AGUM1008_Marzo_2023

Libro de Trabajo de Álgebra Lineal .
Núcleo de Matemática, Física y Estadística

Universidad Mayor
NMFE
Otoño, 1-2023-DS
Esta página fue dejada intencionalmente blanca
Í NDICE GENERAL
1 A LGEBRA DE M ATRICES PÁGINA 3

1.1 Matrices 4
1.2 Operatoria Básica de Matrices 8
1.3 Propiedades algebraicas de Matrices 13
1.3.1 Ejercicios Resueltos de Álgebra de Matrices 14
1.3.2 Ejercicios Propuestos de Algebra de Matrices 17
1.4 Método de Opreraciones Filas Columnas 20
1.4.1 Ejercicios Resueltos de Cálculo de Matrices Inversas 21
1.4.2 Ejercicios Propuestos de Cálculo de Matrices Inversas 24
1.4.3 Ejercicios Resueltos del Cálculo del Rango de Matrices 27
1.4.4 Ejercicios Propuestos de Cálculo de Rango de Matrices 30
1.5 Sistemas de Ecuaciones Lineales 33
1.5.1 Métodos de Soluciones de Sistemas de Ecuaciones Lineales: 34
1.5.2 Ejercicios Resueltos de Sistemas de Ecuaciones por Método de Gauss 35
1.5.3 Ejercicios Propuestos de Sistemas de Ecuaciones por Método de Gauss 40
1.5.4 Propiedades de Determinantes 44
1.5.5 Método de Cramer para Resolver Sistemas de Ecuaciones Lineales 45
1.5.6 Ejercicios Resueltos de Sistemas de Ecuaciones por Método de Cramer y Determinantes 46
1.5.7 Ejercicios Propuestos de Sistemas de Ecuaciones Lineales por Cramer y Determinantes 49
1.5.8 Aplicaciones Contextualizadas 54
1.5.9 Ejercicios Propuestos de Aplicaciones Contextualizados 57
1.6 Cierre de Aprendizajes: Evaluación formativa 1 59
2 G EOMETRÍA EN Rn
n
PÁGINA 65
2.1 Vectores en R 65
2.1.1 Operatoria Básica de Vectores 66
2.1.2 Norma de un vector 67
2.1.3 Producto Punto y Producto Cruz 69
2.1.4 Ejercicios Resueltos de Álgebra de Vectores 71
2.1.5 Ejercicios Propuestos de Álgebra de Vectores 72
2.2 Rectas y Planos en R3 79
2.2.1 Ejercicios Resueltos de Rectas y Planos 82
2.2.2 Ejercicios Propuestos de Rectas y Planos 84
IV
3 E SPACIOS V ECTORIALES PÁGINA 95

3.1 Definición de Espacios Vectoriales 95
3.1.1 Definición de Subespacios Vectoriales 96
3.1.2 Ejercicios Resueltos de Subespacios Vectoriales 97
3.1.3 Ejercicios Propuestos de Subespacios Vectoriales 99
3.1.4 Generador y Combinación lineal 102
3.1.5 Ejercicios Resueltos de Generador y Combinación Lineal 103
3.1.6 Ejercicios Propuestos de Generador y Combinación Lineal 106
3.2 Dependencia e Independencial Lineal y Bases 108
3.2.1 Ejercicios Resueltos de Dependencia Lineal 109
3.2.2 Bases canónicas 110
3.2.3 Dimensión de Espacios vectoriales 111
3.2.4 Ejercicios Resueltos de Bases Dimensión de Espacios Vectoriales 112
3.2.5 Ejercicios Propuestos de Bases y Dimensión 117
4 P RODUCTO I NTERNO PÁGINA 125

4.1 Definición y ejemplos 125
4.2 Norma asociada a un producto interno 126
4.3 Ortogonalidad y normalidad de Vectores 126
4.3.1 Ejercicios Resueltos de Ortonormalidad 129
4.3.2 Ejercicios Propuestos de Ortonormalidad 132
4.4 Proyección Ortogonal y Distancia de un Vector a un Subespacio Vectorial 133
4.4.1 Ejercicios Resueltos de Proyección Ortogonal y Distancia de un Vector a un Subespacio Vectorial 134
5 T RANSFORMACIONES LINEALES PÁGINA 137

5.1 Definición y Ejemplos 137
5.1.1 Ejercicios Resueltos de Transformaciones Lineales 138
5.1.2 Ejercicios Propuestos de Transformaciones Lineales 141
5.2 Núcleo e Imagen de Transformaciones Lineales 143
5.2.1 Ejercicios Resueltos de Núcleo e Imagen 144
5.2.2 Ejercicios Propuestos de Núcleo e Imagen 148
5.3 Isomorfismos 152
5.3.1 Matriz de una Transformación Lineal 152
5.3.2 Ejercicios Resueltos de Matriz de Transformación Lineal 153
5.3.3 Ejercicios Propuestos de Matriz de Transformación Lineal 157
6 D IAGONALIZACIÓN PÁGINA 163

6.1 Valores y vectores propios de una Matriz A ∈ Mn 163
6.1.1 Definición de valores y vectores propios 163
6.1.2 Polinomio Característico 163
6.1.3 Espacios Nulos 165
6.1.4 Criterio de diagonalización 166
6.1.5 Ejercicios Resuelto de Diagonalización 166
1
6.1.6 Ejercicios Propuestos de Valores y Vectores Propios 172

1 Algebra de Matrices
1.1 Matrices
Definición 1.1 Definición de una matriz
Una matriz corresponde a un arreglo de doble entrada dado por n-filas y m-columnas, donde cada elemento
del arreglo se denomina como coeficiente real(o complejo), esto es:
 
a11 a12 .... .... a1m

 a21 a22 .... .... a2m 

: : :
 
A = (aij )nxm =
 
: : :

 
 
 : : : 
an1 an2 .... .... anm
Donde:
n: Corresponde al número de filas de la matriz
m: Corresponde al número de columnas de la matriz
i: Corresponde a un contador de filas
j: Corresponde a un contador de columnas
aij : Corresponde a un número real o complejo que se denomina como coeficiente y se ubica en la i-esima fila
con la j-esima columna.
Definición 1.2
1. Si A es una matriz de n-filas y m-columnas se denota como:
A ∈ Mnxm (R) ⇐⇒ A ∈ Mnxm
2. A se dice que es una matriz cuadrada de orden n si y solo si el número de filas es igual al número de
columnas y se denota como sigue:
A ∈ Mnxn (R) ⇐⇒ A ∈ Mnxn
o equivalentemente
A ∈ Mn (R) ⇐⇒ A ∈ Mn
Algebra de Matrices 5
3. Si A ∈ Mnxm entonces se define la matriz traspuesta de A, como la matriz At , tal que At ∈ Mmxn ,es
decir corresponde a la matriz que intercambia las filas por las columnas.
Ejemplo 1.1
   
1 3 4 1 2 0
1. A =  2 2 3  ∈ M 3 ⇒ At =  3 2 1  ∈ M3
0 1 −5 4 3 −5
 
1 2
1 0 3
2. A = ∈ M2x3 .Entonces At =  0 2  ∈ M3x2
2 2 4
3 4

2 3 2 4
3. A = ∈ M2 .Entonces At = ∈ M2
4 5 3 5
Ejemplo 1.2 Matrices que se obtienen a partir de algoritmos para sus coeficientes

 i+j si i ≤ j
A = (aij )3x4 , tal que aij =
j−i

si i > j
Solución:
 
2 3 4 5
A =  −1 4 5 6 
−2 −1 6 7
.
Definición 1.3
Una matriz A ∈ Mnxm se dice que es la matriz nula si y sólo si aij = 0 , ∀i, j , en tal caso se denota A = O.
Esto es,
 
0 0 .... .... 0

 0 0 .... .... 0 

: : : 
 
O=

: : : 


 
 : : : 
0 0 .... .... 0
Definición 1.4
Una matriz A ∈ Mn se dice que es la matriz identidad de orden 0 n0 si y sólo si aij = 0, si i 6= j y aii = 1 , ∀i ,
en tal caso se donota A = In
Esto es,
 
1 0 .... .... 0

 0 1 .... .... 0 

: : : 
 
In = 

: : : 


 
 : : : 
0 0 .... .... 1
Definición 1.5 : Diagonal principal y traza
Sea A ∈ Mn entonces se define:
1. diagp (A) = (a11 a22 a33 ....ann ) : como la diagonal principal de A.

n
X
2. tr(A) = aii : como la traza de la matriz A.
i=1
Ejemplo 1.3
 
1 3 4
Sea A =  2 2 3 
0 1 −5
Solución:
Entonces

diagp (A) = 1 2 −5
tr(A) = 1 + 2 − 5 = −2
Definición 1.6
1. Una matriz cuadrada se dice que es una matriz triangular superior si es de la forma:
1 3 4 2
 
 
1 3 4
1 5   0 0 3 1 
, 0 2 3 ,  0 0 −5 7 , etc

0 2
0 0 5
0 0 0 2
Es decir, aij = 0, ∀i > j
2. Una matriz cuadrada se dice que es una matriz triangular inferior si es de la forma:
1 0 0 0
 
 
1 0 0
1 0  0 0 0 0 
,  0 2 0 ,  2 0 −5 0 , etc

3 2
1 3 1
1 0 1 2
Es decir, aij = 0, ∀i < j
3. Una matriz cuadrada se dice que es una matriz diagonal si es de la forma:

1 0 0 0
 
 
1 0 0
1 0  0 0 0 0 
,  0 2 0 ,  0 0 3 0 , etc

0 4
0 0 1
0 0 0 2
Es decir , aij = 0, ∀i 6= j
4. Una matriz se dice que es una matriz escalonada por filas si es de la forma:
1 −1 0 4
 

1 0 3 
, 0 1 0 2 , etc
0 1 0
0 0 1 0
5. Una matriz se dice que es una matriz escalonada reducida por filas si es de la forma:
 
1 0 0 0
1 0 0 
, 0 1 0 0  etc
0 1 0
0 0 1 0
1.2 Operatoria Básica de Matrices
Definición 1.7
Producto por escalar: Sean β ∈ R y A ∈ Mnxm

Entonces
β · A = β · (aij )nxm = (βaij )nxm = (β · A)
Definición 1.8
Suma de Matrices:Sean A, B ∈ Mnxm .

Entonces
A + B = (aij )nxm + (bij )nxm = (aij + bij )nxm = (cij )nxm = C

observación A − B = A + (−1) · B
Definición 1.9
El producto o La multiplicación de Matrices:

Sean A ∈ Mnxm y B ∈ Mpxq . Entonces para realizar la multiplicación de matrices se debe cumplir que el
número de columnas de la primera matriz sea igual al número de filas de las segunda matriz,luego se realiza
un algoritmo dado por las filas de la primera matriz versus las columnas de la segunda con el objetivo de
determinar cada uno los coeficientes de la matriz resultante, esto es
Supongamos que se multiplica
Anxm · Bpxq = Cnxq si y sólo si m = p.
Entonces los coeficientes de C se obtienen como sigue:

m
X
cij = aik · bkj , ∀i, j ∈ {1, 2, ....., n}
k=1
Ejemplo 1.4

1 0 0 2
Sean A = yB = . Entonces el valor de 3A − 2B t
2 2 −1 1
Solución: t
1 0 0 2 1 0 0 −1 3 0 0 −2 3 2
3A − 2B t = 3 −2 =3 −2 = − =
2 2 −1 1 2 2 2 1 6 6 4 2 2 4
Ejemplo 1.5
 
1 2
1 1 2
Sean A = yB = 0 1  . Entonces el valor A · B y B · A.
2 1 1 2x3 1 2 3x2
Solución:  
1 2
1 1 2 1+0+2 2+1+4 3 7
A·B = · 0 1  = =
2 1 1 2x3
2+0+1 4+1+2 2x2
3 7
1 2 3x2
Ahora multiplicaremos
     
1 2 1+4 1+2 2+2 5 3 4
1 1 2
B·A=  0 1  · =  0+2 0+1 0+1  =  2 1 1 
2 1 1 2x3
1 2 3x2 1+4 1+2 2 + 2 3x3 5 3 4 3x3
Definición 1.10
Determinante de una matriz cuadrada: Sea A ∈ Mn entonces el determinante de la matriz A se define como
un número real que se denota como det(A) =| A |
Si n = 1 7→ A = (a11 ) se tiene que det(A) = (−1)1+1 a11 = a11

a11 a12
Si n = 2 7→ A = .
a21 a22
Entonces para calcular el determinante primero que todo determinaremos los cofactores de A
cof (a11 ) = (−1)1+1 · a22 = a22
cof (a12 ) = (−1)1+2 · a21 = −a21
cof (a21 ) = (−1)2+1 · a12 = −a12
cof (a22 ) = (−1)2+2 · a11 = a11
Así se tiene que el det(A) se obtiene como sigue:
det(A)F1 = a11 cof (a11 ) + a12 cof (a12 ) = a11 a22 − a12 a21 : Determinante calculado por la fila 1
El determinante se obtiene independiente de la fila o columna que se elige, esto es
det(A)F2 = a21 cof (a21 ) + a22 cof (a22 ) = a11 a22 − a12 a21 :Determinante calculado por la fila 2

a b a b
Finalmente Si A = .Entonces det(A) = =a·d−b·c
c d c d
 
a11 a12 a13
Si n = 3 7→ A =  a21 a22 a23 
a31 a32 a33
Entonces
La matriz A tiene ahora nueve cofactores, los cuales se determinan como siguen.
cofactores de los coeficientes de la fila 1:
a22 a23 a21 a23 a21 a22

cof (a11 ) = (−1)1+1 , cof (a12 ) = (−1)1+2 , cof (a13 ) = (−1)1+3
a32 a33 a31 a33 a31 a32
a12 a13 a11 a13 a11 a12

cof (a21 ) = (−1)2+1 , cof (a22 ) = (−1)2+2 , cof (a23 ) = (−1)2+3
a32 a33 a31 a33 a31 a32
a12 a13 a11 a13 a11 a12

cof (a31 ) = (−1)3+1 , cof (a32 ) = (−1)3+2 , cof (a33 ) = (−1)3+3
a22 a23 a21 a23 a21 a22
Finalmente el determinante de la matriz obtenido por la fila 1 es:
a11 a12 a13

det(A)F1 = a21 a22 a23 = a11 cof (a11 ) + a12 cof (a12 ) + a13 cof (a13 )
a31 a32 a33
a22 a23 a21 a23 a21 a22

= a11 − a12 + a13
a32 a33 a31 a33 a31 a32
obs. analogamente el determinante se puede calcular de forma equivalente por cualquier fila o colum-
na.
Para n ≥ 4 se tiene que el determinante es dado por:
n
X
det(A)Fi = aik · cof (aik ) , para algun i ∈ {1, 2, 3, ....n}
k=1
o equivalentemente
n
X
det(A)cj = akj · cof (akj ) , para algun j ∈ {1, 2, 3, ....n}
k=1
Ejemplo 1.6
4 −1
 
2
Sea A =  1 2 1  determine el valor de det(A)
0 1 1
Solución:
2 4 −1
det(A) = 1 2 1
0 1 1
2 1 1 1 1 2
=2 −4 −1
1 1 0 1 0 1
= 2(2 − 1) − 4(1 − 0) − 1(1 − 0)
=2−4−1
= −3
1.3 Propiedades algebraicas de Matrices
1. (At )t = A
2. (βA)t = βAt , β ∈ R
3. (A + B)t = At + B t
4. (AB)t = B t At
5. ∀A, ∃0 Tal que 0 + A = A + 0 = A
6. ∀A, ∃B Tal que B + A = A + B = 0 , donde B = −A matriz opuesta de A.
7. (A + B) + C = A + (B + C) Asociatividad.
8. A + B = B + A Conmutatividad.
9. (A · B) · C = A · (B · C) Asociatividad
10. A(B + C) = AB + AC Distributividad
11. AB 6= BA
12. ∀A ∈ Mn , ∃I ∈ Mn Tal que I · A = A · I = A
13. Si A, B ∈ Mn .Entonces det(AB) = det(A) · det(B)
14. A se dice que admite la existencia de la matriz inversa A−1 si y sólo si det(A) 6= 0
tal que A−1 · A = I y A · A−1 = I
1
15. Si det(A) 6= 0 .Entonces det(A−1 ) =
det(A)
16. Se dice que A es involutiva si y sólo si A2 = I
17. Se dice que A es idempotente si y sólo si A2 = A
18. Se dice que A es Nilpotente de orden 0 r0 si y sólo si Ar = 0 y Ar−1 6= 0
19. Se dice que A ∈ Mn es una matriz simétrica si At = A
20. Se dice que A ∈ Mn es una matriz antisimétrica si At = −A
(Cof (A))t
obs.1 Si det(A) 6= 0. Entonces A−1 = , donde Cof (A): Corresponde a la matriz de los cofactores de A.
det(A)

a b 1 d −b
obs.2 Si A = . tal que det(A) 6= 0 Entonces A−1 = .
c d (ad − bc) −c a
1.3.1. Ejercicios Resueltos de Álgebra de Matrices
Ejemplo 1.7

1 −1 3 1
Dadas las matrices A = ,B =
2 1 1 0
Determine el valor M tal que
M = (A2 + 2B t )(A − 2I)
Solución:
M = (A2 + 2B t )(A − 2I)

= (AA + 2B t )(A − 2I)
" t #
1 −1 1 −1 3 1 1 −1 1 0
= +2 · −2
2 1 2 1 1 0 2 1 0 1

−1 −2 3 1 1 −1 2 0
= +2 · −
4 −1 1 0 2 1 0 2

5 0 −1 −1
= ·
6 −1 2 −1

−5 −5
=
−8 −5
Ejemplo 1.8

1 2 1 3
Sean A = y B= Entonces determine el valor de N tal que
2 5 3 4
N = A−1 (5A − 2B)B −1
Solución:
Primero que todo determinemos las matrices inversas de A y B.

1 2 −1 5 −2
det(A) = = 1 6= 0 ⇒ existe A =
2 5 −2 1

1 3 −1 4 −3
det(B) = = −5 6= 0 ⇒ existe B −1 =
3 4 5 −3 1
luego se tiene que :
N = A−1 (5A − 2B)B −1
= 5I − 2A−1 B B −1

= 5B −1 − 2A−1


4 −3 5 −2
=− −2
−3 1 −2 1

−14 7
=
7 −3
Ejemplo 1.9
Determine en valor de X ∈ M2 en la ecuación
A(I + X t )B = AB + BA

1 1 0 1
.Si se tiene que A = , B=
2 0 −1 1
Solución:
det(A) = −2 6= 0, existe A−1 y det(B) = 1 6= 0, existe B −1

luego
A(I + X t )B = AB + BA / · A−1 , B −1
A−1 A(I + X t )BB −1 = A−1 (AB + BA)B −1
I + X t = I + A−1 BAB −1
X t = A−1 BAB −1

−1
t 0 −1 0 1 1 1 1 −1
X =
2 −2 1 −1 1 2 0 1 0

−1 1 −1 2 −1
Xt =
2 −1 −1 2 −2

t −1 0 1
X =
2 −4 3

−1 0 −4
X=
2 1 3

0 2
X= −1 −3
2 2
Ejemplo 1.10

2 3 4 3
Dadas las matrices A = yB = . Determine X ∈ M2 tal que
1 2 3 2
A(X t + 3B t ) = (I + 2AB)
Solución:
2 3 −1 −1 2 −3
det(A) = = 1 6= 0 existe A tal que A =
1 2 −1 2
Luego
A−1 A(X t + 3B t ) = A−1 (I + 2AB)
(X t + 3B t ) = A−1 + 2A−1 AB
X t + 3B = A−1 + 2B , Bt = B
X t = A−1 − B

t 2 −3 4 3
X = −
−1 2 3 2

−2 −6
Xt =
−4 0

−2 −4
X=
−6 0
1.3.2. Ejercicios Propuestos de Algebra de Matrices

Ejercicios 1.1 :Actividad Grupal

1 2 0 −1
Dadas A = yB = .Determine el valor de M tal que
2 1 2 4
t
M = 2A + 3B t − 3I
Solución:

1 2 0 −1
Dadas A = yB = .Determine el valor de N tal que
2 1 2 4
t 2
M= A2 − B t −I
Solución:
Ejercicios 1.3 :Actividad Individual

1 2 −1 −1
Dadas las matrices A = ,B = Determine X ∈ M2 según se indique tal que
2 3 2 1
X(A + B) = (B − At )

3 1 −1 2 2 2
Considere A = ,B = ,C = . Determine, si existe, X ∈ M2 , tal que
5 2 0 1 1 3
A(B − X)t = 2I − C.

3 1 −1 2 2 2
5 2 0 1 1 3
(B − X t )A = 2A2 − C.

3 2 −1 2 2 2
2 1 0 1 1 3
B(I + X t )A = 2BAt − C.
1.4 Método de Opreraciones Filas Columnas
Definición 1.11
Dada una Matriz A ∈ Mnxm se tiene que sobre ella se pueden realizar las siguientes operaciones filas y
columnas.
1. Fi ↔ Fj : Significa que se permuta la fila i-esima con la fila j-esima de A.
2. Fi + Fj : Indica que se suman los coeficiente de la fila i-esima con los respectivo coeficiente de la fila j-esima,
registrando su resultante en la fila Fi .
3. βFi :Indica que se multiplican todos los coeficientes por el escalar β ∈ R.registrando su resultante en la fila
Fi .
Analogamente se definen las operaciones columnas
Este método de las operaciones filas-columnas se utiliza para diversos propositos entre ellos determina-
ción de matrices inversas,cálculo del determinante de una matriz,escalonamiento de matrices,resolución de
sistemas de ecuaciones,etc.
Primero a modo de ilustración utilizaremos las operaciones filas-columnas para determinar una matriz inversa
Paso 1. Dada A ∈ Mn , tal que det(A) 6= 0
Paso 2. Se amplia la matriz A adjuntandole la matriz identidad , esto es, (A : I) ∈ Mnx2n .
Paso 3. Se realizan operaciones filas sobre (A : I) ∼ βFi + Fj , ...., ∼ (I : A−1 )

1.4.1. Ejercicios Resueltos de Cálculo de Matrices Inversas
Ejemplo 1.11
 
1 0 1
Sea A =  2 1 1 
2 1 3
Solución:
Entonces det(A) = 2, luego existe A−1
Sea  
1 0 1 : 1 0 0
(A : I) =  2 1 1 : 0 1 0 
2 1 3 : 0 0 1
 
1 0 1 : 1 0 0
F2 −2F1
→  0 1 −1 : −2 1 0 
2 1 3 : 0 0 1
 
1 0 1 : 1 0 0
F3 −2F1
→  0 1 −1 : −2 1 0 
0 1 1 : −2 0 1
 
1 0 1 : 1 0 0
F3 −F2
→  0 1 −1 : −2 1 0 
0 0 2 : 0 −1 1
 
1
1 0 1 : 1 0 0
2 F3
→  0 1 −1 : −2 1 0 
−1 1
0 0 1 : 0 2 2
1 0 1 : 1 0 0
 
1 1
F2 +F3  0
 1 0 : −2 2 2

→  

−1 1
0 0 1 : 0 2 2
 1 −1

1 0 0 : 1 2 2
 
 
F1 −F3 1 1
→  0 1 0 : −2
 
 2 2 

 
−1 1
0 0 1 : 0 2 2
Por lo tanto  
1 −1
1 2 2
 
 
−1 1 1
A =  −2
 
 2 2 

 
−1 1
0 2 2
Ejemplo 1.12
 
1 1 0
Sea P =  1 0 1 
1 1 1
Solución:
Aplicando operaciones filas directamente sobre (P : I) tenemos.
   
