1

I. INFORMACIÓN GENERAL

Asignatura: Álgebra Lineal

Departamento: Ciencias formales
Programa: Ingeniería
Semestre de formación Primer o segundo
Número de hora (curso de verano): 200 min. Diarios (3h con 20 min.)
Tipo de asignatura: Obligatoria

II. OBJETIVOS GENERALES

A través de la implementación del programa de Álgebra Lineal se pretende:

- Mostrar una actitud favorable hacia el Álgebra Lineal.

- Desarrollar habilidades y destrezas al operar con Matrices.
- Desarrollar habilidades y destrezas al operar con Sistemas de Ecuaciones Lineales.
- Desarrollar habilidades y destrezas para reconocer y operar con Espacios Vectoriales.
- Desarrollar habilidades y destrezas al operar con las Transformaciones Lineales.

III. METODOLOGÍA

Los métodos empleados están basados en la teoría del aprendizaje estos son: Método Expositivo,
donde se presentaran oralmente los puntos incluidos en cada unidad con el apoyo de Ejemplos y de
los recursos; Dinámica Grupal y Trabajo Práctico, se realizaran actividades de análisis y resolución
de ejercicios disponiendo a los alumnos en grupos para luego fomentar en ellos la discusión y
participación en clases.

Los medios o recursos para comunicar estos conocimientos son los tradicionalmente
implementados tales como: borrador, pizarra acrílica, marcadores, bibliografía, correo electrónico,
facebook, además de utilizar guías de estudio tanto teórico como de ejercicios a fin de lograr en
menor tiempo y de forma directa la comunicación enseñanza – aprendizaje.

IV. PLAN DE EVALUACIÓN

La evaluación del dominio de los objetivos propuestos esta basada en la medición de las destrezas
receptivas de cada estudiante, la misma se efectuará de forma continua integral y cooperativa. Se
efectuará una prueba de tipo diagnóstica con el fin de determinar las condiciones en que se
encuentran los estudiantes y establecer las respectivas modificaciones para garantizar el logro de
los objetivos planificados.

En cuanto a la Evaluación Sumativa serán evaluaciones escritas a las cuales se les asignara un
porcentaje específico; se incluirán además actividades de resolución de problemas propuestos con
el propósito de que el alumno ponga en práctica lo aprendido en clase. Las pruebas se aplican al
culminar cierta cantidad de objetivos estratégicamente divididos. La escala de evaluación aplicada
es sobre la base de 20 puntos y requiere de una calificación mínima de 10 puntos como requisito
aprobatorio, es necesario que el estudiante asista con regularidad a las clases; además de efectuar
2
satisfactoriamente las actividades propuestas (grupales y pareja) y la entrega del portafolio, el cual
se realizara y entregará por grupos al final del semestre. Para la construcción del portafolio los
alumnos deberán realizar entregas parciales, las cuales coincidirán con la fecha de la evaluación
correspondiente, esto es de carácter obligatorio para poder presentar el evaluativo.

La nota definitiva se obtendrá de la suma de los porcentajes asignados a las evaluaciones.

La inasistencia a una de las evaluaciones deberá ser debidamente justificada.

De acuerdo al Reglamento de Evaluación y Rendimiento Estudiantil de LUZ en el numeral 21 del

Art. 26 de la Ley de Universidades, Titulo I: Disposiciones generales en el Capitulo I (de la
evaluación del proceso enseñanza-aprendizaje) Art. 6. “La evaluación sumativa es de carácter
obligatorio, valora el resultado del proceso de enseñanza-aprendizaje al finalizar cada unidad o
capitulo del programa. Los resultados se traducirán en calificaciones. Cuando más de la mitad de
los alumnos asistentes a la evaluación resulten aplazados el docente está obligado a repetir la
prueba por vez única.”

Respecto a la Evaluación Formativa, ésta será aplicada a lo largo del curso con el propósito de
verificar en que grado se están logrando los objetivos y así brindarle al facilitador o mediador del
proceso una visión integral del desempeño académico de cada participante.

3
 CRONOGRAMA DE ACTIVIDADES
ESTRATEGIAS DE
SEM DIA HORA UNID OBJETIVOS APRENDIZAJE / PESO
EVALUACION
MIER 01 7:50AM 1 AL 12
CLASES
1 JUEV 02 A 13 AL 20
Evaluación Formativa
VER 03 11:10AM
MART
I 21 AL 28 CLASES
07
Evaluación Formativa
MIER 08 7:50AM 29 AL 39
2 A Evaluación Sumativa N°1
JUEV 09 1 AL 28 25%
11:10AM (actividad pareja)
(Asesoría, corrección de
VIER 10
evaluación)
MART
40 AL 50 CLASES
14 II
Evaluación Formativa
MIER 15 7:50AM 51 AL 56
3 A Evaluación Sumativa N°2
JUEV 16 I 29 AL 39 20%
11:10AM (actividad pareja)
(Asesoría, corrección de
VIER 17
evaluación)
MART
57 AL 61 CLASES
21
Evaluación Formativa
MIER 22 7:50AM II 62 AL 66
4 A Evaluación Sumativa N°3
JUEV 23 40 AL 56 20%
11:10AM (actividad pareja)
(Asesoría, corrección de
VIER 24
evaluación)
MART Resolución de ejercicios
28 Evaluación Formativa
II
Evaluación Sumativa N°4
MIER 29 7:50AM 57 AL 66 25%
(actividad pareja)
5 A
II Evaluación Sumativa N°5
11:10AM
JUEV 30 Y 67 AL 86 (actividad grupal, 4 10%
III personas)
VIER 31 (entrega de notas finales)
TOTAL 100%

El cronograma de actividades se EXPLICARA EN LA CLASES y se encuentra sujeto a los requerimientos que

arroje la evaluación continua, sugerencias y/o acuerdos realizados por los miembros de la clase.
Se entregara un trabajo, al final del semestre, el cual debe realizarse, aplicando la normativa para elaborar
trabajos escritos de LUZ. Debe ser enviado a la dirección: [email protected], Posteriormente se
indicara la fecha y el contenido.
Se recomienda en caso de dudas utilizar el facebook Edith Marilyn Rondón o dirigirse directamente con la
profesora.

Seles exhorta realizar los ejercicios propuestos en la guía suministrada:

Evaluación 1: Ejercicios Pág. 22 al 23 Evaluación 2: Ejercicios Pág. 32 y 33
Evaluación 4: Ejercicios Pág. 44 Evaluación 5: Ejercicios Pág. 64 y 65
Evaluación 6: Ejercicios Pág. 79

4
V. ALGUNAS RECOMENDACIONES
Rol protagónico del alumno: tú eres el principal protagonista del proceso enseñanza-aprendizaje
cuyas experiencias previas y verdadera conciencia de su desempeño constituyen el punto de
partida de un camino, donde el facilitador será el profesor y cuyos esfuerzos serán recompensados
al final del mismo.
Memoria y atención: Debes convertir tu memoria en un depósito de riquezas intelectuales,
experiencias profundas capaces de iluminarte en el momento oportuno, siendo almacenadas con
cuidado, orden, y disciplina.
Trata de comprender: cuando las cosas carecen de sentido para nosotros, es imposible
recordarlas. Busca explicaciones, comprende tus experiencias, tu diario caminar en el mundo.
Repasa: más que re-pasar, deberías re-pensar los conocimientos adquiridos: hablando,
discutiendo, escribiendo con tus propias palabras lo que recientemente escuchaste, leíste o
experimentaste. Debes adquirir una memoria crítica, reflexiva, con el fin de hacer tuyo el
conocimiento.
Utiliza claves nemotécnicas: memoriza mediante el uso de palabras claves, símbolos visuales,
que te permitan recordar conjuntos, párrafos o detalles importantes.
Programa el aprendizaje: el estudio repartido a lo largo de los días es más eficaz que una sesión
intensiva de 12 horas. Estudia frecuentemente en periodos cortos (utiliza la sensatez).
Concéntrate: suprime las causas de distracción: radio a todo volumen, el temor, la angustia,…
Aprende a leer:
Hojea todo el contenido: comienza por el índice, luego las gráficas, figuras, cuadros, tablas,
diagramas y fotografías (en menos de 5 minutos). Trata de obtener una visión global.
Formúlate preguntas: pregúntate: ¿Cuáles son los principales puntos?, transforma los títulos y
subtítulos en interrogantes: ¿Qué...?, ¿Cuáles…?, ¿Por qué…?, ¿Cómo…?. Trata de responder tú
mismo las interrogantes, confronta tus respuestas con el autor…
Lee activamente: subraya lo que consideres importante (palabras, frases, fórmulas), usa
asteriscos, signos de admiración o de interrogación, utiliza resaltadores de colores.
Resume en voz alta si es posible.
Elabora cuestionarios, cuadros sinópticos, formularios: utiliza resaltadores, flechas, signos.
Repasa: debes actualizarte a medida que vas avanzando en tu proceso de educación o
profesionalización. Para actualizar tus conocimientos primero debes tenerlos.
Aprende a escuchar.
Aprende a redactar informes.
Prepárate para la vida no para los exámenes.

“Lo importante en el aprendizaje no consiste en tener experiencias, sino en vivirlas, de tal forma que estas puedan ser
asimiladas por ti e incorporadas a tu vida... Aprender es cambiar…”
Aprender a aprender. Guillermo Michel

5
VI. BIBLIOGRAFIA RECOMENDADA

BURGOS, de Juan. “Álgebra Lineal”. McGraw Hill, Madrid España). 1era Edición.

FRANCIS G. Florey. “ Fundamentos de Álgebra Lineal y sus Aplicaciones”

GROSSMAN Stanley. “Algebra Lineal”

HARVEY, Gerber. “Algebra Lineal”.

HOWARD, Antón. “Algebra Lineal”

SEYMOUR, Lipschutz. “ Serie de Compendios SCHAUM Teoría y Problemas de Algebra Lineal”

WILLIAM, Perry. “Álgebra Lineal con Aplicaciones”

www.google.com

www.bibliotecavirtual.com

www.wikipedia.com

www.monografías.com

www.vitutor.com

www.abaco.com.ve

6
 VII. CONTENIDO PROGRAMATICO

UNIDAD I: MATRICES.
OBJETIVO TERMINAL:
1. Resolver aplicaciones específicas utilizando el Álgebra matricial.
2. Resolver aplicaciones específicas utilizando Sistemas de Ecuaciones Lineales.

SEM OBJETIVOS ESPECÍFICOS CONTENIDO PROGRAMÁTICO Pág.

Al finalizar el proceso de aprendizaje el

estudiante habrá adquirido las destrezas para: Tema 1: Introducción a las Matrices 14
1 1. Definir matrices de m filas por n columnas. 1.1. Definición de Matrices. 14
2. Distinguir el tamaño de una Matriz. 1.2. Notación, orden o tamaño de una matriz 14
3. Distinguir la igualdad de matrices. 1.3. Igualdad de las Matrices. 14
4. Definir Matriz de n filas por n columnas. 1.4. Matriz Cuadrada. 15
5. Distinguir tipos de matrices cuadradas. 1.4.1 Diagonal principal M. Cuadrada. 15
1.4.2. M. Triangular Superior e inferior. 15
1.4.3. M. Diagonal. 15
1.4.4. M. Escalar. 15
1.4.5. M. Identidad 16
6. Distinguir otros tipos de Matrices. 1.5. M. Nula. 16
1.6. M. Fila. 16
1.7. M. Columna. 16
7. Definir y Aplicar Matrices para resolver Tema 2: Operaciones de Matrices 16
operaciones con las matrices.
8. Resolver y aplicar las propiedades de la 2.1. Suma algebraica de matrices. 16
suma de Matrices. 2.1.1 Propiedades. 17
9. Resolver y aplicar las propiedades de la 2.2. Multiplicación de una matriz por un escalar. 17
multiplicación de un número real de 2.2.1. Propiedades 17
tamaño dado.
10. Resolver y aplicar las propiedades del 2.3. Producto de Matrices. 17
producto de matrices. 2.3.1. Propiedades. 20
11. Calcular la multiplicación de una Matriz 2.4. Multiplicación de la Matriz identidad por una
Identidad por una Matriz de tamaño dado Matriz dada m x n. 20
12. Definir y calcular la Potencia de Matrices 2.5. Potencia de matrices. 20
13. Calcular la Traspuesta de una Matriz 2.6. Traspuesta de una Matriz. 21
y aplicar sus propiedades. 2.6.1. Propiedades 21
14. Reconocer la matriz simétrica. 2.7. Matriz Simétrica. 21
15. Reconocer la matriz antisimétrica. 2.8. Matriz Antisimétrica. 21
16. Reconocer la matriz Escalonada y la M 2.9. Matriz Escalonada y M E reducida por filas. 24
escalonada reducida por filas.
17. Calcular el rango de una matriz. 2.10. Rango. 24
18. Reconocer y aplicar las Matrices 2.11. Matrices Equivalentes. 24
Equivalentes.
19. Reconocer y aplicar las operaciones 2.12. Operaciones elementales con las filas. 24
elementales con las filas de las matrices. 2.12.1. Intercambio de filas. 24
2.12.2. Sustitución de una fila por la suma 24
de ella mas a veces otra ( a  o) 25
2.12.3. Multiplicación de una fila por un 25
escalar.
20. Llevar una matriz dada a una Matriz 2.13. Dada la matriz A llevarla a su forma 25
escalonada reducida con fila. Escalonada reducida por filas.
2 21. Definir el determinante de una matriz. 2.14. Determinante de una Matriz. 26
22. Calcular el menor complementario de una 2.15. Menor complementario de una Matriz. 27
Matriz.

7
SEM OBJETIVOS ESPECÍFICOS CONTENIDO PROGRAMÁTICO Pág.

23. Calcular el cofactor de una Matriz 2.16. Cofactor de los elementos

complementarios de una matriz 28
24. Calcular la Adjunta de una M cuadrada. 2.17. Adjunta de una Matriz Cuadrada. 28
25. Calcular la determinante de una matriz 2.18. Método de los cofactores para el cálculo del
n x n mediante el método de los determinante de una Matriz n x n. 28
cofactores.
26. Reconocer y aplicar propiedades del 2.19. Cálculo del determinante aplicando las
determinante de una matriz. propiedades. 29
27. Definir la Inversa de una Matriz, sus 2.20. Inversa de una Matriz. 30
propiedades y método de reducción. 2.20.1. Propiedades. 31
28. Calcular la inversa de una matriz por el 2.21. Otro método para calcular la Inversa de una
método de la Adjunta. matriz. 31

Tema 3: Sistema de Ecuaciones Lineales 34

29. Definir e identificar Ecuaciones Lineales. 3.1. Ecuaciones Lineales. 34
30. Resolver Ecuaciones Lineales. 3.2. E.L. con una incógnita. 34
3.3. E.L. con dos incógnitas. 34
3.4. E.L. con tres incógnitas. 36
31. Identificar gráficamente la solución de un 3.5. Sistema de dos E.L. con dos incógnitas. 36
Sistema de dos ecuaciones lineales con 3.5.1. Una solución. 36
dos incógnitas. 3.5.2. Infinitas soluciones. 36
3.5.3. No tiene Solución. 37
32. Reconocer Sistema m E.L. con n 3.6. Sistema de m E.L. con n incógnita. 38
incógnita.
33. Diferenciar sistemas de E.L Homogéneos 3.7. Sistema EL Homogéneos y Heterogéneo. 38
y No Homogéneos.
34. Reconocer y aplicar los métodos para 3.8. Método para resolver sistemas de E.L. 38
resolver sistemas E.L.
35. Resolver Sistema de E.L. mediante 3.8.1. Método de Eliminación Gausiana. 38
Método eliminación Gausiana.
36. Resolver Sistema de E.L. mediante 3.8.2. Método de Gauss-Jordan. 39
Método Gauss Jordan.
37. Resolver Sistema de E.L. mediante la 3.8.3. Resolución Matricial. 40
solución de la Ecuación Matricial.
38. Resolver Sistema de E.L. mediante Regla 3.8.4. Regla de Cramer. 40
de Cramer.
39. Determinar el tipo de solución aplicando el 3.9. Teorema de Rouche- Frobenius 42
teorema de Rouche- Frobenius. Resumen de lo métodos para resolver sistemas
de E.L 43

Será posible..?

Psss.
.

Ten confianza en tú capacidad...

¡ÁNIMO!
¡Tú puedes lograrlo…!

8
 UNIDAD II: VECTORES
OBJETIVO TERMINAL:
1. Resolver aplicaciones específicas con Vectores.
2. Resolver aplicaciones específicas con Espacios Vectoriales.

SEM OBJETIVOS ESPECÍFICOS CONTENIDO PROGRAMÁTICO Pág

Al finalizar el proceso de aprendizaje el

estudiante habrá adquirido las destrezas para: Tema 1: Introducción a las Matrices 46
3 40. Definir y graficar Vectores R 2 y R 3 1.1. Vectores en . R 2 y R 3 46
41. Distinguir las magnitudes escalares y 1.1.1. Magnitudes escalares y vectoriales. 46
vectoriales.
42. Distinguir la igualdad de vectores. 1.1.1.1. Igualdad de vectores. 47
43. Identificar y aplicar las operaciones con 1.1.2. Representación gráfica de un vector y
los vectores. sus operaciones. 47

Tema 2. Operaciones con vectores. Aplicaciones 48

2.1. Operaciones. 48
44. Identificar y aplicar las propiedades de la 2.1.1. Suma de Vectores. 48
suma de vectores. 2.1.1.1. Propiedades. 50
45. Identificar y aplicar las propiedades de la 2.1.2. Multiplicación de un escalar por un
multiplicación de un escalar por un vector. Vector. 51
2.1.2.1. Propiedades. 51
46. Identificar y aplicar Ecuación de 2.1.3. Ecuación de traslación 52
traslación.
47. Identificar y calcular la norma de un Vector 2.1.4. Norma de un Vector 52
y aplicar sus propiedades. 2.1.4.1 Propiedades. 53
48. Identificar y aplicar vector Unitario. 2.1.5. Vector Unitario. 53
49. Definir y Calcular el producto escalar de 2.1.6. Producto escalar de dos vectores. 54
dos vectores de R 2 o R 3
50. Identificar y aplicar las propiedades del 2.1.7. Propiedades Producto escalar de
producto escalar de dos vectores.  dos Vectores 56
51. Identificar y calcular la proyección u en la

 2.1.8. Proyección u en la dirección de
dirección de v .  58
v.
52. Determinar el tipo de ángulo que forman 2.1.9. Ángulo entre dos Vectores. 59
dos vectores.
53. Calcular el producto vectorial de dos 2.1.10. Producto vectorial de dos vectores. 60
vectores en R 3 .
54. Identificar y calcular vectores 2.1.11. Vector Perpendicular. 61
perpendiculares.
55. Identificar y calcular la magnitud o norma 2.1.12. Magnitud o Norma del producto
del producto vectorial. vectorial. 62
56. Aplicar la definición de norma para 2.1.12.1 Área del Paralelogramo
calcular el área de un paralelogramo 2.1.12.2 Volumen del 62
volumen del paralelepipedo. paralelepipedo. 63

4 57. Identificar y calcular la Ecuación paramédica 2.1.13. Ecuación paramédica de la recta L

de la recta L dado un punto P de la recta dado un punto P de la recta y un
  66
y un vector v . vector v paralelo a la recta.
58. Identificar y calcular la posición de dos 2.1.14. Posición de dos rectas en el
rectas en el espacio. 69
espacio.
59. Identificar y calcular la Ecuación de un plano 2.1.15. Ecuación de un plano  dado un
dado un punto del plano y un vector punto P del plano y un Vector
perpendicular. 
perpendicular al plano n . 72

9
SEM. OBJETIVOS ESPECÍFICOS CONTENIDO PROGRAMÁTICO Pág

60. Identificar y calcular la distancia entre un 2.1.16. Distancia entre un punto y un

punto y una recta. recta. 73
61. Identificar y calcular la distancia entre un 2.1.17. Distancia entre un punto y un
punto P y una recta L. plano. 75
62. Identificar y calcular la distancia entre dos 2.1.18. Distancia entre dos planos. 76
planos.
63. Identificar y calcular la distancia entre dos 2.1.19. Distancia entre dos rectas 77
rectas. 2.1.20.1 Rectas paralelas. 77
2.1.20.2. Rectas que se cruzan. 77
64. Identificar y determinar el ángulo entre 2.1.20. Ángulo entre dos rectas. 78
dos rectas.
65. Identificar y determinar el ángulo entre 2.1.21. Ángulo entre dos planos 78
dos planos.
66. Identificar y determinar el ángulo entre 2.1.22. Ángulo entre una recta y un
una recta y un plano. plano. 78

Tema 3. Espacios vectoriales 80

5 67. Identificar operaciones en R n 3.1. Operaciones en R n 80
68. Identificar Espacios Vectoriales mediante 3.2. Espacio Vectorial. 84
ejemplos. 3.2.1. Definición de Espacio Vectorial 84
69. Identificar subespacios Vectoriales mediante 3.2.2. Subespacios Vectoriales 84
los teoremas. 3.2.2.1. Teoremas 84
70. Definir Combinaciones Lineales y cuando un 3.2.3. Definición de Combinación Lineal. 88
vector es Combinación Lineal de otros
vectores.
71. Calcular Subespacio generado. 3.2.4. Subespacio Generado 89
72. Determinar cuando los vectores son 3.2.5. Dependencia e independencia
linealmente independiente o linealmente Lineal. 91
dependiente.
73. Identificar y determinar la base de un 3.2.6. Base de un espacio vectorial 96
espacio vectorial.
74. Identificar y determinar la dimensión 3.2.7. Dimensión de un espacio. 99
vectorial de un espacio vectorial.
75. Calcular base y dimensión de E.N.A 3.2.8. Espacio nulo de una matriz 100
76. Calcular vector coordenado respecto de 3.2.9. Vector coordenado respecto de
una base. una base. 101
77. Determinar el espacio columna de una 3.2.10. Espacio columna de una matriz. 103
matriz A.
78. Determinar el producto interno de 3.2.11. Producto interno de conjuntos
conjuntos ortogonales. ortogonales 106

10
 UNIDAD III: TRANSFORMACIONES LINEALES
OBJETIVO TERMINAL:
1. Resolver aplicaciones específicas con Transformaciones Lineales.

SEM. OBJETIVOS ESPECÍFICOS CONTENIDO PROGRAMÁTICO Pág

Al finalizar el proceso de aprendizaje el

estudiante habrá adquirido las destrezas para: Tema 1. Transformaciones Lineales
5 79. Distinguir los conceptos relacionados con 1.1. Definición.
Transformaciones Lineales. 1.2. T. Inyectivas, T. Sobreyectiva, T.
80. Distinguir los tipos de TL Biyectivas
81. Distinguir las Transformaciones de figuras 1.3. Transformaciones del plano
geométricas. 1.3.1. Transformaciones de figuras
Geométricas.
82. Determinar el núcleo e Imagen de
Transformaciones Lineales. 1.4. Núcleo e Imagen de una Transformación.
83. Determinar la matriz asociada a TL 1.5. Representación matricial de una TL
respecto a la Base canónica. respecto de la Base canónica.
84. Determinar isomorfismo de una 1.6. Isomorfismo de una Transformación Lineal.
Transformación Lineal.
85. Identificar y calcular las operaciones en 1.7. Álgebra de Transformaciones
Transformaciones Lineales. 1.7.1 Suma de Transformaciones.
1.7.2 Producto por un escalar
1.7.3 Producto de Transformaciones
86. Calcular la Inversa de una TL 1.8. Inversa de Transformaciones.
1.8.1 Aplicaciones

11
 Éste es sólo un resumen de conceptos básicos y
ejemplos claves para un repaso rápido y secuencial.
Complementa con la bibliografía recomendada.

12
 UNIDAD I: MATRICES.
OBJETIVO TERMINAL:
Al finalizar el proceso de aprendizaje el estudiante habrá adquirido las destrezas para:
 Resolver aplicaciones específicas con Matrices utilizando el Álgebra Matricial.
 Resolver aplicaciones específicas utilizando Ecuaciones Lineales

CONTENIDO:
Tema 1: Introducción a las Matrices
1.1. Definición de las Matrices.
Es la ordenación de números dispuestos en filas (m) y columnas (n), encerrados entre corchetes los
cuales cumplen ciertas reglas algebraicas.
1.2. Notación, Orden o tamaño de las Matrices.
Sea A=( aij )mxn una matriz.

Generalizando:
 a11 a12 a13 ... a1n 
a a22 a23 ... a2 n 
 21 
 . . . . 
A 
 . . . .  mxn
 . . . . 
 
am1
 am 2 am 3 ... amn  mxn

Observaciones:
 Los aij son números reales se les llaman elementos de la matriz.
 El primer subíndice (i) indica la fila, I =  1,2,3,…,m
el segundo (j) la columna, J =  1,2,3,…,n

Así los elementos: a13 es el que está en la primera fila y la tercera columna.
a21 es el que está en la segunda fila y la primera columna

 mxn: indica el orden o tamaño de la matriz. Se lee: “ m por n”, m filas por n columnas
 Se utilizaran letras mayúsculas para denotar a las matrices y las letras minúsculas para
denotar sus elementos.
1 1 0
Ejemplos:
5 6 1  B
3 5 9

A
7 0  3
 2x3 4
 7 
6 3x3

(De 2 filas 3 columnas) (De 3 filas 3 columnas)

1.3. Igualdad de las Matrices.

Dos matrices son iguales si tienen:
 El mismo tamaño
 Los elementos son respectivamente iguales

13
 1.4. Matriz Cuadrada
Es toda matriz que tiene el mismo número de filas (m) y el mismo número de columnas (n), es decir m
= n. Se dice que la matriz cuadrada es de orden nxn.
 a11 a12 a13 ... a1n 
a a 22 a 23 ... a2n 
 21 
a a32 a 33 ... a3n 
A   31 
 . . . . 
 . . . . 
 

a m1 am2 a m3 ... a mn 
 nxn

1.4.1. Diagonal principal de una Matriz Cuadrada.

Esta constituidos por los elementos: a11, a22, a33,…, ann
En caso de que no sea cuadrada:

 a11 a12 
A  a21 a22  b b
B   11 12
b13 
a31 a32  b21 b22 b23 
La diagonal principal de A será: a11, a22 La diagonal principal de B será: b11, b22

Diagonal secundaria: constituída por los elementos: a1n , a2(n-1) ,…, an1

Traza de la matriz: es la suma de los elementos de la diagonal principal:

tr = a11 + a22 + a33 + ,..., + ann .

