Captulo 1

Geometra del Plano y el Espacio

1.1 Vectores y puntos en el plano y el espacio

1.2 El producto punto
1.3 El producto cruz
1.4 Rectas y planos
1.4.1 Recta
Para el plano es posible hallar la ecuacin de una recta si se conocen dos puntos o bien
un punto y la pendiente. En R3 , la concepcin es similar. Dos puntos pueden determinar
una recta, o bien un punto y la direccin de ella.

Figura 1.4.1: Recta en el espacio

1
lgebra Linea Aplicada 2

Dados dos puntos P = (x1 , y1 , z1 ), Q = (x2 , y2 , z2 ) R3 sobre una recta L. Un vector

paralelo a la recta es el representado por P Q, de modo que

v = P Q = [x2 x1 , y2 y1 , z2 z1 ]

Tomemos ahora cualquier punto R = (x, y, z)sobre la recta. Entonces P R ser paralelo

a P Q que denotamos como v, de manera que por el teorema (1.0)

P R = v
para algn R. Ahora de la figura se tiene que

OR = OP + P R
y al combinar se obtiene

OR = OP + v

La ecuacin se denomina ecuacin vectorial de la recta. Si R esta sobre L, entonces

se satisface para algn .
Si se extienden las componentes se obtiene

[x, y, z] = [x1 , y1 , z1 ] + [x2 x1 , y2 y1 , z2 z1 ]

x = x1 + (x2 x1 )
o sea y = y1 + (y2 y1 )
z = z1 + (z2 z1 )

Las ecuaciones se denominan ecuaciones paramtricas de una recta.

Por ltimo al despejar en cada una de las ecuaciones y definir x2 x1 = a, y2 y1 = b,
z2 z1 = c, se encuentra que si a, b, c 6= 0

x x1 y y1 z z1
= =
a b c

Las ecuaciones se llaman ecuaciones simtricas de la recta, donde a,b y c se asocian

a las componentes del vector v, que lo denominaremos vector director. En particular
estas ecuaciones son solo validas si a, b y c son diferentes de cero.
lgebra Linea Aplicada 3

Distancia de un punto a una recta

Sea A = (xa , ya , za ) un punto y l : OR = OP + v una recta, podemos hallar al
distancia mas corta del punto a la recta de la siguiente manera. Dado el punto P =

(xo , y0 , zo ) sobre la recta podemos asociar un vector P A = OA OP , la proyeccin del

vector P A sobre el vector director v denotada por proyv (P A) es un vector paralelo al

vector director y la resta vectorial d = proyv (P A) P A corresponder con un vector
ortogonal a la recta cuya magnitud sera la menor distancia del punto a la recta.

d(A, l) = proyv (P A) P A

Figura 1.4.2: Distancia de un punto a una recta

1.4.2 Plano
Definicin 1 (Plano).

Sea P un punto en el espacio y n un vector diferente de cero. El conjunto de

puntos Q para los que P Q n = 0 constituyen un plano en R3 .
lgebra Linea Aplicada 4

Figura 1.4.3: Recta en el espacio

Sea P = (x0 , yo , zo ) un punto sobre un plano con vector normal n = [a, b, c], decimos
que Q = (x, y, z) esta en el plano formado por P y que tiene como vector normal a n

si P Qn = 0, o bien P Q es ortogonal a n. Dado que P Q corresponde a OQ OP ,
podemos decir que

(OQ OP ) n = 0

OQ n OP n = 0

OQ n = OP n
ax + by + cz = ax0 + by0 + cz0 = d

La ecuacin cartesiana de un plano sera

ax + by + cz = d

Podemos hallar la ecuacin de un plano que pasa por tres puntos P , Q y R asociando
dos vectores, que estarn en el plano, podemos realizar el producto cruz entre ellos y
hallar un vector ortogonal al plano que corresponder con el vector director.

Definicin 2.

Dos planos son paralelos si sus vectores normales son paralelos, es decir su
producto cruz es cero.

Distancia de un punto a un plano (pendiente)

Captulo 2

Sistemas de Ecuaciones Lineales

2.1 Sistemas de ecuaciones lineales

Definicin 3.

Una ecuacin lineal en las variables x1 , x2 , , xn es una ecuacin que se

escribe de la forma

a1 x 1 + a2 x 2 + + an x n
donde a1 , a2 , , an y b son nmeros reales o complejos que por lo general son
conocidos. Un sistema de ecuaciones lineales es un conjunto de ecuaciones
con que involucran las mismas variables.

