Notas PDF

Algebra Lineal
M. C. M. Dennis Rafael Tuyub Puc

L. C. C Daniel G. Canton Puerto
Agosto 2011
Resumen
El presente documento es una recopilacion de los temas vistos en el curso
Algebra
Linealque se imparte en el primer semestre de las licenciaturas de la Facultad de
Ingeniera Qumica de la Universidad Aut onoma de Yucatan.
Indice general
1. Matrices y Determinantes 2
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Matrices Especiales . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2. Suma de matrices y multiplicacion por un escalar . . . . . . . . 8
1.2. Multiplicaci on de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3. Escalonamiento de una matriz . . . . . . . . . . . . . . . . . . . . . . . 15
1.4. Inversa de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . 22
1.5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2. Sistemas de Ecuaciones Lineales 31
2.1. Ecuaciones lineales de mn . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2. Ecuaciones Lineales Homogeneas . . . . . . . . . . . . . . . . . . . . . 45
2.3. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3. Vectores 53
3.1.

Algebra Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2. El producto escalar y las proyecciones en R
2
. . . . . . . . . . . . . . . 60
3.3. Vectores en el espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4. Producto cruz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.4.1. Interpretacion geometrica del producto cruz . . . . . . . . . . . 73
3.5. Rectas y planos en el espacio . . . . . . . . . . . . . . . . . . . . . . . . 77
3.5.1. Las ecuaciones de la recta . . . . . . . . . . . . . . . . . . . . . 77
3.5.2. La ecuaci on del plano en R
3
. . . . . . . . . . . . . . . . . . . . 81
1
Captulo 1
Matrices y Determinantes
1.1. Matrices
Una matriz es un arreglo rectangular de n umeros en las y columnas. Las matrices
son herramientas que eliminan todas las variables molestas y establecen toda la infor-
maci on pertinente en un orden l ogico y organizado. Una de las primeras aplicaciones de
las matrices es para resolver sistemas de ecuaciones. Pero antes de ver las aplicaciones
estudiemos primero las propiedades b asicas de las matrices.
Recuerde que una matriz es simplemente un arreglo en las y columnas, por ejemplo
un fabricante de los productos P1, P2 y P3 podra representar las unidades de mano
de obra y material involucrado en una semana de producci on de estos artculos como
se muestra en la siguiente tabla:
Producto
P1 P2 P3
Mano de obra 10 12 16
Material 5 9 7
Pero de una manera m as sencilla estos datos pueden ser representados por la matriz
A =
_
10 12 16
5 9 7
_
Para describir una matriz debemos mencionar cuantas las y cuantas columnas tiene.
Primero se menciona las cantidad de las y luego la cantidad de columnas. De esta
forma, se dice que la matriz A es de tama no 2 las por tres columnas o simplemente es
de orden (tama no) 2 3. La matriz
B =
_
_
1 6 2
5 1 4
3 5 0
_
_
2
1.1. MATRICES 3
es de orden 3 3. La matriz
C =
_
_
1 2
3 4
5 6
7 8
_
_
Es de orden 4 2.
Por otra parte, los renglones (las) de una matriz est an numerados de manera
consecutiva de arriba hacia abajo y las columnas de izquerda a derecha. La matriz A
anterior de dos las por tres columnas se numera de la siguiente forma:
Col 1 Col 2 Col 3
renglon 1
renglon 2
_
10 12 16
5 9 7
_
Los n umeros de una matriz son llamados entradas o elementos. Para denotar en-
tradas arbitrarias de una matriz, digamos de orden 23, existen dos metodos comunes.
Primero, podemos utilizar letras diferentes:
_
a b c
d e f
_
Segundo, se puede utilizar una sola letra junto con ndices para indicar su posici on
(recuerde primero la la y luego la columna):
_
a
11
a
12
a
13
a
21
a
22
a
23
_
Denici on 1.1 Un arreglo rectangular de n umeros que consiste en m renglones y n
columnas,
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
es llamado una matriz de m n o matriz de orden m n. Para la entrada a
ij
el
ndice i representa la la y el ndice j la columna.
Observaci on 1.2 Por brevedad:
Una matriz suele denotarse por una letra may uscula tal como: A, B, . . .
Una matriz de orden mn puede ser denotada por el smbolo [a
ij
]
mn
o de manera
mas sencilla [a
ij
] donde el orden se entiende que es el apropiado para el contexto.
Ejemplo 1.3 Aplicando la denicion
1.1. MATRICES 4
_
1 3
2 4
_
es una matriz de 2 2
_
_
1 3
4 0
1 2
_
_
_
1 4 1
3 0 2
_
_
_
1 4 5
2 1 4
6 5 7
_
_
_
0 0 0 0
0 0 0 0
_
Una matriz con un sola la recibe el nombre de matriz la o matriz renglon. De igual
manera una matriz con una sola columna recibe el nombre de matriz columna. Por
ejemplo
_
1 7 12 3
es una matriz la (1 4); mientras que

