Apuntes de Algebra Lineal

lgebra
Lineal
Apuntes
Algebra Lineal forma parte del plan comn de ingeniera, la

asignatura complementa y da sustento a las diversas disciplinas
de la ingeniera, lo que permite alcanzar las competencias
definidas en cada especialidad.
orientado
al
desarrollar
el
Es una asignatura terico
pensamiento
analtico
frente
problemas de sistemas de ecuaciones lineales y de rectas y

planos en el espacio
Estos apuntes les permiten a los estudiantes del primer ao de
ingeniera, contar con una herramienta pedaggica que le sirva
como apoyo para profundizar y consolidar los conocimientos
adquiridos en la ctedra. Este apunte es un apoyo la actividad
acadmica y ser complemento a las actividades de ctedras y
ayudantas.
Este material ha sido elaborado seleccionando informacin
relevante de diferentes textos y pginas de internet, que el
alumno fcilmente puede encontrar en la web. Al final de estos
apuntes se sealan los sitios que se usaron como gua
Unidad 1- Matrices sistema de ecuaciones

1.1
Matrices, tipos de matrices

6
Igualdad de matrices
Tipos de matrices
Operaciones con matrices
11
Trasposicin
11
Suma y diferencia
11
Producto de una matriz por un nmero real
12
Producto de matrices
7
8
1.2
Matriz inversa
16
Mtodo directo
Mtodo de Gauss-Jordan
19
13
1.3
16
1.4
Rango de una matriz

22
Clculo del rango por el mtodo de Gauss
22
1.5
Determinantes
25
Clculo de determinantes de orden 2 y 3
25
Clculo de un determinante de orden n
27
Matriz complementaria
Menor complementario
27
Cofactor de un elemento de una matriz cuadrada
27
Matrices de cofactores
Propiedades bsicas de los determinantes
31
Reduccin del orden de un determinante
33
27
29
Clculo de la matriz inversa por determinantes

35
1.6
Sistemas de ecuaciones lineales

36
Expresin matricial de un sistema
36
Tipos de sistemas
37
Teorema de Rouch-Frbenius
37
1.7
Resolucin de un sistema de ecuaciones lineales

39
Regla de Cramer
Mtodo de la matriz inversa
40
El Jacobiano
42
1.8
39
Problemas resueltos
44
Unidad 2- Espacios vectoriales

2.1
Magnitudes escalares y vectoriales

55
Magnitudes escalares
Magnitudes vectoriales
55
55
2.2
Vectores
56
Componentes de un vector
57
Tipos de vectores
58
2.3
Vectores en R2 y R3
59
Vectores en
R2
60
Vectores en
R3
61
Vectores en
Rn
62
2.4
Norma - Distancia - Vectores unitarios - Producto escalar

64
Norma o Longitud de un vector
64
Distancia
65
Vectores unitarios
66
Vectores constituyentes de un vector
68
Producto escalar o producto punto
69
2.5
Paralelismo y perpendicularidad entre vectores

72
2.6
Proyecciones, ngulos directores, producto cruz

74
Proyecciones Ortogonales
74
Proyeccin escalar
74
Vector proyeccin
76
Componente ortogonal
ngulos directores
79
Producto vectorial o producto cruz
81
2.7
Rectas y planos en
77
R3
84
Ecuaciones de la recta
Ecuacin vectorial de la recta
84
84
Ecuacin en forma paramtrica

85
Ecuacin en forma continua
85
Ecuacin en forma cartesiana o implcita
86
Interseccin entre rectas
87
Ecuaciones del plano
88
Ecuacin en forma vectorial
88
89
Ecuacin en forma general
89
Ecuacin normal
Interseccin entre una recta y un plano
92
Distancia entre un punto y un plano
93
Ejercicios
Definicin de espacio vectorial, subespacios
98
Espacio vectorial
Subespacio
Interseccin de subespacios
105
Suma de subespacios
105
Subespacios ortogonales
108
Vector ortogonal a un subespacio
108
108
Complemento ortogonal
109
90
95
2.8
2.9
Dependencia e independencia lineal

111
2.10
Base y dimensin
115
98
101
Base
Dimensin
2.11
115
116
Espacio con producto interno

119
2.12
Construccin con base ortogonal

121
Vector unitario
Vectores ortogonales
121
Proceso de ortogonalizacin de Gram-Schmidt
126
121
Unidad 3- Transformaciones Lineales

3.1
Transformacin lineal, propiedades

130
Transformacin lineal
Propiedades
136
130
3.2
Ncleo, imagen, nulidad y rango

136
Ncleo e Imagen de una transformacin lineal
136
Procedimiento para obtener el ncleo de una transformacin lineal
137
Procedimiento para obtener el recorrido de una transformacin lineal
137
Nulidad y Rango de una transformacin lineal
144
Teorema de la dimensin
144
3.3
Isomorfismo
151
Transformacin lineal inyectiva
151
Transformacin lineal sobreyectiva
151
Isomorfismo
151
Espacios vectoriales isomorfos
151
3.4
Matriz asociada a una transformacin lineal

154
Matriz asociada con una transformacin lineal
155
y referida a dos bases A y B cualesquiera
Procedimiento para determinar la matriz
155
asociada con la transformacin lineal
Procedimiento para determinar la regla de
156
correspondencia de una transformacin lineal
8
3.5
Cambio de base
171
Referencias
174
Unidad 1- Matrices sistema de

ecuaciones
1.1
Matrices, tipos de matrices
Se llama matriz a todo conjunto rectangular de nmeros reales ordenados en

lneas horizontales (filas) y verticales (columnas) de la forma:
a11
a21
A= .
.
am1
a12 a13 a 1n
]}
a22 a23 a 2 n
filas de la matriz A
. . .
. . .
am 2 a m3 amn
Columnas de la matriz A
En forma abreviada se puede expresar
A= [ aij ] , con i=1, 2, ,m ; j=1, 2, , n .
Cada elemento de la matriz lleva dos subndices que indican la posicin del
elemento dentro de la matriz. El primero de ellos i , indica la fila en la que
se encuentra el elemento, y el segundo, j , la columna. As el elemento
a34
est en la fila 3 y columna 4. Las matrices siempre se representarn
con letras maysculas.
Ejemplo:
3
2
1 4
B= 3 /4 1 1/3 2
0
5 2/5 2
]
10
es una matriz que tiene 3 filas y 4 columnas, diremos que su tamao es
3 x 4.
En general, si una matriz A tiene m filas y n columnas, diremos que su
tamao o DIMENSIN es m n(se lee m por n) , siempre en primer lugar el n
de filas y en segundo lugar el de columnas.
11
Igualdad de matrices
Dos matrices son iguales cuando tienen la misma dimensin y los elementos
que ocupan igual posicin son iguales.
A=B dim ( A )=dim ( B )

aij =bij
Ejemplo:
1. Sean las matrices
A ( 2 X 2) = 9 a
3 2
2.
(Observe que
, donde:
B ( 2 X 2 )= 9 a
3 2
C2 X 3= 3 2 0
a 1 2
Las matrices
A yB
CyD
CyD
Entonces
D 2 X 3= x 2 y
4 z 2
sern igual si
A=B
x=3, y=0, a=4 y z=1.
no necesitan tener una forma cuadrada o simtrica).
12
Tipos de matrices
Podemos distinguir algunos tipos particulares de matrices, dependiendo de
su forma o como son sus elementos:
Segn la forma
Matriz columna: Es una matriz que tiene una sola columna, es decir,
y por lo tanto su dimensin es mx 1 .
Ejemplo:
[]
3
A ( 3 X 1) = 4
8
Matriz fila: Es una matriz que slo tiene una fila, es decir
tanto su dimensin es
1 xn .
n=1
m=1
y por lo
A=( a11 a12 a1 n ) .
Ejemplo:
A (1 x3 )=[ 1 2 3 ]
Matriz cuadrada: Es aquella que tiene el mismo nmero de filas que de

m=n
nxn . En estos casos,
columnas, es decir
y su dimensin es
preferentemente y aunque es lo mismo, se dice que la matriz cuadrada es de
orden n , y no nx n .
aii
El conjunto formado por los elementos
se llama diagonal principal de
la matriz cuadrada, y el conjunto de los elementos
aij
con
i+ j=n+ 1 , se
llama diagonal secundaria.
Ejemplo:
1 3
A (3 x3 )= 2 5
3 7
0
4
9
]
13
La matriz
es cuadrada de tamao
La diagonal principal est formada por

por
3 x3
o simplemente de orden
[ 1 5 9]
3.
y la diagonal secundaria
[0 5 3]
Matriz traspuesta: Dada una matriz

representa por
, a la matriz que se obtiene de
columnas o viceversa. La primera fila de

la segunda fila de
A , se llama traspuesta de
Es evidente que si
y se
cambiando filas por
es la primera columna de
es la segunda columna de
A
At
At ,
y as sucesivamente.
es de dimensin mxn , entonces
es de
dimensin nxm .
Ejemplo:
A (2 x3 )= 3 2 5
1 0 7
entonces
[ ]
3
1
A t( 3 x 2)= 2 0
5 7
14
Matriz simtrica: Una matriz cuadrada

decir, si
Ejemplo:
A= A t , es
aij =a ji
3 1
4
A= 1 0 2
4 2 6
3 1
4
A = 1 0 2
4 2 6
t
Matriz antisimtrica: Una matriz cuadrada

A=At , es decir
Ejemplo:
es simtrica si
es antisimtrica si
aij =a ji .
0 1 3
A= 1 0 2
3 2 0
0 1 3
A=1 0
2
3 2 0
t
0 1 3
A = 1 0 2
3 2 0
t
Segn los elementos

Matriz nula: Es aquella en que todos sus elementos son cero y se
representa por 0.
[ ]
0 0 0
0= 0 0 0
0 0 0
Ejemplo:
Matriz diagonal: Es una matriz cuadrada que tiene todos sus elementos
nulos salvo los de la diagonal principal.
Ejemplo:
1 0 0
A= 0 3 0
0 0 7
Matriz escalar: Es una matriz diagonal (por ende, una matriz cuadrada) en
la que todos los elementos de la diagonal principal son iguales.
15
[ ][ ]
5 0 0
1 0 0
A= 0 5 0 =5 0 1 0 =5 I
0 0 5
0 0 1
Ejemplo:
Matriz unidad o identidad: Es una matriz escalar con los elementos de la

I In
diagonal principal iguales a 1. Se denota por el smbolo
, donde n es
el orden de la matriz.
[ ]
1 0 0
I2 = 1 0 I3 = 0 1 0
0 1
0 0 1
[ ]
Ejemplo:
Matriz Triangular: Es una matriz cuadrada en la que todos los elementos

que estn a un mismo lado de la diagonal principal son nulos. Las matrices
triangulares pueden ser de dos tipos:
Triangular Superior: Si todos los elementos que estn por debajo de la
aij =0 sii> j.
diagonal principal son nulos. Es decir,
Triangular Inferior: Si todos los elementos que estn por encima de la

aij =0 sii< j.
diagonal principal son nulos. Es decir,
Ejemplos:
Triangular Superior
3 0
3
1
0 3 9 25
A ( 4 X 4 )=
0 0 8 0
0 0 0
1
Triangular Inferior
3
4
A ( 4 X 4 )=
0
1
0
0 0
3 0 0
2 8 0
6 14 1
]
16
1.2 Operaciones con matrices

Trasposicin
Dada una matriz de orden
se representa por
At ,
mxn , A=[ aij ] ,
se llama matriz traspuesta de
a la matriz que se obtiene cambiando las filas por las
columnas (o viceversa) en la matriz A .

Es decir:
] [
a11 a1 n
a 11 am 1
A= At =
am1 amn
a1 n amn
Propiedades de la trasposicin de matrices

1. Dada una matriz
t
2.
( At )
3.
( A + B )t =A t + Bt
4.
( A B )t =B t A t
5.
( k A )t=k At
A , siempre existe su traspuesta y adems es nica.
=A
Suma y diferencia
La suma de dos matrices
otra matriz
genrico
C=[ c ij ]
A= [ aij ] , B=[ b ij ]
de la misma dimensin, es
de la misma dimensin que los sumandos y con trmino
c ij =aij +bij .
Por tanto para poder sumar dos matrices estas deben tener la misma
dimensin. La suma de matrices A y B se denota por A + B .
Ejemplo:
17
A=
2 1
3 4
B=
4 7
3 1
Entonces
A + B=
][ ]
(2+ 4 ) ( 1+7 )
2 8
=
( 33 ) ( 4+ 1 ) 0 5
Propiedades de la suma de matrices

A + ( B+C )=( A + B ) +C
1. Asociativa:
A + B=B+ A
2. Conmutativa:
A +0=0+ A=A
3. Elemento neutro:
4. Elemento opuesto: La matriz

signo todos los elementos de
de
A,
ya que
(0 es la matriz nula)
( A ) , que se obtiene cambiando de

A , recibe el nombre de matriz opuesta
A + (A )=0 , es decir: Dos matrices son opuestas
cuando su suma es la matriz nula

Gracias a esta ltima propiedad podemos definir la diferencia de matrices:
Dada dos matrices
AB=A +(B)
diferencia como
trmino general
A= [ aij ] , B=[ b ij ]
de la misma dimensin, se define la
cuyo resultado es la matriz
D=[ aij ]
con
d ij =aij b ij .
IMPORTANTE: La suma y diferencia de matrices no se puede definir

si sus dimensiones son distintas
Producto de una matriz por un nmero real

Dada una matriz
kA
A= [ aij ]
como otra matriz
trmino general es:
y un nmero real
B=[ b ij ]
bij =k aij
k , se define el producto
de la misma dimensin que
y cuyo
, es decir que: Para multiplicar un nmero
18
real por una matriz se multiplican todos y cada uno de los elementos
de la matriz por dicho nmero.
Evidentemente la misma regla sirve para dividir una matriz por un nmero
real.
Ejemplo:
k =2 A= 2 9 7
4 5 0
Entonces
2 9 7 2 (2 ) 2 ( 9 ) 2 (7 ) 4 18 14
k A=2
=
=
4 5 0
8 10
0
2 ( 4 ) 2( 5) 2( 0 )
][
][
Propiedades del producto de una matriz por un nmero real

(escalar)
1. Distributiva respecto de la suma de matrices:
k ( A +B )=k A +k B
2. Distributiva respecto de la suma de nmeros:
( k +h ) A=k A+ h A
3. Asociativa mixta:
k ( h A ) =( k h ) A
4. Elemento neutro:
1 A=A ( el1 es el elementounidad de los n meros reales )
Propiedades simplificativas
1.
A +C=B+C A=B
2.
k A=k B A=B si k 0
3.
k A=h A h=k si A 0
Producto de matrices
Hay que tener muy presente que no todas las matrices pueden multiplicarse.
Para multiplicar dos matrices A y B , es condicin imprescindible
que el nmero de columnas de A sea igual al nmero de filas de
B .
Una vez comprobado que el producto A B se puede realizar, si

dimensin mxn y B dimensin nxp , entonces el producto
tiene
A B da
19
como resultado una matriz
de dimensin
mxp
obtenida de la siguiente
manera:
El elemento que se encuentra en la fila i y la columna j de la matriz
C=A B se obtiene multiplicando los elementos de la fila i de A por la
columna j de B y sumando los resultados
Ejemplo: Obtener
Siendo:
C=A B
[ ]
0 4 1
3
2
1
4
A2x 4=
B4 x3 = 1 2 1
2 5 3 2
2 0 2
3 2 1
Solucin: Primero se comprueba que se pueda realizar el producto A B .

Puesto que el nmero de columnas de A es igual a nmero de filas de B
, entonces la operacin es factible. La matriz resultante tendr la dimensin
2x3, es decir, 2 filas y 3 columnas.
[ ][
0 4 1
C
C 12 C 13
3
2
1
4
C=
1 2 1 = 11
2 5 3 2 2 0 2 C 21 C 22 C 23
3 2 1
El elemento de la fila 1 y columna 1 de
A B
(es decir,
]
C11
la sumatoria del producto de un elemento de la fila 1 de

elemento de la columna 1 de B ,es decir :
) proviene de
A
por otro
c 11=a11 b11 +a 12 b 21+ a13 b31 +a14 b41

c 11= (3 ) 0+2 1+1 2+ 4 3=0+2+2+12=16
20
El elemento de la fila 1 y la columna 2 de A B
C12
(es decir,
a la sumatoria del producto de un elemento de la fila 1 de

elemento de la columna 2 de B :
) ser igual
A
por otro
c 12=a11 b12 +a12 b22 +a 13 b32+ a14 b 42

c 12=(3 ) (4 )+ 2 (2 ) +1 0+4 2=124 +0+8=16
El elemento de la fila 1 y la columna 3 de
A B
(es decir,
de la sumatoria del producto de un elemento de la fila 1 de

elemento de la columna 3 de B :
C13
) proviene
por otro
c 13=a11 b13 +a12 b 23+ a13 b33 +a14 b43

c 13=(3 ) 1+2 1+1 2+ 4 1=3+2+2+4=5
As, sucesivamente se obtiene:
C2 x3 =
16 16
5
5 22 11
Propiedades del producto de matrices

1. Asociativa:
A ( B C )=( A B ) C
2. El producto de matrices en general no es conmutativo
A BB A
3. Elemento neutro: Ser la matriz identidad correspondiente, si

mxn:
es
A I n= A
I m A= A
21
Si A es una matriz cuadrada de orden

A I n=I n A=A .
n , se tiene:
4. Dada una matriz cuadrada A de orden n , no siempre existe una

A B=B A=I n
matriz B tal que
. Si existe dicha matriz B , se dice
que es la matriz inversa de
y se representa por
5. El producto de matrices es distributivo respecto de la suma:

A ( B+C )= A B+ A C
Consecuencias de las propiedades
1. Si
2. Si
A B=0
no implica que A=0 B=0.

A B= A C no implica que B=C .
3.
( A +B )2= A2 +B2 +2 A B , ya que
A BB A.
4.
( A + B ) ( AB )= A2B2 ,
A BB A.
ya que
22
Ejemplo: Una compaa tiene 4 fbricas, cada una emplea administradores

( A ) , supervisores
(S )
(T )
y trabajadores calificados
en la forma
siguiente:
Tipo de empleado
Administradores
(A)
Fbrica 1
1
Fbrica 2
2
Fbrica 3
1
Fbrica 4
1
Supervisores
(S )
Trabajadores
(T )
80
96
67
75
Si los administradores ganan

$ 275 ( P s )
y los trabajadores
$ 350 ( P A )
$ 200 ( P T )
a la semana, los supervisores
. Cul es el monto pagado por cada
fbrica?
Solucin: El monto pagado por cada fbrica es igual al nmero de cada
I i =P A A i + PS S i + PT T i ,
empleado por su respectivo ingreso salarial. Es decir:
donde
Ii
es el monto de la fbrica
i .
Por
ejemplo,
el
monto
de
la
I 1 =P A A 1+ PS S 1+ PT T 1=350 1+275 4+200 80=17450
.
fbrica
ser:
De la misma manera se pueden obtener fcilmente los 3 montos restantes.

Sin embargo, si hubiera ms tipos de empleados o un mayor nmero de
fbricas el clculo se complicara.
Existe otra forma para calcular directamente los montos de todas las
fbricas. Si multiplicamos las cantidades de especialistas de cada fbrica por
su salario respectivo deberamos obtener el monto de cada fbrica. Llevando
esto a matrices:
][ ]
1 2
1 1 350
4 6
3 4 275
80 96 67 75 200
Sin embargo, esta multiplicacin no est definida, ya que la primera matriz

es de orden 3x4 mientras que la segunda es de 3x1 (el nmero de columnas
de la primera matriz no coincide con el nmero de filas de la segunda
23
matriz). La solucin es trasponer la primera matriz y as obtener una matriz

de orden 4x3, de esta forma es posible multiplicar ambas matrices y obtener
una matriz del orden 4x1, con los 4 montos requeridos.
[ ][ ] [ ]
1
2
1
1
4 80
17450
350
6 96
21550
275 =
3 67
14575
200
4 75
16450
As, los montos de la fbrica 1, 2, 3 y 4 son:
$ 17450, $ 21550, $ 14575 y $ 16450,
respectivamente.
24
Matriz inversa
Dada una matriz cuadrada de orden
n , se dice que
es invertible (o que
posee inversa o que es no singular o que es regular), si existe otra matriz del
1
mismo orden, denominada matriz inversa de A , representada por A
,
tal que:
A A1 =I n
A1 A=I n
Si A no tiene inversa, se dice que es singular o no invertible.
Propiedades de la inversin de matrices
1. Si una matriz tiene inversa, dicha matriz inversa es nica.
1
1
1
2. ( A B ) =B A
1
3.
( A1 ) = A
4.
( k A )1=
1
kA
5.
( At ) =( A1 )
( )
Para calcular la matriz inversa, podemos utilizar dos mtodos:
A) Mtodo directo: Consiste en determinar
A1
planteando un sistema
de ecuaciones.
Ejemplo 1: Si queremos determinar la inversa de la matriz
que buscamos es otra matriz de igual tamao (orden 2) tal que
1
A A I 2 , es decir, si
( yt )
A1= x
z
A= 1 2
1 1
A A1 I 2
lo
y
, se tiene que cumplir que:
25
x +2 z
) ( yt )=( 10 01) (x+
z
A A1 I 2 1 2 x
1 1 z
)( )
y+ 2t = 1 0
y +t
0 1
x+2 z=1
y +2 t=0
x + z=0
y +t=1
Resolviendo este sistema de 4 ecuaciones con 4 incgnitas, se obtiene que:

1
2
1
1
x= , y=
, z= , t=
3
3
3
3
La matriz inversa es:
1
A1= 1/3 2/3 = 1 2
1/3 1/3
3 1 1
) (
Se puede comprobar que tambin se cumple que
A1 A I 2 , luego
es
invertible, tiene inversa. Si el sistema no tiene solucin, la matriz no tiene

inversa.
Ejemplo 2: Para el caso en que
( )
A= 1 1
2 2
( ) ( yt )=(10 01)( 2 xx ++2z z
A A1 I 2 1 1 x
2 2 z
)( )
y +t = 1 0
2 y +2 t
0 1
x + z=1
y+ t=0
2 x +2 z =0
2 y+ 2t=1
Y por ejemplo de
primera ecuacin es
2 x +2 z=0
se obtiene
z + z=1 , es decir
x=z , si se sustituye en la
0=1
(imposible). El sistema no
tiene solucin.
26
no es invertible, es singular.
Este mtodo directo slo se suele utilizar para matrices cuadradas de tamao
2, puesto que para las de tamao 3 obtenemos un sistema difcil de resolver.
A= 2 1
1 1
Ejemplo 3: Dada la matriz
buscar una matriz que cumpla
A A1 =I , es decir:
(21 11 )( ac bd)=(10 01)

Para ello planteamos el sistema de ecuaciones:
2 ac=1 ( 1 )
2 bd=0 (2 )
a+ c=0 ( 3 )
b+ d=1 ( 4 )
De la ecuacin
(3)
reemplazar en
( 1 ) y as encontrar el valor de
2 (c )c=1 c=
despejar
c (a=c)
y luego
a yc .
1
3
y luego reemplazando en
a=
en funcin de
(1)
obtenemos
1
3
b
De la ecuacin
(4 )
despejar
reemplazar en
( 2)
y as encontrar el valor de
en funcin de
d (b=1d)
y luego
b yd .
27
2 (1d )d=0 d=
2
3
y luego reemplazando en
b=
(2)
obtenemos
1
3
( )
1
A = 3
1
3
1
1
3
2
3
La matriz que se ha calculado realmente sera la inversa por la derecha,

1
pero es fcil comprobar que tambin cumple A A=I , con lo cual e
realmente la inversa de
A .
28
B) Mtodo de Gauss-Jordan:
Consiste en hacer transformaciones elementales en las filas de la matriz para
llegar a obtener la matriz identidad. Realizando estas mismas
1
transformaciones con la matriz identidad llegamos a la matriz A
.
Se llama transformacin elemental en una matriz a:
Multiplicar o dividir una fila por un nmero real distinto de cero.

Sumar o restar a una fila, otra multiplicada por un nmero real no nulo.
Intercambiar el lugar de dos filas entre s.
Veamos cmo se aplica el mtodo de Gauss-Jordan

Ejemplo 1: Obtener la inversa de la matriz
A= 1 2
1 1
1 Consideramos la matriz formada por
y la matriz identidad
correspondiente. En este caso:
(1 21|10 01)
( A|I 2 )= 1
2 Se forma la matriz triangular superior (es decir, hacemos ceros por debajo
de la diagonal principal) usando transformaciones elementales en filas.
La mejor forma de realizar esto es hacer cero los elementos por debajo de la
diagonal en la primera columna usando la fila 1. Luego, hacer cero los
elementos por debajo de la diagonal en la segunda columna usando la fila 2,
y as sucesivamente.
En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:
(1 21|10 01) f +f f ( 10 23|11 01)
( A|I 2 )= 1
29
3 Una vez hecha la matriz triangular superior, se hace la matriz triangular

inferior, haciendo ceros a los elementos por encima de la diagonal. El proceso
es similar al anterior:
Hacer cero los elementos por encima de la diagonal en la ltima columna
usando la ltima fila. Luego, hacer cero los elementos por encima de la
diagonal en la penltima columna usando la penltima fila, y as
sucesivamente. En este caso:
(10 23|10 01)3 f 2 f f ( 30 03|11 21 )

1
4 Ya tenemos una matriz diagonal. Lo nico que falta es dividir a cada fila
entre el nmero adecuado para obtener unos en la diagonal principal, es
decir, para obtener la matriz identidad en la parte izquierda:
f1
f2
(30 03|11 21 ) 3 f , 3 f (10 01|1/1/ 33

1
2 /3
1 /3
5 Una vez se tiene la matriz identidad en la parte de la izquierda, la parte

derecha es la matriz inversa, es decir, llegamos a:
( 10 01|1/3
1/3
( I 2 , A1 )=
2/3 A1= 1/3 2/3 = 1 1 2

1/3
1/3 1/3
3 1 1
) (
matriz que habamos obtenido antes por el mtodo directo.

Si al realizar el mtodo de Gauss-Jordan en algn momento alguna
fila es de ceros, la matriz no tiene inversa.
Ejemplo 2: Si calculamos por este mtodo la inversa de
( )
A= 1 1
2 2
obtenemos:
(2 2|0 1)
( 0 0|2 01)
( A|I 2 )= 1 1 1 0 f 2 2 f 1 f 2 1 1 1
Como aparece una fila de ceros, la matriz A no tiene inversa.

