Algebra Lineal-Tomo-Ii PDF

MANUAL
• SISTEMA DE ECUACIONES LINEALES

• RANGO DE UNA MATRIZ
• VECTOR R2 Y R3
• ESPACIO Y SUBESPACIO VECTORIAL
• APELLIDOS Y NOMBRES:
• CÓDIGO:
• GRUPO:
MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 81

INDICE
I. SISTEMAS DE ECUACIONES LINEALES…………………………………………………….83
1.1. METODO DE GAUSS- JORDAN……………………………………………………………..95
1.2. REGLA DE CRAMER…………………………………………………………….…………...97
II.. RANGO DE UNA MATRIZ……………………………………………………………..........124
III. VECTORES EN R2 Y R3……………………………………………………………………...130
IV. ESPACIOS VECTORIALES………………………………………………………………….156
V. SUBESPACIOS VECTORIALES……………………………………………………………..162

INTRODUCCIÓN
Los sistemas de ecuaciones lineales se encuentran en el corazón del álgebra lineal, y este
capítulo los utiliza para introducir algunos de los conceptos centrales del álgebra lineal de
una manera simple y concreta. En las secciones se presenta un método sistemático para
resolver sistemas de ecuaciones lineales. Este algoritmo se utilizará para realizar cálculos a
lo largo del texto. Además, se muestra cómo un sistema de ecuaciones lineales es equivalente
a una ecuación vectorial y a una ecuación matricial. Esta equivalencia reducirá problemas
que involucran combinaciones lineales de vectores a preguntas sobre los sistemas de
ecuaciones lineales. Los conceptos fundamentales de generación, independencia lineal y
transformaciones lineales, que se estudian en la segunda mitad del capítulo, desempeñarán
un papel esencial a lo largo del texto mientras se explora la belleza y el poder del álgebra
lineal.

SISTEMAS DE ECUACIONES LINEALES
Una ecuación lineal en las variables x1, . . . , xn es una ecuación que puede escribirse
de la forma
a1x1 + a2x2 + · · · + anxn = b (1)
donde b y los coeficientes a1, . . . , an son números reales o complejos, por lo general conocidos.
El subíndice n puede ser cualquier entero positivo. En los ejemplos y ejercicios del libro, n está
normalmente entre 2 y 5. En los problemas de la vida real, n puede ser igual a 50, 5000, o incluso a
valores más grandes.
Las ecuaciones
4x1 − 5x2 + 2 = x1 y x2 = 2 (√6 − x1) + x3
son ambas lineales porque pueden reordenarse algebraicamente como en la ecuación (1):
3x1 − 5x2 =−2 y 2x1 + x2 − x3 = 2√6
Las ecuaciones
4x1 − 5x2 = x1x2 y x2 = 2√x1 − 6
no son lineales debido a la presencia de x1x2 en la primera ecuación y √x1 en la segunda.
Un sistema de ecuaciones lineales (o sistema lineal) es una colección de una o más ecuaciones
lineales que involucran las mismas variables, digamos, x1, . . . , xn. Un ejemplo es
2x1 − x2 + 1.5x3 = 8
x1 − 4x3 = −7 (2)
Una solución del sistema es una lista (s1, s2, . . . , sn) de números que hacen de cada ecuación un
enunciado verdadero cuando los valores s1, . . . , sn sustituyen, respectivamente, a x1, . . . , xn.
El conjunto de todas las soluciones posibles se llama conjunto solución del sistema lineal. Se dice
que dos sistemas lineales son equivalentes si tienen el mismo conjunto solución. Esto es, cada
solución del primer sistema es una solución del segundo sistema, y cada solución del segundo sistema
es una solución del primero.

Determinar el conjunto solución de un sistema de dos ecuaciones lineales resulta sencillo porque
consiste en localizar la intersección de dos rectas. Un problema típico es
x1 − 2x2 = −1
−x1 + 3x2 = 3
Las gráficas de estas ecuaciones son rectas, las cuales se denotan mediante ℓ1 y ℓ2. Un par de números
(x1, x2) satisface las dos ecuaciones de este sistema si, y sólo si, el punto (x1, x2) pertenece tanto a ℓ1
como a ℓ2. En el sistema anterior, la solución es el punto único (3, 2), lo cual puede verificarse con
facilidad. Vea la FIGURA 1.
Por supuesto, la intersección de dos rectas no debe darse necesariamente en un solo punto, las rectas
pueden ser paralelas o coincidir y, por lo tanto, “intersecar” en todos los puntos sobre la recta. En la
FIGURA 2 se muestran las gráficas que corresponden a los siguientes sistemas:
Las figuras 1 y 2 ilustran los siguientes hechos generales acerca de los sistemas lineales, los cuales
serán verificados.
Un sistema de ecuaciones lineales puede
1. No tener solución, o
2. Tener exactamente una solución, o

3. Tener una cantidad infinita de soluciones.
Se dice que un sistema de ecuaciones lineales es consistente si tiene una solución o una infinidad de
soluciones; un sistema es inconsistente cuando no tiene ninguna solución.
Notación matricial
Sea:
𝐚𝟏𝟏 𝐱 𝟏 + 𝐚𝟏𝟐 𝐱 𝟐 … + 𝐚𝟏𝟐 𝐱 𝐧 = 𝐛𝟏
𝐚𝟐𝟏 𝐱 𝟏 + 𝐚𝟐𝟐 𝐱 𝟏 ⋯ + 𝐚𝟐𝐧 𝐱 𝐧 = 𝐛𝟐
(*)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝐚𝐦𝟏 𝐱 𝟏 + 𝐚𝐦𝟐 𝐱 𝟐 + ⋯ 𝐚𝐦𝐧 𝐱 𝐧 = 𝐛𝐦
Donde 𝐚𝐢𝐣 son los coeficientes reales (o complejas) del sistema, 𝐱 𝐧 son las incognitas y 𝐛𝐦
coeficientes de los terminos independientes, podemos escribir el sistema (*) como una forma
matricial definido por
𝐚𝟏𝟏 𝐚𝟏𝟐 ⋯ 𝐚𝟏𝐧 𝐱 𝟏 𝐛𝟏

𝐚𝟐𝟏 𝐚𝟐𝟐 ⋯ 𝐚𝟐𝐧 𝐱 𝟐 𝐛𝟐
[ ⋮ ⋮ ⋯ ⋮ ] [ ⋮ ] = [ ⋮ ] ⋯ (∗∗)
𝐚𝐦𝟏 𝐚𝐦𝟐 ⋯ 𝐚𝐦𝐧 𝐱 𝐧 𝐛𝐦
𝐚𝟏𝟏 𝐚𝟏𝟐 ⋯ 𝐚𝟏𝐧 𝐱𝟏

𝐚𝟐𝟏 𝐚𝟐𝟐 ⋯ 𝐚𝟐𝐧 𝐱𝟐
Si denotamos por 𝐀 = [ ⋮ ⋮ ⋯ ⋮ ] la matriz coeficiente ; 𝐗 = [ ⋮ ] la matriz incognita
𝐚𝐦𝟏 𝐚𝐦𝟐 ⋯ 𝐚𝐦𝐧 𝐱𝐧
𝐛𝟏
𝐛
asi como 𝐁 = [ 𝟐 ] la matriz de términos independientes, pues (**) se puede expresar como una
⋮
𝐛𝐦
ecuacion del sistema expresado por A.X=B…..(1.3)
Por ejemplo: la información esencial de un sistema lineal puede registrarse de manera compacta en
un arreglo rectangular llamado matriz. Dado el sistema
x1 − 2x2 + x3 = 0
2x2 − 8x3 = 8 (3)
−4x1 + 5x2 + 9x3 = −9
con los coeficientes de cada variable alineados en columnas, la matriz

se denomina matriz coeficiente (o matriz de coeficientes) del sistema (3), y
(4)
se denomina matriz aumentada del sistema. (Aquí, la segunda fila contiene un cero porque la
segunda ecuación podría escribirse como 0·x1 + 2x2 − 8x3 = 8.) La matriz aumentada de un sistema
consta de su matriz de coeficientes con una columna adicional que contiene las constantes de los lados
derechos de las ecuaciones.
El tamaño de una matriz indica el número de filas y columnas que la integran. La matriz aumentada
(4) que se presentó líneas arriba tiene 3 filas y 4 columnas y se conoce como una matriz de 3 × 4 (se
lee “3 por 4”). Si m y n son enteros positivos, una matriz m × n es un arreglo rectangular de números
con m filas y n columnas. (El número de filas siempre va primero.) La notación matricial simplificará
los cálculos de los ejemplos que se presentan enseguida.
Ejemplo 01.
2𝑥 + 3𝑦 = 5
Si el sistema lineal de ecuaciones es { ; podemos transformar a la forma matricial
4𝑥 − 7𝑦 = 3
𝟐 𝟑 𝒙 𝟓
[ ][ ] = [ ]
𝟒 −𝟕 𝒚 𝟑
Ejemplo 02.
𝑥 + 2𝑦 + 3𝑧 = −1
Si el sistema lineal de ecuaciones es { 3𝑥 − 𝑦 + 2𝑧 = 4 ; podemos transformar a la forma
2𝑥 + 4𝑦 − 𝑧 = 0
matricial
𝟏 𝟐 𝟑 𝒙 −𝟏
[𝟑 −𝟏 𝟐 ] [𝒚] = [ 𝟒 ]
𝟐 𝟒 −𝟏 𝒛 𝟎
Ejemplo 03.
𝑥+𝑦+𝑧−𝑤 =1
𝑥 + 𝑦 − 𝑧 + 𝑤 = −1
Si el sistema lineal de ecuaciones es { ; podemos transformar a la forma
𝑥−𝑦+𝑧+𝑤 =1
𝑦+𝑤=1
matricial
𝟏 𝟏 𝟏 −𝟏 𝒙 𝟏
𝟏 𝟏 −𝟏 𝟏 𝒚 −𝟏
[ ][ ] = [ ]
𝟏 −𝟏 𝟏 𝟏 𝒛 𝟏
𝟎 𝟏 𝟎 𝟏 𝒘 𝟏