_
_
1
2
15
9
16
_
_
es una matriz columna (5 1).
Denicion 1.4 Las matrices A = [a
ij
] y B = [b
ij
] son iguales si y solo si tienen el
mismo orden y a
ij
= b
ij
para cada i y cada j.
Es decir que para que dos matrices sean iguales, deben tener el mismo n umero de las
y de columnas y adem as, cada elemento debe ser igual en valor y en posicion. Por
ejemplo:
_
1 + 1
2
2
2 3 0
_
=
_
2 1
6 0
_
pero
_
1 1
=
_
1
1
_
y
_
1 1
=
_
1 1 1
1.1. MATRICES 5
Denicion 1.5 La transpuesta de una matriz A de m n, denotada por A
T
, es la
matriz de n m cuyo i esimo renglon es la i esima columna de A.
Usando la denici on si
A =
_
1 2 3
4 5 6
_
entonces
A
T
=
_
_
1 4
2 5
3 6
_
_
Observaci on 1.6 1. Observe que las columnas de A
T
son los renglones de A.
2. La operacion transpuesta tiene la propiedad de
_
A
T
_
T
= A.
Ejemplo 1.7 Encuentre la transpuesta de las siguientes matrices:
A =
_
2
8
_
B =
_
_
1 2 3
4 5 6
7 8 9
_
_
C =
_
_
1 2 0
2 1 0
0 0 1
_
_
D =
_
_
0 1
2 4
1 1
_
_
Solucion. La transpuesta de cada una de las matrices anteriores son:
A
T
=
_
2 8
B
T
=
_
_
1 4 7
2 5 8
3 6 9
_
_
C
T
=
_
_
1 2 0
2 1 0
0 0 1
_
_
D
T
=
_
0 2 1
1 4 1
_
1.1.1. Matrices Especiales
Cierto tipos de matrices juegan un papel importante en la teora de matrices. Ahora
consideraremos algunos de estos tipos especiales de matrices.
Una matriz de mn cuyas entradas son todas iguales a cero, es llamada matriz
cero de mn y es denotada por 0
mn
o de manera mas sencilla 0 si se entiende
su tama no. Ejemplo, la matriz cero de 2 3 es
_
0 0 0
0 0 0
_
1.1. MATRICES 6
Una matriz que tiene el mismo n umero de las y de columnas, es decir cuando
m = n, es llamada matriz cuadrada de orden n. Por ejemplo, las matrices
_
_
2 7 4
6 2 0
4 6 1
_
_
y [3]
son cuadradas de orden 3 y 1.
En una matriz cuadrada de orden n, las entradas a
11
, a
22
, a
33
, . . . , a
nn
las cuales estan
sobre la diagonal principalque va desde la esquina superior izquierda hasta la esqui-
na inferior derecha, son llamadas entradas de la diagonal principal, o simplemente la
diagonal principal. As, en la matriz
A =
_
_
1 2 3
4 5 6
7 8 9
_
_
la diagonal principal consiste en a
11
= 1, a
22
= 5 y a
33
= 9.
Una matriz cuadrada A es llamada matriz diagonal si todas las entradas que
se encuentran fuera de la diagonal principal son todas cero; esto es, a
ij
= 0 para
i = j. Ejemplo
_
1 0
0 1
_
_
_
3 0 0
0 6 0
0 0 9
_
_
Una matriz cuadrada A se dice que es una matriz triangular superior si todas
las entradas de abajo de la diagonal principal son ceros; esto es, a
ij
= 0 para
i > j. De manera an aloga, una matriz triangular inferior si todas las entradas
por arriba de la diagonal son cero; esto es, a
ij
= 0 para i < j. Cuando una matriz
es triangular inferior o superior es llamada una matriz triangular. As la matriz
_
_
5 1 1
0 3 7
0 0 4
_
_
es una matriz triangular superior y la matriz
_
_
7 0 0 0
3 2 0 0
6 5 4 0
1 6 8 1
_
_
es una matriz triangular inferior.
1.1. MATRICES 7
Una matriz cuadrada se llama simetrica si A
T
= A. Es decir, las columnas de A
son tambien los renglones de A. En otras palabras A es simetrica si es cuadrada
y se cumple que a
ij
= a
ji
para toda i y toda j. Un ejemplo de matriz simetrica es
A =
_
_
1 2 3
2 0 5
3 5 6
_
_
Note que la simetra es respecto a la diagonal principal.
Una matriz cuadrada A de orden n se llama antisimetrica si se cumple que a
ij
=
a
ji
para toda i y toda j. En consecuencia, los elementos de la diagonal son ceros,
esto es a
ii
= 0. En otras palabras A es antisemetrica si A = A
T
. Por ejemplo
A =
_
_
0 2 3
2 0 5
3 5 0
_
_
es antisimetrica ya que
A
T
=
_
_
0 2 3
2 0 5
3 5 0
_
_
es la misma matriz que A pero todas las entradas tienen el signo opuesto.
Ejercicio 1.1 Considere las siguientes matrices
A =
_
1 6 2
4 2 1
_
B =
_
_
1 2 3
4 5 6
7 8 9
_
_
C =
_
_
1 1
2 2
3 3
_
_
D =
_
1 0
2 3
_
E =
_
_
1 2 3 4
0 1 6 0
0 0 2 0
0 0 6 1
_
_
F =
_
6 2
G =
_
_
5
6
1
_
_
H =
_
_
1 6 2
0 0 0
0 0 0
_
_
J = [4]
a) Establecer el orden de cada matriz
b) Cuales son las matrices cuadradas?
c) Cuales son triangulares superiores?
1.1. MATRICES 8
d) Cuales son triangulares inferiores?
e) Cuales son matrices renglones?
f ) Cuales matrices columnas?
Ejercicio 1.2 Resuelva los siguientes problemas
a)
_
2x y
z 3w
_
=
_
4 6
0 7
_
b)
_
_
4 2 1
3x y 3z
0 w v
_
_
=
_
_
4 2 1
6 7 9
0 9 8
_
_
c)
_
_
6 2
x 7
3y 2z
_
_
=
_
_
6 2
6 2
2 7
_
_
1.1.2. Suma de matrices y multiplicaci on por un escalar
Denici on 1.8 Si A = [a
ij
] y B = [b
ij
] son ambas matrices de orden mn, entonces
la suma A + B es la matriz de orden m n obtenida sumando las correspondientes
entradas de A y B; esto es A+B = [a
ij
+ b
ij
]. La suma de matrices de diferente tama no
no esta denida.
Ejemplo sean
A =
_
3 0 2
2 1 4
_
B =
_
5 3 6
1 2 5
_
Como A y B son del mismo tama no (2 3), su suma est a denida:
A + B =
_
3 0 2
2 1 4
_
+
_
5 3 6
1 2 5
_
=
_
3 + 5 0 3 2 + 6
2 + 1 1 + 2 4 5
_
=
_
8 3 4
3 1 1
_
Considere las matrices:
C =
_
1 2
3 4
_
D =
_
2
1
_
su suma
C + D =
_
1 2
3 4
_
+
_
2
1
_
no esta denida ya que las matrices son de diferentes ordenes.
1.1. MATRICES 9
Proposicion 1.9 Si A, B, C y 0 tienen el mismo orden, entonces las siguientes pro-
piedades se cumplen para la suma de matrices:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A +0 = 0 + A = A
Ejercicio 1.3 Utilice las siguientes matrices para comprobar la veracidad de la propo-
sicion anterior:
A =
_
1 2 1
2 0 1
_
B =
_
0 1 2
1 3 1
_
C =
_
2 1 1
0 2 1
_
Denici on 1.10 Si A es una matriz de orden m n y k es un escalar (un n umero
real), entonces denotamos con kA a la matriz de orden m n obtenida al multiplicar
cada entrada de A por k. La operacion es llamada multiplicacion por escalar, y kA
es llamado m ultiplo escalar de A.
Ejemplo Si
A =
_
1 0 2
2 1 4
_
y k = 3 tenemos que
kA = 3
_
1 0 2
2 1 4
_
=
_
(3) (1) (3) (0) (3) (2)
(3) (2) (3) (1) (3) (4)
_
=
_
3 0 6
6 3 12
_
Al igual que para la suma, la multiplicaci on escalar tiene sus propiedades
Proposicion 1.11 Si A, B y 0 son matrices del mismo orden, entonces para cualquier
escalares k, k
1
y k
2
tenemos las siguientes propiedades
1. k (A + B) = kA + kB
2. (k
1
+ k
2
) A = k
1
A + k
2
A
1.1. MATRICES 10
3. k
1
(k
2
A) = (k
1
k
2
) A
4. 0A = 0
5. k0 = 0
Proposicion 1.12 Si A y B son matrices del mismo tama no y k es cualquier escalar
1. (A + B)
T
= A
T
+ B
T
2. (kA)
T
= kA
T
Si A es una matriz, entonces el m ultiplo escalar (1) A se escribe simplemente A.
Denici on 1.13 Si A y B tienen el mismo tama no, entonces por A B entendemos
A + (B), es decir,
A B = A + [(1) B]
Ejercicio 1.4 Realice las operaciones indicadas
a)
_
_
2 0 3
1 4 0
1 6 5
_
_
+
_
_
2 3 4
1 6 5
9 11 2
_
_
b)
_
2 7
6 4
_
+
_
7 4
2 1
_
+
_
2 7
7 2
_
c) 3
_
1 3 1
+ 2
_
6 1 4
0
_
2 7 4
d) 6
_
2 6 7 1
7 1 6 2
_
e) 2
_
_
1 0 0
0 1 0
0 0 1
_
_
3
_
_
_
_
2 1 0
1 2 3
1 0 0
_
_
_
_
6 2 1
5 1 2
0 1 3
_
_
_
_
f )
_
_
2 4 6 7
1 3 2 1
4 2 5 5
_
_
+
_
_
0 1 6 2
2 3 4 3
2 1 4 4
_
_
Ejercicio 1.5 Considere las siguientes matrices
A =
_
_
1 2
0 1
2 0
_
_
B =
_
1 3
4 1
_
C =
_
1 0
1 2
_
1.2. MULTIPLICACI
ON DE MATRICES 11
D =
_
1 2 1
1 0 2
_
Calcule si es posible lo siguiente:
a) 3A
T
+ D
b) 2B
T
3C
T
c) C
T
D
d) (B C)
T
e) 2B + B
T
f )
_
D 2A
T
_
T
1.2. Multiplicacion de Matrices
Adem as de las operaciones de suma de matrices y multiplicaci on por un escalar,
bajo ciertas condiciones puede denirse el producto AB de las matrices A y B, esta
condici on es que el n umero de columnas de A sea igual al n umero de las de B.
Denici on 1.14 Sea A una matriz de m n y B una matriz de n p. Entonces el
producto AB es la matriz C de m p cuya entrada c
ij
en la la i y la columna j se
obtiene como sigue:
c
ij
=
n
k=1
a
ik
b
kj
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
es decir, sume los productos formados al multiplicar, en orden, cada entrada del renglon
i de A por la correspondiente entrada de la columna j de B.
Ejemplo 1.15 Encuentre el producto AB, donde
A =
_
_
1 3
4 2
5 0
_
_
y B =
_
3 2
4 1
_
Solucion. Primero, observe que el producto AB est a denido porque el tama no de A
es 3 2 y el de B es 2 2. De acuerdo con la denicion el producto AB es de tama no
3 2 y tiene la forma:
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
c
11
c
12
c
21
c
22
c
31
c
32
_
_
Para determinar c
11
(el elemento en el primer rengl on y en la primera columna del
producto), multiplique los elementos correspondientes en el primer rengl on de A y la
primera columna de B. Es decir
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 c
12
c
21
c
22
c
31
c
32
_
_
c
11
= (1) (3) + (3) (4) = 9
1.2. MULTIPLICACI
ON DE MATRICES 12
De manera an aloga, para determinar c
12
multiplique los elementos correspondientes en
el primer rengl on de A y la segunda columna de B para obtener
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 1
c
21
c
22
c
31
c
32
_
_
c
12
= (1) (2) + (3) (1) = 1
Siguiendo este patron obtenemos los siguientes resultados:
c
21
= (4) (3) + (2) (4) = 4
c
22
= (4) (2) + (2) (1) = 6
c
31
= (5) (3) + (0) (4) = 15
c
32
= (5) (2) + (0) (1) = 10
El producto es
AB =
_
_
1 3
4 2
5 0
_
_
_
3 2
4 1
_
=
_
_
9 1
4 6
15 10
_
_
Ejemplo 1.16 Dena A =
_
2 1 6
1 3 2
_
y B =
_
_
1 0 3
0 4 2
2 1 1
_
_
encuentre el producto
AB =
_
2 1 6
1 3 2
_
_
_
1 0 3
0 4 2
2 1 1
_
_
Solucion. Observe que A
23
y B
33
, por tanto, el resultado ser a C
23
,
C =
_
c
11
c
12
c
13
c
21
c
22
c
23
_
donde c
11
es la suma de los productos que se forman que se forman con la primera la
de A (2, 1, 6) y la primera columna de B (1, 0, 2)
2 (1) + 1 (0) + (6) (2) = 2 + 0 + 12 = 14
Los demas elementos se obtienen de manera similar y
C =
_
14 2 10
3 10 7
_
Es importante recordar que el producto de dos matrices est a denido cuando el
n umero de columnas de la primera matriz es igual al n umero de las de la segunda
matriz.
1.2. MULTIPLICACI
ON DE MATRICES 13
Ejemplo 1.17 Sea A una matriz de 3 5 y B una matriz de 5 3. Entonces AB
esta denida y es una matriz de 3 3. Ademas, BA tambien esta denida y es una
matriz de 5 5.
Observaci on 1.18 El producto de matrices no es conmutativo, en el mayor n umero
de casos ocurrira que AB = BA
Ejercicio 1.6 Dena A =
_
1 3
2 1
_
y B =
_
2 1
0 2
_
Calcule AB y BA
Ejercicio 1.7 Dena A =
_
1 2
1 1
_
y B =
_
2 4
2 2
_
Calcule AB y BA
Ejercicio 1.8 Pruebe que si
A =
_
2 4 2
0 1 3
_
y ademas
B =
_
_
2 1
0 4
2 2
_
_
entonces C = AB es de orden 2 2 y
C =
_
8 10
6 2
_
Ejercicio 1.9 Calcule
_
1 2 3
_
_
4
5
6
_
_
(sol. [32])
Ejercicio 1.10 Calcule
_
_
1
2
3
_
_
_
1 6
(sol.
_
_
1 6
2 12
3 18
_
_
)
Teorema 1.19 Las multiplicacion de matrices satisface las propiedades siguientes siem-
pre y cuando todas las sumas y productos esten denidos:
1. A(BC) = (AB) C
1.2. MULTIPLICACI
ON DE MATRICES 14
2. A(B + C) = AB + AC
3. (A + B) C = AC + BC
4. k (AB) = (kA) B = A(kB), con k un escalar
5. (AB)
T
= B
T
A
T
Observaci on 1.20 En el algebra de matrices no existe la propiedad de cancelacion
para la multiplicacion de matrices, es decir, puede pasar que AC = BC a un cuando
A = B
Ejemplo 1.21 Dena las matrices A =
_
1 3
0 1
_
, B =
_
2 4
2 3
_
y C =
_
1 2
1 2
_
muestre
que AC = BC a un cuando A = B
Solucion.
AC =
_
1 3
0 1
_ _
1 2
1 2
_
=
_
2 4
1 2
_
BC =
_
2 4
2 3
_ _
1 2
1 2
_
=
_
2 4
1 2
_
por lo tanto, AC = BC , aun cuando A = B
Denicion 1.22 Se llama matriz identidad a la matriz diagonal, cuyos elementos dia-
gonales son todos uno. Esta matriz se denota I
n
o simplemente I.
Denici on 1.23 Si A es una matriz cuadrada y p es un entero positivo, entonces la
p-esima potencia de A, escrita A
p
, es el producto de p factores de A:
A
p
= A A A
. .
p veces
Si A es de n n, denimos A
0
= I
n
donde I
n
es la matriz identidad
Ejercicio 1.11 Si A es de 2 3, B de 3 1, C de 2 5, D de 4 3, E de 3 2 y F
de 2 3, encuentre el orden de cada una de las siguientes matrices:
1. AE
2. EC
3. FB
4. EA
5. E (FB)
6. DE
7. DB
8. BA
9. E (AE)
10. (F + A) B
1.3. ESCALONAMIENTO DE UNA MATRIZ 15
Ejercicio 1.12 Escriba la matriz I
4
e I
6
.
Ejercicio 1.13 Realice las siguientes operaciones
1.
_
2 4
3 2
_ _
3 0
1 4
_
2.
_
_
1 1
0 4
2 1
_
_
_
1 2
3 4
_
3.
_
1 4
_
_
2 1
0 5
1 0
_
_
4.
_
1 0 6 2
_
0
1
2
3
_
_
Ejercicio 1.14 Calcule la matriz requerida, si es que existe, dado que:
A =
_
1 1 0
0 1 1
_
B =
_
_
0 0 1
2 1 0
0 0 2
_
_
C =
_
_
1 0
2 1
0 1
_
_
I =
_
_
1 0 0
0 1 0
0 0 1
_
_
0 =
_
_
0 0 0
0 0 0
0 0 0
_
_
1. A
2
2. B
3
3. (AC)
2
4.
_
BA
T
_
T
5. (2I)
2
2I
2
6. A(I 0)
7. (AB) (AB)
T
8. A
T
A
9. A
_
B
T
_
2
10. A
T
_
2C
T
_
11. (2B)
T
12. IA
0
13. I
T
0
14. B
2
3B + 2I
1.3. Escalonamiento de una matriz
En este secci on estudiamos un proceso llamado eliminacion de Gauss y una de sus
variantes la eliminacion de Gauss-Jordan cuya utilidad se aprecia cuando resolvemos
sistemas de ecuaciones lineales.
Denici on 1.24 (Forma de rengl on escalon) Una matriz puede tener las siguien-
tes propiedades:
1. Si existen renglones que consisten enteramente de elementos cero, entonces estos
renglones estan en la parte inferior de la matriz.
2. Si en un renglon no todos los elementos son ceros. El elemento no cero que
este mas a la izquierda debe de ser un 1. Llamamos a este elemento pivote.
3. Si dos renglones sucesivos tienen elementos distintos de cero, el pivote del renglon
inferior debe de estar a la derecha del pivote del renglon superior.
4. En cada columna que contenga un pivote, el pivote es el unico elemento distinto
de cero en esa columna.
Si una matriz satisface las tres primeras condiciones se dice que esta en forma es-
calon. Si una matriz satisface las cuatro condiciones se dice que esta en forma escalonada
reducida.
Denicion 1.25 Se llama rango de una matriz al n umero de pivotes que tiene en su
forma escalonada.
Ejemplo, la matriz
M =
_
_
1 0 1 2
0 0 3 4
0 0 0 0
_
_
NO est a en forma de escal on porque no satisface la propiedad 2, observe que en la la
1 el elemento m as a la izquierda es un 1.
La matriz
N =
_
_
1 6 0 2
0 0 1 4
0 0 0 0
_
_
est a en forma escalonada reducida. Ya que tiene dos pivotes se dice que el rango de N
es 2.
Ejercicio 1.15 Determine cuales de las siguientes matrices estan en forma escalonada
y cuales en forma escalonada reducida
1. A =
_
_
1 0 0 0
0 0 1 0
0 0 0 0
_
_
2. B =
_
_
1 0 0 6
0 1 0 0
0 0 1 1
_
_
3. C =
_
_
1 0 1
0 0 1
0 0 1
_
_
4. D =
_
_
1 1 0 0 2
0 0 1 0 3
0 0 0 1 4
_
_
5. E =
_
0 0
0 1
_
6. F =
_
_
1 7 0 9 0
0 0 1 8 0
0 0 0 0 1
_
_
7. G =
_
_
1 0 1 0
0 1 0 0
0 0 1 0
_
_
8. H =
_
_
1 0 0 0
0 0 1 0
0 0 0 2
_
_
Denici on 1.26 Dos matrices son equivalentes si una puede obtenerse de la otra
mediante una sucesion nita de operaciones elementales de renglon. A veces se usa la
notacion
A B
para indicar que la matriz A es equivalente a la matriz B.
Denici on 1.27 Las operaciones elementales de renglon son las siguientes:
1. Multiplicar o dividir un renglon por un n umero diferente de cero.
2. Sumar un m ultiplo de un renglon a otro renglon
3. Intercambiar dos renglones
El proceso de aplicar las operaciones elementales con renglones para simplicar una
matriz se llama reducci on por renglones.
Notacion 1.28 Para representar las operaciones elementales aplicadas a una matriz
se emplea la siguiente notacion o simbologa:
1. R
i
cR
i
quiere decir, reemplazar el renglon i por el renglon i multiplicado por c.
2. R
j
R
j
+ cR
i
quiere decir, reemplazar el renglon j por la suma del renglon j
mas c veces el renglon i
3. R
i
R
j
quiere decir, intercambiar los renglones i y j.
Ejemplo 1.29 Muestre que las matrices A y B siguientes son equivalentes
A =
_
_
0 3
1 2
1 1
_
_
, B =
_
_
1 2
0 3
0 0
_
_
Solucion. Comenzamos con la matriz A y aplicamos las siguientes operaciones elemen-
tales:
A =
_
_
0 3
1 2
1 1
_
_
R
1
R
2
_
_
1 2
0 3
1 1
_
_
R
3
R
3
+R
1
_
_
1 2
0 3
0 3
_
_
R
3
R
3
R
2
_
_
1 2
0 3
0 0
_
_
= B
Una matriz puede ser equivalente a varias matrices escalonadas pero solo a una
escalonada reducida:
Teorema 1.30 Toda matriz es equivalente a una, y solo una matriz en forma de es-
calon reducida.
Para encontrar esta matriz escalonada reducida se aplica el siguiente procedimiento:
Algoritmo 1.31 (Eliminacion de Gauss) Para convertir cualquier matriz a la for-
ma escalonada reducida, proceda con los pasos siguientes:
Paso 1 Vaya a la columna no cero extrema izquierda
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m ultiplos adecuados del
renglon superior a los renglones debajo de el.
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Paso 5 Comenzando con el ultimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m ultiplos
adecuados a los renglones correspondientes.
Ejemplo 1.32 Emplee la eliminacion de Gauss para determinar una forma de escalon
reducida de la matriz
_
_
0 3 6 4 3 5
1 3 10 4 4 2
4 9 34 0 1 21
2 6 20 2 8 8
_
_
Solucion. Seguimos los pasos dados en el algoritmo 1.31:
Paso 1 Vaya a la columna extrema izquierda no cero: en este caso es la primera co-
lumna.
Paso 2 Si el primer rengl on tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna. En este caso R
1
R
2
_
_
1 3 10 4 4 2
0 3 6 4 3 5
4 9 34 0 1 21
2 6 20 2 8 8
_
_
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m ultiplos adecuados
del renglon superior a los renglones debajo de el. Para lograr esto aplicamos los
siguiente cambios R
3
R
3
+ 4R
1
y R
4
R
4
+ 2R
1
_
_
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0 6 0 12
_
_
Paso 4 Cubra el rengl on superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Omitimos la primera la y repetimos el proceso
_
_
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0 6 0 12
_
_
entonces la primera columna distinta de cero es ahora la segunda, seleccionamos
esta columna y aplicamos la siguiente operaci on R
3
R
3
R
2
_
_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 6 0 12
_
_
Ahora omitimos la primera y la segunda la y repetimos el proceso, en este caso
la columna m as a la izquierda es la cuarta, para obtener cero debajo del 12
aplicamos las siguiente operaci on R
4
R
4
1
2
R
3
_
_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 0 6 0
_
_
Paso 5 Comenzando con el ultimo renglon no cero, avance hacia arriba. Para cada
rengl on obtenga un 1 delantero e introduzca ceros arriba de el, sumando m ultiplos
adecuados a los renglones correspondientes.
Siguiendo este paso aplicamos las siguientes operaciones: R
4

1
6
R
4
_
_
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0 0 1 0
_
_
Para lograr ceros arriba del uno se aplican las siguientes operaciones: R
3
R
3
+
12R
4
, R
2
R
2
+ 3R
4
, R
1
R
1
+ 4R
4
_
_
1 3 10 4 0 2
0 3 6 4 0 5
0 0 0 12 0 24
0 0 0 0 1 0
_
_
Subimos un rengl on y repetimos, ahora aplicamos R
3

1
12
R
3
_
_
1 3 10 4 0 2
0 3 6 4 0 5
0 0 0 1 0 2
0 0 0 0 1 0
_
_
Para lograr los ceros por arriba hacemos R
2
R
2
+ 4R
3
, R
1
R
1
+ 4R
3
_
_
1 3 10 0 0 6
0 3 6 0 0 3
0 0 0 1 0 2
0 0 0 0 1 0
_
_
Nuevamente subimos una la y repetimos el proceso con el siguiente cambio R
2