1 1 0 : 1 0 0 1 1 0 : 1 0 0
f2 −f1 ;f3 −f1
(P : I) =  1 0 1 : 0 1 0  →  0 −1 1 : −1 1 0 
1 1 1 : 0 0 1 0 0 1 : −1 0 1
1 −1
   
1 0 1 : 0 1 0 1 0 0 : 1
f1 +f2 f1 −f3 ;f2 −f3
→  0 −1 1 : −1 1 0  →  0 −1 0 : 0 1 −1 
0 0 1 : −1 0 1 0 0 1 : −1 0 1
−1
 
1 0 0 : 1 1
−1·f2
→  0 1 0 : 0 −1 1 
0 0 1 : −1 0 1
Por lo tanto
−1
 
1 1
P −1 = 0 −1 1 
−1 0 1
Comprobación
−1
  
1 1 0 1 1
P P −1 =  1 0 1   0 −1 1 
1 1 1 −1 0 1
1+0+0 1−1+0 −1 + 1 + 0
 
=  1+0−1 1+0+0 −1 + 0 + 1 
1+0−1 1−1+0 −1 + 1 + 1
 
1 0 0
= 0 1 0 
0 0 1
Ejemplo 1.13
1 −1 2 1
 
 1 0 1 0 
Sea P = 
 1

0 0 1 
0 1 0 −1
Solución:
Aplicando operaciones filas directamente sobre (P : I) tenemos.
1 −1 2 1 : 1 0 0 0
 
 1 0 1 0 : 0 1 0 0 
(P : I) = 
 1 0

0 1 : 0 0 1 0 
0 1 0 −1 : 0 0 0 1
1 −1 2 1 : 1 0 0 0
 
f2 −f1 ;f3 −f1  0 1 −1 −1 : −1 1 0 0 
→  
 0 1 −2 0 : −1 0 1 0 
0 1 0 −1 : 0 0 0 1
1 0 1 0 : 0 1 0 0
 
f1 +f2 ;f3 −f2 ;f4 −f2
 0 1
 −1 −1 : −1 1 0 0 
→ 
 0 0 −1 1 : 0 −1 1 0 
0 0 1 0 : 1 −1 0 1
1 0 0 1 : 0 0 1 0
 
f1 +f3 ;f2 −f3 ;f4 +f3  0 1 0 −2 : −1 2 −1 0 
→  
 0 0 −1 1 : 0 −1 1 0 
0 0 0 1 : 1 −2 1 1
1 0 0 0 : −1 2 0 −1 1 0 0 0 : −1 2 0 −1
   
f1 −f4 ;f2 +2f4 ;f3 −f4  0 1 0 0 : 1 −2 1 2  −1·f3  0 1 0 0 : 1 −2 1 2 
→   →  
 0 0 −1 0 : −1 1 0 −1   0 0 1 0 : 1 −1 0 1 
0 0 0 1 : 1 −2 1 1 0 0 0 1 : 1 −2 1 1
Por lo tanto
−1 2 0 −1
 
 1 −2 1 2 
P −1 = 
 1 −1 0 1 
1 −2 1 1
1.4.2. Ejercicios Propuestos de Cálculo de Matrices Inversas

Ejercicios 1.7 : Actividad Individual
Utilizar operaciones elementales para calcular la matriz inversa de la siguiente matriz.

1 1
A=
3 2
Solución:
Utilizar operaciones elementales para calcular la matriz inversa de la siguiente matriz .

 
1 1 1
A= 1 4 0 
3 3 2
Solución:

 
1 1 1
A= 3 4 2 
1 2 2
Solución:
Ejercicios 1.10 : Actividad Grupal
1 1 1 5
 
 0 −4 −1 5 
A= 
 3 3 5 −6 
2 2 3 7
Solución:
 
1 3 3
Dada A =  0 1 0  y B = 8A48 − 2A20 − 16A entonces.
0 −2 −1
a) Muestre que A es involutiva, es decir , A2 = I.
b) Demuestre que de la información obtenida en a) que det(B) 6= 0 y calcular B −1 .
Solución:
Escalonamiento de Matrices por operaciones filas
A continuación ilustraremos como se obtiene el escalonamiento de una matriz A ∈ Mnxm por operaciones filas
con el objetivo de determinar el rango de la matriz A.
Definición 1.12
Sea A ∈ Mnxm entonces la matriz E(A) corresponde a una matriz escalanada de la matriz A que se obtiene
por operaciones filas que se realizan sobre A tal que E(A) ∈ Mnxm . Entonces el rango de la matriz A se define
como el número de filas no nulas de E(A). Dicho número se denota por ρ(A).
Observación. Una fila se dirá que es nula si todos los coeficientes de dicha fila son ceros.
1.4.3. Ejercicios Resueltos del Cálculo del Rango de Matrices
Ejemplo 1.14
 
1 1 1 5
Determinar el rango de la matriz A =  3 −4 −1 5 
4 −3 0 10
Solución:
Realizaremos operaciones filas sobre A hasta obtener una matriz escalonada,esto es
 
1 1 1 5
A =  3 −4 −1 5 
4 −3 0 10
 
1 1 1 5
f2 −3f1 ;f3 −4f1
→  0 −7 −4 −10 
0 −7 −4 −10
 
1 1 1 5
f3 −f2
→  0 −7 −4 −10 
0 0 0 0
luego la matriz escalonada de A es dada por
 
1 1 1 5
E(A) =  0 −7 −4 −10 
0 0 0 0
entonces podemos obsevar que la matriz E(A) tiene dos filas no nulas por lo tanto se tiene que el rango de A
es ρ(A) = 2.
Ejemplo 1.15
 
2 1
Determine el rango de A =  1 1 
3 2
Solución:
       
2 1 1 1 1 1 1 1
f1 ←→f2 f2 −2f1 ;f3 −3f1 f3 −f2
A=  1 1  →  2 1  →  0 −1  →  0 −1 
3 2 3 2 0 −1 0 0
luego la matriz escalonada de A es
 
1 1
E(A) =  0 −1 
0 0
por lo tanto el rango de A es ρ(A) = 2
Ejemplo 1.16
2 2 2 3
 
 3 3 3 3 
Determine el rango de la matriz A = 
 4

4 5 5 
1 1 2 2
Solución:
2 2 2 3 1 1 2 2
   
 3 3 3 3  f1 ←→f4  3 3
  3 3 
A=
 4 →  
4 5 5  4 4 5 5 
1 1 2 2 2 2 2 3
1 1 2 2 1 1 2 2
   
−1
 0 0 −3 −3  ; −1  0 0 1 1 
f2 −3f1 ;f3 −4f1 ;f4 −2f1
→   3 ·f2→ 3 ·f3  
 0 0 −3 −3   0 0 1 1 
0 0 −2 −1 0 0 −2 −1
1 1 2 2 1 1 2 2
   
f3 −f2 ;f4 +2f2  0 0 1 1  f3 ←→f4  0 0 1 1 
→ 
 0
 →  
0 0 0   0 0 0 1 
0 0 0 1 0 0 0 0
luego la matriz escalonada de A es
1 1 2 2
 
 0 0 1 1 
E(A) = 
 0

0 0 1 
0 0 0 0
por lo tanto el rango de A es ρ(A) = 3
Ejemplo 1.17
 
1 2 β 1
Considere la matriz A =  3 5 6 2 . Analice , si existen valores de β ∈ R para que ρ(A) = 2
2 5 β2 β
Solución:
   
1 2 β 1 1 2 β 1
f2 −3f1 ;f3 −2f1
A=  3 5 6 2  →  0 −1 6 − 3β −1 
2 5 β2 β 0 1 β 2 − 2β β−2
 
1 2 β 1
f3 +f2
→  0 −1 6 − 3β −1 
0 0 β 2 − 5β + 6 β − 3
Por lo tanto la matriz escalonada por filas asociada a la matriz A es
 
1 2 β 1
E(A) =  0 −1 6 − 3β −1 
0 0 β 2 − 5β + 6 β−3
Ahora analizaremos para que valores de β los coeficientes de la fila 3 de E(A) son todos nulos, esto es:
β 2 − 5β + 6 = 0 ∧ β − 3 = 0
(β − 2)(β − 3) = 0 ∧ β = 3
 
1 2 2 1
Si β = 2 → E(A) =  0 −1 0 −1  entonces ρ(A) = 3
0 0 0 −1
 
1 2 3 1
Si β = 3 → E(A) =  0 −1 −3 −1  entonces ρ(A) = 2
0 0 0 0
Finalmente la matriz A tiene ρ(A) = 2 para β = 3
1.4.4. Ejercicios Propuestos de Cálculo de Rango de Matrices

Determine el rango de la siguiente matriz.

1 2
 
 1 1 
A=
 2

3 
4 6
Solución:

 
3 7 11
A= 1 2 3 
2 5 7
Solución:

 
1 2 3 1
A= 3 7 11 1 
4 9 14 2
Solución:

1 2 3 4
 
 1 4 3 5 
A=
 2

6 6 9 
0 2 0 1
Solución:
Considere la matriz  
1 1 1 a
A= 3 4 3 5a 
4 4 a2 8
Entonces determine si existe algún valor a ∈ R tal que ρ(A) = 2
Solución:
Considere la matriz
1−a
 
1 1
A= 1 1 1−a 
1 1−a 1
Entonces determine a ∈ R para que el ρ(A) = 3
Solución:
1.5 Sistemas de Ecuaciones Lineales
Dado el siguiente sistema de ecuaciones lineales:
a11 x1 + a12 x2 + ......... + a1n xn = b1

a21 x1 + a22 x2 + ......... + a2n xn = b2
::: =:
::: =:
am1 x1 + am2 x2 + ......... + amn xn = bm
Es decir,es un sistema con n-variables y m-ecuaciones, bj : requerimientos.

El cual se puede escribir matricialmente como sigue:
     
a11 a12 .... .... a1n x1 b1

 a21 a22 .... .... a2n  
  x2  
  b2 

: : : : :
     
· =
     
: : : : :
 
     
     
 : : :   :   : 
am1 am2 .... .... amn xn bm
Esto es,
A·X =b
Donde A ∈ Mmxn , X ∈ Mnx1 , b ∈ Mmx1
Para resolver dichos sistemas de ecuaciones lineales ilustraremos dos métodos de soluciones
como:Método de Gauss y Método de Cramer
1.5.1. Métodos de Soluciones de Sistemas de Ecuaciones Lineales:
Definición 1.13
Método de Gauss:
Dado un sistema matricial
AX = b
tal que A ∈ Mmxn , X ∈ Mnx1 y b ∈ Mmx1 .
Entonces el método de eliminación gaussiana se sigue según los siguientes pasos:
Paso 1. Se amplia la matriz A con la matriz b , esto es , (A : b) y luego se realizan operaciones filas hasta obtener
una matriz escalonada.
Paso 2. Se estudian los rangos de A y (A : b) , esto es:
ρ(A):número de filas no-nulas de E(A).
ρ(A : b):número de filas no-nulas de E(A : b).
2.1 Si ρ(A) = ρ(A : b) = n, n: número de variables entonces el sistema tiene solución única.
2.2 Si ρ(A) = ρ(A : b) < n .Entonces el sistema tiene infinitas soluciones
2.3 Si ρ(A) 6= ρ(A : b) .Entonces el sistema no tiene solución
Observaciones.
Obs 1. Un sistema de ecuaciones lineales se dice que es compatible si y solo si cumple 2.1 y 2.2
Obs 2. Un sistema de ecuaciones lineales se dice que es incompatible si y solo si cumple 2.3
Obs 3. η(A): corresponde al número de filas nulas de la matriz escalonada de A (nulidad de A) y además
se tiene que
ρ(A) + η(A) = n
Paso 3. Si el sistema de ecuaciones lineales es compatible se resuelve recursivamente.

1.5.2. Ejercicios Resueltos de Sistemas de Ecuaciones por Método de Gauss
Ejemplo 1.18
Resolver el siguiente sistema de ecuaciones
x + y + 2z = 20
3x + 4y + z = 80
2x + 3y + z = 100
Solución:
    
1 1 2 x 20
 3 4 1   y  =  80 
2 3 1 z 100
Entonces:     
1 1 2 : 20 1 1 2 : 20 1 1 2 : 20
F −3F F −2F
(A : b) =  3 4 1 : 80  2 → 1  0 1 −5 : 20  3 → 1  0 1 −5 : 20 
2 3 1 : 100 2 3 1 : 100 0 1 −3 : 60
 
1 1 2 : 20
F3 −F2
→  0 1 −5 : 20 
0 0 2 : 40
observemos que las matrices escalonadas obtenidas por las operaciones filas sobre A y (A : b) respecti-
   
1 1 2 1 1 2 : 20
vamente son: E(A) =  0 1 −5  y E(A : b) =  0 1 −5 : 20 
0 0 2 0 0 2 : 40
Luego ρ(A) = ρ(A : b) = 3 entonces el sistema tiene solución única, es decir, es compatible:
ec.3: 0x + 0y + 2z = 40 entonces z = 20
ec.2: 0x + 1y − 5z = 20 entonces y = 120
ec.1: 1x + 1y + 2z = 20 entonces x = −140
−140

luego el conjunto solución Xs =  120 

20
Ejemplo 1.19
Resolver el siguiente sistema de ecuaciones lineales
x+y+z+w = 15
2x + 3y + 2z + 3w = 39
3x + 3y + 2z = 23
Solución:
x
 
   
1 1 1 1  y  15
 2 3 2 3   =  39 
 z 
3 3 2 0 23
w
entonces    
1 1 1 1 : 15 1 1 1 1 : 15
F −2F
(A : b) =  2 3 2 3 : 39  2 → 1  0 1 0 1 : 9 
3 3 2 0 : 23 3 3 2 0 : 23
 
1 1 1 1 : 15
F3 −3F1
→  0 1 0 1 : 9 
0 0 −1 −3 : −22
observemos que las matrices escalonadas obtenidas por las operaciones filas sobre A y (A : b) respectivamente
   
1 1 1 1 1 1 1 1 : 15
son: E(A) =  0 1 0 1  y E(A : b) =  0 1 0 1 : 9 
0 0 −1 −3 0 0 −1 −3 : −22
Entonces ρ(A) = ρ(A : b) = 3 < 4 , el sistema tiene infinitas soluciones, esto es
ec.3: −z − 3w = −22 entonces z = 22 − 3w
ec.2: y + w = 9 entonces y = 9 − w
ec.1: x + (9 − w) + (22 − 3w) + w = 15 entonces x = 3w − 16,∀w ∈ R
3w − 16
 
 9−w 
 22 − 3w  , ∀w ∈ R
luego el conjunto solución Xs =  
w
Ejemplo 1.20
Determine el valor de k ∈ R tal que el sistema siguiente sea compatible
kx + y + z = 3k − 2
x + ky + z = k2
x + y + kz = 2k − 1
Solución:
: 3k − 2 1 1 k : 2k − 1
   
k 1 1
F ↔F
(A : b) =  1 k 1 : k2  →  1 k 1 :
1 3
k2 
1 1 k : 2k − 1 k 1 1 : 3k − 2
2k − 1 2k − 1
   
1 1 k : 1 1 k :
F2 −F1 F −kF
→  0 k−1 1 − k : k 2 − 2k + 1  3 → 1  0 k − 1 1 − k : k 2 − 2k + 1 
k 1 1 : 3k − 2 0 1 − k 1 − k : −2k 2 + 4k − 2
2
2k − 1
 
1 1 k :
F3 +F2
→  0 k−1 1−k : k 2 − 2k + 1 
0 0 2 − k − k 2 : −k 2 + 2k − 1
Luego se tiene que
−k 2 − k + 2 = 0
(k + 2)(k − 1) = 0
k = −2 ∨ k = 1
Si k = −2 se tiene que ρ(A) = 2 y ρ(A : b) = 3 . entonces el sistema no tiene solución, es incompatible
Si k = 1 se tiene que ρ(A) = 2 y ρ(A : b) = 2 . entonces el sistema tiene infinitas soluciones. es decir,es
compatible
Si k 6= −2, y k 6= 1.entonces el sistema tiene solucón unica, es decir, es compatible.

Por lo tanto el sistema es compatible si y solo si k ∈ R − {−2}
Ejemplo 1.21
Dado el siguiente sistema de ecuaciones lineales
x + 2y + βz =3
3x + 7y + 12z =0
4x + 10y + β 2 z =β
a.) Determine β ∈ R tal que el sistema tenga solución única.
b.) Determine β ∈ R tal que el sistema sea incompatible.
c.) Resolver el sistema para β = −6
Solución:    
1 2 β : 3 1 2 β : 3
F2 −3F1 ;F3 −4F1
(A : b) =  3 7 12 : 0  →  0 1 12 − 3β : −9 
4 10 β 2 : β 0 2 β 2 − 4β : β − 12
 
1 2 β : 3
F3 −2F2
→  0 1 12 − 3β : −9 
0 0 β 2 + 2β − 24 : β+6
Obs: β 2 + 2β − 24 = 0 → (β + 6)(β − 4) = 0 entonces β = 4 o β = −6
a.) El sistema tiene solución única si y solo si ∀x ∈ R − {4, −6} pues ρ(A) = ρ(A : b) = 3
b.) El sistema es incompatible si β = 4 ,pues se tiene que

 
1 2 4 : 3
 0 1 0 : −9 
0 0 0 : 10
Entonces ρ(A) 6= ρ(A : b).
c.) Si β = −6 se tiene que
−6
 
1 2 : 3
 0 1 30 : −9 
0 0 0 : 0
ρ(A) = ρ(A : b) = 2 < 3. Entonces el sistema tiene infinitas soluciones tal que
y = −(9 + 30z) → x = 66z + 21
 
21 + 66z
Por lo tanto la solución es : Xs =  −(9 + 30z)  , ∀z ∈ R
z
Observación.
1. Un sistema AX = b se dirá que es no homogéneo si y solo si b 6= 0

2. Un sistema AX = b se dirá que es homogéneo si y solo si b = 0.Los sistemas homogéneos siempre tienen
solución.
Ejemplo 1.22
Resolver el siguiente sistema de ecuaciones lineales homogéneo
x+y+z =0
2x + 3y + 2z =0
3x + 3y + 2z =0
Solución:
por Gauss:
   
1 1 1 : 0 1 1
1 : 0
F2 −2F1 ;F3 −3F1
(A : b) =  2 3 2 : 0  →  0 1
0 : 0 
3 3 2 : 0 0 −1 : 0
0
 
0
luego ρ(A) = ρ(A : b) = 3 el sistema tiene solución única en este caso Xs =  0 
0
Ejemplo 1.23
x+y−z =0
2x + 3y + 2z =0
3x + 4y + z =0
Solución:
por Gauss:
−1 −1 −1
     
1 1 : 0 1 1 : 0 1 1 : 0
F2 −2F1 ;F3 −3F1 F3 −F2
(A : b) =  2 3 2 : 0  →  0 1 4 : 0  →  0 1 4 : 0 
3 4 1 : 0 0 1 4 : 0 0 0 0 : 0
luego ρ(A) = ρ(A : b) = 2 el sistema tiene infinitas soluciones en este caso
ec. 2 y + 4z = 0 → y = −4z
ec.1 x + (−4z) − z = 0 → x = 5z
 
5z
Xs =  −4z  , ∀z ∈ R
z
1.5.3. Ejercicios Propuestos de Sistemas de Ecuaciones por Método de Gauss

Dado el siguiente sistema de ecuaciones lineales
x + y + 2z =2
3x + 4y + 6z =8
x + 2y + 2z =4
a.) Determine si el sistema tiene solución
b.) Si su respuesta es afirmativa en a.) obtener la solución del sistema.
Solución:
Resolver el siguiente sistemas de ecuaciones lineales
x+y+z =6
2x + 3y + 4z = 22
x + y + 2z = 12
Solución:
Resolver el siguiente sistema de ecuaciones lineales.
x+y+z+w = 15
2x + 3y + 2z + 3w = 39
3x + 3y + 2z = 23
4x + 4y + 5z − 2w = 60
Solución:
Determine a , b ∈ R , tal que el siguiente sistema de ecuaciones tenga infinitas soluciones.
x+y+z =a
x − 3y =5
2
3x + 3y + (b − 6)z = 3ab
Solución:
Calcule los valores de b para que el sistema:
x + 2y + bz =1
3x + 7y + 3z =0
2x + 5y + (b2 + 1)z = −b
i.) Tenga única solución.
ii.) No tenga solución.
iii.) Resolver el sistema para b = 1.
Solución:
Dado el sistema de ecuaciones lineales
x + 2y + bz =1
4x + 9y + 2z =2
3x + 6y + (b2 − 10)z =b+5
i.) Determine b ∈ R tal que el sistema no tenga solución.
ii.) Resolver el sistema para b = −5.
Solución:
x + 2y + z =0
4x + 9y + 2z =0
3x + 6yz =0
x + 2y + z + w =0
4x + 3y + 2z − w =0
5x + 5y + 3z =0
x + 2y + z + w − u = 0
x + 3y + 2z − w = 0
, revisar qr
1.5.4. Propiedades de Determinantes

1. Si A ∈ Mn es una matriz que tiene una fila o columna nula.Entonces det(A) = 0.
2. Si A ∈ Mn es una matriz que tiene una fila o columna que es multiplo por un escalar de otra fila o columna
respectivamente.Entonces det(A) = 0.
3. Si A ∈ Mn es una matirz triangular o una matriz diagonal.Entonces det(A) = a11 · a22 · a33 ...... · ann
4. Si B ∈ Mn es la matriz resultante de escalonar la matriz A(sin permutar).Entonces det(A) = det(B)
5. Si B ∈ Mn es la matriz resultante de permutar una fila o columna de A .Entonces det(B) = −det(A)
6. Si A ∈ Mn .Entonces det(A) = det(At )
7. det(βA) = β n det(A), β ∈ R
8. Sean β ∈ R y A ∈ Mn .Entonces se tiene que
a11 a12 .... a1j .... a1n a11 a12 .... βa1j ... a1n a11 a12 .... a1j ... a1n
a21 a22 .... a2j .... a2n a21 a22 .... βa2j .... a2n a21 a22 .... a2j .... a2n
: : .... : .... : : : .... : .... : : : .... : .... :
β = =
: : .... : .... : : : .... : .... : βai1 βai2 : .... : .... βain
: : .... : .... : : : .... : .... : : : .... : .... :
an1 an2 .... anj .... ann an1 an2 .... βanj .... ann an1 an2 .... anj .... ann
1.5.5. Método de Cramer para Resolver Sistemas de Ecuaciones Lineales
Definición 1.14
Método de Cramer: Dado el sistema

A·X =b
tal que det(A) 6= 0
Entonces se define:
a11 a12 .... b1 ... a1m

a21 a22 .... b2 .... a2m
: : :
M xj =
: : :
: : :
am1 am2 .... bm .... am1
Así la solución del sistema de ecuaciones lineales es dada por:
M xj
xj =
det(A)
1.5.6. Ejercicios Resueltos de Sistemas de Ecuaciones por Método de Cramer y Determinantes
Ejemplo 1.24
Resolver el siguiente sistemas de ecuaciones lineales
x+y+z =6
2x + 3y + 2z = 14
x + y + 2z =8
Solución:
Por cramer se tiene que:
     
1 1 1 x 6
 2 3 2  ·  y  =  14 
1 1 2 z 8
Luego
 
1 1 1 1 1 1
A= 2 3 2  Así se tiene que | A |= 2 3 2 = 4 − 2 − 1 = 1 6= 0
1 1 2 1 1 2
Sean
6 1 1
Mx= 14 3 2 = 6(6 − 2) − 1(28 − 16) + 1(14 − 24) = 2
8 1 2
1 6 1
My= 2 14 2 = 1(28 − 16) − 6(4 − 2) + 1(16 − 14) = 2
1 8 2
1 1 6
Mz= 2 3 14 = 1(24 − 14) − 1(16 − 14) + 6(2 − 3) = 2
1 1 8
por lo tanto
 
2
2
x = y = z = , es decir , X =  2 
1
2
Ejemplo 1.25
Usando propiedades de los determinantes demuestre que
a 1 1 1
1 a 1 1
= (a − 1)3 (a + 3)
1 1 a 1
1 1 1 a
Solución:
a+3 1 1 1
c1 +(c2 +c3 +c4 ) a+3 a 1 1
=
a+3 1 a 1
a+3 1 1 a
1 1 1 1
1 a 1 1
= (a + 3)
1 1 a 1
1 1 1 a
1 1 1 1
F2 ,F3 ,F4 −F1 0 a−1 0 0
= (a + 3)
0 0 a−1 0
0 0 0 a−1
= (a + 3)(a − 1)3
Ejemplo 1.26
3−x −1
 
1
Dada la matriz A =  2 2−x −1  Determine el valor o valores de x ∈ R para que exista A−1
4 −1 −x
Solución:
3−x 1 −1
det(A) = 2 2−x −1
4 −1 −x
3−x 1 −1
c1 +(c2 +c3 )
= 3−x 2−x −1
3−x −1 −x
1 1 −1
= (3 − x) 1 2 − x −1
1 −1 −x
1 1 −1
F2 −F1 ;F3 −F1
= (3 − x) 0 1 − x 0
0 −2 −x + 1
= −(x − 3)(x − 1)2
Luego det(A) = 0 si y solo si x = 1 o x = 3

Finalmente A−1 existe si y solo si x ∈ R − {1, 3}
1.5.7. Ejercicios Propuestos de Sistemas de Ecuaciones Lineales por Cramer y Determinantes

