Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AGUM1008_Marzo_2023
AGUM1008_Marzo_2023
NMFE
Otoño, 1-2023-DS
Esta página fue dejada intencionalmente blanca
Í NDICE GENERAL
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
2.3 Cierre de Aprendizajes: Evaluación formativa 2 90
IV
1.1 Matrices
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:
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
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:
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
.
6 Algebra de Matrices
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
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 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
8 Algebra de Matrices
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
Definición 1.7
Definición 1.8
Definición 1.9
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 |
a11 a12
Si n = 2 7→ A = .
a21 a22
10 Algebra de Matrices
Entonces para calcular el determinante primero que todo determinaremos los cofactores de A
det(A)F1 = a11 cof (a11 ) + a12 cof (a12 ) = a11 a22 − a12 a21 : Determinante calculado por la fila 1
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:
obs. analogamente el determinante se puede calcular de forma equivalente por cualquier fila o colum-
na.
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
12 Algebra de Matrices
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
=2−4−1
= −3
Algebra de Matrices 13
1. (At )t = A
2. (βA)t = βAt , β ∈ R
3. (A + B)t = At + B t
4. (AB)t = B t At
7. (A + B) + C = A + (B + C) Asociatividad.
8. A + B = B + A Conmutatividad.
9. (A · B) · C = A · (B · C) Asociatividad
11. AB 6= BA
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
(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
14 Algebra 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:
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
Algebra de Matrices 15
4 −3 5 −2
=− −2
−3 1 −2 1
−14 7
=
7 −3
Ejemplo 1.9
A(I + X t )B = AB + BA
1 1 0 1
.Si se tiene que A = , B=
2 0 −1 1
Solución:
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
Algebra de Matrices 17
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:
18 Algebra de Matrices
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.
Algebra de Matrices 19
3 1 −1 2 2 2
Considere A = ,B = ,C = . Determine, si existe, X ∈ M2 , tal que
5 2 0 1 1 3
(B − X t )A = 2A2 − C.
3 2 −1 2 2 2
Considere A = ,B = ,C = . Determine, si existe, X ∈ M2 , tal que
2 1 0 1 1 3
B(I + X t )A = 2BAt − C.
20 Algebra de Matrices
Definición 1.11
Dada una Matriz A ∈ Mnxm se tiene que sobre ella se pueden realizar las siguientes operaciones filas y
columnas.
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 .
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
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
22 Algebra de Matrices
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
Algebra de Matrices 23
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
24 Algebra de Matrices
Solución:
Solución:
Algebra de Matrices 25
Solución:
1 1 1 5
0 −4 −1 5
A=
3 3 5 −6
2 2 3 7
Solución:
26 Algebra de Matrices
1 3 3
Dada A = 0 1 0 y B = 8A48 − 2A20 − 16A entonces.
0 −2 −1
Solución:
Algebra de Matrices 27
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.
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.
28 Algebra de Matrices
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
Algebra de Matrices 29
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
30 Algebra de Matrices
Solución:
Solución:
Algebra de Matrices 31
Solución:
Solución:
32 Algebra de Matrices
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:
Algebra de Matrices 33
a11 a12 .... .... a1n x1 b1
a21 a22 .... .... a2n
x2
b2
: : : : :
· =
: : : : :
: : : : :
am1 am2 .... .... amn xn bm
Esto es,
A·X =b
Para resolver dichos sistemas de ecuaciones lineales ilustraremos dos métodos de soluciones
como:Método de Gauss y Método de Cramer
34 Algebra de Matrices
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.
2.1 Si ρ(A) = ρ(A : b) = n, n: número de variables entonces el sistema tiene solución única.
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
Ejemplo 1.18
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
−140
Ejemplo 1.19
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.2: y + w = 9 entonces y = 9 − w
3w − 16
9−w
22 − 3w , ∀w ∈ R
luego el conjunto solución Xs =
w
Algebra de Matrices 37
Ejemplo 1.20
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
Ejemplo 1.21
x + 2y + βz =3
3x + 7y + 12z =0
4x + 10y + β 2 z =β
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
a.) El sistema tiene solución única si y solo si ∀x ∈ R − {4, −6} pues ρ(A) = ρ(A : b) = 3
−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
Algebra de Matrices 39
Observación.