1
3
R
2
_
_
1 3 10 0 0 6
0 1 2 0 0 1
0 0 0 1 0 2
0 0 0 0 1 0
_
_
Para lograr los ceros cambiamos R
1
R
1
3R
2
_
_
1 0 4 0 0 3
0 1 2 0 0 1
0 0 0 1 0 2
0 0 0 0 1 0
_
_
Finalmente R
1
(1) R
1
_
_
1 0 4 0 0 3
0 1 2 0 0 1
0 0 0 1 0 2
0 0 0 0 1 0
_
_
Observaci on 1.33 Sobre el algoritmo:
1. Los cuatro primeros pasos del algoritmo se llaman paso directo de la eliminacion
de Gauss ya que convierten la matriz a su forma escalonada. El paso 5 es el paso
inverso y es donde la matriz toma su forma escalonada reducida.
2. Con frecuencia, el algoritmo se describe introduciendo un 1 delantero en el paso
3, con lo que hay una tendencia a introducir fracciones en una etapa temprana
del calculo, si los elementos son enteros.
3. A veces es conveniente tener los 1 al nal de todo el proceso.
Observaci on 1.34 Cosas que debe evitar:
1. No cambie el orden en los pasos del algoritmo (porque puede terminar con la
matriz inicial). Primero debe reducir la matriz a la forma escalonada y luego
aplicar el paso 5.
2. Combinar varias operaciones elementales es una mala practica, y puede originar
errores. Por ejemplo, operaciones de la forma R
i
cR
i
+ dR
j
y R
i
cR
i
+ R
j
con c = 1 no son elementales y deben evitarse. El renglon que se sustituye no
debe multiplicarse por un escalar.
Ejercicio 1.16 Son equivalentes las matrices
_
1 2 3
4 1 2
_
y
_
1 0
7
9
0 1
10
9
_
?
Ejercicio 1.17 Demuestre que si ad bc = 0, la forma escalonada reducida de A =
_
a b
c d
_
es I.
Ejercicio 1.18 Aplique el resultado anterior para comprobar que la forma escalonada
reducida de la matriz
_
cos () sin ()
sin () cos ()
_
es I para cualquier .
Ejercicio 1.19 Determine la forma escalonada reducida de las siguientes matrices
1.
_
_
0 0 0 0 0
1 1 1 1 0
0 0 1 0 1
0 0 0 1 0
_
_
2.
_
_
0 0 0 0 0
1 1 0 1 0
0 0 1 0 1
1 0 0 1 0
_
_
3.
_
_
1 6 0 1 0 2
5 30 1 6 0 13
4 24 1 5 1 15
_
_
1.4. INVERSA DE UNA MATRIZ CUADRADA 22
4.
_
_
1 4 0 5 0 6
5 20 1 29 0 34
4 16 1 24 1 30
_
_
5.
_
_
0 1 1 1 0
0 1 1 1 0
1 0 1 0 1
0 0 1 0 1
0 0 1 0 0
_
_
1.4. Inversa de una matriz cuadrada
Denicion 1.35 (Matriz identidad) La matriz identidad I
n
de nn es una matriz
cuyos elementos en la diagonal principal son iguales a 1 y todos los demas son 0. Esto
es I
n
= [b
ij
] donde
b
ij
=
_
1 i = j
0 i = j
Ejemplo 1.36 Dos matrices identidad
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
I
5
=
_
_
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
_
_
Ejercicio 1.20 Sea A =
_
2 5
1 3
_
y B =
_
3 5
1 2
_
. Compruebe que AB = BA = I
2
.
Teorema 1.37 Sea A una matriz cuadrada de n n. Entonces
A I
n
= I
n
A = A
Es decir, I
n
conmuta con toda matriz de n n y la deja sin cambio despues de la
multiplicacion por la derecha o por la izquierda.
Denici on 1.38 (Inversa de una matriz) Sean A y B dos matrices de nn. Suponga
que
AB = BA = I
Entonces B se llama inversa de A y se denota por A
1
. Entonces se tiene
A A
1
= A
1
A = I
Si A tiene inversa, entonces se dice que A es invertible.
Observaci on 1.39 1. Una matriz cuadrada que no es invertible se llama singular
y una matriz invertible se llama tambien no singular.
2. De la denicion se sigue que (A
1
)
1
= A si A es invertible.
3. La denicion no establece que toda matriz cuadrada tiene inversa. De hecho, exis-
ten muchas matrices cuadradas que no tienen inversa.
Teorema 1.40 Si una matriz A es invertible, entonces su inversa es unica.
Prueba. Sup onga que B y C son inversas de A. Debemos mostrar que B = C. Por
denici on AB = BA = I y AC = CA = I. De aqu
B = BI = B(AC) = (BA) C = IC = C
Entonces B = C.
Teorema 1.41 Sean A y B dos matrices invertibles de nn. Entonces AB es invertible
y
(AB)
1
= B
1
A
1
Prueba. Observe que
_
B
1
A
1
_
(AB) = B
1
_
A
1
A
_
B
= B
1
IB
= B
1
B
= I
Ahora aplicaremos el algoritmo de Gauss para encontrar la inversa de una matriz
Algoritmo 1.42 (Inversa de una matriz cuadrada) Sea A una matriz cuadrada
de orden n, el siguiente procedimiento encuentra A
1
Paso 1 Se escribe la matriz aumentada [A | I] .
Paso 2 Se utiliza la reduccion por renglones para poner la matriz A en su forma esca-
lonada reducida por renglones.
Paso 3 Se decide si A es invertible
1. Si la forma escalonada reducida por renglones de A es la matriz identidad I,
entonces A
1
es la matriz que tiene a la derecha de la barra vertical.
2. Si la reduccion de A conduce a un renglon de ceros a la izquierda de la barra
vertical, entonces A no es invertible.
Observaci on 1.43 Los pasos 3.1 y 3.2 se pueden expresar de otra manera:
Una matriz A de n n es invertible si y solo si su forma escalonada reducida por
renglones es la matriz identidad; es decir, si su forma escalonada reducida por renglones
tiene n pivotes.
Ejemplo 1.44 Sea
A =
_
_
2 4 6
4 5 6
3 1 2
_
_
calcule A
1
si es posible
Solucion. Primero se pone A seguido de I en la forma de matriz aumentada
_
_
2 4 6 | 1 0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
_
_
Para reducir a la forma escalonada reducida aplicamos el algoritmo de Gauss R
1

1
2
R
1
_
_
1 2 3 |
1
2
0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
_
_
R
2
R
2
4R
1
, R
3
R
3
3R
1
_
_
1 2 3 |
1
2
0 0
0 3 6 | 2 1 0
0 5 11 |
3
2
0 1
_
_
R
2

1
3
R
2
_
_
1 2 3 |
1
2
0 0
0 1 2 |
2
3

1
3
0
0 5 11 |
3
2
0 1
_
_
R
1
R
1
2R
2
, R
3
R
3
+ 5R
2
_
_
1 0 1 |
5
6
2
3
0
0 1 2 |
2
3

1
3
0
0 0 1 |
11
6

5
3
1
_
_
R
3
R
3
_
_
1 0 1 |
5
6
2
3
0
0 1 2 |
2
3

1
3
0
0 0 1 |
11
6
5
3
1
_
_
R
1
R
1
+ R
3
, R
2
R
2
2R
3
_
_
1 0 0 |
8
3
7
3
1
0 1 0 |
13
3

11
3
2
0 0 1 |
11
6
5
3
1
_
_
Como A se redujo a I, se tiene
A
1
=
_
_
8
3
7
3
1
13
3

11
3
2
11
6
5
3
1
_
_
=
1
6
_
_
16 14 6
26 22 12
11 10 6
_
_
Para vericar que la matriz encontrada en realidad es la inversa unicamente tiene
que calcular el producto
A
1
A =
1
6
_
_
16 14 6
26 22 12
11 10 6
_
_
_
_
2 4 6
4 5 6
3 1 2
_
_
=
1
6
_
_
6 0 0
0 6 0
0 0 6
_
_
= I
por lo que la matriz encontrada es la inversa.
Ejemplo 1.45 Sea
A =
_
_
1 3 4
2 5 7
0 1 1
_
_
encuentre A
1
si existe.
Solucion. Seguimos el mismo procedimiento anterior
_
_
1 3 4 | 1 0 0
2 5 7 | 0 1 0
0 1 1 | 0 0 1
_
_
R
2
R
2
2R
1
_
_
1 3 4 | 1 0 0
0 1 1 | 2 1 0
0 1 1 | 0 0 1
_
_
R
3
R
3
+ R
2
_
_
1 3 4 | 5 3 0
0 1 1 | 2 1 0
0 0 0 | 2 1 1
_
_
Hasta aqu se puede llegar porque hemos obtenido una la de ceros, por lo que conclui-
mos que A es no invertible.
Ejercicio 1.21 Encuentre la matriz inversa si es posible en cada uno de los siguientes
casos:
1.5. DETERMINANTES 26
1.
_
2 1
3 2
_
2.
_
1 1
3 3
_
3.
_
_
1 1 1
0 1 1
0 0 1
_
_
4.
_
_
3 2 1
0 2 2
0 0 1
_
_
5.
_
_
2 1 4
1 0 5
19 7 3
_
_
6.
_
_
1 3 0 2
3 12 2 6
2 10 2 5
1 6 1 3
_
_
Ejercicio 1.22 Muestre que si A, B y C son matrices invertibles, entonces ABC es
invertible y (ABC)
1
= C
1
B
1
A
1
.
Ejercicio 1.23 Muestre que
_
3 4
2 3
_
es su propia inversa.
1.5. Determinantes
Ahora introducimos una nueva funci on, la funci on determinante. La entrada de esta
funci on es una matriz cuadrada y la salida es un n umero real. Denotamos el determi-
nante de A con |A| . Veamos como construir esta nueva funcion.
Denici on 1.46 Si A = [a
11
] es una matriz cuadrada de orden 1, entonces det (A) =
|A| = a
11
.
Ejemplo 1.47 Si A = [6] entonces |A| = 6.
Los determinantes se denen de manera recursiva, es decir, usando la deniciones
anteriores
Denici on 1.48 Si A =
_
a
11
a
12
a
21
a
22
_
es una matriz cuadrada de orden 2, entonces
|A| = a
11
|a
22
| a
12
|a
21
|
= a
11
a
22
a
12
a
21
Ejemplo 1.49 Eval ue el siguiente determinante
A =
_
2 1
3 4
_
De la denicion:
|A| = 2 (4) (3) (1)
= 8 3 = 11
El determinante de una matriz cuadrada A de orden n (n 2) esta denido de la
manera siguiente: Con una entrada a
ij
dada de A, asociamos la matriz cuadrada de
orden n 1 obtenida al eliminar las entradas en el rengl on i y la columna j a las que
la entrada a
ij
pertenece. De esta manera tenemos:
Denicion 1.50 Sea
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Entonces:
|A| = a
11
a
22
a
23
a
32
a
33
a
12
a
21
a
23
a
31
a
33
+ a
13
a
21
a
22
a
31
a
32
Observe el signo en el segundo termino.

Ejemplo 1.51 Sea
A =
_
_
3 5 2
4 2 3
1 2 4
_
_
Calcule |A|.
Solucion. De la denici on se tiene que
|A| =
3 5 2
4 2 3
1 2 4
= 3
2 3
2 4
4 3
1 4
+ 2
4 2
1 2
= (3) (2) (5) (19) + (2) (10)

= 69
Como sabemos donde ir a el signo () en el c alculo de un determinante? Con cada
entrada a
ij
se asocia tambien el n umero
(1)
i+j
y a la matriz que resulta de eliminar la i-esima la y la j-esima columna se le llama
menor ij.
Denici on 1.52 Sea A una matriz de nn. El cofactor ij de A, denotado A
ij
, esta da-
do por
A
ij
= (1)
i+j
|M
ij
|
donde M
ij
es la matriz resultante de A al eliminar la la i y la columna j.
Con esto en mente podemos escribir la denici on general de determinante como
sigue:
Denici on 1.53 Sea A una matriz de orden n. Entonces el determinante de A, deno-
tado por |A| o por det (A), esta dado por
det (A) = |A| =
n
k=1
a
1k
A
1k
El lado derecho de esta igualdad se llama expansi on por cofactores.
Observaci on 1.54 Se puede demostrar que la expansion por cofactores se puede aplicar
a cualquier la, incluso a cualquier columna y se obtiene el mismo valor para det (A).
Ejemplo 1.55 Calcule det (A) donde
A =
_
_
1 3 5 2
0 1 3 4
2 1 9 6
3 2 4 8
_
_
Solucion. De acuerdo a la denicion se tiene que
|A| = 1
1 3 4
1 9 6
2 4 8
0 3 4
2 9 6
3 4 8
+ 5
0 1 4
2 1 6
3 2 8
0 1 3
2 1 9
3 2 4
= (1) (92) (3) (70) + (5) (2) (2) (16) = 160

Ahora veamos algunas maneras de simplicar los c alculos.
Sea A
33
una matriz, existe otro metodo para calcular det (A) conocida como regla
de Sarrus: Copie la primera y la segunda columna de la matriz a la derecha como se
ilustra:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
21
a
21
a
22
a
31
a
32
Calcule los seis productos que se indican poniendo el signo que indican las echas y
sume todo:
Observaci on 1.56 Este metodo

UNICAMENTE funciona para determinantes de or-
den n = 3. Si intenta algo similar para otros ordenes el resultado es equivocado.
Otros casos especiales son los siguientes:
Teorema 1.57 Sea A = [a
ij
] una matriz de orden n triangular superior o triangular
inferior. Entonces
det (A) = |A| = a
11
a
22
a
nn
Esto es, el determinante de una matriz triangular es igual al producto de su diagonal.
Teorema 1.58 Sea T una matriz triangular superior. Entonces T es invertible si y
solo si det (T) = 0
Teorema 1.59 Sea A una matriz de orden n si A tiene toda una la o toda una
columna de ceros, entonces det (A) = 0
Teorema 1.60 Sea A una matriz de orden n si dos columnas o dos las de A son
identicas, entonces det (A) = 0
Teorema 1.61 Sean A y B matrices de orden n. Si B es la matriz obtenida sumando
un m ultiplo de un renglon de A a otro, entonces det (A) = det (B)
Teorema 1.62 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
intercambiando dos renglones de A, entonces |B| = |A|
Teorema 1.63 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
multiplicando toda una la por una constante k, entonces |B| = k |A|
Teorema 1.64 Si k es una constante y A una matriz de orden n entonces |kA| = k
n
|A|
Teorema 1.65 Sean A y B matrices de orden n. Entonces det (AB) = det (A) det (B)
Todos los teoremas anteriores son v alidos y se cambia rengl on por columna, mas
a un
Teorema 1.66 Sea A una matriz de orden n, entonces
|A| =
A
T
Finalmente relacionamos los determinantes con las matrices inversas:

Teorema 1.67 Sea A una matriz de orden n, entonces A tiene una inversa si y solo
si
det (A) = 0
Ejercicio 1.24 Eval ue los determinantes si es posible
1.
2 1
3 2
2.
3 2
5 4
3.
2 a
a 2
4.
2 1 3
2 0 1
4 0 6
5.
2 1 5
3 4 1
0 6 1
6.
1 2 3
4 5 4
3 2 1
7.
1 0 3 2
4 1 0 1
2 1 0 1
1 2 3 1
8.
1 7 3 8
0 1 5 4
0 0 1 7
0 0 0 1
9.
1 0 0 0
0 2 0 0
0 0 4 0
0 0 0 3
10.
1 3 2 6 4
0 13 0 1 5
2 1 2 3 4
1 1 4 5 9
Captulo 2
Sistemas de Ecuaciones Lineales
Las aplicaciones de los sistemas de ecuaciones lineales abarcan gran cantidad de
problemas que encontramos en la vida cotidiana. Pueden tener tanto aplicaciones fsicas
como econ omicas. Por tal motivo es importante conocer metodos de solucion para los
sistemas de ecuaciones.
A continuacion aplicaremos la teora de matrices y determinantes para encontrar so-
luciones a los sistemas de ecuaciones lineales. Tambien usaremos dos hechos importantes
del algebra elemental:
1. Si a = b y c = d, entonces a + c = b + d
2. Si a = b y c es cualquier real, entonces ca = cb
2.1. Ecuaciones lineales de mn
Una ecuaci on de la forma ax + by = c con a, b y c constantes se llama ecuaci on
lineal en las variables x, y o de dos variables. De manera similar una ecuacion lineal de
tres variables x, y, z tiene la forma: ax +by +cz = d donde a, b, c y d son constantes.
En general tenemos la siguiente denicion.
Denici on 2.1 Un sistema con n incognitas y m ecuaciones tiene la forma:
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
en donde a
ij
y b
i
son constantes para toda i = 1, 2, . . . m y toda j = 1, 2, . . . , n.
31
2.1. ECUACIONES LINEALES DE M N 32
Para desarrollar metodos generales de soluci on consideremos el metodo usual para
resolver ecuaciones lineales de 2 variables y 2 ecuaciones: el metodo de reduccion.
Consideremos el metodo usual para resolver ecuaciones lineales: el metodo de reduc-
cion aplicado al siguiente sistema lineal de dos variables
3x y = 1
x + 2y = 5
aunque este sistema puede ser resuelto por cualquier otro metodo usamos el metodo de
reducci on porque es adaptable a matrices.
Empezamos por hacer un intercambio de las ecuaciones
x + 2y = 5
3x y = 1
La primera ecuaci on la multiplicamos por 3 y se la sumamos a la segunda para obtener
x + 2y = 5
0x 7y = 14
Ahora multiplicamos la segunda ecuaci on por
1
7
y se tiene
x + 2y = 5
0x + y = 2
Ahora multiplicamos la segunda ecuaci on por 2 y la sumamos a la primera
x + 0y = 1
0x + y = 2
Por lo tanto, x = 1, y = 2 es la soluci on al sistema original
x + 2y = 5
3x y = 1
Observe que en la soluci on del sistema original se estuvo reemplazando a este por un
sistema equivalente, que era obtenido realizando una de las siguientes tres operaciones:
1. Intercambio de ecuaciones.
2. Suma de un m ultiplo de una ecuaci on a los correspondientes miembros de otra
ecuaci on
3. Multiplicacion de una ecuaci on por una constante diferente de cero.
Reconoce el proceso utilizado?
Para aplicar la teora ya vista es conveniente escribir el sistema de ecuaciones en su
forma matricial Ax = b:
_
3 1
1 2
_ _
x
y
_
=
_
1
5
_
La matriz A =
_
3 1
1 2
_
es llamada matriz de coecientes del sistema, la primera
columna corresponde a los coecientes de las xs y la segunda columna a los coecientes
de las ys. El vector b es llamado vector de lados derechos.
Otra matriz asociada con este sistema es la llamada matriz aumentada [A | b] que
en este caso es
_
3 1 1
1 2 5
_
Ahora, si escalonamos esta matriz tenemos lo siguiente, R
1
R
2
_
1 2 5
3 1 1
_
R
2
R
2
3R
1
_
1 2 5
0 7 14
_
R
2