30
Cuanto mayor sea el orden de la matriz, mejor es este mtodo frente

al directo.
Ejemplo 3: Calcular la inversa de
1 1 0
B= 1 1 2
1 0 1
por el mtodo de Gauss-
Jordan.
| )
( | )
1 1 01 0 0
1 1 01 0 0
B
I
=
f
+
f
f
( | 2) 1 1 2 0 1 0 2 1
2 21 1 0
2 0
1 0 10 0 1
1 0 10 0 1
( |
1 1 0 1 0 0
1 1 0 1 0 0
f 3 f 1 f 3 0 2 2 1 1 0 2 f 3+ f 2 f 3 0 2 2 1 1 0
0 1 1 1 0 1
0 0 4 1 1 2
( |
( |
1 1 0 1 0 0
4 0 0 1 1 2
2 f 2f 3 f 2 0 4 0 3 1 2 4 f 1 f 2 f 1 0 4 0 3
1 2
0 0 4 1 1 2
0 0 4 1 1
2
( |
1 0 0 1/4 1 /4 2/4
1/4 1/4 2/ 4
f1 f2 f3
1
1
, , f 1 0 1 0 3/4
1/4 2 /4 =( I 3|B ) B = 3/ 4
1/4 2/4
4 4 4
0 0 1 1 /4 1/4
2/4
1/4 1/4
2/ 4
Tambin se puede expresar, sacando factor comn:
1 1 1 2
1
B = 3
1 2
4
1 1
2
)
31
Rango de una matriz

El rango de una matriz es el nmero de filas o columnas que son
linealmente independientes.
Una fila o columna es linealmente independiente de otra u otras cuando no
se puede establecer una combinacin lineal entre ellas.
El concepto de independencia lineal lo aprenderemos en la prxima unidad.
Es por esto que, el clculo del rango de una matriz lo abordaremos utilizando
el mtodo de Gauss.
Clculo del rango por el mtodo de Gauss
El mtodo de Gauss para calcular el rango de la matriz consiste en
transformar, mediante operaciones elementales, la matriz en otra
a11
simplificada, de modo que el elemento
sea distinto de cero, pero todos
los de la primera columna que estn por debajo sean ceros; el elemento
a22
tambin tiene que ser distinto de cero y todos los de la segunda
columna situados por debajo tienen que ser nulos; el elemento
a33
tiene
32
que ser distinto de cero pero todos los elementos de la tercera columna
situados por debajo tiene que ser ceros; y as sucesivamente. El proceso
ann
termina cuando el elemento
sea distinto de cero y no tenga otros
elementos debajo. Durante el proceso se eliminarn las filas o columnas con
todos sus elementos nulos.
El rango de la matriz A , representada por rang ( A ) , ser el nmero de
filas no nulas de la matriz resultante, luego de aplicarle el mtodo de
Gauss.
Las operaciones elementales que se pueden realizar en una matriz sin que
vare su rango son:
a) Cambiar dos filas o dos columnas.
b) Multiplicar o dividir todos los elementos de una fila o columna por un
nmero real distinto de cero.
c) Sumarle a una fila (o columna) otra paralela a ella.
d) Sumarle a una fila (o columna) otra paralela a ella multiplicada por un
nmero.
e) Suprimir las filas o columnas cuyos elementos sean todos nulos.
f) Suprimir una fila (o columna) proporcional a otra.
Hay que tener presente, que el rango de cualquier matriz siempre es menor o
igual que su nmero de filas y de columnas, pues el mtodo de Gauss se
puede aplicar indistintamente mediante operaciones elementales en filas o
en columnas.
Propiedades:
1. Si
es una matriz de tamao
mxn
no nula, se cumple que:
1 rang ( A ) min { m, n }
2. Una matriz cuadrada
tiene inversa
rang ( A )
es mximo.
Ejemplo1:
( )
1 2 3
1 2 3
A= 4 5 6 2 f 2f 1 f 3 4 5 6
7 8 9
0 0 0
)
33
f3
Vemos que
es linealmente dependiente y que
f1
f2
son
Rang ( A )=2
Ejemplo2: Hallar el rango de
por el mtodo de Gauss:
Solucin: El rango mximo es 4 pues aunque esta matriz tiene 5 columnas

slo tiene 4 filas.
1 0 1 2
A= 2 1 0 1
3 1 1 3
5 2 1 4
3
3 f + f f f
2
3
4
4
6
1 0 1 2
2 1 0 1
3 1 1 3
0 0
0 0
3
3
6
0
1 0 1 2 3
f 1 + f 2f 3 f 3 2 1 0 1 3 Rango=2
0 0
0 0 0
0 0
0 0 0
La cuarta fila es la suma de la segunda y tercera; por lo tanto podemos

suprimirla. La tercera fila es la suma de la primera y segunda, es decir,
tambin podemos suprimirla. Nos queda una matriz con dos filas, por lo tanto
el rango es 2.
Ejemplo3: Calcular el rango de las siguientes matrices por el mtodo de
Gauss:
a)
( )
( )
A= 0 3 f 2 f 1 1 1
1 1
0 3
hay dos filas no nulas rang ( A )=2.
34
b)
(
c)
1 1 0
1
1
0
1 1
0
B= 2 1 1 f 22 f 1 f 2 0 1 1 f 3 +f 1 f 3 0 1 1 f 3+ 2 f 2 f 3
1 1 2
1 1 2
0 2 2
1 1 0
0 1 1
0 0 0
4
6
C= 2
1 2 3
hay dos filas no nulas
2 f 2+ f 1 f 2 2 4 6
0 0 0
rang ( B )=2.
hay slo una fila no nula
rang ( C )=1.
En los ejemplos anteriores podemos observar que el rango de cualquier
matriz siempre es menor o igual que el nmero de filas de la matriz.
Esto permite saber entre qu valores va a estar ese rango, antes de calcular
el rango de una matriz.
Por ejemplo, en el caso b) del ejemplo, como la matriz es 3 x 3 , el rango
slo puede ser 0, 1, 2 3, no hay otras posibilidades.
En el caso c), como la matriz es 2 x 3 , el rango slo puede ser 0,1 2.
Ejemplo4: Calcular en funcin de
el rango de la matriz:
A= 1 1 2
3 3 k
Solucin: Aplicando Gauss,

2
A= 1 1 2 f 23 f 1 f 2 1 1
3 3 k
0 0 k 6
Vemos que:
Si k 6=0, es decir si k=6,
Si
la ltima fila es nula y el rango de
es 1,
k 6 0,es decir si k 6 , hay 2 filas no nulas y el rango de A es 2.
Resumiendo:
35
Sik 6, entonces Rang ( A )=2

Si k=6, entonces Rang ( A )=1
36
1.5 Determinantes
El determinante es un nmero real o escalar asociado a una matriz cuadrada,
y su clculo va a depender del orden de la matriz. Se representa por det ( A )
Clculo de determinantes de orden 2 y 3

Orden
2 x 2 : Se toma el producto de los dos elementos de la diagonal
principal y se sustrae del producto de los elementos de la diagonal

secundaria.
A=
a11 a 12
a a
det ( A )= 11 12 =a11 a 22a12 a 21
a21 a 22
a21 a 22
Orden
3 x3 :
Regla de Sarrus: Pierre Sarrus (1798-1861) fue un matemtico francs que

cre un mtodo para calcular determinantes de orden mayor que 2. En este
caso lo vamos a utilizar para calcular el determinante de una matriz de orden
3.
Consiste en la sumatoria de 3 productos positivos (diagonal principal hacia
abajo) con otros 3 negativos (diagonal secundaria hacia abajo). Observemos
el esquema para entender el proceso, vemos que en la parte inferior de tal la
matriz se repiten las dos primeras filas
Sea la matriz
a11 a12 a13
A= a 21 a22 a 23 ,
a 31 a32 a33
la multiplicacin de diagonales es:
37
( )( )
a11 a 12
a21 a22
det ( A )= a31 a32
a11 a12
a21 a22
a13
a11
a23
a 21
a33
a31
a11
a13
a23
a 21
a12
a22
a32
a12
a22
a 13
a 23
a 33
a 13
a 23
O lo que es igual:
det ( A )=( a 11 a22 a 33+ a12 a23 a31 +a13 a21 a 32 ) ( a13 a22 a31+ a12 a 21 a33 +a11 a23 a 32 )
Ejemplo1: Usando Sarrus, obtener el determinante de la matriz
3 1 4
B= 2 2 0
1 6 2
Solucin: Primero, se grafica la matriz/determinante, en la cual las dos

primeras filas se repiten en la parte inferior de la matriz,
Caso 1 (por filas)
3 1 4
2 2 0
1 6 2
det ( B )=
3 1 4
2 2 0
Luego, se procede a obtener los productos positivos (diagonales del medio

hacia abajo). En este caso, por tratarse de una matriz 3 x 3 , sern 3
productos:
[ ( (3 ) (2 ) 2 ) +( 2 6 4 ) +( (1 ) 1 0 ) ]=60.
En seguida los tres productos negativos:
38
[ ( (1 ) (2 ) 4 ) + ( (3 ) 6 0 )+ ( 2 1 2 ) ]=12.
As, el determinante ser:
det ( B )=6012=48
Otra forma es utilizando el mtodo de Sarrus por columnas.
Caso 2 (por columnas)
3 1 4 3 1
det ( B )= 2 2 0 2 2
1 6 2 1 6
obtenemos los productos positivos:
[ ( (3 ) (2 ) 2 ) +( 1 0 (1 ) )+ ( 4 2 6 ) ]=60.
luego los productos negativos:
[ ( (1 ) (2 ) 4 ) + ( 6 0 (3 ) )+ ( 2 2 1 ) ]=12.
det ( B )=6012=48
Clculo de un determinante de orden n

Matriz complementaria
Sea
A=( aij )
una matriz cuadrada de orden
complementaria del elemento
aij
. Se llama matriz
, a la submatriz que se obtiene de
al suprimir todos los elementos de la fila i y de la columna j en la que

aij
M ij
se encuentra el elemento
. Se designa por
y, evidentemente, ser
una matriz de orden
n1 .
Menor complementario
39
aij de A
Se llama menor complementario del elemento

de la matriz complementaria y se representa por
|M ij|
Por ejemplo, para el caso de una matriz de orden
|M 13|= a21
31
, al determinante
a22
a32
Ejemplo2: Sea la matriz

3 1 4
B= 2 2 0
1 6 2
Los menores que se pueden formar son:
| || | |
|M 11|= 2
6
| || | |
|M 21|= 16
1
|M 31|= 2
0 M = 2 0 M = 2 2
| 13| 1 6
12
2
1 2
4 M = 3 4 M = 3 1
| 23| 1 6
22
2
1 2
4 M = 3 4 M = 3 1
| 32| 2 0 | 33| 2 2
0
Cofactor de un elemento de una matriz cuadrada

aij de A
Se llama cofactor del elemento

complementario del elemento
aij
, y se representa por
multiplicado por
+1 1
A ij
, al menor
dependiendo si
la suma de los subndices del elemento sea par o impar, es decir:

A ij =(1 )i+ j|M ij|
40
En general se puede saber si el cofactor de un elemento es igual a su menor

complementario o tienen signo contrario utilizando una sencilla regla grfica,
por ejemplo, para matrices de orden 3 y 4 se cumple que:
+
+
+
+
+ +
+ + + + +
+ +
donde el + significa que el cofactor es igual a su menor complementario y el

- indica que tienen signo contrario.
Proposicin: El determinante de la matriz cuadrada
A=( aij )
es igual a la
suma de los productos obtenidos al multiplicar los elementos de cualquier

fila o columna por sus correspondientes cofactores.
Demostracin: (La haremos para los de orden 3)
a11 a12 a 13
det A= a 21 a22 a 23
a31 a32 a 33
aplicando la regla de Sarrus se tiene:

det ( A )=a11 a22 a33 +a 12 a23 a31+ a13 a21 a32a13 a22 a31a11 a23 a32a12 a21 a33
Si sacamos factor comn los elementos de la primera fila, nos queda:
det ( A )=a11 ( a 22 a33a23 a 32) + a12 ( a23 a31 a21 a33 ) +a13 ( a21 a 32a22 a31)
El contenido de cada uno de los parntesis del desarrollo anterior coincide
con el desarrollo de un determinante de orden 2 y podramos expresarlo de la
forma:
41
det ( A )=a11
det ( A )=a11 (1 )1 +1
o lo que es igual
| |
| |
a 22 a23
a
a
a
a
+a12 23 21 +a 13 21 22
a 32 a33
a33 a31
a31 a32
a22 a23
a
a
a
a
+a12 (1 )1+2 21 23 +a13 (1 )1+3 21 22
a32 a33
a 31 a33
a31 a 32
det ( A )=a11 A 11 + a12 A 12 + a13 A 13
Anlogamente se hara para cualquier otra fila o columna

Este resultado podemos generalizarlo para el determinante de una matriz
cuadrada de orden n de la siguiente forma:
n
det ( A )=ai 1 Ai 1 +a i2 A i 2+ ai 3 A i 3 ++a A = aij A ij

j=1
det ( A )=a1 j A 1 ja2 j A 2 j +a3 j A 3 j ++ anj Anj = aij Aij

i=1
Esta regla rebaja el orden del determinante que se pretende calcular en una
unidad. Para evitar el clculo de muchos determinantes conviene elegir la fila
o columna con mayor nmero de ceros.
Matrices de cofactores
Una matriz de cofactores es una matriz donde cada elemento es un
aij
determinante, en la cual cada elemento
es reemplazado por su cofactor
| Aij|
|A 11| | A12| |A 13|

Cof ( A ) = | A 21| | A22| |A 23|
| A 31| | A32| |A 33|
42
Una matriz adjunta es la transpuesta de una matriz de cofactores.
|A 11| | A 21| | A31|

adj ( A )=( Cof ( A ) ) = | A 12| | A 22| | A32|
| A 13| | A 23| | A33|
t
Resumen
El determinante de orden n, puede desarrollarse a partir de una fila o
columna, reduciendo el problema al clculo de un determinante de orden n1. Para ello se toma una fila o columna cualquiera, multiplicando cada
elemento por su cofactor (es decir, el determinante de la matriz que se
obtiene eliminando la fila y columna correspondiente a dicho elemento,
i+j
multiplicado por (1 )
donde i es el nmero de fila y j el nmero de
columna). La suma de todos los productos es igual al determinante y
podemos usar el mtodo de Sarrus, para mostrar que se obtienen los mismos
resultados.
Ejemplo 3: Sea la matriz
2
4 3
A= 3 5 2
1 3
2
A , obtener su determinante.
Solucin: En teora el determinante resultar de usar una fila o columna al

da
azar, en este caso se usa la 2 fila ( 3,5,2 ) . Luego se forman los
determinantes de las submatrices correspondientes:
| A|=3 (1 )2+1 4 3 + (5 ) (1 )2 +2 2
3
3 +2 (1 )2+3 2 4
2
1 3
| A|=3 (1 ) ( 8+ 9 ) + (5 ) ( 1 ) ( 43 )+2 (1 ) ( 6 +4 )
| A|=3 (1 ) ( 17 ) + (5 ) ( 1 ) ( 1 ) +2 (1 ) ( 10 )
| A|=(3 ) ( 17 ) + (5 ) ( 1 ) + (2 ) ( 10 )
43
| A|=51520
| A|=76
Ejemplo 4: Obtener el determinante de la matriz
3 1 4
A= 2 2 0
1 6 2
)
1era
Solucin: En este caso se usa la
columna
(3,2,1 ) . Luego se forman
los determinantes de las submatrices correspondientes:
| | | |
det ( A )=3 2 0 2 1 4 1 1 4
6 2
6 2
2 0
det ( A )=3 (40 )2 ( 224 )1 ( 0+8 )

det ( A )=3 (4 )2 (22 )1 8
det ( A )=12+448
det ( A )=48
Ejemplo 5: Sea la matriz
2 3 1
A= 4 1 2
5 3 4
A , hallar
det A
Solucin:
44
CASO 1 Considerando la primera fila

det ( A )=+2 1 2 3 4 2 +1 4 1
3 4
5 4
5 3
| | | | | |
det ( A )=2 ( 46 )3 ( 1610 )+ 1 ( 125 )

det ( A )=2 (2 )3 ( 6 ) +1 ( 7 )
det ( A )=418+7
det ( A )=15
CASO 2 Considerando la tercera columna
| | | | | |
det ( A )=+1 4 1 2 2 3 +4 2 3
5 3
5 3
4 1
det ( A )=1 ( 125 )2 ( 615 ) + 4 ( 212 )

det ( A )=1 ( 7 ) 2 (9 ) +4 (10 )
det ( A )=7+1840
det ( A )=15
Propiedades bsicas de los determinantes

Propiedad 1. El determinante de una matriz
es igual que el
determinante de su transpuesta. En otras palabras, el intercambio de filas

por columnas no afecta el valor del determinante:
| A|=| At|
Por ejemplo:
45
| || |
a b = a c = adbc
c d b d
Propiedad 2. Si todos los elementos de una fila (o columna) de una matriz

cuadrada son ceros, su determinante vale es cero.
Propiedad 3. Si una matriz cuadrada tiene dos filas (o columnas) iguales o
proporcionales, su determinante vale cero.
Propiedad 4. El determinante de una matriz triangular o diagonal es igual al
producto de los elementos de la diagonal principal.
Propiedad 5. Si se permutan dos filas (o columnas) de una matriz cuadrada,
su determinante cambia de signo, sin variar su valor absoluto:
Por ejemplo:
| |
a b =adbc
, intercambiando las dos filas:
c d
| |
c d =cbad=( adbc )
a b
Propiedad 6. Si multiplicamos todos los elementos de una fila (o columna)

de un determinante por un escalar, el determinante queda multiplicado por
ese nmero.
Por ejemplo:
| |
ka kb =kadkbc=k ( adbc )=k a b

c d
c d
Propiedad 7. La suma (resta) de un mltiplo de una fila (o columna) a otra

fila (o columna) no cambia el valor del determinante.
Por ejemplo: Si al determinante de
A , se le suma k veces la fila superior a
la segunda fila, se obtiene el determinante original.
| |
det A= a b
c d
46
| |
a
b = a ( d+ kb ) b ( c +ka ) =adbc= a b
c +ka d +kb
c d
1
Propiedad 8. Si A tiene matriz inversa, A
, se verifica que:
det ( A )=
1
det ( A )
Reduccin del orden de un determinante

Reducir la evaluacin de un determinante de orden n a la de uno de orden
n1 suele emplearse para determinantes de orden 4 o superior. Para ello
debemos seguir los siguientes pasos:
Paso 1. Elegir un elemento
Paso 2. Usando
aij
aij =1
o, en su defecto, un
aij 0
como pivote, efectuar las operaciones elementales
entre filas (o columnas) necesarias para colocar ceros en el resto de las

aij
posiciones de la columna (o fila) que contiene
.
Paso 3. Desarrollar el determinante por la columna (o fila) que contiene
aij
.
El valor del determinante no se altera con estas operaciones en filas o
columnas, tal como indican la propiedades 5,6 y 7, sin embargo hay que ser
cuidadoso al aplicarlas.
Ejemplo 6:
| |
0 1 2 3
1 3 2 5 f 2 f f
3
2
3
2 4
3 1
3 2 8 1
| |
0 1
2 3
1 3
2 5 f 3 f f
4
2
4
0 2 1 11
3 2 8 1
0 1
2 3
1 3
2 5
0 2 1 11
0 11 14 16
47
| |
1
2 3
1
2 3
2 1 11
2 +3
1 (1 ) 2 1 11 =1 11 14 16
11 14 16
1
2 3
2 1 11
1 [ (16 )+ (84 ) + (242 )(33 )(154 ) (64 ) ]

1 [ (16 )+ (84 ) + (242 )+33+ 154+64 ]
1 [ 342+251 ] =191
91
Como dijimos anteriormente, hay que tener cuidado al realizar ciertas
operaciones en el clculo de determinantes, analicemos esto en el siguiente
ejemplo:
Ejemplo 7: Calcular el determinante de
C .
( )
1 2 3
C= 0 1 2
4 1 5
mediante la regla de Sarrus:
| |
1
0
det C= 4
1
0
2
1
1
2
1
3
2
5
3
2
det C=( 1 1 5 ) + ( 0 1 3 )+ ( 4 2 2 ) [( 3 1 4 ) + ( 2 1 1 ) + ( 5 2 0 ) ]
det C=5+ 0+16 (12+2+ 0 )=2114=7
Al hacer ceros en la primera columna, deberamos obtener el mismo
resultado. Veamos que sucede al hacer cero el 4 de la primera columna:
48
| |
||
1 2 3
1 2
3
1
2 =7+14=7
f
4
f
0 1 2 3
1
2 =
1
3 0
7
7
4 1 5
0 7 7
Obtuvimos el mismo resultado anterior. Sin embargo, al hacer cero el 1 de la

primera columna no obtenemos lo mismo:
| |
| |
1 2 3
0 7 7
1+3 7
7
= 4 1 ( 147 )=28
0 1 2 4 f 1f 3 f 1 0 1 2 =4 (1 )
1 2
4 1 5
4 1 5
| |
Esto se debe a que hemos multiplicado por 4 la fila 1 que es la que estamos
sustituyendo, lo que alter el valor del determinante. Por lo tanto no
conviene multiplicar la fila a sustituir, porque podemos variar el valor del
determinante.
49
Clculo de la matriz inversa por determinantes

A , su inversa ser igual a la expresin:
Dada una matriz cuadrada

A1=
1
adj ( A )
det ( A )
Para calcular la matriz inversa por este mtodo daremos los siguientes pasos:
Paso 1. Calculamos el determinante de la matriz
no existir matriz inversa.
Paso 2. Calculamos la matriz de cofactores de
A . Si ste es igual a cero
Paso 3. Trasponemos la matriz anterior para obtener la matriz adjunta.

Paso 4. Dividimos por | A| (dividimos cada uno de los elementos de la
matriz).
Ejemplo: Calcular, si es posible, la inversa de la matriz
1 0 1
A= 0 1 3
1 1 0
| |
1
0
| A|= 1
1
0
0
1
1
0
1
1
3
0 =( 0+ 0+0 ) ( 13+0 )=2
1
3
A tiene inversa
Calculando la matriz de cofactores, se obtiene:
| | |
| | |
| | |
+1
1
C= 0
1
+1
0
3
0
1
0
0
1
0
1
+ 1
1
1
0
| | |
| | |
| | |
3
0
1
0
1
3
+ 0
1
1
1
+1
0
1
1
3 3
1
0 = 1 1 1
1
1 3
1
0
1
)
50
3 1 1
Adj ( A )=C t= 3 1 3
1 1 1
3 /2 1/2 1/2
A1= 3 /2 1/2 3/2
1/2 1/2 1/2
1.6 Sistemas de ecuaciones lineales

Un sistema de ecuaciones lineales es un conjunto de
con n incgnitas de la forma:
ecuaciones lineales
a11 x 1+ a12 x 2 ++ a1 n x n=b 1

a21 x 1 +a 22 x2 + + a2 n xn =b2
am 1 x 1+ am 2 x 2 ++ amn x n=bm
Los nmeros reales
aij
son los coeficientes,
incgnitas y los nmeros reales
bi
las variables
xj
son las
son los trminos independientes.
Expresin matricial de un sistema

El sistema anterior se puede expresar en forma matricial, usando el producto
de matrices de la forma:
a11 a12
a21 a22

a m1 am 2
a 1n
a 2n
amn
)( ) ( )
x1
b1
x 2 = b2
xn
bm
mxn nx 1 mx 1
51
De modo simplificado suele escribirse como
La matriz
la matriz
y la matriz
(
()
()
a11 a12
A= a21 a22

a m 1 am 2
x1
x
X= 2
xn
b1
b
b= 2
bm
a1n
a2n
amn
AX =b
se llama matriz de coeficientes,
se llama matriz de incgnitas,
se llama matriz de trminos independientes.
La matriz formada por A y b conjuntamente, es decir:
a 11 a12
( A|b )= a21 a22

am 1 am 2
|)
a1 n b1
a2 n b2

a mn bm
se llama matriz ampliada del sistema y se representa por
o por
( A|b ) .
Resolver un sistema de ecuaciones lineales consiste en calcular los valores
de las incgnitas de manera que sean solucin a la vez de todas las
ecuaciones del sistema. Diremos que dos sistemas de ecuaciones son
equivalentes si tienen las mismas soluciones.
Tipos de sistemas
52
Dependiendo de la cantidad de soluciones reales que tenga un sistema, estos

se pueden clasificar en:
SISTEMA INCOMPATIBLE ( S . I . ) No admite ninguna solucin
SISTEMA COMPATIBLE ( S .C . ) Admite soluciones
Un sistema compatible puede ser :
1.
DETERMINADO ( S . C . D. ) Solucin nica
2.
INDETERMINADO ( S . C . I . ) Infinitas soluciones
Discutir un sistema de ecuaciones consiste en determinar de qu tipo es,

segn la clasificacin anterior.
Resolver un sistema de ecuaciones consiste en calcular todas las
soluciones del sistema si las hay.
Una buena herramienta que podemos usar para discutir un sistema de
ecuaciones lineales sin necesidad de resolverlo es el siguiente:
Teorema de Rouch-Frbenius
Supongamos que tenemos un sistema de ecuaciones lineales con matriz de
coeficientes A y matriz ampliada A . Entonces:

1. Si
rang ( A ) rang ( A ) , el sistema es incompatible (no tiene solucin).
2. Si
rang ( A ) =rang ( A ) , y es igual al nmero de incgnitas, el sistema es
compatible determinado (tiene una nica solucin).

3.
Si
rang ( A ) =rang ( A )
y es menor que el nmero de incgnitas, el
sistema es compatible indeterminado (tiene infinitas soluciones).

Un caso particular es el de los sistemas de ecuaciones lineales
homogneos, es decir, aquellos en los que todos los trminos
independientes son nulos. Entonces como la matriz de trminos
independientes b es una columna de ceros, se puede suprimir de la
53
matriz de coeficientes
A . As la matriz ampliada A , en este caso, es
semejante a la matriz de coeficientes. Por lo tanto, siempre se cumple que
rango ( A ) =rango ( A ) .
Esto
quiere
decir
que
todos
los
sistemas
homogneos son siempre compatibles. Se cumple:

1. Si
rang ( A ) =
nmero de incgnitas, el sistema es compatible
determinado (tiene una nica solucin), que se conoce con el nombre

de solucin trivial. Es aquella en la que todas las incgnitas son nulas.
2. Si
rang ( A ) <
nmero de incgnitas, el sistema es compatible
indeterminado (tiene infinitas soluciones).

A continuacin veremos cmo resolver un sistema de ecuaciones lineales,
aplicando la regla de Cramer.
1.7 Resolucin de un sistema de ecuaciones lineales

54
A. Regla de Cramer
La regla de Cramer se aplica para resolver sistemas de ecuaciones lineales
que cumplan las siguientes condiciones:
El nmero de ecuaciones es igual al nmero de incgnitas.