Llamaremos sistema de ecuaciones lineales con dos o más incógnitas, que se verifican
simultáneamente para ciertos valores asignados a sus incógnitas. Existen dos tipos de sistemas de
ecuaciones lineales: Homogéneas (Si B=0, es decir que todos los coeficientes de los términos
independientes son todas nulas) y las No Homogéneas ( si B ≠ 0, es decir que los coeficientes de los
términos independientes no son todas nulas).
Además se puede decir que los sistemas pueden ser lineales y no lineales.
𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟎
Ejemplo 1): { 𝒙 + 𝒚 − 𝟑𝒛 = 𝟎 , corresponde a un sistema lineal homogéneo.
𝟐𝒙 − 𝒚 + 𝒛 = 𝟎
𝒙𝟏 + 𝟐𝒙𝟐 − 𝒙𝟑 = 𝟏
Ejemplo 2): { 𝟑𝒙𝟏 + 𝒙𝟐 + 𝟒𝒙𝟑 = 𝟎 , corresponde a un sistema lineal no homogéneo.
𝒙𝟏 − 𝟐𝒙𝟐 + 𝒙𝟑 = −𝟐
Resolución de un sistema lineal

En esta sección y en la siguiente se describe un algoritmo, o procedimiento sistemático, para
resolver sistemas lineales. La estrategia básica es reemplazar un sistema con un sistema equivalente
(es decir, uno con el mismo conjunto solución) que sea más fácil de resolver.
Dicho de manera sencilla, utilice el término x1 que esté presente en la primera ecuación de un
sistema para eliminar los términos x1 que haya en las otras ecuaciones. Después use el término x2
presente en la segunda ecuación para eliminar los términos x2 en las otras ecuaciones, y así
sucesivamente, hasta que obtenga un sistema de ecuaciones equivalente muy simple.
Para simplificar un sistema lineal se utilizan tres operaciones básicas: reemplazar una ecuación
mediante la suma de la propia ecuación y un múltiplo de otra ecuación, intercambiar dos
ecuaciones, y multiplicar todos los términos de una ecuación por una constante distinta de cero.
Después del primer ejemplo, se verá por qué estas tres operaciones no cambian el conjunto solución
del sistema.

EJEMPLO 1 Resuelva el sistema (3).
En el ejemplo 1 se ilustra cómo, en un sistema lineal, las operaciones sobre ecuaciones corresponden
a las operaciones sobre las filas apropiadas de la matriz aumentada.
Las tres operaciones básicas mencionadas con anterioridad corresponden a las siguientes operaciones
sobre la matriz aumentada.
OPERACIONES ELEMENTALES DE FILA
1. (Reemplazo) Reemplazar una fila por la suma de sí misma y un múltiplo de otra fila. (Una paráfrasis
común del reemplazo de una fila es “sumar a una fila un múltiplo de otra fila” )
2. (Intercambio) Intercambiar dos filas.

3. (Escalamiento) Multiplicar todas las entradas de una fila por una constante distinta de cero.
Las operaciones de fila pueden aplicarse a cualquier matriz, no únicamente a una que surja como la
matriz aumentada de un sistema lineal. Se dice que dos matrices son equivalentes por filas si existe
una sucesión de operaciones elementales de fila que convierta una matriz en la otra.
Es importante advertir que las operaciones de fila son reversibles. Si dos filas se intercambian, pueden
regresarse a sus posiciones originales mediante otro intercambio.

Si una fila se escala mediante una constante c distinta de cero, al multiplicar después la nueva fi la
por 1/c se obtiene la fila original. Por último, considere una operación de reemplazo que involucra
dos filas —por ejemplo, las filas 1 y 2— y suponga que a la fila 2 se le suma la fila 1 multiplicada
por c para producir una nueva fila 2. Si desea “revertir” esta operación, sume a la nueva fila 2 la fila
1 multiplicada por −c y obtenga la fila 2 original.
Por el momento, nuestro interés reside en las operaciones de fila sobre la matriz aumentada de un
sistema de ecuaciones lineales. Suponga un sistema que se transforma en otro nuevo mediante
operaciones de fila.
Al considerar cada uno de los tipos de operaciones de fila, puede advertirse que cualquier solución
del sistema original continúa siendo una solución del sistema nuevo. Asimismo, como el sistema
original puede producirse mediante operaciones de fila sobre el sistema nuevo, cada una de las
soluciones del sistema nuevo también es una solución del sistema original. Esta explicación justifica
el hecho siguiente.
Si las matrices aumentadas de dos sistemas lineales son equivalentes por filas, entonces los dos
sistemas tienen el mismo conjunto solución.
Aunque el ejemplo 1 es extenso, puede afirmarse que, después de algún tiempo de práctica, los
cálculos se ejecutan con rapidez. Por lo general, en el texto y en los ejercicios las operaciones de fila
serán muy fáciles de realizar, lo cual permitirá que el estudiante se enfoque en los conceptos
importantes. No obstante, se recomienda aprender a realizar operaciones de fila de manera precisa
porque se utilizarán a lo largo de todo el curso.
En el resto de esta sección se muestra cómo utilizar las operaciones de fila para determinar el tamaño
de un conjunto solución, sin resolver por completo el sistema lineal.
Preguntas de existencia y unicidad

En la sección 1.2 se estudiará porqué un conjunto solución para un sistema lineal puede no contener
ninguna solución, contener solamente una solución, o contener una infinidad de soluciones. Para
determinar cuál posibilidad es verdadera para un sistema en particular, se formulan dos preguntas.
DOS PREGUNTAS FUNDAMENTALES ACERCA DE UN SISTEMA LINEAL
1. ¿El sistema es consistente? Es decir, ¿existe al menos una solución?
2. Si existe solución, ¿solo hay una? Esto es, ¿la solución es única?
Estas dos preguntas aparecerán a lo largo del texto en muchas formas diferentes. En esta sección y en
la próxima, se mostrará cómo contestarlas mediante operaciones de fila sobre la matriz aumentada.

En resumen:
Notación Transformaciones elementales de filas
𝐹𝑟 ↔ 𝐹𝑠 o 𝐹𝑟𝑠 Intercambiar las filas r y s
𝑘𝐹𝑟 o 𝐹𝑟𝑘 Multiplicar la fila r por la constante k
𝑘𝐹𝑟 + 𝐹𝑠 o 𝐹𝑟𝑠𝑘 Sumar k veces la fila r a la fila j
1. Ejemplo:
Aplicando las operaciones elementales de fila: 𝐹23 , 𝐹3−1 , 𝐹13
−2
a las matrices:
1 2 −1 0
𝐴 = [3 0 2 2] se tiene:
2 2 −2 1
−2 −1 −1
1. Aplicando las operaciones elementales de fila: 𝐹21 , 𝐹31 , 𝐹41 a las matrices:
1 2 3 4
2 3 1 2
𝐵=[ ] se tiene:
1 1 1 −1
1 0 −2 −6

2
2. Aplicando las operaciones elementales de fila: 𝐹12 , 𝐹2−1 , 𝐹3−1 𝑦 𝐹4−1 a la matriz:
1 2 3 4
0 −1 −5 −6
𝐶=[ ]
0 −1 −2 −5
0 −2 −5 −10
−1 −2
3. Aplicando las operaciones elementales de fila: 𝐹32 y 𝐹42 , a la matriz:
1 0 −7 −8
0 1 5 6
𝐶=[ ]
0 1 2 5
0 2 5 10

−2 6 −6
4. Aplicando las operaciones elementales de fila: 𝐹43 , 𝐹23 𝑦 𝐹31 a la matriz:
1 0 −7 −8
0 1 5 6
𝐶=[ ]
0 1 −3 −1
0 0 −5 −1
5. Determine qué transformaciones elementales de filas y columnas de la matriz de la izquierda

permite obtener la matriz a la derecha.
1 1 2 1 1 2
a) [1 0 1] → [ 0 1 1]
2 1 3 0 0 0

1 1 0 1 1 0
b) [−1 3 4] → [ 0 4 3]
0 4 3 −1 3 4
1 1 𝑘 1 1 𝑘
c) [𝑘 𝑘(𝑘 − 1) 1] → [0 −1 (1 − 𝑘 2 )]
1 1 1 0 0 (1 − 𝑘)

Soluciones de sistemas lineales (Gauss Jordan)
El algoritmo de reducción por filas conduce directamente a una descripción explícita del conjunto
solución de un sistema lineal cuando se aplica, el algoritmo, a la matriz aumentada del sistema.
Por ejemplo, suponga que la matriz aumentada de un sistema lineal ha sido transformada en la forma
escalonada reducida equivalente
Existen tres variables porque la matriz aumentada tiene cuatro columnas. El sistema de ecuaciones asociado
es
x1 − 5x3 = 1
x2 + x3 = 4 (4)
0=0
Las variables x1 y x2 correspondientes a columnas pivote de la matriz se denominan variables
básicas. La otra variable, x3, se llama variable libre.
Cuando un sistema es consistente, como en (4), el conjunto solución puede describirse de manera
explícita al resolver el sistema de ecuaciones reducido para las variables básicas en términos de las
variables libres. Esta operación es posible debido a que la forma escalonada reducida coloca cada
variable básica en una, y sólo una, ecuación. En (4), se puede despejar x1 de la primera ecuación y x2
de la segunda. (La tercera ecuación no se toma en cuenta porque no ofrece restricciones a las
variables.)
Al afirmar que x3 es “libre”, se implica la posibilidad de asignarle cualquier valor. Una vez que se
efectúa esta asignación, las fórmulas de (5) determinan los valores para x1 y x2. Por ejemplo, cuando
x3 = 0, la solución es (1, 4, 0); cuando x3 = 1, la solución es (6, 3, 1). Cada asignación diferente de
x3 determina una solución (diferente) del sistema, y cada solución del sistema está determinada por
una asignación de x3.
La solución de (5) se denomina solución general del sistema porque proporciona una descripción
explícita de todas las soluciones.

