APUNTES DE ALGEBRA LINEAL: MODULO I

PARA INGENIERIA CIVIL

Carlos Picarte F.

Concepcion, 2 de agosto de 2017.

RPI: Inscripcion N 278.967

Texto bajo Proyecto ModuDMat
Compilado en LATEXcon MiKTEX2.8
2 UBB
Indice general

1. Rectas y Planos 5
1.1. Plano Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1. Espacio Cartesiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2. Puntos y Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Operaciones con Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3. Producto Interior de Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1. Norma y Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.2. Angulos entre vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.3. Proyeccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Producto Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5. Ecuacion de la Recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.1. Posicion Relativa entre Rectas . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.2. Distancia de un punto a una recta . . . . . . . . . . . . . . . . . . . . . . 24
1.6. Ecuacion del Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.6.1. Posicion Relativa entre Planos . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6.2. Distancia de un punto a un plano . . . . . . . . . . . . . . . . . . . . . . 28

2. Espacios Vectoriales 31
2.1. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2. Subespacio Vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.1. Ejemplos de Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.2. Dependencia e Independencia Lineal . . . . . . . . . . . . . . . . . . . . . 37
2.2.3. Bases y Dimension de un Espacio Vectorial . . . . . . . . . . . . . . . . . 38
2.2.4. Caracterizacion de un espacio vectorial . . . . . . . . . . . . . . . . . . . 43
2.2.5. Coordenadas de un vector respecto a una base B . . . . . . . . . . . . . 43
2.2.6. Matriz Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3. Proceso de Ortogonalizacion de Gram-Schmidt . . . . . . . . . . . . . . . . . . . 46
2.4. Anexo: Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . 49
2.4.1. Notacion Matricial de un Sistema de Ecuaciones . . . . . . . . . . . . . 50
2.4.2. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.4.3. Metodo de Reduccion de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 54

3
INDICE GENERAL INDICE GENERAL

4 UBB
 1 Rectas y Planos
Primero estudiaremos el Plano (R2 ) y el Espacio (R3 ) Cartesianos , junto a sus propie-
dades y operaciones mas importantes para el curso.

1.1 Plano Cartesiano

Definicion 1.1 (Plano).

El plano cartesiano esta formado por dos lneas rectas (ejes) perpendiculares entre
s, subdividiendo el plano en cuatro partes llamadas cuadrantes. La representacion
en coordenadas de los cuadrantes es la siguiente:

Figura 1.1: Cuadrantes en el Plano Cartesiano

Donde el eje horizontal se llama eje de abscisas o tambien eje x; el eje verti-
cal se llama eje de las ordenadas o eje y, y el punto O se llama origen de
coordenadas.

5
Captulo 1: Rectas y Planos C. Picarte F.

1.1.1. Espacio Cartesiano

El espacio cartesiano esta formado por tres lneas rectas (ejes) perpendiculares entre s,
subdividiendo el espacio en ocho partes llamadas octantes. La representacion en coordenadas
de los cuadrantes es la siguiente:

Figura 1.2: Octantes en el Espacio Cartesiano

1.1.2. Puntos y Vectores

Definicion 1.2.

Un punto representa una posicion en el plano (espacio), mediante sus coordenadas

(x0 , y0 ) ((x0 , y0 , z0 ) en el espacio ), y un vector se representa por un segmento

orientado con origen en A y extremo en B, con el smbolo AB.

Figura 1.3: Representacion de un punto y un Vector

6 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Observacion 1.1.

Dos puntos A(x1 , y1 ) y B(x2 , y2 ) son iguales si sus componentes correpondiente son
iguales, es decir,

A(x1 , y1 ) = B(x2 , y2 ) [x1 = x2 y1 = y2 ]

Observacion 1.2 (Vector).

Un vector se caracteriza por su:

modulo: es el valor numerico de la magnitud vectorial. Se representa grafi-

camente por la longitud de la flecha.

direccion: esta dada por la orientacion en el plano o en el espacio de la recta

que lo contiene.

sentido: se muestra mediante una punta de flecha situada en el extremo del

vector, indicando hacia que lado de la lnea de accion se dirige el vector.

Observacion 1.3.

1. Un vector queda completamente caracterizado mediante una magnitud, una

direccion y un sentido.

2. Dos vectores son iguales solo si tienen la misma direccion, sentido y magnitud.


3. El vector 0 (vector nulo), corresponde a un vector de magnitud 0, pero sin
direccion ni sentido.

1.2 Operaciones con Vectores

En Rn , se define dos operaciones, suma y producto por escalar.

UBB 7
Captulo 1: Rectas y Planos C. Picarte F.

Definicion 1.3.

Sean
u = (u1 , u2 , . . . , uvn ),

v = (v1 , v2 , . . . , vn ) Rn dos vectores y R un escalar,
se define:
Suma de Vectores

+ Rn Rn Rn
(

u ,
v)

u +
v

u +

v = (u1 + v1 , u2 + v2 , , un + vn ) (1.1)

Producto por escalar de Vectores

R Rn Rn
(,

u)

u

u = (u1 , u2 , , un ) = (u1 , u2 , , un ) (1.2)

Teorema 1.1.

Consideremos los vectores

u ,

v ,
n y los escalares , , entonces:
w R R

1.

u +

v =

v +

u

2. (

u +

v )+
=
w
u + (

v +
)
w

3.

u + 0 =
u

u +
4.
=
u

0

5. (

u +

v ) =

u +

v

6. ( + )

u =

u +

u

7. ()

u = (

u)

8. 1

u =
u


9. 0

u = 0

8 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Observacion 1.4.

(1)

u =

u

Figura 1.4: Representacion de las operaciones

Ejemplo 1.1.

Determina si los siguientes vectores son

iguales, opuestos, misma magnitud, dis-
tintos, etc.

Solucion: (a) Los tres vectores son iguales

(b) Los dos primeros tienen igual magnitud, sentido contrario, y el tercero es diferente a
los otros.
(c) los tres tienen misma direccion y sentido, pero diferentes magnitudes.
Ejemplo 1.2.

A partir de la siguiente figura, determi-

nar en cada caso si la expresion es co-
rrecta o incorrecta.

a)
+
w
v = d


b) f +
e = b +
w


c) b
c =

a

Solucion: En cada caso, usando la representacion geometrica (paralelogramo), se tiene que

(a) es falsa pues resulta d , (b) y (c) son verdaderas

UBB 9
Captulo 1: Rectas y Planos C. Picarte F.

1.3 Producto Interior de Vectores

Se define el Producto Interior o Producto Punto.

Definicion 1.4.

Sean

u = (u1 , u2 , . . . , un ),

v = (v1 , v2 , . . . , vn ) Rn dos vectores, se define el pro-
ducto interior

Rn Rn R
(

u ,
v)

u
v

n


u

v = u1 v1 + u2 v2 + + un vn = ui vi (1.3)
i=1

Teorema 1.2.

1.

u 0 = 0,

u

2.

u

v =

v

u

3.

u (

v +
) =
w
u

v +

u

w

4.

u

u 0,

u


5.

u

u =0

u = 0

Ejemplo 1.3.

Dados los vectores

u = (1, 2);

v = (2, 1) y
= (3, 1) y los escalares = 2, = 2.
w

1. Calcule:

a)

u
v c)
u

u
b) ( u +
)
w
v d ) v


u +

w

2. Verifique geometricamente que (

u +

v)

w

3. Verifique que se cumple que:

u (

v
) = (
w
v

u ) (

u
)
w

10 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Solucion:
1. a) u
v = (1, 2) (2, 1) = (1)(2) + (2)(1) = 0
b) (

u +)
w
v = ((1, 2) + (3, 1)) (2, 1) = (4, 3) (3, 1) = 12 + 3 = 15


c) u u = (1, 2) (1, 2) = (1)2 + (2)2 = 5
d)

v

u +
= (2, 1) (2)(1, 2) + (2)(3, 1) = (2, 1) + (2, 4) + (6, 2) = (6, 7)
w
2. En efecto:

Numericamente se tiene

(

u +

v )
= ((1, 2) + (2, 1)) (3, 1)
w
= (1, 3) (3, 1) = 3 + 3 = 0

3.


u (

v
) ? (
w
v

u ) (

u
)
w
=
?
(1, 2) ((2)(2, 1) (2)(3, 1)) (2)((2, 1) (1, 2)) (2)((1, 2) (3, 1))
=
?
(1, 2) ((4, 2) + (6, 2)) (2)((2)(1) + (1)(2)) (2)((1)(3) + (2)(1))
=
?
(1, 2) (2, 4) (2)(0) (2)(5)
=
?
(1)(2) + (2)(4) 0 10
=
10 10

1.3.1. Norma y Distancia

Definicion 1.5 (Norma).