Ejemplo 1.22
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
ec. 2 y + 4z = 0 → y = −4z
ec.1 x + (−4z) − z = 0 → x = 5z
5z
Xs = −4z , ∀z ∈ R
z
40 Algebra de Matrices
x + y + 2z =2
3x + 4y + 6z =8
x + 2y + 2z =4
Solución:
x+y+z =6
2x + 3y + 4z = 22
x + y + 2z = 12
Solución:
Algebra de Matrices 41
x+y+z+w = 15
2x + 3y + 2z + 3w = 39
3x + 3y + 2z = 23
4x + 4y + 5z − 2w = 60
Solución:
x+y+z =a
x − 3y =5
2
3x + 3y + (b − 6)z = 3ab
Solución:
42 Algebra de Matrices
x + 2y + bz =1
3x + 7y + 3z =0
2x + 5y + (b2 + 1)z = −b
Solución:
x + 2y + bz =1
4x + 9y + 2z =2
3x + 6y + (b2 − 10)z =b+5
Solución:
Algebra de Matrices 43
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
44 Algebra de Matrices
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
7. det(βA) = β n det(A), β ∈ R
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
Algebra de Matrices 45
Definición 1.14
M xj
xj =
det(A)
46 Algebra de Matrices
Ejemplo 1.24
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
Algebra de Matrices 47
Ejemplo 1.25
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
48 Algebra de Matrices
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 + y + 2z + w = 20
3x + 4y + z = 80
2x + 3y + z = 100
x + y + 3z + w = 180
Solución:
x + y + 2z = 20
3x + 4y + z = 80
2x + 3y + z = 100
Solución:
50 Algebra de Matrices
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:
Algebra de Matrices 51
x−1 0 1
Determine x ∈ R , tal que −2 x+2 −1 6= 0
0 0 x+1
Solución:
a 1 −1 a+1
0 a −1 2
|A| = = −a(a + 1)(a + 2)
0 2 −1 a
0 1 0 a
Solución:
52 Algebra de Matrices
a+b a a a
a a+b a a
= b3 (4a + b)
a a a+b a
a a a a+b
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)
Solución:
54 Algebra de Matrices
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
Algebra de Matrices 55
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?
Solución:
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
Finalmente se compraron 8 cubiertas para autos , 14 cubiertas para equipos y 22 cubiertas para camiones.
56 Algebra de Matrices
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?
3. Resuelva el problema.
Solución:
2.
x+y+z = 19
9x + 29y + 26z = 376
y+z =x+3
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:
Solución:
58 Algebra de Matrices
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?
Solución:
Algebra de Matrices 59
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
60 Algebra de Matrices
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
x+y+z =6
2x + 2y + 3z = 14
x + y + 2z =8
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
x + y + az =1
2x + 3y + 2z =a
3x + 4y + a2 z =3
a) solo ii)
b) solo i) y ii)
c) solo ii) y iii)
d) i ) , ii ) y iii)
62 Algebra de Matrices
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
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
Algebra de Matrices 63
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
1−a
1 1
15. Dada la matriz A = 1 1 1−a
1 1−a 1
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.
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.
64 Algebra de Matrices
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)
2.1 Vectores en Rn
Definición 2.1
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
Definición 2.2
1. Suma:
→
−
x +→
−
y = (x1 + y1 , ..., xn + yn )
2. Resta:
→
−
x −→
−
y = (x1 − y1 , ..., xn − yn )
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
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
Definición 2.3
Ejemplo 2.4
→
−
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:
→
−
2. ||→
−
x || = 0 ⇔ →
−
x = 0
3. ||λ→
−
x || = |λ| · ||→
−
x ||
4. ||→
−
x +→
−
y || ≤ ||→
−
x || + ||→
−
y ||
Definición 2.4
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
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
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
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
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
||→
−
x ×→
−
y || = ||→
−
x || · ||→
−
y || · | sen(θ)|
Geometría en Rn 71
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 ||
Ejemplo 2.10
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
||→
−
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.
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
→
−
x · (→
−
y ×→
−
z ) = (→
−
x ×→
−
y)·→
−
z
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 = (2, 1, t) y v = (3, −4, 2) para que u × v = (6, 4, 11)
Solución:
78 Geometría en Rn
Ejercicios 2.17
Usando las herramientas antes vistas podemos definir objetos en el espacio como planos y rectas:
Definición 2.9
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
π : (x − x0 , y − y0 , z − z0 ) · (a, b, c) = 0
que se reescribe en forma cartesiana como
Ejemplo 2.12
El plano π determinado por el punto (1, −2, 3) y tiene el vector normal (2, 1 − 4) es:
Solución:
π : 2x + y − 4z = −12
80 Geometría en Rn
Definición 2.10
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
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
Xs = (2 − 3z, 2 + 2z, z) , z ∈ 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
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 = 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 = 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
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
||(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
|(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:
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 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:
Ejercicios 2.32
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
a) t = −2
b) t = 2
c) t = 4
d) t = −4
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 :
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)
14. Determine el punto P que corresponde a la intersección entre las rectas L1 y L2 tal que
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
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.