En la matriz B (página13), es igual a: tr (B) = 1+5+6 = 12

1.4.2. Matriz Triangular Superior

Es una matriz cuadrada donde todos sus elementos debajo de la diagonal principal son ceros.
Matriz Triangular Inferior.
Es una matriz cuadrada donde todos sus elementos arriba de la diagonal principal son ceros
Ejemplos: 1 1 0 1 0 0
A  9 B  
1 5 0
0 5  
 6 3
 2 6

0 0 
M.T. Superior M.T. Inferior
1.4.3 Matriz Diagonal.
Es una matriz cuadrada donde todos sus elementos por debajo y por arriba de la diagonal
principal son ceros.
 3 0 0
Ejemplo: A 
 0 5 0

 0
 0 1
 3x3

1.4.4 Matriz Escalar.

Es una matriz cuadrada diagonal y en donde todos sus elementos de la diagonal principal son
iguales.
 3 0 0 
Ejemplo: 
A  0 3 0 

 0 0  3 3x3
14
 1.4.5 Matriz Identidad ( I )
Es una matriz cuadrada donde todos sus elementos de la diagonal principal son iguales a uno y
fuera de la diagonal principal son ceros.
Ejemplo:
1 0 0
I  
0 1 0


0 0 1
 3x3
1.5. Matriz Nula: Es la que tiene todos sus elementos nulos. La denotamos por 0.
Ejemplo:
0 0 0
Z  
0 0 0 2 x 3
1.6. Matriz Fila: Es una matriz de orden 1xn.

Ejemplo: A  1 2 0 0 1 1x5
1 
1.7. Matriz Columna: Es una matriz de orden mx1. Ejemplo: B  0
9  3 x1

Tema 2: Operaciones de Matrices. Algebra de Matrices

2.1. Suma Algebraica de Matrices
Sean las matrices A = (aij ) mxn , B = (bij ) mxn, la suma de A + B es otra matriz de la forma C =
(cij ) mxn que se obtiene al sumar algebraicamente los elementos correspondientes de A y B es decir,
A  B   aij  bij 
Observaciones:
 La suma algebraica de matrices no esta definida para matrices de distintos tamaños.
 Es una operación cerrada ya que la suma algebraica de dos matrices de orden mxn genera otra
matriz de orden mxn.

Generalizando:

 a11 a12 ... a1n   b11 b12 ... b1n 

a a22 ... a2 n  b b22 ... b2 n 
A   21  B   21 
 . . ... .   . . ... . 
   
 am1 am 2 ... amn  mxn bm1 bm 2 ... bmn  mxn

 ( a11  b11 ) ( a12  b12 ) ... ( a1n  b1n ) 

 (a  b21 ) ( a22  b22 ) ... ( a2 n  b2 n ) 
A B   21 
 . . ... . 
 
( am1  bm1 ) ( am 2  bm 2 ) ... ( amn  bmn )  mxn

Ejemplo: 2 1 0 1 1 1 3 2 1
A 
0 1 
3 B  
2 1 0
 A B  
2 2 3


4 3 1
 3 x3 
1 0 1
 3 x3 
5 3 2
 3x3

15
 2.1.1. Propiedades de la Suma de Matrices.
Sean las matrices A, B, C que pertenecen al conjunto de matrices de orden mxn.
Conmutativa: A + B = B + A
Asociativa: A + (B + C) = (A + B) + C
Existencia del elemento neutro:
Existe una matriz Z, llamada matriz cero formada únicamente por ceros tal que
A + Z = Z + A = A
Existencia del Elemento Simétrico o inverso:
Para cada matriz A de orden mxn existe una única matriz -A que satisface
A + ( -A ) = Z = 0

2.2. Multiplicación de una Matriz por un escalar.

Sea k un escalar y A una matriz de orden mxn, entonces el producto k.A es otra matriz de orden mxn,
cuyos elementos son el resultado de multiplicar k por cada uno de los elementos correspondientes de
la matriz A.
Generalizando:
 a11 a12 ... a1n   k .a11 k .a12 ... k .a1n 
a a 22 ... 
a2 n   k .a k .a22 ... k .a2 n 
A   21 k.A   21 
 . . ... .   . . ... . 
   
 a m1 am 2 ... a mn  mxn  k .a m1 k .am 2 ... k .amn  mxn

2.2.1. Propiedades de la multiplicación de un Número real por una Matriz.

Sea k1 , k2 números reales y A,B matrices que pertenecen al conjunto de matrices de orden
mxn
1) k1 . (k2 . A) = (k1. k2 ) . A
2) Si: k1 = 1 , 1. A = A
3) (k1 + k2) . A = k1 . A + k2 . A
4) k1 . ( A + B ) = k1 . A + k1 . B

2.3. Producto de Matrices.

Si A es una matriz de orden mxp y B es otra matriz de orden pxn, el producto AB, es otra matriz C de
orden mxn.

A  (aij ) mxp y B  (bij ) pxn se define A.B = C

p
Donde C = (cij ) mxn es Cij   (aik  bkj )
k 1

Los elementos cij se obtienen al multiplicar los elementos de la fila i de la matriz A por los elementos
de la columna j de la matriz B (elemento por elemento) y luego estos productos se suman.
Observación:
El producto de AB esta definido cuando el número de columnas (p) de la matriz A es igual al número
de filas (p) de la matriz B

16
Ejemplo:
 a11 a12   c11 c12 
b b12 
A
a21 a22  B   11 C  c22 

b21 b22 
 2x2 c21 
 a31
 3x2
a32  
c31 c32 
3x2
p= 2=2 El número de
columnas “p=2” de
La nueva matriz C es de orden la matriz A coincide
con el número de
3x2 filas “p=2”de la
matriz B, puedo
Determinaremos los cij
multiplicar A.B
2
c11 =  a 1k . b k 1 = a11 b11 + a12 b21
k=1 k=1 k=2

2
c21 =  a 2k . b k 1 = a21 b11 + a22 b21
k=1 k=1 k=2

2
c31 =  a 3k . b k 1 = a31 b11 + a32 b21
k=1 k=1 k=2

2
c12 =  a 1k . b k 2 = a11 b12 + a12 b22
k=1 k=1 k=2

2
c22 =  a 2k . b k 2 = a21 b12 + a22 b22
k=1 k=1 k=2

2
c32 =  a 3k . b k 2 = a31 b12 + a32 b22
k=1 k=1 k=2

Cómo es esto..?

Psss.
.

Presta atención con lo siguiente:

 El 1er subíndice de cada elemento esta relacionado con las filas de la 1era
matriz que multiplica (A) y el 2do subíndice con las columnas de la 2da
matriz que multiplica (B).
 El subíndice de cada elemento de la nueva matriz (C) te indica la
operación que debes hacer así que:
c 21 Te indica que debes multiplicar los elementos de la 2da fila de la
1era matriz (A) con la 1era columna de la 2da matriz (B)

17
Ejemplo
 1 1 2 2
Sea: C   2
Hallar: C
 0 3 

 4 0 1
 3 x3

 1 1 2  1 1 2
C 2  C .C  
 0 3 2
 .  0
 3 2


 4 0 1
 
 4 0 1

3 x3 3x3

p= 3=3

2
La nueva matriz C es de orden 3x3

Determinaremos los cij

3
c11 =  a 1k . b k 1 = a11 b11 + a12 b21 + a13 b31 = 1+0+8 = 9
k=1 k=1 k=2 k=3

3
c12 =  a 1k . b k 2 = a11 b12 + a12 b22 + a13 b32 = -1+3+0 = 2
k=1 k=1 k=2 k=3

3
c13 =  a 1k . b k 3 = a11 b13 + a12 b23 + a13 b33 = -2+2+2 = 2
k=1 k=1 k=2 k=3

3
c21 =  a 2k . b k 1 = a21 b11 + a22 b21 + a23 b31 = 0+0+8 = 8
k=1 k=1 k=2 k=3

3
c22 =  a 2k . b k 2 = a21 b12 + a22 b22 + a23 b32 = 0+9+0 = 9
k=1 k=1 k=2 k=3

3
c23 =  a 2k . b k 3 = a21 b13 + a22 b23 + a23 b33 = 0+6+2 =8
k=1 k=1 k=2 k=3

3
c31 =  a 3k . b k 1 = a31 b11 + a32 b21 + a33 b31 = -4+0+4 = 0
k=1 k=1 k=2 k=3

3
c32 =  a 3k . b k 2 = a31 b12 + a32 b22 + a33 b32 = 4+0+0 = 4
k=1 k=1 k=2 k=3

3
c33 =  a 3k . b k 3 = a31 b13 + a32 b23 + a33 b33 = 8+0+1 = 9
k=1 k=1 k=2 k=3

9 2 2
La matriz resultante es: C 2

8 9 8


0 4 9
 3x3

18
 2.3.1. Propiedades del producto de Matrices.
Asociativa.
Sea las matrices A mxn , B nxp , C pxt ; se cumple
(AB) C = A (BC)
Distributividad de la multiplicación con respecto a la Suma.
Sea las matrices A mxn , B nxp , C nxp ; se cumple
A ( B + C ) = A B + AC
Distributividad de la suma con respecto a la multiplicación.
Sea las matrices A mxn , B mxn , C nxp ; se cumple
( A + B ) C = A C + BC
Observaciones:
En la multiplicación de matrices no se puede hablar de propiedad conmutativa, puesto que si AB
esta definida y BA también lo esta, el resultado no es el mismo, ya que resultan matrices de
diferentes tamaños.

2.4. Multiplicación de la Matriz Identidad (I ) por una Matriz dada (A)

Casos:
1) I mxm . A mxn = A mxn
2) I nxn . A mxm = A nxn , cuando n=m
3) A mxn . I mxn = A mxn , cuando n=m
4) A mxn . I nxn = A mxn

Ejemplo1: 1 0 2 1 0  2 1 0
I   A  I .A   
0 1 2 x 2  3  1 1 2 x 3 3  1 1 2 x 3

Ejemplo2:
 0 1 0 1
1 0
A   1 1  I  A.I   1 1 
0 1 2 x 2
 3 2 3 x 2  3 2 3 x 2

2.5. Potencia de Matrices.

La potencia de una matriz cuadrada A es de la siguiente forma:
An = A1 . A2 . … . An An = A . A n-1
Es decir: A2 = A . A ; A3 = A . A2 ; A4 = A . A3

1 2
Ejemplo: Sea: A  Hallar: A3
0 1 2 x 2

1 2 1 2 1 4
A 2  A. A    .  
0 1 2 x 2 0 1 2 x 2 0 1 2 x 2

19
 1 2 1 4 1 6
A3  A. A 2    .  
0 1 2 x 2 0 1 2 x 2 0 1 2 x 2

2.6. Traspuesta de una Matriz.

Sea A una matriz de orden mxn, entonces la matriz obtenida al intercambiar filas por columnas es otra
t
matriz llamada traspuesta de A, se denota como A
t
Si A = ( aij ) es de orden mxn, entonces A = (aji ) es de orden nxm.

Ejemplo:  0 7
0  1 3
A   1 1 Su traspuesta es At  
7 1 2 2 x 3
 3 2 3 x 2
a12 = 1 a21 = 1

2.6.1. Propiedades de la Matriz Traspuesta.

1) ( At)
t
= A (para cualquier matriz A)
2) ( A + B ) t = A t + B t (si A y B son del mismo tamaño)
t t t
3) ( A.B ) = B .A (si AB esta definida)
n t t n
4) ( A ) =(A )
t
5) ( k A ) = k At (donde k es un real y A es una matriz mxn )

2.7. Matriz Simétrica.

Sea A una matriz de orden nxn, A es simétrica si se cumple que A = At

Ejemplo: 2 2
 3 3  3 3
A   2 1 5 A t   2 1 5
 3 5 0 3 x 3  3 5 0 3 x 3

2.8. Matriz Antisimétrica.

Sea A una matriz de orden nxn, A es antisimétrica si se cumple que A = - At

Ejemplo:  0 1 2  0 1  2  0 1 2 
A    1 0  4 A  1
t
0 4   A    1
t
0  4
 2 4 0  3 x 3 2 4 0  3 x 3  2 4 0  3 x 3

t
A = -A

20
Ejercicios propuestos: Matrices; operaciones con matrices. Sección de 2.1 al 2.8

1. Suponer que A, B ,C, D y F son matrices que tienen los siguientes tamaños:

A(4x5) , B(4x5) , C(5x2) , D(4x2) , E(5x4)

Determinar cuáles de las siguientes expresiones de matrices están definidas e indicar el tamaño de la
matriz resultante.

a) B.A b) (A.C) + D c) AE + B d) (A.B) + B

t t
e) E.( A + B) f) E.(A.C) g) E .A h) (A + E). D

2. Considere las matrices

 3 0 1 5 2 6 1 3
4  1 1 4 2 D   1 0 1 E   1 1 2
A
 1 2
 B  0 2  C     
 1   2x2 3 1 5 2 x 3  3 2 4 3 x 3  4 1 3 3 x 3
1  3x2

Resolver en caso de ser posible, y en caso de no serlo indicar la razón.

a) D + E b) D – E c) 5.A d) –7.C

e) (2.B) – C f) (4.E) – ( 2.D) g) -3.(D + 2.E) h) A – A

3. Con las matrices del ejercicio 2, calcular si es posible, y en caso de no serlo indicar la razón.

a) 2.(A) t + C b) D t – E t c) (D – E) t d) B t + 5 C t

e) ½. C t – ¼. A f) B – B t
g) 2(E) t – 3(D) t h) (2E t – 3D t) t

4. Con las matrices del ejercicio 2, calcular si es posible, y en caso de no serlo indicar la razón.

a) A.B b) B.A c) (3.E).D d) (A.B).C

e) A.(B.C) f) C.C t g) (D.A) t h) (C tB).At

5. Con las matrices del ejercicio 2, calcular si es posible, y en caso de no serlo indicar la razón.
t t t
a) (2.D – E).A b) (4.B).C + 2.B c) (-A.C) + 5.D
t t t t t t t t
d) (B.A –- 2C) e) B .(C.C – A .A) f) D .E – (E.D)

6. Sea las siguientes matrices:

 3 2 0 2    1  1
A  B  C 
 1 3 2 x 2 1  1 2 x 2  2 0  2 x 2

Y k1 = 2 y k2 = -1
Comprobar:
a) Las propiedades de la Suma de Matrices (sección 2.1.1)
b) Las propiedades de la Multiplicación de un número real por una Matriz (sección 2.2.1)
c) Las propiedades del Producto de Matrices (sección 2.3.1)
d) Las propiedades de la Matriz Traspuesta (sección 2.6.1)

21
  1 2 1
7. Sea la matriz
A   0 0 1
 1 0 1 3 x 3
a) Encontrar: A2 y A3
b) Demostrar que A 2 es simétrica.

1  1 2  0 2 1 a b c 
8. Sea las matrices   
A  0 2 3 B   1 0 2
 Encontrar la Matriz D  d e f 
1  1 1 3 x3  0 2 3 3 x3  g h i  3x 3

tal que se cumpla la siguiente operación: ½ A + ¼B - D = 0

9. Indique ¿Cuál de las siguientes matrices son simétricas?

2  1 3 0 0 1 
2  1 3 4 C   1 5 1 D  0 2 0
A  B   
1 2  2 x 2  4 0 2 x 2  3 1 7 3 x3 3 0 0 3 x 3

10. Indique ¿Cuál de las siguientes matrices son antisimétricas?

0 1 3 0 0 1 
0  1 0 4 C    1 0  1 D  0 0 2
A  B   
1 0  2 x 2  4 0 2 x 2  3 1 0  3 x 3 1 2 0 3 x 3

11. Encontrar los valores de a, b y c para los cuales A es simétrica

2 (a  2b  2c) ( 2a  b  c ) 
A  3 5 (a  c) 
0 2 7  3 x 3

Hay algunos procedimientos

que no comprendo..

Pss…
.

Si tienes alguna duda consulta con tu profesor,

compañeros de clases o en la Web...

22
 2.9. Matriz Escalonada y Matriz Escalonada reducida por filas Sea A = (aij ) mxn , A es una matriz
Escalonada si cumple con las siguientes condiciones:

1) Las filas formadas exclusivamente por ceros si aparecen están de última.

2) El primer elemento no nulo de cada fila es 1.
3) El primer elemento no nulo de una fila esta a la derecha del primer elemento no nulo de la fila
anterior.
Ejemplo: 0 1 9 1 0 1 1  1
0 0
A
0 1  B  1 0 0 0 
0 0 0 1
  0 0 0 1  3 x 4
0 0 0 0 4 x 4
Cumple No cumple con la 2da condición

Una matriz es de la forma Escalonada reducida por filas, si además de ser escalonada (cumple con
las condiciones anteriores):
4) En la columna donde aparece el primer elemento no nulo, el resto de los elementos de esa
columna deben ser ceros.

Ejemplo: 1 0 0 0
1 1 0 0
0 0
A
1 0  B
0 0 1 0

0 0 1 0 
  0 0 0 1
 3x4
0 0 0 0 4 x 4
cumple cumple

2.10. Rango de una Matriz

Es el número de filas no nulas de la matriz equivalente de su forma escalonada reducida por filas. Se
denota: r / A /
En el ejemplo anterior: r / A / = 3 y r/B/=3

2.11. Matrices Equivalentes

Se dice que la matriz B = (bij ) es equivalente a la matriz A = ( a ij ) , si esta resulta de la aplicación de

operaciones elementales con filas o columnas aplicadas a la matriz A. La matriz A y la matriz B tienen
el mismo tamaño.

2.12. Operaciones Elementales con las Filas

Las operaciones elementales con filas se utilizan para llevar una matriz dada a una matriz escalonada
o a una matriz escalonada reducida por filas. Existen solo tres operaciones elementales con filas, las
cuales se emplean según la necesidad requerida.

2.12.1. Intercambio de Filas. Fi  Fj

2 3 4 1 0 2
1 0 2 2 3 4
Sea   F1  F2  

4 8 12
 3 x3 
4 8 12
 3 x3
A A1

23
 2.12.2. Sustitución de una Fila por la suma de ella, más a veces otra.

a  Fi  F j  F j (a  0)

Donde: a :es el opuesto del elemento que se quiere hacer cero

Fi : es la fila que se esta evaluando

F j : es la fila donde se encuentra el elemento que se quiere hacer cero

Sea 1 0 2 1 0 2
2 3 4 2 3 4
   
 12  4  F1  F3  F3  4
4 8  3x3 0 8  3x3
A1 A2

2.12.3. Multiplicación de una Fila por un Escalar. a  Fi ó 1

a  Fi
1 0 2 1 0 2
0 0 0 0
Sea  3 
1
3  F2  F2  1 

0 8 4
 3 x3 
0 8 4
 3 x3
A2 A3

2.13. Dada la matriz A llevarla a su Forma Escalonada Reducida por Filas

Ejemplo Nº 1:

En la matriz A, para que el primer 3 2 1 intercambiamos la fila 1 por la fila 2, obtenemos A1

elemento no nulo en la primera
fila sea 1
A = 1 0 0 F1 F2
0 1 4

En la matriz A1, para que el 1 0 0 intercambiamos la fila 2 por la fila 3, obtenemos A2

primer elemento no nulo en la
segunda fila sea 1 A1= 3 2 1 F2 F3
0 1 4 A1~ A (A1 es equivalente a A)

En la matriz A2, evaluamos la 1 0 0 multiplicamos –3 por la fila 1 y se la sumamos a la fila 3,

primera fila, observamos q en la
primera columna debemos hacer A2 = 0 1 4 obtenemos A3
cero el número 3
3 2 1 -3 . F1 + F3 F3
A2~ A1 (A2 es equivalente a A1)

En la matriz A3, evaluamos 1 0 0 multiplicamos –2 por la fila 2 y se la sumamos a la fila 3,

segunda fila observamos que en
la segunda columna, debemos A3 = 0 1 4 obtenemos A4
hacer cero el número 2
0 2 1 -2 . F2 + F3 F3
A3~ A2 (A3 es equivalente a A2)

En la matriz A4, para que el 1 0 0 multiplicamos – 1/7 por la fila 3, obtenemos A5

primer elemento no nulo en la
tercera fila sea 1 A4 = 0 1 4  17  F3  F3
0 0 -7 A4~ A3 (A4 es equivalente a A3)

24
 1 0 0 multiplicamos –4 por la fila 3 y se la sumamos a la fila 2,
En la matriz A5, evaluamos
tercera fila, observamos que en A5 = 0 1 4 obtenemos A6
la tercera columna, debemos
hacer cero el número 4 0 0 1 - 4 . F3 + F2 F2
A5~ A4 (A5 es equivalente a A4)
1 0 0
A6 = 0 1 0 A1: Matriz de la Forma Escalonada Reducida por Filas
0 0 1 A6~ A5 (A6 es equivalente a A5)
rango de A6 es 3

Ejemplo Nº 2:

En la matriz A, ya el
primer elemento no nulo
de la primera fila es 1 1 0 2 1 multiplicamos 2 por la fila 1 y se la sumamos a la fila 3,
A = 0 2 4 4 obtenemos A1
En la matriz A,
evaluamos la primera -2 4 6 0 2 . F1 + F3 F3
fila, observamos q en la
primera columna
debemos hacer cero el
número -2

1 0 2 1 multiplicamos – 1/2 por la fila 2, obtenemos A2

En la matriz A1, el primer
elemento no nulo de la A1= 0 2 4 4 1/2 . F2 F2
segunda fila debe ser 1
0 4 10 2 A1~ A (A1 es equivalente a A)

En la matriz A2,
evaluamos la segunda 1 0 2 1 multiplicamos -4 por la fila 2 y se la sumamos a la fila 3,
fila, observamos q en
la segunda columna A2 = 0 1 2 2 obtenemos A3
debemos hacer cero
el número 4 0 4 10 2 - 4 . F2 + F3 F3
A2~ A1 (A2 es equivalente a A1)
1 0 2 1 multiplicamos 1/2 por la fila 3, obtenemos A4
En la matriz A3, el
primer elemento no nulo A3 = 0 1 2 2 1/2 . F3 F3
de la tercera fila debe
ser 1
0 0 2 -6 A3~ A2 (A3 es equivalente a A2)

para la fila 1
En la matriz A4,
evaluamos la tercera fila, 1 0 2 1 multiplicamos –2 por la fila 3 y se la sumamos a la fila 1
observamos q en la
tercera columna debemos A4 = 0 1 2 2 -2 . F3 + F1 F1
hacer cero en la primera
fila el número 2 y en la 0 0 1 -3 para la fila 2
segunda fila el número 2
multiplicamos –2 por la fila 3 y se la sumamos a la fila 2,
-2 . F3 + F2 F2
obtenemos A5
A4~ A3 (A4 es equivalente a A3)

25
 1 0 0 7 A5: Matriz de la Forma Escalonada Reducida por Filas
A5 = 0 1 0 8 A5~ A4 (A5 es equivalente a A4)
0 0 1 -3 rango de A5 es 3

2.14. Determinante de una Matriz Cuadrada.

Es una función que va desde el conjunto de las matrices de tamaño Rnxn en R. Es decir es un
escalar bien determinado que se le asigna a una matriz A cuadrada sobre un cuerpo F.
Constituye la suma de los productos elementales con signo, de una matriz cuadrada A.
En el producto elemental de una matriz Anxn se tiene cualquier producto de n elementos de la matriz A,
de los cuales ningún elemento proviene de la misma columna ni de la misma fila.
Para matrices de 2 x 2
a a12 
det (A) = ( a11 . a22 ) - (a12 . a21 )
A   11
a 21 a 22  2 x 2

Ejemplo: Calcule el determinante de la matriz A2 x 2

4  1
A  det (A) = (4 . 3) - (2 . (-1)) = 14
2 3  2 x 2

Para matrices de 3 x 3
 c11 c12 c13 
C  c21 c22 c23 
c31 c32 c33  3 x 3

det (C) = [ c11 . c22 . c33 ) + ( c12 . c23 . c31 )+ ( c21 . c32 . c13 )] - [( c13 . c22 . c31 ) + ( c12 . c21 . c33 ) + ( c23 . c32 . c11 )]

Ejemplo: calcule el determinante de la matriz C 3x 3

1 0  1 det (C) = ( 1.1.1 + 0.2.1 + (-1).2.0) - ((-1).1.1 + 1.2.0 + 0.2.1)

C  2 1 2  det (C) = ( 1+0+0) – ( -1+0+0) = 1+1
1 0 1  3 x 3 det (C) = 2

2.15. Menor complementario de una Matriz cuadrada.

Sea la matriz A( a ij ) nxn , el menor complementario del elemento ( a ij ) es ( M ij ) y se define como la

determinante (n-1) . ( n-1), obtenida al obviar la fila y la columna a la cual pertenece ( M ij )

 a11 a12 a13 

A  a21 a22 a23 
 a31 a32 a33  3 x 3

M11 = a22 . a33 – a23 . a32 M21 = a12 . a33 – a13 . a32 M31 = a12 . a23 – a13 . a22
M12 = a21 . a33 – a23 . a31 M22 = a11 . a33 – a13 . a31 M32 = a11 . a23 – a13 . a21
M13 = a21 . a32 – a22 . a31 M23 = a11 . a32 – a12 . a31 M33 = a11 . a22 – a12 . a21

26
 2.16. Cofactor de los elementos de una Matriz cuadrada.
i+j
Es el menor complementario Mij multiplicado por el factor (-1)
Es decir: C i j = M i j . (-1) i + j

2.17. Adjunta de una Matriz cuadrada.

Para A (a ij ) nxn , la matriz Adj (A) esta definida como la traspuesta de la matriz obtenida de A al
reemplazar cada elemento por su cofactor.
t
Adj (A) = ( Cof (A) )
Teorema: Se debe cumplir para cualquier matriz A de orden nxn
A . Adj (A) = Adj (A) . A = det (A) . I

0 1  1
Ejemplo: Determine la matriz adjunta de A A  1 2 3 
2 0 1  3 x 3

Calculo del menor complementario:

M11 = (2.1) –(0.3) = 2 M21 =(1.1) –((-1).0) = 1 M31 =(1.3)- ((-1).2) = 5

M12 = (1.1) –( 3.2 = -5 M22 =(1.0) - ((-1).2) = 2 M32 =(0.3)- ((-1).1) = 1
M13 = (1.0) - (2.2) = -4 M23 =(0.0) - ( 1.2) = -2 M33 =(0.2)- (1.1) = -1

Calculo de los cofactores:

C11 = M11 . (-1) 2 = 2 C21 = M21 . (-1) 3 = -1 C31 = M31 . (-1) 4 = 5

C12 = M12 . (-1) 3 = 5 C22 = M22 . (-1) 4 = 2 C32 = M32 . (-1) 5 = -1
C13 = M12 . (-1) 4 = -4 C23 = M23 . (-1) 5 = 2 C33 = M33 . (-1) 6 = -1

2 5  4
Matriz de cofactores de A: Cof ( A)   1 2 2 
 5  1  1 3 x 3

 2 1 5 
(Cof ( A)) t   5 2  1
t
Matriz Adjunta de A= Adj (A) = ( Cof (A) )
 4 2  1 3 x 3

2.18. Método de los cofactores para el cálculo del determinante de una Matriz n x n.
Procedimiento:
1) Se selecciona una fila o una columna.
2) Se multiplica cada uno de los elementos de la fila o la columna seleccionada por su cofactor.
3) El resultado se suma.

