Problemas Teoria y Soluciones en Algebra Lineal PDF

MARIANNA EULER Y NORBERT EULER
TRADUCIDO POR
CRISTINA SARDÓN MUÑOZ
PROBLEMAS, TEORIA
Y SOLUCIONES EN
ALGEBRA LINEAL
PARTE 1
ESPACIO EUCLIDEO
Download free eBooks at bookboon.com

2
Problemas, Teoria y Soluciones en Algebra Lineal: Parte 1 Espacio Euclideo
2nd edición
© 2016 Marianna Euler y Norbert Euler traducido por Cristina Sardón Muñoz
& bookboon.com
ISBN 978-87-403-1415-1
Revisado por pares por el profesor Adrian Constantin (Universidad de Viena, Austria)
y el profesor Denis Blackmore (Nueva Jersey Institute of Technology, EE.UU.)

3
PROBLEMAS, TEORIA Y SOLUCIONES
EN ALGEBRA LINEAL Indice
Índice
1 Vectores, rectas y planos en R3 9

1.1 Operaciones vectoriales y producto escalar . . . . . . . . . . . . . . . . . . . 9
1.2 El producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Planos y sus ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Rectas y sus parametrizaciones . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.5 Más sobre planos y rectas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2 Algebra matricial y eliminación de Gauss 69

2.1 Operaciones matriciales: suma y multiplicación . . . . . . . . . . . . . . . . 69
2.2 Determinante de matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . 75
2.3 Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.4 Método de eliminación de Gauss para sistemas de ecuaciones lineales . . . . 86
2.5 Sistemas cuadrados de ecuaciones lineales . . . . . . . . . . . . . . . . . . . 92
2.6 Sistemas de ecuaciones lineales en R3 . . . . . . . . . . . . . . . . . . . . . . 100
2.7 Intersección de rectas en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
2.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
3 Conjuntos generadores linealmente independientes 133

3.1 Combinaciones lineales de vectores . . . . . . . . . . . . . . . . . . . . . . . 133
3.2 Conjuntos de vectores generadores . . . . . . . . . . . . . . . . . . . . . . . 140
3.3 Conjuntos de vectores linealmente dependientes/independientes . . . . . . . 146
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4 Transformaciones lineales en el espacio euclı́deo 163

4.1 Transformaciones lineales: dominio y rango . . . . . . . . . . . . . . . . . . 163
4.2 Matrices standard y transformaciones compuestas . . . . . . . . . . . . . . . 169
4.3 Transformaciones lineales invertibles . . . . . . . . . . . . . . . . . . . . . . 201
4.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
A Cálculo matricial con Maple 223

4
5
EN ALGEBRA LINEAL Prefacio
Prefacio
Este libro es la primera parte de una colección de tres libros titulada: “Problemas, Teorı́a
y Soluciones en álgebra Lineal”. Esta primera parte trata de operaciones vectoriales en
el espacio euclı́deo, matrices, álgebra matricial y sistemas de ecuaciones lineales. Vamos
a resolver problemas lineales mediante el método de eliminación de Gauss y por otros
métodos adicionales. Las propiedades de estos sistemas se analizan por medio de vectores
y matrices y además, estudiaremos transformaciones lineales del tipo T : Rn → Rm
obteniendo una base standard de matrices que describa estas transformaciones.
La segunda parte de la colección se titula “Espacios Vectoriales Generales”. En ella,
definimos espacios vectoriales generales e introducimos el concepto de base, dimensión
y coordenadas en estos espacios. Esto dará lugar a transformaciones de coordenadas,
pasando de unas transformaciones lineales a otras, entre espacios vectoriales generales
y el espacio euclı́deo. En particular, veremos algunos subespacios euclı́deos, por ejem-
plo, el espacio el espacio nulo, el espacio de vectores columna y el espacio formado por
los autovectores de matrices. Los autovectores y las transformaciones de similaridad se
utilizarán posteriormente para diagonalizar matrices cuadradas.
En la tercera parte, titulada “Inner Product Spaces”, se introduce el producto interno
de pares de vectores en espacios vectoriales generales. Esto hace posible definir bases
ortogonales y ortonormales, espacios ortogonales complementarios y proyecciones ortogo-
nales de vectores sobre subespacios finito dimensionales. Las soluciones por cuadraturas se
describen como la mejor aproximación para la solución de sistemas inconsistentes Ax = b.
El propósito de esta colección es dar al estudiante un conjunto de problemas resueltos
bien estructurados y elegidos cuidadosamente, además de una revisión del contenido estu-
diado en un curso de álgebra Lineal para estudiantes de carreras cientı́ficas o de ingenierı́a.
En cada sección daremos un pequeño resumen de los conceptos teóricos más importantes
para facilitar el seguimiento de la lección y que denominaremos Puntualización teórica.
Seguiremos con una variedad de Problemas relacionados con conceptos. Después dare-
mos Soluciones de los problemas propuestos. En cada capı́tulo también habrá una serie
exhaustiva de ejercicios (con respuestas), similares a los problemas resueltos en el capı́tulo.
Dada la estructura de los libros de esta colección, deberı́a quedar claro que estos li-
bros no son libros de texto convencionales de un curso de álgebra lineal. Sin embargo,
creemos que pueden valer como suplemento a cualquier libro de álgebra lineal para cursos
universitarios. Nuestro propósito es guiar al estudiante dando ejercicios que ayuden a
la comprensión de las nociones abstractas del álgebra. Además, estos libros pueden ser
de ayuda para desarrollar y mejorar las técnicas y habilidades para resolver problemas.
Creemos que aquı́ podrán encontrarse procedimientos alternativos y ejercicios que van
más allá del contenido tradicional estudiado en clase y, que de esta manera, la asignatura
pueda resultar más interesante a los alumnos.

5
EN ALGEBRA LINEAL Nota al estudiante
6
Nota al estudiante
Te aconsejamos que abordes el libro de Problemas por ti mismo, si es necesario, utilizando

las ayudas dadas en las Puntualizaciones teóricas, antes de consultar las Soluciones
dadas. Creemos que este es el proceso más acertado para estudiar álgebra, porque tú
mismo serás capaz de desarrollar nuevas técnicas para abordar el problema.
Cada sección de cada capı́tulo de esta primera parte de la colección es autocontenido,

quiere decir que deberı́as de ser capaz de trabajar con cualquier ejercicio de cualquier
sección, en cualquier orden. Por tanto, no hay por qué empezar por el capı́tulo 1 y
trabajar todo el material hasta la parte a consultar.
Para simplificar el uso del libro, hemos añadido una lista de contenidos al comienzo del
libro y un ı́ndice. También hemos utilizado colores para indicar la localización de las
Puntualizaciones teóricas, de los Problemas y de las Soluciones.
Este libro incluye más de 100 problemas resueltos y más de 100 ejercicios con re-
spuestas. A disfrutarlo!
Marianna Euler y Norbert Euler Luleå, Marzo 2016

6
EN ALGEBRA LINEAL Simbolos Matematicos
7
Sı́mbolos Matemáticos
R: El conjunto de todos los números reales.
Rn : El espacio euclı́deo que contiene vectores con n componentes
v = (v1 , v2 , . . . , vn ) para todo vj ∈ R.
v : La norma (o longitud) de un vector.

v
v̂ : La dirección del vector v; v̂ = .
v
−−−→
P1 P2 : Un vector en R3 con dirección de P1 a P2 .
u·v : El producto escalar para vectores u y v en Rn .
u×v : El producto vectorial para vectores u y v en R3 .
u · (v × w) : El producto escalar triple de tres vectores u, v y w en R3 .
proj v u : La proyección ortogonal de un vector u sobre otro vector v.
{e1 , e2 , · · · , en } : El conjunto de bases estándard de vectores para Rn .
A = [a1 a2 · · · an ] = [aij ] : Una matriz m × n con columnas aj ∈ Rm , j = 1, 2, . . . , n.
In = [e1 e2 · · · en ] : La matriz identidad n × n con ej con base standard de vectores para Rn .
det A o |A| : El determinante de una matriz cuadrada A.
A−1 : La inversa de una matriz cuadrada A.
A∼B: Las matrices A y B son equivalentes por filas.
[A b] : La matriz aumentada correspondiente Ax = b.
span {u1 , u2 , · · · , up } : El conjunto de vectores generado por {u1 , u2 , · · · , up }.

7
EN ALGEBRA LINEAL Simbolos Matematicos
8
Sı́mbolos Matemáticos (continuación)
T : Rn → Rm : Una transformación T que lleva vectores de Rn a Rm .
CT : El co-dominio de la transformación T .
DT : El dominio de la transformación T .
RT : El rango de la transformación T .
T : x → T (x) : Una transformación T que lleva un vector x a T (x).
T : x → T (x) = Ax : Una transformación lineal T que lleva un vector x a Ax.
T 2 ◦ T1 : Una transformación compuesta.
T −1 : La transformación inversa de T .
Agradecimientos
Es un placer dar las gracias a nuestros colegas el doctor Stefan Ericsson y el doctor Johan
Byström por leer la Primera edición y hacernos las sugerencias pertinentes. También
queremos dar las gracias al Doctor Ove Edlund por sus puntualizaciones al Apéndice de
esta Segunda Edición.

8
EN ALGEBRA LINEAL Vectores, rectas y planos en R3
Capı́tulo 1
Vectores, rectas y planos en R3
Propósito del capı́tulo:

Trabajaremos con vectores en el espacio Euclı́deo R3 y utilizamos la notación vectorial
estándard para las operaciones de suma vectorial, multiplicación de vectores por escalares
(números reales), producto escalar de dos vectores, y producto vectorial de dos vectores
para calcular longitudes, áreas, volúmenes y proyecciones ortogonales (perpendiculares)
de un vector sobre otro (o en una recta). También utilizamos vectores para parametrizar
rectas en R3 y encontrar la ecuación que describa el plano en R3 . Vamos a enseñar cómo
calcular la distancia entre un punto y una recta, la distancia de un punto a un plano,
distancia entre dos planos, y entre recta y plano, además de la distancia entre dos rectas
en R3 .
1.1 Operaciones vectoriales y producto escalar

En esta sección estudiamos las operaciones vectoriales básicas, incluyendo el producto
escalar de dos vectores, en el caso de vectores definidos en R3 . Este producto se utilizará
para calcular la longitud (o norma) de vectores, la distancia o ángulo entre dos vectores,
y la proyección ortogonal de un vector sobre otro, y la reflexión de un vector sobre otro.
Puntualización teórica 1.1.

Tomamos tres vectores u, v y w en R3 . Suponemos el punto de origen de los vectores
es el origen (0, 0, 0) y que sus puntos finales están localizados en (u1 , u2 , u3 ), (v1 , v2 , v3 ) y
(w1 , w2 , w3 ) respectivamente, que son las llamadas coordenadas o componentes de los
vectores. También se les llama vectores de posición para los puntos.
u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ).
El vector posición u para el punto P de coordenadas (u1 , u2 , u3 ) se muestra en la Figura

1.1. Para simplificar la notación, escribiremos las coordenadas de un punto P como P :
(u1 , u2 , u3 ). La suma de vectores u y v, denotada por u + v, es otro vector en R3 , es decir

9
EN
10 ALGEBRA LINEAL CAPÍTULO Vectores,
1. VECTORES, RECTAS Y rectas
PLANOSy planos
EN R3 en R3
Figura 1.1: Vector de posición u del punto P con coordenadas (u1 , u2 , u2 ).
u + v = (u1 + v1 , u2 + v2 , u3 + v3 ).
Ver Figura 1.2. Dado un tercer vector w ∈ R3 tenemos la propiedad
(u + v) + w = u + (v + w).
La multiplicación de u por una constante escalar r, denotada por ru, es otro vector en
R3 , es decir
ru = (ru1 , ru2 , ru3 ).
El vector ru también se denomina reescalado de u por r o la dilatación de u por r.
Tenemos la siguiente
Propiedades:
0u = 0 = (0, 0, 0) denominado vector nulo
−u = (−1)u = (−u1 , −u2 , −u3 ) denominado negativo de u
u − v = u + (−1)v = (u1 − v1 , u2 − v2 , u3 − v3 )
u − u = 0.
El producto escalar (también conocido como producto interno Euclı́deo o producto
escalar) de u y v, denotado por u · v, es un número real definido como sigue:
u · v = u1 v1 + u2 v2 + u3 v3 ∈ R.

10
1.1.ALGEBRA
EN OPERACIONES
LINEAL VECTORIALES Y PRODUCTO ESCALAR 11 en R3
Vectores, rectas y planos
Figura 1.2: La suma de los vectores u y v, y algunos reescalados del vector u.
La norma de u, denotada por u, es la longitud de u dada por

√
u = u · u ≥ 0.
La distancia entre dos puntos P1 y P2 , con vectores de posición u = (u1 , u2 , u3 ) y v =
−−−→
(v1 , v2 , v3 ) respectivamente, viene dada por la norma del vector P1 P2 (ver Figura 1.3), es
decir,
−−−→
P1 P2 = v − u ≥ 0.
Un vector unitario es un vector de norma uno. Todo vector distinto de cero u ∈ R3
puede normalizarse en un único vector, denotado por û, que tiene la dirección de u.
Esto es, û = 1. Este vector û se denomina vector director de u. Tenemos u = u û.
El conjunto de vectores unitarios,
{e1 , e2 , e3 }, donde e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)
se conoce como base estándard para R3 y los vectores son los vectores estándard de la
base. El vector u = (u1 , u2 , u3 ) puede entonces escribirse en la forma
u = u1 e1 + u2 e2 + u3 e3 .
Sea θ el ángulo entre u y v. De la definición de producto escalar y de la ley del coseno, se

sigue que
u · v = u v cos θ ∈ R.
Esto quiere decir que los vectores u y v son ortogonales entre ellos (o perpendiculares
entre ellos) si y sólo si
u · v = 0.

11
12 ALGEBRA LINEAL
EN CAPÍTULO 1. VECTORES, RECTAS Y rectas
Vectores, PLANOS EN R3 en R3
y planos
Figura 1.3: La distancia entre P1 y P2 .
La proyección ortogonal de w en u, denotada por proju w, es el vector
proju w = (w · û)û ∈ R3 ,
donde û es el vector director de proju w y |w · û| es la longitud de proju w (notar que | |

denota el valor absoluto). Ver Figura 1.4.
Figura 1.4: La proyección ortogonal de w en u.

12
1.1. OPERACIONES VECTORIALES Y PRODUCTO ESCALAR 13
Problema 1.1.1.
Considerar tres vectores en R3 : u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).
a) Dar la lontigud de u y el vector unitario en la dirección de u.
b) Encontrar el ángulo entre u y v.
c) Proyectar el vector w ortogonalmente sobre v.
d) Encontrar el vector correspondiente a la reflexión de w sobre v.
Free eBook on
Learning & Development
By the Chief Learning Officer of McKinsey
Download Now

Click on the ad to read more
13
14 CAPÍTULO 1. VECTORES, RECTAS Y PLANOS EN R3
Solución 1.1.1.
√ √
a) La longitud de u = (1, 2, 3) es u = 12 + 22 + 32 = 14. La dirección de u =
(1, 2, 3) viene dada por el vector unitario û, donde
u (1, 2, 3) 1 2 3
û = = √ = ( √ , √ , √ ).
u 14 14 14 14
Notar que û = 1.
b) El ángulo θ entre u = (1, 2, 3) y v = (2, 0, 1) (Ver Figura 1.5) se calcula con el

producto escalar
u · v = u v cos θ,
de manera que
√
(1)(2) + (2)(0) + (3)(1) 5
cos θ = √ √ =√ .
14 5 14
Ası́,
√
5
θ = cos−1 √ .
14
Figura 1.5: El ángulo θ entre los vectores u y v
c) La proyección ortogonal del vector w = (3, 1, 0) sobre el vector v = (2, 0, 1), deno-
tado por projv w, da la componente del vector w a lo largo del vector v, también
denominada wv . Esta proyección ortogonal es
w · v (3)(2) + (1)(0) + (0)(1) 12 6
projv w = (w · v̂) v̂ = v= 2 2 2
(2, 0, 1) = ( , 0, ) = wv .
v·v 2 +0 +1 5 5

14
EN
1.1.ALGEBRA LINEAL
OPERACIONES VECTORIALES Vectores, rectas y planos
Y PRODUCTO ESCALAR 15 en R3
Figura 1.6: El vector w se refleja sobre v
d) La reflexión de w sobre v viene dada por el vector w∗ (ver Figura 1.6),

donde
−−→ −−→
w∗ = OB + BC.
Dado que
−−→ −−→ −−→ −−→
OB = projv w, BC = AB y AB = projv w − w
tenemos
w∗ = projv w + (projv w − w) = 2 projv w − w.
Calculamos
12 6
projv w = ( , 0, )
5 5
12 6 9 12
w∗ = 2( , 0, ) − (3, 1, 0) = ( , −1, ).
5 5 5 5
Problema 1.1.2.
Considerar los dos siguientes vectores en R3 : u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ).

15
a) Encontrar la proyección ortogonal de u sobre el plano xy.

b) Encontrar la proyección ortogonal de u sobre el plano yz.
c) Encontrar el vector que es la reflexión de u sobre el plano xz.
d) Encontrar el vector que surge cuando u se refleja sobre el plano xy y después sobre
el plano xz.
Solución 1.1.2.
a) La proyección ortogonal de u = (u1 , u2 , u3 ) sobre el plano xy es el vector uxy que
tiene componente z nula y las mismas componentes x- e y- que u. Ası́, (ver Figura
1.7)
uxy = (u1 , u2 , 0).
Figura 1.7: La proyección ortogonal de u en el plano xy.
b) La proyección ortogonal de u = (u1 , u2 , u3 ) sobre el plano yz es el vector uyz , dado

por
uyz = (0, u2 , u3 ).
c) El vector u∗ xz , es la reflexión de u = (u1 , u2 , u3 ) sobre el plano xz, tiene las mismas

componentes x- y z que u, excepto la componente negativa y de u. Ası́
u∗ xz = (u1 , −u2 , u3 ).

16
1.2. EL PRODUCTO VECTORIAL 17
d) Primero reflejamos u = (u1 , u2 , u3 ) sobre el plano xy para obtener u∗ xy = (u1 , u2 , −u3 )

y después reflejamos u∗ xy sobre el plano xz, dando lugar a (u1 , −u2 , −u3 ).
1.2 El producto vectorial

En esta sección presentamos el producto vectorial de dos vectores, además del triple pro-
ducto escalar entre tres vectores en R3 . Por ejemplo, el producto vectorial de dos vectores
se utiliza para encontrar un tercer vector que sea ortogonal a estos dos en R3 . Estos pro-
ductos se utilizan, por ejemplo, para calcular el área de un paralelogramo y el volumen de
un paralelepı́pedo.
www.sylvania.com
We do not reinvent
the wheel we reinvent
light.
Fascinating lighting offers an infinite spectrum of
possibilities: Innovative technologies and new
markets provide both opportunities and challenges.
An environment in which your expertise is in high
demand. Enjoy the supportive working atmosphere
within our global group and benefit from international
career paths. Implement sustainable ideas in close
cooperation with other specialists and contribute to
influencing our future. Come and join us in reinventing
light every day.
Light is OSRAM

17
EN ALGEBRA LINEAL Vectores, rectas y planos3 en R3
18 CAPÍTULO 1. VECTORES, RECTAS Y PLANOS EN R

Consideramos tres vectores u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ), en R3 .
1) El producto vectorial de u and v, denotado por u × v, es un vector en R3 que se

define como sigue:
u × v = (u v sin θ) ê ∈ R3 .
El vector u × v es ortogonal a ambos u y v, donde indicamos la dirección del vector

director de u × v por ê, de manera que ||ê|| = 1. La dirección de ê viene dada por
la triada derecha y θ es el ángulo entre u y v. Ver Figura 1.8
Figura 1.8: El producto escalar entre u × v.
El producto vectorial tiene las siguientes
Propiedades:
a) u × v = −v × u.
b) La norma u × v es el área del paralelogramo descrito por u y v.

18
c) En coordenadas, el producto vectorial puede calcularse mediante la siguiente

regla de cálculo de determinantes con matrices 3 × 3 (ver Sección 2.2. del
Capı́tulo 2), es decir,
 
e1 e 2 e 3
u × v = det  u1 u2 u3 
v1 v2 v3

u2 u3 u1 u3 u1 u2
= e1 det − e2 det + e3 det
v2 v3 v1 v3 v1 v2
= (u2 v3 − u3 v2 )e1 + (u3 v1 − u1 v3 )e2 + (u1 v2 − u2 v1 )e3

= (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ).
Aquı́
{e1 , e2 , e3 }, e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1),
es la base estándard para R3 . El determinante “det A” indica el determi-
nante de la matriz cuadrada A. A veces también utilizaremos la notación |A|
para referirnos al determinante de A, es decir, det A ≡ |A|.
Puntualización: El determinante de matrices n × n se verá en el Capı́tulo 2.
d) (u × v) · u = 0, (u × v) · v = 0.
e) Los dos vectores distintos de cero u y v definidos en R3 son paralelos si y sólo
si u × v = 0.
2) El producto u · (v × w) ∈ R se conoce como triple producto escalar y puede

calcularse en términos de un determinante de la siguiente manera:
 
u1 u2 u3
u · (v × w) = det  v1 v2 v3 
w1 w2 w3
= (v2 w3 − v3 w2 )u1 + (v3 w1 − v1 w3 )u2 + (v1 w2 − v2 w1 )u3 .

Entonces
u · (v × w) = v · (w × u) = w · (u × v).
Considerar un paralelepı́pedo descrito por u, v y w. Ver Figura 1.9.

El volumen de este paralelepı́pedo viene dado por el valor absoluto del triple producto
escalar de los tres vectores. Esto es,
volumen del paralelepı́pedo = |u · (v × w)| unidades cúbicas.
Si los tres vectores u, v y w están en el mismo plano en R3 , entonces
u · (v × w) = 0.

19
PROBLEMAS,
20 TEORIA Y SOLUCIONES
CAPÍTULO 1. VECTORES, RECTAS Y PLANOS EN R3
Figura 1.9: El paralelepı́pedo descrito por u, v y w.

Problema 1.2.1.
Problema 1.2.1.
Consideramos los siguientes tres vectores en R3 :
Problema 1.2.1.
360°
.
u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).
Consideramos
u = (1, 2,los
3),siguientes tres
v = (2, 0, 1),vectores en1,R0).
w = (3,
3:
thinking
a) Encontrar el vector ortogonal a u y v.
u = (1, 2, 3), v = (2, 0, 1), w = (3, 1, 0).
a) Encontrar
b) Encontrar elel vector
área delortogonal a u y v.
paralelogramo descrito por u y v.
a) Encontrar
b) Encontrar elel vectordelortogonal a u y v.
c) Encontrar el área
volumen paralelogramo descrito
del paralelepı́pedo por upor
descrito y v.
u, v y w.
b) Encontrar el
c) Encontrar el área del paralelogramo
volumen descrito
del paralelepı́pedo por upor
descrito y v.
u, v y w.
c) Encontrar el volumen del paralelepı́pedo descrito por u, v y w.
360°
thinking . 360°
thinking .
Discover the truth at www.deloitte.ca/careers Dis
© Deloitte & Touche LLP and affiliated entities.
Discover the truth at www.deloitte.ca/careers © Deloitte & Touche LLP and affiliated entities.
Deloitte & Touche LLP and affiliated entities.
Discoverfree
Download theeBooks
truth atatbookboon.com
www.deloitte.ca/careers
20
Solución 1.2.1.
a) El vector q = u × v es ortogonal a ambos u = (1, 2, 3) y v = (2, 0, 1) (ver Figura
1.10) y este producto vectorial puede expresarse mediante el siguiente determinante

e1 e2 e3

q = 1 2 3 = 2e1 + 5e2 − 4e3 = (2, 5, −4).
2 0 1
Aquı́ {e1 , e2 , e3 } es una base estándard de R3 .
Figura 1.10: El vector q es ortogonal a ambos vectores u y v
b) El área del paralelogramo ABCD descrito por los vectores u y v viene dado por
u × v. Ver Figura 1.11. En la parte a i) hemos calculado u × v = (2, 5, −4), de
manera que
√
u × v = 22 + 52 + (−4)2 = 3 5 unidades cuadradas.
c) El volumen del paralelepı́pedo descrito por los vectores u, v y w viene dado por el
valor absoluto del triple producto escalar, es decir,

u1 u 2 u 3

|u · (v × w)| = | v1 v2 v3 |,

w1 w2 w3
donde u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ).

Para los vectores u, v y w, obtenemos |u·(v×w)| = |11| = 11 en unidades cuadradas.

21
EN
PLANOS EN R3 en R3
y planos
Figura 1.11: El paralelogramo ABCD descrito por los vectores u y v
Problema 1.2.2.
u1 = (a, 2, −1), u2 = (4, 1, 0), u3 = (1, 5, −2),
donde a es un parámetro real inespecı́fico.
a) Encontrar los valores de a, tales que el volumen del paralelepı́pedo descrito por los
vectores u1 , u2 y u3 es uno en unidades cúbicas.
b) Encontrar el área de cada cara del paralelepı́pedo descrito por los vectores dados u1 ,
u2 y u3 para a = 0.
Solución 1.2.2.
a) El volumen del paralelepı́pedo es V = |u1 · (u2 × u3 )| e imponemos que V = 1. Ası́

a 2 −1

V = | 4 1 0 | = | − 2a − 3| = 1,

1 5 −2
de manera que a = −1 ó a = −2.
b) Las áreas de los lados del paralelogramo pueden calcularse como sigue (ver Figura
1.12):
Area lado 1 = u1 × u3 , Area lado 2 = u2 × u3 , Area lado 3 = u1 × u2 ,
en unidades cuadradas.

22
1.3. PLANOS
PROBLEMAS, Y SUS
TEORIA ECUACIONES
Y SOLUCIONES 23
Figura 1.12: Un paralelepı́pedo descrito por u1 , u2 y u3 .
Ahora

e1 e2 e3

u1 × u3 = 0 2 −1 = e1 − e2 − 2e3
1 5 −2

e1 e2 e3

u2 × u3 = 4 1 0 = −2e1 + 8e2 + 19e3

1 5 −2

e1 e2 e3

u1 × u2 = 0 2 −1 = e1 − 4e2 − 8e3 ,
4 1 0
de manera que
√
Area lado 1 = 12 + (−1)2 + (−2)2 = 6 unidades cuadradas
√
Area lado 2 = (−2)2 + 82 + 192 = 429 unidades cuadradas

Area lado 3 = 12 + (−4)2 + (−8)2 = 9 unidades cuadradas.
1.3 Planos y sus ecuaciones

En esta sección describimos planos en R3 y mostramos cómo obtener sus ecuaciones.

23

1) La ecuación general de un plano en R3 es
ax + by + cz = d,
donde a, b, c y d son números reales dados. Todos los puntos (x, y, z) en el plano
han de satisfacer la ecuación del plano, es decir, ax + by + cz = d.
2) El vector n con coordenadas (a, b, c), es decir,
n = (a, b, c),
es un vector ortogonal al plano ax + by + cz = d. El vector n se conoce como el

vector normal al plano.
3) La ecuación de un plano puede calcularse si los tres puntos no están en una misma
recta o si se conoce la normal al plano y un punto en el plano.
We will turn your CV into

an opportunity of a lifetime
Do you like cars? Would you like to be a part of a successful brand? Send us your CV on
We will appreciate and reward both your enthusiasm and talent. www.employerforlife.com
Send us your CV. You will be surprised where it can take you.

24
1.3. PLANOS Y SUS ECUACIONES 25
Problema 1.3.1.
Consideramos tres puntos en R3 :
(1, 2, 3), (2, 0, 1), (3, 1, 0).
Encontrar la ecuación del plano Π que contenga a los tres puntos.
Solución 1.3.1.
Considerar los puntos A, B y C con coordenadas (1, 2, 3), (2, 0, 1) y (3, 1, 0), respecti-
vamente. Suponemos que los tres puntos están en el mismo plano Π y que el punto
P : (x, y, z, ) es un punto arbitrario perteneciente al plano. Consideramos ahora los tres
vectores
−−→ −→ −→
AB = (1, −2, −2), AC = (2, −1, −3), AP = (x − 1, y − 2, z − 3).
Sea n la normal al plano Π. Ver Figura 1.13. Entonces
Figura 1.13: Plano Π con normal n
−→ −−→ −→
n = AC × AB y n · AP = 0,
de manera que

e1 e2 e3

n = 2 −1 −3 = −4e1 + e2 − 3e3 = (−4, 1, −3).

1 −2 −2
Entonces la ecuación del plano se sigue de

−→
0 = n · AP = −4(x − 1) + 1(y − 2) − 3(z − 3),
tal que 4x − y + 3z = 11.

25
Problema 1.3.2.
Consideramos cuatro puntos en R3 con respectivas coordenadas
(1, 1, 1), (0, 1, k), (2, −1, −1) y (−2, −1, 1),
donde k es un parámetro real inespecı́fico. Encontrar el valor(es) de k para el cual los
cuatro puntos están en el mismo plano.
Solución 1.3.2.
Consideramos cuatro puntos
A : (1, 1, 1), B : (0, 1, k), C : (2, −1, −1), D : (−2, −1, 1)
en un plano en R3 . Ver Figura 1.14. Como los cuatro puntos están en el mismo plano,
Figura 1.14: Un plano que contiene a los puntos A, B, C y D.
tenemos
−−→ −→ −−→
AD · (AC × AB) = 0
donde
−−→ −→ −−→
AD = (−3, −2, 0), AC = (1, −2, −2), AB = (−1, 0, k − 1)
y

−3 −2 0
−−→ −→ −−→

AD · (AC × AB) = 1 −2 −2 = 0.

−1 0 k−1
Calculando el determinante, obtenemos la condición 8k − 12 = 0, de manera que el valor

de k para el que los cuatro puntos están en el mismo plano, es
3
k= .
2

26
Problema 1.3.3.
Encontrar la ecuación del plano en R3 que pase por el punto (1, 3, 1) y que sea paralela al
plano
x + y − z = 1.
Solución 1.3.3.
Denotamos el plano dado por Π1 , es decir,
Π1 : x + y − z = 1,
y por Π2 el plano que buscamos. Ver Figura 1.15. Un vector normal a Π1 es
n1 = (1, 1, −1)
y, dado que el plano Π2 es paralelo al plano dado Π1 , sus vectores normales también van
a ser paralelos. Entonces, un vector normal n2 para Π2 es el mismo que el de Π1 , es decir,
n2 = (1, 1, −1).
Figura 1.15: Dos planos paralelos Π1 y Π2
Sabemos un punto del plano Π2 , sea A : (1, 3, 1). Y sea B un punto arbitrario en el plano
Π2 , digamos
B : (x, y, z).

27
−−→
Entonces el vector AB toma la forma
−−→
AB = (x − 1, y − 3, z − 1)
y este vector es ortogonal al vector normal n2 . Entonces,

−−→
AB · n2 = 0.
−−→
Si evaluamos el producto escalar AB · n2 , obtenemos
1(x − 1) + 1(y − 3) − 1(z − 1) = 0.
La ecuación para Π2 es entonces
Π2 : x + y − z = 3.
Figura 1.16: Dos planos ortogonales Π1 y Π2

28
Problema 1.3.4.
Encontrar la ecuación del plano en R3 que pase por los puntos (1, 3, 1) y (−1, 0, 4) y que
es ortogonal al plano
x − y + 2z = 3.
Solución 1.3.4.
Sea Π1 un plano dado,
Π1 : x − y + 2z = 3
con vector normal
n1 = (1, −1, 2).
Sea Π2 el plano que estamos buscando. Ver Figura 1.16. Sabemos dos puntos en este
plano, es decir
A : (1, 3, 1), B : (−1, 0, 4).
Para encontrar la ecuación de Π2 primero necesitamos el vector normal n2 . Como Π1 y Π2
son ortogonales, quiere decir que el vector normal n2 de Π2 es es ortogonal a cada vector
−−→
que es paralelo a Π2 , es decir AB, y n2 es ortogonal a n1 . Ası́,
−−→
n2 = n1 × AB,
donde
−−→
AB = (−2, −3, 3).
Ası́,

e1 e2 e3

n2 = 1 −1 2 = 3e1 − 7e2 − 5e3 = (3, −7, −5).
−2 −3 3
Sea C un punto en Π2 , es decir,

C : (x, y, z).
−→
El vector AC es ortogonal al vector normal n2 , de manera
−→
n2 · AC = 0,
donde
−→
AC = (x − 1, y − 3, z − 1).
−→
Calculando el producto escalar n2 · AC, obtenemos
3(x − 1) − 7(y − 3) − 5(z − 1) = 0,
tal que la ecuación del plano se convierte en
3x − 7y − 5z = −23.

29
1.4 Rectas y sus parametrizaciones

En esta sección estudiamos rectas en R3 y demostramos cómo derivar ecuaciones paramétricas
para describir . Derivamos una fórmula para calcular la distancia de un punto a una recta
y la distancia entre dos rectas. Además, demostramos también cómo proyectar ortogonal-
mente sobre una recta y cómo reflejar un vector en un plano.

30
1.4. RECTAS Y SUS PARAMETRIZACIONES 31

La ecuación paramétrica de una recta en R3 es de la forma


 x = at + x1


: y = bt + y1



 z = ct + z for all t ∈ R,
1
Figura 1.17: Una recta en R3
donde (x1 , y1 , z1 ) es un punto de la recta y v = (a, b, c) es paralelo a la recta . Ver

Figura 1.17. Aquı́ t es un parámetro que toma cualquier valor real. Quiere decir, que para
cada punto (x, y, z) en la recta , existe un único valor de t, de manera que
(x, y, z) = (at + x1 , bt + y1 , ct + x1 ).

31
Problema 1.4.1.
Encontrar la ecuación paramétrica de la recta en R3 , donde (−1, 1, 3) y (2, 3, 7) son dos
puntos en .
a) Establecer cuál de los puntos, si hay alguno, están en la recta :

1
(−4, −1, −1); (−1, 2, 3); ( , 2, 5)
2
b) Es el vector w = (−6, −4, −8) paralelo a la recta ? Explicar.
Solución 1.4.1.
Nos dan dos puntos en una recta , como P1 : (−1, 1, 3) y P2 : (2, 3, 7). Entonces el vector
−−−→
P1 P2 es paralelo a y tiene las coordenadas
−−−→
P1 P2 = (3, 2, 4).
Ası́, el vector v que es paralelo a es

−−−→
v = P1 P2 = (3, 2, 4).
Sea P : (x, y, z) un punto arbitrario en . Entonces,

−−→
P1 P = tv o (x + 1, y − 1, z − 3) = t(3, 2, 4) para todo t ∈ R.
Comparando las componentes x-, y−, y z de la ecuación de vectores, obtenemos
x + 1 = 3t, y − 1 = 2t, z − 3 = 4t,
respectivamente. La ecuación paramétrica para es entonces



 x = 3t − 1


: y = 2t + 1



 z = 4t + 3 para todo t ∈ R.
a) Para ver si el punto (−4, −1, −1) está en la recta, utilizamos la ecuación paramétrica
obtenida y obtenemos t. Esto es, t debe satisfacer las ecuaciones
−4 = 3t − 1, −1 = 2t + 1, −1 = 4t + 3.
Esto nos conduce a una ecuación única en t, que es t = −1. Ası́, el punto (−4, −1, −1)
está en .

