencia, el volumen del tetra-
edro cuyas aristas son u , v y −
→
− →
− →
w se calcula a través de
î ĵ k̂
= 0 −1 4 1−→
6 −1 −4 u · (−
→
v ×−
→
w)
6
−1 4 0 4 0 −1
= î − ĵ + k̂ Ejemplos 36
−1 −4 6 −4 6 −1
= 8î + 24ĵ + 6k̂ (1) Dados los vectores en R3 :
= (8, 24, 6). −
→
u = (1, 0, −1), →
−
v = (2, 3, 1) y →
−
w = (3, 2, −3).
Luego,
Determinemos:
−
→
u · (−
→
v ×−
→
w ) = (1, 0, 3) · (8, 24, 6) (a) El vector unitario de −
→
u +−
→
v
= 8 + 18 = 26. Desarrollo: Primero calculemos la suma de los vectores y
su módulo, es decir,
−
→
u +−
→
Propiedades 11 Sean − →
u = (u1 , u2, u3 ), →
−
v = (v1 , v2 , v3 ) y v = (1, 0, −1) + (2, 3, 1) = (3, 3, 0)
→
−
w = (w1 , w2 , w3 ), se cumple que:
y √
→
− →
− →
−
u1 u2 u3 ||−
→
u +−
→
v || = ||(3, 3, 0)|| = 18
(1) u · ( v × w ) = v1 v2 v3
w1 w2 w3
Luego
(2) Si alguno de los vectores es el vector nulo, entonces el producto
1 (3, 3, 0) 1 1
mixto es 0.
→
− →
− (−
→
u +−
→
v)= √ = √ , √ ,0
ku + v k 18 2 2
43
(b) El ángulo formado por los vectores →

−
u y (→
−
v − 2−
→
w) (2) Calcular el volumen del tetraedo cuyas aristas son −
→
a = (1, −2, 4),
→
− →
−
b = (0, 7, −5) y c = (3, 5, 2).
Desarrollo: Utilizando el hecho que
Solución:
−
→
u = (1, 0, −1) y →
−
v − 2−
→
w = (−4, −1, 7)
Para calcular el volumen pedido, lo primero que calculamos es
−
→ → →
−
Luego, a ·( b ×− c ), que es equivalente a calcular
→
−a
→
− 1 −2 4
u · (−→v − 2−→
w) →
− →
− →
− →
−
a · ( b × c ) = b = 0 7 −5 = −15
cos(θ) = →
|| u |||| v − 2−
− →
− →
w || →
−c 3 5 2
−11
=√
132 Por lo tanto, el volumen pedido es

−11
⇒ θ = arc cos √ = 163, 22◦ 1 15 5
132 | − 15|u3 = u3 = u3 .
6 6 2
→
−
(c) El área del paralelógramo formado por →
−
u y→
−
v. (3) Dados los vectores − →a = (1, 0, 1), b = (−3, 1, 5) y
→
−c = (−2, 0, 7), calcular, cuando sea posible y en caso de no
Desarrollo: Sabemos que el área del paralelogramo la obte- ser posible justificar porque no es posible,
nemos calculando k−
→
u ×−→v k. → →
−
(a) −
→a · b +− c
Es decir,
Desarrollo:
√ √ →
−
k−
→
u ×−
→
v k = k(3, −3, 3)k = 27 = 3 3u2 Como − →a · b es un escalar y →
−c es un vector, no podemos
calcular su suma.
→ →
−
(d) El volumen del paralelepı́pedo formado por →
−
u, →
−
v y−
→
w (b) k−
→ak b +− c
Desarrollo: Sabemos que el volumen del paralelepı́pedo vie- Desarrollo:
ne dado por |−
→
u · (−
→
v ×−
→w )|. Calculamos primero k−
→ √
a k = k(1, 0, 1)k = 2, luego
Es decir, → → √
−
k−
→
ak b +− c = 2(−3, 1, 5) + (−2, 0, 7)
√ √ √
|−
→
u · (−
→
v ×−
→
w )| = |(1, 0, −1) · (−11, 9, −5)| = 6u3 = (−3 2, 2, 5 2) + (−2, 0, 7)
√ √ √
= (−3 2 − 2, 2, 5 2 + 7).
44
→ →
−
(c) →
−
a × b ×−
c 8.7. Ejercicios
Desarrollo: −
→
I Dados los vectores →
−
a = (−1, 5), b = (−3, 1) y →
−c = (−1, 1).
Calculamos primero
Determinar:
i j k
−
→ →
− (a) La gráfica de los vectores señalados abajo.
a × b = 1 0 1 = −i − 8j + k = (−1, −8, 1).
−3 1 5 (b) El vector unitario asociado a los siguientes vectores.
(c) Comprobar que los vectores calculados en el apartado ante-
Luego, rior efectivamente son unitarios
−
→ → → −
− →
−
a × b ×−
c =(→
a × b)×−
→
c (1) →
−
a (6) 2→
−
a −−
→
c
i j k →
− → →
−
= −1 −8 1
(2) b (7) →
−
a +2 b −−
c
−2 0 7 (3) ~c → 1−
−
= − 56i + 5j − 16k →
− (8) 7 b + → c
(4) →
−
a +3b 3
=(−56, 5, −16). →
− →
−
(5) 7 b − 2−
→c (9) −
→a − b + 3−
→
c
→
−
(d) (→
−
a · b )×−
→
c
II Verificar si los siguientes pares de vectores son ortogonales:
Desarrollo: →
−
→
− (1) −→a = (−2, 1) y b = (1, 2)
Como − →a · b es un escalar y → −c es un vector, no se puede
→
−
calcular el producto vectorial. (2) −→c = (1, 0, 4) y d = (−1, 2, 1)
(3) −→u = (1, 1, 1, 1) y −
→v = (1, 0, −1, 0)

2
(4) v = −1, − , 5, 1 y −
→
− →w = (0, 3, 1, −2)
3
III Determinar un vector ortogonal a los siguientes pares de vectores,
luego comprobar que efectivamente el vector calculado es orto-
gonal a los dos anteriores:
→
−
(1) −
→a = (−2, 1, 1) y b = (1, 2, 3)
45
−c = (1, 0, 4) y −
(2) →
→
d = (−1, 2, 1) SECCIÓN 9
(3) −
→u = (1, 1, 1) y −
→v = (1, −1, 5)
Recta y plano