Ejemplo: Tomando la matriz A del ejemplo anterior se tiene.

Si seleccionamos la segunda fila:

det (A) = (1 . C21 ) + ( 2 . C22 ) + ( 3 . C23 )
det (A) = ( 1 . (-1) ) + (2. 2) + (3 . 2 ) = 9
27
 Si seleccionamos la tercera columna:
det (A) = (- 1 . C13 ) + ( 3 . C23 ) + 1 . C33 )
det (A) = ((-1) . (-4) ) + ( 3 . 2 ) + ( 1 . (-1) ) = 9
Nota: El estudiante puede probar con cualquier fila o columna y siempre el determinante será 9.

2.19. Cálculo del determinante aplicando las propiedades.

a) Si una matriz tiene todos los elementos de una fila o de una columna igual a cero su
determinante será cero.

1 0 2   0 1 3
A  2 0 1 B   0 0 0
2 0 0 3 x 3  1 9 8 3 x 3
det (A) = 0 det (B) = 0
b) El determinante afectado por las operaciones elementales con filas:
Si A1 resulta de A realizando un intercambio de filas, entonces:
det (A1) = - det (A)

0 1  1 1 2 3 
1 2 3  0 1  1
  F1  F2  
2 0 1  3 x 3 2 0 1  3 x 3
det (A) = 9 det (A1 ) = -9
Si A1 resulta de A multiplicando una fila por un escalar (a) distinto de cero el determinante de
A1 resulta: det (A1 ) = a . det (A)

1 2 3  1 2 3 
0 1  1 2  F3  F3 0 1  1
   
2 0 1  3 x 3 4 0 2  3 x 3
det (A) = -9 det (A1) = 2 . (-9) = -18
Si A1 resulta de A al multiplicando una fila por un escalar (a) distinto de cero y luego
súmanselo a otra fila, el determinante de A1 resulta: det (A1) = det (A)

1 2 3  1 2 3
0 1  1  2  F1  F3  F3 0 1  1 
   
2 0 1  3 x 3 0  4  5 3 x 3
det (A) = -9 det (A1) = -9
c) Si una matriz es triangular superior o inferior el determinante es el producto de los elementos
de la diagonal principal: det (A) = a11 . a22 . a33 … ann
T. Superior T. Inferior
3 0 1 4 0 0
A  0 1 2 B  1 2 0
0 0 2 3 x 3 0 1 1 3 x 3

det (A) = 3 . 1 . 2 = 6 det (B) = 4 . 2 . 1 = 8

28
 d) Si una matriz tiene una fila o columna múltiplo de otra, el determinante es cero.
det (A) = 0
1 2 3 0 2 4
A  2 4 6 B  2 1 2
0 1 2 3 x 3 3 2 4 3 x 3

det (A) = 0 det (B) = 0

e) Sea A (aij) nxn det (k.A) = Kn . det (A)

1 1 0 2 2 0
A  2 3 1 si K=2 k  A  4 6 2
1 0 2 3 x 3 2 0 4 3 x 3
3
det (A) = (6+0+1) - (0+4+0)= 3 det (2.A) = 2 . 3 = 24

f) det (A) = det (At)

0 1  1 0 1 2
A
1 1 3 A t   1 1 0

2 0 1  3x3  1 3 1  3 x 3
det (A) = 9 det (At) = 9

2.20. Inversa de una Matriz.

Sea A = (aij ) nxn , la inversa de A es una matriz B de orden nxn que cumple la condición:
A.B=B.A=I
Es decir, A es inversible (tiene inversa), donde B es la inversa de A, I es la matriz identidad. Se denota
que B = A-1, quedando la expresión anterior de la siguiente forma: A . A-1 = A-1 . A = I

Teorema: si A pertenece a Rnxn y si det (A) ≠ 0, se debe cumplir que A es inversible:

1
A1   Adj( A)
det( A)

0 1  1
Ejemplo: Determinar la inversa de A: (A-1) A
1 2 3 
det (A) = 9
2
 0 1  3 x3

Se calcula la adjunta de A por los procedimientos conocidos

 2 1 5 

Adj( A)  (cof ( A))   5
t
2  1 det (A) = 0
A-1 = …?
 4 2  1 3 x 3
Se calcula la inversa por el teorema de la sección 2.20

 2  1 5   92  19 5
9 
1   
A 1
  5 2  1   95 2
9
  1
9
Te has preguntado cual es la inversa
9 de una matriz dada, si su
 4 2  1  94 2
9
  3 x 3
1
9
determinante es cero

29
 Con los resultados de la A-1, se cumple: A . A-1 = A-1 . A = I

2.20.1. Propiedades de la Inversa de una Matriz.

Si A y B son matrices inversibles

 (A-1)-1 = A
 (A t )-1 = (A-1) t

-1 -1 -1
 (A.B) = B .A
 (k . A )-1 = k-1 . A-1 ,donde k pertenece a R ; k es distinto de cero
n -1 -1 n
 (A ) = (A ) ,donde n pertenece a R ; n es distinto de cero

2.21. Otro método para el Cálculo de la Inversa de una Matriz.

Sea una matriz de la forma Anxn 

/ I nxn a la cual se le aplica las operaciones elementales por filas
hasta ser llevada a la forma escalona reducida por filas, obteniéndose una matriz equivalente de la
forma I nxn / A1nxn  donde del lado izquierdo se tiene a la matriz identidad y del lado derecho se
tiene la inversa de la matriz A.

1 0 0

Ejemplo: Dada la siguiente matriz

A  0
1
2
2
2
1 3 x 3
, determine su inversa, aplicando A nxn 
/ I nxn .

Demuestre: A . A-1 = A-1 . A = I

1 0 0 1 0 0 1 0 0 1 0 0
0 0 0 2 2
 2 2 0 1
 F1  F3  F3  0 1 0 1
 F2  F2
2
1 2 1 0 0 1 0 2 1  1 0 1
A3x3 I3x3 A1

1 0 0 1 0 0 1 0 0 1 0 0
0 1 1 1
0 2 0   2  F2  F3  F3 0 1 1 0 1
0  F3  F3
  2

0 2 1  1 0 1 0 0  1  1  1 1

A2 A3

1 0 0 1 0 0 1 0 0 1 0 0
0 1 1 
 0 12 0   F3  F2  F2 0
 1 0  1  12 1
0 0 1 1 1  1 0 0 1 1 1  1
-1
A4 A5 = I 3x3 A 3x3

Con los resultados de la A-1, se cumple: A . A-1 = A-1 . A = I

30
Ejercicios: Matrices; menor complementario; cofactor; determinante; inversa. Sección 2.14 al 2.21

1.- Sean las matrices

 3 1 4  3 0 0  3 1 1 
A   1 2 3  B   2
 0 0  C  0 0  4
 6 7  1 3 x 3  5 4  2 3 x 3 3 1 5  3 x 3

a-. Encontrar todos los menores complementarios

b-. Encontrar todos los cofactores.

2.- Evaluar el determinante de las matrices del ejercicio Nº 1 por desarrollo de cofactores a lo largo de lo
siguiente:
a.- La primera fila b.- Primera columna c.- La segunda fila
d.- La segunda columna e.- La tercera fila f.- La tercera columna

3.- Para las matrices del ejercicio Nº 1 encontrar:

a.- Adj (A) b.- Adj (B) c.- Adj (C)

 1 
4.- Para las matrices del ejercicio Nº 1, encontrar A 1    Adj ( A)
 det( A) 
a.- A -1 b.- B -1 c.- C -1

1 2 3
1 4
5.- Sea las matrices: A  2 5 3 A 
2 7  2 x 2
1 0 8 3 x 3

a.- Evaluar: A 1  1 
   Adj ( A)
 det( A) 

-1
b.- Evaluar A con el método: A nxn  
/ I nxn  I nxn / A1nxn 
c.- Con el método anterior, evaluar el determinante de cada matriz equivalente que se encuentra del
lado izquierdo

d.- Comprobar: A . A-1 = A-1 . A = I

6. Si k = 2 , n=2 y dada las siguientes matrices:

0 1 2  0 1 1

1 2 3 
2

  1
 1
A  2  Si la inversa de B es: B 1 1
5 3 B  1 1 1
 13 1
0 3 x 3
1 0 8 3 x 3 3 2 0 3 x 3 2

Demuestre las propiedades de la inversa de una matriz (Sección 2.20.1.)

31
7. Por simple inspección, explicar por qué det (A) = 0
 2 8 1 4
3 2 5 1 
A
1 0 7 0
 
 4 6 4  3

8. Determine por inspección simple cuales de las siguientes matrices son inversibles y cuales no lo son:
4 2 8 2  7 0  3 0  1
1 0  1   5 0 6
3 2 3 7 0
a) 9  1 4  ; b)  2 1  4 ; c) ; d)  
   3 1 6  5 9 0  8 0  1
8 9  1

a b c
9.

Sea A  d e f  suponiendo que det(A) = -7, explique por qué

 g h i 

a d g
a) det(3.A)=-189 -1
b) det(A )=-7 -1
c) det ((2. A) )=-1/56

d) det b e h  =-7

 c f i 
10. Explique porque x=0 y x=2 satisfacen det (A)= 0

x 2 x 2
 
A2 1 1
0 0  5


11. Para que valor(es) de k se cumple que A no es inversible:

 1 2 4
k  3  2   
a) A  b) A  3 1 6
  2 k  2
 
k 3 2

Cualquier matriz que sea

triangular superior e inferior
será siempre inversible..?

Pss…
.

Si tienes alguna duda consulta con tu profesor,

compañeros de clases o en la Web...

32
 Tema 3: Sistema de Ecuaciones Lineales
3.1. Ecuaciones Lineales
Son expresiones definidas de la siguiente manera:
a1 . x1 + a2 . x2 + … + an . xn = b
sus variables están elevadas al exponente uno, donde:
x1 , x2 , … , xn : son variables de la ecuación
a1 , a2 , … , an : son coeficientes de las variables
b: termino independiente o constante

Observación: No son ecuaciones lineales aquellas en donde las variables sean argumento de
funciones trigonométricas o logarítmicas.

Ecuaciones Lineales Ecuaciones no Lineales

x = 2y x2 + y = 0 x
¾
+ y = 5
2x + 3y = 4 cos (x + 2y) = 1 x
z2
y

x + 5y = 4z 3
x
+2=1 ex + 2y = z

x + y = cos 2  Log (2x) = 2 Ln (2y)= x

3.2. Ecuación Lineal con una incógnita.

Esta definida de la forma ax = b ;
donde : x: variable
a: coeficiente que acompaña a la variable
b: término independiente o constante.

Ejemplo: Sea 2x =8
Resolver la expresión es encontrar el valor de x que satisfaga la ecuación:
x = 8/2 x=4
Gráficamente: / / / / /
- -1 0 1 2 3 4 +

3.3. Ecuación Lineal con dos incógnitas.

Esta definida de la forma a x + b y = c
Donde: x,y: son variables
a,b: son coeficientes de las variables
c: son términos independientes o constantes

33
Ejemplo: Sea: -4x + 2y = 8
Despejando una variable en función de la otra, despejamos y
2y = 8 + 4x y = 2x + 4

Gráficamente: es de la forma y = mx  b; la cual representa una línea recta en el plano cartesiano

que no pasa por el origen
Donde:
y y 2  y1
m: es la pendiente de la recta y se calcula m  
x x 2  x1

x , y : son variables o incógnitas

b: es el punto donde la recta corta al plano en y

y: ordenadas
_
L1 : y = 2x + 4 _
_
x y _
-1 2 _
0 4 _
1 6 _
_ x: abcisas
-1 1

Ejemplo: Sea: y –2x = 0

Despejando una variable en función de la otra, despejamos y
y = 2x

Gráficamente: es de la forma y = mx ; la cual representa una línea recta en el plano cartesiano que
pasa por el origen
Donde:
y y 2  y1
m: es la pendiente de la recta y se calcula m  
x x 2  x1
x , y : son variables o incógnitas
b: es el punto donde la recta corta al plano en y

y: ordenadas

L1 : y= 2x _2
_
x y _ x: abcisas
-1 -2 -1 _ 1
0 0 _ -2
1 2

34
 3.4. Ecuación Lineal con tres incógnitas.
Esta definida de la forma : ax + by + cz = d
Donde: a ,b, c: son los coeficientes de las variables
x, y, z: son las variables o incógnitas
d: termino independiente o constante.

Gráficamente: se representa una línea recta sobre el espacio en los ejes x, y z; los cuales son
perpendiculares entre si (ángulo entre ellos es de 90º)
z

90º
90º
x

90º
y

3.5. Resolución de dos Ecuaciones Lineales con dos Incógnitas.

Es un conjunto de números reales que satisfacen todas y cada una de las ecuaciones del sistema, el
mismo valor de la variable debe satisfacer todas las ecuaciones
Sistema compatible o consistente.
Son aquellos sistemas de ecuaciones lineales que tienen 1 o infinitas soluciones.
3.5.1. Sistema compatible determinado
Son aquellos sistemas de ecuaciones lineales que tienen una sola solución.
Gráficamente: Las rectas se cortan en un solo punto, es decir tienen un punto en común.

Ejemplo: y L1
Sea L1 : x – y = 0 y=x

L2 : x + y = 2 y=2–x L2
x
Solución del sistema (1,1)

3.5.2. Sistema compatible indeterminado

Son aquellos sistemas de ecuaciones lineales que tienen infinitas soluciones.
Gráficamente: Las rectas se solapan (una esta sobre la otra), tienen infinitos puntos en común.

35
Ejemplo y

Sea L1 : 2x + 2y = 4 y=2–x L1 = L2
L2 : x+y=2 y=2-x

x
Un punto en común, solución del sistema puede ser (0,2)

3.5.3. Sistema incompatible o inconsistente

Son aquellos sistemas de ecuaciones lineales que no tienen solución.
Gráficamente: Las rectas son paralelas no tienen punto común de intersección

Ejemplo: y

Sea L1 : x+y=2 y=2-x

L2 : x+y=1 y=1–x L1
x

L2
3.6. Resolución de m de Ecuaciones Lineales con n incógnitas.
Sistema de “m” ecuaciones lineales con “n” incógnitas
Conjunto finito de ecuaciones lineales
Se escribe:
a11 . x1 + a12 . x2 + … + a1n . xn = b1
a21 . x1 + a22 . x2 + … + a2n . xn = b2
a31 . x1 + a32 . x2 + … + a3n . xn = b3
. . . .
. . . .
. . . .
am1 . x1 + am2 . x2 + … + amn . xn = bm

Donde: x i: es la incógnita o variable, 1 i  n

aij : coeficiente que acompaña las incógnitas
i : numero de ecuaciones, 1 i  m
j : numero de incógnitas a la cual multiplica, 1 j  n
a 11 representa el coeficiente que acompaña la primera variable ubicada en la
primera ecuación
a 32 representa el coeficiente que acompaña la segunda variable ubicada en la
tercera ecuación
bi: termino independiente o constantes, 1 i  m

36
 Emplearemos la matriz asociada al sistema de ecuaciones cuyos elementos son los coeficientes de las
incógnitas.
 a11 a12 ... a1n 
a a22 ... a2 n 
A   21 
 . . ... . 
 
 am1 am 2 ... amn  mxn

La matriz aumentada asociada al sistema es:

 a11 a12 ... a1n b1 

a a22 ... a2 n b2 
 A / b   21 
 . . ... . . 
 
am1 am 2 ... amn bm  mxn

3.7. Sistema de Ecuaciones Lineales Homogéneos.

Sistemas de Ecuaciones Lineales Homogéneo:
Son sistemas de ecuaciones lineales donde todos los bi son ceros y siempre tienen al menos la
solución trivial (sus variables serán iguales a cero)

 a11 a12 ... a1n 0

a a 22 ... a2n 0
A / 0   21 
 . . ... . .
 
a m1 am 2 ... a mn 0 mxn

3.8. Métodos para resolver sistemas de Ecuaciones lineales

3.8.1. Método de Eliminación Gausiana
Consiste en reducir un sistema de ecuaciones lineales a otro sistema que es más fácil de
resolver y que tiene el mismo conjunto solución que el sistema original.
Procedimiento
a) Conformar la matriz aumentada asociada al sistema.
b) Aplicar las operaciones elementales por filas hasta llevar la matriz a la forma escalonada.
c) Con los elementos anteriores conformamos el nuevo sistema de ecuaciones.

 x  3y  z  0
Ejemplo: Sea el siguiente sistema 
 2y  z  1
3x  7 y  z   2

a) Se Conforma la matriz aumentada asociada al sistema

. 1
1 3 0 
A
0 2 1 1 


3 7 1  2


37
 b) Se aplican las operaciones elementales por filas

1 3 1 0  1 3 1 0 
0 2 1 1  0 1 1  F  F  F
  3F1  F3  F3  2
3 2 2
3 2 1  2 0 2 4  2

1 3 1 0 
1
5 F2  F2 1 3  1 0  F2  F3
0 0 5  1  0 0 1  1 / 5
 1
F3  F3  
0 2 4  2 2
0 1  2 1 

1 3  1 0 
0 1  2 1 
Matriz escalonada  
0 0 1  1 / 5

x  3 y  z  0 (A )
Nuevo sistema de ecuaciones 
 y  2z  1 (B )
 z   15 (C )

Sustituyendo C en B y despejando y, nos queda: y = 3/5
Sustituyendo C, B, en A y despejando x, nos queda: x = -2
Compruebe que los valores de x =-2, y = 3/5, z = -1/5 son los correctos y satisfacen el
sistema, sustituyéndolos en el sistema original.

3.8.2. Método de Gauss – Jordan.

Consiste en reducir un sistema de ecuaciones lineales a otro sistema que es más fácil de
resolver y que tiene el mismo conjunto de solución que el sistema original.

Procedimiento:
a) Conformar la matriz aumentada asociada al sistema.
b) Aplicar las operaciones elementales por filas hasta llevar la matriz a la forma escalonada
reducida por filas.
c) Con los elementos anteriores conformamos el nuevo sistema de ecuaciones.

Ejemplo: Tomando la matriz escalonada del ejemplo anterior

1 3  1 0   3F2  F1  F1 1 0 5  3  2 F3  F2  F2
0 1  2 1  0 1  2 1   5 F  F  F
    3 1 1
0 0 1  1 / 5 0 0 1  1 / 5
Se obtiene la matriz escalonada reducida por filas:

 x  2
El nuevo sistema es:  y  3 (solución del sistema)
1 0 0  2  5
0  z  1
 1 0 35    5


0 0 1 1 5 


38
 3.8.3. Resolución Matricial. (Aplicación de la inversa para resolver Sistemas de Ecuaciones
Lineales)
Consiste en conformar a partir del Sistema de Ecuaciones Lineales una Matriz aumentada de la
forma 
Anxn / I nxn  y llevarla a la forma escalonada reducida por filas hasta obtener

una matriz equivalente de la forma I nxn 

/ A1nxn , luego a partir de la ecuación:
X  A1  B , obtenemos los valores de las incógnitas ( siempre que la det (A) sea distinta de
1 1
cero) , A   Adj( A)
det( A)

 x1 
x 
Donde: Matriz de las incógnitas: X   
2

 . 
 
 x m  mx1
 b1 
b 
Matriz de los términos independientes: B   
2

 . 
 
bm  mx1
Inversa de la matriz: A-1

 x  3y  z  0
Ejemplo: Sea el siguiente sistema 
 2y  z  1
3x  7 y  z   2


1 3  1 1 0 0 1 3  1 1 0 0
0 2 1 0 1 0 0 2 1 0 1 0
  3F1  F3  F3  F  F2  F2
3 7 1 0 0 1 0  2 4  3 0 1 3

1 3  1 1 0 0 1 3  1 1 0 0
F2  F3 0  2 4  1 2 F2  F2
0 0 5
  3 1 1   3 0 1
0  2 4  3 0 1 0 0 5  3 1 1 1 F  F
5 3 3

1 3  1 1 0 0 1 0 5  72 0 32 
0 1  2   3F2  F1  F1 0 1  2   5F3  F1  F1
3
0  12  
3
0  12 
 2 2
1
0 0 1  53 15 15  0 0 1  53 15 5 2 F3  F2  F2

1 0 0  12  1 1
2
   12  1 1
2
 0   2
0 1 0 1  3 1 1=  3
3
 10  Aplicando la ecuación: A1  B  X 
 10 5  10  .
2 2
 10 5
   5
1  1 
0 0 1    53 15   15 
3 1
5 5 5  5  3 x3  2 3 x1 3 x1

I A-1 La solución del sistema es:

x = -2 ; y = 3/5 ; z = -1/5
39
 3.8.4. Regla de Cramer (Aplicación de determinantes para resolver Sistemas de Ecuaciones
Lineales)
Sea Ax = B un sistema de ecuaciones lineales, donde A es inversible, la solución de este
sistema es:

x1 = det (B1) , x2 = det (B2) , … , xn = det (Bn)

det (A) det (A) det (A)
Donde:
Bi: es la matriz que se obtiene a partir de la matriz A y donde se reemplaza la columna
i-esima correspondiente por la matriz de las constantes o términos independientes.

 x  3y  z  0
Ejemplo: Sea el siguiente sistema 
 2y  z  1
. 3x  7 y  z   2


Matriz asociada al sistema

 1 3  1 det (A) = (2 + 9 + 0 ) - (-6 + 0 + 7)

A   0 2 1  det (A) =10
 3 7 1  3 x 3
Para construir la matriz B1, reemplazamos la columna de los coeficientes que acompañan a x
por los términos independientes
b y z

 0 3  1 det (B1) =-20, se sustituye : det( B1 )  20

x   2

B1   1 2 1   det( A ) 10
  2 7 1  3 x 3

Para construir la matriz B2, reemplazamos la columna de los coeficientes que acompañan a y
por los términos independientes
x b z

det( B2 ) 6 3
 1 0  1 det (B2) =6, se sustituye : y   
det( A) 10 5
B 2   0 1 1 
 3  2 1  3 x 3

Para construir la matriz B3, reemplazamos la columna de los coeficientes que acompañan a z
por los términos independientes
x y b

det( B3 )  2  1
det (B3) =-2, se sustituye : z   
 1 3 0 det( A) 10 5
B3   0 2 1 
 3 7  2 3 x 3

40
3.9. Teorema de Rouche- Frobenius
Sea r ( A) : rango de la matriz A, r ( A / b) : rango de la matriz aumentada, NI: número de incógnitas,
NE: : número de ecuaciones.