Sea

u = (u1 , u2 , , un ) Rn , se define como la norma de
u , y denota:



u = u21 + u22 + + u2n

Observacion 1.5.

Sea

u Rn


u 2 =

u

u o

u =

u

u

UBB 11
Captulo 1: Rectas y Planos C. Picarte F.

Teorema 1.3.


1.

u 0,

u = o

u = 0

2.

u =

u

3.

u +

v

u +

v (desigualdad triangular)

4.

u

v =

u

v (desigualdad de CauchySchwarz)

5.

u =

u

Definicion 1.6 (Vector Unitario).

Un vector se dice unitario, si su norma es uno, es decir,

Si

u = 1 es vector unitario

Notacion: u

Observacion 1.6.

Sea

u 0 , entonces el vector
u
v = es unitario.
u

Definicion 1.7 (Distancia entre puntos).

Sea A, B Rn , dos puntos, se define distancia entre a y B como:

d(A, B) = B A

Ejemplo 1.4.

Considere los puntos en R3 , A(2, 3, 1), B(1, 1, 1), C(1, 2, 2).

1. Calcule la distancia de A a B.

2. Calcula la norma de AC

3. Calcula la norma de BA

12 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Solucion:

1. d(A, B) = A B = (2 + 1)2 + (3 1)2 + (1 + 1)2 = 17

2. AC = (1, 5, 3) AC = (1)2 + (5)2 + (3)2 = 35

3. BA = d(A, B) = 17

1.3.2. Angulos entre vectores

Usando el Teorema de los cosenos en algebra y trigonometra, podemos encontrar una

expresion que involucra el angulo formado por dos vectores.
Recordemos el teorema del coseno. Dado un triangulo de lados de longitud a, b y c y
angulo entre losm lados a y b, se tiene que:

c2 = a2 + b2 2ab cos()

Aplivando esto en terminos de vectores, como muestra el dibujo, sea el triangulo formado
por los vectores

u y
v , se tiene:

Figura 1.5: Angulo entre vectores

UBB 13
Captulo 1: Rectas y Planos C. Picarte F.

Ecuacion 1.6.

Aplinado el Teo. de los Cosenos y propiedades del producto interior, tenemos:

u

v 2 =

u 2 +

v 2 2

u

v cos() (1.5)

u

v 2 = (
u
v )(
u v)
= u u + v v 2



u v
= u + v 2
2 2 u

v (1.6)

Luego de (3.5) y (3.6) se tiene que

u

v cos() =

u

v

Teorema 1.4 (Perpendicularidad).

Los vectores

u ,

v Rn son ortogonales (perpendiculares) si y solo si

u

v =0

Observacion 1.7 (Paralelismo).

Los vectores

u ,

v Rn son paralelos si y solo si

u =k

v , para algun k R

1.3.3. Proyeccion

Figura 1.6: Proyeccion del vector v sobre u

P roy
= t

u v u (1.7)


u


u (

v t

u) =

u
v t

u
u =0t=
v
(1.8)

uu

14 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Luego, se tiene que:

u

v
u v =
P roy
u (1.9)
uu

Observacion 1.8 (Proyeccion el R2 ).

Dado un vector
u = (ux , uy ) R2 , sus
componentes o proyecciones estan dadas
por:
ux =

ux
cos() = u cos()
u
uy
sen() = uy =
u sen()
u

Observacion 1.9 (Proyeccion en R3 ).

Proyeccion de un vector respecto a los planos xy, xz e yz respectivamente.

UBB 15
Captulo 1: Rectas y Planos C. Picarte F.

Observacion 1.10 (Cosenos Directores).

Los cosenos directores del vector

u = (u1 , u2 , u3 ) son:
u1 u2 u3
cos() = cos() =
; ; cos() =

u
u
u
donde , y son los angulos directores de

u y

es el angulo formado por el vector

u y el eje positivo x.

es el angulo formado por el vector

u y el eje positivo y.

es el angulo formado por el vector

u y el eje positivo z.

1.4 Producto Vectorial

Se define el Producto Vectorial o Producto Cruz solo para R3 ,

Definicion 1.8.

Sean

u = (u1 , u2 , u3 ),

v = (v1 , v2 , v3 ) R3 dos vectores, se define el producto
vectorial, donde = (1, 0, 0), = (0, 1, 0) y k = (0, 0, 1)

R3 R3 R3
(

u ,
v)

u
v

RRR k RRR

RR RR
u v = RRRRu1 u2 u3 RRRR = (u2 v3 u3 v2 , (u1 v3 u3 v1 ), u1 v2 u2 v1 ) (1.10)
RRR R
RR v1 v2 v3 RRRR

16 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Teorema 1.5.

Sean los vectores

u ,

v ,
3 , , entoces.
w R R
1.

u (

u

v)=0

2.

v (

u

v)=0

3.

u

v =

v

u

4.

u (

v +
) =
w
u

v +

u

w

5. (

v +
)
w
u =

v

u +

w
u

6.

u 0 = 0
u = 0

7. (

u

v ) = (

u ) (

v)

8.

u

v 2 =

u 2

v 2 (

u

v )2 (igualdad de Lagrange)

Observaciones 1.11.


1.

u

v

u = t

v

u

v = 0

2.

u

v =

u

v sen()

Observacion 1.12.

El producto vectorial entre dos vectores produce un nuevo vector, que resulta per-
pendicular a ambos.

UBB 17
Captulo 1: Rectas y Planos C. Picarte F.

Ejemplo 1.5.

1. Dados los vectores

v = (0, 2, 1) R3 , calcular
u = (2, 1, 1),

u

v y mostrar
que

u (

u
v)=0

2. Muestre que si = (1, 0, 0), = (0, 1, 0), k = (0, 0, 1), entonces = k y k =

Solucion:

RRR k RRR

RR RR 1 1 2 1 2 1
1. u v = RRRR2 1 1RRRR = ( , , ) = (3, 2, 4)
RRR RRR 2 1 0 1 0 2
RR 0 2 1 RR

Ademas, (2, 1, 1) (3, 2, 4) = (2)(3) + (1)(2) + (1)(4) = 0

RRR k RRR
RR RR
2. = RRRR1 0 0RRRR = (
0 0 1 0 1 0
, , ) = (0, 0, 1) = k
RRR RRR 1 0 0 0 0 1
RR0 1 0RR

RRR k RRR
RR RR
k = RRRR0 0 1RRRR = (
0 1 0 1 0 0
, , ) = (1, 0, 0) = (1, 0, 0) =
RRR RRR 1 0 0 0 0 1
RR0 1 0RR

18 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Observaciones 1.13 (Area y Volumen).

1. Consideremos un paralelogramo determinado por dos vectores

u y

v , como
se muestra en la figura anexa, entonces su area esta dada por:

A =

u

v

2. Consideremos un paraleleppedo determinado por tres vectores no coplanares

u ,

v , 3 , como se muestra en la figura anexa, entonces el volumen del
w R
paralelelpedo es dado por:

V =

u (

v
) (el valor absoluto del producto mixto)
w

Figura 1.7: Formulas de area y volumen

Ejemplo 1.6.