1
7
R
2
_
1 2 5
0 1 2
_
R
1
R
1
2R
2
_
1 0 1
0 1 2
_
Las soluciones se obtienen de la matriz aumentada cuando calculamos su forma escalo-
nada reducida.
Los sistemas de dos ecuaciones con dos variables admiten una interpretacion geometri-
ca, para ello consideremos un sistema cualquiera dado por
a
11
x
1
+ a
12
x
2
= b
1
a
21
x
1
+ a
22
x
2
= b
2
Cada una de estas ecuaciones representa una recta, por lo que podemos tener cualquiera
de los siguientes casos:
1. Las rectas se interceptan en un punto. Solucion unica
2. Las rectas no se cortan. No hay soluci on
3. Las rectas estan una sobre la otra. Innitas soluciones.
Ejercicio 2.1 Encuentre las soluciones (si las hay) de los sistemas dados:
1. x 3y = 4; 4x + 2y = 6
2. 2x y = 3; 5x + 7y = 4
3. 5x + 2y = 3; 2x + 5y = 3
4. 2x 8y = 6; 3x + 12y = 9
El sistema
2x 8y = 6
3x + 12y = 9
tiene innitas soluciones, la matriz aumentada para este sistema es
_
2 8 6
3 12 9
_
aplicamos Gauss-Jordan para encontrar la forma escalonada reducida
R
2
R
2
+
3
2
R
1
_
2 8 6
0 0 0
_
R
1

1
2
R
1
_
1 4 3
0 0 0
_
Esta ultima matriz ya es escalonada reducida. Como tiene una la de ceros este siste-
ma tiene innitas soluciones para encontrar todas las soluciones nos auxiliamos de un
par ametro t, hagamos y = t de la forma escalonada reducida se tiene
x 4y = 3
de donde
x = 3 + 4y
o bien
x = 3 + 4t
de esta forma las soluciones son
x = 3 + 4t
y = t
observe que para cada valor de t se tiene una soluci on distinta.
La ventaja de aplicar el metodo de eliminacion de Gauss-Jordan es que este proceso
es valido para una matriz de cualquier orden.
Ejemplo 2.2 Resolver
x
1
+ 2x
2
+ 5x
3
+ 5x
4
= 3
x
1
+ x
2
+ 3x
3
+ 4x
4
= 1
x
1
x
2
x
3
+ 2x
4
= 3
Solucion. Al igual que en los casos anteriores escribimos este problema en su forma
matricial
_
_
1 2 5 5
1 1 3 4
1 1 1 2
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
3
1
3
_
_
Por lo que la matriz aumentada que corresponde a este sistema es
_
_
1 2 5 5 3
1 1 3 4 1
1 1 1 2 3
_
_
Los pasos que seguimos para escalonar esta matriz son, R
2
R
2
R
1
_
_
1 2 5 5 3
0 1 2 1 2
1 1 1 2 3
_
_
R
3
R
3
R
1
_
_
1 2 5 5 3
0 1 2 1 2
0 3 6 3 6
_
_
R
2
R
2
_
_
1 2 5 5 3
0 1 2 1 2
0 3 6 3 6
_
_
R
3
R
3
+ 3R
2
_
_
1 2 5 5 3
0 1 2 1 2
0 0 0 0 0
_
_
R
1
R
1
2R
2
_
_
1 0 1 3 1
0 1 2 1 2
0 0 0 0 0
_
_
De esto ultimo tenemos
x
1
+ x
3
+ 3x
4
= 1
x
2
+ 2x
3
+ x
4
= 2
si hacemos x
3
= s y x
4
= t vemos que las soluciones de este sistemas de ecuaciones
depende de dos par ametros, estas soluciones son:
x
1
= 1 s 3t
x
2
= 2 2s t
x
3
= s
x
4
= t
por lo que el sistema tiene innitas soluciones, una distinta para cada valor de s y para
cada valor de t.
Si en alg un momento de las iteraciones para reducir la matriz aumentada a su forma
escalonada reducida se encuentra con una la de la forma
_
0 0 0 0 | c
con c = 0, entonces el sistema NO tiene solucion ya que este sistema corresponde a la

ecuaci on
0x
1
+ 0x
2
+ 0x
3
+ + 0x
n
= c
lo cual es falso sean cuales sean los valores de las variables porque c = 0.
Ejemplo 2.3 Resuelva el sistema
x
1
+ 2x
3
2x
4
= 1
x
1
+ x
2
+ x
4
= 2
x
2
+ 2x
3
x
4
= 1
Solucion. La matriz aumentada que corresponde a este sistema es
_
_
1 0 2 2 1
1 1 0 1 2
0 1 2 1 1
_
_
Para encontrar la forma escalonada reducida aplicamos las siguientes operaciones de
renglones: R
2
R
2
+ R
1
_
_
1 0 2 2 1
0 1 2 1 1
0 1 2 1 1
_
_
R
3
R
3
R
2
_
_
1 0 2 2 1
0 1 2 1 1
0 0 0 0 2
_
_
Como la ultima la es
_
0 0 0 0 2
concluimos que este sistema no tiene soluci on.

La la de la forma
_
0 0 0 0 | c
puede aparecer en cualquier lugar de la ta-

bla, no necesariamente al nal. Siempre que este caso se presente con c = 0 la conclusi on
es la misma: El sistema no tiene solucion
Como hemos visto dado un sistema de ecuaciones puede pasar una de tres cosas:
1. El sistema tiene solucion unica.
2. El sistema tiene innitas soluciones.
3. El sistema NO tiene soluci on.
Denici on 2.4 Se dice que un sistema de ecuaciones lineales es inconsistente si no
tiene solucion. Se dice que el sistema es consistente si tiene cuando menos una solucion.
Ejemplo 2.5 Hallar un n umero entero de dos cifras sabiendo que si se divide por el
n umero obtenido al invertir sus dos cifras el cociente es 2 y el resto es 7, y si se divide
por la suma de sus cifras el cociente es 7 y el resto es 6.
Solucion. Representemos al n umero buscado como xy, ese n umero lo podemos escribir
de la forma
10x + y
con x, y en {0, 1, . . . 9}. Tomando en cuenta las otras condiciones del problema tenemos:
invertir sus dos cifras el cociente es 2 y el resto es 7,
10x + y
10y + x
= 2 residuo 7
o bien,
10x + y = 2 (10y + x) + 7
10x + y = 20y + 2x + 7
8x 19y = 7
si se divide por la suma de sus cifras el cociente es 7 y el resto es 6,
10x + y
x + y
= 7 residuo 6
o equivalentemente
10x + y = 7 (x + y) + 6
10x + y = 7x + 7y + 6
3x 6y = 6
x 2y = 2
de esta forma hemos obtenido el sistema de ecuaciones
8x 19y = 7
x 2y = 2
La matriz aumentada que le corresponde es la siguiente:
_
8 19 | 7
1 2 | 2
_
para obtener la forma escalonada reducida aplicamos las siguientes operaciones:
_
8 19 | 7
1 2 | 2
_
R
2
R
2
1
8
R
1
_
8 19 | 7
0
3
8
|
9
8
_
R
2

8
3
R
2
_
8 19 | 7
0 1 | 3
_
R
1
R
1
+ 19R
2
_
8 0 | 64
0 1 | 3
_
R
1

1
8
R
1
_
1 0 | 8
0 1 | 3
_
Por tanto, la soluci on es x = 8, y = 3 y el n umero buscado es 83.
Ejemplo 2.6 Un conjunto de billetes de 10, 20 y 50 pesos, suman 900. Si hay 60
billetes en total y el n umero de billetes de 10 es tres veces el n umero de billetes de 20,
encuentre la cantidad de billetes de cada denominacion.
Solucion. Denamos las siguientes variables
x : numero de billetes de 10
y : numero de billetes de 20
z : numero de billetes de 50
Encontremos las ecuaciones que representa cada una de las condiciones dadas. El con-
junto de billetes suma 900
10x + 20y + 50z = 900
x + 2y + 5z = 90
Hay 60 billetes en total:
x + y + z = 60
el n umero de billetes de 10 es tres veces el n umero de billetes de 20:
x
3
= y
x = 3y
x 3y = 0
El sistema de ecuaciones que representa todas las condiciones es
x + 2y + 5z = 90
x + y + z = 60
x 3y = 0
La matriz aumentada que corresponde a este sistema es
_
_
1 2 5 | 90
1 1 1 | 60
1 3 0 | 0
_
_
Para encontrar la forma escalonada reducida aplicamos las siguientes operaciones:
_
_
1 2 5 | 90
1 1 1 | 60
1 3 0 | 0
_
_
R
2
R
2
R
1
_
_
1 2 5 | 90
0 1 4 | 30
1 3 0 | 0
_
_
R
3
R
3
R
1
_
_
1 2 5 | 90
0 1 4 | 30
0 5 5 | 90
_
_
R
3
R
3
5R
2
_
_
1 2 5 | 90
0 1 4 | 30
0 0 15 | 60
_
_
R
3

1
15
R
3
_
_
1 2 5 | 90
0 1 4 | 30
0 0 1 | 4
_
_
R
2
R
2
+ 4R
3
_
_
1 2 5 | 90
0 1 0 | 14
0 0 1 | 4
_
_
R
1
R
1
5R
3
_
_
1 2 0 | 70
0 1 0 | 14
0 0 1 | 4
_
_
R
2
R
2
_
_
1 2 0 | 70
0 1 0 | 14
0 0 1 | 4
_
_
R
1
R
1
2R
2
_
_
1 0 0 | 42
0 1 0 | 14
0 0 1 | 4
_
_
De aqui se deduce que hay 42 billetes de 10, 14 billetes de 20 y 4 billetes de 50.
Ejemplo 2.7 Un departamento de pesca y caza del estado proporciona tres tipos de
comida a un lago que alberga tres especies de peces. Cada pez de la especie 1 consume
cada semana un promedio de 1 unidad del alimento 1, 1 unidad del alimento 2 y 2
unidades del alimento 3. Cada pez de la especie 2 consume cada semana un promedio
de 3 unidades del alimento 1, 4 del 2 y 5 del 3. Para un pez de la especie 3, el promedio
semanal de consumo es de 2 unidades del alimento 1, 1 unidad del alimento 2 y 5
unidades del 3. Cada semana se proporciona al lago 25, 000 unidades del alimento 1,
20, 000 unidades del alimento 2 y 55, 000 unidades del 3. Si se suponen que los peces se
comen todo el alimento, cuantos peces de cada especie pueden coexistir en el lago?
Solucion. Para resolver este problema usamos las siguientes variables
x
1
= cantidad de peces de la especie 1
x
2
x
3
Ahora resumimos la informaci on dada en una tabla
consumo especie 1 especie 2 especie 3 disponible
alimento 1 1 3 2 25, 000
alimento 2 1 4 1 20, 000
alimento 3 2 5 5 55, 000
Ya que se consume todo el alimento podemos escribir las siguientes ecuaciones
x
1
+ 3x
2
+ 2x
3
= 25, 000
x
1
+ 4x
2
+ x
3
= 20, 000
2x
1
+ 5x
2
+ 5x
3
= 55, 000
La matriz aumentada correspondiente es
_
_
1 3 2 25, 000
1 4 1 20, 000
2 5 5 55, 000
_
_
Para encontrar la forma escalonada reducida seguimos los siguientes pasos: R
2
R
2
R
1
, R
3
R
3
2R
1
_
_
1 3 2 25, 000
0 1 1 5, 000
0 1 1 5, 000
_
_
R
1
R
1
3R
2
, R
3
R
3
+ R
2
_
_
1 0 5 40, 000
0 1 1 5, 000
0 0 0 0
_
_
Si hacemos x
3
= t las soluciones son
x
1
= 40, 000 5t
x
2
= 5, 000 + t
x
3
= t
Es claro que hay un n umero innito de soluciones. En este caso muy particular podemos
hacer algunas simplicaciones: En primer lugar, como se esta hablando de peces es claro
que x
1
0, x
2
0 y x
3
0. Usando esto, para x
1
x
1
= 40, 000 5t 0
40, 000 5t
t 8, 000
para x
2
x
2
= 5, 000 + t 0
t 5, 000
De aqu concluimos que solamente hay 3001 soluciones posibles para el problema ya
que la soluci on tiene que ser entera, por tanto la solucion a este problema es
x
1
= 40, 000 5t
x
2
= 5, 000 + t
x
3
= t
5, 000 t 8000
x
1
, x
2
, x
3
enteros
Otra aplicaci on de los sistemas de ecuaciones lineales es determinar el ujo de vehcu-
los por hora que circulan en una red de carreteras. En este tipo de modelos se asume
que las calles son de un solo sentido, con echas indicando el ujo de traco. Tambien es
necesario hacer la siguiente suposicion: Todo el traco que llega a una intersecci on
tiene que abandonar la intersecci on.
Ejemplo 2.8 (Flujo de traco) La siguiente gura muestra una red de calles que
representa un area del centro de la ciudad de Merida. Las calles son todas de un sentido.
400 vph
800 vph 300 vph
125 vph
250 vph
600 vph
225 vph
350 vph
400 vph
Calle 60
Calle 62
C
a
l
l
e

6
1
C
a
l
l
e

6
3
A
D
B
C
x
1
x
2
x
4
x
3
a) Construir un sistema de ecuaciones que modele el ujo de traco en cada calle.
b) Suponga que es necesario realizar trabajos de mantenimiento en la carpeta asfaltica
de la calle 60, representada por el camino DC. Si el traco puede ser controlado
a lo largo de las otras calles para disminuir el traco en la calle 60 Cual sera el
mnimo ujo de traco soportado en ese tramo?.
Solucion.
a) El conservar la restriccion del ujo de tr aco en las intersecciones nos lleva un
sistema de ecuaciones, donde cada ecuacion se obtiene a partir de los ujos de entrada
y salida en cada intersecci on.
Para la interseccion A el ujo de entrada es x
1
+ x
2
y el ujo de salida es 400 + 225
A : x
1
+ x
2
= 400 + 225 x
1
+ x
2
= 625 (2.1)
siguiendo el mismo criterio para las intersecciones B, C, D tenemos:
B : 350 + 125 = x
1
+ x
4
x
1
+ x
4
= 475 (2.2)
C : x
3
+ x
4
= 600 + 300 x
3
+ x
4
= 900 (2.3)
D : 800 + 250 = x
2
+ x
3
x
2
+ x
3
= 1050 (2.4)
Entonces el sistema queda como sigue:
x
1
+ x
2
= 625
x
1
+ x
4
= 475
x
3
+ x
4
= 900
x
2
+ x
3
= 1050
b) Para encontrar el ujo de tr aco en el camino DC es necesario resolver el sistema
de ecuaciones. Utilizando el metodo de eliminaci on de Gauss-Jordan para resolver el
sistema de ecuaciones queda lo siguiente:
_
_
1 1 0 0 625
1 0 0 1 475
0 0 1 1 900
0 1 1 0 1050
_
_