Sistemas Homogéneos

a) r ( A) = NI = NE b) r (A)  NI

Ejemplo b1) NI > NE b2) NI < NE

1 0 0 0 Ejemplo Ejemplo
A = 0 1 0 0 1 0 0 0
 1 0 0 0 0 A= 0
A =  0
0
1 0
0 0 1 0  
0 1 0 0 0 0 1 0
 
r ( A) = NI = NE = 3 0 0 0 0
NI =4 > NE = 2
NI = 3 < NE =4
El sistema tiene una sola solución, la El sistema tiene infinitas
soluciones incluyendo la El sistema puede o no tener
trivial. Sistema Compatible soluciones no triviales.
(consistente) Determinado trivial. Sistema Compatible
(consistente) Indeterminado Sistema Compatible
(consistente) Indeterminado

Sistemas Heterogéneos

a) r ( A) < r ( A / b) b) r ( A) = r ( A / b)

Ejemplo b1) NI ≤ NE b2) NI > NE

1 0 0 d Ejemplo Ejemplo
A= 0 1 0 e 
 1 0 0 c 1 0 0 0 c
0 f  A= 
0 0 A = 0 1 0 d  0 1 0 0 d 
 0
0 0 1 0 f 
r ( A) =2 < r ( A / b) =3 0 1 f 
NI =3 = NE = 3 NI =4 > NE = 3

El sistema no tiene solución. El sistema tiene una solución. El sistema tiene infinitas
Sistema Incompatible Sistema Compatible soluciones. Sistema
(inconsistente) (consistente) Determinado Compatible (consistente)
Indeterminado

41
 RESUMEN DE LOS MÉTODOS PARA RESOLVER SISTEMAS DE E.L.

Método de Eliminación Gausiana

Método de Gauss-Jordan
Conformar la matriz aumentada
asociada al sistema
Conformar la matriz aumentada
asociada al sistema
Aplicar las operaciones elementales
por filas hasta llevar la matriz a la
forma escalonada
Aplicar las operaciones elementales
por filas hasta llevar la matriz a la
Con los elementos anteriores conformar el forma escalonada reducida por fila
nuevo sistema de ecuaciones lineales más
sencillo de resolver
Con los elementos anteriores conformar el
nuevo sistema de ecuaciones lineales
Resolver sistema de ecuaciones lineales

Método de Resolución Matricial

Aplicación de la inversa

Método de Cramer
Obtener la inversa por uno de los métodos conocidos Aplicación de determinantes

Conformar a partir del sistema  Calcular el menor

de ecuaciones lineales una complementario de cada
matriz aumentada de la forma elemento M ij Sea A.X=B un Sist. EC. Lin.
Anxn I nxn   Calcular los cofactores de
Si A es inversible la solución del sistema
Aplicar las operaciones cada elemento Cij es:
elementales por filas hasta det( B1)
llevar la matriz a la forma  Conformar la matriz de X1 
escalonada reducida por fila cofactores Cof (A) det( A)
 Determinar la matriz adjunta det( B2 )
I 1  Adj (A) X2 
 nxn A nxn   Aplicar la ecuación:
det( A)
1 det( B3 )
A 1  * Adj( A) X3 
det( A) det( A)

Bi : Matriz que se obtiene a partir de la

matriz A y donde se reemplaza la
columna i-esima correspondiente por
la matriz de las constantes o términos
Una vez obtenida la inversa aplicar la ecuación independientes B
X  A 1 * B
Donde:
X: matriz de las incógnitas ( X1 , X 2 , X 3 )
B: matriz de los términos independientes ( b1 , b2 , b3 )

A  1 : Inversa de la matriz obtenida por los métodos

conocidos

42
Ejercicios: Sistemas de Ecuaciones Lineales
1.- En cada uno de los siguientes sistemas de ecuaciones lineales encontrar las matrices A,B, y X, para
que se cumpla la igualdad AX = B
 x  2 y  3z  w  1
9 x  3 y  z  2w  2 x  y  z  2  3 y  5z  3
  
a)  b) 5 x  2 y  z  1 c) 5 x  y  z  1
 2z  w  1
5 x  y  2 z  0 0 0 0 2z  3
 
2 x  y  5 z  w  1

2.- En cada caso, encontrar el sistema de ecuación lineal correspondiente:

 9 1 0  O  9 1 2 3 0 B 1
 8 1 I   2
a)   1 0 1 .  K  = 9
  b)  1 0 .   =  
 0 3 9  E  9 2 1 1 5 E  3
     
0 5 4 1 N  1
1 2 5 6 1 3 7 9  A 7 
 1 0 1 2 8 7 1 9 P 8 
    
0 9 7 2 1 1 3 9 R 7 
       2 3 1  x   9 
c)  3 2 9 7 1 1 0 9
.  O  = 0  d)  1 0 2 .  y  =  9
0 0 0 1 0 0 0 9 B  3      
       z 
1 1 1 1 2 2 5 9  A 9 
0 1 0 5 0 0 0 9 D 1 
     
 1 6 3 5 2 2 1 9  O  0

3.- Encontrar los valores de X, Y, Z y M, para que se cumpla.

2 X 2Y  = 2 .  12 X 2 +  2 X Y
 2Z 2M    Z  M 4 
  1 M 

4.- Determine los valores de x en cada una de las matrices de manera que no tengan inversa

 ( X  3) 9 0   1 2 3  0 0 ( X  1)
X X   3  2 
 0 X 0   6 9   0 X
a)  3 2 X  b)  c) d)
  0 2 ( X  3)  X 16 2  ( X  2) 3 3 

5.- Resolver los siguientes sistemas de ecuaciones lineales utilizando.

M. Eliminación Gaussiana.
M. Gauss-Jordan.
M. Resolución Matricial.
M. Cramer.
4 x  2 y  4 z  2 9 x  6 y  3z  2
2 x  2 y  2  
a) 8 x  6 y  21 b)  4 y  2z  4 c) 3x  3 y  3z  3
 2 x  2 y  4 z  6 3x  6 y  6 z  3
 

 x1  2 x 2  4 x3  2  x1  3x 2  3x3  2 x 4  0 2 x1  4 x 2  8 x3  2 x 4  4
 
e) 2 x1  3x2  7 x3  3 f)  2 x1  6 x3  x 4  0 g)  x1  x 2  3x3  5
3x  x2  5 x3  1  x  4 x  2 x  4 x  0 
 1  1 2 3 4
4 x1  6 x 2  14 x3  2 x 4  14
 x1  x2  x3  2 x 4  11

6.- Para el ejercicio 5, indique que tipo de sistema es mediante el Teorema de Rouche Frobenius

43
Éste es sólo un resumen de conceptos básicos y ejemplos claves para
un repaso rápido y secuencial.
Complementa con la bibliografía recomendada.

44
UNIDAD II: VECTORES
OBJETIVO TERMINAL:
Al finalizar el proceso de aprendizaje el estudiante habrá adquirido las destrezas para:
 Resolver aplicaciones específicas con vectores.
 Resolver aplicaciones especificas con espacios vectoriales
CONTENIDO:
Tema 1. Introducción a los vectores
1.1. Vectores R2 y R3.
En el espacio Bidimensional:

Es un par ordenado (a,b) de números reales. Se denota con R 2 al conjunto de todos los vectores
ubicados en el espacio bidimensional.
En el espacio tridimensional:

Es una terna ordenada (a,b,c) de números reales. Se denota con R 3 al conjunto de todas los vectores
ubicados en el espacio tridimensional.

1.1.1. Magnitudes Escalares y Vectoriales.

Representación: Los vectores pueden representarse por un segmento de recta dirigido,
comúnmente denominados flechas, que tienen magnitud, dirección y sentido.
En esta guía los vectores los representaremos con letras minúsculas y una flecha en la parte

superior: v  P1 P2
La dirección: La recta que contiene la flecha, indica la dirección del vector correspondiente a la
posición angular de una recta respecto a un sistema coordenado y a un sentido a lo largo de tal
recta, es evaluado por trigonometría.

cateto opuesto cateto adyacente cateto opuesto

sen   , cos   , tg 
hipotenusa hipotenusa cateto adyacente
La Longitud: De la flecha representa su módulo, magnitud o norma del vector, es evaluada por
el teorema de Pitágoras.
2
v  ( x2  x1 ) 2  ( y 2  y1 ) 2

La cola de la flecha: Es el punto inicial u origen del vector: P1 ( x1 , y1 )

La punta de flecha: llamado también extremo de la flecha, es el punto final del vector, indica el
sentido del vector: P2 ( x2 , y2 )

y2 P2

v  P1P2
y1 ß
P1

X
x1 x2
45
 1.1.1.1. Igualdad de Vectores. Ejemplo.
 
Sean los vectores u y v se dicen que son iguales algebraicamente si tienen la
misma magnitud, dirección, independientemente de su posición.
   
u = ( x 1 ,y 1 ) y v =( x 2 ,y 2 ) u v
 
u = v sii x1=x2 y y1=y2

Vector Libre:

Son aquellos vectores que tienen la misma magnitud, dirección y sentido.

Vector Deslizante:
Son vectores que tienen la misma magnitud, dirección y sentido y se desplazan en la
misma recta.
 
v u
Vector fijo:
Son vectores que tienen la misma magnitud, dirección y sentido y el mismo punto de

origen. u

v
Vector cero:

Es un vector que tiene magnitud o longitud igual a cero, se escribe u =0

Modelo no geométrico de representación de un vector en R ² y R 3

Es mediante la matriz fila o matriz columna.

a 
Matriz fila a  b Matriz columna   Vector (a,b)
b 
Algebraicamente dos vectores son iguales cuando matricialmente son iguales.
El vector (a,b,c) y el vector ( d,e,f ) son iguales cuando: a=d , b=e , c=f

1.1.2. Representación gráfica de un vector


Sea un vector v R 2 y cuyo punto inicial P1 (0,0) coincide con el origen de
que se encuentra en
un sistema de coordenadas rectangulares XY. Las coordenadas del punto final P2 ( x1 , y1 ) del
 
vector v se denominan componentes del vector v.

P 2(x1 ,y 1 )
y1
v  P1P2

P 1( 0 ,0 ) x1 x

46
 
Sea un vector v R 3 y cuyo punto inicial P1 (0,0,0) coincide con el origen
que se encuentra en
de un conjunto de tres planos coordenados XYZ. Las coordenadas del punto final P2 ( x , y , z )
 
del vector v se denominan componentes del vector v.
Z
z

P2(x,y,z) 
v
P1 (0,0,0) x X

Y y

Inverso aditivo de un vector:

  
Sean los vectores
 v y u que pertenece a R 2 o R 3 , se dice que u es inverso aditivo de
 
v si tiene la misma magnitud la misma dirección de
 v , pero de sentido opuesta a v, se

escribe: u = v
 
u v

Tema 2. Operaciones con vectores. Aplicaciones

2.1. Operaciones
2.1.1 Suma de vectores
   
Sea u y v dos vectores que pertenecen a R 2 o R 3 , u + v se obtiene por la Ley de
 
paralelogramo, es decir la diagonal del paralelogramo formado por los vectores u y v
Procedimiento:

Se coloca el vector
 v
  de tal manera que su punto inicial coincida con el punto final del vector 
u . El vector u + v es el vector que tiene  como punto inicial, el punto inicial del vector u y
como punto final, el punto final del vector v .
uv
v

Se puede proceder de otra manera: u


Se coloca el vector
 v
  de tal manera que su punto final coincida con el punto inicial del vector 
u . El vector u + v es el vector que tiene  como punto inicial, el punto inicial del vector v y
como punto final, el punto final del vector u
u
v
uv
La suma de vectores es conmutativa

47
  
Sobre el sistema de coordenadas se representa u +v de la siguiente manera:

( y1  y 2 )

u
y1

uv

y2
v
X
x1 x2 ( x1  x2 )

Si: u  ( x1 , y1 ) y v  ( x2 , y 2 )

Entonces: u  v  ( x1  x2 , y1  y2 )

   
Ejemplo: Sea u = ( 1,3) y v = (2,1), determine u+ v

u
uv

v X

u  v  (1  2,1  3)

u  v  (3,4)

48
    
Ejemplo: Sea u = ( 1,3,3 ) y v = ( 2,2,2 ) determine u+ v
Z
5

3
uv

u
v

1 2 3 X

3
5
Y
 
u +v = (1+2,3+2,3+2)
 
u +v =(3,5,5)

2.1.1.1 Propiedades de la suma de vectores

 
Sea u = (1,2) , v = (2,2) w = (3,4)
Conmutativa
   
u+ v = v+u
La suma de vectores con
(1+2 , 2+2) = ( 2+1 , 2+2 ) diferentes números de
componentes no esta definida
(3 , 4 ) = (3,4)

Asociativa
     
(u +v ) + w = u + ( v + w)
((1,2)+(2,2))+(3,4) = (1,2)+((2,2)+(3,4))
(3,4) + (3,4) = (1,2) + (5,6)
(6,8) = (6,8)

Existencia del Elemento Neutro

  
u +o = o+ u = u
(1,2)+(0,0) = (0,0)+(1,2)
(1,2) = (1,2)

49
 Existencia del Elemento Simétrico
 
u + (- u ) = o
(1,2) + (-1,-2) = (0,0)

2.1.2 Multiplicación de un escalar por un Vector.

 
Sea k un escalar que pertenece a los reales y u un vector que pertenece a
 R 2 o R 3 , k. u es
un vector que se obtiene multiplicando k por la magnitud del vector u.
 
 Si k > 0 , k. u conserva la misma dirección de u
 
Ejemplo: Sea k=2 y u = (1,1), entonces k. u = (2,2)

u k u  2u

 
 Si k < 0 , k. u tendrá su dirección opuesta a la de u
 
Ejemplo: Sea k=-2 y u = (1,1), entonces k. u = (-2,-2)

k  u  2  u


 Si k = 0, entonces k. u =0
 
Ejemplo: Sea k =0 y u = (1,1), entonces k. u = (0,0)

k  u  (0,0)

2.1.2.1 Propiedades
 
Para todo vector u, v que pertenece a R 2 o R 3 y todo k y m que pertenecen a los
reales.
 
 k.(m. u ) = (k.m). u
   
 k.( u + v ) = k. u + k.v
  
 (k +m). u = k. u + m. u
 
 1. u = u

50
Ejercicio: Demuestre las propiedades de la multiplicación de un escalar por un vector (sección 2.1.2.1)
 
1. Sea k=2 , m=3 , u =(3,-2,1), v =(-1,2,1)
 
2. Sea k=-2 , m=-3 , u =(2,3) , v =(-3,-4)
2.1.3 Ecuaciones de Traslación.
Algunos vectores no tienen su punto inicial en el origen de coordenadas rectangulares, por lo

que para encontrar las coordenadas de un vector u en R 2 , cuyo punto inicial es P1 ( x1 , x2 ) y su
punto final es P2 ( x2 , x2 ) , u  P1 P2 , se traza un vector equivalente a P1 P2 que

denominaremos v y cuyo punto inicial se encuentra en el origen de coordenadas

rectangulares cuyas componentes son (a, b) . Puesto que (a, b) son componentes del vector v

y este es equivalente a P1 P2 , entonces (a, b) son componentes de P1 P2 , es decir

u  P1 P2  v

y
y2 - P2

P1
u
y1 -
b-

v
O x1 a x2 x


Aplicando la suma de vectores se tiene: OP1 + v = OP2
Considerando las componentes: (x1 , y1 ) + (a, b) = ( x2 , y2 )
( x1+ a , y1 + b ) = ( x2 , y2 )

Igualando: x1 + a = x2 a = x2 - x1
y1 + b = y 2 b = y2 - y1

2.1.4 Norma de un Vector


Se denomina norma de un vector u que pertenece a
 R 2 y cuyas componentes (x1 , y1 ) a la
longitud o magnitud del vector, se denota como / u/ y se determina aplicando el teorema
de Pitágoras.
y1

u  ( x1 ) 2  ( y1 ) 2
u

x1
51
 Análogamente ocurre para R3 : u  ( x1 ) 2  ( y1 ) 2  ( z1 ) 2


Ejemplo: Sea u = (3,5) ; u  (3) 2  (4) 2  25  5

Ejemplo: Sea u = (1,2,3) ; u  (1) 2  (2 ) 2  (3) 2  14

2.1.4.1 Propiedades de la norma de un Vector


Para todo vector u , v que pertenecen a R 2 o R 3 y ß pertenece a R

a) / u/>0
 
b) / u/=0  u=o
   
c) /u + v / ≤ /u / + / v / (desigualdad triangular)
 
d) / ß. u / = / ß / . / u /

 
Ejercicio: Dado los vectores u = (1,2), v = (3,5) y ß=-3, demuestre las propiedades de la norma de
vectores (sección 2.1.4.1)

2.1.5 Vector Unitario

 
Sea el vector u que pertenece a R 2 o R 3 , se dice que u es unitario si su norma es igual
a uno.

Ejemplo: Sea u = (1,0) , u  (1) 2  (0) 2  1  1

Ejemplo: Sea u = (0,1,0) , u  (0) 2  (1) 2  (0) 2  1  1

Ejercicio: Grafique los vectores y determine su norma.

    
u = (0,1), u = (-1,0), u = (0,-1), u = (0,0,1), u =(1,0,1)

  
El vector u esta normalizado, si el vector unitario v es paralelo al vector u

Otra manera de calcular el vector unitario v

Para normalizar el vector u se procede a partir de la formula
 1  
v   u con u = (x1 , y1 )
u
 
Donde v es un vector paralelo a u y tiene magnitud igual a 1

52
   1 
u  
 (x )2  ( y )2 . x1 , y1 

 1 1 

  x1 y1 
u   , 
 ( x1 ) 2  ( y1 ) 2 ( x1 ) 2  ( y1 ) 2 


2 2
  x1   y1 
u     
 ( x1 ) 2  ( y1 ) 2   ( x1 ) 2  ( y1 ) 2 
   

 ( x1  y1)
u 
( x1  y1)


u  1 1

Ejercicios:

1. Normalice el vectoru = ( x1 , y1 , z1 )
  
2. Calcule la norma de: u = ( -3 , 8 , 5 ), v = ( -2 , 7 ), w =(1, 1, 1)
3. Determine el vector unitario de los vectores del ejercicio anterior.

2.1.6 Producto escalar de dos Vectores de R 2 o R 3 , o producto punto de dos vectores en

términos de las componentes de los vectores. (u  v)

Sea u y v dos vectores distintos de cero y que pertenecen a R 2 o R 3 y (u  v)
 
también pertenece a R o 2
R 3 . Los vectores u y v
se colocan de tal manera que sus puntos
iniciales coincidan y formen un ángulo φ que satisface 0< φ <π.
El producto escalar de dos vectores se define como: El escalar resultante del producto de la

norma del vector u por la norma del vector v por el coseno del ángulo φ, es decir:
(u  v)  u  v  cos
 
Observemos los siguientes vectores u y v en el espacio tridimensional

Z  
u = ( x1 , y1 , z1 ) y v = ( x2 , y2 , z2 )
u
w En esta grafica uniendo los puntos terminales
  
de u y v w , se puede decir
se obtiene el vector
    
v que u + w = v , resolviendo para w se tiene
      
Y
X
w = v – u , la norma de w es / w / = / v – u /

53
 Aplicando la ley del coseno tenemos
     
/ v – uu / ² + / v / ² - 2. / u / . / v / . cos φ (1)
/² = /
     
Sabiendo que: / v – u / ² = ( v – u ) . ( v – u )
            
/ v – u / ² = v . v – v . u – u . v + u . u , sabemos que / v / ² = v . v
     
/ v – u / ² = / v / ² + / u / ² – 2 . (u . v ) (2)

Igualando (2) y (1)

       
/ v/² + / u /² – 2 . (u .v ) = / u /² + / v /² - 2. / u /./ v / . cos φ

Eliminando términos semejantes nos queda la siente expresión, que define la multiplicación
escalar de dos vectores:

(u  v)  u  v  cos (3)

Veamos ahora lo siguiente, partiendo de la expresión (1):

     
/ v – u /² = / u /² + / v /² – 2. / u /./ v / . Cos φ

Multiplicando la expresión anterior por ½:

     
1
2 ./ v – u /² = 1
2 . / u /² + 1
2 . / v /² – / u /./ v / . Cos φ

     
/ u /./ v / . Cos φ = 1
2 . / u /² + 1
2 . / v /² – 1
2 ./ v – u /²

Sustituyendo (3) en la expresión anterior y sacando factor común ½

     
(u .v ) = 1
2 . ( / u /² + / v /² – / v – u /² ) (4)

Al sustituir las siguientes expresiones en (4)


/ u /²= x1² + y1 ² + z1 ²

/ v /²= x2 ² + y2 ² + z2 ²
 
/ v –u / ² = (x2 – x1)² + (y2 – y1)² + (z2 – z1) ²
Nos queda:
 
(u .v ) = 1
2 . ( x1² + y1 ² + z1 ² + x2 ² + y2 ² + z2 ² – ( (x2 – x1)² + (y2 – y1)² + (z2 – z1) ² ) )

 
( u . v )= 1
2 . (x1² + y1 ² + z1 ² + x2 ² + y2 ² + z2 ² – x2 ² – x1² +2. x2 .x1 – y2 ² – y1² +2. y2 . y1 – z2 ² – z1² +2. z2 . z1 )

54
 Eliminando términos semejantes, nos queda:
 
(u .v ) = 1
2 . ( 2. x2 .x1 + 2. y2 . y1 + 2. z2 . z1 )

 
(u .v ) = x2 .x1 + y2 . y1 + z 2 . z1 Producto escalar de dos Vectores de R3

 
Si u = ( x1 , y1 ) y v = ( x2 , y2 ) son dos vectores en el espacio bidimensional, entonces
la formula correspondiente es:

 
(u .v ) = x2 .x1 + y2 . y1 Producto escalar de dos Vectores de R2

Grafica del coseno:

f(x) = cos φ
f(x) = cos 0º = 1
cos π/2 = 0
1 cos π = -1

-π -π/2 π/2 π φ

-1

Como se comporta el producto escalar de dos vectores en función del ángulo φ existente
 
entre los dos vectores uy v
 
 Si u .v >0
 
cos φ = es positivo , -π/2 < φ < π/2 , el ángulo φ entre u y v es agudo
 
 Si u .v =0
 
cos φ = 0º , φ = -π/2 y φ = π/2 , el ángulo φ entre u y v es recto son perpendiculares
 
 Si u .v <0
 
cos φ = es negativo , -π < φ < -π/2 y π/2 < φ < π , el ángulo φ entre u y v es obtuso

55
 2.1.7 Propiedades del producto escalar
 
Para todo vector u , v , w que pertenecen a R ² o R 3 y todo k que pertenece a R
se cumple:
   
1. u .v = v .u
   
2. u . ( k . v ) = k . (u .v )
    
3. u . ( v + w ) = u . v + u . w
      
4. (u + v ) . w = u .w + v .w
 
5. u .u ≥ o
  
6. u .u = o  u =o
  
7. / u /² = u . u
   
8. / u . v / ≤ / u /./ v /

Ejercicios
  
I. Sea los vectores u = ( 1 , 3 , 2 ), v = ( -1 , 1 , -1 ) , w = ( 2 , 1 ,0 )
Determinar:
 
a) / u + v /
 
b) / u /+/ v /
 
c) /2. u/ + 2 . / –u /
  
d) / 3. u – 4. v + w/
 
e) Vector unitario de u , v , w

II. Calcular la distancia o longitud entre los puntos P1 y P2 , d (P1 P2) = ?

a) P1( 1 , 3 , 2 ) y P2( -2 , 1 , 0 )
b) P1( 8 , 3 ) y P2( 2 , 9 )

III. Con los vectores del ejercicio I y con k=2 demuestre las propiedades del producto escalar
de dos vectores.

56
  
2.1.8 Proyección u en la dirección de v .
y

w1


u

 
w2 v x
   
u se ha proyectado sobre v obteniendo los vectores w1 y w2
  
w 1 : es la proyección ortogonal del vector u sobre el vector v , o proyección perpendicular del
 
vector u sobre v
   
w2 :  es la proyección del vector u sobre el vector v, o proyección paralela del vector u
sobre v

  
Se deduce de la grafica que w1 + w2 u = (1)
  
Donde: w 1 es perpendicular a w 2 y v
   
w 2 es múltiplo de v por lo que w 2 = k . v , donde k pertenece a R (2)
Sustituyendo (2) en (1) nos queda:

  
u = w 1 + k. v ,multiplicando ambos miembros por v , nos queda
      
u . u = w 1 . v + k. v. v ,si

w 1 es perpendicular a v entonces w 1 . v = 0
  
u. v = k. / v /² , despejando k , nos queda

k
 u v  , sustituyendo k en
 
w2 = k . v
2
v

   
 (u  v)  Proyección paralela del vector u sobre v
w2   2 
v
 v 

    
partiendo de u = w 1 + w 2 , despejamos el vector w 1 y sustituyendo w 2 nos queda

 
w1  u  w2 Proyección ortogonal del vector u sobre v

57
    
Ejemplo: Encontrar la proyección ortogonal de u sobre v , si u = ( 2 , 1 ), v = ( -3 ,2)
 
 (u  v) 
w2   2 
v
 v 
 
( u . v ) = (–6 + 2) = –4
 
/ v / ² = (–3) ² + (2) ² = 9+4 = 13 , sustituyendo en w2
12  8  Vector paralelo
w2   ,
13 13 

w1  u  w2  14 21
w1   ,  Vector ortogonal
13 13 

Ejercicios de producto escalar de vectores:

  
Sea u =(2,3,1) , v = (0 , -2 , 1 ) , w =(1,3,1)
Determinar.