32
1.4. RECTAS Y SUS PARAMETRIZACIONES
33
EN
1.4.ALGEBRA
RECTASLINEAL
Y SUS PARAMETRIZACIONES Vectores, rectas y planos
33 en R3
1.4. RECTAS Y SUS
Para el punto PARAMETRIZACIONES
(−1, 2, 3) tenemos 33
Para el punto (−1, 2, 3) tenemos
−1punto
Para el = 3t −
(−1,
1, 2,23)=tenemos
2t + 1, 3 = 4t + 3,
−1 = 3t − 1, 2 = 2t + 1, 3 = 4t + 3,
que no−1 3t − 1, para
se=satisface 2 =ningún
2t + 1, valor
3 =de
4t t.+ Entonces,
3, (−1, 2, 3) no es un punto en .
que no se satisface para ningún valor de t. Entonces, (−1, 2, 3) no es un punto en .
que no se satisface para ningún valor de t. Entonces, (−1, 2, 3) no es un punto en .
El punto (1/2, 2, 5) satisface la ecuación paramétrica para t = 1/2, de manera que
(1/2, 2, 5) (1/2,
El punto es un2,punto en . la ecuación paramétrica para t = 1/2, de manera que
5) satisface
(1/2, 2, 5) es un punto en . la ecuación paramétrica para t = 1/2, de manera que
El punto (1/2, 2, 5) satisface
b) El vector
(1/2, 2, 5) wes =
un(−6, −4,en
punto −8). es de hecho paralelo a la recta , pues
b) El vector w = (−6, −4, −8) es de hecho paralelo a la recta , pues
w =w−2v,
b) El vector = (−6, −4, −8) es de hecho paralelo a la recta , pues
w = −2v,
es−2v,
dondewv = paralelo a .
donde v es paralelo a .
donde v es paralelo a .
Problema 1.4.2.
Problema 1.4.2.
Problema
Encontrar 1.4.2. paramétrica de una recta en R3
la ecuación que pase por el punto (1, −1, 2)
y que es ortogonal a las rectas
Encontrar la ecuación paramétrica 1 y
de , dadas de forma paramétrica
2 una recta en R que pase por
3 porel punto (1, −1, 2)
Encontrar
y la ecuación
que es ortogonal lasparamétrica
rectas 1 y de
2 , una recta en Rparamétrica
3
porel punto (1, −1, 2)
que pase por

 x = 2ta
y que es ortogonal a las rectas y ,
dadas
dadas
de


de
forma
x = −3t
forma +1
paramétrica por


 1 2 




1 :  x = 2t 2 : 
 x = −3t + 1
 yx =


 = t2t 


 xy== 2t
−3t + 1
 
1 : 
 y=t
 : 

 y = 2t
= tt − 1 para todo t ∈ R, 2 :  2t − 1 para todo t ∈ R.
zy = 2
1 : 

 
 yz =
= 4t


 t − 1 para todo t ∈ R, 

 4t − 1 para todo t ∈ R.
 zz =

= t − 1 para todo t ∈ R,  zz =

= 4t − 1 para todo t ∈ R.
AXA Global
Graduate Program
Find out more and apply

33
Solución 1.4.2.
El vector v1 = (2, 1, 1) es un vector que es paralelo a 1 y v2 = (−3, 2, 4) es un vector
paralelo a 2 . Un vector ortogonal a ambos 1 y 2 es entonces
v = v1 × v 2
y este vector v es entonces paralelo a la recta que buscamos. Calculamos v:

e1 e2 e3

v = v1 × v2 = 2 1 1 = 2e1 − 11e2 + 7e3 = (2, −11, 7).
−3 2 4
Una ecuación paramétrica de la recta es pues



 x = 2t + 1


: y = −11t − 1



Problema 1.4.3.
Considerar la recta en R3 con la siguiente ecuación paramétrica


 x = at + x1


: y = bt + y1



 z = ct + z para todo t ∈ R,
1
donde (x1 , y1 , z1 ) es un punto en y
v = (a, b, c)
es un vector paralelo a .
a) Supongamos que el punto P0 : (x0 , y0 , z0 ) no está en la recta . Encontrar la fórmula

para la distancia de un punto P0 a .
b) Encontrar la distancia de (−2, 1, 3) a la recta , dada por la ecuación paramétrica



 x=t+1


: y = 3t − 4



Solución 1.4.3.

34
a) Encontrar la fórmula de la distancia de un punto P0 (x0 , y0 , z0 ) a la recta , donde



 x = at + x1


: y = bt + y1



 z = ct + z para todo t ∈ R.
1
−−−→
Aquı́ P1 : (x1 , y1 , z1 ) es un punto en la recta . Sea s = P0 P2 la distancia P0 a ,
donde P2 es un punto en que es desconocido. Considerar el triángulo de ángulos
rectos P1 P2 P0 . Ver Figura 1.18.
Figura 1.18: La distancia de un punto P0 : (x0 , y0 , z0 ) a la recta en R3
Se sigue que
−−−→ −−−→
s = P0 P2 = P1 P0 sin θ. (1.4.1)
Por otra parte tenemos, de la definición de producto vectorial, que

−−−→ −−−→
P1 P0 × v = P1 P0 v sin θ. (1.4.2)
−−−→
Resolviendo ||P1 P0 || sin θ de (1.4.2) e introduciéndolo en (1.4.1), obtenemos la sigu-
iente fórmula para la distancia:
−−−→
P1 P0 × v
s= .
v

35
b) Dada la recta que pasa por el punto P1 : (1, −4, 2) y que es paralela al vector
v = (1, 3, 5). Ası́, para el punto P0 : (−2, 1, 3), tenemos
−−−→
P1 P0 = (−3, 5, 1)
y

e1 e2 e3
−−−→
P1 P0 × v = −3 5 1 = 22e1 + 16e2 − 14e3 = (22, 16, −14).
1 3 5
−−−→
Calculando las distancias entre los vectores P1 P0 × v y v, obtenemos
−−−→ √
P1 P0 × v = (22)2 + (16)2 + (−14)2 = 6 26
√
v = 12 + 32 + 52 = 35,
de manear que la distancia del punto P0 a una recta dada es

−−−→ √
P1 P0 × v 6 26
s= = √ .
v 35
�e Graduate Programme
I joined MITAS because for Engineers and Geoscientists
I wanted real responsibili� www.discovermitas.com
Maersk.com/Mitas �e G
I joined MITAS because for Engine
I wanted real responsibili� Ma
Month 16
I was a construction Mo
supervisor ina const
I was
the North Sea super
advising and the No
Real work he
helping foremen advis
International
al opportunities
Internationa
�ree wo
work
or placements ssolve problems
Real work he
helping fo
International
Internationaal opportunities
�ree wo
work
or placements ssolve pr

36
Problema 1.4.4.
Dar la fórmula para la distancia entre dos rectas en R3 y utilizarla para encontrar la
distancia entre dos rectas:
 

 x = 2t + 1 
 x=t

 

1 : y =t−1 2 : y = 2t + 2

 


 z = 3t + 1 para todo t ∈ R, 
 z = 1 para todo t ∈ R.
Solución 1.4.4.
Suponer que P1 : (x1 , y1 , z1 ) es un punto en la recta 1 y que P2 : (x2 , y2 , z2 ) es un punto
en otra recta 2 . Sea v1 el vector que es paralelo a 1 y v2 un vector que es paralelo a 2
(ver Figura 1.19). Ahora v = v1 × v2 es un vector que es ortogonal a ambos v1 y v2 , y
Figura 1.19: La distancia s entre dos rectas en R3
entonces, v es ortogonal a las rectas 1 y 2 . Para encontrar la distancia s entre 1 y 2 ,

−−−→
proyectamos P1 P2 ortogonalmente en el vector v. Que nos lleva a
−−−→ −−−→
−−−→ |P1 P2 · v| |P1 P2 · (v1 × v2 )|
s = projv P1 P2 = = .
v v1 × v2
Para la recta dada 1 tenemos v1 = (2, 1, 3) con un punto P1 : (1, −1, 1) ∈ 1 y para una

37
recta dada 2 tenemos v2 = (1, 2, 0) con un punto P2 : (0, 2, 1) ∈ 2 . Ası́

e1 e2 e3
−−−→
P1 P2 = (−1, 3, 0), v1 × v2 = 2 1 3 = −6e1 + 3e2 + 3e3 = (−6, 3, 3),

1 2 0
de manera que la distancia s entre 1 y 2 es
|(−1, 3, 0) · (−6, 3, 3)| 5

s= √ =√ .
36 + 9 + 9 6
Problema 1.4.5.
Considerar los siguientes dos vectores en R3 :
u = (−1, 3, 3), v = (2, −1, 4).
Considerar ahora la recta en R3 , de manera que contiene al punto (2, −1, 4) y al vector
nulo 0 = (0, 0, 0).
a) Encontrar la proyección ortogonal del vector u en la recta , es decir, calcular
proj u.
b) Encontrar la distancia entre un punto (−1, 3, 3) y la recta .
c) Encontrar la reflexión del vector u sobre la recta .
Solución 1.4.5.
a) Queremos obtener un vector w que se a la proyección ortogonal del vector u en la

recta , es decir, w =proj u. Puede conseguirse mediante la proyección de u sobre
cualquier vector posición que esté en la recta , por ejemplo el vector v. Ver Figura
1.20. Ası́
v
w = proj u = projv u = (u · v̂)v̂ where v̂ = .
v
Para u = (−1, 3, 3) y v = (2, −1, 4), tenemos

u · v
u·v (−1)(2) + (3)(−1) + (3)(4) 1
w= v= v= (2, −1, 4) = (2, −1, 4).
v2 v·v 2 2
2 + (−1) + 4 2 3

38
EN
1.4.ALGEBRA
RECTASLINEAL
Y SUS PARAMETRIZACIONES Vectores, rectas y planos
39 en R3
Figura 1.20: La proyección ortogonal de u en .
−−→
b) La distancia d entre un punto (−1, 3, 3) y la recta es AB (ver Figura 1.20).
Sumando vectores, obtenemos
−−→ 2 1 4 5 10 5
AB = u − w = (−1, 3, 3) − ( , − , ) = (− , , ).
3 3 3 3 3 3
Ası́,

−−→ 25 100 25 5√
AB = + + = 6.
9 9 9 3
−−→
c) La reflexión del vector u sobre la recta viene dada por el vector OC. Ver Figura
1.21. Por la suma de vectores tenemos
−−→ −→ −−→
OC + CA + AB = u.
−→ −−→
Sin embargo, CA = AB, de manera que
−−→ −−→
OC = u − 2AB,

39

yR
40 CAPÍTULO 1. VECTORES, RECTAS Y PLANOS EN 3
EN ALGEBRA LINEAL Vectores, rectas planos en R3
Figura 1.21: La reflexión de u sobre .

Figura 1.21:
Figura 1.21:La
La reflexión deuusobre
reflexión de sobre. .
−−→ 5 10 5
donde u = (−1, 3, 3) y AB −−→ = (− 55, 10
−−→ 10, 55 ) (ver parte a) arriba). Entonces, la reflexión
dondedonde
u = u = (−1,
(−1, 3, 3, y3)AB
3) y AB= (−3 , , 3 ,, 3 ) (ver
=(− (verparte
partea)a)arriba). Entonces,
arriba). la reflexión
Entonces, la reflexión
sobre es 33 33 33
sobre
sobre es es
−−→ 5 10 5 7 11 1
OC −−→(−1, 3, 3) − 2(− ,5 10, 5) = ( 7 , −11 , − 1 ).
−−→ =OC = (−1, 3, 3) − 2(− 53 10
,3 ,5 ) = ( 7 , − 11, − ).
1
OC = (−1, 3, 3) − 2(− ,3 3, 33) = ( 33 , − 33 , −3 3 ).
3 3 3 3 3 3
93%
OF MIM STUDENTS ARE
WORKING IN THEIR SECTOR 3 MONTHS
FOLLOWING GRADUATION
MASTER IN MANAGEMENT
• STUDY IN THE CENTER OF MADRID AND TAKE ADVANTAGE OF THE UNIQUE OPPORTUNITIES
Length: 1O MONTHS
THAT THE CAPITAL OF SPAIN OFFERS
Av. Experience: 1 YEAR
• PROPEL YOUR EDUCATION BY EARNING A DOUBLE DEGREE THAT BEST SUITS YOUR
Language: ENGLISH / SPANISH
PROFESSIONAL GOALS
Format: FULL-TIME
• STUDY A SEMESTER ABROAD AND BECOME A GLOBAL CITIZEN WITH THE BEYOND BORDERS
Intakes: SEPT / FEB
EXPERIENCE
5 Specializations #10 WORLDWIDE 55 Nationalities

Personalize your program FINANCIAL TIMES
in class
www.ie.edu/master-management mim.admissions@ie.edu Follow us on IE MIM Experience

40
1.5. MÁS SOBRE PLANOS Y RECTAS 41
1.5 Más sobre planos y rectas

En esta sección derivamos la distancia entre un punto y un plano y la distancia entre dos
planos. También investigamos el caso de que una recta esté en un plano, que una lı́nea se
proyecte ortogonalmente en un plano y que una lı́nea se refleje en un plano.
1. Dada la ecuación de un plano
Π : ax + by + cz = d,
la distancia s de un punto
P0 : (x0 , y0 , z0 )
al plano Π es
|ax0 + by0 + cz0 − d|

s= √ .
a 2 + b2 + c 2
2. Dadas dos lı́neas paralelas, Π1 : ax + by + cz = d1 y Π2 : ax + by + cz = d2 , la

distancia s entre Π1 y Π2 es
|d1 − d2 |
s= ,
n
donde n = (a, b, c) es el vector normal a ambos planos.
Puntualización: Dos planos cualquiera en R3 que no intersequen, deben ser paralelos.
Problema 1.5.1.
Consideramos un plano ax + by + cz = d y un punto P0 : (x0 , y0 , z0 ), tal que P0 no es un
punto del plano.
a) Encontrar la fórmula de la distancia de un punto P0 : (x0 , y0 , z0 ) al plano ax + by +

cz = d.
b) Encontrar la distancia de un punto (1, 2, 2) a un plano que pase por el origen (0, 0, 0),
como a través de los puntos (1, 1, −1) y (0, 2, 1).

41
Solución 1.5.1.
a) Consideramos el plano
Π : ax + by + cz = d
y un punto
P0 : (x0 , y0 , z0 ) ∈
/ Π.
Figura 1.22: El punto P0 : (x0 , y0 , z0 ) y el plano Π : ax + by + cz = d en R3
El vector normal n al plano Π es n = (a, b, c) (ver Figura 1.22). Consideramos

−−→
ahora un punto arbitrario en Π, digamos P : (x, y, z), y proyectamos el vector P P0
ortogonalmente en n. Esto nos da la distancia s de un punto P0 al plano Π, es decir,
−−→
−−→ −−→ |P P0 · n|
s = projn P P0 = |P P0 · n̂| = ,
n

42
donde n̂ = n/n y
−−→
P P0 = (x0 − x, y0 − y, z0 − z)
−−→
P P0 · n = a(x0 − x) + b(y0 − y) + c(z0 − z)
= −(ax + by + cz) + ax0 + by0 + cz0
= −d + ax0 + by0 + cz0 .
Ası́, la distancia P0 a Π es
|ax0 + by0 + cz0 − d|

s= √ , (1.5.1)
a 2 + b2 + c 2
donde | | denota el valor absoluto.
b) Buscamos la distancia de P0 : (1, 2, 2) al plano que contiene al origen O : (0, 0, 0), y

los puntos A : (1, 1, −1) y B : (0, 2, 1). Llamamos a este plano Π. Primero buscamos
la ecuación del plano Π.
Figura 1.23: Un plano en R3 contiene a los puntos O, A y B.
−→ −−→
Considerar los vectores OA y OB (ver Figura 1.23). Entonces el vector normal n
para Π es
−→ −−→
n = OA × OB,
donde
−→ −−→
OA = (1, 1, −1), OB = (0, 2, 1).

43
Calculando el producto vectorial de arriba, obtenemos

e1 e2 e3

n = 1 1 −1 = 3e1 − e2 + 2e3 = (3, −1, 2).
0 2 1
Dado que el plano Π pasa por O : (0, 0, 0), la ecuación para Π debe ser
3x − y + 2z = 0,
de manera que la distancia s de un punto P0 : (1, 2, 2) al plano Π es
|(3)(1) + (−1)(2) + (2)(2)| 5

s= √ =√ .
9+1+4 14

44
Problema 1.5.2.
Encontrar la distancia entre planos Π1 : 2x − 3y + 4z = 5 y Π2 : 4x − 6y + 8z = 16.
Solución 1.5.2.
Dados dos planos, como Π1 : 2x − 3y + 4z = 5 y Π2 : 4x − 6y + 8z = 16. Dividiendo
la ecuación del plano Π2 por dos, obtenemos 2x − 3y + 4z = 8. El vector normal n para
ambos planos es
n = (2, −3, 4),
y concluimos que los dos planos son paralelos. Ahora elegimos un punto P0 : (x0 , y0 , z0 )
en Π1 y calculamos la distancia s de un punto P0 a Π2 /2. Usamos la fórmula (1.5.1), es
decir,
|ax0 + by0 + cz0 − d|
s= √
a 2 + b2 + c 2
derivada en el problema 1.5.1 a) y la Puntualización teórica en 1.5, para calcular la distan-
cia de un punto P0 a un plano Π2 . Para Π2 tenemos a = 2, b = −3, c = 4 y d = 8. Para
encontrar el punto P0 que está en el plano Π1 , hacemos x = 1 y y = 0, e introducimos los
valores en la ecuación para Π1 para calcular z. Obtenemos
3
2(1) − 3(0) + 4z = 5, de manera que z = .
4
3
Ası́, tenemos P0 : (1, 0, ). Calculando s, obtenemos
4
|(2)(1) − (3)(0) + (4)(3/4) − 8| | − 3| 3
s= = √ =√ .
2 2
2 + (−3) + 4 2 29 29
De forma alternativa, podemos utilizar la fórmula s = |d1 − d2 |/n con d1 = 5 y d2 = 8,
como se da en la Puntualización teórica 1.5.
Problema 1.5.3.
Consideramos la siguiente recta en R3 :


 x = 2t + 1


: y = −2t + 1



 z = 6t − 6 para todo t ∈ R.
Encontrar todos los valores reales para el parámetro b, tal que cada punto esté en el
plano
2 1
x + by + z = 1.
3 9

45
46
PROBLEMAS, CAPÍTULO
TEORIA Y SOLUCIONES 1. VECTORES, RECTAS Y PLANOS EN R3
Solución 1.5.3.
Dado que cada punto en el plano debe estar contenido en el plano, introducimos los
valores de x, y y z, dados por la ecuación paramétrica , en la ecuación del plano. Nos
conduce a
2 1
(2t + 1) + b(−2t + 1) + (6t − 6) = 1.
3 9
Simplificando y seleccionando los términos en t en la relación de arriba, obtenemos
(18 − 18b)t + 9b − 9 = 0 para todo t ∈ R.
Concluimos que
18 − 18b = 0 y 9b − 9 = 0,
de manera que b = 1. Ası́, cada punto en está en el plano dado, si y sólo si la ecuación
del plano es
2 1
x + y + z = 1, o, equivalentemente, la ecuación 6x + 9y + z = 9.
3 9
Problema 1.5.4.
Consideramos el plano Π : x + y − z = −3 y la recta


 x=t+1


: y = 2t + 1



ˆ tal que ˆ es la proyección ortogonal

a) Encontrar la ecuación paramétrica de la recta ,
a la recta dada en el plano dado Π.
b) Encontrar todos√los puntos de la recta , tales que la distancia entre tales puntos y
el plano Π sea 2 3.
c) Encontrar la ecuación paramétrica de la recta ∗ , tal que ∗ es la reflexión de dada

la recta sobre el plano Π.
Solución 1.5.4.

46
a) Primero buscamos la intersección de una recta dada con el plano Π.

Un punto arbitrario Pt en tiene las coordenadas
Pt : (t + 1, 2t + 1, 2t + 2),
de manera que, para cada t ∈ R, Pt es un punto en . Para encontrar la intersección

de con Π, introducimos
x = t + 1, y = 2t + 1, z = 2t + 2
en la ecuación de Π. Que nos lleva a
(t + 1) + (2t + 1) − (2t + 2) = −3,
de la que tenemos que resolver t, para obtener t = −3. Ası́, el punto P que está en
ambos y Π tiene las siguientes coordenadas (ver Figura 1.24):
P : (−2, −5, −4).
Figura 1.24: La recta de proyección ortogonal ˆ de la recta en el plano Π.
ˆ tal que ˆ es la recta que representa la proyección ortog-

Encontrar la dirección de ,
onal de en Π, elegimos cualquier punto Q en (diferente del punto P ), digamos el
punto
Q : (1, 1, 2).

47
EN R
48 CAP 3
48 CAPÍTULO
ÍTULO 1.
1. VECTORES,
VECTORES, RECTAS
RECTAS Y
Y PLANOS
PLANOS EN R3
−−
−−→
Entonces
Entonces tenemos
tenemos P P→Q=
Q = (3,
(3, 6,
6, 6)
6) yy siguiendo
siguiendo la la figura
figura 1.24,
1.24, obtenemos
obtenemos
−−
− −→
→ − −−
−→ − −−
−→
PM
P M= =P P→Q−
Q −MM→Q,
Q,
−−−→
→ −−
−→ −−
−→
→
donde −
donde PM
P M es
es la
la proyección
proyección ortogonal
ortogonal de de −
P→
P Q en
Q en ˆˆ y ası́ −
y ası́ PM
P M es
es la
la proyección
ortogonal
−−
−−→
→ −−
−−→
→ −−
−−→→
PQ
P Q en
en Π.
Π. Para
Para encontrar
encontrar M MQ Q proyectamos
proyectamos P PQ Q ortogonalmente
ortogonalmente en en el
el vector
vector normal
normal
n de Π, donde n = (1, 1, −1).
n de Π, donde n = (1, 1, −1). Ası́,Ası́,

−
− −→ −−→ −−
→ −−
P−→
→
Q · n

−
M −→Q = proj −
P−→
Q = ( −
P−
→Q · n̂) n̂ = P Q · n n
M Q = projnn P Q = (P Q · n̂) n̂ = n
n ·· n
n n
−
−−
−→
→ = (1, 1−1), de manera
Calculando
Calculando la
la proyección
ortogonal de
de arriba,
arriba, obtenemos
obtenemos M
MQQ = (1, 1−1), de manera
que
que
−
−−
−→
→ (3, 6, 6) − (1, 1, −1) = (2, 5, 7).
P
PMM== (3, 6, 6) − (1, 1, −1) = (2, 5, 7).
ˆ −
−−
−→
→
Dado
Dado que
que la
la recta
recta ˆ pasa
pasa por
por elel punto
punto P (−2, −5,
P :: (−2, −5, −4)
−4) y
y tiene
tiene la
la dirección
dirección P
PMM ,, la
la
ecuación paramétrica para ˆˆ es
ecuación paramétrica para es



 x
x= 2t −
= 2t − 22




ˆˆ :: yy = 5t −
= 5t − 55





 zz = 7t −
= 7t − 44 para
para todo ∈ R.
todo tt ∈ R.
In the past 5 years we have drilled around
95,000 km
—that’s more than twice around the world.
Who are we?

We are the world’s leading provider of reservoir characterization,
drilling, production, and processing technologies to the oil and
gas industry.
Who are we looking for?

We offer countless opportunities in the following domains:
n Operations
n Research, Engineering, and Manufacturing
n Geoscience and Petrotechnical
n Commercial and Business
We’re looking for high-energy, self-motivated graduates

with vision and integrity to join our team. What will you be?
careers.slb.com

48
b) En el Problema 1.5.1 hemos derivado una fórmula para la distancia s de un punto

P0 : (x0 , y0 , z0 ) al plano ax + by + cz = d, es decir, la fórmula
|ax0 + by0 + cz0 − d|

s= √ .
a 2 + b2 + c 2
Cualquier punto St en tiene las coordenadas
St : (t + 1, 2t + 1, 2t + 2)
para la elección de t ∈ R. Entonces podemos calcular la distancia s de un punto St

al plano dado Π : x + y − z = −3 utilizando la fórmula de encima. Obtenemos
|1(t + 1) + 1(2t + 1) − 1(2t + 2) − (−3)| |t + 3|

s= √ = √ .
1+1+1 3
Figura 1.25: La recta de reflexión ∗ de la recta sobre el plano Π.
√
Ahora, buscamos el punto St , tal que s = 2 3. Ası́, tenemos
|t + 3| √
√ =2 3 o |t + 3| = 6.
3

49
Ası́, t = 3 ó t = −9. Utilizando estos dos valores de t para las coordenadas

√ de St ,
obtenemos los siguientes dos puntos en que están a una distancia 2 3 de Π, es
decir, los puntos con coordenadas
(4, 7, 8) y (−8, −17, −16).
c) Tenemos que encontrar la ecuación paramétrica para la recta ∗ , tal que ∗ es la re-
flexión de la recta sobre el plano Π. Claramente, puede encontrarse ∗ si obtenemos
la reflexión de sobre la recta ,ˆ que ya se ha obtenido en la parte a) más arriba.
Notar también que, como en la parte a), tenemos
P : (−2, −5, −4) y Q : (1, 1, 2).
Sea Q∗ un punto en ∗ , tal que

−−−→∗ −−→
M Q = −M Q.
Siguiendo la Figura 1.25, tenemos

−−→∗ −−→ −−−→∗
PQ = PM + MQ ,
−−→ −−−→ −−→
donde P M = (2, 5, 7) y M Q∗ = −M Q = (−1, −1, 1) [ver parte a) del problema].
Ası́,
−−→∗
P Q = (2, 5, 7) + (−1, −1, 1) = (1, 4, 8).
Dado que ∗ pasa por el punto P : (−2, −5, −4) y tiene la dirección dada por el
−−→
vector P Q∗ = (1, 4, 8), la ecuación paramétrica para ∗ toma la forma


 x=t−2


∗ : y = 4t − 5



Problema 1.5.5.
Consideramos el plano Π : 2x + y + z = 5 y la recta


 x=t+2


: y = −5t + 1



 z = 3t + 3 para todo t ∈ R,
donde Π y son paralelos.

50

de la recta dada en el plano dado Π.
b) Encontrar la ecuación paramétrica de la recta , tal que es la reflexión de la recta

sobre el plano Π.
Solución 1.5.5.
a) Tenemos que encontrar la recta ˆ que sea la proyección ortogonal de la recta ,


 x=t+2


: y = −5t + 1



 z = 3t + 3 para todo t ∈ R
en el plano dado Π : 2x + y + z = 5.
Figura 1.26: La proyección ortogonal de en Π
Nos referimos a la Figura 1.26 y elegimos dos puntos P y Q en haciendo, respec-

tivamente, t = 0 y t = 1 en la ecuación paramétrica para . Esto nos lleva a
P : (2, 1, 3), Q : (3, −4, 6).

51
Ahora buscamos el punto Q0 = (x0 , y0 , z0 ) en el plano Π, tal que

−−→ −−→
Q0 Q es ortogonal a QP
−−→
Q0 Q es paralelo a n = (2, 1, 1),
donde n es la normal al plano Π. Tenemos

−−→
Q0 Q = (3 − x0 , −4 − y0 , 6 − z0 )
−−→
Q0 P = (2 − x0 , 1 − y0 , 3 − z0 ).
Además,
−−→
−−→ −−→ Q0 P · n
Q0 Q = proj n Q0 P = n
n·n

2(2 − x0 ) + 1(1 − y0 ) + 1(3 − z0 )
= (2, 1, 1)
4+1+1

8 − (2x0 + y0 + z0 )
= (2, 1, 1).
6
Dado que Q0 es un punto en Π las coordenadas de Q0 tienen que satisfacer las

ecuaciones para Π, es decir,
2x0 + y0 + z0 = 5,
de manera que

−−→ 8−5 1 1
proj n Q0 P = (2, 1, 1) = (1, , ).
6 2 2
Ası́,
1 1
(3 − x0 , −4 − y0 , 6 − z0 ) = (1, , ),
2 2
y comparando las componentes x-, y- z, obtenemos
9 11 9 11
x0 = 2, y0 = − , z0 = , i.e. Q0 : (2, − , ).
2 2 2 2
ˆ donde ˆ tiene el mismo vector director v que ,

Claramente, Q0 es un punto en ,
v = (1, −5, 3).

52
Una ecuación paramétrica para ˆ es entonces



 x=t+2



 9
ˆ
: y = −5t −

 2

 11

 z = 3t + para todo t ∈ R.
2
b) Tenemos que encontrar la recta ∗ que sea la reflexión de ,



 x=t+2


: y = −5t + 1



 z = 3t + 3 para todo t ∈ R
sobre el plano Π : 2x + y + z = 5.
Figura 1.27: La reflexión de sobre Π
Tenemos que encontrar las coordenadas del punto Q∗ (ver Figura 1.27). Supongamos
que Q∗ tiene coordenadas (x∗ , y ∗ , z ∗ ). Por la parte a) sabemos que Q : (3, −4, 6) y
−−−→ −−→
Q0 : (2, −9/2, 11/2). Dado que Q0 Q∗ = QQ0 , tenemos
−−−→∗ 1 1
Q0 Q = (−1, − , − ).
2 2

53
Pero, por otra parte,
−−−→∗ 9 11
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ),
2 2
de manera que
−−−→∗ 9 11 1 1
Q0 Q = (x∗ − 2, y ∗ + , z ∗ − ) = (−1, − , − )
2 2 2 2
que nos lleva a x∗ = 1, y ∗ = −5 y z ∗ = 5. Ası́ hemos obtenido las coordenadas de

Q∗ ,
Q∗ : (1, −5, 5).
Ahora, ∗ pasa por el punto Q∗ y ∗ tiene el mismo vector director que , que es
v = (1, −5, 3). Concluimos que la ecuación paramétrica de ∗ es


 x=t+1


∗ : y = −5t − 5



Excellent Economics and Business programmes at:
“The perfect start

of a successful,
international career.”
CLICK HERE
to discover why both socially
and academically the University
of Groningen is one of the best
places for a student to be
www.rug.nl/feb/education

54
Problema 1.5.6.
Consideramos el plano Π : x−y +z = 7, y el triángulo de vértices A : (1, 2, 2), B : (3, 1, 2)

y C : (1, 1, 1). Notar que el triángulo no está en el plano Π.
a) Proyectar ortogonalmente el triángulo en el plano Π y dar los vértices del triángulo

proyectado.
b) Reflejar el triángulo dado sobre el plano Π y dar los vértices del triángulo reflejado.
Solución 1.5.6.
a) Proyectar el triángulo ABC con vértices A : (1, 2, 2), B : (3, 1, 2) y C : (1, 1, 1)

ortogonalmente al plano Π : x − y + z = 7 y describir el triángulo proyectado
AΠ BΠ CΠ calculando los vértices de este triángulo, es decir, las coordenadas de
AΠ , BΠ y CΠ (ver Figura 1.28).
Figura 1.28: ABC proyectado ortogonalmente en Π resultando en AΠ BΠ CΠ .
Suponer que las coordenadas AΠ , BΠ y CΠ son las siguientes (ver Figura 1.28):
AΠ : (x1 , y1 , z1 ), BΠ : (x2 , y2 , z2 ), CΠ : (x3 , y3 , z3 ).

55
EN
PLANOS EN R3 en R3
y planos
Figura 1.29: Coordenadas de AΠ para la proyección de ABC
−−−→ −−−→
El vector AAΠ puede obtenerse proyectando ABΠ ortogonalmente en n. Esto es,
−−−→
−−−→ −−−→ ABΠ · n
AAΠ = proj n ABΠ = n,
n·n
donde
−−−→ −−−→
AAΠ = (x1 − 1, y1 − 2, z1 − 2), ABΠ = (x2 − 1, y2 − 2, z2 − 2), n = (1, −1, 1).
Calculando, obtenemos

−−−→ −−−→ 1(x2 − 1) − 1(y2 − 2) + 1(z2 − 2)
AAΠ = proj n ABΠ = (1, −1, 1)
1+1+1

x 2 − y 2 + z2 − 1
= (1, −1, 1) = (2, −2, 2),
3
donde x2 − y2 + z2 = 7 porque es un punto del plano Π. Tenemos
−−−→
AAΠ = (x1 − 1, y1 − 2, z1 − 2) = (2, −2, 2),
de manera que x1 = 3, y1 = 0, z1 = 4 y las coordenadas de AΠ son
AΠ : (3, 0, 4).

56
−−−→
Para encontrar las coordenadas de BΠ , proyectamos BAΠ ortogonalmente en n (ver
Figura 1.30), es decir,
−−−→
−−−→ −−−→ BAΠ · n
BBΠ = proj n BAΠ = n,
n·n
donde
−−−→ −−−→
BAΠ = (0, −1, 2), BBΠ = (x2 − 3, y2 − 1, z2 − 2), n = (1, −1, 1).
Figura 1.30: Coordenadas de BΠ para la proyección de ABC
Calculando, obtenemos
−−−→ −−−→
BBΠ = proj n BAΠ = (1, −1, 1),
de manera que
−−−→
BBΠ = (x2 − 3, y2 − 1, z2 − 2) = (1, −1, 1).
Las coordenadas de BΠ son entonces
BΠ : (4, 0, 3).
−−−→
De la misma manera, proyectamos CBΠ ortogonalmente en n para encontrar CΠ
(ver Figura 1.31).

57
Figura 1.31: Las coordenadas de CΠ para la proyección de ABC


Obtenemos
Obtenemos
−−− −−−→ −−−→
−−−→CBΠ = (2, −2.2)
→ Π = proj
CCCC
Obtenemos
= proj CB
Π n = (2, −2.2)
Π
n
−−−→ −−−→
CCΠ− −
=−−−−→
→
proj n CBΠ = (2, −2.2)
yycomparando
comparando concon
CCΠ CC = Π(x=
3−(x1,3y−
3−1,1,y3z3−−1, − 1), obtenemos
1),z3obtenemos
−−−→
y comparando con CCΠ = (x3 − 1, y3 − 1, z3 − 1), obtenemos
CCΠ : (3, −1,−1,
: (3, 3). 3).
Π
CΠ : (3, −1, 3).
Esto completa el cálculo de los vértices de AΠ BΠ CΠ .
American online
LIGS University
is currently enrolling in the
Interactive Online BBA, MBA, MSc,
DBA and PhD programs:
▶▶ enroll by September 30th, 2014 and

▶▶ save up to 16% on the tuition!
▶▶ pay in 10 installments / 2 years
▶▶ Interactive Online education
▶▶ visit www.ligsuniversity.com to
find out more!
Note: LIGS University is not accredited by any

nationally recognized accrediting agency listed
by the US Secretary of Education.
More info here.

58
b) Reflejamos el triángulo ABC con vértices A : (1, 2, 2), B : (3, 1, 2) y C : (1, 1, 1)

sobre el plano Π : x − y + z = 7 y describimos el triángulo reflejado A∗ B ∗ C ∗
calculando los vértices de este triángulo, es decir, las coordenadas de A∗ , B ∗ y C ∗
(ver Figura 1.32).
Figura 1.32: ABC reflejado sobre Π resultando en A∗ B ∗ C ∗ .
Si suponemos las coordenadas de A∗ , B ∗ y C ∗ como sigue (ver Figura 1.32):
A∗ : (x∗1 , y1∗ , z1∗ ), B ∗ : (x∗2 , y2∗ , z2∗ ), C ∗ : (x∗3 , y3∗ , z3∗ ).
De la parte a) tenemos (ver también Figura 1.32)
−−→∗ −−−→
AA = 2AAΠ = 2(2, −2, 2) = (4, −4, 4),
y, además,
−−→∗
AA = (x∗1 − 1, y1∗ − 2, z1∗ − 2) = (4, −4, 4).

59
Ası́, x∗1 = 5, y1∗ = −2 y z1∗ = 6, ası́ hemos encontrado las coordenadas de A∗ ,
A∗ : (5, −2, 6).
Además
−−→∗ −−−→
BB = 2BBΠ = 2(1, −1, 1) = (x∗2 − 3, y2∗ − 1, z2∗ − 2)
−−→∗ −−−→
CC = 2CCΠ = 2(2, −2, 2) = (x∗3 − 1, y3∗ − 1, z3∗ − 1),
que nos lleva a las siguiente coordenadas para B ∗ y C ∗ :
B ∗ : (5, −1, 4), C ∗ : (5, −3, 5).