Resolver usando regla de Cramer el siguiente sistema de ecuaciones
x + y + 2z + w = 20
3x + 4y + z = 80
2x + 3y + z = 100
x + y + 3z + w = 180
Solución:
Resolver usando regla de Cramer el siguiente sistema de ecuaciones
x + y + 2z = 20
3x + 4y + z = 80
2x + 3y + z = 100
Solución:
Utilzar propiedades del los determinantes para obtener el valor real de
1 a a2
M= 1 b b2
1 c c2
Solución:
 
x 2 2
Dada la matriz A =  2 x 2  Determine x ∈ R tal que det(A) = 0.
2 2 x
Solución:
x−1 0 1
Determine x ∈ R , tal que −2 x+2 −1 6= 0
0 0 x+1
Solución:
Utilice operaciones elementales fila para determinar si se cumple que
a 1 −1 a+1
0 a −1 2
|A| = = −a(a + 1)(a + 2)
0 2 −1 a
0 1 0 a
Solución:
Demuestre que se cumple que
a+b a a a
a a+b a a
= b3 (4a + b)
a a a+b a
a a a a+b
Solución:
Si A ∈ M5x5 (R) tal que

λ+1 si : i = j
aij =
λ si : i 6= j
Entonces determine el valor de λ ∈ R tal que det(A) = 0
Solución:
1+a a2 a3 a4
 
 a 1 + a2 a3 a4   tal que a 6= 1
Si A = 
 a a2 1 + a3 a4 
a a2 a3 1 + a4
a) Determine el det(A)
b) Determine el conjunto S = {a ∈ R/ det(A) = 0}
Solución:
1.5.8. Aplicaciones Contextualizadas
Ejemplo 1.27
Una refinería produce gasolina con azufre y sin azufre. Para producir cada tonelada de gasolina sin azufre se
requieren 5 minutos en la planta mezcladora y 4 minutos en la planta de refinación, mientras que cada tonelada
de gasolina con azufre requiere 4 minutos en la planta mezcladora y 2 minutos en la planta de refinación. Si la
planta mezcladora está disponible 3 horas y la de refinación 2 horas.
a.) Determine un sistema lineal que deba resolverse para determinar las toneladas de cada tipo de gasolina
que deben producirse de modo que las plantas operen a toda su capacidad.
b.) Resuelva el sistema lineal que obtuvo en la parte (a) utilizando operaciones elementales matriciales.
a.)
Solución: .
Considere
x : toneladas de gasolina con azufre.
y : toneladas de gasolina sin azufre.
Así del enunciado es posible plantear el siguiente sistema lineal.
5x + 4y = 180
4x + 2y = 120
b.)
Solución:
Observe que al realizar operaciones elementales a la matriz ampliada asociada se obtiene:

5 4 : 180 1
2 F2 5 4 : 180
(A|b) = →
4 2 : 120 2 1 : 60

F1 −4F2 −3 0 : −60
→
2 1 : 60
−1

3 F1 1 0 : 20
→
2 1 : 60

F2 −2F1 1 0 : 20
→
0 1 : 20
x = 20 , y = 20
Luego la cantidad de tonelas de gasolina con azufre y sin azufre es de 20 toneladas
Ejemplo 1.28
Una empresa compra cubiertas para autos, camiones y equipos. En total compró 44 cubiertas por 42.400 dó-
lares. Las cubiertas de autos las pagó a 100 dólares cada una, las de camiones a 300 y las de equipos las pagó
2500 dólares. Las cubiertas de autos y equipos en conjunto son la misma cantidad que las de camiones. Cuántas
cubiertas de cada tipo se compraron?
1. Defina adecuadamente las variables.
2. Plantée un sistema de ecuaciones lineales.
3. Resuelva el problema utilizando un método visto en clases.
Solución:
1. x : número de cubiertas para autos

y : número de cubiertas para equipos
z : número de cubiertas para camiones
2.
x+y+z = 44
100x + 2500y + 300z = 42400
x+y−z =0
3.  
1 1 1 : 44
(A : b) =  1 25 3 : 424 
1 1 −1 : 0
 
1 1 1 : 44
f2 −f1 ;f3 −f1
→  0 24 2 : 380 
0 0 −2 : −44
Como ρ(A) = ρ(A : b) = 3 el sistema tiene solución única

Esto es
z = 22
24y + 44 = 380 → y = 14
x + 14 + 22 = 44 → x = 8
Finalmente se compraron 8 cubiertas para autos , 14 cubiertas para equipos y 22 cubiertas para camiones.
Ejemplo 1.29
Una empresa transporta aridos para la contrucción en tres caminones A, B y C. En un día hicieron entre todos
19 viajes. El camión A transporta 9tn por viajes , el camión B 29tn y el C 26tn.En ese día transportaron en total
376tn de aridos.Los camiones más grandes hicieron en conjuntos solo tres viajes más que el pequeño. Cuántos
viajes hizo cada uno?
2. Plantée un sistema de ecuaciones lineales
3. Resuelva el problema.
Solución:
1. x : número de viajes del camión A

y : número de viajes del camión B
z : número de viajes del camión C
2.
x+y+z = 19
9x + 29y + 26z = 376
y+z =x+3
3. Matricialmente el sistema se resuelve

 
1 1 1 : 19
(A : b) =  9 29 26 : 376 
−1 1 1 : 3
 
1 1 1 : 19
f2 −9f1 ;f3 +f1
→  0 20 17 : 205 
0 2 2 : 22
 
1 1 1 : 19
f2 ↔f3
→  0 2 2 : 22 
0 20 17 : 205
 
1 1 1 : 19
f3 −10f2
→  0 2 2 : 22 
0 0 −3 : −15
Como ρ(A) = ρ(A : b) = 3 el sistema tiene solución única

de lo anterior se tiene que z = 5 , y = 6, x = 8
Finalmente sabemos que el número de viajes del camión A es de 8, el número de viajes del camión B es
de 6 y el número de viajes del camión C es de 5.
1.5.9. Ejercicios Propuestos de Aplicaciones Contextualizados

Cuatro hermanos recibirán una herencia que dejo el Padre por un monto de 1160 UF .El Padre estipulo que
Carlos, María y Pedro en conjunto deben recibir la misma cantidad que Juan, además que Pedro reciba el triple
de lo que recibirá María y que finalmente lo que reciba Carlos más cuatro veces lo que reciba María sea igual
a lo que recibirá Juan.Si María entiende mejor lo que su Padre ha estipulado. Determine cuanto recibirán cada
hermano si María recibe 100 UF y cuanto recibirán cada hermano si María recibe 120 UF.
Solución:
Una empresa de mantención de computadores y tablets.Invierte 20 minutos para ensamblar computadores de

escritorio, 30 minutos en ensamblar notebooks, 40 minutos en ensamblar tablets la jornada laboral es de 560
minutos.Si en dicha jornada laboral se ensamblaron 20 unidades entre computadores de escritorio, notebooks y
tablets.Determine cuantos computadores, notebooks y tablets de cada uno se ensamblaron si los computadores
de escritorios ensamblados en total es igual a la suma de los notebooks y tablets ensamblados.
x : Representa el número de computadores de escritorio ensamblados
y : Representa el número de notebooks ensamblados
z : Representa el número de tablets ensamblados
Solución:
Un contratista tiene tres tipos de betoneras: la A de 120 litros de mezcla,la B de 150 litros de mezcla y la C de 270
litros de mezcla.En una faena de una hora de trabajo continuo se llenaron 22 betoneras.La betonera A tiene un
rendimiento de 1m3 por hora , la betonera B un rendimiento de 2m3 por hora y la betonera C un rendimiento
de 4 m3 por hora.En esa hora de faena se realizo un trabajo que cubrio aproximadamente 44 m3 .Determine
cuantas veces se llenaron cada tipo de betoneras si la betonera menor realizo 2 llenados más que las cantidades
de veces que se llenaron en conjunto las más grandes.
Considere
x : Representa el número de veces que se lleno la betonera del tipo A.
y : Representa el número de veces que se lleno la betonera del tipo B.
z : Representa el número de veces que se lleno la betonera del tipo C.
Solución:
Una empresa transporta arena en tres camiones A, B, y C. En un día hicieron entre todos 28 viajes. El camión
A transporta 4tn por viaje, el B 6tn y el C 8tn. En ese día transportaron en total 160tn de aridos. Los camiones
más grandes hicieron en conjunto solo ocho viajes más que el pequeño. Cuántos viajes hizo cada uno?
3. Resuelva el problema utilizando un método revisados en clases.
Solución:
1.6 Cierre de Aprendizajes: Evaluación formativa 1
A continuación realizaremos una evaluación formativa de los aprendizajes asociados a algebra de matrices, matrices
inversas, determinantes y sistemas de ecuaciones.

3 1
1. Sea A = entonces el valor de M tal que: M = (3A + 2I)t
2 0

11 6
a) M =
3 2

11 6
b) M =
3 2

6 11
c) M =
2 3

2 3
d) M =
6 11

1 2 2 1
2. Dadas las matrices A = yB = , entonces determine el valor de (AB − BA)t
1 1 1 1

0 0
a)
0 0

1 −2
b)
1 −1

1 1
c)
−2 −1

1 1
d)
−1 −2
 
1 2 3β
3. Sea A =  2 3 40 + β , determine el valor de β ∈ R tal que el rango de la matriz A sea igual a 2.
3 7 β2
a) β = −10 o β = 4
b) β = −10 o β = −4
c) β = 10 o β = 4
d) β = 10 o β = −4
1 2 3 2 1
 
 2 4 6 4 2 
4. El rango de la matriz A = 
 3
 es:
6 9 6 3 
5 10 15 10 5
a) 3
b) 2
c) 4
d) 1
 
1 1 2
5. Si A =  2 3 2 , entonces determine el valor de m ∈ R , tal que m = tr(A) − 2|At |
3 3 4
a) m = 4
b) m = −4
c) m = −12
d) m = 12
6. Determine el tipo de solución que presenta el siguiente sistema
x+y+z =6
2x + 2y + 3z = 14
x + y + 2z =8
a) El sistema de ecuaciones tiene infinitas soluciones que depende de un parámetro libre.

b) El sistema de ecuaciones tiene solución única.
c) El sistema de ecuaciones no tiene solución
d) El sistema de ecuaciones tiene infinitas soluciones que depende de dos parámetros libres.
7. Determine el conjunto solución Xs del siguiente sistema de ecuaciones lineales
x+y+z =3
2x + 3y + 4z = 11
3x + y + z =5
  
1 0 0 1
a) Xs = 0 1 1  1 
2 0 1 1
  
1 1 1 1
b) Xs = 1 1 −1   −1 
2 −2 −1 1
  
1 0 0 2
c) Xs = 1 1 1  1 
1 1 1 −1
  
1 0 0 2
d) Xs =  1 1 1  1 
1 0 1 −1
−1
 
x 2
8. Determine x ∈ R para que la matriz A =  −1 x 2  no tenga una matriz inversa.
2 x −1
a) x = −1
b) x = 1
c) x 6= −1
d) x 6= 1
9. Dado el sistema de ecuaciones que depende de a ∈ R
x + y + az =1
2x + 3y + 2z =a
3x + 4y + a2 z =3
cuál o cuáles de las siguientes afirmaciones es o son verdaderas
i) si a = −1 el sistema no tiene solución

ii) si a = 2 el sistema tiene infinitas soluciones
iii) si a = 1 el sistema tiene solución única
a) solo ii)
b) solo i) y ii)
c) solo ii) y iii)
d) i ) , ii ) y iii)
1 a−2 1 1
 
 a −1 −1 2 
 . Determine el o los valores de a ∈ R para que no exista A−1
10. Considere la matriz A = 
 2 −1 −1 a 
1 0 0 a
a) a = 3 o a = −1 o a = 2
b) a ∈ R − {−1, 2, 3}
c) a ∈ R − {1, −2, −3}
d) a = −3 o a = 1 o a = −2
11. El siguiente sistema de ecuaciones

x+y+z+w = 20
2x + 3y + 2z + 2w = 40
3x + 4y + 6z + 2w = 90
6x + 18y + 9z + 5w = 150
a) no tiene solución
b) tiene infinitas soluciones, las cuales dependen de dos parámetros libres
c) tiene infinitas soluciones, las cuales dependen de un parámetro libre
d) tiene solución única
12. Sea A ∈ M3x3 tal que det(A) = 3 . Entonces determine el valor de M = det(2A) − 2det(At )
a) M = 0
b) M = 18
c) M = 20
d) M = 12
Ejercicios de desarrollo

1 1 2 0
13. Dadas las matrices A = yB = , entonces determine el valor X ∈ M2x2 (R) tal que
3 2 3 2
A(X t + B 2 ) = (AB + 3I)

 
1 1 β
14. Dada la matriz A =  0 1 0 , determine el valor de β ∈ R tal que el rango A sea 2.
β−1 1 0
1−a
 
1 1
15. Dada la matriz A =  1 1 1−a 
1 1−a 1
a) Determine a ∈ R para que la matriz A sea invertible.

b) Calcular la matriz inversa A−1 si a = 1
16. Dado el sistemas

x+y+z =a
3x + 4y + 3z = 5a
4x + 4y + a2 z =8
Determine
a) a ∈ R para que el sistema tenga solución única.

b) a ∈ R para que el sistema no tenga solución.
c) Resolver el sistema para a = 2.
17. Si al doble de la edad de Verónica se le suma la edad de Marcela, se obtiene la edad de Beatriz aumentada en
17 años. Si la tercera parte de la edad de Marcela se suma con el doble de la edad de Beatriz se obtiene la edad
de Verónica aumentada en 39 años y la tercera parte de la suma de las edades de Verónica y Marcela es 16 años
menos que la edad de Beatriz. Determine las edades de cada una.
a) Definir las variables del problema

b) Modelar apropiadamente las ecuaciones
c) Utilizar un método matricial revisado en clases para resolver el problema
d) Responder formalmente a la pregunta realizada en el contexto del problema
18. En una fábrica de muebles se elaboran muebles de cocina, mesas y escritorios.En una semana se han terminado
un total de 17 de estos muebles. Si en ensamblaje dedican 20 minutos en cada mueble de cocina, 30 minutos en
cada mesa y 20 minutos en cada escritorio. Y en el taller de pintura se utilizan 42 minutos en cada mueble de
cocina, 62 minutos en cada mesa y 43 minutos en cada escritorio. Determine cuantos muebles de cocina, mesas
y escritorio se terminaron si se utilizaron 420 minutos para ensamblaje y 878 minutos para pintura.
Respuesta
1. a) 11. c)
2. c) 12. b)
16.
3. c)
4. d)
5. d) 13.
6. a)
17.
7. b)
14.
8. a)
9. d)
10. a) 15. 18.

2 Geometría en Rn
2.1 Vectores en Rn
Definición 2.1
El espacio Rn se define como:
Rn = {(x1 , ..., xn )|xj ∈ R∀j ∈ {1, ..., n}

Los elementos de Rn se denominan vectores.
Ejemplo 2.1
→
−
El vector en que todas sus coordenadas son nulas se denomina origen de Rn y se denota por 0 .
Ejemplo 2.2
→
−
x = (1, −2, 5) es un vector en R3 .
→
−
v = (0, 0, 0, 0) es el vector nulo de R4 .
66 Geometría en Rn
2.1.1. Operatoria Básica de Vectores
Definición 2.2
Dados dos vectores →

−
x = (x1 , ..., xn ), →
−
y = (y1 , ..., yn ) en Rn , se definen las siguientes operaciones entre ambos
vectores
1. Suma:
→
−
x +→
−
y = (x1 + y1 , ..., xn + yn )
2. Resta:
→
−
x −→
−
y = (x1 − y1 , ..., xn − yn )
3. Ponderación por escalar:
λ→
−
x = (λx1 , ..., λxn )
Ejemplo 2.3
Sean →
−
x = (1, 2, 3), →
−
y = (6, 1, 9)
Entonces
→
−
x +→−
y = (1 + 6, 2 + 1, 3 + 9) = (7, 3, 12)
→
− →
−
x − y = (1 − 6, 2 − 1, 3 − 9) = (−5, 1, −6)
2→
−x = (2 · 1, 2 · 2, 2 · 3) = (2, 4, 6)

−1 →
− 1 1 1 1
y = − · 6, − · 1, − · 9 = −2, − , −3
3 3 3 3 3
La suma de vectores, en términos gráficos, se puede interpretar gráficamente mediante la llamada regla del parale-
légramo. Esta regla consiste en trazar por el extremo de cada sumando dos paralelas a cada uno de estos vectores del
mismo largo de modo que se forma un paralelégramo. El vector que representa la suma empieza del origen y tiene
como extremo el punto en que se unen las paralelas antes trazadas.
Geometría en Rn 67
Proposición 2.1
Propiedades de la suma y ponderación por escalar:
1. →
−
x +→
−
y =→
−
y +→
−
x
2. (→
−x +→
−y)+→−z =→
−
x + (→
−
y +→
−
z)
→
−
3. →
−x + 0 =→
−x
4. λ(→
−
x +→
−
y ) = λ→
−
x + λ→
−
y
5. (λ + µ)→
−
x = λ→
−
x + µ→
−
x
6. λ(µ→−
x ) = (λµ)→
−
x
→
−
7. 0→
−x = 0
→
− →
−
8. λ 0 = 0
2.1.2. Norma de un vector
Definición 2.3
Se define la norma de un vector →

−
x = (x1 , ..., xn ) como:
v
u n 2
uX
→
−
|| x || = t xj
j=1
Ejemplo 2.4
La norma del vector →

−
x = (1, 2, 2) en R3 es:
Solución:
√ √
||→
−
p
x || = 12 + 22 + 22 = 1+4+4= 9=3
→
−
La norma de un vector representa su distancia respecto al origen de coordenadas 0 .
68 Geometría en Rn
Proposición 2.2
Propiedades de la norma:
1. La norma de cualquier vector es un número real no negativo.
→
−
2. ||→
−
x || = 0 ⇔ →
−
x = 0
3. ||λ→
−
x || = |λ| · ||→
−
x ||
4. ||→
−
x +→
−
y || ≤ ||→
−
x || + ||→
−
y ||
Definición 2.4
Un vector en Rn se dice unitario si su norma es 1.
Ejemplo 2.5
→
−
x = 3 4

es un vector unitario, pues:
5, 5
s
2 2 r
25 √
r
→
− 3 4 9 16
|| x || = + = + = = 1=1
5 5 25 25 25
Definición 2.5
Sea →
−
x un vector no nulo. Se define la normalización de →
−
x como:
→
−x
x̂ = →−
|| x ||
Ejemplo 2.6
Sea →
−
x = (1, 2, 3). Entonces
√ √
||→
−
p
x || = 12 + 22 + 32 = 1 + 4 + 9 = 14
Por lo tanto:
→
−
x 1
x̂ = → = √ (1, 2, 3)
||−
x || 14
Geometría en Rn 69
2.1.3. Producto Punto y Producto Cruz

Considere Rn con n igual a 2 o 3. Interesa determinar en dos vectores →
−
x e→
−
y el ángulo que forman. Para ello intro-
ducimos el siguiente concepto:
Definición 2.6
Sean →
−
x = (x1 , ..., xn ), →
−
y = (y1 , ..., yn ) dos vectores en Rn . Se define el producto punto entre →
−
x e→
−
y como:
n
→
−
x ·→
−
X
y = xj yj
j=1
Ejemplo 2.7
Sean →
−
x = (1, 2, 3), →
−
y = (6, 1, 9). Entonces
→
−
x ·→
−
y = 1 · 6 + 2 · 1 + 3 · 9 = 6 + 2 + 27 = 35
Proposición 2.3
Propiedades del producto punto:
1.
→
−
x ·→
−
y =→
−
y ·→
−
x
2.
→
−
x · (→
−
y +→
−
z)=→
−
x ·→
−
y +→
−
x ·→
−
z
3.
λ(→
−
x ·→
−
y ) = (λ→
−
x)·→
−
y =→
−
x · (λ→
−
y)
4.
→
−
x ·→
−
x = ||→
−
x ||2
5. Si θ es el ángulo que forman →

−
x y→
−
y , entonces
→
−
x ·→
−
y = ||→
−
x || · ||→
−
y || cos(θ)
Definición 2.7
Dos vectores →
−
x y→
−
y son ortogonales o perpendiculares si se intersectan en ángulos de 90 grados.
Entonces de la propiedad anterior, dos vectores son ortogonales si y solo si su producto punto es nulo.
70 Geometría en Rn
Ejemplo 2.8
Sean →
−
x = (1, 2, 3), →
−
y = (3, −3, 1). Estos vectores son ortogonales pues:
→
−
x ·→
−
y = 1 · 3 + 2 · (−3) + 3 · 1 = 3 − 6 + 3 = 0
Definición 2.8
Sean →
−
x = (x1 , x2 , x3 ) y →
−
y = (y1 , y2 , y3 ) dos vectores en R3 . Se define el producto cruz entre →
−
x e→
−
y como:
i j k
→
−
x ×→
−
y = x1 x2 x3
y1 y2 y3
x2 x3 x1 x3 x1 x2
=i −j +k
y2 y3 y1 y3 y1 y2
= i(x2 y3 − x3 y2 ) − j(x1 y3 − x3 y1 ) + k(x1 y2 − x2 y1 )
= (1, 0, 0)(x2 y3 − x3 y2 ) − (0, 1, 0)(x1 y3 − x3 y1 ) + (0, 0, 1)(x1 y2 − x2 y1 )
= (x2 y3 − x3 y2 , x3 y1 − x1 y3 , x1 y2 − x2 y1 )
Ejemplo 2.9
Sea →
−
x = (1, −1, 3) y →
−
y = (2, 3, −4). Entonces
→
−
x ×→
−
y = (−1 · −4 − 3 · 3, 3 · 2 − 1 · −4, 1 · 3 − 1 · −2) = (−5, 10, 5)
Proposición 2.4
Propiedades del producto cruz:
1. →
−
x ×→
−
y es ortogonal a →
−
x e→
−
y
2. →
−
x × (→
−
y +→
−
z)=→
−
x ×→
−
y +→
−
x ×→
−
z
3. λ(→
−
x ×→
−
y ) = (λ→
−
x)×→
−
y =→
−
x × (λ→
−
y)
4. (→
−
x +→
−
y)×→
−
z =→
−
x ×→
−
z +→
−
y ×→
−
z
5. →
−
x ×→
−
y = −→−
y ×→
−
x
→
−
6. →
−
x ×→
−
x = 0
7. Si θ es el ángulo de intersección entre →

−
x e→
−
y , entonces
||→
−
x ×→
−
y || = ||→
−
x || · ||→
−
y || · | sen(θ)|
Geometría en Rn 71
De esta proposición anterior se establece:
Corolario 2.1
→
−
1. Si →
−
x es un ponderado de →
−
y , entonces →
−
x ×→
−
y = 0.
2. Si →
−
x es ortogonal a →
−
y , entonces
||→
−
x ×→
−
y || = ||→
−
x || · ||→
−
y ||
2.1.4. Ejercicios Resueltos de Álgebra de Vectores
Ejemplo 2.10
Considere los vectores →

−
x = (2, 1, −3), →
−
y = (1, −4, 5). Determine →
−
x +→
−
y , 4→
−
x − 3→
−
y , ||→
−
x ||,(2→
−
x ) · (5→
−
y)y→
−
x ×→
−
y.
Solución:
1.
→
−
x +→
−
y = (2 + 1, 1 − 4, −3 + 5) = (3, −3, 2)
2.
4→
−
x − 3→
−
y = 4(2, 1, −3) − 3(1, −4, 5) = (8, 2, −12) − (3, −12, 15) = (5, 14, −27)
3. √ √
||→
− p
x || = 22 + (−1)2 + 32 = 4 + 1 + 9 = 14
4.
(2→
−
x ) · (5→
−
y ) = (4, 2, −6) · (5, −20, 25) = 20 − 40 − 150 = −170
5.
→
−
x ×→
−
y = (2, 1, −3) × (1, −4, 5) = (1 · 5 − (−3) · (−4), (−3) · 1 − 2 · 5, 2 · (−4) − 1 · 1) = (−7, −13, −9)
Ejemplo 2.11
Considere los vectores →

−
x = (3, 1, −4) e →
−
y = (2, 2, 2). Verifique si se cumple que
||→
−
x +→
−
y ||2 = ||→
−
x ||2 + ||→
−
y ||2
Solución: Vemos que
→
−
x +→
−
y = (5, 3, −2)
||→
−
x ||2 = 32 + 12 + (−4)2 = 9 + 1 + 16 = 26
||→
−
y ||2 = 22 + 22 + 22 = 4 + 4 + 4 = 12
||→
−
x +→
−
y ||2 = 52 + 33 + (−2)2 = 25 + 9 + 4 = 38
Reemplazando
72 Geometría en Rn
||→
−
x +→
−
y ||2 = ||→
−
x ||2 + ||→
−
y ||2
38 = 26 + 12
Por lo tanto, se cumple la igualdad.
2.1.5. Ejercicios Propuestos de Álgebra de Vectores