a) u . ( 3.v + w )
 
b) / (u . w ) . w /
  
c) / w/ . ( v . u )
 
d) u . u  
e) u . v = v . u
f) u . ( v . w )

g) / (u . v ) . w /
  
h) / v . w /. u

2.1.9 Ángulo entre dos Vectores

 
 y v son vectores
Si u  diferentes de cero, entonces la formula
u . v = / u / . / v / . Cos φ se puede escribir:
 
 u v 
Cos  
u  v
 
   
Ejemplo: Sean los vectores u = (2,-1,1) y v = ( 1,1,2), determinar el ángulo φ entre u y v
 
u . v = (2.1 + (-1).1 + 1.2) = 2 – 1 + 2 =3
 
/ u /=/ v /= 6

 3  1
Cos        arccos(1 2 )  600
 6 6 2

58
    
Ejercicio: Sea u = ( -1,3 ) y v = ( 3,7 ), determinar el ángulo φ entre u y v

2.1.10 Producto vectorial de dos vectores de R 3 o producto cruz de dos vectores

 
Sea dos vectores u = ( x1 , y1 , z1 ) y v = ( x2 , y2 , z2 ) que pertenecen a
R3,coloque estos dos vectores en forma de matriz de tal manera que la primera fila sea el vector

constituido por las componentes ( i , j , k ) la segunda fila el vector
 u y la tercera fila sea el
vector v , es decir:
 i j k
C  z1 
Se define como producto vectorial al siguiente vector obtenido del
 x1 y1  calculo de los cofactores de las componentes i , j , k

 x2 x2 z2 


 y z1  x z1  x y1  
u  v  i  det  1   (1) 2 , j  det  1   (1) 3 , k  det  1   (1) 4 
  y2 z2   x2 z2   x2 y2  

Desarrollando se tiene:

uv   y1  z2  y2  z1   i ,x1  z2  x2  z1   j , x1 y2  x2  y1   k 

uv   y 1  z2  y2  z1  , x1  z2  x2  z1  ,  x1 y2  x2  y1  

Procedimiento:
La componente C11 se obtiene al suprimir la primera fila y la primera columna, calculamos su
determinante y lo multiplicamos por el factor (-1) 1 + 1 , la segunda componente C12 se obtiene
al suprimir la primera fila y la segunda columna, calculamos su determinante y lo multiplicamos
por el factor (-1) 1 + 2 , la tercera componente C13 se obtiene al suprimir la primera fila y la
tercera columna, calculamos su determinante y lo multiplicamos por el factor (-1) 1 + 3

   
Ejemplo: Se demuestra con este ejemplo que: (u x v ) = – (v x u )
 
Sea u =(1,2,4)v = ( 0 , -2 , 1 )
i j k
1 2 4
 

0 2 1

 
u x v = (2– (– 8) ) . (–1) ² , (1– 0 ) . (–1) 3 , (–2– 0 ) . (–1) 4 = ( 10, –1, –2 )

i j k
0 2 1
 

1 2 4

 
v x u = (– 8 –2 ) . (–1) ² , (0 –1) . (–1) 3 , ( 0 – (–2 )) . (–1) 4 = (–10, 1, 2 )

2.1.11 Vector Perpendicular.

59
  
Teorema: Sea u , v , w vectores que pertenecen a R 3

a) La propiedad conmutativa de (u  v) no se cumple ya que es de la forma

(u  v)  (v  u)

b) El producto vectorial de dos vectores (u  v) siempre es un vector


El producto vectorial de dos vectores (u  v) siempre es perpendicular tanto a u como a

v , por lo tanto se debe cumplir u  (u  v)  v  (u  v)  0

(u  v)

  
φ v φ: ángulo entre los vectores uy v

u

   
Ejemplo: Sea u = ( 1,2,4) , v = ( 0 , -2 , 1 ) , u x v = ( 10, –1, –2 )
  
u . (u x v ) = ( 1,2,4) . ( 10, –1, –2 ) = (10–2–8) = 0
  
v . (u x v ) = ( 0 , -2 , 1 ) . ( 10, –1, –2 ) = ( 0 + 2 – 2) = 0

c) La norma del producto vectorial de (u  v) , es igual a la norma del producto escalar de dos
 
vectores u y v por el seno ángulo , es decir: u  v  u  v  Sen
   
d) u . ( v x w ) = ( u x v ) . w
        
e) (u x v ) x w = (w . u ) . v – (w . v ) . u triple producto vectorial
         
f) / u x v / ² = (u x v ) . (u x v ) = ( (u x v) x u ) . v

Regla de la mano derecha

La mano derecha nos indica la dirección del vector resultante del producto vectorial de dos
 
vectores. Se obtiene de la siguiente manera: sean los vectores u y v en R 3 , se desea saber

la dirección de (u  v) , se coloca la mano derecha de tal forma que el dedo índice este en

60
  
dirección paralela al primer vector u y los demás dedos en dirección al segundo vector v , el
dedo pulgar levantado nos indica la dirección del vector (u  v)

2.1.12 Magnitud o norma del producto vectorial, aplicación geométrica

2.1.12.1 Área del paralelogramo

La norma del vector (u  v) representa el área del paralelogramo determinado por los
  
vectores u y v , y se define como el producto de la norma del vector u por la norma del

vector v por el seno del ángulo φ que ellos forman

u  v  u  v  Sen
 
Observe la siguiente figura del paralelogramo que forman los vectores u y v.


/ u /

h= / u /.sen φ
φ

/ v /
El área del paralelogramo es = base . altura

= / v / .h
   
= / v / . /u / . sen (φ) = / (u x v )/
61
2.1.12.2 Volumen del paralelepípedo:

Observe la siguiente figura del paralelepípedo.

(u  v)


w

φ h v


u
 
Sea u , v , w que pertenecen a R 3
colocados de manera tal, que entre ellos no exista un
ángulo de 90º
   
u y v forman un paralelogramo cuya área se define / ( u x v )/
   
/ (u x v ) / es perpendicular tanto a u como v

h es la altura del paralelepípedo y se obtiene por la proyección del vector w sobre
 
/ (u x v )/

       
w .( u x v ) . (u x v ) w . (u x v )
h= h=
   
/ (u x v )/² / (u x v )/

El volumen del paralelepípedo es el área del paralelogramo por la altura h

    
/ (u x v )/ . w . (u x v )
Volumen =
 
/ (u x v )/

  
Volumen = w . (u x v )

Vector Coplanar:
Vectores libres paralelos situados en un mismo plano. Son coplanares si se encuentran en el
  
mismo plano es decir: w . (u x v ) = o

62
 Propiedades del producto vectorial:
 
Para todo vector u , v , w que pertenece a R 3 y k pertenece a R

a) (u  v)  (v  u)
      
b) u x ( v + w ) = u x v + u x w
      
c) ( u + v ) x w = u x w + v x w
     
d) k . ( u x v )=(k. u x v ) = ( u x k. v )
 
e) ( u x o ) = ( o x u )= o
   
f) (u x v )= o indica que u es paralelo a v

Ejercicios de operaciones con vectores:

1. Trazar un sistema de coordenadas derecho y localizar los puntos cuyas coordenadas son:

a. (3,4,5) b. (-3,4.5) c. (3,-4,5) d. (3,4,-5) e. (-3,-4,5)

2. Trazar los siguientes vectores con puntos iniciales ubicados en el origen:

   
a. v =(3,6) b. u =(-4,-8) c. w =(-4,-3) d. m =(5,-4)
  
e. v =(3,4,5) f. u =(3,3,0) g. w =(0,0,-3)
3. Encontrar las componentes del vector que tiene punto inicial P1 y punto terminal P2

a. P1 (4,8) , P2 (3,7) b. P1 (3,-5) , P2 (-4,-7) c. P1 (-5,0) , P2 (-3,7)

d. P1 (3,-7,2) , P2 (-2,5,-4) e. P1 (-1,0,2) , P2 (0,-1,0) f. P1 (0,0,0) , P2 (a,b,c)

 
4. Encontrar un vector u diferente de cero cuyo punto inicial es P(-1,3,-5) tal que u tiene la misma

dirección de v =(6,7,-3)
 
5. Encontrar un vector u diferente de cero cuyo punto terminal es Q(3,0,-5) tal que u tiene la misma

dirección que v = ( 4,-2,-1)
  
6. Sean los vectores u =(-3,1,2), v =(4,0,-8) y w =(6,-1,-4). Encontrar las componentes de:
         
a. v – w b. 6 u + 2 v c. – v + u d. (2 u – 7 w ) – (8 v + u)
7. Sean los vectores del ejercicio 6 encontrar las componentes del vector x que satisface a:
    
2u – v + x = 7x + w
8. Sean los vectores del ejercicio 6 encontrar los escalares c1,c2,c3 tales que
  
c1. u + c2. v + c3. w = (2,0,4)
63
9. Encontrar la norma de los vectores del ejercicio 2

10. Encontrar la distancia entre los puntos P1 y P2 del ejercicio 3

11. Sean los vectores del ejercicio 6 evaluar las expresiones:

      
a. / u + v / b. / u / +/ v / c. /4 u - 6 v + w/
12. Usar los vectores del ejercicio 6 y encontrar para cada uno un vector unitario que tenga la misma
dirección
 
13. Encontrar u .v
   
a. u =(2,3), v =(5,-7) b. u =(-6,-2), v =(4,0)
   
c. u =(1,-5,4), v =(3,3,3) d. u =(-2,2,3), v =(1,7,-4)

14. Para cada inciso del ejercicio 13, encontrar

 
a. El coseno del ángulo entre u y v
 
b. El seno del ángulo entre u y v
 
15. Determinar para cada inciso del ejercicio 13, si u y v forman un ángulo agudo, un ángulo obtuso o
un ángulo recto.
 
16. Para cada inciso del ejercicio 13,encontrar la proyección ortogonal de u sobre v
17. Sean los vectores del ejercicio 6 evaluar las expresiones:
      
a. u . ( 7 u + w ) b. / ( u . v). w / 
c. / u /. ( v .
w)
      
d. ( v x u) e. u x (v x w ) f. u x ( v – 2 w )
18. Explique por que cada una de las siguientes expresiones carecen de sentido:
     
a. ( u . v )+ w b. u x (v . w)
 
19. Suponer que u . ( v x w )= 3 . Encontrar:
        
a. u . ( w x v ) b. ( v x w ) . u c. v . ( w x w )
  
20. Dado los vectores u =(3,1,2), v =(3,1,2), w =(1,2,3) . Encontrar:
 
a. El área del paralelogramo entre los vectores u y v
  
b. El volumen del paralelepípedo cuyos lados son u , v y w
  
21. Dado los vectores u =(2,1,0), v =(1,3,2), w =(3,1,1) . Encontrar:
 
a. El área del paralelogramo entre los vectores u y v
  
b. El volumen del paralelepípedo cuyos lados son u , v y w

22. Encontrar el área del triangulo determinado por los puntos P1 (2,2,0) ; P2 (1,0,2) ; P3 (0,4,3)

23. Calcular el triple producto escalar u  (v  w) de los vectores:

u  3i  2 j  5k ; v  i  4 j  4k ; w  3 j  2k

64
2.1.13 Ecuación paramétrica de la recta (L) en el espacio, dado un punto (P) de la recta y un

vector ( v ) paralelo a la recta. Ejemplo.

Q(x,y,z)

P ( x1 , y1 , z1 )


v = ( a , b , c)

 Consideremos la recta L que pasa por el punto P( x1 , y1 , z1 ) y es paralela al vector


v = (a, b, c)

 v es el vector dirección de la recta L y a, b, c son números de dirección.
 La recta L contiene precisamente un punto cualquiera Q(x, y, z)


 El vector PQ es paralelo a v , esto significa que el vector PQ es un múltiplo escalar de
 
v , por lo que PQ = t. v , donde t es un numero real que pertenece a R.
Se tiene que:

PQ = ( x – x1 , y - y1 , z - z1) ; t. v = t . (a,b,c) = ( t .a , t . b , t . c)


Sustituyendo en PQ = t . v

( x – x1 , y - y1 , z - z1) = ( t .a , t . b , t . c)

Igualando las componentes correspondientes se obtiene:

x – x1 = t .a x = x1 + t .a

y - y1 = t.b y = y1 + t.b

z - z1 = t.c z = z1 + t.c

Ecuaciones Paramétricas de una recta.

65
 Despejando t en cada ecuación e igualando, se tiene:

t = (x – x1) / a

t = ( y - y1) / b (x – x1) / a = ( y - y1) / b = (z - z1) / b

t = (z - z1) / b para todo a,b,c distinto de cero

Ecuaciones simétricas o cartesianas de la recta

Ejemplo: Hallar las ecuaciones paramétricas y cartesianas de la recta L que pasa por el punto (1,-2,4) y

es paralela a v =(2,4,-4)

L z

P (1,-2,4) Desarrollo:

P(1,-2,4) v =(2,4,-4)

Las ecuaciones paramétricas son:

x = x1 + t .a x = 1 + 2t

y = y1 + t.b y = -2 + 4t

z = z1 + t.c z = 4 - 4t

y

x v =(2,4,-4)

Las ecuaciones cartesianas son:

x  1   y  2  z  4
2 4 4

Observación

Ni las ecuaciones paramétricas ni las ecuaciones simétricas de una recta son únicas, es decir si

se toma t =1 se obtendrá el punto Q (3,2,0) y el vector v = (2,4,-4) se llega a la ecuación
paramétrica siguientes:

x = 3 + 2t , y = 2 + 4t z = - 4t

66
Ejemplo: Hallar las ecuaciones paramétricas de la recta L que pasa por el punto P(-2,1,0) y Q=(1,3,5)
z
L Desarrollo:

PQ = ( 1- (-2) , 3-1 , 5-0 )


v Q(1,3,5) PQ = ( 3,2,5 )

Construyendo el vector director de la recta


v =( 3,2,5)

P =(-2,1,0) usando el punto P

X x = -2 + 3 . t

y y = 1 + 2.t

z = 5.t

Ecuaciones paramétricas

Ejemplo: Verificar si las rectas L1 y L2 se interceptan en un punto.

L1: x3 y 2 
 z  1 L2: x–4=y–2=z–4
3

Desarrollo:

Encontremos las ecuaciones paramétricas de cada recta

x= 3+ t1 x= 4 + t2

L1: y= 2+ t1 L2: y= 2 + t2

Z = 1 + 3. t1 z= 4 + t2

Igualando los valores de x, y, z de de las rectas L1 y L2 se tiene el sistema

3+ t1 = 4 + t2 t1 – t2 = 1

2+ t1 = 2 + t2 t1 – t2 = 0

1 + 3. t1 = 4 + t2 3. t1 – t2 = 3

Aplicando el método de Gauss-Jordan se obtiene el siguiente sistema:

t1 – t2 = 1 de donde se obtiene a : t1 = 1 y t2 = 0

t2 = 0

67
 Sustituyendo los valores de: t1 en la recta L1 y t2 en la recta L2, se obtienen los
siguientes puntos de intersección.

L1: L2:

x= 4 x= 4
y= 3 y= 2
z= 4 z= 4
P(4,3,4) P(4,2,4)
Se observa que los puntos son distintos por lo que no tienen punto común o de intersección.

2.1.14 Posición de dos rectas en el Espacio

Considere dos rectas L1 y L2

x = x1 + a1 . t1 x = x2 + a2 . t2
L1: y = y1 + b1 . t1 L2: y = y2 + b2 . t2
z = z1 + c1 . t1 z = z2 + c2 . t 2

de L1 se tiene: de L2 se tiene:

P1(x1 , y1 , z1 ) P2(x2 , y2 , z2 )
 
v 1 = (a1 , b1 , c1 ) v 2 = (a2 , b2 , c2 )
Estas rectas se pueden encontrar en el espacio de tres formas

1. La rectas son paralelas entre si: (v1  v2 )  o

El ángulo entre los vectores es cero, sen 0º = 0

L2
L2 L1 L1

P1 . . P1
  
v1 v2 v2


v1

Las rectas L1 y L2 se solapan.

Existe un punto P1 que pertenece Existe un punto P1 que pertenece a L1
a L1 y L2 y no pertenece a L2

68
2. La rectas se cruzan pero no se cortan: (v1  v2 )  o

L2
 
P2 v1 x v2


v1 φ P1

v2 L1

Las rectas L1 y L2 no son paralelas, no se encuentran en el mismo plano:

 
P1 P2  (v1  v2 )  = / P1 P2 / . / ( v 1 x v2 )/ . Cos φ

Como el ángulo entre los vectores φ ≠ 90º

P1 P2  (v1  v2 )  0

3. Las rectas se cortan en un punto o se interceptan: (v1  v2 )  o

(v1  v2 )

L1

L2
 
v1 v2


P2
P1 P1P2

Las rectas L1 y L2 no son paralelas, se cruzan y se interceptan en un punto ,se encuentran

contenidas en el mismo plano: P1 P2  (v1  v2 )  0

69
Ejemplo: Determinar la posición relativa de las rectas L1 y L2

x = -2 + 3 . t1 x = 5 + 2 . t2

L1: y = -4 + 5 . t1 L2: y= 1

z= 3 - 2. t1 z= 3 + t2

Desarrollo:

de L1 se tiene: de L2 se tiene:

P1 (-2 , -4 , 3 ) P2 ( 5 , 1 , 3 )
 
v 1 = ( 3 , 5 , -2 ) v 2 = (2 , 0 , 1 )

1. Determinemos: (v1  v2 )
i j k 
 3 5  2
 
2 0 1 

(v1  v2 ) = (5– 0) . (–1) ² , (3– (–4)) . (–1) 3 , (0– 10) . (–1) 4

(v1  v2 ) = ( 5, –7, –10 ) ≠ o Las rectas L1 y L2 no son paralelas, se cruzan

2. Determinemos P1 P2  (v1  v2 )  0

P1P2 = (5 – (–2 ) , ( 1 – (–4 ) , (3 – 3) = ( 7,5,0)

P1 P2  (v1  v2 )  ( 7 , 5 , 0 ) . ( 5, –7, –10 ) = ( 35 – 35 + 0 )

P1 P2  (v1  v2 )  0 Esto indica que las rectas L1 y L2 se interceptan en un punto, se

encuentran contenidas en el mismo plano.

Ejemplo: Determinar la posición relativa de las rectas L1 y L2

 x  1 z  1  x  y  1 z  2
L1 :  y L2 :   
 1 2 3 3 6

Desarrollo:
De L1 se tiene: De L2 se tiene:
P1 (-1 , 0 , 1) P2 ( 0 , 1 , 2 )
 
v 1 = ( -1 , 1 , 2 ) v 2 = (3 , 3 , -6 )

70
 1. Determinemos: (v1  v2 )

 i j k 
 1 1 2 

 3 3  6

(v1  v2 ) = (– 6– 6) . (–1) ² , (6– 6) . (–1) 3 , (– 3 – 3) . (–1) 4 = (–12, 0, –6 )

(v1  v2 )  o Las rectas L1 y L2 no son paralelas, se cruzan

2. Determinemos. P1 P2  (v1  v2 )

P1P2 = (0 – (–1 )) , ( 1 – 0 ) , ( 2 – 1 ) = ( 1,1,1)

P1 P2  (v1  v2 )  = ( 1 , 1 , 1 ) . (–12, 0, –6 ) = (–12 + 0 – 6 )

P1 P2  (v1  v2 )  = –18 Las rectas L1 y L2 no se interceptan en un punto

2.1.15 Ecuación canónica de un plano π en el espacio, dado un punto P del plano y un vector
 
n perpendicular al plano. n

n =(a,b,c)

π Q( x , y, z )

P( x1 , y1 , z1 )


 Consideremos el plano π que contiene el punto P ( x1 , y1 , z1 ) un vector n =(a,b,c)

perpendicular al plano π.

 Este plano consta de todos los puntos cualesquiera Q(x,y,z), para los que el vector PQ es

PQ = (x – x1, y – y1, z – z1 )

 Por estar el vector PQ contenido en el plano π , entonces PQ ┴ n, es decir son

perpendiculares entre si .

 Por lo que el producto escalar entre PQ y n es cero (cos 90º = 0)


PQ . n = 0
71
 Sustituyendo sus componentes

(x – x1, y – y1, z – z1 ) . ( a , b , c ) = 0

Resolviendo la multiplicación de vectores, nos queda:

a. (x – x1) + b. ( y – y1) + c. (z – z1 ) = 0 Ecuación canónica o vectorial del plano

Resolviendo, nos queda:

a. x – a. x1 + b. y – b .y1 + c .z – c. z1 = 0

(a. x + b. y + c .z) – (a. x1 + b .y1 + c. z1 ) = 0

la expresión (a. x1 + b .y1 + c. z1 ) la llamaremos d, sustituyendo, nos queda

(a. x + b. y + c .z) – d = 0

(a. x + b. y + c .z) = d Ecuación cartesiana o general del plano

Ejemplo: Hallar la ecuación general del plano π que pasa por el punto P(2,6,1) y es perpendicular al vector

n =(1,4,2)

Desarrollo:

a. (x – x1) + b. ( y – y1) + c. (z – z1 ) = 0

Sustituyendo las componentes del punto P(x1 , y1 , z1) y del vector n =(a ,b ,c )

(x – 2) + 4. ( y – 6) + 2. (z – 1 ) = 0

x – 2 + 4 y – 24 + 2z – 2 = 0

x + 4 y + 2z – 28 = 0 Ecuación cartesiana o general del plano

2.1.16 Distancia entre un punto Q y una recta L.


w1
L

P0 v P

Sea la recta L que pasa por el punto P0 y es paralela al vector v.
La distancia buscada es el vector PQ

PQ : Es la proyección ortogonal de P0 Q sobre el vector v
72
 Aplicando las ecuaciones de proyección se tiene:
   
u  v  P Qv
w1  u   2 
v  PQ  P0Q   0 2   v
 v   v 
   

Luego la distancia del punto Q a la recta L es: d (QL)  PQ

Ejemplo: Encontrar la distancia de un punto Q (3,-1,4 ) a la recta dada por:

L: x = –2 + 3. t , y = –2. t , z = 1 + 4. t

Desarrollo:

De la recta L se obtiene el punto por donde pasa L, P0 ( x1 , y1 , z1 ) además del vector director
 
(paralelo) v
= (a,b,c), es decir : P0 (–2,0,1) v = ( 3, –2, 4 ), con P0 P  v
 
 P0Q  v 
PQ  P0Q   2  v
 v 
 

P0 Q = ( ( 3– (–2)) , (–1–0) , (4–1)) = (5,-1,3)


P0 Q . v = (5,-1,3) . (3, –2, 4) = 15 + 2 + 12 = 29

/ v / ² = ( 3² + (–2²) + 4² ) = 29

PQ = (5,-1,3) – (29/29) . ( 3, –2, 4 ) = ( 2 , 1 , –1 )

d (QL)  PQ  2 2  12  (1) 2  4 11  6

z
L

P
PQ

 P0 (2,0,1)
v

73
Ejercicio: Encontrar la distancia de un punto Q ( 10 , 3 , –2 ) a la recta dada por:

L: x = –2 + 4. t , y=3 , z=1– t

2.1.17 Distancia entre un punto P a un plano π


n
P

w2

π P0 ( x1 , y1 , z1 )

Sea un plano π : a. x + b. y + c. z = d

Sea P0 ( x1 , y1 , z1 ) un punto del plano π y el vector n = ( a, b, c) perpendicular a π

 
La longitud requerida es la longitud del vector w 2, es decir d (πP) = / w 2, /
 
Donde w 2, es el vector que representa la proyección del vector P0 P sobre n .
De la ecuación de proyección se tiene:

   
 (u  v)   ( P0 P  n)  
w2   2 
v  w2   2 
n ; d ( π P) = / w 2, /
 v 
   n 

Ejemplo: Encontrar la distancia de un punto P ( 2 , 1 , –3 ) al plano π : 4x + 6y – 2z + 1 = 0

Desarrollo:

El vector perpendicular al plano es n = (4 , 6 , -2)

Para hallar un punto P0 del plano hacemos x=0 y y=0 en la ecuación del plano π , nos
queda: -2z + 1 = 0

z=½ , por lo que un punto del plano π es: P0 ( 0 , 0 , ½ )

 
 ( P0 P  n) 
w2   2 
n
 n 

74
 Determinemos:

P0 P = ( 2 , 1 , –3 ) – ( 0 , 0 , ½ ) = (2 , 1 , – (7/2) )

P0 P  n = (2 , 1 , – (7/2) ) . (4 , 6 , -2) = ( 8 + 6 + 7) = 21


/ n / ² = ( (4) ² + ( 6) ² + ( -2) ² ) = (16 + 36 + 4 ) = 56

Sustituyendo:

 21 
w2     (4,6,2)  (1.5,2.25,075)  d (P)  2.81 Unidades de longitud
 56 

2.1.18 Distancia entre dos planos.

Ejemplo: Calcular la distancia entre los planos paralelos dados por las ecuaciones cartesianas:

Π1 : 3x – y + 2z – 6 = 0

Π2 : 6x – 2y + 4z + 4 = 0

n2
P1 Π1


w2

Π2 P2

Desarrollo:


Se requiere conocer la longitud del vector w 2 que es la proyección del vector P2 P1 sobre el

vector n2
 
 ( P2 P1  n 2 ) 
w2   2   n2
 n2 
 

Del plano Π1 : 3x – y + 2z – 6 = 0, se obtiene, n 1 = ( 3 , -1 , 2 )

Del plano Π2 : 6x – 2y + 4z + 4 = 0, se obtiene, n 2 = ( 6 , -2 , 4 )
Para hallar P1 del plano Π1 hacemos y = 0 , z = 0 , 3x -6 = 0 luego x = 2
75
 El punto P1( 2 , 0 , 0 )

Para hallar P2 del plano Π2 hacemos y = 0 , z = 0 , 6x +4 = 0 luego x =-2/3

El punto P2(-2/3 , 0 , 0 )

Determinemos:

P2 P1 = ( 2 , 0 , 0 ) - (-2/3 , 0 , 0 ) = ( 8/3 , 0 , 0 )

/ n2 / ² = ( (6)² + (-2)² + (4)² ) = 36 + 4 + 16 = 56


P2 P1 . n 2 = ( 8/3 , 0 , 0 ) . ( 6 , -2 , 4 ) = ( 16 + 0 + 0 ) = 16

w 2 = (16/56) . ( 6 , -2 , 4 ) = ( 1.71 , -0.57 , 1.14 )

d ( π1 π2) = 2.13 unidades de longitud

2.1.19 Distancia entre dos Rectas

2.1.19.1 Entre rectas paralelas.

P2

d=/ w1 /
L2 v2

L1 P1

v1

d: es la norma de w 1 (proyección ortogonal del vector P1 P2 sobre el vector v1
  
 ( P P  v1 )  d (L1 L2) = / w 1, /
w1  P1 P2   1 2 2   v1
 v1 
 
d es la misma distancia de un punto a una recta

2.1.19.2 Entre rectas que se cruzan y no se cortan. P1 P2  (v1  v2 )  0

 
v1x v2 ≠ 0

L2
P2

w2

v1

v2 P1 L1

76
 
La distancia d será la norma del vector w 2 proyección del vector P1 P2 en
 
la dirección del vector v1x v2
  
 ( P1 P2  (v 1  v 2 )  d=/ w 2 / unidades de longitud
d  w2  2 
 (v1  v 2 )
 (v 1  v 2 ) 
 

Entre rectas paralelas y además se solapan: d = 0

Entre rectas que se cruzan y se cortan y están en mismo plano: d = 0

2.1.20 Ángulo entre dos rectas.