EJEMPLO 2 Determine si el siguiente sistema es consistente:
x1 − 2x2 + x3 = 0
2x2 − 8x3 = 8
−4x1 + 5x2 + 9x3 =− 9
EJEMPLO 3 Determine si el siguiente sistema es consistente:

x2 − 4x3 = 8
2x1 − 3x2 + 2x3 = 1
5x1 − 8x2 + 7x3 = 1

TIPOS DE SISTEMAS LINEALES
Resolución de sistemas de ecuaciones lineales

Método de Gauss
El método de eliminación de Gauss o simplemente método de Gauss consiste en convertir
un sistema lineal de ''n'' ecuaciones con ''n'' incógnitas, en uno escalonado, en el que la
primera ecuación tiene ''n'' incógnitas, la segunda ecuación tiene ''n'' - 1 incógnitas, ..., hasta
la última ecuación, que tiene 1 incógnita. De esta forma, será fácil partir de la última
ecuación e ir subiendo para calcular el valor de las demás incógnitas.
Método de la regla de CRAMER
SISTEMAS DE ECUACIONES LINEALES CON DOS INCÓGNITAS
Dado el sistema lineal:
a1 x + b1 y = c1 .............. ()
a2 x + b2 y = c2 .............. (ß)
Su resolución por la regla de Kramer teniendo en cuenta que:(a1 b2 – a2 b1  0)

es:
c1 b1
x c2 b2 c 1b 2 − c 2b1
x= = = ;
s a1 b1 a1b 2 − a 2b 2
a2 b2
a1 c1
y a2 c2 a1c 2 − a 2 c 1
y= = =
s a1 b1 a1b 2 − a 2b1
a2 b2
Donde:
x = Determinante de x
y = Determinante de y
s = Determinante del sistema

Ejemplo 1.- Calcular “x” en el sistema:
5x – 3y = 11 .............. ()
4x - 5y = 1 ..............(ß)
Solución:
De acuerdo a la teoría:
11 − 3
1 −5 − 55 + 3 − 52
x= = =
5 −3 − 25 + 12 − 13
4 −5
x=4 Rpta.
Ejemplo 2.- Calcular “y” en el sistema:
-7 x + 5y = -45 ................. ()

4x - 3y = 26 ................. (ß)
Solución
Para el cálculo de “y” tenemos:
− 7 − 45
4 26 − 182 + 180 − 2
y= = =
-7 5 21 − 20 1
4 -3
 y = -2 Rpta.
DISCUSIÓN DE LA SOLUCIÓN
1. Si: x, y  R y s  0 el sistema es compatible determinado, y hay una solución

única.
2. Si: x = 0; y = 0 y s = 0, el sistema es compatible indeterminado y tiene

infinitas soluciones.
3. Si x  0; y  0 y s = 0, el sistema es incompatible, no tiene solución.

Ejemplo: Dado el sistema
2x + ky = 5 k ........... ()
5x – 4 y = -27 ………. (ß)
para que valor de “K”; es incompatible.

Solución
Calculando “x”, vemos que:
5k k
− 27 − 4 − 20 k + 27 K 7K
x= = =
2 k −8 −5K − 5K − 8
5 −4
Para que no exista solución debe cumplirse que:
−8
-5 k – 8 = 0 → k = Rpta.
5
SISTEMAS DE ECUACIONES LINEALES CON TRES INCÓGNITAS
Dado el sistema lineal:

a1 x + b1 y + c1 z = d1 .............. ()
a2 x + b2 y + c2 z = d2 .............. (ß)
a3 x + b3 y + c3 z = d3 .............. ()
Su resolución por la regla de CRAMER, (donde s 0) es:

d1 b1 c1
d2 b2 c2
d3 b3 c3 x
x= =
a1 b1 c1 s
a2 b2 c2
a3 b3 c3
a1 d1 c1
a2 d2 c2
a3 d3 c3 y
y= =
a1 b1 c1 s
a2 b2 c2
a3 b3 c3
a1 b1 d1
a2 b2 d2
a3 b3 d3 z
z= =
a1 b1 c1 s
a2 b2 c2
a3 b3 c3
Ejemplo 1: Calcular el valor de “y” en el sistema:
5 x – 2y + 3 z = 6 .............. (1)
7x + 3y – 4 z = 6 .............. (2)
-2 x + 4y + 3 z = 5 .............. (3)

Solución
Por determinantes, se tendría:
5 6 3
7 6 −4
−2 5 3 5(38 ) − 6(13 ) + 3( 47 )
y= =
5 −2 3 5(25 ) + 2(13 ) + 3(34 )
7 3 −4
−2 4 3
190 − 78 + 141 253
y= =
125 + 26 + 102 253
 y =1 Rpta.
DISCUSIÓN DE LA SOLUCIÓN
1. Si: x, y, z  R y s  0, el sistema es compatible determinado.

2. Si x = 0 ; y = 0; z = 0 y s = 0, el sistema es compatible indeterminado y
tiene infinitas soluciones.
3. Si x  0; y  0, y s  0, el sistema es incompatible, no tiene solución:
Ejemplo: Dado el sistema:
-2k x – 3 y + (k + 5) z = 13 .......... (1)

x + y - z = 0 ........... (2)
3x –2y + 2 z = 10 ........... (3)
¿Para que valor de “k”; el sistema es compatible indeterminado?
Solución
Calculando “x” vemos que:
13 − 3 k + 5
0 1 −1
10 − 2 2
x=
− 2k −3 k +5
1 1 −1
3 −2 2
De donde:
13 (0) + 3 (10) + (k + 5) ( −10)
x=
− 2 k (0) + 3 (5) + (k + 5) ( −5)
30 − 10 k - 50 - 10k - 20
x= =
15 - 5 k - 25 - 5k - 10
Para que sea compatible indeterminado:

0
X=
0
1) –10 k – 20 = 0 → K = -2
2) –5 k - 10 = 0 → K = -2
 k = -2 Rpta.

PROBLEMAS EN CLASE
1. Si el sistema lineal
2x + y = 3

(a + 4)x + (a + 1)y = 9
admite infinitas soluciones, entonces el valor de “a”, es:
2. Sea el siguiente sistema:

x 2 + y2 = z

x + y + z = a
Tal que tiene una única solución real, entonces el valor de “a” es:
3. Dado el siguiente sistema:

3x + 5y = 1
ax – by = 10
tal que admite infinitas soluciones
Calcule T = a – b.

3. Si {(1; –1; m)} es el conjunto solución del sistema:
2x + 3y −z = − 3
3x − 4y + z = 9 Halle el valor de m.
5x + 2y + 3z = 9
4. Resolver
 x + y = 12
 2 e indique el valor de M = x − y
 x + y = 74
2

 2x − 5y  x + 4
5. Si el par (x0; y0) es solución entera positiva del sistema 
3x + 13  2y + 4x
Determine el valor de T = x0+ y0
6. Indique el número de soluciones enteras que tiene el sistema.

y ≥ x2
y ≤ 2x
7. Halle el valor de n , si x1 y x2 son raíces de la ecuación: x2–(n + 1)x+n2 =

0 que verifican:
x −11 − x −12
=2
x1 x2

8. Determine el valor de “n” si el conjunto solución del sistema:
13x − ny = 17

 7y + nx = 51
Es: {(a; a)}

 x + 2y = 3
9. Si el sistema  21 tiene infinitas soluciones, entonces el valor
(2m + 1)x + 7y =

 2
de m es:
 x + 4y + 16z = 1

10. Si el siguiente sistema  x + my + m2 z = 4 tiene solución única, entonces el
3x + 15y + 75z = 9

conjunto de valores de m es:

11. Determine que valor debe de tomar “K” para que el sistema sea inconsistente
(o incompatible):
( 3 − K ) x + 5y = 4
(K − 2) x + 2y = 6
A) 1/8 B) 1/3 C) 16/7 D) 5 E) 7
12. Determine para que valor de  , el sistema es consistente.
 x + 2y = 5

2x − 3y = − 4

 x + 5y = 17
A) 3 B) 4 C) 5 D) 6 E) 7
13. Si ( x0 ; y0 ; z0 ) es el conjunto solución del sistema:

 x + y − z = 5.....(1)

 x − y + z = 9.....(2)

 xy + z = 26.....(3)
Indique cuál(es) de los siguientes enunciados son correctas.
( x 0 )  ( z0 ) ;  x  0
x x
I.
II. x0 − y0 − z0   − 2 ; 0 ; 1; 2
x
 1 
III. La ecuación:   = x tiene 2 soluciones.
 y0 
A) Sólo I B) I y II C) Sólo II D) I y III E) I, II y III

14. Sea la ecuación bx2 + cx + a = 0, b  0 con a, b, c  . Indique cuál(es)
de los siguientes enunciados son correctos:
I. Si abc > 0 entonces la ecuación tiene soluciones reales.
II. Si c2  4ab entonces la ecuación tiene 2 soluciones reales.
2
III. Si c < ab entonces la ecuación tiene 2 soluciones complejas.
4
A) Sólo I B) Sólo II C) Sólo III D) Sólo I y II E) Sólo II y III
15. Determine el valor de “m” tal que m > 0. Si en la ecuación x2 = (m + 1)x –

8 una raíz es el doble de la otra.
A) 1 B) 2 C) 3 D) 4 E) 5
16. En la ecuación 9x4 – 37x2 + 4 = 0 la suma de las raíces reales positivas

es.
A) 5 B) 1 C) 3 D) 5 E) 7
6 2 3 3
17. Si el sistema

mx + 6y = 18
4x + ny = 12
Admite infinitas soluciones (es indeterminado), entonces m + n es igual
a:
A) 6 B) 8 C) 9 D) 10 E) 12
18. ¿Para qué valores de  el sistema