Considere los siguientes vectores →

−
x = (3, −3, 1), →
−
y = (4, 2, −5).
Calcule:
1. →
−
x +→
−
y
2 →
−
2. 3( y − 12 →
−
x)
3. ||→
−
x + 4→
−
y ||
4. (3→
−
x ) · (5→
−
y)
5. →
−
x ×→
−
y
Solución:
Geometría en Rn 73
Verifique que para →

−
x = (1, −1, 2), →
−
y = (4, 2, −6), →
−
z = (−1, 5, −6) se cumple que
→
−
x · (→
−
y ×→
−
z ) = (→
−
x ×→
−
y)·→
−
z
Solución:
Hallar el valor de t ∈ R tal que ||u|| = 11 si u = (6, −7, t)

Solución:
Hallar el valor de t ∈ R tal que ||u|| = 14 si u = (6t, 2t, 3t)

Solución:
74 Geometría en Rn
Hallar el valor de t ∈ R tal que u · v = 4 tal que u = (2, 7, t) y v = (5, −6, 3)

Solución:
Hallar el valor de t ∈ R tal que u · v = 0 tal que u = (2, 7, t) y v = (5, −6, 3)

Solución:
Hallar el ángulo entre los vectores u = (2, 1, 3) y v = (4, 1, 2)

Solución:
Geometría en Rn 75
Hallar el ángulo entre los vectores u = (4, −5, 2) y v = (2, 4, 6)

Solución:
Hallar el valor de t ∈ R para u = (3, 5, t) y v = (2, 2, 1) para que el ángulo entre u y v sea θ = 57, 68o
Solución:
Hallar el valor de t ∈ R para u = (6, 2, 4) y v = (t, 0, 1) para que el ángulo entre u y v sea θ = 19, 47o
Solución:
76 Geometría en Rn
Determine si existe t ∈ R para u = (−1, 2, 5) y v = (2, −4, t) sean ortogonales

Solución:
Determine si existe t ∈ R para u = (3, −2, t) y v = (0, 3, 1) sean ortogonales

Solución:
Determine si existe t ∈ R para u = (−1, 2, 5) y v = (2, −4, t) sean paralelos

Solución:
Geometría en Rn 77
Determine si existe t ∈ R para u = (3, −2, t) y v = (0, 3, 1) sean paralelos

Solución:
Determine si existe t ∈ R para u = (4, 1, 3) y v = (2, 1, t) para que u × v = (1, −10, 2)

Solución:
Determine si existe t ∈ R para u = (2, 1, t) y v = (3, −4, 2) para que u × v = (6, 4, 11)
Solución:
78 Geometría en Rn
Ejercicios 2.17
Demuestre que m(u × v) = (mu) × v = u × (mv) ∀u, v ∈ R3 , m ∈ R

Solución:
Geometría en Rn 79
2.2 Rectas y Planos en R3
Usando las herramientas antes vistas podemos definir objetos en el espacio como planos y rectas:
Definición 2.9
Un plano π en R3 es el lugar geométrico de los puntos →

−
x = (x, y, z) en el espacio tales que existe
→
− 3 →
− →
−
n = (a, b, c) ∈ R y d ∈ R tales que n · x = d.
Esto se reescribe como
π : ax + by + cz = d
Esta ecuación es la denominada ecuación cartesiana de un plano. El elemento →
−
n se denomina vector normal al plano
π, y es un vector perpendicular a dicho plano.
Proposición 2.5
Un plano π se determina de manera única por un punto − → = (x , y , z ) y un vector normal →

x 0 0 0 0
−
n = (a, b, c) a
éste. La ecuación vectorial que define a este plano es:
π : (x − x0 , y − y0 , z − z0 ) · (a, b, c) = 0
que se reescribe en forma cartesiana como
π : a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0
Ejemplo 2.12
El plano π determinado por el punto (1, −2, 3) y tiene el vector normal (2, 1 − 4) es:
Solución:
π : 2(x − 1) + 1(y + 2) − 4(z − 3) = 0

que se puede reescribir en forma general como
π : 2x + y − 4z = −12
80 Geometría en Rn
Definición 2.10
Considere dos planos distintos π1 y π2 de ecuaciones respectivas π1 : a1 x + b1 y + c1 z = d1 ,

π2 : a2 x + b2 y + c2 z = d2 . Entonces ocurre exactamente una de las siguientes proposiciones
1. Los planos son paralelos. Esto ocurre si (a1 , b1 , c1 ) es un ponderado de (a2 , b2 , c2 ).
2. Los planos intersectan. En ese caso el lugar de intersección es una recta cuyo vector dirección es el pro-
ducto cruz de (a1 , b1 , c1 ) con (a2 , b2 , c2 )
Definición 2.11
Una recta L en el espacio es el lugar geométrico de los puntos →

−
x = (x, y, z) en el espacio para los cuales existe
−
→ →
−
un P0 = (x0 , y0 , z0 ) y a = (a, b, c) y t ∈ R tales que
−
→
L: →
−
x = P0 + t→
−
a
Es decir , una recta corresponde al lugar geométrico dado por
L : (x, y, z) = (x0 , y0 , z0 ) + t · (a, b, c)

−
→ −
Esta se conoce como la ecuación vectorial de la recta que pasa por el punto P0 y →
a se conoce como el vector
dirección de la recta. Comparando coordenadas tenemos:
L : x = x0 + ta
y = y0 + tb
z = z0 + tc
Esta se conocen como las ecuaciones paramétricas de la recta.
Además
x − x0 y − y0 z − z0
L: = =
a b c
Esta se conoce como la ecuación de la recta en su forma cartesiana.
Desde el punto de vista de sistemas de ecuaciones una recta corresponde al siguiente sistema de ecua-
ciones
A1 x + B1 y + C1 z + D1 = 0
L:
A2 x + B2 y + C2 z + D2 = 0
consideremos que al tener solución se tiene que ρ(A) = 2 y por lo tanto η(A) = 1 es decir dependeria de un
parámetro.
Geometría en Rn 81
Ejemplo 2.13
Determine la ecuación vectorial de la recta L que se obtiene a partir de la recta dada por el siguiente sistema
de ecuaciones
x+y+z =4
x + 2y − z = 6
Solución:

1 1 1 : 4 F2 −F1 1 1 1 : 4
(A : b) = →
1 2 −1 : 6 0 1 −2 : 2
luego ρ(A) = ρ(A : b) = 2 el sistema tiene infinitas soluciones entonces depende η(A) = 1
y = 2z + 2 , x = 2 − 3z entonces se tiene que
Xs = (2 − 3z, 2 + 2z, z) , z ∈ R
L : (x, y, z) = (2, 2, 0) + t(−3, 2, 1) , ∀t ∈ R
Ejemplo 2.14
La recta L que pasa por (6, 1, 9) y tiene vector dirección (2, −3, −5) tiene como ecuaciones vectorial y paramé-
tricas:
Solución:
Ecuación vectorial
L : (x, y, z) = (6, 1, 9) + t(2, −3, −5)
Ecuación paramétrica
L : x = 6 + 2t
y = 1 − 3t
z = 9 − 5t
82 Geometría en Rn
2.2.1. Ejercicios Resueltos de Rectas y Planos
Ejemplo 2.15
Hallar la ecuación vectorial y paramétrica de la recta L perpendicular a los vectores (1, −1, 1) , (1, 1, 2) y que
pasa por el punto (2, 1, 1).
Solución: El vector dirección de la recta es el producto cruz de los vectores (1, −1, 1) , (1, 1, 2):
→
−
a = (1, −1, 1) × (1, 1, 2) = (−3, −1, 2)
Como pasa por el punto (2, 1, 1), se tiene que la ecuación vectorial de la recta pedida es:
L : (x, y, z) = (2, 1, 1) + t(−3, −1, 2)

Y las ecuaciones paramétricas son:
L : x = 2 − 3t
y =1−t
z = 1 + 2t
Ejemplo 2.16
Determine las ecuaciones paramétrica y vectorial de la recta L, que es paralela a la recta L1 de ecuación vecto-
rial L1 : (x, y, z) = (1, −2, 1) + t(−3, 2, 4) y que pasa por el punto (5, 11, −13).
Solución: El vector dirección de la recta L buscada es el mismo que la recta L1 dada, es decir, el vector
(−3, 2, 4). Como pasa por (5, 11, −13) se tiene que la recta buscada tiene como ecuación vectorial:
L : (x, y, z) = (5, 11, −13) + t(−3, 2, 4)

Que se expresa en forma paramétrica como
L : x = 5 − 3t
y = 11 + 2t
z = −13 + 4t
Ejemplo 2.17
Hallar la ecuación general y vectorial del plano π que contiene los puntos (1, 2, 1),(2, 1, 1) y (4, 1, 2).
→
−
Solución: Consideremos dos vectores dirección →
−
a y b dados por
→
−
a = (2, 1, 1) − (1, 2, 1) = (1, −1, 0)
→
−
b = (4, 1, 2) − (1, 2, 1) = (3, −1, 1)
De esta forma, el vector normal →
−
n se puede obtener como el producto cruz de los vectores antes obtenidos
Geometría en Rn 83
→
− →
−
n =→
−
a × b
(1, −1, 0) × (3, −1, 1) = (−1, −1, 2)
→→ −
n = (−1, −1, 2)
Por lo tanto, el plano tiene como ecuación vectorial
(x − 1, y − 2, z − 1) · (−1, −1, 2) = 0
Que se reescribe en forma cartesiana como:
−(x − 1) − (y − 2) + 2(z − 1) = 0
−x + 1 − y + 2 + 2z − 2 = 0
π : −x − y + 2z = −1
Ejemplo 2.18
Determine la ecuación del plano π que es perpendicular a la recta intersección de los planos de ecuación
π1 : x + y − z = 1 y π2 : 2x − 3y + 4z = 4 y que pasa por el origen.
solución: Para ver la intersección de los dos planos, podemos resolver el sistema asociado:
x+y−z =1
2x − 3y + 4z = 4

1 1 −1 1 1 1 −1 1 1 1 −1 1
∼ ∼
2 −3 4 4 0 −5 6 2 0 1 − 65 − 25
1 7

1 0 5 5
∼
0 1 − 65 − 25
De esto, se desprende que, llamando z = t, tenemos que
6 2
y= t−
5 5
1 7
x=− t+
5 5
Por lo tanto, la recta intersección tiene como ecuación:

7 2 1 6
L : (x, y, z) = ,− ,0 + t − , ,1
5 5 5 5
→
−
Su vector dirección es a = − 51 , 65 , 1 . Como el plano pedido π es perpendicular a dicha recta, el vector

dirección es el vector normal → −n de plano π, y como pasa por el origen, su ecuación es:

1 6 x 6y
π : (x, y, z) · − , , 1 = 0 → π : − + +z =0
5 5 5 5
84 Geometría en Rn
2.2.2. Ejercicios Propuestos de Rectas y Planos

Ejercicios 2.18 : Actividad grupal
Determine la ecuación de la recta L que pasa por los puntos (3, 1, 2) y (2, 5, 5) y escribala en su forma vectorial
y en su forma cartesiana.
Solución:
Determine la ecuación de la recta L que pasa por el punto P0 = (2, 5, 3) y cuya dirección es a = (2, 3, 0) en su
forma parámetrica y cartesiana.
Solución:
Determine la ecuación de la recta L que pasa por los puntos (1, 3, −4) y (−2, −8, 6) y escribala en su forma
vectorial y en su forma parámetrica
Solución:
Geometría en Rn 85
x−3 y−4 z−1

Dadas las rectas L1 : = = y L2 : (x, y, z) = (5, 3, 8) + β(4, 2, 6) , β ∈ R. Entonces determine
2 3 −1
el punto de intersección entre las rectas.
Solución:
Si la distancia mínima de un punto Pe exterior a una recta L : (x, y, z) = P0 + t · u , con P0 = (x0 , y0 , z0 ) y

u = (a, b, c) el vector director. es dada por
||(Pe − P0 ) × u||
d=
||u||
x−8 y−3 z − 15
Determine la distancia del punto Pe = (4, 3, 5) a la recta L : = = .
3 1 4
Solución:
86 Geometría en Rn
Dadas las rectas L1 : (x, y, z) = P1 + t · u , con P1 = (x1 , y1 , z1 ) y u = (a1 , b1 , c1 ) el vector director. y

L2 : (x, y, z) = p2 + t · v , con p2 = (x2 , y2 , z2 ) y v = (a2 , b2 , c2 ) el vector director. Entonces si L1 y L2 son dos
rectas no paralelas entonces la distancia mínima entre ellas es dada por
|(P1 − P2 ) · (u × v)|
d=
||u × v||
x−6 y−7 z−4 x−5 y−3 z−8
Determine la distancia entre las recta L1 : = = y L2 : = =
3 5 2 4 2 6
Solución:
x−3 y−4 z−1 x−2 y−1 z−3

Determine la distancia entre las recta L1 : = = y L2 : = =
2 3 −1 2 2 3
Solución:
Geometría en Rn 87
Determine el Plano π que pasa por el punto P0 = (3, 6, 4) y su vector normal es N = (2, 3, 5).
Solución:
Determine el Plano π que pasa por el punto P0 = (3, 5, 8) y es paralelo al plano π1 : 2x + 4y + 7z − 38 = 0.

Solución:
Determine el Plano π que pasa por el punto P0 = (3, 5, 8) y su normal es el eje Z.

Solución:
88 Geometría en Rn
Determine el plano π que pasa por los punto P1 = (2, 6, 5), P2 = (1, 1, 7) y P3 = (1, 3, 2).
Solución:
x−3 y−4
Determine el plano π que pasa por el punto P0 = (3, 5, 4) y es perpendicular a la recta L : = =
3 −2
z−1
8
Solución:
x−2 y−4 z−4

Determine el plano π que pasa por el punto P0 = (3, 6, 5) y esté por sobre la recta L : = =
2 3 4
Solución:
Geometría en Rn 89
x−1 y+2 z−1

Determine el plano π que está por sobre las rectas paralelas L1 : = = y
2 3 1
x+1 y−1 z+5
L2 : = =
2 3 1
Solución:
Ejercicios 2.32
x+2 y z+1 x−1 y+1 z−1

Determine el plano π que está sobre L1 : = = es paralelo a L2 : = =
3 −2 2 2 3 4
Solución:
90 Geometría en Rn
A continuación realizaremos una evaluación formativa de los aprendizajes asociados a norma de un vector, producto
punto, producto cruz, rectas y planos en R3
√
1. Determine el valor de x ∈ R tal que u = (1, 2x − 1, 3x) es tal que su norma es kuk = 4
a) x = −7/4
b) x = 2
c) x = 7/4
d) x = −2

−1 1 (4x − 3)
2. Determine el valor de x ∈ R tal que u = √ ,√ , √ es tal que su norma es kuk = 1
3 3 3
a) x = 1
b) x = 2
c) x = −1
d) x = −2
√
3. Determine el valor de x ∈ R tal que u = (1 − x, 1 + x, 4 + x) es tal que su norma es kuk = 4
a) x = −1/4
b) x = −2
c) x = 1/4
d) x = 2
4. Dados los vectores u, v, w ∈ R3 Determine x, y ∈ R tal que u sea ortogonal con v y v sea paralelo con w .Si
u = (2, −3, 1), v = (2, y, y + x) y w = (2x, 6, 10).
a) x = 2, y = 3
b) x = −2, y = 3
c) x = 2, y = −3
d) x = 3, y = 2
5. Dados los vectores u, v, w ∈ R3 Determine x, y ∈ R tal que u sea ortogonal con v y v sea paralelo con w .Si
u = (2, x, 3), v = (2y, 11, −x) y w = (8, 12y + 2x, 2).
a) x = 1, y = 3
b) x = 2, y = 1
c) x = 1, y = −2
d) x = −1, y = 2
Geometría en Rn 91
6. Si u = (3, 5, t) y v = (2, 2, 1) . Hallar el valor t ∈ R+ para que el ángulo entre u y v sea θ = 19, 47o
a) t = 4 y 4/7
b) solo t = 4
c) solo t = 4/7
d) t = 7/4
7. Si u = (−1, 2, 5) y v = (2, −4, t) . Hallar el valor t ∈ R para u y v sean ortogonales
a) t = −2
b) t = 2
c) t = 4
d) t = −4
8. Si u = (−1, 2, 5) y v = (2, −4, t) . Hallar el valor t ∈ R para u y v sean paralelos
a) t = −2
b) t = 2
c) t = 10
d) t = −10
x−2 y+1 z−1
9. Determine cuál o cuáles de los siguientes puntos pertenecen a la recta L : = =
3 2 4
i)P (5, 1, 5) , ii)P (8, 4, 9) , iii)P (−1, −3, −3)
a) solo i)
b) solo i) y ii)
c) solo i) y iii)
d) solo ii) y iii)
x+y+z =2
10. Dada la recta en su forma general L : .Entonces determine el vector director de la recta.
2x + 3y + z =8
a) a = (−2, 1, 1)
b) a = (2, −1, 1)
c) a = (1, 2, 2)
d) a = (2, 2, 1)
11. La recta que pasa por los puntos P1 = (1, 2, 1) y P2 = (3, 3, 2) es dada por :
a) L : (x, y, z) = (2, 1, 1) + t(1, 2, 1) t ∈ R

b) L : (x, y, z) = (3, 3, 2) + t(1, 2, 1) t ∈ R
c) L : (x, y, z) = (1, 2, 1) + t(3, 3, 2) t ∈ R
d) L : (x, y, z) = (1, 2, 1) + t(2, 1, 1) t ∈ R
92 Geometría en Rn
12. Hallar la ecuación cartesiana o simetrica de la recta L que pasa por el punto P0 = (2, 1, −3) y es paralela al
vector a = (−2, 1, 3)
x+2 z−3
a) L : =y−1=
−2 3
x+2 z+3
b) L : =y−1=
−2 3
x−2 z−3
c) L : =y+1=
−2 3
x−2 z−3
d) L : =y+1=
2 3
13. Hallar la ecuación vectorial de la recta L que pasa por el punto P0 = (1, 2, 1) y es paralela a la recta L1 que pasa
por los puntos P = (2, 3, 1) y Q = (3, 2, 5)
a) L : (x, y, z) = (1, 2, 1) + t(−1, −1, 4), t ∈ R

b) L : (x, y, z) = (1, 2, 1) + t(1, −1, 4), t ∈ R
c) L : (x, y, z) = b(1, 2, 1) + t(1, −1, 4), t, b ∈ R
d) L : (x, y, z) = (1, −1, 4) + t(1, 2, 1), t ∈ R
14. Determine el punto P que corresponde a la intersección entre las rectas L1 y L2 tal que
L1 : (x, y, z) = (8, −1, 0) + α(−2, 1, 1) , α ∈ R
L2 : (x, y, z) = (8, 0, −1) + β(−3, 1, 2) , β ∈ R
a) P = (2, 2, 3)
b) P = (2, 3, 3)
c) P = (3, 2, 2)
d) P = (−2, −2, 3)
15. Determine el punto P que corresponde a la intersección entre las rectas L1 y L2 tal que
L1 : (x, y, z) = (10, 0, −1) + α(−3, 1, 1) , α ∈ R
x−5 y−1 z
L2 : = =
−2 1 1
a) P = (1, −3, 2)
b) P = (1, 3, 2)
c) P = (3, 1, 2)
d) P = (3, 2, 1)
Geometría en Rn 93
16. Dado el plano π : x − 2y − 3z = 12 en su forma cartesiana o general entonces determine la ecuación vectorial
del plano que dependa de dos vectores directores.
a) π : (x, y, z) = (12, 0, 0) + a(2, 1, 0) + b(3, 0, 1), a, b ∈ R

b) π : (x, y, z) = (12, 0, 0) + a(0, 2, 1) + b(1, 0, 3), a, b ∈ R
c) π : (x, y, z) = (0, 6, 1) + a(2, 1, 0) + b(3, 0, 1), a, b ∈ R
d) π : (x, y, z) = (0, −6, 1) + a(2, 1, 0) + b(0, 3, 2), a, b ∈ R
17. Si se tiene la ecuación vectorial de el plano π : (x, y, z) = (1, 2, −1) + a(2, 1, 1) + b(2, 3, 1), a, b ∈ R Determine la
ecuación cartesiana o general del plano.
a) π : −2x + y + 4z = 6
b) π : −2x + 4z = 6
c) π : 2x + 4z = 6
d) π : −2x + 4z = −6
Preguntas de desarrollo
18. Hallar la ecuación de la recta L que pasa por el punto P0 = (3, −3, −4) y es perpendicular a cada una de las
x−3 2y − 7 z−3
siguientes rectas L1 : (x, y, z) = (−2, 3, −2) + b(2, −1, 5), b ∈ R y L2 : = = .
1 2 3
19. Hallar la ecuación de la recta Lque pasa por el punto P0 = (1, −1, 2) y es perpendicular y corta a la recta
x+1 y+2 z+1
L1 : = =
1 1 1
20. Hallar la ecuación de la recta L que pasa por el punto P0 = (−1, 2, −3) es perpendicular al vector a = (6, −2, −3)
x−1 y+1 z−3
y se corta con la recta L1 : = = .
3 2 −5
21. Hallar la ecuación del plano π que pasa por los puntos P1 = (1, 0, −1) y P2 = (2, 1, 3) y que además es perpen-
dicular al plano π1 : x + y − z = −2
22. Determine la ecuación de plano π que pasa por el punto P0 = (1, 2, 1) y es perpendicular a la recta
L : (x, y, z) = (2, 3, 1) + b(2, −3, 4) b ∈ R
x+3 y−1
23. Hallar la ecuación del plano π que pasa por el punto P = (2, 1, 3) y está sobre la recta L : = = z−2
2 2
24. Determine el punto de P de intersección entre el plano π : 2x + 3y + 4z = 15 y la recta
x−2 y−7 z−3
L: = =
1 4 2
94 Geometría en Rn
Respuestas:
1. b 13. b
2. a 14. a
15. b 21.
3. d
16. a
4. a
17. d
5. c
22.
6. a
7. b 18.
8. d
9. c 23.
19.
10. a
11. d
12. b 20. 24.

3 Espacios Vectoriales
3.1 Definición de Espacios Vectoriales
Definición 3.1
Sean V un conjunto cualesquiera y K un cuerpo arbitrario.Entonces se dirá que V (K) o VK es un espacio

vectorial sobre K o es un K-espacio vectorial si y solo si se cumplen las siguientes condiciones:
1. ∀v, u ∈ V se tiene que v + u ∈ V .
2. ∀u, v, w ∈ V se tiene que (u + v) + w = u + (v + w).
3. ∀u ∈ V existe 0v ∈ V tal que u + 0v = 0v + u = u.
4. ∀u ∈ V existe v ∈ V tal que u + v = v + u = 0v .
5. ∀u, v ∈ V se tiene que u + v = v + u.
6. ∀β ∈ K , ∀u ∈ V se tiene que β · u ∈ V .
7. ∀β, α ∈ K , ∀u ∈ V se tiene que (α + β) · u = α · u + β · u
8. ∀β, α ∈ K , ∀u ∈ V se tiene que (α · β) · u = α(β · u) = β(α · u) = (βα) · u
9. ∀β ∈ K , ∀u, v ∈ V se tiene que β(u + v) = β · u + β · v
Observaciones
1. Si K = R Entonces se dirá que V es un espacio vectorial real o V Es un R-Espacio vectorial
2. Si V = 0v se dirá que V es un espacio vectorial trivial.