El determinante de la matriz de los coeficientes es distinto de cero.
Tales sistemas son sistemas compatibles determinados y se denominan

sistemas de Cramer.
El valor de cada incgnita
xi
se obtiene de un cociente donde el
denominador es el determinante de la matriz de coeficientes, y el numerador

i
es el determinante que se obtiene al sustituir la columna
del
determinante anterior por la columna de los trminos independientes:
| A i|
x i=
| A|
Ejemplo: Obtener el valor de las incgnitas del siguiente sistema de

ecuaciones lineales:
2 x 1 +4 x2 3 x 3=12
3 x1 5 x 2 +2 x3 =13
x 1 +3 x 2+2 x 3=17
Solucin:
El primer paso es ordenar el sistema de ecuaciones: cada columna debe
corresponder a una sola variable y todas las constantes deben pasar al lado
derecho de la igualdad. Una vez ordenado el sistema, se procede a calcular el
determinante de la matriz principal o matriz de coeficientes ( A ) :
4 3
5 2 =2 (106 )4 ( 6+2 )3 ( 95 )=76
1 3
2
| A|= 3
55
Posteriormente se obtienen las matrices especiales formadas del reemplazo

xi
de la columna de coeficientes
con el vector columna de constantes. Para
las tres variables, los determinantes de estas matrices son:
12 4 3
A
=
| 1| 13 5 2 =12 (106 ) 4 (2634 )3 ( 39+85 ) =532
17 3
2
| A2|=
2 12 3
3 13 2 =2 ( 2634 )12 ( 6+2 ) 3 (51+13 )=304
1 17 2
2
4 12
| A3|= 3 5 13 =2 (8539 ) 4 ( 51+13 ) +12 ( 95 )=456
1 3 17
Una vez obtenido los determinantes, se procede fcilmente a obtener el valor de las
incgnitas:
| A 1|
x 1=
532
=7
| A| 76
| A 2|
x 1=
| A|
| A 3|
x 1=
| A|
304
=4
76
456
=6
76
B. Mtodo de la matriz inversa
Si tenemos un sistema con el mismo nmero de ecuaciones que de

incgnitas (n=m) , podemos escribir el sistema matricialmente as:
A X=b
donde A , X y b , son las matrices ya definidas de coeficientes, incgnitas y

trminos independientes respectivamente.
56
Para calcular la matriz de incgnitas, debemos despejar
de la ecuacin.
Sabemos que eso se puede hacer slo cuando la matriz A posea inversa, y si
es el caso, operamos con esta matriz sobre el sistema anterior
1
1
A A X= A b
por la propiedad asociativa del producto:
( A1 A ) X =I X= A1 b
Finalmente la solucin del sistema viene dada por:
X =A1 b
es decir podramos calcular X , y el sistema tendra solucin nica.
Si A no posee inversa, no podemos despejar X y el sistema no se puede
resolver de esta manera.
Si consideramos el clculo de la matriz inversa por medio de determinantes,
es decir:
1
A =
1
adj( A)
det ( A)
Entonces
X=
tambin ser igual a:
1
adj( A) b
det ( A )
X es necesario calcular adems

Si usamos este mtodo para determinar
del determinante de A , la traspuesta de su matriz de cofactores, es decir,
la matriz adjunta.
Antes de realizar cualquier clculo, se debe tener en cuenta que el
A
determinante de
debe ser diferente de cero, para garantizar una
solucin al problema.
Ejemplo: resolvamos por este mtodo el ejemplo anterior:
57
2 x 1 +4 x2 3 x 3=12
3 x1 5 x 2 +2 x3 =13
x 1 +3 x 2+2 x 3=17
2
4 3
A=| A|= 3 5 2 =76
1 3
2
det
| | | | | |
| | | | | |
| | | | | |
+ 5 2
3 2
C= 4 3
3 2
+ 4 3
5 2
3 2
1 2
+ 2 3
1 2
2 3
3 2
+ 3 5
1 3
16 8
4
2 4 = 17
1 10
1 3
7 13 22
2
4
+
3 5
La matriz adjunta es,
16 17 7
adj ( A )=C = 8
1 13
4 10 22
t
Ordenando los resultados de acuerdo a:

A1=
1
adj( A)
det ( A)
A1=
16 17 7
1
8
1 13
76
4 10 22
Finalmente, poniendo los resultados segn
58
A1 ( A X )= A1 ( b )
X =A1 ( b )
[ ][ ]
16
76
8
X=
76
4
76
17
76
1
76
10
76
7
192+221+119
76
76
x1
12
7
13
9613+ 221
=
=
=
13
4
x2
76
76
17
6
x3
22
48+130+374
76
76
[]
Entonces, los valores del vector
[][ ]
sern 7, 4 y 6.
El Jacobiano
Es un determinante especial que sirve para testear la dependencia funcional,
tanto lineal como no lineal. Un determinante Jacobiano est compuesto por
todas las primeras derivadas parciales. Por ejemplo, dadas las siguientes
funciones,
y 1=f 1 (x1 , x2 x n)
y 2=f 2 ( x1 , x 2 x n)
y n=f 3 (x 1 , x 2 x n )
El Jacobiano
( determinante ) ser igual a:
59
| |
y1
x1
y2
y1 , y2 , , yn
|J|=
= x1
x 1 , x 2 , , x 3
yn
x1
y1
x2
y2
x2

yn
x2
y1
xn
y2
xn
yn
xn
Vemos que los elementos de cada fila son las primeras derivadas parciales de
yi
la funcin
con respecto a cada una de la variables independientes
(x 1 , x 2 , x 3) , mientras que los elementos de cada columna son las primeras
derivadas parciales de cada una de las funciones
de las variables independientes,
xj
. Si
y 1 , y 2 , y3
respecto a una
|J|=0 , las ecuaciones son
funcionalmente dependientes, sino son independientes.

Ejemplo : Averiguar la dependencia funcional de:
y 1=5 x 1+3 x 2
2
y 2=25 x 1 +30 x 1 x 2 +9 x 2
Solucin: Primero, se toma las derivadas parciales de primer orden:

y1
y
y2
y
=5 1 =3
=50 x 1+ 30 x 2 2 =30 x 1+18 x 2
x1
x2
x1
x1
|J|=
5
3
50 x1 +30 x 2 30 x 1+18 x 2
|J|=5 ( 30 x 1 +18 x 2) 3 ( 50 x1 +30 x 2 )=0

|J|=0 existe dependencia funcional entre ambas ecuaciones.
60
Podemos comprobar que:

2
( 5 x1 +3 x 2 ) =25 x 1 +30 x 1 x 2 +9 x 2
es decir:
2
( y1 ) = y2
61
1.8 Problemas resueltos

Ejemplo: Sean las matrices:
][
x 2
1 1
1
0 4
1 2a
1
A=
B=
1 x 3 x 0
2
0 1 1 2
1
Si
1
0
1
0
1 0
1 0
1 1
1 0
C=( 2 AB )t , obtenga la suma
S=c21 +c 32 + c 33
A yB
Solucin: Multiplicar la matriz
2 x10 2 x2 2 x +4 2
4 a4
2
4 a+ 10 2
2 AB=
14 x2 6 x2 4 x2 6 x
2
2
4
2
]
y luego por el escalar 2.
Entonces
2 x10 4 a4 14 x2 2
2
6 x2 2
( 2 AB ) = 2 x2
2 x+ 4 4 a+10
4 x2 4
2
2
6 x 2
t
c 21=2 x 2; c32=4 a+10 ; c 33=4 x2 .

Entonces
S=2 x2+ 4 a+10+ 4 x2=6 x+ 4 a+ 6.
62
Ejemplo: Se tienen las siguientes matrices:
[]
3
2 a 3 b
2 4 2 6 C= 4
A= 2
b B=
1 b 5 1
6a
5
8
2
Obtenga:
a)
D= A B C
b)
Si a=0, cmo cambia D en relacina la pregunta anterior ?
Solucin:
A (3 X 2) y B(2 X 4)
a) Primero multiplicamos las matrices

las dimensiones, resultando la matriz
la matriz
C(4 X 1 )
AB (2 X 4 )
y luego multiplicarlo con
4 a3 b 8 a+3 b2 4 a15 b 12 a+3 b

A B= 4b
b28
45 b b12
18
8 b+ 20
50
38
]
][
3
4 a3 b 8 a+3 b 2 4 a15 b 12 a+ 3 b
A B C=D= 4b
4
b28
45 b b12
6a
18
8 b+20
50
38
2
porque cumplen con
24 a22 a ( 34+ 45 b )3b (4 b+5)

D=
6 a ( 45 b )4 b25 b+ 68
300 a2(16 b+105)
b) Simplemente, se reemplaza el valor 0 de a en la matriz resultante D

63
3 b( 4 b+ 5)
D= 4 b2 5 b+68
2(16 b+105)
64
Ejemplo: Dada la matriz
H y H1=D ,
obtenga
3 a 1 a
H= 1
4
1
2 3 1
Solucin: Calculamos la matriz inversa de
sabiendo que
d 22 =1
]
por medio de determinantes,
es decir:
H 1=
1
adj(H )
det ( H )
1 Clculo del determinante de H por mtodo de Sarrus:
[ ]
3 a
1
2
detH =
3 a
1
1
4
3
1
4
a
1
1
=(12 a ) + (3 a ) + ( 2 )(8 a ) ( 9 a ) (1 ) =8 a+1
a
1
2 buscamos la matriz de cofactores

+|1|
|1|
+|5|
1
1
5
Cof ( H )= |3 a+1|
+|5 a|
|9 a2| = 3 a1 5 a 9 a+2
+|4 a1| |4 a| +|12 a+1| 4 a1 4 a 12 a+1
)(
3 Calculamos la adjunta
1 3 a1 4 a1
t
adj ( H ) ( Cof ( H ) ) = 1
5a
4a
5 9 a+2 12 a+1
)
65
1
8 a+1
1
H =D= 1
8 a+1
5
8 a+1
3 a+1
8 a+1
5a
8 a+1
29 a
8 a+1
4 a+1
8 a+1
4a
8 a+1
112 a
8 a+1
Por condicin:
5a
d 22 =
8 a+1
Entonces
1
a=
3
Ejemplo: Una tienda vende 1000 hamburguesas, 600, y 1200 leches en una
semana. El precio de la hamburguesa es 45 pesos ( p ) , una hamburguesa
con queso
60 p , y la leche
50 p . El costo de vender una hamburguesa es
38 p , una hamburguesa queso es 42 p , y una leche es 32 p . Encuentre el

ingreso, costo y beneficio semanal de la firma.
Solucin: Definimos y ordenamos:
[ ][ ] [ ]
1000
0.45
0.38
Q= 600 P= 0.60 C= 0.42
1200
0.50
0.32
El ingreso total es
I =PQ , pero esta operacin no se puede realizar.
Entonces se aplica la transpuesta de
P . Slo as es posible la
multiplicacin.
[ ]
1000
t
I =P Q=[ 0.45 0.60 0.50 ] = 600 =1410
1200
66
Similarmente el costo total:
[ ]
1000
C=Ct Q=[ 0.38 0.420.32 ]= 600 =1016
1200
El beneficio semanal ser:
B=I C=14101016=394
[ ] [] []
1000
45
38
Q= 600 P= 60 C= 42
1200
50
32
El ingreso total es
I =PQ , pero esta operacin no se puede realizar.
Entonces se aplica la transpuesta de
P . Slo as es posible la
multiplicacin.
[ ]
1000
I =P Q=[ 45 60 50 ] 600 =141000
1200
t
67
Similarmente el costo total:
[ ]
1000
C=Ct Q=[ 38 4232 ] 600 =101600
1200
El beneficio semanal ser:
B=I C=141000101600=39400
68
Ejemplo: En una pgina deteriorada de un libro se encuentra la matriz
1 x 0
A= 0 0 y
0 0 z
)
A 2 At
y del producto
6
2
1
Obtenga
solo se puede leer la ltima columna
)
x+ y+ z
A 2 At
Solucin: Calcularemos el producto
)(
1 x
1 x 0 1 x 0
A 2= 0 0 y 0 0 y = 0 0
0 0 z 0 0 z
0 0
)(
1 x
2
t
A A= 0 0
0 0
)( ) (
xy 1
yz x
2
0
z
0
0
y
xy
yz
z2
con la matriz
x +1
0
0= 0
z
0
xy xyz
2
2
y z yz
2
3
yz
z
Es decir:
x 2+1
A 2 At = 0
0
xy 2 xyz
2
2
=
y z yz
2
3
yz
z
)(
6
2
1
Se igualan las ltimas columnas de ambas matrices:

xyz=6
2
yz =2
69
z 3=1
z=1, x=3, y=2.
se obtiene que :
finalmente,
x+ y+ z=4
Ejemplo: Hallar
a,b,c y d
(a1
b
4
si se cumple que:
( )(
1
c d 0
9 2 0
0
0
0
1
0
2
1
0
1
0
1 =1 0 6 6
1 9 8 4
0
0
Solucin: Multiplicamos las matrices del lado izquierdo:
(a1
)(
c 2a+ b+d b
1 0 6 6
=
9
8 4
1 9 8 4
Al igualar las matrices obtenemos:

Ejemplo: Sea la matriz
a=1,b=6, c=0 y d=2
y su determinante en funcin de
y . Hallar:
4 0
5 4
A= 5 3 4 2 y det ( A )=4 (9 y 22 y43)
2 2 2 0
4 y 1 1
t
a) La
det
70
b) Qu valor(es) tomar y para que el sistema
At
sea singular, es
decir, para que no tenga solucin nica.

Solucin:
a) Por propiedad
A
At
=det
det
b) Para que el sistema sea singular es necesario que
A
At
=det
det
A
=4( 9 y 2 2 y 43)
det
4 ( 9 y 22 y43 ) =0 9 y 22 y43=0
resolvemos esta ecuacin cuadrtica
(2) (2 ) 4 9 (43 ) 2 4 +1548 2 39.4

=
=
29
18
18
2
y=
y 1=2.3
y 2=2.08
Ejemplo: Conforme al modelo

4 x5 y +23 z+ 11 w=0
31 z +21 y +4 w=23
71
69 z12 x +33 w15 y=0
23 y+ 42 w21 x 2 z=3
Determinar los valores nicos de
x, y ,z ,w
usando el mtodo de Cramer.
Solucin: Al ordenar las ecuaciones podemos observar que la tercera

ecuacin del sistema, es 3 veces la primera ecuacin, es decir, una
combinacin lineal de la primera. Por ello, el sistema no tendr solucin nica
y se puede verificar porque el determinante de la matriz formada por las
cuatro ecuaciones resulta ser cero.
4 x5 y +23 z+ 11 w=0
21 y+31 z +4 w=23
12 x15 y +69 z+33 w=0

21 x +23 y2 z+ 42 w=3
4 5 23
0
21
31
12 15 69
21 23 2
Ejemplo: Si
| |
11
4 5 23
4
0
21 31
f 33 f 1 f 3
33
0
0
0
21 23 2
42
C=AB y c 33=m ,
11
4
=0
0
42
Escriba aqu la ecuacin.
obtenga el valor de z, si la menor solucin de m
es igual a cero, siendo:
)(
3 4 q 4
4 3
1 a
A= 2 a e 3 B= 3 2 1 1
3 z m 2
2 1 5 m 0
1 m 1 1
1 0
4 2
28+2 q
17 q
155 mq 3 a12
53 a2 e
6+ 2ae 10a+5 me 3 a6
A B=
162m3 z 9+2 zm 11+5 m 2z 4+3 az
73 m
2+2 m
5+ 4 m
2+ am
)
72
Solucin: Al hallar el producto de la matriz

de la matriz
AB
(en funcin de
AB
se extrae el elemento
c 33
myz )
c 33=3 ( 1 )+ z (1 )+ m ( 5 m )+ 2 ( 4 )
c 33=3z +5 m2 +8
2
c 33=5 m +11z
Por condicin
2
c 33=m 5 m +11z=m
5 m 2m+ ( 11z )=0
m=
1 (1)24 5 (11z )
1 120 (11z )
m=
2 5
10
Como la menor solucin de m es igual a cero

m=
1 120(11z)
=0 z =11
10
73
Ejemplo: Sea el sistema de ecuaciones:

ax +by=c
2
a x+ dy+ ez=f
hz + gx=i
Qu requisitos debe cumplir
a , si es posible, para que dicho sistema
tenga solucin nica?

Solucin: Ordenando el sistema en trminos matriciales:
[ ][ ] [ ]
a b 0 x
c
a2 d e y = f o A X=B
i
g 0 h z
Para que el sistema tenga solucin nica, el determinante del sistema debe
ser diferente de cero.
Usando Sarrus
| |
a
a2
g
A=
a
a2
b 0
d e
0 h
=adh+0+ bgh00a2 bh
b 0
d h
det
Obteniendo
det ( A ) a2 bh+adh+bgh .
Haciendo
como variable se tendr
que:
dh ( dh ) + 4 ( bh ) ( bgh )
a
2bh
2
74
Ejemplo: Obtenga el
det ( A)
si
[ ]
1
A= 2
3
4
1
0
9
6
1
5
2
5
1
0
3
6
Solucin: El determinante puede resolverse por diversas formas. La forma

ms sencilla es usar la segunda fila ya que tiene dos ceros y con ello los
subdeterminantes respectivos tambin sern cero, reduciendo los clculos.
As:
| || |
1 1 1
1 1 1
det ( A )=2 9 2 3 5 3 9 3 =2 (6 ) 5 (12 ) =48
6 5 6
4 6 6
Los determinantes de
3 x3
pueden resolverse por Sarrus o por cofactores.
[ ] [ ]
1
9
6
det ( 1 ) =
1
9
1
2
5
1
2
1
3
6
det ( 2 )=
1
3
1
3
4
1
3
1
9
6
1
9
1
3
6
1
3
det ( 1 ) =( 1 2 6 ) + ( 9 5 1 ) + ( 6 1 3 ) [ ( 6 2 1 ) + ( 1 5 3 ) + ( 9 1 6 ) ]=7581
det ( 1 ) =6
det ( 2 ) =( 1 9 6 ) + ( 3 6 1 )+ ( 4 1 3 ) [ ( 4 9 1 ) + ( 1 6 3 ) + ( 3 1 6 ) ] =8472
75
det ( 2 ) =12
76
Unidad 2- Espacios vectoriales

2.1 Magnitudes escalares y vectoriales
Se llaman magnitudes a aquellas propiedades fsicas que pueden medirse y
expresar su resultado mediante un nmero y una unidad. Son magnitudes la
temperatura, la longitud, la masa, el volumen, la cantidad de sustancia, el
tiempo, la fuerza, la velocidad, el voltaje, la corriente elctrica, etc.
Encontramos dos tipos de magnitudes, las escalares y las vectoriales.
Magnitudes escalares
Son aquellas en las que las medidas quedan completamente definidas por
medio de un nmero y las unidades utilizadas en su medida. Ejemplos de
magnitudes escalares son la masa, la temperatura, la presin, la densidad, la
energa, el volumen, etc.
Magnitudes vectoriales
Son aquellas que para quedar definidas necesitan adems de un valor
numrico (intensidad), una direccin, un sentido y un punto de aplicacin.
Ejemplos de magnitudes vectoriales son la velocidad, la fuerza, la
aceleracin, la cantidad de movimiento, el campo magntico, el flujo de calor
o de materia, el desplazamiento, el campo elctrico, etc.
Las magnitudes vectoriales no se pueden representar, como los escalares,
por puntos sobre una recta. Hay que tomar segmentos de una longitud dada
(indicadora de su intensidad) a partir de un punto fijo, los cuales tengan la
direccin y sentido correspondientes.
77
2.2 Vectores
Un vector es la expresin que proporciona la medida de cualquier magnitud
vectorial. Se representa por un segmento de recta orientado o flecha, con
una direccin y longitud.
Un vector puede utilizarse para representar una magnitud fsica, quedando

caracterizado por los siguientes elementos:
(O) .
Origen: Es el punto exacto sobre el que acta el vector
Extremo:
Direccin: Viene dada por la orientacin en el espacio de la recta que

contiene al vector.
Sentido: Se indica mediante una punta de flecha situada en el

extremo del vector ( P ) , indicando hacia qu lado de la lnea de
accin se dirige el vector.

Todos los vectores situados sobre una misma recta o sobre rectas
paralelas tienen la misma direccin. Sobre cada recta hay dos sentidos
opuestos.
Mdulo: Es la longitud o tamao del segmento, que es proporcional a la
intensidad de la magnitud representada. El mdulo es una cantidad escalar
siempre positiva. Si A es el vector que tiene origen en O y extremo en P, su
mdulo representa la distancia entre los puntos O y P y se expresa de
cualquiera de las tres siguientes maneras:
mod A=|A|=|
OP|
78
Para indicar un vector se usa con frecuencia una flecha encima:
A o bien
OP .
Componentes de un vector
Hay que tener muy en cuenta el sistema de referencia de los vectores, que
estar formado por un origen y tres ejes perpendiculares. Este sistema de
referencia permite fijar la posicin de un punto cualquiera con exactitud. El
sistema de referencia que usaremos es el Sistema de Coordenadas
Cartesianas. En este sistema la posicin de un punto se encuentra
determinada por tres nmeros independientes, que se denominan
componentes o coordenadas del vector y que definen las distancias a los
llamados planos coordenados.
En la Figura se pueden observar los tres planos coordenados que forman
ngulos rectos entre si y cuyas intersecciones son los llamados ejes
coordenados.
Sistema de coordenadas cartesianas.
Las componentes del vector pueden escribirse entre parntesis y separadas

con comas:
a=( a x , a y , a z )
los valores
ax , a y , az
, salvo que se indique lo contrario, son nmeros reales.

79
Para poder representar cada vector en un sistema de coordenadas

cartesianas, se usan tres vectores unitarios. Estos vectores unitarios, son
unidimensionales, es decir, tienen mdulo 1, son perpendiculares entre s y
correspondern a cada uno de los ejes del sistema de referencia. Es decir:
eje de las X, le corresponder el vector unitario i o tambin

^
denominado i .
Al eje Y, le corresponder el vector unitario j o tambin denominado

^j
.
Al eje Z, le dejaremos corresponder el vector unitario k o tambin

^
denominado k .
Al
De esta manera, obtendremos un eje de coordenadas cartesianas de la

siguiente forma:
Vectores unitarios del sistema de coordenadas cartesianas
Los vectores unitarios se expresan en la forma:

^ ( 1 ,0,0 ) ^j=( 0,1,0 ) k^ =( 0 , 0,1 )
i=
Sus mdulos valen:
|i^ |= 12 +0+0=1
|^j|= 0+12 +0=1|k^|= 0+ 0+12=1
Nota: Los vectores unitarios o versores, cuyo mdulo es la unidad, se

^ ^ ^
representan frecuentemente con un circunflejo encima, por ejemplo: i, j y k .
80
Tipos de vectores
Vectores iguales
Dos vectores son iguales cuando tienen el mismo mdulo y la misma
direccin.
Vector libre
Un vector libre queda caracterizado por su mdulo, direccin y sentido. El
vector libre es independiente del lugar en el que se encuentra.
Vectores equivalentes
Si dos o ms vectores tienen la misma direccin, sentido y mdulo se llaman
vectores equivalentes
Vectores opuestos
Dos vectores que tienen la misma direccin y mdulo pero sentido contrario
se llaman vectores opuestos, indicaremos con u al vector opuesto de
u .
81
2.3 Vectores en R2 y R3
La palabra vectores se refiere a los elementos de cualquier
R1=R
Rn .
En
el vector es un punto, que llamamos escalar y se puede representar
en una recta numrica.

En
el vector es de la forma
( a , b)
y sus elementos se asocian con
puntos de un plano cartesiano formado por dos rectas perpendiculares

entre s, que definen un sistema de coordenadas cartesianas donde la
interseccin de estas dos rectas representa a (0, 0)
y cada (a , b) se
asocia
con
un
punto
(eje X o de las absisas)
de
coordenada
la
coordenada
en
en
la
recta
la
recta
horizontal
vertical
(eje Y o de las ordenadas) .

Anlogamente, en
el vector es de la forma
(a , b , c )
y sus elementos se
asocian con puntos en el espacio definido por tres rectas perpendiculares

entre s que se cortan en un punto comn del espacio (0,0, 0) . Estas rectas
forman los ejes
X , Y y Z , es comn llamar a este conjunto de ejes como
sistema de coordenadas cartesianas en el espacio.
82
Vectores en
R2
Suma de vectores
Sean
a=( a1 , a2 ) y b=( b1 ,b 2 )
vectores en
, entonces:
a+b=( a1 , a 2) + ( b1 , b2 )=( a1 +b1 , a2 +b2 ) .
La suma de vectores tambin se puede realizar grficamente. Para sumar los

a yb
vectores
de manera grfica utilizaremos la Regla del
paralelogramo, que consiste en dibujar un paralelogramo a partir de los
a y b . Al dibujar la diagonal de este paralelogramo obtendremos
vectores
el vector suma a+b .
83
Producto escalar
Sea
a=( a1 , a2 )
un vector en
R2 , entonces
a= ( a1 , a2 )=( a1 , a 2 )
Para el producto escalar a , se puede observar grficamente que si
> 0 se alarga o se acorta el vector a
. Si < 0 se
por un factor
invierte la direccin del vector a .
Vectores en
Suma
Sean
de
R3
vectores
a y b R3 , entonces:
a+b=( a1 , a 2 , a3 ) + ( b1 ,b 2 , b 3 )=( a1+ b1 , a2+ b2 , a3 +b3 )
Producto escalar
84
Sea
un vector en
R3 , entonces:
a= ( a1 , a2 , a3 )=( a1 , a 2 , a3 )
85
Vectores en
Rn
R2 y R3
Las operaciones con vectores vistas para
estudiando las propiedades de los vectores en

una secuencia de
elementos de la forma
nmero natural (entero no-negativo) y cada
las podemos generalizar

Rn . Un vector en
v =( v 1 , v 2 , , v n )
vi
. A
, siendo
vi
Rn
es
un
se le llama
componente i-sima del vector.