  L1
 (v1  v2 ) 
cos 
 v v 

 1 2 

Ө
   
(v 1  v 2 ) 
  arccos
 v v 
v1 v2 L2

 1 2 


2.1.21 Ángulo entre dos planos Π2

  
cos  
( n1  n 2 )  n1
 n n  Ө
 1
 2 

Ө
 

( n1  n 2 )  n2
  arccos
 n n 

 1 2 


2.1.22 Ángulo entre una recta y un plano


 
L v1 L
cos  
(v1  n1 )  
 v n  v1

 1 1 
 φ
φ
 
 (v1  n1 )  
  arccos Ө n1
 v n 

 1 1 


n1
φ = 90º - Ө Π
Π

77
Ejercicios de aplicación de los vectores: rectas y planos

1. Obtener la ecuación de la recta L que es la intersección de los planos:

 1  3x  6 y  8z  24  0 y  2  5x  7 y  2 z  45  0

2. Calcular la ecuación del plano que pasa por los puntos: P1 (2,2,0) , P2 (1,0,2) , P3 (0,4,3)

3. Hallar la distancia del punto P(1,2,3) al plano   2 x  y  z  6 .

4. Encuentre la ecuación paramétrica de una recta contenida en el plano  1  x  4 y  3z  9  0

y 3
5. Determine la distancia del punto P(1,2,3) a la recta: L1 : x 6 7  2  z
3

6. Encontrar la ecuación del plano π que pasa por P(2,1,7) y es perpendicular a la recta:
L1 : x  1
2  2.t ; y 3
4  3.t ; z 1
4  5.t

7. Obtener las ecuaciones de la recta que pasa por el punto P(5,1,9) y es perpendicular a cada una de
las rectas siguientes:
y 3
L1 : x2
4  y 7
2  z 12
5 y L2 : x 1
2  1  z 8
3

8. Determine el ángulo entre la recta L y el plano π que pasa por. Diga si son perpendiculares o no:
L1 : x  2  t ; y  1  t ; z  5  3.t ;   6x  6 y  7  0
9. Hallar la ecuación del plano que pasa por el punto P(2,1,1) y que contiene a la recta formada por la
intersección de los planos:
1  x  y  z  1 y  2  x  2y  z  1

10. Dado los siguientes planos, determine entre ellos si es posible: el ángulo y la distancia.
 1  ( x  5, y  3, z  7)  (1,2,4)  0 y  2  ( x  3, y  5, z  9)  (2,4,8)  0

11. Demostrar que las rectas son paralelas, hallar la ecuación del plano determinado por ellas.
3 2 y
L1 : x 1
2  y
1  z 2
4 y L2 : x 3
2  2  1 z
4

12. Encontrar las ecuaciones paramétricas de la recta L que pasa por P(2,5,0) y es la intersección entre
los planos:  1  2x  y  4z  0 y  2   x  2 y  3z  0
13. Sean las rectas L1 y L 2 , determine si es posible:
a) La posición de las rectas
b) El ángulo entre las rectas
c) La intersección entre las rectas
d) La distancia entre las rectas
e) Ecuación del plano que las contiene

 x  2  3.t1  x  5  5.t2  x  3  4.t1  x  1  12.t2

1)  
L2 :  y  1 2) L :  y  4  t 
L2 :  y  7  6.t2
L1 :  y  4  5.t1 1  1
 z  3  2.t  z  3t  z 1  0  z  5  3.t
 1  2   2

y 3 y 1
3) L1 : x 2
2  2  z 1 L2 : x 1
2  2  z2

78
 Tema 3. Espacios vectoriales
3.1. Operaciones en el espacio R n

El estudiante ha visto que las matrices, así como los vectores en R 2 y R 3 , pueden ser sumados
entre sí, así como también multiplicarse por un escalar. Además cumplen con las propiedades:
conmutativa, asociativa, existencia de elemento neutro, existencia de un inverso aditivo, entre otras.
Existen otros conjuntos, en donde se pueden definir operaciones de suma y producto por un escalar
que cumplan con las propiedades anteriormente mencionadas; estos conjuntos se denominan
espacios vectoriales.
En esta unidad daremos una definición precisa y una ligera presentación de los conceptos básicos
asociados (subespacios, base, dimensión).
Debido a que el estudiante tendrá oportunidad de trabajar con espacios vectoriales en otras materias
de Ingeniería, tales como el espacio euclidiano n-dimensional R n en Cálculo III, el conjunto de las
soluciones de una ecuación diferencial lineal homogéneo en Cálculo IV, entre otros, es importante que
tenga un conocimiento de estos conceptos.
Además para futuros cursos de Post-grado estos tópicos se hacen cada vez más indispensables para
ingenieros.
Definición Si n es un entero positivo, entonces una n-ada es un sucesión de n números reales
 a1 , a2 ,  , an  . Al conjunto de todas las n-adas ordenadas se le denominada espacio cartesiano o

espacio euclidiano de n dimensiones y se le denota mediante R n .

R n   a1 , a 2 ,  , a n  ai  R , i  1 , 2 ,  , n 
Para R 5  5  ada , R 3  3  ada y para R 2  2  ada

Ejemplo 1   2 , 4 , 0,1 , 6  puede describir un punto (coordenadas) o un vector (componentes) en R5 .

Definición
 
1) Dos vectores u   u1 , u 2 ,  , u n  y v   v1 , v 2 ,  , v n  en R n son iguales si:

u1  v1 , u 2  vn ,  , u n  vn
Es decir dos vectores son iguales si tienen el mismo número de componentes y además sus
componentes correspondientes son iguales.
 
2) Sean u   u1 , u 2 ,  , u n y v   v1 , v 2 ,  , v n  en R n se define:
 
a) la suma u  v como
 
u  v =   u1  v1 , u 2  v2 ,  , u n  vn 

b) si k es un escalar, el múltiplo escalar k u se define como:

k u   ku1 , ku2 ,  , kun 
79
 Estas operaciones se llaman operaciones ordinarias en R n .
3) El vector cero en R n se define como el vector:

0   0 , 0 , , 0 
 
4) Si u   u1 , u 2 ,  , u n  es un vector en R n , entonces el negativo (o inverso aditivo) de u se

denota  u y se define como

 u    u1 ,  u 2 ,  ,  u n 
    
5) La sustracción de vectores en R n se define como v  u  v    u  ,
 
    
v  u  v    u   v1  u1 , v 2  u 2 ,  , v n  u n 
 
Teorema 1
  
Sean u , v y w vectores en R n y k y l escalares, entonces
   
1) u  v  v  u (propiedad conmutativa)
       
2) u   v  w    u  v   w (propiedad asociativa)
   
  
3) u  0  0  u  u (propiedad existencia del elemento neutro).
      
4) u    u   0 , es decir u  u  0 (propiedad existencia del elemento simétrico)
 

  
5) k  l u    k l  u (propiedad asociativa de la multiplicación por un escalar)
 

    
6) k  u  v   k u  k v (propiedad distributiva de la multiplicación por un escalar respecto a la suma
 
de vectores)
  
7)  k l  u  k u  l u (propiedad distributiva de la multiplicación por un escalar respecto a la suma
de escalares)
 
8) 1 u  u (multiplicación por el escalar 1).
Ejemplo 2
          
Si u    2 , 0 , 4 , 3  , v    1 , 2 , 5 , 4  y w   0 ,  4 , 3 , 1  . Hallar 3  u  v   2  v  w 
   
Solución: las operaciones correspondientes se describen a continuación
 
u  v    2 , 0 , 4 , 3    1 , 2 , 5 , 4     3 , 2 , 9 , 7 
80
    
3  u  v   3   3 , 2 , 9 , 7     9 , 6 , 27 , 21 
 
 
v  w   1 , 2 , 5 , 4    0 ,  4 , 3 ,1    1 ,  2 , 8 , 5 

   
2 v  w   2  1 ,  2 , 8 , 5     2 ,  4 , 16 , 10 
 

     
3  u  v   2  v  w     9 , 6 , 27 , 21     2 ,  4 , 16 , 10     7 , 10 , 11 , 11 
   

Norma o longitud de un vector u
 
Sea u   u1 , u 2 ,  , u n  un vector en R n se define la norma de u cómo


u  u1 2  u 2 2    u n 2

Propiedades de la norma

1) u  0

 
2) u  0 si y solo si u  0

   
3) u  v  u  v

 
4) k u  k u con k  R

Distancia entre dos puntos

Dados dos puntos P y Q en Rn con coordenadas x1 , x2 ,  , xn  e y1 , y2 , , yn 

respectivamente, se define la distancia como (Figura 1) P  x1 , x2 , , xn 
d  P ,Q   y1  x1  2
  y 2  x2      y n  xn 
2 2

 
  uv
d  P ,Q  u  v 
v Q  y1 , y 2 , , y n 

O u
Figura 1
Propiedades
   
1) d  u , v   0
 

     
2) d  u , v   0 si y solo si u  v
 

81
        
3) d  u , v   d  v , u 
   

           
4) d  u , v   d  u , w   d  w , v  (desigualdad triangular)
     

Producto Escalar o producto interno

 
Sean u   u1 , u 2 ,  , u n y v   v1 , v 2 ,  , v n  , se define el producto escalar como:
 
u  v   u1  v1  u 2  v 2    u n  v n 
Teorema 2
  
Si u , v y w son vectores en R n y k un escalar, entonces
   
1) u  v  v  u
       
2) u   v  w   u  v  u  w
 

      
3) k  u  v    k u   v
   
    
4) u  u  0 y u  u  0 si y solo si u  0
1
   2

5) u   u  u 
 
 
Definición
Se define  como el ángulo entre dos vectores no nulos, cuando éstos están colocados de tal forma
que coincidan sus puntos iniciales
 
El ángulo  entre dos vectores no nulos u y v en R n es el valor 0     , tal que
2
 
uv
  arccos
 
u v

Vectores ortogonales
   
Dos vectores no nulos u y v en R n se dice que son ortogonales si y solo si u  v  0 .
   
Análogamente si u y v son dos vectores en R n , entonces la proyección de u a lo largo de v

viene dada por:

82
  
uv 
w2  v
 2
v

 
    uv 
y la componente de u ortogonal a v es: w1  u  w 2  u   v (Figura 2)
 2
v

w1

u
y
Figura 2


w2 v x
y

3.2. Espacio Vectorial

3.2.1. Definición
Un espacio vectorial V es un conjunto de objetos, llamados vectores, junto con dos
operaciones llamadas suma y multiplicación por un escalar que satisfacen los diez axiomas
enumerados a continuación
1) Si u y v son objetos en V, entonces u  v está en V (cerrado bajo la suma)
2) u  v  v  u (ley conmutativa de la adición)
3) u   v  w    u  v   w (ley asociativa de la adición)

4) Existe un objeto 0 en V tal que 0  u  u  0 para todo u en V.

5) Para cada u en V, existe un un objeto –u en V, conocido como negativo de u, tal que
u    u     u  u  0
6) Si k es cualquier número real y u es cualquier objeto en V, entonces ku está en V.
7) k  u  v   ku  kv

8)  k  l  u  ku  lu
9) k  lu   kl  u
10) 1u  u
El vector 0 del axioma 4 se conoce como vector cero. Los escalares de los axiomas anteriores
son reales por lo tanto se conoce como espacios vectoriales reales; para algunas aplicaciones
es necesario considerar espacios vectoriales en los que los escalares son números complejos

83
 en lugar de números reales. Tales espacios vectoriales se conocen como espacios vectoriales
complejos. Sin embargo, en estas líneas, todos los escalares que se utilicen serán reales.
Ejemplo 1
R 2 es un ejemplo clásico de espacio vectorial en donde la adición y multiplicación por escalares
se definieron en la unidad II.

Ejemplo 2
El conjunto V de todas las matrices de tamaño mxn con elementos reales, junto con las
operaciones de adición matricial y multiplicación escalar, es un espacio vectorial. La matriz cero
mxn es el vector 0, y si u es la matriz A de mxn , entonces la matriz – A es el vector –u del
axioma 5. La mayoría de los axiomas restantes se satisfacen por las propiedades del algebra
matricial. Este espacio vectorial se denota por el símbolo M mn .
Ejemplo 3
El conjunto de los polinomios con coeficientes reales

 P x   c 0  c1 x  c2 x 2    cn x n  , es un espacio vectorial con la suma y multiplicación

por un escalar conocidas por el estudiantes desde educación media.
Ejemplo 4
Sea V   0 . Es decir, V consiste solo en el número 0. Como

0  0  1 0  0   0  0    0  0   0  0 , se ve que V es un espacio vectorial. A este espacio se le

da el nombre de espacio vectorial trivial.
Ejemplo 5
Sea V  1  . Es decir, V consiste sólo en el número 1. Este no es un espacio vectorial ya que

viola el axioma 1 (axioma de cerradura). Se observa que 1  1  2  V . Viola también otros

axiomas, sin embargo, con solo demostrar que viola al menos uno de los diez axiomas queda
probado que V no es un espacio vectorial.
Ejemplo 6
El conjunto de puntos en R 2 que están en una recta que pasa por el origen.
Sea V   x , y  : y  mx , donde m es un número real fijo y x es un número real arbitrario 
Es decir, V consiste en todos los puntos que están sobre la recta y  mx que pasa por el origen y
tiene pendiente m. Para demostrar que V es un espacio vectorial, se puede verificar que se cumple
cada uno de los axiomas

i. Suponga que x= x1 , y1  y y=  x2 , y2  están en V. Entonces y1  mx1 , y 2  mx2 , y

x+y=  x1 , y1  +  x 2 , y 2  =  x1 , mx1  +  x 2 , mx2  =  x1  x 2 , mx1  mx2 

=  x1  x 2 , m x1  x 2  V

Por lo tanto se cumple el axioma 1.

84
 ii. Suponga que  x , yV . Entonces y  mx y   x , y    x , mx     x, m x  , de manera

que  x , y  también pertenece a V y  x , mx    x, m  x   x  x , m  x  x    0 , 0 

Todo vector en V es un vector en R 2 y R 2 es un espacio vectorial, como se mostró en el
ejemplo 1. Como  0 , 0   0 está en V todas las demás propiedades se deducen del ejemplo 1.
Entonces V es un espacio vectorial.

Teorema 1
Sea V un espacio vectorial, u un vector en V y k un escalar; entonces:
i. 0 u  0
ii . k 0  0
iii .   1  u   u

iv . Si ku  0 , entonces k  0 o bien, u  0

3.2.2. Sub -espacio Vectorial. Definición

Un subconjunto W de un espacio vectorial V es un subespacio de V, si W es a sí mismo
un espacio vectorial bajo la adición y multiplicación escalar definidas sobre V.
En general, se deben verificar los diez axiomas de los espacios vectoriales para demostrar que
un conjunto W, con la adición y la multiplicación escalar, forma un espacio vectorial. Sin
embargo, si W es parte de un conjunto mayor V del que ya se sabe que es un espacio vectorial,
entonces no es necesario verificar ciertos axiomas para W porque se “heredan” de V. Por
ejemplo, no se necesita verificar que u  v  v  u (axioma 2) para W, porque esto se cumple
para todos los vectores en V y, como consecuencia, para todos los vectores en W. Otros
axiomas heredados de V son: 3, 7, 8,9 y 10. Por tanto, para demostrar que un conjunto W es un
subespacio de un espacio vectorial V, solo es necesario verificar los axiomas 1, 4, 5 y 6. El
siguiente teorema hace ver que incluso se puede hacer caso omiso de los axiomas 4 y 5.
3.2.2.1. Teoremas
Teorema 2
Si W es un conjunto de uno o mas vectores de un espacio vectorial V, entonces W es
un subespacio de V si y sólo si se cumplen las siguientes condiciones:
a) Si u y v son vectores en V, entonces u  v está en W.
b) si k es un escalar cualquiera y u es cualquier vector en W, entonces ku está en W.
(Estas condiciones a menudo se describen diciendo que W es cerrado bajo la suma y es
cerrado bajo la multiplicación escalar)
Todo espacio vectorial V, tiene al menos dos subespacios. El propio V es un
subespacio y el conjunto que solo consta del vector cero en V es otro subespacio
denominado subespacio cero. Un subespacio de V distinto de  0 y V se llama
subespacio propio.

85
Ejemplo 7
Aplique el teorema 2 para determinar cuales de los siguientes son subespacios de R 3 .
a) el conjunto W de todos los vectores de la forma  a, 0 , 0  .
b) el conjunto W de todos los vectores de la forma  a,1 ,1  .
Solución
a) sean los vectores  a, 0 , 0  y  b, 0 , 0  en W y k un escalar cualquiera. Entonces:
k  a , 0 , 0    ka , 0 , 0 y  a, 0 , 0  +  b, 0 , 0    a  b, 0 , 0 

Debido a que  ka , 0 , 0 y  a  b, 0 , 0  tienen su segunda y tercera componente igual

a cero, están en W. Por lo tanto W es un subespacio de R 3 .

b) sean los vectores  a,1 ,1  y  b,1 ,1  en W y k un escalar cualquiera. Entonces:
k  a ,1 ,1    ka , k , k  y  a , 1 , 1  +  b, 1 , 1    a  b, 2 , 2  . Se ve que u  v y ku no

están en W por lo tanto W no es un subespacio vectorial de R3 .

Ejercicios propuestos
Determine si el conjunto dado es un espacio vectorial. Si no lo es, dé una lista de los
axiomas que no cumplen.
1. El conjunto de matrices diagonales de n x n bajo la suma de matrices y
multiplicación por un escalar usuales.
0 a
2. El conjunto de matrices de 2 x 2 que tienen la forma   bajo la suma y
b 0
multiplicación por un escalar usuales.
3. El conjunto de todas las parejas de números reales  x , y  con las operaciones

 x , y    x'   
, y '  x  x' , y  y ' y k  x , y    2kx , 2ky

Determine cuales de los siguientes son subespacios de R 3

a) todos los vectores de la forma  a , b , c  , en donde b  a  c
b) todos los vectores de la forma  a , b , c  , en donde b  a  c  1

a b
c) todas las matrices de la forma en donde a, b, c y d son enteros.
c d

3.2.3. Definición de Combinación Lineal

Sea V un espacio vectorial. Se dice que w  V es una combinación lineal de los vectores
 v1 , v2 ,  , vn   V , si existen escalares k1 , k 2 ,  , k n  R tales

86
 n
w   k i vi
i 1

Ejemplo 8
Considere los vectores u=  1,  1 , 3  y v=  2, 4 , 0  en R 3 . Demuestre que w=  3, 3 , 3  es una

combinación lineal de u y v y w’=  1, 5 , 6  no es una combinación lineal de u y v.

Solución: Para que w sea una combinación lineal de u y v, deben existir escalares k1 y k 2
tales que w = k1 u+ k 2 v , es decir

 3, 3 , 3   k1  1 ,1 ,3   k 2  2 , 4 , 0 
o bien,
 3, 3 , 3    k1  2k 2 ,k1  4k 2 ,3k1 
Al igualar las componentes correspondientes se obtiene
k1  2 k 2  3
 k 1  4k 2  3
3k1  3

Al resolver este sistema se llega a k1  1 y k 2  1 , de modo que

wuv
Igualmente para que w’ sea una combinación lineal de de u y v, deben existir los escalares k1 y
’
k 2 tales que w = k1 u+ k 2 v, es decir

 1, 5 , 6   k1  1 ,1 ,3   k 2  2 , 4 , 0 
o bien
 1, 5 , 6    k1  2k 2 ,  k1  4k 2 , 3k1 
Al igualar las componentes correspondientes se obtiene
k 1  2k 2  1
 k1  4 k 2  5
3k1  6
Este sistema de ecuaciones es inconsistente, de modo que no existen tales escalares. Por lo
tanto, w’ no es una combinación lineal de de de u y v.

3.2.4. Subespacio generado

Si v1 , v2 ,  , vr son vectores en un espacio vectorial V y si todo vector en V es expresable

como una combinación lineal de v1 , v2 ,  , vr , entonces se dice que estos vectores generan a
V.
Ejemplo 9

87
 Los vectores i   1 , 0 , 0  , j   0 , 1 , 0  y k   0 , 0 , 1  generan a R 3 porque todo vector

 a , b , c  se puede escribir como

 a , b , c   ai  bj  ck
Lo cual es una combinación lineal de i, j y k.
Ejemplo 10
Determine si los siguientes vectores generan a R 3
a) v1   1 , 1 , 1  , v2   2, 2 , 0  , v3   3, 0 , 0 
b) v1   3, 1 , 4  , v2   2,  3 , 5  , v3   5,  2 , 9  , v4   1, 4 ,  1 
Solución

a) se debe determinar si un vector arbitrario b   b1 , b2 , b3  en R 3 se puede expresar como

una combinación lineal de los vectores v1 , v2 y v 3

 b1 , b2 , b3   k1v1  k 2 v2  k3v3
Si se expresa esta ecuación en términos de componentes se tiene
 b1 , b2 , b3   k1  1 ,1 ,1   k 2  2 , 2 , 0   k3  3 , 0 , 0 
o bien,
 b1 , b2 , b3    k1  2k 2  3k3 , k1  2k 2 , k1 
o bien,
k1  2k 2  3k 3  b1
k 1  2k 2  b2
k1  b3
Darle respuesta a este problema consiste en determinar si este sistema es consistente o no
para todos los valores de b1 ,b2 y b3 . Este sistema es consistente para todos los valores

b1 ,b2 y b3 si y solo si la matriz de los coeficientes

1 2 3
A 1 2 0
1 0 0

es inversible. Como det  A    6  0 , la matriz A es inversible, y por lo tanto v1 , v2 y v 3 ,

generan a R 3 .
b) se debe determinar si un vector arbitrario b   b1 , b2 , b3  en R 3 se puede expresar como

una combinación lineal de los vectores v1 , v2 , v3 y v 4 ,

 b1 , b2 , b3   k1v1  k 2 v2  k3v3  k 4 v4
Si se expresa esta ecuación en términos de componentes se tiene
 b1 , b2 , b3   k1  3 ,1 , 4   k 2  2 ,  3 , 5   k3  5 ,  2 , 9   k 4  1 , 4 , 1 
88
 entonces
 b1 , b2 , b3    3k1  2k 2  5k3  k 4 , k1  3k 2  2k3  4k 4 , 4k1  5k 2  9k3  k 4 
Igualando componentes obtenemos el siguiente sistema de ecuaciones
3k1  2k 2  5k 3  k 4  b1
k1  3k 2  2k 3  4k 4  b 2
4k1  5k 2  9k 3  k 4  b3

el cual es inconsistente (verificar), por lo tanto los vectores v1 , v2 , v3 y v 4 no generan a R 3 .

En general, un conjunto dado de vectores  v1 , v2 , , vr  en un espacio vectorial V puede o

no generar a V. Si lo genera, entonces todo vector en V se puede expresar como una
combinación lineal de v1 , v2 ,  , vr , y si no lo genera, entonces algunos vectores se pueden
expresar mediante tal combinación, mientras que otros no. El siguiente teorema indica que si se
agrupan todos los vectores en V que son expresables como combinaciones lineales de
v1 , v2 ,  , vr , entonces se obtiene un subespacio de V . Este subespacio se denomina espacio
lineal generado por  v1 , v2 , , vr  o simplemente, espacio generado por  v1 , v2 , , vr .

Teorema 3
Si v1, v2 , …, vr son vectores en un espacio vectorial, entonces:
a) El conjunto W de todas las combinaciones lineales de v1 , v2 ,  , vr es un subespacio
de V.
b) W es el subespacio más pequeño de V que contiene a v1 , v2 ,  , vr , en el sentido de

que cualquier otro subespacio de V que contenga a v1 , v2 ,  , vr debe contener a W .