60
1.6. EJERCICIOS 61
1.6 Ejercicios
1. Considerar los siguientes vectores en R3 : u = (−1, 2, 3) y v = (1, −1, 2).
a) Encontrar la proyección ortogonal de u en v.
1 1
[Respuesta: projv u = ( , − , 1). ]
2 2
b) Encontrar la proyección ortogonal uyz de u en el plano yz.
[Respuesta: uyz = (0, 2, 3). ]
c) Encontrar el vector u∗ que es la reflexión de u sobre v.
[Respuesta: u∗ = (2, −3, −1). ]
d) Encontrar el vector u∗ xz que es la reflexión de u sobre el plano xz.
[Respuesta: u∗ xz = (−1, −2, 3). ]
e) Encontrar el vector u que surge de reflejar primero sobre el plano xy y después

sobre el plano yz. El vector resultante, es diferente si primero reflejamos sobre
el plano yz y después sobre el xy?
[Respuesta: (1, 2, −3). El vector es el mismo. ]
f) Encontrar el vector u que resulta de reflejar sobre el plano xy y después proyec-

tar ortogonalmente sobre el plano yz. El vector resultante, es diferente si
primero proyectamos ortogonamente en el plano yz y después sobre el xy?
[Respuesta: (0, 2, −3). El vector es el mismo. ]
2. Encontrar todos los valores para a ∈ R, para los que el volumen del paralelepı́pedo
descrito por los vectores u = (1, 1, 2), v = (−1, a, 3) y w = (2, 1, a) sea de una
unidad cúbica.
[Respuesta: a ∈ {0, 1, 2, 3}. ]

61
3. Considerar los siguientes tres vectores:
u = a(1, 1, 2), v = (−1, b, −1), w = (7, 1, c),
donde a, b y c son parámetros reales.
a) Encontrar los valores de a, b y c, tales que los vectores dados u, v y w describen

el rectángulo paralelepı́pedo (es decir, el paralelepı́pedo de lados perpendicu-
lares) de volumen 132 unidades cúbicas.
[Respuesta: a ∈ {−2, 2}, b = 3, c = −4. ]
b) Encontrar los valores de a, b y c, tales que el volumen del paralelepı́pedo descrito

por los vectores u, v y w con a = 0 es cero unidades cúbicas.
8−c
[Respuesta: b = para todo c ∈ R\{14}. ]
c − 14
4. Consideramos tres puntos P1 , P2 y P3 con las siguientes coordenadas R3 :
P1 : (2, −1, 1), P2 : (3, 2, −1), P3 : (−1, 3, 2).
a) Encontrar la ecuación del plano Π1 que contenga los tres puntos dados.
[Respuesta: 11x + 5y + 13z = 30. ]
b) Suponer que la normal n al plano Π2 viene dado por n = (−2, 1, 4) y que Π2

contiene al punto dado P1 . Encontrar la solución de Π2 .
[Respuesta: −2x + y + 4z = −1. ]
c) Encontrar el ángulo θ entre los dos planos Π1 y Π2 obtenidos en la parte a) y

b).
√
15
[Respuesta: θ = arccos .]
9
5. Considerar la recta en R3 que pasa por los puntos P1 : (1, −2, −1) y P2 : (3, −1, 1).

62
1.6. EJERCICIOS 63
a) Encontrar la ecuación paramétrica para .
[Respuesta:


 x = 2t + 1


: y =t−2



 z = 2t − 1 para todo t ∈ R. ]
b) Encontrar la distancia s del origen (0, 0, 0) a la recta obtenida en la parte a).
√
5 2
[Respuesta: s = .]
3
6. Considerar un triángulo de vértices A : (1, 0, 1), B : (2, 1, −1) y C : (2, 2, 1).
a) Encontrar la distancia de un punto B a la base del triángulo con vértices A y

C.

21
[Respuesta: .]
5
b) Encontrar el área del triángulo ABC haciendo uso del producto vectorial.
1√
[Respuesta: 21. ]
2
7. Considerar las siguientes dos rectas R3 :

 

 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y =s+3

 


 z = 2t + 2 para todo t ∈ R, 
 z = −s − 1 para todo s ∈ R.
Las rectas se cortan? Si es ası́, encontrar el punto de intersección.
[Respuesta: El punto de intersección es (4, −1, 3). ]

63
EN 8. Considerar
ALGEBRA LINEAL la pirámide ABCD de vértices A : (2, 1, 0), Vectores,
B : (0, 2, 3), C : (1,
rectas 0, 1) y en R3
y planos
64 D : (1, 1, 1) como se muestraCAPÍTULO 1. VECTORES,
en la Figura 1.33. RECTAS Y PLANOS EN R3
8. Considerar la pirámide ABCD de vértices A : (2, 1, 0), B : (0, 2, 3), C : (1, 0, 1) y
8. D : (1, 1, 1)lacomo
Considerar se muestra
pirámide ABCDendela vértices
Figura 1.33.
A : (2, 1, 0), B : (0, 2, 3), C : (1, 0, 1) y
D : (1, 1, 1) como se muestra en la Figura 1.33.
Figura 1.33: La pirámide ABCD.
Figura 1.33: La pirámide ABCD.

Encontrar la altura deFigura 1.33: La pirámide ABCD.
la pirámide.
Encontrar la altura de la pirámide.

[Respuesta: La altura de la pirámide viene dada por la distancia del punto D al
Encontrar la altura de la pirámide. 1
plano que contiene al triángulo ABC, es decir, √ . ]
[Respuesta: La altura de la pirámide viene dada 26 por la distancia del punto D al
1
[Respuesta:
plano La altura
que contiene de la pirámide
al triángulo ABC, es viene
decir,dada
√ .por] la distancia del punto D al
126
plano que contiene al triángulo ABC, es decir, √ . ]
26

64
1.6. EJERCICIOS 65
9. Considerar la recta , dada de forma paramétrica por



 x = kt + 2


: y =t−3



 z = 3t + 4 para todo t ∈ R,
y el plano Π, dado por la ecuación
Π : 3x + 2y + 4z = 1.
a) Determinar para qué valor(es) de k ∈ R, si hay alguno, la recta es paralela a

Π.
14
[Respuesta: k = − .]
3
b) Encontrar la distancia de a Π para aquellos valores de k en que sea paralela

Π, si tales valores existen.
15
[Respuesta: √ .]
29
c) Encontrar la intersección de con Π, para todos aquellos valores de k para los

cuales no es paralelo a Π.
1
[Respuesta: Las coordenadas de la intersección son (−9k + 28, −9k − 57, 12k + 11)
3k + 14
14
for all k ∈ R\{− }. ]
3
10. Considerar la recta en forma paramétrica



 x = −t + 2


: y = 3t



 z = 5t − 1 para todo t ∈ R,
Encontrar los puntos en , para los cuales la distancia de los puntos al plano x+y−z =
2
2 sea √ unidades.
3
7 8
[Respuesta: Los puntos con coordenadas ( , −1, − ) y (1, 3, 4). ]
3 3

65
11. Considerar el plano Π : x − 2y + 3z = 31 y la recta dada en forma paramétrica



 x = −t + 2


: y =t−1



 z = −2t + 3 para todo t ∈ R.
ˆ tal que ˆ es la proyección

ortogonal de en Π.
[Respuesta:


 x = −5t + 4


ˆ : y = −4t − 3



 z = −t + 7 para todo t ∈ R. ]
b) Encontrar la ecuación paramétrica de la recta ∗ , tal que ∗ es la reflexión de

sobre Π.
[Respuesta:


 x = 2t + 4


∗ : y = −11t − 3



 z = 7t + 13 para todo t ∈ R. ]
c) Encontrar los puntos

√ , para los cuales la distancia más cortan entre ellos y el
plano Π sea 3/ 14.
11 8 19 13 10 23
[Respuesta: Los puntos ( , − , ) y ( , − , ). ]
3 3 3 3 3 3
12. Considerar el plano Π : 3x + 4y − 5z = 11 y la recta dada en forma paramétrica

por


 x=t+4


: y = −2t + 1



 z = −t + 3 para todo t ∈ R,

donde es paralelo a Π. Encontrar la recta ,
de en Π.

66
1.6. EJERCICIOS 67
[Respuesta:

 28

 x=t+

 5
ˆ : y = −2t −
1

 5



z = −t + 1 para todo t ∈ R. ]
13. Considerar el plano Π : 2x − y + 2z = −5 y el triángulo ABC con vértices

A : (1, 0, 1), B : (0, 1, 1) y C : (1, 1, 0).
a) Encontrar los vértices del triángulo AΠ BΠ CΠ , tales que AΠ BΠ CΠ es la

proyección ortogonal de ABC en Π.
[Respuesta: Los vértices del triángulo proyectado AΠ BΠ CΠ son AΠ : (−1, 1, −1),

4 5 1 1 5 4
BΠ : (− , , − ) y CΠ : (− , , − ). ]
3 3 3 3 3 3
b) Encontrar los vértices del triángulo A∗ B ∗ C ∗ , tales que A∗ B ∗ C ∗ es la re-

flexión de ABC sobre Π.
[Respuesta: Los vértices del triángulo reflejado A∗ B ∗ C ∗ son A∗ : (−3, 2, −3),

8 7 5 5 7 8
B ∗ : (− , , − ) y C ∗ : (− , , − ). ]
3 3 3 3 3 3
14. Demostrar que la distancia s entre dos planos paralelos,
Π1 : ax + by + cz = d1
Π2 : ax + by + cz = d2 ,
viene dada por
|d1 − d2 |
s= ,
n
donde n = (a, b, c) es el vector normal al plano (ver Puntualización teórica 1.5).

67
EN ALGEBRA LINEAL Algebra matricial y eliminacion de Gauss
Capı́tulo 2
Algebra matricial y método de

eliminación de Gauss
Vamos a representar los puntos de Rn como vectores de n componentes. Los vectores

podrán representarse en columnas o filas de una matriz. Cualquier sistema de ecuaciones
lineales escrito en forma matricial, como Ax = b, puede estudiarse con las propiedades
matriciales. Para conseguirlo, introducimos la suma y la multiplicación de matrices, el
determinante de una matriz cuadrada y la inversa de una matriz cuadrada (en el caso de
matrices invertibles). Para resolver sistemas de ecuaciones lineales, utilizamos el método
de eliminación de Gauss e introducimos otro método alternativo que sigue a la regla de
Cramer, mediante el cual pueden resolverse ciertos sistemas lineales.
2.1 Operaciones matriciales: suma y multiplicación

Introducimos vectores en el espacio euclı́deo Rn y describimos las operaciones básicas con
vectores.
1. Vectores en Rn :
Un vector u en el espacio euclı́deo Rn es una n-tupla (u1 , u2 , . . . , un ). Escribimos
u = (u1 , u2 , . . . , un ).
Aquı́ u1 , u2 , . . . , un son números (reales o complejos, aunque sólo trataremos números

reales en este libro). Cada n-tupla denota un único vector o punto en Rn . Podemos
69

69
70 CAPÍTULO 2. ALGEBRA MATRICIAL Y ELIMINACIÓN DE GAUSS
representar u por una matriz columna n × 1

 
u1
 u2 
 
u= .. ,
 . 
un
o representar u por una matriz fila 1 × n
u = (u1 u2 . . . un ).
Considerar, además, los vectores v = (v1 , v2 , . . . , vn ) y w = (w1 , w2 , . . . , wn ). Ten-

emos lo siguiente
Propiedades:
• u + v = (u1 + v1 , u2 + u2 , . . . , un + vn ) = v + u
• (u + v) + w = u + (v + w)
• r u = (ru1 , ru2 , . . . , run ) = u r para todo r ∈ R.
• 0u = 0 = (0, 0, . . . , 0) llamado el vector nulo de Rn .
2. Suma y multiplicación de matrices por constantes:
Considerar la matriz m × n
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= . .. .. ,
 .. . ··· . 
am1 am2 · · · amn
donde aij son números (reales o complejos, aunque vamos a considerar sólo números
reales en este libro).
Nota: En algunos casos es conveniente denotar la matriz A:
A = [aij ] o A = [a1 a2 . . . an ], donde aj ∈ Rm .
Considerar dos matrices de dimensiones m × n, como
A = [aij ] y B = [bij ].
Definimos la suma y multiplicación como sigue:

70
PROBLEMAS,
2.1. TEORIA Y SOLUCIONES
OPERACIONES MATRICIALES: SUMA Y MULTIPLICACIÓN 71
Suma de matrices:
A + B = [aij + bij ].
Multiplicación por una constante:
rA = [raij ] = Ar para todo r ∈ R
0 A = [0 aij ] = 0mn , donde 0mn denota la matriz nula m × n.
Tenemos lo siguiente
Propiedades:
Sean A, B y C matrices de tamaño m × n y sean r y s cualesquiera números reales.
Entonces,
• A+B =B+A
• (A + B) + C = A + (B + C)
• A + 0mn = A
• r(A + B) = rA + rB
• (r + s)A = rA + sA
• r(sA) = (rs)A.
Join the best at Top master’s programmes

• 3
3rd place Financial Times worldwide ranking: MSc
the Maastricht University International Business
• 1st place: MSc International Business
School of Business and • 1st place: MSc Financial Economics
• 2nd place: MSc Management of Learning
Economics! • 2nd place: MSc Economics

• 2nd place: MSc Econometrics and Operations Research
• 2nd place: MSc Global Supply Chain Management and
Change
Sources: Keuzegids Master ranking 2013; Elsevier ‘Beste Studies’ ranking 2012;
Financial Times Global Masters in Management ranking 2012
Maastricht
University is
the best specialist
university in the
Visit us and find out why we are the best! Netherlands
(Elsevier)
Master’s Open Day: 22 February 2014
www.mastersopenday.nl

71
3. Multiplicación de matrices vector:
Considerar la matriz m × n, denominada A,
A = [a1 a2 . . . an ], aj ∈ R m ,
y considerar el vector x ∈ Rn ,
 
x1
 x2 
 
x= .. .
 . 
xn
El producto de matrices por un vector Ax es otro vector Rm definido:
Ax = x1 a1 + x2 a2 + · · · + xn an .
Sea A una matriz m×n, sean u y v dos vectores en Rn y r un número real cualquiera.
Tenemos que
Propiedades:
• A(u + v) = Au + Av
• rA(u) = A(ru).
4. Multiplicación de matrices:
Sea A una matriz m × n y B otra matriz n × p, donde
B = [b1 b2 · · · bp ], b j ∈ Rn .
El producto de matrices AB es otra matriz de dimensiones m × p definida como:
AB = [Ab1 Ab2 · · · Abp ].
Para las propiedes mencionadas debajo, vamos a suponer que las matrices A, B y
C son de las dimensiones correctas, de manera que las propiedades no contradicen
las definiciones dadas anteriormente. Sea r un número real. Tenemos
Propiedades:
• A(BC) = (AB)C
• A(B + C) = AB + AC

72
2.1. OPERACIONES MATRICIALES: SUMA Y MULTIPLICACIÓN 73
• (A + B)C = AC + BC
• r(AB) = (rA)B = A(rB).
La matriz n × n matriz identidad, denotada por In , se define como:

 
1 0 ··· 0
 0 1 ··· 0 
 
In =  .. .. ..  = [e1 e2 · · · en ],
 . . ··· . 
0 0 ··· 1
donde {e1 , e2 , · · · , en } es la base standard para Rn ,
e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), ..., en = (0, 0, . . . , 1).
Sea A una matriz m × n y u ∈ Rn . Entonces,
• AIn = A = Im A.
• In u = u.
• Inp = In para todo p ∈ N.
Puntualización: Sea A una matriz m × n y B una matriz n × m. Entonces el

producto
AB = 0mm ,
donde 0mm denota la matriz cero m × m, y no implica que A sea la matriz cero o
que lo sea B. Por ejemplo,

1 1 1 1 0 0
= .
1 1 −1 −1 0 0
Problema 2.1.1.
Considerar las siguientes tres matrices:

a 2 1 2 a 0 1 1 1
A= , B= , C= ,
1 0 a 0 1 2a2 1 1 1
donde a es un parámetro real no especı́fico. Encontrar los valores de a, tales que
A + B = C.

73
Solución 2.1.1.
Sumamos las matrices A y B y comparamos cada entrada de la matriz resultante con las
entradas de la matriz C:

a+2 2+a 1 1 1 1
= .
1 1 a + 2a2 1 1 1
Obtenemos
a + 2 = 1, 2 + a = 1, a + 2a2 = 1,
para los cuales a = −1 es la única solución común.
Problema 2.1.2.
Considerar las siguientes dos matrices:

a b 1 2
A= , B= ,
1 2 1 0
donde a y b son dos parámetros reales inespecı́ficos. Encontrar los valores de a y b, tales
que
AB = BA.
Solución 2.1.2.
Multiplicamos las matrices A y B en el orden AB:

a b 1 2 a + b 2a
AB = = .
1 2 1 0 3 2
Para la multiplicación BA, obtenemos:

1 2 a b a+2 b+4
BA = = .
1 0 1 2 a b
Comparando cada entrada en AB con las entradas correspondientes en BA, obtenemos
a + b = a + 2, 2a = b + 4, a = 3, b = 2.
El sistema de ecuaciones tiene solución a = 3 y b = 2. Ası́, para los valores a = 2 y b = 3

en A, las matrices A y B conmutan, es decir, AB = BA, y para el resto de valores a y b,
la multiplicación de matrices no conmuta, es decir, AB = BA.

74
2.2. DETERMINANTE DE MATRICES CUADRADAS 75
Problema 2.1.3.
Considerar la matriz

0 b
A= ,
c 0
donde b y c son parámetros reales inespecı́ficos. Encontrar los valores de b y c, tales que
A 2 = I2 ,
donde I2 es la matriz identidad de dimensión 2 × 2.
Solución 2.1.3.
Calculamos A2 :

2 0 b 0 b bc 0
A = = .
c 0 c 0 0 bc
La matriz identidad I2 de dimensión 2 × 2 es

1 0
I2 = .
0 1
Comparando cada entrada de A2 con las correspondientes entradas de I2 , obtenemos
bc = 1.
Concluimos que la matriz

 
0 b
A= 1 .
0
b
satisface la relación A2 = I2 para todo b ∈ R\{0}.
2.2 Determinante de matrices cuadradas

Vamos a ver el determinante de una matriz cuadrada y lo calcularemos utilizando la
expansión cofactor y operaciones elementales de filas.

75

1. El determinante de una matriz A = [aij ] de dimensión n × n, denotado por det A
o |A|, es un número que puede calcularse con la expansión cofactor a través de la
columna i-ésima,
det A = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin ,
o, de forma alternativa, el det A puede calcularse con la expansión cofactor por la

columna j-ésima,
det A = a1j C1j + a2j C2j + · · · + anj Cnj .
Aquı́ el número Cij es el (i, j)-cofactor de A, es decir,
Cij = (−1)i+j det Aij ,
donde Aij denota la matriz (n−1)×(n−1) obtenida a partir de la matriz A quitando

la fila i-ésima y la columna j-ésima en A.
2. Dos matrices A y B son equivalentes por filas (escribimos A ∼ B) si B puede

obtenerse a partir de A aplicando un número finito de operaciones por filas en A.
Las tres operaciones elementales por columnas son:
i. Reemplazar una fila por la suma de tal fila y un múltiplo de otra.

ii. Intercambiar las filas.
iii. Multiplicar las entradas de una fila por una constante distina de cero k.
3. El cálculo del determinante de A puede simplificarse aplicando operaciones elemen-

tales de filas en A. La relación entre el determinante de A y la matriz equivalente
por filas, es:
• Si A ∼ B, donde B se obtuvo aplicando la operación de filas elemental (i) en

A, entonces det B = det A.
• Si A ∼ B, donde B se obtuvo aplicando la operación elemental de filas (ii) en
A, entonces det B = − det A.
• Si A ∼ B, donde B se obtuvo aplicando la operación elemental de filas (iii) en
A, entonces det B = k det A.
4. Sean A y B matrices n × n. Entonces tenemos
Propiedades:
• det(AB) = (det A)(det B)

• det(Am ) = (det A)m para cualquier m ∈ N.

76
• det AT = det A.
Nota: La transpuesta de cualquier matriz B de dimensión m × n es una
matriz B T de dimensión n × m, donde las columnas de B son filas de B T .
• det(cA) = cn det A para cualquier número c.
• El determinante de una matriz diagonal viene dado por el producto de todos
sus elementos diagonales.
• El determinante de una matriz triangular superior o inferior viene dado por el
producto de todos sus elementos diagonales.
Nota: Una matriz cuadrada se dice que es triangular inferior si todas sus
entradas por encima de la diagonal son el elemento cero. De manera similar,
una matriz cuadrada se dice que es triangular superior si todas las entradas
por debajo de la diagonal son el elemento cero.
• det In = 1, donde In es la matriz identidad de dimensión n × n.
1
• det(A−1 ) = , donde A−1 denota la inversa de la matriz A.
det(A)
Nota: Para más detalles sobre la inversa de una matriz y cómo obtenerla, ver
Puntualización teórica2.3.
5. Consideramos tres vectores, u, v y w, en R3 . Entonces,
• El área del paralelogramo descrito por u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) viene

dado por la norma del producto vectorial
 
e1 e2 e3
u × v = det  u1 u2 u3  ;
v1 v2 v3
• El volumen del paralelepı́pedo descrito por u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y
w = (w1 , w2 , w3 ) viene dado por el triple producto
 
u1 u2 u3
|u · (v × w)| = | det  v1 v2 v3  |.
w1 w2 w3
Ver Puntualización teórica 1.2 para más detalles del producto vectorial y el
triple producto de vectores en R3 .
Problema 2.2.1.
Calculamos el determinante de las siguientes matrices:
 
  1 −1 0 1
1 −2 2
1 4  2 
1 2 −1 
A= , B= 3 1 1 , C=
 3 .
2 3 0 1 2 
−1 −2 1
−1 4 1 2

77
PROBLEMAS,
78 TEORIA
CAPYÍTULO
SOLUCIONES
2. ALGEBRA MATRICIAL Y ELIMINACIÓN DE GAUSS
Solución 2.2.1.
Calculamos el determinante de las matrices dadas por la expansión cofactor sobre la
primera fila.

1 4
det A = = a11 C11 + a12 C12 = a11 (−1)1+1 det A11 + a12 (−1)1+2 det A12

2 3
= 3 − 8 = −5.

1 −2 2

det B = 3 1 1 = 1 1 1 − (−2) 3 1 + 2 3 1
−2 1 −1 1 −1 −2
−1 −2 1
= 1(1 + 2) + 2(3 + 1) + 2(−6 + 1) = 1.

1 −1 0 1
1 2 −1 2 2 −1 2 1 2
2 1 2 −1
det C = = 1 0 1 2 − (−1) 3 1 2 − 1 3 0 1
3 0 1 2 4 1 2 −1 1 2 −1 4 2
−1 4 1 2

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

0 1 3 1 3 0

− 2
− 1 2
4 1 −1 1 −1 4
= −12
Calcular el determinante es menos tedioso si encontramos la matriz triangular superior

equivalente por filas. Utilizamos este método y calculamos det C:

1 −1 0 1 1 −1 0 1 1 −1 0 1

0 3 2 −3 0 3 2 −3 0 3 2 −3
det C = = =
0 3 1 −1 0 0 −1 2 0 0 −1 2
0 3 1 3 0 0 −1 6 0 0 0 4
= (1)(3)(−1)(4) = −12.
Problema 2.2.2.
Consideramos la matriz C en el problema a) y calculamos lo siguiente:
det(C 4 ), (det C)4 , det(3C), det(C T ).

78
Solución 2.2.2.
det(C 4 ) = (det C)4 = (−12)4 = 20736,
(det C)4 = (−12)4 = 20736,
det(3C) = 34 det C = (81)(−12) = −972,
det(C T ) = det C = −12
Problema 2.2.3.
Consideramos la matriz
 
−2 1 2
A =  −1 0 1 .
−2 1 2
Encontrar la matriz Ap para todo p ∈ N calculando A2 , A3 , . . . .

79
Solución 2.2.3.
Calculamos A2 y A3 :
   
−1 0 1 0 0 0
A2 =  0 0 0  and A3 =  0 0 0  .
−1 0 1 0 0 0
Ası́,
 
0 0 0
Ap =  0 0 0  para todos los números naturales p ≥ 3.
0 0 0
Problema 2.2.4.
Consideramos
X 2 − 2X + I2 = 022 , (2.2.1)
donde X es una matriz 2 × 2, I2 es la matriz identidad 2 × 2 y 022 es la matriz nula de

dimensión 2 × 2.
a) Demostrar que

2 1/2
X=
−2 0
es una solución de (2.2.1) y encontrar otra solución factorizando la ecuación matricial

(2.2.1)
b) Demostrar que det X = 1 es una solución X de (2.2.1), incluso en el caso en que X

sea una matriz n × n.
c) Demostrar que (2.2.1) admite soluciones infinitas.
Solución 2.2.4.
a) Calculamos

2 1/2 2 1/2 2 1/2 1 0
−2 +
−2 0 −2 0 −2 0 0 1
y obtenemos la matriz cero. La ecuación matricial (2.2.1) puede factorizarse como:
(X − I2 )2 = 022 , tal que X = I2 es otra solución para (2.2.1). (2.2.2)

80
2.3. INVERSA DE UNA MATRIZ CUADRADA 81
b) La factorización y solución dada en (2.2.2) es cierta si X es una matriz n × n para

cualquier n, tal que X = In sea una solución. Entonces, det X = det In = 1.
c) Sea

a b a b a b 0 0
X − I2 = calculamos = .
c d c d c d 0 0
Esto nos lleva a las siguientes cuatro condiciones:
a2 + bc = 0, b(a + d) = 0, c(a + d) = 0, cb + d2 = 0. (2.2.3)
Restando la primera ecuación a la cuarta, obtenemos el sistema equivalente
a2 + bc = 0, b(a + d) = 0, c(a + d) = 0, (a + d)(a − d) = 0.
Investigando los dos casos a + d = 0 y a − d = 0 llegamos a la conclusión de que

a + d = 0 y a2 + bc = 0 es el único caso que nos da todas las soluciones. Ası́,

a b 1 0 a+1 b
X= + =
c −a 0 1 c 1−a
para todo a, b y c tal que a2 + bc = 0. Además, det X = 1. La ecuación matricial
X 2 − 2X + I2 = 022
tiene un número infinito de soluciones.
2.3 Inversa de una matriz cuadrada

En esta sección introducimos la inversa de una matriz cuadrada y el procedimiento para
obtenerla, en el caso de matrices cuadradas invertibles. El determinante de las matrices
juega un papel importante en esta discusión.

Sea A una matriz n × n. La matriz A se dice que es invertible si existe otra matriz
n × n, que denominamos A−1 inversa de A, tal que
A−1 A = AA−1 = In .
Una matriz cuadrada que no sea invertible se dice que es singular.
Tenemos las siguientes proposiciones:
1. La matriz A es invertible si y sólo si det A = 0.

81
2. La matriz A es invertible si y sólo si A es equivalente por filas a la matriz identidad

In de dimensión n × n . Esto es, A es invertible si y sólo si la forma reducida [A In ]
es [In A−1 ].
3. Si la matriz A es invertible, entonces
adj(A)
A−1 = ,
det A
donde adj(A) denota adjunta de A, dada por la matriz

 
C11 C21 ··· Cn1
 C12 C22 ··· Cn2 
 
adj(A) =  .. .. .... .
 . . .. 
C1n C2n · · · Cnn
Aquı́ Cij es el cofactor (i, j) de A, es decir,
Cij = (−1)i+j det Aij .
Sean A y B dos matrices invertibles n × n. Tenemos las siguientes propiedades
Propiedades:
• (A−1 )−1 = A
• (cA)−1 = c−1 A−1 para números distintos de cero c.
• (AT )−1 = (A−1 )T , donde AT es la transpuesta de A.
• (AB)−1 = B −1 A−1
1
• det(A−1 ) = .
det A
Problema 2.3.1.
Considerar tres matrices n × n, como A, B y C, donde A y B son matrices invertibles
tales que se satisface la ecuación matricial:
A2 B + A = AC.
Encontrar A.

82
Solución 2.3.1.
Multiplicamos la matriz dada
A2 B + A = AC
por A−1 por la izquierda, es decir,
A−1 A2 B + A−1 A = A−1 AC,
y obtenemos
AB + In = C.
Ahora multiplicamos la matriz previa por B −1 por la derecha, es decir,
ABB −1 + In B −1 = CB −1 ,
donde In B −1 = B −1 y ABB −1 = AIn = A. Ası́,
A = CB −1 − B −1 .
Problema 2.3.2.
Sean X, A y B matrices n × n, donde A y X son matrices invertibles tales que
BX −1 + 2A = BAX −1 .
a) Encontrar X.
b) Encontrar X, tal que

1 2 1 2
A= , B= .
3 2 4 3
Solución 2.3.2.
a) Si multiplicamos la matriz dada
BX −1 + 2A = BAX −1
por X por la derecha para obtener

1 1
B + 2AX = BA o AX = BA − B.
2 2
Ahora multiplicamos la ecuación matricial previa por A−1 por la izquierda para
obtener

−1 1 1 1
X=A BA − B o X = A−1 B (A − In ) .
2 2 2

83
b) Para
b) Para
1 2 1 2
A= y B=
31 22 41 32
A= y B=
3 2 4 3
tenemos
tenemos
0 1 −1/2 1/2
A − I2 = A−1 =
y .
3
0 1
1 −1
3/4 −1/4
−1/2 1/2
A − I2 = y
A = .
3 1 3/4 −1/4
1
Introduciéndolo en el resultado obtenido para X, X = A−1 B(A − I2 ), obtenemos
21
Introduciéndolo en el resultado obtenido para X, X = A−1 B(A − I2 ), obtenemos
2
3/4 1
X= .
9/8 1/4
3/4 1
X= .
9/8 1/4
Problema 2.3.3.
Problema 2.3.3.
Calculamos la inversa de la siguiente matriz
Calculamosla inversa de 
la siguiente matriz
1 −1 0 1

 01 −1 
1 10 11 
A= 
.
 −10 01 11 01 

A=  −1−1 10 11

10  .
−1 1 1 1
Need help with your

dissertation?
Get in-depth feedback & advice from experts in your
topic area. Find out what you can do to improve
the quality of your dissertation!
Get Help Now
Go to www.helpmyassignment.co.uk for more info

84
Solución 2.3.3.
Para calcular la inversa de A, buscamos la forma reducida [A I4 ]. Obtenemos que
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
[A I4 ] = 
 −1

0 1 0 | 0 0 1 0 
−1 1 1 1 | 0 0 0 1
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0 −1 1 1 |

1 0 1 0 
0 0 1 2 | 1 0 0 1
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0

0 1 2 | 1 0 0 1 
0 0 2 2 | 1 1 1 0
 
1 −1 0 1 | 1 0 0 0
 0 1 1 1 | 0 1 0 0 
∼
 0

0 1 2 | 1 0 0 1 
0 0 0 1 | 1/2 −1/2 −1/2 1
 
1 −1 0 0 | 1/2 1/2 1/2 −1
 0 1 1 0 | −1/2 3/2 1/2 −1 
∼
 0

0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1
 
1 −1 0 0 | 1/2 1/2 1/2 −1
 0 1 0 0 | −1/2 1/2 −1/2 0 
∼
 0

0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1
 
1 0 0 0 | 0 1 0 −1
 0 1 0 0 | −1/2 1/2 −1/2 0 
∼
 0
.
0 1 0 | 0 1 1 −1 
0 0 0 1 | 1/2 −1/2 −1/2 1
Concluimos que la inversa de A es

 
0 1 0 −1
 −1/2 1/2 −1/2 0 
A−1 = 
 0
.
1 1 −1 
1/2 −1/2 −1/2 1

85
Problema 2.3.4.
Encontrar todos los valores reales de k tales que la matriz A sea invertible y calcular su
inversa para alguno de esos valores de k:
 
k 1 2
A =  2 1 k .
k 0 1
Solución 2.3.4.
Primero, buscamos todos los valores reales de k para los cuales A es singular. Esto es,
encontrar un k tal que

k 1 2

det A = 0, donde 2 1 k = k 2 − k − 2 de manera que (k + 1)(k − 2) = 0.

k 0 1
Ası́, A es singular para k = −1 o k = 2, y entonces A es invertible para todo k ∈ R\{−1, 2}.

Elegimos el valor k = 0 y calculamos la inversa de A:
   
0 1 2 | 1 0 0 1 1/2 0 | 0 1/2 0
[A I3 ] =  2 1 0 | 0 1 0  ∼  0 1 2 | 1 0 0 
0 0 1 | 0 0 1 0 0 1 | 0 0 1
 
1 0 0 | −1/2 1/2 1
∼ 0 1 0 | 1 0 −2  .
0 0 1 | 0 0 1
La inversa de A es entonces
 
−1/2 1/2 1
A−1 =  1 0 −2  .
0 0 1
2.4 Método de eliminación de Gauss para sistemas de ecua-

ciones lineales
En esta sección describimos el método de eliminación de Gauss para resolver sistemas de
ecuaciones lineales. Probamos que cualquier sistema lineal consistente admite una única
solución o admite soluciones infinitas. (ver Problema 2.4 c debajo)

86
2.4. MÉTODO DE ELIMINACIÓN DE GAUSS PARA SISTEMAS DE ECUACIONES LINEALES87

Un sistema de m ecuaciones lineales en n variables desconocidas x1 , x2 , . . . , xn puede
escribirse en forma de ecuación matricial
A x = b, (2.4.1)
donde A es una matriz m × n, llamada matriz de coeficientes del sistema, b es un vector

en Rm y
 
x1
 x2 
 
x= .  ∈ Rn .
 .. 
xn
1. La ecuación matricial (2.4.1) se dice que es consistente, si existe al menos una

solución x ∈ Rn que satisfaga (2.4.1). La ecuación matricial (2.4.1) se dice que es
inconsistente (o incompatible), si no existe ningún x ∈ Rn que satisface (2.4.1).
2. Cualquier ecuación matricial consistente de la forma (2.4.1) admite o una única

solución x ∈ Rn , o admite infinitas soluciones x ∈ Rn .
3. Todas las soluciones x ∈ Rn de (2.4.1) puede obtenerse a partir del denominado

método de eliminación de Gauss, que puede describirse en los siguientes cuatro
pasos:
Paso I. Escribir la matriz aumentada [A b] de (2.4.1).

Paso II. Aplicar operaciones elementales por filas en [A b] para transformar [A b]
en matrices equivalentes por filas.
Paso III. Aplicar el paso II hasta [A b] tome su forma única forma reducida echelon,
que denotamos por [B c]. La ecuación matricial
Bx = c, c ∈ Rm (2.4.2)
es la forma más simple del sistema original Ax = b. El sistema (2.4.2) tiene
las mismas soluciones que el sistema (2.4.1).
Paso IV. Resolver la ecuación (2.4.2). Las columnas de la matriz B con 1’s se denominan
columnas pivote de una matriz A. Cada columna j de la matriz de coeficientes
que no sea una columna pivote implica que xj no es un parámetro arbitrario en
la solución x = (x1 , x2 , . . . , xj , . . . , xn ) de (2.4.1). Si la última columna en la
matriz [B c] es una columna pivote, entonces el sistema (2.4.1) es inconsistente.
Problema 2.4.1.