Dado que el espacio vectorial
de coordenadas involucrando
Rn , con
n
n>3 , se representa en un sistema
ejes de coordenadas perpendiculares entre
s, por consiguiente no es posible obtener una representacin grfica de

estos vectores. Sin embargo, en la prctica estos vectores son muy
importantes ya que muchas propiedades fsicas dependen de ms de tres
variables. Por ejemplo, la densidad de un fluido homogneo, adems de
depender de las tres coordenadas espaciales, puede depender de variables
adicionales tales como la temperatura ( T ) , la presin ( p ) y el tiempo ( t )
; en este caso particular, la densidad es funcin de seis variables, y los
6
elementos ( x , y , z , T , p ,t ) pertenecen a R . Entonces:
El espacio vectorial
elementos de la forma
es el conjunto de todos los vectores con

v =( v 1 , v 2 , , v n )
, que cumple con las siguientes
operaciones:
Suma y resta de vectores
La suma y resta se hace componente a componente.
Sean
u=( u1 , u2 , ,u n ) Rn y v=( v 1 , v2 , , v n ) R n , entonces:

u+ v=( u1 ,u 2 , , un ) + ( v 1 , v 2 , , v n ) =( u1 + v1 , u2 +v 2 , ,u n+ v n )
uv=( u 1 , u2 , ,u n )( v 1 , v2 , , v n ) =( u1v 1 , u2v 2 , , un v n )
Propiedades de la suma de vectores

86
Clausura para la adicin:

u , v R n u+ v Rn
Conmutativa:
u , v R n u+ v=v+ u
Asociativa:
n
u , v , w R ( u+ v ) +w=u+ ( v+ w )
Elemento neutro:
0 R n tal que v +0=0+ v=v v Rn
Elemento opuesto o inverso aditivo:
v Rn (v ) Rn tal que v+ (v )=(v ) + v=0 ( 0 R n )
Producto de un vector por un escalar
En este caso se multiplica el escalar por cada una de las coordenadas del
vector.
v =( v 1 , v 2 , , v n )
Rn , entonces:
Sea R y
un vector
v = ( v 1 , v 2 , , v n )=( v 1 , v 2 , , v n )
El vector resultante tiene las siguientes caractersticas:

1.- Tiene la misma direccin que
v .
2.- Su sentido coincide con el de
v , si
Su sentido es opuesto al de
v , si
es un nmero positivo
es un nmero negativo.
3.- El mdulo es veces la longitud que representa el mdulo de

es 0 el resultado es el vector nulo).
v . (Si
87
Propiedades del producto de un vector por un escalar

Clausura para el producto escalar:
R y v R v R
R y v R v =v
Conmutativa:
n
Distributiva mixta:
Suma de vectores
R y u , v Rn ( v +u )= ( v ) + ( u )
Suma de escalares
, R y v R n ( + ) v =( v ) + ( v )
Asociativa:
, R y v R n ( v )= ( ) v
Elemento neutro:
1 R tal que 1 v=v v R n
2.4 Norma - Distancia

Producto escalar
Vectores
unitarios
Norma o Longitud de un vector

La figura muestra el vector geomtrico que une el origen al punto
en el
plano. A partir del teorema de Pitgoras encontramos que la longitud de A
( a1 , a 2) R2
viene dada por la frmula :

Longitud de
A= a 12+ a22
88
En
R2 ,
longitud de
A es a12 +a 22
R3 ,
En
longitud de
A es a12 +a 22 +a 32
En la figura se muestra tambin el dibujo correspondiente en
R3 . Aplicando
el teorema de Pitgoras dos veces, encontramos que la longitud de un vector

3
geomtrico A=(a1 , a2 , a3 ) R viene dada por:
Longitud de
A= a 12+ a22 +a 32
Observe que en uno u otro caso la longitud de

la raz cuadrada del producto escalar de
viene dada por
por s mismo. Esta frmula
sugiere un mtodo para introducir el concepto de norma en
Definicin: Sea
A=( a1 , a2 ,a 3 , , a n)
( A A )1 /2 ,
un vector en
Rn .
, la norma (magnitud,
mdulo o longitud) del vector, representada de la forma
| A| A , se define
mediante la igualdad:
| A|= A ( A A )1 /2= A A= a12 +a 22 +a32 ++ an2
89
Las propiedades bsicas de la norma quedan reflejadas en el siguiente

teorema:
A yB
Teorema. Si
son dos vectores
Rn , y
se cumplen las
siguientes propiedades:
A 0
ii)
A=A
iii)
A=|| A
iv)
AB=B A
v)
A+ B A+B
(Desigualdad triangular)
vi)
| A B| AB
(desigualdad de Cauchy-Schwarz)
A=0
A=0 .
i)
si y solo si
A=B
Nota: La desigualdad triangular se satisface si y solo si

escalar > 0.
para algn
Esta propiedad se desprende de un hecho conocido de la geometra

elemental: En un tringulo, un lado siempre es menor o igual que la suma de
los otros dos. Ese es el motivo del adjetivo triangular aplicado a la
desigualdad.
Distancia
Definicin: Sean
B=( b 1 , b2 , b3 , , bn )
A yB
vectores en
. La distancia entre
, donde
A yB
A=( a1 , a2 ,a 3 , , a n)
representada por
d ( A , B)
est definida por:
d ( A , B )= AB=B A= ( b 1a1 ) + ( b 2a2 ) + ( b3 a3 ) ++ ( bn an )

Propiedades
90
i)
d ( A , B ) 0
d ( A , B )=0
para cualesquier punto

si y solo si
B Rn
, y
A=B .
A , B Rn .
ii)
d ( A , B )=d ( B , A ) , para cada par
iii)
d ( A , B ) +d ( B , C ) d ( A ,C ) , y la igualdad se produce solo si

pertenece al segmento de extremos
B .
91
Vectores unitarios
Se denomina vector unitario a todo vector de mdulo 1. Recordemos que el
mdulo es la cifra que coincide con la longitud cuando el vector se
representa en un grfico.
Para calcular un vector unitario a partir de uno dado, se divide este ltimo
V de mdulo 1, con la misma

por su mdulo. El resultado es un vector
direccin y sentido que el vector original.
Ejemplo 1:
Si
AB
mide 3,
entonces:
AB
V AB=
| AB|
Y su mdulo:
V AB|=1
|
Ejemplo 2: Dado un vector de
|a|= a x 2+ a y 2 + az2
sentido que
a
a^ =
|a|
R3 , a =( a x , a y , a z ) , al dividirlo por su mdulo
(escalar), se obtiene otro vector de igual direccin y

pero de mdulo 1.
92
y sus componentes son

ax ay az
a^ =
, ,
|a| |a| |a| ,
El uso de vectores unitarios proporciona la especificacin de las diferentes

direcciones que presentan las cantidades vectoriales en un determinado
sistema de coordenadas
Un vector unitario puede emplearse para definir el sentido positivo de
cualquier eje. As, para los ejes cartesianos x , y , z se emplean los vectores
i, j y k :
Vectores unitarios para los ejes cartesianos
La orientacin de estos tres ejes cartesianos puede cambiarse, siempre y

cuando su orientacin relativa sea la misma.
Del mismo modo pueden definirse un vector tangente y un vector
perpendicular a una curva en cada punto, o un vector unitario en las
direcciones radial y angular:
93
Con ayuda de estos vectores unitarios puede expresarse un vector cualquiera

en funcin de sus vectores constituyentes.
Vectores constituyentes de un vector

Sobre cada uno de los ejes cartesianos ortogonales, y en el sentido positivo
2
de los mismos, consideramos en R los vectores unitarios i, j de
componentes
^ ( 1 ,0 ) ^j=( 0,1 )
i=
O en
R3
los vectores
i, j , k
de componentes
^ ( 1 ,0,0 ) ^j=( 0,1,0 ) k^ =( 0 , 0,1 )

i=
que se denominan vectores fundamentales. Tambin se los suele representar
con los smbolos
^ ^j , k^
i,
Podemos comprobar que:
|i|=| j|=|k|=1
94
Cualquier vector
se puede expresar en trminos de sus proyecciones a lo
largo de los ejes y de estos vectores unitarios. Por ejemplo, en dos

dimensiones:
Todo vector
, de componentes cartesianas
a
( x ,a y )
puede
escribirse en la forma:
a =a x i +a y j
De forma anloga todo vector
, de componentes cartesianas
a
( x ,a y , a z ) , puede escribirse de la forma:
a =a x i +a y j+a z k
Que es la forma ms comnmente que empleamos para expresar una
magnitud vectorial.
Donde
vectores
ax , a y , az
son las proyecciones (o componentes cartesianas). Los
a x i , a y j , az k
se denominan vectores constituyentes del vector
a .
La descomposicin de un vector como suma de vectores en las direcciones

de los ejes coordenados se denomina descomposicin cannica.
Ejemplos: Efectuar la descomposicin cannica de:
95
a.
A= ( 6,2 ) A=6 i2 j
b.
B=( 3, 0,5 ) B=3 i5 k
Nota: Todo vector de

componente
R
R2
puede escribirse como un vector de
R3
con
igual a cero, es decir, como caso particular de vectores de
Producto escalar o producto punto

Se llama producto escalar o interno de dos vectores
A yB
al escalar que se
obtiene como producto de los mdulos de ambos vectores por el coseno del
ngulo que forman. En smbolos:
A B=|A||B|cos
Propiedades del producto escalar

Consideremos los vectores en
A , B , C Rn
entonces el producto
escalar cumple con las siguientes propiedades:

1. Conmutativa:
2. Asociativa:
3. Distributiva:
A B=B A
( k A ) B=k ( A B )
siendo
escalar.
A ( B+C )= A B+ A C
96
4. E l pro ducto es ca la r de un ve cto r no nulo por s mis mo s ie m pre

e s pos itiv o. A 0 A A>0
Adems, como consecuencias inmediatas de la definicin se tiene:
Dado que
de
| A|cos representa la proyeccin de A
en la direccin
B , como se ve en la figura, el producto escalar resulta igual al
producto entre el mdulo de

direccin de B .
por la proyeccin de
en la
En general, el producto escalar d e d o s v e c t o r e s n o n u l o s resulta igual

al producto entre el mdulo de uno de los vectores por la proyeccin
del segundo en la direccin del primero.
Si A y B 0 y A B=0 , esto implica que los vectores son perpendiculares,
( cos 90 =0 ) .
Los versores fundamentales, tanto en
como en
, cumplen
que:
i i= j j=k k =1
i j= j k =k i=0
Dados los vectores:

A=a x i+ a y j +a z k y
B=b x i+b y j+ b z k
(en su forma cannica),
Aplicando la propiedad distributiva y las propiedades de los versores

fundamentales, su producto escalar resulta:
A B=a x b x + a y b y +a z b z
Con esta expresin se puede calcular el producto escalar de dos vectores
cuando se conocen sus componentes.
97
Note que el producto escalar de vectores da como resultado un escalar, no

un vector.
El ngulo entre dos vectores se calcula a partir de

a x b x +a y b y + az b z
AB
=
| A||B| ax 2 +a y2 +a Z 2 b x 2+ b y 2 +b Z 2
cos =
Ejemplos: Desarrollar el producto escalar y encontrar el ngulo entre los

vectores:
a)
A= (1,1 ) y B=(2,1 )
A B=a x b x + a y b y = (1 ) (2 ) + (1 ) (1 )=3
| A|= a x2 +a y 2= (1 ) + (1 ) = 2
2
|B|= b x 2 +b y 2= (2 ) + (1 ) = 5
2
AB
3
3
3
=
=
=arccos
18,44 18,4
| A||B| 2 5 10
10
cos =
b)
A= (1,1,3 ) y B=(2,1,3 )
A B=a x b x + a y b y +a z b z=(1 ) (2 ) + (1 )(1 ) + ( 3 ) (3 )=6
| A|= a x2 +a y 2+ aZ 2= (1 ) + (1 ) + (3 ) = 11
2
|B|= b x 2 +b y 2 +b Z 2= (2 ) + (1 ) (3 ) = 14
2
AB
6
6
6
=
=
=arccos
118,9 119
| A||B| 11 14 154
154
cos =
98
99
2.5 Paralelismo y perpendicularidad entre vectores

Dos vectores
u , v Rn
distintos de cero:
1. Son paralelos si el ngulo entre ellos es
0 . Es decir:
u||v u= v , R
El vector
u ,
componentes
de componentes
( u1 ,u 2 )
es paralelo al vector
( v1 , v 2 ) si tienen la misma direccin, es decir si
v ,
de
u= v
u1
v1
( u1 ,u 2 )= ( v 1 , v 2 )
u
u 2= v 2 = 2
v2
u 1= v 1 =
u1 u 2
=
v1 v2
100
Es decir, dos vectores
u y v
son paralelos cuando sus componentes
respectivas son proporcionales.
2. Son perpendiculares (ortogonales) si el ngulo entre ellos es
/2
. Es decir:
u v u v =|u||v|cos 90 =0
El vector
u ,
de componentes
componentes
( u1 ,u 2 ) es perpendicular al vector v , de
( v1 , v 2 ) si su producto escalar es cero:
u v =0
( u1 ,u 2 ) ( v1 , v 2 ) =0
u1 v1 +u 2 v 2=0
101
102
2.6 Proyecciones, ngulos directores, producto

cruz
Proyecciones Ortogonales
Proyeccin escalar
u=u x i+u y j+u z k y v=v x i+ v y j+v z k
Sean los vectores:
Al proyectar ortogonalmente el vector v sobre la direccin del vector
se obtiene un segmento p tal como se observa en las figuras 1 y 2.
Se denomina: proyeccin escalar del vector v sobre la direccin

p asociado a un signo:
del vector u a la longitud del segmento
positivo o negativo, que indicar si la proyeccin coincide o no con el sentido
que tiene el vector sobre el cual proyectamos ortogonalmente.
Para determinar
NOM
p , consideremos la figura 1, observamos que el tringulo
es rectngulo en
M , por lo tanto:
p
p=v cos (1)
v
cos =
Es decir, la proyeccin del vector

a la norma del vector
sobre la direccin del vector
es igual
por el coseno del ngulo formado por los vectores
u yv .
103
(1)
Por otra parte, si comparamos
con la frmula del producto escalar entre
vectores, tendremos:
u v=uvcos (2)
Entonces, despejando en
p=vcos =
(2) :
u v
u
Finalmente:
p= proy esc uv =
u v u x v x + u y v y +u z v z
=
u
u x 2 +u y 2 +u z2
Ejemplos:
1. Calcular la proyeccin escalar del vector
u=(1,1,1) sobre la direccin del vector
v =(1,1,0)
proy esc uv =
(1,1,1) (1,1,0)
1 +1 + 0
1
2
= 2
2
2. Calcular la proyeccin escalar del vector
a=(0,1,1) sobre la direccin del versor
j=(0,1,0)
proy esc aj =
( 0,1,1)(0,1,0) 1
= =1
1
02 +12 +02
3. Calcular la proyeccin escalar del versor
i=(1,0,0) sobre la direccin del versor
k =(0,0,1)
104
proy esc ik =
(1,0,0)(0,0,1) 0
= =0
02 +0 2+12 1
Observemos que:
La proyeccin
La proyeccin
es agudo.
La proyeccin
La proyeccin
es obtuso.
escalar es un nmero real negativo, cero o positivo.

escalar es positiva cuando el ngulo entre los vectores
escalar es cero cuando los vectores son ortogonales.
escalar es negativa cuando el ngulo entre los vectores
En todos los casos, la longitud de la proyeccin escalar es el valor

absoluto de la proyeccin
escalar.
En resumen:
La proyeccin escalar del vector
v
proy esc u=
sobre la direccin del vector u es:
uv
u
La proyeccin escalar del vector u sobre la direccin del vector v es:

u
proy esc v =
vu
v
En general:
La proyeccin escalar de un vector sobre la direccin de otro vector, es el
cociente entre el producto escalar de los vectores y la norma del vector
sobre el que proyectamos ortogonalmente.
Vector proyeccin
Sean los vectores:
Hemos analizado como determinar la proyeccin escalar del vector v sobre

p :
la direccin del vector u , ahora nos interesa definir el vector
105
vector proyeccin del vector
sobre la direccin del vector
tal
como se observa en las figuras 3 y 4.
Cmo hallar el vector proyeccin
p ?
Por definicin, la proyeccin escalar
es un nmero real que indica la
longitud de la proyeccin ortogonal de un vector sobre la direccin de otro y

el sentido en que se efecta la proyeccin, por lo tanto, para transformar a
esta magnitud escalar en una magnitud vectorial es necesario incorporar la
caracterstica de direccin.
Observemos que, tanto en la figura 3 como en la figura 4, la direccin del
vector proyeccin p coincide con la direccin del vector sobre el que
proyectamos ortogonalmente. Entonces si multiplicamos la proyeccin
p por el versor asociado al vector sobre el que proyectamos
escalar
p .
ortogonalmente obtendremos las componentes del vector proyeccin
Es decir:
v
p=vector proyu =p u^ (3)
Recordando que:
uv
v
p= proy esc u =
u
y que:
1
u^ =
u
u
106
(3)
al reemplazar en
p=vector proyuv =
obtenemos:
uv 1
u (4)
u u
(4 ) , resulta que:
Operando en la expresin
El vector
del vector
o vector proyeccin del vector

u es:
v
uv
( )
p=vector proyu =
p=vector proyuv =
( 2
u=(1,1,1)
sobre la
v =(2,2,0)
(2,2,0)(1,1,1)
2
sobre la direccin
Ejemplo: Calcular el vector proyeccin del vector

direccin del vector
+2 +0
2 2
( 2,2,0 )=
( 8)
( 2,2,0 )=
( 8,8 , 0 )
=( 1,1,0 )
8
Componente ortogonal
Sean los vectores:
v
Veamos ahora cmo obtener la componente vectorial del vector
ortogonal a la direccin de u . Este corresponde al vector q que se
observa en las figuras 5 y 6.
107
Notemos que en ambas figuras se cumple que:

v =p+ q
Es decir, el vector
direccin del vector
vector u
es la suma del vector proyeccin de v sobre la

u y la componente de v ortogonal a la direccin del
Entonces:
q=comp ortog vu=v p
Recordando que:
uv
p=vector proyuv =
u
u2
( )
resulta que la componente de

q=comp ortog vu=v
ortogonal a la direccin del vector
es:
uv
u
2
u
( )
Ejemplo: Calcular la componente de

vector
v =(1,1,1)
ortogonal a la direccin del
u=(2,2,0)
En primer lugar debemos hallar el vector proyeccin del vector

direccin del vector u :
p=vector proyuv =
(2,2,0)(1,1,1)
2 2
( 2 +2 +0 )
2
Luego, la componente de
( 2,2,0 )=
sobre la
ser:
4
( 2,2,0 )=( 1,1,0 )
2
( 8)
ortogonal a la direccin del vector
108
q=v p
es decir:
q=( 1,1,1 )( 1,1,0 )=(0,0,1)
109
ngulos directores
Los ngulos directores son los ngulos que forma el vector
: ngulo entre el vector y el eje
con cada eje
La direccin de un vector se puede obtener por medio de los cosenos de los

ngulos directores.
Se llaman Cosenos directores del vector A a los cosenos de los ngulos

que forman cada uno de los ejes coordenados. En un plano tridimensional se
representan:
En la imagen se identifican 3 ngulos ( , , ) . Los cosenos directores del
vector A =( A x , A y , A z ) son respectivamente:

cos =
Ax
A
A x =|
A|cos =arccos x
|A|
|A|
cos =
Ay
A
A y =|
A| cos =arccos y
|A|
|
A|
cos =
Az
A
A z =|
A|cos =arccos z
| A|
|A|
110
Para saber el tamao de cada ngulo se utiliza la funcin inversa. Observe que
si A es unitario, entonces A = ( cos , cos , cos ) .

Por lo tanto todo vector en tres dimensiones se puede expresar con los ngulos
directores as:
^ A y ^j+ A z k^
A= A x i+
i^ +|
A|cos ^j+|
A| cos k^
A=|
A|cos
Ejemplo: Mediante los cosenos directores determinar los ngulos de , ,
del vector (4, 5, 3)
Paso 1. Se hace la grfica
Paso 2. Se obtiene el mdulo del vector con la frmula

|A|= A x 2 + A y 2 + A z2= 4 2 +52 +32= 16+25+ 9= 50=7,07
Paso 3. Sustituir el
modulo del vector en la formula correspondiente a su eje.
cos =
Ax
4
4
=
=arccos
=55,6
|A| 7,07
7,07
cos =
Ay
5
5
=
=arccos
=45
|A| 7,07
7,07
cos =
Az
3
3
=
=arccos
=64,9
|
7,07
A| 7,07
111
Paso 4. Representar los ngulos en la grfica.
Producto vectorial o producto cruz

Consideremos los vectores
u=( u1 , u2 , u3 ) R3 y v =( v 1 , v 2 , v3 ) R3 . El producto
vectorial de estos dos vectores es otro vector que designaremos como u v

u , v , es decir, perpendicular tanto a
perpendicular al plano definido por
u
como a
(girando de
y cuyo sentido lo da la regla del "avance del tornillo"

u hacia v ).
Su expresin general viene dada por:
| |
^j k^
i^
u v = u1 u2 u 3
v1 v 2 v 3
Desarrollando el determinante:
| || || |
u v =
u2 u3 ^ u 1 u3 ^ u1 u 2 ^
i
j+
k
v2 v3
v1 v3
v1 v2
^ ( u1 v 3u3 v 1 ) ^j+ ( u1 v 2u 2 v 1) k^
u v =( u2 v 3u 3 v 2) i
112
^ ( u3 v 1u 1 v 3 ) ^j+ ( u1 v 2u2 v 1 ) k^
u v =( u2 v 3u 3 v 2) i+
Recordemos que
^ ( 0,0,1 )
^ ( 1 ,0,0 ) , ^j=( 0,1,0 ) , k=
i=
, entonces:
u v =(u 2 v3 u3 v 2 ,u3 v1 u1 v 3 , u1 v 2u 2 v 1)
Propiedades del producto vectorial
Consideremos los vectores

1.
u ( u v )=0
2.
v (u v )=0
3.
u v2=u2v2( u v )2
4.
u x v v x u
5.
v u
u v = )
6.
u ( v +
w )= (u v ) + ( u
w)
7.
( u + v )
w=u
w + v
w
8.
( u v )=( u ) v =u ( v )
9.
u 0 =0 u =0
10.
u , v ,
w R y R , entonces
(igualdad de Lagrange)
u u =0
113
11.
^ i=
^ ^j ^j=k^ k^ =0
i
12.
^ i^
^ ^j= k^ ; i^ k^ = ^j ; ^j k=
i
De la propiedad 10 y la propiedad 8 podemos deducir que si dos

vectores son paralelos, el producto cruz es cero
u v u= v u v =0
Teniendo en cuenta la igualdad de Lagrange, propiedad 3:

2
2
2
u v =u v ( u v )2
considerando
la medida del ngulo entre
u y v
y recordando el
significado geomtrico del producto escalar. Remplazamos en u v
u v2=u2v2(u2v2 cos 2 )
2
u v =u v ( 1cos 2 )
u v =u v sen 2
es la medida del ngulo formado por los vectores u y v , es
claro que 0 , por lo tanto sen 0 : 0 , en consecuencia
como
u v=uv sen
114
Consideremos un paralelogramo determinado por dos vectores

3
u , v R , como podemos observar en la figura. Si es la medida
del ngulo entre los vectores
u y v
y como sabemos el rea del
paralelogramo se halla multiplicando la base por la altura. Segn la

figura el rea del paralelogramo queda expresada como:
A=hv
Pero la altura
h=u sen
finalmente sustituyendo, el rea del paralelogramo es:

A=uv sen =u v
El producto vectorial entre dos vectores es un nuevo vector
cuyo mdulo es igual al rea de un paralelogramo siendo sus lados

los vectores adyacentes.
115
2.7 Rectas y planos en
R3
Ecuaciones de la recta
Una recta en el espacio queda determinada conociendo un punto
vector v llamado vector director o direccional de la recta.
y un
La ecuacin de una recta se puede expresar de distintas formas.
Ecuacin vectorial de la recta

Para escribir la ecuacin vectorial de una recta en
punto
P0=( x 0 , y 0 , z 0 )
y tiene un vector director
las coordenadas de otro punto que llamaremos
R3 , que pasa por el
v =( v x , v y , v z )
debemos fijar
P=( x , y , z ) , por donde pase
la recta, verificndose as, la relacin vectorial:
P0 P= v con R
Considerando la suma de vectores se verifica que:
OP=
O P 0+
P0 P
116
Si identificamos el punto
como el vector que va desde el origen de

P , es decir ,
OP , de igual forma lo hacemos con
coordenadas hasta el punto
P0
O P0
(
, obtenemos la ecuacin vectorial de la recta en
R3 :
P P0 + v
donde al variar el parmetro
, se van generando los puntos de la recta.
117

Desarrollando la ecuacin vectorial anterior expresada en coordenadas,
tenemos lo siguiente:
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
( x , y , z ) = ( x 0+ v x , y 0 + v y , z 0+ v z )
Al separar por componente esta igualdad vectorial obtenemos:
x=x 0 + v x
y= y 0 + v y
z= z0 + v z
Donde el parmetro
toma el mismo valor en las tres ecuaciones. Esta
expresin se denomina ecuacin de la recta en forma paramtrica o

ecuaciones paramtricas de la recta.
Ecuacin en forma continua

Si, en las ecuaciones paramtricas
vx, vy y vz
despejar en cada una de ellas el parmetro
son distintos de cero, podemos
xx 0
y y 0
zz 0
=
=
vx
vy
vz
Igualando las expresiones:

xx 0 y y 0 zz 0
=
=
vx
vy
vz
que es la ecuacin de la recta en forma continua.
118
Nota: De lo anterior surge que el ngulo entre dos rectas es el ngulo entre
sus vectores directores. En particular, dos rectas son paralelas si sus vectores
direccin lo son, o si uno de ellos puede escribirse como un mltiplo del otro.
Para identificar la perpendicularidad entre dos rectas, podemos emplear sus
vectores directores, comprobando si estos son perpendiculares, es decir, si su
producto escalar es nulo.
Ejemplo: Encontrar la ecuacin paramtrica de la recta que pasa por

( 1,1,3 ) y tiene la
direccin del vector
( 1,2,1 ) .
Solucin: La ecuacin es
( x , y , z ) =t ( v x , v y , v z ) + ( x 0 , y 0 , z 0 )= (1,1,3 ) + ( 1,2,1 )
tambin puede escribirse como
x=1+
y=12
z=3
o despejando :
x1 y +1 z3
=
=
1
2
1
Ecuacin en forma cartesiana o implcita (Recta como

interseccin de dos planos)
De la ecuacin en forma continua, podemos obtener las dos ecuaciones
siguientes:
xx 0 y y 0
=
v y ( xx 0 ) =v x ( y y 0 ) v y xv x y +v x y 0v y x 0=0
vx
vy
xx 0 zz 0
=
v z ( x x0 ) =v x ( z z0 ) v z xv x z +v x z 0v z x 0=0
vx
vz
que se pueden reescribir de la forma:
119
z+ D=0
{A A' x+x +BB ' yy +C
+C ' z+ D ' =0
y que se conocen con el nombre de ecuacin implcita o cartesiana de la
recta.
Como se ver ms adelante, corresponde con las ecuaciones de 2 planos que
se cortan en esta recta. Se cumple que el vector director de la recta es
perpendicular de los vectores directores de los dos planos
Ejemplo: Determinar las ecuaciones de la recta
que pasa por los puntos:
P=( 1,2,3 ) y Q=(1,2,3 )

Un vector director de r
P hasta el punto Q
es, por ejemplo, el vector que va desde el punto
PQ=QP=(1,2,3 ) ( 1,2,3 )=(2,4,6)
Por lo tanto, la ecuacin de la recta
en forma vectorial es:
( x , y , z ) =P+
PQ=( 1,2,3 ) + (2,4,6)
En forma paramtrica:
x=12
y=24
z=36
En forma continua:
x1 y2 z3
=
=
2
4
6
En forma implcita:
2 x y=0
3 xz=0
120
Interseccin entre rectas

Consideremos dos rectas L y M de ecuaciones paramtricas:
L: ( x , y , z )= ( a ,b , c ) + ( x 0 , y 0 , z 0 )
M : ( x , y , z )=t ( d , e , f ) + ( x 1 , y 1 , z 1 )
Para que ambas rectas se corten
simultneamente las ecuaciones
en
un
punto,
deben
cumplirse
a+ x 0=td + x 1
b+ y 0=te+ y 1
c + z 0=tf + z1
Esto constituye un sistema de tres ecuaciones con dos incgnitas y t . Por

lo tanto, puede suceder que no existan valores para y t que satisfagan las
tres ecuaciones. En ese caso, las rectas no tienen ningn punto en comn.
Pero, si una de las ecuaciones puede obtenerse como combinacin lineal de
las otras dos, entonces el sistema tendr solucin nica pues equivale a un
sistema de dos ecuaciones con dos incgnitas. En ese caso, obtenemos un
valor para y un valor para t . Al reemplazar en la ecuacin de la
recta
L , obtenemos un punto. El mismo punto resulta al reemplazar
la ecuacin de
en
M .
Ecuaciones del plano

P
queda determinado cuando se conoce un punto
del
u y
v no nulos y linealmente independientes
mismo y dos vectores
Un plano
que estn contenidos en el plano, llamados vectores directores del plano.

Existen diferentes formas de expresar la ecuacin de un plano. Las
describimos a continuacin.
Ecuacin en forma vectorial
121
El plano
que contiene al punto
directores los vectores
u y v
P0=( x 0 , y 0 , z 0 )
y tiene como vectores
es el conjunto de puntos del espacio que
verifican la siguiente relacin vectorial:
P0 P= u + v
con
, R
Teniendo en cuenta que

P P0 +
P0 P , resulta:
P P0 + u + v
expresin que se conoce como ecuacin vectorial del plano.