Consideremos el siguiente sistema de ecuaciones lineales

a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2

Geomtricamente podemos interpretar cada una de las ecuaciones como un recta en

el plano, el conjunto de puntos (x1 , x2 ) que satisfacen las dos ecuaciones se denomina
solucin. Podemos interpretar tres casos para el par de rectas: 1) si las rectas no
son paralelas intersectan en un nico punto y el sistema tiene una solucin nica,
2) si las rectas son paralelas nunca se intersectan el sistema no tiene solucin, 3)
si son la misma recta el sistema tiene infinidad de soluciones. Podemos extender
esta interpretacin a todos los sistemas de ecuaciones lineales de m ecuaciones con n
incgnitas.

5
lgebra Linea Aplicada 6

Un sistema de ecuaciones lineales puede

1. no tener solucin, o

2. tener una nica solucin, o

3. tener una cantidad infinita de soluciones.

Definicin 4 (Sistemas inconsistentes y consistentes).

Se dice que un sistema de ecuaciones lineales en inconsistente si no tiene

solucin. Se dice que un sistema es consistente sin tiene al menos una solucin.

2.2 Eliminacin de Gauss-Jordan

A continuacin describiremos un mtodo para encontrar todas las soluciones (si existen)
de un sistema de ecuaciones lineales. Antes es necesario introducir una notacin que
simplifica la escritura del procedimiento mediante el concepto de matriz. Una matriz es
un arreglo rectangular de nmeros. Los coeficientes de las variables los podemos escribir
como los elementos de una matriz, llamada matriz de coeficientes del sistema

a11 a12 a1n
a21 a22 a2n
.. .. ..

. . .
am1 am2 amn
El sistema se puede escribir como la matriz aumentada

a11 a12 a1n  b1
a21 a22 a2n  b2
.. .. ..  ..

. . .  .

am1 am2 amn  bn
Se puede multiplicar los dos lados de una ecuacin por un nmero diferente de cero y
da por resultado una ecuacin equivalente. Si se suma un mltiplo de una ecuacin a
otra del sistema se obtiene otra ecuacin equivalente. Por ltimo, si se intercambian
dos ecuaciones en un sistema de ecuaciones se obtiene un sistema equivalente. Estas
tres operaciones se aplican a la matriz aumentada representa un sistema de ecuaciones
lineales.
lgebra Linea Aplicada 7

Operaciones elementales por renglones

1. Multiplicar un rengln por un nmero diferente de cero. Ri Ri

2. Sumar un mltiplo de un rengln a otro rengln. Rj Rj + Ri

3. Intercambiar dos renglones. Ri  Rj

Definicin 5.

Una matriz se encuentra en la forma escalonada reducida por renglones

si se cumple lo siguiente

1. Los renglones cuyos elementos son todos ceros aparecen en la parte infe-
rior de la matriz.

2. El primer nmero diferente de cero en cualquier rengln cuyos elementos

no todos son ceros es 1.

3. Si dos renglones sucesivos tienen elementos distintos de cero, el primer

uno en el rengln de abajo est mas hacia la derecha que el primer uno
en el rengln de arriba.

4. Cualquier columna que contiene el primer 1 en un rengln tiene ceros en

el resto de elementos. El primer nmero diferente de cero en un rengln
se llama pivote.

Definicin 6.

Una matriz se encuentra en la forma escalonada por renglones si se cumple

1, 2 y 3 de la definicin anterior.
lgebra Linea Aplicada 8

Algoritmo de Gauss-Jordan

1. Escriba la matriz aumentada del sistema de ecuaciones lineales.

2. Use operaciones elementales para reducir la matriz aumentada a la forma

escalonada reducida por renglones.

3. Si el sistema es consistente, resuelve para las variables pivote en trminos

de las variables libres restantes.

Ejemplo. Resuelva el sistema

2x1 + 4x2 + 6x3 = 18

4x1 + 5x2 + 6x3 = 24
3x1 + x2 2x3 = 4
Solucin. -

 
2 4 6  18
 1
R1 2 R1
1 2 3  9

4 5 6  24 4 5 6  24
 
3 1 2  4 3 1 2  4

R2 R2 4R1  
R3 R3 3R1 1 2 3  9
 R2 13 R2
1 2 3  9

0 3 6  12 0 1
 2  4

0 5 11  23 0 5 11  23
R1 R1 2R2  
R3 R3 + 5R2 1 0 1  1 1 0 1  1
 R R3 
0 1 2  4 3 0 1 2  4

0 0 1  3 0 0 1  3
R2 R2 2R3 
R1 R1 + R3 1 0 0  4
0 1 0  2
0 0 1  3

Finalmente asociamos la matriz equivalente con la solucin x1 = 4, x2 = 2 y x3 = 3.

lgebra Linea Aplicada 9

2.3 Sistemas homogneos de ecuaciones

Definicin 7.