Calcule el area del triangulo de vertices A(1, 2, 2), B(2, 2, 0), C(0, 3, 1), y luego
muestra que no es rectangular.

Solucion:

Dado que el triangulo de vertices ABC se puede construir con los vectores AB y AC, su
area sera:
RR k RRR
1 1 RRRR RR 1 1
A = AB AC = RRR3 0 2RRRR = (2, 1, 3) = 14
2 2 RRR RRR 2 2
RR 1 1 1 RR
Por otro lado, si el triangulo es rectangulo dos de sus lados deben ser perpendiculatres.

AB AC = (3, 0, 2) (1, 1, 1) = 5 =/ 0

UBB 19
Captulo 1: Rectas y Planos C. Picarte F.

AB BC = (3, 0, 2) (2, 1, 1) = 8 =/ 0

AC BC = (1, 1, 1) (2, 1, 1) = 2 =/ 0
Luego no es rectangulo.

1.5 Ecuacion de la Recta

Sea P0 (x0 , y0 , z0 ) un punto perteneciente a la recta L, l = (a, b, c) un vector paralelo a
la recta (vector director), y P (x, y, z) un punto cualquiera del espacio, entonces se tiene
que:

Figura 1.8: Ecuacion de la Recta

P L P0 P // l

P0 P = k l

(P P0 ) = k l

P = P0 + k l (1.11)
(x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (1.12)

Observacion 1.14 (Forma Vectorial).

Esta forma de escribir la ecuacion de una recta (3.12), se llama forma vectorial

L (x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (1.13)

20 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Observacion 1.15 (Ecuacion Parametrica).

De la ecuacion (3.12) se obtiene que:

(x, y, z) = (x0 , y0 , z0 ) + k (a, b, c) (x, y, z) = (x0 + ka, y0 + kb, z0 + kc)

x = x0 + ka



L y = y0 + kb, k R (1.14)




z = z0 + kc

Observacion 1.16 (Ecuaciones Simetricas).

Y de la ecuacion (3.14) se obtiene que:

x x0


=k



a

x = x0 + ka






y y0 x x0 y y0 z z0
y = y0 + kb, k R =k L = = (1.15)




b a b c

z = z0 + kc




z z0


=k

c

Ejemplo 1.7.

1. Encuentre la ecuacion de la recta (sus tres formas de escritura), que pasa por


el punto A(1, 1, 2) y tiene direccion l = (2, 2, 1)

2. Escriba en sus tres formas la ecuacion de la recta que pasa por los puntos
A(1, 1, 1) y B(2, 1, 1)

Solucion:
1. Forma vectorial: L (x, y, z) = (1, 1, 2) + (2, 2, 1), R

1 + 2t



Forma parametrica: L 1 2t tR




2 + t
x1 y+1
Forma simetrica: L = =z2
2 2
UBB 21
Captulo 1: Rectas y Planos C. Picarte F.

2. En este caso, sonsideremos a P0 = A = (1, 1, 1) y l L = AB = (1, 0, 2), luego la ecuacion
queda escrita:
Forma vectorial: L (x, y, z) = (1, 1, 1) + (1, 0, 2), R

1+t



Forma parametrica: L 1 tR




1 2t
z1
Forma simetrica: L x 1 = ;y = 1
2

Propiedades 1.

1. L1 L2 l 1 l 2


2. L1 l2 l 1 l 2


3. (L1 , L2 ) ( l 1 , l 2 )

Ejemplo 1.8.

Verifique que las rectas L1 (x, y, z) = (1, 2, 3) + (2, 3, 1), R y

2z
L2 x + 1 = ; y = 2 son perpendiculares.
2

Solucion: Notemos que los vectores directores son l 1 = (2, 3, 1) y l 2 = (1, 0, 2)


respectivamente, y ademas l 1 l 2 = 0, luego las rectas son perpendiculares.

1.5.1. Posicion Relativa entre Rectas

Figura 1.9: Ecuaciones paralelas, secantes, alabeadas y coincidentes respectivamente

22 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Ejemplo 1.9.

Dadas las rectas:

x = 1 2t
L1 (x, y, z) = (1, 1, 2) + (3, 2, 2), R,


2(x 1) 2 y y L3 = y = 3t tR
L2 = =z+1


3 1
z = 2 + 2t
1. Describa la posicion relativa entre las recta L1 y L2 .

2. Encuentre el angulo formado por las recta L2 y L3 .

3. Encuentre la interseccion, si existe entre las recta L1 y L3 .

4. Encuentre la ecuacion de una recta que intersecta a L1 y es ortogonal a L2 .

x1 y2 z1
Solucion: Escribiendo en forma adecuada la recta L2 = = ; se tiene
3/2 1 1


que su vector director es l 2 = (3/2, 1, 1)

1. Dado que existe k = 2 R, tal que [ l 1 = k l 2 (1, 1, 2) L1 pero (1, 1, 2) / L2 ]


[ l 1 l 2]

2. Como el angulo formado por las rectas es el mismo que forman sus vectores directores,


y los vectores directores son l 2 = (3/2, 1, 1) y l 3 = (2, 3, 2) respectivamente, tenemos
que:
l2 l3 2
(l2 , l3 ) = arc cos ( ) = arc cos ( ) = 76, 4
l2 l3 17/2

3. Si L1 se intersecta con L3 , entonces existe un punto P0 (x0 , y0 , z0 ) que pertenece a ambas

rectas, es decir, existen , t R que producen el mismo punto P0 .
(1) 1 + 3 = 1 2t
De (3) =t
Como estos valores de t

(2) 1 + 2 = 3t y no satisfacen (1)

(3) 2 + 2 = 2 + 2t
En (2) = 1 = t

, no tienen punto comun

4. Existen infinitas rectas que cumplen esta caracterstica, solo necesitamos un punto de
la recta L1 y un vector director que sea perpendicular a L2 . Con esto: P (1, 1, 2) L1

y l = (0, 1, 1) es perpendicular a L2 , luego la recta pedida es,

L (x, y, z) = (1, 1, 2) + (0, 1, 1)

UBB 23
Captulo 1: Rectas y Planos C. Picarte F.

1.5.2. Distancia de un punto a una recta

Sea L (x, y, z) = (x0 , y0 , z0 ) + (a, b, c), R una recta y P (x1 , y1 , z1 ) un punto
cualquiera, entonces la distancia mnima entre el punto y la recta esta dada por:
Considerando la imagen de la recta y el punto que se presenta se tiene: Como el angulo

entre en vector P0 P y la recta L es el mismo que se forma el vector P0 P con la direccion


( l ) de la recta

d
sen() =
P0 P

d = P0 P sen() , amplificando

P0 P l sen()
d =

l

P0 P l Figura 1.10: Distancia de un punto a una rec-
d(L, P ) =

l ta

Ejemplo 1.10.

Calcule a que distancia del origen se encuentra la recta L (x, y, z) = (2, 1, 1) +

(4, 3, 5), R

Solucion: En este caso el punto P es (0, 0, 0) (origen),y P0 = (2, 1, 1), luego usando
la formula:

P0 P l (2, 1, 1) (4, 3, 5) (8, 6, 10) 200
d(L, P ) =
= = = =2
l (4, 3, 5) (4, 3, 5) 50

1.6 Ecuacion del Plano

Sea P0 (x0 , y0 , z0 ) un punto perteneciente al plano P, N = (A, B, C) un vector perpendi-
cular (vector normal) al plano, y P (x, y, z) un punto cualquiera del espacio, entonces se
tiene que:

24 UBB
C. Picarte F. Captulo 1: Rectas y Planos

P P P0 P N

P0 P N = 0


(P P0 ) N = 0
(x x0 .y y0 , z z0 ) (A, B, C) = 0
A(x x0 ) + B(y y0 ) + c(z z0 ) = 0
Ax + By + Cz = Ax0 + By0 + Cz0

Figura 1.11: Ecuacion del Plano
Ax + By + Cz = D (1.16)

Observacion 1.17 (Ecuacion Vectorial).