Desarrollando la ecuacin vectorial expresada en componentes, resulta:
122
x =x0 + u x + v x
y= y 0 + u y + v y
z=z 0 + uz + v z
que son las ecuaciones paramtricas del plano.

Ecuacin en forma general
Como
PP0 = u + v
en el determinante
xx 0 u x v x
y y 0 u y v y
zz 0 u z v z
la primera columna es combinacin lineal de la segunda y de la tercera. Por

tanto dicho determinante es cero. Desarrollando el determinante, agrupando
trminos e igualando a 0, nos queda una ecuacin de la forma:
: ax+by + cz+ d=0
que es la ecuacin en forma general, cartesiana o implcita del plano

a , b , c ,d
son nmeros reales .
123
Ecuacin normal
Otra forma de determinar la ecuacin de un plano es conociendo un punto
del mismo y un vector normal al plano.
Sea
P 0= ( x 0 , y 0 , z 0 )
n =( a , b , c )
un punto particular por donde pasa el plano
y sea
. Entonces, para cualquier punto
P0 P=PP0
, el vector
est contenido en el
un vector normal a
P=( x , y , z ) , del plano

plano y es perpendicular a
n , es decir:
n
P0 P=0
O sea
n ( PP0 )=0
Expresin que recibe el nombre de ecuacin normal del plano.

Al escribir en forma explcita sus componentes, resulta:
( a , b , c ) ( xx 0 , y y 0 , zz 0 ) =0
y al efectuar el producto escalar, se obtiene:
a ( xx 0 ) +b ( y y 0 ) +c ( zz 0 )=0
que puede reescribirse en la forma:
ax +by +cz ax0 b y 0c z 0=0 .
124
Dado que tanto las componentes del vector

P0
son constantes, el resultado de
indicaremos con
como las coordenadas de
( ax 0+ b y 0+ c z 0 )
es una constante que
d . Luego, la ecuacin general del plano se escribe:

ax +by +cz +d =0
Ejemplo: Determinar las ecuaciones del plano que contiene a los puntos:
P0=( 1,0,0 ) P1=( 0,1,0 ) y P 2=( 0,0,1 )
Tanto
P0 P1 O P1OP0
como
P0 P2 O P2 OP0
son vectores directores del plano
, de manera que:
P=P0 +
P0 P 2+
P 0 P1
es decir:
( x , y , z ) =( 1,0,0 )+ (1,0,1 ) + (1,1,0)
es la ecuacin vectorial del plano

en forma paramtrica:
. De la cual se deduce la ecuacin de
x=1
y =
z=
Como
( x1, y , z )
es una combinacin lineal de
(1,1,0)
y de
(1,0,1 )
se ha de tener que:
125
x1 1 1
y
1
0 =0
z
0
1
de lo que se deduce la ecuacin de
en forma general, cartesiana o
implcita:
x+ y+ z1=0
Ejemplo: Escribir la ecuacin del plano de normal

al punto
N=( 1,3,2 )
que contiene
( 1,2,3 ) .
Solucin: La ecuacin es
1 x +3 y2 z=1 1+3 (2 ) 2 3
x+ 3 y 2 z =11
Interseccin entre una recta y un plano
Para encontrar la interseccin entre una recta
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
y un plano
de ecuacin paramtrica
de ecuacin
ax +by +cz=q ,
debemos analizar previamente las siguientes opciones:

Que la recta sea paralela al plano: Como la recta viene caracterizada por
V =( v x , v y , v z )
su vector direccin
y el plano por su vector normal
N=( a ,b ,c ) , se comparan las direcciones de los vectores
V y N . Que la
recta sea paralela al plano significa que ambos vectores son perpendiculares.
Por lo tanto, calculamos el producto escalar V N . Si resulta nulo, dichos
vectores son perpendiculares.
Que la recta estuviera contenida en el plano: Para ver si es ste el caso,
tomamos un punto cualquiera de la recta y vemos si verifica la ecuacin del
plano. Concluimos que, si la recta y el plano son paralelos y tienen un punto
en comn, entonces tienen todos los puntos de la recta en comn.
126
Supongamos ahora que la recta
y el plano
no son paralelos.
Entonces se cortarn en un nico punto. Para determinarlo, escribimos la

ecuacin de la recta por componentes:
x=x 0 + v x
y= y 0 + v y
z= z0 + v z
y las reemplazamos en la ecuacin del plano:

a ( x 0 + v x ) +b ( y 0+ v y ) +c ( z0 + v z ) =q .
De esta expresin se obtiene un valor del parmetro
en la forma:
a v x + b v y + c v z=qa x0 b y 0c z 0 , de donde
=
qa x 0 b y 0c z 0
a v x + b v y +c v z
Al reemplazarlo en la ecuacin de la recta, obtenemos un valor para las tres

coordenadas del punto de interseccin buscado.
Ejemplo: Encontrar la interseccin entre la recta
L: ( x , y , z )=t (1,2,1 )+ ( 1,0,3 )
y el plano
: 2 x y +3 z=1.
Solucin:
Efectuamos el producto escalar entre los vectores
V =( 1,2,1 ) y N=( 2,1,3 )
( 1,2,1 ) ( 2,1,3 )=223=3 0

Concluimos que la recta y el plano no son paralelos pues los vectores
V yN
no son perpendiculares. Por lo tanto, existe un punto de interseccin.

Para hallarlo, escribimos a partir de la ecuacin de la recta:
127
x=t + 1;
y=2 t ;
z=t +3
y sustituimos en la ecuacin del plano:

2 (t +1 )2 t+ 3 (t +3 )=1
2t +22t3 t+ 9=1
3 t=129
de donde
o sea
y finalmente
t=4.
Las coordenadas del punto de interseccin son:

x =4 +1=5 ;
y=2 4=8 ;
z=4+ 3=1
El punto es
( 5,8,1 ) . Se puede comprobar que este punto cumple tambin
con la ecuacin del plano:

2 58+3 (1 )=1 .
Distancia entre un punto y un plano
Para calcular la distancia entre un punto Q y un plano que no contiene
al punto, se traza una recta L perpendicular al plano (paralela al vector
N ) que pase por
Q , se determina el punto
R
que indica la
interseccin de esta recta con el plano y luego se calcula la distancia entre
R y Q . La distancia d entre Q y el plano est dada por la longitud del
segmento
RQ .
128
Otra forma ms simple consiste en seleccionar un punto cualquiera P del
plano y trazar el vector PQ . La proyeccin de este vector en la direccin de

N
RQ . El valor de esta
proyeccin est relacionado con el producto escalar entre los vectores PQ
tiene la misma longitud que el segmento
ya que
N
PQ=|N||
PQ|cos =|N| proyeccin de
PQ en ladireccin de N
Esta proyeccin resulta negativa si el ngulo toma un valor entre
/2 y y como la distancia d que estamos buscando es una cantidad
positiva, se considera entonces el valor absoluto de dicha proyeccin. Luego,
d=
|N
PQ|
|N|
Ejemplo: Calcular la distancia entre el punto
( 2,1,3 )
y el plano
2 x +3 y4 z=2 .
Solucin: En primer lugar, comprobemos que el punto dado no pertenece al

plano. En efecto, al reemplazar las coordenadas del punto en la ecuacin del
plano obtenemos
2 2 + 3 (1) 43 = 11 2. Elegimos ahora algn punto del plano, por
ejemplo el ( 1,4,3 ) y construimos el vector
PQ=QP=( 2,1,3 ) ( 1,4,3 )=( 1,5,0 ) .

Su producto escalar con la normal al plano,
N=( 2,3,4 ) es :
129
( 1,5,0 ) (2,3,4 )=13 .

Adems,
|N|= 4+ 9+16= 29 .
Luego, la distancia es
13
d=
29
130
Ejercicios
1. Hallar las ecuaciones paramtricas y continua de la recta dada por la
interseccin de los dos planos
2 x y+ 2 z3=0
5 x3 y 7 z+8=0
Solucin: Estas ecuaciones las podemos expresar como un sistema de dos

ecuaciones con dos incgnitas, tomando z como parmetro:
2 x y=32 z
5 x3 y=8+7 z
Despejamos
x e y en funcin de
z :
x=1713 z ; y=3124 z
si hacemos
z=1 , tenemos las ecuaciones paramtricas pedidas:
x=1713 1=4
y=3124 1=7
z=1
2. Hallar las ecuaciones vectorial, paramtricas y cartesiana del plano que
pasa por el punto A (2,5,3) y es paralelo a los vectores v ( 1,3,2 ) y t ( 4,2,2 ) .
Solucin: Los vectores
v y t
los podemos trasladar al punto
A . Ahora,
estos dos vectores definen un plano.

La ecuacin vectorial de este plano viene
dada por:
OA
+ v + t
OP=
es decir,
x =a + v + t
la ecuacin vectorial del plano es:
131
( x , y , z ) =( 2,5,3 ) + ( 1,3,2 )+ ( 4,2,2 )

las ecuaciones paramtricas son:
x=2+ + 4
y=5+3 2
z=3+2 +2
Si tomamos
=1 y =0, por ejemplo, hallamos un punto
despus tomamos
=0 y =1,
hallamos otro punto
esta forma obtenemos tres puntos
A ,B,C
B=( 3,8,5),
del plano, y
C=(6,3,5) , del plano; de
que definen un plano y cuya ecuacin
viene dada por:
| |
x y z 1
2 5 3 1 =0
3 8 5 1
6 3 5 1
Finalmente, la ecuacin cartesiana del plano que pasa por estos tres puntos
es:
5 x+3 y 7 z 4=0
3. Hallar la ecuaciones paramtricas del plano que pasa por el punto

A=(3,2,4) y es paralelo al plano:
3 x+2 y5 z +3=0
Solucin: El plano pedido es paralelo al plano
3 x+2 y5 z +3=0 , es decir, su
vector normal debe ser:

n=(3, 2,5)
el plano pedido debe tener la forma:
3 x+2 y5 z +d=0
132
Slo nos queda hallar el valor de " d

punto
A=(3,2,4)
". Como el plano debe pasar por el
sustituimos estos valores en la ecuacin anterior:
3(3)+2(2)5(4)+d=0
d=7
3 x+2 y5 z +7=0
Por tanto, el plano pedido es:
x= , y= , en la ecuacin anterior:
Ahora hacemos
3 +2 5 z +7=0
Despejamos
7 3
2
z= + +
5 5 5
finalmente las ecuaciones paramtricas del plano son:
x=
y =
7 3 2
z= + +
5 5 5
4. Hallar la ecuacin cartesiana del plano que pasa por el punto
A=(5, 1,3)
y es perpendicular a la recta:
x1 y +2 z+7
=
=
3
4
2
Solucin: La ecuacin general del plano es:
ax +by +cz=0 {1 }
como este plano pasa por el punto A(5,1,-3), se cumple:
133
5 a+b3 c +d=0 {2 }
por otra parte
n yv
son vectores paralelos, o sea:

a b c
4
2
=
= b=
a , c= a
3 4 2
3
3
Sustituimos estos valores en {2}:

4
2
5
5 a a3 a+d =0 d=
a
3
3
3
finalmente estos valores de
a,b,c y d
los sustituimos en {1}:
4
2
5
ax ay + az a=0
3
3
3
simplificando:
3 x4 y+ 2 z5=0
134
2.8 Definicin de espacio vectorial, subespacios.

Espacio vectorial
Dado un cuerpo
y un conjunto no vaco
cualquiera, en el que estn
definidas dos operaciones:

1. Ley de composicin interna
u , v V u+ v V
2. Ley de composicin externa
K ( K=R C ) y v V v V
El conjunto V tiene estructura de espacio vectorial sobre el cuerpo
K si y slo si se verifican las siguientes propiedades:
1. Conmutatividad:
u+v=v +u u , v V
2. Asociatividad:
( u+ v )+ w=u + ( v +w ) u , v , w V
3. Existe elemento neutro:
0 v V tal que v +0 v =0v + v=v v V
4. Existe elemento opuesto:
v V (v ) V tal que v+ (v )=(v ) +v =0v ( 0 v V )
5. Distributividad respecto de los vectores:

135
( u+v ) =( u ) + ( v ) K y u , v V
6. Distributividad respecto de los escalares:
( + ) v=( v )+ ( v ) , K y v V
7. Asociatividad respecto de los escalares:
( v )= ( ) v , K y v V
8. Elemento neutro:
1 K tal que 1 v=v v V
Un conjunto debe satisfacer todas las condiciones anteriores para ser un

espacio vectorial.
NOTA: A los elementos del espacio vectorial
se los suele denominar
vectores, mientras que a los nmeros por los cuales se multiplican esos
vectores se los denomina escalares.
Cuando el conjunto de escalares es el conjunto de nmeros reales, es decir,
K=R , se dice que V es un espacio vectorial real ( R -espacio vectorial
V
es un espacio vectorial sobre los reales) mientras que si K=C , se

dice que V es un espacio vectorial complejo ( C -espacio vectorial o un
o
espacio vectorial sobre los complejos). En esta gua trabajaremos slo con
espacios vectoriales reales.
Propiedades
Sea
un espacio vectorial sobre un cuerpo
R , se verifican las
1.
0 v=0 v , v V ;
2.
0v =0v , R ;
136
3.
v =0, entonces =0 v =0v ( ambos ) v V R ;
4.
Si u 0, v = v = ;
5.
Si 0, u= v u=v ;
6.
( ) v=( v ) , u V R .
Ejemplos:
1. Los siguientes conjuntos son espacios vectoriales:
a.
b.
R = {( a1 , a2 , , an ) /ai R ; i=1, 2, ,n }
pn= p ( x ) = ai xi a0 +a1 x+ a2 x 2 ++ an x n /ai R ; i=0,1, 2, , n
donde
c.
i=0
es una variable.
M m n= {matrices con elementos ( A )ij =a ij aij R ; i=1, 2, , m; j=1,2, , n }
En el ejemplo b se presenta al conjunto de polinomios de grado n (entero

no negativo) con x variable, expresados en notacin de suma. La suma de
polinomios y la multiplicacin de polinomios por un escalar tambin estn
n
definidas. Dados
p ( x )= ai xi y q ( x )= bi x i :
i=0
i=0
137
p ( x ) +q ( x )= ( ai +b i ) x , k p ( x )= k ai x
i
i=0
i=0
De igual manera, el conjunto de las matrices de orden
m n ( ejemplo c )
con
las operaciones usuales es un espacio vectorial sobre el cuerpo de los

nmeros reales. Estn definidas la suma de matrices y la multiplicacin por
un escalar.
Dadas dos matrices
la columna
A y B , con elementos
( A )ij =aij y ( B )ij =bij
j , respectivamente, la matriz
C=A + B
en la fila
se obtiene de la
siguiente manera:
( C )ij =( A+ B )ij =( A )ij + ( B )ij =aij +bij
En particular, el conjunto de matrices

el conjunto de matrices
1 n
coincide con
n 1 ( vectores columna )
Rn . Por otro lado,
contiene elementos de la
forma:
a11
a1
a12
a
2
a1 n
an
( )()
2.
( R2 ,+, , R ) con las operaciones ( a , b ) + ( c , d )=( a+ c , b+ d ) y k ( a , b ) =( a , kb )

no es un espacio vectorial sobre
R , por ejemplo:
( 3+5 ) ( 1,3 )=8 ( 1,3 )=( 1, 24 )

Sin embargo
3 ( 1,3 ) +5 ( 1, 3 )=( 1, 9 ) + ( 1, 15 )=( 2, 24 )
138
Subespacio
Definicin: Sea V
un espacio vectorial y
V ( S V ) . Se dice que
propiedades definidas en
es subespacio vectorial de
V
un subconjunto de
V
si S cumple las
para ser espacio vectorial. Es decir,
se
debera verificar lo siguiente:

1. S no es vaco;
2. La suma y el producto definidos en
S , es decir:
son operaciones cerradas en
( u+ v ) es elemento de S si u y v son elementos de S
v es elementode S si es un escalar arbitrario y v es un elemento de S
3. se verifican las propiedades 1 a 8 de la definicin de espacio vectorial.

Sin embargo no es necesario probar nuevamente el tercer punto, gracias al
siguiente teorema.
Teorema: Sea V
Entonces S es subespacio vectorial de V
un subconjunto de V .
si y slo si se verifican las
siguientes condiciones:
1.
S ,
2.
u , v S (u +v ) S
3.
v S y K v S
139
Es decir, al comprobar que se satisface las propiedades de cerradura o

ley de composicininterna y externa , significa que las dems propiedades que
definen a un espacio vectorial sern satisfechas por el subespacio.
Observacin: Si
es un subespacio vectorial de
V , entonces
0v S
Nota:
S=0 v son subespacios vectoriales de V (conocidos como subespacios triviales ).

S=V
Ejemplo:
Sea S={( x , y , z ) R 3 /x + y z=0 } entonces S es subespacio R3
El procedimiento que se realiza para este caso es el siguiente:
1 Anlisis de datos:
u S u=( u 1 , u2 ,u 3 ) R3 u1+ u2u3 =0 ( )
v S v =( v 1 , v 2 , v 3 ) R3 v 1 + v 2v 3=0
2 Seanu , v S y R
a. Por demostrar que
( u+ v ) S
y ( ]
u+ v=( u1 ,u 2 , u3 ) + ( v 1 , v 2 , v 3 )
( )
u+ v=( u1 + v1 , u2 +v 2 ,u 3+ v 3 ) ( sumaen R3 )
( u+ v ) R3 ( )
140
De
( )
, concluimos que
( u+ v )
puede pertenecer a S, pero falta
comprobarlo
( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =u1+ v 1 +u2 +v 2 u3v 3

( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =( u1 +u2u 3) + ( v 1 + v2 v 3 )
ver ( ) y ( )
( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =0+0
( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =0
( u+ v ) S
b. Por demostrar que

v =
( v1 , v 2 , v 3 )
v =
( v1 , v2 , v3 )
v S
v R3
Por otra parte
v 1+ v 2 v 3= ( v 1 +v 2v 3 )
v 1+ v 2 v 3= 0
v 1+ v 2 v 3=0
vS
Teorema: Sea
{
n
S= { v 1 , v 2 , ... , v n }=
i=1
{ v1 , v 2 ,... , v n } V entonces
r i v i r i K ( 1 i n ) es subespacio de V
141
Sean
v ,wS y K
entonces
u S v= a i v i /ai K ( 1 i n )
i=1
w S w= bi v i / b i K ( 1 i n )
i=1
Ahora debemos demostrar que

a. p.d.q.
es subespacio de
V :
( u+w ) S
n
i =1
i=1
v + w= ai v i + bi v i
v + w= ( ai +bi ) v i
i =1
( u+ w ) S
b. p.d.q.
uS .
u= ai v i
i=1
u= ( ai ) v i
i =1
u S
De a y b S es subespacio de V
142
Ejemplo:
Si
S= {( x , y , z , w ) R 4 / x2 y+3 z +5 w=0 }entonces S es subespacio de R 4

v S v =( v 1 , v 2 , v 3 , v 4 ) R 4 v 12 v 2 +3 v3 +5 v 4=0
4
v= ( v 1 , v 2 , v 3 , v 4 ) R v 1=2 v 23 v 35 v 4
v= ( 2 v 23 v 3 5 v 4 , v 2 , v 3 , v 4 ) ( v 2 , v 3 , v 4 ) R3
v=v 2 ( 2,1,0,0 )+ v 3 (3,0,1,0 ) +v 4 (5,0,0,1 )
v { ( 2,1,0,0 ) , (3,0,1,0 ) , (5,0,0,1 ) }
Luego
S= { ( 2,1,0,0 ) , (3,0,1,0 ) , (5,0,0,1 ) }
Aplicando teorema anterior
S es subespacio de R
Interseccin de subespacios
Definicin: Sean
vectorial
W1 yW 2
dos subespacios vectoriales de un espacio
se define la interseccin de estos dos subespacios como:

W 1 W 2= {u V /u W 1 y u W 2 }
143
Teorema: La interseccin de subespacios vectoriales es subespacio vectorial.

Ejemplo: Sean
W 1= { ( x , y / x+ y =0 ) } y W 2={ ( x , y /x y=0 ) }
Las dos ecuaciones que definen los subespacios son:

x+ y=0
x y=0
Debemos resolver el sistema de dos ecuaciones con dos incgnitas que tenemos planteado:
x= y
x= y
La nica solucin de este sistema es:
x=0 ; y=0 . Es decir:
W 1 W 2= {(0, 0) }
Suma de subespacios
Definicin: Sean
vectorial
W1 yW 2
se define el subespacio suma como:

W 1 +W 2= { x V / x=u+ v con u W 1 , v W 2 }
es decir, aquellos vectores que podamos construir sumando un vector de

W1
W2
y uno de
.
Teorema: La suma de dos subespacios vectoriales es un subespacio
vectorial.
La definicin anterior se puede extender a la suma de varios subespacios:
144
Definicin: Sean
W 1 ,W 2 , , W n
subespacios vectoriales de
V , se define
la suma de estos n-subespacios como:

W 1 +W 2 ++W n= { x V / x=x 1 + x2 + + x n con x 1 W 1 , x 2 W 2 , , x n W n }
Clculo del subespacio suma

La suma
S +T
se calcula usando la forma paramtrica de
y de
T .
Esto nos permite tomar un vector genrico de cada uno de los subespacios y
sumarlos, obtenindose una expresin paramtrica de S +T .
No obstante la forma paramtrica as obtenida puede tener parmetros no
independientes.
Ejemplo: Consideremos los subespacios en
dados en paramtricas por:
S= { ( , + , ) : , R }
T ={ ( 0, 0, ) : R }
Entonces:
Es decir,
S +T =( , + , ) + ( 0, 0, ) =( , + , + )
S +T ={ ( , + , + ) : , , R }
Teorema: Sean
vectorial
W1 yW 2
V . Se verifica lo siguiente:
dim ( W 1 +W 2 ) =dim ( W 1 ) +dim ( W 2 )dim ( W 1 W 2 )
Ejemplo: Dados los subespacios de
R4
145
W 1= {( u1= (1,1,1, 0 ) , u2=( 0, 1,1, 1 ) ,u3 =( 2,1, 1,1 ) ) }
x, y , z,t
W 2= { ( R / x + y + z=0 ; x+ z+t =0 ) }
4
dim ( W 1 ) =rang ( u1 , u2 , u3 )
1 1 1 0
1 1 1 0
1 1 1 0
W 1= 0 1 1 1 2 f 1+ f 3 f 3 0 1 1 1 f 2f 3 f 3 0 1 1 1
2 1 1 1
0 1 1 1
0 0
0 0
W 1= u1 =( 1,1, 1,0 ) , u2=( 0,1,1, 1 )

dim ( W 1 ) =2
W 2 x+ y+ z =0 y=xz
x+ z +t=0 t=xz
x ,xz , z ,xz
W 2= { ( R 4 ) }
W 2= { x ( 1 ,1 , 0 ,1 ) + z ( 0 ,1 ,1 ,1 ) }
W 2= v 1=( 1,1, 0,1 ) , v 2= ( 0,1, 1,1 )
dim ( W 2 ) =2
dim ( W 1 +W 2 ) =rang ( u1 , u2 , v 1 , v 2 )
146
) (
1 1 1 0
W 1 +W 2= 0 1 1 1 f 2 + f 4 f 4
1 1 0 1
0 1 1 1
1 1 1 0
0 1 1 1
1 1 0 1
0 0 0 0
W 1 +W 2= u 1=( 1,1, 1,0 ) , u2= ( 0,1,1,1 ) , v 1=( 1,1,0,1 )

dim ( W 1 +W 2 ) =3
W 1 W 2 comou 2=v 2
, entonces:
W 1 W 2= u2 =( 0,1,1,1 )
dim ( W 1 W 2 )=1
Comprobamos el teorema:
dim ( W 1 W 2 )=dim ( W 1 ) +dim ( W 2 ) dim ( W 1 +W 2 )

dim ( W 1 W 2 )=2+ 23
dim ( W 1 W 2 )=1
Vector ortogonal a un subespacio
Definicin: Sea V
V . Se
un espacio vectorial y S un subespacio de
v S ) si v es
dice que un vector v es ortogonal a S (se denota
ortogonal a todos los vectores de S . (Basta con que v sea ortogonal con
los vectores de una base de
S ).
147
Ejemplo: En
R3
, el vector
( 0, 0,1 )
es ortogonal al plano
XY .
Definicin: Sea V
S un subespacio de
V .
Diremos que el subespacio S es ortogonal a otro subespacio T (se
denota S T ) si todo vector de S es ortogonal a todo vector de T , es
decir:
u v=0 u S , v T
Basta con que los vectores de una base de

vectores de una base de T .
sean ortogonales a los
Propiedades
1.
Si S T S T = { 0v }
2. Si existe un
v 0v
en la interseccin
v v 0 con v S , v T
S yT
no son ortogonales.
Ejemplo: En
plano
XY
R3 , el eje
es ortogonal al plano
no es ortogonal al plano
Nota: Sea V
YZ . Sin embargo, el
YZ .
S
un subespacio de
subespacio S podemos definir su complementario como

S T sea el espacio total V .
V . Para este
tal que
148
Complemento ortogonal
Definicin: Sea V
un espacio vectorial y S un subespacio de V . Se

denomina complemento ortogonal de S al conjunto de todos los vectores
que son ortogonales a
O sea,
w
de
y se denota como
es subespacio de
S .
y est conformado por todos los vectores
que son ortogonales a todos y cada uno de los vectores
de
S .
Nota: Cualquier subespacio que sea ortogonal a
S , estar contenido en
S .
Observacin: Todo subespacio
S V
(salvo el
0v
y el propio
V )
admite
infinitos
subespacios
suplementarios
(tambin
llamados
complementarios), pero slo uno de ellos es complemento ortogonal.
3
Por ejemplo, en el espacio eucldeo cannico R , cualquier recta pasando
por el origen y no incluida en el
plano XY
complementario) del subespacio formado por el

plano XY
complemento ortogonal del

recta que define el eje
es suplementario (o
plano XY
, pero el
es un subespacio nico, que es la
Z .
Propiedades
Para cualquier subespacio
de un espacio vectorial
, se verifican las
149
1. ( S ) =S
2. S S ={ 0 v }
3. S+ S =V
4. dim S +dim S =dimV =n

En particular, de las propiedades 2 y 3 se tiene
S S =V
(suma directa).
Construccin del complemento ortogonal

S . Basta con
Se trata de encontrar todos los vectores ortogonales a
que sean ortogonales a su base.