Ejemplo 3.1
Ejemplos de espacios vectoriales básicos:
1. V = Rn , K = R tal que u, v ∈ Rn , β ∈ R.
u + v = (x1 , x2 , ......, xn ) + (y1 , y2 , ......, yn ) = (x1 + y1 , x2 + y2 , ......, xn + yn )
y
βu = β(x1 , x2 , ......, xn ) = (βx1 , βx2 , ......, βxn )
2. V = Pn (x), K = R tal que p(x), q(x) ∈ Pn (x), β ∈ R.
p(x) + q(x) = (a0 + a1 x + a2 x2 +, , , , , +an xn ) + (b0 + b1 x + b2 x2 +, , , , , +bn xn )
= (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 +, , , , , +(an + bn )xn )

y
βp(x) = β(a0 + a1 x + a2 x2 +, , , , , +an xn ) = (βa0 + βa1 x + βa2 x2 +, , , , , +βan xn )
3. V = Mnxm y K = R. tal que A, B ∈ Mnxm , β ∈ R. tal que
A + B = (aij + bij )nxm

y
βA = (β · aij )nxm
4. Sea [a, b] un intervalo cerrado.Entonces V = C([a, b]) = {f / f : [a, b] → R, continua } , K = R.
(f + g)(x) = f (x) + g(x)

y
(βf )(x) = βf (x)
3.1.1. Definición de Subespacios Vectoriales
Definición 3.2
Consideremos que V sea un K-espacio vectorial, V 6= φ . Sea W ⊂ V será un Subespacio Vectorial de V si se

cumple que
1. W 6= φ
2. ∀u, v ∈ W se tiene que (u + v) ∈ W
3. ∀u ∈ W y ∀β ∈ K se tiene que β · u ∈ W .
En tal caso se denotá como W ≤ V

Espacios Vectoriales 97
3.1.2. Ejercicios Resueltos de Subespacios Vectoriales
Ejemplo 3.2
1. W = {0V } ≤ V , con V e.v. (Subespacio vectorial trivial de V)
2. W = V ≤ V , con V e.v. (Subespacio vectorial trivial de V)
Ejemplo 3.3

Determine si W = (x, y) ∈ R2 / x + 2y = 0 ⊂ R2
Es un subespacio vectorial de R2 .
Solución:
i.) Como 0v = (0, 0) se tiene que 0 + 2 · 0 = 0 entonces 0v ∈ W por lo tanto W 6= φ
ii.) Sean u = (a, b) , v = (c, d) ∈ W

Entonces u + v = (a + c, b + d) ∈ R2
Luego (a + c) + 2(b + d) = (a + 2b) + (c + 2d) = 0 + 0 = 0
Por lo tanto u + v ∈ W .
iii.) Dado u ∈ W y ∀β ∈ R
Entonces βu = β(a, b) = (βa, βb) ∈ R2
Luego βa + 2βb = β(a + 2b) = β0 = 0
Por lo tanto βu ∈ W
Finalmente de i), ii) y iii) se tiene que W ≤ R2 .
Ejemplo 3.4

Determine si W = a0 + a1 x + a2 x2 / a0 · a1 − a2 = 0 ⊂ P2 (x)
Es un subespacio de P2 (x)
Solución:
W no es un subespacio de P2 (x).
Puesto que u = 1 + x + x2 ∈ W y v = 2 + 2x + 4x2 ∈ W
pero u + v = 3 + 3x + 5x2 ∈
/W
Corolario: Sea W ⊂ V ,V e.v. se dirá que W es un subespacio vectorial de V . si y solo si
i.) 0v ∈ W
ii.) ∀u, v ∈ W y ∀β ∈ K se tiene que u + βv ∈ W .
Ejemplo 3.5
Demostraremos que W = {A ∈ M2 / 2A + At = 02 } ≤ M2
Solución

0 0
i.) 0v = ∈ M2
0 0
Luego
t
0 0 0 0 0 0 0 0 0 0
2· + = + = → 0v ∈ W
0 0 0 0 0 0 0 0 0 0
ii.) Sean A, B ∈ W y β ∈ R
Por demostrar que A + βB ∈ W
2(A + βB) + (A + βB)t = 2A + 2βB + At + (βB)t = (2A + At ) + β(2B + B t ) = 0v + β0v = 02

3.1.3. Ejercicios Propuestos de Subespacios Vectoriales

Determine si W = {(x, y, z) / x + 2y + 3z = 0} ⊂ R3 es un subespacio vectorial de R3

Solución:

Determine si W = a0 + a1 x + a2 x2 + a3 x3 / a1 + 3a2 + a3 = 0 ⊂ P3 (x) es un subespacio vectorial de P3 (x)
Solución:

a
Determine si W = / a · b − b = 0 ⊂ M2x1 es un subespacio vectorial de M2x1
b
Solución:

a b
Determine si W = / a + b − 2c + d = 1 ⊂ M2 es un subespacio vectorial de M2
c d
Solución:

a b
Determine si W = / a − b − c + d = 0 ⊂ M2 es un subespacio vectorial de M2
c d
Solución:
Determine si W = {(x, y, z) / x − 3z = 0} ⊂ R3 es un subespacio vectorial de R3

Solución:
n 0
o
Determine si W = p(t) ∈ P3 (x) / p (1) = 0 ⊂ P3 (x) es un subespacio vectorial de P3 (x)
Solución:
n 0
o
Determine si W = p(t) ∈ P2 (x) / p (−1) = 0 ∧ p(2) = 0 ⊂ P2 (x) es un subespacio vectorial de P2 (x)
Solución:
3.1.4. Generador y Combinación lineal

Una idea de generador esta basada en que los espacios vectoriales o subespacios vectoriales son finitos de un sólo
elemento.(0v , él cual pertenece a todo subespacio) o son de infinitos elementos.Por lo tanto, una buena idea es deter-
minar un conjunto finito que pueda generar cualquier elemento de un subespacio W o del espacio vectorial V
Ejemplo 3.6
Supongamos que ∀u = (x, y) ∈ R2
Se tiene que u = (x, y) = x(1, 0) + y(0, 1)
Entonces se puede decir que V = R2 es generado por el conjunto S = {(1, 0), (0, 1)}.
Ejemplo 3.7
Supongamos W = {(x, y, z) / 2x + y − z = 0} ≤ R3
Entonces para determinar el generador del W se procede bajo la determinación del conjunto solución del
sistema homogéneo relacionado al subespacios vectorial W
W = {(x, y, z) / 2x + y − z = 0}
= {(x, y, z) / 2x + y = z}
= {(x, y, 2x + y) / x, y ∈ R}
= {(x, 0, 2x) + (0, y, y) / x, y ∈ R}
= {x(1, 0, 2) + y(0, 1, 1) / x, y ∈ R}
luego podemos decir, que un conjunto generador para cada elemento de W es dado por S = {(1, 0, 2), (0, 1, 1)}.
Definición 3.3
Si V es un K-espacio vectorial entonces el conjunto
i.) Sea S = {u1 , u2 , ....un } se dirá que u ∈ V , esta en combinación lineal de los elementos de S si y solo si
existen βi ∈ K para todo i ∈ {1, 2, ...., n} tal que
n
X
u= βi · u i
i=1
ii.) Sea S = {u1 , u2 , ....un } se dirá que genera a todo V si y solo si ∀u ∈ V esta en combinación lineal de los
elementos de S
si y solo si ∀u ∈ V existen βi ∈ K para todo i ∈ {1, 2, ...., n} tal que
n
X
u= βi · u i
i=1
En tal caso se denotará V = hSi = h{u1 , u2 , ....un }i
3.1.5. Ejercicios Resueltos de Generador y Combinación Lineal
Ejemplo 3.8
Dados los vectores u = 6 + 3x + x2 + x3 , u1 = 1 − x2 , u2 = 1 + 2x + x2 y u3 = 1 − x + 2x2 + x3
a.) Determine si u está en combinación lineal de los vectores {u1 , u2 , u3 }.
b.) Si la respuesta en a.) es afirmativa represente u en combinación lineal de los vectores {u1 , u2 , u3 }.
Solución
a.) Se debe demostrar que existen α, β, γ tal que
αu1 + βu2 + γu3 = u
α(1 − x2 ) + β(1 + 2x + x2 ) + γ(1 − x + 2x2 + x3 ) = 6 + 3x + x2 + x3

Esto es
1 1 1 6
   
 
α
 0
 2 −1   3
 β  = 


 −1 1 2   1 
γ
0 0 1 1
Luego por Gauss se tiene
1 1 1 : 6 1 1 1 : 6
   
 0 2 −1 : 3   0
→ 2 −1 : 3 
(A : b) = 
 −1

1 2 : 1   0 2 3 : 7 
0 0 1 : 1 0 0 1 : 1
1 1 1 : 6 1 1 1 : 6
   
 0 2 −1 : 3   0 2 −1 : 3 
→
 0
→ 
0 4 : 4   0 0 1 : 1 
0 0 1 : 1 0 0 0 : 0
Como ρ(A) = ρ(A : b) = 3 el sistema tiene solución única , luego u esta en combinación lineal de
{u1 , u2 , u3 }.
b.) como el sistema es compatible se tiene que
EC3 : γ = 1
EC2 : 2β − 1 = 3 → β = 2
EC1 : α + 2 + 1 = 6 → α = 3
Por lo tanto
6 + 3x + x2 + x3 = 3(1 − x2 ) + 2(1 + 2x + x2 ) + 1(1 − x + 2x2 + x3 )
Ejemplo 3.9
     
2  1 1 
Determinar si u =  1  es combinación lineal de S =  −1  ,  2 
 
3 1 1
Solución      
1 1 2
α  −1  +β  2  =  1 
1 1 3
Entonces por gauss se tiene que
   
1 1 : 2 1 1 : 2
 −1 2 : 1 → 0 3 : 3 
1 1 : 3 0 0 : 1
Luego ρ(A) = 2 y ρ(A : b) = 3 . Entonces el sistema no tiene solución.

Por lo tanto u no esta en combinación lineal de S.
Ejemplo 3.10
Determinar el generador de W tal que W = {(x, y, z) / 2x + 3y − z = 0} ≤ R3

Solución
W = {(x, y, z) / z = 2x + 3y}
= {(x, y, 2x + 3y) / x, yR}
= {x(1, 0, 2) + y(0, 1, 3) / x, y ∈ R}
= h{(1, 0, 2), (0, 1, 3)}i
Ejemplo 3.11
( )
a b a + b + 2d = 0
Determinar el generador de W tal que W = / ≤ M2
c d 3a + 4b + c = 0
Solución
Por Gauss se tiene que:

1 1 0 2 : 0 1 1 0 2 : 0
→
3 4 1 0 : 0 0 1 1 −6 : 0
ρ(A) = 2 < 4 El sistema tiene infinitas soluciones,
b + c − 6d = 0 → b = 6d − c
a + (6d − c) + 2d = 0 → a = c − 8d
Así
c − 8d −c + 6d
W = / c, d ∈ R
c d

1 −1 −8 6
= ,
1 0 0 1
3.1.6. Ejercicios Propuestos de Generador y Combinación Lineal

Determine si u = −2x + x2 esta en combinacion lineal de u1 = 1 + 2x + x2 , u2 = 1 − 2x2 y u3 = 2 + 2x − x2

Solución:
Determine si u = −2x − 3x2 esta en combinacion lineal de u1 = 1 + 2x + x2 , u2 = 1 − 2x2 y u3 = 2 + 2x − x2

Solución:
Determine si u = (1, 2, 3, 4) esta en combinacion lineal de u1 = (1, 1, 0, 0), u2 = (0, 0, 1, 2) y u3 = (1, 0, 1, 3)

Solución:
Determine el generador del siguiente subespacio
W = {(x, y, z, w) / 2x − 3y − z = 0} ≤ R4
Solución:

( )
2 3 a0 + a2 =0
W = a0 + a1 x + a2 x + a3 x / ≤ P3 (x)
3a0 + 4a3 =0
Solución:

n 0
o
W = p(t) ∈ P3 (t) / p (−1) = 0 ≤ P3 (t)
Solución:
3.2 Dependencia e Independencial Lineal y Bases
Definición 3.4
Sea α = {u1 , u2 , ...., un } ⊂ V un sistema de generadores para V .Entonces se define la relación [ ]α : V →

 como
Mnx1 (K)  sigue:
c1
 c 
 2  Xn
[u]α =  :  ∈ Mnx1 (K) si y solo si u = ci ui ∈ V
 
 
 :  i=1
cn
Ejemplo 3.12
Si α = {(1, 1), (2, 1)} entonces α es un sistema de generadores para R2 , pues
(x, y) = (2y − x)(1, 1) + (x − y)(2, 1)

2y − x
→ [(x, y)]α =
x−y
Definición 3.5
Sea V un e.v. y α = {u1 , u2 , ...., un } ⊂ V. Diremos que α es un conjunto linealmente independiente en V si

= 0v , se escribe de una única forma como combinación lineal de los elementos de α, en tal caso escribimos es
L.I. En caso contrario diremos que α es un conjunto linealmente dependiente, es tal caso escribimos L.d. Es
decir, α es un conjunto L.I. en V Si
n
X
ci ui = 0v → ci = 0 , ∀i ∈ 1, 2, ..., n
i=1
3.2.1. Ejercicios Resueltos de Dependencia Lineal
Ejemplo 3.13

Determine si α = 1 + x + x2 , 2 − x2 , 3 + 2x + x2 ⊂ P2 (x) es un conjunto L.I. o L.d..
Solución:
c1 (1 + x + x2 ) + c2 (2 − x2 ) + c3 (3 + 2x + x2 ) = 0 + 0x + 0x2
Por Gauss:    
1 2 3 : 0 1 2 3 : 0
(A : 0) =  1 0 2 : 0 → 0 −2 −1 : 0 
1 −1 1 : 0 0 −3 −2 : 0
 
1 2 3 : 0
→  0 −2 −1 : 0 
−1
0 0 2 : 0
Por lo tanto c1 = c2 = c3 = 0 Entonces α es L.I.
Ejemplo 3.14
Determine si α = {(1, 1, −1, 2), (0, 1, −1, 2), (1, 2, −2, 4)} ⊂ R4 es un conjunto L.I. o L.d..
Solución:
c1 (1, 1, −1, 2) + c2 (0, 1, −1, 2) + c3 (1, 2, −2, 4) = (0, 0, 0, 0)

Por Gauss:
1 0 1 : 0 1 0 1 : 0
   
 1 1 2 : 0   0 1 1 : 0 
(A : 0) =  → 
 −1 −1 −2 : 0   0 −1 −1 : 0 
2 2 4 : 0 0 2 2 : 0
1 0 1 : 0
 
 0 1 1 : 0 
→
 0

0 0 : 0 
0 0 0 : 0
El sistema tiene infinitas soluciones.Por lo tanto α es L.d.
Definición 3.6
Sea V un e.v. y α = {u1 , u2 , ...., un } ⊂ V. Diremos que α es una base para V si.
1. α es un sistema de generadores para V
2. α es un conjunto linealmente independiente en V
Es decir, ∀u ∈ V existen únicos escalares c1 , c2 , ....cn tal que

n
X
u= ci ui = c1 u1 + c2 u2 + ..... + cn un
i=1
o equivalentemente, la función
[ ] : V → Mnx1
 
c1
 c  n
 2  X
[u]α =  :  ⇔ u = ci ui
 
 
 :  i=1
cn
es biyectiva.
3.2.2. Bases canónicas
Ejemplo 3.15
A continuación ilustraremos algunas bases canónicas de espacios vectoriales
1. Si V = R3 entonces la base canónica es α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

2. Si V = P2 (x) entonces la base canónica es α = 1, x, x2
     
 1 0 0 
3. Si V = M3x1 entonces la base canónica es α =  0  ,  1  ,  0 
 
0 0 1

1 0 0 1 0 0 0 0
4. Si V = M2 entonces la base canónica es α = , , ,
0 0 0 0 1 0 0 1
etc,
Observación
Si α = {u1 , u2 , ...un } y β = {v1 , v2 , ...vm } son dos bases de V entonces necesariamente n = m
3.2.3. Dimensión de Espacios vectoriales
Definición 3.7
Si V es un e.v. llamaremos dimensión de V sobre el cuerpo K a la cardinalidad de una base de V y lo denota-

remos como dimK (V ) o si K = R se denotará por dim(V ).
Ejemplo 3.16
1. dim(Rn ) = n 4. dimK (K) = 1
2. dim(Pn (x)) = n + 1 5. dimQ (R) = ∞
3. dim(Mnxm ) = n · m 6. dimC (Cn ) = n
Observación
1. Sea V un K espacio vectorial tal que dimK (V ) = n, y α = {u1 , u2 , ..., un } ⊂ V entonces α es linealmente
independiente si y sólo si α es un sistema de generadores de V
2. Sea α = {u1 , u2 , ...., un } ⊂ V tal que ui = (ci1 , ci2 , ..., cin ) entonces α es linealmente independiente si y sólo si
 
c11 c12 .... c1n
 c
 21 c22 .... c2n 

 c c32 .... c3n 
 
det  31  6= 0
 : : : : 
 
 : : : : 
cn1 cn2 .... cnn
Definición 3.8
Sean W1 , W2 dos subespacios vectoriales de V entonces W1 + W2 y W1 ∩ W2 son subespacios vectoriales de V .
1. Teorema de la dimensión
dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) − dim(W1 ∩ W2 )
2. Diremos que V es suma directa de los subespacios W1 yW2 en símbolos V = W1 ⊕ W2
i.) V = W1 + W2
ii.) W1 ∩ W2 = {0v }
Observación Dados V un e.v , y W1 , W2 subespacios de V se tiene que
1. dim({0v }) = 0
2. dim(W1 + W2 ) ≤ dim(V )
3. dim(W1 ∩ W2 ) ≤ dim(W1 ) y dim(W1 ∩ W2 ) ≤ dim(W2 )
4. dim(W1 + W2 ) ≤ dim(W1 ) + dim(W2 )
5. Si dim(W1 ∩ W2 ) = 0 Entonces W1 ∩ W2 = {0v }
3.2.4. Ejercicios Resueltos de Bases Dimensión de Espacios Vectoriales
Ejemplo 3.17

Sea W = a0 + a1 x + a2 x2 + a3 x3 ∈ P3 (x) : a0 − 2a2 − 2a3 =0
a.) Demuestre que W es un subespacio vectorial de P3 (x).
b.) Determine una base y dimensión de W
Solución:
a.)
W = a0 + a1 x + a2 x2 + a3 x3 ∈ P3 (x) : a0 − 2a2 − 2a3 = 0

= a0 + a1 x + a2 x2 + a3 x3 ∈ P3 (x) : a0 = 2a2 + 2a3

= 2a2 + 2a3 + a1 x + a2 x2 + a3 x3 : a1 , a2 , a3 ∈ R

= a1 x + a2 (2 + x2 ) + a3 (2 + x3 ) : a1 , a2 , a3 ∈ R

= x, 2 + x2 , 2 + x3

por lo tanto
W ≤ P3 (x)
.

b.) sea BW = x, 2 + x2 , 2 + x3 es tal que
αx + β(2 + x2 ) + γ(2 + x3 ) = 0 + 0x + 0x2 + 0x3
0 2 2 : 0 1 0 0 : 0 1 0 0 : 0
     
 1 0 0 : 0   0 1 0 : 0   0 1 0 : 0 
(A : 0)  → → 
 0 1 0 : 0   0 0 1 : 0   0 0 1 : 0 
0 0 1 : 0 0 2 2 : 0 0 0 0 : 0
luego ρ(A) = ρ(A : 0) = 3 tiene solución única α = β = γ = 0 , así se tiene que BW es L.I , por lo tanto
BW es una base de W finalmente dim(W ) = 3.
Ejemplo 3.18
Si W1 = {(x, y, z)/x − y + 2z = 0} y W2 = {(x, y, z)/x = 2y ∧ z = 0} son dos subespacios vectoriales de R3 .

Entonces determine si estan W1 y W2 en suma directa.
Solución:
W1 = {(x, y, z) / x − y + 2z = 0}
= {(x, y, z)/x = y − 2z}
= {(y − 2z, y, z) / y, z ∈ R}
= h{(1, 1, 0), (−2, 0, 1)}i
luego una base de W1 es dada por βW1 = {(1, 1, 0), (−2, 0, 1)}
→ dim(W1 ) = 2
W2 = {(x, y, z) / x = 2y ∧ z = 0}
= {(2y, y, 0) / y ∈ R}
= h{(2, 1, 0)}i
luego una base de W2 es dada por βW2 = {(2, 1, 0)}
→ dim(W2 ) = 1
Una base para W1 + W2 Puede ser βW1 +W2 = {(1, 1, 0), (−2, 0, 1)(2, 1, 0)}
En efecto,
1 −2 2
1 0 1
0 1 0
1 −2 2
f2 −f1
= 0 2 −1
0 1 0
1 −2 2
f2 ↔f3
= 0 1 0
0 2 −1
1 −2 2
f3 −2f2
= (−1) · 0 1 0 = 1 6= 0
0 0 −1
luego se tiene que W1 ∩ W2 = {0v } y W1 + W2 = R3
Por lo tanto W1 y W2 estan en suma directa.Es decir,
W 1 ⊕ W 2 = R3
Ejemplo 3.19
Problema 1 n o
0
Dados los subespacios de P3 (t) tal que W1 = h 1 + t + t2 + t3 i y W2 = p(t)/ p (−1) = 0 .
Determine
i) Una base de dimensión de W2 .
ii) ¿ W1 y W2 estan es suma directa, es decir W1 ⊕ W2 = P3 ?.
Solución:
i)
n 0
o
W2 = p(t)/ p (−1) = 0
= a + bt + ct2 + dt3 / b − 2c + 3d = 0

= a + (2c − 3d)t + ct2 + dt3 / a, c, d ∈ R

= h 1, 2t + t2 , −3t + t3 i

Sea BW2 = 1, 2t + t2 , −3t + t3 un generador de W2
ahora demostraremos que BW2 que es un conjunto L.I
α1 + β(2t + t2 ) + γ(−3t + t3 ) = 0 + 0t + 0t2 + 0t3

por Gauss:
1 0 0 : 0 1 0 0 : 0 1 0 0 : 0
     
 0
 2 −3 : 0 

 0
 1 0 : 0 

 0
 1 0 : 0 

 0 1 0 : 0   0 0 1 : 0   0 0 1 : 0 
0 0 1 : 0 0 2 −3 : 0 0 0 0 : 0
finalmente el sistema tiene solucuón única α = β = γ = 0 por lo tanto BW2 es un conjunto L.I, luego se tiene
que BW2 es una base de W2
Por lo tanto dim(W2 ) = #(Bw2 ) = 3
ii)

Sea BW1 = 1 + t + t2 + t3 una base de W1 y consideremos el siguiente conjunto

BW1 +W1 = BW2 ∪ BW1 = 1, 2t + t2 , −3t + t3 , 1 + t + t2 + t3 como un conjunto que
genera a W1 + W2
Demostraremos si BW1 +W1 es un conjunto L.I.

Para ello usaremos Cramer:
1 0 0 1 1 0 0 1 1 0 0 1
0 2 −3 1 0 1 0 1 0 1 0 1
det(A) = =− =−
0 1 0 1 0 2 −3 1 0 0 −3 −1
0 0 1 1 0 0 1 1 0 0 1 1
1 0 0 1 1 0 0 1
0 1 0 1 0 1 0 1
= = =2
0 0 1 1 0 0 1 1
0 0 −3 −1 0 0 0 2
como det(A) 6= 0 se tiene que BW1 +W1 es L.I y luego es una base de W1 + W2 .
Por lo tanto dim(W1 + W2 ) = 4
Finalmente dim(W1 ∩ W2 ) = 0 → W1 ∩ W2 = (0, 0, 0, 0) entonces W1 ⊕ W2 = P3 (t)
Ejemplo 3.20
n 0
o
Dados los subespacios de P3 (t) tal que W1 = h 1 − 5t + t2 + t3 i y W2 = p(t)/ p (1) = 0 .
Determine
i) Una base de dimensión de W2
ii) ¿ W1 y W2 estan es suma directa, es decir W1 ⊕ W2 = P3 ?
Solución:
i)
n 0
o
W2 = p(t)/ p (1) = 0
= a + bt + ct2 + dt3 / b + 2c + 3d = 0

= a − (2c + 3d)t + ct2 + dt3 / a, c, d ∈ R

= h 1, −2t + t2 , −3t + t3 i

Sea BW2 = 1, −2t + t2 , −3t + t3 un generador de W2
ahora demostraremos que BW2 que es un conjunto L.I
α1 + β(−2t + t2 ) + γ(−3t + t3 ) = 0 + 0t + 0t2 + 0t3

por Gauss:
1 0 0 : 0 1 0 0 : 0 1 0 0 : 0
     
 0
 −2 −3 : 0 

 0
 1 0 : 0 

 0
 1 0 : 0 

 0 1 0 : 0   0 0 1 : 0   0 0 1 : 0 
0 0 1 : 0 0 −2 −3 : 0 0 0 0 : 0
finalmente el sistema tiene solucuón única α = β = γ = 0 por lo tanto BW2 es un conjunto L.I, luego se tiene
que BW2 es una base de W2
Por lo tanto dim(W2 ) = #(Bw2 ) = 3
ii)

Sea BW1 = 1 − 5t + t2 + t3 una base de W1 y consideremos el siguiente conjunto

BW1 +W1 = BW2 ∪ BW1 = 1, −2t + t2 , −3t + t3 , 1 + t + t2 + t3 como un conjunto que
genera a W1 + W2
Demostraremos si BW1 +W1 es un conjunto L.I.

Para ello usaremos Cramer:
1 0 0 1 1 0 0 0
0 −2 −3 −5 c4 −(c1 +c2 +c3 ) 0 1 0 0
det(A) = = =0
0 1 0 1 0 −2 −3 0
0 0 1 1 0 0 1 0
como det(A) = 0 se tiene que BW1 +W1 es L.D y luego dim(W1 + W2 ) = 3
Finalmente
dim(W1 ∩ W2 ) = 1 → W1 ∩ W2 6= (0, 0, 0, 0) entonces W1 y W2 no estan en suma directa
3.2.5. Ejercicios Propuestos de Bases y Dimensión

Ejercicios 3.15 Activida Individual
Determine si el siguiente conjunto es una base
β = {(1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1), (0, 1, 1, 1)} ⊂ R4
Solución:
β = 1 + x − x2 , 2 + x − x3 , 1 + x − x2 + x3 , 4 + 3x − x2 ⊂ P3 (x)

Solución:

1 0 1 1 2 1 4 2
β= , , , ⊂ M2 (x)
−1 0 0 0 −1 1 −2 3
Solución:
Determine si los siguientes subespacios estan en suma directa en R3 .