Como se muestra en la figura (3.12), dados dos vectores

u ,

v P, no paralelos,
donde
u = (d1 , d2 , d3 ) y

v = (m1 , m2 , m3 ). Entonces cualquier punto P del plano
se puede construir a traves de una suma adecuada de estos vectores, es decir:

P = P0 +
u +
v
P (x, y, z) = P0 (x0 , y0 , z0 ) + (d1 , d2 , d3 ) + (m1 , m2 , m3 ) (1.17)

Figura 1.12: Ecuacion del Plano usando dos vectores

Ejemplo 1.11.

1. Encuentre la ecuacion cartesiana del plano que pasa por el punto A(1, 1, 2)


y tiene vector normal N = (2, 1, 3).

2. Encuentre la ecuacion cartesiana y vectorial del plano que pasa por los puntos
A(1, 0, 2), B(2, 1, 1) y C(3, 2, 1).

Solucion:

UBB 25
Captulo 1: Rectas y Planos C. Picarte F.

1. Sea P (x, y, z) un punto del plano, entonces:

AP N = 0 (x 1, y + 1, z + 2) (2, 1, 3) = 0
(2x 2) + (y 1) + (3z + 6) = 0
2x y + 3z = 3

2. Para la ecuacion vectorial, consideremos los vectores AB y AC, y el punto A, luego
la ecuacion es:
(x, y, z) = (1, 0, 2) + (1, 1, 3) + (2, 2, 1), , R


Para la ecuacion cartesiana, consideremos como vector normal N = AB AC, el
punto A, luego calculando,
RR RR
RRRR k RRRR

N = RRR1 1 3RRR = (5, 5, 0) (x 1, y + 1, z + 2)(5, 5, 0) = 0 x + y = 0
RRR R
RR2 2 1RRRR

Propiedades 2.

Sean 1 A1 x + B1 y + C1 z = D1 y 2 A2 x + B2 y + C2 z = D2 dos planos cuyos vectores

normales son N 1 y N 2 respectivamente, entonces se tiene que:

1. 1 2 [ N 1 N 2 D1 D2 ]


2. 1 2 N 1 N 2

3. (1 , 2 ) = ( N 1 ; N 2 )

1.6.1. Posicion Relativa entre Planos

Figura 1.13: Ecuaciones paralelas, secantes y coincidentes respectivamente

26 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Ejemplo 1.12.

Dados loa planos: 1 2x 3y + z 1 = 0, 2 2y 2x 3z = 1 y 3 (x, y, x) =

(3, 1, 2) + (1, 1, 0) + (2, 1, 3), , R.

1. Escriba la ecuacion cartesiana del plano 3 .

2. Estudie la posicion relativa entre 1 y 3 .

3. Que angulo forman los planos 1 y 2 .

4. Encuentre la interseccion (si existe) entre los planos 2 y 3 .

x1
5. Encuentre la interseccion entre el plano 1 y la recta L = 2 + y = 2z 1
2
6. Encuentre la interseccion del plano 1 con el plano xz

Solucion:

1. Considerando los vectores directores para construir el vector normal y el punto (3, 1, 2),
se tiene que:
RRRR k RRRR
RRR R

RRR1 1 0 RRRRR = (3, 3, 3) N = (1, 1, 1) (x + 3, y 1, z 2)(1, 1, 1) = 0 3 x + y + z = 0
RRR2 1 3RRR
R R
2. Considerando los vectores normales orrespondientes,


N 1 = (2, 3, 1)



N 1 N 3 = 0 N 1 N 3 1 3
N 3 = (1, 1, 1)


3. Como el angulo formado por los vectores normales es el formado por los planos, se
tiene que:
(2, 3, 1) (2, 2, 3) 13
(1 , 2 ) = arc cos ( ) = arc cos ( ) = 147, 4
(2, 3, 1) (2, 2, 3) 14 17
1 4
z= x
2 2x + 2y 3z = 1 2 23 4x 5z = 1 5 5
4. Resolviendo el sistema:
3 x+y+z =0 1 + 33 x + 5y = 1 1 1
y= x
5 5

x=t



luego, la interseccion es la recta de ecuacion L y = (1/5) (1/5)t , t R




z = (1/5) (4/5)t

UBB 27
Captulo 1: Rectas y Planos C. Picarte F.

x = 1 + 2t



5. Escribiendo en forma parametrica la ecuacion de la recta, se tiene que: y = 2 + t




z = (1/2) + t/2

luego, un punto cualquiera de la recta es de la forma (1 + 2t, 2 + t, 1/2 + t/2) y si esta

recta intersecta al plano, este tambien satisface su ecuacion, es decir,

2(1 + 2t) 3(2 + t) + (1/2 + t/2) 1 = 0 3t/2 + 7/2 = 0 t = 7/2

con lo que el punto de interseccion es: (6, 11/2, 5/4)

6. Notemos que, el plano xz tiene ecuacion y = 0, luego la interseccion con 1 nos da

2x + z 1 = 0 z = 1 2x, luego la ecuacion es:

L (x, y, z) = (0, 0, 1) + (1, 0, 2), R

1.6.2. Distancia de un punto a un plano

Sea Ax + By + Cz + D = 0 un plano y P (x1 , y1 , z1 ) un punto cualquiera, entonces la

distancia mnima entre el punto y el plano esta dada por:

Considerando la imagen del plano y el

punto que se presenta se tiene: Como el angu-

lo entre en vector P0 P y la recta que describe
la distancia d es el mismo que forma el vector

P0 P con la normal del plano

d
cos() =
P0 P
Figura 1.14: Distancia de un punto a un
d = P0 P cos() , amplificando Plano

P0 P N cos()
d =

N

P0 P N
d(, P ) =

N

28 UBB
C. Picarte F. Captulo 1: Rectas y Planos

Observacion 1.18.

Dado que:

P0 P N
d(, P ) =

N


(P P0 ) N
=

N


(P N P0 N )
=

N


(P0 N P N )
=

N
D

(Ax0 + By0 + Cz0 ) (Ax + By + Cz)
=
A2 + B 2 + C 2
Ax0 + By0 + Cz0 + D
=
A2 + B 2 + C 2

Ejemplo 1.13.

Encuentre la distancia del punto P(1,2,3) y el plano 2x 3y + z = 2

Solucion: Escrito en forma adecuadas el plano 2x 3y + z 2 = 0, se tiene que la distancia

es:

2(1) 3(2) + 1(3) 2 3 3

d(, P ) = = = 14
(2)1 + (3)2 + (1)2 14 14

UBB 29
Captulo 1: Rectas y Planos C. Picarte F.

30 UBB
 2 Espacios Vectoriales
2.1 Espacios Vectoriales

Definicion 2.1.

Sea V un conjunto sobre el cual se definen dos operaciones binarias, una interna y
la otra externa llamadas Suma de Vectores y Producto por Escalar.

+ V V V
(v1 , v2 ) +(v1 , v2 ) = v1 + v2
K V V
(, v) (, v) = v

Diremos que V es un espacio vectorial sobre el cuerpo K (R, C), con las operaciones
de suma y producto por escalar recien definidos si se verifican los siguientes axiomas:

V1 (v1 + v2 ) + v3 = v1 + (v2 + v3 ) v1 , v2 , v3 V .

V2 v1 + v2 = v2 + v1 v1 , v2 V .

V3 Existe el elemento neutro para la suma, es decir,

V V tal que v + V = V + v = v v V .

V4 v V existe v V tal que: v + (v) = (v) + v = V

v se llama el aditivo inverso de v.

V5 (v1 + v2 ) = v1 + v2 K, v1 , v2 V .

V6 ( + )v = v + v , K, v V .

V7 (v) = ()v , K, v V .

V8 1 v = v v V .

31
Captulo 2: Espacios Vectoriales C. Picarte F.

Observacion 2.1.