Un sistema de ecuaciones lineales se llama homogneo si todas las constante

b1 , b2 , , bn son cero, si alguna o algunas de las constantes son diferentes de
cero el sistema lineal es no homogeneizo. El sistema general homogneo esta
dado por

a11 x1 + a12 x2 + + a1n xn = 0

a21 x1 + a22 x2 + + a1n xn = 0
.. .. .. ..
. . . .
am1 x1 + am2 x2 + + amn xn = 0

Para sistemas generales homogneos x1 = x2 = = xn = 0 siempre es una solucin

llamada solucin trivial, por lo que es posible que el sistema unicamente tenga la
solucin trivial o exista un nmero infinito de soluciones, las soluciones distintas de
cero se denomina soluciones no triviales.

Teorema 1.

Un sistema homogneo tiene un numero infinito de soluciones si tiene mas

incgnitas que ecuaciones, es decir n > m.
Captulo 3

Matrices y Determinantes

3.1 Definiciones
Definicin 8 (Matriz).

Una matriz A de m n es un arreglo rectangular de mn nmeros dispuestos

en m renglones y n columnas

a11 a12 a1j a1n

a21 a22 a2j a2n
. .. .. ..
.
. . . .

A=
ai1 ai2 aij ain

. .. .. ..
.. . . .
am1 am2 amj amn
Donde A pertenece al conjunto de las matrices m n denotado por Mmn .

En particular las matrices de dimensiones 1 n y m 1 estn asociadas a vectores

columna y rengln respectivamente, denotados por letras minsculas en negritas. A los
vectores con n componentes los denotamos por Rn .
El
vector rengln (ai1 , ai2 , . . . , ain )es el rengln i-simo de A y el vector columna
a1j
a2j
.. la columna j-sima de la matriz. La componente ijde A, denotado por

.
anj
aij , es el nmero que aparece en el rengln i y la columna j. En ocasiones denotamos
a A como A = (aij ). Por lo general, las matrices se denotaran con letra maysculas.

10
lgebra Linea Aplicada 11

Si A es una matriz m m entonces se llama matriz cuadrada. Una matriz con todos
los elementos iguales a cero se denomina matriz cero de m n.
Decimos que dos matrices A = (aij ), B = (bij ) son iguales si
1. son del mismo tamao y
2. las componentes correspondientes son iguales es decir (aij ) = (bij ).

Definicin 9 (Suma de matrices).

Sea A = (aij ) , B = (bij ) Mmn . La suma de A y B es la matriz m n dada

por

a11 + b11 a12 + b12 a1n + b1n
a21 + b21 a22 + b22 a2n + b2n
A + B = (aij + bij ) = .. .. ..

. . .


am1 + bm1 am2 + bm2 amn + bmn

Definicin 10 (Multiplicacin de una matriz por un escalar).

Sea A = (aij ) Mmn y un escalar, la matriz A esta dada por

a11 a12 a1n
a21 a22 a2n
A = (aij ) = .. .. ..

. . .
am1 am2 amn

A partir de las dos anteriores definiciones es posible establecer propiedades bsicas de

la suma de matrices y la multiplicacin por escalar, definidas en el siguiente teorema.
Teorema 2.

Sean A, B, C Mmn y y dos escalares, entonces:

1. A + 0 = 0 5. (A + B) = A + B
2. 0A = 0
6. 1A = A
3. A + B = B + A
4. (A + B) + C = A + (B + C) 7. ( + )A = A + A
lgebra Linea Aplicada 12

3.2 Producto vectorial y matricial

Definicin 11 (Producto escalar).

Sea u = (u1 , u2 , , un )y v = (v1 , v2 , , vn ) dos vectores. El producto es-

calar de a y b denotado por u v, est dad por

u v = a1 b 1 + a2 b 2 + + an an

Teorema 3.

Sean u, v, w Rn y un escalar. Entonces

1. a 0 = 0 3. a (b + c) = a b + a c

2. a b = b a 4. (a) b = (a b)

Ahora se define el producto de dos matrices

Definicin 12 (Producto de dos matrices).

Sea A = (aij ) una matriz de m n y B = (bij ) una matriz de n p. Entonces

el producto de A y B es una matriz C = (cij ) de dimensin m p, en donde

cij = (renglon i de A) (columna j de B)

Es decir la componente ij de la matriz AB es el producto punto del rengln i
de A y la columna j de B, si se extiende se obtiene
n
X
cij = aik bkj = ai1 b1j + ai2 b2j + + ain bnj
k=1

A partir, de esta definicin y la anterior de suma, se establecen las siguientes propiedades

lgebra Linea Aplicada 13

Teorema 4 (Propiedades del prducto y la suma de matrices).

Si todas las sumas y todos los productos siguientes estn definidos, entonces

1. A(BC) = (AB)C

2. A(B + C) = AB + AC

3. (A + B)C = AC + BC

3.3 Inversa de una matriz cuadrada

Definicin 13 (Matriz identidad).