Planteamos un sistema de ecuaciones.
Es un sistema compatible indeterminado, cuyo espacio solucin ser
S .
Observemos que la
dimS+ dim S =dim V
Ejemplo: Calculemos el complemento ortogonal del siguiente subespacio de

4
R :
T ={ ( a , 0, 2 a ,b ) /a , b R }
Primero buscamos una base de
T :
( a , 0, 2a , b )=( a , 0, 2 a ,0 )+ ( 0,0,0, b )=a ( 1, 0,2, 0 ) +b ( 0, 0,0,1 )

base de T = {( 1, 0, 2, 0 ) , ( 0, 0,0,1 ) }
150
Buscamos vectores que sean ortogonales a estos vectores base de

, es decir,
( x , y , z , w ) tales que:
x
( 1, 0,2, 0 ) y =0
z
w
()
x
( 0, 0,0, 1 ) y =0
z
w
()
Es decir:
x
1 0 2 0 y =0
0
0 0 0 1 z
w
()
) ()
x+ 2 z=0 x =2 z
w=0
( x , y , z , w )=(2 z , y , z , 0 )
Es un sistema compatible indeterminado (admite infinitas soluciones). Si
consideramos y= ; z= , su solucin es: { ( 2 , , , 0 ) / , R }
Obtenemos una base de
( 2 , , , 0 )= (2 , 0, , 0 ) + ( 0, ,0, 0 ) = ( 2,0,1, 0 ) + ( 0,1,0, 0 )
base de T = {( 2, 0,1,0 ) , ( 0,1, 0, 0 ) }
Comprobamos que:
151
dimT + dim T =2+ 2=4
2.9 Dependencia e independencia lineal

V
Definicin: Sea
v 1 , v 2 ,... , v n V
.
Se dice que un vector v V

es combinacin lineal de los vectores
v 1 , v 2 ,... , v n
1 , 2 , ... , n
K tales que
si y slo si existen
n
v = i vi = 1 v 1 + 2 v 2+ + n v n
i=1
es un sistema generador del espacio vectorial
si y slo si
cualquier vector
S V .
Definicin: Sea
v V
S , es decir,
es combinacin lineal de vectores de
v V v 1 , v 2 ,... , v n S 1 , 2 ,... , n K , tales que

n
v = i vi
i=1
Definicin: Sean
Se dice que los vectores
v 1 , v 2 ,... , v n
v 1 , v 2 ,... , v n V
son linealmente independientes si y
slo si ninguno de los vectores se puede escribir como combinacin lineal

de los restantes.
En caso contrario se dice que los vectores
v 1 , v 2 ,... , v n
son linealmente
dependientes
152
Proposicin: Sean
v 1 , v 2 ,... , v n V
.
Los vectores
v 1 , v 2 ,... , v n
son linealmente independientes si y slo si
1 , 2 , ..., n K
n
i v i= 1 v 1+ 2 v 2 ++ n v n=0v 1 =2 =...= n=0

i=1
Proposicin: Sean
v 1 , v 2 ,... , v n V
.
Los vectores
v 1 , v 2 ,... , v n
existen escalares
son linealmente dependientes si y slo si
1 , 2 , ... , n
K , no todos nulos, tales que
i v i= 1 v 1+ 2 v 2 ++ n v n=0v
i=1
Ejemplo1: Dado
S= { (1,1,0 ) , ( 0,2,3 ) , ( 1,2,3 ) } . Determinar si
es L.I. o L.D.
( 1,1,0 ) + ( 0,2,3 ) + ( 1,2,3 )=( 0,0,0 )
( , ,0 )+ ( 0,2 ,3 ) + ( ,2 , 3 ) =( 0,0,0 )
( + , + 2 +2 , 3 +3 )=( 0,0,0 )
+ =0
+ 2 +2 =0
3 +3 =0
( |)
( |) (
|)
|)
1 0 10
1 0 10
1 0 1 0
F2 1 0 1 0
F
=F
F
F
=
F
=F
3
F
1 2 20 2
10 2
0 1 1/2 0 3
1 1/2 0
2
1 0 2
3
2 0
2
0 3 30
0 3 30
3
3
3/2
0
0
0 3 /2 0
153
|)
1 0 1 0
2
F3 = F3 0 1 1/2 0
3
0 0 1 0
solucinnica S es linealmente independiente
Ejemplo2: Dado
M ={ ( 1,1,3 ) , ( 3,5,5 ) , ( 2,1,8 ) } . Determinar si
es L.I. o L.D.
( 1,1,3 ) + ( 3,5,5 )+ ( 2,1,8 ) =( 0,0,0 )
( , ,3 )+ ( 3 , 5 , 5 ) + ( 2 , , 8 )=( 0,0,0 )
( +3 +2 , +5 + , 3 +5 +8 )=( 0,0,0 )
+ 3 +2 =0
+5 + =0
3 +5 +8 =0
( |)
|)
|)
1 3 20
1 3
2 0
1 3 2 0
F 2=F 2F1
1 5 10
0 2 1 0 F 3=F 3 +2 F 2 0 2 1 0
F =F 3 F2
3 5 8 0 3 3
0 4 2 0
0 0 0 0
soluciones M es linealmente dependiente
Ejemplo 3: Dado
A= { 2t 2 +t , t 2+3, t } . Determinar si
es L.I. o L.D.
( 2 t 2+t ) + ( t 2 +3 )+ ( t )=( 0,0,0 )
( 2 t 2+ t ) +( t2 +3 ) +( t ) =( 0,0,0 )
154
( 3 , t + t , 2 t 2+ t 2) =( 0,0,0 )
[ 3 , t ( + ) ,t 2 ( 2 + ) ]=( 0,0,0 )
3 =0
+ =0
2 + =0
( |) ( |)
|)
|)
0 3 00
1 0 1 0 F 3=F 32 F1 1 0 1 0
1 0 1 0
1 0 1 0 F 2=F 1 0 3 0 0
0 1 0 0 F 3=F3 F2 0 1 0 0
1
F 2= F 2
2 1 00
2 1 00
0 1 2 0
0 0 2 0
3
F3 =
( |)
1 0 10
1
F3 0 1 0 0
2
0 0 10
solucinnica A es linealmente independiente
Ejemplo 4: Dado
B={ 2 t 2+t +1, 3t 2 +t5,t +13 } . Determinar si
es L.I. o
L.D.
( 2 t 2+t +1 ) + ( 3 t 2 +t5 ) + ( t+ 13 )=( 0,0,0 )
( 2 t 2+ t + ) + ( 3 t 2+ t5 ) + ( t+ 13 ) =( 0,0,0 )
( 5 + 13 , t + t+ t ,2 t 2 +3 t 2 )=( 0,0,0 )
[ 5 + 13 , t ( + + ) , t 2 ( 2 +3 ) ]=( 0,0,0 )
5 +13 =0
+ + =0
2 + =0
155
|)
|)
|)
1 5 13 0
1 5 13 0
1 5 13 0
F 2=F 2F1
F
=6
F
13
F
1 1
1 0
0 6 12 0 3
6 12 0
3
2 0
2 3
0 0 F 3=F32 F1 0 13 26 0
0 0
0 0
soluciones B es linealmente dependiente
Ejemplo5: Dado
C={( 1t )3 , (1t )2 , ( 1t ) } . Determinar si
es L.I. o L.D.
( 13 t+3 t 2t 3 ) + ( 12t +t 2 ) + ( 1t )=( 0,0,0,0 )
( 3 t +3 t 2 t3 ) + ( 2 t + t 2 ) + ( t )=( 0,0,0,0 )
( + + ,3 t2 t t , 3 t 2 + t 2 , t 3 ) =( 0,0,0,0 )
[ + + , t (3 2 ) , t 2 ( 3 + ) , t3 ]=( 0,0,0,0 )
+ + =0
3 2 =0
3 + =0
=0
|)
1
1
1 0
F =F 2 +3 F1
3 2 1 0 2
F =F 33 F 1
3
1
0 0 3
2+ F1
1 0
0 0 F 4 =F
|)
1 1
1 0
0 1
2 0 F3 =F3 +2 F2
0 2 3 0 F 4 =F 4 + F 2
0 1
1 0
( |)
1
0
0
0
1 1 0
1 2 0
0 1 0
0 1 0
( |)
1
0
F 4=F 4 + F 3
0
1
1
0
0
1
2
1
0
0
0
0
0
156
solucinnica C es linealmente independiente
157
2.10 Base y dimensin.

Base
Definicin: Sean
Se dice que
v 1 , v 2 ,... , v n V
{ v1 , v 2 ,... , v n } es una base del espacio vectorial V si y slo si:
Es un conjunto linealmente independiente.
Es un sistema generador de
Esto significa que cualquier elemento de

combinacin lineal del conjunto
v 1 , v 2 ,... , v n
puede expresarse como
{ v1 , v 2 ,... , v n } y que ninguno de los vectores
puede expresarse como combinacin lineal de los otros. Existe
un nmero infinito de conjuntos que satisfacen las condiciones anteriores y

por lo tanto existe tambin un nmero infinito de bases para un espacio
vectorial dado. Excepto para el espacio vectorial V = {0 } , cuya nica base es
el conjunto vaco
() .
Ejemplos:
1. La base cannica de
es
{e 1 , e 2 ,... , e n } ,con
e 1=( 1, 0, 0 ) ; e 2=( 0, 1, , 0 ) ; ... ; e n=( 0, 0, , 0,1 )
2. El conjunto
^ ( 1,0,0 ) , ^j= ( 0,1,0 ) , k^ =( 0,0,1 ) }

{i=
3. El conjunto
{(
)(
)( )(
es una base para
)}
1 1 , 1 0 , 0 0 , 0 1
1 0
1 0 0 1 1 0
R3 .
es una base para el
conjunto de
158
matrices
2 2 ( M 2 2) .
Dimensin
Definicin: Sea
un espacio vectorial tal que
dimensin del espacio vectorial
V ,
nmero de vectores que tiene una base de
V {0 } . Se denomina
se representa por
V.
dim V ,
al
De manera equivalente podemos definir la dimensin del espacio vectorial

V como:
V
El nmero mximo de vectores en
El nmero mnimo de vectores que generan
V .
Propiedades de la dimensin
1. Significado fsico de la dimensin: el espacio tiene dimensin 3, los
planos dimensin 2, las rectas dimensin 1, el punto dimensin 0. El
subespacio { 0 } es el nico de dimensin 0.
2. La dimensin de un subespacio en
Rn , coincide con el nmero de
parmetros libres en su forma paramtrica. (1 parmetro=recta, 2

parmetros= plano ...)
159
3. Si
S yT
son subespacios y
est contenido en
T , entonces
dim S dim T
Adems, si se da la igualdad,
dim S=dimT ,
entonces ambos espacios coinciden.

4. El rango de una familia de vectores, es igual a la dimensin del
subespacio que generan.
Es decir: si
v 1 , v 2 ,... , v n
este conjunto es
generan un cierto subespacio
r , entonces:
S , y si el rango de
dim S=r
Ejemplos:
1.
( R2 ,+, , R )
es un espacio vectorial de dimensin 2, pues
{ ( 1,0 ) , ( 0,1 ) }
son base al ser linealmente independientes y generadores de

2.
( R3 ,+, , R )
es
un
{ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) }

generadores de
3.
( M m n ,+, , R )
espacio
vectorial
de
dimensin
R
3,
.
pues
son base, al ser linealmente independientes y
R3 .
es un espacio vectorial de dimensin
m n . Por
ejemplo:
M 2 2
tiene dimensin 4, pues
{( ) ( ) ( ) ( )}
1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 1 0 0 1
son base
al ser
160
linealmente independientes y generadores de

Pn
4.
es un espacio vectorial de dimensin
M 2 2 .
n+1 , pues
{1, x , x 2 , , x n }
son base al ser

linealmente independientes y generadores de
Ejemplo 1: Determinar el valor de

pertenezca al subespacio
Solucin:
( 1, x , 5 )
( 1, x , 5 )
(1,2,3 ) , ( 1,1,1 )
para que el vector
( 1, x , 5 ) R3
pertenece al subespacio
es combinacin lineal de
Pn .
(1,2,3 ) , ( 1,1,1 )
si y slo si
( 1,2,3 ) y ( 1,1,1 ) , o sea, si existen
, R
tales que:
( 1, x , 5 )= (1,2,3 )+ ( 1,1,1 )
Entonces:
+ =1
2 + =x
3 + =5
resolviendo el sistema anterior, obtenemos:
=2, =1 y x=3.
Ejemplo 2: Encontrar una base y la dimensin del subespacio vectorial

S= ( 1,2,1,3 ) , ( 2,1,0,2 ) , ( 0,1,2,1 ) , ( 3,4,1,2 ) .
161
Solucin: Un sistema generador de
es
A= { ( 1,2,1,3 ) , (2,1,0,2 ) , ( 0,1,2,1 ) , ( 3,4,1,2 ) } .

Recordemos que un sistema generador cuyos vectores componentes son
todos linealmente independientes entre s (ninguno de los vectores se
puede expresar como combinacin lineal de los otros) se denomina
una base. Pero A no cumple con esta condicin ya que:
( 0,0,0,0 )= 1 (1,2,1,3 ) ,+ 2 ( 2,1,0,2 ) + 3 ( 0,1,2,1 ) ,+ 4 ( 3,4,1,2 )
1 +2 2 +3 4=0
2 1 + 2 + 3 + 4 4=0
1+ 2 3 + 4=0
3 12 2+ 3 +2 4=0
el sistema anterior tiene por solucin

1= 2 = 3 = 4
Es decir,
( 3,4,1,2 )
es combinacin lineal de los anteriores, luego:
A {3,4,1,2 }={ ( 1,2,1,3 ) , ( 2,1,0,2 ) , ( 0,1,2,1 ) }
es tambin un sistema generador de
S. Pero:
( 0,0,0,0 )= 1 ( 1,2,1,3 ) + 2 ( 2,1,0,2 )+ 3 ( 0,1,2,1 )
1 +2 2 =0
2 1 + 2+ 3=0
1 +2 3=0
3 12 2+ 3 =0
el sistema anterior slo tiene por solucin:

162
1= 2= 3=0 .
Es decir,
{ ( 1,2,1,3 ) , ( 2,1,0,2 ) , ( 0,1,2,1 ) } es linealmente independiente.
Una base de
es
{ ( 1,2,1,3 ) , ( 2,1,0,2 ) , ( 0,1,2,1 ) } y la dimensin de
S es 3 .
2.11 Espacio con producto interno

Sea V un espacio vectorial real, un producto interno en V es una funcin
, :V V R
que asigna a cada par de vectores
u , v V
un real denotado por
(u , v )
que satisface las siguientes propiedades:

a) u , v = v , u u , v V
b) u , v+ w = u , v + u , w u , v y w V
c) u , v = u , v u , v V escalar R
d)
u , u 0, u V y u ,u =0 u=0
Un espacio vectorial real V se denomina euclidiano (o eucldeo) si en V est

definido un producto interno.
Ejemplo:
2
Definir si es un producto interno en R ( x 1 , x 2 ) , ( y 1 , y 2 ) =2 x 1 y 1+3 x 2 y 2
163
a Sean ( x 1 , x 2 ) y ( y 1 , y 2 ) en R 2
( x 1 , x 2 ) , ( y1 , y 2 ) =2 x 1 y 1 +3 x 2 y 2
( x 1 , x 2 ) , ( y1 , y 2 ) =2 y 1 x 1 +3 y 2 x 2
( x 1 , x 2 ) , ( y1 , y 2 ) = ( y 1 , y 2 ) , ( x 1 , x 2 )
b Sean ( x 1 , x 2 ) , ( x 1 , x 2) y ( z 1 , z 2 ) en R
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) = ( x 1 , x 2 ) , ( y 1 + z1 , y 2+ z2 )
( x 1 , x 2 ) , ( y1 , y 2 ) +( z 1 , z 2 ) =2 x 1 ( y 1 + z 1 ) +3 x2 ( y 2 + z 2)
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) =2 x 1 y 1 +2 x 1 z1 +3 x 2 y 2 +3 x 2 z 2
( x 1 , x 2 ) , ( y1 , y 2 ) +( z 1 , z 2 ) =2 x 1 y 1 +3 x2 y 2 +2 x 1 z1 +3 x 2 z 2
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) = ( x 1 , x 2 ) , ( y 1 , y 2 ) + ( x1 , x2 ) , ( z 1 , z 2 )
c Sean ( x 1 , x 2 ) y ( y 1 , y 2 ) en R2 y R
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( x 1 , x2 ) , ( y 1 , y 2 )
( x 1 , x 2 ) , ( y 1 , y 2 ) =2 x1 y 1+ 3 x 2 y 2
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( 2 x 1 y 1 +3 x2 y 2 )
164
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( x 1 , x 2 ) , ( y 1 , y 2 )
d Sean ( x 1 , x 2 ) R2 entonces:
1 ( x 1 , x 2 ) , ( x1 , x2 ) =2 x 1 x1 +3 x 2 x 2
( x 1 , x 2 ) , ( x 1 , x 2 ) =2 x 12 +3 x22 0
2 ( x 1 , x 2 ) , ( x1 , x2 ) =0 2 x 12+ 3 x 22=0 x 1=x 2=0
2.12 Construccin con base ortogonal

Vector unitario
Sea
un espacio euclidiano con producto interno. Se llama vector

unitario a cualquier vector de norma uno. Si u 0 entonces:
u
u es un vector unitario
165
Vectores ortogonales
Sea
vectores
un espacio euclidiano con producto interno. Se dice que dos

u , v V son ortogonales si:
u , v =0
Recordemos que si
u yv
son vectores no nulos

[ 0, ]
entre ellos como el nico nmero real
V , se define el ngulo
que satisface la ecuacin:
u , v
uv
cos =
Entonces, dos vectores no nulos

entre ellos es / 2 . Es decir:
son ortogonales si y slo si el ngulo
u , v
0
=
=0
uv uv
cos =
( 0 )=90 = /2
1
=cos
Proposicin: Si
u1 , ,u n
son vectores ortogonales en
se cumple el
teorema de Pitgoras, es decir:

2
u1 ++u n =u1 ++un
Ejemplo 1: Sean los vectores
u= ( 0,1,1,2 ) y v=( 2,1, 1, 0 ) .
Al aplicar el
producto escalar obtenemos:

166
u , v =( 0,1,1,2 ) ( 2,1, 1, 0 )
u , v =( 0 )( 2 ) + (1 )( 1 ) + ( 1 ) ( 1 )+ ( 2 )( 0 )
u , v =0+ (1 ) +1+0
u , v =0
son ortogonales
Ejemplo 2: Sean los vectores
u= (1,2 ) y v=( 3,4 ) R2 .
u= 12+ 22= 5
v= 32 + 42= 25=5
no son unitarios
u , v =( 1,2 ) ( 3,4 )=( 1 ) ( 3 ) + ( 2 ) ( 4 )

u , v =3+ 8
u , v =11
no son ortogonales
u , v
11
11
=
=arccos
10.3
uv 5 5
5 5
cos =
167
Proposicin: Un subconjunto no vaco
de
se dice que es un
conjunto ortogonal cuando cada uno de sus vectores es ortogonal a los

dems vectores del conjunto. Es decir, S es un conjunto ortogonal
cuando:
u , v =0 u v S .
El conjunto
se dice que es ortonormal si
es ortogonal y adems
u=1 para cada u S .
Ejemplo 3: Dados los vectores

xR
valores de
p ( x )=x 2 + x1 y q ( x )=a x2 + x2 , encontrar los
tales que los dos polinomios sean ortonormales, si se
define:
2
p ( x ) , q ( x ) = ai bi
i =0
Si el espacio vectorial es
P2={ a2 x 2 +a1 x+ a0 /a0 , a1 , a2 R } .
Como el producto entre los dos vectores debe ser nulo:

0=(1 ) ( a ) + ( 1 ) ( 1 )+ (1 ) (2 )
0=a+3
a=3
Al obtener las respectivas normas de los polinomios se obtiene que
p ( x )= (1 )2+12 + (1 )2= 3
168
q ( x )= 32+ 12+ (2 )2= 14

Los vectores ortonormales son:
p' ( x ) =
q ' ( x )=
1 2 1
1
x+
x
3 3 3
3 2 1
2
x +
x
14
14 14
un espacio euclidiano y S un conjunto ortogonal

de vectores no nulos. Entonces, S es linealmente independiente. En
particular, si V es de dimensin finita n 1 entonces cada conjunto de
Proposicin: Sea
vectores ortogonales no nulos conforman una base de
Demostracin: Sea S
vectorial eucldeo V .
V .
un conjunto ortogonal de vectores en el espacio
S= {u 1 , u2 , ,u n }
Al establecer la ecuacin de dependencia lineal con los elementos de
se
tiene que:
0 v = 1 u1 + 2 u2 ++ n un
169
Si se toma un elemento
ui
del conjunto
dependencia del producto interno para el cual
y se aplica a la ecuacin de
S
es ortogonal se obtiene
que:
0,u i = 1 u 1 , ui + 2 u2 ,u i ++ n un ,u i
0= 1 u 1 , ui + 2 u2 ,u i ++ n un ,u i
Como el conjunto es ortogonal, entonces el producto
u j , ui =0 i j ,
la
ecuacin se reduce a:
0= i ui , ui
i=0
Este procedimiento es vlido para cualquier vector, es decir, se cumple si
slo si todos los escalares son nulos.
E l conjunto S= {u 1 , u2 , ,u n }
es linealmente independiente.
Ejemplo 4: El conjunto de vectores
{u1= (1,1,0 ) ; u2 =( 1,1,0 ) ; u3=(0,0,1)}

es linealmente independiente, ya que:
170
u1 u2=u 1 u3=u2 u 3=0
forman una base ortogonal
u1= 12+12 +0 2= 2
u2= 12+ (1 )
+02= 2
u3= 02 +02 +12=1

Una base ortonormal es:
'
u 1=
u1
u2
u3
1 1
1 1
=
,
, 0 ; u 2 '=
=
,
, 0 ; u3 ' =
=(0,0,1)
u1 2 2
u2 2 2
u3
171
Proceso de ortogonalizacin de Gram-Schmidt

El proceso de ortogonalizacin de Gram-Schmidt nos permite convertir una
v , v , , vn }
base cualquiera { 1 2
de un espacio vectorial euclidiano V , en una
base ortogonal
{u1 ,u 2 , , un } .
Para comprender la idea fundamental de este mtodo veamos el caso

especial en el que tenemos solamente dos vectores linealmente
, v1 y v2
independientes
. El mtodo para conseguir una base ortogonal es el
siguiente:
En primer lugar, se elige cualquier vector de la base original sobre el cual se
operar. Se define entonces:
u1=v 1
Para obtener el segundo vector de la base ortogonal se debe hacer una resta
del segundo vector de la base original menos su proyeccin sobre vector
obtenido en el paso anterior. Es decir:
u2=v 2 proyu ( v 2 ) v 2
1
v 2 .u1
u
u1 u1 1
( )
De manera que pasamos de la base
{ v1 , v 2 } a la base ortogonal {u1 ,u 2 }
Este proceso puede repetirse el nmero de veces que sea necesario para
convertir cualquier conjunto de vectores en un conjunto ortogonal.
ui+1 =v i+1 proy u ( v i+1 ) v i+1

i
v i +1 u1
v u
u 1 i +1 i ui
u1 u1
ui ui
Por ejemplo, si partimos de tres vectores independientes
v1 , v2 , v3
, stos
quedaran transformados en un conjunto ortogonal en tres pasos:

172
u1=v 1
u2=v 2 proyu ( v 2 ) v 2
1
v 2 u1
u
u1 u1 1
( )
Para obtener el tercer vector se realiza la resta del tercer vector de la base
original menos la proyeccin sobre el primer vector menos la proyeccin
sobre el segundo vector de la base ortogonal obtenido en el paso anterior:
u3=v 3 proyu ( v 3 ) proyu ( v 3 ) v 3
1
v 3 u1
v 3 u 2
u1
u
u1 u1
u2 u2 2
( ) ( )
Se debe tener presente que los vectores
ui
que se van obteniendo en
cada paso pueden ser sustituidos por un mltiplo escalar cualquiera,

con el fin de eliminar denominadores de las fracciones que pudieran
haberse obtenido y de esta forma facilitar los clculos del paso
siguiente.
El operador proyeccin:
proyu v=
( vu uu )u
proyecta el vector
ortogonalmente en el vector
173
Para obtener una base ortonormal
{u1 ,u 2 , , un } , por su norma. Es decir:
ortogonal obtenido
{ e 1 , e 2 , , e n } , se divide cada vector
u 1 u2
un
,
,,
u 1 u2 u n
donde:
e 1=
Ejemplo:
Consideremos
u1
u
u
; e2 = 2 ; ; en= n
u1
u2
u n
el
subespacio
entonces usando el producto interno usual de

ortogonal para
S= {( x , y , z , t ) R 4 / x+ y + z +t=0 }
R4 , determinemos una base
S .
Paso 1. Determinamos una base de
u S u=( x , y , z ,t ) R4 x + y + z+ t =0
u=( x , y , z ,t ) R4 t=x y z
u=( x , y , z ,x y z ) ;(x , y , z ) R
u=x ( 1,0,0,1 ) + y ( 0,1,0,1 ) + z ( 0,0,1,1 ) ; (x , y , z ) R3
S= { ( 1,0,0,1 ) , ( 0,1,0,1 ) , ( 0,0,1,1 ) }
174
Adems
{ ( 1,0,0,1 ) , ( 0,1,0,1 ) , ( 0,0,1,1 ) }
es una base de
S , pues son
Paso 2. Ortogonalizamos, usando el proceso de G. Schmidt.
u1=(1,0,0,1)
u2=( 0,1,0,1 )
( 0,1,0,1 ) , ( 1,0,0,1 ) (1,0,0,1)

(1,0,0,1 ) , ( 1,0,0,1 )
1
u2=( 0,1,0,1 ) (1,0,0,1)
2
u2=
( 12 ,1,0, 12 ) amplificando por ( 2)
u2=(1, 2,0,1 )
u3=( 0,0,1,1 )
( 0,0,1,1 ) , (1, 2, 0,1 ) (1, 2, 0,1 )

(1, 2,0,1 ) , (1,2, 0,1 )
( 0,0,1,1 ) , ( 1,0,0,1 )
(1,0,0,1)
( 1,0,0,1 ) , ( 1,0,0,1 )
1
1
u3=( 0,0,1,1 ) (1, 2,0,1 ) (1,0,0,1)
6
2
u3=
( 13 , 13 , 1, 13 ) amplificando por ( 3)
u3=(1,1, 3,1 )
175
{ (1,0,0,1 ) , (1,2, 0,1 ) , (1,1, 3,1 ) } es una base ortogonal de S
e 1=
e 2=
u1 ( 1,0,0,1 )
1
1
=
=
, 0, 0,
u1
2
2
2
u2 (1,2, 0,1 ) 1 2
1
=
=
, , 0,
u2
6
6 6 6
e 3=
{(
u3 (1,1, 3,1 )
1 1
3
1
=
=
,
,
,
2 3
2 3 2 3 2 3 2 3
u3
)}
1
1 1 2
1
1 1
3 1
, 0,0,
,
,
, 0,
,
,
,
,
es una base ortonormal de S
2
2 6 6 6 2 3 2 3 2 3 2 3
)(
)(
Unidad 3- Transformaciones Lineales

3.1 Transformacin lineal, propiedades
176
Transformacin lineal
Definicin: Sean V y W dos espacios vectoriales sobre el cuerpo
T :V W es una transformacin lineal si:
funcin
1.
2.
K.
Una
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 ) v 1 , v 2 V ( Principio de superposicin )

T ( v )= T ( v ) v V y K ( Principio de homogeneidad )
Ejemplo 1: Verificar que la
transformacin
T : M (n , R) M( n , R)
tal que
T ( A ) =MA+ AM donde M es una matriz fija en M (n , R) , es una transformacin lineal.
Solucin:
1.
Sean
T ( A+ B )=T ( A ) +T ( B )
A , B M (n , R)
entonces:
T ( A+ B )=M ( A + B ) + ( A+ B ) M
T ( A+ B )= ( MA + MB ) + ( AM + BM )
T ( A+ B )= ( MA + AM )+ ( MB + BM )
T ( A+ B )=T ( A ) +T ( B )
2.
Sean
T ( A ) = T ( A )
A M ( n , R ) y K entonces:
T ( A ) =M ( A )+ ( A ) M
T ( A ) =MA+ AM
177
T ( A ) = ( MA+ AM )
T ( A ) = T ( A )
T es una transformacin lineal
Ejemplo
2:
Verificar
que
la
transformacin
T :R R
tal
que
T ( x , y ) =( x+ y , y , x y ) , es una transformacin lineal.