El espacio lineal W generado por el conjunto de vectores S   v1 , v2 , , vr  se denota por

lin (S) o bien, lin  v1 , v2 , , vr 
Ejemplo 11
Determinar si las matrices
1 0 0 3 1 1  0 2
A  , B  , C  , D 
0 0 0 1 1 1  1 0 
generan al espacio vectorial M 22 de las matrices de tamaño 2  2 .
Solución
a b 
Sea la matriz arbitraria   , se debe demostrar que existen escalares x1 , x2 , x3 y x 4
c d 
tales que
1 0 0 3 1 1  0 2
x1   + x2   + x3   + x4  
0 0 0 1 1 1  1 0 
89
 En forma equivalente

 x1  x3 3x 2  x 3  2 x 4   a b 
 3x  x  x x 2  x3   c d 
 1 3 4   

Obteniéndose el siguiente sistema de ecuaciones

x1  x3 a
3x 2  x 3  2 x 4  b
3x1  x3  x 4  c
x 2  x3 d
La matriz de coeficientes asociada a este sistema de ecuaciones es la siguiente
 1 0 1 0 
 0 3 1 2 

 3 0 1 1 
 
 0 1 1 0 
El determinante de la misma es diferente de cero, por lo tanto el sistema de ecuaciones tiene
solución para todo conjunto de escalares a , b , c , d . Por lo tanto las matrices dadas generan el

espacio M 22 .
3.2.5. Dependencia e independencia lineal

Sea V un espacio vectorial. Se dice que el conjunto de vectores v 1 , v 2 ,  , v r  V es

linealmente dependiente si y solo si existen escalares k1 , k 2 ,  , k r  R , con algún k i  0 ,

v , v 2 ,  , v r  es
r
tales que  k i vi  0 . En caso contrario, se dice que el conjunto 1
i 1

linealmente independiente.

Para estudiar si un conjunto de vectores v 1 , v 2 ,  , v r  es linealmente dependiente o

independiente, se plantea la ecuación
r
 k i vi  0
i 1

y se estudian sus soluciones. Si admite alguna solución no nula el conjunto de vectores es

linealmente dependiente, y si sólo admite la solución trivial es linealmente independiente.
3.2.5.1. Propiedades
1) Todo conjunto que contiene un conjunto linealmente dependiente es linealmente
dependiente.
2) Todo subconjunto de un conjunto linealmente independiente es linealmente independiente.

3) Todo conjunto que contiene al vector 0 es linealmente dependiente.
90
Ejemplo 12
Determínese si los siguientes vectores
 2, 1 , 4  ,  3, 6 , 2  ,  2,10 ,  4 
forman un conjunto linealmente dependiente o linealmente independiente.
Solución
En términos de componentes, la ecuación vectorial
k1v1  k 2 v2  k3v3  0
Queda
k1  2 , 1 , 4   k 2  3 , 6 , 2   k3  2 ,10 ,  4    0 , 0 , 0 
o, lo que es equivalente
 2k1  3k 2  2k3 ,  k1  6k 2 10k3 , 4k1  2k 2  4k3    0 , 0 , 0 
Igualando componentes correspondientes queda
2k1  3k 2  2k 3  0
 k1  6k 2  10k 3  0
4k1  2k 2  4k 3  0

Por tanto v1 , v2 y v 3 , forman un conjunto linealmente dependiente si este sistema tiene una

solución no trivial, o bien, un conjunto linealmente independiente si tienen solo la solución trivial.
Sea la matriz A de coeficientes
2 3 2
A   1 6 10
4 2 4

como det  A   0 la matriz es inversible y por lo tanto el sistema tiene únicamente la solución
trivial; entonces los vectores son linealmente independientes.
Ejemplo 13
Determínese si los siguientes vectores
 1 , 3 , 3  ,  0 ,1 , 4  ,  5 , 6 , 3 ,  7 , 2 , 1 
forman un conjunto linealmente dependiente o linealmente independiente.
Solución
En términos de componentes, la ecuación vectorial
k1v1  k 2 v2  k3v3  k 4 v4  0
Queda
k1  1 , 3 , 3  k 2  0 ,1 , 4   k3  5 , 6 , 3   k 4  7 , 2 , 1    0 , 0 , 0 
o, lo que es equivalente
 k1  5k3  7k 4 , 3k1  k 2  6k3  2k 4 , 3k1  4k 2  3k3  k 4    0 , 0 , 0 
Igualando componentes
91
 k1  5k 3  7k 4  0
3k1  k 2  6k 3  2k 4  0
3k1  4k 2  3k 3  k 4  0
Sea A la matriz de coeficientes del sistema
1 0 5 7 
A   3 1 6 2 
 3 4 3  1 

la cual al ser reducida a su forma escalonada reducida por filas se obtiene

 1 0 0  17 
 4
A 0 1 0 5 
 4 
 0 0 1 9
4 
la misma al aplicarle el método de Rouche Frobenuis se obtiene que
r A  3 , número de ecuaciones =3, número de incógnitas= 4, como

r A  Número de incógnitas el sistema es compatible determinado y

número de incógnitas > número de ecuaciones, el sistema tiene infinitas soluciones. Por lo
tanto los vectores son linealmente dependientes.

Teorema 4

Sea S   v1 , v 2 ,  , v n un conjunto de por lo menos dos vectores  n  2  en un espacio

vectorial V. Entonces S es linealmente dependiente si y solo si uno de los vectores de S se

puede expresar como una combinación lineal de los demás vectores.

Es decir geométricamente dos vectores v1 y v2 vectores forman un conjunto linealmente

dependiente si y sólo si uno de los vectores es múltiplo escalar del otro. De la misma forma dos
vectores en R 2 o en R 3 son linealmente dependientes si y sólo si están sobre la misma recta
que pasa por el origen (ver Figura 3.1).
Además si v1 , v2 y v3 son tres vectores en R 3 , entonces el conjunto S   v1 , v2 , v3  es
linealmente dependiente si y solo si los tres vectores están el mismo plano que pasa por el
origen, cuando los vectores se colocan con los puntos iniciales en el origen (Figura 3.2).

z z z
v1

v1
v2
v2 y y y
v1
v2
92
x x
x
(a) (b) (c)
 Figura 3.1. (a) Linealmente dependientes. (b) Linealmente dependientes. (c) linealmente
independientes

z
z z

v2
v1
v3
v3
v2
v2
y v2
y
v1
v3

x
(a) (b)
x (c)

Figura 3.2. (a) Linealmente dependientes. (b) Linealmente dependientes. (c) linealmente
independientes.

Teorema 5

Sea S   v1 , v2 ,  , vr  un conjunto de vectores en R n . Si r  n , entonces S es linealmente

dependiente.
En particular, este teorema afirma que un conjunto con más de dos vectores en R 2 es
linealmente dependiente, y que en R 3 , un conjunto con más de tres vectores es linealmente
dependiente.
Observación:
 Dos vectores no nulos son linealmente dependientes si y solo si son paralelos.
 Si los coeficientes de una combinación lineal son todos ceros, la combinación lineal se
llama trivial.
 Toda combinación lineal de vectores no nulos que dé el vector cero, se llama combinación
lineal nula. La combinación lineal
0  1 , 2 , 3  0  2 ,1 , 2   0  3 , 1 , 3    0 , 0 , 0 
es una combinación nula trivial .
 La combinación
2 2 , 0 ,  3  3  2 ,  4 , 2   2  1 , 6 , 0    0 , 0 , 0 

93
 es una combinación nula no trivial.

Ejercicios propuestos
1. Exprese los siguientes vectores como una combinación lineal de los vectores u   2,1, 4  ,

v   1,  1 , 3  y w   3, 2 , 5 
(a)  5, 9, 5  , (b)  2, 0, 6  , (c)  0, 1, 0  , (d)  2, 2, 3 
2. Exprese el polinomio 5  9 x  5 x 2 como una combinación lineal de los polinomios

p1  2  x  4 x 2 , p 2  1  x  3x 2 y p3  3  2 x  5 x 2 .

1 5 0 1
3. Cuales de las siguientes son combinaciones lineales de A ,B y
1 3 2 4

4 2
C ?
0 2

6 3 1 7
(a) , (b)
0 8 5 1

4. Para que valores de “k” el vector  1,  2 , k  en R 3 es una combinación lineal de los vectores

u   3, 0 ,  2  y v   2,  1 ,  5  .

5. En cada inciso determine si los vectores dados generan a R 3 .

a) v1   2 ,  1 , 3  , v2   4, 1 , 2 , v3   8,  1 , 8 
b) v1   1, 3 , 3  , v2   1, 3 , 4  , v3   1, 4 , 3  , v4   6, 2 ,1 

c) v1   1, 1 ,1  , v2   0,1 ,1  , v3   0, 1 ,1 

6. Sean v1   2 , 1 , 0 , 3  , v2   3 ,  1 , 5 , 2 y v3    1 , 0 , 2 ,1  . ¿Cuáles de los siguientes

vectores están en lin  v1 , v2 , v3  ?

a) v1   2 , 3 ,  7 , 3  b) v2   1 ,1 ,1 ,1  c) v3    4 , 6 ,  13 , 4 

7. Halle una ecuación del plano generado por los vectores u   1 , 1 ,  1  y v  2 , 3 , 5  .

8. Determine si los siguientes vectores en R 3 son linealmente dependientes.
a)  3 ,1 , 1  ,  2 ,  1 , 5   4 , 0 , 3 
b) b)  1 ,  3 , 7  ,  2 , 0 ,  6  ,  3 ,  1 ,  1  ,  2 , 4 ,  5  .

9. Cuales de los siguientes vectores en R 4 son linealmente dependientes

a)  1 , 2 ,1 ,  2  ,  0 ,  2 ,  2 , 0  ,  0 , 2 , 3 , 1  ,  3 , 0 ,  3 , 6  .
b)  4 ,  4 , 8 , 0  ,  2 , 2 , 4 , 0  ,  6 , 0 , 0 , 2  ,  6 , 3 ,  3 , 0 .
c)  4 , 4 , 0 , 0  ,  0 , 0 , 6 , 6  ,  5 , 0 , 5 , 5 .

94
 10. Determinar si los siguientes vectores en M 22 son linealmente dependientes

1 1 1 0 1 1
A1  A2  A3 
1 1 0 1 0 0

11. Suponga que v1 , v2 y v3 son vectores en R 3 que tienen sus puntos iniciales en el origen,
determine si los tres vectores están en un plano
v1   1 , 0 ,  2  , v2   3 ,1 , 2  v3   1 ,  1 , 0 

3.2.6. Base de un espacio vectorial

Si V es un espacio vectorial y S   v1 , v2 ,  , vn  es un conjunto finito de vectores en V,
entonces se dice que S es una base de V si:
 Si S es linealmente independiente.
 S genera a V.
Ejemplo 14: Determine si los vectores e1   1 , 0 , 0  , e2   0 , 1 , 0  y e3   0 , 0 , 1  son bases de R 3 .
Solución

Se desea saber si S   e1 , e2 , e3  forman una base de R 3 , para lo cual debemos probar que

i) S es linealmente independiente
k1e1  k 2e2  k3e3  0

k1  1 , 0 , 0  k 2  0 , 1 , 0   k3  0 , 0 , 1    0 , 0 , 0 
de donde se obtiene que
k 1 0 , k 2  0 y k 3  0
por lo tanto S es linealmente independiente.
ii) S genera a R 3
para probar que S genera a R3 se debe demostrar que cualquier vector arbitrario

v   b1 , b2 , b3  en R 3 se puede expresar como una combinación lineal de e1 , e 2 y e3 , es

decir

v  k1e1  k 2 e2  k 3 e3

 b1 , b2 , b3   k1  1 , 0 , 0   k 2  0 ,1 , 0  k3  0 , 0 ,1 

de donde
k 1 b1 , k 2  b2 y k 3 b3

por lo tanto los vectores e1 , e2 y e3 forman una base de R 3 , la cual se conoce como base

canónica de R 3 . También se denota como  i , j , k 

95
 Nota: el conjunto de vectores e1   1 , 0 , 0 ,  ,1 , e2   0 ,1 , 0 ,  , 0  ,…, en   0 , 0 , 0 ,  ,1  se

le conoce como la base canónica de R n .

Ejemplo 15: Determine si los vectores  3 ,1 ,  4  ,  2 , 5 , 6  ,  1 , 4 , 8  son bases de R3 .

Solución
Para determinar si los vectores generan a R 3 , se debe demostrar que un vector arbitrario

v   b1 , b2 , b3  se puede expresar como una combinación lineal de estos vectores es decir
   
v  k1 v1  k 2 v 2  k 3 v3

 b1 , b2 , b3   k1  3 ,1 , 4   k 2  2 , 5 , 6   k3  1 , 4 , 8 
Igualando componentes
3k1  2k 2  k 3  b1
k1  5 k 2  4k 3  b 2
 4k1  6k 2  8k 3  b3
Para que los vectores sean linealmente independientes se debe demostrar que la única solución
  
del sistema k1 v1  k 2 v 2  k 3 v3  0 es la trivial

3k1  2k 2  k 3  0
k1  5 k 2  4k 3  0
 4k1  6k 2  8k 3  0
Sea la matriz A de coeficientes
3 2 1
A 1 5 4
4 6 8

Como det  A   0 la matriz es inversible. Por lo tanto el sistema AK  0 únicamente tiene la

solución trivial y el sistema AK  B es consistente para toda matriz B de tamaño n  1 . Luego

los vectores son una base de R 3 .

Ejemplo 16
Demuestre que el conjunto siguiente de vectores es una base para M 22 .

 3 6   0 1   0  8  1 0
M1    , M 2    1 0  , M 3    12  , M4  
 3 6     4  1 2 

Solución
Para demostrar que el conjunto S   M1 , M 2 , M 3 , M 4  forma una base para el espacio

vectorial M 22 de matrices de tamaño 2  2 se debe probar que S genera dicho espacio

96
 vectorial y que S es linealmente independiente. Para ver si S genera a M 22 , se puede observar
que una matriz típica
a b 
c d 

Se puede escribir como
a b 3 6   0 1   0 8   1 0
 c d   x1  3  6   x 2   1   x3    x4  1 2 
     0    12 4  
En forma equivalente

a b  3x1  x 4 6 x1  x 2  8 x3 
 c d    3x  x  12 x  x  6 x1  4 x3  2 x 4 
   1 2 3 4

Igualando elementos correspondientes se obtiene el siguiente sistema

3x1   x4  a
6 x1  x 2  8 x 3 b
3x1  x 2  12 x 3  x 4  c
 6 x1  4 x3  2 x 4  d
Para comprobar si los vectores son linealmente independientes se debe examinar que la única
solución para la ecuación
aM1  bM 2cM 3  dM 4  0
es la trivial, entonces se tiene el siguiente sistema
3x1   x4  0
6 x1  x 2  8 x 3 0
3x1  x 2  12 x3  x 4  0
 6 x1  4 x3  2 x 4  0
Sea A la matriz de coeficientes de este sistema
 3 0 0 1 
 6  1  8 0 
A
 3  1  12  1 
 
 6 0 4 2 

Como det  A   0 la matriz es inversible y por lo tanto el sistema AK  B es consistente para

toda matriz B de tamaño n  1 , es decir el sistema de ecuaciones tiene solución para todo

conjunto de escalares x1 , x2 , x3 , x4 , además el sistema AK  0 únicamente tiene la solución

trivial, por lo tanto las matrices dadas generan el espacio M 22 .

Ejemplo17

97
 Si S   v1 , v2 ,  , vr  es un conjunto linealmente independiente en un espacio vectorial V,

entonces S es una base para el subespacio lin  S  , ya que S es independiente y, por definición

de lin  S  , S genera a lin  S  .

3.2.7. Dimensión de un espacio vectorial

Se dice que un espacio vectorial V, diferente de cero, es de dimensión finita si contiene un
número finito de vectores S   v1 , v2 ,  , vn  que formen una base. Si no existe un conjunto de
este tipo, se dice que V es de dimensión infinita. Además, se considera al espacio vectorial cero
como de dimensión finita, aún cuando no tiene conjuntos linealmente independientes y, como
consecuencia, no tiene base.

Ejemplo 18 De acuerdo a los ejemplos anteriores R n tiene dimensión finita

Teorema 6
Si V es una base de un espacio vectorial de dimensión finita, entonces cualquier subconjunto
de V con más de n vectores es linealmente dependiente.

Teorema 7
Cualesquiera dos bases de un espacio vectorial de dimensión finita tienen el mismo número de
vectores.
Ejemplo 19

La base canónica de R n tiene n vectores. Por consiguiente cualquier base de R n tiene n

vectores.

Definición
La dimensión de un espacio vectorial de dimensión finita se define como el número de vectores
de cualquier base de V (por conveniencia la dimensión del espacio trivial se define como cero).
Se acostumbra denotar como dimV.
Por ejemplo R n es un espacio vectorial de n dimensiones. Por lo que en R n , n vector
linealmente independientes forman una base, n-1 vectores no pueden formar una base.

Teorema 8
i) Si S   v1 , v2 ,  , vn es un conjunto de n vectores linealmente independientes en un
espacio V de n dimensiones, entonces S es una base de V.
ii) Si S   v1 , v2 ,  , vn  es un conjunto de n vectores que generan un espacio V de n
dimensiones, entonces S es una base de V.

98
 iii) Si S   v1 , v2 ,  , vr  es un conjunto linealmente independiente en un espacio V de n
dimensiones y r  n , entonces a S se le pueden agregar vectores hasta formar una base de V,

es decir, existen vectores vr 1 ,  , vn tales que  v1 , v2 , , vr , vr 1 , , vn  formen una base

de V.

3.2.8. Espacio nulo de una matriz

El espacio nulo de una matriz A es el conjunto de soluciones de la ecuación.
SI A es una matriz m n el conjunto de las soluciones de la ecuación AX  0 es un subconjunto

de R n . Sabemos que este conjunto es no vacio. Además si x1 y x2 son dos soluciones

entonces ax1  x2 a también lo es para todo a  R ya que

A  ax1  x2   a A x1  A x2  0

Luego el espacio nulo de A, denotado por E.N.A es un subespacio de R n . En muchos casos

estamos interesados en conocer una base de este espacio, así como su dimensión.

Ejemplo 20 Determine la dimensión y una base del espacio solución del sistema

x1  2 x 2  x3  x 4  x5  0
2 x1  4 x 2  x3  x5  0

Solución
la matriz de coeficientes del sistema sería
1 2 1 1 1
A
2 4 1 0 1

la llevamos a su forma escalonada

1 2 1 1 1 1 1 2 1 1 1
F2   2 F1  F2 F2
0 0  3  2 1 3 0 0 1 2
3
1
3

1 2 0 1
3
2
3
F1  F1  F2
0 0 1 2
3
1
3

Esto nos da como solución

x1  2 x 2  13 x 4  23 x 5  0
x 3  23 x 4  13 x 5  0

De donde

x1  2s 1 t  2 r
3 3
x2  s
x3   2 t  1 r
3 3
x4  t 99

x5  r
 Por lo que x2 , x4 y x5 pueden tomar cualquier valor digamos s , t y r respectivamente por lo
que cualquier solución del sistema puede ser expresada como:

x1  2 x 2  13 x 4  23 x5
x3   23 x 4  13 x5

Por lo que los vectores solución se pueden expresar como:

 x1 , x 2 , x3 , x 4 , x5     2s  13 t  23 r , s ,  23 t  13 r , t , r 
   2 s , s , 0 , 0 , 0     13 t , 0 ,  23 t , t , 0     23 r , 0 ,  13 r , 0 , r 

 s   2 , 1 , 0 , 0 , 0   t   13 , 0 ,  23 , 1 , 0   r   23 , 0 ,  13 , 0 , 1 

Por lo que cualquier vector solución del sistema puede ser expresado como una combinación
lineal de los vectores   2 , 1 , 0 , 0, 0  
,  13 , 0 ,  23 , 1 , 0  y   23 , 0 ,  13 , 0 ,1  , es decir los
vectores generan al espacio solución del sistema AX  0 .
Luego falta probar si estos vectores son linealmente independientes, es decir
   
k1   2 , 1 , 0 , 0, 0   k 2  13 , 0 ,  23 , 1 , 0  k 3  23 , 0 ,  13 , 0 , 1   0 , 0 , 0 , 0, 0 
 2  1 3 2 3
1 0 0
0  3  13
2

0 1 0
0 0 1

De donde k1  0 , k 2  0 y k 3  0 , por lo tanto los vectores son linealmente independientes.

Entonces los vectores   2 , 1 , 0 , 0, 0  

,  13 , 0 ,  23 , 1 , 0  y   23 , 0 ,  13 , 0 ,1  forman una

base del E.N.A dim E.N.A =3, es decir el número de variables no iniciales del sistema.

3.2.9. Vector coordenado respecto de una base

Teorema 9
    
si S   v1 , v 2 ,  , v n  es una base de un espacio vectorial V, entonces todo vector v en V se
 
puede expresar en la forma:
 
v  c1 v1  c 2 v 2    c n v n de una sola manera

Definición
   
Si S   v1 , v 2 ,  , v n  es una base de una espacio vectorial V de dimensión finita y
 
 
v  c1 v1  c 2 v 2    c n v n

100
 
es la expresión de v en términos de la base S, entonces los escalares c1 , c 2 , , c n se

 
denominan las coordenadas de v relativo a la base S. El vector de coordenadas de v relativo a

 
S se denota mediante  v  y es un definido como:
 S


 v    c1 , c 2 ,  , c n 
 S
 
La matriz de coordenadas de v relativas a la base S se denota mediante v y es la matriz
S

c1
c2
n  1 , definida como

cn

 
Sean u y v vectores de un espacio vectorial V de dimensión finita, y sea k un escalar. Si
      
S   w1 , w 2 ,  , w n  es una base de V, entonces, u y v se pueden expresar de una sola
 
manera como:
       
u  c1 w1  c 2 w2    c n wn y v  d1 w1  d 2 w2    d n wn
Por lo tanto
       
1 u  v  c1 w1  c 2 w2    c n wn  d 1 w1  d 2 w2    d n wn
  
  c1  d 1  w1   c 2  d 2  w2     c n  dn  wn
   
2 k u   kc1  w1   kc2  w2     kcn  wn
   
 k u    kc1 , kc2 ,  , kcn   k  u 
 S  S

Ejemplo 21
Dados los vectores
   
u   2 ,  1 , 3  , v1   1 , 0 , 0  , v 2   2 , 2 , 0  , v3   3 , 3 , 3  Encuentre el vector de

     
coordenadas y la matriz de coordenadas de u relativos a S   v1 , v 2 , v3 
 

Solución
101
 a  2 , 1 , 3   c1  1 , 0 , 0   c2  2 , 2 , 0   c3  3 , 3 , 3 
Se obtiene el siguiente sistema de ecuaciones
1  c1  2 c 2  3 c3  2
2 2 c 2  3 c3  1
3 3 c3  3  c3  1

Sustituyo c3  1 en la ecuación 2 
2 c2  3  1  1  c2  2

sustituyo el valor de c2  2 en la ecuación  1 

c1  2    2   3  1  2  c1  3

Entonces el vector de coordenadas y la matriz de coordenadas de u son respectivamente

3
 
 u    3 ,  2 , 1  y u  2
 S S 1 3 1

3.2.10. Espacio columna de una matriz

Definición

El espacio columna de una matriz A mn es el conjunto de todos los vectores v de R m tal


que AX  B tenga solución, donde B es la matriz columna de v .

b1
b2
Si B  tenemos que

bn

a11 x1  a12 x 2    a1n x n  b1

a 21 x1  a 22 x 2    a 2n x n  b2

a m1 x1  a m 2 x 2    a mn x n  bm
De donde
a11 a12 a1n b1
a 21 a 22 a 2n b2
x1  x2    xn 
   
a m1 a m2 a mn bm

Luego cada vector del espacio columna de A es una combinación lineal de los vectores
columnas de A.
El siguiente ejemplo mostrara un método para hallar una base para el espacio columna de A,
denotada E.C.A.

102
Ejemplo 22
Hallar una base del E.C.A. si:
4 8 1 1 1
2 4 1 1 0
A
1  2 1 4 1
3 6 1 0 1
Solución
Hallamos la matriz escalonada reducida por filas de A, es decir

1 2 1  4 1 1 2 1  4 1
F2  F2  2 F1
F1  F3 2 4 1 1 0 0 0 3 9 2
F3  F3  4 F1
 F1 4 8 1 1 1 0 0 5 15 5
F4  F4  3F1
3 6 1 0 1 0 0 4 12 4

1 2 1  4 1 1 2 1  4 1
1 0 0 1 3 23 F3  F3  5F2 0 0 1 3 23
F2
3 0 0 5 15 5 F4  F4  4F2 0 0 0 0 53
0 0 4 12 4 0 0 0 0 43

1 2 1  4 1 1 2 1  4 1
5 0 0 1 3 23 0 0 1 3 23
F3 F4  F4  43 F3
3 0 0 0 0 1 0 0 0 0 1
0 0 0 0 43 0 0 0 0 0

1 2 1  4 1 1 2 1  4 0
0 0 1 3 0 0 0 1 3 0
F2  F2  23 F3 F1  F1  F2
0 0 0 0 1 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0

1 2 0 1 0
0 0 1 3 0
F1  F1  F2
0 0 0 0 1
0 0 0 0 0

Según la forma escalonada reducida por filas de A podemos dar valores arbitrarios a x2 y x4 .
Luego el E.C.A es generado por las columnas correspondientes a las variables iniciales del
sistema, solamente, y por tanto forman una base de E.C.A.
Luego E.C.A= gen    4 , 2 , 1 , 3  ,  1 ,1 ,1 ,1  ,  1 , 0 ,1 ,1  

Ejercicios propuestos
2
1. ¿Cuáles de los siguientes vectores son bases para R ?