Los elementos de K se llaman escalares y los elementos de V se llaman vectores.

Observacion 2.2.

Por [V3 ] V es no vaco. El vector nulo siempre esta presente en un Espacio

Vectorial.

Observacion 2.3.

Si V es un espacio vectorial sobre el cuerpo R se dice que V es un espacio vectorial

real.

Ejemplos: 1. R con las operaciones usuales de suma y multiplicacion es un espacio

vectorial real.

2. En general si K es un cuerpo, entonces K es un espacio vectorial sobre si mismo.

3. R2 = {(x, y) x, y R}, con las operaciones suma y producto por escalar definidas por:

(x, y), (u, v) R2 (x, y) + (u, v) = (x + u, y + v)

R, (x, y) R2 ; (x, y) = (x, y)

R2 con las operaciones recien definidas, es un espacio vectorial real.
4. Rn = {(x1 , x2 , . . . , xn ) x1 , x2 , . . . , xn R}, con las operaciones suma y producto por
escalar definidas por:

x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) Rn ; x + y = (x1 + y1 , x2 + y2 , , xn + yn )

x = (x1 , x2 , , xn )
R, (x1 , x2 , . . . , xn ) Rn ;
Rn con las operaciones antes definidas, es un espacio vectorial real.
5. Mmn (R) con las operaciones normales de suma de matrices y producto de un escalar
por una matriz, es un espacio vectorial real.

Observacion 2.4.

Si V es un espacio vectorial sobre K, entonces el elemento neutro V es unico.

32 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

2.2 Subespacio Vectorial

Definicion 2.2.

Sea V un espacio vectorial sobre el cuerpo K y sea W un subconjunto de V . Diremos

que W es un Subespacio Vectorial de V si W es un espacio vectorial sobre K
con las mismas operaciones definidas en V .

Observacion 2.5.

Todo espacio vectorial es un subespacio vectorial de si mismo.

Teorema 2.1.

Sea V un espacio vectorial sobre K y sea W un subconjunto de V . W es un subes-

pacio de V si:

1. W .

2. w1 , w2 W w1 + w2 W (debe ser cerrado respecto a la suma).

3. w W, K w W (debe ser cerrado respecto al producto por escalar).

2.2.1. Ejemplos de Subespacios

Ejemplo 2.1.

a b
Sea W = {( ) M22 (R) c = b} M22 (R).
c d
Pruebe que W es un subespacio vectorial. (Notacion: W M22 ).

Solucion:

0 0
i) W , pues ( ) W (0 = 0)
0 0

UBB 33
Captulo 2: Espacios Vectoriales C. Picarte F.

a b


A=( )
a b x y
b d
ii) Sean A = ( );B = ( )W entonces:
c d z w

x y

B=( )

y w

a b x y
A+B = ( )+( )
b d y w
a+x b+y
= ( )W pues b y = (b + y)
b y d + w

a b
iii) Sean A = ( )W , R
c d

a b
A = ( )
b d
a b
= ( )
(b) d
a b
= ( )W pues b = (b)
b d

Luego, W es subespacio de M2 (R)

Observacion 2.6.

Notemos que una buena estrategia para verificar que el conjunto debe ser no vacio,
y por otro lado que todo espacio vectorial (subespacio) debe contener al vector nulo
(obs-2.2), usaremos el vector nulo para verificar que se cumple la primera condicion.

Ejemplo 2.2.

Pruebe que el siguiente subconjunto de R3 es un subespacio:

T = {(x, y, z) R3 x y = 2z}.

Solucion:

i) T , pues 0 0 = 2(0), es decir, (0, 0, 0) T

x y = 2z
ii) Sean (x, y, z), (a, b, c) T { ()
a b = 2c

34 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

entonces, (x, y, z) + (a, b, c) = (x + a, y + b, z + c)

(x + a) (y + b) = x+ayb
= (x y) + (a b)
= 2z + 2c
= 2(z + c)

Luego, (x + a, y + b, z + c) T

iii) Sean R, (x, y, z) T x y = 2z() ,

entonces, (x, y, z) = (x, y, z)

(x) (y) = (x y)
= (2z)
= 2(z)

Luego, (x, y, z) T
As, T es subespacio de R3

Ejercicio : Pruebe que los siguientes subconjuntos de R3 son subespacios:

1. S = {(x, y, z) R3 x = y}.

2. T = {(x, y, z) R3 x + y z = 0}.

Observacion 2.7.

Sean S y T dos subespacios de un espacio vectorial V sobre K, entonces, se definen

los conjuntos S T y S + T como:

S T = {v V /v S v T }

S + T = {v V /v = s + t, s S t T }

Ejercicio : Sean S y T dos subespacios de un espacio vectorial V sobre K, entonces,

S T , es un subespacio de V , llamado espacion interseccion de S y T .
S + T es un subespacio de V llamado espacio suma de S y T .
Solucion: Veamos que S T es un subespacio.

i) S T , pues como S y T son subespacios de V ; V S y V T por lo que se

encuentra en ambos, es decir, V S T .

UBB 35
Captulo 2: Espacios Vectoriales C. Picarte F.

v1 , v2 S v1 + v2 S pues S es subespacio
ii) Sean v1 , v2 S T

v1 , v2 T v1 + v2 T
pues T es subespacio
Luego, v1 + v2 S T

v S pues S es subespacio
iii) Sean R,v S T

v T
pues T es subespacio
Luego, v S T
Con esto S T es un subespacio de V .

Ejercicio : Caracterizar los subespacios S T y S + T , donde S y T son los conjuntos

definidos antes, ejercicio(2.1).

Observacion 2.8.

Si S T contiene solamente el elemento V de V , entonces, se dice que S T es

un subespacio trivial de V . En general, si V es un espacio vectorial sobre K, el
conjunto {V } es un subespacio de V llamado subespacio trivial de V

Definicion 2.3.

Se dice que el espacio V es Suma Directa de los subespacios S y T de V si:

1. V = S + T .

2. S T = {V }.

Notacion : V T .

Definicion 2.4.

Si S T = V , entonces cada vector de V se escribe en forma unica como suma de

un elemento de S con un elemento de T .

Ejercicio : Dados los subespacios U y W de R2 , averiguar si R2 = U W , donde:

U = {(x, y) R2 x + y = 0} ; W = {(x, y) R2 x = 3y}

36 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

2.2.2. Dependencia e Independencia Lineal

Definicion 2.5.

Sea V un espacio vectorial sobre un cuerpo K.

Un vector v se dice que es combinacion lineal (c.l.) de un conjunto de vectores
{v1 , v2 , v3 , , cn } si existen 1 , 2 , , n K de modo que v se puede expresar como:
n
v = i vi = 1 v1 + 2 v2 + + n vn
i=1

Definicion 2.6.

Sea V un espacio vectorial sobre un cuerpo K y sean v1 , v2 , . . . , vn elementos de

V . Diremos que los vectores v1 , v2 , . . . , vn son linealmente dependientes en K si
existen escalares 1 , 2 , . . . , n en K no todos nulos tales que:

1 v1 + 2 v2 + + n vn = V (2.1)
Si no existen tales escalares, se dira que los vectores v1 , v2 , . . . , vn son linealmente
independientes en K, es decir,

1 v1 + 2 v2 + + n vn = V 1 = 2 = = n = 0 (2.2)

Observaciones 2.9.

1. Todo vector no nulo es l.i.: (x x = = 0).

2. Si S es un subconjunto del espacio vectorial V y V S, entonces S es l.d.

S = {s1 , s2 , . . . , sn , V }

3. Todo subconjunto de un conjunto l.i. es tambien l.i..

4. Todo conjunto que contenga a un subconjunto l.d. es tambien l.d..

5. Un conjunto {v1 , v2 , . . . , vn } es l.d. sii uno de los vectores del conjunto se

puede escribir como combinacion lineal (c.l.) de los restantes, es decir, si
existe j {1, 2, . . . , n} tal que:

vj = 1 v1 + 2 v2 + + j1 vj1 + j+1 vj+1 + + n vn

UBB 37
Captulo 2: Espacios Vectoriales C. Picarte F.