Solucin:
1.
Sean
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
v 1= ( x , y ) , v 2=( p ,q ) R2 , entonces:
T ( v 1+ v 2 )=T ( x + p , y +q )
T ( v 1+ v 2 )=( ( x + p ) + ( y +q ) , y +q , ( x + p ) ( y+ q ) )
T ( v 1+ v 2 )=( ( x + y ) + ( p+q ) , y +q , ( x y )+ ( pq ) )
T ( v 1+ v 2 )=( x + y , y , x y ) + ( p+q ,q , pq )
T ( v 1+ v 2 )=T ( x , y )+ T ( p , q )
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
2.
Sean
T ( v )=T ( v )
v =( x , y ) R2 y R , entonces:
T ( v )=T ( x , y )
T ( v )=( x+ y , y , x y )
T ( v )= ( x+ y , y , x y )
178
T ( v )= T ( x , y )
T ( v )=T ( v )
Ejemplo 3: Sean los espacios vectoriales:
{( )
V = a b /a , b , c , d R
c d
W = { a/a R }
Ambos sobre el campo de los reales. Verificar si las transformaciones
T :V W y S :W V son transformaciones lineales, donde
( )
T a b =2 ab+ cd
c d
S ( a )= a a
a a+1
Solucin:
1.
Sea
Para el caso de la transformacin T se tiene lo siguiente:

T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
v 1=
) (
a1 b1
a b
y v 2= 2 2 entonces :
c1 d 1
c2 d2
179
T ( v 1+ v 2 )=T
T ( v 1+ v 2 )=T
(( ) ( ))
a1 b1 a2 b2
+
c 1 d1 c 2 d 2
a 1 +a 2 b 1+ b2
c 1+ c 2 d 1 + d 2
T ( v 1+ v 2 )=2 ( a 1+ a2 )( b1 +b 2 ) + ( c 1 +c 2 )( d1 + d2 )
T ( v 1+ v 2 )=( 2 a 1b1 +c 1d 1 ) + ( 2 a 2b2 +c 2d 2 )
T ( v 1+ v 2 )=T
a1 b1
a b
+T 2 2
c1 d 1
c2 d 2
) (
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
2.
T ( v )= T ( v )
()
Sean v= a y R entonces:
b
( ( ))
T ( v )=T
T ( v )=T
a1 b1
c1 d1
a1 b 1
c1 d 1
)
180
T ( v )=2 a 1 b1 + c 1 d 1
T ( v )= ( 2a 1b1 +c 1d1 )
T ( v )= T
a1 b 1
c1 d1
T ( v )= T ( v )
Para la transformacin S probaremos

decir:
primero la homogeneidad, es
S ( a )= S ( a )
Sean a R y R entonces:
S ( a )= S ( a )
( aa
a a a
a+1
a a+1
) (
( aa
a a a
a+1 a a+
)(
)
)
La igualdad no se cumple. No es necesario probar la primera condicin

( Principio de superposicin )
ya que S no cumple con la segunda
( Principio de homogeneidad )
.
181
S no es una transformacin lineal
Ejemplo 4: Verificar si la funcin
T : R R
()( )
es
( )
es
definida por
T a = a+b
b
1
definida por
una transformacin lineal

Solucin:
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
1.
Sea
v 1=
a1
a
y v 2= 2 entonces :
b1
b2
() ()
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
[( ) ( )] ( ) ( )
[( )] ( ) ( )
a1 a 2
a
a
+
=T 1 + T 2
b1 b 2
b1
b2
a1 +a2
a +b
a +b
= 1 1+ 2 2
b1 +b2
1
1
(a + a +1 b +b ) ( a +a +b2 + b )
1
T no es una transformacinlineal
Ejemplo 5: Verificar si la funcin
T :R R
x+ y
a
= x y
b
x
()
una transformacin lineal

182
Solucin:
1.
Sea
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
v 1=
() ()
a1
a
y v 2= 2 entonces :
b1
b2
T ( v 1+ v 2 )=T
[( ) ( )]
T ( v 1+ v 2 )=T
[( )]
a1 a2
+
b1 b2
a1 + a2
b1 +b 2
( a1+ a2 ) + ( b 1+ b2 )
T ( v 1+ v 2 )= ( a 1+ a2 )( b1 +b2 )
a1 +a 2
a1+ a2 +b1 +b 2
T ( v 1+ v 2 )= a1 +a 2b1 b2
a1 +a2
( a1 +b1 ) + ( a2 +b2 )
T ( v 1+ v 2 )= ( a 1b1 ) + ( a2b 2)
a1 + a2
a1 +b1
a2 +b2
T ( v 1+ v 2 )= a1 b1 + a2 b2
a1
a2
( )( )
183
T ( v 1+ v 2 )=T
a1
a
+T 2
b1
b2
() ()
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
T ( v )= T ( v )
2.
()
Sean v= a y R
b
( )
T ( v )=T a
b
( )
a+ b
T ( v )= a b
a
( )
a+b
T ( v )= ab
a
()
T ( v )= T a
b
T ( v )= T ( v )
Propiedades
Sea
1.
T :V W
una transformacin lineal. Entonces:
T ( 0 v )=0 w
184
2.
T (v )=T ( v )
3.
T es lineal T ( v 1 + v 2 )= T ( v 1 ) + T ( v 2 ) v 1 , v 2 V , , K
3.2 Ncleo, imagen, nulidad y rango

Ncleo e Imagen de una transformacin lineal
Definicin: Sea
T :V W
El ncleo de
una transformacin lineal. Se definen:
como:
Ker ( T )={ v V /T ( v ) =0W }
El recorrido o imagen de
como:
( T )={ w W /T ( v )=w , v V }
Proposicin: Sea
T :V W
El ncleo de
una transformacin lineal, se cumple que:
es un subespacio de
Ker ( T )
V
s .e .v .
La imagen de
es un subespacio de
185
( T )
W
s. e. v .
Procedimiento para obtener el ncleo
( Ker ( T ) )
de una
T :V W
transformacin
Formular un vector
Calcular la imagen
T (v)
que pertenezca al dominio
V .
e igualarla con el vector cero del codominio
W , es decir:
T ( v )=0W
Comparar uno a uno los trminos de esta igualdad. Se originan una o

varias ecuaciones lineales homogneas que, al ser resueltas permiten
determinar la forma especfica del vector v buscado, que es el vector
genrico que constituye el ncleo y que se escribe como:
Ker ( T )={ v V /T ( v ) =0W }
Procedimiento para obtener el recorrido
B={ v 1 , v 2 , v 3 , , v n }
de una
T :V W
transformacin
Proposicin:
( ( T ))
Sea
T :V W
una
es una base del dominio
transformacin
lineal.
Si
V , entonces el siguiente
conjunto:
CG={T ( v 1 ) ,T ( v 2 ) , T ( v 3 ) , , T ( v n ) }
es un conjunto generador del recorrido
T (v)
.
186
El procedimiento para obtener el recorrido de una transformacin
T :V W
es:
Determinar una base del dominio
(siendo la ms usual la base
cannica), denominada:
B cannica de V = {v 1 , v 2 , v 3 , , v n }
Obtener las imgenes
T (v)
de los vectores de la base cannica anterior.
Estas imgenes constituirn el conjunto generador del recorrido:

CG={T ( v 1 ) ,T ( v 2 ) , T ( v 3 ) , , T ( v n ) }
Para obtener la imagen o recorrido
T (V )
de la transformacin, se
determina el espacio rengln de la matriz cuyos renglones son los vectores

del conjunto CG anterior. Es decir:
a) Transformar la matriz a su forma cannica escalonada, en la cual, los

renglones diferentes de cero constituyen los vectores de la base
cannica del recorrido.
B cannica de T ( V ) ={ c 1 ,c 2 , c 3 , , c n }
b) Determinar un vector genrico
w , escribindolo como combinacin
lineal de los vectores de la base cannica anterior:

w= 1 c 1 + 2 c 2 + 3 c 3 ++ n c n
c) Este vector genrico indica la forma general del recorrido o imagen y

se expresa como:
187
( T )={ w W /T ( v )=w , v V }
Ejemplo
1:
T ( x 1 , x 2 , x 3 )= ( x1 , x2 ) .
T : R3 R 2
Sea
una
transformacin
lineal
definida
por
Entonces:
El ncleo se define como

Ker ( T )={ ( x 1 , x 2 , x 3 ) R3 /T ( x 1 , x 2 , x 3 )=0W }
Se propone un vector:
Sea
Se iguala la imagen de
v =( x 1 , x 2 , x 3 ) R
con el vector cero del codominio
( 0W ) :
T ( x 1 , x 2 , x 3 )= ( x1 , x2 ) =( 0, 0 )
Igualando trminos en los vectores anteriores:
x 1=0
x 2=0
El vector propuesto se transforma en:
v =( x 1 , x 2 , x 3 )=(0, 0, x 3)
Finalmente, el ncleo o
Ker ( T )
es:
188
Ker ( T )={ ( 0, 0, x 3 ) / x 3 R }
Como:
( 0, 0, x 3 ) =x3 ( 0,0, 1)
Bcannica de Ker ( T )={( 0,0, 1) }
Ejemplo 2: Hallar la imagen o recorrido de la transformacin lineal

f : R3 R3 definida por f ( x 1 , x 2 , x 3 ) =( x1 x2 ,x 1 + x 2 , 2 x1 2 x 2 + x 3 ) .
La imagen es un conjunto de la forma:
( f )={ y R 3 /f ( x 1 , x 2 , x 3 )= y , ( x 1 , x 2 , x 3 ) R3 }
La imagen o recorrido de la transformacin se determina a partir de la

base cannica del dominio
B cannica de R3= { ( 1,0, 0 ) , ( 0, 1,0 ) , ( 0, 0,1 ) }
Se obtienen las imgenes de los vectores de la base cannica anterior:
f ( 1, 0, 0 )=( 1,1, 2 )
f ( 0, 1, 0 )=(1,1,2 )
f ( 0, 0, 1 )=( 0, 0,1 )
Las imgenes anteriores constituyen el Conjunto Generador de la

imagen o recorrido:
189
CG={ ( 1,1, 2 ) , (1, 1,2 ) , ( 0,0, 1 ) }
Para obtener la imagen
T (V )
de la transformacin, se determina el
espacio rengln generado por el conjunto
CG
anterior:
1 1 2
1 1 2
1 1 2 f 2 f 1 + f 2 0 0 0
0
0
1
0 0 1
Los renglones diferentes de cero constituyen los vectores de la base

cannica de la imagen.
B cannica de T ( V ) ={ ( 1,1,2 ) , ( 0,0,1 ) }
Determinar el vector genrico
w , escribindolo como combinacin
lineal de los vectores de la base cannica anterior:

w=a ( 1,1,2 ) +b ( 0,0,1 )
w=( a ,a , 2 a )+ ( 0,0, b )
w=(a ,a ,2 a+b)
Finalmente, la imagen es:
( T )={ (a ,a ,2 a+ b)/a , b R }
190
Ejemplo 3: Hallar el ncleo y la imagen de la transformacin lineal

4
3
T:R R
definida
por
T ( x 1 , x 2 , x 3 , x 4 )=(x1 +2 x 2+3 x 3 + x 4, x1 +3 x 2+ 5 x 32 x 4 , 3 x 1 +8 x 2+ 13 x 33 x 4 )
a)
Ker ( T )={ v V /T ( v ) =0W }
Se define el ncleo:
Ker ( T )={ ( x 1 , x 2 , x 3 , x 4 ) R 4 /T ( x 1 , x 2 , x 3 , x 4 )=0W }
Proponemos un vector:
Sea
v =( x 1 , x 2 , x 3 , x 4 ) R 4
( 0W ) :
T ( x 1 , x 2 , x 3 , x 4 )=( 0, 0, 0 )
( x 1+ 2 x 2 +3 x 3 + x 4, x 1+ 3 x 2 +5 x3 2 x 4 , 3 x 1+ 8 x 2 +13 x3 3 x 4 )=(0, 0,0)
Igualando trminos en los vectores anteriores generamos un sistema

de ecuaciones lineales:
x 1+2 x 2+ 3 x 3 + x 4=0
x 1+3 x 2 +5 x 3 2 x 4 =0
191
3 x1 +8 x 2 +13 x 33 x 4 =0
Resolvemos matricialmente:
1 2
3 1
1 2
3 1
1 2
3 1
f 1f 2 f 2
f 2 f 2
1 3 5 2
0 1 2 3
0 1 2 3
3 f 1 f 3 f 3
f 2 +f 3 f 3
3 8 13 3
0 2 4 6
0 1 2 3
1 2 3 1
1 0 1 7
f 2+ f 3 f 3 0 1 2 3 2 f 2+ f 1 f 1 0 1 2 3
0 0 0 0
0 0 0 0
Replanteando el sistema de ecuaciones:
x 1x 3 +7 x 4=0 x 1=x 37 x 4
x2 +2 x 33 x 4=0 x 2=2 x 3 +3 x 4
v =( x 1 , x 2 , x 3 , x 4 ) =( x 37 x 4,2 x 3 +3 x 4 , x 3 , x 4 )
Ker ( T )
es:
Ker ( T )={ ( x3 7 x 4,2 x 3+ 3 x 4 , x 3 , x 4 ) /x 3 , x 4 R }

Como:
( x 37 x 4,2 x 3 +3 x 4 , x 3 , x 4 )=( x 3 ,2 x 3 , x 3 ,0 )+ (7 x 4, 3 x 4 , 0, x 4 )
192
( x 37 x 4,2 x 3 +3 x 4 , x 3 , x 4 )=x 3 (1,2,1,0 ) + x 4 (7, 3, 0,1 )
Bcannica de Ker ( T )={ ( 1,2,1,0 ) , (7,3, 0, 1 ) }
b)
( T )={ y R3 /T ( x ) = y , x R4 }
x 1+2 x 2+ 3 x 3 + x 4, x 1+3 x 2 +5 x 3 2 x 4 , 3 x1 +8 x 2 +13 x 3 3 x 4 = y , ( x1 , x2 , x3 , x 4 ) R

3
y R /
( T ) =

B cannica de R 4={ ( 1, 0, 0,0 ) , ( 0, 1, 0,0 ) , ( 0, 0,1, 0 ) , ( 0, 0,0, 1 ) }
Obtenemos las imgenes de los vectores de la base cannica:
T ( x 1 , x 2 , x 3 , x 4 )=(x1 +2 x 2+3 x 3 + x 4, x1 +3 x 2+ 5 x 32 x 4 , 3 x 1 +8 x 2+ 13 x 33 x 4 )
f ( 1, 0, 0,0 )=( 1, 1,3 )

f ( 0, 1, 0,0 )=( 2, 3,8 )
f ( 0, 0, 1,0 )=( 3,5, 13 )
f ( 0, 0, 0,1 ) =( 1,2,3 )
193
Estas imgenes constituyen el Conjunto Generador de la imagen o

recorrido:
CG={ ( 1,1, 3 ) , ( 2,3, 8 ) , ( 3,5, 13 ) , (1,2,3 ) }
Una vez establecido el espacio generado, ubicamos los vectores en filas de
T (V )
una matriz. Al escalonar esta matriz obtenemos la imagen o recorrido

de la transformacin.
1 1
3
f f 2 +2 f 1
2 3
8 2
f f 3 +3 f 1
3 5 13 3
4+ f 1
1 2 3 f 4 f
1
f 1 f 1f 2 0
0
0
1
0
0
1 1
3
f 2 f 2
0 1 2
f 3 f 3f 2
0 2 4
0 3
6 f 4 f 42 f 2
1 1
3
0 1
2 f 3 f 3+ f 2
0 1 2 f 4 f 4 +f 2
0 1 2
1
0
0
0
1
1
0
0
3
2
0
0
) ( )
1
2
0
0
( )

B cannica de T ( V ) ={ ( 1,0,1 ) , ( 0,1,2 ) }
Determinamos
el
vector
genrico
w ,
escribindolo
como
combinacin lineal de los vectores de la base cannica anterior:

1, 0,1
w=a ( ) + b ( 0,1, 2 )
w=( a , 0, a ) + ( 0, b , 2 b )
194
w=(a , b , a+2 b)
( T )={ ( a ,b , a+ 2b ) /a , b R }
Nulidad y Rango de una transformacin lineal
Definicin: Sea
T :V W
una transformacin lineal.
Se llama nulidad de
a la dimensin del
Ker ( T )
y se define
como:
( T )=dim ( Ker ( T ) )
Se llama rango de
a la dimensin de la
(T )
y se define como:
(T )=dim ( ( T ) )
Teorema de la dimensin
Sean
V yW
finita, y sea
dos espacios vectoriales sobre el cuerpo K ,V de dimensin

T :V W una transformacin lineal. Entonces se cumple que:
dim(V )=dim ( Ker ( T ) ) + dim ( ( T ))

dim(V )= ( T ) + (T )
195
Ejemplo 1: Determine el rango y la nulidad de la siguiente transformacin

lineal
( )
a
T a = a+b
b
b
()
a) Ncleo
Sabemos que:
Ker ( T )={ v V /T ( v ) =0W }
Entonces definimos el ncleo:
{( )
( )}
0
a
2
a
Ker ( T )=
R /T
=0
b
b
0
()
Proponemos un vector:
Sea
()
v = a R4
b
( 0W ) :
( )()
a
0
a+ b = 0
b
0
196
Para hallar el ncleo de la transformacin lineal igualamos la regla de

3
correspondencia de la misma con el vector nulo de R
a=0
a+b=0
b=0
() ()
v= a = 0
b
0
Ker ( T )
es:
{( )}
Ker ( T )= 0
0
dim ( Ker ( T ) )=0

b) Recorrido o imagen:
Por definicin:
( T )={ w W /T ( v )=w , v V }
Entonces:
{( )
( )( ) }
x
x
( T )= y R3 /T a = y , a R2
b
b
z
z
()
197
La imagen de la transformacin se determina a partir de la base

cannica del dominio
{( ) ( )}
B cannica de R2= 1 , 0
0 1
Recordar que
( )
a
T a = a+b
b
b
()
()
1
T 1=1
0
0
()
()
0
0
T =1
1
1
()
Estas imgenes componen el Conjunto Generador de la imagen o

recorrido:
{( ) ( )}
1 0
CG= 1 , 1
0 1
Para hallar la imagen de la transformacin lineal igualamos la regla de

correspondencia con el vector tpico de la imagen, luego planteamos la
matriz aumentada y simplificamos hasta obtener la mayor cantidad de
filas llenas de ceros.
( |)
( | )
( | )
1 0x
1 0 x
1 0
x
f
f
f
f
f
f
1 1y 2
1 yx 2
0 yxz
2
1 0
2
3 0
0 1z
0 1 z
0 1
z
198
yxz=0
y=x + z
()( ) ()() () ()
x
x
x 0
1
0
y = x+ z = x + z =x 1 +z 1
z
z
0 z
0
1
{( ) }
x
( T )= x + z /x , z R
z
dim ( ( T ) )=2
Comprobamos el teorema de la dimensin
v ( T )+ ( T )=dim V
0+2=2
2=2
Ejemplo 2: Para la transformacin lineal
T : R3 M 2 x 2
definida por:
199
T ( x , y , z )= x 2 y
y+z
donde
M 2x 2
y+z
x y + z
es el espacio vectorial real de las matrices simtricas de orden
dos con elementos reales, obtener:

a)
Kert ( T ) , su dimensin y una de sus bases.
a)
( T ) , su dimensin y una de sus bases.
b) Demostrar que:
v ( T )+ ( T )=dim V
Solucin:
a)
( )}
Kert ( T )= ( x , y , z ) R3 /T ( x , y , z )= 0 0
0 0
T ( x , y , z )= x 2 y
y+z
)( )
y+z = 0 0
x y + z
0 0
x2 y=0
y+z =0
x y+ z=0
Resolviendo matricialmente:
|)
|)
|)
1 2 0 0
1 2 0 0
1 2 0 0
f
f
f
f
f
f
0 1 10 3
1 10 3
1 10
3
1 0
3
2 0
1 1 1 0
0 1 10
0 0 00
200
x2 y =0 x =2 z
y + z=0 y=z
0 z=z
z=z
Es decir, el vector
(x, y ,z)
se transforma en:
( x , y , z ) =(2 z ,z , z)
Por lo tanto:
Kert ( T )={ (2 z ,z , z ) / z R } v ( T )=1
Kert ( T )={ (2 z ,z , z ) }
Si
Kert ( T )={ z (2,1, 1 ) }
Una base cannica es:

B cannica de Ker (T )= { (2,1,1 ) }
b)
( T )={ w W /T ( v )=w , v V }
La base cannica del dominio es:

3
B cannica de R = { ( 1,0, 0 ) , ( 0, 1,0, ) , ( 0, 0,1 ) }

Recordar que
T ( x , y , z )= x 2 y
y+z
y+z
x y + z
)
201
( )
T ( 1, 0,0 )= 1 0
0 1
T ( 0, 1,0 )= 2 1
1 1
( )
T ( 0, 0,1 )= 0 1
1 1

recorrido:
{( ) (
) ( )}
CG= 1 0 , 2 1 , 0 1
0 1
1 1 1 1
Se obtiene el espacio rengln generado por el conjunto anterior
) (
1 0 0 1
1 0 0 1
1 0 0 1
1 0 0 1
2 1 1 1 f 2 f 3 0 1 1 1 f 3 f 3 +2 f 1 0 1 1 1 f 3 f 3f 2 0 1 1 1
0 1 1 1
2 1 1 1
0 1 1 1
0 0 0 0

{( ) ( )}
B cannica de T ( R 3 )= 1 0 , 0 1
0 1 1 1
Determinamos el vector genrico del recorrido, escribindolo como

( ) ( )
w=a 1 0 + b 0 1
0 1
1 1
202
( )( )
w= a 0 + 0 b
0 a b b
b
w= a
b a+b
{(
b /a , b R
( T )= a
b a+ b
dim ( ( T ) )= ( T )=2
Comprobamos el teorema de la dimensin

dim ( V )= ( T ) + ( T )
3=1+2
3=3
3.3 Isomorfismo
Transformacin lineal inyectiva
Definicin: Sea
T :V W
una transformacin lineal. Se dice que
es
inyectiva si:
v 1 , v 2 V { T ( v 1 ) =T ( v 2) v 1=v 2}
203
Teorema: Sea
T :V W
una transformacin lineal entonces:
T es inyectiva Ker ( T )={ 0 v }
Transformacin lineal sobreyectiva

T :V W
una transformacin lineal. Se dice que T es

sobreyectiva si todo vector de W es la imagen de al menos un vector de
V . Es decir:
Definicin: Sea
w W v V /w=T ( v )
Teorema: Sea
T :V W
una transformacin lineal entonces:

T es sobreyectiva ( T )=W
Isomorfismo
Definicin: Sea
T :V W
un isomorfismo si
es isomorfismo si
una transformacin lineal. Se dice que T es

es inyectiva y T es sobreyectiva. Es decir, T
es biyectiva.
Espacios vectoriales isomorfos

dos espacios vectoriales. Se dice que V y W son
espacios vectoriales isomorfos, denotados como V W , si existe un
isomorfismo T :V W entre ellos.
Definicin: Sean
V yW
204
Teorema: Sea
T :V W
una transformacin lineal definida entre espacios

vectoriales de dimensin finita, tales que dim V =dimW , entonces:
T
1. Si
es inyectiva
2. Si
es sobreyectiva
V yW
Teorema: Sean
T :V W
es sobreyectiva.
es inyectiva.
dos espacios vectoriales de dimensin finita. Sea
una transformacin lineal. Entonces:
1. Si
dim V >dim W , T no es inyectiva.
2. Si
dim V <dim W , T no es sobreyectiva.
Es decir:
Si
Teorema: Sea
1. Si
T :V W
entonces
independiente en
2. Si
no es un isomorfismo.
una transformacin lineal, se cumple que:
es inyectiva y
V ,
en
dim V dim W T
S= { v 1 , v 2 , v 3 , , v n }
es linealmente independiente
'
S ={T ( v 1 ) , T ( v 2) , T ( v 3 ) , ,T ( v n ) }
es
linealmente
es sobreyectiva y
G' ={T ( v 1 ) , T ( v 2 ) , T ( v 3 ) , ,T ( v n ) }
G= { v 1 , v 2 , v 3 , , v n }
genera a
genera a
V , entonces
205
3. Si
es un isomorfismo y
B={ v 1 , v 2 , v 3 , , v n }
'
B ={T ( v 1 ) ,T ( v 2 ) , T ( v 3) , , T ( v n ) }
entonces
es una base de
es una base de
V ,
Ejemplo: Determine si la transformacin dada es inyectiva, sobreyectiva o

ambas.
()(
T : R2 R2 T x = x y
y
2x+ y
Solucin:
{( )
( ) ( )}
Kert ( T )= x R2 /T x = 0
y
y
0
()(
) ()
T x = x y = 0
y
2 x+ y
0
x y =0 x= y =0
2 x + y=0
{( )}
Kert ( T )= 0 T es inyectiva
0
Aplicando teorema de la dimensin
206
dim ( V )= ( T ) + ( T )
Considerando que:
dim ( Ker ( T ) )= ( T )=0
Entonces:
( T )=dim (V ) ( T )=20=2
2
( T ) =R T es sobreyectiva
es isomorfismo
Nota: De esta forma comprobamos que si

Si
es inyectiva
dim V =dimW , entonces:
es sobreyectiva.
3.4 Matriz asociada a una transformacin lineal

La representacin matricial de una transformacin lineal
T :V W
sirve
para obtener la imagen de un vector; ya que con slo multiplicar la matriz

asociada (representacin matricial de T ) por un vector del dominio, se
obtiene la imagen de este (recorrido).
Con la representacin matricial, tambin es posible determinar la regla
de correspondencia de una transformacin lineal, basta con conocer la
matriz asociada y los espacios vectoriales a los que est referida.
La representacin matricial de una transformacin lineal va a depender de
las bases utilizadas. La ms sencilla y utilizada de estas representaciones es
la matriz asociada, que se obtiene con la base cannica del dominio.
207
El procedimiento para determinar la matriz asociada

transformacin lineal
M (T )
de una
T :V W , es el siguiente:
1. Determinar la base cannica del dominio.