(2 −  )x + y = 0
x + (2 −  )y = 0
tiene soluciones no triviales ( ( x; y )  (0; 0)) ?
Dar como respuesta la suma de todas los posibles valores que toma .
A) 3 B) 4 C) 5 D) 6 E) 8
19. Sea el conjunto
M = {(x; y)  Z  Z/ |x|  2  |y|  2}, Z los números enteros.
Halle el número de elementos de M.
A) 9 B) 12 C) 20 D) 25 E) 36
20. Halle el conjunto solución de

x2 + y 2 + 2y − 4 = 0

 2x − y − 1 = 0
A) {(1, –1); (1; –3)} B) {(1; –3); (1; 1)} C) {(1; 1), (–1; –3)}
D) {(–1; –1); (–1; –3)} E) {(1; 2); (–1; 3)}

PROBLEMAS PRÁCTICOS
1. Exprese con sus propias palabras la siguiente operación elemental de fila que debe realizarse
para resolver los sistemas presentados a continuación. [Para (a), existe más de una respuesta
posible.]
a) x1 + 4x2 − 2x3 + 8x4 = 12
x2 − 7x3 + 2x4 = −4
5x3 − x4 = 7
x3 + 3x4 = −5
b) x1 − 3x2 + 5x3 − 2x4 = 0

x2 + 8x3 = −4
2x3 =3
x4 =1

2. La matriz aumentada de un sistema lineal ha sido transformada mediante operaciones de fila
a la forma que se presenta a continuación. Determine si el sistema es consistente.
3. ¿Es (3, 4, −2) una solución del siguiente sistema?

4. ¿Para cuáles valores de h y k es consistente el siguiente sistema?
2. EJERCICIOS
Resuelva los sistemas de los ejercicios 1 a 4 usando las operaciones elementales de fila sobre las
ecuaciones o sobre la matriz aumentada. Utilice el procedimiento de eliminación sistemática
descrito en esta sección.

3. Encuentre el punto (x1, x2) que pertenece tanto a la línea x1 +5x2 = 7 como a la línea x1 − 2x2 = −2.
Vea la figura.
4. Encuentre el punto de intersección de las rectas x1 − 5x2 = 1 y 3x1 − 7x2 = 5.
• Considere cada matriz de los ejercicios 5 y 6 como la matriz aumentada de un sistema

lineal. Exprese con sus propias palabras las siguientes dos operaciones elementales de fi la
que deben realizarse en el proceso para resolver el sistema.

• En los ejercicios 7 a 10, la matriz aumentada de un sistema lineal ha sido reducida mediante
operaciones de fila a la forma que se muestra. En cada caso, ejecute las operaciones de fila
apropiadas y describa el conjunto solución del sistema original.

• Resuelva los sistemas de los ejercicios 11 a 14.

• Determine si los sistemas de los ejercicios 15 y 16 son consistentes. No resuelva los
sistemas por completo.

17. ¿Las tres rectas x1 − 4x2 = 1, 2x1 − x2 = −3, y −x1 − 3x2= 4 tienen un punto de intersección
común? Explique su respuesta.
18. ¿Los tres planos x1 + 2x2 + x3 = 4, x2 – x3 = 1, y x1 + 3x2 = 0 tienen al menos un punto de

intersección común? Explique su respuesta.

• En los ejercicios 19 a 22, determine el valor o los valores de h tales que la matriz dada es la
matriz aumentada de un sistema lineal consistente.

REDUCCIÓN POR FILAS Y FORMAS ESCALONADAS (Gauss Jordan)
En esta sección se perfecciona el método de la sección 1.1 en un algoritmo de reducción por filas que
permitirá analizar cualquier sistema de ecuaciones lineales.1 Las preguntas fundamentales de
existencia y unicidad, expuestas en la sección 1.1, podrán contestarse utilizando la primera parte del
algoritmo.
El algoritmo se aplica a cualquier matriz, ya sea vista como una matriz aumentada para un sistema
lineal o no. Entonces, la primera parte de esta sección trata acerca de una matriz rectangular arbitraria.
Se comienza por introducir dos clases importantes de matrices que incluyen las matrices
“triangulares” de la sección 1.1. En las definiciones presentadas a continuación, una fi la o una
columna distinta de cero en una matriz serán una fi la o una columna que contengan al menos una
entrada diferente de cero; una entrada principal de una fi la se refiere a la entrada diferente de cero
que se encuentra más a la izquierda (en una fila distinta de cero).
D E F I N I C I Ó N Una matriz rectangular está en forma escalonada (o en forma escalonada por
filas) si tiene las tres propiedades siguientes:
1. Todas las filas distintas de cero están arriba de cualquier fila integrada sólo por ceros.
2. Cada entrada principal de una fila está en una columna situada a la derecha de la entrada principal
de la fi la que se encuentra arriba de dicha entrada.
3. Todas las entradas que se localicen en una columna situada debajo de una entrada principal son
ceros.
Si una matriz en forma escalonada satisface las siguientes condiciones adicionales, entonces se
encuentra en forma escalonada reducida (o forma escalonada reducida por filas):
4. La entrada principal de cada fila distinta de cero es 1.
5. Cada 1 principal es la única entrada distinta de cero en su columna.
Una matriz escalonada (respectivamente, matriz escalonada reducida) es una matriz que está en
forma escalonada (respectivamente, forma escalonada reducida). La propiedad 2 enuncia que las
entradas principales forman un patrón escalonado (“como escalera”) que avanza hacia abajo y a la
derecha de la matriz. La propiedad 3 es una simple consecuencia de la propiedad 2, pero se incluyó
aquí para enfatizarla.
Las matrices “triangulares”, tales como

están en forma escalonada. De hecho, la segunda matriz está en forma escalonada reducida.
A continuación, se presentan ejemplos adicionales.
EJEMPLO 1 Las siguientes matrices están en forma escalonada. Las entradas principales
(■) pueden tener cualquier valor distinto de cero; las entradas con asterisco (*) pueden tener
cualquier valor (incluso cero).
Las siguientes matrices están en forma escalonada reducida porque las entradas principales son números 1, y
abajo y arriba de cada 1 principal sólo existen ceros.
Cualquier matriz distinta de cero se puede reducir por filas (esto es, transformarse mediante
operaciones elementales de fila) para producir más de una matriz en forma escalonada, para ello se
usan diferentes sucesiones de operaciones de fi la. Sin embargo, la forma escalonada reducida que
se obtiene a partir de una matriz es única.
T E O R E M A 1 Unicidad de la forma escalonada reducida

Cada matriz es equivalente por filas a una y sólo una matriz escalonada reducida.
Si una matriz A es equivalente por filas a una matriz escalonada U, se dice que U es una forma
escalonada (o una forma escalonada por fi las) de A; si U está en su forma escalonada reducida, se
afirma que es la forma escalonada reducida de A. [La mayoría de los programas de matrices y de
las calculadoras con capacidad para resolver matrices utilizan la abreviatura RREF para encontrar la
forma escalonada reducida (por filas).
Posiciones pivote
Cuando las operaciones de fi la sobre una matriz producen una forma escalonada, las operaciones de
fila posteriores para obtener la forma escalonada reducida no cambian las posiciones de las entradas
principales. Como la forma escalonada reducida es única, las entradas principales siempre estan en
las mismas posiciones en cualquier forma escalonada obtenida a partir de una matriz dada. Estas
entradas principales corresponden a los números 1 principales que hay en la forma escalonada
reducida.

D E F I N I C I Ó N En una matriz A, una posición pivote es una ubicación en A que corresponde a
un 1 principal en la forma escalonada reducida de A. Una columna pivote es una columna de A que
contiene una posición pivote.
En el ejemplo 1, los cuadros (■) identifican las posiciones pivote. Muchos conceptos fundamentales
incluidos en los primeros cuatro capítulos de este libro estarán conectados de una forma u otra con
las posiciones pivote que aparecen en una matriz.
EJEMPLO 2 Reduzca por filas la matriz A que se muestra a continuación hasta la forma escalonada,
y localice las columnas pivote de A.

EJEMPLO 3 Aplique operaciones elementales de fila para transformar la siguiente matriz a la
forma escalonada y después a la forma escalonada reducida:

RANGO DE UNA MATRIZ
OBJETIVO
Definir el rango de renglones y el rango de columnas de una matriz. Mostrar que estos rangos
coinciden.
FUNDAMENTO TEÓRICO
Rango de una matriz: es el número de líneas de esa matriz (filas o columnas) que son linealmente
independientes.
Una línea es linealmente dependiente de otra u otras cuando se puede establecer una combinación
lineal entre ellas.
Una línea es linealmente independiente de otra u otras cuando no se puede establecer una
combinación lineal entre ellas.
El rango de una matriz A se simboliza: rang(A) o r(A).
También podemos decir que el rango es: el orden de la mayor submatriz cuadrada no nula.
MÉTODOS DEL CÁLCULO DEL RANGO DE LA MATRIZ

Se puede calcular el rango de una matriz por dos métodos:
• Cálculo del rango de una matriz por el método de Gauss.
• Cálculo del rango de una matriz por determinantes.
• CÁLCULO DEL RANGO DE UNA MATRIZ POR EL MÉTODO DE GAUSS
Podemos descart ar una lí ne a si:
• Todos sus coef icient es son c eros.
• Hay dos líneas iguales.
• Una línea es proporcional a otra.
• Una línea es combinac ión linea l de otras.
F3 = 2F1
F 4 e s nu l a
F5 = 2F2 + F1
r( A ) = 2 .