_
_
1 0 0 1 475
0 1 0 1 150
0 0 1 1 900
0 0 0 0 0
_
_
El sistema que representa la matriz en su forma escalonada reducida es:
x
1
+ x
4
= 475
x
2
x
4
= 150
x
3
+ x
4
= 900
Haciendo x
4
= t y escribiendo todas las ecuaciones en terminos de x
4
la soluci on del
sistema es:
x
1
= 475 t
x
2
= 150 + t
x
3
= 900 t
x
4
= t
La soluci on del sistema nos indica que existen muchos ujos de tr aco posibles. Sin
embargo el que nos interesa calcular es el ujo mnimo que existe en el camino DC, el
cu al lo podemos obtener a traves del siguiente razonamiento.
Todos los ujos deben ser no-negativos (un ujo negativo signicara que el traco
se esta moviento en la direcci on incorrecta en una calle de un solo sentido). Para que
todos los ujos sean positivos se debe cumplir los siguiente:
Para x
1
x
1
= 475 t 0
t 475
para x
2
x
2
= t + 150 0
t 150
t 0
para x
3
x
3
= t + 900 0
t 900
Ahora para que x
1
, x
2
, x
3
0 se debe cumplir lo siguiente:
0 t 475
Ahora para que el valor de x
3
sea mnimo necesitamos el m aximo valor de t, el cual es
475. Con lo que tenemos
x
3
= 475 + 900 = 425.
El ujo de tr aco mnimo en la calle 60 es de 425 vph.
Ejercicio 2.2 Encuentre todas las soluciones, si existen, a los siguientes sistemas
1. x
1
2x
2
+ 3x
3
= 11, 4x
1
+ x
2
x
3
= 4, 2x
1
x
2
+ 3x
3
= 10
2. 2x
1
+ x
2
+ 6x
3
= 18, 5x
1
+ 8x
3
= 16, 3x
1
+ 2x
2
10x
3
= 3
3. 3x
1
+ 6x
2
6x
3
9, 2x
1
5x
2
+ 4x
3
= 6, x
1
+ 16x
2
14x
3
= 0
4. 3x
1
+ 6x
2
6x
3
= 19, 2x
1
5x
2
+ 4x
3
= 6, 5x
1
+ 28x
2
26x
3
= 8
5. x
1
x
2
x
3
+ 4x
4
= 5, 2x
1
3x
2
4x
3
+ 9x
4
= 13, 2x
1
+ x
2
+ 4x
3
+ 5x
4
= 1
6. 3x
1
x
2
+12x
3
+18x
4
= 4, x
1
2x
2
+4x
3
+11x
4
= 13, x
1
+x
2
+4x
3
+2x
4
= 8
Ejercicio 2.3 Si una sala tuviera 1 m mas de largo y 1 m mas de ancho el area sera
26 m
2
mas de lo que es ahora, y si tuviera 3 m menos de largo y 2 m mas de ancho el
area sera 19 m
2
mas que ahora. Hallar las dimensiones de la sala.
Ejercicio 2.4 Hallar un n umero entero de dos cifras sabiendo que el triple de la cifra
de las decenas es igual al cuadruplo de la correspondiente a las unidades mas 2, y que
la diferencia entre el n umero dado y el obtenido al invertir sus cifras es igual al doble
de las decenas mas el triple de las unidades, mas 2.
Ejercicio 2.5 Un agente secreto sabe que 60 aereos, que consisten en aviones de com-
bate y bombarderos, estan estacionados en cierto campo aereo secreto. El agente quiere
determinar cuantos de los 60 equipos son aviones de combate y cuantos son bombarde-
ros. Existe un tipo de cohete que llevan ambos aviones; el de combate lleva 6 de ellos
y el bombardero solo 2. El agente averigua que se requieren 250 cohetes para armar a
todos los aviones del campo aereo. Mas a un, escucha que tienen el doble de aviones de
combate que de bombarderos en la base (es decir, el n umero de aviones de combate me-
nos dos veces el n umero de bombarderos es igual a cero). Calcule el n umero de aviones
de combate y bombarderos en el campo aereo o muestre que la informacion del agente
debe de ser incorrecta ya que es inconsistente.
Ejercicio 2.6 En un zoologico hay aves (2 patas) y animales (4 patas). Si en el zoologi-
co hay 60 cabezas y 200 patas, cuantas aves y cuantos animales viven en el?
Ejercicio 2.7 La gura siguiente describe un ujo de traco, las unidades son vehculos
por hora.
200
200
A
B C
D
E F
x1
x2
x3
x5
x4
x4
x2
(a) Construye un sistema de ecuaciones lineales que describa este ujo.
(b) El tiempo total que le toma a los vehculos viajar en cualquier tramo del camino
es proporcional al traco a lo largo del camino. Por ejemplo, el tiempo total que le
toma a los x
1
vehculos atravesar AB es kx
1
minutos. Suponga que la constante es
la misma para todas las secciones de la red, el tiempo total que le toma a los 200
vehculos atravesar la red es T = kx
1
+ 2kx
2
+kx
3
+ 2kx
4
+kx
5
. Cual es el valor
de T (tiempo total) si k = 4? Proporciona el tiempo promedio para cada vehculo.
2.2. ECUACIONES LINEALES HOMOG
ENEAS 45
2.2. Ecuaciones Lineales Homogeneas
Denicion 2.9 Un sistema general de mn ecuaciones lineales se llama homogeneo
si tiene la forma
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0
.
.
.
.
.
.
=
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0
Para un sistema lineal no homogeneo existen tres posibilidades: 1) No hay solucion,
2) hay solucion unica y 3) hay innitas soluciones.
Para el sistema lineal homogeneo solo hay dos posibilidades tiene soluci on trivial
x
1
= x
2
= = x
n
= 0 o tienes innitas soluciones, las cuales se llaman no triviales
por que son distintas de cero.
Ejemplo 2.10 Resuelva el siguiente sistema de ecuaciones homogeneas
2x
1
+ 4x
2
+ 6x
3
= 0
4x
1
+ 5x
2
+ 6x
3
= 0
3x
1
+ x
2
2x
3
= 0
Solucion. La matriz aumentada de este sistema es
_
_
2 4 6 0
4 5 6 0
3 1 2 0
_
_
Aplicamos las operaciones de renglon para encontrar la forma escalonada reducida,
R
1

1
2
R
1
_
_
1 2 3 0
4 5 6 0
3 1 2 0
_
_
R
2
R
2
4R
1
, R
3
R
3
3R
1
_
_
1 2 3 0
0 3 6 0
0 5 11 0
_
_
R
2

1
3
R
2
_
_
1 2 3 0
0 1 2 0
0 5 11 0
_
_
ENEAS 46
R
1
R
1
2R
2
, R
3
R
3
+ 5R
2
_
_
1 0 1 0
0 1 2 0
0 0 1 0
_
_
R
3
R
3
_
_
1 0 1 0
0 1 2 0
0 0 1 0
_
_
R
1
R
1
+ R
3
, R
2
R
2
2R
3
_
_
1 0 0 0
0 1 0 0
0 0 1 0
_
_
De aqu el sistema tiene soluci on unica x
1
= 0, x
2
= 0, x
3
= 0.
Ejemplo 2.11 Resuelva el siguiente sistema de ecuaciones homogeneas
x
1
+ 2x
2
x
3
= 0
3x
1
3x
2
+ 2x
3
= 0
x
1
11x
2
+ 6x
3
= 0
Solucion. La matriz aumentada del sistema es
_
_
1 2 1 0
3 3 2 0
1 11 6 0
_
_
Aplicamos las siguientes operaciones: R
2
R
2
3R
1
, R
3
R
3
+ R
1
_
_
1 2 1 0
0 9 5 0
0 9 5 0
_
_
R
2

1
9
R
2
_
_
1 2 1 0
0 1
5
9
0
0 9 5 0
_
_
R
1
R
1
2R
2
, R
3
R
3
+ 9R
2
_
_
1 0
1
9
0
0 1
5
9
0
0 0 0 0
_
_
ENEAS 47
un sistema equivalente es
x
1
+
1
9
x
3
= 0
x
2
5
9
x
3
= 0
si hacemos x
3
= t concluimos que las soluciones son
x
1
=
1
9
t
x
2
=
5
9
t
x
3
= t
de esta manera el sistema tiene innitas soluciones, para obtener algunas de ellas le
damos un valor a t, por ejemplo, para t = 1 la solucion es
x
1
=
1
9
x
2
=
5
9
x
3
= 1
Se puede probar que si se tiene m as variables que ecuaciones en un sistema ho-
mogeneo entonces este sistema tendra innitas soluciones.
Ejercicio 2.8 Encuentre todas las soluciones a los sistemas homogeneos
1. 2x
1
x
2
= 0, 3x
1
+ 4x
2
= 0
2. x
1
+ x
2
x
3
= 0, 4x
1
x
2
+ 5x
3
= 0, 2x
1
+ x
2
2x
3
= 0, 3x
1
+ 2x
2
6x
3
= 0
3. x
1
3x
2
= 0, 2x
1
+ 6x
2
= 0, 4x
1
12x
2
= 0
4. x
1
x
2
+ 7x
3
x
4
= 0, 2x
1
+ 3x
2
8x
3
+ x
4
= 0
Ejercicio 2.9 Al balancear ecuaciones qumicas tales como la fotosntesis
CO
2
+ H
2
O C
6
H
12
O
6
+ O
2
se buscan enteros positivos x
1
, x
2
, x
3
y x
4
que no tengan un divisor com un diferente de
1, de tal manera que en
x
1
(CO
2
) + x
2
(H
2
O) x
3
(C
6
H
12
O
6
) + x
4
(O
2
)
2.3. REGLA DE CRAMER 48
el n umero de atomos de cada elemento qumico involucrado es el mismo en cada lado
de la reaccion. Esto es:
C : x
1
= 6x
3
O : 2x
1
+ x
2
= 6x
3
+ 2x
4
H : 2x
2
= 12x
3
Resuelva el sistema anterior y encuentre los enteros x
1
, x
2
, x
3
y x
4
que balancean la
ecuacion.
Ejercicio 2.10 Utiliza el procedimiento del ejemplo anterior para balancear las siguien-
tes ecuaciones qumicas.
a) Na + H
2
O NaOH + H
2
b) KClO
3
KCl + O
2
c) Fe
3
O
4
+ C Fe + CO
d) C
5
H
8
+ O
2
CO
2
+ H
2
O
e) Cu + HNO
3
Cu(NO
3
)
2
+ H
2
O + NO
f ) Ca
3
(PO
4
)
2
+ H
3
PO
4
Ca(H
2
PO
4
)
2
2.3. Regla de Cramer
Los determinantes pueden ser aplicados a resolver sistemas de ecuaciones lineales
de orden n n. De hecho a partir del estudio de tales sistemas surgio la idea del
determinante. Considere un sistema de 2 ecuaciones con 2 incognitas dado por
a
11
x + a
12
y = c
1
a
21
x + a
22
y = c
2
queremos encontrar un f ormula explcita para x, supongamos que conocemos el valor
de x, de las propiedades de los determinantes tenemos que
x
a
11
a
12
a
21
a
22
a
11
x a
12
a
21
x a
22
multiplicamos la segunda columna por y y se la sumamos a la primera
a
11
x a
12
a
21
x a
22
a
11
x + a
12
y a
12
a
21
x + a
22
y a
22
Ya que x e y son soluciones satisfacen las ecuaciones y por tanto
a
11
x + a
12
y a
12
a
21
x + a
22
y a
22
c
1
a
12
c
2
a
22

Aplicando la propiedad transitiva de la igualdad tenemos que
x
a
11
a
12
a
21
a
22
c
1
a
12
c
2
a
22
de donde surge la formula

x =
c
1
a
12
c
2
a
22
a
11
a
12
a
21
a
22
De manera similar, si queremos encontrar una f ormula para y tomamos

y
a
11
a
12
a
21
a
22
a
11
a
12
y
a
21
a
22
y
Ahora la primera columna la multiplicamos por x y se la sumamos a la segunda
a
11
a
12
y
a
21
a
22
y
a
11
a
11
x + a
12
y
a
21
a
21
x + a
22
y
como x e y son soluciones
a
11
a
11
x + a
12
y
a
21
a
21
x + a
22
y
a
11
c
1
a
21
c
2
y por la propiedad transitiva de la igualdad

y
a
11
a
12
a
21
a
22
a
11
c
1
a
21
c
2
de aqui
y =
a
11
c
1
a
21
c
2
a
11
a
12
a
21
a
22
Observe que las formulas para x e y los denominadores son iguales, a saber, el deter-
minante de la matriz de coecientes del sistema dado. Para encontrar x, el numerador
en la ecuacion es el determinante obtenida al reemplazar la columna de x de la matriz
de coecientes por la columna de lados derechos. De manera analoga, el numerador en
la formula para y es el determinante de la matriz obtenida cuando la columna de las y
se reemplaza por el vector de lados derechos. Este metodo solo se puede aplicar cuando
la matriz de coecientes tiene determinante distinto de cero. Si el determinante es cero
el sistema puede tener innitas soluciones o ninguna. Para saber cuantas soluciones
tiene debemos aplicar el metodo visto anteriormente.
Para ayudarnos a recordar las formulas para x e y usamos la siguiente notaci on:
=
a
11
a
12
a
21
a
22
1
=
c
1
a
12
c
2
a
22
2
=
a
11
c
1
a
21
c
2
las formulas se reescriben como:

x =

1
, y =

2
Este metodo es conocido como regla de Cramer. Apliquemos estas dos nuevas formu-
las.
Ejemplo 2.12 Resuelva el siguiente sistema de ecuaciones utilizando la regla de Cra-
mer
2x + y + 5 = 0
3y + x = 6
Solucion. Primero escribimos el sistema en forma adecuada
2x + y = 5
x + 3y = 6
Denimos
=
2 1
1 3
= 5
1
=
5 1
6 3
= 21
2
=
2 5
1 6
= 17
De este modo las soluciones son
x =

1
=
21
5
y =

2
=
17
5
La regla de Cramer puede aplicarse a un sistema cuadrado de cualquier orden:
Teorema 2.13 Considere un sistema de n ecuaciones con n incognitas de la forma:
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= c
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= c
2
.
.
.
.
.
.
=
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= c
n
Si el determinante de la matriz de coecientes A es diferente de cero, entonces el
sistema tiene una unica solucion. Ademas, la solucion esta dada por:
x
1
=

1
, x
2
=

2
, . . . , x
n
=

n
donde
k
, el numerador de x
k
, es el determinante de la matriz obtenida al reemplazar
la k-esima columna de A por el vector de lados derechos.
Ejemplo 2.14 Resuelva el siguiente sistema de ecuaciones utilizando la regla de Cra-
mer
2x + y + z = 0
4x + 3y + 2z = 2
2x y 3z = 0
Solucion. El determinante de la matriz de coecientes es
=
2 1 1
4 3 2
2 1 3
= 8
Ya que el determinante es distinto de cero calculamos
1
=
0 1 1
2 3 2
0 1 3
= 4
2
=
2 0 1
4 2 2
2 0 3
= 16
3
=
2 1 1
4 3 2
2 1 3
= 8
Por lo que las soluciones son
x =

1
=
4
8
=
1
2
y =

2
=
16
8
= 2
z =

3
=
8
8
= 1
Ejemplo 2.15 Encuentre el valor de z si
x + y + 5w = 6
x + 2y + z = 4
2y + z + w = 6
3x 4w = 2
Solucion. Tenemos que
=
1 1 0 5
1 2 1 0
0 2 1 1
3 0 0 4
= 1
por otra parte
3
=
1 1 6 5
1 2 4 0
0 2 6 1
3 0 2 4
= 98
De aqu
z =

3
=
98
1
= 98
Ejercicio 2.11 Resuelva los siguientes sistemas de ecuaciones utilizando la regla de
Cramer
1. 2x + 3y = 1, 7x + 4y = 47
2. 3x
1
x
2
= 0, 4x
1
+ 2x
2
= 5
3. 2x + y + z = 6, 3x 2y 3z = 5, 8x + 2y + 5z = 11
4. x
1
+ x
2
+ x
3
= 8, 4x
2
x
3
= 2, 3x
1
x
2
+ 2x
3
= 0
5. x
1
x
4
= 7, 2x
2
+ x
3
= 2, 4x
1
x
2
= 3, 3x
3
5x
4
= 2
Captulo 3
Vectores
3.1.