W1 = {(x, y, z) / x + y − 3z = 0} y W2 = h{(6, 0, 2)}i
Solución:
Determine
n si los siguientes subespacios estan en sumaodirecta en P3 (x).
W1 = a0 + a1 x + a2 x2 + a3 x3 / a0 − a2 − 2a3 = 0 y
 

 a0 − a1 = 0 
W2 = a0 + a1 x + a2 x2 + a3 x3 / a0 − 2a1 + 2a2 = 0
 
 a0 + a1 + a2 + a3 = 0 
Solución:
Determine si los siguientes subespacios estan en suma directa en M3x1 .

     
 a   a 2a − 2b − c = 0 
W1 =  b  / a + b − 2c = 0 y W2 =  b  /
   a − 3b + c = 0 
c c
Solución:
n 0
o
Dados los subespacios de P3 (t) tal que W1 = h 1 − t + t2 + t3 i y W2 = p(t)/ p (−1) = 0 .
Determine
i) Una base de dimensión de W2 .
ii) ¿ W1 y W2 estan es suma directa, es decir W1 ⊕ W2 = P3 ? . justifique su respuesta con

contenidos revisados en clases.
Solución:
A continuación realizaremos una evaluación formativa de los aprendizajes asociados a espacios vectoriales, com-
binación lineal, conjuntos linealmente dependientes e independientes, base y dimensión de espacios y subespacios
vectoriales
1. Determine cuál o cuáles de los siguientes conjuntos es o son subespacios vectoriales.

3
i) W = {(x,
n y, z)/3x − 2y
o + z = 1} ⊂ R
0
ii) W = p(t)/p (1) = 0 ⊂ P2 (t)
iii) W = {A/a11 − 2a21 − 3a22 = 0} ⊂ M2 (R)
a) solo i)
b) solo ii)
c) solo ii) y iii)
d) i), ii) y iii)
2. Determine
( cuál o cuáles de los siguientes
) conjuntos es o son subespacios vectoriales.
x + y + 2z = 0
i) W = (x, y, z)/ ⊂ R3
3x + 4y + z = 0
n 0
o
ii) W = p(t)/p (1) + p(0) = 1 ⊂ P2 (t)
iii) W = {A/a11 − 2a12 + a21 − 3a22 = 0} ⊂ M2 (R)
a) solo i) y iii)
b) solo ii)
c) solo ii) y iii)
d) i), ii) y iii)
3. Determine cuál o cuáles de los siguientes conjuntos es o son linealmente dependiente

i) S = {(1, 3, 1), (2, 1, 2), (3, 4, 3)} ⊂ R3

ii) S = 1 − x + 3x2 , 2 + 3x + x2 , 3 + 2x + x2 ⊂ P2 (x)
     
 1 1 2 
iii) S =  2  ,  0  ,  2  ⊂ M3x1 (R)
−1
 
1 0
a) solo ii) y iii)

b) solo ii)
c) solo i) y iii)
d) i), ii) y iii)
4. Determine cuál o cuáles de los siguientes conjuntos es o son linealmente independiente

i) S = {(1, 0, 1), (1, 1, 2), (2, 4, 3)} ⊂ R3

ii) S = 1 − x + 3x2 , 2 + 3x + x2 , 3 + 2x + x2 ⊂ P2 (x)
     
 1 1 3 
iii) S =  2  ,  1  ,  3  ⊂ M3x1 (R)
 
1 1 2
a) solo i) y ii)
b) solo ii)
c) solo i) y iii)
d) i), ii) y iii)
5. Dado el conjunto S = {(1, 1, 2), (2, 1, 3), (4, 3, 7)} ⊂ R3 Determine cuál o cuáles de los siguientes vectores se
escribe en combinación lineal del conjunto S
i) u = (5, 4, 9)
ii) u = (3, 1, 5)
iii) u = (1, 0, 1)
a) solo i) y ii)
b) solo ii)
c) solo iii)
d) solo i) y iii)
6. Dado el conjunto S = {(1, 1, 2), (2, 1, 3), (4, 3, 7)} ⊂ R3 . Entonces determine el valor de a ∈ R tal que el vector
u = (a, 8, 3a + 2) se pueda escribir en combinación lineal de los elementos de S.
a) a = 3
b) a = 4
c) a = −3
d) a = 0

7. Dado el conjunto S = 1 + x + 2x2 , 1 + 2x + x2 , 2 + 3x + 3x2 ⊂ P2 (x). Entonces determine el valor de a ∈ R
tal que el vector u = a + 6x + 4ax2 se pueda escribir en combinación lineal de los elementos de S.
a) a = 6
b) a = −6
c) a = −3
d) a = 3
8. Dado el conjunto B = {(a, 2, 1), (1, a, 2), (2, 1, a)} .Entonces determine los valores de a ∈ R para que el conjunto
B sea una base de R3 .
a) a ∈ R − {−3}
b) a = −3
c) a = 1
d) a ∈ R − {3, −1}

9. Dado el conjunto B = 1 + ax + 2x2 + x3 , (a − 2) − x − x2 , 1 − x − x2 , 1 + 2x + ax2 + ax3 .Entonces determi-
ne los valores de a ∈ R para que el conjunto B sea una base de P3 (x).
a) a ∈ R − {−3, 1, −2}
b) a = −3
c) a = 2
d) a ∈ R − {3, −1, 2}
10. Determine la dimensión del siguiente subespacio vectorial
W = {(x, y, z, u, v)/x − 2y − u + 2v = 0} ≤ R5
a) 4
b) 3
c) 2
d) 1
11. Determine la dimensión del siguiente subespacio vectorial

( )
a b c a−b+c−f =0
W = / ≤ M2x3 (R)
d e f 2a + b + d − e =0
a) 1
b) 3
c) 2
d) 4
Preguntas de desarrollo
12. Demuestre que W = {A ∈ M2 (R)/A − At = 0v } ≤ M2 (R)
13. Dado V un e.v. cualquiera y sean W1 ≤ V ∧ W2 ≤ V . Entonces demuestre que W1 ∩ W2 ≤ V
14. Determine a, b ∈ R tal que el siguiente conjunto B = {(3 − a, 2, 4), (1, 2 − a, −4), (−1, −1, b)} sea una base de
R3 .
15. Si el conjunto β1 = {v1 , v2 , v3 } es una base de V e.v. Entonces demuestre que β2 = {v1 , v1 + 2v2 , v1 + 2v2 + 3v3 }
es una base de V
( )
x − y + z − 2u = 0
16. Sean W1 = h{(1, 1, −1, 2, 1), (1, 0, 1, 0, 1)}i y W2 = (x, y, z, u, v)/
2x + y + 2z + v = 0
dos subespacios de R5 . Determine si W1 ⊕ W2 = R5
n 0
o
17. Dados los subespacios de P3 (t) tal que W1 = h 1 − t + t2 + t3 i y W2 = p(t)/ p (−1) = 0 .
Determine
i) Una base y la dimensión de W2

ii) ¿ W1 y W2 están en suma directa, es decir W1 ⊕ W2 = P3 (t)? . justifique su respuesta con
contenidos revisados en clases.
Respuestas
1. c 9. d
2. b 10. a
14.
3. c 11. d
4. d
5. d
12. 15.
6. a
16. qr
7. b
8. a 13. 17. qr
4 Producto Interno
En el capítulo 2 se vio la operación de producto punto en vectores de Rn . Esta operación es un caso particular de un
concepto más general conocido como producto interno que determina una estructura especial en espacios vectoriales
más generales:
4.1 Definición y ejemplos
Definición 4.1
Sea V un espacio vectorial sobre R. Una función h, i : V × V → R se conoce como producto interno en V si
cumple con las siguientes propiedades:
1. Para todo v, w en V , hv, wi = hw, vi.
2. Para todo v1 , v2 , w en V , hv1 + v2 , wi = hv1 , wi + hv2 , wi
3. v, w en V , a en R, ahv, wi = hav, wi = hv, awi.
4. Para todo v en V , hv, vi ≥ 0
5. hv, vi = 0 si y solo si v = 0.
Ejemplo 4.1
El producto punto en Rn es un ejemplo de producto interno.

126 Producto Interno
Ejemplo 4.2
Considere el espacio Pn (x) de polinomios de grado menor o igual a n. Considere a, b números reales con a < b.
Se tiene el siguiente producto interno en dicho espacio.
Z b
hf (x), g(x)i = f (x)g(x)dx
a
4.2 Norma asociada a un producto interno
Definición 4.2
Sea V un espacio vectorial real y h, i un producto interno en V . Sea v un vector de V . Se define la norma de V
como
p
||v|| = hv, vi
Ejemplo 4.3
Considere el espacio P2 (x) con el producto interno

Z 1
hf (x), g(x)i = f (x)g(x)dx
0
Considere f (x) = x. Entonces:

s r
Z 1
1
||f (x)|| = x2 dx =
0 3
4.3 Ortogonalidad y normalidad de Vectores
De la misma forma que en el caso de vectores en Rn , podemos definir una noción de ortogonalidad entre elementos
de un espacio vectorial:
Definición 4.3
Sea V un espacio vectorial sobre R y h, i un producto interno en V . Decimos que dos vectores v, w en V son
ortogonales si hv, wi = 0. En ese caso, denotamos v ⊥ w.
Producto Interno 127
Ejemplo 4.4
En el ejemplo anterior, el vector f (x) = x es ortogonal a g(x) = 1 − 23 x pues

Z 1
3
hf (x), g(x)i =
x 1 − x dx
0 2
Z 1 2 1
x3

3 x 1 1
= x − x2 dx = − = − =0
0 2 2 2 0 2 2
También podemos definir de forma similar al caso en Rn el concepto de normalización de un vector:
Definición 4.4
Sea w un vector no nulo de un espacio vectorial V , provisto de un producto interno h, i. Decimos que w es un
vector unitario o normal si ||v|| = 1
Definición 4.5
Sea w un vector no nulo de un espacio vectorial V , provisto de un producto interno h, i. Se define la normali-
zación de w, denotada por ŵ, como
w
ŵ =
||w||
Este vector es normal en V .
Definición 4.6
Considere V un espacio vectorial sobre R, h, i un producto interno en V y W un subespacio propio no trivial

de V . Sea B = {w1 , ..., wm } una base de W en el que todos sus elementos son ortogonales entre sí y v un vector
en V . Se define la proyección ortogonal de v en W como
m
X hv, wk i
vW = wk
||wk ||2
k=1
Relacionando estos conceptos de ortogonalidad y normalidad de vectores, interesa determinar una base para un es-
pacio vectorial en que todos sus vectores sean normales y ortogonales entre sí. Esto nos lleva a la siguiente definición:
Bases y Ortonormalidad
Definición 4.7
Sea V un espacio vectorial sobre R provisto de un producto interno h, i. Sea || · || la norma asociada a h, i.
Decimos que una base B = {v1 , ..., vn } de V es ortonormal si cumple que:
1. ∀j ∈ {1, ..., n}, ||vj || = 1
2. ∀j, k ∈ {1, ..., n}, j 6= k, hvj , vk i = 0
Ejemplo 4.5
Considere Rn con el producto punto. Considere B su base canónica usual. Entonces B es una base ortonormal
para V , pues
||ej || = 1
dado que solo una coordenada es 1 y el resto son nulas. Además
ej · ek = 0
pues la coordenada que vale uno en cada vector es distinta.
En general no necesariamente una base de un espacio vectorial es ortonormal. Sin embargo, a partir de una base B,
es posible construir una base B̄ que es ortonormal siguiendo el siguiente procedimiento conocido como Proceso de
Gram-Schmidt.
Teorema 4.1
Sea B = {v1 , ..., vn } una base de un espacio vectorial V provisto de un producto interno h, i. Sea ||.|| la norma
asociada. Se definen los siguientes vectores
v1
u1 =
||v1 ||
v2 − hv2 , u1 iu1
u2 =
||v2 − hv2 , u1 iu1 ||
...
vn − hvn , u1 iu1 − ... − hv2 , un−1 iun−1
un =
||vn − hvn , u1 iu1 − ... − hv2 , un−1 iun−1 ||
Entonces B̄ = {u1 , ..., un } es una base ortonormal de V .
4.3.1. Ejercicios Resueltos de Ortonormalidad
Ejemplo 4.6
Considere V = R2 con el producto punto y la base B = {(1, 1), (1, −1). Determine si B es ortonormal. En caso
de no serlo, determine una base ortonormal de V a partir de B.
Soluciíon: vemos la norma de cada vector y su producto punto

p
||(1, 1)|| = 12 + 12 = 2
p
||(1, −1)|| = 12 + (−1)2 = 2
(1, 1) · (1, −1) = 1 · 1 + 1 · (−1) = 0
Por lo tanto, B no es ortonormal. Pero vemos que ambos vectores son ortonormales, por lo que no es necesario
usar el proceso de Gram-Schmidt, sino que basta normalizar cada vector:
(1, 1)
u1 = √
2
(1, −1)
u2 = √
2
Por lo tanto, B = {u1 , u2 } es la base pedida.
Ejemplo 4.7
Considere V = R3 con el producto punto y la base B = {(1, 1, 1), (1, 2, 1), (1, 1, −2). Determine si B es
ortonormal. En caso de no serlo, use el proceso de Gram-Schmidt para determinar una base ortonormal de V
a partir de B.
Solución: Verificamos primero si B es ortonormal:

p √
||(1, 1, 1)|| = 12 + 12 + 12 = 3
p √
||(1, 2, 1)|| = 12 + 22 + 12 = 6
p √
||(1, 1, −2)|| = 12 + 12 + (−2)2 = 6
(1, 1, 1) · (1, 2, 1) = 1 · 1 + 1 · 2 + 1 · 1 = 4
(1, 1, 1) · (1, 1, −2) = 1 · 1 + 1 · 1 + 1 · (−2) = 0
(1, 2, 1) · (1, 1, −2) = 1 · 1 + 2 · 1 + 1 · (−2) = 1
De esto, se ve que B no es ortonormal. Entonces con el proceso de Gram-Schmidt podemos determinar una
base ortonormal de V :
(1, 1, 1) (1, 1, 1)
u1 = = √
||(1, 1, 1)|| 3

(1,1,1) (1,1,1)
(1, 2, 1) − (1, 2, 1) · √
3
√
3
u2 =
(1,1,1) (1,1,1)
(1, 2, 1) − (1, 2, 1) · √
3
√
3
(1, 2, 1) − 34 (1, 1, 1) − 13 , 23 , − 13

= =
(1, 2, 1) − 43 (1, 1, 1) − 31 , 23 , − 13

− 13 , 23 , − 13

(−1, 2, −1)
= √ = √
6 6
3

(1, 1, −2) − (1, 1, −2) · (1,1,1)
√
3
(1,1,1)
√
3
− (1, 1, −2) · (−1,2,−1) (−1,2,−1)
√
6
√
6
u3 =
(1,1,1) (1,1,1) (−1,2,−1) (−1,2,−1)
(1, 1, −2) − (1, 1, −2) · √
3
√
3
− (1, 1, −2) · √
6
√
6
(−1,2,−1)
(1, 1, −2) − 0 − √3 √ (1, 1, −2) − 21 (−1, 2, −1)
6 6
= =
(1, 1, −2) − 0 − √3
(−1,2,−1)
√ (1, 1, −2) − 21 (−1, 2, −1)
6 6
3 3 3

2 , 0, − 2 2 (1, 0, −1) (1, 0, −1)
= 3 3 = 3 = √
2 , 0, − 2 2 ||(1, 0, −1)|| 2
Por lo tanto, la base ortonormal pedida es:

(1, 1, 1) (−1, 2, −1) (1, 0, −1)
B= √ , √ , √
3 6 2
Ejemplo 4.8
Considere V = P2 (x) con el producto interno dado por

Z 1
hp(x), q(x)i = p(x)q(x)dx
−1
Determine si la base usual B de V es ortonormal. En caso de no serlo, use el proceso de Gram-Schmidt para
determinar una base ortonormal de V a partir de B.
Solución: B = {1, x, x2 }. Determinemos la ortonormalidad de tal base.

sZ
1 √
||1|| = 12 dx = 2
−1
sZ r
1
2
||x|| = x2 dx =
−1 3
sZ r
1
2
||x2 || = (x2 )2 dx =
−1 5
Z 1
h1, xi = xdx = 0
−1
Z 1
2 2
h1, x i = x2 dx =
−1 3
Z 1
hx, x2 i = x3 dx = 0
−1
De esto, se ve que B no es ortonormal. Entonces con el proceso de Gram-Schmidt podemos determinar una
base ortonormal de V :
1 1
u1 = =√
||1|| 2
x − hx, √12 i √12 x − hx, 1i 21
r
x 3
u2 = = = = x
x − hx, √1 i √1 x − hx, 1i 21 ||x|| 2
2 2
q q
x2 − hx2 , √12 i √12 − hx2 , 3
2 xi
3
2x
u3 = q q
x2 − hx2 , √12 i √12 − hx2 , 3
2 xi
3
2x
x2 − hx2 , 1i 21 − hx2 , xi 32 x
=
x2 − hx2 , 1i 21 − hx2 , xi 32 x
x2 − 31
r
45 2 1
= = x −
x2 − 13 8 3
Por lo tanto, la base ortonormal pedida es:
( r r )
1 3 45 2 1
B= √ , x, x −
2 2 8 3
4.3.2. Ejercicios Propuestos de Ortonormalidad

Considere V = R3 con el producto punto y la base B = {(1, 2, 1), (−4, 1, 2), (3, −6, 9)}. Determine si B es
ortonormal. En caso de no serlo, determine una base ortonormal de V a partir de B.
Solución:
Considere V = R3 con el producto punto y la base B = {(1, 2, 3), (1, 7, 1), (6, 1, 9)}. Determine si B es ortonor-
mal. En caso de no serlo, use el proceso de Gram-Schmidt para determinar una base ortonormal de V a partir
de B.
Solución:
Considere V = P2 (x) y el producto interno

Z 1
hp, qi = p(x)q(x)dx
0
Considere la base B = {1, x − 1, x2 − 1}. Determine si esta base es ortonormal. En caso de no serlo, use el
proceso de Gram-Schmidt para determinar una base ortonormal de V a partir de B.
Solución:
4.4 Proyección Ortogonal y Distancia de un Vector a un Subespacio Vectorial
Definición 4.8
Sean V un espacio vectorial real con producto interno <, > , W ≤ V y B = {w1 , w2 , ....., ws } una base ortogonal
de W entonces llamaremos Proyección ortogonal a la función PW definida como.
PW : V → W
s
X < v, wi >
PW (v) = · wi
i=1
||wi ||2
Definición 4.9
Si V es un espacio vectorial real con producto interno <, > , y W 6 V entonces ||v − PW (v)|| es la distancia del
vector v al subespacio W.
La notación mas usada es d(v, W ) = ||v − PW (v)||.
Corolario
Sea wi ∈ W , W 6 V , con V un espacio vectorial con producto interno <, >.
i) PW (wi ) = wi
ii) d(wi , W ) = 0
4.4.1. Ejercicios Resueltos de Proyección Ortogonal y Distancia de un Vector a un Subespacio

Vectorial
Ejemplo 4.9
Sea W = {(x, y, z) / x − y − 2z = 0} 6 R3 . Determine la proyección ortogonal PW (v) y la distancia d(v, W ) ,

∀v ∈ R3
Solución:
W = {(x, y, z) / x − y − 2z = 0}
= {(x, y, z) / x = y + 2z}
= {(y + 2z, y, z) / y, z ∈ R}
= {y(1, 1, 0) + z(2, 0, 1) / y, z ∈ R}
=< {(1, 1, 0), (2, 0, 1)} >
Luego sea BW = {(1, 1, 0), (2, 0, 1)} es un generador para W , trivialemente es un conjunto L.I. pues
no existe β ∈ R tal que
β(1, 1, 0) = (2, 0, 1)
Por lo tanto BW es una base de W , pero
< (1, 1, 0), (2, 0, 1) >= 1 · 2 + 1 · 0 + 0 · 1 = 2 6= 0
es decir , BW no es una base ortogonal, por lo cual aplicaremos proceso de G-S para determinar una base
⊥
Ortogonal BW = {w1 , w2 }.
sea w1 = u1 = (1, 1, 0)
< u2 , u1 >
→ w2 = u2 − u1
< u1 , u1 >
< (2, 0, 1), (1, 1, 0) >
= (2, 0, 1) − · (1, 1, 0)
< (1, 1, 0), (1, 1, 0) >
2
= (2, 01) − · (1, 1, 0)
2
= (2, 0, 1) − (1, 1, 0)
= (1, −1, 1)
⊥
Por lo tanto se tiene que BW = {w1 , w2 } = {(1, 1, 0), (1, −1, 1)} es una base ortogonal de W
i)
Ahora construiremos la proyección ortogonal solicitada.
2
X < v, wi >
PW (v) = · wi
i=1
||wi ||2
< v, w1 > < v, w2 >
= 2
· w1 + · w2
||w1 || ||w2 ||2
< (a, b, c), (1, 1, 0) > < (a, b, c), (1, −1, 1) >
= · (1, 1, 0) + · (1, −1, 1)
||(1, 1, 0)||2 ||(1, −1, 1)||2
a+b a−b+c
= · (1, 1, 0) + · (1, −1, 1)
2 3

5a + b + 2c a + 5b − 2c a − b + c
= , ,
6 6 3
Por lo tanto la proyección ortogonal es:

5a + b + 2c a + 5b − 2c a − b + c
PW (a, b, c) = , ,
6 6 3
Podemos comprobar
lo obtenido
5+1+0 1+5−0 1−1+0
PW (1, 1, 0) = , , = (1, 1, 0)
6 6 3

5−1+2 1−5−2 1+1+1
PW (1, −1, 1) = , , = (1, −1, 1)
6 6 3
ii)
Ahora determinemos la distancia de v = (a, b, c) ∈ R3 al subespacio W
d(v, W ) = ||v − PW (v)||

5a + b + 2c a + 5b − 2c a − b + c
=k (a, b, c) − , , k
6 6 3

a − b − 2c b − a + 2c 2c − a + b
=k , , k
6 6 3
r
(a − b − 2c)2 (b − a + 2c)2 4(2c − a + b)2
= + +
36 36 36
r
6(a − b − 2c)2
=
36
√
6
= · (a − b − 2c)
6
Podemos comprobar lo obtenido √
6
d(w1 , W ) = d((1, 1, 0), W ) = · (1 − 1 − 0) = 0
6
√
6
d(w2 , W ) = d((1, −1, 1), W ) = · (1 + 1 − 2) = 0
6
5 Transformaciones lineales
5.1 Definición y Ejemplos
Definición 5.1
Una transformación lineal es una función T : V → W entre dos espacios vectoriales sobre el mismo cuerpo K
que cumple con las siguientes:
1. T (v1 + v2 ) = T (v1 ) + T (v2 ) para cualquier v1 , v2 vectores de V
2. T (λv) = λT (v) para cualquier vector v en V y para cualquier λ escalar en K.
Ejemplo 5.1
La función T : R2 → P2 (x) definida por
T (a, b) = ax2 + bx + b − a
es una transformación lineal.
En efecto
i)
T ((a1 , b1 ) + (a2 , b2 )) = T (a1 + a2 , b1 + b2 ) = (a1 + a2 )x2 + (b1 + b2 )x + (b1 + b2 ) − (a1 + a2 )

= a1 x2 + b1 x + b1 − a1 + a2 x2 + b2 x + b2 − a2 = T (a1 , b1 ) + T (a2 , b2 )
ii)
T (λ(a, b)) = T (λa, λb) = (λa)x2 + (λb)x + (λb − λa)

= λ(ax2 + bx + b − a) = λT (a, b)
Proposición 5.1
Propiedades de las Transformaciones Lineales:

Si T1 : V → W y T2 : V → W son transformaciones lineales entre espacios vectoriales sobre un cuerpo K y
λ ∈ K, entonces
1. T (0V ) = 0W .
2. T1 + T2 es transformación lineal.
3. λT1 es una transformación lineal.
4. Si T1 es inyectiva entonces dim V ≤ dim W .
5. Si T1 es epiyectiva entonces dim V ≥ dim W .
6. Si T1 es biyectiva entonces dim V = dim W .
5.1.1. Ejercicios Resueltos de Transformaciones Lineales
Ejemplo 5.2
Determine si la siguiente función T : R3 → R2 tal que
T (a, b, c) = (a + b, b − c + 2)
es una Tranformación lineal