En general cons ist e en hacer nul as el máximo número de línea s posible, y e l
rango ser á el número de f ilas no nula s .
F2 = F2 - 3F1
F3 = F3 - 2F1
Por tanto, r(A) = 3.
• CALCULO DEL RANGO DE UNA MATRIZ POR EL MÉTODO DE

DETERMINANTES
Si a un menor M de orden h de la matriz A se le añade la fila p y la columna q de A (que antes no

estaban en el menor), obtenemos un menor N de orden h+1 que se dice obtenido de M este menor
con la fila p y la columna q.
El método para el cálculo del rango es un proceso iterado que sigue los siguientes pasos:
Antes de comenzar el método se busca un elemento no nulo, ya que, si todos los elementos son 0, el
rango será 0. El elemento encontrado será el menor de orden k=1 de partida.
Se orla el menor de orden k hasta encontrar un menor de orden k+1 no nulo. Cuando se encuentra un
menor de orden k+1 no nulo se aplica a éste el método.
Si todos los menores orlados obtenidos añadiéndole al menor de partida los elementos de una línea
no son nulos, podemos eliminar dicha línea porque es combinación de las que componen el menor de
orden k.
Si todos los menores de orden k+1 son nulos el rango es k. (Si aplicamos bien el método en realidad,
al llegar a este punto, la matriz tiene orden k).
El rango es el orden de la mayor s ubmatriz cuadrada no nul a .

1. Podemos descartar una línea si:
• Todos sus coef icient es son c eros.
• Hay dos líneas iguales.
• Una línea e s proporcional a otra.
• Una línea es combinac ión linea l de otras.
Suprimimos la t er cer a columna porque es combina ción li nea l de las dos
primeras : c 3 = c 1 + c 2
2. Comprobamos si tiene rango 1, para ello se tiene que cumplir que al menos un
elemento de la matr iz no sea ce ro y por tanto su det erminante no se rá nulo.
|2 |=2≠0
3. Tendrá rango 2 si existe al guna submatri z c uadrada de orde n 2, tal que su
determinante no sea nulo.
4. Tendrá rango 3 si existe al guna submatri z c uadrada de orde n 3, tal que su

determinante no sea nulo.

Como todos los determinantes de las submatri ce s son nulos no tie ne r ango 3, por
tanto, r(B ) = 2 .
5. Si tiene rango 3 y existe alguna submatriz de orden 4, cuyo determinante
no sea nulo, tendrá rango 4. De este mismo modo se trabaja par a comprobar si
tiene rango s uperior a 4.
1. EJERCICIO. En la siguiente matriz determine su rango.
1 1 2 1
2 2 5 1
𝐴=[ ]
1 1 4 5
3 3 8 7

2. EJERCICIO. En la siguiente matriz determine su rango.
1 2 −1 1
2 1 3 2
𝐴=[ ]
1 −1 4 1
3 0 7 3
3. EJERCICIO. Halle, en funcion de h y k el rango de la matriz
𝟏 −𝟏 𝟐 𝟑
𝟐 𝟏 𝐡 𝟏
𝐀=[ ]
𝟎 −𝟑 𝐤 𝟓
𝟑 𝟑 𝟒 −𝟏

4. EJERCICIO. Halle el rango de la siguiente matriz.
𝟏 𝟐 𝟑 𝟎 𝟐
𝟒 𝟐 𝟑 𝟎 𝟓
𝐀=[ ]
𝟑 𝟐 𝟏 𝟎 𝟐
𝟑 𝟎 𝟑 𝟑 𝟑
5. EJERCICIO. Halle el rango de la siguiente matriz.
𝟎 𝟐 𝟒 𝟏 𝟐
𝟏 𝟐 𝟏 𝟐 𝟏
𝐁=[ ]
𝟑 𝟒 𝟓 𝟏 𝟐
𝟐 𝟐 𝟒 −𝟏 𝟏

VECTORES EN ℝ𝟐 𝒚 ℝ𝟑
INTRODUCCIÓN
El álgebra lineal es fundamental en el desarrollo de muchas ramas de las Matemáticas, la

Física, la Química, la Ingeniería y el Análisis Numérico. En particular, la discusión de
conceptos básicos del álgebra lineal tales como los de espacio vectorial y transformación
lineal, son relevantes en el formalismo del cálculo vectorial. En este capítulo se discutirán
conceptos que tendrán incidencia directa en el curso de Cálculo de Función de Varias
Variables. La comprensión por parte del estudiante del material aquí desarrollado, le
permitirá entender mejor los conceptos estudiados en el resto del curso.
Las cantidades físicas que necesitan dirección y magnitud para su especificación, tales
como fuerza y velocidad son ejemplos de vectores. Un par ordenado de números reales
(a1, a2) se puede usar para determinar el vector representado por el segmento rectilíneo
que une al origen con el punto (a1, a2) en un sistema de coordenadas rectangulares.
El vector determinado por el par ordenado de números reales (a 1, a2) tiene la propiedad de
que, si partimos del punto inicial, recorremos una distancia dirigida a 1 paralela al eje x, y
después recorremos una distancia dirigida a 2 paralela al eje y, llegamos al punto terminal.

VECTORES EN 𝑹𝟐 Y 𝑹𝟑
VECTORES: Un vector es una representación matemática de las magnitudes vectoriales.
Magnitudes vectoriales: Son aquellas magnitudes que además de conocer su valor

numérico y su unidad, se necesita la dirección y sentido para que dicha magnitud quede
perfectamente definida o determinada.
Ejemplo: Velocidad, aceleración, fuerza, etc.
Elementos de un vector:
A) Modulo: Geométricamente es el tamaño del vector. Indica el valor de la magnitud

vectorial. A o |𝐴⃗| : Se lee, modulo del vector 𝐴⃗ .
B) Dirección: Es la línea de acción de un vector; su orientación respecto del sistema de

coordenadas cartesianas en el plano, se define mediante el ángulo que forma el vector
con el eje 𝑋 positivo en posición normal.
C) Sentido: Gráficamente se representa por la saeta de la flecha. Indica hacia qué lado de
la dirección (línea de acción) actúa el vector.
Notación: Es la forma como se representa un vector.
𝐴⃗ : Se lee vector 𝐴⃗ .

Se representa por cualquier letra del alfabeto, con una pequeña flecha en la parte superior
de la letra.
VECTORES EN 𝑹𝟐
Un vector ubicado en el plano como se muestra en la figura, se puede expresar así:
𝐴⃗ = (𝑎; 𝑏) o 𝐴⃗ = 𝑎𝑖̂ + 𝑏𝑗̂ Donde 𝑖̂ y 𝑗̂ son vectores unitarios
VECTORES EN 𝑹𝟑
Un vector ubicado en el sistema de coordenadas de tres dimensiones como se muestra

en la figura, puede expresarse así:
𝐴⃗ = (𝑎; 𝑏; 𝑐) o 𝐴⃗ = 𝑎𝑖̂ + 𝑏𝑗̂ + 𝑐𝑘⃗⃗

OPERACIONES CON VECTORES:
SUMA DE VECTORES
Para sumar vectores existen varios métodos, uno de ellos es el método del
paralelogramo, en el cual los vectores a sumar son colocados de manera que sus orígenes
coinciden; luego se trazan paralelas a cada uno de ellos tal como se aprecia en la figura
hasta formar el paralelogramo. El vector resultante es aquel que se encuentra en la
diagonal.
R, es el vector resultante y se expresa así:
𝑅⃗⃗ = 𝐴⃗ + 𝐵
⃗⃗
El módulo del vector resultante se determina con la ecuación:
𝑹 = √𝑨𝟐 + 𝑩𝟐 + 𝟐𝑨𝑩 𝐜𝐨𝐬 𝜽
También podemos utilizar el método del polígono, en el cual los vectores son colocados
uno a continuación de otro; el vector resultante es aquel vector cuyo origen coincide con el
origen del primer vector y su extremo coincide con el extremo del ultimo vector a sumar, A
diferencia del método anterior, se puede sumar más de dos vectores a la vez.

|𝑅⃗⃗| = 𝑎⃗ + 𝑏⃗⃗
RESTA DE VECTORES
Restar dos vectores 𝐴⃗ y 𝐵

⃗⃗ , es equivalente a sumar el vector 𝐴⃗ con el vector negativo de
⃗⃗ y para ello es necesario invertir el sentido de 𝐵
𝐵 ⃗⃗ . El vector resultante es la suma: ⃗⃗⃗⃗
𝑅=
𝐴⃗ + (− 𝐵
⃗⃗) = 𝐴⃗ − 𝐵
⃗⃗ ; a dicho vector se denomina vector resta. El módulo del vector resta
𝑅⃗⃗ = |𝐴⃗ − 𝐵
⃗⃗ | es igual al modulo del vectro resta: 𝑅⃗⃗ = |𝐵
⃗⃗ − 𝐴⃗| y se determina madiante la
siguiente ecuación:
𝑫 = √𝑨𝟐 + 𝑩𝟐 − 𝟐𝑨𝑩 𝐜𝐨𝐬 𝜽
𝑅 = 𝐴⃗ + (−𝐵
⃗⃗ ) = 𝐴⃗ − 𝐵
⃗⃗

NORMA O MÓDULO DE UN VECTOR
El módulo de un vector es un número que coincide con la "longitud" del vector en la

representación gráfica.
EN 𝑹𝟐 : sea el vector 𝐴⃗ = (𝑥; 𝑦), su norma o modulo está representado por la ecuación:
‖𝐴‖ = √𝑥 2 + 𝑦 2
EN 𝑹𝟑 : sea el vector 𝐴⃗ = (𝑥; 𝑦; 𝑧) , su norma o modulo esta representado por la

ecuación: ‖𝐴‖ = √𝑥 2 + 𝑦 2 + 𝑧 2

VECTORES UNITARIOS
Se da el nombre de vector unitario de un vector dado, a otro vector colinel o paralelo a el,
cuya magnitud o modulo es la unidad.
⃗⃗⃗
𝑨 |̂
𝒖⃗⃗⃗𝑨| = 𝟏
⃗⃗
𝑨
̂
𝒖⃗𝑨⃗⃗ =
𝑨
̂
𝒖𝑨⃗⃗
Todo vector es igual al producto se du magnitud, por su vector unitario
𝐴⃗ = 𝐴. ̂𝑢𝐴⃗
VECTORES UNITARIOS RECTANGULARES
Hemos visto que los vectores unitarios pueden ser definidos en cualquier direccion. Sin
embargo, los mas utiles son aquellas que tienen la direccion positiva de los ejes; x, y, z de
̂ respectivamente.
un sistema de coordenadas rectangulares; y se les conoce por 𝒊̂ , 𝒋̂ , 𝒌
̂|=1
|𝒊̂ | = 1 ; |𝒋̂| = 1 ; |𝒌