Ejemplo 2.3.

Averiguar si el siguiente conjunto es l.i. o l.d.

{(1, 3, 2), (2, 1, 0), (3, 4, 2)}

Solucion: Dados , , R, se tiene que:

(1, 3, 2) + (2, 1, 0) + (3, 4, 2) = (0, 0, 0)

( + 2 + 3, 3 + + 4, 2 2) = (0, 0, 0)

+ 2 + 3 = 0 RRR 1 2 3 RRR

RR RR conjunto l.d.
3 + + 4 = 0 RRRR 3 1 4 RRRR = 0 sistema homogeneo,

RRR R

2 2 = 0 RR2 0 2RRRR infinitas soluciones

Notemos que, si usamos la observacion-(2.9-5) dada anteriormente; se tiene:

Como (3, 4, 2) = (1, 3, 2) + (2, 1, 0), el conjunto es l.d.
Ejercicio : Averiguar si los siguientes conjuntos son l.i. o l.d.

1. {(2, 5), (1, 3)}

2. {2, 4), (4, 3), (1, 0)}

Observacion 2.10.

En Rn : Todo conjunto que tenga mas de n elementos es l.d.

2.2.3. Bases y Dimension de un Espacio Vectorial

Definicion 2.7.

Sea V un espacio vectorial sobre el cuerpo K. Diremos que el conjunto B =

{v1 , v2 , . . . , vn } V es una base del espacio vectorial V si:

1. B es l.i.

2. B genera al espacio vectorial V , es decir, que todo elemento v de V es una

combinacion lineal de los vectores de B. Osea:

v = 1 v1 + 2 v2 + + n vn , v V

38 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

Observacion 2.11.

Para indicar que B genera al espacio vectorial V , o que todas las combinaciones
lineales de los elementos de B producen el espacio vectorial V se denota por:

V = B

Ejemplo 2.4.

Sea en R2 , el conjunto {(1, 0), (0, 1)} es una base de R2 .

Solucion: En efecto:

1. El conjunto {(1, 0), (0, 1)} es l.i.

+ 0 = 0 =0
(1, 0) + (0, 1) = (0, 0)
0 + = 0 =0

2. El conjunto {(1, 0), (0, 1)} genera a R2 , ya que: (x, y) R2 :

(x, y) = (1, 0) + (0, 1) (x, y) = (, )
Luego, el sistema tiene solucion y es: = x, = y, as todo par ordenado de R2 se
escribe como c.l. del conjunto por:

(x, y) = x(1, 0) + y(0, 1)

As, {(1, 0), (0, 1)} = R2

Ejemplo 2.5.

Otra base de R2 es B = {(1, 1), (1, 2)}

Solucion: En efecto:

1. El conjunto B es l.i. pues:

+ = 0 =0
(1, 1) + (1, 2) = (0, 0)
+ 2 = 0 =0

UBB 39
Captulo 2: Espacios Vectoriales C. Picarte F.

2. (x, y) R2 (x, y) = (1, 1) + (1, 2), entonces

+ = x = 2x y

+ 2 = y =yx

Luego,(x, y) R2 (x, y) = (2x y)(1, 1) + (y x)(1, 2),

Por ejemplo (4, 5) = 3(1, 1) + 1(1, 2)

As, {(1, 1), (1, 2)} = R2

Definicion 2.8.

Dado un espacio vectorial V sobre el cuerpo K

1. Si V tiene base finita, diremos dimension al numero de elementos de dicha

base.

2. Si V tiene base no finita, diremos que es de dimension infinita.

Notacion : dim(V )

Observacion 2.12.

Al conjunto base B = {(1, 0), (0, 1)} se le llama base canonica de R2 .

Observacion 2.13.

En general para los distintos espacios vectoriales con los que normalmente traba-
jamos, tenemos sus respectivas bases canonicas.

1. R3 su base canonica es: {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

2. Rn su base canonica es: {(1, 0, 0, , 0), (0, 1, 0, , 0), . . . , (0, 0, , 0, 1)}

1 0 0 1 0 0 0 0
3. M22 su base canonica es: {( ),( ),( ),( )}
0 0 0 0 1 0 0 1

4. P2 [x] su base canonica es: {1, x, x2 }

5. Pn [x] su base canonica es: {1, x, x2 , . . . , xn1 , xn }

40 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

Observacion 2.14.

En general, por lo anterior se tiene que:

1. dim(Rn ) = n.

2. dim(Mnm ) = n m.

3. dim(Pn [x]) = n + 1.

Ejemplo 2.6.

Obtener una base para el siguiente conjunto:

S = {(x, y) R2 2x = y}.

Solucion:
S = {(x, y) R2 y = 2x}
= {(x, 2x), x R}
= {x(1, 2), x R} ( el conjunto de todas las c.l. de (1, 2))
= {(1, 2)} (genera a S)
Ademas es un conjunto l.i., luego es una base para S, con esto se tiene que dim(S) = 1.

Ejemplo 2.7.

Obtener una base para el siguiente conjunto:

T = {(x, y, z) R3 2x = y, y = x z}.

Solucion:
T = {(x, y, z) R3 y = 2x , z = x y}
= {(x, y, z) R3 y = 2x , z = x 2x}
= {(x, y, z) R3 y = 2x , z = x}
= {(x, 2x, x), x R}
= {x(1, 2, 1), x R} ( el conjunto de todas las c.l. de (1, 2, 1))
= {(1, 2, 1)} (genera a T )
Ademas es un conjunto l.i., luego es una base para T , con esto se tiene que dim(T ) = 1.

UBB 41
Captulo 2: Espacios Vectoriales C. Picarte F.

Teorema 2.2 (Teorema Fundamental de la independencia lineal).

Dado un espacio vectorial V y un subespacio vectorial W de V (W V ), entonces:

dim(W ) dim(V )

Observacion 2.15.

Sea V un espacio vectorial sobre K y sean S y T dos subespacios de V . Si B1 genera

a S y B2 genera a T , entonces: B1 B2 genera a S + T .

Teorema 2.3 (Formula de Grassmann).

Dado dos subespacios vectoriales W, U E, de dimension finita, entonces:

dim(W + U ) = dim(W ) + dim(U ) dim(W U ).

Observacion 2.16.

Sea V un e. v. sobre K y B = {v1 , . . . , vn } una base de V . Entonces, cada vector

v V se escribe en forma unica como c.l. de los vectores v1 , v2 , . . . , vn .

Teorema 2.4.

Sea V un espacio vectorial de dimension finita, y W un subespacio vectorial de V .

Sea S = {w1 , w2 , , wp } un subconjunto de vectores de W , entonces se verifica que:

1. Si S es un un conjunto generador de W , entonces p dim(W ).

2. Si S es un sistema l.i., entonces p dim(W ).

3. Si S es generador de W y dim(W ) = p, entonces S es base de W .

4. Si S es un conjunto l.i. y dim(W ) = p, entonces S es base de W .

Observacion 2.17.

Por tanto, la dimension de un subespacio vectorial W es el numero maximo de

vectores de W linealmente independientes.

42 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

Observacion 2.18.

Si V es un esp. vect. de dimension n, y B es un conjunto l.i. que consta de n

vectores, entonces B es una base de V .

2.2.4. Caracterizacion de un espacio vectorial

Muchas veces conocemos un conjunto generador o una base de un espacio vectorial, sin
embargo, aveces necesitamos la definicion o caracterizacion del espacio.
Ejemplo 2.8.