87
Encontrar todas las soluciones x ∈ R5 de un sistema lineal de ecuaciones dado por la

ecuación matricial Ax = b, donde
   
0 1 2 −1 0 1
A =  1 0 −1 0 3 , b =  −4  .
2 0 1 3 9 −5
Brain power By 2020, wind could provide one-tenth of our planet’s

electricity needs. Already today, SKF’s innovative know-
how is crucial to running a large proportion of the
world’s wind turbines.
Up to 25 % of the generating costs relate to mainte-
nance. These can be reduced dramatically thanks to our
systems for on-line condition monitoring and automatic
lubrication. We help make it more economical to create
cleaner, cheaper energy out of thin air.
By sharing our experience, expertise, and creativity,
industries can boost performance beyond expectations.
Therefore we need the best employees who can
meet this challenge!
The Power of Knowledge Engineering
Plug into The Power of Knowledge Engineering.

Visit us at www.skf.com/knowledge

88
Solución 2.4.1.
La matriz aumentada [A b] del sistema dado es
 
0 1 2 −1 0 1
[A b] =  1 0 −1 0 3 −4  .
2 0 1 3 9 −5
Aplicando las operaciones fila elementales, convertimos [A b] en su única forma reducida

de echelon:
 
1 0 −1 0 3 −4
[A b] ∼  0 1 2 −1 0 1 
2 0 1 3 9 −5
 
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1 
0 0 3 3 3 3
 
1 0 −1 0 3 −4
∼ 0 1 2 −1 0 1 
0 0 1 1 1 1
 
1 −3 0 10 10 0
∼ 0 1 0 −3 −2 −1 
0 0 1 1 1 1
 
1 0 0 1 4 −3
∼  0 1 0 −3 −2 −1  .
0 0 1 1 1 1
Para x = (x1 , x2 , x3 , x4 , x5 ) el sistema simplificado, pero equivalente, tiene la forma
x1 + x4 + 4x5 = −3
x2 − 3x4 − 2x5 = −1
x3 + x4 + x5 = 1.
De la forma reducida de [A b], concluimos que la 4 y la 5 columna de la matriz A no son

columnas pivote. Entonces se sigue que x4 y x5 son parámetros libres en las soluciones.
Decimos x4 = t y x5 = s, tal que
x1 = −t − 4s − 3, x2 = 3t + 2s − 1, x3 = −t − s + 1.
Todas las soluciones del sistema lineal dado Ax = b son

 
−t − 4s − 3
 3t + 2s − 1 
 
x= 
 −t − s + 1  para todo t ∈ R para todo s ∈ R.
 t 
s

89
Las soluciones se presentan en la forma:

     
−1 −4 −3
 3   2   −1 
     
x = t    
 −1  + s  −1  +  1

 para todo t ∈ R para todo s ∈ R.
 1   0   0 
0 1 0
Problema 2.4.2.
Considerar el sistema de ecuaciones lineales Ax = b con
   
1 2 k 2 1
A =  3 k 18 6  , b =  5 ,
1 1 6 2 1
donde k es un parámetro real inespecı́fico.
a) Encontrar todos los valores de k, de manera que el sistema sea consistente y dar
todas las soluciones.
b) Existen valores k para los cuales el sistema dado tenga solución única?

90
Solución 2.4.2.
a) La matriz aumentada para el sistema es
 
1 2 k 2 1
[A b] =  3 k 18 6 5 
1 1 6 2 1
Haciendo las operaciones fila elementales en la matriz aumentada, obtenemos las

siguientes matrices equivalentes por columnas [A b]:
 
1 2 k 2 1
[A b] ∼  0 k − 6 −3(k − 6) 0 2 
0 1 k−6 0 0
 
1 2 k 2 1
∼ 0 1 (k − 6) 0 0 
0 k − 6 −3(k − 6) 0 2
 
1 2 k 2 1
∼ 0 1 (k − 6) 0 0 .
0 0 −(k − 6)(k − 3) 0 2
El sistema Ax = b es consistente para todo k ∈ R\{3, 6}. Ası́, el sistema es

inconsistente si y sólo si k = 3 o k = 6. Vamos a resolver el sistema para valores
de k para los que sı́ sea consistente. Tenemos el siguiente sistema simplificado para
Ax = b con x = (x1 , x2 , x3 , x4 ):
x1 + 2x2 + kx3 + 2x4 = 1

x2 + (k − 6)x3 = 0
−(k − 6)(k − 3)x3 = 2.
Dado que la cuarta columna de A no es una columna pivote, sabemos que x4 puede
elegirse como un parámetro libre, x4 = t. Obtenemos
2(12 − k) 2 2
x1 = − 2t + 1, x2 = , x3 = − ,
(k − 6)(k − 3) k−3 (k − 6)(k − 3)
para que las soluciones del sistema dado sean

   2 
−2 k − 11k + 42
 0  1  2(k − 6) 
x = t 
 0  + (k − 6)(k − 3) 
  para todo t ∈ R para todo k ∈ R\{3, 6}.

−2
1 0
b) De la última forma [A b] dada en la parte a), que la 4a columna de A no es una

columna pivote, y este siempre es el caso para la elección de k. Ası́, dado el sistema
Ax = b no puede haber una única solución, para cualquier k.

91
PROBLEMAS,
92 TEORIA
CAPYÍTULO
SOLUCIONES
Problema 2.4.3.
Probar que cualquier sistema consistente, Ax = b con A una matriz m × n y b ∈ Rm ,
admitirá exactamente una solución o infinitas soluciones x ∈ Rn .
Solución 2.4.3.
Suponer que x1 ∈ Rn y x2 ∈ Rn son dos soluciones distintas para Ax = b. Esto es,
Ax1 = b, Ax2 = b.
Sea x0 la diferencia entre x1 y x2 , es decir,
x0 = x1 − x2 = 0.
Considerar Ax0 : obtener
Ax0 = A(x1 − x2 ) = Ax1 − Ax2 = b − b = 0
y concluimos que x0 es una solución de la ecuación homgénea Ax = 0.

Considerar ahora A(x1 + kx0 ), donde k es cualquier número real: obtenemos
A(x1 + kx0 ) = Ax1 + Akx0 = Ax1 + kAx0 = b + k 0 = b
para elección de k. Concluimos que x1 + kx0 da infinitas soluciones para Ax = b; una

solución para cada elección de k ∈ R. Ası́, si el sistema Ax = b admite más de una
solución, entonces este sistema siempre admitirá infinitas soluciones.
2.5 Sistemas cuadrados de ecuaciones lineales

Un sistema cuadrado de ecuaciones lineales es un sistema lineal de ecuaciones que con-
tiene tantas ecuaciones como variables. Para sistemas cuadrados de ecuaciones lineales, el
determinante de la matriz de coeficientes juega un papel central para las soluciones de los
sistemas.
Discutimos la regla de Cramer, por medio de la cual, ciertos sistemas cuadrados pueden
resolverse por determinantes.

Consideramos el sistema cuadrado de ecuaciones lineales
A x = b, (2.5.1)
donde A es una matriz n × n y b ∈ Rn .

92
2.5. SISTEMAS CUADRADOS DE ECUACIONES LINEALES 93
1. El sistema (2.5.1) puede resolverse usando el método de eliminación de Gauss. Ver

Puntualización teórica 2.4 para ver una descripción detallada del método.
2. El sistema (2.5.1) admite una solución única x ∈ Rn para cada b ∈ Rn si y sólo si A

es invertible. La única solución de (2.5.1) es entonces
x = A−1 b.
0. Entonces,
3. El sistema (2.5.1) admite una solución única si y sólo si det A =
si det A = 0 el sistema (2.5.1) puede admitir infinitas soluciones o puede que sea
inconsistente.
4. Si el sistema (2.5.1) es consistente, entonces su solución única puede calcularse con

la regla de Cramer, que dice lo siguiente:
Regla de Cramer:
Si det A = 0, entonces la única solución x = (x1 , x2 , . . . xn ) de (2.5.1) viene dada por
la fórmula
det Aj (b)
xj = , j = 1, 2, . . . , n,
det A
donde Aj (b) es la matriz obtenida a partir de A reemplazando la columna j-ésima en

A por el vector b. En el caso en que det A = 0, la regla de Cramer dice lo siguiente:
Si det A = 0 y det Aj (b) = 0 para algún j, entonces el sistema (2.5.1) es inconsistente.
Si det A = 0 y det Aj (b) = 0 para cada j = 1, 2, . . . , n, entonces el sistema (2.5.1)
admite soluciones infinitas.
Problema 2.5.1.
Considerar el sistema cuadrado de ecuaciones lineales Ax = b con
     
k 1 2 1 x1
A =  2 1 k  , b =  −7  , x =  x2  ,
k 0 1 3 x3
donde k es un valor real inespecı́fico.
a) Encontrar todos los valores de k para los que el sistema tenga solución única. Para
qué valores de k la matriz A es invertible?
b) Encontrar los valores de k, tales que el sistema admita infinitas soluciones y dar los
valores de k para los cuales el sistema sea inconsistente.

93
Solución 2.5.1.
a) Recordamos que un sistema cuadrado lineal Ax = b tiene una solución única si
y sólo si det A = 0 y entonces A es invertible. Calculando el determinante de A,
obtenemos

k 1 2

det A = 2 1 k = (k + 1)(k − 2).
k 0 1
Ası́, el sistema lineal tiene una única solución para todo k ∈ R\{−1, 2} y es
x = A−1 b
para todo k ∈ R\{−1, 2}.

94
b) Para encontrar los valores de k para los que el sistema lineal Ax = b admita infinitas
soluciones, tenemos que investigar los dos casos k = −1 y k = 2, pues el determinante
de A es cero para estos dos valores de k.
Para k = −1, la matriz aumentada del sistema es

   
−1 1 2 1 1 −1 −2 −1
 2 1 −1 −7  ∼  0 1 1 −2  .
−1 0 1 3 0 0 0 1
De la tercera fila de la matriz, se ve claro que el sistema es inconsistente para k = −1.
Para k = 2, la matriz aumentada del sistema es

   
2 1 2 1 2 1 2 1
 2 1 2 −7  ∼  0 0 0 8 .
2 0 1 3 0 −1 −1 2
De la segunda fila de la matriz, se ve que el sistema también es inconsistente en el

caso (k = 2).
Recordamos que el sistema dado tiene solución única para todo k ∈ R\{−1, 2} y
que el sistema es inconsistente para k = −1 y k = 2. Entonces, no existe un valor
real de k para el cual el sistema admita soluciones infinitas.
Problema 2.5.2.
Considerar el siguiente sistema lineal
    
1 k 1 x1 k
 k 1 1   x2  =  2  ,
−3 0 −1 x3 −2
a) Encontrar los valores de k para los que el sistema lineal tenga una única solución y
encontrarla utilizando la regla de Cramer.
b) Encontrar los valores de k para los que el sistema lineal sea inconsistente y todos
aquellos valores de k para los que el sistema admita infinitas soluciones. Encontrar
todas las soluciones.

95
Solución 2.5.2.
a) Nos dan el sistema Ax = b, donde
   
1 k 1 k
A= k 1 1  y b =  2 .
−3 0 −1 −2
El determinante de A es
det A = k2 − 3k + 2 = (k − 1)(k − 2)
de manera que A es invertible si y sólo si k ∈ R\{1, 2}. El sistema tiene entonces

una única solución para todos los k reales, excepto para k = 1 o k = 2. Encontrar
esta única solución utilizando la regla de Cramer y calcular
det Aj (b)
xj = , j = 1, 2, 3.
det A
Obtenemos

k k 1

det A1 (b) = 2 1 1 =2−k

−2 0 −1

1 k 1

det A2 (b) = k 2 1 = (k − 2)(k − 3)

−3 −2 −1

1 k k

det A3 (b) = k 1 2 = 2k 2 − 3k − 2 = (2k + 1)(k − 2).

−3 0 −2
Ası́, la única solución del sistema dado es x = (x1 , x2 , x3 ), donde
1 k−3 2k 2 − 3k − 2 (2k + 1)(k − 2) 2k + 1

x1 = − , x2 = , x3 = = = .
k−1 k−1 (k − 1)(k − 2) (k − 1)(k − 2) k−1
Aquı́ k es un número real, excepto k = 1 o k = 2. Para k = 2, vemos que
det A = 0 y det Aj (b) = 0 para j = 1, 2, 3.
Por tanto, por la regla de Cramer, el sistema admite infinitas soluciones para k = 2.
Para k = 1, tenemos
det A = 0 y det Aj (b) = 0 para j = 1, 2, 3.
Entonces, por la regla de Cramer, el sistema es inconsistente para k = 1.

96
b) La matriz aumentada del sistema es

 
1 k 1 k
[A b] =  k 1 1 2 .
−3 0 −1 −2
Multiplicamos la primera fila por −1 y la sumamos con la segunda, para obtener

una matriz equivalente por filas
 
1 k 1 k
 k − 1 1 − k 0 2 − k ,
−3 0 −1 −2
por la que queda claro que el sistema es inconsistente si y sólo si k = 1. Para k = 2

la matriz aumentada tiene la siguiente forma reducida:
 
1 0 1/3 2/3
 0 1 1/3 2/3  .
0 0 0 0
La 3a columna no es una columna pivote, por tanto, podemos elegir un x3 arbitrario.

Sea x3 = t. Entonces las soluciones del sistema para k = 2 son

  
1 2
t  1 
x=− 1 + 2 para todo t ∈ R.
3 3
−3 0
Problema 2.5.3.
Considerar las siguientes matrices 4 × 4:
 
1 1 0 k
 2k 1 1 0 
A=  0 0 −1
,
1 
1 1 1 −2
a) Considerar el sistema lineal homogéneo
Ax = 0,
donde x ∈ R4 . Encontrar los valores de k para los que el sistema admita sólo la
solución (cero) trivial, y los valores de k para los cuales el sistema admita infinitas
soluciones.

97
b) Considerar el sistema lineal no homogéneo


1
 0 
Ax = b, b= 
 1 .
0
Encontrar los valores de k para los que el sistema admita infinitas soluciones x ∈ R4
y especificarlas. También encontrar los valores de k para los cuales el sistema admita
una única solución, y aquellos valores de k para los que el sistema sea inconsistente.

98
Solución 2.5.3.
a) Recordar que el sistema cuadrado Ax = 0 admite sólo la solución cero x = 0, si y
sólo si A es una matriz invertible. Además, A es invertible si y sólo si det A = 0.
Por tanto, calculamos el determinante de A:

1 1 0 k

2k 1 1 0
det A =
0 0 −1 1
1 1 1 −2

1 1 0 2k 1 0 2k 1 1

= 1 0 −1 1 − 0 −1
1 − k 0 0 −1

1 1 −2 1 1 −2 1 1 1
= −2k2 − k + 1
= −(k + 1)(2k − 1).
De las expresiones anteriores, concluimos que Ax = 0 admite sólo la solución cero

para todo k ∈ R\{−1, 1/2} y que el sistema admite infinitas soluciones para k = −1
y k = 1/2.
b) Como A es invertible para todo k ∈ R\{−1, 1/2}, el sistema tiene una única solución
para todos los valores de k
x = A−1 b.
Dado que det A = 0 para k = −1 y para k = 1/2, tenemos que investigar el sistema
Ax = b para esos valores de k. Sea
 
x1
 x2 
x= 
 x3  .
x4
Para k = −1 la matriz aumentada y su forma reducida son:

   
1 1 0 −1 1 1 0 0 −2/3 0
 −2 1 1 
0 0   0 1 0 −1/3 1 
 ∼ .
 0 0 −1 1 1   0 0 1 −1 −1 
1 1 1 −2 0 0 0 0 0 0
Dado que la 4a columna de la matriz aumentada no es pivote, hacemos x4 = t, donde

t es un parámetro arbitrario. Entonces, las soluciones son
   
2 0
t 1   
 +  1  para todo t ∈ R.
x= 
3  3   −1 
3 0

99
Para k = 1/2 la matriz aumentada y su forma reducida son:

   
1 1 0 1/2 1 1 1 0 0 1
 1 1 1 0 0   0 0 1 0 −1 
 ∼ .
 0 0 −1 1 1   0 0 0 1 0 
1 1 1 −2 0 0 0 0 0 0
Dado que la 2a columna de la matriz aumentada no es pivote, hacemos x2 = t, donde

t es un parámetro arbitrario. Entonces las soluciones son
   
−1 1
 1   0 
x = t  
 0  +  −1

 para todo t ∈ R.
0 0
Concluimos que el sistema tiene infinitas soluciones para ambos k = 1 y k = 1/2 y

tiene solución única para el resto de valores de k. Esto quiere decir que no existen
valores de k para los cuales el sistema es inconsistente.
2.6 Sistemas de ecuaciones lineales en R3

En esta sección estudiamos sistemas de ecuaciones lineales que contienen al menos tres
variables. Geométricamente, estas ecuaciones son planos en R3 , como discutidas en el
Capı́tulo 1. Para su estudio hacemos uso del método de eliminación de Gauss, determi-
nantes de matrices cuadradas y nuestro conocimiento de planos adquirido en el Capı́tulo
1.

La ecuación general de un plano en R3 es
ax + by + cz = d, (2.6.1)
donde a, b, c y d son números reales. Todos los puntos (x, y, z) en R3 que estén en
este plano deben satisfacer la ecuación (2.6.1). Considerar ahora m planos en R3 dados,
respectivamente, por el siguiente sistema de m ecuaciones:
a11 x + a12 y + a13 z = d1

a21 x + a22 y + a23 z = d2
..
.
am1 x + am2 y + am3 z = dm .
Este sistema de ecuaciones puede reescribirse como una ecuación matricial
Ax = d, (2.6.2)

100
2.6. SISTEMAS DE ECUACIONES LINEALES EN R3 101
donde
   
a11 a12 a13 d1  
 a21 a22 a23   d2  x
   
A= .. .. .. , d= .. , x =  y .
 . . .   . 
z
am1 am2 am3 dm
1. Dado un número finito de planos en R3 , sólo existen cuatro posibilidades en cuanto

a su intersección común,
a) todos los planos intersecan en un punto común;
b) todos los planos intersecan en una recta común;
c) no todos los planos intersecan en un punto común o una recta común;
d) todos los planos coinciden.
Puntualización: Si nos dieran dos planos (m = 2), entonces el caso a) no

serı́a una opción.
2. A partir de los cuatro posibles casos anteriores sobre la intersección de planos m,
tenemos las siguientes posibilidades para las soluciones x ∈ R3 del sistema (2.6.2):
a) si todos los planos intersecan en un punto común, entonces el sistema (2.6.2)
tiene una solución única;
b) si todos los planos intersecan en una lı́nea común, el sistema (2.6.2) admite
infinitas soluciones con un parámetro libre
c) si los planos no intersecan en un punto o recta común, entonces el sistema es
inconsistente y no tiene soluciones;
d) si los planos coinciden, entonce el sistema tiene infinitas soluciones con dos
parámetros.
Puntualización: Si sólo nos dieran dos planos, entonces el sistema (2.6.2) con
m = 2 o no tiene soluciones (no intersecan), o tiene infinitas soluciones con
un sólo parámetro (intersección a lo largo de una lı́nea), o infinitas soluciones
con dos parámetros libres (los dos planos coinciden).
Problema 2.6.1.
Considerar los siguientes tres planos en R3 :
x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k,
donde k es un parámetro real inespecı́fico. Encontrar los valores de k, tales que los tres
planos intersequen en una recta común y dar en forma paramétrica. Existen valores
de k para los cuales los tres planos intersequen en un punto común? Explicar.

101
PROBLEMAS,
102 TEORIA
CAPY ÍTULO
SOLUCIONES
Solución 2.6.1.
a) Primero escribimos las ecuaciones dadas,
x − 4y + 7z = 1
3y − 5z = 0
−2x + 5y − 9z = k
como ecuación matricial, es decir.
     
1 −4 7 x 1
Ax = b, donde A =  0 3 −5  , x =  y , b =  0 .
−2 5 −9 z k
La matriz aumentada
     
1 −4 7 1 1 −4 7 1 1 0 1/3 1
[A b] =  0 3 −5 0  ∼  0 3 −5 0  ∼  0 1 −5/3 0 .
−2 5 −9 k 0 −3 5 k+2 0 0 0 k+2
La forma reducida [A b], concluimos que el sistema Ax = b es consistente si y sólo si
k = −2 y para este valor de k el sistema admite infinitas soluciones. Eligiendo z = t como
un parámetro arbitario, estas soluciones son
1 5
x = − t + 1, y = t, z = t para todo t ∈ R.
3 3
Ası́, para todo k ∈ R\{−2} los tres planos intersecan en una lı́nea común , es decir,

 1

 x=− t+1

 3
: 5
 y= t

 3


z = t para todo t ∈ R.
La figura 2.1 muestra la intersección de tres planos en una lı́nea para k = −2.
Figura 2.1: La intersección de tres planos en el Problema 2.6 a) a lo largo de la lı́nea

para k = −2.

102
Para los valores k ∈ R\{−2}, el sistema es inconsistente. La Figura 2.2 muestra tres
planos para el caso k = 6 y vemos que los planos no interseccionan en una lı́nea o punto
común.
Figura 2.2: No hay intersección común de los planos en el Problema 2.6 a) para k = 6.
Concluimos que no existe un valor de k para el cual el sistema admita una única solución.
Es decir, no existen valores de k para los cuales los tres planos intersecan en un punto
común.
Challenge the way we run
EXPERIENCE THE POWER OF

FULL ENGAGEMENT…
RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM
1349906_A6_4+0.indd 1 22-08-2014 12:56:57

103
Problema 2.6.2.
Considerar los siguientes cuatro planos en R3 :
x+y =2
y+z =2
x+z =2
ax + by + cz = 0,
donde a, b y c son parámetros reales inespecı́ficos.
a) Encontrar condiciones para los parámetros a, b y c, tales que los cuatro planos
interseccionen en un punto común.
b) Encontrar que la condición en los parámetros a, b y c, para que el sistema dado de

cuatro ecuaciones sea inconsistente. Dar la interpretación geométrica en términos
de la intersección de planos.
c) Existen valores de los parámetros a, b y c para los cuales los cuatro planos intersec-
cionen en una lı́nea común? Explicar.
Solución 2.6.2.
a) Primer escribimos las ecuaciones dadas,
x+y =2
y+z =2
x+z =2
ax + by + cz = 0,
en forma de una ecuación matricial,

   
1 1 0   2
 0 x
1 1   2 
Ax = b, donde A = 
 1
, x =  y , b= 
 2 .
0 1 
z
a b c 0
La matriz aumentada es
 
1 1 0 2
 0 1 1 2 
[A b] = 
 1
.
0 1 2 
a b c 0

104
Para escribir la matriz aumentada en su forma reducida, es conveniente concentrarse

primeramente en las tres primeras filas de [A b] y después utilizar los parámetros de
la fila cuatro. Obtenemos
     
1 1 0 2 1 0 0 1 1 0 0 1
 0 1 1 2   0 1 0 1   0 1 0 1 
     .
 1 0 1 2 ∼ 0 0 1 1 ∼ 0 0 1 1 
a b c 0 a b c 0 0 0 0 a+b+c
De la cuarta fila de la matriz anterior, concluimos que el sistema Ax = b es consis-

tente si y sólo si se satisface la condición
a+b+c=0
y, bajo esta condición, la única condición del sistema es
x = 1, y = 1, z = 1.
Entonces el punto común de intersección de los cuatro planos dados es (1, 1, 1) para
todos los valores de a, b y c, tal que a + b + c = 0.
b) El sistema dado Ax = b, como se describe más arriba, es inconsistente para todos

los valores de a, b y c, tal que
a + b + c = 0.
Esto significa que, para todos los valores de a, b y c, los cuatro planos no intersecarán
en un punto común o a lo largo de una recta común.
c) Como ya hemos concluido más arriba, el sistema admite una única solución para
todos aquellos valores de a, b y c que satisfagan la condición a+b+c = 0 y el sistema
es inconsistente para todos los demás valores de a, b y c. Entonces, no existen valores
de a, b y c que admitan infinitas soluciones para el sistema, de manera que no existen
valores para los cuales los cuatro planos intersequen a lo largo de una recta común.
Problema 2.6.3.
Considerar los siguientes cuatro planos en R3 :
Π1 : 2x + 4y + 2z = 12s
Π2 : 2x + 12y + 7z = 12s + 7
Π3 : x + 10y + 6z = 7s + 8
Π4 : x + 2y + 3z = −1,
donde s es un parámetro real inespecı́fico.

105
a) Encontrar todos los valores de s, tales que los tres primeros planos Π1 , Π2 y Π3 ,
intersequen a lo largo de una recta común y y dar la recta de intersección de forma
paramétrica.
b) Encontrar el punto común de intersección de los cuatro planos, Π1 , Π2 , Π3 y Π4 , si

existe tal punto.
This e-book
is made with SETASIGN
SetaPDF
PDF components for PHP developers
www.setasign.com

106
Solución 2.6.3.
a) Los planos Π1 , Π2 y Π3 pueden escribirse en la forma Ax = b, donde
     
2 4 2 12s x
A =  2 12 7  , b =  12s + 7  , x =  y  .
1 10 6 7s + 8 z
Ahora podemos escribir la matriz aumentada [A b] y su forma reducida:

   
2 4 2 12s 1 0 −1/4 (24s − 7)/4
[A b] =  2 12 7 12s + 7  ∼  0 1 5/8 7/8 .
1 10 6 7s + 8 0 0 0 s+1
Concluimos que el sistema es consistente si y sólo si s = −1. Entonces, el sistema se

reduce a
5 7 1 31
y+ z= , x− z =− .
8 8 4 4
Claramente, z es un parámetro arbitrario ası́ hacemos z = t. La solución es entonces
1 31 5 7
x= t− , y =− t+ , z=t para todo t ∈ R,
4 4 8 8
de manera que la ecuación paramétrica para la recta , que describe la intersección
de los planos Π1 , Π2 y Π3 para s = −1, es

 1 31

 x= t−

 4 4
: 5 7

 y =− t+

 8 8

z=t para todo t ∈ R.
Notar que los planos Π1 , Π2 y Π3 sólo interseccionan a lo largo de esta recta común
si s = −1. Para el resto de valores de s, es decir s ∈ R\{−1}, los planos no
intersecan en una lı́nea común.
b) Para encontrar la intersección de Π4 con la recta obtenida en la parte a) arriba,

tenemos que encontrar el valor de t tal que Π4 : x + 2y + 3z = −1 se satisfaga. Esto
es,

31 1 7 5
− + t+2 − t + 3t = −1,
4 4 8 8
5
que nos da t = . El punto de intersección de Π1 , Π2 , Π3 y Π4 es entonces
2
(x1 , y1 , z1 ), donde

1 5 31 57 5 5 7 11 5
x1 = − = − , y1 = − + = − , z1 = .
4 2 4 8 8 2 8 16 2

107
57 11 5
En la Figura 2.3 mostramos la intersección de los cuatro planos en un punto (− , − , ).
8 16 2
Figura 2.3: La intersección de los cuatro planos en el Problema 2.6 c) para s = −1.
Problema 2.6.4.
Considerar los siguientes seis planos que describen el paralelepı́pedo en su intersección

(ver Figura 2.4):
Π1 : x + y − 4z = −10
Π2 : x + y − 4z = −6
Π3 : y − 2z = −2
Π4 : y − 2z = −3
Π5 : x − 3y + 8z = 18
Π6 : x − 3y + 8z = 14.

108
Figura 2.4: Seis planos que describen un paralelepı́pedo en su intersección.
Encontrar los vértices, el volumen y el punto medio del paralelepı́pedo.
Free eBook on
Download Now

109
Solución 2.6.4.
Las ecuaciones de los planos Πj y sus vectores normales correspondientes nj (j = 1, 2, . . . , 6)
que describen las seis caras del paralelepı́pedo en la Figura 2.5, son los siguientes:
Π1 : x + y − 4z = −10, n1 = (1, 1, −4)

Π2 : x + y − 4z = −6 n2 = (1, 1, −4)
Π3 : y − 2z = −2, n3 = (0, 1, −2)
Π4 : y − 2z = −3 n4 = (0, 1, −2)
Π5 : x − 3y + 8z = 18, n5 = (1, −3, 8)
Π6 : x − 3y + 8z = 14, n6 = (1, −3, 8).
Figura 2.5: El paralelepı́pedo formado por los seis planos Π1 , Π2 , Π3 , Π4 , Π5 and Π6 .
Las coordenadas del vértice P1 : (x1 , y1 , z1 ) vienen dadas por la intersección de los planos
Π1 , Π4 y Π6 (ver Figura 2.5). Escribimos
P1 : Π1 ∩ Π4 ∩ Π6 .
Se obtiene de la solución única del sistema lineal
A1 x1 = b1 ,
donde
   
1 1 −4 −10
A1 =  0 1 −2  , b1 =  −3  .
1 −3 8 14

110
Vemos que el det A1 = 4, que asegura la existencia de una única solución para el sistema
lineal, es decir, la solución x1 = A−1
1 b1 . Obtenemos
 
−1
x1 =  3  .
3
Las coordenadas del vértice P2 : (x2 , y2 , z2 ) viene dado por los siguientes planos secantes
(ver Figura 2.5):
P2 : Π1 ∩ Π4 ∩ Π5 .
Se obtiene por la única solución del sistema lineal
A2 x2 = b2 ,
donde
   
1 1 −4 −10
A2 =  0 1 −2  , b2 =  −3  .
1 −3 8 18
Ahora det A2 = 4, que de nuevo garantiza la existencia de una única solución para este
sistema lineal. Obtenemos
 
1
x2 =  5  .
4
Las coordenadas del vértice P3 : (x3 , y3 , z3 ) vienen dadas por los siguientes planos inter-
secantes (ver Figura 2.5):
P3 : Π1 ∩ Π3 ∩ Π5 .
De la única solución del sistema lineal se obtiene
A3 x3 = b3 ,
donde
   
1 1 −4 −10
A3 =  0 1 −2  , b3 =  −2  .
1 −3 8 18
Ahora, det A3 = 4, nos garantiza de nuevo la existencia de una única solución para este
 
2
x3 =  8  .
5
P4 : Π1 ∩ Π3 ∩ Π6 .

111
Se obtiene por la solución única del sistema lineal
A4 x 4 = b 4 ,
donde
   
1 1 −4 −10
A4 =  0 1 −2  , b4 =  −2  .
1 −3 8 14
Ahora det A4 = 4, que de nuevo nos garantiza la existencia de una solución única para
este sistema lineal. Obtenemos
 
0
x4 =  6  .
4
P5 : Π2 ∩ Π4 ∩ Π6 .
Se obtiene por la solución única del sistema lineal
A5 x5 = b5 ,
donde
   
1 1 −4 −6
A5 =  0 1 −2  , b5 =  −3  .
1 −3 8 14
Ahora det A5 = 4, que de nuevo nos garantiza la existencia de una única solución para el
 
1
x5 =  1  .
2
(ver Figura 2.5):
P6 : Π2 ∩ Π4 ∩ Π5 .
A6 x6 = b6 ,
donde
   
1 1 −4 −6
A6 =  0 1 −2  , b6 =  −3  .
1 −3 8 18

112
Ahora det A6 = 4, que de nuevo garantiza la existencia de una solución única para el
 
3
x6 =  3 .
3
(ver Figura 2.5):
P7 : Π2 ∩ Π3 ∩ Π5 .
Se obtiene por la única solución de sistema lineal
A7 x7 = b7 ,
donde
   
1 1 −4 −6
A7 =  0 1 −2  , b7 =  −2  .
1 −3 8 18
 
4
x7 =  6  .
4
P8 : Π2 ∩ Π3 ∩ Π6 .
A8 x8 = b8 ,
donde
   
1 1 −4 −6
A8 =  0 1 −2  , b8 =  −2  .
1 −3 8 14
 
2
x8 =  4  .
3
Resumimos: las coordenadas de los vértices del paralelepı́pedo son las siguientes (ver
Figura 2.5):
P1 : (−1, 3, 3) P2 : (1, 5, 4), P3 : (2, 8, 5), P4 : (0, 6, 4)
P5 : (1, 1, 2), P6 : (3, 3, 3), P7 : (4, 6, 4), P8 : (2, 4, 3).

113
El volumen V del paralelepı́pedo viene dado por el siguiente triple producto escalar
−−−→ −−−→ −−−→
V = | P5 P8 × P5 P6 · P5 P1 |,
donde | | denota el valor absoluto y

−−−→ −−−→ −−−→
P5 P8 = (1, 3, 1), P5 P6 = (2, 2, 1), P5 P1 = (−2, 2, 1).
Obtenemos

1 3 1

V = | 2 2 1 | = | − 4| = 4 unidades cúbicas
−2 2 1
Para encontrar el punto medio Q : (x, y, z) del paralelepı́pedo podemos considerar, por
ejemplo, los vértices P5 y P3 , donde
−−→ 1 −−−→
P5 Q = P5 P3
2
     
x 1 1
 y  −  1  = 1  7 .
2
z 2 3
3 9 7
Las coordenadas del punto medio Q son entonces Q : ( , , ).
2 2 2
Para encontrar la altura h del paralelepı́pedo con plano base Π2 , proyectamos el vector
−−−→
P5 P1 ortogonalmente sobre el vector normal n2 = (1, 1, −4) de Π2 , es decir,
−−−→ √
−−−→ P5 P1 · n2 2 2 8 2 2
h = proj n2 P5 P1 = n2 = (− , , ) = .
n2 · n2 9 9 9 3
De forma alternativa, podemos calcular la distancia s entre los planos Π1 and Π2 , que
viene dado por la relación
|d1 − d2 |
s= ,
n
para Π1 : ax + by + cz = d1 y Π2 : ax + by + cz = d2 (ver Puntualización teórica 1.5).

En nuestro caso tenemos
a = 1, b = 1, c = −4, d1 = −10, d2 = −6, n = (1, 1, −4).

√
| − 10 − (−6)| 4 2 2
Esto nos lleva a s = √ =√ = .
1 + 1 + 16 18 3

114
2.7. INTERSECCIÓN DE RECTAS EN R3 115
2.7 Intersección de rectas en R3

En esta sección discutimos las intersecciones de rectas en R3 y enseñamos cómo calcular
la intersección.

Dadas dos rectas en R3 , decimos que 1 y 2 pueden tener las siguientes formas de inter-
secarse:
a) 1 y 2 pueden intersecar en un único punto común.
b) 1 y 2 pueden intersecar en cada punto de 1 y 2 , de manera que las dos rectas

coinciden.
c) 1 y 2 pueden no intersecar en ningún punto.
Puntualización: Dado un número de rectas en R3 , sus posibilidades de intersección son

las mismas que hemos nombrado anteriormente para las dos rectas.
www.sylvania.com
We do not reinvent
light.
light every day.
Light is OSRAM

115
EN
116ALGEBRA LINEAL
CAPÍTULO 2. ALGEBRA Algebra
MATRICIAL matricial y ÓN
Y ELIMINACI eliminacion
DE GAUSSde Gauss
Problema 2.7.1.
Considerar las dos rectas en R3 :
 

 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y = bs + 3

 


 z = 2t + 2 
 z = −s − 1
para todo t ∈ R y todo s ∈ R, donde b es un parámetro real inespecı́fico.
a) Encontrar los valores de b, tales que las rectas 1 y 2 intersequen.
b) Intersecan las lı́neas para b = 1? Si es ası́, encontar la intersección en este caso.
Solución 2.7.1.
a) En cualquier punto donde 1 y 2 intersequen, deben existir valores paramétricos para
t y s para las coordenadas del punto de intersección . Para encontrar los puntos,
consideramos
x = 2t + 3 = −s
y = −4t + 1 = bs + 3
z = 2t + 2 = −s − 1.
Tenemos
2t + 3 = −s
−4t + 1 = bs + 3
2t + 2 = −s − 1
y en forma matricial tenemos

   
2 1 −3
 −4 −b  t =  2  .
s
2 1 −3
La matriz aumentada correspondiente es

 
2 1 −3
 −4 −b 2 .
2 1 −3
Ahora hacemos dos operaciones filas elementales a la ecuación de la matriz aumen-

tada

116
1: multiplicamos la primera fila por 2 y sumamos la fila resultante a la segunda fila;

2: multiplicamos la primera fila por −1 y y sumamos la fila resultante a la tercera.
Nos conduce a la siguiente forma:
 
2 1 −3
 0 2 − b −4 
0 0 0
de donde concluimos que el sistema tiene una solución para t y s si y sólo si
b = 2.
Entonces, las dos rectas 1 y 2 se cortan si y sólo si
b ∈ R\{2}.
Para tales valores de b, tenemos
2 − 3b 4
t= , s= .
2(b − 2) b−2
Introduciendo los valores de t y s en 1 o 2 , obtenemos las coordenadas x-, y- y z

del punto de intersección para cualquier b ∈ R\{2}, es decir
−4 7b − 6 b+2
x= , y= , z=− .
b−2 b−2 b−2
b) Para b = 1, las rectas 1 y 2 se cortan y los valores paramétricos de t y s son (ver

más arriba)
1
t= , s = −4.
2
Introduciendo estos valores de t y s en 1 o 2 obtenemos las coordenadas del punto
de intersección, que es
(4, −1, 3).
Problema 2.7.2.
Considerar las siguientes tres lı́neas en R3 :
  

 x = −t + 3 
 x = 3s + 3 
 x = −4p + 8

 
 

1 : y = 2t + 1 2 : y = −6s + 1 3 : y =p+2

 
 


 z = −t + 2 
 z = 3s + 2 
 z = 2p − 1
para todo t ∈ R, todo s ∈ R y todo p ∈ R.