2
(4) v = −1, − , 1 y −
→
− →
w = (3, 1, −2)
3 9.1. Ecuación de la lı́nea recta

→
− 3
(5) u = 1, −1, y−→
v = (1, −1, 5) Sea L la recta que pasa por el punto A(x0 , y0 , z0 ) con vector director
5 −
→
v = (v1 , v2 , v3 ).
2
→
−
(6) v = −1, , −1 y − →
w = (−3, 1, −2) Si P es un punto que pertenece a la recta L, entonces podemos ex-
3 presarlo de la siguiente forma:
→
−
IV Dados los vectores −→
a = (1, −3, 6), b = (−2, 1, 1) y c = (1, 1, 8). L : P = A + t− →v , con t ∈ R
Calcular:
→
− ⇒ (x, y, z) = (x0 , y0 , z0 ) + t(v1 , v2 , v3 )
(1) El ángulo formado por −→
a y b. ⇒ (x, y, z) = (x0 + tv1 , y0 + tv2 , z0 + tv3 )
→
−
(2) El ángulo formado por b y 3→
−c .
De donde deducimos que
(3) El volumen del paralelepı́pedo y del tetraedro cuyas aristas x = x0 + tv1 ,
→ →
−
son −→a, b y − c. y = y0 + tv2 ,
→ →
− z = z0 + tv3
(4) El área del paralelogramo formado por − b y − c
Despejando t, obtenemos que:
x − x0 y − y0 z − z0
t= = =
v1 v2 v3
Ecuación vectorial
(x, y, z) = (x0 , y0 , z0 ) + t(v1 , v2 , v3 )
Ecuaciones parámetrica
x = x0 + tv1 ,
y = y0 + tv2 ,
z = z0 + tv3
46
−→ −→ −→
Ecuaciones simtétricas Por otro lado, AB, AC y AP son vectores coplanares y por tal motivo
−→ −→ −→
x − x0 y − y0 z − z0 AP · AB × AC = 0
= =
v1 v2 v3
x − x0 y − yo z − z0
⇒ x1 − x0 y1 − y0 z1 − z0 = 0.
x2 − x0 y2 − y0 z2 − z0
9.2. Ecuación del plano Lo cual se reduce a una ecuación de la forma
Tres puntos A(x0 , y0, z0 ), B(x1 , y1 , z1 ) y C(x2 , y2 , z2 ) no colineales ax + by + cz + d = 0, donde a, b, c, d ∈ R.

forman un plano, y cualquier punto P (x, y, z) que esté en dicho plano
puede ser expresado de la forma: Ecuación vectorial:
−→ −→ −→ −→
OP = OA + αAB + β AC, con α, β ∈ R.
−→ −→ −→ −→
OP = OA + αAB + β AC, con α, β ∈ R. Ecuaciones paramétricas:
Observemos que: x = x0 + α(x1 − x0 ) + β(x2 − x0 )

y = y0 + α(y1 − y0 ) + β(y2 − y0 )
−→ z = z0 + α(z1 − z0 ) + β(z2 − z0 )
OP = P − O = (x, y, z),
−→
OA = A − O = (x0 , y0 , z0 ), Ecuación cartesiana:
−→
AB = B − A = (x1 − x0 , y1 − y0 , z1 − z0 ), ax + by + cz + d = 0, donde a, b, c, d ∈ R.
−→
AC = C − A = (x2 − x0 , y2 − y0 , z2 − z0 ). Ejemplos 37
(1) Determinemos las ecuaciones del plano P1 que pasa por los puntos
Es decir,
A(1, 1, −2), B(−3, 0, 6) y C(2, 5, 1).
(x, y, z) = (x0 , y0, z0 )+α(x1 −x0 , y1−y0 , z1 −z0 )+β(x2 −x0 , y2 −y0 , z2 −z0 ) Desarrollo: Calculamos primero
−→
OP = P − O = (x, y, z),
De donde deducimos que −→
OA = A − O = (1, 1, −2),
−→
x = x0 + α(x1 − x0 ) + β(x2 − x0 ) AB = B − A = (−4, −1, 8),
y = y0 + α(y1 − y0 ) + β(y2 − y0 ) −→
AC = C − A = (1, 4, 3).
z = z0 + α(z1 − z0 ) + β(z2 − z0 )
47
Luego, la ecuación vectorial es: Luego, las ecuaciones simétricas las obtenemos de
−→ −→ −→ −→
OP = OA + αAB + β AC, con α, β ∈ R P = A + T− →v
⇒ (x, y, z) = (1, 1, −2) + α(−4, −1, 8) + β(1, 4, 3) ⇒ (x, y, z) = (−1, 2, 3) + t(1, 0, 3)
⇒ (x, y, z) = (−1 + t, 2, 3 + 3t)
Por otro lado, las ecuaciones paramétricas son: x = −1 + t 

z−3 )
t = x+1=
⇒ y = 2 ⇒ 3
x = 1 − 4α + β, z = 3 + 3t
 y = 2
y = 1 − α + 4β,
z = −2 + 8α + 3β.
(b) Observemos que:
Finalmente, la ecuación cartesiana es: −→
AB = (1, 0, −4) − (−1, 2, 3) = (2, −2, −7);
x−1 y−1 z+2 −→
AC = (1, 0, 3)
−4 −1 8 =0
1 4 3 Luego
⇒ −27(x − 1) + 20(y − 1) − 15(z + 2) = 0
⇒ −27x + 27 + 20y − 20 − 15z − 30 = 0 i j k
−→ −→ →
−
AB × AC = 2 −2 −7 = (−6, −13, 2) = N
⇒ −27x + 20y − 15z − 23 = 0. 1 0 3
y
(2) Dados los puntos A(−1, 2, 3), B(1, 0, −4) y C(0, 2, 6), determi-
nar: −→
AP = (x, y, z) − (−1, 2, 3) = (x + 1, y − 2, z − 3)
(a) Las ecuaciones simétricas de la recta L que pasa por los
puntos A y C. Por lo tanto,
(b) La ecuación del plano P que contiene a A, B y C. − −→
→
N · AP = 0
Desarrollo: ⇒ (−6, −13, 2) · (x + 1, y − 2, z − 3) = 0
⇒ −6x − 6 − 13y + 26 + 2z − 6 = 0
(a) Calculamos el vector director de la recta
⇒ −6x − 13y + 2z + 14 = 0
−
→
v = C − A = (0, 2, 6) − (−1, 2, 3) = (1, 0, 3).
48
(3) Determinemos la intersección del plano P1 : 3x − y − 2z − 2 = 0 (4) Determinemos la intersección entre los planos
y la recta L1 : (x, y, z) = (2 − t, 1 + t, 4 − 5t).
P1 : x − 2y + z = 0 y P2 : x + y + −3z + 1 = 0.
Desarrollo:
Verifiquemos primeramente que hay intersección entre estos dos −
→ −
→
Desarrollo: Observemos que N1 = (1, −2, 1) y N2 = (1, 1, −3)
elementos. Para esto, analizaremos la dirección tanto de la recta
no son paralelos, por tal motivo tampoco lo son P1 y P2 .
como del plano.
−
→ Luego, existe una recta L ∈ P1 ∩ P2 . El vector director →
−
v de
Podemos observar que N1 = (3, −1, −2) y − →
v1 = (−1, 1, −5).
dicha recta lo podemos determinar calculando
Como
−
→ − → ı̂ ̂ k̂
−
→ →
N1 · −
v1 = (3, −1, −2) · (−1, 1, −5) = −3 − 1 + 10 = 6 6= 0, N1 × N2 = 1 −2 1
1 1 −3
−→ →
entonces N1 y − v1 no son ortgonales, en consecuencia la recta = (6 − 1)ı̂ − (−3 − 1)̂ + (1 + 2)k̂
y el plano no son paralelos. Por lo tanto, el plano y la recta se −
→
⇒ v = (5, 4, 3)
intersectan en un punto.
Este punto P debe cumplir simultáneamente las condiciones Por otro lado, necesitamos un punto P (x, y, z) de la recta, cuyas
coordenadas deben satisfacer el sistema:
3x − y + z − 2 = 0 y (x, y, z) = (2 − t, 1 + t, 4 − 5t).