La matriz identidad In de nn es una matriz cuyos elementos de la diagonal

principal son iguales a 1 y todos los son cero.

1 0 0
0 1 0
In = .. .. ..

. . .
0 0 0 1

Teorema 5.

Si a es una matriz cuadrada de n n, entonces

AIn = In A = A
Es decir la matriz In conmuta con toda matriz n n y la deja sin cambio en
la multiplicacin por la izquierda o por la derecha.
lgebra Linea Aplicada 14

Definicin 14 (Inversa de una matriz).

Si A y B dos matrices n n. Suponga que

AB = BA = I
Entonces B se llama la inversa de A y se denota por A1 . Entonces

AA1 = A1 A = I
Si A1 existe, entonces se dice que A es invertible.

Una matriz cuadrada que no es invertible se le denomina singular y una matriz inver-
tibles se le llama no singular.

Teorema 6.

Si una matriz es invertible, entonces su inversa es nica

Teorema 7.

Si A y B dos matrices invertibles de n n. Entonces AB es invertible y

(AB)1 = A1 B 1

 
2 3
Ejemplo. Clculo de la inversa de la matriz . Calcule A1 si existe.
4 5

x y
Solucin. Supongamos que A = 1
z w
      
1 2 3 x y 2x 3z 2y 3w 1 1
AA = = =
4 5 z w 4x + 5z 4y + 5w 0 0
A partir, de esto podemos plantear los siguientes dos sistemas de ecuaciones

2x 3z = 1 2y 3w = 1
4x + 5z = 0 4y + 5w = 0
lgebra Linea Aplicada 15

Como las matrices de coeficientes de ambos sitemas seran iguales se puede realizar
reduccin por renglones sobre las dos matrices aumentadas al mismo tiempo. Conside-
rando la matriz aumentada
  
2 3  1 0
4 5  0 1
y a travs de operaciones elementales la podemos llevar a la matriz

1 0  52 32
 

0 1  2 1
 5
2 32

Entonces A =1
, se puede demostrar que AA1 = I
2 1
En caso de que el sistema no tenga solucin decimos que la matriz es no invertible o
singular.

Procedimiento para encontrar la inversa de una matriz cuadrada.

En general podemos extender el desarrollo del ejemplo anterior para todas las
matrices cuadradas

1. Escribir la matriz aumentada (A| I).

2. A travs de reduccin por renglones llevamos a la matriz A a su forma

escalonada reducida.

3. Si la forma escalonada es la matriz identidad A1 sera la matriz de la dere-

cha, si la reduccin conduce a un rengln de ceros A no es invertible.

3.4 Transpuesta de una Matriz

Definicin 15 (Transpuesta de una matriz).

Si A = (aij ) una matriz de m n. Entonces la transpuesta de A, denotada

por AT , es la matriz de n m que se obtiene al intercambiar los renglones por
la columnas de A, es decir AT = aji .
lgebra Linea Aplicada 16

Teorema 8.

Si todos los productos y sumas siguientes estn definidos, entonces

1. AT = A.

T

2. (AB)T = AT B T .

3. (A + B)T = AT + B T .

4. Si A es invertible, entonces AT es invertible y AT = (A1 ) .

1 T

Definicin 16 (Matriz simtrica).

La matriz cuadrada A de n n se denomina simtrica si AT = A.

Captulo 4

Espacios Vectoriales

4.1 Definicin y Propiedades

Definicin 17 (Espacio Vectorial).

Un espacio vectorial real V es un conjunto de vectores, definidos para dos

operaciones llamadas suma y multiplicacin por un escalar que satisfacen
los siguientes diez axiomas.
Con x, y, z V y , R

1. x + y V (cerradura bajo la suma).

2. (x + y) + z = x + (y + z) (asociatividad en la suma).

3. Existe un vector 0 V tal que x + 0 = 0 + x = x (vector cero).

4. Existe un vector x V tal que x + (x) = 0 (inverso aditivo).

5. x + y = y + x (conmutatividad en la suma).

6. x V (cerradura en la multiplicacin por un escalar).

7. (x + y) = x + y (primera ley distributiva).

8. ( + )x = x + x (segunda ley distributiva).

9. (x) = ()x (asociatividad en la multiplicacin por un escalar).

10. Existe un vector 1 tal que 1x = x (elemento identidad).

Existen diferentes espacios vectoriales y muchos conjuntos que no lo son, para que un

17
lgebra Linea Aplicada 18

espacio vectorial lo sea es necesario demostrar que se cumplen los diez axiomas. A
partir de la definicin se pueden demostrar algunos resultados validos sobre los espacios
vectoriales.

Teorema 9.

Sea V un espacio vectorial con x V y R. Entonces

1. 0 = 0.

2. 0 x = 0.

3. x = 0 = 0 o x = 0 (o ambos).

4. (1)x = x