117
a) Encontrar la intersección de las rectas 1 y 2 , si las rectas interseccionan.
b) Encontrar las intersecciones de las rectas 1 , 2 y 3 , si se cortan.
Solución 2.7.2.
a) Para encontrar la intersección de las rectas 1 y 2 consideramos
x = −t + 3 = 3s + 3
y = 2t + 1 = −6s + 1
z = −t + 2 = 3s + 2,
de manera que
−t − 3s = 0
2t + 6s = 0
−t − 3s = 0.
En forma matricial tenemos

   
−1 −3 0
 2  t 
6 = 0 .
s
−1 −3 0
Para la matriz aumentada correspondiente, tenemos

   
−1 −3 0 1 3 0
 2 6 0  ∼  0 0 0 ,
−1 −3 0 0 0 0
lo que significa que
t = −3s para todo s ∈ R.
Ası́, para cada valor de s ∈ R para 2 existe un valor de t para 1 , es decir t = −3s,
que da las mismas coordenadas y el punto de intersección entre 1 y 2 . Las dos
rectas, 1 y 2 , entonces interseccionan en cada punto 1 (o 2 ), de manera que las
dos rectas de hecho coinciden.
b) Dado que 1 y 2 coinciden (como se establece más arriba), ahora buscamos la

intersección entre 1 y 3 . Consideramos
x = −t + 3 = −4p + 8
y = 2t + 1 = p + 2
z = −t + 2 = 2p − 1,

118
de manera que la ecuación matricial toma la forma

   
−1 4 5
 2 −1  t
=  1 .
p
−1 −2 −3
La matriz aumentada correspondiente

     
−1 4 5 1 −4 −5 1 −4 −5
 2 −1 1 ∼ 0 7 11  ∼  0 1 11/7  ,
−1 −2 −3 0 −6 −8 0 0 1
muestra que el sistema es inconsistente. Entonces, no existen valores de t y p que

den el mismo punto, de manera que no hay intersección entre 1 y 3 . Las tres rectas,
1 , 2 y 3 , no se cortan en un punto común.
360°
thinking .
360°
thinking . 360°
thinking .
Discoverfree
Download theeBooks
119
2.8 Ejercicios
1. Considerar la ecuación matricial
AX −1 + 3B = A2 ,
donde

1 −1 2 1
A= , B=
0 3 1 1
y X es una matriz invertible 2 × 2. Encontrar X, tal que la ecuación matricial dada

se satisfaga.

−2/17 −5/17
[Respuesta: X = .]
−1/17 6/17
2X + AX = 3B,
donde

1 3
A=
−1 −2
y X es una matriz inespecı́fica.

a) Para una ecuación matricial dada, suponemos que

3 1
B=
−3 2
y encontramos la matriz X.

9 −6
[Respuesta: X = .]
−6 7
b) Para una ecuación matricial dada, suponemos que

1 −1 −2
B=
−1 1 3
y encontramos la matriz X.

3 −3 −9
[Respuesta: X = .]
−2 2 7

120
2.8. EJERCICIOS
PROBLEMAS, TEORIA Y SOLUCIONES 121
C −1 (XB − A)B −1 = X,
donde B, C y In − C son matrices invertibles n × n. Encontrar la matriz X que

satisfaga la ecuación matricial en términos de otras matrices dadas y en términos de
la matriz identidad In .
[Respuesta: X = (In − C)−1 AB −1 . ]
AX −1 + (X + B)−1 = X −1 ,
donde A, B, X, X + B, A−1 − In and A − In son todas n × n matrices invertibles.
a) Resolver la ecuación matricial para X.
[Respuesta: X = B(A−1 − In ). ]
b) Resolver la matriz dada para X, donde A y B toman la siguiente forma explı́cita

1 −1 2 1
A= , B= .
1 0 1 1

−3 2
[Respuesta: X = .]
−2 1
5. Considerar la siguiente matriz:

 
a 2 3
A= 1 0 −1  ,
−1 3 a + 6
donde a es un parámetro real inespecı́fico.
a) Encontrar todos los valores de a, tales que la matriz A sea invertible.
[Respuesta: a ∈ R\{1}. ]

121
b) Calcular la inversa de A con a = 0.
 
−3 3 2
[Respuesta: A−1 =  5 −3 −3  . ]
−3 2 2
6. Encontrar todas las soluciones del sistema Ax = b para una matriz A y el vector b.
Dar también la interpretación geométrica de las soluciones.
   
1 −2 −1 1
a) A =  2 −2 0 , b =  2 .
−2 8 5 1
 solución viene dada por un punto R , cuyas coorde-

[Respuesta:  La única 3
4
nadas son x =  3 . ]
−3
   
1 −2 −1 1
b) A =  2 −2 0 , b =  3 .
−2 8 6 0
[Respuesta: Las soluciones vienen dadas por una recta R3 que pasa por el
punto (3/2, 0, 1/2) y que es paralela al vector (1, 1, −1), es decir, las infinitas
soluciones son
   
1 3/2
x = t  1  +  0  para todo t ∈ R. ]
−1 1/2

1 −1 2 1
c) A = , b= .
−2 2 −4 −2
[Respuesta: Las soluciones vienen dadas por un plano en R3 con ecuación

x1 − x2 + 2x3 = 1, es decir, las infinitas soluciones son
       
x1 1 −2 1
x =  x2  = t  1  + s  0  +  0  para todo t ∈ R y todo s ∈ R. ]
x3 0 1 0
   
1 −1 2 1
d) A =  1 1 4 , b =  1 .
−3 3 −6 0

122
2.8. EJERCICIOS
EN ALGEBRA LINEAL
123
Algebra matricial y eliminacion de Gauss
[Respuesta: El sistema es inconsistente. ]
7. Encontrar la solución de los siguientes dos planos en R3 :
Π1 : x − y + 3z = 1
Π2 : x + y + 2z = 10.
[Respuesta: Los planos se cortan a lo largo de la siguiente recta:



 x = −5t + 28


: y=t



 z = 2t − 9 para todo t ∈ R. ]
We will turn your CV into

an opportunity of a lifetime
Do you like cars? Would you like to be a part of a successful brand? Send us your CV on
We will appreciate and reward both your enthusiasm and talent. www.employerforlife.com
Send us your CV. You will be surprised where it can take you.

123
8. Encontrar la intersección de los siguientes tres planos en R3 :
Π1 : x + 3y − 5z = 0
Π2 : x + 4y − 8z = 0
Π3 : −2x − 7y + 13z = 0.
[Respuesta: Los tres planos intersecan a lo largo de la recta



 x = −4t


: y = 3t



 z=t para todo t ∈ R. ]
9. Considerar los siguientes tres planos R3 :
Π1 : x1 − 4x2 + 7x3 = 1
Π2 : 3x2 − 5x3 = 0
Π3 : −2x1 + 5x2 − 9x3 = k,
a) Encontrar los valores de k tal que los tres planos se corten en una recta común
y dar la recta de intersección en forma paramétrica.
[Respuesta: Los tres planos se cortan a lo largo de una recta común si y

sólo si k = −2, donde viene dada por


 x1 = −t/5 + 1


: x2 = t



 x3 = 3t/5 para todo t ∈ R. ]
b) Para qué valores de k los tres planos intersecan en un punto?
[Responder: No existe un valor de k para el cual los tres planos intersequen

en un único punto. ]

124
2.8. EJERCICIOS 125
10. Encontrar todas las soluciones del siguiente sistema:
x3 + 2x5 = 1
x1 + 6x2 + 2x3 + 4x5 = −1
x4 + 5x5 = 2.
       
x1 −6 0 −3
 x2   1   0   0 
       
[Respuesta:  x3  = t  0  + s 
      
 −2  +  1 
 x4   0   −5   2 
x5 0 1 0
para todo t ∈ R y para todo s ∈ R. ]
11. Considerar el siguiente sistema:
x1 + x3 + 2x4 = 1
2x1 + kx2 + x3 + x4 = 2
3x2 + x3 + 2x4 = 3
x1 + x2 + x4 = 4,
a) Encontrar los valores de k, tales que el sistema tenga una única solución.
[Respuesta: k ∈ R\{−7}. ]
b) Encontrar los valores de k, tales que el sistema dado tenga infinitas soluciones.
[Respuesta: No existen valores de k para los cuales el sistema admita infinitas

soluciones. ]
c) Encontrar los valores de k, tal que el sistema dado sea consistente.
[Respuesta: k = −7. ]
d) Encontrar los valores de k para los cuales el coeficiente de la matriz del sistema
sea singular
[Respuesta: k = −7. ]

125
12. Considerar el siguiente sistema:
x 1 + x2 + x3 = a
3x1 + kx3 = b
x1 + kx2 + x3 = c,
donde a, b, c y k son parámetros reales inespecı́ficos.
a) Encontrar todos los valores de k, de manera que el sistema dado tenga una
única solución para todos los valores reales de a, b y c.
[Respuesta: k ∈ R\{1, 3}. ]
b) Encontrar todos los valores de k y las condiciones correspondientes para a, b y

c, tal que el sistema sea consistente.
[Respuesta: De la Parte a), sabemos que el sistema tiene una única solución
(y es consistente) para todo k ∈ R\{1, 3} y todos los valores reales de a, b y
c. Para k = 1 el sistema tiene infinitas soluciones (y es consistente) si y sólo si
c = a para todo c ∈ R. Para k = 3 el sistema tiene infinitas soluciones (y es
consistente) si y sólo si c = 3a − 2b/3 para todo a ∈ R y todo b ∈ R. ]
13. Considerar la siguiente ecuación matricial:

1 1 0 1 1 2
X − X= ,
−1 1 α −α −1 3
donde X es una matriz inespecı́fica 2 × 2. Determinar todos los valores reales de α,

de manera que la ecuación matricial tenga una única solución para X.
[Respuesta: α ∈ R\{−2}. ]
14. a) Considerar la función

f (x) = ax3 + bx2 + cx + d,
donde a, b, c y d son parámetros reales inespecı́ficos. Encontrar los valores de
esos parámetros tales que el grafo y = f (x) pase por los puntos del plano xy:
{(1, 1), (−1, 1), (2, 2), (−2, 12)}.
[Respuesta: a = −5/6, b = 2, c = 5/6, d = −1. ]

126
2.8. EJERCICIOS 127
b) Considerar la función
f (x) = a cos(2x) + b(π − x) cos(2x) + cx sin(π − x),
donde a, b y c son parámetros reales inespecı́ficos. Encontrar los valores de
los parámetros para que el grafo y = f (x) pase por los puntos del plano xy:
{(−π/2, −3π), (π/2, 0), (3π/2, 5π)}.
[Respuesta: a = −2π, b = 3, c = −1. ]

127
15. Considerar el sistema Ax = b con

   
1 1 3
A=  2 1 ,  b=  h ,
4 2 k
donde h y k son parámetros reales inespecı́ficos.
a) Encontrar la relación entre los parámetros h y k, tales que el sistema dado

Ax = b sea consistente.
[Respuesta: k = 2h para todo h ∈ R. ]
b) Encontrar todas las soluciones del sistema Ax = b.

h−3
[Respuesta: El sistema tiene la única solución x = para todo
6−h
h ∈ R, donde k = 2h. ]
16. Considerar la siguiente recta en R3 :



 x = 2t + 1


: y = −2t + 1



Encontrar todos los valores reales de los parámetros a, b y c, tales que la recta
esté en el plano
ax + by + cz = 1.
1 b 1 2b
[Respuesta: a = + , c=− + para todo b ∈ R. ]
3 3 9 9
17. Considerar las siguientes dos rectas R3 :

 

 x = 2t + 3 
 x = −s

 

1 : y = −4t + 1 2 : y = bs + 3

 


 z = 2t + 2 
 z = −s − 1
para todo t ∈ R y todo s ∈ R, donde b es un parámetro real inespecı́fico.

128
2.8. EJERCICIOS 129
a) Encontrar todos los valores de b, tales que las rectas 1 y 2 se corten.
[Respuesta: b ∈ R\{2}. ]
b) Se cortan las rectas para b = 1? Si es ası́, encontrar el punto de intersección.
[Respuesta: Sı́, el punto de intersección tiene coordenadas (4, −1, 3). ]
18. Considerar los siguientes seis planos que definen un paralelepı́pedo en su intersección:
Π1 : x + 2y − z = 1
Π2 : 2x + 4y − 2z = 0
Π3 : −3x − y + 2z = 1
Π4 : −9x − 3y + 6z = 1
Π5 : y + z = −1
Π6 : −2y − 2z = 3.
Encontrar los vértices, el volumen y el punto medio del paralelepı́pedo y la altura

del paralelepı́pedo con cara base descrita por Π2 .
[Respuesta: Las coordenadas de los vértices del paralelepı́pedo son:
17 11 65
P1 : (− , , − )
12 36 36
7 7 25
P2 : (− , , − )
6 18 18
3 1 3
P3 : (− , , − )
2 2 2
7 5 23
P4 : (− , , − )
4 12 12
11 7 47
P5 : (− , − , − )
12 36 36
2 1 8
P6 : (− , − , − )
3 9 9
P7 : (−1, 0, −1)
5 1 17
P8 : (− , − , − )
4 12 12

129
El volumen del paralelepı́pedo es 1/18 unidades cúbicas. Las coordenadas del punto
medio Q del paralelepı́pedo son
29 11 101
Q : (− , , − ).
24 72 72
√
La altura del paralelepı́pedo de base Π2 es 1/ 6 unidades. ]
19. Considerar los dos siguientes planos:
Π1 : x + 2y − 4z = 2
Π2 : x − z = 5.
Encontrar la ecuación del plano Π∗1 , tal que Π∗1 es la reflexión del plano Π1 sobre el
plano Π2 .
[Respuesta: Π∗1 : 4x − 2y − z = 23. ]
20. Considerar el sistema lineal Ax = b con

   
1 3 k 2
 k 1 4 , b =  3 ,
1 k k −3
a) Encontrar los valores de k, tales que el sistema dado tenga una única solución.
[Respuesta: El sistema admite una única solución para k ∈ R\{−2, 2, 3}.

]
b) Encontrar los valores de k, tales que el sistema dado admita infinitas soluciones
y los valores de k para los que el sistema sea inconsistente.
[Respuesta:
  Para  k= −2 el sistema tiene infinitas soluciones, como
2 −1
x = t  0  +  1  para todo t ∈ R. Para k = 2 y k = 3 el sistema es
1 0
inconsistente. ]
c) Encontrar los valores de k, tales que el coeficiente de la matriz A es singular.
[Respuesta: La matriz A es singular si y sólo si det A = 0, esto es, A es

singular para k ∈ {−2, 2, 3}. ]

130
2.8. EJERCICIOS 131
21. Las siguientes tres rectas, 1 , 2 y 3 , describen un triángulo en R3 en su intersección
 

 x = 4α − 1 
 x = −3β + 7

 

1 : y = −2α + 3 2 : y = −β + 4

 


 z = 8α − 3 para todo α ∈ R 
 z = −β + 3 para todo β ∈ R


 x = −δ + 6


3 : y = −2δ + 7



 z = 3δ − 4 para todo δ ∈ R.
Encontrar el área de este triángulo.
√
[Respuesta: El área del triángulo es 5 6 unidades cuadradas. ]

131
22. Considerar el sistema homogéneo Ax = 0, donde

 
1 5 1 k
 2 1 k 1 
A=
 1

4 1 1 
4 1 3 1
y k es un parámetro real inespecı́fico.
a) Encontrar los valores de k, tales que el sistema admita sólo la solución trivial
y todos los valores de k para los cuales A sea invertible.
4 7
[Respuesta: Para todo k ∈ R\{ , } el sistema admite sólo la solución
3 5
trivial x = (0, 0, 0, 0). La matriz A también es invertible para esos valores de k.
]
b) Encontrar los valores de k, tales que el sistema admita infinitas soluciones.
4 7
[Respuesta: Para todo k = o k = el sistema admite infinitas soluciones.]
3 5
AXA Global
Graduate Program
Find out more and apply

132
PROBLEMAS, TEORIA Y SOLUCIONES CONJUNTOS GENERADORES
EN ALGEBRA LINEAL LINEALMENTE INDEPENDIENTES
Capı́tulo 3
Conjuntos generadores y
linealmente independientes
Propósito del capı́tulo

En este capı́tulo introducimos la teorı́a de conjuntos finitos de vectores Rn : en particular,
los conceptos de combinación lineal de vectores, base de generadores y conjunto de vectores
linealmente independientes. Con estas definiciones describiremos, por ejemplo, un plano o
una recta en R3 , que nos aportan conocimiento sobre los sistemas lineales.
3.1 Combinaciones lineales de vectores

En esta sección introducimos el concepto de combinación lineal de un conjunto finito de
vectores en Rn .

Considerar el conjunto S de p vectores
S = {u1 , u2 , . . . , up },
donde uj ∈ Rn para j = 1, 2, . . . , p.
1. Una combinación lineal de vectores del conjunto S es otro vector en Rn ,
c1 u 1 + c 2 u 2 + · · · + c p u p ∈ R n
para cualesquiera p constantes c1 , c2 , . . ., cp , factores de escala de la combinación

lineal. Decimos que v ∈ Rn es una combinación lineal de vectores de un conjunto S
si existen factores de escala c1 , c2 , . . . , cp , tales que
v = c1 u 1 + c 2 u 2 + · · · + c p u p .
133

133
134CAPÍTULO 3. CONJUNTOS GENERADORES LINEALMENTE INDEPENDIENTES
2. Considerar v ∈ Rn y sea A una matriz m×n. Supongamos que v es una combinación

lineal de vectores de S con factores de escala c1 , c2 , . . . , cp . Entonces,
Av = c1 Au1 + c2 Au2 + · · · cp Aup .
3. Considerar una matriz A de dimensión m × n de la forma
A = [a1 a2 · · · an ],
donde aj ∈ Rm para j = 1, 2, . . . , n. Considerar ahora el vector x ∈ Rn dado por

 
x1
 x2 
 
x= .. .
 . 
xn
Entonces el producto matriz-vector Ax se define como la combinación lineal de

un conjunto de vectores {a1 , a2 , . . . , an } con factores de escala x1 , x2 , . . . , xn , es
decir,
Ax = x1 a1 + x2 a2 + · · · + xn an .
Sugerencia: Ver Puntualización teórica 2.1 (3) donde se discute el producto

matriz-vector Ax.
Problema 3.1.1.
Considerar el conjunto de cinco vectores en R3 :
S = {u1 , u2 , u3 , u4 , u5 },
donde
    

1 1 1
u1 =  0  , u2 =  1  , u3 =  −1 
1 0 3
   
2 1
u4 =  −1  , u5 =  3  .
0 4
Considerar también el vector
 
1
v =  2 .
1

134
3.1. COMBINACIONES LINEALES DE VECTORES 135
a) Demostrar que v es una combinación lineal de vectores en S y dar la combinación

lineal explı́citamente.
b) Es el vector v una combinación lineal del conjunto de vectores {u1 , u2 }? Justificar

la respuesta.
c) Sea A una matriz 3 × 3 inespecı́fica, tal que

     
1 2 3
Au1 =  2  , Au2 =  1  , Au3 =  1 
−1 0 3
   
−8 22
Au4 =  11  , Au5 =  −13  .
−18 32
Encontrar Av explı́citamente.
�e Graduate Programme
I joined MITAS because for Engineers and Geoscientists
I wanted real responsibili� www.discovermitas.com
Maersk.com/Mitas �e G
I joined MITAS because for Engine
I wanted real responsibili� Ma
Month 16
I was a construction Mo
supervisor ina const
I was
the North Sea super
advising and the No
Real work he
helping foremen advis
International
al opportunities
Internationa
�ree wo
work
or placements ssolve problems
Real work he
helping fo
International
Internationaal opportunities
�ree wo
work
or placements ssolve pr

135
Solución 3.1.1.
a) Tenemos que demostrar que existen constantes reales (factores de escala), c1 , c2 , c3 ,
c4 y c5 , tales que
v = c1 u 1 + c 2 u 2 + c 3 u 3 + c 4 u 4 + c 5 u 5 .
Escribimos la segunda ecuación vector en forma de ecuación matricial,
[u1 u2 u3 u4 u5 ] c = v,
donde
 
c1
 c2 
 
c=
 c3  ∈ R5 .

 c4 
c5
con los vectores dados uj ,

 
  c1  
1 1 1 2 1   c2 
 1
 0 1 −1 −1 3   c3 = 2 
 
1 0 3 0 4  c4  1
c5
y la correspondiente matriz aumentada es

 
1 1 1 2 1 1
 0 1 −1 −1 3 2 .
1 0 3 0 4 1
Aplicando algunas operaciones elementales en filas de la matriz aumentada, obten-

emos su única forma reducida,
 
1 0 0 9 −14 −5
 0 1 0 −4 9 4 .
0 0 1 −3 6 2
Concluimos que las constantes c4 y c5 pueden elegirse de forma arbitraria
c4 = t, c5 = s,
donde t y s son parámetros reales arbitrarios. De la forma reducida
c1 = −9t + 14s − 5
c2 = 4t − 9s + 4
c3 = 3t − 6s + 2,

136
y escribimos
 
−9t + 14s − 5
 4t − 9s + 4 
 
c=
 3t − 6s + 2 .

 t 
s
Estos son los factores de escala de la combinación lineal, de manera que
v = (−9t + 14s − 5) u1 + (4t − 9s + 4) u2 + (3t − 6s + 2) u3 + t u4 + s u5
para todo t ∈ R y todo s ∈ R. Podemos elegir t = s = 0 para encontrar la

combinación más simple
v = −5u1 + 4u2 + 2u3 .
b) Tenemos que establecer la existencia de factores de escala c1 y c2 , tales que
v = c1 u1 + c2 u2 .
Esto es, tenemos que establecer la consistencia del sistema

   
1 1 1
 0 1  c 1
=  2 .
c2
1 0 1
La matriz asociada aumentada es

 
1 1 1
 0 1 2 
1 0 1
de manera que una forma asociada

 
1 1 1
 0 1 2 ,
0 0 1
la última fila se deduce que sistema es inconsistente, pues implica
c1 0 + c2 0 = 1.
Concluimos que no existen constantes c1 y c2 para las que v sea una combinación
lineal de los vectores u1 y u2 .

137
c) En la parte a) hemos establecido una combinación lineal
v = (−9t + 14s − 5) u1 + (4t − 9s + 4) u2 + (3t − 6s + 2) u3 + t u4 + s u5
para todo t ∈ R y todo s ∈ R
y haciendo t = s = 0, la combinación lineal más simple es
v = −5u1 + 4u2 + 2u3 .
Entonces
Av = A (−5u1 + 4u2 + 2u3 )
= −5Au1 + 4Au2 + 2Au3

     
1 2 3
= −5  2  + 4  1  + 2  1 
−1 0 3
 
9
=  −4  .
11
También podrı́amos hacer los cálculos combinando parámetros s y t arbitrarios. Da

el mismo resultado:
Av = A(−9t + 14s − 5) u1 + A(4t − 9s + 4) u2 + A(3t − 6s + 2) u3 + At u4 + As u5
= (−9t + 14s − 5) Au1 + (4t − 9s + 4) Au2 + (3t − 6s + 2) Au3 + t Au4 + s Au5

     
1 2 3
= (−9t + 14s − 5)  2  + (4t − 9s + 4)  1  + (3t − 6s + 2)  1 
−1 0 3
   
−8 22
+t  11  + s  −13 
−18 32
 
9
=  −4  .
11

138
Problema 3.1.2.
Considerar el vector
 
k
 4 
v= 
 2 ∈R
4
como el siguiente conjunto de vectores en R4 :
S = {u1 , u2 , u3 },
donde
   
1 1 1
 k   1   1 
u1 =  
 1 , u2 =  
 k , u3 =  
 1 .
1 1 k
Aquı́ k es un parámetro real inespecı́fico. Determinar todos los valores de k, tales que v
sea una combinación lineal de vectores del conjunto S.
93%
OF MIM STUDENTS ARE
WORKING IN THEIR SECTOR 3 MONTHS
FOLLOWING GRADUATION
• STUDY IN THE CENTER OF MADRID AND TAKE ADVANTAGE OF THE UNIQUE OPPORTUNITIES
Length: 1O MONTHS
THAT THE CAPITAL OF SPAIN OFFERS
Av. Experience: 1 YEAR
• PROPEL YOUR EDUCATION BY EARNING A DOUBLE DEGREE THAT BEST SUITS YOUR
Language: ENGLISH / SPANISH
PROFESSIONAL GOALS
Format: FULL-TIME
• STUDY A SEMESTER ABROAD AND BECOME A GLOBAL CITIZEN WITH THE BEYOND BORDERS
Intakes: SEPT / FEB
EXPERIENCE
5 Specializations #10 WORLDWIDE 55 Nationalities

Personalize your program FINANCIAL TIMES
in class
www.ie.edu/master-management mim.admissions@ie.edu Follow us on IE MIM Experience

139
Solución 3.1.2.
Dado que v deberı́a ser una combinación de vectores u1 , u2 y u3 , tenemos
v = c1 u 1 + c 2 u 2 + c 3 u 3
o, en forma matricial
 
k  
 4  c1
  = [u1 u2 u3 ]  c2  . esto es
 2 
c3
2
   
k 1 1 1  
 4   k 1 c1
 = 1 
  c2  .
 2   1 k 1 
c3
2 1 1 k
Ahora buscamos los valores de k ∈ R, tales que el sistema de arriba sea consistente, con
constantes c1 , c2 y c3 que satisfagan el sistema. La matriz asociada aumentada es
     
1 1 1 k 1 1 1 k 1 1 1 k
 k 1 1 4   0 1 − k 1 − k 4 − k2   0 1−k 1−k 4 − k2 
 ∼ ∼ .
 1 k 1 2   0 k−1 0 2−k   0 0 1 − k −(k − 2)(k + 3) 
1 1 k 2 0 0 k−1 2−k 0 0 0 −(k − 2)(k + 4).
De la última fila de la forma asociada tenemos
c1 0 + c2 0 + c3 0 = −(k − 2)(k + 4)
de manera que el sistema es consistente si y sólo si k = 2 o k = −4. Entonces, v es una

combinaci’on lineal u1 , u2 y u3 si y sólo si k = 2 o k = −4.
3.2 Conjuntos de vectores generadores

En esta sección introducimos el concepto de conjunto de generadores. Es decir, un conjunto
finito de vectores que expande un subconjunto de vectores en Rn .

S = {u1 , u2 , . . . , up },
donde uj ∈ Rn para j = 1, 2, . . . , p.

140
3.2. CONJUNTOS DE VECTORES GENERADORES 141
1. El conjunto de todas las combinaciones de vectores de S, denotado por {S}, es un

subconjunto de Rn , digamos W , expandido por S. Escribimos
W = span {u1 , u2 , . . . , up }, o simplemente W = span {S}.
Decimos que S es el conjunto generador de W . Ası́, span {S} es el conjunto de

combinaciones lineales de vectores de S, es decir,
c 1 u 1 + c2 u 2 + · · · + cp u p ∈ W
para cualesquiera factores de escala c1 , c2 , . . . , cp . Escribimos
W = span {S} = {c1 u1 + c2 u2 + · · · + cp up para todo c1 ∈ R, c2 ∈ R, . . . , cp ∈ R}.
2. Podemos interpretar la consistencia de un sistema lineal como sigue a continuación.
El sistema lineal
Ax = b,
es consistente si y sólo si
b ∈ span {a1 , a2 , . . . , an },
donde A es una matriz m × n dada por A = [a1 a2 · · · an ], aj ∈ Rm y b ∈ Rm .
Problema 3.2.1.
Considerar los siguientes tres vectores en R3 :
     
1 −1 k
u =  −2  , v =  1  , w =  6  ,
3 4 2
donde k es una constante real inespecı́fica. Encontrar todos los valores de k, tales que
a) w ∈ span {u, v}.
b) u ∈ span {v, w}.

 
0
c) Es 0 ∈ span {u, v}, donde 0 =  0 ?
0

141
d) Cuáles de los siguientes sistemas son consistentes?

     
2 −4 0
[u v]x =  6  , [u v]x =  6  , [u v]x =  0  .
2 2 0
e) Encontrar los valores de k para los cuales el sistema

 
0
[u w]x =  0 
0
sea consistente.
Solución 3.2.1.
a) Si w un elemento de span {u, v}, entonces w debe ser una combinación lineal de los
vectores u y v. Quiere decir, que deben existir factores de escala (constantes reales)
c1 y c2 , tal que
w = c1 u + c2 v.
Escribiendolo en forma matricial, tenemos

   
1 −1 k
 −2 c 1
1  = 6 
c2
3 4 2
de manera que la matriz aumentada asociada y una de sus formas asociadas son
   
1 −1 k 1 −1 k
 −2 1 6  ∼  0 −1 2k + 6  .
3 4 2 0 0 11k + 44
Concluimos que el sistema es consistente si y sólo si k = −4.

Entonces, w ∈ span {u, v} si y sólo si k = −4.
b) El vector u es un elemento de span {v, w}, entonces debe ser una combinación lineal
de u y v, quiere decir que existen factores de escala c1 y c2 , tales que
w = c1 u + c2 v.
Entonces, tenemos
c2 1
u=− v + w,
c1 c1
de manera que podemos concluir que u ∈ span {v, w} si y sólo si k = −4, es decir,
el mismo valor de k como en la parte a).

142
c) El vector cero, 0 ∈ R3 , es siempre un elemento de una base de generadores R3 , dado

que 0 es siempre una combinación lineal con factores de escala nulos de los vectores
que expanden el conjunto. En este caso, es decir span {u, v}, tenemos
0 = 0u + 0v.
d) Notar que

x1
[u v]x = x1 u + x2 v, donde x = .
x2
Ası́ el sistema

k
[u v]x =  6 
2
 
k
es consistente si y sólo si  6  ∈ span {u, v}. En la parte a), ya habı́amos
2
establecido que w ∈ span {u, v} si y sólo si k = −4. Ası́, el sistema
 
2
[u v]x =  6 
2
es inconsistente, mientras que el sistema
 
−4
[u v]x =  6 
2
es consistente. Claramente, el sistema homogńeo
 
0
[u v]x =  0 
0
también es consistente.
e) El sistema homogéneo
 
0
[v w]x =  0 
0
es consistente para todo k ∈ R,
 
0
x= 0 
0
es siempre una solución (la trivial o solución cero) del sistema.

143
144CAPÍTULO
PROBLEMAS, 3. YCONJUNTOS
TEORIA SOLUCIONES GENERADORES LINEALMENTECONJUNTOS
INDEPENDIENTES
GENERADORES
Problema 3.2.2.
Considerar los siguientes tres vectores en R4 :
     
1 0 1
 0   0   1 
u1 =    
 2  , u2 =  4  , u3 =  −3
 

−3 7 1
y sea W el conjunto de vectores expandido por {u1 , u2 , u3 }, es decir, sea
W = span {u1 , u2 , u3 }.
Cuáles de los siguientes cuatro vectores pertenecen a W ?

     
−5 1   0
 −3   0  0  0 
v1 =    
 9  , v2 =  1  , v3 =
 0  , v4 = 
 0
.

0
10 0 0

144
Solución 3.2.2.
Para responder si v1 ∈ span {u1 , u2 , u3 } necesitamos establecer si existen factores de
escala c1 , c2 y c3 , tales que v1 sea una combinación lineal de u1 , u2 , u3 , es decir,
v 1 = c1 u 1 + c 2 u 2 + c 3 u 3
La ecuación matricial
   
1 0 1   −5
 0 c1
 0 1   
  c2  =  −3 
 2 4 −3   9 
c3
−3 7 1 10
la matriz aumentada asociada es
 
1 0 1 −5
 0 0 1 −3 
 .
 2 4 −3 9 
−3 7 1 10
Después de varias operaciones en filas, obtenemos la siguiente forma reducida de la matriz
aumentada:
 
1 0 0 −2
 0 1 0 1 
 
 0 0 1 −3 
0 0 0 0
de la que concluimos que v1 ∈ span {u1 , u2 , u3 }, donde
v1 = −2u1 + u2 − 3u3 .
Seguimos el mismo procedimiento para establecer si v2 ∈ span {u1 , u2 , u3 }. Nos lleva a
la siguiente matriz aumentada
 
1 0 0 1
 0 0 1 0 
 
 2 4 −3 1 
−3 7 1 0
y la forma reducida
 
1 0 0 1
 0 1 0 −1/4 
 .
 0 0 1 0 
0 0 0 19/28
De la forma reducida de más arriba, deducimos que v2 no pertenece a span {u1 , u2 , u3 },
porque v2 no puede escribirse como una combinación lineal de vectores u1 , u2 y u3 .
Dado que v3 ∈ R3 no pertenece al conjunto generador expandido por los vectores en R4 .

Para v4 , tenemos
 
0
 0 
v4 =  
 0  = 0u1 + 0u2 + 0u3 ∈ span {u1 , u2 , u3 }.
0

145
3.3 Conjuntos de vectores linealmente dependientes/independientes

Introducimos el concepto de conjunto de vectores linealmente dependientes e indepen-
dientes en Rn . Veremos la importancia de los conjuntos linealmente independientes en
relación con los conjuntos generadores.

S = {u1 , u2 , . . . , up },
donde uj ∈ Rn para cada j = 1, 2, . . . , p.
El conjunto S es un conjunto linealmente independiente en Rn si la ecuación vectorial
c 1 u 1 + c2 u 2 + · · · + cp u p = 0
se satisface, si todos los factores de escala son cero, es decir, c1 = 0, c2 = 0, . . . , cp = 0. Si

existe algún factor de escala diferente de cero para el que la ecuación anterior se satisfaga,
entonces el conjunto S es un conjunto linealmente dependiente.
Puntualización: Considerar un conjunto de n vectores
S = {u1 , u2 , . . . , un },
donde uj ∈ Rn para cada j = 1, 2, . . . , n. Si el conjunto S es linealmente independiente y

el conjunto S genera Rn , entonces S es una base para Rn y decimos que la dimensión
de Rn es n. La base estándard, {e1 , e2 , . . . , en } es un ejemplo de base para Rn .
Los conceptos de base y dimensión se discuten en detalle en la Parte 2 de estas series,
subtitulada espacios vectoriales generales.
Para conjuntos linealmente dependientes/independientes, tenemos lo siguiente
Propiedades:
a) Suponer que S es un conjunto linealmente independiente. Entonces todos los sub-

conjuntos de vectores en S son conjuntos linealmente independientes en Rn .
b) Suponer que S es un conjunto linealmente dependiente. Entonces pueden existir dos

subconjuntos de dos o más vectores de S que son linealmente dependientes en Rn .
c) Sea S el conjunto de p vectores en Rn . Si p > n entonces S es un conjunto linealmente

dependiente.