Algebra Vectorial
El estudio de vectores y matrices es el coraz on del algebra lineal. El estudio de
vectores comenz o esencialmente con el trabajo de Sir William Hamilton (1805-1865).
Hoy da casi todas las ramas de la fsica cl asica y moderna se representan mediante el
lenguaje de vectores. Los vectores tambien se usan, cada vez con m as frecuencia, en las
ciencias biologicas y sociales.
Denici on 3.1 Se dene un vector renglon de n componentes como un conjunto
ordenado de n n umeros escritos en la siguiente manera:
_
x
1
, x
2
, . . . , x
3
_
Denici on 3.2 Un vector columna de n componentes es un conjunto ordenado
de n n umeros escritos de la siguiente manera
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
Observaci on 3.3 Los elementos que forman un vector son llamados componentes.
Observaci on 3.4 La palabra ordenado en la denicion de un vector es esencial. Dos
vectores con las mismas componentes escritas en diferente orden NO son iguales. As,
por ejemplo, los vectores (1, 7) y (7, 1) son distintos.
Denicion 3.5 Se usa el smbolo R
n
para denotar todos los n vectores
_
_
_
_
_
a
1
a
2
.
.
.
a
n
_
_
_
_
_
53
3.1.

ALGEBRA VECTORIAL 54
donde cada a
i
es real.
Veamos primeramente un caso especial: el plano R
2
.
El plano R
2
es el conjunto de vectores (x
1
, x
2
) con x
1
y x
2
n umeros reales. Como
cualquier punto en el plano se puede escribir en la forma (x, y) es evidente que se puede
pensar en cualquier punto en el plano como vector en R
2
, as los terminos plano y R
2
se intercambian con frecuencia.
Muchas veces es importante pensar en el vector como un entidad que tiene longitud
y direcci on: Sean P y Q dos puntos en el plano. Entonces el segmento dirigido de P a
Q, denotado por

PQ, es el segmento de recta que va de P a Q. Observe en las Figuras
1 y 2 que los segmentos de recta dirigidos

PQ y

QP son diferentes puesto que tienen
direcciones opuestas.
Figura 1 Figura 2
El punto P en el segmento

PQ se llama punto inicial del segmento y el punto Q se
llama punto terminal. Las dos propiedades mas importantes de un segmento dirigido
son su magnitud y su direcci on. Si dos segmentos de recta dirigidos

PQ y

RS tienen
la misma magnitud y direccion, se dice que son equivalentes sin importar donde se
localicen respecto al origen (ver Figura 3).
Figura 3
Denicion 3.6 El conjunto de todos los segmentos de recta dirigidos equivalentes a un
segmento de recta dirigido dado se llama vector. Cualquier segmento de recta en ese
conjunto se llama una representacion del vector.
Un vector v se puede representar de muchas maneras diferentes. Sea
PQ una repre-
sentaci on de v. Entonces, sin cambiar su magnitud ni direcci on, se puede mover
PQ en
3.1.

forma paralela de manera que su punto inicial se traslade al origen. Despues se obtiene
el el segmento de recta dirigido

0R, que es otra representaci on del vector v (ver Figura
4).
Figura 4
Ahora sup onga que R tiene las coordenadas cartesianas (a, b), entonces se puede des-
cribir el segmento de recta

0R como el segmento dirigido que va desde (0, 0) hasta
su punto terminal (a, b). Como una representacion de un vector es tan buena como
cualquier otra, se pude escribir el vector v como (a, b)
Ejemplo 3.7 Sean P = (3, 5), Q = (4, 3) obtener la representacion

0R del vector
PQ
Solucion. Para hallar la representacion

0R del segmento de recta

PQ es necesario
realizar la siguiente operaci on
0R = QP = (4, 3) (3, 5) = (1, 8)

Denicion 3.8 Un vector v en el plano xy es un par ordenado de n umeros reales (a, b).
Los n umeros a y b se llaman elementos o componentes del vector v. El vector cero es
el vector (0, 0).
Como en realidad un vector es un conjunto de segmentos de recta equivalentes, se
dene la magnitud de un vector como la longitud de cualquiera de sus representacio-
nes y su direcci on como la direcci on de cualquiera de sus representaciones. Usando la
representaci on

0R y escribiendo el vector v = (a, b), se encuentra que la magnitud de
v es
|v| = v =
a
2
+ b
2
Se dene la direcci on del vector v = (a, b) como el angulo (medido en radianes)
que forma el vector con el lado positivo del eje x. Por conveniencia se escoge , tal
que 0 2. De donde
tan () =
b
a
En la Figura 5 puede observar como se deducen las formulas para hallar la magnitud
y direccion de un vector.
3.1.

Figura 5
Cuando a = 0, no podemos usar la formula tan () =
b
a
, ya que la divisi on entre
cero no est a denida. En estos casos usamos la siguiente regla: si b > 0, la direcci on de
(0, b) es

2
y la direcci on de (0, b) es
3
2
.
Ejemplo 3.9 Calcula la magnitud y direccion de los siguientes vectores.
a) v = (2, 2)
b) v = (2, 2
3)
c) v = (2
3, 2)
d) v = (3, 3)
e) v = (6, 6)
f ) v = (0, 3)
Solucion.
a) v =
2
2
+ 2
2
=
8 = 2
2
b) v =
_
2
2
+
_
2
3
_
2
= 4
c) v =
_
_
2
3
_
2
+ 2
2
= 4
d) v =
_
(3)
2
+ (3)
2
=
18 = 3
2
e) v =
_
(6)
2
+ (6)
2
=
72 = 6
2
f) v =
0
2
+ 3
2
=
9 = 3
La direccion de cada uno de los vectores se muestra en la siguiente gura.
3.1.

Si tenemos dos vectores v
1
= (a, b) y v
2
= (c, d) se dene la suma de vectores como
v
1
+ v
2
= (a + c, b + d)
y si es un real se dene la multiplicaci on por un escalar como
v
1
= (a, b)
En el contexto de segmentos dirigidos estas operaciones tienen signicados geometri-
cos: Comencemos con la multiplicaci on, sea un escalar y v = (a, b) un vector
v =
2
a
2
+
2
b
2
=
_
2
(a
2
+ b
2
)
=
a
2
+ b
2
= || v
Es decir, multiplicar un vector por un escalar diferente de cero tiene el efecto de multi-
plicar la longitud del vector por el valor absoluto de ese escalar.
M as a un, si > 0, entonces v est a en el mismo cuadrante que v y por tanto, la
direcci on de v es la misma que v. Si < 0, entonces v tiene la direcci on opuesta a
la de v.
Ejercicio 3.1 Considere el vector v = (1, 1). Represente v, 2v y 2v. Calcule v,
2v y 2v.
Ahora analicemos la suma. Suponga que tiene dos vectores u = (a
1
, b
1
) y v = (a
2
, b
2
).
La suma v
1
+v
2
se puede obtener trasladando la representaci on del vector v de manera
que su punto inicial coincida con el punto terminal de u. Por lo tanto, se puede obtener
el vector u + v dibujando un paralelogramo con un vertice en el origen y lados u y
v. Entonces u + v es el vector que va desde el origen a lo largo de la diagonal del
paralelogramo (ver Figura 6).
3.1.

Ahora bien, como la distancia m as corta entre dos puntos es la recta que los une, se
deduce que
u + v u +v
esta desigualdad se llama Desigualdad del triangulo por razones obvias.
Existen dos vectores especiales en R
2
que permiten representar otros vectores en el
plano de manera conveniente. Se denotan por i = (1, 0) y j = (0, 1). Si v = (a, b) es
cualquier vector en el plano, entonces (a, b) = a (1, 0) +b (0, 1), lo cual se puede escribir
como
v = ai + bj
Adem as de estos dos vectores, existe un tipo de vector muy util en ciertas aplica-
ciones:
Denici on 3.10 Un vector unitario es un vector con longitud 1.
Teorema 3.11 Si v es un vector cualquiera distinto de cero, un vector unitario con la
misma direccion de v esta dado por
u =
1
v
v
Teorema 3.12 Si u es un vector unitario entonces u se puede escribir como
u = cos () i + sin () j
Ejemplo 3.13 El vector u =
1
2
i +
3
2
j es unitario ya que
u =
_
1
4
+
3
4
=
_
4
4
=
1 = 1
3.1.

Ademas como
tan () =
3
2
1
2
=
2
3
2
=
3
de donde =

3
y por tanto
u = cos
_
3
_
i + sin
_
3
_
j
Ejercicio 3.2 Encuentre la magnitud, direccion y representacion del vector dado.
1. v = (4, 4)
2. v = (4, 4)
3. v =
_
1,
3
_
4. v =
_
1,
3
_
5. v =
_
1,
3
_
6. v =
_
1,
3
_
7. v =
_
3, 1
_
8. v = (5, 8)
Ejercicio 3.3 Sean u = (2, 3) y v = (5, 4) . Encuentre 3u, u + v, v u, 2u 7v.
Bosqueje estos vectores.
Ejercicio 3.4 Muestra que los vectores i y j son unitarios.
Ejercicio 3.5 Muestre que el vector
_
1
2
,
1
2
_
es unitario.
Ejercicio 3.6 Muestre que si v = ai + bj = 0 entonces
u =
a
a
2
+ b
2
i +
b
a
2
+ b
2
j
es un vector unitario que tiene la misma direccion que v.
Ejercicio 3.7 Encuentre un vector unitario que tenga la misma direccion que v
1. v = 2i + 3j
2. v = 3i + 4j
3. v = i j
4. v = ai + aj
Ejercicio 3.8 Sean P = (c, d) y Q = (c + a, d + b). Muestre que la magnitud de

PQ
es
a
2
+ b
2
.
Ejercicio 3.9 Encuentre un vector v que tenga la magnitud y direccion dados:
3.2. EL PRODUCTO ESCALAR Y LAS PROYECCIONES EN R
2
60
1. v = 3, =

6
2. v = 1, =

4
3. v = 8, =

3
4. v = 6, =
2
3
3.2. El producto escalar y las proyecciones en R
2
Denicion 3.14 Sean a =
_
a
1
a
2
_
y b =
_
b
1
b
2
_
dos vectores. Entonces el producto
escalar de a y b, denotado por a b, esta dado por
a b = a
1
b
1
+ a
2
b
2
Debido a la notacion, el producto escalar se llama con frecuencia producto punto o
producto interno de los vectores. Observe que el resultado del producto escalar de dos
vectores es un escalar.
Ejemplo 3.15 Sean
a =
_
1
2
_
, b =
_
3
2
_
calcule a b
Solucion.
a b = (1) (3) + (2) (2)
= 3 + 4
= 7
Ejemplo 3.16 Sean
a =
_
2, 3
_
, b =
_
1
2
_
calcule a b
Solucion. Aqu
a b = (2) (1) + (3) (2)
= 2 6
= 4
De la denici on de producto escalar se tienen las siguientes propiedades:
2
61
Teorema 3.17 Sean u, v y w tres vectores y sean y dos escalares. Entonces
1. u 0 = 0
2. u v = v u (ley conmutativa)
3. u (v + w) = u v + u w (ley distributiva)
4. (u) v = (u v)
Ahora veamos algunas propiedades geometricas del producto punto
Denici on 3.18 Sean u y v dos vectores diferentes de cero. Entonces el angulo entre
u y v esta denido como el angulo no negativo mas peque no entre las representaciones
de u y v que tienen al origen como punto inicial. Si u = v para alg un escalar ,
entonces = 0 si > 0 y = si < 0.
En la Figura 7 puede observar que se debe elegir para que sea un angulo no
negativo en el intervalo [0, ]
Figura 7
Teorema 3.19 Sea v un vector. Entonces v
2
= v v
Teorema 3.20 Sean u y v vectores diferentes de cero. Si es el angulo entre ellos,
entonces
cos () =
u v
u v
Prueba. La ley de cosenos establece que en un tri angulo cualquiera
2
62
A
B
A
C
a
c
b
Figura 8
c
2
= a
2
+ b
2
2ab cos (C)
Ahora se colocan las representaciones de u y v con los puntos iniciales en el origen de
manera que u = (a
1
, b
1
) y v = (a
2
, b
2
) (ver Figura 9)
v-u
v
(a
2
,b
2
)
(a
1
,b
1
)
x
u
y
0
Figura 9
Aplicando la ley de cosenos tenemos
v u
2
= u
2
+v
2
2 u v cos ()
pero por el teorema anterior
v u
2
= (v u) (v u) = v (v u) u (v u)
= v v u v u v + u u
= v
2
2u v +u
2
sustituyendo en la ley de cosenos se llega a la igualdad
v
2
2u v +u
2
= u
2
+v
2
2 u v cos ()
de donde
2u v = 2 u v cos ()
y de aqu
cos () =
u v
u v
2
63
Observaci on 3.21 Usando este teorema se puede denir el producto escalar como
u v = u v cos ()
Ejemplo 3.22 Encuentre el angulo entre los vectores u = 2i + 3j y v = 7i +j
Solucion. Calculamos
u v = (2) (7) + (3) (1) = 14 + 3
= 11
adem as
u =
4 + 9 =
13
v =
49 + 1 =
50
de modo que
cos () =
11
13
50
=
11
650
0,431455497
de manera que
= cos
1
(0,431455497)
2,0169rad o 115,6
o
Denicion 3.23 Dos vectores diferentes de cero u y v son paralelos si el angulo entre
ellos es cero o . Observe que los vectores paralelos tienen la misma direccion o la
direccion opuesta.
Ejemplo 3.24 Muestre que los vectores u = (2, 3) y v = (4, 6) son paralelos.
Solucion.
cos () =
26
26
= 1
por lo tanto = de manera que u y v tienen direcciones opuestas.
Teorema 3.25 Si u = 0, entonces v = u para alguna constante si y solo si u y v
son paralelos.
Teorema 3.26 Los vectores u y v diferentes de cero son ortogonales (o perpendicula-
res) si el angulo entre ellos es