2. Calcular las imgenes de los vectores de la base cannica aplicadas a
la transformacin T .
3. Las imgenes obtenidas se expresan en columnas, constituyendo de
M (T )
esta forma las columnas de la matriz asociada
a la
transformacin
La matriz asociada
obtener la imagen
T :V W .
M (T )
T (v)
con la transformacin
T :V W , permite
de cualquier vector del dominio
con la
expresin:
T ( v )=M ( T )( v )
208
Matriz asociada con una transformacin lineal y referida a

dos bases A y B cualesquiera
Definicin: Sean
V yW
dim ( V )=n y dim ( W )=m

Supongamos que
de
V yW
espacios vectoriales de dimensin finita, donde

T :V W
y sea
una
transformacin lineal.
A= { v 1 , v 2 , v 3 , , v n } V y B= { w1 , w2 , w3 , , w m } W
son bases
respectivamente. Entonces existe una y slo una matriz
asociada con la transformacin
M BA ( T )
T , tal que:
[ T ( v ) ]B=M B ( T )( v )A v V
Donde las n columnas de dicha matriz son los vectores de coordenadas, en
la base B , de las imgenes de los elementos que integran la base A :
[ T ( v 1 ) ]B , [ T ( v 2 ) ] B , , [ T ( v n ) ] B
Considerando que:
M BA ( T ) = Matriz asociada con la transformacin lineal
bases
y referida a las
A yB .
( v ) A = Vector de coordenadas de
[ T ( v ) ]B
= Vector de coordenadas de
recorrido y es la imagen de
en la base
T (v)
A , donde
en la base
B , donde
dominio.
T ( v )
v .
209
Procedimiento para determinar la matriz

con la transformacin
T :V W
asociada
1. Obtener las imgenes de los vectores de la base

decir, determinar:
M BA ( T )
T ( v 1) , T ( v 2 ) , ,T ( v n )
A= { v 1 , v 2 , v 3 , , v n }
; es
2. Expresar a cada una de las imgenes anteriores, como una

B={ w1 , w2 , w3 , , wm }
combinacin lineal de los vectores de la base
; es
decir:
T ( v 1) = 1 w1+ 2 w 2+ 3 w3 + + n w m
T ( v 2 )= 1 w1 + 2 w 2+ 3 w 3+ + n wm , etc.
3. De las combinaciones lineales anteriores, determinar los vectores de
coordenadas
1
[ T ( v 1 ) ]B = 2 , [ T ( v 2 ) ]B=
m
1
2
,
etc.
m
() ()
4. Los vectores de coordenadas anteriores, constituyen las columnas de la

A
matriz buscada M B ( T ) .
Procedimiento
para
determinar
la
regla
de
correspondencia (imagen) de una transformacin lineal
210
Para el caso particular en que datos son la matriz
M BA ( T )
y las bases
A y B , y se desea conocer la regla de correspondencia de la transformacin
T :V W :
v
Se propone un vector
Se escribe el vector
base
que represente a los vectores del dominio.

como una combinacin lineal de los vectores de la
A , para determinar el vector de coordenadas
Se realiza la multiplicacin
coordenadas de
T (v)
[ T ( v ) ]B=M BA ( T )( v )A
en la base
para obtener el vector de
B .
Una vez obtenido el vector de coordenadas,

combinacin lineal de los vectores de la base
regla de correspondencia o imagen,
(v )A .
[ T ( v ) ]B
, se escribe como
B , con la finalidad de obtener la
T ( v ) , buscada.
NOTA: La determinacin de la regla de correspondencia de una

transformacin lineal con el procedimiento anterior, puede aplicarse en todos
los casos en los que se cuente con la representacin matricial de esta
transformacin.
Ejemplo 1:
1. Demostrar que la funcin
T : M 2( R ) M 2 ( R)
definida mediante la
siguiente regla de correspondencia es una transformacin lineal:

211
T ( X ) =XA ,
2. Hallar la matriz asociada a

B=( B1 , B2 , B3 , B 4 )
de
A= 3 5
4 7
donde
T
respecto a la base cannica
M 2 ( R ) , donde
( ) ( )
B 1= 1 0 B 2= 0 0
0 0
1 0
( ) ( )
B 3= 0 1 B 4 = 0 0
0 0
0 1
3. Para comprobar la respuesta calcule
T (Y )
de dos maneras diferentes:
a) Usando la matriz asociada;

b) Aplicando la regla de correspondencia de
T .
Y = 3 8 M 2 ( R )
5 1
Solucin:
1. Demostramos que
es lineal usando definicin:
T ( X +Y )=T ( X )+T ( Y )
T ( X +Y )=( X +Y ) A
T ( X +Y )=XA+YA
T ( X +Y )=T ( X )+T ( Y )
T ( X )= T ( X )
212
T ( X ) =( X ) A
T ( X )= ( XA )
T ( X )= T ( X )
2. Para hallar la matriz asociada calculamos las imgenes de las matrices
B 1 , B2 , B3 , B4
de la base cannica B , aplicadas a la transformacin
T
y sus coordenadas respecto a la base
( )(
)(
( )(
)(
( )(
)( )
( )(
)( )
B :
T ( B1 )= 1 0 3 5 = 3 5 =3 B1 +0 B25 B 3+ 0 B 4
0 0 4 7
0 0
T ( B2 )= 0 0 3 5 = 0 0 =0 B1 +3 B2+ 0 B3 ,5 B 4
1 0 4 7
3 5
T ( B3 )= 0 1 3 5 = 4 7 =4 B1 +0 B2 +7 B 3+ 0 B 4
0 0 4 7
0 0
T ( B4 ) = 0 0 3 5 = 0 0 =0 B1 +4 B2 +0 B3 +7 B4
0 1 4 7
4 7
Se pueden escribir las columnas de coordenadas de

respecto a la base cannica B
T ( B1 ) ,T ( B 2 ) ,T ( B3 ) , T ( B 4 )
(paso que por ser muy sencillo se puede
omitir):
3
0
(T ( B1 ) )B = 5
0
()
213
0
3
( T ( B2 ) ) B = 0
5
()
4
0
(T ( B3 ) )B = 7
0
()
0
4
( T ( B 4 ) ) B= 0
7
()
La acomodamos en un arreglo matricial
3
0
0
3
M ( T )=
5 0
0 5
4
0
7
0
0
4
0
7
3. Para comprobar la respuesta calculamos
( T ( Y ) ) B de dos maneras
diferentes:
Recordar que
Y = 3 8 M 2 ( R )
5 1
a) Usando la matriz asociada, es decir, la representacin matricial de
3
0
0
3
( T ( Y ) ) B=
5 0
0 5
4
0
7
0
T :
)( )
0 3
4 5
0 8
7 1
214
9+032+0
( T ( Y ) ) B= 0+15+0+ 4
15+ 056+ 0
025+ 0+7
()
23
( T ( Y ) ) B= 19
71
18
T .
b) Aplicando la regla de correspondencia de

Usando la definicin de
)(
T :
)(
)(
T ( Y )= 3 8 3 5 = 932 1556 = 23 71
5 1 4 7
15+ 4 25+ 7
19 18
Entonces:
()
23
( T ( Y ) ) B= 19
71
18
Ejemplo 2: Sea la transformacin
T : R R
definida por:
T ( x , y , z )=(x y+ z ,2 x ,3 y2 z , x yz)
215
Utilizando la base cannica
B={ B1 , B2 , B3 } R 3
en el dominio, obtenemos las
siguientes transformaciones:
T ( B1 )=T ( 1,0, 0 ) =( 1,2,0,1 )
T ( B2 )=T ( 0,1, 0 ) =(1, 0,3,1 )
T ( B3 )=T ( 0, 0,1 )= ( 1,0,2,1 )
Acomodamos estas transformaciones en un arreglo matricial, donde cada
vector es una columna de dicha matriz
1 1 1
2 0
0
M ( T )=
0 3 2
1 1 1
Donde
M (T )
es la matriz asociada a la transformacin lineal
T .
Como vimos anteriormente, esta matriz puede utilizarse para obtener la

imagen de cualquier vector bajo la transformacin T .
Por ejemplo, para este caso, si deseamos obtener la trasformacin lineal del
vector v =(1,2, 4) , podemos utilizar la regla de correspondencia o la matriz
asociada.
a) Por la regla de correspondencia de
T :
T ( 1,2, 4 )=( 7,2,2,1 )
b) Mediante la matriz asociada:
216
1 1 1
1
0
T ( 1,2, 4 )= 2 0
2
0 3 2
4
1 1 1
)( )
7
T ( 1,2, 4 )= 2
2
1
()
Observamos que, por ambos mtodos, las transformaciones tienen el mismo

resultado.
Ejemplo3: Dada la aplicacin lineal
()(
a
b
T b = ab
b
bc
c
T : R3 M 2 x 2
definida por:
a) Hallar la representacin matricial de T
respecto a las bases
cannicas.
b) Encuentre Kert ( T ) , ( T ) , v ( T ) , ( T )
Para hallar la representacin matricial de
debemos encontrar los
vectores coordenadas de las transformaciones de los vectores de la base del

espacio de partida.
()(
1
T 0 = 1 0 =( 1 ) 1 0 + ( 0 ) 0 1 + ( 0 ) 0 0 + ( 0 ) 0 0
0 0
0 0
0 0
1 0
0 1
0
) ( ) ( ) ( ) ( )
217
1
1
T 0 =0
0
0
0
[ ( )] ( )
()(
0
T 1 = 1 1 =(1 ) 1 0 + ( 1 ) 0 1 + ( 1 ) 0 0 + ( 1 ) 0 0
1 1
0 0
0 0
1 0
0 1
0
( ) ( ) ( ) ( )
[ ( )] ( )
1
0
1
T 1 =
1
0
1
()(
0
0 0
1 0
0 1
0 0
0 0
T 0=
=( 0 )
+( 0 )
+ ( 0)
+ (1 )
0 1
0 0
0 0
1 0
0 1
1
) ( ) ( ) ( )
( )
0
0
0
T 0 =
0
1
1
[ ( )] ( )
Estos vectores coordenadas representan las columnas de la matriz asociada a
1 1 0
0
M ( T )= 0 1
0 1
0
0 1 1
T :
b)
Ncleo
El ncleo se define como

218
{( ) ( ) ( )}
a
a
Kert ( T )= b R3 /T b = 0 0
0 0
c
c
Se propone un vector:
Sea
()
a
3
v= b R
c
Aplicamos el procedimiento ya visto en ejercicios anteriores de igualar

0
la regla de correspondencia con el vector nulo del codominio ( W ) :
()(
a
ab
b
0 0
T b=
=
b
bc
0 0
c
)( )
Igualando trminos en los vectores anteriores:
ab=0 a=0
b=0
b=0
bc=0 c=0
()
0
v= 0
0
Ker ( T )
es:
219
{( )}
0
Ker ( T )= 0
0
Imagen:
( T )={ y M 2 x2 / T ( x )= y , x R
b = y , ( a , b , c ) R3
( T )= y M 2 x 2 / ab
b
bc

3
B cannica de R = { ( 1,0, 0 ) , ( 0, 1,0, ) , ( 0, 0,1 ) }
()(
a
b
T b = ab
b
bc
c
( )
T ( 1, 0,0 )= 1 0
0 0
T ( 0, 1,0 )= 1 1
1 1
220
T ( 0, 0,1 )= 0 0
0 1

recorrido:
{( ) }(
)(
CG= 1 0 , 1 1 , 0 0
0 0
1 1 0 1
Una vez establecido el espacio generado, ubicamos los vectores en

filas de una matriz. Al escalonar esta matriz obtenemos la imagen o
recorrido T ( V ) de la transformacin.
Resolviendo matricialmente:
) (
1 1 0
0 1
0
f 3 f 3f 2
0 1
0
0 1 1
1 1 0
0 1
0
0 0
0
0 1 1

B cannica de T ( V ) ={ ( 1,1,0 ) , ( 0,1,0 ) , ( 0,1,1 ) }
Determinamos
el
vector
genrico
w ,
escribindolo
como

w=a ( 1,1,0 )+ b ( 0,1,0 ) +c ( 0,1,1 )
w=( a ,a , 0 ) + ( 0, b , 0 ) + ( 0, c ,c )
221
w=( a ,a+b+ c ,c )
( T )={ ( a ,a+ b+c ,c ) /a , b , c R }
( T )=3
Comprobamos teorema de la dimensin:

v ( T )+ ( T )=dim V
0+3=3
3=3
Ejemplo 4: Sean
P2 y P 3
los espacios vectoriales de lo polinomios de grado
menor o igual a dos y menor o igual a tres, respectivamente, y sea

T : P2 P 3
la transformacin definida por:
T ( p ( x ) )=x p ( x )
a) Determinar la matriz asociada con
T .
b) Obtener la matriz asociada con T y referida a las bases:

A= { 1x 2 , 1+3 x+ 2 x 2 ,5+ 4 x +4 x 2 } y B={ 1, x , x2 , x3 }
c) Con las matrices obtenidas calcular la imagen del vector
v =1+ 5 xx 2 .
Solucin:
222
a) Para obtener la matriz asociada a

de la base cannica del dominio
Imgenes de
T , M (T )
, se calculan las imgenes
P2= { a+bx +c x2 /a , b , c R }
B cannica de P2 ={ 1, x , x2 } :
T ( 1 )=x
T ( x )=x
T ( x 2 )=x 3
Estas imgenes escritas como columnas son las columnas de la matriz

buscada:
Matriz asociada con
b) La imagen del vector
v =1+ 5 xx 2
0
T M ( T )= 1
0
0
0
0
1
0
0
0
0
1
( )
se determina con la expresin
T ( v )=M ( T ) v , es decir:
0
1
T ( v )=M ( T ) v =
0
0
0
0
1
0
0
0
1
0
1
5 =
0
5
1
1
1
( )( ) ( )
T ( 1+ 5 x x2 ) =x+5 x 2x 3
223
c) Para determinar la matriz asociada con T y referida a las bases

A y B , se calculan primero las imgenes de los vectores de la base
A :
T ( a 1 )=T ( 1x 2) =xx 3
T ( a 2 )=T ( 1+3 x +2 x2 ) =x+ 3 x 2 +2 x 3
T ( a 3 )=T ( 5+ 4 x + 4 x 2) =5 x+ 4 x 2+ 4 x 3
Se escriben a las imgenes anteriores como combinacin lineal de los

vectores de la base B , es decir:
T ( a 1 )=xx 3= 1 ( 1 ) + 2 ( x ) + 3 ( x 2 ) + 4 ( x 3 )
Igualando trminos:
} ()
1=0
2 x=x 2 =1
[ T ( a1 ) ]B =
2
2
3 x =0 x 3=0
4 x 3=x 3 4=1
0
1
0
1
T ( a 2 )=x +3 x2 +2 x 3= 1 ( 1 ) + 2 ( x ) + 3 ( x 2 ) + 4 ( x 3 )
Igualando trminos:
} ()
1=0
2 x=x 2=1
[ T ( a2 ) ]B=
3 x 2=3 x 2 3 =3
4 x 3=2 x 3 4=2
0
1
3
2
2
3
2
3
T ( a 3 )=5 x+ 4 x +4 x = 1 ( 1 ) + 2 ( x ) + 3 ( x ) + 4 ( x )
224
Igualando trminos:
} ()
1=0
2 x=5 x 2=5
[ T ( a3 ) ]B =
3 x2 =4 x 2 3=4
4 x3 =4 x 3 4=4
0
5
4
4
Finalmente la matriz buscada es:

0
M BA ( T )= 1
0
1
0
1
3
2
0
5 Matriz asociadacon T y referida a las bases A y B
4
4
( )
d) La imagen del vector
v =1+ 5 xx 2
se obtiene con la expresin:
[ T ( v ) ]B=M B ( T ) ( v ) A
Escribiendo el vector
v =1+ 5 xx 2
como combinacin lineal de la base
A= { 1x 2 , 1+3 x+ 2 x 2 ,5+ 4 x +4 x 2 } :
v = ( 1x 2 ) + ( 1+3 x+2 x 2 ) + ( 5+ 4 x +4 x2 )
1+5 x x2 =( x 2 ) + ( +3 x +2 x 2 ) + ( 5 + 4 x+ 4 x 2)
1+5 x x2 =( + +5 ) + ( 3 + 4 ) x+ ( + 2 + 4 ) x 2
Igualando trminos:
225
+ +5 =1
3 + 4 =5
+2 + 4 =1
Resolviendo el sistema de ecuaciones anterior matricialmente:
|)
( |)
( |)
1 1 5 1
1 1 51
1 1 5 1
f
+
f
f
f
f
f
0 3 4 5 1 3
45 3 2
3 4 5
3 0 3
3 0
1 2 4 1
0 3 90
0 0 5 5
( |)
1 1 5 1
1
f f3 0 3 4 5
5 3
0 0 1 1
Llegamos a:
+ +5 =1
3 + 4 =5
=1
3 + 4 =5
54
3
54 (1 )
3
=3
226
+ +5 =1
=15
=135 (1 )
=3
()
3
(v ) A= 3
1
Realizando la multiplicacin:
0
[ T ( v ) ]B=M ( T ) ( v ) A = 1
0
1
0
1
3
2
0
0
3
5
3+35
3 =
4
0+ 94
1
4
3+64
( )( ) ( )
()
A
B
0
A
[ T ( v ) ]B=M B ( T ) ( v ) A = 1 Vector de coordenadas de T ( v ) en la base B
5
1
Escribiendo
T (v)
B={ 1, x , x 2 , x 3 } :
T ( v )= 1+ x + x + x
T ( v )=( 0 ) ( 1 )+ ( 1 )( x ) + ( 5 ) ( x2 ) + (1 ) ( x3 )
Finalmente:
T ( v )=T ( 1+5 xx 2 )=x +5 x 2( x 3 ) Imagen del vector v
227
Ejemplo 5: Sea la transformacin lineal
T : R2 R3 , cuya matriz asociada es
( )
1 1
M BA= 0 1
1 0
referida a las bases
A= { ( 1,1 ) , ( 0,1 ) }
del dominio y
B={ ( 1, 0,1 ) , ( 0, 1,1 ) , ( 1,1, 0 ) }
del codominio. Determinar la regla de correspondencia de la transformacin

T .
Para determinar la regla de correspondencia se utiliza la expresin:

M BA ( T ) ( v ) A =[ T ( v ) ]B
Se propone al vector
Se escribe
v =( x , y ) R2
A :
v = 1 a1 + 2 a2
Sustituyendo e igualando trminos se obtiene:
( x , y )= 1 (1, 1 ) + 2 ( 0,1 )=( 1 , 1 2 )

1=x
2=x y
228
( xx y) Vector de coordenadas de v en labase A
( v ) A =( 1 , 2 ) =
Realizando la multiplicacin
coordenadas de
T ( v ) en la base
M B ( T ) ( v ) A =[ T ( v ) ] B , se obtiene el vector de
B :
( )( ) ( ) ( ) ( )
1
1 1
x + x y
2 x y
x =
0 1
0+ x y = x y = 2 =[ T ( v ) ] B
x y
0 1
x+ 0
x
3
Escribiendo a
T (v)
como combinacin lineal de
v :
T ( v )= 1 b1 + 2 b2 + 3 b3
Sustituyendo valores:
T ( v )=( 2 x y )( 1, 0,1 ) + ( x y )( 0, 1,1 ) + x ( 1,1, 0 )
T ( v )=( 2 x y , 0, 2 x y )+ ( 0, x y , x y ) + ( x , x , 0 )
T ( v )=( 2 x y+ x , x y + x ,2 x y + x y )
Finalmente la regla de correspondencia pedida es:

T ( v )=( 3 x y ,2 x y , 3 x2 y )
229
3.5 Cambio de base

Consideremos la transformacin lineal identidad de un espacio vectorial
que denotamos como
I,
no debe confundirse
Sean A={ v1 , v 2 , v 3 , , v n } y B= { w1 , w2 , w3 , , wn }
con la matriz identidad.
bases para
recorrido respectivamente. Llamaremos matriz de
V ,
del dominio y
en las bases A y B
la expresin:
I AB
Recordemos la definicin de matriz asociada con la transformacin lineal
T y referida a las bases A y B , M BA ( T ) :
A
[ T ( v ) ]B=M B ( T ) ( v ) A v V
De lo anterior podemos deducir que:
[ I ( v ) ]B=I BA ( v ) A= ( v )B v V
Luego
A
I AB
tiene el efecto de cambiar las coordenadas de
a la base
de la base
B .
son dos bases de un mismo espacio V e I la

transformacin identidad de V , se llama matriz de cambio de base de A
a B a la matriz:
Definicin: Si
A yB
IB
Donde las n columnas de dicha matriz son los vectores de coordenadas, en
la base B , de las imgenes de los elementos que integran la base A :
230
[ I ( v 1 ) ] B , [ I ( v 2 ) ]B , , [ I ( v n ) ] B
231
una transformacin lineal y sean A y B algunas

MA
bases de un espacio vectorial V . Dada la matriz
asociada a T
Ejemplo: Sea
T :V V
respecto a la base
a) Calcular la matriz
y la matriz de cambio de base

A
IB .
I A I B =I .
b) Comprobar la igualdad
c) Calcular la matriz
I BA :
MB
asociada a
respecto a la base
B .
) ( )
4 1 1
1 1 0
B
M A= 1 2 2 I A = 1 4 1
3 2 2
1 3 1
Solucin:
I BA .
a) Calculamos la matriz inversa de la matriz
( | )
( |
1 1 01 0 0
1 1 01 0 0
B 1
I
=
f
f
f
[ A ] 1 4 1 0 1 0 2 3 2 0 1 0 0 1 1
1 3 10 0 1
1 3 10 0 1
( |
( |
)
)
1 0 0 1 1 1
1 0 0 1 1 1
f 1f 2 f 1
f
f
f
0 1 0 0 1 1 3 1
1 0 0
1 1
3 0
f 3 3 f 2 f 3 1 0 1 0 3 4
0
0
1
1
2
3
De aqu
232
1 1 1
1
I AB =[ I BA ] = 0
1 1
1 2 3
b) Comprobamos que
I AB I BA=I 3
)( ) (
)( )
1 1 1 1 1 0
11+ 1
14 +3 01+1
1 0 0
0
1 1 1 4 1 = 0+11
0+43 0+ 11 = 0 1 0
1 2 3 1 3 1
12+0 18+ 9 02+3
0 0 1
c) Calculamos la matriz
)(
MB
, sabiendo que
)(
M B=I AB M A I BA
1 1 1 4 1 1
41+3 122 1+2+2
I AB M A = 0
1 1 1 2 2 = 0+ 13
0+2+2
022
1 2 3 3 2 2
42+9 146 1+ 4+6
6 5 5
A
I B M A = 2 4 4
3 9 9
)( )
6 5 5 1 1 0
M B= [ I AB M A ] I BA = 2 4 4 1 4 1
3 9 9 1 3 1
233
65+ 5
620+15 05+5
M B= 2+44 2+1612 0+44
39+ 9
336+27 09+9
6
1 0
M B= 2 2 0
3 6 0
REFERENCIAS
UNAM, Divisin de ciencias bsicas, facultad de ingeniera. Universidad

Nacional Autnoma de Mxico.
http://www.dcb.unam.mx/users/normapla/
Descartes, Matemticas interactivas. Instituto Nacional de Tecnologas

Educativas y de Formacin del Profesorado (Intef). Secretara de
Estado de Educacin, Formacin Profesional y Universidades. Gobierno
de Espaa.
http://recursostic.educacion.es/descartes/web/materiales_didacticos/
Jos Luis Lorente Aragn, profesor de matemticas.

http://joseluislorente.es/
lgebra lineal, Departamento de Matemtica. Universidad PolitcnicaCampus de Montegancedo . Madrid - Espaa

http://www.dma.fi.upm.es/mreyes/Algebra/
Pginas personales docentes, Departamento de Matemtica Aplicada y

Ciencias de la Computacin. Universidad de Cantabria, Espaa.
http://personales.unican.es/
234
Departamento de Matemtica, Facultad de Ciencias

Naturales. Universidad de Buenos Aires, Argentina.
http://mate.dm.uba.ar/
Facultad de Ingeniera. Universidad de la Repblica, Uruguay.

http://www.fing.edu.uy/~jana/clases/
Egor Maximenko, Apuntes y ejercicios de matemticas

http://esfm.egormaximenko.com/
Fsica Prctica, libro on-line sobre fsica (mecnica clsica- electricidadelectromagnetismo).

http://www.fisicapractica.com/
Profesora Nilsa Toro Jimnez, Departamento de Ciencias Naturales y

Matemticas. Recinto de Bayamn. Universidad Interamericana de
Puerto Rico
http://facultad.bayamon.inter.edu/ntoro/
Ingeniero Aldo Jimnez Arteaga, Facultad de Ingeniera. Universidad

Nacional Autnoma de Mxico, UNAM.
http://samhain.softgot.com/algebralineal/notasclase/
Exactas
235

Apuntes de Algebra Lineal

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Apuntes de Algebra Lineal

Caricato da

Copyright:

Formati disponibili

lgebra

Algebra Lineal forma parte del plan comn de ingeniera, la

Es una asignatura terico

problemas de sistemas de ecuaciones lineales y de rectas y

Unidad 1- Matrices sistema de ecuaciones

Matrices, tipos de matrices

Rango de una matriz

Clculo de la matriz inversa por determinantes

Sistemas de ecuaciones lineales

Resolucin de un sistema de ecuaciones lineales

Unidad 2- Espacios vectoriales

Magnitudes escalares y vectoriales

Norma - Distancia - Vectores unitarios - Producto escalar

Paralelismo y perpendicularidad entre vectores

Proyecciones, ngulos directores, producto cruz

Ecuacin en forma paramtrica

Dependencia e independencia lineal

Espacio con producto interno

Construccin con base ortogonal

Unidad 3- Transformaciones Lineales

Transformacin lineal, propiedades

Ncleo, imagen, nulidad y rango

Matriz asociada a una transformacin lineal

Unidad 1- Matrices sistema de

Matrices, tipos de matrices

Se llama matriz a todo conjunto rectangular de nmeros reales ordenados en

A= [ aij ] , con i=1, 2, ,m ; j=1, 2, , n .

es una matriz que tiene 3 filas y 4 columnas, diremos que su tamao es

A=B dim ( A )=dim ( B )

x=3, y=0, a=4 y z=1.

no necesitan tener una forma cuadrada o simtrica).

A=( a11 a12 a1 n ) .

Matriz cuadrada: Es aquella que tiene el mismo nmero de filas que de

llama diagonal secundaria.

La diagonal principal est formada por

Matriz traspuesta: Dada una matriz

, a la matriz que se obtiene de

columnas o viceversa. La primera fila de

cambiando filas por

es de dimensin mxn , entonces

Matriz simtrica: Una matriz cuadrada

Matriz antisimtrica: Una matriz cuadrada

Segn los elementos

Matriz unidad o identidad: Es una matriz escalar con los elementos de la

Matriz Triangular: Es una matriz cuadrada en la que todos los elementos

Triangular Inferior: Si todos los elementos que estn por encima de la

1.2 Operaciones con matrices

mxn , A=[ aij ] ,

se llama matriz traspuesta de

a la matriz que se obtiene cambiando las filas por las

columnas (o viceversa) en la matriz A .

Propiedades de la trasposicin de matrices

A , siempre existe su traspuesta y adems es nica.

de la misma dimensin que los sumandos y con trmino

Propiedades de la suma de matrices

4. Elemento opuesto: La matriz

( A ) , que se obtiene cambiando de

A + (A )=0 , es decir: Dos matrices son opuestas

cuando su suma es la matriz nula

de la misma dimensin, se define la

cuyo resultado es la matriz

IMPORTANTE: La suma y diferencia de matrices no se puede definir

Producto de una matriz por un nmero real

como otra matriz