146
3.3. CONJUNTOS DE VECTORES LINEALMENTE DEPENDIENTES/INDEPENDIENTES147
d) Considerar el conjunto Q de n vectores en Rn ,
Q = {a1 , a2 , . . . , an },
donde aj ∈ Rn para todo j = 1, 2, . . . , n y considerar la matriz n × n
A = [a1 a2 · · · an ].
Tenemos las siguientes propiedades:
i) El conjunto Q es linealmente independiente si y sólo si la forma reducida de A

es la matriz identidad In , es decir, A y In son equivalentes por filas.
A ∼ In .
ii) El conjunto Q es linealmente independiente si y sĺo si el determinante de A es

distinto de cero, es decir,
det A = 0,
de manera que A es una matriz invertible.
iii) El conjunto Q es linealmente independiente si y sĺo si Ax = b tiene una única
solución x ∈ Rn para todo b ∈ Rn .
e) Considerar el conjunto Q2 de dos vectores diferentes de cero en R3 ,
Q2 = {u1 , u2 }.
Entonces span {Q2 } un plano Π en R3 que contenga al origen (0, 0, 0), si y sólo si
Q2 es un conjunto linealmente independiente. Esto es, si cada vector en el plano Π
es una combinación lineal de vectores u1 y u2 .
f) Considerar el conjunto Q3 de tres vectores diferentes de cero en R3 ,
Q3 = {u1 , u2 , u3 }.
Entonces, span {Q3 } genera R3 si y sólo si Q3 es un conjunto linealmente indepen-

diente. Esto es, cada vector en R3 es una combinación lineal de vectores u1 , u2
y u3 . Además, si Q3 es un conjunto linealmente dependiente con exactamente dos
vectores linealmente independientes, entonces span {Q3 } genera el plano que pasa
por (0, 0, 0) (por supuesto también es cierto para un conjunto finito de vectores que
contengan un subconjunto de exactamente dos vectores linealmente independientes).
Notar que la recta que pasa por (0, 0, 0) puede estar generada por cualquier vector
distinto de cero con coordenadas en .

147
EN ALGEBRA
148CAP LINEAL
ÍTULO 3. CONJUNTOS LINEALMENTE
GENERADORES LINEALMENTE INDEPENDIENTES
INDEPENDIENTES
Problema 3.3.1.
Considerar los siguientes dos vectores en R3 :
   
1 k
u =  2 , v =  −4  ,
−1 2
a) Encontrar los valores reales de k, tales que el conjunto S = {u, v} sea linealmente
independiente, y que los valores reales de k para los cuales S sea un conjunto lineal-
mente dependiente.
b) Encontrar todos los valores reales de k, tales que u y v generen un plano en R3 y

dar la ecuación del plano.
c) Encontrar todos los valores reales de k, tales que u y v generen una recta en R3 y
dar la ecuación de la recta en forma paramétrica.
In the past 5 years we have drilled around
95,000 km
—that’s more than twice around the world.
Who are we?

We are the world’s leading provider of reservoir characterization,
drilling, production, and processing technologies to the oil and
gas industry.
Who are we looking for?

We offer countless opportunities in the following domains:
n Operations
n Research, Engineering, and Manufacturing
n Geoscience and Petrotechnical
n Commercial and Business
We’re looking for high-energy, self-motivated graduates

with vision and integrity to join our team. What will you be?
careers.slb.com

148
Solución 3.3.1.
a) Para establecer si el conjunto S = {u, v} es linealmente independiente consideramos
la ecuación vectorial
c1 u + c2 v = 0.
En forma matricial
 
1 k
 2 −4  c1 0
.
c2 0
−1 2
Como el sistema es homogéneo, sólo tenemos que mirar los coeficientes de la matriz
para establecer la consistencia del sistema. Tenemos
     
1 k 1 k 1 k
 2 −4  ∼  0 −2k − 4  ∼  0 k + 2  .
−1 2 0 k+2 0 0
El sistema reducido es entonces
c1 + c2 k = 0
c2 (k + 2) = 0.
Entonces el sistema tiene una solución trivial, es decir, c1 = 0 y c2 = 0, si y sólo

si k ∈ R\{−2}. Concluimos que el conjunto S es linealmente independiente para
k ∈ R\{−2} y linealmente dependiente para k = −2.
b) El conjunto de dos vectores, S = {u, v}, generará un plano en R3 si y sólo si
S es un conjunto linealmente independiente, es decir, para todos los valores de
k ∈ R\{−2}, como se establece en la parte a) más arriba. Este plano contiene
el origen (0, 0, 0) y todos aquellos vectores que sean combinaciones lineales de u y
v para todo k ∈ R\{−2}. Para encontrar la ecuación del plano generado por S,
primero calculamos el vector normal n al plano con el uso del producto vectorial
(ver Puntualización teórica 1.2 y Puntualización teórica 1.3). Tenemos

e 1 e2 e3

n = u × v = 1 2 −1 = −(k + 2)e2 − (2k + 4)e3 .
k −4 2
Calculamos el producto escalar de n con un punto arbitrario del plano, digamos el

punto (x, y, z), que debe ser cero siempre que (x, y, z) esté en el plano. Ası́,
n · (x, y, z) = (0, −k − 2, −2k − 4) · (x, y, z) = −(k + 2)y − (2k + 4)z = 0.
Por tanto, la ecuación del plano generado por S es
−(k + 2)y − (2k + 4)z = 0 for all k ∈ R\{−2}.
Notar que la ecuación del plano depende de k.

149
c) Los dos vectores en el conjunto S = {u, v} generarán una recta en R3 s y sólo si

S es un conjunto linealmente dependiente, es decir, para el valor k = −2, como se
establece en la parte a) más arriba. Esos son los vectores
  
1 −2
u= 2  y v =  −4  ,
−1 2
y también combinaciones lineales de u y v, pues todos estos vectores están en la recta

. Obviamente, la recta pasa por el origen (0, 0, 0). Para encontrar la ecuación de
generada por S, simplemente tenemos que multiplicar cualquier vector en por un
parámetro arbitrario t, por ejemplo el vector u. Ası́, la ecuación paramétrica de la
recta es


 x=t


: y = 2t



 z = −1t para todo t ∈ R.
Problema 3.3.2.
Considerar el conjunto S = {u1 , u2 , u3 } con
     
1 0 2
u1 =  
0 , u2 =  
1 , u3 =  3 ,
1 2 k
a) Encontrar los valores de k, tales que el conjunto S sea un conjunto linealmente inde-
pendiente y además encontrar los valores de k tales que el conjunto sea linealmente
dependiente.
b) Considerar W = span {u1 , u2 }. Encontrar los valores de k, tales que u3 ∈ W .
c) Encontrar todos los valores de k, tales que u1 , u2 y u3 generen un plano en R3 y

dar la ecuación del plano explı́citamente.
d) Encontrar todos los valores de k, tales que u1 , u2 y u3 generen R3 .
e) Existen valores de k tales que u1 , u2 y u3 generen una recta en R3 ?
f) Considerar la matriz A = [u1 u2 u3 ]. Encontrar todos los valores de k para los

cuales A sea equivalente por filas a I3 (la matriz identidad 3 × 3) y encontrar los
valores de k para los cuales A sea invertible.

150
g) Encontrar todos los valores de k, para los que el sistema
[u1 u2 u3 ]x = b
tenga una única solución.
Solución 3.3.2.
a) Para establecer si el sistema S = {u1 , u2 , u3 } es linealmente independiente o
dependiente, tenemos que considerar la ecuación vectorial
c1 u1 + c2 u2 + c3 u3 = 0.
En la forma matricial, tenemos

    
1 0 2 c1 0
 0 1 3   c2  =  0  ,
1 2 k c3 0
de manera que
     
1 0 2 1 0 2 1 0 2
 0 1 3 ∼ 0 1 3 ∼ 0 1 3 .
1 2 k 0 2 k−2 0 0 k−8
Existen soluciones diferentes de cero para c1 , c2 y c3 si y sólo si k − 8 = 0. Entonces,

el conjunto S es linealmente independiente para todos los valores k ∈ R\{8} y
linealmente dependiente para k = 8.
Como la matriz de coeficientes es una matriz cuadrada, también vamos a establecer
la independencia lineal del conjunto calculando el determinante de la matriz de
coeficientes del sistema. Vamos a denotarla por A. Tenemos que det A = k − 8.
Las columnas de A son linealmente independientes si y sólo si det A = 0. Por tanto,
tenemos la misma conclusión de más arriba.
b) Para determinar si u3 ∈ span{u1 , u2 } = W , tenemos que estudiar la consistencia

del sistema no homogéneo c1 u1 +c2 u2 = u3 . Claramente, este sistema sólo puede ser
consistente si el conjunto S = {u1 , u2 , u3 } es linealmente dependiente y u3 ∈ W .
Ya hemos establecido en la parte a) que el conjunto S es linealmente dependiente
para k = 8. Ası́, u3 ∈ W para k = 8.
c) Para generar un plano en R3 necesitamos dos vectores linealmente independientes.

Primero, vemos que el sistema {u1 , u2 } es un conjunto linealmente independiente,
pues
u1 = αu2 para todo α ∈ R.

151
Entonces, para generar un plano Π en R3 con los tres vectores del conjunto S =
{u1 , u2 , u3 }, tenemos que asegurarnos que el conjunto S es linealmente dependiente
con un subconjunto de dos vectores linealmente independientes. Hemos establecido
en la parte a) que S es un conjunto linealmente dependiente para k = 8. Entonces,
     
1 0 2

Π = span { 0 ,  
1 ,  3 }.
1 2 8
Notar que el mismo plano Π también puede generarse por cualquier subconjunto de
dos vectores linealmente independientes del conjunto S. Tenemos
           
1 0 1 2 0 2
Π = span { 0  ,  1 } = span { 0  ,  3 } = span { 1  ,  3 }.
1 2 1 8 2 8
Para encontrar la ecuación del plano Π podemos usar cualquiera de los conjuntos
generadores dados. Utilizaremos Π = span {u1 , u2 }. Calculamos el vector normal
n al plano y después calculamos el producto escalar con un punto arbitrario (x, y, z)
en el plano. (ver Puntualización teórica 1.2 y Puntualización teórica 1.3).
Tenemos

e1 e2 e3

n = u1 × u2 = 1 0 1 = −e1 − 2e2 + e3 = (−1, −2, 1).
0 1 2
Entonces,
n · (x, y, z) = (−1, −2, 1) · (x, y, z) = −x − 2y + z = 0.
La ecuación del plano Π es
−x − 2y + z = 0.

152
d) Para generar R3 necesitamos un conjunto S de tres vectores en R3 de manera que

cada vector en R3 puede escribirse como una combinación lineal de tres vectores.
Para que sea posible, el conjunto S tiene que ser linealmente independiente. Sea
S = {u1 , u2 , u3 }. En la Parte a) ya hemos establecido que S es un conjunto
linealmente independiente para todo k ∈ R\{8}. Ası́,
    
1 0 2
3 
R = span { 0 ,  
1 ,  3 } para todo k ∈ R\{8}.
1 2 k
e) No podemos generar una recta en R3 usando los tres vectores del conjunto
S = {u1 , u2 , u3 }, porque el subconjunto {u1 , u2 } es linealmente dependiente (y
generan un plano como se muestra en la Parte c) ).
f) La matriz A = [u1 u2 u3 ] es equivalente por filas a I3 si y sólo si det A = 0 y, por

tanto, A es invertible. Tenemos

1 0 2

det A = 0 1 3 = k − 8.

1 2 k
Ası́, A ∼ I3 si y sólo si k ∈ R\{8}. Además, A−1 existe si y sólo si k ∈ R\{8}.
g) El sistema Ax = b, con
A = [u1 u2 u3 ],
tiene una única solución para todo b ∈ R3 si y sólo si A es una matriz invertible.
Esto es, el sistema tiene una única solución si y sólo si det A = 0. En la parte f)
hemos establecido que este es el caso para todo k ∈ R\{8}. Por tanto, Ax = b tiene
una única solución para todo k ∈ R\{8}.
Problema 3.3.3.
Considerar el conjunto de vectores S = {u1 , u2 , u3 , u4 } en R4 con
       
1 −1 −1 k
 1   −9   3   −10 
u1 =      
 −2  , u2 =  k  , u3 =  1  , u4 =  −4  ,
 
−3 11 −1 6
a) Encontrar los valores de k, tales que S es un conjunto linealmente independiente.

153
b) Encontrar los valores de k, para los cuales S sea un conjunto linealmente depen-
diente y hacer una lista de los posibles subconjuntos de tres vectores linealmente
independientes en S con sus correspondientes valores de k.
Solución 3.3.3.
a) Para establecer la independiencia lineal del conjunto S, consideramos la matriz A
con los vectores del conjunto S como entradas en columna
 
1 −1 −1 k
 1 −9 3 −10 
A=
 −2
.
k 1 −4 
−3 11 −1 6
Las columnas de A son linealmente independientes si y sólo si det A = 0. Quiere

decir, que el conjunto S es linealmente independiente si sy sólo si det A = 0. Obten-
emos
det A = −8k2 + 48k − 64 = −8(k − 2)(k − 4).
Entonces, S es un conjunto linealmente independiente para el conjunto de todos

k ∈ R\{2, 4}.
b) De a) sabemos que S es un conjunto linealmente dependiente para k = 2 y k = 4.

Para dar un subconjunto de tres vectores linealmente independientes, consideramos
k = 2 y k = 4 como dos casos:
Sea k = 2. Entonces
 
1 −1 −1 2
 0 −2 1 −3 
A∼
 0
.
0 1 0 
0 0 0 0
Por lo visto anteriormente, vemos que existen dos subconjuntos que contienen tres
vectores linealmente independientes en el conjunto S con k = 2, es decir, los sub-
conjuntos
S1 = {u1 , u2 , u3 } orquadS2 = {u1 , u3 , u4 },
donde
       
1 −1 −1 2
 1   −9   3   −10 
u1 =  
 −2  , u2 =  
 2 , u3 =  
 1 , u4 =  
 −4  .
−3 11 −1 6

154
Sea k = 4. Entonces,
 
1 −1 −1 4
 0 4 −2 7 
A∼
 0
.
0 0 1 
0 0 0 0
De resultados anteriores, se concluye que existen dos subconjuntos que contienen

tres vectores linealmente independientes en el conjunto S con k = 4, es decir, los
subconjuntos,
S3 = {u1 , u2 , u4 } or S4 = {u1 , u3 , u4 },
donde
      
1 −1 −1 4
 1   −9   3   −10 
u1 =  
 −2  , u2 =  
 4 , u3 =  
 1 , u4 =  
 −4  .
−3 11 −1 6
Excellent Economics and Business programmes at:
“The perfect start

of a successful,
international career.”
CLICK HERE
to discover why both socially
and academically the University
of Groningen is one of the best
places for a student to be
www.rug.nl/feb/education

155
3.4 Ejercicios
1. Considerar dos vectores en R2 :

1 k
u1 = , u2 = ,
k k+2
donde k es un parámetro real inespecı́fico. Encontrar todos los valores de k, tales

que S = {u1 , u2 } es un conjunto linealmente independiente y todos los valores de
k, tales que S es un conjunto linealmente dependiente.
[Respuesta: S es un conjunto linealmente dependiente para todo k ∈ R\{−1, 2}

y S es un conjunto linealmente dependiente para k = −1 y k = 2. ]
2. Considerar los siguientes tres vectores en R3 :

     
1 1 k
u1 =  1  , u2 =  2  , u3 =  1  ,
−1 k 3
donde k es un parámetro real inespecı́fico. Encontrar todos los valores de k, tales

que S = {u1 , u2 , u3 } es un conjunto linealmente independiente y todos los valores
de k, tales que S es un conjunto linealmente dependiente.
[Respuesta: S es un conjunto linealmente independiente para todo k ∈ R y S

entonces no puede ser un conjunto linealmente dependiente para ningún k. ]
3. Considerar el conjunto S = {u1 , u2 , u3 , u4 } de vectores en R4 :

       
1 −3 −4 −1
 −2   k   6   −1 
u1 =  
 −3  , u2 =  
 9 , u3 =  
 k , u4 =  
 −6  ,
3 −9 −4 9
a) Encontrar todos los valores de k, tales que S es un conjunto linealmente inde-

pendiente.
[Respuesta: S es un conjunto linealmente independiente para todo k ∈ R\{6}.

]

156
3.4. EJERCICIOS 157
b) Dar todos los posibles subconjuntos linealmente independientes de S.
[Respuesta: Para k ∈ R\{6} cada subconjunto de S es linealmente indepen-

diente (dado que S es un conjunto linealmente independiente en este caso).
Para k = 6 el conjunto S es linealmente dependiente y tiene cuatro subconjun-
tos independientes de dos vectores cada uno,
S1 = {u1 , u3 }, S2 = {u1 , u4 }, S3 = {u2 , u3 }, S4 = {u2 , u4 },
S5 = {u3 , u4 }. ]
4. Considerar el subconjunto S = {u1 , u2 , u3 , u4 } con los siguientes vectores en R4 :

       
1 5 4 k
 −1   −3   1   −1 
u1 = 
 −1  ,
 u2 =  
 −5  , u3 =  k ,
 u4 = 
,
4 
3 15 12 −12
a) Encontrar todos los valores de k, tales que S sea un conjunto linealmente in-
dependiente y también los valores de k, tales que S es un conjunto linealmente
dependiente.
[Respuesta: S es un conjunto linealmente dependiente para todo k ∈ R\{−4}

y un conjunto linealmente dependiente para k = −4. ]
b) Dar todos los subconjuntos linealmente independientes de S.
[Respuesta: Para k ∈ R\{−4} cada subconjunto de S es linealmente inde-

pendiente (dado que S es un conjunto linealmente independiente en este caso).
Para k = −4 el conjunto S tiene cinco subconjuntos que son linealmente inde-
pendientes,
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }, S4 = {u2 , u3 },
S5 = {u2 , u4 }. ]
5. Considerar el siguiente conjunto de vectores S = {u1 , u2 , u3 } en R3 :

     
1 0 k
u1 =  2 , u2 =  
1 , u3 =  0 ,
3 2 1

157
a) Encontrar todos los valores de k, tales que S sea un conjunto linealmente inde-
pendiente.
[Respuesta: Todos k ∈ R\{−1}. ]
b) Encontrar todos los valores de k, tales que los vectores del conjunto S generen
R3 , es decir,
R3 = span {S}.
[Respuesta: Todos k ∈ R\{−1}. ]
American online
LIGS University
is currently enrolling in the
Interactive Online BBA, MBA, MSc,
DBA and PhD programs:
▶▶ enroll by September 30th, 2014 and

▶▶ save up to 16% on the tuition!
▶▶ pay in 10 installments / 2 years
▶▶ Interactive Online education
▶▶ visit www.ligsuniversity.com to
find out more!
Note: LIGS University is not accredited by any

nationally recognized accrediting agency listed
by the US Secretary of Education.
More info here.

158
3.4. EJERCICIOS 159
6. Considerar los siguientes tres vectores en R3 :

     
2 −4 a
u1 =  
1 , u2 =  
−2 , u3 =  b ,
−1 2 c
donde a, b y c son parámetros reales. Considerar ahora el conjunto
S = {u1 , u2 , u3 }
a) Encontrar los valores reales de a, b y c, tales que S ea un conjunto linealmente

dependiente R3 .
[Respuesta: S es un conjunto linealmente dependiente para todo a, b, c ∈ R.

]
b) Encontrar todos los valores de los parámetros a, b y c, tales que S genere una
recta en R3 y dar su forma explı́cita en forma paramétrica.
[Respuesta: S generará una recta en R3 si y sólo si u3 = tu1 , es decir,

   
a 2t
 b  =  t  para todo t ∈ R.
c −t
Entonces, una ecuación paramétrica toma la forma


 x = 2t


: y=t



 z = −t para todo t ∈ R. ]
7. Considerar los siguientes vectores en R3 :

     
2 −4 k
u1 =  1  , u2 =  −2  , u3 =  −3 
−1 2 3
   
−4 −4
b =  −1  , c =  −3  ,
1 2
donde k es un parámetro real inespecı́fico. Considerar también el conjunto
S = {u1 , u2 , u3 }.

159
a) Encontrar el valor real de k, tal que el conjunto S genere el plano W en R3 .

Esto es, encontrar los valores de k ∈ R, tales que
W = span{S}.
Dar la ecuación del plano W .
[Respuesta: El conjunto de vectores S genera el plano W para todo k ∈

R\{−6} y la ecuación del plano W es y + z = 0. ]
b) Para qué valores de k el sistema
[u1 u2 u3 ] x = b
es consistente? Los vectores Q = {u1 , u2 , u3 } generan un plano en R3 para

alguno de los valores k obtenidos? si es ası́, el vector b pertenece a este plano?
[Respuesta: El sistema es consistente para todo k ∈ R\{−6}. Los vectores

del conjunto Q generan un plano en R3 para todo k ∈ R\{−6}. Además, b está
contenido en el plano. ]
c) Para qué valores de k el sistema
[u1 u3 ] x = c
es consistente? Generan Q = {u1 , u3 } un plano en R3 para alguno de los

valores k obtenidos? Si es ası́, está el vector c contenido en el plano?
[Respuesta: El sistema es inconsistente para todo k ∈ R. Los vectores Q

generan un plano en R3 para todo k ∈ R\{−6}. Nota: c no es un vector en el
plano. ]
d) Para qué valores de k el sistema
[u1 u2 u3 ] x = c
es consistente? Generan Q = {u1 , u2 , u3 } un plano en R3 para algún valor

de k? Si es ası́, es c un vector en el plano?
[Respuesta: El sistema es inconsistente para todo k ∈ R. Los vectores en el

conjunto Q generan un plano en R3 para todo k ∈ R\{−6}. Nota: c no está
contenido en el plano. ]

160
3.4. EJERCICIOS 161
e) Es el sistema
[u1 u2 ] x = c
consistente?
[Respuesta: El sistema es inconsistente. ]
8. Considerar el conjunto de vectores S = {u1 , u2 , u3 } en R3 :

    
3 −1 3
u1 =  6  , u2 =  0  , u3 =  k  ,
2 1 7
a) Encontrar los valores de k para los que S genere R3 , es decir, todos los valores
de k, tales que
R3 = span {S}.
[Respuesta: Para todo k ∈ R\{12}. ]
b) Encontrar todos los valores de k, tales que S genere el plano Π en R3 y encontrar

la ecuación del plano.
[Respuesta: Para k = 12 el plano Π es 6x − 5y + 6z = 0. ]
c) Encontrar valores para α, tales que el vector

 
8
v= 6 
α
esté en el plano Π generado por los vectores del conjunto S.
[Respuesta: v ∈ Π : 6x − 5y + 6z = 0 si y sólo si α = −3. ]
9. Considerar el conjunto de vectores S = {u1 , u2 , u3 , u4 } en R4 con

       
1 −1 −1 k
 1   −9   3   −10 
u1 =  
 −2  , u2 =  
 k , u3 =  
 2 , u4 =  
 −4  ,
−3 11 −1 6

161
a) Encontrar los valores de k, tales que S sea un conjunto linealmente independi-

ente.
[Respuesta: S es un conjunto linealmente independiente para todo k ∈ R\{2}.

]
b) Encontrar todos los valores de k, para los que S sea linealmente dependiente y
una lista de posibles subconjuntos de dos vectores linealmente independientes
S con sus correspondientes valores de k.
[Respuesta: S es un conjunto linealmente dependiente para k = 2 y existen

tres subconjuntos linealmente independientes, de dos vectores
S1 = {u1 , u2 }, S2 = {u1 , u3 }, S3 = {u1 , u4 }. ]
c) Existen valores de k para los que exista un subconjunto de vectores en S que

contenga tres vectores linealmente independientes?
[Respuesta: No. ]

162
EN ALGEBRA LINEAL Transformaciones lineales en el espacio euclideo
Capı́tulo 4
Transformaciones lineales en el
espacio euclı́deo

En este capı́tulo estudiamos transformaciones lineales entre espacios euclı́deos Rn y Rm y
la relación de tales transformaciones con sistemas de ecuaciones lineales. Vamos a definir
la llamada matriz standard, que nos da una descripción completa (también única) de una
transformación lineal. Discutiremos ejemplos de transformaciones lineales y derivaremos
sus matrices standard, para después componer transformaciones lineales.
También introduciremos el concepto de transformación inyectiva y transformación so-
breyectiva, e investigaremos las transformaciones lineales invertibles que transformen vec-
tores en el mismo espacio euclı́deo.
4.1 Transformaciones lineales: dominio y rango

En esta sección estudiamos transformaciones lineales y damos ejemplos. Discutimos
además el dominio y rango de estas transformaciones.

Considerar una transformación (o función) T que transforme un subconjunto DT de
vectores de Rn , llamado dominio de T , en vectores definidos sobre Rm . Lo denotamos
como
T : DT ⊆ Rn → Rm .
Sea x ∈ DT . Entonces escribimos
T : x → T (x) ∈ Rm ,
donde T (x) se conoce como imagen de x por T .
163

163
164CAP
EN ÍTULO
ALGEBRA 4. TRANSFORMACIONES
LINEAL LINEALES EN lineales
Transformaciones EL ESPACIO
en el EUCL ÍDEO
espacio euclideo
Figura 4.1: El dominio, co-dominio y rango de una transformación T : DT ⊆ Rn → Rm .
1. El co-dominio de T : DT ⊆ Rn → Rm , denotado por CT , es el espacio euclı́deo Rm .

Ver Figura 4.1.
2. El rango de una transformación T : DT ⊆ Rn → Rm , denotado por RT , es un

subconjunto de vectores de Rm , denotado por RT , es decir, todos los vectores del
co-dominio Rm que imagen de todos los x en DT . Ası́, RT ⊆ Rm . Ver Figura 4.1.
3. Una transformación T : Rn → Rm se conoce como una transformación lineal con

dominio Rn si satisface las dos condiciones siguientes:
Figura 4.2: Una transformación lineal T : Rn → Rm .
a) T (u + v) = T (u) + T (v) para todo u ∈ Rn para todo u ∈ Rn (ver Figura 4.2);

164
4.1. TRANSFORMACIONES LINEALES: DOMINIO Y RANGO 165
EN
4.1.ALGEBRA LINEAL
TRANSFORMACIONES Transformaciones
LINEALES: DOMINIO lineales en el espacio 165
Y RANGO euclideo
todo u ∈ RDOMINIO
b) T (cu) = c T (u) paraLINEALES:
4.1. TRANSFORMACIONES
n ∈ R (ver Figura 4.2).
para todoYc RANGO 165
4. Sea Rn →
b) TT:(cu) = cRTm(u)
una para
transformación
n para todo c ∈ R
todo u ∈ Rlineal con dominio Rn .
(ver Figura 4.2).
Entonces, tenemos lo
b) T (cu)
siguiente = c T (u) para todo u ∈ R n para todo c ∈ R (ver Figura 4.2).
4. Sea T : Rn → Rm una transformación lineal con dominio Rn . Entonces, tenemos lo
Sea T : Rn → Rm una transformación lineal con dominio
4. siguiente Rn . Entonces, tenemos lo
Propiedades:
siguiente
a) El vector nulo 0n de Rn se transforma en el vector nulo 0m de Rm .
Propiedades:
Propiedades:
Esto es T (0n ) = 0m .
a) El vector nulo 0n de Rn se transforma en el vector nulo 0m de Rm .
a) Esto
El vector nulo
es T (0 0 de Rn se transforma en el vector nulo 0m de Rm .
n ) =n0m .
2 T (v) para todo u ∈ R , todo v ∈ R , todo c1 ∈ R
T (c1 u+c
b) Esto v)n = n n
es T2(0 ) =c10Tm(u)+c
.
y todo c2 ∈ R.
b) T (c1 u+c2 v) = c1 T (u)+c2 T (v) para todo u ∈ Rn , todo v ∈ Rn , todo c1 ∈ R
b) T
y (c 1 u+c
todo v)R.
c22∈ = c1 T (u)+c2 T (v) para todo u ∈ Rn , todo v ∈ Rn , todo c1 ∈ R
y todo c2 ∈ R.
Problema 4.1.1.
Problema
Considerar 4.1.1.
la transformación T : R2 → R3 , tal que
Problema 4.1.1.
:R 2 ) para todo x1 , x2 ∈ R.
2 x ,R3x, tal
Considerar , x
T : (x1la 2 ) → (x1 + x2 , T3x
transformación 1 +→ 2 1 − xque
Considerar la transformación T : R2 → R3 , tal que
T : (x1 , x2 )que
a) Demostrar → (x + una
T 1es x2 , 3x 1 + x 2 , x1 − x
transformación 2 ) para todo x1 , x2 ∈ R.
lineal.
T : (x1 , x2 ) → (x1 + x2 , 3x1 + x2 , x1 − x2 ) para todo x1 , x2 ∈ R.
b)
a) Cuál es el dominio,
Demostrar que T esco-dominio o rango de
una transformación T.
lineal.
a) Demostrar que T es una transformación lineal.
c) Encontrar
b) T (1, −2).co-dominio o rango de T .
Cuál es el dominio,
b) Cuál es el dominio, co-dominio o rango de T .
c) Encontrar T (1, −2).
c) Encontrar T (1, −2).

165
166CAPÍTULO 4. TRANSFORMACIONES LINEALES EN EL ESPACIO EUCLÍDEO
Solución 4.1.1.
a) Considerar dos vectores arbitrarios en R2 , digamos
x = (x1 , x2 ) y y = (y1 , y2 ).
Para establecer si T es lineal, tenemos que demostrar que T (x + y) = T (x) + T (y) y

T (c x) = c T (x) se cumple para todo c ∈ R. Para la primera condición tenemos que
T (x + y) = (x1 + y1 + x2 + y2 , 3(x1 + y1 ) + x2 + y2 , x1 + y1 − (x2 + y2 ))
= (x1 + x2 + y1 + y2 , 3x1 + x2 + 3y1 + y2 , x1 − x2 + y1 − y2 )
Además, tenemos
T (x) + T (y) = (x1 + x2 , 3x1 + x2 , x1 − x2 ) + (y1 + y2 , 3y1 + y2 , y1 − y2 )
= (x1 + x2 + y1 + y2 , 3x1 + x2 + 3y1 + y2 , x1 − x2 + y1 − y2 )
= T (x + y).
Para la segunda condición, tenemos
T (c x) = (c x1 + c x2 , 3c x1 + c x2 , c x1 − c x2 )
= c (x1 + x2 , 3x1 + x2 , x1 − x2 )
= c T (x) para todo c ∈ R.
Concluimos que T es una transformación lineal.
b) El dominio DT es obviamente R2 porque transformamos todos los vectores (x1 , x2 )

por T . El co-dominio de T es R3 , porque se transforman vectores de R2 en R3 .
Para establecer el rango de T tenemos que encontrar las imágenes de (x1 , x2 )
por la transformación T en R3 . Para ello es más conveniente escribir la trans-
formación en forma matricial. Notamos que para cada x1 y x2 , la transformación
lineal T : (x1 , x2 ) → (b1 , b2 , b3 ) hace lo siguiente:
x1 + x2 = b1
3x1 + x2 = b2
x1 − x2 = b3 .
Ası́, tenemos la ecuación matricial
Ax = b,

166
4.1. TRANSFORMACIONES LINEALES: DOMINIO Y RANGO 167
donde
   
1 1 b1
x1
A= 3 1 , b =  b2  ∈ R 3 , x= ∈ R2 .
x2
1 −1 b3
La transformación lineal dada T puede entonces escribirse como sigue:
T : x → Ax = b para todo x ∈ R2 .
Para encontrar el rango de T , tenemos que encontrar todos los b ∈ R3 para los
cuales el sistema Ax = b sea consistente. La matriz aumentada asociada y algunas
de sus matrices equivalentes por filas son
     
1 1 b1 1 1 b1 1 1 b1
 3 1 b2  ∼  0 −2 b2 − 3b1  ∼  0 −2 b2 − 3b1 .
1 −1 b3 0 −2 b3 − b1 0 0 2b1 − b2 + b3
De la matriz de más arriba, concluimos que el sistema Ax = b es consistente si y

sólo si
2b1 − b2 + b3 = 0.
Sea b2 = t y b3 = s, donde t y s son parámetros reales arbitrarios. Entonces tenemos

     
t/2 − s/2 1/2 −1/2
b= t  = t 1  + s 0  para todo t, s ∈ R.
s 0 1
Concluimos que todos los vectores en R3 que son imágenes de x a través de T

pertenecen al mismo conjunto generador span {v1 , v2 }, donde
   
1/2 −1/2
v1 =  1  , v2 =  0 
0 1
de manera que el rango RT de T es un subconjunto de R3 , dado por
RT = span {v1 , v2 }.
c) Encontramos T (1, −2):

   
1 1 −1
1
T : (1, −2) → Ax =  3 1  =  1  ∈ RT .
−2
1 −1 3

167
PROBLEMAS, TEORIA
168CAPÍTULO 4. YTRANSFORMACIONES
SOLUCIONES LINEALES EN EL ESPACIO EUCLÍDEO
Problema 4.1.2.
T : (x1 , x2 , x3 ) → (3x1 , 2x2 + x3 + 1) para todo x1 , x2 , x3 ∈ R.
Es T una transformación lineal? Explica tu respuesta.
Solución 4.1.2.
Investigamos T (x + y), donde

x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ).
Tenemos
T (x + y) = (3(x1 + y1 ), 2(x2 + y2 ) + x3 + y3 + 1),
y
T (x) + T (y) = (3x1 , 2x2 + x3 + 1) + (3y1 , 2y2 + y3 + 1)
= (3(x1 + y1 ), 2(x2 + y2 ) + x3 + y3 + 2).

Ası́, T (x + y) = T (x) + T (y), de manera que T no es una transformación lineal.
Problema 4.1.3.
Considerar la transformación T : Rn → Rm , tal que
T : x → T (x) = Ax para todo x ∈ Rn ,
donde A es cualquier matriz m × n. Demostrar que T es una transformación lineal.
Solución 4.1.3.
Considerar T : Rn → Rm , tal que

T : x → T (x) = Ax para todo x ∈ Rn ,
donde A es una matriz m × n. Demostramos que T es una transformación lineal para
cualquier matriz dada m × n. Considerar dos vectores cualquiera x ∈ Rn y y ∈ Rn .
Entonces,
T (x + y) = A(x + y)
= Ax + Ay
= T (x) + T (y).