Luego, x − 2y + z = 0
x + y + −3z + 1 = 0
3x − y + z = 0
⇒ 3(2 − t) − (1 + t) + 4 − 5t = 0 Como este sistema tiene infinitas soluciones, podemos escoger
1 2
⇒ 6 − 3t − 1 − t + 4 − 5t = 0 x = 0. En ese caso, obtenemos que y = y z = .
5 5
⇒ 9 − 9t = 0
Por lo tanto, la ecuación de la recta intersección es
⇒ t = 1.

1 2
Finalmente, el punto intersección es: (x, y, z) = 0, , + t(5, 4, 3)
5 5
P (x, y, z) = P (2 − t, 1 + t, 4 − 5t) = P (1, 2, −1).
49
(5) Determinemos la ecuación vectorial y general del plano P que Desarrollo: Observemos que los vectores normales de los planos
−
→ −
→
contiene a los puntos A(1, −3, 2), B(2, 0, 4) y C(1, −5, 1). son N1 = (3, −1, 1) y N2 = (2, 1, −3). Luego
Desarrollo: El Plano P tiene la forma vectorial: ı̂ ̂ k̂
3 −1 1 = (2, 11, 5) = −
→
v.
→
− −→ −→ 2 1 −3
P : A + sAB + tAC
Por lo tanto, la ecuación de la recta es:
−→
AB = (2, 0, 4) − (1, −3, 2) = (1, 3, 2)
−→ L : (x, y, z) = (1, 0, 3) + t(2, 11, 5).
AC = (1, −5, 1) − (1, −3, 2) = (0, −2, −1)
(7) Determinemos la ecuación de la recta normal del plano P que pasa

entonces: x−2 y+1
por el punto de intersección entre la recta L : = =
3 2
P : (x, y, z) = (1, −3, 2) + s(1, 3, 2) + t(0, −2, −1) 1 − z y el plano P : x + y − z = 6.
Desarrollo: Observemos que
Luego la ecuación general esta dada por: x−2 y+1
L: = =1−z
3 2
⇒ L : (x, y, z) = (2, −1, 1) + t(3, 2, −1)

x−1 y+3 z−2 x = 2 + 3t 
1 3 2 =0 ⇒ y = −1 + 2t
0 −2 −1 z = 1−t

3 2 1 2 1 3
(x − 1) · − (y + 3) · + (z − 2) · =0 Luego, reemplazando en la ecuación del plano, obtenemos que
−2 −1 0 −1 0 2
(x − 1) · (1) − (y − 3) · (−1) + (z − 2) · (2) = 0 x+y−z =6
x − 1 + y − 3 + 2z − 4 = 0 ⇒ 2 + 3t − 1 + 2t − (1 − t) = 6
x + y + 2z − 8 = 0 ⇒t=1
Es decir, el punto de intersección es A(2 + 3t, −1 + 2t, 1 − t) =

(6) Determinemos la ecuación de la recta L que es paralela a la recta A(5, 1, 0). Por lo tanto, la ecuación de la recta normal es
intersección de los planos P1 : 3x−y+z = 4 y P2 : 2x+y−3z = 2,
y que pasa por A(1, 0, 3). LN : (x, y, z) = (5, 1, 0) + m(1, 1, −1)
50
9.3. Ejercicios IV. Obtener toda la información posible de cada una de las siguientes
rectas:
I. Determinar si los siguientes pares de rectas son paralelas o per- 2−x 5−y −z
(1) L : = =
pendiculares: 4 2 4
2−x 5+y z 2−x 1−z
(1) L1 : = = y L2 : (x, y, z) = (3 − t, 4, 5 + t) (2) L : = 7−y =
4 2 4 3 4
x+1 y z+2
(2) L1 : (x, y, z) = (3, 4, 1 − t) y L2 : (x, y, z) = (3) L : = =
(−1, 2, 4 − 6t) 4 2 4
−2 − x 5+y z−3
(3) L1 : (x, y, z) = (2 + 4t, 6t, −t) y (4) L : = =
9 2 5
L2 : (x, y, z) = (3 − 2t, 1 + t, 495 − 2t)
V. Encontrar la ecuación del plano que pasa por los puntos
II. Determinar el vector asociado a cada par de puntos: A(1, 0, −1) y B(2, 1, 3) que es perpendicular al plano
(1) A (1, −4, −7) y B (−8, 3, 2) P1 = {(x, y, z) ∈ R3 /x + y − z + 2 = 0}