103
 (a)  2 ,1  ,  3 , 0  (b)  4 ,1  ,   7 ,  8  (c)  2 ,1  ,  1 ,  1  ,  0 , 2 
2. ¿Cuáles de los siguientes vectores son bases para R 3 ?
(a)  1 , 0 , 0  ,  2 , 2 ,0  ,  3 ,3 ,3  (b)  2 ,  3 ,1  ,  4 ,1 ,1  ,  0 ,  7,1 

(c)  1 , 6 , 4  ,  2 , 4 ,  1  ,   1 , 2 , 5  (d)  1 , 2 ,  1  ,  0 , 3 ,1 

(e)  1 , 2 , 3  ,  1 , 0 ,  1  ,  3 ,  1 , 0   2 ,1 ,  2  (d)  1 , 1 ,1  ,  1 ,  1 , 5 
3. Dados los siguientes sistemas homogéneos determine la dimensión y una base del espacio
nulo del E:N.A
x1  3x 2  x3  0
a) 2 x1  6 x 2  2 x3  0
3x1  9 x 2  3x3  0
3x1  x 2  x3  x 4  0
b)
5 x1  x 2  x3  x 4  0

3x1  x 2  2 x3  0
c) 4 x1  5 x3  0
x1  3x 2  4 x3  0

4. Sean los vectores

   
u   5 ,  12 , 3  , v1   1 , 2 , 3  , v 2    4 , 5 , 6  , v3   7 ,  8 , 9  . Encuentre el vector de

     
coordenadas y la matriz de coordenadas de u relativos a S   v1 , v 2 , v3 
 
   
5. Encontrar el vector de coordenadas  v  y la matriz de coordenadas v para v
 S S

    
relativos a la base S   v1 , v 2 , v3 
 
  
a) v1   2 ,  1 , 3  , v 2   1 , 0 , 0  , v3   2 , 2 , 0  para  3 , 3 , 3 
  
b) v1   1 , 2 , 3  , v 2    4 , 5 , 6  , v3   7 ,  8 , 9  para  5 ,  12 , 3 
6. Encuentre una base y la dimensión para el espacio columna de las matrices
1 1 2 1
1 3
a) b) 1 0 1 2
2 6
2 1 3 4
3.2.11. Producto interno de conjuntos ortogonales

104
 Definición: Un producto interior en un espacio vectorial V es una función que a cada par de vectores
   
u y v en V asocia un número real u ,v de tal manera que se satisfacen los siguientes axiomas

  
para todos los vectores u , v y w en V, y para todos los escalares k.
   
1) u ,v  v ,u (axioma de la simetría).

      
2) u  v ,w  u ,w  v ,w (axioma de la aditividad).

   
3) ku ,v  k u ,v (axioma de la homogeneidad).

     
4) v , v 0 y v ,v  0 si y solo si v  0 (axioma de la positividad).

Un espacio vectorial que tiene definido un producto interior se denomina Espacio Vectorial con
Producto Interior.
Las siguientes propiedades adicionales son una consecuencia inmediata de los cuatro axiomas del
producto interior:
   
i) 0 ,v  v ,0 0

      
ii) u ,v  w  u ,v  u ,w

   
iii) u , kv  k u ,v

Ejemplo 23

 y  
 
Sean u  u1 , u 2 , u 3 v  v1 , v 2 , v 3 . Determine cuales de los siguientes son productos interiores

en R 3 . Para aquellos que no lo sean, diga que axiomas no cumplen.

 
a) u , v  u1 v1  u 2 v 2  u 3 v 3

Solución
   
1) u ,v  v ,u (axioma de la simetría).

u1v1  u 2 v2  u3v3  v1u1  v2 u 2  v3u3

105
  
       
2) u  v ,w  u ,w  v ,w sea w  w1 , w2 , w3

  
u  v ,w   u 1  v1  w1   u 2  v 2  w2   u 3  v 3  w3

  u 1 w1  v1 w1    u 2 w2  v 2 w2    u 3 w3  v 3 w3 
(axioma de la aditividad)
  u 1 w1  u 2 w2  u 3 w3    v1 w1  v 2 w2  v 3 w3 
   
 u ,w  v ,w

   
3) ku ,v  k u ,v

   
ku ,v  k u ,v

 
ku ,v  ku1 v1  ku2 v 2  ku3 v 3
(axioma de la homogeneidad)
 k  u1 v1  u 2 v 2  u 3 v 3 
 
k u ,v

     
4) v , v 0 y v ,v  0 si y solo si v  0

 
v ,v  v1v1  v 2 v 2  v 3 v 3

 v1 2  v 2 2  v 3 2

v ,v

  
 v1 2  v 3 2  v 2 2  0 si y solo si v1 2  v 3 2  v 2 2 
No se cumple el axioma de la positividad.
 
Por lo tanto u , v  u1 v1  u 2 v 2  u 3 v 3 no es un producto interior en R 3 ,

El producto interior en este ejemplo es diferente del producto interior euclidiano en R 3 , esto muestra
que un espacio vectorial puede tener más de un producto interior definido en él.

Definición
   
En un espacio vectorial W con producto interior, dos vectores u y v son ortogonales si u , v  0.

 
Además, si u es ortogonal a todos y cada uno de los vectores que pertenecen a W, se dice que u es
ortogonal a W.
106
 Es importante destacar que la ortogonalidad depende de la selección del producto interior. Es posible
que dos vectores sean ortogonales con respecto a un producto interior y que al mismo tiempo no lo
sean con respecto a otro producto interior.

Definición
Se dice que un conjunto de vectores en un espacio vectorial con producto interior es ortonormal si
cada vector en el conjunto tiene norma 1 y si además cualesquiera dos vectores distintos en el
conjunto son ortogonales.
Un conjunto S   v1 , v2 ,  , vn  de un espacio vectorial V es ortogonal si todos sus vectores son
ortogonales dos a dos.

Nota: al proceso de multiplicar un vector v diferente de 0 por el recíproco de su longitud, para obtener

un vector de norma a 1, se denomina normalización de v .

Ejemplo 24
Considere a R 3 con el producto interior euclidiano ¿Cuales de los siguientes vectores son
ortonormales?
 2 1    2 1 2    1 2 2 
 2
a) v1   ,  ,  , v 2   , ,   , v3   , , 
 3 3 3   3 3 3   3 3 3 
Solución
La norma del primer vector sería:

23 2    23 2   13 2

v1  1

Análogamente por los dos vectores restantes la norma es igual a 1.

Obtengamos el producto interior de dos en dos vectores
  2 2  2 1  1  2 4 2 2
v1  v 2               0
3 3  3 3  3  3 9 9 9
  2 1  2  2 1 2 2 4 2
v1  v 3           0
3 3  3  3 3 3 9 9 9
  2 1 1 2  2 2 2 2 4
v 2  v3           0
3 3 3 3  3 2 9 9 9

Entonces el conjunto es ortonormal

Teorema 10

Si S   v1 , v2 ,  , vn  es una base ortonormal para un espacio vectorial interior V, y u es un vector en
V, entonces

107
          
u u , v1 v1  u , v2 v2    u , vn vn


Es decir el vector de coordenadas de u con respecto a S es

        
 u    u , v1 , u , v2 , , u , vn 

 S  

Ejemplo 25
Sea la base ortonormal para R4, con respecto al producto interior euclidiano,
 
      2 
v1   1 ,0 ,0 , 1 , v2   1 ,0 , 2 , 1  , v3   , 3 , 2 ,2 ,
 2 2   6 6 6   21 21 21 21 
 
 
v4   1 , 2 , 1 , 1  . Calcule el vector de coordenada del vector u   1 , 1 , 1 , 1  con
 7 7 7 7 

    
respecto a la base S   v1 , v 2 , v 3 , v 4 
 
Solución:
  1 1 2
u , v1   
2 2 2
  1 2 1 2
u , v2    
6 6 6 6
  2 3 2 2 5
u , v3     
21 21 21 21 21
  1 2 1 1 1
u , v4     
7 7 7 7 7

  
 u    2 , 2 , 5 , 1 
 S  2 6 21 7 

Teorema 10

   
Si S   v1 , v 2 ,  , v n  es un conjunto ortogonal de vectores diferentes de cero en un espacio
 
vectorial con producto interior, entonces S es linealmente independiente.

Ejemplo 26
 2 1    2 1
 2 2 
En el apartado a del ejemplo 24 se demostró que los vectores v1   ,  ,  , v 2   , ,  ,
 3 3 3   3 3 3 

 1 2 2 
v3   , ,  forman un conjunto ortonormal con respecto al producto interior euclidiano de R3 .
 3 3 3 

108
 Por el teorema 10, estos vectores forman un conjunto linealmente independiente. Por tanto, dado que

R 3 es tridimensional, S   v1 , v2 , v3  es una base ortonormal de R 3 .

Teorema 11

   
Sea V un espacio con producto interior y  v1 , v 2 ,  , v r  un conjunto ortonormal de vectores en V. Si
 
   
W denota al espacio generado por v1 , v 2 ,  , v r , entonces todo vector u tiene una representación
única de la forma
  
u  w1  w2
   
donde w 2 pertenece W a y w1 es ortogonal a W ; además los vectores w1 y w 2 están determinados
por las fórmulas Figura 3.3
           
w2  u , v1 v1  u , v2 v2    u , vr vr u w1

          
w1  u  u , v1 v1  u , v2 v2    u , vr vr  W
w2

 
Basado en la Figura 3.3 a w 2 se le denomina proyección ortogonal de u sobre W y se le denota
   
mediante proyW u . Al vector w1  u  proyW u se le llama la componente de u ortogonal a W.

Ejemplo 27
Considere a R 3 equipado con el producto interior euclidiano, y sea W el subespacio generado por los
 
 4 3  
vectores ortonormales v1   0 , 1 , 0  y v 2    , 0 ,  . La proyección ortogonal de u   1 , 1 , 1 
 5 5 

sobre W es:
      
proyW u  u , v1 v1  u , v2 v2

 1 4 3 
 1 0 , 1 , 0        , 0 , 
 5  5 5 
 4 3 
  0 ,1 , 0    ,0 , 
 25 25 
 4 3 
 ,1 ,  
 25 25 

La componente de u ortogonal a W es

109
 
 4 3   21 28 
u  proyW u   1, 1 , 1    ,1 ,   ,0 , 
 25 25   25 25 
   
Observe que como era de esperarse, u  proyW u es ortogonal a v1 y a v 2 y por tanto, este vector es
 
ortogonal a cada uno de los vectores que pertenecen al espacio W generado por v1 y v 2 .

Teorema 12
Todo espacio de dimensión finita con producto interior tiene una base ortonormal.
Para transformar una base arbitraria en una base ortonormal se sigue el proceso denominado de
Granm-Schmidt detallado a continuacion:

Paso 1

 u1 
Sea v1  . El vector v1 tiene norma 1.

u1

Paso 2
  
Para construir un vector v 2 de norma 1 que sea ortogonal a v1 , se calcula la componente de u 2

ortogonal al espacio W1 generado por v1 y, a continuación, se normaliza, es decir,

   
  u 2  u 2 , v1 v1
 u 2  proyW1 u 2
v2  
     
u 2  proyW1 u 2 u 2  u 2 , v1 v1

Paso 3
  
Para construir un vector v3 de norma 1 que sea ortogonal tanto a v1 como a v 2 , se calcula la
  
componente de u 3 ortogonal al espacio W2 generado por v1 y v 2 , y se normaliza, es decir
      
  u 3  u 3 , v1 v1  u 3 , v 2 v 2
 u 3  proyW2 u 3
v3  
        
u 3  proyW2 u 3 u 3  u 3 , v1 v1  u 3 , v 2 v 2

Paso 4
   
Para determinar un vector v 4 de norma 1 que sea ortogonal tanto a v1 , v 2 y v3 , se calcula la
   
componente de u 4 ortogonal al espacio W3 generado por v1 , v 2 , y v3 y se normaliza. Por tanto,

110
          
  u 4  u 4 , v1 v1  u 4 , v 2 v 2  u 4 , v3 v3
 u 4  proyW3 u 4
v4  
           
u 4  proyW3 u 4 u 4  u 4 , v1 v1  u 4 , v 2 v 2  u 4 , v3 v3

   
Al continuar de esta manera, se obtiene un conjunto ortonormal de vectores  v1 , v 2 ,  , v n  .
 
Supuesto que V es de dimensión n, y todo conjunto ortonormal es linealmente independiente, el
   
conjunto  v1 , v 2 ,  , v n  es una base ortonormal para V.
 

Ejemplo 28
Considere al espacio vectorial con el producto interior euclidiano. Aplíquese el proceso de Granm-
  
Schmidt para transformar la base u1   1 , 1 , 1  , u 2    1 , 1 , 0  , u 3   1 , 2 ,1  en una base
ortonormal.

Solución


Paso 1: v1 
 u1

 1 , 1 , 1    1
,
1
,
1 

  
3  3 3 3 
u1

Paso 2:
     
u 2  proyW1 u 2  u 2  u 2 , v1 v1

   1 ,1 , 0   0  1 ,1 ,1 
   1 ,1 , 0 
Por tanto
 

v2 
u 2  proyW1 u 2

  1 ,1 , 0 
  2
u 2  proyW1 u 2

 1 1 
   , ,0 

 2 2 

Paso 3:

111
         
u 3  proyW2 u 3  u 3  u 3 , v1 v1  u 3 , v 2 v 2

4  1 1 1  1  1 1 
  1 , 2 , 1  
 , , 

 
 , , 0 
3 3 3 3  2 2 2 
 1 1 1 
  , , 
 6 6 3 
Por consiguiente

   1 1 1
 u 3  proyW2 u 3  , , 
 6 6 3
v3  
  1
u 3  proyW2 u 3
6

 1 1 2 
  , , 

 6 6 6 
Por consiguiente,
  1 1 1    1 1    1 1 2 
v1   , ,  , v2   
  , ,0  , v3  
  , , 

 3 3 3   2 2   6 6 6 

forman una base ortonormal para R 3 .

Ejercicios propuestos
   
1. Calcule u ,v aplicando el producto interior u ,v  3u1v1  2u 2 v 2

   
a) u   2 ,  1  , v    1 , 3  b) u   3 , 1  v    2 , 9 
2. Calcule U ,V aplicando el producto interior U ,V  u1v1  u 2 v 2  u 3 v3  u 4 v 4

2 1 0 4 1 2 4 6
a) U  ,V  b) U  ,V 
3 7 2 2 3 5 0 8
 
3. Sean u   u1 , u 2 , u 3 y v   v1 , v 2 , v3  . Determine cuales de las expresiones siguientes son

productos interiores sobre R 3 . Para las que no lo sean, liste los axiomas que no se cumplen
 
a) u , v  u1v1  u 3 v3

 
b) u , v  2u1 v1  u 2 v 2  4u 3 v 3

4. Considere a R 3 con el producto interior euclidiano ¿Cuales de los siguientes vectores son
ortonormales?

112
   1 1    1 1 1    1 1 
a) v1   ,0,  , v2   , ,  , v3   
  ,0 , 
 2 2   3 3 3   2 2 
   1 1  
b) v1   1 , 0 , 0  , v 2   0 , ,  , v3   0 , 0 , 1
 
 2 2 

5. Suponga a R 3 equipado con el producto interior euclidiano. Aplique el proceso de Granm-Schmidt

  
para transformar la base u1   1 , 0 , 0  , u2   3 , 7 ,  2 , u 3   0 , 4 , 1  en una base ortonormal.

6. Suponga a R 4 equipado con el producto interior euclidiano. Aplique el proceso de Granm-Schmidt

  
para transformar la base u1   0 , 2 , 1 , 0  , u2   1 ,  1 , 0 , 0 , u 3   1, 2 , 0 ,  1  ,

u 4   1 , 0 , 0 ,1  en una base ortonormal.
 
7. Suponga que R 3 tiene el producto interior u ,v  u1v1  2u 2 v 2  3u 3 v3 . Aplique el proceso de

  
Granm-Schmidt para transformar la base u1   1 ,1 ,1  , u 2   1 , 1 , 0  , u 3   1, 0 , 0  en una base
ortonormal.
  4 3  
8. El subespacio de R 3 generado por los vectores u1   , 0 ,   y u 2   0 ,1 , 0  es un plano
 5 5 

que pasa por el origen. Exprese w   1 , 2 , 3  en la forma w  w1  w2 , en donde w1 es perpendicular

al plano y w2 está en el plano.

Solución a los ejercicios propuestos

Ejercicios de las páginas 22 y 23

1) a) No está definida, c) No está definida, e) Definida. Tamaño resultante 5x5, g) No está definida.

 5 4  1  22  6 8 0 0   17 2  7  3 0
2) b)  0  1  1 d)   7  28  14 f)  2 4 6 h) 0 0 j )   4  3  5 Tr  25 l)  1 2 Tr  5
   21  7  35
  2 x3
       
  1 1 1  3x3  10 0 4 3 x3 0 0 3 x 2   9  1  5 3 x3  1 1 3 x 2

7 2 4  5 0 1  1 3
2  9 1  1
3) a)   c)  4  1 1 e)  3 1  g)  13 2  4
3 5 7  2 x 3    2 2
  
  1  1 1 3 x 3  1 2 2  3 x 2  0 1  6 3 x 3

3 45 9 12 6 9
4) b) No esta definida d)   f) 21 14 h)  
11  11 17 17 35 48 20 14
  2x2
 7 17 13 3 x 3 24 8 16 3 x 3

113
  6  3  2  10 8 
5) a)   c) 
 36 0
13 2 5 
 4 7  3 x 2  4  3 13 3 x 3

a) A+B=B+A= 
3 4
6) ; A+(B+C)=(A+B)+C=  2 3 ; A+(-A)=Z= 0 0
0 2   2 2 0 0 
     

0 4 2
7) a) A  0 2 2
3
 
2 0 4 3 x3

 12 0 5
4
8) 1 1 2 
 4
 2 0
1 5 
4  3x3

9) A no es simétrica, C si es simétrica

10) B no es antisimétrica, D no es antisimétrica

11) a=11, b=-9, c=-13

Ejercicios de las páginas 32 y 33

  19  19 19   12 9 3
1) a) Matriz de menor complementario de: A   29  21  27 C   18 14  12

 
 11  13 5  3 x 3  12  13  3  3 x 3

 4 11 12 
b) Matriz de cofactores de: B   2  6  7 
 
 3  9  10 3 x 3

2) det(A)=152, det(B)=-1, det(C)=-66

 19 29 11  12  18  12
3) a) Adj( A)   19  21 13 c) Adj(C )    9 14 13 
  
 19 27 5  3 x 3   3 12  3  3 x 3

 4  2  3
4) b) B 1    11 6 9 

 12 7 10  3 x 3

 40 16 9 
5) a) A 1   13  5  3  7 4 
B 1   
   2  1 2 x 2
 5  2  1 3 x 3

c) det( A1 )  1 ; det( A2 )  1; det( A3 )  1 ; det( B1 )  1 ; det( B2 )  1 ; det( B3 )  1

114
  1 2 1
2  2 3  1  17  35 11 
6) 1 1
(k .B)  k .B 1
  3 2  3 1  ; ( B t ) 1  ( B 1 ) t   4  6 3  ; ( B n )1  ( B 1 )n   26 54  17
 
 1 2 3 2 1 
2  3 x3   1 2  1 3 x 3   1  25 8  3 x 3

1 0 0  10 1 0 0
7) Matriz escalonada reducida por fila de: A  0 1 0 5  r ( A)  3 ; B  0 1 0 r ( B )  3
0 0 1 1 2  0 0 1

8) Aplicar las propiedades del determinante

9) a) Si inversible; c) No es inversible

10) Aplicar las propiedades del determinante

11) Aplicar las propiedades del determinante

12) a) k  5  17 ; b) k=-1
2

Ejercicios de la página 44

1 1  1  x  2
1) b) A  5 2 1  X   y  B  1
 
5 1 2   z  0

 9o  k  9
2) a)  o  e  9 d)  2 x  3 y  z  9
  x  2z   9
 3k  9e  9

3) X=2; Y=6; Z=-1; M=1

4) a) x=0; c) x=8

x  20 x 1 x  74 35
x  15 2
5) a) ; b) y  9 ; c) y  1 3 ; d) y   2 35
y  13 2
z  16 z  1 3 z  2 35

e) Sistema no homogéneo, Incompatible, no tiene sol

f) Sistema homogéneo, compatible indeterminado, sol. Paramétrica:

S   3t ,2t , t , 0 / t  R 
g) Sistema no homogéneo, compatible indeterminado, sol. Paramétrica:

S   2s  t  8, s  t  3, s, t  / s, t  R 
6) a) Sistema no homogéneo, compatible determinado
115
 b) Sistema no homogéneo, compatible determinado

c) Sistema no homogéneo, compatible determinado

d) Sistema no homogéneo, compatible determinado

Ejercicios de las páginas 64 y 65

1) Graficar

2) Graficar

3) a) v  (1,1) ; c) v  (2,7) ; e) v  (1,1,2) ; g) v  (a,b,c)

6) a) (-2,1,-4); c) (-7,1,10); e) (-77,8,94)

7) x  (8 3 , 1 2 , 8 3 )

8) C1  2 ; C2  1 ; C3  2

9) a) 6.7; c) 5; e) 7.1; g) 3

10) a) 1.41; c) 7.28; e) 2.4, g) (a) 2  (b) 2  (c) 2

11) a) 6.2; b) 12.26; c) 60

13) a) -11; b) -24; c) 0; d) 0

14) a) -0.35; b) -0.94; c) 0; d) 0

15) a) obtuso; c) recto

16) b) w1  (0,2) ; d) w1  (2,2,3)

17) b) no tiene sol; c) 209.53; d) (-3,16,4)

18) a) no esta definido la suma de un escalar y un vector

19) a) -3; b) 3; c) 0

20) a) 0 unidades de área; b) 0 unidades de volumen

21) a) 45 unidades de área; b) 7 unidades de volumen

15
22) 2

23) 49

Ejercicios de la página 79

y 6
1)
x
68  34  z 1.5
51
116
 5
3) 6
unidades de longitud

5) 7 unidades de longitud

6) 2x  3 y  5z  36

y 1
7)
x 5
11  2  z 9
8

9) 3x  2 y  5z  3

10)   180 0
11) 5x 18 y  7 z  19

13) 1) Las rectas no son paralelas, se cruzan e intersectan en un punto, se encuentran en un mismo plano

2) Las rectas no son paralelas, se cruzan e intersectan en un punto, se encuentran en un mismo plano

3) Las rectas son paralelas, no se solapan

El portafolio

Constituye una selección planificada de los trabajos que realiza el alumno con el fin de evaluarlo. Su uso
permite crear en el estudiante el sentido de la conservación, la organización y la consulta obligada que
logrará en un determinado momento deseado: el refrescar situaciones y vivencias producidas, contribuyendo
enormemente a la construcción de aprendizajes, permitiéndole construir un historial a largo plazo, de lo que
aprende y cómo lo aprende, así como conservar un archivo adicional capaz de aclarar dudas sobre el tópico
tratado.

La aplicación del portafolio en el proceso educativo permite al docente:

 Registrar y evaluar el proceso de aprendizaje de los alumnos.

 Tener una recopilación de la actuación del alumno a lo largo del proceso formativo

 Controlar sistemáticamente el cumplimiento de las asignaciones, trabajos e investigaciones.

Para la construcción del portafolio, se recomienda realizar entregas reiteradas, esto con el fin de permitirle a
los docentes a lo largo del curso, analizar las actividades y estrategias instruccionales empleadas en

117
 Las actividades
propuestas como tareas. Trabajos de otras materias que
Listas de actividades están relacionadas con la
desarrolladas a lo largo asignatura, tales como: física,
del curso
cada período, orientando su actividad docente próxima, y manifestar su parecer a los alumnos
geometría, en cuanto a
cálculo, entre
otras.
sus progresos, propiciando en ellos la reflexión y la autoevaluación sobre sus procesos y productos de
Autobiografías;
aprendizaje
anécdotas que te ocurran
Problemas diseñados por el
estudiante, con o sin solución
Se sugiere incluir en el mismo: autobiografías, la visión que tiene el estudiante de sí y del curso, así como
Extractos de la libreta del
evaluaciones, reflexiones diarias en relación a su aprendizaje, trabajos representativos
Entrevistas realizadas de desarrollo
estudiante
por ti y por los
conceptual, actividades y gráficas efectuadas, tablas, formularios, resúmenes de clases, mapas
estudiantes
conceptuales, investigaciones realizadas. Trabajos como: dibujos,
actividades lúdicas, estudios
Fotocopias
En la Figura de Nº
fuentes de
1 (siguiente página), a manera de ejemplo, se observa un esquema
de casos. descriptivo donde se
información como
resalta
recortes,loartículos
que se depuede
la incluir en un portafolio.
Web Extracto de diario del alumno

Trabajos que muestren Tabla de contenido y propósito

de la asignatura
las correcciones de los
errores observados en la
guía de estudio y tus Borradores revisados y versión
propios errores final de los trabajos elaborados
por los estudiantes en relación a
cometidos
un problema específico
Portafolios realizados por los estudiantes de Álgebra Lineal
Fotos o borradores de los Carta dirigida a los lectores del portafolio, Otras actividades que considere
trabajos que realices con necesarias
explicando sus objetivos y contenidos
tus compañeros

Colocación de mapas conceptuales en los portafolios

118