168
4.2. MATRICES STANDARD Y TRANSFORMACIONES COMPUESTAS 169
Además
T (c x) = A(c x)
= c (Ax)
= c T (x) para todo c ∈ R.
Concluimos que T es una transformación lineal para cualquier matriz A de dimensiones

m×n
4.2 Matrices standard y transformaciones compuestas

En esta sección vamos a demostrar cómo podemos hallar la matriz standard de una trans-
formación lineal T . La matriz standard, que puede derivarse en términos de vectores
standard de la base del dominio de T , da una descripción única de T . También vamos a
discutir la composición de transformaciones lineales.
Join the best at Top master’s programmes

• 3
3rd place Financial Times worldwide ranking: MSc
the Maastricht University International Business
• 1st place: MSc International Business
School of Business and • 1st place: MSc Financial Economics
• 2nd place: MSc Management of Learning
Economics! • 2nd place: MSc Economics

• 2nd place: MSc Econometrics and Operations Research
• 2nd place: MSc Global Supply Chain Management and
Change
Sources: Keuzegids Master ranking 2013; Elsevier ‘Beste Studies’ ranking 2012;
Financial Times Global Masters in Management ranking 2012
Maastricht
University is
the best specialist
university in the
Visit us and find out why we are the best! Netherlands
(Elsevier)
Master’s Open Day: 22 February 2014
www.mastersopenday.nl

169
1. Matriz standard de T :
Sea T : Rn → Rm una transformación lineal que lleve todos los vectores en Rn a

vectores en Rm . Entonces, existe una única matriz A de dimensión m × n, tal que
T : x → T (x) = Ax ∈ Rm
para cada x ∈ Rn . Esta matriz A se conoce como matriz standard de T . En

particular,
A = [T (e1 ) T (e2 ) · · · T (en )],
donde {e1 , e2 , · · · , en } es la base standard de Rn con

     
1 0 0
 0   1   0 
     
e1 =  .. , e2 =  .. , ..., en =  .. .
 .   .   . 
0 0 1
Nota: La derivación de A viene del hecho de que cada vector x = (x1 , x2 , . . . , xn ) ∈

Rn , puede escribirse únicamente como combinación lineal de vectores de la base
estándard, como sigue:
x = x1 e1 + x2 e2 + · · · + xn en .
2. Considerar dos transformaciones lineales, T1 y T2 , tales que
T1 : Rn → Rm , T2 : Rm → Rp .
Ver Figura 4.3.

Suponer que A1 es la matriz stándard de dimensión m × n para T1 y que A2 es la
matriz stándard de dimensión p × m para T2 . Considerar
T1 : x → y = T1 (x) = A1 x ∈ Rm para todo x ∈ Rn y
T2 : y → z = T2 (y) = A2 y ∈ Rp ,
donde y es la imagen de x por T1 y z es la imagen de y por T2 . Entonces z es

la imagen de x por la nueva transformación lineal T , que es la composición de dos

170
PROBLEMAS, TEORIASTANDARD
4.2. MATRICES Y SOLUCIONES
Y TRANSFORMACIONES COMPUESTAS 171
Figura 4.3: La transformación lineal compuesta T2 ◦ T1 .
transformaciones lineales T1 y T2 , conocida como transformación compuesta, y

denotada como T2 ◦ T1 . Escribimos
T = T2 ◦ T1 : Rn → Rp ,
de manera que, para cada x ∈ Rn , tenemos
T = T2 ◦ T1 : x → T2 (T1 (x)) = T2 (A1 x) = A2 (A1 x) = (A2 A1 )x ∈ Rp .
La matriz standard de la transformación compuesta T2 ◦ T1 es el producto matricial

A2 A1 , que es una matriz p × n.
Problema 4.2.1.
Considerar las siguientes dos transformaciones de vectores en R2 :
La transformación T1 : R2 → R2 , donde T1 refleja cada vector en R2 sobre la recta y = 4x.
La transformación T2 : R2 → R2 , donde T2 rota todos los vectores de R2 en sentido con-

trario a las agujas del reloj, con ángulo π/3 sobre el origen (0, 0).
a) Encontrar la forma matricial estándard para T1 .
b) Encontrar la forma matricial estándard para T2 .
c) Encontrar la forma matricial estándard para las siguientes operaciones compuestas:

T2 ◦ T 1 , T1 ◦ T 2 , T1 ◦ T 1 , T2 ◦ T 2 .

171
PROBLEMAS, TEORIA
172CAPÍTULO 4. YTRANSFORMACIONES
SOLUCIONES LINEALES EN EL ESPACIO EUCLÍDEO
Solución 4.2.1.
a) Sugerencia: Revisar los problemas del Capı́tulo 1, donde el vector es reflejado

sobre una recta.
Sea A1 la matriz estándard para T1 , de manera que
T1 : x → A1 x para todo x ∈ R2 ,
donde

1 0
A1 = [T1 (e1 ) T1 (e2 )], e1 = , e2 = .
0 1
Primero, damos la reflexión de e1 sobre la recta y = 4x, es decir, calculamos T1 (e1 ):
Figura 4.4: Reflexión de e1 sobre y = 4x.
En la Figura 4.4 tenemos

−−→ −−→
T1 (e1 ) + CB + BA = e1

172
−−→ −−→
Dado que CB = BA, tenemos
−−→
T1 (e1 ) = e1 − 2BA
Además,
−−→ −−→
BA = e1 − OB,
−−→
donde OB es la proyección ortogonal de e1 de la recta dada por la ecuación y = 4x,
es decir, la proyección ortogonal de e1 sobre cualquier vector de la recta . Para
encontrar un vector en (digamos v), hacemos x = 1. Entonces y = 4, de manera
que v = (1, 4) y
−−→ e1 · v
OB = projv e1 = v
v·v
(1)(1) + (0)(4)
= (1, 4)
12 + 42
1
= (1, 4).
17
Ası́, tenemos
−−→ 1 1 2 1
BA = (1, 0) − (1, 4) = (16, −4) y T1 (e1 ) = (1, 0) − (16, −4) = (−15, 8),
17 17 17 17
o, en forma de matriz columna,

1 −15
T1 (e1 ) = .
17 8
A continuación, buscamos la reflexión de e2 sobre la recta y = 4x, es decir, tenemos

que calcular T1 (e2 ):
En la siguiente figura 4.5 tenemos
−−→ −−→
T1 (e2 ) = e2 + AB + BC,
−−→ −−→
donde AB = BC. Ası́,
−−→
T1 (e2 ) = e2 + 2AB.
Además,
−−→ −−→
AB = OB − e2 ,
donde
−−→
OB = projv e2 , con v = (1, 4).

173
174CAP
EN ÍTULO
en el EUCL ÍDEO
espacio euclideo
Figura 4.5: Reflexión de e2 sobre y = 4x.
Ası́,
−−→ e2 · v
OB = projv e2 = v
v·v
(0)(1) + (1)(4)
= (1, 4)
12 + 42
4
= (1, 4)
17
y
−−→ 4 1
AB = (1, 4) − (0, 1) = (4, −1),
17 17
de manera que
2 1
T1 (e2 ) = (0, 1) + (4, −1) = (8, 15).
17 17
En forma de matriz columna, tenemos

1 8
T1 (e2 ) = .
17 15

174
La matriz standard A1 para T1 es entonces

1 −15 8
A1 = .
17 8 15
b) Sea A2 la matriz standard de la transformación T2 : R2 → R2 , donde T2 rota cada

vector R2 en sentido contrario a las agujas del reloj, con ángulo ϕ = π/3 sobre el
origen (0, 0). Entonces,
T2 : x → A2 x para todo x ∈ R2 ,
donde

1 0
A2 = [T2 (e1 ) T2 (e2 )], e1 = , e2 = .
0 1
En la Figura 4.6 mostramos la rotación en sentido contrario de las agujas del reloj,
de e1 y e2 sobre (0, 0).
Figura 4.6: Rotación de los vectores e1 y e2 en sentido contrario a la agujas del reloj, con
ángulo ϕ con respecto a (0, 0).
Siguiendo la Figura 4.6 tenemos

cos ϕ − sin ϕ
T2 (e1 ) = , T2 (e2 ) = .
sin ϕ cos ϕ

175
Ası́, la matriz estándard T2 para la rotación antihoraria con ángulo ϕ sobre (0, 0) es

cos ϕ − sin ϕ
A2 = .
sin ϕ cos ϕ
Para el ángulo ϕ = π/3 tenemos

√
1/2 − 3/2
A2 = √ .
3/2 1/2
c) Las matrices estándard para las transformaciones compuestas dadas, se describen

más abajo:
T2 ◦ T1 : x → (A2 A1 )x para todo x ∈ R2
T1 ◦ T2 : x → (A1 A2 )x para todo x ∈ R2
T1 ◦ T1 : x → (A21 )x para todo x ∈ R2
T2 ◦ T2 : x → (A22 )x para todo x ∈ R2 .

176
Problema 4.2.2.
Considerar la transformación lineal T : R2 → R2 , donde T proyecta cada vector en R2
ortogonalmente sobre la recta y = k x para cualquier k ∈ R.
a) Encontrar la matriz standard de T .
b) Sea k = −1/2, es decir, considerar la recta y = −x/2, encontrar la imagen del punto
(1, 2) por la transformación T .
Solución 4.2.2.
a) Sugerencia: Revisar de nuevo los problemas del Capı́tulo 1, donde un vector se
proyecta sobre otro vector.
Sea A la matriz standard de la proyección diagonal de todo vector x ∈ R2 sobre la

recta y = kx para todo k ∈ R. Entonces,
T : x → T (x) = Ax,
donde

1 0
A = [T (e1 ) T (e2 )], e1 = , e2 = .
0 1
Para encontrar T (e1 ) tenemos que proyectar e1 ortogonalmente sobre cualquier vec-
tor v que esté sobre la recta y = kx. Ver Figura 4.7.
Sea x = 1. Entonces y = k, de manera que

e1 · v
T (e1 ) = projv e1 = (e1 · v̂) v̂ = v,
v2
donde

1 v
v = (1, k) ≡ , v̂ = .
k v
Ahora
e1 · v = (1, 0) · (1, k) = 1
v2 = (1, k) · (1, k) = 1 + k 2 ,
de manera que

1 1
T (e1 ) = .
1 + k2 k

177
EN ALGEBRA
178CAP LINEAL
ÍTULO Transformaciones
4. TRANSFORMACIONES LINEALES EN lineales en el EUCL
EL ESPACIO espacio euclideo
ÍDEO
Figura 4.7: La proyección ortogonal de e1 sobre y = kx.
Para encontrar T (e2 ) proyectamos e2 ortogonalmente sobre el vector v = (1, k).

Esto es,

e2 · v
T (e2 ) = projv e2 = (e2 · v̂) v̂ = v,
v2
donde e2 · v = (0, 1) · (1, k) = k, de manera que

k 1
T (e2 ) = .
1 + k2 k
La matriz estandard de T es por tanto

1 1 k
A = [T (e1 ) T (e2 )] = .
1 + k2 k k2
b) Usando el resultado de la parte a), la matriz standard para la proyección ortogonal

de cada vector x ∈ R2 sobre la recta y = −x/2 es

4/5 −2/5
A= .
−2/5 1/5

178
Entonces

1 1 4/5 −2/5 1 0
T (1, 2) : → A = = .
2 2 −2/5 1/5 2 0
Problema 4.2.3.
Considerar la siguiente transformación lineal T : R3 → R3 , donde T refleja cada vector R3
sobre la recta dada por


 x = 2t


: y=t



 z = −t para todo t ∈ R.
a) Encontrar la matriz estandard de T .
b) Encontrar la imagen del punto (1, 2, 3) por T . Es decir, encontrar T (1, 2, 3).
Need help with your

dissertation?
Get in-depth feedback & advice from experts in your
topic area. Find out what you can do to improve
the quality of your dissertation!
Get Help Now
Go to www.helpmyassignment.co.uk for more info

179
Solución 4.2.3.
a) Sea A la matriz estandard de la transformación T que refleja cada vector x ∈ R3

sobre la recta


 x = 2t


: y=t



 z = −t para todo t ∈ R.
Entonces
A = [T (e1 ) T (e2 ) T (e3 )]
donde {e1 , e2 , e3 } es la base estandard para R3 .
Para calcular T (e1 ), proyectamos e1 sobre cualquier vector diferente de cero v con
coordenadas sobre la recta . Para encontrar tal vector, hacemos t = 1 en la ecuación
paramétrica de y obtenemos
 
2
v =  1 .
−1
Siguiendo la Figura 4.8 tenemos

−−→
T (e1 ) = e1 + 2AB,
donde
−−→ −−→
AB = OB − e1
y

−−→ e1 · v
OB = projv e1 = v.
v2
Ası́, tenemos
T (e1 ) = 2 projv e1 − e1

e1 · v
=2 v − e1
v2
 
1
1
= 2 .
3
−2

180
EN ALGEBRA
4.2. LINEALSTANDARD Y TRANSFORMACIONES
MATRICES TransformacionesCOMPUESTAS
lineales en el espacio 181
euclideo
Figura 4.8: La reflexión de e1 sobre la recta en R3 .
De manera similar, encontramos T (e2 ) y T (e3 ). Obtenemos

 
2
1
T (e2 ) = 2 projv e2 − e2 =  −2 
3
−1
 
−2
1
T (e3 ) = 2 projv e3 − e3 = −1  .
3
−2
La matriz estandard A de T es entonces

 
1 2 −2
1
A= 2 −2 −1  .
3
−2 −1 −2
Un punto con coordenadas (x, y, z) se transforma bajo la siguiente operación de

reflexión
        
x x 1 2 −2 x x + 2y − 2z
1 1
T (x, y, z) :  y  → A  y  =  2 −2 −1   y  =  2x − 2y − z  .
3 3
z z −2 −1 −2 z −2x − y − 2z

181
b) De la parte a) más arriba, tenemos

        
1 1 1 2 −2 1 1
1 1
A  2  =  2 −2 −1   2  = −  5  .
T (1, 2, 3) :  2  →
3 3
3 3 −2 −1 −2 3 10
Problema 4.2.4.
Sea una recta en R3 que pase por el origen (0, 0, 0). Consideramos ahora la transformación
T1 : R3 → R3 que proyecta cada vector x ∈ R3 ortogonalmente sobre y la transformación
T2 : R3 → R3 que refleja cada vector x ∈ R3 sobre la misma recta . Encontrar la relación
entre la matriz standard de T1 y la matriz standard de T2 .
Solución 4.2.4.
Sea A1 la matriz standard de la proyección ortogonal de la transformación T1 sobre , es

decir,
T1 : x → T1 (x) = A1 x para todo x ∈ R3
y sea A2 la matriz standard de la transformación de reflexión T2 sobre , i.e.
T2 : x → T2 (x) = A2 x para todo x ∈ R3 .
Como es usual, consideramos la transformación de los vectores de la base standard {e1 , e2 , e3 }.

Referiéndonos a la Figura 4.9, tenemos por la suma de vectores,
−−−→ −−−→
e1 + P1 Q1 = T1 (e1 ) y e1 + 2P1 Q1 = T2 (e1 ).
Ası́, obtenemos la relación
T2 (e1 ) = 2 T1 (e1 ) − e1 .
Refiriéndonos a la Figura 4.10, tenemos

−−−→ −−−→
e2 + P2 Q2 = T1 (e2 ) y e2 + 2P2 Q2 = T2 (e2 ),
que nos da la relación
T2 (e2 ) = 2 T1 (e2 ) − e2 .
Refiriéndonos a la Figura 4.11, tenemos

−−−→ −−−→
e3 + P3 Q3 = T1 (e3 ) y e3 + 2P3 Q3 = T2 (e3 ),

182
4.2.ALGEBRA
EN MATRICES
LINEALSTANDARD Y TRANSFORMACIONES
TransformacionesCOMPUESTAS
lineales en el espacio 183
euclideo
Figura 4.9: La reflexión y proyección ortogonal de e1 sobre la recta .
que nos da la relación
T2 (e3 ) = 2 T1 (e3 ) − e3 .
La matriz standard A1 para T1 es
A1 = [T1 (e1 ) T1 (e2 ) T1 (e3 )]
y la matriz standard A2 para T2 es
A2 = [T2 (e1 ) T2 (e2 ) T2 (e3 )]
= [2 T1 (e1 ) − e1 2 T1 (e2 ) − e2 2 T1 (e3 ) − e3 ]
= 2 [T1 (e1 ) T1 (e2 ) T1 (e3 )] − [e1 e2 e3 ].
Ası́, la relación entre A1 y A2 es
A2 = 2 A1 − I3 ,
donde I3 es la matriz identidad 3 × 3.

183
EN ALGEBRA
184CAP LINEAL
ÍTULO Transformaciones
4. TRANSFORMACIONES LINEALES EN lineales en el EUCL
EL ESPACIO espacio euclideo
ÍDEO
Problema 4.2.5.
Sea
 √ 
1/2 1/2 1/ 2
 √ 
A=
 1/2 −5/6 1/(3 2) 

√ √
1/ 2 1/(3 2) −2/3
la matriz standard para la transformación T que refleje cada vector x ∈ R3 sobre la recta
, donde es una recta en R3 que pasa por el origen (0, 0, 0). Encontrar la ecuación
paramétric para .

184
EN
4.2.ALGEBRA LINEALSTANDARD Y
MATRICES TransformacionesCOMPUESTAS
TRANSFORMACIONES lineales en el espacio 185
euclideo
Solución 4.2.5.
Dado que la recta pasa por (0, 0, 0), tiene la forma



 x = at


: y = bt



 z = c t para todo t ∈ R,
donde v = (a, b, c) es la dirección de y también es un vector en la recta . Ahora tenemos

que encontrar a, b y c explı́citamente, de manera que T refleje cada vector x ∈ R3 sobre
con la matriz standard dada A. Para la base standard {e1 , e2 , e3 }, tenemos
A = [T (e1 ) T (e2 ) T (e3 )],
de manera que
     √ 
1/2 1/2 1/ 2
     √ 
T (e1 ) = 
 1/2 ,
 T (e2 ) = 
 −5/6  , T (e3 ) = 
 1/(3 2) .

√ √
1/ 2 1/(3 2) −2/3
Refiriéndonos a la Figura 4.12 tenemos
w1 = projv e1 and w1 = projv T (e1 ).

185
186CAP
EN ÍTULO
en el EUCL ÍDEO
espacio euclideo
Figura 4.12: La reflexión de e1 sobre la recta .
Esto quiere decir que

e · v
T (e1 ) · v 1
v= v o T (e1 ) · v = e1 · v.
v·v v·v
Para la transformación dada T (e1 ) y v = (a, b, c) obtenemos
1 1 1 √
a + b + √ c = a o a − b − 2c = 0.
2 2 2
w2 = projv e2 y w2 = projv T (e2 ).
Quiere decir que
e · v
T (e2 ) · v 2
v= v or T (e2 ) · v = e2 · v.
v·v v·v
√
1 5 1 11 2
a− b+ √ c=b o a− b+ c = 0.
2 6 3 2 3 3
w3 = projv e3 y w3 = projv T (e3 ).

186

187
Quiere decir que

e · v
T (e3 ) · v 3
v= v o T (e3 ) · v = e3 · v.
v·v v·v
√
1 1 2 1 5 2
√ a+ √ b− c=c o a+ b− c = 0.
2 3 2 3 3 3
Ası́, tenemos ahora tres condiciones para el número de constantes indeterminadas a, b y
c,
√
a − b − 2c = 0
√
11 2
a− b+ c=0
3 3
√
1 5 2
a+ b− c = 0,
3 3
o en forma matricial
 √    
1 −1 − 2 a 0
 √    
 1 −11/3 2/3  b  =  0 .
    
√
1 1/3 −5 2/3 c 0
Resolviendo este sistema por el método de eliminación de Gauss, obtenemos la solución

3 1
a = √ s, b = √ s, c = s,
2 2
√
donde s es un parámetro libre. Sea s = 2, de manera que la ecuación paramétrica de
sea


 x = 3t


: y=t



 √
z = 2 t para todo t ∈ R.

188
Problema 4.2.6.
Encontrar la matriz standard para la transformación lineal T : R3 → R3 , donde T proyecta
ortogonalmente cada vector en R3 sobre el plano xy.
Solución 4.2.6.
La matriz standard A para la transformación T : R3 → R3 que proyecta cada x ∈ R3

ortogonalmente sobre el plano xy es
A = [T (e1 ) T (e2 ) T (e3 )]
donde {e1 , e2 , e3 } es la base standard para R3 . De la Figura 4.15, está claro que
     
1 0 0
T (e1 ) =  0  , T (e2 ) =  1  , T (e3 ) =  0  .
0 0 0
Figura 4.15: La proyección ortogonal de x ∈ R3 sobre el plano xy.
Ası́ la matriz standard A es

 
1 0 0
 0 1 0 .
0 0 0

189
Problema 4.2.7.
Encontrar la matriz standard para T : Rn → Rn , tal que
T : x → k x
para cada x ∈ Rn y cualquier k ∈ R.
Brain power By 2020, wind could provide one-tenth of our planet’s

electricity needs. Already today, SKF’s innovative know-
how is crucial to running a large proportion of the
world’s wind turbines.
Up to 25 % of the generating costs relate to mainte-
nance. These can be reduced dramatically thanks to our
systems for on-line condition monitoring and automatic
lubrication. We help make it more economical to create
cleaner, cheaper energy out of thin air.
By sharing our experience, expertise, and creativity,
industries can boost performance beyond expectations.
Therefore we need the best employees who can
meet this challenge!
The Power of Knowledge Engineering
Plug into The Power of Knowledge Engineering.

Visit us at www.skf.com/knowledge

190
Solución 4.2.7.
Buscamos una matriz A de dimensión n × n, tal que
T : x → Ax = k x
para todo x ∈ Rn . Sea

 
x1
 x2 
 
x =  . .
.
 . 
xn
Entonces
    
k 0 0 ··· 0 x1 k x1
 0 k 0 ··· 0  x2   k x2 
    
 .. ..  .. = ..  o kIn x = k x.
 . .  .   . 
0 0 0 ··· k xn k xn
Ası́, la matriz standard de T es A = k In , donde In es la matriz identidad n × n.
Problema 4.2.8.
Encontrar la matriz standard para T : R2 → R4 , tal que
T : x → (k1 x1 , k2 x2 , (k1 − k2 )x1 , (k1 + k2 )x2 )
para cada x = (x1 , x2 ) ∈ R2 y cualesquiera números reales k1 y k2 .
Solución 4.2.8.
Tenemos la transformación T : R2 → R4 , de manera que cada x = (x1 , x2 ) ∈ R2 se

transforma en un vector (k1 x1 , k2 x2 , (k1 − k2 )x1 , (k1 + k2 )x2 ) ∈ R4 para cualquier
k1 , k2 ∈ R. Por tanto, buscamos una matriz A de dimensión 4 × 2, tal que
 
k1 x1
x1 x1  k2 x2 
T: → A = 
 (k1 − k2 ) x1  .
x2 x2
(k1 + k2 ) x2
Dado que
   
k1 0 k1 x1
 0 k2   
  x1 =
k2 x2 ,
 k1 − k2 0  x2  (k1 − k2 ) x1 
0 k1 + k 2 (k1 + k2 ) x2

191
está claro que la forma de la matriz T es

 
k1 0
 0 k2 
A=  k1 − k2
.

0
0 k1 + k 2
Problema 4.2.9.
Considerar tres transformaciones lineales, T1 , T2 y T3 , que transformen todos los vectores
en R3 en vectores de R3 como sigue:
T1 rota cada vector en R3 en sentido contrario a las agujas del reloj con un ángulo θ1 sobre
el eje z, T2 rota cada vector R3 en sentido contrario de las agujas del reloj con ángulo
θ2 sobre el eje y, y T3 rota cada vector R3 en sentido contrario a las agujas del reloj con
ángulo θ3 sobre el eje x.
a) Encontrar las matrices standard para T1 , T2 y T3 .
b) Encontrar la matriz standard para la transformación compuesta T = T3 ◦ T2 ◦ T1 .
c) Considerar un vector u = (x, y, z), donde (x, y, z) es un punto en la esfera con centro
en (0, 0, 0) y radio a > 0. Calcular T (u), donde T es la transformación compuesta de
la parte b) y demostrar que T (u) es un vector con coordenadas en la misma esfera.
Solución 4.2.9.
a) Sea T1 : x → A1 x una transformación que rote cada vector x ∈ R3 en sentido

antihorario en el eje z con un ángulo θ1 . Entonces,
A1 = [T1 (e1 ) T1 (e2 ) T1 (e3 )],
donde
     
cos θ1 − sin θ1 0
T1 (e1 ) =  sin θ1  , T1 (e2 ) =  cos θ1  , T1 (e3 ) =  0  .
0 0 1
Ası́, la matriz standard para T1 es

 
cos θ1 − sin θ1 0
A1 =  sin θ1 cos θ1 0  .
0 0 1

192
Sea T2 : x → A2 x la transformación que rota cada vector x ∈ R3 en sentido contrario

a las agujas del reloj sobre el eje y con un ángulo θ2 . Entonces,
A2 = [T2 (e1 ) T2 (e2 ) T2 (e3 )],
donde
     
cos θ2 0 − sin θ2
T2 (e1 ) =  0  , T2 (e2 ) =  1  , T2 (e3 ) =  0 .
sin θ2 0 cos θ2
 
cos θ2 0 − sin θ2
A2 =  0 1 0 .
sin θ2 0 cos θ2
Sea T3 : x → A3 x una transformación que rota cada vector x ∈ R3 en sentido

contrario a las agujas del reloj sobre el eje x con un ángulo θ3 . Entonces,
A3 = [T3 (e1 ) T3 (e2 ) T3 (e3 )],
donde
     
1 0 0
T3 (e1 ) =  0  , T3 (e2 ) =  cos θ3  , T3 (e3 ) =  − sin θ3  .
0 sin θ3 cos θ3
 
1 0 0
A3 =  0 cos θ3 − sin θ3  .
0 sin θ3 cos θ3
b) Para la transformación compuesta
T = T3 ◦ T2 ◦ T1 , T : x → Ax
la matriz standard A es
A = A3 A2 A1 ,
donde A1 , A2 y A3 vienen dadas en la parte a). Ası́,

   
1 0 0 cos θ2 0 − sin θ2 cos θ1 − sin θ1 0
A =  0 cos θ3 − sin θ3   0 1 0   sin θ1 cos θ1 0 
0 sin θ3 cos θ3 sin θ2 0 cos θ2 0 0 1
 
cos θ1 cos θ2 − sin θ1 cos θ2 − sin θ2
 
 
=  sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 − cos θ2 sin θ3  .
 
sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 cos θ2 cos θ3

193
c) Sea u un vector en la esfera con radio a > 0, dado por la ecuación
x 2 + y 2 + z 2 = a2 .
Entonces u tiene las siguientes coordenadas:

u = (x, y, a2 − x2 − y 2 ).
Ahora transformamos u por T = T3 ◦ T2 ◦ T1 , es decir,
T : u → T (u) = Au,
donde A es la matriz estandard dada en la parte b). Esto nos lleva a
Au = w = (w1 , w2 , w3 ),
donde

w1 = x cos θ1 cos θ2 − y sin θ1 cos θ2 − a2 − x2 − y 2 sin θ2
w2 = x (sin θ1 cos θ3 − cos θ1 sin θ2 sin θ3 ) + y (cos θ1 cos θ3 + sin θ1 sin θ2 sin θ3 )

− a2 − x2 − y 2 cos θ2 sin θ3
w3 = x (sin θ1 sin θ3 + cos θ1 sin θ2 cos θ3 ) + y (cos θ1 sin θ3 − sin θ1 sin θ2 cos θ3 )

+ a2 − x2 − y 2 cos θ2 cos θ3 .
Calculamos w12 + w22 + w32 y obtenemos
w12 + w22 + w32 = a2 ,
lo que muestra que w es un vector en la esfera con radio a > 0 y centro (0, 0, 0).
Problema 4.2.10.
a) Considerar la transformación lineal T : R3 → R3 , donde T proyecta cada vector
x ∈ R3 ortogonalmente sobre el plano
Π : ax + by + cz = 0.
Encontrar la matriz standard para T .

194
ˆ donde ˆ es la proyección ortogonal

b) Encontrar la ecuación paramétrica de la recta ,
de la recta


 x=t+2


: y = −t + 1



 z = 3t − 1 para todo t ∈ R
sobre el plano
Π : x + 2y − 3z = 0.

195
Solución 4.2.10.
a) Sea A la matriz standard de T . Para la base standard {e1 , e2 , e3 } tenemos
A = [T (e1 ) T (e2 ) T (e3 )].
El vector normal n al plano Π es
n = (a, b, c).
Figura 4.16: La proyección ortogonal de e1 sobre el plano Π.
−−−→
T (e1 ) + Q1 P1 = e1 ,
donde
 
e · n a
−−−→ 1 a  b .
Q1 P1 = projn e1 = n= 2
n·n a + b2 + c 2
c

196
Entonces,
     2 
1 a b + c2
a 1
T (e1 ) =  0  − 2  b =  −ab  .
a + b2 + c 2 a 2 + b2 + c 2
0 c −ac

−−−→
T (e2 ) + Q2 P2 = e2 ,
donde
 
a
−−−→ e2 · n b 
Q2 P2 = projn e2 = n= 2 b .
n·n a + b2 + c 2
c
Entonces,
     
0 a −ab
b 1
T (e2 ) =  1  − 2 2 2
 b =  a 2 + c2  .
a +b +c a + b2 + c 2
2
0 c −bc

197

−−−→
T (e3 ) + Q3 P3 = e3 ,
donde
 
a
−−−→ e3 · n c  b .
Q3 P3 = projn e3 = n= 2
n·n a + b2 + c 2
c
Entonces
     
0 a −ac
c 1
T (e3 ) =  0  − 2 2 2
 b =  −bc  .
a +b +c a + b2 + c 2
2
1 c a 2 + b2
La matriz standard de A para T es entonces

 2 
b + c2 −ab −ac
1  −ab
A = [T (e1 ) T (e2 ) T (e3 )] = 2 a2 + c2 −bc  .
a + b2 + c 2
−ac −bc a2 + b2

198
b) Para encontrar la proyección de la recta sobre el plano Π, elegimos dos puntos

cualquiera P y Q en y proyectamos sus vectores de posición sobre Π utilizando la
matriz standard que se derivó en la parte a). Nos referimos a la Figura 4.19.
Figura 4.19: La proyección ortogonal de sobre el plano Π.
Elegimos los dos siguientes puntos : P : (2, 1, −1) que se corresponden con el valor
del parámetro t = 0 y Q : (3, 0, 2) para t = 1. Utilizando la matriz standard de A
de la proyección ortogonal de algún vector en R3 sobre el plano Π dado en la parte
a), obtenemos para nuestro plano
Π : x + 2y − 3z = 0
la matriz standard
 
13 −2 3
1 
A= −2 10 6  .
14
3 6 5
Ahora
    
13 −2 3 2 3
−−→ 1     1 
OP1 = −2 10 6 1 = 0
14 2
3 6 5 −1 1

199
y
    
13 −2 3 3 45
−−→ 1  1 
OQ1 = −2 10 6   0  = 6 .
14 14
3 6 5 2 19
−−−→
Ahora tenemos el vector P1 Q1 , es decir,
−−−→ 45 3 3 19 1 12 3 6
P1 Q1 = ( − , − 0, − ) = ( , , ).
14 2 7 14 2 7 7 7
−−−→
El vector P1 Q1 da la dirección de la recta ˆ y, utilizando el punto P1 , obtenemos la
siguiente ecuación parametrizada de la recta : ˆ
 12 3

 x= t+

 7 2


3
ˆ : y= t

 7



 z= 6 1
t+ para todo t ∈ R.
7 2

200
4.3. TRANSFORMACIONES LINEALES INVERTIBLES 201
4.3 Transformaciones lineales invertibles

En esta sección discutimos transformaciones lineales sobreyectivas e inyectivas y transfor-
maciones lineales invertibles.
1. Una transformación lineal T : Rn → Rm , donde
T : x → b
se dice que es sobreyectiva en un subconjunto W de Rm (o simplemente en W ),

si cada vector b ∈ W es la imagen de otro vector x ∈ Rn .
2. Una transformación lineal T : Rn → Rm , donde
T : x → b,
se dice que es inyectiva en un subconjunto W de Rm (o simplemente correspon-

dencia uno-a-uno en W ), si cada vector b ∈ W es la imagen de exactamente un
vector x ∈ Rn .
3. Sea T : Rn → Rm una transformación lineal con matriz standard A, por ejemplo,
T : x → T (x) = Ax ∈ Rm ,
donde A es una matriz m × n. Entonces, tenemos lo siguiente
Propiedades:
a) T es inyectiva en su rango RT si y sólo si

Ax = 0
tiene sólo la solución cero x = 0.
b) T es inyectiva en su rango RT si y sólo si las columnas de A forman un conjunto
linealmente independiente de n vectores en Rm . Entonces,
Ax = b
tiene una solución única x ∈ Rn .
c) T es sobreyectiva en Rm si y sólo si el co-dominio de T , es decir Rm , es el rango
RT de T , es decir, si y sólo si RT = Rm .
d) Si T es inyectiva en un conjunto, entonces T es sobreyectiva en este conjunto.

201
Puntualización: Alguna transformación lineal T : Rn → Rm con matriz standard

A = [a1 a2 · · · an ] es siempre sobreyectiva en su rango RT ⊆ Rm y entonces
RT = span {a1 , a2 , · · · , an }.
Si existen vectores en el co-dominio Rm que no estén en RT , entonces RT = Rm y

entonces T no es sobreyectiva en Rm .
4. Supongamos que T : Rn → Rn es una transformación lineal inyectiva es su rango

RT ⊆ Rm con matriz standard A de dimensiones n × n.
Ahora supongamos que existe otra transformación lineal inyectiva T −1 : Rn → Rn ,
tal que
T −1 ◦ T (x) = T ◦ T −1 (x) = x para todo x ∈ DT .
Entonces T −1 es la inversa de T y la matriz standard de T −1 es la matriz inversa

A−1 de A. Esto es,
T −1 : x → T −1 (x) = A−1 x para todo x ∈ DT .
Problema 4.3.1.
Considerar la transformación T : R2 → R2 con matriz standard

1 0
A= .
1 0
a) Dar el dominio DT y el rango RT de la transformación T .
b) Es la transformación T sobreyectiva y/o inyectiva en su rango RT ? Explicar.
c) Es la transformación sobreyectiva en R2 ? Explicar.
Solución 4.3.1.
a) Nos dan la transformación lineal T : R2 → R2 con matriz standard

1 0
A= .
1 0

202
PROBLEMAS,
4.3. TEORIA Y SOLUCIONES
TRANSFORMACIONES LINEALES INVERTIBLES 203
Figura 4.20: Una transformación sobreyectiva T en y = x que no es inyectiva.
Esto es

x x 1 0 x x
T: → A = =
y y 1 0 y x
para todo x ∈ R y todo y ∈ R. Ver Figura 4.20.

El dominio DT de T contiene todos los vectores en R2 , es decir,

x
DT = { para todo x, y ∈ R}
y

1 0
= span { , } = R2 .
0 1
El rango RT de T son todos los vectores en R2 que están en la recta y = x, es decir,

k
RT = { para todo k ∈ R}
k

1
= span { } ⊂ R2 .
1
b) La transformación es sobreyectiva en su rango RT (la recta y = x), porque todo vec-

tor en RT es la imagen de al menos un vector en el dominio DT = R2 . Sin embargo,
T no es inyectiva, porque existe más de un vector en R2 que se transforma en el
mismo vector en RT . De hecho, existen infinitos vectores en R2 que se transforman
en un mismo punto en RT , para cada punto en RT . Por ejemplo, ambos vectores
(1, 2) y (1, 3) se transforman en el vector (1, 1) por T . Además, los vectores (1, k)
van todos a (1, 1) para todo k ∈ R.

203
c) La transformación T no es sobreyectiva en R2 , porque sólo los vectores de la recta

y = x son imágenes de T . Ası́ que no todo vector en R2 es una imagen de T . Por
ejemplo, el vector v = (1, 2) no es imagen de T para ningún punto de R2 .
Problema 4.3.2.
T : (x1 , x2 , x3 ) → (x1 − x2 + 5x3 , x1 + 2x2 − 4x3 , 2x1 + 3x2 − 5x3 ).
a) Probar que T es una transformación lineal.
b) Encontrar la matriz standard de T .
c) Cuál es el dominio DT y el rango RT de T . Dar DT y RT en función de los conjuntos

generadores.
d) Es T sobreyectiva en R3 ? Explicar.
e) Es T injectiva en su rango RT ? Explicar.