(2) C (12, −4, 0) y D (7, 0, −2)
VI. (1) Encontrar la ecuación del plano que pasa por los puntos
2 A(1, 0, −1) y B(2, 1, 3) que es perpendicular al plano
(3) E (1, 4, 5) y F −8, −3,
3
(4) A (3, 2, 1) y B (1, 1, 1) P1 = {(x, y, z) ∈ R3 /x + y − z + 2 = 0}
III. Determinar la ecuación general del plano P sabiendo que: (2) Hallar la ecuación cartesiana del plano que pasa por el punto
(1) pasa por el punto (−1, 4, 5) y tiene vector normal A(1, 2, −3) y por la intersección del plano x − y + 2z = 4
→
− con el plano XY
N = (1, 1, 1)
(3) Hallar la ecuación del plano que pasa por el punto A(3, 4, 1)
(2) pasa por el punto (2, 3, −5) y tiene vector normal
→
− y es ortogonal a los planos P1 : x − y = 4 y P2 : x + z = 6
N = (1, −1, −1)
(4) Determinar la ecuación del plano que pasa por A(1, 2, −3)
(3) pasa por el punto (1, 3, −5) y tiene vectores directores y es paralelo al plano 3x − y + 2z = 4
→
−
v = (1, −1, −1) y −
→
u = (4, −1, −1)
(5) Determinar la ecuación del plano que pasa por los puntos
(4) pasa por el punto (3, 0, −1) y tiene vectores directores A(1, 0, −1) y B(−1, 2, 1) y es paralelo a la recta de inter-
→
−
v = (2, 3, −1) y −
→
u = (7, −8, 9) sección de los planos 3x + y − 2z = 6 y 4x − y + 3z = 0
51
(6) Un plano P pasa por el punto A(3, 1, −1) que es perpendi- (14) Hallar la ecuación de la recta que pasa por el punto A(2, 0, 1)
cular al plano 2x − 2y + z = 4 y tiene un intercepto z = −3, e intercepta a la recta L1 = {(1, 2, 3) + t(2, 2, 3)/t ∈ R} en
determinar su ecuación ángulo recto.
(7) Hallar la ecuación de la recta que pasa por el punto (15) La recta L1 pasa por el punto A(2, 1, 5) e intercepta per-
A(1, −1, 1) que es ortogonal a la recta 3x = 2y = z y x−1 y+2 z−3
pendicularmente a la recta L2 : = = .
paralela al plano x + y − z = 0 3 4 2
Determinar la ecuación de la recta L1 .
(8) Determinar la ecuación vectorial de la recta L1 que pasa por
el punto A(−2, 1, 3) es perpendicular e intercepta a la recta (16) Hallar la ecuación de la recta L1 que pasa por el punto medio
de AB, donde A(5−, −4, 4) y B(3, −2, −4) y corta a la
L2 = {(2, 2, 1) + t(1, 0, −1)/t ∈ R} recta L2 = {(1, 1, 1) + t(−3, −8, −3)/t ∈ R}
(9) Por lo puntos A(−6, 6, −5) y B(12, −6, 1) se ha trazado una (17) L1 es una recta que pasa por los punto A(2, 1, −1) y
recta. Hallar los puntos de intersección de esta recta con los B(5, −1, 3), mientras que L2 pasa por C(−4, 2, −6) y corta
planos coordenados. perpendicularmente a L1 . Hallar la ecuación de L1
(10) Dados los vértices de un triángulo A(3, 6, −7), B(−5, 2, 3) y (18) Hallar la ecuación vectorial de la recta L1 que intercepta en
C(4, −7, −2). Hallar las ecuaciones paramétricas de su me- ángulo recto a las rectas L2 = {(3, 4, 3)+t(2, 2, 3)/t ∈ R} y
diana, trazada desde el vértice C. L3 = {(1, 6, −1) + m(−1, 2, 0)/m ∈ R}
(11) Hallar las ecuaciones de la recta L1 que pasa por el punto (19) A(1, −2, −4), B(3, 1, −3) y C(5, 1, −7) son vértices de un
A(−1, 0, 2), es ortogonal a la recta triángulo. Determinar:
L2 = {(2, 2, 0) + t(5, −2, −3)/t ∈ R} (a) Si el triángulo es equilátero.
x−1 y
y que corta a la recta L3 = = =z−1 (b) Si el triángulo es rectángulo.
2 5
(12) Hallar las ecuaciones de la recta que pasa por el punto (c) Las ecuaciones paramétricas de la altura bajada desde
x+1 y+3 el vértica B al lado opuesto.
A(−1, 2, −3) y se corta con las rectas L1 : = =
3 −2 (20) Hallar la ecuación de la recta L1 que pasa por el punto
x−2 y+1 z−1
2 − z y L2 : = = A(3, 4, −5), corta a la recta L2 = {(1, 3, −2)+t(4, 3, 2)/t ∈
2 3 −5 x−4 y+2
(13) Hallar las ecuaciones de la recta que pasa por el punto R} y es ortogonal a la recta L3 : = ,z = 5
2 3
A(−1, 2, −3), es ortogonal al vector −
→
a = (6, −2, −3) y
x−1 y+1 3−z (21) Hallar la ecuación de la recta L que pasa por A(2, 1, 5) y es
se corta con la recta = = ortogonal a los vectores − →
v = (1, −1, 2) y −
→
u = (2, 1, −1).
3 2 5
52
(22) Hallar el punto de intersección, si existe, de las rectas: (29) Hallar la ecuación del plano P que pasa por los puntos
x x−1 z+3 A(−2, −3, 5) y B(4, 6, −10) y es perpendicular al plano XZ.
(a) L1 : = 2 − y = z + 1 y L2 : =y+2=
3 4 −3 (30) Hallar la ecuación del plano P1 que pasa por la intersección
2−x y−2 x−3 de los planos P2 : 2x − y − 5z = 4 y P3 : 3x + y − z = 0 y
(b) L1 : = = z − 3 y L2 : = y+5 = es paralelo al plano P4 : 12x − y − 17z + 14 = 0.
3 6 2
z+2
Importante: Los ejercicios fueron sacados del libro Geometrı́a
4
Vectorial en R3 del autor Eduardo Espinoza Ramos.
(23) Hallar la ecuación del plano P1 que pasa por el punto
A(3, 1, −1), es perpendicular el plano P2 : 2x−2y+z+4 = 0
y su intersección con el eje z es −3.
(24) Determinar la ecuación del plano P1 que pasa por la recta
x+1 y−1 z−2
L : = = y es perpendicular al plano
3 2 4
P2 : 2x + y + 2z = 0.
(25) Encontrar la ecuación del plano que pasa por los puntos
A(−2, 5, 3) y B(4, 8, −8) y es perpendicular al plano XZ.
(26) Determinar la recta intersección entre los planos
P1 : 4x + 3y + z = 0
y P2 : x + y − z = 15.
(27) Hallar la ecuación del plano que pasa por la recta de intersec-
ción de los planos P1 : 3x−y +2z = 5 y P2 : 8x+2y −z = 3
y que contiene al origen.
(28) Hallar la ecuación del plano P1 que pasa por la recta
x+2 3−y z
L1 : = =
2 3 4
x+1 y−1 z+1
y es paralela a la recta L2 : = = .
3 2 2
53
Parte III
(6) Seudo-asociatividad:
Espacios vectoriales α ⊙ (βv) = (αβ) ⊙ v
SECCIÓN 10 (7) Distributividad:

Espacio vectorial (a) α ⊙ (u ⊕ v) = α ⊙ u ⊕ α ⊙ v
(b) (α + β) ⊙ v = α ⊙ v ⊕ β ⊙ v
10.1. Conceptos básicos (8) Unimodular:
1⊙v =v
Definición 27 Sea V un conjunto no vacı́o. Un espacio vectorial,

que abreviaremos por e.v., es una terna (V, ⊕, ⊙), tal que para todos Veamos un ejemplo de espacio vectorial.
u, v, w ∈ V y α, β ∈ R se cumple que: Ejemplos 38 C = {z = a + bi : a, b ∈ R} tal que ⊕ es la suma usual
(1) Clausura o cerradura: de números complejos y ⊙ producto usual de números complejos, es
decir, dados z = a + bi, w = c + di y α ∈ R:
u⊕v ∈V
z ⊕ w = a + bi + c + di = a + b + (c + d)i
(2) Asociatividad:
y
u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w α ⊙ z = α(a + bi) = αa + αbi.
Verifiquemos que (C, ⊕, ⊙) es un espacio vectorial.
(3) Conmutatividad:
u⊕v = v⊕u Clausura: Como z ⊕ w = a + b + (c + d)i ∈ C, entonces se cumple
la clausura.
(4) Elemento neutro: Existe e ∈ V tal que
Asociatividad: Consideremos los números complejos z = a + bi,
e⊕v = v⊕e= v w = c + di y x = m + ni, observemos que:
z ⊕ (w ⊕ x) = (a + bi) ⊕ ((c + di) ⊕ (m + ni))