2
.
2
64
Observaci on 3.27 Ya que cos
_
2
_
= 0, se dice que dos vectores u y v distintos de cero
son ortogonales si y solo si u v = 0.
Ejemplo 3.28 Muestre que los vectores u = (3, 4) y v = (4, 3) son ortogonales
Solucion. Calculemos el producto punto de los vectores u y v
u v = 12 12 = 0
y de aqu concluimos que u y v son ortogonales.
Teorema 3.29 Sea v un vector diferente de cero. Entonces para cualquier otro vector
u, el vector
w = u
u v
v
2
v
es ortogonal a v.
v
x
u
y
u(
uv
v
2
)v=w
uv
v
2
v=proy
v
u
Figura 10
Denicion 3.30 Sean u y v dos vectores diferentes de cero. Entonces la proyeccion de
u sobre v es un vector denotado por proy
v
u, que se dene por
proy
v
u =
u v
v
2
v
Ejemplo 3.31 Sean u = (2, 3) y v = (1, 1) calcule proy
v
u
Solucion.
proy
v
u =
u v
v
2
v
=
5
_
2
_
2
(1, 1)
=
_
5
2
,
5
2
_
Ejercicio 3.10 Calcule el producto punto y el coseno del angulo entre los vectores dados
3.3. VECTORES EN EL ESPACIO 65
1. u = i +j, v = i j
2. u = 5i, v = 18j
3. u = 2i + 5j, v = 5i + 2j
4. u = 3i + 4j, v = 2i 7j
Ejercicio 3.11 Muestre que para y cualesquiera, los vectores u = (, ) y v =
(, ) son ortogonales.
Ejercicio 3.12 Determine si los vectores son paralelos, ortogonales o ninguno de los
dos
1. u = (3, 5), v = (6, 10)
2. u = 2i + 3j, v = 6i + 4j
3. u = 2i + 3j, v = 6i + 4j
4. u = 2i + 3j, v = 6i + 4j
Ejercicio 3.13 Calcule proy
v
u si
1. u = 3i, v = i +j
2. u = 2i +j, v = i 2j
3. u = i +j, v = 2i 3j
4. u = 2i + 3j, v = 4i +j.
Ejercicio 3.14 Un triangulo tiene vertices (1, 3), (4, 2) y (3, 6) Encuentre el coseno
de cada angulo
Ejercicio 3.15 Sean P = (2, 3), Q = (5, 7), R = (2, 3) y S = (1, 2). Calcule
Proy
PQ
RS y Proy
RS
PQ
3.3. Vectores en el espacio
Cualquier punto en el plano se puede representar como un par ordenado de n umeros
reales. De manera analoga, cualquier punto en el espacio se puede representar por una
terna ordenada de n umeros reales
_
a, b, c
_
Los vectores de la forma anterior constituyen el espacio R
3
. Para representar un punto
en el espacio, se empieza por elegir un punto en R
3
. Este punto se llama origen, denotado
por 0. Despues se dibujan tres ejes perpendiculares entre s, a las que se llama el eje
x, el eje y y el eje z. Estos ejes se pueden seleccionar de muchas maneras, pero lo mas
com un es que el eje x y el eje y sean horizontales y el eje z sea vertical. Sobre cada
eje se elige una direcci on positiva y a la largo de cada eje se mide como el n umero de
unidades en esta direcci on positiva.
Hay dos sistemas b asicos para dibujar los ejes
Los tres ejes en nuestro sistema coordenado determinan los tres planos coordenados,
que se llaman plano xy, plano xz y plano yz
Teniendo nuestra estructura construida de ejes y planos coordenados, podemos des-
cribir cualquier punto de P en R
3
de una sola manera
P (x, y, z)
en donde la primera coordenada x es la distancia dirigida en el plano yz a P, la segunda
coordenada y es la distancia dirigida del plano xz a P y la tercera coordenada z es la
distancia dirigida del plano xy a P.
En este sistema los tres planos coordenados dividen al espacio R
3
en ocho octantes,
de la misma manera que los ejes coordenados dividen a R
2
en cuatro cuadrantes.
El sistema coordenado que acaba de establecerse se conoce como sistema de coor-
denadas rectangulares o sistema de coordenadas cartesianas. Ahora podemos extender
muchas ideas que usamos en el plano.
Teorema 3.32 Sean P = (x
1
, y
1
, z
1
) y Q = (x
2
, y
2
, z
2
) dos puntos en el espacio. En-
tonces la distancia PQ entre P y Q esta dada por
PQ =
_
(x
1
x
2
)
2
+ (y
1
y
2
)
2
+ (z
1
z
2
)
2
Ejemplo 3.33 Calcule la distancia entre (3, 1, 6) y (2, 3, 5). De acuerdo al teorema
anterior se tiene
_
(3 + 2)
2
+ (1 3)
2
+ (6 5)
2
=
25 + 16 + 1
=
42
Sean P y Q dos puntos distintos de R
3
. Entonces el segmento de recta dirigido
PQ es el segmento de recta que se extiende de P a Q. Dos segmentos dirigidos son

equivalentes si tienen la misma magnitud y direccion. Un vector en R
3
es el conjunto
de todos los segmentos de recta dirigidos equivalentes a un segmento de recta dirigido
dado, y cualquier segmento dirigido

PQ en ese conjunto se llama representacion del
vector.
Por conveniencia se elige P en el origen para poder escribir el vector v =
0Qmediante
las coordenadas (x, y, z)
Denici on 3.34 La magnitud del vector v = (x, y, z) esta dada por
v =
_
x
2
+ y
2
+ z
2
Denici on 3.35 Sean u = (x
1
, y
1
, z
1
) y v = (x
2
, y
2
, z
2
) dos vectores y sea un escalar,
entonces se dene
u + v =
_
x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
_
u =
_
x
1
, y
1
, z
1
_
Denici on 3.36 Un vector unitario es un vector de magnitud 1. Si v es diferente de
cero, entonces
u =
v
v
es un vector unitario con la misma direccion que v.
Ejemplo 3.37 Encuentre un vector unitario que tenga la misma direccion que
v =
_
2, 4, 3
_
.
Solucion. Como v =
_
2
2
+ 4
2
+ (3)
2
=
29 se tiene que
u =
_
2
29
,
4
29
,
3
29
_
es un vector unitario con la misma direcci on que v.
Ahora denimos el concepto de direccion. No se puede denir como el angulo
que se forma con la parte positiva del eje x ya que si 0 < <

2
, entonces existe una
cantidad innita de vectores que forman un angulo con la parte positiva del eje x, y
estos vectores juntos forman un cono.
Denici on 3.38 La direccion de un vector v R
3
se dene como el vector unitario
u =
v
v
.
Podemos denir la direccion de v en terminos de algunos angulos. Sea v el vector
0P. Denimos como el angulo que se forma con la parte positiva del eje x, es el
angulo que se forma con la parte positiva del eje y y el angulo entre v la parte positiva
del eje z. Los angulos , y son llamados angulos directores del vector v.
x
y
z
a
g
b
Usando trigonometra b asica se puede mostrar que
cos () =
x
v
, cos () =
y
v
, cos () =
z
v
Si v es un vector unitario
cos () = x, cos () = y, cos () = z
Los cosenos de estos angulos son llamados cosenos directores. Si v no es unitario, se
llaman n umeros directores.
Ejemplo 3.39 Calcule los cosenos directores del vector
v =
_
4, 1, 6
_
Solucion. Como v =
16 + 1 + 36 =
53. La direcci on de v es
u =
v
v
=
_
4
53
,
1
53
,
6
53
_
De donde
cos () =
4
53
0,5494
cos () =
1
53
0,1374
cos () =
6
53
0,8242
Recuerde que cualquier vector en el plano se puede escribir en terminos de los
vectores base i, j. Para extender esta idea a R
3
, se dene
i =
_
1, 0, 0
_
j =
_
0, 1, 0
_
k =
_
0, 0, 1
_
Aqu i, j y k son vectores unitarios. De esta manera cualquier vector en R
3
se puede
escribir en terminos de i, j y k, por ejemplo, si u =
_
a, b, c
_
u = ai + bj + ck
Otros conceptos tambien se pueden aplicar de la misma manera que en el plano.
Las demostraciones son las mismas.
Teorema 3.40 Si denota el angulo positivo mas peque no entre dos vectores u y v
diferentes de cero, se tiene
cos () =
u v
u v
Denicion 3.41 Dos vectores u y v diferentes de cero son:
1. Paralelos si el angulo entre ellos es 0 o
2. Ortogonales si el angulo entre ellos es

2
Teorema 3.42 Si u = 0, entonces u y v son paralelos si y solo si v = u para alg un
escalar = 0
Teorema 3.43 Si u y v son diferentes de cero, entonces u y v son ortogonales si y
solo si u v = 0.
Teorema 3.44 Sea v un vector diferente de cero, entonces para cualquier otro vector
u
w = u
u v
v
2
v
es ortogonal a v.
Denici on 3.45 Sean u y v dos vectores diferentes de cero. Entonces la proyeccion de
u sobre v, denotada por proy
v
u esta denida por
proy
v
u =
u v
v
2
v
La componente de u en la direccion de v esta dada por
u v
v
.
Ejercicio 3.16 Considere el triangulo con vertices P
_
2, 0, 3
_
, Q
_
5, 2, 1
_
y R
_
7, 5, 3
_
1. Muestre que es un triangulo rectangulo
2. Encuentre la longitud de sus tres lados y verique que cumple el teorema de pitago-
ras
Ejercicio 3.17 Encuentre u v donde:
1. u =
_
2, 1, 3
_
, v =
_
1, 1, 1
_
2. u =
_
1, 2, 1
_
, v =
_
1, 2, 1
_
3. u =
_
1, 1, 3
_
, v = 2
_
2, 1, 1
_
4. u =
_
x, y, z
_
, v =
_
a, b, c
_
Ejercicio 3.18 Determine los cosenos directores para:
1. u =
_
3, , 2 5
_
2. w =
_
0, 4, 3
_
3. v =
_
6, 4, 1
_
4. x =
_
0, 1, 0
_
Ejercicio 3.19 Es posible encontrar escalares
1
,
2
y
3
distintos de cero tales que:
1
_
_
2
1
3
_
_
+
2
_
_
0
1
1
_
_
+
3
_
_
2
1
1
_
_
=
_
_
0
0
0
_
_
?
3.4. PRODUCTO CRUZ 71
3.4. Producto cruz
En muchas aplicaciones de vectores a problemas de geometra, fsica e ingeniera es
de interes construir en el espacio tridimensional un vector que sea perpendicular a dos
vectores dados.
Denici on 3.46 Si u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
) son vectores en el espacio tridi-
mensional entonces el producto cruz u v es el vector denido por
u v =
_
u
2
v
3
u
3
v
2
, u
3
v
1
u
1
v
3
, u
1
v
2
u
2
v
1
_
o, en notacion de determinantes
1
,
u v =
i j k
u
1
u
2
u
3
v
1
v
2
v
3
Ejemplo 3.47 Calcule u v donde u =

_
2, 4, 5
_
y v =
_
3, 2, 1
_
Solucion. Por denici on tenemos que
u v =
i j k
2 4 5
3 2 1
aplicando la regla de Sarrus tenemos que

u v = 6i + 13j + 8k
=
_
6, 13, 8
_
Una diferencia importante entre el producto punto y el producto cruz de dos vectores
es que el producto punto es un escalar y el producto cruz es un vector. El vector que se
obtiene con el producto cruz u v tiene la propiedad de ser ortogonal tanto a u como
a v. Otras propiedades son las siguientes:
Teorema 3.48 Si u, v y w son vectores en el espacio tridimensional, entonces
1. u (u v) = 0, es decir, u v es ortogonal a u
2. v (u v) = 0, es decir, u v es ortogonal a v
3. u v
2
= u
2
v
2
(u v)
2
identidad de Lagrange
1
En realidad no es un determinante ya que i, j y k son vectores no n umeros. El usar la notacion de
determinantes es solo para ayudarnos a recordar como calcular un producto cruz.
4. u (v w) = (u w) v (u v) w
5. (u v) w = (u w) v (v w) u
Anteriormente obtuvimos que
u v =
_
6, 13, 8
_
ahora calculemos v u
v u =
i j k
3 2 1
2 4 5
aplicando la regla de Sarrus tenemos

v u = 6i 13j 8k
=
_
6, 13, 8
_
podemos observar que
u v = v u
es decir, el producto cruz es anticonmutativo. Otras propiedades aritmeticas del pro-
ducto cruz son las siguientes:
Teorema 3.49 Si u, v y w son vectores cualesquiera en el espacio tridimensional y k
es cualquier escalar, entonces:
1. u v = v u
2. u (v + w) = (u v) + (u w)
3. (u + v) w = (u w) + (v w)
4. k (u v) = ku v = u kv
5. u 0 = 0 u = 0
6. u u = 0
Consideremos los vectores u =
_
1, 2, 3
_
, v =
_
1, 4, 2
_
y w =
_
3, 1, 5
_
calculemos (u v) w y u (v w):
(u v) =
i j k
1 2 3
1 4 2
=
_
16, 1, 6
_
_
16, 1, 6
_
w =
i j k
16 1 6
3 1 5
=
_
1, 62, 13
_
Ahora calculamos u (v w)
v w =
i j k
1 4 2
3 1 5
=
_
18, 11, 13
_
u
_
18, 11, 13
_
=
i j k
1 2 3
18 11 13
=
_
7, 41, 25
_
como se puede observar el producto cruz NO es asociativo.
3.4.1. Interpretaci on geometrica del producto cruz
Si u y v son vectores en el espacio tridimensional, entonces la norma de uv tiene
una interpretac on geometrica util. La identidad de Lagrange establece que:
u v
2
= u
2
v
2
(u v)
2
si denota al angulo entre los vectores u y v se sabe que u v = u v cos () de
modo que la identidad de Lagrange se puede escribir como
u v
2
= u
2
v
2
(u v cos ())
2
= u
2
v
2
u
2
v
2
cos
2
()
= u
2
v
2
_
1 cos
2
()
= u
2
v
2
sin
2
()
por lo que deducimos que
u v = u v sin ()
Pero v sin () es la altura del paralelogramo determinado por u y v por tanto, el area
A de ese paralelogramo est a dada por
A = u v sin () = u v
Este resultado es correcto incluso si u y v son colineales, ya que el paralelogramo
determinado por esos vectores tiene area cero y se sabe que en este caso u v = 0
porque = 0. Hemos obtenido el siguiente teorema
Teorema 3.50 Si u y v son vectores en el espacio tridimensional, entonces u v es
igual al area del paralelogramo determinado por u y v.
v
x
u
y
z
h
vsin()
Ejemplo 3.51 Determinar el area del triangulo determinado por los puntos P
1
(2, 2, 0)
y P
2
(1, 0, 2) y P
3
(0, 4, 3).
Solucion. El area A del tri angulo es
1
2
del area del paralegramo determinado por los
vectores

P
1
P
2
y

P
1
P
3
tenemos que
P
1
P
2
= P
2
P
1
= (1, 0, 2) (2, 2, 0)
= (3, 2, 2)
y ademas
P
1
P
3
= P
3
P
1
= (0, 4, 3) (2, 2, 0)
= (2, 2, 3)
de donde tenemos
A =
1
2
_
_
_
P
1
P
2
P
1
P
3
_
_
_
=
1
2
(15) =
15
2
Denicion 3.52 Si u, v y w son vectores en el espacio tridimensional, entonces
u (v w)
se denomina triple producto escalar de u, v y w.
El triple producto escalar de u = (u
1
, u
2
, u
3
), v = (v
1
, v
2
, v
3
) y w = (w
1
, w
2
, w
3
)
se puede calcular a partir de la formula
u (v w) =
u
1
u
2
u
3
v
1
v
2
v
3
w
1
w
2
w
3
Este producto tiene las siguiente interpretaciones geometricas:

Teorema 3.53 El valor absoluto del triple producto escalar
|u (v w)|
es igual al volumen del paraleleppedo en el espacio tridimensional determinado por los
vectores u =
_
u
1
, u
2
, u
3
_
, v =
_
v
1
, v
2
, v
3
_
y w =
_
w
1
, w
2
, w
3
_
.
v
u
(v
1
,v
2
,v
3
)
(u
1
,u
2
,u
3
)
x
u
y
z
(w
1
,w
2
,w
3
)
w
Teorema 3.54 Si los vectores u =
_
u
1
, u
2
, u
3
_
, v =
_
v
1
, v
2
, v
3
_
y w =
_
w
1
, w
2
, w
3
_
tienen el mismo punto inicial, entonces estan en el mismo plano (son coplanares) si y
solo si
u (v w) =
u
1
u
2
u
3
v
1
v
2
v
3
w
1
w
2
w
3
= 0
Ejercicio 3.20 Sean u =
_
3, 2, 1
_
, v =
_
0, 2, 3
_
y w =
_
2, 6, 7
_
. Calcular
1. v w
2. (u v) (v w)
3. u (v w)
4. u (v 2w)
5. (u v) 2w
6. (u v) w
Ejercicio 3.21 Encontrar un vector que sea ortogonal tanto a u como a v
1. u =
_
6, 4, 2
_
, v =
_
3, 1, 5
_
2. u =
_
2, 1, 5
_
, v =
_
3, 0, 3
_
Ejercicio 3.22 Encontrar el area del paralelogramo determinado por u y v
1. u =
_
1, 1, 2
_
, v =
_
0, 3, 1
_
2. u =
_
2, 3, 0
_
, v =
_
1, 2, 2
_
3. u =
_
3, 1, 4
_
, v =
_
6, 2 8
_
Ejercicio 3.23 Encontrar el area de los triangulos cuyos vertices son P, Q y R
1. P (2, 6, 1), Q(1, 1, 1), R(4, 6, 2)
2. P (1, 1, 2), Q(0, 3, 4), Q(6, 1, 8)
Ejercicio 3.24 Encontrar el volumen del paraleleppedo cuyos lados son u, v y w:
1. u =
_
2, 6, 2
_
, v =
_
0, 4, 2
_
, w =
_
2, 2, 4
_
2. u =
_
3, 1, 2
_
, v =
_
4, 5, 1
_
, w =
_
1, 2, 4
_
Ejercicio 3.25 Determinar si u, v y w son coplanares cuando se colocan de modo que
coincidan sus puntos iniciales.
1. u =
_
1, 2, 1
_
, v =
_
3, 0, 2
_
, w =
_
5, 4, 0
_
2. u =
_
5, 2, 1
_
, v =
_
4, 1, 1
_
, w =
_
1, 1, 0
_
3. u =
_
4, 8, 1
_
, v =
_
2, 1, 2
_
, w =
_
3, 4, 12
_
Ejercicio 3.26 Demostrar que si es el angulo entre u y v y u v = 0, entonces
tan () =
u v
u v
Ejercicio 3.27 Considerar el paraleleppedo con lados u =
_
3, 2, 1
_
, v =
_
1, 1, 2
_
y w =
_
1, 3, 3
_
3.5. RECTAS Y PLANOS EN EL ESPACIO 77
1. Encontrar el area de la cara determinada por u y w.
2. Encontrar el angulo entre u y el plano que contiene la cara determinada por v y
w
Ejercicio 3.28 En geometra de solidos existe une teorema que establece que el volu-
men de un tetraedro es
1
3
(area de la base)(altura). Usar este resultado para demostrar
que el volumen del tetraedro cuyos lados son los vectores a, b, y c es
1
6
a (b c)
c
b a
3.5. Rectas y planos en el espacio
Dos guras basicas en el espacio son la recta y el plano. Ambas son representadas
por ecuaciones lineales. En esta secci on estudiaremos las ecuaciones de ambas guras.
3.5.1. Las ecuaciones de la recta
En el plano una recta se puede especicar si se conocen dos puntos sobre ella o si se
conoce uno de sus puntos y su pendiente. De manera semejante en el espacio se puede
calcular la ecuaci on de la recta si se conocen dos puntos sobre ella o alternativamente
un punto y una direcci on.
Considere los puntos P (x
1
, y
1
, z
1
) y Q(x
2
, y
2
, z
2
) sobre una recta L. Un vector
paralelo a L es el vector con representaci on

PQ dado por
v = QP =
_
x
2
x
1
, y
2
y
1
, z
2
z
1
_
Si denimos a = x
2
x
1
, b = y
2
y
1
y c = z
2
z
1
, podemos escribir el vector de
direcci on v como
v =
_
a, b, c
_
Ahora sea R(x, y, z) otro punto sobre la recta, entonces

PR debe de ser paralelo a
PQ, por lo que debe de ser un m ultiplo de v,
PR = tv
Se puede comprobar que
0R =
0P +
PR
combinando las dos ultimas igualdades tenemos
0R =
0P + tv (3.1)
Esta ultima ecuacion es conocida como la ecuaci on vectorial de la recta L. Si R est a sobre
L, entonces la ecuaci on (3.1) se satisface para alg un valor de t.
P
x
Q
y
0
R
z
P
x
Q
y
0
R
z
P
x
Q
y
0
R
z
Si extendemos las componentes de la ecuaci on (3.1), se obtiene
_
x, y, z
_
=
_
x
1
, y
1
, z
1
_
+ t
_
a, b, c
_
es decir,
x = x
1
+ ta (3.2)
y = y
1
+ tb
z = z
1
+ tc
Estas ecuaciones (3.2) se llaman ecuaciones parametricas de la recta.
Si ahora despejamos el parametro t de cada una de las ecuaciones parametricas
tenemos:
x = x
1
+ ta = t =
x x
1
a
y = y
1
+ tb = t =
y y
1
b
z = z
1
+ tc = t =
z z
1
c
de donde:
x x
1
a
=
y y
1
b
=
z z
1
c
(3.3)
si a = 0, b = 0 y c = 0. Estas ecuaciones son llamadas ecuciones simetricas de la recta.
Ejemplo 3.55 Encuentre la ecuacion de la recta que pasa por los puntos P
_
2, 1, 6
_
y Q
_
3, 1, 2
_
.
Solucion. Primero debemos calcular el vector de direcci on
v =
PQ = QP =
_
3, 1, 2
_
_
2, 1, 6
_
=
_
1, 2, 8
_
ahora seleccionamos un punto cualquiera, por comodidad tomamos P, entonces la ecua-
ci on vectorial de la recta es
_
x, y, z
_
=
_
2, 1, 6
_
+ t
_
1, 2, 8
_
Las ecuaciones parametricas de la recta son
x = 2 + t
y = 1 + 2t
z = 6 8t
Finalmente las ecuaciones simetricas de las rectas son
x 2
1
=
y + 1
2
=
z 6
8
Ejemplo 3.56 Encuentre las ecuaciones simetricas de la recta que pasa por el punto
P
_
1, 2, 4
_
y es paralela al vector v = i +j k.
Solucion. Usando las ecuaciones (3.3) se llega a
x 1
1
=
y + 2
1
=
z 4
1
Ejemplo 3.57 Encuentre las ecuaciones simetricas de la recta que contiene los puntos
P
_
3, 4, 1
_
y Q
_
2, 4, 6
_
.
Solucion. Calculamos el vector de direcci on v
v =
PQ = QP
=
_
2, 4, 6
_
_
3, 4, 1
_
=
_
5, 0, 7
_
Ya que la componente y es cero, no podemos escribir las tres ecuaciones como en (3.3),
sin embargo, las ecuaciones simetricas se pueden representar de la siguiente manera
x + 2
5
=
z 6
7
, y = 4
La ecuaci on y = 4, es la ecuaci on de un plano paralelo al plano xy, as que obtuvo una
ecuaci on de una recta en ese plano.
Ejemplo 3.58 Encuentre las ecuaciones simetricas de la recta que pasa por los puntos
P
_
2, 3, 2
_
y Q
_
2, 1, 2
_
.
Solucion. Calculamos el vector de direcci on v,
v =
PQ =
_
2, 1, 2
_
_
2, 3, 2
_
=
_
0, 4, 0
_
como tenemos dos componentes cero las ecuaciones simetricas se escriben como
x = 2,
y 3
4
= t, z = 2
Ejercicio 3.29 Encuentre las ecuaciones de la recta que pasa por los puntos indicados
1. P
_
2, 1, 3
_
y Q
_
1, 2, 1
_
2. P
_
1, 1, 1
_
y Q
_
1, 1, 1
_
3. P
_
2, 3, 4
_
y Q
_
2, 0, 4
_
4. P
_
1, 2, 3
_
y Q
_
3, 2, 1
_
Ejercicio 3.30 Encuentra las ecuaciones de la recta que pasa por
_
4, 1, 6
_
y es
paralela a
x 2
3
=
y + 1
6
=
z 5
2
.
Ejercicio 3.31 Muestre que las rectas
L
1
:
x 3
2
=
y + 1
4
=
z 2
1
y
L
2
:
x 3
5
=
y + 1
2
=
z 3
2
son ortogonales.
Ejercicio 3.32 Demuestre que las rectas
L
1
:
x 1
1
=
y + 3
2
=
z + 3
3
y
L
2
:
x 3
3
=
y 1
6
=
z 8
9
son paralelas.
Ejercicio 3.33 Muestre que las rectas L
1
:
_
x, y, z
_
=
_
1 + t, 3 + 2t, 2 t
_
y
L
2
:
_
x, y, z
_
=
_
17 + 3s, 4 + s, 8 s
_
tienen el punto
_
2, 1, 3
_
en com un.
3.5.2. La ecuacion del plano en R
3
Un plano se puede especicar proporcionando su inclinaci on y uno de sus puntos. Un
metodo para describir la inclinaci on del plano es especicar un vector diferente de cero
perpendicular al plano. A cualquier vector perpendicular al plano se le llama vector
normal. Al vector normal a un plano por la general se le representa con la letra n.
P
0
(x
0
,y
0
,z
0
)
x
y
z
P(x,y,z)
n
Deseamos encontrar la ecuacion del plano que pasa por el punto P
0
_
x
0
, y
0
, z
0
_
y
cuyo vector normal es n =
_
a, b, c
_
diferente de cero. El plano consta de todos los
puntos P
_
x, y, z
_
tales que el vector

P
0
P es ortogonal a n, es decir, para
n
P
0
P = 0
como

P
0
P =
_
x, y, z
_
_
x
0
, y
0
, z
0
_
=
_
x x
0
, y y
0
, z z
0
_
por lo que la
ecuaci on anterior puede reescribirse como:
a (x x
0
) + b (y y
0
) + c (z z
0
) = 0
Esta igualdad se llama forma punto-normal de la ecuacion del plano. Desarrollando
la forma punto-normal del plano tenemos
ax ax
0
+ by by
0
+ cz cz
0
= 0
ax + by + cz ax
0
by
0
cz
0
= 0
denimos d = ax
0
by
0
cz
0
y se llega a la forma general de la ecuaci on del plano
ax + by + cz + d = 0
Teorema 3.59 Si a, b, c y d son constantes y algunas de ellas son distintas de cero
entonces la graca de la ecuacion
ax + by + cz + d = 0
es un plano cuyo vector normal es n =
_
a, b, c
_
Ejemplo 3.60 Encuentre la ecuacion del plano que pasa por el punto P
0
_
3, 1, 7
_
y es perpendicular al vector n =
_
4, 2, 5
_
.
Solucion. La forma punto-normal es
_
4, 2, 5
_
_
x 3, y + 1, z 7
_
= 0
4 (x 3) + 2 (y + 1) 5 (z 7) = 0
desarrollando
4x 12 + 2y + 2 5z + 35 = 0
4x + 2y 5z 12 + 2 + 35 = 0
4x + 2y 5z + 25 = 0
que es la ecuaci on general del plano.
Ejemplo 3.61 Encontrar la ecuacion del plano que pasa por los puntos P
1
_
1, 2, 1
_
,
P
2
_
2, 3, 1
_
y P
3
_
3, 1, 2
_
Solucion. (Sistema de ecuaciones)
Como los tres puntos estan sobre el plano, sus coordenadas deben de satisfacer la
ecuaci on general
ax + by + cz + d = 0
As para P
1
_
1, 2, 1
_
a (1) + b (2) + c (1) + d = 0
a + 2b c + d = 0
para P
2
_
2, 3, 1
_
a (2) + b (3) + c (1) + d = 0
2a + 3b + c + d = 0
y para P
3
_
3, 1, 2
_
a (3) + b (1) + c (2) + d = 0
3a b + 2c + d = 0
Uniendo estas tres ecuaciones el sistema queda
a + 2b c + d = 0
2a + 3b + c + d = 0
3a b + 2c + d = 0
la matriz aumentada que corresponde a este sistema queda
_
_
1 2 1 1 | 0
2 3 1 1 | 0
3 1 2 1 | 0
_
_
la forma escalonada reducida es:
_
_
1 0 0
9
16
| 0
0 1 0
1
16
| 0
0 0 1
5
16
| 0
_
_
haciendo d = t podemos despejar las otras soluciones
a =
9
16
t
b =
1
16
t
c =
5
16
t
tomando t = 16 una soluci on es
a = 9
b = 1
c = 5
d = 16
sustituyendo en la forma general la ecuacion del plano es
9x + y 5z 16 = 0
Solucion. (Producto cruz)
Estos puntos determinan dos vectores sobre el plano, el vector
P
1
P
2
=
_
2, 3, 1
_
_
1, 2, 1
_
=
_
1, 1, 2
_
y el vector
P
1
P
3
=
_
3, 1, 2
_
_
1, 2, 1
_
=
_
2, 3, 3
_
un vector ortogonal tanto a

P
1
P
2
como a

P
1
P
3
es

P
1
P
2
P
1
P
3
P
1
P
2
P
1
P
3
=
i j k
1 1 2
2 3 3
=
_
9, 1, 5
_
usando P
1
_
1, 2, 1
_
la ecuacion en su forma punto-normal es:
_
9, 1, 5
_
_
x 1, y 2, z + 1
_
= 0
9 (x 1) + (y 2) 5 (z + 1) = 0
desarrollando
9x 9 + y 2 5z 5 = 0
9x + y 5z 9 2 5 = 0
9x + y 5z 16 = 0
Ejercicio 3.34 Encuentre la forma punto-normal de la ecucion del plano que pasa por
P y cuyo vector normal es n.
1. P
_
1, 3, 2
_
; n =
_
2, 1, 1
_
2. P
_
2, 0, 0
_
; n =
_
0, 0 , 2
_
Ejercicio 3.35 Encontrar la forma punto normal del plano 3x + 7y + 2z = 10
Ejercicio 3.36 Encontrar la ecuacion del plano que pasa por los puntos
1. P
_
4, 1, 1
_
, Q
_
2, 0, 1
_
, R
_
1, 2, 3
_
2. P
_
5, 4, 3
_
, Q
_
4, 3, 1
_
, R
_
1, 5, 4
_
Ejercicio 3.37 Determinar si los planos son paralelos
1. 4x y + 2z = 5; 7x 3y + 4z = 8
2. x 4y 3z 2 = 0; 3x 12y 9z 7 = 0
Ejercicio 3.38 Determinar si los planos son perpendiculares
1. 3x y + z 4 = 0, x + 2z = 1
2. x 2y + 3z = 4, 2x + 5y + 4z = 1
Ejercicio 3.39 Determinar si la recta y el plano son perpendiculares
1. x = 2 4t, y = 3 2t, z = 1 + 2t; 2x + y z = 5
2. x = 2 + t, y = 1 t, z = 5 + 3t; 6x + 6y 7 = 0

Notas PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Notas PDF

Загружено:

Авторское право:

Доступные форматы

Algebra Lineal

M. C. M. Dennis Rafael Tuyub Puc

es una matriz la (1 4); mientras que

Observe el signo en el segundo termino.

= (3) (2) (5) (19) + (2) (10)

= (1) (92) (3) (70) + (5) (2) (2) (16) = 160

Finalmente relacionamos los determinantes con las matrices inversas:

con c = 0, entonces el sistema NO tiene solucion ya que este sistema corresponde a la

concluimos que este sistema no tiene soluci on.

puede aparecer en cualquier lugar de la ta-

multiplicamos la segunda columna por y y se la sumamos a la primera

Ya que x e y son soluciones satisfacen las ecuaciones y por tanto

2.3. REGLA DE CRAMER 49

de donde surge la formula

De manera similar, si queremos encontrar una f ormula para y tomamos

Ahora la primera columna la multiplicamos por x y se la sumamos a la segunda

como x e y son soluciones

y por la propiedad transitiva de la igualdad

las formulas se reescriben como:

0R = QP = (4, 3) (3, 5) = (1, 8)

PQ es el segmento de recta que se extiende de P a Q. Dos segmentos dirigidos son

Ejemplo 3.47 Calcule u v donde u =

aplicando la regla de Sarrus tenemos que

aplicando la regla de Sarrus tenemos

Este producto tiene las siguiente interpretaciones geometricas:

PQ, por lo que debe de ser un m ultiplo de v,

Вам также может понравиться