Encuentre la ecuacion explicita que define al subespacio vectorial generado por el

conjunto B = {(1, 2, 0), (1, 1, 3)}

Solucion: Sea W R3 el espacio generado por B, es decir, W = B, entonces:

(x, y, z) W (x, y, z) = (1, 2, 0) + (1, 1, 3), para algun , R

Esto es,

+ = x 1 1 x 1 1 x 1 1 x
2 = y 2 1 y 0 3 y 2x 0 3 y 2x
3 = z 0 3 z 0 3 z 0 0 z y + 2x
Luego, como queremos y que permiten escribir elementos de W , se necesita que el
sistema tenga solucion, es decir, el rango de la matriz de coeficientes sea igual al rango de la
matriz ampliada; lo que se cumple cuando z y + 2x = 0.
As, podemos describir a W como:
W = {(x, y, z) R3 /z y + 2x = 0}

2.2.5. Coordenadas de un vector respecto a una base B

Definicion 2.9.

Sea V un e.v. sobre K, y sea B = {v1 , . . . , vn } una base de V . Se llama coordenadas

del vector v V respecto a los escalares que intervienen en la c.l.

v = 1 v1 + + n vn

y su notacion es:
[v]B = (1 , 2 , , n )

UBB 43
Captulo 2: Espacios Vectoriales C. Picarte F.

Ejercicio : En el ejemplo(2.5), se mostro que B = {(1, 1), (1, 2)} es base para R2 , las
coordenadas del vector (4, 5) respecto de esta base sera:

[(4, 5)]B = (3, 1) , pues (4, 5) = 3(1, 1) + 1(1, 2)

2.2.6. Matriz Cambio de base

Veamos esto del cambio de base con un ejemplo en R2 .
Sean B1 = {(1, 2), (2, 3)} y B2 = {(1, 0), (1, 1)} bases de R2 .
Como B1 y B2 son bases, el vector (2, 3) se puede escribir como combinacion lineal
(c.l.), tanto de la base B1 como de la base B2 .
En efecto:

1. Para B1 :

1 + 21 = 2
1 (1, 2) + 1 (2, 3) = (2, 3)
2 + 31 = 3

1 2 2 1 2 2 1 0 12 = 12
( )( )( ) 1
2 3 3 0 1 7 0 1 7 1 = 7

Luego, (2, 3) = (12)(1, 2) + (7)(2, 3)

As, [(2, 3)]B1 = (12, 7) (coordenadas de (2, 3) en la base B1 )

2. Para B2 :
De igual forma (2, 3) se puede escribir como c.l. de B2 , es decir,

2 + 2 = 2
2 (1, 0) + 2 (1, 1) = (2, 3)
+ 2 = 3

1 1 2 1 0 5 = 5
( )( ) 2
0 1 3 0 1 3 2 = 3

Luego, (2, 3) = (5)(1, 2) + (3)(2, 3)

As, [(2, 3)]B2 = (5, 3)

La pregunta es: Como podemos pasar de las coordenadas en la base B1 a las coordenadas
en la base B2 .
El metodo es simple. Como B2 es base, entonces los elementos de la base B1 se pueden
escribir como c.l. de la base B2 al igual que el vector (2, 3). Esto es:

+ = 1 = 1
(1, 0) + (1, 1) = (1, 2)
+ = 2 =2

44 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

Es decir, (1, 2) = (1)(1, 0) + (2)(1, 1)

De igual forma,

+ = 2 = 1
(1, 0) + (1, 1) = (2, 3)
+ = 3 =3

Es decir, (2, 3) = (1)(1, 0) + (3)(1, 1)

Luego el vector (2, 3) se puede escribir:

(2, 3) = (12)(1, 2) + (7)(2, 3), escrito en la base B1

= (12) [(1)(1, 0) + (2)(1, 1)] + (7) [(1)(1, 0) + (3)(1, 1)] , escrito en la
base B2

Ordenando estos productos, nos queda:

(2, 3) = (12)(1)(1, 0) + (12)(2)(1, 1) + (7)(1)(1, 0) + (7)(3)(1, 1)

= [(12)(1) + (7)(1)](1, 0) + [(12)(2) + (7)(3)](1, 1)
= [(1)(12) + (1)(7)](1, 0) + [(2)(12) + (3)(7)](1, 1)

Notemos que esto se puede ordenar y escribir como la multiplicacion de una matriz por
un vector escrito como columna, es decir,

1 1 12 5
( )( ) = ( ), que son la coord. en B2
2 3 7 3

1 1
La matriz ( ), se llama matriz cambio de base, de base B1 a base B2 .
2 3
De esto, lo que tenemos es:

[(2, 3)]B2 = [(1, 2)]B2 [(2, 3)]B2 [(2, 3)]B1

En palabras, la matriz cambio de base, de B1 a B2 se obtiene escribiendo como

columnas las coordenada de los elementos de la base B1 repecto a la base B2 .

UBB 45
Captulo 2: Espacios Vectoriales C. Picarte F.

Definicion 2.10.

Sean B1 = {v1 , v2 , . . . , vn }, B2 = {u1 , u2 , . . . , un } bases de un espacio vectorial V de

dimension n, entonces la matriz cambio de base de B1 a B2 esta dada por:



[v1 ]B2 [v2 ]B2 [vn ]B2



y todo vector v de V escrito en la base B1 , se puede escribir en la base B2 , mediante:



[v]B2 = [v1 ]B2 [v2 ]B2 [vn ]B2 [v]B1

2.3 Proceso de Ortogonalizacion de Gram-Schmidt

El proceso de ortogonalizacion de Gram-Schmidt es un algoritmo para construir, a partir

de un conjunto de vectores linealmente independientes, otro conjunto ortonormal de vectores
que genere el mismo subespacio vectorial.

El metodo se aplica en los siguientes pasos:

Dada una base {v1 , v2 , v3 , . . . , vn } del espacio vectorial V de dimension n.

En primer lugar tenemos que: dados los vectores v1 y v2 , como muestra la figura, se tiene
que

u = v2 proyv1 v2 es perpendicular a v1

ademas, si recordamos que:

v1 v2
proyv1 (v2 ) = v1
v1 v1

entonces el proceso consiste en hacer:

46 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

u1 = v1
u1 v2
u2 = v2 u1
u1 u1
u1 v3 u2 v3
u3 = v3 u1 u2
u1 u1 u2 u2

Generalizando se tiene que:

Teorema 2.5 (Proceso de Ortogonalizacion de Gram-Schmidt).

Dada una base {v1 , v2 , v3 , . . . , vn } del espacio vectorial V de dimension n.

Se define:
k1
uj vk
uk = vk uj
j=1 uj uj

con esto, se obtiene un nuevo conjunto {u1 , u2 , . . . , un } que constituye una base
ortogonal para V .

Observacion 2.19.

Para obtener una base ortonormal, basta dividir cada vector por su norma, es decir,
uk
ek =
uk
que nos entrega la base {e1 , e2 , . . . , en } que es ortonormal.

Ejemplo 2.9.

Sabiendo que el conjunto B = {(1, 0, 2), (0, 1, 1), (2, 1, 0)} es base para R3 , encuentre
una base ortogonal mediante el metodo de Gram-Schmidt.

UBB 47
Captulo 2: Espacios Vectoriales C. Picarte F.

Solucion: Sea

u1 = (1, 0, 2), luego

(1, 0, 2)(0, 1, 1)
u2 = (0, 1, 1) (1, 0, 2)
(1, 0, 2)(1, 0, 2)
2 2 1
= (0, 1, 1) (1, 0, 2) = ( , 1, )
5 5 5
2 1
( , 1, ) (2, 1, 0)
(1, 0, 2)(2, 1, 0) 5 5 2 1
u3 = (2, 1, 0) (1, 0, 2) ( , 1, )
(1, 0, 2)(1, 0, 2) 2 1 2 1 5 5
( , 1, ) ( , 1, )
5 5 5 5
2 1 2 1
= (2, 1, 0) (1, 0, 2) ( , 1, )
5 6 5 5
5 5 5
= ( , , )
3 6 6
2 1 5 5 5
Luego un base ortogonal sera {(1, 0, 2), ( , 1, ) , ( , , )}
5 5 3 6 6

48 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

2.4 Anexo: Sistemas de Ecuaciones Lineales

Definicion 2.11.