Solución:
La respuesta más simple que podemos entregar es evaluar 0v = (0, 0, 0).Esto es,
T (0V ) = T (0, 0, 0) = (0 + 0, 0 − 0 + 2) = (0, 2) 6= (0, 0) = 0W
falla una de las primeras propiedades fundamentales de las transformaciones lineales

por lo tanto T no puede ser una Tranfomación lineal de R3 en R2
Transformaciones lineales 139
Ejemplo 5.3
Determine si T : P2 (t) → R3 tal que
T (a + bt + ct2 ) = (a + b, b − 2c, ab)
es una Tranformación lineal

Solución:
Si observamos la tercera cordenada de la imagen es ab es una identidad que no es lineal. por este motivo
demostraremos que la función no es una transformación lineal.
Sean
u = 1 + 2t + t2 → T (u) = T (1 + 2t + t2 ) = (3, 0, 2)
v = 2 − 3t + 2t2 → T (v) = T (2 − 3t + 2t2 ) = (−1, −7, 4)
u + v = 3 − t + 3t2 → T (v + u) = (3 − t + 3t2 ) = (2, −7, 9)
luego T (u + v) 6= T (u) + T (v) Entonces T no es una transfomación lineal de P2 (t) a R2
Ejemplo 5.4
Determine si la siguiente función T : R3 → R2 es una transformación lineal.
T (x, y, z) = (x + 2y − z, 3z − 2x)
Solución
Primero vemos si T respeta la suma. Sean (x1 , y1 , z1 ) y (x2 , y2 , z2 ) vectores en R3 . Entonces
T ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = T (x1 + x2 , y1 + y2 , z1 + z2 )

= (x1 + x2 + 2(y1 + y2 ) − (z1 + z2 ), 3(z1 + z2 ) − 2(x1 + x2 ))
= ((x1 + 2y1 − z1 ) + (x2 + 2y2 − z2 ), (3z1 − 2x1 ) + (3z2 − 2x2 ))
= (x1 + 2y1 − z1 , 3z1 − 2x1 ) + (x2 + 2y2 − z2 , 3z2 − 2x2 )
= T (x1 , y1 , z1 ) + T (x2 , y2 , z3 )
Por lo tanto, T respeta la suma.
Veamos ahora si respeta la ponderación por escalar. Sea λ ∈ R y (x, y, z) ∈ R. Entonces:
T (λ(x, y, z)) = T (λx, λy, λz) = (λx + 2λy − λz, 3λz − 2λx)
T (λ(x + 2y − z), λ(3z − 2x)) = λ(x + 2y − z, 3z − 2x) = λT (x, y, z)
Por lo tanto, T respeta la ponderación por escalar, y en consecuencia, es una transformación lineal.
Ejemplo 5.5
Determine si la siguiente función T : P3 (x) → M2 (R) es una transformación lineal:

a+1 b + 2c − 4
T (ax3 + bx2 + cx + d) =
4d − 3a d
Solución
Primero vemos si T respeta la suma. Sean a1 x3 + b1 x2 + c1 x + d1 y a2 x3 + b2 x2 + c2 x + d2 en P2 (x). Entonces:
T (a1 x3 + b1 x2 + c1 x + d1 + a2 x3 + b2 x2 + c2 x + d2 ) = T ((a1 + a2 )x3 + (b1 + b2 )x2 + (c1 + c2 )x + (d1 + d2 ))

(a1 + a2 ) + 1 (b1 + b2 ) + 2(c1 + c2 ) − 4
=
4(d1 + d2 ) − 3(a1 + a2 ) d1 + d2
Mientras que:

3 2 3 2 a1 + 1 b1 + 2c1 − 4 a2 + 1 b2 + 2c2 − 4
T (a1 x +b1 x +c1 x+d1 )+T (a2 x +b2 x +c2 x+d2 ) = +
4d1 − 3a1 d1 4d2 − 3a2 d2

(a1 + a2 ) + 2 (b1 + b2 ) + 2(c1 + c2 ) − 8
=
4(d1 + d2 ) − 3(a1 + a2 ) d1 + d2
Se ve que
T (a1 x3 + b1 x2 + c1 x + d1 + a2 x3 + b2 x2 + c2 x + d2 ) 6= T (a1 x3 + b1 x2 + c1 x + d1 ) + T (a2 x3 + b2 x2 + c2 x + d2 )
Por lo tanto, T no respeta la suma, y en consecuencia no es una transformación lineal.

5.1.2. Ejercicios Propuestos de Transformaciones Lineales

Determine si la siguiente función es una transformaciones lineal. T : R3 → P2 (x)
T (a, b, c) = (a − b)x2 + (2b − 5c)x + (c + 3a)
Solución:
Determine si la siguiente función es una transformaciones lineal. T : M2 (R) → R2
T (A) = (tr(A), det(A))
Solución:
Determine si la siguiente función es una transformaciones lineal. T : R3 → R
T (x, y, z) = x + y − 2z
Solución:
Determine si la siguiente función es una transformaciones lineal. T : M3x1 → R2

 
x
T  y  = (x + y − z, x + 2y)
z
Solución:
5.2 Núcleo e Imagen de Transformaciones Lineales
Definición 5.2
Sea T : V → W transformación lineal entre espacios vectoriales sobre el mismo cuerpo K. Se definen los
siguientes conjuntos:
1. Núcleo de T :
Ker(T ) = {v ∈ V |T (v) = 0w }
2. Imagen de T
Im(T ) = {w ∈ W |w = T (v) para algun v ∈ V }
Ker(T ) es un subespacio de V , mientras que Im(T ) es un subespacio de W .
Proposición 5.2
Propiedades de Ker(T ) e Im(T )
1. T es inyectiva si y sólo si Ker(T ) = {0v }
2. T es epiyectiva si y sólo si hIm(T )i = W
3. Fórmula de Dimensión:
dim(V ) = dim(Ker(T )) + dim(Im(T ))
4. T es inyectiva si y sólo si dim(Ker(T )) = 0
5. T es epiyectiva si y sólo si dim(Im(T )) = dim(W )

5.2.1. Ejercicios Resueltos de Núcleo e Imagen
Ejemplo 5.6
Determine Ker(T ) e Im(T ) para T : M2 (R) → R3 dada por

a b
T = (a + b − c, c − b + d, a + d)
c d
Solución
Sea A ∈ Ker(T ). Entonces

a b
A=
c d

a b
T = (0, 0, 0)
c d
(a + b − c, c − b + d, a + d) = (0, 0, 0)
Entonces se tiene el siguiente sistema
a+b−c=0
c−b+d=0
a+d=0
Usando eliminación Gaussiana:
−1 −1 0 −1
     
1 1 0 0 1 1 0 1 1 0 0
 0 −1 1 1 0 ∼ 1 0 0 1 0 ∼ 0 −1 1 1 0 
1 0 0 1 0 0 −1 1 1 0 0 −1 1 1 0
−1
   
1 1 0 0 1 0 0 1 0
∼ 0 −1 1 1 0 ∼ 0 −1 1 1 0 
0 0 0 0 0 0 0 0 0 0
De esto, obtenemos d = −a y b = −a + c. Entonces

a b a −a + c 1 −1 0 1
= =a +c
c d c −a 0 −1 1 0
Por lo tanto,

1 −1 0 1
Ker(T ) = ,
0 −1 1 0
Para obtener Im(T ), sea (x, y, z) ∈ Im(T ). Entonces existe A ∈ M2 (R) tal que

a b
A=
c d

a b
T = (x, y, z)
c d
(a + b − c, c − b + d, a + d) = (x, y, z)
Comparando coordenadas:
a+b−c=x
c−b+d=y
a+d=z
Usando eliminación Gaussiana:
−1 0 x 1 1 −1
   
1 1 0 x
 0 −1 1 1 y  ∼ 0 −1 1
 1 y 
1 0 0 1 z 0 −1 1 1 z−x
1 1 −1 0
 
x
∼  0 −1 1 1 y 
0 0 0 0 z−x−y
Como el sistema debe tener solución, z − x − y = 0 o equivalentemente z = x + y. Por lo tanto
(x, y, z) = (x, y, x + y) = x(1, 0, 1) + y(0, 1, 1)

Y así, Im(T ) = h(1, 0, 1), (0, 1, 1)i.
Ejemplo 5.7
Considere la siguiente transformación lineal T : R3 → R2 dada por
T (x, y, z) = (x + y − 3z, x + 2y + z)
Determine Ker(T ) y use esto para determinar si T es epiyectiva.
Solución
Sea (x, y, z) ∈ Ker(T ). Entonces T (x, y, z) = (0, 0), es decir:
(x + y − 3z, x + 2y + z) = (0, 0)
De esto se tiene el sistema.
x + y − 3z =0
x + 2y + z =0
Usando eliminación gaussiana tenemos:

1 1 −3 0 1 1 −3 0 1 0 −7 0
∼ ∼
1 2 1 0 0 1 4 0 0 1 4 0
De donde obtenemos x = 7z, y = −4z. Entonces (x, y, z) = z(7, −4, 1) y así, Ker(T ) = h(7, −4, 1)i es un
espacio de dimensión 1.
Usando el teorema de dimensión:
dim(R3 ) = dim(Ker(T )) + dim(Im(T ))

3 = 1 + dim(Im(T ))
2 = dim(Im(T ))
Por lo tanto Im(T ) = R2 , es decir, T es epiyectiva.
Ejemplo 5.8
Dada la transformación lineal T : P2 (t) → R2 tal que
T (a + bt + ct2 ) = (a + b + c, 2a + 3b + c)
1. Determine una base y dimensión del Ker(T )
2. Determine una base y dimensión de la Im(T )
Solución:
i)
Ker(t) = a + bt + ct2 /(a + b + c, 2a + 3b + c) = (0, 0)

2 a+b+c =0
= a + bt + ct /
2a + 3b + c = 0

2 1 1 1 :0
= a + bt + ct /
2 3 1 :0

1 1 1 :0
= a + bt + ct2 /
0 1 −1 : 0
= a + bt + ct2 /b = c ∧ a = −2b

= −2b + bt + bt2 /b ∈ R

→ Ker(T ) = h −2 + t + t2 i

luego una base para en Ker(T ) es BKer(T ) = −2 + t + t2
entonces se tiene que la dimensión del Ker(T ) es dim(Ker(T )) = 1.
ii)
Im(T ) = {(a + b + c, 2a + 3b + c)/a, b, c ∈ R}

= {(a, 2a) + (b, 3b) + (c, c)/a, b, c ∈ R}
= h{(1, 2), (1, 3), (1, 1)}i
Sea B = {(1, 2), (1, 3), (1, 1)} el generador de Im(t) si observamos se tiene que
(1, 3) = 1 · (1, 1) + 2 · (1, 2)
luego podemos considerar BIm(T ) = {(1, 1), (1, 2)} como una base de Im(T ) pues evidentemente por cramer
1 1
= 1 6= 0
1 2
por lo tanto dim(Im(T )) = 2
Ejemplo 5.9
Determine la transfomación lineal si se sabe que T : R3 → P2 (t) tal que

Ker(T ) = h{(1, 1, 1)}i , T (1, 2, −1) = 1 + 2t + t2 y T (2, 3, 1) = 2 + t2 .
Solución:
Primero veremos que B = {(1, 1, 1), (1, 2, −1), (2, 3, 1)} es una base
1 1 2 1 1 2 1 1 2
1 2 3 = 0 1 1 = 0 1 1 =1
1 −1 1 0 −2 −1 0 0 1
luego B es una base de R3 .
Ahora realizaremos la combinación lineal de un vector cualquiera en R3
α(1, 1, 1) + β(1, 2, −1) + γ(2, 3, 1) = (a, b, c)
por Gauss:
   
1 1 2 : a 1 1 2 : a
 1 2 3 : b   0 1 1 : b−a 
1 −1 1 : c 0 −2 −1 : c−a
2a − b : 5a − 3b − c
   
1 0 1 : 1 0 0
 0 1 1 : b−a   0 1 0 : 2a − b − c 
0 0 1 : c + 2b − 3a 0 0 1 : c + 2b − 3a
luego
(a, b, c) = (5a − 3b − c)(1, 1, 1) + (2a − b − c)(1, 2, −1) + (c + 2b − 3a)(2, 3, 1)
Ahora aplicaremos la transformación lineal sobre la descomposición
T (a, b, c) = T ((5a − 3b − c)(1, 1, 1) + (2a − b − c)(1, 2, −1) + (c + 2b − 3a)(2, 3, 1))
= T ((5a − 3b − c)(1, 1, 1)) + T ((2a − b − c)(1, 2, −1)) + T ((c + 2b − 3a)(2, 3, 1))

= (5a − 3b − c)T ((1, 1, 1)) + (2a − b − c)T ((1, 2, −1)) + (c + 2b − 3a)T ((2, 3, 1))
= (5a − 3b − c)(0 + 0t + 0t2 ) + (2a − b − c)(1 + 2t + t2 ) + (c + 2b − 3a)(2 + t2 )
= (−4a + 3b + c) + (4a − 2b − 2c)t + (−a + b)t2
Por lo tanto la tranformación lineal es:
T (a, b, c) = (−4a + 3b + c) + (4a − 2b − 2c)t + (−a + b)t2
comprobación
T (1, 1, 1) = (4 + 3 + 1) + (4 − 2 − 2)t + (2 − 1 − 1)t2 = 0 + 0t + 0t2 se cumple
T (1, 2, −1) = (−4 + 6 + 1) + (2 − 2 + 2)t + (−1 + 2)t2 = 1 + 2t + t2 se cumple
T (2, 3, 1) = (−8 + 9 + 1) + (8 − 6 − 2)t + (−2 + 3)t2 = 2 + t2 se cumple
5.2.2. Ejercicios Propuestos de Núcleo e Imagen

Determine el núcleo e imagen de T : R3 → P2 (x) dada por
T (a, b, c) = (a − b)x2 + (b − c)x + (a + c)

Solución:
Determine el núcleo e imagen de T : M2 (R) → R2 dada por

a b
T = (a + 2b − 3c + 4d, 2a + 3b + 5c − 3d)
c d
Solución:
Determine el núcleo e imagen de T : P2 (x) → M2 (R) dada por

p(1) p(2)
T (p(x)) =
p(2) p(0)
Solución:
Dada la transformación lineal T : R4 → R3 tal que
T (x, y, z, w) = (x + y + z − 2w, 2x + 3y + z + w, 3x + 4y + 2z − w)
1. Determine una base y dimensión del Ker(T )
2. Determine una base y dimensión de la Im(T )
Solución:
Considere la transformación lineal T : R3 → R2
T (x, y, z) = (x + 2y − 3z, x + y − 4z)

Determine su núcleo y use esto para determinar si T es epiyectiva.
Solución:
Considere la transformación lineal T : R4 → R4 tal que Ker(T ) = {(1, 1, 1, 0), (1, 0, 1, −1)} ,
T (1, 1, 0, 1) = (2, 1, 2, 1) y T (1, 1, 1, 2) = (1, 1, 1, −1).
Determine la transformación lineal en forma explícita.
Solución:
Considere la transformación lineal T : R3 → P2 (t) tal que Ker(T ) = {(1, 1, 1)} , T (1, 0, 1) = 2t − t2 y
T (2, 1, 3) = 3 − t2 .
Determine la transformación lineal en forma explícita.
Solución:
5.3 Isomorfismos
Definición 5.3
Sea T : V → W una transformación lineal entre espacios vectoriales sobre el mismo cuerpo. Decimos que T es
un isomorfismo si T es biyectiva
Proposición 5.3
Sea T : V → W una transformación lineal entre espacios vectoriales sobre el mismo cuerpo. Entonces T es un
isomorfismo si y sólo si:
1. Ker(T ) = {0V }
2. dim(V ) = dim(W )
5.3.1. Matriz de una Transformación Lineal
Definición 5.4
Sea T : V → W una transformación lineal entre espacios vectoriales sobre el mismo cuerpo K. Sea dim(V ) = n,
dim(W ) = m y Bv = {v1 , ..., vn }, BW = {w1 , ..., wm } bases de V y W respectivamente.
Para cada j ∈ {1, ..., n}, T (vj ) se escribe como combinación lineal de elementos de BW :
T (vj ) = a1j w1 + a2j w2 + ... + amj wj

Considere la matriz:
a11 a21 ··· an1

 
 a12 a22 ··· an2 
[T ]B
BV = 
W  
.. .. .. .. 
 . . . . 
a1m a2m ··· anm
[T ]B
BV se conoce como la matriz de T respecto a las bases BV y BW .
W
Teorema 5.1
Sea T : V → W una transformación lineal entre dos espacios vectoriales sobre el mismo cuerpo tal que
dim(V ) = dim(W ). Sea M la matriz de T respecto a bases BV y BW de V y W respectivamente. Entonces
T es isomorfismo si y solo si det(M ) 6= 0.
5.3.2. Ejercicios Resueltos de Matriz de Transformación Lineal
Ejemplo 5.10
Determine la matriz de T : M2 (R) → R3 dada por

a b
T = (a + b − c, c − b + d, a + d)
c d
respecto a las bases B1 y B2 de M2 (R) y R3 dadas por

1 1 1 1 1 1 −1 1
B1 = , , ,
1 1 1 0 0 0 1 −1
B2 = {(1, 1, 0), (0, 1, 1), (1, 0, 1)}
Solución
Debemos aplicar T a cada elemento de B1 y verlo como combinación lineal de elementos de B2 .

1 1
T = (1 + 1 − 1, 1 − 1 + 1, 1 + 1) = (1, 1, 2)
1 1
(1, 1, 2) = a11 (1, 1, 0) + a21 (0, 1, 1) + a31 (1, 0, 1)

(1, 1, 2) = (a11 + a31 , a11 + a21 , a21 + a31 )
Se tiene así el siguiente sistema de ecuaciones
a11 + a31 = 1
a11 + a21 = 1
a21 + a31 = 2
Lo resolvemos con eliminación gaussiana:
     
1 0 1 1 1 0 1
1 1 0 1 1
 1 1 0 1 ∼ 0 1 0  ∼  0 1 −1 0 
−1
0 1 1 2 0 1 1
2 0 0 2 2
     
1 0 1 1 1 0 1 1 1 0 0 0
∼ 0 1 −1 0  ∼  0 1 0 1 ∼ 0 1 0 1 
0 0 1 1 0 0 1 1 0 0 1 1
De esta forma a11 = 0, a21 = a31 = 1.
De forma análoga, se pueden obtener los demás coeficientes de la matriz que son:

1 1
T = (1, 0, 1)
1 0

1 1
T = (2, −1, 1)
0 0

−1 1
T = (−1, −1, −2)
1 −1
Lo resolvemos con eliminación gaussiana:
1 0 1 1 2 −1 −1
   
1 0 1 1 2
 1 1 0 0 −1 −1  ∼  0 1 −1 −1 −3 0 
0 1 1 1 1 −2 0 1 1 1 1 −2
2 −1 2 −1
   
1 0 1 1 1 0 1 1
∼ 0 1 −1 −1 −3 0
  ∼ 0
 1 −1 −1 −3 0 
0 0 2 2 4 −2 0 0 1 1 2 −1
 
1 0 0 0 0 0
∼  0 1 0 0 −1 −1 
0 0 1 1 2 −1
Por lo tanto, la matriz buscada es
 
0 0 0 0
[T ]B
B1
2
= 1 0 −1 −1 
1 1 2 −1
Ejemplo 5.11
Determine si la siguiente transformación lineal es un isomorfismo:
T : P2 (x) → R3
T (p(x)) = (p(1), p(2), p(0))
Solución
Determinaremos esto a través de la matríz de T respecto de las bases canónicas de los espacios involucrados:
B1 = {1, x, x2 }
B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
Aplicamos T a cada elemento de B1
p(1) = a + b + c
p(2) = a + 2b + 4c
p(0) = a
así se tiene
T (a + bx + cx2 ) = (a + b + c, a + 2b + 4c, a)
T (1) = (1, 1, 1) = 1(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)
T (x) = (1, 2, 0) = 1(1, 0, 0) + 2(0, 1, 0) + 0(0, 0, 1)
T (x2 ) = (1, 4, 0) = 1(1, 0, 0) + 4(0, 1, 0) + 0(0, 0, 1)
La matriz de T es, entonces:
 
1 1 1
M = [T ]B
B1
2
= 1 2 0 
1 4 0
Calculamos su determinante:
1 1 1
2 0 1 0 1 2
det(M ) = 1 2 0 =1 −1 +1
4 0 1 0 1 4
1 4 0
=2
El determinante es no nulo, por lo tanto, T es un isomorfismo.
Ejemplo 5.12
Dada la Transformación T : P3 (t) → R4 tal que
T (a + bt + ct2 + dt3 ) = (a + b + c − d, 2a + 3b + 2c + d, a + b, −d − c)
1. Determine la matriz asociada a las respectivas bases canonicas de cada espacio vectorial
2. Usar la matriz obtenida en a) para justificar si T es un isomofismo.
Solución:
i)
Sean

B1 = 1, t, t2 , t3 la base canónica de P3 (t) y
B2 = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} la base canónica de R4
luego
T (1) = (1, 2, 1, 0)
T (t) = (1, 3, 1, 0)
T (t2 ) = (1, 2, 0, −1)
T (t3 ) = (−1, 1, 0, −1)
Entonces la matriz asociada a dichas bases es:
1 1 1 −1
 
B  2 3 2 1 
[T ]B21 =
 1

1 0 0 
0 0 −1 −1
ii)
Para saber si la transformación lineal T (a+bt+ct2 +dt3 ) es un isomorfismo, debemos calcular el determinante
de la matriz
1 1 1 −1
B 2 3 2 1
det([T ]B21 ) =
1 1 0 0
0 0 −1 −1
1 1 1 −1
0 1 0 3
=
0 0 −1 1
0 0 −1 −1
1 1 1 −1
0 1 0 3
= =2
0 0 −1 1
0 0 0 2
como el determinante es distinto de cero entonces la transformación lineal T (a + bt + ct2 + dt3 ) es un isomor-
fismo.
5.3.3. Ejercicios Propuestos de Matriz de Transformación Lineal

Dada la transformación lineal T : R3 → P1 (x)

definida por
T (a, b, c) = (3a − 2c)x + (4a − b + 5c)
1. Determine la matriz asociada a las bases canónicas
2. Utilice dicha matriz para decidir si T es un isomorfismo.
Solución:
Dada la transformación lineal T : P3 (x) → R4

Definida por
T (p(x)) = (p(1), p(1) + p(2), p(2) + p(3), p(3))

1. Determine la matriz asociada a las bases
B1 = {1, 2 + x, 3 + x2 , 4 + x3 }
B2 = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (1, 1, 1, 1)}

Solución:
Dada la transformación lineal T : R4 → M2 (R)

definida por

2x − y z+w+x
T (x, y, z, w) =
4w − 3y w − 4z
Solución:
Dada la transformación lineal T : R4 → R4

definida por
T (x, y, z, w) = (x + y − z + w, x − y + z − w, y − w, z − x)
Solución:
A continuación realizaremos una evaluación formativa de los aprendizajes asociados a transformaciones lineales,
base y dimensión del ker(T ) de la Im(T ) , Isomorfismo.
1. Determine cuál o cuáles de las siguientes funciones es o son una tranformación lineal
i) T (A) = T r(A), A ∈ M2
ii T (x, y, z) = (x + y − z, x + y, zx)
iii) T (a + bt + ct2 ) = (a, b + c, a − b)
a) solo i)
b) solo ii)
c) solo i) y iii)
d) i) ,ii) y iii)
2. Determine cuál o cuáles de las siguientes funciones es o son una tranformación lineal
0
i) T (p(t)) = (p (−1), p(1)), p(t) ∈ P3 (t)
ii T (x, y, z) = (x + y − z, x + y, z)
iii) T (a + bt + ct2 ) = (a, b + c, a − b + 1)
a) solo i)
b) solo i) y ii)
c) solo i) y iii)
d) i) ,ii) y iii)
3. Dada la transformación lineal T (x, y, z, w) = (x + y + w, 2x + 3y + w) determine cuál de los siguientes conjuntos

genera una base del ker(T ).
a) B = {(−2, 1, 0, −1), (0, 0, 1, 0)}

b) B = {(−2, 1, 0, 1), (0, 0, 1, 0)}
c) B = {(−2, 1, 0, 1)}
d) B = {(−2, −1, 0, 1), (0, 0, 1, 0)}
4. Sea T : V −→ R una transformacón lineal tal que T (u1 ) = 3 ,T (u2 ) = 5 y T (u3 ) = 2.