(5) Elemento opuesto: Para cada v ∈ V existe a ∈ V tal que
= (a + bi) ⊕ (c + m + (d + n)i)
v⊕a= a⊕v = e = a + c + m + (b + d + n)i.
54
Por otro lado, Distributividad:

(z ⊕ w) ⊕ x = ((a + bi) ⊕ c + di) ⊕ (m + ni) (a) Veamos que
= (a + c + (b + d)i) ⊕ (m + ni)
= a + c + m + (b + d + n)i. α ⊙ (z ⊕ w) = α ⊙ ((a + bi) ⊕ (c + di))
Es decir, se cumple que z ⊕ (w ⊕ x) = (z ⊕ w) ⊕ x. = α ⊙ (a + c + (b + d)i)
= α(a + c) + α(b + d)i,
Conmutatividad: Veamos que
z ⊕ w = (a + bi) ⊕ (c + di) de igual forma
= a + c + (b + d)i
α ⊙ z ⊕ α ⊙ w = α ⊙ (a + bi) ⊕ α ⊙ (c + di)
y
= (αa + αbi) ⊕ (αc + αdi)
w ⊕ z = (c + di) ⊕ (a + bi) = αa + αc + αbi + αdi
= c + a + (d + b)i = α(a + c) + α(b + d)i.
= a + c + (b + d)i.
Por lo tanto, se cumple la conmutatividad. (b) Además,
Elemento neutro: Para cada z ∈ C, el elemento neutro es
(α + β) ⊙ z = (α + β) ⊙ (a + bi)
e = 0 = 0 + 0i ∈ C.
= (α + β)a + (α + β)bi
Elemento opuesto: Para cada z ∈ C, el elemento opuesto es
y
−z = −a − bi.
α ⊙ z ⊕ βz = α ⊙ (a + bi) ⊕ β(a + bi)
Seudo-asociatividad: Esta propiedad se cumple, porque
= (αa + αbi) ⊕ (βa + βbi)
α ⊙ (β ⊙ z) = α ⊙ (β ⊙ (a + bi)) = αa + βa + αbi + βbi
= α ⊙ (βa + βbi) = (α + β)a + (α + β)bi.
= αβa + αβbi.
Luego, Unimodular: Se cumple considerando que 1 ∈ C
(αβ) ⊙ z = (αβ) ⊙ (a + bi) = αβa + αβbi.
Por lo tanto C es un espacio vectorial.
55
10.2. Base Ejemplos 40 Verifiquemos si S es un sistema generador del espacio

vectorial indicado.
(1) S = {(−1, 2, 0), (3, 2, −4), (4, 2, 5)} de R3
Definición 28 Sean los elementos {vi }ni=1 de un espacio vectorial V
y {αi }ni=1 escalares. Una combinación lineal, denotada por cl, de Para esto, debemos determinar los escalares α, β y γ tal que
los elementos vi es una expresión de la forma cualquier elemento (x, y, z) ∈ R3 pueda expresarse de la forma:
α1 v1 + α2 v2 + . . . + αn vn (x, y, z) = α(−1, 2, 0) + β(3, 2, −4) + γ(4, 2, 5)
Luego,
Ejemplos 39 (x, y, z) = α(−1, 2, 0) + β(3, 2, −4) + γ(4, 2, 5)

= (−α + 3β + 4γ, 2α + 2β + 2γ, −4β + 5γ)
(1) Consideremos los vectores −→
u = (1, 2, −3) y −
→
v = (3, 5, −12). Las
siguientes expresiones son combinaciones lineales de −
→
u y−→
v: Es decir, 
x = −α + 3β + 4γ 
3−
→
u + 2−
→v = 3(1, 2, −3) + 2(3, 5, −12) = (9, 16, −33), y = 2α + 2β + 2γ

→
− −
→
−5 u + v = −5(1, 2, −3) + (3, 5, −12) = (−2, −5, 3), z = −4β + 5γ
0−
→u −−
→v = −−→
v = (−3, −5, 12). Resolviendo el sistema, obtenemos que
−18x + 3y + 2z
α= ,
80
Definición 29 Un elemento v de un espacio vectorial V es combi- 2x + y − 2z
β= ,
nación lineal de los elementos {v1 , v2 , . . . , vn }, si existen escalares 16
α1 , α2 , . . . , αn tal que: 2x + y + 2z
γ= .
20
v = α1 v1 + α2 v2 + . . . αn vn
Lo cual implica que
−18x + 3y + 2z 2x + y − 2z
(x, y, z) = (−1, 2, 0) + (3, 2, −4)
80 16
Definición 30 Un subconjunto no vacı́o S de un espacio vectorial 2x + y + 2z
V es un sistema generador de V , si todo elemento de V puede + (4, 2, 5)
20
expresarse como combinación lineal de los elementos de S.
Por lo tanto, R2 = hSi.
56
En particular, si quisiéramos determinar la combinación lineal para Lo cual indica que el sistema tiene infinitas soluciones, en tal caso
conseguir el (3, 0, 6), basta con reemplazar x = 3, y = 0 y z = 6 podemos considerar γ = 0 obteniendo que
en la ecuación
8x − 7y y + 2x
−18x + 3y + 2z 2x + y − 2z α= y β=
(x, y, z) = (−1, 2, 0) + (3, 2, −4) 22 22
80 16
2x + y + 2z Entonces,
+ (4, 2, 5)
20
8x − 7y y + 2x
Es decir, (x, y) = (1, −2) + (7, 8) + 0(9, 0)
22 22
−18 · 3 + 2 · 6 2·3−2·6
(3, 0, 6) = (−1, 2, 0) + (3, 2, −4) Por lo tanto, R2 = hSi.
80 16
2·3+2·6
+ (4, 2, 5) Por último observemos que al considerar γ = 0 es equivalente a
20 afirmar que el conjunto S no necesita al vector (9, 0) para generar
21 3 9
= − (−1, 2, 0) − (3, 2, −4) + (4, 2, 5) a R2
40 8 10
(2) S = {(1, −2), (7, 8), (9, 0)} de R2 Definición 31 Un subconjunto no vacı́o B de un espacio vectorial V
es base de V , si cumple simultáneamente:
Debemos verificar si existen escalares α, β y γ tal que
(1) B es un sistema generador de V .
(x, y) = α(1, −2) + β(7, 8) + γ(9, 0)
(2) B es un conjunto linealmente independiente.
para todo (x, y) ∈ R2 .
Luego,
(x, y) = α(1, −2) + β(7, 8) + γ(9, 0) 10.3. Ejercicios
= (α + 7β + 9γ, −2α + 8β)
Verificar cuidadosamente cual de los siguientes conjuntos son espacios
Es decir, vectoriales con las operacones ⊕ y ⊙ indicadas.