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
Definición 3.1
6. ∀β ∈ K , ∀u ∈ V se tiene que β · u ∈ V .
Observaciones
Ejemplo 3.1
1. V = Rn , K = R tal que u, v ∈ Rn , β ∈ R.
y
βu = β(x1 , x2 , ......, xn ) = (βx1 , βx2 , ......, βxn )
Definición 3.2
1. W 6= φ
3. ∀u ∈ W y ∀β ∈ K se tiene que β · u ∈ W .
Ejemplo 3.2
Ejemplo 3.3
Determine si W = (x, y) ∈ R2 / x + 2y = 0 ⊂ R2
Es un subespacio vectorial de R2 .
Solución:
Por lo tanto u + v ∈ W .
iii.) Dado u ∈ W y ∀β ∈ R
Por lo tanto βu ∈ W
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).
pero u + v = 3 + 3x + 5x2 ∈
/W
98 Espacios Vectoriales
i.) 0v ∈ 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
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:
100 Espacios Vectoriales
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:
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:
102 Espacios Vectoriales
Ejemplo 3.6
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(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)}.
Espacios Vectoriales 103
Definición 3.3
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
Ejemplo 3.8
b.) Si la respuesta en a.) es afirmativa represente u en combinación lineal de los vectores {u1 , u2 , u3 }.
Solución
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
104 Espacios Vectoriales
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 }.
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
Ejemplo 3.10
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
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
106 Espacios Vectoriales
W = {(x, y, z, w) / 2x − 3y − z = 0} ≤ R4
Solución:
Solución:
Solución:
108 Espacios Vectoriales
Definición 3.4
cn
Ejemplo 3.12
2y − x
→ [(x, y)]α =
x−y
Definición 3.5
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:
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.
110 Espacios Vectoriales
Definición 3.6
Sea V un e.v. y α = {u1 , u2 , ...., un } ⊂ V. Diremos que α es una base para V si.
o equivalentemente, la función
[ ] : V → Mnx1
c1
c n
2 X
[u]α = : ⇔ u = ci ui
: i=1
cn
es biyectiva.
Ejemplo 3.15
Observación
Si α = {u1 , u2 , ...un } y β = {v1 , v2 , ...vm } son dos bases de V entonces necesariamente n = m
Espacios Vectoriales 111
Definición 3.7
Ejemplo 3.16
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
1. Teorema de la dimensión
i.) V = W1 + W2
ii.) W1 ∩ W2 = {0v }
112 Espacios Vectoriales
1. dim({0v }) = 0
2. dim(W1 + W2 ) ≤ dim(V )
Ejemplo 3.17
Sea W = a0 + a1 x + a2 x2 + a3 x3 ∈ P3 (x) : a0 − 2a2 − 2a3 =0
Solución:
a.)
W = a0 + a1 x + a2 x2 + a3 x3 ∈ P3 (x) : a0 − 2a2 − 2a3 = 0
= 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.
Espacios Vectoriales 113
Ejemplo 3.18
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
114 Espacios Vectoriales
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
Solución:
i)
n 0
o
W2 = p(t)/ p (−1) = 0
= a + bt + ct2 + dt3 / b − 2c + 3d = 0
= h 1, 2t + t2 , −3t + t3 i
Sea BW2 = 1, 2t + t2 , −3t + t3 un generador de W2
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
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
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
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
Solución:
i)
n 0
o
W2 = p(t)/ p (1) = 0
= a + bt + ct2 + dt3 / b + 2c + 3d = 0
= h 1, −2t + t2 , −3t + t3 i
Sea BW2 = 1, −2t + t2 , −3t + t3 un generador de W2
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
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
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
Finalmente
dim(W1 ∩ W2 ) = 1 → W1 ∩ W2 6= (0, 0, 0, 0) entonces W1 y W2 no estan en suma directa
Espacios Vectoriales 117
Solución:
β = 1 + x − x2 , 2 + x − x3 , 1 + x − x2 + x3 , 4 + 3x − x2 ⊂ P3 (x)
Solución:
Solución:
118 Espacios Vectoriales
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:
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
Solución:
120 Espacios Vectoriales
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
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)
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
122 Espacios Vectoriales
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}
W = {(x, y, z, u, v)/x − 2y − u + 2v = 0} ≤ R5
a) 4
b) 3
c) 2
d) 1
a) 1
b) 3
c) 2
d) 4
Preguntas de desarrollo
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
Espacios Vectoriales 123
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
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
Esta página fue dejada intencionalmente blanca
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:
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:
5. hv, vi = 0 si y solo si v = 0.