Determine el valor de M = 3T (2u1 − u2 ) + 2T (u3 ) es:
a) 25
b) 17
c) -7
d) 7
5. Dada la transformación lineal T : V −→ R3 tal que e1 = (1, 3, 2) , e2 = (3, 4, 2) y e3 = (4, 7, 10) . entonces
determine el valor de T (u1 ) si se tiene que
T (u1 + 2u2 ) = e1
T (u1 + 3u2 + u3 ) = e2
T (2u1 + 5u2 + 2u3 ) = e3
a) T (u1 ) = (2, 1, −6)

b) T (u1 ) = (−3, 1, 8)
c) T (u1 ) = (0, 0, 6)
d) T (u1 ) = (2, 5, −6)
6. Dada la transformación lineal

T (x, y, z, w) = 2x + 3x − z
Entonces la dimensión del Ker(T ) es :
a) 2
b) 3
c) 1
d) 0
T (a + bt + ct2 ) = (a + b + c, 2a + b + 2c, 3a + 2b + 3c)
Entonces la alternativa que representa un generador para el Ker(T ) es :

a) h 1 − t2 i
b) h{1 − t}i

c) h 1 − t + t2 i
d) N.A
T (a, b, c) = (a + 2b + c) + (2a + b + 3c)t + (3a + 3b + 4c)t2
Entonces la alternativa que representa un generador para el Ker(T ) es :
a) h{(1, 5, 0)}i
b) h{(−5, 1, 3)}i
c) h{(5, −1, 3)}i
d) h{(−1, 5, 3)}i
9. Determine cuál de las siguientes transformaciones es un isomorfismo :
a) T (a + bt + ct2 ) = (a + b + 2c, 2a + b + 2c, a + b + 2c)

b) T (a, b, c) = (a + b + 2c, (2a − b + 2c)t + (a + b + 2c)t2
c) T (a + bt + ct2 ) = (a + b) + (a − b + c)t + (2a + c)t2
d) T (a, b, c) = (a + b + 2c, 2a − b + 2c, a + b − 2c)
Preguntas de archivo
10. Dada la transfomación T (a + bt + ct2 ) = (a + b) + (a − b + c)t + (2a + c)t2 Entonces se pide:
i) Base y dimensión del Ker(T )

ii) Base y dimensión de la Im(T )
iii) ¿ T es un isomorfismo ?
11. Si se tiene que T : P2 (t) → R3 es una transformación lineal tal que Ket(T ) = h{1 − t}i y T (1 + t2 ) = (1, 1, 1) y
T (2 + t2 ) = (1, 0, 1). Entonces determine la transformación T en forma explícita
Respuestas
1. c) 6. a)
2. b)
7. a) 10.
3. b)
8. b)
4. a)
5. b) 9. d) 11.
6 Diagonalización
En esta unidad nuestro proposito es determinar.Si dada una A ∈ Mn existe una matriz P invertible y existe una
matriz D matriz diagonal tal que A = P DP −1 .Para ello se deben determinar los valores y vectores propios asociados
a la matriz A.
6.1 Valores y vectores propios de una Matriz A ∈ Mn
6.1.1. Definición de valores y vectores propios
Definición 6.1
Dada una matriz A ∈ Mn . Planteamos la siguiente situación ¿ Cómo determinar u ∈ Mnx1 y λ ∈ R tal que
resuelvan la siguiente ecuación matricial ?
Au = λu ec : 1
Esto es,
Au − λu = 0
→ (A − λI)u = 0 ec : 2
Si u = 0v se considera como la solución trivial.
por lo tanto supongamos que u 6= 0v entonces el valor de λ que resuelve la ecuación se denomina como valor
propio de A y u se denomina como el vector propio asociado al valor λ respectivamente.
6.1.2. Polinomio Característico
Definición 6.2
Recordemos que la ecuación ec:2 corresponde a una ecuación matricial homogénea a partir de cramer se define:
p(λ) = det(A − λI) : como el polinomio característico asociado a la matriz A. Dicho determinante corresponde
164 Diagonalización
explícitamente a
p(λ) = a0 + a1 λ + a2 λ2 +, ...., +an λn
Según el teorema fundamental del álgebra se tiene que
p(λ) = (−1)n (λ − λ1 )a1 · (λ − λ2 )a2 · (λ − λ3 )a3 ..... · (λ − λr )ar
donde cada aj : corresponde a la multiplicidad algebraica del valor propio λ = λj para todo j ∈
{1, 2, 3, ..., r}.Esto se denota por ma (λj ) = aj
observación
r
X
n = a1 + a2 + a3 +, .... + ar = ma (λ1 ) + ma (λ2 ) + ma (λ3 )+, ...., +ma (λr ) = ma (λj )
j=1
Ejemplo 6.1
Dada la matriz
4 −4 1 3
 
 1 0 0 1 
A= 
 1 −2 2 1 
−1 2 −1 0
Determinar p(λ)
Solución:
p(λ) = det(A − λI)

4−λ −4 1 3 1−λ −4 1 3
1 0−λ 0 1 c1 +(c2 +c3 ) 1−λ 0−λ 0 1
= =
1 −2 2−λ 1 1−λ −2 2−λ 1
−1 2 −1 0−λ 0 2 −1 0−λ
1 −4 1 3 1 0 1 3
1 0−λ 0 1 c2 +(c3 +c4 ) 1 1−λ 0 1
= (1 − λ) = (1 − λ)
1 −2 2−λ 1 1 1−λ 2−λ 1
0 2 −1 0−λ 0 1−λ −1 0−λ
1 0 1 3 1 0 1 3
1 1 0 1 f2 −f1 ;f3 −f1 0 1 −1 −2
= (1 − λ)2 = (1 − λ)2
1 1 2−λ 1 0 1 1−λ −2
0 1 −1 0−λ 0 1 −1 0−λ
1 0 1 3
f3 −f2 ;f4 −f2 0 1 −1 −2
= (1 − λ)2 = (1 − λ)2 (2 − λ)2
0 0 2−λ −2
0 0 0 2−λ
Luego
p(λ) = 0 → (1 − λ)2 (2 − λ)2 = 0
Así λ = 1 valor propio es tal que ma (1) = 2 y λ = 2 valor propio es tal que ma (2) = 2
Diagonalización 165
6.1.3. Espacios Nulos
Definición 6.3
Sea λ un valor propio de A entonces el Espacio nulo asociado al valor propio λ es dado por
uλ = ker(A − λI) = {u ∈ Mnx1 /(A − λI)u = 0}
Observación
1. Cada vector u ∈ hKert(A − λI)i se denominará como vector propio asociado al valor propio λ de A.
2. La dimensión del espacio nulo Kert(A − λI) se conoce como la multiplicidad geométrica de λ.Esto es,
dim(Kert(A − λI)) = mg (λ).
3. Si λ es un valor propio de A se tiene que 1 ≤ mg (λ) ≤ ma (λ)
Ejemplo 6.2
Consideremos nuevamente la matriz

4 −4 1 3
 
 1 0 0 1 
A= 
 1 −2 2 1 
−1 2 −1 0
Calcular los espacios nulos asociados a la matriz.
Solución:
Recordemos que p(λ) = (1 − λ)2 (2 − λ)2
Calculemos los Espacios Nulos
Para λ = 2 → Kert(A − 2I) :
2 −4 1 3 0 0 1 1
   
 1
 −2 0 1 
 f1 −2f2 ;f→
3 −f2 ;f4 +f2
 1
 −2 0 1 

 1 −2 0 1   0 0 0 0 
−1 2 −1 −2 0 0 −1 −1
0 0 1 1 1 −2 0 1
   
f4 +f1  1 −2 0 1  ↔f1
 f2→
 0 0 1 1 
→   0 0
 
0 0   0 0 0 0 
0 0 0 0 0 0 0 0
 
2 1
 
*
 
+
 1
   0 
→ Kert(A − 2I) =  0
,
  1 


 
 
0 −1
Luego mg (2) = 2
Para λ = 1 → Kert(A − I) :
3 −4 1 3 1 −1 0 1
   
 1
 −1 0 1  f2 ↔f1  3
 →  −4 1 3 

 1 −2 1 1   1 −2 1 1 
−1 2 −1 −1 −1 2 −1 −1
1 −1 0 1 1 −1 0 1
   
f2 −3f1 ;f3 −f1 ;f4 +f1  0 −1 1 0   f3 −f→
2 ;f4 +f2
 0 −1 1 0 
→   
 0 −1 1 0   0 0 0 0 
0 1 −1 0 0 0 0 0
−1 +
   
* 1
 
1 0 
   
→ Kert(A − I) =   ,
 1   0 
 

 
 
0 1
Luego mg (1) = 2
6.1.4. Criterio de diagonalización
Definición 6.4
Sea A una matriz cuadrada de orden n se dirá que es diagonalizable si y solo si ∀λj valor propio de A se tiene
que ma (λj ) = mg (λj ) con j ∈ {1, 2, 3, ..., r} , 1 ≤ r ≤ n.Es decir, existen P , D ∈ Mn tal que A = P DP −1 donde
λ1 0 0..... 0
 
 0 λ2 0..... 0 
D=  y P = u1 u2 u3 ...... ur
 
..
 : : . : 
0 0 0..... λr
Observación Si A ∈ Mn es diagonalizable entonces An = P Dn P −1
6.1.5. Ejercicios Resuelto de Diagonalización
Ejemplo 6.3
4 −4 1 3
 
 1 0 0 1 
Considere la matriz A =  
 1 −2 2 1 
−1 2 −1 0
Entonces p(λ) = (1 − λ)2 (2 − λ)2 = 0
Se tiene que λ = 1 valor propio es tal que ma (1) = 2 y λ = 2 valor propio es tal que ma (2) = 2
Además los espacios nulos son :
−1
     
1 2 1
 
*
 
 + *
 
+
 1 , 0
     1   0 
Kert(A − I) =  , Kert(A − 2I) =  0  ,  1
    
 1
    0 
 
 
 

0 1 0 −1
Luego mg (1) = 2 y mg (2) = 2
Por lo tanto como ma (1) = mg (1) = 2 y ma (2) = mg (2) = 2 se tiene que A es diagonalizable
Luego existen
1 0 0 0 1 −1 2 1
   
 0 1 0 0   1 0 1 0 
D=  0 0 2 0  y P = 1 0 0 1 
  
0 0 0 2 0 1 0 −1
Ejemplo 6.4
−5
 
4 4
Dada la matriz A =  −4 3 4 
−4 4 3
a.) Compruebe que el polinomio característico asociado a la matriz A es dado por :P (λ) = −(λ + 1)2 (λ − 3)
b.) Determine los vectores propios asociados a λ = −1 y λ = 3. Respectivamente.
c.) Justifique si A es diagonalizable.
Solución:
a.)
−5 − λ 4 4 3−λ 4 4
c1 +(c2 +c3 )
P (λ) = −4 3−λ 4 = 3−λ 3−λ 4
−4 4 3−λ 3−λ 4 3−λ
1 4 4
= (3 − λ) 1 3−λ 4
1 4 3−λ
1 4 4
f2 −f1 ;f3 −f1
= (3 − λ) 0 −1 − λ 0
0 0 −1 − λ
= −(λ + 1)2 (λ − 3)
b.) Espacios Nulos

Para λ = 3
−5 − 3 −8 4 4 −2 −2
     
4 4 −1
4
f1
 −4 3−3 4  →  −4 0 4  2→  −4 0 4 
−4 4 3−3 −4 4 0 −4 4 0
4 −2 −2 2 −1 −1
   
f2 +f1 ;f3 +f1 f3 +f2
→  0 −2 2  →  0 −2 2 
0 2 −2 0 0 0
Entonces el vector asociado a λ = 3 es dado por u = (1, 1, 1)
Para λ = −1
−5 + 1 −4 −4
     
4 4 4 4 4 4
f2 −f1 ;f3 −f1
 −4 3+1 4  →  −4 4 4  →  0 0 0 
−4 4 3+1 −4 4 4 0 0 0
Entonces los vectores asociado a λ = −1 son: v = (1, 1, 0) y s = (1, 0, 1)
c.) Luego como Ma (3) = Mg (3) = 1 y Ma (−1) = Mg (−1) = 2 se tiene que A es diagonalizable.
Ejemplo 6.5
−3 −4
 
5
Dada la matriz A =  3 −2 −3 
4 −3 −3
a.) Calcular los valores propios de A.
b.) Determine los vectores propios asociados a cada valor propio de A.
c.) Justifique si A es diagonalizable.
Solución:
5−λ −3 −4
p(λ) = 3 −2 − λ −3
4 −3 −3 − λ
−2 − λ −3 −4
= −2 − λ −2 − λ −3
−2 − λ −3 −3 − λ
1 −3 −4
= −(2 + λ) 1 −2 − λ −3
1 −3 −3 − λ
1 −3 −4
= −(2 + λ) 0 1−λ −3
0 0 1−λ
= −(λ + 2)(λ − 1)2
Por lo tanto
a.) p(λ) = 0 → λ = 1 ∨ λ = −2
Luego
los valores propios de A son:

λ = −2 tal que Ma (−2) = 1 y λ = 1 tal que Ma (1) = 2
b.) vectores propios:
Para λ = −2 se tiene :
7 −3 −4 −1 −1 −1
       
1 0 1 0 1 0
 3 0 −3  →  7 −3 −4  →  0 −3 3 → 0 −1 1 
4 −3 −1 4 −3 −1 0 −3 3 0 0 0
finalmente el vector propio asociado al valor propio λ = −2 es v−2 = (1, 1, 1)
Para λ = 1 se tiene :
−3 −4 −3 −4
   
4 4
 3 −1 −3  →  3 −1 −3 
4 −3 −4 0 0 0
finalmente el vector propio asociado al valor propio λ = 1 es v1 = (1, 0, 1)
luego se tiene que Mg (−2) = 1 y Mg (1) = 1
c.) como Ma (1) 6= Mg (1) Se tiene que la matriz A no es diagonalizable

Ejemplo 6.6

−2 −3
Dada la matriz A = Calcule M = A16 − A13
1 2
Solución:
Polinomio característico:
−2 − λ −3
p(λ) =
1 2−λ
= −(2 + λ)(2 − λ) + 3
= −(4 − λ2 ) + 3
= λ2 − 1
⇒ p(λ) = (λ − 1)(λ + 1)
Valores propios:
p(λ) = 0 ↔ (λ − 1) = 0 ∨ (λ + 1) = 0
los valores propios son λ = 1 o λ = −1.
Espacios nulos
Para λ = 1 → Kert(A − I) :

−3 −3 1 1 1 1
→ →
1 1 1 1 0 0

1
→ Kert(A − I) =
−1
Para λ = −1 → Kert(A + I) :

−1 −3 −1 −3 1 3
→ →
1 3 0 0 0 0

3
→ Kert(A + I) =
−1
luego Como Ma (1) = Mg (1) = 1 y Ma (−1) = Mg (−1) = 1
por lo tanto se tiene que A es Diagonalizable.

1 3 1 0 1 −1 −3
Así P = , D= y P −1 = tal que
−1 −1 0 −1 2 1 1
A = P DP −1

1 1 3 01 −1 −3
=
2 −1 −1 −10 1 1

1 1 −3 −1 −3
=
2 −1 1 1 1

1 −4 −6
=
2 2 4

−2 −3
=
1 2
Finalmente
M = A16 − A13
= P D16 P −1 − AP D12 P −1
= P IP −1 − AP IP −1
=I −A

1 0 −2 −3
= −
0 1 1 2

3 3
=
−1 −1
6.1.6. Ejercicios Propuestos de Valores y Vectores Propios


2 1
Dada la matriz A =
2 3
a.) Compruebe que A es diagonalizable.
b.) Determine P , D y P −1
c.) verifique que A = P DP −1
Solución:

−3 12 3 2
Sea A = , v1 = y v2 = . Suponga que le han dicho que v1 y v2 son vectores propios
−2 7 1 1
de A.Utilice esta información para diagonalizar A.
Solución:
 
2 1 0
Determine el valor de M = b − a si se tiene que polinomio característico de A =  1 4 2  es de la
−2 −5 −2
forma p(λ) = −(λ − a)2 (λ − b)
Solución:
0 −4 −2
 
Considere que la siguiente matriz A =  0 2 0  tiene un polinomio característico de la forma p(λ) =

1 2 3
−(λ − a)2 (λ + b).Determine el valor de M = 3a + 2b.
Solución:
Considere la matriz  
4 9 4
A= 1 2 2 
−4 −9 −6
tal que su polinomio caracterísitco es dado por: p(λ) = −(λ + 1)2 (λ − 2)
Determine
a.) Valores propios asociados a la matriz A.
b.) Vectores propios asociados a cada valor propio de A.
c.) ¿A es diagonalizable ?,justifique su respuesta
Solución:
Sea A una matriz de 4 x 4 con valores propios 5,3, y -2, y suponga que se sabe que el espacio propio para λ = 3
tiene dimensión 2.¿ Se dispone de suficiente información para determinar si A es diagonalizable?
Solución:
Ejercicios 6.7 :Actividad individual
Si A ∈ M4 Tal que ma (2) = mg (2) = 3 y ma (−2) = mg (−2) = 1.Entonces verifique si se cumple que
det(A2k ) = 28k y T r(A2k ) = 4k+1 con k ∈ Z
Solución:
Dada la matriz
−1
 
4 8
A= 4 −7 4 
8 4 −1
1. Compruebe que λ1 = −9 y λ2 = 9 son valores propios de A tal que ma (−9) = 2 y ma (9) = 1.
2. Determine si A es diagonalizable, justifique su respuesta
3. Determine el valor de M ∈ M3 tal que
M = A4 + A3 − 81A2 − 80A
Solución:
Dada la matriz
4 −7 −10 4
 
 0 1 0 0 
A= 
 3 −7 −9 4 
3 −8 −11 6
1. Verifique que el polinomio característico es dado por p(λ) = (λ − 1)2 (λ + 2)(λ − 2)
2. Determine si A es diagonalizable
3. Si A es diagonalizable determine P y D tal que A = P DP −1
Solución:
A continuación realizaremos una evaluación formativa de los aprendizajes asociados a valores y vectores propios
,polinomios caracteristico, criterios de diagonalización y potencias n-esimas de matrices como consecuencias de la
diagonalización.
6 −1 −1
 
1. Dada la matriz  −2 5 1  tal que el polinomio caraterístico es de la forma p(λ) = −(λ − a)2 (λ − b).
4 −2 2
Entonces se pide determinar el valor de M tal que M = a − b
7 −1 −1
 
2. Dada la matriz A =  −2 6 1  tal que el polinomio caraterístico es de la forma p(λ) = −(λ+a)2 (λ−b).
4 −2 3
Entonces se pide determinar el valor de M tal que M = 2a + b
10 −8
 
4
3. Dada la matriz A =  12 −10 4  Entonces determine cuál de las siguientes afirmaciones es verdadera.
0 0 −2
a) λ = 2 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (−1, 0, 3)

b) λ = 2 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (2, 3, 0)
c) λ = −2 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 0, 1)
d) λ = 2 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 1, 0)
9 −6 0
 
4. Dada la matriz A =  12 −9 0  Entonces determine cuál de las siguientes afirmaciones es verdadera.

−6 −6 3
a) λ = 3 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 1, 2)

b) λ = 3 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 2, −1)
c) λ = −3 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 1, 1)
d) λ = −3 es un valor propio de A y un vector propio asociado a dicho valor propio es u = (1, 1, 2)
−14
 
8 4
5. Dada la matriz A =  −a 6 4  Entonces determine el valor de a, b ∈ R si se tiene que λ = 2 es un
−24 −16 b
valor propio de A, y u1 = (1, 2, −1) es un valor propio a dicho valor propio y λ = −2 es otro valor propio de A,
y u2 = (1, 2, −1) es un vector propio asociado a dicho valor propio
a) a = 12 y b = 3
b) a = −12 yb = 6
c) a = 12 y b = −3
d) a = 6 y b = 3
−4
 
6 0
6. Dada la matriz A =  8 6 0  Entonces el det(A8 ) es :
−4 46 2
a) det(A8 ) = 3 · 28
b) det(A8 ) = 224
c) det(A8 ) = 8
d) det(A8 ) = 72
−4
 
6 0
7. Dada la matriz A =  8 6 0  Entonces la traza de (A8 ) es :
−4 46 2
a) T r(A8 ) = 3 · 28
b) T r(A8 ) = 224
c) T r(A8 ) = 8
d) T r(A8 ) = 72
−5 −6
 
5
8. Dada la matriz A =  5 −5 −6  Se pide:
6 −6 −12
a) Determine el polinomio caracteristico de A.

b) Determine los valores propios con sus respectivas multiplicidades algebraicas.
c) Determine los vectores propios asociados a cada valor propio obtenido en b).
d) Determine si A es diagonalizable, justifique con contenidos revisados en en texto o en clases.
Respuesta
3. d 6. b
4. a 7. a
1.
2. qr 5. a 8. qr

AGUM1008_Marzo_2023

Cargado por

Información del documento

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

AGUM1008_Marzo_2023

Cargado por

Copyright:

Formatos disponibles

Libro de Trabajo de Álgebra Lineal .

Núcleo de Matemática, Física y Estadística

1 A LGEBRA DE M ATRICES PÁGINA 3

3 E SPACIOS V ECTORIALES PÁGINA 95

4 P RODUCTO I NTERNO PÁGINA 125

5 T RANSFORMACIONES LINEALES PÁGINA 137

6 D IAGONALIZACIÓN PÁGINA 163

6.1.6 Ejercicios Propuestos de Valores y Vectores Propios 172

Definición 1.1 Definición de una matriz

n: Corresponde al número de filas de la matriz

m: Corresponde al número de columnas de la matriz

i: Corresponde a un contador de filas

j: Corresponde a un contador de columnas

1. Si A es una matriz de n-filas y m-columnas se denota como:

A ∈ Mnxm (R) ⇐⇒ A ∈ Mnxm

A ∈ Mnxn (R) ⇐⇒ A ∈ Mnxn

Definición 1.5 : Diagonal principal y traza

Sea A ∈ Mn entonces se define:

1. diagp (A) = (a11 a22 a33 ....ann ) : como la diagonal principal de A.

Es decir, aij = 0, ∀i < j

3. Una matriz cuadrada se dice que es una matriz diagonal si es de la forma:

1.2 Operatoria Básica de Matrices

Producto por escalar: Sean β ∈ R y A ∈ Mnxm

β · A = β · (aij )nxm = (βaij )nxm = (β · A)

Suma de Matrices:Sean A, B ∈ Mnxm .

A + B = (aij )nxm + (bij )nxm = (aij + bij )nxm = (cij )nxm = C

El producto o La multiplicación de Matrices:

Supongamos que se multiplica

Anxm · Bpxq = Cnxq si y sólo si m = p.

Entonces los coeficientes de C se obtienen como sigue:

Si n = 1 7→ A = (a11 ) se tiene que det(A) = (−1)1+1 a11 = a11

cof (a11 ) = (−1)1+1 · a22 = a22

cof (a12 ) = (−1)1+2 · a21 = −a21

cof (a21 ) = (−1)2+1 · a12 = −a12

cof (a22 ) = (−1)2+2 · a11 = a11

Así se tiene que el det(A) se obtiene como sigue:

El determinante se obtiene independiente de la fila o columna que se elige, esto es

a22 a23 a21 a23 a21 a22

cofactores de los coeficientes de la fila 2:

a12 a13 a11 a13 a11 a12

cofactores de los coeficientes de la fila 3:

a12 a13 a11 a13 a11 a12

Finalmente el determinante de la matriz obtenido por la fila 1 es:

a11 a12 a13

a22 a23 a21 a23 a21 a22

Para n ≥ 4 se tiene que el determinante es dado por:

= 2(2 − 1) − 4(1 − 0) − 1(1 − 0)

1.3 Propiedades algebraicas de Matrices

5. ∀A, ∃0 Tal que 0 + A = A + 0 = A

6. ∀A, ∃B Tal que B + A = A + B = 0 , donde B = −A matriz opuesta de A.

10. A(B + C) = AB + AC Distributividad

12. ∀A ∈ Mn , ∃I ∈ Mn Tal que I · A = A · I = A

13. Si A, B ∈ Mn .Entonces det(AB) = det(A) · det(B)

17. Se dice que A es idempotente si y sólo si A2 = A

18. Se dice que A es Nilpotente de orden 0 r0 si y sólo si Ar = 0 y Ar−1 6= 0

19. Se dice que A ∈ Mn es una matriz simétrica si At = A

20. Se dice que A ∈ Mn es una matriz antisimétrica si At = −A

1.3.1. Ejercicios Resueltos de Álgebra de Matrices

M = (A2 + 2B t )(A − 2I)

Determine en valor de X ∈ M2 en la ecuación

det(A) = −2 6= 0, existe A−1 y det(B) = 1 6= 0, existe B −1

1.3.2. Ejercicios Propuestos de Algebra de Matrices

Ejercicios 1.2 :Actividad Grupal

Ejercicios 1.3 :Actividad Individual