Una ecuacion lineal o de primer grado en n incognitas es una expresion de la forma

a1 x 1 + a2 x 2 + a3 x 3 + + an x n = b (2.3)

donde a1 , a2 , a3 , . . . , an , b son elementos de un cuerpo K, y x1 , x2 , x3 , . . . , xn son las

incognitas.
Los numeros a1 , a2 , a3 , . . . , an se llaman Coeficientes de la ecuacion y b se llama
Termino constante o independiente.
Una solucion de la ecuacion (2.3) es una n upla (k1 , k2 , . . . , kn ) de elementos de
K que reemplazados en lugar de x1 , x2 , . . . , xn verifican la igualdad (2.3).

Definicion 2.12.

Un sistema de m ecuaciones lineales con n incognitas es una expresion:

a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3 (2.4)
=
am1 x1 + am2 x2 + am3 x3 + + amn xn = bm

Definicion 2.13.

Un sistema se dice Compatible si posee solucion.

Un sistema se dice Incompatible si no posee solucion.
Una solucion del sistema (2.4) es una nupla (k1 , k2 , . . . , kn ) de elementos de K que
reemplazados en lugar de x1 , x2 , x3 , , xn en las m ecuaciones de (2.4), se verifican
simultaneamente las m igualdades.

Definicion 2.14.

Un sistema compatible se dice Determinado si posee una unica solucion, e Inde-

terminado o Dependiente si posee mas de una solucion.

UBB 49
Captulo 2: Espacios Vectoriales C. Picarte F.

Observacion 2.20.

El sistema se dice Homogeneo si

b1 = b2 = b3 = = bn = 0.

2.4.1. Notacion Matricial de un Sistema de Ecuaciones

Observacion 2.21.

Si llamamos:

a11 a12 a13 a1n

a21 a22 a23 a2n

A= a31 a32 a33 a3n
Matriz de los coeficientes.


am1 am2 am3 amn
x1
x2

X =
x3 matriz de las incognitas.


xn

b1
b2

b=
b3 matriz de los terminos independientes.


bm

El sistema (2.4) se puede escribir:

A X = b

a11 a12 a13 a1n x1 b1

a21 a22 a23 a2n x2 b2

a31 a32 a33
a3n x3 =
b3


am1 am2 am3 amn xn bm

50 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

Definicion 2.15.

Llamaremos Matriz Ampliada del sistema (2.4) a la matriz (Ab).

Teorema 2.6.

El sistema A X = b tiene solucion si y solo si el rango de la matriz ampliada es

igual al rango de la matriz de los coeficientes, es decir, si rango (Ab) = rango (A).

Observaciones 2.22.

Un sistema homogeneo siempre es compatible, porque el rango de la matriz A es

igual al rango de la matriz ampliada.
Un sistema homogeneo posee por lo menos la solucion (0, 0, , 0), llamada solucion
trivial.

Observacion 2.23.

Consideremos el sistema A X = b.

i) Si rango(A) rango(Ab), entonces el sistema no tiene solucion.

ii) Si rango(A) = rango(Ab), y llamamos n al numero de incognitas y

r = rango(A) = rango(Ab), entonces el sistema:

a) Si r = n tiene una unica solucion.

b) Si r < n posee infinitas soluciones, y n r indica el numero de incognitas
que deben tomar valores arbitrarios.

Teorema 2.7.

El rango de una matriz en forma escalonada es igual al numero de filas no-nulas

que posee.

UBB 51
Captulo 2: Espacios Vectoriales C. Picarte F.

Metodo para calcular el rango de una Matriz :

De los dos Teoremas anteriores obtenemos la siguiente Forma alternativa para calcular el
rango de una matriz A

Mediante operaciones elementales sobre filas se lleva la matriz A a la forma escalonada.

El numero de filas no-nulas de la forma escalonada obtenida es el rango de la matriz A.

Ejemplo 2.10.

Calcular el rango de la siguiente matriz :

2 1 3 2
A = 1 3 2 1
0 1 1 0

Solucion:

2 1 3 2 e 1 3 2 1 e (2) 1 3 2 1 e (7) 1 3 2 1
1 3 2 1 12 2 1 3 2 21 0 7 7 0 23 0 0 0 0
0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0

Luego, rango(A) = 2

Ejemplo 2.11.

Determine el valor de la constante , en el siguiente sistemas, para que este presente:

Unica solucion, infinitas soluciones o no tenga solucion (justifique sus respues-
tas):

x y +2z = 1
x +y z = 1
3x +y +z =

1. Solucion unica

2. Infinitas soluciones

3. Ninguna solucion

Solucion: Calculemos el rango del sistema, para analizar las posibles soluciones.

52 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

1 2 1 e12 (2) + 2 1 + 2 0 (1 + )
1 1 1 1 1 1
3 1 1
e32 (1) 4 1+ 0 1

(2)(3)
0 0 (+1)(+2)
e13 ( +2 ) 4 4
4 1 1 1
4 1+ 0 1

Luego, el sistema tendra:

( 2)( 3)
i) Solucion unica si 0 / {2, 3}
4

ii) Infinitas soluciones si

( 2)( 3) ( + 1)( + 2)
[ =0 = 0] [ {2, 3} {1, 2}]
4 4
no puede tener inf. sol.

iii) Sin Solucion si:

( 2)( 3) ( + 1)( + 2)
[ =0 0] [ {2, 3} / {1, 2}]
4 4
{2, 3}

2.4.2. Regla de Cramer

Sea A X = b un sistema de n ecuaciones con n incognitas.

Observacion 2.24.

Si A =/ 0, entonces existe A1 , luego la solucion del sistema se puede obtener de la

forma:
X = A1 b

UBB 53
Captulo 2: Espacios Vectoriales C. Picarte F.

Teorema 2.8 (Cramer).

Sea A X = b un sistema de n ecuaciones con n incognitas. Si det(A) =/ 0, la solucion

del sistema es:
Ai
xi =
A
donde Ai es la matriz que se obtiene de reemplazar la columna iesima por el vector
independiente b.

Ejemplo 2.12.

2x + 3y = 2
Resolver el siguiente sistema
x y = 3

2 3 2 x
Solucion: A = ( ), b = ( ) y X = ( ). Luego tenemos que:
1 1 3 y

2 3 2 2
A = 5, A1 = = 11, y A2 = = 4. De aqu
3 1 1 3

A1 11 11 A2 4 4
x1 = = = ; x2 = = =
A 5 5 A 5 5
11
As X = ( 54 )
5

Observacion 2.25.

Si A X = 0, tiene igual numero de ecuaciones que de incognitas (n), entonces

al aplicar Cramer se obtiene la solucion trivial, siendo esta la unica solucion del
sistema.

2.4.3. Metodo de Reduccion de Gauss

Dado un sistema de ecuaciones lineales, escrito matricialmente por:
AX = b
El metodo de Gauss consiste en transformar el sistema dado en otro equivalente. Para
ello tomamos la matriz ampliada del sistema (Ab), y mediante las operaciones elementales

54 UBB
C. Picarte F. Captulo 2: Espacios Vectoriales

por filas la transformamos en una matriz triangular superior ( o inferior). De esta forma
obtenemos un sistema equivalente al inicial y que es mas facil de resolver.

Ejemplo 2.13.

x 2y + z = 1
Resolver el siguiente sistema: x + y + 3z = 3
2x y = 0

1 2 1 1
Solucion: Sea la matriz ampliada 1 1 3 3, aplicando operaciones elementales,
2 1 0 0
se tiene:

1 2 1 1 1 2 1 1 1 2 1 1
1 1 3 3 0 3 2 2 0 3 2 2
2 1 0 0 0 3 2 2 0 0 4 4

Luego, el sistema equivalente es:

x 2y + z = 1
x=0



3y + 2z = 2 y=0

4z = 4


z = 1

UBB 55