PRODUCTO PUNTO O PRODUCTO ESCALAR:
El producto punto, se conoce también como producto interior o producto escalar. El

producto punto de dos vectores a y b se denota mediante a.b y es un número real, o escalar,
definido en términos de los componentes de los vectores.
El producto punto (o escalar) es una operación entre vectores que devuelve un escalar.
Esta operación es introducida para expresar algebraicamente la idea geométrica de
magnitud.
• En el espacio bidimensional el producto de dos vectores 𝒂 =< 𝒂𝟏 , 𝒂𝟐 > 𝒚 𝒃 =<

𝒃𝟏 , 𝒃𝟐 > es:
𝒂. 𝒃 = 𝒂𝟏 𝒃𝟏 + 𝒂𝟐 𝒃𝟐
• En el espacio tridimensional el producto punto de dos vectores 𝒂 =< 𝒂𝟏 , 𝒂𝟐 , 𝒂𝟑 > y

𝒃 =< 𝒃𝟏 , 𝒃𝟐 , 𝒃𝟑 > es:
𝒂. 𝒃 = 𝒂𝟏 𝒃𝟏 + 𝒂𝟐 𝒃𝟐 + 𝒂𝟑 𝒃𝟑
Para hallar el producto punto de los vectores 𝑎⃗ 𝑦 𝑏⃗⃗ multiplicamos los componentes
correspondientes y sumamos dichos productos. El resultado no es un vector, es un número
real es decir un escalar. Por esta razón el producto punto es llamado producto escalar (o
producto interior).
Ejemplo:
También se puede definir el producto escalar n términos de la magnitud de los vectores y

el ángulo entre ellos, de la siguiente manera.

PROPIEDADES DEL PRODUCTO PUNTO
• 𝑎. 𝑏 = 0 𝑠𝑖 𝑎 = 0 𝑜 𝑏 = 0
• 𝑎. 𝑏 = 𝑏. 𝑎 Ley conmutativa
• 𝑎. (𝑏 + 𝑐) = 𝑎. 𝑏 + 𝑎. 𝑐 Ley distributiva
• 𝑎. (𝑘𝑏 ) = (𝑘𝑎 ). 𝑏 = 𝑘 (𝑎. 𝑏 ), 𝑲 𝒆𝒔 𝒖𝒏 𝒆𝒔𝒄𝒂𝒍𝒂𝒓
• 𝑎. 𝑎 ≥ 0
• 𝑎. 𝑎 = |𝑎|2
FORMA ALTERNATIVA:
También puede expresarse el producto punto de dos vectores en términos de las longitudes
de los vectores y del ángulo entre ellos.
El producto punto de dos vectores a y b es
𝒂. 𝒃 = |𝒂||𝒃|𝒄𝒐𝒔𝜽
Donde 𝜃es el angulo entre los vectores tal que 0 ≤ 𝜃 ≤ 𝜋
ÁNGULO ENTRE DOS VECTORES:
La expresión geométrica del producto escalar permite calcular el coseno del ángulo
existente entre los vectores, mediante la siguiente definición formal: que nos dice que la
multiplicación de un escalar denominado K tiene que ser diferente de cero.
𝒂. 𝒃 𝒂𝟏 𝒃𝟏 + 𝒂𝟐 𝒃𝟐 + 𝒂𝟑 𝒃𝟑
𝐜𝐨𝐬𝛉 = =
|𝒂||𝒃| |𝒂||𝒃|
VECTORES ORTOGONALES:
Si a y b son vectores distintos de cero, entonces:
𝐚. 𝐛 = |𝐚||𝐛|𝐜𝐨𝐬𝛉
Implica que

• a. b > 0 si y solo si 𝜃 es agudo
• a. b < 0 si y solo si 𝜃 es obtuso
• a. b = 0 si y solo si 𝑐𝑜𝑠𝜃 = 0
• CRITERIOS ORTOGONALES: Dos vectores distintos de cero a y b son ortogonales

si y solo si 𝑎. 𝑏 = 0
Puesto que 0. 𝑏 = 0 para todo vector cero se considera ortogonal a todo vector
COSENOS DIRECTORES:
Para un vector distinto de cero 𝒂 = 𝒂𝟏 𝒊 + 𝒂𝟐 𝒋 + 𝒂𝟑 𝒌 en el espacio tridimensional, los

ángulos 𝜶, 𝜷 𝒚 𝜸 entre a y los vectores unitarios i, j y k respectivamente, reciben el nombre
de ángulos directores de a.
𝐚. 𝐢 𝐚. 𝐣 𝐚. 𝐤
𝐜𝐨𝐬 𝛂 = 𝐜𝐨𝐬 𝛃 = 𝐜𝐨𝐬 𝛄 =
|𝐚||𝐢|, |𝐚||𝐣|, |𝐚||𝐤|,
La cual se simplifica:
𝒂𝟏 𝒂𝟑
𝒄𝒐𝒔 𝜶 = 𝒄𝒐𝒔 𝜸 =
|𝒂|, |𝒂|,
𝒂𝟐
𝐜𝐨𝐬 𝜷 =
|𝒂|,

Afirmamos que 𝒄𝒐𝒔𝜶 , 𝒄𝒐𝒔𝜷, 𝐜𝐨𝐬 𝜸 son los cosenos directores de a. los cosenos
directores de un vector distinto de cero a son simplemente las componentes del vector
unitario a/|a|:
𝐚 𝐚𝟏 𝐚𝟐 𝐚𝟑
= 𝐢+ 𝐣+ 𝐤
|𝐚| |𝐚| |𝐚| |𝐚|
= (𝒄𝒐𝒔𝜶)𝒊 + (𝒄𝒐𝒔𝜷)𝒋 + (𝒄𝒐𝒔𝜸)𝒌
Puesto que la magnitud de a/|a| es 1, se sigue de la última ecuación que:
𝒄𝒐𝒔𝟐 𝜶 + 𝒄𝒐𝒔𝟐 𝜷 + 𝒄𝒐𝒔𝟐 𝜸 = 𝟏
PROYECCIÓN DE a SOBRE b
Como se ilustra en la figura, la proyección de un vector a en cualquiera de sus

direcciones determinadas por i, j, k es simplemente el vector formado al multiplicar la
componente de a en la dirección específica con un vector unitario en esa dirección, por
ejemplo:
𝐩𝐫𝐨𝐲𝟏 𝐚 = (𝐜𝐨𝐦𝐩𝟏 𝐚)𝐢 = (𝐚. 𝐢)𝐢
Y así sucesivamente, el caso general de la proyección de

a sobre b es:
𝒃
𝒑𝒓𝒐𝒚𝒃 𝒂 = (𝒄𝒐𝒎𝒑𝒃 𝒂) ( )
|𝒃|
PRODUCTO CRUZ O PRODUCTO VECTORIAL:
El producto punto, que se presentó anteriormente opera en el espacio bidimensional

como también en el espacio tridimensional y genera un número. Por otro lado, el
producto cruz, que se presenta en esta sección, solo está definido para vectores en el
espacio tridimensional y genera otro vector en el espacio tridimensional.

Dados los vectores 𝑢 = 𝑢1, 𝑢2, 𝑢3 𝑦 𝑣 = 𝑣1, 𝑣2, 𝑣3 del espacio, el producto vectorial v
entre 𝑢 𝑦 𝑣 𝑠𝑒 𝑑𝑒𝑓𝑖𝑛𝑒 𝑐𝑜𝑚𝑜
Sean dos vectores y en el espacio vectorial . El producto vectorial

entre y da como resultado un nuevo vector, . El producto vectorial y se
denota mediante , por ello se lo llama también producto cruz. En los textos
manuscritos, para evitar confusiones con la letra x (equis), es frecuente denotar el
producto vectorial mediante:
El producto vectorial puede definirse de una manera más compacta de la siguiente

manera:
Donde es el vector unitario y ortogonal a los vectores a y b y su dirección está dada

por la regla de la mano derecha y θ es, como antes, el ángulo entre a y b. A la regla de
la mano derecha se la llama a menudo también regla del sacacorchos.
OBSEVACIONES:
• Los vectores i, j, k constituyen una base para el espacio tridimensional. Estos

vectores unitarios en las direcciones positivas de X, Y, Z respectivamente, en
nuestra notación el vector producto vectorial se puede escribir como:
• El producto vectorial define un vector que es al mismo perpendicular a los

vectores u y v.
• La magnitud del producto vectorial se puede definir también como:

||𝒖 × 𝒗|| = ||𝒖|| ||𝒗||𝒔𝒆𝒏𝜽

Donde 𝜃define el ángulo entre los vectores u y v
• De la forma como se define la magnitud, se observa, que si u y v son no nulos y

𝜽 = 𝟎𝟎 𝒐 𝜽 = 𝟏𝟖𝟎𝟎 , entonces la magnitud del vector producto vectorial es cero,
y viceversa si la magnitud del vector producto vectorial es cero, entonces el
ángulo entre vectores es cero o 180°. Este hecho, constituye una caracterización
del producto vectorial que indica cuando los vectores u y v son paralelos.
Podemos resumir el hecho así:
𝒖||𝒗 ↔ 𝒖 × 𝒗 = 𝟎
• Geométricamente el vector 𝒖 × 𝒗, también define un paralelogramo con los lados
||u|| y ||v||, que tiene área dada por: 𝒂 = ||𝒖 × 𝒗||
• El producto vectorial no es conmutativo, en este caso se cumple:

𝐮 × 𝐯 = −𝐯 × 𝐮
PRODUCTO VECTORIAL DE DOS VECTORES:
Sean los vectores concurrentes de , el espacio afín tridimensional según la base

anterior. Se define el producto:

Donde w es el producto vectorial de u y v, definido así:
Donde la última fórmula se interpreta como:
Esto es:
Usando una notación más compacta, mediante el desarrollo por la primera fila de un
determinante simbólico de orden 3 (simbólico ya que los términos de la primera fila no
son escalares):
Que da origen a la llamada regla de la mano derecha o regla del sacacorchos: girando
el primer vector hacia el segundo por el ángulo más pequeño, la dirección de es
el de un sacacorchos que gire en la misma dirección.