x = α + 7β + 9γ I. Determinar la dependencia lineal de los siguientes conjuntos en
y = −2α + 8β los espacios vectoriales dados:
De donde obtenemos que
(1) {(−1, 0, 3), (4, 3, −1), (1, 0, 9)} en R3
8x − 7y + 72γ y + 2x + 18γ
α= y β= (2) {(2, 4, −1), (1, 1, 5), (−1, −3, 6), (1, 3, −6)} en R3
22 22
57
(3) {x2 − 3x + 1, x − 3, 1 + x2 } en P2 (x) IV. Indicar cual de los siguientes conjuntos forman una base para el
espacio vectorial indicado, señalando la dimensión de cad uno:
(4) {x2 − 3x + 1, x − 3, 1 + x2 } en P3 (x)
(1) {(−1, 0), (2, 3)} en R2
0 −2 5 0 5 −2
(5) , , en M2 (R) 0 −2 1 0 0 −2
3 1 −2 1 1 2 (2) , , en M2 (R)
3 6 −3 1 1 4
0 4 5 0 5 −2 5 −2
(6) , , , en 0 −2 1 0 0 −2 1 −4
3 1 0 1 1 2 1 −1 (3) , , , en
M2 (R) 3 6 −3 1 1 4 1 11
M2 (R)
(7) {3 − 2i, 4 + i} en C
0 −2 1 0 0 −2 1 −4
(4) , , , en
(8) {3 − 2i, 4 − i, 5} en C 3 6 −3 1 1 4 1 12
      M2 (R)
 0 4 5 
(9)  1  , 0 , 1  en M3×1 (R)
   (5) {3 − i, 4 − i} en C
 
−2 3 0 (6) {x2 − 7x + 1, x2 + 3} en P2 (x)
II. Determinar el valor de a para que los siguientes conjuntos sean (7) {−x2 + 1, x − 3, 1 + x} en P2 (x)
linealmente dependientes:
(8) {x2 − 3x + 1, x − 3, x2 − 5x + 1} en P2 (x)
(1) {(−1, a), (2 − a, 3)} en R2
(9) {x2 − x + 1, x + 4, 1 − x2 } en P2 (x)
(2) {7a + i, 3 − ai} en C
V. Indicar si el elemento dado es combinación lineal del conjunto
3
(3) {(−1, a, a), (4, 3, −a), (1, 2, 3)} en R dado, en caso afirmativo presentar dicha combinación lineal:

a 4 5 a 5 −2 5 −2 (1) x2 − x + 5 de {2 − x, 4 + x2 , 5x + 2x2 }
(4) , , , en
3 1 0 1 0 2 1 −1
(2) (3, −2, 5) de {(3, 0, 2), (5, 4, 2), (−1, −1, −1), (0, 0, 1)}
M2 (R)
1 −4 1 −4 1 −4
III. Determinar la base canónica de los siguientes espacios vectoriales: (3) de ,
0 4 4 12 1 0
(1) R2 (4) M3×1 (R) (7) P1 (x) (4) 1 + 6i de {3 − 5i, 4 + i}
(2) C2 (5) M2×3 (R) (8) P2 (x)

(3) C3 (6) M3 (R) (9) P3 (x)
58
SECCIÓN 11 Propiedad (b):

Transformaciones lineales
Veamos qué ocurre con la segunda condición:
11.1. Conceptos básicos T (ku) = (ku, 3ku) = k(u, 3u) = kT (u)
En esta sección estudiaremos una aplicación especial entre espacios

vectoriales, denominada transformación lineal, y algunas de sus propie- Por lo tanto, la aplicación T es una transformación lineal.
dades.
(2) T : C → R tal que
Definición 32 Sean U y V dos espacios vectoriales sobre K.
Una transformación lineal T : U → V es una aplicación tal que T (x + yi) = x + y + 2
para todo u, v ∈ U y k ∈ K se cumple que:
(a) T (u + v) = T (u) + T (v) Propiedad (a):
(b) T (ku) = kT (u)
Sean u, v ∈ C, es decir, u = x + yi y v = a + bi, luego
Ejemplos 41 Verifiquemos si las siguientes aplicaciones son transfor- T (u + v) = T (x + yi + a + bi)

maciones lineales:
= T ((x + a) + (y + b)i)
(1) T : R → R2 tal que T (x) = (x, 3x). = x + a + y + b + 2.
Propiedad (a):
Sean u, v ∈ R, luego Por otro lado,
T (u + v) = (u + v, 3(u + v)) = (u + v, 3u + 3v)
T (u) + T (v) = T (x + yi) + T (a + bi)
Por otro lado, =x+y+2+a+b+2
= x + a + y + b + 4.
T (u) + T (v) = (u, 3u) + (v, 3v)
= (u + v, 3u + 3v) = T (u + v)
Por lo tanto, la primera condición no se cumple. En consecuencia,
Es decir, se cumple la primera condición. T no es una transformación lineal.
59
(3) T : R3 → M2×3 tal que Propiedad (b):
Veamos qué ocurre con la segunda condición:

x 3x + y x − 4y
T (x, y, z) = .
y + 2z x + z x − 2z
T (αu) = T (α(x, y, z))
= T (αx, αy, αz)

αx 3αx + αy αx − 4αy
Propiedad (a): =
αy + 2αz αx + αz αx − 2αz

x 3x + y x − 4y
Sean u, v ∈ R3 , es decir u = (x, y, z) y v = (a, b, c), luego =α
y + 2z x + z x − 2z
= αT (x, y, z) = αT (u).
T (u + v) = T ((x, y, z) + (a, b, c))
=T (x + a, y + b, z + c) Por lo tanto, la aplicación T es una transformación lineal.

x+a 3(x + a) + y + b x + a − 4(y + b)
= (4) T : R2 → M2 tal que
y + b + 2(z + c) x + a + z + c x + a − 2(z + c)

x+a 3x + 3a + y + b x + a − 4y − 4b
= x x2 + y
y + b + 2z + 2c x + a + z + c x + a − 2z − 2c T (x, y) = .
y x
Por otro lado,

Propiedad (a):
T (u) + T (v) = T (x, y, z) + T (a, b, c) Sean u, v ∈ R2 , es decir u = (x, y) y v = (a, b), luego

x 3x + y x − 4y a 3a + b a − 4b
= +
y + 2z x + z x − 2z b + 2c a + c a − 2c T (u + v) =T ((x, y) + (a, b))

x+a 3x + 3a + y + b x + a − 4y − 4b =T (x + a, y + b)
=
y + b + 2z + 2c x + a + z + c x + a − 2z − 2c
x + a (x + a)2 + y + b
=T ((x, y, z) + (a, b, c)) = T (u + v). =
y+b x+a

x + a x2 + 2ax + a2 + y + b
=
Es decir, se cumple la primera condición. y+b x+a
60
Por otro lado,