204
Solución 4.3.2.
a) Probamos que la transformación T , dada por

   
x1 x1 − x2 + 5x3
T :  x2  →  x1 + 2x2 − 4x3  ,
x3 2x1 + 3x2 − 5x3
es una transformación lineal. Considerar dos vectores en R3 , como x = (x1 , x2 , x3 )

y y = (y1 , y2 , y3 ). Entonces
   
x1 − x2 + 5x3 y1 − y2 + 5y3
T (x) =  x1 + 2x2 − 4x3  , T (y) =  y1 + 2y2 − 4y3  .
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3
Tenemos que demostrar que T (x + y) = T (x) + T (y) y que T (c x) = c T (x) para

todo x y y en R3 y todo c ∈ R. Tenemos
 
x1 + y1 − (x2 + y2 ) + 5(x3 + y3 )
T (x + y) =  x1 + y1 + 2(x2 + y2 ) − 4(x3 + y3 ) 
2(x1 + y1 ) + 3(x2 + y2 ) − 5(x3 + y3 )
   
x1 − x2 + 5x3 y1 − y2 + 5y3
=  x1 + 2x2 − 4x3  +  y1 + 2y2 − 4y3 
2x1 + 3x2 − 5x3 2y1 + 3y2 − 5y3
= T (x) + T (y).
Además, tenemos
   
cx1 − cx2 + 5cx3 x1 − x2 + 5x3
T (c x) =  cx1 + 2cx2 − 4cx3  = c  x1 + 2x2 − 4x3  = c T (x) para todo c ∈ R.
2cx1 + 3cx2 − 5cx3 2x1 + 3x2 − 5x3
Dado que x y y son vectores arbitrarios en R3 , las dos propiedades para T se cumplen
para todos los vectores de R3 . Esto prueba que T es una transformación lineal.
b) La matriz standard de T es una matriz A de dimensiones 3 × 3, tal que
     
x1 x1 x1 − x2 + 5x3
T :  x2  → A  x2  =  x1 + 2x2 − 4x3  .
x3 x3 2x1 + 3x2 − 5x3
Ası́, la matriz standard es

 
1 −1 5
A= 1 2 −4  .
2 3 −5

205
c) El dominio DT de T es el conjunto de vectores en R3 , dado que T transforma cada

vector de R3 . Esto es,
DT = span {e1 , e2 , e3 },
donde {e1 , e2 , e3 } son los vectores de la base standard de R3 .
Para establecer el rango RT de T , tenemos que encontrar los vectores b ∈ R3 , tal

que el sistema
Ax = b
es consistente, donde A es la matriz standard de T , es decir,

 
1 −1 5
A= 1 2 −4  .
2 3 −5
Sea
 
b1
b =  b2  .
b3
Entonces, la matriz aumentada asociada del sistema lineal es

 
1 −1 5 b1
[A b] =  1 2 −4 b2  .
2 3 −5 b3
Aplicando operaciones elementales entre filas en la matriz aumentada, obtenemos

las siguientes matrices equivalentes por filas:
   
1 −1 5 b1 1 −1 5 b1
 1 2 −4 b2  ∼  0 3 −9 b2 − b1 
2 3 −5 b3 0 5 −15 b3 − 2b1
 
1 −1 5 b1
∼ 0 1 −3 b2 /3 − b1 /3 
0 0 0 −5b2 /3 − b1 /3 + b3
Por la tercera fila de la última matriz equivalente por filas, concluimos que el sistema
lineal dado es consistente si y sólo si −5b2 /3 − b1 /3 + b3 = 0, o multiplicando la
ecuación por 3, tenemos la siguiente condición sobre las coordenadas del vector b:
−5b2 − b1 + 3b3 = 0.

206
Ası́,
     
−5b2 + 3b3 −5 3
b= b2  = b2  1  + b3  0  para todo b2 ∈ R y todo b3 ∈ R.
b3 0 1
Ası́, el rango de T es un plano en R3 que pasa por el origen (0, 0, 0) y se genera:


  
−5 3
RT = span { 1  ,  0 }.
0 1
d) Dada la transformación T , no es sobreyectiva en R3 , porque los vectores R3 no son

imagen de T . De hecho, cualquier vector en R3 que no esté en el plano generado por
RT de la parte c), no es imagen de T .
e) La transformación T no es inyectiva en RT , porque para cada vector b ∈ RT existe

más de un (de hecho infinitos) vectores x ∈ R3 que van a este vector imagen b. Lo
sabemos porque el sistema Ax = b tiene infinitas soluciones x, con x3 un parámetro
libre para cada b ∈ RT , es decir, el vector b de la forma
 
−5b2 + 3b3
b= b2  para cualquier valor real de b2 y b3 .
b3
Challenge the way we run
EXPERIENCE THE POWER OF

FULL ENGAGEMENT…
RUN FASTER.
RUN LONGER.. READ MORE & PRE-ORDER TODAY
RUN EASIER… WWW.GAITEYE.COM
1349906_A6_4+0.indd 1 22-08-2014 12:56:57

207
Problema 4.3.3.
Considerar la transformación lineal T : R3 → R3 con matriz standard
 
1 −1 2
A= 2 0 2 .
−3 −2 4
 
1
a) Encontrar todos los vectores x ∈ R3 , tales que T (x) =  2 .
7
b) Es la transformación T invertible? Si es ası́, encontrar la matriz standard para T −1 .
Solución 4.3.3.
a) Sea
 
x1
x =  x2 
x3
encontrar x, tal que


1
T : x → Ax =  2 
7
para la matriz standard dada A. Tenemos que resolver el sistema lineal

    
1 −1 2 x1 1
 2 0 2   x2  =  2  .
−3 −2 4 x3 7
La matriz aumentada correspondiente, y algunas de sus matrices equivalentes por

filas, son
     
1 −1 2 1 1 −1 2 1 1 −1 2 1
 2 0 2 2 ∼ 0 2 −2 0  ∼  0 1 −1 0 
−3 −2 4 7 0 −5 10 10 0 0 1 2
 
1 0 0 −1
∼ 0 1 0 2 .
0 0 1 2

208
La última matriz equivalente por filas dada por la forma reducida de A. Ası́, tenemos
la solución única del sistema lineal,

  
−1 1
x= 2  para T (x) =  2  .
2 7
b) Dado que
det A = 10
sabemos que la matriz A es invertible y por tanto sabemos que T es una trans-
formación lineal inyectiva con rango RT = R3 . Quiere decir que T es una trans-
formación invertible en R3 y que la matriz standard para su inversa T −1 es A−1 .
Entonces tenemos que calcular A−1 . Para ello, consideramos [A I3 ], donde I3 es la
matriz identidad 3 × 3. Obtenemos
 
1 0 0 2/5 0 −1/5
[A I3 ] ∼  0 1 0 −7/5 1 1/5  .
0 0 1 −2/5 1/2 1/5
Ası́, la inversa de la matriz A es

 
2/5 0 −1/5
A−1 =  −7/5 1 1/5  ,
−2/5 1/2 1/5
de manera que
T −1 : x → A−1 x para todo x ∈ R3 .
Problema 4.3.4.
Considerar la transformación lineal T : R3 → R3 para la cual las siguientes expresiones
son válidas
           
1 5 1 0 1 10
T:  0 →  10  , T :  2  →  −5  , T :  3  →  15  .
−1 4 0 5 −2 4
a) Encontrar la matriz standard de T .
b) Es T una transformacıón invertible? Explicar.

209
Solución 4.3.4.
a) Para encontrar la matriz standard A de T , primero introducimos notación para los

vectores que vamos a utilizar. Sea
    
1 1 1
u1 =  0  , u2 =  2  , u3 =  3 
−1 0 −2
     
5 0 10
v1 =  10  , v2 =  −5  , v3 =  15  .
4 5 4
Entonces, como se da en el ejercicio, tenemos
T : u1 → Au1 = v1 , T : u2 → Au2 = v2 , T : u3 → Au3 = v3 .
Ahora
A[u1 u2 u3 ] = [v1 v2 v3 ]
y denotando por U = [u1 u2 u3 ] y V = [v1 v2 v3 ], tenemos la siguiente ecuación

matricial
AU = V,
donde
   
1 1 1 5 0 10
U = 0 2 3 , V =  10 −5 15  .
−1 0 −2 4 5 4
Calculando el determinante de U , obtenemos
det U = −5,
lo que quiere decir que las columnas de la matriz U forman un conjunto linealmente
independiente y que U es una matriz invertible. Ası́, podemos resolver la ecuación
matricial para A multiplicando la ecuación por U −1 por la derecha. Obtenemos
A = V U −1 .
Calculando U −1 , obtenemos
 
4 −2 −1
1
U −1 =  3 1 3 ,
5
−2 1 −2

210
de manera que matriz standard A es:

    
5 0 10 4 −2 −1 0 0 −5
1
A= 10 −5 15   3 1 3  =  −1 −2 −11  .
5
4 5 4 −2 1 −2 23/5 1/5 3/5
b) Para ver si T es una transformación invertible, podemos investigar la invertibilidad

de la matriz standard A que se calculó en la parte a) más arriba. Recordamos que
A es una matriz invertible si y sólo si det A = 0. Entonces calculamos det A y
obtenemos
det A = −45.
Entonces A es invertible, lo que hace que T sea una transformación invertible y la

matriz standard de T −1 sea A−1 .
This e-book
is made with SETASIGN
SetaPDF
PDF components for PHP developers
www.setasign.com

211
4.4 Ejercicios
1. Considerar la transformación T : R3 → R2 , tal que cada vector x = (x1 , x2 , x3 ) ∈ R3

se transforme en R2 de la siguiente manera:
T : (x1 , x2 , x3 ) → (x1 − 5x2 + 4x3 , x2 − 6x3 ).
a) Demostrar que T es una transformación lineal.
[Respuesta: Tenemos que demostrar que T (x + y) = T (x) + T (y) y T (c x) =

c T (x) para todo x ∈ R3 , todo y ∈ R3 y todo c ∈ R. ]
b) Encontrar la matriz standard de T .

1 −5 4
[Respuesta: La matriz standard es A = .]
0 1 −6
c) Encontrar el rango de T y establecer si T es sobreyectiva en R2 .
[Respuesta: El rango de T es R2 , de manera que T es sobreyectiva en R2 . ]
d) Es T una transformación inyectiva en su rango? Explicar.
[Respuesta: T no es inyectiva, pues Ax = b tiene infinitas soluciones x ∈ R3

para cualquier b ∈ R2 . ]
2. Considerar la transformación lineal T : R3 → R2 , tal que T transforma cada x =

(x1 , x2 , x3 ) ∈ R3 en (k1 x1 + x3 , k2 x2 − x3 ) ∈ R2 para cualquier k1 ∈ R y cualquier
k2 ∈ R. Encontrar la matriz standard A de T .

k1 0 1
[Respuesta: A = .]
0 k2 −1
3. Considerar la transformación lineal T : Rn → R2 para cualquier n ≥ 2, tal que
n
T : x → ( k i x i , xn )
i=1
para cada x = (x1 , x2 , . . . , xn ) ∈ Rn y cualquier constante kj ∈ R, j = 1, 2, . . . , n.

212
4.4. EJERCICIOS 213
a) Encontrar la matriz standard A de T .

k1 k2 · · · kn
[Respuesta: A = .]
0 0 ··· 1
b) Sea kj = 1 para j = 1, 2, . . . , n. Encontrar la imagen del punto

(1, 2, . . . , n) ∈ Rn
por la transformación T . Cuál es la imagen si n = 100?

n(n + 1)
[Respuesta: , n . Para n = 100, tenemos que la imagen es (5050, 100).
2
]
4. Considerar la transformación lineal T : R3 → R2 , tal que

1 −1 0
T (e1 ) = , T (e2 ) = , T (e3 ) = ,
5 −2 1
 de R . Encontrar la matriz
donde {e1 , e2 , e3 } son los vectores standard de 
la base 3
3
standard A de T y determinar T (x), donde x =  1 .
4

1 −1 0 2
[Respuesta: A = , T (x) = .]
5 −2 1 17
5. Considerar la transformación lineal T : R2 → R2 , con T proyectando cada vector en

R2 ortogonalmente sobre la recta y = −3x.
a) Encontrar la matriz standard de A para T .

1 1 −3
[Respuesta: A = .]
10 −3 9

1
b) Encontrar T (x), donde x = .
5

1 −7
[Respuesta: T (x) = .]
5 21

213
c) Es T invertible? Explicar.
[Respuesta: T no es una transformación invertible, pues det A = 0. También

queda claro geométricamente, pues hay infinitos vectores que proyectan ortog-
onalmente al mismo punto en la recta y = −3x, para cada punto en y = −3x.
]
6. Considerar la transformación lineal T : R2 → R2 , donde T refleja cada vector de R2

sobre la recta y = 3x.

1 −4 3
[Respuesta: A = .]
5 3 4
b) Demostrar que T es una transformación inyectiva en R2 y encontrar la matriz

standard para la transformación inversa T −1 .
[Respuesta: Dado que T describe la reflexión sobre una recta, geometrica-

mente T es inyectiva e invertible en R2 . También puede establecerse calculando
el determinante de A. Obtenemos det A = −1. Ası́, A es una matriz invertible
y la matriz standard de T −1 es A −1 , que es la misma que la matriz standard
1 −4 3
de T , es decir, A−1 = .]
5 3 4
7. Considerar dos transformaciones lineales, T1 y T2 , donde ambas transforman vectores

en R2 . En particular, T1 rota cada vector en R2 en sentido antihorario con ángulo
π/3 alrededor del origen (0, 0) y T2 transforma cada vector x = (x1 , x2 ) como sigue:

x1 x1 + x2
T2 : → para todo x1 ∈ R y todo x2 ∈ R.
x2 x2
a) Encontrar la matriz standard A1 para T1 y la matriz standard A2 para T2 . Son

T1 y T2 invertibles? Explicar.
√
1
[Respuesta: A1 = √1 − 3 , A2 =
1 1
. T1 y T2 son invert-
2 3 1 0 1
ibles. ]

214
4.4. EJERCICIOS 215
b) Encontrar la matriz standard A para la transformación compuesta T = T2 ◦ T1 .

Si T invertible, encontrar su matriz standard B para T −1 .
√ √ √
1 1
[Respuesta: A = A2 A1 = √ 3 1 − 3 , B = A−1 =
1+ √1 3−
√1 . ]
2 3 1 2 − 3 1+ 3
8. Considerar la tranformación lineal T : R3 → R3 , tal que

     
1 0 −1
T (e1 ) =  0  , T (e2 ) =  1  , T (e3 ) =  0  ,
1 0 1
donde {e1 , e2 , e3 } son los vectores de la base standard de R3 . Establecer si T es

una transformación invertible y encontrar la matriz de la transformación inversa.
 
1 0 −1
[Respuesta: La matriz standard A de T es A =  0 1 0 . Dado que
1 0 1
 
1 0 1
1
det A = 2, T es invertible y la matriz standard de T −1 es A−1 =  0 2 0 . ]
2
−1 0 1
Free eBook on
Download Now

215
9. Considerar los siguientes dos planos en R3 :
Π1 : x − y + 3z = 0
Π2 : 2x + y + 3z = 0.
a) Encontrar la recta de la intersección de los planos Π1 y Π2 y expresar en

forma paramétrica.
[Respuesta:


 x = −2t


: y=t



 z=t para todo t ∈ R. ]
b) Sea T : R3 → R3 una transformación lineal que proyecte cada vector x ∈ R3 or-

togonalmente en la recta obtenida en la parte a) de este problema. Encontrar
la matriz standard A de T .
 
4 −2 −2
1
[Respuesta: A = −2 1 1 . ]
6
−2 1 1
10. Considerar tres transformaciones lineales, T1 , T2 y T3 , las cuales transforman vectores

en R3 . En particular, T1 proyecta cada vector de R3 ortogonalmente en una recta ,
dada por la siguiente ecuación paramétrica


 x = 2t


: y = −t



 z = 3t para todo t ∈ R,
T2 refleja cada vector R3 sobre el eje z, y T3 refleja cada vector en R3 sobre el eje x.
a) Encontrar la matriz standard de la transformación compuesta T3 ◦ T2 ◦ T1 .
 
−4 2 −6
1 
[Respuesta: La matriz standard es −2 1 −3  . ]
14
−6 3 −9

216
4.4. EJERCICIOS 217
b) Encontrar la matriz standard de la transformación compuesta T1 ◦ T2 ◦ T3 .
 
−4 −2 −6
1 
[Respuesta: La matriz standard es 2 1 3 . ]
14
−6 −3 −9
11. Considerar la transformación lineal T : R3 → R3 para la cual es válido:

     
1 −2 1
T (e1 ) =  0  , T (e2 ) =  k  , T (e3 ) =  1  ,
1 0 k
donde k es un parámetro real inespecı́fico y {e1 , e2 , e3 } son vectores de la base

standard para R3 .
a) Dar la matriz standard de T y encontrar T (x), donde

 
1
x =  2 .
3
 
1 −2 1
[Respuesta: La matriz standard es A =  0 k 1  . Entonces T (x) =
1 0 k
 
0
 2k + 3  . ]
3k + 1
b) Encontrar los valores de k, tales que T sea una transformación inyectiva en R3 .
[Respuesta: T es inyectiva (correspondencia uno a uno) en R3 para todo

k ∈ R\{−1, 2}. ]
12. Considerar una transformación lineal T que proyecte cada vector en R3 ortogonal-
mente sobre la recta de intersección de los siguientes tres planos:
Π1 : x + 3y − 5z = 0
Π2 : x + 4y − 8z = 0
Π3 : −2x − 7y + 13z = 0.

217
a) Encontrar la matriz standard de A de T.
 
8 −6 −2
1 
[Respuesta: A = −6 9/2 3/2  . ]
13
−2 3/2 1/2
b) Es esta transformación T invertible? Explicar.
[Respuesta: T no es invertible, porque det A = 0. ]
13. Considerar una transformación lineal T : R3 → R3 para la cual lo siguiente es válido:

           
0 2 1 1 2 2
T :  1  →  1  , T :  0  →  0  , T :  3  →  3  .
4 2 −3 −1 8 4
 
−8 14 −3
[Respuesta: A =  0 1 0 . ]
−1 2 0
b) Es T una transformación invertible? Explicar.
[Respuesta: La transformación T es invertible, y su matriz standard A también

lo es. ]

218
4.4. EJERCICIOS 219
14. Considerar la transformación lineal T : R3 → R3 , con matriz standard
 
1 1 α
A =  1 α 1 ,
α 1 1
donde α es un parámetro real inespecı́fico.
a) Encontrar los valores de α para los que T sea inyectiva en R3 , y los valores de
α para los que T es invertible.
[Respuesta: T es inyectiva e invertible en R3 para todo α ∈ R\{1, −2}. ]
b) Encontrar el rango RT de T para α = −2 y expresar el rango en función del

conjunto generador.
 
 
1 0
[Respuesta: RT = span { 0  ,  1 }. ]
−1 −1
c) Sea α = −2, encontrar todo x ∈ R3 , tal que

 
1
T (x) =  4  .
−5
  
1 3
[Respuesta: 
x=t 1  +  0  para todo t ∈ R. ]
1 1
15. Considerar la transformación lineal T : R3 → R3 , donde T refleja cada vector x ∈ R3

sobre el plano Π : ax + by + cz = 0.
a) Encontrar la matriz standard de A para T .
 
−a2 + b2 + c2 −2ab −2ac
1  .
[Respuesta: A = 2 −2ab a2 − b2 + c2 −2bc
a + b2 + c 2 2 2 2
−2ac −2bc a +b −c
]

219
b) Encontrar la ecuación paramétrica de la recta ∗ , tal que ∗ es la reflexión sobre

la recta


 x = 2t + 1


: y = −3t



 z = 2 para todo t ∈ R
sobre el plano x + y − z = 0.
[Respuesta:
 5

 x = 8t +

 3


∗ 2
: y = −7t +

 3



 4
z = −2t + para todo t ∈ R. ]
3
c) Encontrar la ecuación de la esfera que sea la reflexión de la esfera
(x − 1)2 + (y + 2)2 + (z − 1)2 = 4
sobre el plano x + y − z = 0.
2 2 2
7 2 1
[Respuesta: z− + y− + z− = 4. ]
3 3 3
16. Considerar la transformación lineal T : R3 → R3 , donde T refleja cada vector x ∈ R3

sobre la recta


 x = at


: y = bt



 z = ct para todo t ∈ R.
Encontrar la matriz standard para T .
 
a 2 − b2 − c 2 2ab 2ac
1  . ]
[Respuesta: A = 2 2ab −a2 + b2 − c2 2bc
a + b2 + c 2 2 2 2
2ac 2bc −a − b + c
17. Suponer que T : R3 → R3 es una transformación lineal que refleja cada vector x ∈ R3
sobre la recta , tal que T tiene la matriz standard
 
−3 −1 6
1
A =  −2 −6 −3  .
7
6 −3 2

220
4.4. EJERCICIOS 221
Encontrar la ecuación paramétrica de la recta .
[Respuesta:


 x=t



 1
: y=− t

 2

 3

 z = t para todo t ∈ R. ]
2
www.sylvania.com
We do not reinvent
light.
light every day.
Light is OSRAM

221
EN ALGEBRA LINEAL APENDICE A. CALCULO MATRICIAL CON MAPLE
Apéndice A
Cálculo matricial con Maple
Maple es un software cientı́fico desarrollado y vendido comercialmente por Maplesoft, una

compañia de software matemático de Waterloo, Canadá. La primera vez que se desarrolló
fue en 1980 por el Grupo de Computación Simbólica de la Universidad de Waterloo. El
sistema de Maple está escrito en los lenguajes de programación C y Java. En este apéndice
describimos unos cuantos comandos principales de Maple para ejecutar operaciones vec-
toriales y matriciales básicas.
Para cualquier vector o cálculo matricial, primero tenemos que cargar el paquete Linear-
Algebra. Se hace escribiendo
with(LinearAlgebra)
en el comienzo de la Worksheet en la lı́nea de comandos, es decir, debajo del sı́mbolo
>
Es una buena idea empezar siempre una nueva Worksheet con un restart, para despejar
todos los posibles valores asignados o parámetros cuando se compile el archivo. En la
primera lı́nea escribimos
> restart
Más abajo, mostramos como asignar un vector u en R3 y una matriz A de dimensiones
223

223
224 APÉNDICE A. CÁLCULO MATRICIAL CON MAPLE
2 × 3.
> with(LinearAlgebra) :
> u :=< a, b, c >

 
a
u :=  b 
c
> A :=< a, b|c, d |e, f >

a c e
A :=
b d f
De forma equivalente, podemos escribir el vector u y la matriz A de la siguiente manera:
> with(LinearAlgebra) :
> u := Vector ([a, b, c])

 
a
u :=  b 
c
> A := Matrix (2 , 3 , [a, b, c, d , e, f ])

a b c
A :=
d e f
Notar que la frase que sigue al signo es un comentario. También nótese que la ayuda o
help y algunos ejemplos están disponibles para algunas rutinas particulares de Maple, si
ponemos el cursor en una palabra en la Worksheet. Por ejemplo, matriz, y apretamos el
botón F2 del teclado.
Ahora vamos a mostrar cómo hacer algunas operaciones básicas con vectores y matrices
> u :=< 4 , −1 , −1 > Se define el vector u con coordenadas (4, −1, −1).
 
4
u :=  −1 
−1

224
225
> v :=< 1 , 0 , 1 > Se define el vector v con coordenadas (1, 0, 1).
 
1
v :=  0 
1
> u + (−v ) La suma u + (−v).

 
3
 −1 
−2
> DotProduct(u, v ) El producto escalar entre u y v.
> norm(u, 2 ) La norma del vector u.

√
3 2

u.v
> theta := arccos El ángulo θ entre u y v.
norm(u, 2 ) · norm(v , 2 )
1
θ := π
3
> CrossProduct(u, v ) El producto vectorial entre u y v.

 
−1
 −5 
1
> A :=< 1 , −3 , 5 |2 , −4 , 2 | − 1 , 2 , 3 >

 
1 2 −1
A :=  −3 −4 2 
5 2 3
> b :=< 1 , 2 , −3 >

 
1
b :=  2 
−3

225
> x := LinearSolve(A, b) La solución x del sistema Ax = b.


−4
x :=  4 
3
> A.x − b Comprobar la solución x de Ax = b.

 
0
 0 
0
> AM := Matrix ([A, b]) La matriz aumentada [A b].

 
1 2 −1 1
AM :=  −3 −4 2 2 
5 2 3 −3
> GaussianElimination(AM ) Eliminación de Gauss en [A b].

 
1 2 −1 1
 0 2 −1 5 
0 0 4 12
> ReducedRowEchelonForm(AM ) Fila reducida de [A b].

 
1 0 0 −4
 0 1 0 4 
0 0 1 3
> Determinant(A) El determinante de A.
> Ainv := MatrixInverse(A) La inversa de la matriz A.

 
−2 −1 0
 
 19 1 
 1 
Ainv :=  
 8 8 
 7 1 
1
4 4
> Ainv .A Calcular A−1 A.

 
1 0 0
 0 1 0 
0 0 1

226
PROBLEMAS, TEORIA Y SOLUCIONES 227
> x := Ainv .b La solución x = A−1 b del sistema Ax = b.


−4
x :=  4 
3
> B :=< 1 , −3 , 5 |2 , −4 , 2 | − 1 , 1 , 3 > Consideramos otro ejemplo.

 
1 2 −1
B :=  −3 −4 1 
5 2 3
> c :=< 0 , −2 , 8 >

 
0
b :=  −2 
8
> Determinant(B ) El determinante de B.
> Binv := MatrixInverse(B ) B es singular.
Error, (en MatrixInverse) matriz singular
> x := LinearSolve(B , c) La solución x de Bx = c que contiene un
parámetro arbitrario denotado por Maple como − t03 .
 
2− − t03
 
 
x :=  −1 + − t03 
 
− t03
Para dibujar las figuras en R3 utilizamos la función de Maple plot3d. Por ejemplo, con-
sideramos el plano
5 19 4
x− y−z =− .
7 21 7
Y dibujamos el plano en el intervalo de las x, que es [0, 8] y en el intervalo de las y, que
es [0, 20]. Para dibujar el plano y que veamos el eje x, el eje y y el eje z, utilizamos los
siguientes comandos:

227

5 19 4
> plot3d x− y+ , x = 0..8, y = 0..20, axes = boxed
7 21 7
Ver Figura A.1 para ver el dibujo del plano.
Figura A.1: Dibujo del plano.
Ahora consideramos los siguientes tres planos:

5 19 4
x− y−z =−
7 21 7
19 4 3
− x− y−z =−
26 13 26
x + y − z = 0.
Y calculamos la intersección de los tres planos.

> restart
> with(LinearAlgebra)

228
229
5 19 19 4
> A :=< ,− ,1| − , − , 1 | − 1 , −1 , −1 >
7 26 21 13
 
5 19
− −1
 7 21 
 
A := 
 −
19
−
4 
−1 
 26 13 
1 1 −1
4 3
> b :=< − , − , 0 >
7 26
 
4
−
 7 
 
b := 
 −
3 

 26 
0
> x := LinearSolve(A, b) La solución x de Ax = b

 24 
−
 133 
 
 87 
x :=  
 266 
 
39
266
24 87 39
Los tres planos interseccionan en el punto (− , , ).
133 266 266
Ahora dibujamos la intersección de los tres planos dados en el intervalo [−8, 8] del eje
x y en el intervalo [−20, 20] del eje y. Notar el comando plotlist=true, que es necesario
cuando se dibujan más de dos planos en una misma gráfica. Los dos puntos (:) al final de
la lı́nea de entrada esconden la salida de Maple.
5 19 4 19 4 3
> P 1 := x − y + : P 2 := − x− y+ : P 3 := x + y :
7 21 7 26 13 26
> plot3d ([P 1, P 2, P 3] , x = −8..8, y = −20..20, plotlist = true, color = [blue, red, green])

229
PROBLEMAS, TEORIA Y SOLUCIONES APENDICE A
EN ALGEBRA LINEAL CALCULO MATRICIAL CON MAPLE
360°
thinking
Figura A.2: La intersección de tres planos en un punto común.
.
360°
thinking . 360°
thinking .
Discoverfree
Download theeBooks
230
EN ALGEBRA LINEAL INDEX
Index
adjunta de una matriz, 82 en transformación, 201

expansión cofactor, 76
base de Rn , 146
base estándard de vectores para Rn , 170 factores de escala de una combinación lineal,
base estándard para R3 , 11 133
base estándard para Rn , 170 forma reducida echelon, 87
co-dominio de T , 164 imagen de la transformación T , 163

cofactor, 76 infinitas soluciones de un sistema lineal, 87
columnas pivote, 87 inversa de la matriz cuadrada, 81
combinaciones lineales de vectores en Rn , inversa de una matriz invertible, 81
133
componentes de un vector, 9 longitud de un vector, 11
conjunto de vectores linealmente dependi- método de eliminación de Gauss, 87
entes, 146 matrices equivalentes por filas, 76, 87
conjunto de vectores linealmente independi- matriz aumentada, 87
entes, 146 matriz identidad, 73
conjunto generador de W , 141 matriz invertible, definición, 81
consistencia de un sistema lineal y de un sis-
matriz singular, 81
tema generador, 141 matriz standard de T , 170
coordenadas de un punto, 9 matriz triangular inferior, 77
coordenadas de un vector, 9 matriz triangular superior, 77
Multiplicación de matrices, 72
determinante de la inversa de una matriz,
Multiplicación de matrices vector, 72
77
determinante de una matriz n×n, definición, norma de un vector, 11
76
determinante de una matriz cuadrada, 19 operaciones elementales por columnas, 76
dilatación de un vector, 10 operaciones elementales por filas, 87
dimensión de Rn , 146 ortogonal, un vector ortogonal a otro vector,
distancia de un punto a un plano en R3 , 41 11
distancia entre dos planos en R3 , 41
distancia entre dos puntos, 11 paralelepı́pedo, 19
dominio de T , 163 plano, ecuación general, 100
planos en R3 , distancia entre, 41
ecuación general de un plano, 24 planos y su intersección, 101
ecuación paramétrica de una recta, 31 producto escalar, 10
ecuaciones lineales, caso general, 87 producto interno Euclı́deo, 10
el producto matriz-vector, 134 producto vectorial, 18
231

231
EN ALGEBRA LINEAL INDEX
232 INDEX
producto vectorial de dos vectores, 18

proyección ortogonal, 12
proyección ortogonal de una recta en un plano
en R3 , 46
punto final de un vector, 9
punto inicial de un vector, 9
rango de T , 164
reescalado de un vector, 10
reflexión de una recta en el plano en R3 , 46
Regla de Cramer, 93
sistema lineal consistente, 87

sistema lineal incompatible, general, 87
sistema lineal inconsistente, general, 87
solución única de un sistema general lineal,
87
solutiones del sistema lineal, interpretación
geométrica en R3 , 101
span, 141
Suma y multiplicación de matrices por con-
stantes, 70
transformación T entre espacios euclı́deos,

163
transformación compuesta, 171
transformación lineal, 164
transformación lineal inyectiva, 201
transformación lineal uno a uno, 201
transformación sobreyectiva en un conjunto,
201
transpuesta de una matriz, 82
triple producto escalar, 19
vector director, 11
vector normal al plano, 24
vector nulo, 70
vector unitario, 11
vectores de posición, 9
vectores en Rn , 69
vectores estándard de la base en R3 , 11

232

Problemas Teoria y Soluciones en Algebra Lineal PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Problemas Teoria y Soluciones en Algebra Lineal PDF

Încărcat de

Drepturi de autor:

Formate disponibile

MARIANNA EULER Y NORBERT EULER

Download free eBooks at bookboon.com

Download free eBooks at bookboon.com

1 Vectores, rectas y planos en R3 9

2 Algebra matricial y eliminación de Gauss 69

3 Conjuntos generadores linealmente independientes 133

4 Transformaciones lineales en el espacio euclı́deo 163

A Cálculo matricial con Maple 223

Download free eBooks at bookboon.com

Download free eBooks at bookboon.com

Te aconsejamos que abordes el libro de Problemas por ti mismo, si es necesario, utilizando

Cada sección de cada capı́tulo de esta primera parte de la colección es autocontenido,

Marianna Euler y Norbert Euler Luleå, Marzo 2016

Download free eBooks at bookboon.com

R: El conjunto de todos los números reales.

Rn : El espacio euclı́deo que contiene vectores con n componentes

v = (v1 , v2 , . . . , vn ) para todo vj ∈ R.

v : La norma (o longitud) de un vector.

u·v : El producto escalar para vectores u y v en Rn .

u×v : El producto vectorial para vectores u y v en R3 .

u · (v × w) : El producto escalar triple de tres vectores u, v y w en R3 .

proj v u : La proyección ortogonal de un vector u sobre otro vector v.

{e1 , e2 , · · · , en } : El conjunto de bases estándard de vectores para Rn .

A = [a1 a2 · · · an ] = [aij ] : Una matriz m × n con columnas aj ∈ Rm , j = 1, 2, . . . , n.

In = [e1 e2 · · · en ] : La matriz identidad n × n con ej con base standard de vectores para Rn .

det A o |A| : El determinante de una matriz cuadrada A.

A−1 : La inversa de una matriz cuadrada A.

A∼B: Las matrices A y B son equivalentes por filas.

[A b] : La matriz aumentada correspondiente Ax = b.

span {u1 , u2 , · · · , up } : El conjunto de vectores generado por {u1 , u2 , · · · , up }.

Download free eBooks at bookboon.com

Sı́mbolos Matemáticos (continuación)

T : Rn → Rm : Una transformación T que lleva vectores de Rn a Rm .

T : x → T (x) : Una transformación T que lleva un vector x a T (x).

T : x → T (x) = Ax : Una transformación lineal T que lleva un vector x a Ax.

T 2 ◦ T1 : Una transformación compuesta.

Download free eBooks at bookboon.com

Vectores, rectas y planos en R3

Propósito del capı́tulo:

1.1 Operaciones vectoriales y producto escalar

Puntualización teórica 1.1.

u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ).

El vector posición u para el punto P de coordenadas (u1 , u2 , u3 ) se muestra en la Figura

Download free eBooks at bookboon.com

Figura 1.1: Vector de posición u del punto P con coordenadas (u1 , u2 , u2 ).

−u = (−1)u = (−u1 , −u2 , −u3 ) denominado negativo de u

Download free eBooks at bookboon.com

Figura 1.2: La suma de los vectores u y v, y algunos reescalados del vector u.

La norma de u, denotada por u, es la longitud de u dada por

Sea θ el ángulo entre u y v. De la definición de producto escalar y de la ley del coseno, se

Download free eBooks at bookboon.com

Figura 1.3: La distancia entre P1 y P2 .

La proyección ortogonal de w en u, denotada por proju w, es el vector

donde û es el vector director de proju w y |w · û| es la longitud de proju w (notar que | |

Figura 1.4: La proyección ortogonal de w en u.

Download free eBooks at bookboon.com

a) Dar la lontigud de u y el vector unitario en la dirección de u.

b) Encontrar el ángulo entre u y v.

c) Proyectar el vector w ortogonalmente sobre v.

d) Encontrar el vector correspondiente a la reflexión de w sobre v.

Download free eBooks at bookboon.com

b) El ángulo θ entre u = (1, 2, 3) y v = (2, 0, 1) (Ver Figura 1.5) se calcula con el

u · v = u v cos θ,

v : La norma (o longitud) de un vector.

T : x → T (x) : Una transformación T que lleva un vector x a T (x).

T : x → T (x) = Ax : Una transformación lineal T que lleva un vector x a Ax.

La norma de u, denotada por u, es la longitud de u dada por

u · v = u v cos θ,

u × v = (u v sin θ) ê ∈ R3 .

Area lado 1 = u1 × u3 , Area lado 2 = u2 × u3 , Area lado 3 = u1 × u2 ,

Figura 1.17: Una recta en R3

donde (x1 , y1 , z1 ) es un punto de la recta y v = (a, b, c) es paralelo a la recta . Ver