Ejemplo:
El producto vectorial de los vectores 𝑎 = (2,0,1) 𝑦 𝑏 = (1, −1,3) se calcula del

siguiente modo:
Expandiendo el determinante:
Dando como resultado:
Puede verificarse fácilmente que 𝑎 × 𝑏 es ortogonal a los vectores a y b efectuando

el producto escalar y verificando que éste es nulo (condición de perpendicularidad de
vectores).
PROPIEDADES DEL PRODUCTO CRUZ O PRODUCTO VECTORIAL:
• a×b=0 si a=0 o b=0

• 𝑎 × 𝑏 = −𝑏 × 𝑎
• 𝑎 × (𝑏 + 𝑐) = (𝑎 × 𝑏) + (𝑎 × 𝑐) 𝑙𝑒𝑦 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎
• (𝑎 + 𝑏) × 𝑐 = (𝑎 × 𝑐) + (𝑏 × 𝑐) 𝑙𝑒𝑦 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑡𝑖𝑣𝑎
• 𝑎 × (𝑘𝑏) = (𝑘𝑎) × 𝑏 = 𝑘(𝑎 × 𝑏), 𝑘 𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
• 𝑎×𝑎=0
• 𝑎. (𝑎 × 𝑏) = 0
• 𝑏. (𝑎 × 𝑏) = 0

BASES ORTOGONALES Y PRODUCTO VECTORIAL
Sea un sistema de referencia 𝑆 = {𝑂;𝑖; 𝑗; 𝑘} en el espacio vectorial . Se dice

que es una base ortonormal derecha si cumple con las siguientes condiciones:
a. 𝒊. 𝒋 = 𝒋. 𝒌 = 𝒌. 𝒊 = 𝒐; es decir, los tres vectores son ortogonales entre sí.

b. |𝒊| = |𝒋| = |𝒌| = 𝟏; es decir, los vectores son vectores unitarios (y por lo tanto,
dada la propiedad anterior, son ortonormales).
c. 𝐢 × 𝐣 = 𝐤𝐣 × 𝐤 = 𝐢𝐤 × 𝐢; es decir, cumplen la regla de la mano derecha.
REGLA DE LA MANO DERECHA:
Una caracterización alterna del producto cruz utiliza la regla de la mano derecha. Como
se observa en la figura si los dedos de la mano apuntan a lo largo del vector a lo largo
del vector a y después se curvan hacia el vector b, el pulgar dará la dirección de axb .
FORMA ALTERNADA DEL PRODUCTO CRUZ:
Sean a y b dos vectores distintos de cero que no son paralelos entre sí. Entonces el
producto cruz de a y b es: 𝒂 × 𝒃 = (|𝒂||𝒃|𝒔𝒆𝒏𝒐𝜽)n.
Donde 𝜃es el ángulo entre los vectores tal que 0 ≤ 𝜃 ≤ 𝜋 y n es un vector unitario
perpendicular al plano de a y b con dirección dada por la regla de la mano derecha.

PROBLEMAS
1. Si se sabe que: A = (x − 2)i − (4 + x)j y B = −4i + xj son vectores paralelos. Hallar el

valor positivo de “x”
2. Si se sabe: A = 3i + (a + 2)j ; B = −2ai + (a + 1)j son perpendiculares determinar los valores

de “a”.

3. Dados los vectores: A = 2i + 3 j , B = i − 2j y C = −4i + j . Hallar el valor de m + n , de
tal forma que sea posible expresar la combinación lineal: mA + nB = C
4. En la figura, calcular el módulo de la resultante del sistema de vectores:
A = 12 u
C
60º
B = 16 u

5. Dados dos vectores A y B de igual magnitud forman un ángulo  . ¿En qué
relación están los módulos de los vectores A + B y A − B ?
6. En la figura expresar el vector X − Y en función de los vectores A y B .
Y
A
X

7. En la figura OPQR es un cuadrado, expresar el vector X como combinación
lineal de los vectores A y B .
P Q
X
A
N
M
O R
B
8. En la figura OPQR es un cuadrado. Expresar el vector C en función de los

vectores A y B . P Q
C S
A
O R
B

9. En la figura OPQR expresar el vector X como combinación lineal de los vectores A
P M Q
y B.
A
X
N
B
O R
10. Utilizando los datos de la figura hallar el producto escalar de los vectores A y
Y
B.
B A
3
X
0 5

11. Halle el vector paralelo a A = 4i − 5 j + 3k ; cuyo módulo es 3 2 .
12. Dados los vectores: A = 2i + aj − 3bk y B = 2ai − j + bk ; halle el valor de “ ab
”. Si A ⊥ B . Además: a − b = 6 .

13. Hallar el módulo de la resultante del siguiente conjunto de vectores.
Z
C(0, 0, 6)
Y
X A(8, 0, 0) B(0, 10, 0)
14. Hallar el vector F , si F = T + P sabiendo además que: T = 50 N . P = 52 N . Z
12
T Y
X
4
3

15. Halle el módulo de la fuerza resultante de F y T , si: F = 25 N y T = 30 N .
Z
3 4
F
X
T Y
10
16.

17.
→ →
18. Dos vectores A y B tienen módulos de 10 u y 6 u respectivamente.
Determinar en qué intervalo se encuentra el módulo de la resultante que se pueden
obtener con estos dos vectores.
→ →
A) 0u  A + B  16u
→ →
B) 0u  A + B  4u
→ →
C) 6u  A + B  16u
→ →
D) 6u  A + B  10u
→ →
E) 4u  A + B  16u

→
19. Sea el vector A de módulo 5 u que forma 63° con respecto al eje +x, y las
rectas L1 y L2 que forman ángulos de 137° y 10° con respecto al eje +x. Determine
→
los módulos de las componentes del vector A sobre L1 y L2.
→ → →
20. Los vectores A,B y C están ubicados en el sistema ortogonal, tal como se
muestra en la figura. Determine la resultante de los vectores.

ESPACIOS VECTORIALES
INTRODUCCIÓN:
Como se observó en el capítulo anterior, los conjuntos ℝ2 (vectores en el plano) y ℝ3
(vectores en el espacio) cuentan con diversas propiedades peculiares. S e puede sumar
dos vectores en ℝ2 y obtener otro vector en ℝ2 . En la suma, los vectores en ℝ2
obedecen las leyes conmutativa y asociativa. Si x ∈ ℝ2 , entonces x+0=x y x+(-x)=0.
Se puede multiplicar vectores en ℝ2 por escalares y obtener las leyes distributivas. En
ℝ3 se cumplen las mismas propiedades.
Los conjuntos ℝ2 y ℝ3 junto con las operaciones de suma de vectores y multiplicación
por un escalar se denominan espacios vectoriales. Se puede decir, de forma intuitiva,
que un espacio vectorial es un conjunto de objetos con dos operaciones que obedecen
las reglas que acaban de escribirse.
En el presente capitulo habrá un cambio, en apariencia grande, del mundo concreto de
la solución de ecuaciones y del manejo sencillo de los vectores que se visualizan, al
mundo abstracto de los espacios vectoriales arbitrarios. Existe una ventaja en este
cambio. Una vez que, en términos generales, se establecen los hechos sobre lo
espacios vectoriales se pueden aplicar estos hechos a todos los espacios de esta
naturaleza. De otro modo, tendría que probarse cada hecho una y otra vez para cada
nuevo espacio vectorial que nos encontraremos (y existe un sinfín de ellos). Pero como
se verá más adelante, muchos de los teoremas abstractos que se demostraran, en
términos reales no son más difíciles que lo que ya se han estudiado.
DEFINICIÓN Y PROPIEDADES BÁSICAS

ESPACIO VECTORIAL REAL .
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con
dos operaciones binarias llamadas suma y multiplicación por un escalar y que satisfacen
los diez axiomas enumerados a continuación.
Notación. Si x y y están en V y si α es un número real, entonces la suma se escribe
como x+y y el producto escalar de α y x como αx.
Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio
vectorial deben mencionarse dos asuntos de importancia. En primer lugar, mientras que
puede ser útil pensar en ℝ2 𝑜 ℝ3 al manejar un espacio vectorial, con frecuencia ocurre
que el espacio vectorial parece ser muy diferente a estos cómodos espacios. En
segunda instancia, la definición 1 ofrece una definición de un espacio vectorial real. La
palabra “real” significa que los escalares que se usan son números complejos en lugar
de reales.