T (u) + T (v) = T (x, y) + T (a, b) Propiedades 13 Si T : U → V es una transformación lineal,

x x2 + y

a a2 + b
entonces Ker(T ) es un subespacio vectorial de U.
= +
y x b a

x + a x2 + y + a2 + b
Ejemplos 42
=
y+b x+a (1) T : M2×1 → R2 tal que
6= T ((x, y) + (a, b)).
a
T = ( a − 3b , 2a + b ).
Por lo tanto, la aplicación T no es una transformación lineal. b

Propiedades 12 Si T : U → V es una transformación lineal, a
Toda matriz ∈ Ker(T ), debe cumplir que:
entonces para todo u, u1, u2, . . . , un ∈ U y αi escalares se cumple b
que:
a
T = (0, 0)
(a) T (0U ) = 0V b
(b) T (−u) = −T (u) ⇒ ( a − 3b , 2a + b ) = ( 0 , 0 )

a − 3b = 0
(c) T (α1 u1 + α2 u2 + . . . + αn un ) = α1 T (u1 ) + α2 T (u2 ) + . . . + ⇒ .
2a + b = 0
αn T (un )
(d) Si S es subespacio de U, entonces T (S) es un subespacio de De donde obtenemos que a = 0 y b = 0.

V 0
Por lo tanto, Ker(T ) = y Dim(Ker(T )) = 0.
0
(2) T : P2 (x) → R2 tal que:
11.2. Núcleo e imagen
T (ax2 + bx + c) = (3a − 2b, b + 3c).
Todo polinomio ax2 + bx + c ∈ Ker(T ), debe cumplir que:
Definición 33 El núcleo de una transformación lineal T : U → V ,
denotado por Ker(T ), es el conjunto formado por todos los u ∈ U tal T (ax2 + bx + c) = (0, 0)
que T (u) = 0V . Es decir, ⇒ (3a − 2b, b + 3c) = (0, 0)

Ker(T ) = {u ∈ U : T (u) = 0V } 3a − 2b = 0
⇒ .
b + 3c = 0
61
De donde obtenemos que a = −2c y b = −3c. Es decir,

Por lo tanto, *     +
3 2 −1
ax2 + bx + c = −2cx2 − 3cx + c = c(−2x2 − 3x + 1), Im(T ) = 1 , −4 , 3  .
   
2 6 −5
ker(T ) = h−2x2 − 3x + 1i y Dim(Ker(T )) = 1
Definición 34 La imagen de una transformación lineal T : U → V , Analicemos la linealidad del conjunto

denotado por Im(T ), es el conjunto:      
 3 2 −1 
Im(T ) = {v ∈ V : v = T (u) para algún u ∈ U} . 1 , −4 ,  3  .
 
2 6 −5
Propiedades 14 Si T : U → V es una transformación lineal, Para esto, vesmos que

entonces Im(T ) es un subespacio vectorial de V .
3 2 −1
Ejemplos 43 Determinemos la imagen de cada una de las siguientes 1 −4 3 = 14 6= 0.
transformaciones lineales: 2 6 −5
(1) T : M3×1 (R) → M3×1 (R) tal que:

    Por lo tanto,
x 3x + 2y − z      
T y  =  x − 4y + 3z   3 2 −1 
1 , −4 ,  3 
z 2x + 6y − 5z  
2 6 −5
Solución: Observemos que: es linealmente independiente.
       
3x + 2y − z 3x 2y −z
 x − 4y + 3z  =  x  + −4y  +  3z  Luego,
     
2x + 6y − 5z 2x 6y −5z  3 2 −1 
      BaseIm(T ) =  1 , −4 , 3 
   
3 2 −1  
2 6 −5
= x 1 + y −4 + z 3 
    
2 6 −5 y Dim(Im(T )) = 3.
62
(2) T : R4 → R2 tal que:

(b) epimorfismo, si T es epiyectiva.
T (x, y, z, w) = (x − y + z, 4x + z − 2w)
(c) isomorfismo, si T es biyectiva.
Solución: Observemos que
El siguiente resultado, muestra la relación entre un monomorfismo y el
T (x, y, z, w) = (x − y + z, 4x + z − 2w) núcleo de una transformación lineal.
= (x, 4x) + (−y, 0) + (z, z) + (0, −2w)
= x(1, 4) + y(−1, 0) + z(1, 1) + w(0, −2) Propiedades 16 Una transformación lineal T : U → V es mono-
morfismo si y sólo si Ker(T ) = {0}.
Luego,
Im(T ) = h(1, 4), (−1, 0), (1, 1), (0, −2)i. Ejemplos 44 De los ejemplos anteriores vemos que

Sin embargo, el conjunto a
T = ( a − 3b , 2a + b )
b
{(1, 4), (−1, 0), (1, 1), (0, −2)}
es un monomorfismo, mientras que
no es linealmente independiente, por lo cual no forma una base
para Im(T ). T (ax2 + bx + c) = (3a − 2b, b + 3c)
no lo es.
Propiedades 15 (Teorema de la dimensión) Si T : U → V es
una transformación lineal, entonces Propiedades 17 Una transformación lineal T : U → V es epi-
morfismo si y sólo si Dim(Im(T )) = Dim(V ).
Dim(U) = Dim(Ker(T )) + Dim(Im(T )).
Problema: Determinar la posible transformación lineal T : R2 → R2

tal que:
T (1, 3) = (6, −5) y T (0, −1) = (−1, 2)
11.3. Isomorfismo
Solución: Veamos primeramente que el conjunto
Definición 35 Una transformación lineal T : U → V es: S = {(1, 3), (0, −1)}
(a) monomorfismo, si T es inyectiva. es una base para R2 . Para esto verificamos que S es linealmente inde-
pendiente y es un sistema generador de R2 .
63
1 3 (e) Si son monomorfismos, epimorfismos y/o isomorfismos.