Ejemplo 4.1
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
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
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
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
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
128 Producto Interno
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:
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 .
Producto Interno 129
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.
(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.
(1, 1, 1) (1, 1, 1)
u1 = = √
||(1, 1, 1)|| 3
130 Producto Interno
(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
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.
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
132 Producto Interno
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 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:
Producto Interno 133
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
134 Producto Interno
Ejemplo 4.9
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
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
Producto Interno 135
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
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
Esta página fue dejada intencionalmente blanca
5 Transformaciones lineales
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:
Ejemplo 5.1
T (a, b) = ax2 + bx + b − a
es una transformación lineal.
En efecto
i)
Proposición 5.1
1. T (0V ) = 0W .
2. T1 + T2 es transformación lineal.
Ejemplo 5.2
T (a, b, c) = (a + b, b − c + 2)
Ejemplo 5.3
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
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 (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.
140 Transformaciones lineales
Ejemplo 5.5
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
Solución:
Solución:
142 Transformaciones lineales
T (x, y, z) = x + y − 2z
Solución:
Solución:
Transformaciones lineales 143
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
Proposición 5.2
3. Fórmula de Dimensión:
Ejemplo 5.6
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
Transformaciones lineales 145
(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
Ejemplo 5.7
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.
146 Transformaciones lineales
Ejemplo 5.8
T (a + bt + ct2 ) = (a + b + c, 2a + 3b + c)
Solución:
i)
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
ii)
Sea B = {(1, 2), (1, 3), (1, 1)} el generador de Im(t) si observamos se tiene que
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
Ejemplo 5.9
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
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
comprobación
Solución:
T (x, y, z, w) = (x + y + z − 2w, 2x + 3y + z + w, 3x + 4y + 2z − w)
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:
152 Transformaciones lineales
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 )
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 ]B
BV se conoce como la matriz de T respecto a las bases BV y BW .
W
Transformaciones lineales 153
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.
Ejemplo 5.10
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.
154 Transformaciones lineales
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
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
Transformaciones lineales 155
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
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
156 Transformaciones lineales
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.
Transformaciones lineales 157
Solución:
Solución:
Solución:
Transformaciones lineales 159
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)
a) 25
b) 17
c) -7
d) 7
160 Transformaciones lineales
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) 2
b) 3
c) 1
d) 0
a) h{(1, 5, 0)}i
b) h{(−5, 1, 3)}i
c) h{(5, −1, 3)}i
d) h{(−1, 5, 3)}i
Transformaciones lineales 161
Preguntas de archivo
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.
Esta página fue dejada intencionalmente blanca
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.
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.
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
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:
Definición 6.3
Sea λ un valor propio de A entonces el Espacio nulo asociado al valor propio λ es dado por
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).
Ejemplo 6.2
Solución:
Recordemos que p(λ) = (1 − λ)2 (2 − λ)2
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
166 Diagonalización
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
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
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
Diagonalización 167
−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)
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)
168 Diagonalización
−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
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
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
Diagonalización 169
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
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
Para λ = 1 se tiene :
−3 −4 −3 −4
4 4
3 −1 −3 → 3 −1 −3
4 −3 −4 0 0 0
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
Diagonalización 171
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
172 Diagonalización
2 1
Dada la matriz A =
2 3
b.) Determine P , D y P −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:
Diagonalización 173
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 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
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:
Diagonalización 175
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
M = A4 + A3 − 81A2 − 80A
Solución:
176 Diagonalización
Dada la matriz
4 −7 −10 4
0 1 0 0
A=
3 −7 −9 4
3 −8 −11 6
2. Determine si A es diagonalizable
Solución:
Diagonalización 177
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
9 −6 0
−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
178 Diagonalización
−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
Respuesta
3. d 6. b
4. a 7. a
1.
2. qr 5. a 8. qr