AXIOMAS DE UN ESPACIO VECTORIAL
i. Si x ∈ 𝑉 𝑦 𝑦 ∈ 𝑉, entonces x+y ∈ V (cerradura bajo la suma)
ii. Para todo x,y y z en V, (x+y)+z=x+(y+z) (ley asociativa de la suma de
vectores)
iii. Existe un vector 0 ∈ 𝑉 tal que para todo x∈ 𝑉, x+0=0+x=x (el 0 se llama vector
cero o idéntico aditivo).
iv. Si x∈ 𝑉, existe un vector -x en ∈ 𝑉 tal que x+(-x)=0 (-x se llama inverso aditivo
de x)
v. Si x y y están en V, entonces x+y= y+x (ley conmutativa de la suma de
vectores).
vi. Si x∈ 𝑉 y α es un escalar, entonces αx ∈ 𝑉 (cerradura bajo la multiplicación
por un escalar)
vii. Si x y y están en V y α es un escalar, entonces α(x+y)=αx+αy (primera ley
distributiva).
viii. Si x∈ 𝑉 y α y β son escalares, entonces (α+β)x=αx+βx (segunda ley
distributiva).
ix. Si x∈ 𝑉 y α y β son escalares, entonces α(βx)=(αβ)x (ley asociativa de la
multiplicación por escalares)
x. Para cada vector x ∈ 𝑉, 1x=x
EJEMPLO 1.
𝑥1
𝑥2
𝑥3
Sea 𝑉 = ℝ𝑛 = . : 𝑥𝑖 ℇℝ 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑛
.
.
{( 𝑥 𝑛 ) }
Cada vector en ℝ𝑛 es una matriz de nx1. Según la definición de suma de matrices dada.
0
0
x+y es una matriz de nx1 si x y y son matrices de nx1. Haciendo 0 = . y
..
[0]
−𝑥1
−𝑥2
.
−𝑥 = , se observa que los axiomas ii) a x) se obtienen de la definición de suma
..
[−𝑥𝑛 ]
de vectores (matrices).

EJEMPLO 2. Espacio vectorial trivial.
Sea 𝑉 = {0}. Es decir, V consiste sólo en el número 0. Como 0+0=1.0=0+(0+0) =
(0+0)+0=0, se ve que V es un espacio vectorial. Con frecuencia se le otorga el nombre
de espacio vectorial trivial.
EJEMPLO 3. Conjunto que no es un espacio vectorial

Sea 𝑉 = {1}. Es decir, V consiste únicamente del numero 1. Este no es un espacio
vectorial ya que viola el axioma i) el axioma de cerradura. Para verlo con más claridad,
basta con observar que 1+1=2∉ 𝑉, También viola otros axiomas, sin embargo, con tan
solo demostrar que viola al menos uno de los diez axiomas queda probado que V no es
un espacio vectorial.
Nota. Verificar los diez axiomas puede ser laborioso. En adelante se verifica únicamente
aquellos axiomas que no son obvios.
EJEMPLO 4. El conjunto de puntos en ℝ2 que se encuentra en una recta que pasa por
el origen constituye un espacio vectorial.

EJEMPLO 5. El conjunto de puntos en ℝ2 que se encuentran sobre una recta que no
pasa por el origen constituye un espacio vectorial.
EJEMPLO 6. De las siguientes afirmaciones, indique si son falsas o verdaderas:

𝑥
6.1 El conjunto de vectores [𝑦] en ℝ2 con y=-3x es un espacio vectorial real.

𝑥
6.2 El conjunto de vectores [𝑦] en ℝ2 con y=-3x+1 es un espacio vectorial real.
6.3 El conjunto de matrices invertible de 5x5 forma un espacio vectorial (con “+”
definido como en la suma de matices ordinaria).
6.4 El conjunto de múltiplos constantes de la matriz idéntica de 2x2 es un espacio

vectorial (con “+” definido como en el problema anterior).

6.5 El conjunto de matrices idénticas de n x n para n= 2,3, 4, … es un espacio
vectorial (con “+” definido en 5.3)
𝑥
6.6 El conjunto de vectores [𝑦] en ℝ3 con 2x-y-12z=0 es un espacio vectorial real.
𝑧
𝑥
6.7 El conjunto de vectores [𝑦] en ℝ3 con 2x-y-12z=1 es un espacio vectorial real.
𝑧

6.8 El conjunto de polinomios de grado 3 es un espacio vectorial real (con “+” definido
como la suma de polinomios ordinaria).
SUBESPACIO VECTORIAL. Si V es un subespacio vectorial sobre el cuerpo K,

V(K), y si 𝑆 ⊏ 𝑉 y 𝑆 ≠ 𝜙, entonces S es un SUBESPACIO VECTORIAL de V(K), si
respecto a las operaciones definidas en V(K), S también constituye un espacio
vectorial sobre el cuerpo K.
OBSERVACIONES:
1. En todo espacio vectorial V sobre un cuerpo K, V(K), hay dos subespacios
vectoriales llamados TRIVIALES, ellos son el conjunto {𝜃} o subespacio
vectorial nulo y el mismo V(K).
2. El cero y el opuesto de V(K), son también el cero y el opuesto del subespacio
vectorial S.
3. Un subespacio vectorial diferente del subespacio nulo y de V(K), se llama
subespacio vectorial propio.
TEOREMA. Si V es un espacio vectorial sobre el cuerpo K, V(K), un conjunto
𝑆 ⊏ 𝑉 y 𝑆 ≠ 𝜙, constituye un subespacio vectorial de V(K) si y solo si, ∀ 𝐴, Bϵ S
y ∀ rϵ K, se cumple que:
i. 𝐴 + 𝐵𝜖 𝑆 y
ii. 𝑟. Aϵ S
OBSERVACIÓN. De acuerdo al teorema anterior, para determinar que un conjunto S

es un subespacio vectorial de V(K), se debe verificar las tres condiciones siguientes:
i. 𝑆≠𝜙

ii. Si 𝐀, 𝐁ϵ S, entonces 𝑨 + 𝐁ϵ S y
iii. Si rϵ K y 𝐀ϵ S, entonces 𝑟. 𝐀ϵ S.
EJEMPLO 1. Compruebe si el conjunto 𝑆3 = {(𝑎1, 𝑎2, 𝑎3 )/ 𝑎2 = 0} es un subespacio

vectorial de 𝑉3 (𝑅). Es un plano que pasa por el origen de coordenadas y representa al
plano XZ, en ℝ3 (palma pag. 113)
EJEMPLO 2. Compruebe si el conjunto 𝑆3 = {𝑡(1,1,1)/ 𝑡ϵℝ} es un subespacio

vectorial de 𝑉3 (𝑅). Donde el conjunto de vectores están sobre la recta que pasa por el
origen de coordenadas y por el punto (1,1,1).

𝑎 𝑏
EJEMPLO 3. Compruebe si el conjunto 𝑆2𝑥2 = {[ ] /𝑎 + 2𝑏 − 𝑐 + 𝑑 = 0} es un
𝑐 𝑑
subespacio vectorial de todas las matrices de segundo orden, 𝑀2𝑋2 , sobre el cuerpo
de los reales ℝ; es decir 𝑆2𝑥2 es un subespacio de 𝑀2𝑋2 (ℝ).
EJEMPLO 4. En el espacio M2X2(R), se tienen los subespacios, pruebe que S y T son

subespacios del espacio M2X2(R).
0 𝑏 −𝑚 𝑛
𝑆 = {[ ] /𝑏, 𝑐, 𝑑 ∈ 𝑅} 𝑦 𝑇 = {[ ] /𝑚, 𝑛 ∈ 𝑅}
𝑐 𝑑 𝑛 𝑚

Algebra Lineal-Tomo-Ii PDF

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal-Tomo-Ii PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal-Tomo-Ii PDF

Cargado por

Copyright:

Formatos disponibles

MANUAL

• SISTEMA DE ECUACIONES LINEALES

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 81

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 82

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 83

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 84

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 85

𝐚𝟏𝟏 𝐚𝟏𝟐 ⋯ 𝐚𝟏𝐧 𝐱 𝟏 𝐛𝟏

𝐚𝟏𝟏 𝐚𝟏𝟐 ⋯ 𝐚𝟏𝐧 𝐱𝟏

ecuacion del sistema expresado por A.X=B…..(1.3)

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 86

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 87

Resolución de un sistema lineal

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 88

2. (Intercambio) Intercambiar dos filas.

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 89

Preguntas de existencia y unicidad

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 90

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 91

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 92

5. Determine qué transformaciones elementales de filas y columnas de la matriz de la izquierda

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 93

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 94

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 95

EJEMPLO 3 Determine si el siguiente sistema es consistente:

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 96

Resolución de sistemas de ecuaciones lineales

Método de la regla de CRAMER

SISTEMAS DE ECUACIONES LINEALES CON DOS INCÓGNITAS

Dado el sistema lineal:

Su resolución por la regla de Kramer teniendo en cuenta que:(a1 b2 – a2 b1  0)

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 97

Ejemplo 2.- Calcular “y” en el sistema:

-7 x + 5y = -45 ................. ()

1. Si: x, y  R y s  0 el sistema es compatible determinado, y hay una solución

2. Si: x = 0; y = 0 y s = 0, el sistema es compatible indeterminado y tiene

3. Si x  0; y  0 y s = 0, el sistema es incompatible, no tiene solución.

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 98

SISTEMAS DE ECUACIONES LINEALES CON TRES INCÓGNITAS

Dado el sistema lineal:

Su resolución por la regla de CRAMER, (donde s 0) es:

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 99

1. Si: x, y, z  R y s  0, el sistema es compatible determinado.

-2k x – 3 y + (k + 5) z = 13 .......... (1)

Para que sea compatible indeterminado:

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 100

2. Sea el siguiente sistema:

3. Dado el siguiente sistema:

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 101

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 102

6. Indique el número de soluciones enteras que tiene el sistema.

7. Halle el valor de n , si x1 y x2 son raíces de la ecuación: x2–(n + 1)x+n2 =

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 103

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 104

12. Determine para que valor de  , el sistema es consistente.

13. Si ( x0 ; y0 ; z0 ) es el conjunto solución del sistema:

A) Sólo I B) I y II C) Sólo II D) I y III E) I, II y III

MATERIAL DE TRABAJO DEL ESTUDIANTE 2018-II 105

15. Determine el valor de “m” tal que m > 0. Si en la ecuación x2 = (m + 1)x –