Como = −1 6= 0, entonces S es l.i.
0 −1
(1) T : R3 → R3 tal que
Por otro lado, de la igualdad (x, y) = α(1, 3) + β(0, −1), obtenemos
que α = x y β = 3x − y. Es decir, R2 = h(1, 3), (0, −1)i. T (x, y, z) = (3x − 5y, x + z, 4y + z)
Luego,
(2) T : R → R3 tal que
T (x, y) = T (x(1, 3) + (3x − y)(0, −1))

= xT (1, 3) + (3x − y)T (0, −1) T (x) = −x, 4x, x2
= x(6, −5) + (3x − y)(−1, 2)
= (6x, −5x) + (−3x + y, 6x − 2y) (3) T : R3 → R2 tal que
= (3x + y, x − 2y).
T (x, y, z) = (2x − 5y, 4y − 6z)
Por lo tanto, la transformación lineal buscada es
T (x, y) = (3x + y, x − 2y). (4) T : P2 (R) → R2 tal que

T ax2 + bx + c = (5a + c, 3b − 2c)
Más aún, T es un isomorfismo, porque Ker(T ) = (0, 0) y
Dim(Im(T )) = 2 = Dim(R2 ). (5) T : R3 → M3×2 (R) tal que

 
x x−y
11.4. Ejercicios T (x, y, z) =  4z z + 2y 
z y
I. Para cada una de las siguientes aplicaciones entre los K−espacios
vectoriales indicados, determinar: (6) T : P3 (R) → M2 (R) tal que
(a) Si son transformaciones lineales.
3 2
a − 5d b + 2c
a) En caso de serlo: T ax + bx + cx + d =
d − 7c a + b − c + d
(b) Determinar una base para Ker(T ) e Im(T ).
(c) Dim(Ker(T )) y Dim(Im(T )). (7) T : P2 (R) → R2 tal que

(d) Verificar el teorema de la dimensión. T ax2 + bx + c = e3a+1 , 3b − 2c
64
(8) T : P2 (R) → P2 (R) tal que III. Para las transformaciones lineales del apartado anterior, determi-
nar:
T ax2 + bx + c = (a + 5c) x2 + (a + 4b − 3c) x − b
(1) Una base para el núcleo e imagen.
(2) Verificar el teorema de la dimensión.
(9) T : M2 (R) → M3 (R) tal que
  (3) Si son monomorfismos, epimorfismos y/o isomorfismos.
5a − b 4b 6c + d
a b (4) La transformación inversa, en caso de ser isomorfismos.
T =  −a b + c a + 2d 
c d
c − 2d 4d 7a (5) Verificar que las transformaciones inversas también son li-
neales.
II. Determinar las posibles transformaciones lineales:
(1) T : R2 → R2 tal que
T (1, 0) = (3, 0) y T (2, −4) = (14, −16) .
(2) T : R2 → R2 tal que
T (−1, 4) = (7, −13) y T (2, −1) = (0, 5) .
(3) T : R3 → R3 tal que
T (1, 0, 2) = (3, 2, 3) , T (0, −2, 4) = (0, 2, 6)
y T (1, 3, 5) = (3, 8, 3) .
(4) T : R3 → R3 tal que
T (1, 0, 2) = (4, 0, 4) , T (0, −2, 4) = (−2, −6, 0)
y T (0, 1, 0) = (1, 1, 4) .
65
ÁLGEBRA LINEAL - PREGRADO PSU UNAP (ı́ndice:3) REFERENCIAS
Referencias
[1] Kolman Bernard, “Algebra Lineal con Aplicaciones y Matlab”

Prentice-Hall, 1991.
[2] Lang Serge, .Algebra Lineal”, Editorial Fondo Educativo Interame-
ricano, 1980.
66

Apunte Lineal

Cargado por

Información del documento

Título 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

Apunte Lineal

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD ARTURO PRAT

FACULTAD DE INGENIERIA Y ARQUITECTURA

3. Matrices cuadradas especiales 16

4. Matriz identidad y matriz inversa 17

4.5. Respuestas . . . . . . . . . . . . . . . . . . . . . . . 26 10.Espacio vectorial 54

III Espacios vectoriales 54

Las matrices se utilizan como herramientas que permiten facilitar el

1.1. ¿Qué es una matriz?

Definición 1 Una matriz es un arreglo bidimensional de un conjunto

Notación 1 Las matrices se representan por medio de letras mayúscu-

Ejemplos 2 Considerando el ejemplo anterior, podrı́amos nombrar a

Definición 2 Se definen los siguientes conceptos: (1) b12 = 0 (3) b31 = 2

Mientras que {−1, 5, 2} conforman la diagonal secundaria, porque

SECCIÓN 2 Observación 1 Como al trasponer una matriz estamos intercambian-

Al trasponer C T obtenemos que:

    Este ejemplo nos permite enunciar el siguiente resultado.

Observación 2 Como la suma de matrices es entrada a entrada, en-

Ejemplos 10 Dadas las matrices

Puede ver la demostración de esta propiedad en 6.

2.4. Producto de matrices (2) Calculemos el producto BA,

lumnas de la matriz A no coincide con la cantidad de filas de la

Se plantea al lector el siguiente problema:  

Utilizamos esta observación para introducir la siguiente definición: 2.6. Ejercicios

Definición 12 La n-ésima potencia de la matriz cuadrada A, deno- I. Dadas las matrices:

III. Dadas las matrices:

Calcular: 2.7. Respuestas

(7) 14. SECCIÓN 3

V. Matrices cuadradas especiales

Observemos que una matriz diagonal, además de ser simétrica, es trin-

nuestro ejemplo SECCIÓN 4

Propiedades 5 La suma de dos matrices diagonales

Es decir,   4.2. Determinante

Segundo caso: Si A es una matriz cuadrada de orden 3, tenemos con:

Y por la tercera fila, resulta:

1 −2 0 Ejemplos 20 Del ejemplo anterior, sabemos que

(2) Calculemos el primer determinante utilizando la segunda fila y el se-

(2) 4.2.3. Relación con la matriz inversa

Definición 17 El menor complementario de un elemento aij de

Definición 19 La matriz adjunta de una matriz cuadrada A de orden Luego,

Verifiquemos que la matriz calculada es efectivamente la inversa.

(3) Calculemos, si existe, la matriz inversa con el método de elimina-

Observemos que det(A) = 0, por lo tanto no tiene matriz inversa.

I. Para cada una de las siguientes matrices, calcular la matriz inversa

Luego, para que se cumpla la igualdad de matrices es necesario que

Por lo tanto, un sistema de ecuaciones lineales podemos expresarlo

Definición 21 Una matriz triangular superior A es escalonada, si los

y utilizando el hecho que z = 1, obtenemos que Observemos que:

x + 3 − 1 = 2, lo cual implica que x=0 . De esta última matriz, tenemos que:

La segunda fila es equivalente a:

Luego, El ejemplo anterior nos indica que un sistema de ecuaciones lineales

2 −2 1 Utilicemos ahora la regla de Cramer para comprobar estas solu-

SECCIÓN 6 Por lo tanto,

Luego, Por lo tanto,

Problema de desafı́o 2 Calcular sólo c13 y c25 de C = AB, sabiendo

Solución: Recordemos que si C = AB, entonces cij es la entrada que

Podemos observar que,

Ejemplos 28 Calculemos la longitud de los siguientes vectores:

Gráficamente Ejemplos 31 Dado el vector −

▼❇ y El proceso que hemos aplicado en el ejemplo anterior se denomina

por otro lado, Veamos las propiedades de la suma de vectores:

8.4. Producto escalar

(3) Sean −→u = (2, 3, 4) y −

î ĵ k̂ î = (1, 0, 0), Observemos que

Veamos qué ocurre con la segunda condición: