Álgebra Lineal

Interactiva
Ejercicios y problemas

Augusto Spela
Álgebra Lineal Interactiva
Ejercicios y problemas

Universidad Tecnológica Nacional - FRBA

Fondo Editorial RED Descartes

Córdoba (España)
2024
Título de la obra:
Álgebra Lineal Interactiva. Ejercicios y problemas.

Autor:
Augusto Spela
Universidad tecnológica Nacional - FRBA
Buenos Aires (Argentina)

Código JavaScript para el libro: Joel Espinosa Longi, IMATE,

UNAM.
Recursos interactivos: DescartesJS
Imagen de la portada obtenida de la IA Lexica
Fuentes: Lato y UbuntuMono

Red Educativa Digital Descartes

Córdoba (España)
descartes@[Link]
[Link]

Proyecto iCartesiLibri
[Link]

ISBN: 978-84-18834-86-8

Esta obra está bajo una licencia Creative Commons 4.0 internacional: Reconocimiento-No Comercial-Compartir Igual.
Tabla de contenido
Prefacio 5
1. Vectores, rectas y planos 7
1.1 Introducción a vectores en R3 11
1.2 Producto escalar en R3 26
1.3 Producto vectorial y mixto 36
1.4 Ecuaciones del plano 52
1.5 Ángulos y distancias 63
1.6 Haz de planos 72
1.7 Recta en R3 77
1.8 Recta y plano: intersecciones y ángulos 85
1.9 Distancias y proyecciones 105
1.10 Ejercicios surtidos de fin de capítulo 129
2. Matrices, determinantes y SEL 135
2.1 Matrices 139
2.2 Operaciones con matrices 141
2.3 Determinantes 149
2.4 Matrices y sistemas de ecuaciones lineales 157
3. Espacios vectoriales 163
3.1 Espacios y subespacios vectoriales 167
3.2 Conjunto generador. L.I. L.D. Bases 180
3.3 Operaciones con subespacios 206

iii
4. Tres espacios de una matriz 221
4.1 Espacios fila y columna de A. Rango 224
4.2 Espacio nulo de A 229
4.3 Relación entre las soluciones de AX = B y AX = 0. 234
Variables libres
Bibliografía recomendada 249

iv
Prefacio
Este libro interactivo no busca ser un libro de cabecera, apenas
pretende ser un complemento, enfocado en el "hacer", de los
buenos textos que existen en la actualidad sobre Álgebra Lineal.
Una lista sugerida de los mismos se ofrece en la bibliografía
recomendada

Debo hacer un especial agradecimiento a la UDB Matemática de

la Universidad Tecnológica Nacional FRBA, que me permitió
utilizar parte del excelente material disponible en su sitio web de
Álgebra y Geometría Analítica 1

Algunas de las escenas interactivas fueron tomadas y/o

adaptadas de escenas realizadas en DescartesJS por la autoras
Elena Álvarez Sáiz y María José García Cebrian [1][2], otras
escenas son de autoría de la profesora Melissa Méndez Servin,
disponibles en la web [3]. También se han adaptado recursos y
applets disponibles en Geogebra.

Profundamente agradecido a los académicos Juan Guillermo

Rivera Berrío, Ramiro Antonio Lopera Sánchez, Joel Espinosa
Longi y demás desarrolladores del Proyecto iCartesiLibri2, por su
invaluable ayuda y aporte de conocimientos, brindados siempre
de manera generosa.

Este libro puede leerse descargándolo en un dispositivo digital,

pero para visualizar algunas imágenes o videos es necesario estar
conectado a Internet.
1
[Link]
2
[Link]

5
 Capítulo I

Vectores, rectas y planos

1.1 Introducción a vectores en R3 11
1.1.1 Vectores en R3 13
1.1.2 Operaciones y nociones básicas de vectores en R3 13
1.1.3 Propiedades de la suma de vectores y del producto 15
por un escalar
1.1.4 Módulo o norma de un vector en R3 16
1.1.5 Propiedades del módulo o norma de un vector 17
1.1.6 Vector determinado por dos puntos 18
1.1.7 Distancia entre dos puntos 19
1.1.8 Expresión canónica de un vector 21
1.1.9 Ángulos directores y cosenos directores de un 22
vector
1.1.10 Versor asociado a un vector 25
1.2 Producto escalar en R3 26
1.2.1 Propiedades del producto escalar 26
1.2.2 Ángulo entre vectores 29
1.2.3 Condición de perpendicularidad 30
1.2.4 Proyección de un vector en la dirección de otro 31
1.3 Producto vectorial y mixto 36
1.3.1 Producto vectorial 36
1.3.2 Propiedades del producto vectorial 38
1.3.3 Fórmula para calcular el producto vectorial 38
 1.3.4 Interpretación geométrica del módulo del producto 41
vectorial
1.3.5 Producto mixto 46
1.3.6 Interpretación geométrica del producto mixto 48
1.3.7 Coplanaridad 50
1.4 Ecuaciones del plano 52
1.4.1 Deducción de la ecuación general del plano 52
1.4.2 Ecuación segmentaria del plano 53
1.4.3 Ecuación vectorial paramétrica del plano 56
1.4.4 De la ecuación general a la ecuación vectorial 59
paramétrica
1.5 Ángulos y distancias 63
1.5.1 Ángulo entre dos planos 63
1.5.2 Planos perpendiculares y planos paralelos 65
1.5.3 Distancia de un punto a un plano 67
1.5.4 Distancia entre planos paralelos 71
1.6 Haz de planos 72
1.7 Recta en R3 77
1.7.1 Ecuaciones de la recta en R3 77
1.7.2 Ecuación vectorial de la recta 78
1.7.3 Ecuaciones paramétricas de la recta 80
1.7.4 Ecuaciones simétricas de la recta 81
 1.7.5 Recta definida como intersección de dos planos 83
1.8 Recta y plano: intersecciones y ángulos 85
1.8.1 Intersección entre recta y plano 85
1.8.2 Paralelismo entre recta y plano 89
1.8.3 Perpendicularidad entre recta y plano 92
1.8.4 Ángulo entre recta y plano 95
1.8.5 Intersección de rectas en R3 98
1.8.6 Plano que contiene a dos rectas 100
1.8.7 Ángulo entre dos rectas 103
1.9 Distancias y proyecciones 105
1.9.1 Proyecciones ortogonales 105
1.9.2 Planos proyectantes de una recta 112
1.9.3 Distancias 117
1.9.4 Condición de coplanaridad 123
1.10 Ejercicios surtidos de fin de capítulo 129
1.1 Introducción a vectores en R3
Puntos en R3

Para ubicar un punto en R3 usaremos como sistema de referencia

una terna de ejes perpendiculares entre sí:

eje x (eje de abscisas, en rojo)

eje y (eje de ordenadas, en verde)
eje z (eje de cotas, en azul)

los cuales se cortan en el punto O (origen de coordenadas).

11
En el siguiente esquema se ven
los tres planos que quedan
determinados:

el plano xy (en azul)

el plano xz ( en verde)
el plano yz (en rojo)

Estos planos se conocen como planos coordenados. El nombre del

plano xy viene de que este plano contiene al eje x y al eje y . En
forma análoga se derivan los nombres de los otros dos planos.

Se puede demostrar que hay dos formas diferentes de armar un

sistema de referencia con tres ejes perpendiculares. Una de esas
formas se conoce con el nombre de terna derecha (que es la que
usaremos en esta materia y la que hemos presentado recién) y la
otra como terna izquierda:

12
1.1.1 Vectores en R3
Queda establecido un sistema de coordenadas donde todo punto
de R3 se define mediante una terna ordenada de números reales:
P (x, y, z ), y tiene asociado un vector posición:
p = OP = (x, y, z )
​

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

1.1.2 Operaciones y nociones básicas de vectores

en R3
Sean v = (vx , vy , vz ) y w = (wx , wy , wz ) vectores de R3 .
​ ​ ​ ​ ​ ​

A continuación definimos algunas operaciones y nociones

básicas:

Igualdad: v = w ⇔ vx = wx , vy = wy , vz = wz
​ ​ ​ ​ ​ ​

Suma: v + w = (vx + wx , vy + wy , vz + wz )
​ ​ ​ ​ ​ ​

13
Vector nulo: 0 = (0, 0, 0)
Opuesto de v : −v = (−vx , −vy , −vz )
​ ​ ​

Resta: v − w = v + (−w) = (vx − wx , vy − wy , vz − wz )

​ ​ ​ ​ ​ ​

El producto de un escalar por un vector se define:

v = (vx , vy , vz ) , k ∈ R , k.v = ([Link] , [Link] , [Link] )

​ ​ ​ ​ ​ ​

k.v es un vector tal que:

Tiene igual dirección que el vector v

Sentido: Si k > 0 entonces v y k.v tienen el mismo sentido, si
k < 0 entonces v y k.v tienen sentido opuesto. Si k = 0,
entonces 0.v = 0.
k.v = ∣k ∣ v . El módulo del vector k.v es ∣k ∣ veces el módulo del
vector v .

¿Cómo es la longitud del vector k.v respecto de la de v ?

Si ∣k ∣ > 1 entonces ∥k.v ∥ > ∥v ∥

Si ∣k ∣ < 1 entonces ∥k.v ∥ < ∥v ∥
Si ∣k ∣ = 1 entonces ∥k.v ∥ = ∥v ∥

Notación

∥v ∥ : módulo o norma de un vector

∣k ∣ : módulo o valor absoluto de un número real

14
La definición de producto de un escalar por un vector permite
enunciar una condición para que dos vectores (no nulos) sean
paralelos:

v∥w ⇔ v = k.w con k ∈ R

Ejemplos resueltos

1.1.3 Propiedades de la suma de vectores y del

producto por un escalar
Sean u, v , w ∈ R3 y α, β ∈ R.

Vimos que: u + v ∈ R3 y α u ∈ R3 . Estas operaciones verifican

las siguientes propiedades:

1. u + v = v + u
2. (u + v) + w = u + (v + w)
3. u + 0 = 0 + u = u
4. u + (−u) = (−u) + u = 0
5. α (u + v) = αu + αv
6. (α + β ) u = αu + βu
7. α (β u) = (αβ ) u
8. 1u = u

15
1.1.4 Módulo o norma de un vector en R3
Nos interesa hallar una fórmula para calcular el módulo o norma
de un vector. En R3 el módulo es la longitud del vector. Para
deducirla usaremos los triángulos rectángulos que quedan
determinados tal como se muestra en el siguiente interactivo:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

En general escribiremos: ∥v ∥2 = vx2 + vy2 + vz2

​ ​ ​

Aplicando raíz cuadrada a ambos miembros:

∥v ∥ = vx2 + vy2 + vz2

​ ​ ​ ​

16
1.1.5 Propiedades del módulo o norma de un vector
1. ∥v ∥ ≥ 0 ∧ ∥v ∥ = 0 ⇔ v = 0
2. ∥k.v ∥ = ∣k ∣ ∥v ∥, k ∈ R
3. Desigualdad triangular: ∥v + w∥ ≤ ∥v ∥ + ∥w∥

¿Qué condiciones tienen que cumplir los vectores v y w para que

se verifique la igualdad: ∥v + w∥ = ∥v ∥ + ∥w∥ ?

Ejemplo

Sean v = (−1, 1, 2) y w = (3, 0, −4) calcular:

a) ∥v ∥

b) ∥−2v ∥

c) ∥w∥

d) ∥v + w∥

Resolución
2
∥v ∥ = (−1) + 12 + 22 = ​ 6 ​

∥−2v ∥ = (−2)2 + 22 + 42 =
​ 24 = 2 6
​ ​

2
∥w ∥ = 32 + 02 + (−4) = 5 ​

17
 2
∥v + w∥ = ∥(2, 1, −2)∥ = 22 + 12 + (−2) = 3 ​

Observemos que ∥v + w∥ 
= ∥ v ∥ + ∥w ∥

1.1.6 Vector determinado por dos puntos

Dados los puntos A (XA , YA , ZA ) y B (XB , YB , ZB ), el vector
​ ​ ​ ​ ​ ​

AB , con origen en A y extremo en B , puede obtenerse cómo

sigue:

OA + AB = OB

⇒ AB = OB − OA = (XB , YB , Z,B ) −; (XA , YA , ZA )

​ ​ ​ ​ ​ ​

⇒ AB = (XB − XA , YB − YA , ZB − ZA )
​ ​ ​ ​ ​ ​

En este punto, te proponemos que nuevamente trabajes con el

interactivo de la página 16.

18
1.1.7 Distancia entre dos puntos
Problema
¿Cómo podríamos calcular la distancia entre R (1, 1, 4) y
S (3, 0, 2)?

Para hallar esta distancia armamos el vector RS (o el SR) y

calculamos su módulo:

RS = (2, −1, −2)

∥RS ∥ = 22 + (−1)2 + (−2)2 = ​ 4+1+4= ​ 9=3 ​

⇒ d (R, S ) = 3

En general
Dados dos puntos A (xA , yA , zA ) y B (xB , yB , zB ) la distancia
​ ​ ​ ​ ​

entre los mismos se calcula:

2 2 2
d (A, B ) = ∥AB ∥ = ( x B − x A ) + ( y B − y A ) + ( zB − zA )
​ ​ ​ ​ ​ ​ ​

Problema
Encontrar, si es posible, todos los puntos del eje z cuya distancia
al punto A (3, 2, 1) es 5.

19
Es recomendable hacer una figura de análisis del problema:

Un punto del eje z tiene la

forma P (0, 0, z).
Construyamos el vector desde
un punto genérico cualquiera
del eje z hasta A.

P A = (3, 2, 1 − z )

Se pide que el módulo (o

norma) de P A sea 5, entonces:

2
PA = 32 + 22 + ( 1 − z ) = ​ 13 + 1 − 2z + z 2 =​

= 14 − 2z + z 2 = 5 ​

25 = 14 − 2z + z 2 ⇒ z 2 − 2z − 11 = 0

2+ 4 − 4.1. (−11) 2− 4 − 4.1. (−11)

z= ∨ z=
​

2 2
​

2+ 48 2− 48
z= ∨ z=
​

2 2
​

z =1+ 12 ≅ 4, 46
​ ∨ z =1− 12 ≅ −2, 46
​

20
Hemos llegado a que z puede tomar dos valores distintos.
Entonces existen dos puntos del eje z cuya distancia al punto
A (3, 2, 1) es 5. Son:

P1 (0, 0, 1 +
​ 12)​ ∧ P2 (0, 0, 1 −
​ 12) ​

1.1.8 Expresión canónica de un vector

Recordemos que todo vector
de R2 puede expresarse como
combinación lineal de los
versores canónicos ǐ = (1, 0) y
ǰ = (0, 1).
​

v = (x, y )

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

v = x.ǐ + y.ǰ ​

En forma análoga, todo vector

de R3 puede expresarse como
combinación lineal de los
versores canónicos:

ǐ = (1, 0, 0)

ǰ = (0, 1, 0)
​

ǩ = (0, 0, 1)

21
 v = (x, y, z ) = x (1, 0, 0) + y (0, 1, 0) + z (0, 0, 1)

v = x.ǐ + y.ǰ + z.ǩ

​ (expresión canónica de v )

1.1.9 Ángulos directores y cosenos directores de

un vector
Se denominan ángulos directores de un vector a los ángulos
determinados por el vector y cada uno de los semiejes positivos,
como se muestra en la siguiente figura:

Los cosenos de dichos ángulos se llaman cosenos directores del

vector. Aplicando relaciones trigonométricas, podemos obtener
los cosenos directores:
vx vy vz
cos (α) = , cos (β ) = , cos (γ ) =
​ ​ ​

∥v ∥ ∥v ∥ ∥v ∥
​ ​ ​

22
Por lo tanto, los ángulos directores son:

vx vy vz
α = arcos ( ) , β = arcos ( ) , γ = arcos ( )
​ ​ ​

∥v ∥ ∥v ∥ ∥v ∥
​ ​ ​

Donde α, β, γ están comprendidos entre 0 y π .

Propiedad
cos2 (α) + cos2 (β ) + cos2 (γ ) = 1

Ejemplo

Hallar los ángulos directores de v = (2, 0, −2)

Resolución

Hallemos el módulo del vector:

∥v ∥ = 22 + 02 + (−2)2 = ​ 8=2 2
​ ​

Ahora calculamos los ángulos con el arco coseno de los

cocientes:

2
α = arccos ( ) = 45∘
2 2
​

0
β = arccos ( ) = 90∘
2 2
​

23
 −2
γ = arccos ( ) = 135∘
2 2
​

Veamos una gráfica del vector y sus ángulos directores:

24
1.1.10 Versor asociado a un vector
Dado un vector no nulo v , se denomina versor asociado al vector
unitario (de módulo 1) que tiene igual dirección y sentido que v .

Dado v distinto de 0, su versor asociado se obtiene dividiendo a

este por su norma:
v
v̆ =
∥v ∥
​

Tomando en cuenta los cosenos directores,

v = (∥v ∥ cos α, ∥v ∥ cos β, ∥v ∥ cos γ )

Entonces

v
= v̆ = (cos α, cos β, cos γ)
∥v ∥
​

Es decir, las componentes del versor v̆ son los cosenos directores

de v .

25
1.2 Producto escalar en R3
Sean u , v ∈ R3 , y θ el ángulo entre u y v , entonces el producto
escalar entre u y v se define como sigue:

⎧ ∥u∥ ∥v ∥ cos (θ ) si u
=0∧ v 
=0
u.v = ⎨
⎩ 0 si u = 0 ∨ v
[2 ]
=0
​ ​

1.2.1 Propiedades del producto escalar

1) u.v = v .u

2) u. (v + w) = u.v + u.w

3) k (u.v) = (k u.v) = u. (k v) , k ∈ R

26
4) v .v = (vx , vy , vz ) . (vx , vy , vz ) = vx2 + vy2 + vz2 = ∥v ∥2
​ ​ ​ ​ ​ ​ ​ ​ ​

∥v ∥2 > 0 ∀ v 
=0

De (4) se deduce que: ∥v ∥ = v .v ​

Ejemplo

Hallar u.v para u = (0, 0, 1) , v = (0, 3, −3)

Resolución
Hagamos una gráfica para visualizar el ángulo entre los dos
vectores:

27
 Calculemos los módulos de u. y v :

∥u ∥ = 1

∥v ∥ = 32 + (−3)2 = ​ 18 = 3 2 ​ ​

A partir del gráfico podemos determinar que el ángulo entre

los vectores es θ = 135∘ , o en radianes: θ = 34 π . ​

Calculemos el producto escalar:

2
u.v = 1. 18. cos (135∘ ) = 3 2. (− ) = −3
​

2
​ ​ ​

Pero no siempre es tan sencillo. Consideremos los vectores:

u = (−3, 5, 8) , v = (1, 1, 1)

Si quisiéramos calcular el producto escalar entre u y v ,

deberíamos conocer el ángulo comprendido entre dichos
vectores.

Usando el teorema del coseno se puede deducir otra fórmula para

calcular el producto escalar en función de las componentes de los
vectores.

Sean u = (ux , uy , uz ) , v = (vx , vy , vz ) ∈ R3 , entonces:

​ ​ ​ ​ ​

u .v = u x v x + u y v y + u z v z
​ ​ ​ ​ ​ [3]

28
Para los vectores dados, resulta:

u .v = (−3) .1 + 5 .1 + 8.1 = 10

1.2.2 Ángulo entre vectores

Dados u, v vectores no nulos de R3 , queremos hallar el ángulo
entre ellos.

Si θ es el ángulo entre u y v , de las definiciones [2] y [3] de

producto escalar resulta:

u .v
cos (θ) = ( )
∥u∥∥v ∥
​

u x vx + u y vy + u z vz
θ = arccos ( ), 0 ≤ θ ≤ π
​ ​ ​ ​ ​ ​

∥u∥∥v ∥
​

Por ejemplo, si
u = (1, 1, 3)

v = (−1, 0, 4)

1. (−1) + 1.0 + 3.4

θ = arccos ​ ​ ​

2
12 + 12 + 32 . (−1) + 02 + 42
​ ​

11
θ = arccos ( ) ≅ 36, 44∘
11. 17
​

​ ​

29
 Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

1.2.3 Condición de perpendicularidad

Sean u, v no nulos,
π
u.v = 0 ⇔ cos (θ) = 0 ⇔ θ =
2
​

Esto permite enunciar una condición de perpendicularidad:

u ⊥ v ⇔ u.v = 0 ​

Ejercicio para el lector

Dados u = (1, 2, 3) y v = (0, 2, 5) encontrar todos los
vectores perpendiculares a u y a v de módulo 3.

30
1.2.4 Proyección de un vector en la dirección de
otro
El producto escalar es útil en problemas en los que se tiene
interés en descomponer un vector como suma de vectores
perpendiculares.

Dados dos vectores no nulos u y v , nos proponemos

descomponer u como suma de un vector paralelo a v y otro
perpendicular a v . O sea:

u = u1 + u2 , u1 ∥ v y u2 ⊥ v
​ ​ ​ ​

u1 ∥ v ⇔ u1 = k v , k ∈ R
​ ​ ⇒ u = k v + u2 ​

Podemos aplicar a ambos miembros producto escalar por v .

Teniendo en cuenta que u2 . v = 0 por ser perpendiculares,
​

resulta:

31
 u⋅ v = (k v + u2 ) ⋅ v ⇒ u ⋅ v = k v ⋅ v + u2 ⋅ v ⇒
​ ​ ​ ​

∥v ∥2 0

2 u⋅ v
⇒ u ⋅ v = k ∥v ∥ ⇒ k = 2
∥v ∥
​ ​

=0


Entonces:

u⋅v
u1 = ( )v
∥v ∥2
​ ​

Este vector es la proyección de u en la dirección de v :

u⋅v
proy v (u) = ( )v
∥v ∥2
​ ​ ​

El vector u2 puede obtenerse por diferencia:

​

u = u1 + u2 ⇒ u2 = u − u1
​ ​ ​ ​

Recordemos que u2 debe ser perpendicular a v .

​

Para resolver algunos problemas geométricos, es útil calcular el

módulo del vector de proyección:

u⋅v ∣u ⋅ v∣ ∣u ⋅ v∣
∥proy v (u)∥ = ∥ v ∥ = ∥ v ∥ =
∥v ∥ 2 ∥v ∥ 2 ∥v ∥
​ ​ ​ ​ ​ ​ ​

32
 Ejemplo

Descomponer u = (1, 2, 1) como suma de un vector paralelo

a v = (0, 1, −1) más otro perpendicular a v .

Primero buscamos u1 : ​

u .v
u1 = proy v (u) = ( )v =
∥v ∥2
​ ​ ​ ​

(1, 2, 1).(0, 1, −1)

u1 = ( )(0, 1, −1)
02 + 12 + (−1)2
​ ​

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

1 1 3 3
u2 = u − u1 = (1, 2, 1) − (0, , − ) = (1, , )
2 2 2 2
​ ​ ​ ​ ​ ​

33
 Comprobación: u2 ⊥ v
​

3 3
(1, , ) . (0, 1, −1) = 0
2 2
​ ​

La siguiente escena de Geogebra nos permite visualizar la

proyección de un vector sobre otro en R3 :

Objeto interactivo de construcción propia

34
A continuación dejamos un ejercicio para que pongas a prueba
tus conocimientos sobre producto escalar

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

35
1.3 Producto vectorial y mixto
1.3.1 Producto vectorial
Definición
Para resolver numerosos problemas de Geometría, Física e
Ingeniería, interesa construir un vector en R3 que sea
perpendicular a dos vectores dados.

O sea: dados u, v ∈ R3 , nos proponemos hallar un vector w tal

que w⊥u y w⊥v .

El producto vectorial es una operación entre vectores que facilita

la obtención de w.

Definición: El producto vectorial de u y v , que indicaremos u × v

es un vector

u×v =w

Que tiene:

Dirección perpendicular a u y a v : w⊥u ∧ w⊥v

Sentido: regla de la mano
derecha: si con la mano
derecha se recorre el menor
ángulo posible entre u y v , el
pulgar indica el sentido de w.

36
Módulo:
∥w∥ = ∥u∥ ∥v ∥ sen (θ)

siendo θ el ángulo comprendido entre u y v

Se puede ver que no es una operación conmutativa porque si

cambiamos el orden de los vectores, se conservan la dirección y el
módulo del producto vectorial pero se invierte su sentido:

u × v = − (v × u)

Ejemplo
a = (0, 1, −1)

b = (0, 0, 3)

Hallar el vector a × b.

Dirección: eje x

Sentido: semieje positivo de x

Módulo: [Link] (135∘ ) =

​

2
2.3.
​

2
​

​
=3

Entonces:

a × b = (3, 0, 0)

37
1.3.2 Propiedades del producto vectorial
1. u × v = − (v × u)
2. (u + v ) × w = u × w + v × w
3. (k u) × v = k (u × v) = u × (k v)
4. v × v = 0 , pues ∥v × v ∥ = ∥v ∥ ∥v ∥ sen (0) = 0
5. u ∥ v ⇒ u × v = 0 , pues sen (0∘ ) = sen (180∘ ) = 0
6. 0 × v = v × 0 = 0

Si u y v son vectores no nulos, podemos enunciar una condición

necesaria y suficiente de paralelismo:

u ∥ v ⇔ u × v = 0 ⇔ u = k v con k ∈ R

1.3.3 Fórmula para calcular el producto vectorial

Dados u = (ux , uy , uz ) y v = (vx , vy , vz ) podemos hallar una
​ ​ ​ ​ ​ ​

fórmula para el producto vectorial expresando los vectores en

forma canónica.

Aplicando propiedades del producto vectorial y considerando los

productos entre los versores canónicos, se obtiene la siguiente
fórmula:

u × v = (uy vz − uz vy , −(ux vz − uz vx ), ux vy − uy vx ) [1]

​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

38
Esta fórmula puede expresarse en forma más sencilla utilizando
determinantes, tema que presentaremos brevemente y luego
desarrollaremos en la próxima unidad.

Una matriz es un ordenamiento rectangular de números, como

caso particular nos interesan las matrices cuadradas (igual
número de filas y de columnas).

a11 a12
A=( ) matriz de 2x2 (2 filas y 2 columnas)
​ ​

a21 a22
​ ​

​ ​

a11 ​ a12 ​ a13 ​

A= a21
​ ​ ​ a22 ​ ​ a23 ​ ​ ​
matriz de 3x3 (3 filas y 3 columnas)
a31 ​ a32 ​ a33 ​

A cada matriz cuadrada puede asignársele un número real que

llamaremos su determinante y designaremos como det (A) o ∣A∣ .
Para matrices de 2 × 2 y de 3 × 3 el determinante se calcula
como sigue:

𝑎11 𝑎12
𝐴=( 𝑎 ) ⇒ |𝐴| = 𝑎11 . 𝑎22 – 𝑎12 . 𝑎21
21 𝑎22

a11 ​ a12 ​ a13 ​

A= a21
​ ​ ​ a22 ​ ​ a23 ​ ​ ​
⟹
a31 ​ a32 ​ a33 ​

a22 a23 a a23 a a22

⟹ A = a11 − a12 21 + a13 21
​ ​ ​ ​ ​ ​

a32 a33 a31 a33 a31 a32

​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​ ​ ​ ​ ​

39
Podemos expresar la fórmula [1] utilizando determinantes como
sigue:

ĭ j̆ ​ k̆
u × v = ux ​
​
​
uy ​
​
uz = ​
​ ​

vx ​
vy ​
vz ​

uy uz u uz u uy
u×v = ĭ − x j̆ + x k̆
​ ​ ​ ​ ​ ​

vy vz vx vz vx vy
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​ ​ ​ ​ ​

Con la notación habitual de ternas, resulta:

uy uz u uz ux uy
u×v =( , − x , )
​ ​ ​ ​ ​ ​

vy vz vx vz vx vy
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​ ​ ​ ​ ​

Veamos cómo utilizar esta regla práctica para calcular un

producto vectorial:

u = (1, 2, 3)

v = (0, 2, 5)

ĭ j̆ k̆
2 3 1 3 1 2
​

u×v = 1 2 3 =( ,− , ) = (4, −5, 2)

2 5 0 5 0 2
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

0 2 5

Comprobemos que el vector obtenido es ortogonal a u y a v :

(4, −5, 2) . (1, 2, 3) = 0

(4, −5, 2) . (0, 2, 5) = 0

40
Te invitamos a que escribas los vectores del ejercicio anterior en
el siguiente applet:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

1.3.4 Interpretación geométrica del módulo del

producto vectorial
Consideremos los siguientes vectores y calculemos el módulo del
producto vectorial.

u = (1, 2, 3) , v = (0, 2, 5)

u × v = (4, −5, 2)

∥u × v ∥ = 45 = 3. 5
​ ​

¿Qué representa este número 3 5? ​

41
Dibujemos cualquier par de vectores u y v y hagamos el
paralelogramo determinado entre ellos:

Aˊrea del paralelogramo = ∥u∥.h

h
sen (θ) = ⇒ h = ∥v ∥sen (θ)
∥v ∥
​

Aˊrea del paralelogramo = ∥u∥ ∥v ∥ sen (θ) = ∥u × v ∥

Conclusión: Dados dos vectores no paralelos, el módulo de su

producto vectorial representa el área del paralelogramo
determinado por dichos vectores.

42
Ejemplo
Dados A (1, 3, 1), B (2, −3, 5) y C (0, 2, 1) calcular el área del
ΔABC .

Podemos pensar al área del triángulo como la mitad del área del
paralelogramo:
1
Aˊrea del tria
ˊngulo = .∥AB × AC ∥
2
​

AB = (1, −6, 4)

AC = (−1, −1, 0)

AB × AC = (4, −4, −7)

43
 ∥AB × AC ∥ = 16 + 16 + 49 = ​ 81 = 9
​

1
Aˊrea del tria
ˊngulo = .9 = 4, 5
2
​

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

44
Proponemos la siguiente ejercitación a manera de repaso del
tema visto.

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

45
1.3.5 Producto mixto
Definición
Dados tres vectores u, v , w ∈ R3 , se denomina producto mixto al
número real que se obtiene multiplicando u. (v × w).

Para obtener el producto mixto, se calcula primero el producto

vectorial y luego el escalar.

Dejamos como ejercicio para el lector, demostrar que:

u. (v × w) = (u × v) .w

Veamos un ejemplo:

u = (1, 2, 3)

v = (0, 2, 5)

w = (0, 0, 2)

ĭ j̆ k̆ ​

v × w = 0 2 5 = (4, 0, 0)
​ ​ ​ ​ ​

0 0 2

u. (v × w) = (1, 2 , 3) ⋅ (4, 0, 0) = 4

Ahora hagamos al revés:

(u × v) .w

46
 ĭ j̆ k̆ ​

u × v = 1 2 3 = (4, −5, 2) ​ ​ ​ ​ ​

0 2 5

(u × v) .w = (4, −5, 2) . (0, 0, 2) = 4

Existe otro procedimiento para calcular el producto mixto a

través de un determinante de 3×3.

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

​ ​ ​ ​ ​ ​ ​ ​ ​

el producto mixto es:

u1 ​ u2 ​ u3 ​

u ⋅ ( v × w ) = ( u × v ) ⋅ w = v1 ​ ​ ​ v2 ​ ​ v3 = ​ ​ ​

w1 ​ w2 ​ w3 ​

v2 v3 v v3 v v2
u ⋅ (v × w ) = u 1 − u2 1 + u3 1
​ ​ ​ ​ ​ ​

w2 w3 w1 w3 w1 w2
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​ ​ ​ ​ ​

Calculemos con este método el producto mixto entre:

u = (1, 2, 3), v = (0, 2, 5), w = (0, 0, 2)

1 2 3
u ⋅ (v × w ) = 0 2 5 = 4 ​ ​ ​ ​ ​

0 0 2

¿Qué significado tiene para la Geometría este número que hemos

obtenido con el producto mixto?

47
1.3.6 Interpretación geométrica del producto
mixto
Consideremos 3 vectores de R3 y construyamos un
paralelepípedo (cuerpo cuyas seis caras son paralelogramos):

V olumen del paralelepˊıpedo = a

ˊrea de la base . Altura

A = ∥u × v ∥

h = ∣cos (θ)∣ ∥w∥

siendo θ el ángulo entre (u × v ) y w.

Observación: cos (θ ) podría ser negativo, por eso tomamos su

valor absoluto para el cálculo de la altura.

Entonces:

V = ∥u × v ∥ ∥w∥ ∣cos (θ)∣ [1 ]

48
Por otra parte:

(u × v) .w = ∥u × v ∥ ∥w∥ cos (a
ˊng (u × v , w)) =

= ∥u × v ∥ ∥w∥ cos (θ) [2]

De [1] y [2] resulta:

Volumen del paralelepipedo = ∣ (u × v ).w ∣ ​

Retomando el ejemplo con los vectores u = (1, 2, 3) ,

v = (0, 2, 5) , w = (0, 0, 2); de acuerdo al valor del producto
mixto obtenido, el volumen del paralelepípedo determinado por
los tres vectores es igual a 4.

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian
49
1.3.7 Coplanaridad
Consideremos los vectores u = (1, 0, 3), v = (0, 0, 2),
w = (3, 0, 4). Te proponemos que verifiques que el producto
mixto da cero.

Si el producto mixto es cero, el volumen es 0, o sea que no se

forma el paralelepípedo.

Veamos una gráfica de estos tres vectores:

Observamos que los tres vectores están en el plano y = 0, es

decir que son coplanares.

50
Tres vectores u, v , w de R3 se denominan coplanares si
considerados con un origen común, sus direcciones quedan
incluidas en un mismo plano.

El producto mixto nos permite enunciar una condición de

coplanaridad:

u, v , w son coplanares ⇔ (u × v) .w = 0

Lo que hemos desarrollado hasta aquí sobre vectores resulta una

herramienta potente para el estudio de la geometría de rectas y
planos en R3 , como veremos a continuación.

51
1.4 Ecuaciones del plano
1.4.1 Deducción de la ecuación general del plano
Dada una dirección en R3 ,
existen infinitos planos
perpendiculares a la misma. Si
conocemos además un punto
del plano, éste queda
determinado de forma única.

Nos proponemos hallar la ecuación del plano π que pasa por

P0 (x0 , y0 , z0 ) y es perpendicular al vector n = (a, b, c) . El
​ ​ ​ ​

vector n se denomina vector normal del plano.

¿Qué condición debe cumplir un punto P (x, y, z ) para estar en el

plano π ? Si armamos el vector P0 P , éste debe ser paralelo al
​ ​

plano, o sea perpendicular al vector normal del plano:

P (x, y, z ) ∈ π ⇔ P0 P ⊥ n ⇔ P0 P . 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 ) = 0

​ ​ ​ ​

52
 Ecuación general o implícita del plano

ax + by + cz + d = 0 ​

1.4.2 Ecuación segmentaria del plano

Dada la ecuación general de un plano:

π : ax + by + cz + d = 0

Si a, b, c, d son distintos de cero, es posible obtener otra

ecuación del plano como sigue:

ax + by + cz = −d
a b c
x+ y+ z=1
−d −d −d
​ ​

53
 x y z
+ + =1
d d d
​ ​ ​

(− ) (− ) (− )
a b c
​ ​ ​

d d d
Si llamamos p = − , q = − , r = −
​ ​ ​

a b c
Resulta:

Ecuación segmentaria del plano

x y z
+ + =1
p q r
​ ​ ​ ​

Veamos qué indican p, q, y r :

¿Cuál es la intersección del plano con el eje x?

y = 0, z = 0 ⇒ x = p ⇒ El plano corta al eje x en (p, 0, 0).

¿Cuál es la intersección con el eje y?

(0, q, 0)

¿Y con el eje z?

(0, 0, r)

Podemos observar que p, q y r indican las intersecciones con los

ejes.

54
Ejemplo
2x − 3y + z − 6 = 0

2x − 3y + z = 6
2x 3y z
− + =1
6 6 6
​ ​ ​

x y z
− + =1
3 2 6
​ ​ ​

Esta ecuación parece segmentaria pero no lo es por el signo

negativo. La reescribimos así:
x y z
+ + =1 Ecuacioˊn segmentaria
3 −2 6
​ ​ ​

La ecuación segmentaria es práctica para graficar un plano

porque muestra los tres puntos de corte con los ejes:

55
1.4.3 Ecuación vectorial paramétrica del plano
Dados dos vectores u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) no
​ ​ ​ ​ ​ ​

paralelos y un punto P0 (x0 , y0 , z0 ), nos proponemos hallar la

​ ​ ​ ​

ecuación del plano π que pasa por P0 y es paralelo a u y v .

​

¿Cómo podemos obtener un vector perpendicular al plano

conociendo dos vectores paralelos a dicho plano?

n=u×v

Teniendo n y el punto P0 , podemos hallar la ecuación implícita o

​

general del plano π como habíamos visto previamente.

Obtendremos a continuación otro tipo de ecuación del plano,

cuya deducción se basa en el concepto de combinación lineal de
vectores.

Si P (x, y, z ) es un punto cualquiera del plano π , los vectores

P0 P , u y v son coplanares
​ ​

56
Entonces
∃α, β ∈ R ∣ P0 P = α u + β v
​ ​

Esto significa que el vector P0 P puede expresarse como ​ ​

combinación lineal de u y v , como se muestra en la figura:

(x − x0 , y − y0 , z − z0 ) = α. (u1 , u2 , u3 ) + β (v1 , v2 , v3 )
​ ​ ​ ​ ​ ​ ​ ​ ​

Por lo tanto:

(x, y, z ) = (x0 , y0 , z0 ) + α (u1 , u2 , u3 ) + β (v1 , v2 , v3 ),

​ ​ ​ ​ ​ ​ ​ ​ ​

con α, β ∈ R
O en notación vectorial:

Ecuación vectorial paramétrica del plano

(x, y, z ) = OP0 + α.u + β.v

​ ​ ​

57
 Ejemplo

Armar la ecuación vectorial paramétrica del plano paralelo a

u = (3, −1, 5) y v = (7, 3, 2) que pasa por el punto
P0 (0, −1, 8) .
​

De acuerdo con lo que hemos visto, tenemos toda la

información para escribir la ecuación vectorial paramétrica:

(x, y, z ) = (0, −1, 8) + α (3, −1, 5) + β (7, 3, 2) ; α, β ∈ R

Nota: Para cada α y β ∈ R se obtiene un punto del plano. Por

ejemplo si α = 1 y β = −1 se obtiene el punto
(x, y, z ) = (−4, −5, 11).

Busquemos ahora la ecuación general de este plano.

n = u × v = (3, −1, 5) × (7, 3, 2) = (−17, 29, 16)

Luego: −17x + 29y + 16z + d = 0

Reemplazamos P0 para obtener d:

​

−17.0 + 29. (−1) + 16.8 + d = 0 ⇒ d = −99

Luego: −17x + 29y + 16z − 99 = 0

que es la ecuación general o implícita del plano.

58
1.4.4 De la ecuación general a la ecuación
vectorial paramétrica
Dada la ecuación general de un plano, ¿cómo puede obtenerse
una ecuación vectorial paramétrica de dicho plano?

Consideremos el siguiente ejemplo:

ω: 2x − y + 3z + 9 = 0

Podemos despejar cualquiera de las variables, por ejemplo y :

y = 2x + 3z + 9

Entonces:
ω: (x, y, z ) = (x, 2x + 3z + 9, z )

Reescribimos como suma de tres vectores, de forma tal que uno

de ellos tenga los términos con x, otro los términos con z y otro
los términos independientes:

(x, y, z ) = (x, 2x, 0) + (0, 3z, z ) + (0, 9, 0)

(x, y, z ) = x (1, 2, 0) + z (0, 3, 1) + (0, 9, 0) , con x, z ∈ R

Si llamamos x = α , z = β, resulta:

ω : (x, y, z ) = (0, 9, 0) + α (1, 2, 0) + β (0, 3, 1) , con α, β ∈ R

59
Obtuvimos así una ecuación vectorial paramétrica del plano ω.

El lector puede comprobar que:

i) los vectores u = (1, 2, 0) y v = (0, 3, 1) son perpendiculares

a n = (2, −1, 3), o sea que son paralelos al plano;

ii) P0 (0, 9, 0) ∈ ω.
​

Ecuación vectorial del plano. (Applet de Geogebra de elaboración

propia.)

60
Interactivo que permite visualizar la deducción de la página 52:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

Para practicar:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

61
Ahora que ya hemos visto distintas ecuaciones de planos,
podemos detenernos en el caso particular de los que contienen a
los ejes coordenados, estudiemos estos casos:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

Para practicar:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian
62
1.5 Ángulos y distancias
1.5.1 Ángulo entre dos planos
Sean los planos π1 : a1 x + b1 y + c1 z + d1 = 0 y
​ ​ ​ ​ ​

π2 : a2 x + b2 y + c2 z + d2 = 0.
​ ​ ​ ​ ​

Dichos planos forman dos ángulos suplementarios, como muestra

la figura:

El ángulo entre dos planos es el ángulo entre sus respectivos

vectores normales:

63
 ˊng (π1 , π2 ) = a
a ​ ​ ˊng (n1 , n2 ) ​ ​ ​ ​

Si llamamos θ a dicho ángulo,

resulta:

n 1 .n 2
cos (θ) =
​ ​ ​ ​

∥n1 ∥∥n2 ∥
​

​ ​ ​ ​

Según el sentido de n1 y n2 , se obtendrá alguno de los dos

​ ​ ​ ​

ángulos suplementarios. Convenimos en tomar el menor de estos

ángulos, por lo cual agregamos módulo en la fórmula anterior:

n 1 .n 2
​ ​ ​ ​ ​ ​

cos (θ) =
∥n1 ∥∥n2 ∥
​

​ ​ ​ ​

Ángulo entre dos planos

n 1 .n 2
​ ​ ​ ​ ​ ​

π
θ = arccos ( ), 0 ≤ θ ≤
∥n1 ∥∥n2 ∥ 2
​ ​ ​

​ ​ ​ ​

Ejemplo
Dados los planos:
π1 : ​ x−y+2=0

π2 : (x, y, z ) = α (1, 2, 3) + β (0, 1, 1)

​

Calcular ang (π1 , π2 ).

​ ​

64
El plano π2 está dado en forma vectorial paramétrica, para hallar
​

el ángulo pedido necesitamos n2 :

n2 = (1, 2, 3) × (0, 1, 1) = (−1, −1, 1)

​ ​

n1 = (1, −1, 0)
​ ​

n 1 .n 2 = 0
​ ​ ​ ​

Esto quiere decir que n1 ⊥ n2 , entonces el ángulo es θ = 90∘ .

​ ​ ​ ​

La definición de ángulo entre planos nos permite enunciar

condiciones de perpendicularidad y de paralelismo entre planos.

1.5.2 Planos perpendiculares y planos paralelos

Sean π1 y π2 planos de vectores normales n1 y n2
​ ​ ​ ​ ​ ​

respectivamente:

Planos perpendiculares: π1 ⊥ π2 ⇔ n1 .n2 = 0 ​ ​ ​ ​ ​ ​

Planos paralelos:
π1 ∥ π2 ⇔ n1 ∥ n2 ⇔ n1 = k n2 , k ∈ R
​ ​ ​ ​ ​ ​ ​ ​

Consideremos por ejemplo:

π1 : 2x − 3y + z + 1 = 0
​ n1 = (2, −3, 1)
​ ​

π2 : 4x − 6y + 2z + 5 = 0
​ n2 = (4, −6, 2)
​ ​

π3 : 4x − 6y + 2z + 2 = 0
​ n3 = (4, −6, 2)
​ ​

65
Como n2 = 2 n1 , podemos afirmar que π1 y π2 son paralelos.
​ ​ ​ ​ ​ ​

Análogamente, como n3 = 2 n1 , los planos π1 y π3 también son

​ ​ ​ ​ ​ ​

paralelos. Pero además se verifica que d3 = 2 d1 , por lo cual π1 y

​ ​ ​

π3 son coincidentes, o sea π1 = π3 .

​ ​ ​

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

66
1.5.3 Distancia de un punto a un plano
Dados un plano π : ax + by + cz + d = 0 y un punto
A (xA , yA , zA ) , nos proponemos calcular la distancia de A a π .
​ ​ ​

La distancia de A a π es la longitud del segmento, siendo la

proyección ortogonal (perpendicular) de A sobre π .
Consideremos un punto cualquiera P (x, y, z ) perteneciente a π .

A′ A = proy n (P A)
​ ​

Entonces dist (A, π ) = ∥proy n (P A)∥ siendo P un punto

​ ​

cualquiera del plano.

67
Veamos un ejemplo, dados:

π : x + 2y + 3z + 1 = 0

A (0, 2, 1)

Calcular dist (A, π )

Recordemos que la norma de la proyección de un vector en la

dirección de otro se calcula así:

P A .n
​ ​

∥proy n (P A)∥ =
∥n ∥
​ ​ ​

Tomemos un punto cualquiera del plano, por ejemplo

P (−1, 0, 0) . Entonces

P A = (1, 2, 1)

P A .n
​ ​

dist (A, π ) = ∥proy n (P A)∥ = =

∥n ∥
​ ​ ​

P A .n
​ ​

∣(1, 2, 1) . (1, 2, 3)∣ 8

= =
∥n ∥ 12 + 22 + 32 14
​ ​ ​

​ ​

A continuación deduciremos una fórmula que permite calcular en

forma muy sencilla la distancia de un punto a un plano.

68
Sean:
π : ax + by + cz + d = 0

A ( x A , y A , zA )
​ ​ ​

Habíamos visto que:

d (A, π ) = ∥proy n (P A)∥​ ​ siendo P (x, y, z ) ∈ π

P A = (xA − x, yA − y, zA − z )
​ ​ ​

n = (a, b, c)

Entonces:

∣ P A .n ∣ ∣a(xA − x) + b(yA − y) + c(zA − z)∣

∥proy n (P A)∥ = =
​ ​ ​

∥n ∥ ∥n ∥
​ ​ ​ ​

∣axA + byA + czA + d∣

∥proy n (P A) ∥=
​ ​ ​

a 2 + b2 + c 2
​ ​ ​

Concluimos que:

Distancia de punto a plano

∣ a x A + b y A + c zA + d ∣
dist (A, π ) =
​ ​ ​

a 2 + b2 + c 2
​ ​

69
Retomemos el ejemplo que habíamos desarrollado:

π : x + 2y + 3z + 1 = 0

A (0, 2, 1)

De acuerdo con la fórmula demostrada, la distancia es:

∣ 0 + 4 + 3 + 1∣ 8
dist (A, π ) = =
12 + 22 + 32 14
​ ​

​ ​

Tal como habíamos calculado antes pero… ¡más fácil!

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

70
1.5.4 Distancia entre planos paralelos
Dados dos planos π1 y π2 paralelos, ¿cómo podemos hallar la
​ ​

distancia entre ambos?

Consideremos los siguientes planos paralelos:

π1 : 2x − 3y + z + 1 = 0,
​ π2 : 4x − 6y + 2z + 5 = 0
​

Todos los puntos de π1 están a la misma distancia de π2 , por lo tanto

​ ​

podemos elegir un punto cualquiera de π1 y calcular su distancia a

​

π2 . Por ejemplo: P1 (0, 0, −1)

​

Aplicamos la fórmula de distancia de un punto a un plano:

∣4.0 − 6.0 + 2. (−1) + 5∣ 3

d ( π1 , π2 ) = d ( P 1 , π2 ) = =
56
​ ​ ​ ​ ​

2
42 + (−6) + 22 ​

Observación: Si los planos no son paralelos, la distancia entre ambos

es 0.

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian
71
1.6 Haz de planos
Sean π1 y π2 dos planos no paralelos:
​ ​

π 1 : a 1 x + b1 y + c 1 z + d 1 = 0
​ ​ ​ ​

π 2 : a 2 x + b2 y + c 2 z + d 2 = 0
​ ​ ​ ​ ​

La intersección de dos planos no paralelos es una recta. Se

denomina haz de planos al conjunto de planos que pasan por
dicha recta. Uno podría imaginarse al haz de planos como si
fueran las hojas de un libro abierto:

72
Haz de planos que pasan por la recta r = π1 ∩ π2 ​ ​

Puede demostrarse que la ecuación del haz de planos que pasan

por la recta de intersección entre π1 y π2 es la siguiente: ​ ​

k1 ( a 1 x + b1 y + c 1 z + d 1 ) + k2 ( a 2 x + b 2 y + c 2 z + d 2 ) = 0
​ ​ ​ ​ ​ ​ ​ ​ ​ ​

con k1 , k2 ∈ R ​ ​

Para cada par de valores de k1 y k2 se obtiene un plano que pasa ​ ​

por la recta r .

Si k1 = 0 y k2 
= 0, se obtiene la ecuación del plano π2 .
​ ​ ​

Si k2 = 0 y k1 
= 0, se obtiene la ecuación del plano π1 .
​ ​ ​

Si suponemos que alguna de las constantes es diferente de cero,

por ejemplo k1 
= 0, podemos dividir la ecuación del haz por k1 :
​ ​

k1 k2
( a 1 x + b1 y + c 1 z + d 1 ) + ( a 2 x + b2 y + c 2 z + d 2 ) = 0
​ ​

k1 k1
​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​

k2
Y renombrando = k queda:
​

k1
​

( a 1 x + b1 y + c 1 z + d 1 ) + k ( a 2 x + b 2 y + c 2 z + d 2 ) = 0
​ ​ ​ ​ ​ ​ ​ ​

Esta expresión se llama "ecuación del haz reducido". ¿De dónde

proviene el nombre de «reducido»?

73
Falta π2 porque π2 se corresponde con k1 = 0. Por lo tanto, en
​ ​ ​

el haz reducido están todos los planos que pasan por r = π1 ∩ π2

​

excepto π2 .
​

Ejemplo

Dados los planos:

π1 : x + 2y + 3z + 1 = 0
​

π2 : 3x − 5y + z + 10 = 0
​

Encontrar la ecuación de un plano que pase por la recta de

intersección entre π1 y π2 y que:
​ ​

a) Sea paralelo al eje x

b) Sea perpendicular al plano x + y + z = 0

Se pide encontrar un plano que pase por la recta de

intersección entre π1 y π2 , entonces podemos armar el haz
​ ​

de planos que pasa por dicha recta:

α (x + 2y + 3z + 1) + β (3x − 5y + z + 10) = 0

a) Para que el plano sea paralelo al eje x su vector normal

debe ser n = (0, b, c). O sea, el plano debe ser de la forma:
by + cz + d = 0.

74
Reescribimos el haz como sigue:

(α + 3β)x + (2α − 5β)y + (3α + β)z + (α + 10β) = 0

​ ​ ​ ​

a b c d

Para que sea paralelo al eje x, α + 3β = 0 ⇒ α = −3β

Reemplazando:

−11βy − 8βz + 7β = 0

β (−11y − 8z + 7) = 0

π3 : −11y − 8z + 7 = 0
​

b) Ahora queremos un plano del haz que sea perpendicular al

plano x + y + z = 0. Dos planos son perpendiculares si sus
vectores normales son perpendiculares.

Luego:

(1, 1, 1) (α + 3β, 2α − 5β, 3α + β ) = 0

6α − β = 0

β = 6α

75
 Reemplazando:

19αx − 28αy + 9αz + 61α = 0

α (19x − 28y + 9z + 61) = 0

19x − 28y + 9z + 61 = 0

Para practicar:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

76
1.7 Recta en R3
1.7.1 Ecuaciones de la recta en R3
Sabemos que una recta en R2 puede expresarse por la ecuación:

y = ax + b

Pero ¿qué representa esta ecuación en R3 ? En R3 es un plano

paralelo al eje z , y en R2 es una recta:

Para definir un plano es suficiente conocer un vector

perpendicular al plano y un punto del mismo. ¿Qué datos
permiten definir una recta en R3 ?

77
Para definir en forma vectorial una recta en R3 , es suficiente
conocer un punto de la recta y un vector director que indique la
dirección de la misma, o sea un vector paralelo a la recta.

1.7.2 Ecuación vectorial de la recta

Dados un vector v = (v1 , v2 , v3 ) y un punto P0 (x0 , y0 , z0 ), nos
​ ​ ​ ​ ​ ​ ​

proponemos hallar la ecuación de la recta r que pasa por el punto

P0 y es paralela al vector v .
​

Consideremos un punto P (x, y, z ) perteneciente a la recta r . El

vector P0 P resultará paralelo al vector director v :
​ ​

P0 P = αv
​ ​

(x − x0 , y − y0 , z − z0 ) = α (v1 , v2 , v3 )
​ ​ ​ ​ ​ ​

78
 Ecuación vectorial de la recta

(x, y, z) = (x0 , y0 , z0 ) + α(v1 , v2 , v3 ), α ∈ R

​ ​ ​ ​ ​ ​ ​

Ejemplo
Hallar la ecuación vectorial de la recta que pasa por los
puntos M (3, 2, 1) y S (−1, 1, 0).

Tenemos como datos dos puntos de la recta, entonces los

vectores MS y SM son paralelos a dicha recta. Elegimos uno
de ellos como vector director:

v = MS = (−4, −1, −1)

Podemos tomar cualquiera de los dos puntos dados cómo

punto de paso, por ejemplo M . Entonces la ecuación es:

(x, y, z ) = (3, 2, 1) + α (−4, −1, −1) , α ∈ R

(ecuación vectorial de la recta MS)

Para cada valor de α ∈ R, se obtiene un punto de la recta. Por

ejemplo, si α = −1 se obtiene el punto P1 (7, 3, 2) ∈ r.
​

¿(5, −3, 1) ∈ r ?

79
 Veamos si existe algún valor de α que verifique esta ecuación
vectorial:

(5, −3, 1) = (3, 2, 1) + α (−4, −1, −1)

⎧ 3 − 4α = 5
⎨ 2−α=−3
​ ​ ​

⎩ 1−α=1

Este sistema es incompatible, así que el punto no pertenece a

la recta.

¿Para qué valor de α se obtiene el punto S ?

1.7.3 Ecuaciones paramétricas de la recta

Hemos visto que la ecuación vectorial de una recta es:

(x, y, z ) = (x0 , y0 , z0 ) + α (v1 , v2 , v3 )

​ ​ ​ ​ ​ ​

Por igualdad de vectores:

⎧ x = x 0 + α v1 ​ ​

⎨ y = y 0 + α v2 , α ∈ R
​
​ ​

​ ​

⎩z =z +αv
0 3 ​ ​

Éstas son las ecuaciones cartesianas paramétricas de la recta.

80
1.7.4 Ecuaciones simétricas de la recta
Si v1 , v2 , v3 son distintos de cero, entonces:
​ ​ ​

x − xo y − yo z − zo
α= , α= , α=
​ ​ ​

v1 v2 v3
​ ​ ​

​ ​ ​

Igualando, resulta:

Ecuaciones simétricas de la recta

x − xo y − yo z − zo
= =
​ ​ ​

​ ​ ​ ​

v1 v2 ​ v3 ​ ​

Ejemplo
Consideremos la ecuación vectorial de la recta MS :

(x, y, z ) = (3, 2, 1) + α (−4, −1, −1) , α ∈ R

¿Cómo podemos obtener las ecuaciones paramétricas de la recta?

Simplemente por igualdad de vectores escribimos:

⎧ x = 3 − 4α
⎨y = 2 − α , α ∈ R
​ ​ ​ ​

⎩z = 1 − α

Ecuaciones paramétricas de la recta MS

81
Para obtener las ecuaciones simétricas, despejamos el parámetro
e igualamos:
x−3 y−2 z−1
α= , α= , α=
−4 −1 −1
​ ​ ​

x−3
= y − 2 = z − 1, ecuaciones simétricas de la recta MS.
4
​

Revisión:

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian
82
 Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

1.7.5 Recta definida como intersección de dos

planos
Dos planos no paralelos
π 1 : a 1 x + b1 y + c 1 z + d 1 = 0
​ ​ ​ ​ ​

π 2 : a 2 x + b2 y + c 2 z + d 2 = 0
​ ​ ​ ​ ​

determinan al cortarse una

recta en R3 que queda
expresada por el sistema de
ecuaciones lineales:

a 1 x + b1 y + c 1 z + d 1 = 0
​ ​ ​ ​

{
a 2 x + b2 y + c 2 z + d 2 = 0
​ ​

​ ​ ​ ​

83
Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

84
1.8 Recta y plano: intersecciones y ángulos
1.8.1 Intersección entre recta y plano
¿Qué casos pueden presentarse en la intersección entre una recta
y un plano?

Caso 1
Una recta puede ser
concurrente con un plano:

r ∩ π = {P }

Caso 2
Una recta puede ser paralela a
un plano:
r∥π

r∩π =∅

Caso 3
Una recta puede estar incluida
en un plano:
r⊂π

r∩π =r

85
Dados:

π : 2x − 3y + z + 1 = 0

r1 : (x, y, z ) = (0, 1, 3) + α (1, 0, 1)

​

¿Cómo se busca la intersección entre la recta y el plano?

Escribimos las ecuaciones paramétricas de la recta y las

reemplazamos en la ecuación del plano:

⎧x = α
⎨y = 1
​ ​ ​

⎩z = 3 + α

1
2α − 3.1 + (3 + α) + 1 = 0 ⇒ α = −
3
​

Reemplazando el valor del parámetro α en las ecuaciones de la

recta, obtenemos el punto de intersección:

1 8
r1 ∩ π = { (− , 1, ) }
3 3
​ ​ ​

86
Busquemos ahora la intersección del mismo plano π con la recta

r2 : (x, y, z ) = (0, 0, −1) + λ (3, 2, 0)

​

Escribimos las ecuaciones paramétricas:

⎧ x = 3λ
⎨ y = 2λ
​ ​ ​

⎩ z = −1

Reemplazamos en la ecuación del plano

2 (3λ) − 3 (2λ) − 1 + 1 = 0 ⇒ 0 = 0 ∀λ

Queda una expresión que es verdadera para todo λ. Esto significa

que todo punto de la recta verifica la ecuación del plano. En este
caso podemos afirmar que la recta está incluida en el plano, por lo
tanto: r2 ∩ π = r2 .
​ ​

87
Considerando el mismo plano π , hallemos la intersección con la
recta

r3 : (x, y, z ) = (5, 0, 0) + t (0, 1, 3)

​

Reiterando el procedimiento, resulta:

⎧x = 5
⎨y = t
​ ​ ​

⎩ z = 3t

10 − 3t + 3t + 1 = 0 ⇒ 11 = 0 absurdo

Este absurdo nos indica que la recta y el plano no tienen ningún

punto en común, o sea que la recta es paralela al plano y por lo
tanto: r ∩ π = ∅

88
En resumen:

Para hallar la intersección entre un plano y una recta, se

reemplazan las ecuaciones paramétricas de la recta en la
ecuación del plano.

Pueden presentarse tres casos:

i) Es posible despejar el valor del parámetro, entonces

reemplazando este valor en las ecuaciones de la recta se obtiene
el punto de intersección. En este caso:

r ∩ π = {P }

ii) 0 = 0 ⇒ r ⊂ π ⇒ r ∩ π = r

iii) 0 = k (con k 
= 0) ⇒ Absurdo ⇒ r ∥ π ⇒ r ∩ π = ∅

1.8.2 Paralelismo entre recta y plano

¿Existe una manera de anticipar si una recta es paralela a un plano
sin buscar la intersección?

Una vez más, los vectores resultarán una herramienta potente

para la geometría de rectas y planos.

89
Observemos la siguiente figura:

¿Cómo deben ser el vector normal del plano y el vector director

de la recta para que r ∥ π ?

r ∥ π ⇔ v ⊥ n ⇔ v .n = 0

¿Qué ocurre si la recta está incluida en el plano?

En este caso también se verifica que el vector director de la recta

es perpendicular al normal del plano. Pero a diferencia del caso
anterior, todos los puntos de la recta están en el plano. Esto nos
permite afirmar que:

90
 v⊥n
r⊂π ⇔ {
Pr ∈ π
​

Ejemplo

Dados el plano π : x + y − z − 3 = 0 y la recta

r : (x, y, z ) = (1, 0, 0) + t (0, 2, 2), comprobar que la recta
es paralela al plano. ¿Está incluida en el plano?

Si la recta es paralela al plano entonces su vector director v

debe ser perpendicular al vector normal del plano n. Luego
n.v debe ser cero:

(1, 1, −1) (0, 2, 2) = 2 − 2 = 0

Para saber si la recta está incluida en el plano veamos si el

punto (1, 0, 0) satisface la ecuación del plano π :

1 + 0 − 0 − 3 = 0 ⇒ −2 = 0 Absurdo

Como el punto no satisface la ecuación podemos concluir que

r no está incluida en π .

Ejercicio para el lector

Sea π el plano paralelo al eje y que pasa por (1, 1, 1) y

(1, 2, 3),

91
 y sea la recta

x−y =0
{
x + kz = 2
​ ​

Hallar, si es posible, el valor de k para que la recta r sea

paralela a π .
Si existe k , analizar si r ⊂ π .

Respuesta: k = 0 y la recta no pertenece al plano.

1.8.3 Perpendicularidad entre recta y plano

Así como encontramos una condición vectorial para el
paralelismo entre una recta y un plano, nos preguntamos si
existirá una condición para la perpendicularidad. Observemos la
siguiente figura:

92
¿Cómo deben ser el vector normal del plano y el vector director
de la recta para que r ⊥ π ?

r ⊥ π ⇔ v ∥ n ⇔ v = kn

Ejemplo

Dado el plano π : x − 3y + z + 1 = 0 , hallar la ecuación de

la recta perpendicular a π que pasa por A (1, 0, 3).

Como la recta es perpendicular al plano π entonces su vector

director es paralelo al vector normal del plano. Podemos
tomar:

v = (1, −3, 1)

Ya tenemos el vector director y un punto de paso, luego la

ecuación vectorial es:

r : (x, y, z ) = (1, 0, 3) + λ (1, −3, 1) , λ ∈ R

Ejercicio para el lector

Dado el haz de planos x + y − z + 2 + k (x − y + z ) = 0,

analizar si existe algún plano del haz que sea perpendicular a
la recta
x−1=0
r:{
y−z =0
​ ​

93
Para reforzar y practicar:

Objetos interactivos diseñados por Elena Esperanza Álvarez Sáiz y M. J. García

Cebrian
94
1.8.4 Ángulo entre recta y plano
Consideremos el siguiente esquema:

Sea r una recta no paralela ni perpendicular a un plano π . Sea la

proyección ortogonal de r sobre π . Se define como ángulo entre
r y π al ángulo agudo que forman r y r′ .
¿Cómo podemos hallar dicho ángulo? Veamos la siguiente figura:

95
Podemos calcular el ángulo β entre v y n :

v .n
cos (β ) =
∥ v ∥ ∥n ∥
​

Como habíamos visto previamente, de acuerdo con las

direcciones de v y n el ángulo β podría ser mayor de 90º.
Agregamos módulo para obtener un ángulo agudo:

∣v .n∣
cos (β ) =
∥v ∥ ∥ n ∥
​

Como α y β son complementarios se cumple la igualdad

sen(α) = cos(β), entonces:

∣ v .n ∣
sen (α) =
∥v ∥ ∥n ∥
​

Por lo tanto:

Ángulo entre recta y plano

∣v .n∣ π
α = arcsen ( ), 0 ≤ α ≤
∥v ∥ ∥n ∥ 2
​ ​ ​

96
Casos particulares:

Si α = 0, entonces la recta es paralela al plano (v .n = 0).

π
Si α = , entonces la recta es perpendicular al plano (v = kn)
2
​

Ejemplo
Hallar el ángulo entre el plano π : x + z − 8 = 0 y el eje x.

Conocemos el vector normal de π y el vector director de la recta.

Luego aplicamos directamente la fórmula:

​ v .n ​

∣(1, 0, 0) . (1, 0, 1)∣

α = arcsen = arcsen ( )=
∥v ∥ ∥ n ∥ 2
​ ​ ​

1 π
α = arcsen ( )=
2 4
​ ​

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

97
1.8.5 Intersección de rectas en R3
Sabemos que dos rectas en R2 o bien se cortan en un único punto
o bien son paralelas.

Pero en R3 , además de estos dos casos, existen rectas que ni se

cortan ni son paralelas: son las rectas alabeadas.

Tenemos entonces tres casos en R3 :

Caso 1: Rectas concurrentes

o incidentes
r 1 ∩ r 2 = {P }
​ ​

Caso 2: Rectas paralelas

r 1 ∥ r 2 ⇔ v1 = k v2
​ ​ ​ ​

Las rectas paralelas podrían ser

coincidentes. Para verificar si
dos rectas paralelas son
coincidentes basta con ver si un punto de una de ellas pertenece o
no a la otra recta.

98
Caso 3: Rectas alabeadas
Existe otra posición posible
para las rectas en R3 .
Consideremos el siguiente
esquema en el que las rectas r1 , ​

r2 y r3 contienen a las aristas

​ ​

de un cubo.

Las rectas r1 y r3 son paralelas.

​ ​

En cambio r1 y r2 , que no son

​ ​

paralelas ni concurrentes, se
denominan alabeadas.

r1 y r2 son alabeadas ⇔ r1 ∦ r2 ∧ r1 ∩ r2 = ∅
​ ​ ​ ​ ​ ​

99
1.8.6 Plano que contiene a dos rectas
Dos rectas en R3 se denominan coplanares si existe un plano que
contiene a ambas rectas.

Habíamos visto que dos rectas en R3 pueden ser concurrentes,

paralelas o alabeadas. Veamos en qué casos es posible encontrar
un plano que las contenga:

Caso 1: Rectas concurrentes

Veamos el siguiente gráfico que muestra dos rectas concurrentes:

Dadas dos rectas concurrentes r1 y r2 , ¿cómo podemos encontrar

​ ​

el vector normal del plano?

v1 × v2 = n
​ ​

Para completar la ecuación del plano, tomamos un punto P de

cualquiera de las dos rectas.

100
Ejercicio de aplicación

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

101
Caso 2: Rectas paralelas
Veamos el siguiente gráfico que muestra dos rectas paralelas y el
plano que las contiene:

Dadas dos rectas paralelas, existe un plano que las contiene pero
no podemos hallar el vector normal como en el caso de las rectas
concurrentes. ¿Por qué?

Caso 3: Rectas alabeadas

Dos rectas alabeadas no pueden estar contenidas en un mismo
plano.

Ejemplos resueltos

102
1.8.7 Ángulo entre dos rectas
Definición: El ángulo entre dos rectas de R3 es el ángulo entre sus
vectores directores.

Sean las rectas r1 y r2 con vectores directores v1 y v2 . Entonces:

​ ​ ​ ​

v 1 .v2
cos (α) =
​ ​

∥v1 ∥ ∥v 2 ∥
​

​ ​

Usamos la misma convención que para ángulo entre planos y para

ángulo entre recta y plano, y aplicamos módulo:

∣v1 .v2 ∣
cos (α) =
​ ​

∥v1 ∥ ∥v 2 ∥
​

​ ​

Por lo tanto:

Ángulo entre dos rectas

v1 . v2
​ ​ ​ ​ ​ ​

π
α = arcos , 0≤α≤
2
​ ​ ​ ​ ​

∥ v1 ∥ ∥ v2 ∥
​ ​ ​ ​

Casos particulares:

Si α = 0, entonces las rectas son paralelas (v1 = k v2 ). ​ ​

π
Si α = , entonces las rectas son perpendiculares (v1 .v2 = 0).
2
​ ​ ​

103
Observación: La definición de ángulo que hemos adoptado no
toma en cuenta si las rectas se cortan o no.

Ejemplo
Sean,

r1 : (x, y, z ) = λ (1, 0, 0) , λ ∈ R
​

r2 : (x, y, z ) = (0, 1, 0) + t (0, 0, 1) , t ∈ R

​ ​ ​

Vimos en un ejemplo anterior que estas rectas son alabeadas.

¿Cuál es el ángulo entre ellas?

Como v1 .v2 = 0, las rectas son perpendiculares, o sea que

​ ​ ​ ​

π
α=
2
​

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian
104
1.9 Distancias y proyecciones
1.9.1 Proyecciones ortogonales
Proyección de un punto sobre un plano
Dados un plano π y un punto A no perteneciente a dicho plano, la
proyección ortogonal de A sobre π es el punto A′ ∈ π tal que
AA′ es un vector perpendicular a π .

′
A′ ∈ π
A = proyπ (A) si y sólo si {
​ ​

AA′ ⊥ π

Ejemplo

Dados el plano π : 2x − y + 3z + 1 = 0 y el punto

A (4, 1, −3), obtener la proyección ortogonal del punto
sobre el plano.

105
Para obtener buscamos la recta perpendicular a π que pasa
por A. El vector normal del plano es paralelo a esta recta, por
lo tanto podemos tomarlo como vector director:

r : (x, y, z ) = (4, 1, −3) + λ (2, −1, 3)

Ahora buscamos la intersección de la recta con el plano,

reemplazando las ecuaciones paramétricas de la recta en la
ecuación del plano:

⎧ x = 4 + 2λ
⎨y = 1 − λ
​ ​ ​

⎩ z = −3 + λ

2 (4 + 2λ) − (1 − λ) + 3. (−3 + 3λ) + 1 = 0

8 + 4λ − 1 + λ − 9 + 9λ + 1 = 0
1
14λ − 1 = 0 ⇒ λ =
14
​

Reemplazamos en la ecuación de la recta para obtener las

coordenadas del punto A′ :

1
(x, y, z ) = (4, 1, −3) + (2, −1, 3) =
14
​

1 1 3 29 13 39
(x, y, z) = (4, 1, −3) + ( , − , ) = ( , , − )
7 14 14 7 14 14
​ ​ ​ ​ ​ ​

106
 29 13 39
El lector puede verificar que A′ ( , , − ) ∈ π y además
7 14 14
​ ​ ​

que AA′ ⊥ π .

Si A ∈ π , ¿cuál es la proyección de A sobre π ?

Proyección de una recta sobre un plano

Dados una recta r y un plano π , nos interesa obtener la
proyección ortogonal de la recta sobre el plano.

En general, la proyección de una recta sobre un plano es otra

recta r ′ :

proyπ (r) = r′
​

Para hallar r ′ podemos proyectar dos puntos de la recta sobre el

plano. Si llamamos A y B a dichos puntos, resulta

proyπ (A) = A′ ,
​ proyπ (B ) = B ′
​

107
La recta r ′ que buscamos es la recta determinada por A′ y B ′ .

Pero teniendo en cuenta que el punto de intersección entre la

recta y el plano pertenece a r ′ , es suficiente proyectar un solo
punto de r para que r ′ quede definida.

También existe un caso especial: si la recta es perpendicular al

plano, su proyección es un punto.

r⊥π ⇒ proyπ (r) = A = r ∩ π

​

Ejemplo

Dado π : x + y + z − 3 = 0
a) Hallar la proyección de la recta r : (x, y, z ) = λ (0, 2, 1)
sobre π
b) Dada la recta s : (x, y, z ) = (1, 0, 0) + t. (−2, b, c), hallar
los valores de b y c para que la proyección de s sobre π sea un
punto. ¿Cuál es dicho punto?

108
 Resolución

a) Para hallar la recta r ′ = proyπ (r ) buscamos dos puntos

​

que pertenezcan a r ′ .

Uno de los puntos puede ser el de intersección:

2λ + λ − 3 = 0 ⇒ λ = 1 ⇒ (x, y, z ) = (0, 2, 1)

Tomemos el punto (0, 0, 0) ∈ r . Para proyectarlo sobre el

plano buscamos la recta perpendicular al plano que pasa por
(0, 0, 0):

(x, y, z ) = (0, 0, 0) + α (1, 1, 1)

(x, y, z ) = α (1, 1, 1)

Reemplazando en la ecuación del plano:

α+α+α−3=0⇒α=1

Entonces la proyección del punto (0, 0, 0) sobre π da (1, 1, 1)

La recta r ′ queda definida por los puntos (0, 2, 1) y (1, 1, 1):

r′ : (x, y, z ) = (0, 2, 1) + γ (1, −1, 0)

109
b) Para que la proyección de s sobre π sea un punto, el vector
director de s debe ser paralelo al vector normal del plano.
Debe existir un k ∈ R tal que:

(1, 1, 1) = k (−2, b, c)

De aquí deducimos que deben ser b = c = −2. La ecuación de

la recta queda:
s : (x, y, z ) = (1, 0, 0) + t (−2, −2, −2)

Para hallar el punto reemplazamos las ecuaciones

paramétricas de la recta en la ecuación del plano:

⎧ x = 1 − 2t
s : ⎨ y = −2t
​ ​ t ∈ R, π : x + y + z − 3 = 0
​ ​

⎩ z = −2t

1
1 − 2t − 2t − 2t − 3 = 0 ⇒ −2 − 6t = 0 ⇒ t = −
3
​

El punto es:
5 2 2
P( , , )
3 3 3
​ ​ ​

Por lo tanto:
5 2 2
proyπ (s) = s ∩ π = P ( , , )
3 3 3
​ ​ ​ ​

110
En el siguiente interactivo ejercitamos la proyección de una recta
sobre un plano.

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

111
1.9.2 Planos proyectantes de una recta
Los planos proyectantes de una recta son aquellos planos que
incluyen a la recta y son perpendiculares a los planos
coordenados.

Ejemplo 1
Hallar los planos proyectantes de la siguiente recta:

x − 2y + z + 7 = 0
r: {
−x + y + z − 1 = 0
​ ​

Resolución
Teniendo en cuenta que la recta está definida como intersección
de dos planos, una forma práctica de hallar los planos
proyectantes es construir el haz de planos que pasan por dicha
recta:

112
Construyamos el haz de planos que pasa por r :

H : α (x − 2y + z + 7) + β (−x + y + z − 1) = 0

Ahora distribuimos y reordenamos:

(α − β)x + (−2α + β)y + (α + β)z + (7α − β)

​ ​ ​ ​

a b c d

El plano proyectante perpendicular al plano xy (o sea, paralelo al

eje z ) es un plano de la forma ax + by + d = 0. Por lo tanto:

α+β =0⇒α=−β

⇒ π1 : −2x + 3y − 8 = 0
​

El plano proyectante perpendicular al plano xz (o sea, paralelo al

eje y) es un plano de la forma ax + cz + d = 0. Por lo tanto:

−2α + β = 0 ⇒ β = 2α

⇒ π2 : −x + 3z + 5 = 0
​

¿Cuál es el plano proyectante perpendicular al plano yz ?

113
Ejemplo 2
Hallar los planos proyectantes de la recta que pasa por los puntos
A (1, 2, 3) y B (3, 1, −1).

Resolución

La ecuación vectorial de la recta que contiene a los puntos A y B

es r : (x, y, z) = (1, 2, 3) + t(2, −1, −4)

Supongamos que llamamos π1 al plano proyectante que es

​

perpendicular al plano xy. ¿Qué condiciones debe cumplir n1 ? ​ ​

Entonces: (a, b, 0) . (2, −1, −4) = 0 ⇒ 2a − b = 0 ⇒ b = 2a

Con a = 1 y b = 2 , resulta:

Teniendo en cuenta que r ⊂ π1 , reemplazamos un punto de la

​

recta (por ejemplo A) para obtener d.

El plano buscado es:

π1 : x + 2y − 5 = 0
​

Dejamos a cargo del lector comprobar que los otros planos

proyectantes son:

π2 : 2x + z − 5 = 0 y π3 : −4y + z + 5 = 0
​ ​

114
Ejemplo 3
Retomemos el ejemplo anterior, siendo
r : (x, y, z ) = (1, 2, 3) + t (2, −1, −4)

Cuando las componentes del vector director de una recta son

distintas de cero, podemos expresarla a través de sus ecuaciones
simétricas. En este caso:
x−1 y−2 z−3
r: = =
2 −1 −4
​ ​ ​

A partir de las ecuaciones simétricas se deducen tres igualdades,

cada una de las cuales se corresponde con la ecuación de un plano
proyectante de la recta:
x−1 y−2
= ⇒ −(x − 1) = 2(y − 2) ⇒
2 −1
​ ​

⇒ x + 2y − 5 = 0 Plano proyectante π1 ​

x−1 z−3
= ⇒ −4(x − 1) = 2(z − 3) ⇒
2 −4
​ ​

⇒ 2x + z − 5 = 0 Plano proyectante π2 ​

y−2 z−3
= ⇒ −4(y − 2) = −(z − 3) ⇒
−1 −4
​ ​

⇒ −4y + z + 5 = 0 Plano proyectante π3 ​

115
El siguiente gráfico muestra la recta y su plano proyectante π1 :​

Recta y un plano proyectante

En la figura puede observarse que el plano proyectante π1 es el

​

plano determinado por la recta r y su proyección r ′ sobre el plano

coordenado xy . Lo mismo puede afirmarse de los otros dos
planos proyectantes.

116
Actividad (para reflexionar)
Hallar los planos proyectantes de cada una de las siguientes
rectas:

r : (x, y, z ) = (1, 2, 3) + t (1, −2, 0)

s: (x, y, z ) = (2, 2, 1) + λ (0, 0, 1)

A partir de los resultados obtenidos, ¿podrías establecer qué

condición debe cumplirse para que una recta tenga dos de sus
planos proyectantes iguales?

¿Existe algún caso en que no esté definido alguno de los planos

proyectantes de una recta?

1.9.3 Distancias
a) Distancia punto-recta en R3
Dados un punto A y una recta r de vector director v , queremos
/ r). Sea A′ ∈ r tal que AA′
hallar la distancia entre A y r (con A ∈
es perpendicular a la recta.

d (A, r) = ∥AA′ ∥

Consideremos un punto P ∈ r y el vector P A, y construyamos el

paralelogramo determinado por v y P A, tal como lo muestra la
figura:

117
El segmento AA′ es la altura del paralelogramo. Si llamamos S al
área de dicho paralelogramo, resulta:

S = b.h = ∥v ∥.d [1]

Recordemos que el área del paralelogramo es igual al módulo del

producto vectorial:

S = ∥P A × v ∥ [2 ]

Igualando [1] y [2] podemos despejar d:

∥v ∥.d = ∥P A × v ∥

∥P A × v ∥
⇒ d (A, r) =
∥v ∥
​

118
Ejemplo
Calcular la distancia entre la recta

r : (x, y, z) = (1, 0, −1) + λ(−2, 1, 1) y el punto A (3, −1, 1).

Resolución

Aplicamos la fórmula:

∥P A × v ∥
d (A, r) =
∥v ∥
​

Tomamos un punto cualquiera de la recta, por ejemplo

P (1, 0, −1) y formamos:

P A = (2, −1, 2)

∥(2, −1, 2) × (−2, 1, 1)∥ ∥(−3, −6, 0)∥ 45

d (A, r) = = =
​

∥(−2, 1, 1)∥ 6 6
​ ​ ​

​ ​

d(A, r) =≅ 2, 74

Objeto interactivo diseñado por Elena E. Álvarez Sáiz y Mª José García Cebrian
119
b) Distancia entre dos rectas paralelas
La fórmula que hemos visto permite calcular la distancia entre
dos rectas paralelas. Veamos un ejemplo:

Dadas las rectas r1 : (x, y, z ) = (1, 0, 0) + t (2, −1, 1) y

​

y+z =2
r2 : {
x + ky = 0
​ ​

Hallar k tal que r1 ∥ r2 y calcular d (r1 , r2 ) .

​ ​ ​ ​

Recordemos la condición para que dos rectas sean paralelas:

r 1 ∥ r 2 ⇔ v1 = α v2
​ ​ ​ ​ ​ ​ [1]

La recta r2 está definida como intersección de dos planos. Si

​

hacemos el producto vectorial de los vectores normales

tendremos un vector director de la recta:

(0, 1, 1) × (1, k, 0) = (−k, 1, −1)

Por [1]:

⎧ −k = 2α
(−k, 1, −1) = α(2, −1; 1) ⇒ ⎨ 1 = −α ​ ​ ​

⎩ −1 = α

⇒k=2

120
Para calcular la distancia, tomemos dos puntos cualesquiera de
las rectas y construyamos el vector P1 P2 : ​ ​ ​

P1 (1, 0, 0) ∈ r1 , P2 (0, 0, 2) ∈ r2 , P1 P2 = (−1, 0, 2)

​ ​ ​ ​ ​ ​ ​

La distancia entre las rectas será la distancia entre P2 y r1 : ​ ​

P1 P 2 × v1
d ( r 1 , r 2 ) = d ( P2 , r 1 ) =
​ ​ ​ ​ ​

​ ​ ​ ​ ​

v1 ​ ​

P1 P2 × v1 = (−1, 0, 2) × (2, −1, 1) = (2, 5, 1)

​ ​ ​ ​

∥P 1 P 2 × v ∥ =
​ ​ ​ 30 ​

30
d (r1 , r2 ) = = 5
​

6
​ ​ ​ ​

Como puede observarse, con las mismas herramientas resolvimos

un problema diferente.

121
c) Distancia entre rectas alabeadas
Dadas dos rectas r1 y r2 no paralelas, nos proponemos calcular la
​ ​

distancia entre ambas:

La mínima distancia entre dos rectas alabeadas r1 y r2 se obtiene ​ ​

al proyectar el vector P1 P2 sobre la dirección perpendicular a

​ ​ ​

ambas rectas, dada por v1 × v2 : ​ ​ ​ ​

d (r1 , r2 ) = ∥proy v1 ×v2 (P1 P2 )∥

​ ​ ​

​ ​
​

​ ​
​ ​ ​

Recordemos que:

∣u.v∣
∥proy v (u)∥ =
∥v ∥
​ ​ ​

122
Entonces podemos obtener una fórmula para la distancia entre r1
y r2 :
​

Distancia entre rectas alabeadas

P1 P2 . (v1 × v2 )
​ ​ ​ ​ ​ ​ ​ ​ ​

d (r1 , r2 ) =
​ ​ ​ ​

∥ v1 × v2 ∥ ​ ​ ​

¿Qué significa que la distancia dé 0?

1.9.4 Condición de coplanaridad

Habíamos visto que tanto las rectas concurrentes como las
paralelas son coplanares (existe un plano que las contiene).

Si las rectas se cortan, la distancia entre ellas es cero y por lo

tanto:
(v1 × v2 ) ⋅P1 P2 = 0
​ ​ ​ ​ ​ ​ ​

Si las rectas son paralelas, v1 × v2 = 0 y por lo tanto también

​ ​ ​ ​

se cumple que (v1 × v2 ) ⋅P1 P2 = 0.

​ ​ ​ ​ ​ ​ ​

Entonces estamos en condiciones de enunciar una condición de

coplanaridad entre dos rectas:

r1 y r2 son coplanares ⇔ (v1 × v2 ) .P1 P2 = 0

​ ​ ​ ​ ​ ​ ​ ​ ​

123
 Ejemplo

Dadas las rectas:

r1 : (x, y, z ) = (3, 2, 5) + λ (0, −1, 2)

​

2x + y + 3z + 2 = 0
r2 : {
−x + 2y − 4z + 3 = 0
​ ​ ​

Calcular d (r1 , r2 ) ​ ​

Resolución

Debemos verificar que se trata de rectas alabeadas.

Busquemos la dirección de la recta r2 : ​

v2 = (2, 1, 3) × (−1, 2, −4) = (−10, 5, 5)

​ ​

Vemos que las rectas no son paralelas porque sus vectores

directores no son paralelos. Luego podemos utilizar la fórmula
para distancia entre rectas alabeadas:

P1 P2 . (v1 × v2 )
​ ​ ​ ​ ​ ​ ​ ​ ​

d (r1 , r2 ) =
​ ​ ​

∥ v1 × v2 ∥
​ ​ ​

Para hallar P2 ∈ r2 fijamos z = 0, por ejemplo, y

​ ​

averiguamos los valores de x e y resolviendo el sistema de

ecuaciones:

124
 2x + y + 2 = 0 1 8
{ ⇒ x=− , y=−
−x + 2y + 3 = 0 5 5
​ ​ ​ ​

1 8
Obtenemos así P2 (− , − , 0) ∈ r2
5 5
​ ​ ​ ​

Calculamos:

16 18
P 1 P2 = ( − , − , −5)
5 5
​ ​ ​ ​ ​

v1 × v2 = (0, −1, 2) × (−10, 5, 5) = (−15, −20, −10)

​ ​ ​ ​

∥ v1 × v2 ∥ =
​ ​ ​ ​ (−15)2 + (−20)2 + (−10)2 = ​ 725 ​

16 18
P1 P2 . (v1 × v2 ) = (− , − , −5) . (−15, −20, −10)
5 5
​ ​ ​ ​ ​ ​ ​ ​ ​

P1 P2 . (v1 × v2 ) = 48 + 72 + 50 = 170
​ ​ ​ ​ ​ ​ ​

170
d (r1 , r2 ) = ≅ 6, 31
725
​ ​ ​

125
Applets para repasar y ejercitar distancia entre rectas:

Objetos interactivos diseñados por E. Álvarez Sáiz y Mª José García Cebrian

126
Ejercicio para el lector 1
Dadas las rectas:

r1 : (x, y, z ) = (2, 0, −1) + λ (3, 1, 2)

​

x+z−2=0
r2 : {
y=2
​ ​

Hallar la ecuación del plano π que contiene a r1 y es paralelo a r2 .

​ ​

Respuesta: x − 5y + z − 1 = 0

Nota: en el siguiente applet, uno de los ejemplos corresponde a

este ejercicio, pero r1 y r2 están escritas en ecuaciones
​ ​

simétricas. No necesariamente es el primer ejemplo que aparece.

Objeto interactivo diseñado por Elena E. Álvarez Sáiz y Mª José García Cebrian
127
Ejercicio para el lector 2
Dadas las rectas

r1 : (x, y, z ) = t (1, 1, 2)
​

r2 : (x, y, z ) = (1, k, 0) + λ (2, 1, 0)

​ ​ ​

Hallar el valor de k para que las rectas sean coplanares y

encontrar el plano que las contiene.
1
Respuesta: k = , π : 2x − 4y + z = 0
2
​

128
1.10 Ejercicios surtidos de fin de capítulo
Nota: Todos los objetos interactivos utilizados en este apartado
fueron diseñados por E. Álvarez Sáiz y Mª José García Cebrian

Punto simétrico respecto de un plano

129
Distancia recta plano

Plano por punto medio de un segmento

130
Ángulo entre rectas

Ángulo entre recta y plano

Distancia de un punto a un eje

131
Aplicación de haz de planos

Determine el plano que contiene a la intersección de los planos

P1 : x + y − z = 1, P2 : 2x − y + z = 2 y pasa por el punto

​ ​

P (2, −1, 1).

Planteamos una ecuación simplificada del haz de planos

P1 + kP2 = 0
​ ​

x + y − z − 1 + k(2x − y + z − 2) = 0

El punto P (2, −1, 1) pertenece al haz de planos, por lo que los

valores del punto se reemplazan para encontrar el valor de k :
2 − 1 − 1 − 1 + k(4 + 1 + 1 − 2) = 0
−1 + 4k = 0
1
k=
4
​

Sustituimos el valor de k en la ecuación de la intersección de los

planos:
1
x + y − z − 1 + (2x − y + z − 2) = 0
4
​

Simplificando la ecuación del plano obtenida:

P : 2x + y − z = 2 ​

132
 Objeto interactivo de construcción propia

Pasaje de ecuación vectorial del plano a ecuación general

Objeto interactivo diseñado por Elena Esperanza Álvarez Sáiz y Mª José García
Cebrian

133
 Capítulo II
Matrices, determinantes y
SEL
2.1 Matrices 139
2.1.1 Definición de Matriz 139
2.1.2 Matriz columna 140
2.1.3 Matriz fila 140
2.1.4 Matriz nula 140
2.1.5 Igualdad de matrices 140
2.2 Operaciones con matrices 141
2.2.1 Suma de matrices 141
2.2.2 Producto de un escalar por una matriz 141
2.2.3 Propiedades de la suma de matrices y del producto 142
por un escalar
2.2.4 Producto de matrices 143
2.2.5 Propiedades del producto 144
2.2.6 Matriz traspuesta 144
2.2.7 Propiedades de la matriz traspuesta 145
2.2.8 Matrices cuadradas: identidad e inversa 145
2.2.9 Propiedades de la matriz inversa 146
2.2.10 Algunos tipos de matrices 146
2.3 Determinantes 149
2.3.1 Desarrollo de un determinante por cofactores 150
2.3.2 Determinante de una matriz triangular 152
2.3.3 Propiedades de los determinantes 153
2.3.4 Obtención de la inversa a través de la adjunta 155
2.4 Matrices y sistemas de ecuaciones lineales 157
2.4.1 Sistemas homogéneos 158
2.4.2 Sistemas con parámetros 159
2.1 Matrices
2.1.1 Definición de Matriz
Una matriz A de m × n es un ordenamiento o arreglo
rectangular de escalares dispuestos en m filas y n columnas. Para
designar a cada uno de los m.n elementos de la matriz se utiliza
un doble subíndice que indica el número de fila y número de
columna que le corresponde en el arreglo:

a11 ​ a12 ​ ⋯ a1n ​

a21 ​ a22 ​ ⋯ a2n ​

A= ​ ​ ​ ​ ​ ​

⋮ ⋮ ⋱ ⋮
am1 ​ am2 ​ ⋯ amn ​

Así, a34 es el elemento ubicado en la fila tres y la columna cuatro

​

y en general aij es el elemento de la matriz A que está en la fila i y

​

en la columna j .
Las matrices suelen designarse con letras mayúsculas: se anota
A ∈ Rmxn para indicar que es una matriz con m filas y n
columnas cuyos elementos son números reales. Se indican con
paréntesis o con corchetes:

139
Por ejemplo una matriz de dos filas y tres columnas se puede
escribir así:
3 2 0
A=( ), A ∈ R2×3
−2 4 1
​ ​ ​

En este caso, diremos que el tamaño u orden de A es 2 × 3.

2.1.2 Matriz columna

Podemos pensar los vectores como casos particulares de
matrices:
2
C= 0
​ ​ ​ matriz o vector columna C ∈ R3×1
1

2.1.3 Matriz fila

O también:
F = (2 0 1) matriz o vector f ila F ∈ R1×3

2.1.4 Matriz nula

La matriz nula es aquélla cuyos elementos son todos ceros. La
simbolizamos con O ó N )

2.1.5 Igualdad de matrices

Dos matrices son iguales si son del mismo orden (tamaño) y sus
elementos respectivos son iguales.
A, B ∈ Rmxn A = B ⇔ aij = bij ∀i, j
​ ​

140
2.2 Operaciones con matrices
2.2.1 Suma de matrices
Sean A, B ∈ Rm×n entonces:
A + B = C ∈ Rm×n ∣ cij = aij + bij ∀i, j
​ ​ ​

Ejemplo

2.2.2 Producto de un escalar por una matriz

Sean A ∈ Rm×n , k ∈ R, entonces:
kA = B ∈ Rm×n ∣ bij = kaij ∀i, j
​ ​

Por ejemplo,

0 −1 1 0 −3 3
si A = ( ), entonces 3A = ( )
−2 3 2 −6 9 6
​ ​ ​ ​ ​ ​

Cuando k = −1, obtenemos la matriz opuesta de A:

0 1 −1
−A = (−1)A = ( )
2 −3 −2
​ ​ ​

141
Podemos así definir la diferencia (resta) entre dos matrices del
mismo tamaño:
A − B = A + (−B )

O sea:
A − B = C ∈ Rm×n ∣ cij = aij − bij
​ ​ ​

Ejercicio resuelto

2.2.3 Propiedades de la suma de matrices y del

producto por un escalar
Sean A, B, C ∈ Rmxn y α, β ∈ R. Vimos que: A + B ∈ Rmxn
y αA ∈ Rmxn . Estas operaciones verifican las siguientes
propiedades:

1. A + B = B + A
2. (A + B ) + C = A + (B + C )
3. A + O = O + A = A
4. A + (−A) = (−A) + A = O
5. α (A + B ) = αA + αB
6. (α + β ) A = αA + βA
7. α (βA) = (αβ ) A
8. 1A = A
142
Puede observarse la analogía entre estas propiedades y las que
habíamos enunciado en el capítulo anterior para vectores de R3 .

2.2.4 Producto de matrices

Sean A ∈ Rm×n y B ∈ Rn×p , o sea que se cumple que la cantidad
de columnas de la primera matriz es igual a la cantidad de filas de
la segunda:

Entonces el producto es:

Una forma alternativa de expresar el producto es:

𝑛

𝐴𝐵 = 𝐶 ∈ 𝑅𝑚 × 𝑝 | 𝑐𝑖𝑗 = ∑ ⁡𝑎𝑖𝑘 𝑏𝑘𝑗

𝑘=1

Por ejemplo, al multiplicar una matriz A de 3 × 2 por una matriz

B de 2 × 3, tendremos como resultado una matriz de dimensión
(3 × 2)(2 × 3) = 3 × 3.
​ ​

143
 Objeto interactivo diseñado por Mª José García Cebrian

2.2.5 Propiedades del producto

1) El producto de matrices no es conmutativo. AB 
= BA
2) (AB ) C = A (BC ) asociatividad
3) (A + B ) C = AC + BC distributividad a derecha
P (Q + R) = PQ + PR distributividad a izquierda
4) (kA) B = k (AB ) = A (kB ) , k ∈ R
5) OA = O y AO = O, siendo O la matriz nula

2.2.6 Matriz traspuesta

La traspuesta de una matriz A ∈ Rm×n , que indicamos como At ,
es la matriz de n × m que se obtiene a partir de A cambiando las
filas por las columnas.

Objeto interactivo diseñado por Mª José García Cebrian

144
2.2.7 Propiedades de la matriz traspuesta
t
1) (A + B ) = At + B t
t
2) (kA) = kAt , k ∈ R
t
3) (At ) = A
t
4) (AB ) = B t At

2.2.8 Matrices cuadradas: identidad e inversa

Si A es una matriz con m = n se dice que es una matriz cuadrada.
La matriz identidad I es una matriz cuadrada cuyos elementos de
la diagonal principal son iguales a 1 y todos los demás son 0. Por
ejemplo la matriz identidad de 3 × 3 es

1 0 0
I= 0 1 0
​ ​ ​ ​ ​

0 0 1

Una matriz cuadrada A es inversible, o regular , si existe otra

matriz cuadrada (su inversa), que escribiremos A−1 , que cumple:
A−1 .A = A.A−1 = I. Cuando A no tiene inversa se dice que A
es singular.

Objeto interactivo diseñado por Mª José García Cebrian

145
2.2.9 Propiedades de la matriz inversa
Sean A, B ∈ Rnxn inversibles. Entonces:
−1
1) AB es inversible y su inversa es: (AB ) = B −1 A−1

Esto significa que la inversa de AB es B −1 A−1 , es decir que el

producto de matrices inversibles es inversible.
¿Ocurre lo mismo con la suma de matrices inversibles?
−1 1
2) (kA) = k ​ A−1 (k 
= 0)
−1 t
3) (At ) = (A−1 )

2.2.10 Algunos tipos de matrices

Objeto interactivo diseñado por John Jairo García Mora et al.

146
 Ejercicios y problemas

1) En una ciudad hay tres

empresas de telefonía celular (A,
B y C) que controlan el mercado.

Inicialmente cada empresa tiene

una fracción de la clientela que
denominaremos a0 , b0 y c0 .
​ ​

Entonces resulta: a0 + b0 + c0 = 1 (no hay otras empresas)

​ ​ ​

La figura resume el porcentaje de clientes que cambian de empresa

durante un período de seis meses.

Este modelo matemático se basa en los siguientes supuestos:

– El porcentaje de cambio entre las empresas se mantiene constante
con el tiempo.
– Los clientes seguirán siendo consumidores de una de estas tres
empresas.
– No se incorporan nuevos clientes al sistema.

a0 ​
a1 ​

Llamemos X0 =​ b0
​ ​ ​ ​ al vector de estado inicial, y X1 =
​ b1
​ ​ ​ ​ al
c0 ​ c1 ​

vector que indica la fracción de la clientela que corresponde a cada

empresa al cabo de un semestre.

Veamos cómo puede obtenerse X1 a partir de X0 . ​ ​

147
De acuerdo con la figura, podemos deducir que al cabo de un período
(semestre) la empresa A conservará 70% de su clientela propia.

¿Qué porcentaje de su clientela conservarán las empresas B y C al

cabo de un semestre?

2) Analice si las siguientes proposiciones son verdderas o falsas.

Justifique la respuesta.

148
2.3 Determinantes
¿Cómo podemos saber si una matriz tiene inversa? El
determinante de una matriz proporciona información para
responder a esta pregunta.
Cuando vimos producto vectorial y mixto, habíamos definido
determinantes de orden 2 y de orden 3. Recordamos aquí las
fórmulas presentadas:
A cada matriz cuadrada puede asignársele un número real que
llamaremos su determinante y designaremos como
det(A) o A . ​ ​ ​

Para matrices 2 × 2 y 3 × 3 el determinante se calcula como

sigue:
𝑎11 𝑎12 𝑎11 𝑎12
𝐴=( 𝑎 ) ⇒ | 𝐴 | = | 𝑎21 𝑎22 | = 𝑎11 𝑎22 – 𝑎12 𝑎21
21 𝑎22

a11 ​ a12 ​ a13 ​

A= a21
​ ​ ​ a22 ​ ​ a23 ​ ​ ​ ⇒
a31 ​ a32 ​ a33 ​

a22 a23 a a23 a a22

A = a11 − a12 21 + a13 21
​ ​ ​

a32 a33 a31 a33 a31 a32

​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

​ ​ ​

Observación: El determinante no está definido para matrices

rectangulares.
La regla de Sarrus es una forma práctica de calcular
determinantes, sólo aplicable para matrices de 3 × 3.

149
Consideremos el siguiente esquema en el cual agregamos al final
de una matriz de 3 × 3 las filas 1 y 2. El determinante se calcula
sumando los productos indicados por las flechas que que van de
izquierda a derecha y restando los productos indicados por las
flechas que van de derecha a izquierda:

Objeto interactivo diseñado por Mª José García Cebrian

2.3.1 Desarrollo de un determinante por cofactores

Dada A ∈ Rnxn , se denomina menor Mij a la submatriz de​

(n − 1) × (n − 1) que se obtiene a partir de A eliminando la fila

i y la columna j .

Se denomina cofactor Cij del elemento aij al producto de

​ ​

(−1)i+j por el determinante de la matriz menor Mij : ​

i+j
Cij = (−1)
​ det (Mij )
​

150
Por ejemplo para la matriz
3 1 4
A= −1 2 1
​ ​ ​ ​ ​

3 2 1

Las matrices menores y los cofactores de la primera fila son:

Observación:
1 si i + j es par
(−1)(i+j) = {
−1 si i + j es impar
​ ​

Con estas definiciones previas, estamos en condiciones de

enunciar el desarrollo de un determinante de orden n.
El determinante de una matriz puede calcularse utilizando los
cofactores de cualquier fila o cualquier columna.

Desarrollo por fila i:

n
det(A) = ai1 Ci1 + ai2 Ci2 + ⋯ + ain Cin = ∑ aij Cij
​ ​ ​ ​ ​ ​ ​ ​

j=1

Este cálculo se puede hacer tomando cualquiera de las filas de A,

o sea: i = 1, 2, … , n
151
Desarrollo por columna j :
n
det(A) = a1j C1j + a2j C2j + ⋯ + anj Cnj = ∑ aij Cij
​ ​ ​ ​ ​ ​ ​ ​ ​

i=1

Este cálculo se puede hacer tomando cualquier columna de A, o

sea: j = 1, 2, … , n

Objeto interactivo diseñado por Mª José García Cebrian

2.3.2 Determinante de una matriz triangular

Si A ∈ R3×3 es triangular:
a11 ​ a12 ​ a13 ​

A= ​0 ​ a22 ​ ​ a23 ​ ​ ​

0 0 a33 ​

152
Podemos calcular el determinante de A por la primera columna:

a22 a23
A = a11 = a11 a22 a33
​ ​

0 a33
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

Hemos llegado a la siguiente conclusión: si A ∈ R3×3 es

triangular, su determinante es el producto de los elementos de la
diagonal principal.
Esto se puede generalizar para matrices de cualquier orden: si
A ∈ Rn×n es triangular, su determinante es el producto de los
elementos de la diagonal principal.

A ∈ Rn×n triangular ⇒ det (A) = a11 .a22 … ann ​ ​ ​

Teniendo en cuenta que la matriz identidad es triangular, se

deduce que:
det(I) = 1

2.3.3 Propiedades de los determinantes

En general (es decir, a menos que la matriz sea triangular o tenga
alguna otra cualidad especial), el cálculo de determinantes por
medio del desarrollo por cofactores no es eficiente por el número
de operaciones que implica cuando se trabaja con matrices
grandes.

Existen propiedades que facilitan dicho cálculo y que

analizaremos aquí en particular para matrices de orden 3, pero se
extienden a las columnas y a matrices de cualquier orden.

153
Observación: Si A ∈ Rn×n , en algunos casos utilizaremos
notación:

A = (A1 A2 … An )
​ ​ ​

donde Aj representa la columna j de la matriz A.

​

Ejercicios y problemas

1) Demostrar que si k ∈ N, det(Ak ) = [det(A)]k

2) Demostrar que si A ∈ Rn×n y k ∈ R entonces

det(kA) = k n det(A)

3) Sea A ∈ R3×3 y det(A) = 2 calcular det( 32 A3 )​

154
 4) Sea A = (A1 A2 A3 ) ∈ R3×3 , det(A) = k =
​ ​ ​ ​ 0 y​ ​

B = ( A2 A1 + 3A3 A1 − A2 )​ ​ ​ ​ ​ ​ ​ ​

B1 ​ B2 ​ B3 ​

Mostrar que B es inversible y calcular det(−2At B −1 )

2.3.4 Obtención de la inversa a través de la

adjunta
Para calcular la matriz inversa primero necesitamos definir a la
matriz adjunta de una matriz cuadrada A.

Llamaremos Cof (A) a la matriz de cofactores de A, es decir,

cada elemento (i, j) de Cof (A) es el cofactor (ver §2.3.1)

Cij = (−1)i+j det(M ij ).

​ ​

Entonces, podemos definir a la matriz adjunta de A como a la

traspuesta de Cof (A).
Adj(A) = (Cof (A))t

Si A ∈ Rn×n puede demostrarse que:

[Link](A) = det(A).I ∧ Adj(A).A = det(A).I

155
Por lo tanto podemos afirmar que si det(A) =
 0, la inversa de A
es:
1
A−1 = Adj(A)
det(A)
​

En particular, calcular la matriz inversa de una matriz de 2 × 2 es

muy sencillo.

Consideremos la matriz A de 2 × 2 con det(A) 

= 0, se tiene

1 a −a12
A−1 = [ 22 ].
​ ​

a11 a22 − a12 a21 −a21 a11

​ ​ ​

​ ​
​ ​ ​ ​

Ejemplo del cálculo de la inversa de una matriz.

Objeto interactivo diseñado por Melissa Méndez Servin

Se observa cada paso usando los botónes Prev, Sig y Reset (para
regresar al primer paso). O bien, ver el desarrollo con otra matriz
presionando sobre el botón Otro. Esperar a que automáticamente
el applet haga los cálculos.
156
2.4 Matrices y sistemas de ecuaciones
lineales
A continuación disponemos de una presentación donde se
exponen los contenidos vinculados a sistemas de ecuaciones
lineales, su forma matricial, el método de eliminación de Gauss y
el teorema de Rouché-Frobenius.

El material original de la presentación es autoría de la profesora

María José García Cebrian, (disponible en
[Link]
s/AlgebraLinealBachillerato-JS/[Link] ) y de los profesores
Isabel Pustilnik y Federico Gómez, contenido de su página web
Matrices y sistemas de ecuaciones lineales

157
2.4.1 Sistemas homogéneos
Un sistema es homogéneo si todos los términos independientes
son cero.
Estos sistemas siempre son compatibles ya que r(A) = r(A'), todos
tienen al menos la solución x1 = x2 = ... = xn = 0, llamada solución
trivial, y lo que interesa es saber si hay más soluciones.

Objeto interactivo diseñado por Mª José García Cebrian

158
2.4.2 Sistemas con parámetros
Son sistemas en los que algunos coeficientes y/o términos
independientes se desconocen. Se trata de familias de sistemas
de ecuaciones y para cada valor del parámetro o los parámetros
se tiene un sistema diferente.
En estos sistemas se analizan los valores de el o los parámetros
para distintos valores de los rangos de A y de A'. Se hallan dichos
rangos para estos valores del parámetro y se aplica el Teorema de
Rouché-Frobenius.

Objeto interactivo diseñado por Mª José García Cebrian

159
 Ejercicios y problemas

3) A continuación se presentan más ejercicios para practicar. Todos

tienen sus respectivas soluciones.

160
4)

5)
Sean el plano π : x + y − 2 = 0 y la recta
2y + 3kz − 2 = 0
r:{
3x + ky − 3z − 4 = 0
​

Obtener los valores de k para los cuales:

a) la recta corta al plano en un único punto;

b) la recta no interseca al plano;
c) la recta está incluida en el plano.

Sugerencia: Este ejercicio puede responderse sin hacer

cálculos, teniendo en cuenta los resultados del ejemplo
anterior.

161
Capítulo III

Espacios vectoriales
3.1 Espacios y subespacios vectoriales 167
3.1.1 Definición de espacio vectorial 167
3.1.2 Propiedades de los espacios vectoriales 171
3.1.3 Subespacios vectoriales 172
3.1.4 Subespacios triviales 174
3.1.5 Resumen de los subespacios de R2 y R3 179
3.2 Conjunto generador. L.I. L.D. Bases 180
3.2.1 Combinación lineal 180
3.2.2 Conjunto generador 181
3.2.3 Subespacio generado 181
3.2.4 Independencia lineal y dependencia lineal 183
3.2.5 Propiedades 185
3.2.6 Interpretación geométrica 186
3.2.7 Base y dimensión de un espacio vectorial 188
3.2.8 Propiedades relacionadas con la dimensión 193
3.2.9 Coordenadas de un vector respecto de una base 194
3.2.10 Base y dimensión de un subespacio vectorial 196
3.2.11 Bases de subespacios definidos por generadores 201
3.3 Operaciones con subespacios 206
3.3.1 Intersección 206
3.3.2 Suma de subespacios 209
3.3.3 Suma directa 210
3.3.4 Teorema de la dimensión de la suma 211
3.3.5 Producto interno 214
3.3.6 Complemento ortogonal de un subespacio 215
3.3.7 Propiedades del complemento ortogonal 216
 3.1 Espacios y subespacios vectoriales
Los vectores geométricos y las matrices presentan similitudes.
Las propiedades de la suma y del producto por un escalar son
idénticas en ambos conjuntos. Podemos generalizar el concepto
de vector a partir de estas propiedades en común.

3.1.1 Definición de espacio vectorial

Un espacio vectorial es un conjunto no vacío V de objetos
(vectores), en el que se definen dos operaciones: la suma y el
producto por un escalar; sujetas a diez axiomas que se dan a
continuación. ∀u, v, w ∈ V y ∀α, β ∈ R , los axiomas deben ser
válidos. Llamamos u + v a la suma de vectores en V , y αv al
producto de un escalar α por un vector v ∈ V .

1. u + v ∈ V
2. u + v = v + u
3. (u + v ) + w = u + (v + w)
4. Existe un vector nulo 0V ∈ V tal que v + 0V = v
​ ​

5. ∀v ∈ V , existe un opuesto (−v ) ∈ V tal que v + (−v ) = 0V ​

6. αv ∈ V
7. α (u + v ) = αu + αv
8. (α + β ) v = αv + βv
9. α (βv ) = (αβ ) v
10. 1v = v

167
Observación: En la definición anterior, cuando decimos
«escalares» nos estamos refiriendo a números reales. En este
caso, se dice que V es un espacio vectorial real.
Pero es posible que los escalares pertenezcan a otro conjunto
numérico.

Ejemplo 1

De acuerdo con las propiedades que vimos en el primer

capitulo, podemos afirmar que R3 es un espacio vectorial.
Los espacios Rn , con n ≥ 1 , son los ejemplos principales de
espacios vectoriales. La intuición geométrica desarrollada
para R3 nos ayudará a entender y visualizar muchos
conceptos de esta unidad.
Los vectores de R n son n-uplas de números reales, o sea:

Rn = {(x1 , x2 , … , xn ) , con xi ∈ R}
​ ​ ​ ​

En Rn , la suma de vectores y el producto por un escalar se

definen así:

Sean u = (u1 , u2 , … , un )
​ ​ ​ y v = ( v1 , v2 , … vn ) ∈ Rn
​ ​ ​

u + v = ( u 1 + v1 , u 2 + v2 , … , u n + vn ) ∈ Rn
​ ​ ​ ​ ​ ​

αv = (αv1 , αv2 , … , αvn ) ∈ Rn

​ ​ ​

Puede comprobarse que las operaciones definidas verifican

los axiomas de espacio vectorial.

168
Ejemplo 2

De acuerdo con las propiedades enunciadas en la segunda

unidad, para cada m y n, Rmxn es un espacio vectorial.
Tenemos por ejemplo R2×3 , espacio vectorial cuyos vectores
son las matrices de 2 × 3.

Ejemplo 3

Llamemos P2 al conjunto de polinomios de grado menor o

​

igual que 2, incluyendo el polinomio nulo.

Recordemos la suma de polinomios y la multiplicación por un
escalar:
Dados p (x) = ao + a1 x + a2 x2 ∈ P2
​ ​ ​ ​

y q ( x ) = bo + b1 x + b 2 x 2 ∈ P 2
​ ​ ​ ​

Definimos las operaciones:

(p + q)(x) = p(x) + q(x) =

= (ao + bo ) + (a1 + b1 )x + (a2 + b2 )x2 ∈ P2

​ ​ ​ ​ ​ ​ ​

(αp) (x) = αp (x) = (αao ) + (αa1 ) x + (αa2 ) x2 ∈ P2

​ ​ ​ ​

Puede demostrarse que estas operaciones verifican todos los

axiomas de espacio vectorial.

En particular, el vector nulo en este espacio es el polinomio

nulo, es decir el polinomio cuyos coeficientes son todos
iguales a cero.

169
Generalizando, para cualquier n ≥ 0 , el conjunto Pn de todos
​

los polinomios de grado menor o igual que n (incluyendo el

polinomio nulo) es un espacio vectorial.

Observación:

¿Por qué no definimos Pn como el conjunto de polinomios de

​

grado exactamente igual a n? Si lo definiéramos así, no sería

un espacio vectorial como se muestra en el siguiente ejemplo:

p (x) = x2 y q (x) = −x2 + 1 son polinomios de grado 2,

pero la suma es un polinomio de grado cero. Entonces no se
verificaría el primer axioma de espacio vectorial (la suma de
vectores de un espacio vectorial V debe estar en V ).

170
3.1.2 Propiedades de los espacios vectoriales
A partir de los axiomas de espacios vectoriales, pueden
demostrarse estas propiedades que resultan «naturales»:

Propiedad 1
0 u = 0V ​

Propiedad 2
α 0V = 0V
​ ​

Propiedad 3
(−α) u = − (αu)

En particular, para α = −1 : (−1) u = −u

Propiedad 4
α u = 0V ⇒ α = 0 ∨ u = 0V
​ ​

Veamos cómo puede demostrarse esta última propiedad:

Si α = 0 , se cumple la proposición.
 0 , podemos multiplicar por α1 :
Si α = ​

1 1
α u = 0V ⇒ α u = 0V ⇒ u = 0V
α α
​ ​ ​ ​ ​

171
3.1.3 Subespacios vectoriales
Definición
Sea V un espacio vectorial y W un subconjunto no vacío de V .

W es un subespacio de V si W es en sí mismo un espacio

vectorial con las mismas operaciones (suma de vectores y
producto por un escalar) definidas en V .

Ejemplo
W = {(x1 , x2 ) ∈ R2 : x2 = 3x1 } ¿es un subespacio de R2 ?
​ ​ ​

Primero analicemos el conjunto W . Son todos vectores de R2

tales que la segunda componente es el triple de la primera:

(x1 , 3x1 ) = x1 (1, 3)

​ ​ ​

W es la recta que pasa por el origen y tiene vector director (1,3),

o sea la recta de ecuación y = 3x.

Para decidir si W es un subespacio de R2 , habría que verificar

que se cumplan los axiomas del 1 al 10. El lector puede
comprobar que todos se cumplen en este caso.

Pero en general no es necesario verificar los axiomas porque

existen condiciones para determinar si un subconjunto W de un
espacio vectorial V es un subespacio, son las siguientes:

172
Condiciones necesarias y suficientes para caracterizar
subespacios

Sea W un subconjunto de un espacio vectorial V (W ⊆ V ).

W es subespacio de V si y sólo si se cumplen las siguientes
condiciones:
a. 0V está en W .
​

b. Si u y v están en W , entonces u + v está en W .

c. Si u está en W y k es un escalar, ku está en W .
Observaciones

1. La condición (a) asegura que W no es vacío. La mejor manera

de comprobar si W es un subespacio es buscar primero si
contiene al vector nulo. Si 0V está en W, entonces deben
​

verificarse las propiedades (b) y (c). Si 0V no está en W, W no

​

puede ser un subespacio y no hace falta verificar las otras

propiedades.
2. Las propiedades a, b y c corresponden a los axiomas 4, 1 y 6 de
espacios vectoriales.
3. Los axiomas 2, 3, 7, 8, 9 y 10 de espacio vectorial se cumplen
para W porque éste es un subconjunto de V . Puede decirse que
W «hereda» esas propiedades de V .
4. Faltaría comprobar que cada vector de W tiene su opuesto en
W (axioma 5 de espacios vectoriales):
Teniendo en cuenta la condición (c) de subespacios,
si tomamos k = −1, resulta:
Para cada u ∈ W , (−1) u = −u ∈ W .
Y por lo tanto cada vector de W tiene su opuesto en W .

173
De las observaciones anteriores se deduce que las condiciones
(a), (b) y (c) son suficientes para demostrar que W es un espacio
vectorial, y por lo tanto subespacio de V .

3.1.4 Subespacios triviales

Si V es un espacio vectorial, entonces V es un subespacio de sí
mismo.
Lo mismo sucede con {0V } ya que 0V + 0V = 0V
​ ​ ​ ​

y k0V = 0V para cualquier k real

​ ​

Se dice que {0V } y V son los subespacios triviales de V .

​

Ejercitación sobre subespacios

Ejemplo 1

Consideremos el conjunto W = {(x, y ) ∈ R2 / xy = 0}, ¿Es

un subespacio de R2 ?

Se cumple (a) pues (0, 0) ∈ W

No se cumple (b) porque la suma de dos vectores de W puede

no estar en W , por ejemplo:

(1, 0) + (0, 1) = (1, 1) ∈

/W

Entonces W no es un subespacio de R2 .

174
Ejemplo 2

Consideremos el conjunto W = {(x, y ) ∈ R2 / x = 0}. Es

decir, la recta de ecuación x = 0. ¿Es un subespacio de R2 ?

Se cumple (a) pues (0, 0) ∈ W

Se cumple (b) pues la suma de dos vectores de W , está en W :

(0, y1 ) + (0, y2 ) = (0, y1 + y2 )

​ ​ ​ ​

Se cumple (c) pues el producto de un vector de W por un

número real está en W :

k (0, y ) = (0, ky )

Luego W es subespacio de R2 .

Ejemplo 3

Consideremos el conjunto W = {(x, y ) ∈ R2 /x2 − y 2 = 0}.

¿Es un subespacio de R2 ?

x2 − y 2 = 0 ⇔ y = x ∨ x = −y

Se cumple (a) pues (0, 0) ∈ W

175
No se cumple (b) porque la suma de dos vectores de W puede no
estar en W , por ejemplo:

(1, 1) + (1, −1) = (2, 0) ∈

/W

Entonces W no es un subespacio de R2 .

Ejemplo 4

Consideremos el conjunto W = {(x, y, z ) ∈ R3 /x + y + 2z = 0}.

Es decir un plano que pasa por el origen. ¿Es un subespacio de R3 ?

De la ecuación del plano se deduce que: x = −y − 2z

Por lo tanto los vectores que pertenecen a W responden a la forma
(−y − 2z, y, z ) con y, z ∈ R.

Se cumple (a) pues (0, 0, 0) ∈ W

Se cumple (b) pues la suma de dos vectores del plano, sigue estando
en ese plano:

(−y − 2z, y, z ) + (−y’ − 2z’, y’, z’) =

= ( − (y + y’) − 2 (z + z’) , y + y’, z + z’ )

Se cumple (c) pues k (−y − 2z, y, z ) = (−ky − 2kz, ky, kz ) ∈ W

Entonces W es subespacio de R3 .

176
Ejemplo 5

Consideremos el conjunto W = {p ∈ P2 / p (0) = 0}.

​

Es decir, los polinomios de grado menor o igual que dos

(incluyendo el polinomio nulo) tales que evaluados en 0 dan
por resultado 0. ¿Es un subespacio de P2 ?
​

Se cumple (a) pues el polinomio nulo pertenece a W .

Recordemos la definición de suma de funciones y de producto

de un real por una función:

(f + g ) (x) = f (x) + g (x), para todo x perteneciente

al dominio de f y de g

(kf ) (x) = kf (x) para todo x perteneciente al dominio de f .

Los polinomios son funciones, por lo tanto si consideramos

p , q ∈ W , resulta:

( p + q ) ( 0) = p ( 0) + q ( 0) = 0 + 0 = 0 ⇒ p + q ∈ W

(kp) (0) = k.p (0) = k 0 = 0 ⇒ kp ∈ W

Demostramos que W es un subespacio de P2 . ​

177
Ejemplo 6

Consideremos el conjunto W = {A ∈ Rn×n / A = At }.

Es decir, el conjunto de matrices simétricas de n × n.

Se cumple (a) porque la matriz nula pertenece a W .

Se cumple (b) pues si A, B ∈ W entonces (A + B)t = At + B t =
= A + B, luego (A + B) ∈ W .
t
Se cumple (c) pues si A ∈ W entonces (kA) = kAt = kA, luego
(kA) ∈ W .
Demostramos que el conjunto de matrices simétricas de n × n es un
subespacio de Rn×n .

Ejemplo 7

Consideremos el conjunto W = {A ∈ R2×2 / det (A) = 0}.

¿Es un subespacio de R2×2 ?

Se cumple (a) porque la matriz nula pertenece a W .

En general det (A + B )  = det (A) + det (B ), entonces podría
ocurrir que A, B ∈ W pero que A + B no esté en W . Por ejemplo

1 −3 0 0 1 −3
A=( ), B = ( ), A + B = ( )
−1 3 −2 5 −3 2
​ ​ ​ ​ ​ ​

A+B ∈ / W entonces no se cumple (b).

W no es un subespacio de R2×2 .

178
3.1.5 Resumen de los subespacios de R2 y R3
Después de estos ejemplos podemos resumir cuales son los
diferentes tipos de subespacios de R2 y R3 :

Subespacios de R2 Subespacios de R3

{(0; 0)} {(0; 0; 0)}

Rectas que pasan por el Rectas que pasan por el

origen. origen.

Planos que pasan por el

origen.

R2 (como subespacio de sí R3 (como subespacio de sí

mismo.) mismo.)

No hay ninguna otra clase de subespacios en R2 y R3 .

179
3.2 Conjunto generador. L.I. L.D. Bases
3.2.1 Combinación lineal
Definición

Sean v1 , v2 , … , vr , w vectores de un espacio vectorial V .

​ ​ ​

Se dice que el vector w es una combinación lineal de los vectores

v1 , v2 , … , vr
​ ​ ​ si se puede expresar como sigue:

w = k 1 v1 + k 2 v2 + … + k r vr
​ ​ ​ ​ ​ ​

donde k1 , ​ k2 , … , kr son escalares.

​ ​

Observación: Nosotros estamos trabajando con espacios

vectoriales reales, o sea que los escalares son números reales.

180
3.2.2 Conjunto generador
Sea { v1 , v2 , … vr } un conjunto de vectores de un espacio
​ ​ ​

vectorial V .

Si todo vector de V puede expresarse como combinación lineal

de v1 , v2 , … , vr , entonces se dice que { v1 , v2 , … , vr } es
​ ​ ​ ​ ​ ​

un conjunto generador de V o también que v1 , v2 , … , vr ​ ​ ​

generan V .

3.2.3 Subespacio generado

Sean v1 , v2 , … , vr vectores de un espacio vectorial V .
​ ​ ​

1. El vector nulo puede expresarse como combinación lineal de

dichos vectores:

0V = 0 v1 + 0 v2 + … + 0vr
​ ​ ​ ​

181
2. Si sumamos dos combinaciones lineales de los vectores dados,
obtenemos otra combinación lineal:

(a1 v1 + … + ar vr ) + (b1 v1 + … + br vr ) =
​ ​ ​ ​ ​ ​ ​ ​

= (a1 + b1 )v1 + … + ( ar + br )vr

​ ​ ​ ​ ​ ​

3. Si multiplicamos un escalar k por una combinación lineal de los

vectores dados, obtenemos una combinación lineal de dichos
vectores:

k ( a1 v1 + … + ar vr ) = (ka1 ) v1 + … + (k ar ) vr
​ ​ ​ ​ ​ ​ ​ ​

Estas tres condiciones permiten afirmar que el conjunto de todas

las combinaciones lineales de v1 , v2 , … , vr es un subespacio de ​ ​ ​

V.
Entonces:

Dados los vectores v1 , v2 , … , vr en V , llamamos subespacio

​ ​ ​

generado por v1 , v2 , … , vr al conjunto de todas las

​ ​ ​

combinaciones lineales de estos vectores. Lo denotamos con la

expresión gen {v1 , v2 , … , vr } ​ ​

gen{v1 , v2 , … , vr } = {v ∈ V : v = α1 v1 + α2 v2 + … + αr vr ,
​ ​ ​ ​ ​ ​ ​ ​ ​

con αi ∈ R } subespacio de V .
​

182
3.2.4 Independencia lineal y dependencia lineal
En los ejemplos 1 y 2 de Conjunto generador vimos que los
conjuntos {(1, 1), (1, −1)} y {(1, 1), (1, −1), (2, 0)} generan
R2 . Si tuviéramos que elegir uno de ellos como generador de R2 ,
¿por cuál nos inclinaríamos?
El problema de encontrar los conjuntos generadores más
«pequeños» para un e. v., depende de la noción de independencia
lineal, que presentamos en esta sección. Si A = {v1 , v2 , … , vr }
​ ​ ​

es un conjunto de vectores de un espacio vectorial V , entonces:

α 1 v 1 + α 2 v2 + … + α r vr = 0V
​ ​ ​ ​ ​ ​ ​

tiene al menos la solución trivial: α1 = α2 = … = αr = 0

​ ​ ​

Si ésta es la única solución , entonces se dice que A es un

conjunto linealmente independiente.
Si hay otras soluciones (además de la trivial) entonces A es un
conjunto linealmente dependiente.

183
Una forma alternativa de caracterizar la dependencia lineal es la
siguiente:
Un conjunto de vectores { v1 , v2 , … , vr } de un espacio ​ ​

vectorial V es linealmente dependiente si y sólo si al menos uno

de los vectores puede expresarse como combinación lineal de los
demás. {*}

Demostración:

⇒ Si el conjunto { v1 , v2 , … , vr } es linealmente dependiente,

​ ​ ​

la ecuación

α 1 v 1 + α 2 v2 + … + α r vr = 0V
​ ​ ​ ​ ​ ​ ​

admite otras soluciones además de la trivial. O sea, existe una

combinación lineal donde al menos uno de los escalares es
distinto de cero, que da el vector nulo.
Supongamos que α1  = 0. Entonces resulta:
​

α2 αr
v1 = ( − ) v2 + … + ( − ) vr
​ ​

α1 α1
​ ​ ​ ​ ​

​ ​

Por lo tanto, el vector v1 es combinación lineal de los demás.

​

⇐ Sabemos que uno de los vectores puede expresarse como

combinación de los demás. Sin perder generalidad, supongamos
que:

v 1 = k2 v 2 + … + kr v r
​ ​ ​ ​ ​

184
Entonces:

−1v1 + k2 v2 + … + kr vr = 0V
​ ​ ​ ​ ​ ​

Existe una combinación lineal no trivial (al menos uno de los

escalares es distinto de cero) que es igual al vector nulo. Por lo
tanto, el conjunto { v1 , v2 , … , vr } es linealmente dependiente,
​ ​

como queríamos demostrar.

3.2.5 Propiedades
Propiedad 1

Un conjunto formado por un solo vector, ¿es linealmente

independiente (LI) o dependiente (LD)?

Planteamos la combinación lineal:

α v = 0V ​

185
Si v = 0V , α puede tomar cualquier valor. Por lo tanto: {0V } es
​ ​

LD.

Si v =
 0V , la única solución es α = 0. Por lo tanto: {v } es LI.
​

Propiedad 2

Si un conjunto de vectores contiene al vector nulo, entonces es

linealmente dependiente (LD).

Demostración:
Sea A = {v1 , v2 , … , vr , 0V } ⊂ V
​ ​ ​ ​

Entonces se tiene que:

0v1 + 0v2 + … + 0vr + 1 0V = 0V

​ ​ ​ ​ ​

Probamos que existe una combinación lineal con escalares no

todos nulos, que da el vector nulo. Por lo tanto, A es linealmente
dependiente.

3.2.6 Interpretación geométrica

Observación previa: En lo que sigue consideramos los vectores
colocados a partir del origen de coordenadas.

De {*} resulta que dos vectores v1 y v2 son linealmente

​ ​

dependientes (LD) si y sólo si uno de ellos es un múltiplo escalar

del otro.

186
Podemos afirmar entonces que dos vectores en R2 o R3 son LD si
y sólo si están sobre la misma recta que pasa por el origen
(vectores paralelos).

187
En R3 , tres vectores v1 , v2 , v3 son LD si y sólo si están situados
​ ​ ​

en el mismo plano que pasa por el origen (vectores coplanares).

3.2.7 Base y dimensión de un espacio vectorial

Habíamos visto que los conjuntos B = {(1, 1) , (1, −1)} y
C = {(1, 1) , (1, −1) , (2, 0)} generan R2 . ¿Cuál es la
diferencia entre ellos?

188
B es un conjunto linealmente independiente, en cambio C es
linealmente dependiente porque (2, 0) = (1, 1) + (1, −1).

Un conjunto de vectores B = {v1 , v2 , … , vn } de un espacio

​ ​ ​

vectorial V se denomina base de V si y sólo si:

i. B es linealmente independiente;
ii. B genera a V .

Teniendo en cuenta esta definición, B = {(1, 1) , (1, −1)} es

una base de R2 . Otra base de R2 muy usual es la que contiene a
los versores canónicos: E = {(1, 0) , (0, 1)}.

Puede demostrarse que:

Si B = {v1 , v2 , … , vn } es una base de V , entonces todo

​ ​ ​

conjunto con más de n vectores es linealmente dependiente.

De acuerdo con esta propiedad, podemos deducir una

característica común a toda base de un espacio vectorial:

Sean B = {v1 , v2 , … , vn } y B ′ = {w1 , w2 , … , wq } dos

​ ​ ​ ​ ​ ​

bases del espacio vectorial V .

Como B es una base, todo conjunto de más de n vectores es LD.

Pero B ′ es LI, entonces:
q≤n [1 ]

189
Como B ′ es una base, todo conjunto de más de q vectores es LD.
Pero B es LI, entonces:

n≤q [2 ]

De [1] y [2] se deduce que q = n.

En consecuencia:

Si B = {v1 , v2 , … , vn } es una base de V , cualquier otra base de

​ ​ ​

V tiene n vectores. Esto permite definir el concepto de

dimensión.

La dimensión de un espacio vectorial V es la cantidad de vectores

que componen una base de V .

Si B = {v1 , v2 , … , vn } es una base de V , la dimensión de V es

​ ​ ​

n y lo indicamos como dim (V ) = n.

Si no existe una base de V formada por un conjunto finito de

vectores, se dice que V es un espacio de dimensión infinita. Un
ejemplo es el espacio de todos los polinomios (de cualquier
grado).

Como el vector nulo es linealmente dependiente, el espacio {0V } ​

no tiene base. A este espacio compuesto únicamente por el

vector nulo, se le asigna dimensión cero:

dim ( {0V } ) = 0
​

190
Para determinar la dimensión de un espacio vectorial, es
suficiente hallar una base de dicho espacio. Veamos qué
dimensión tienen los espacios vectoriales con los cuales
trabajaremos:

En R2 conocemos la base canónica:

E2 = {(1, 0) , (0, 1)} ⇒ dim (R2 ) = 2

​

En R3 la base canónica es:

E3 = {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)} ⇒ dim (R3 ) = 3

​

Análogamente en R4 :

E4 = {(1, 0, 0, 0) , (0, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)} ⇒

​

⇒ dim (R4 ) = 4

De acuerdo con el número de vectores que componen cada una

de estas bases, podemos afirmar que:

dim (Rn ) = n

Para determinar la dimensión de los espacios de matrices,

consideremos por ejemplo V = R3×2 .
Cualquier matriz de 3 × 2 puede expresarse como sigue:

191
 a b 1 0 0 1 0 0
c d
​ ​ ​ ​ =a 0 0
​ ​ ​ +b 0 0
​ ​ ​ ​ +c 1 0
​ ​ ​ ​ +
e f 0 0 0 0 0 0

0 0 0 0 0 0
+d 0 1
​ ​ ​ ​ +e 0 0
​ ​ ​ +f 0 0
​ ​ ​ ​

0 0 1 0 0 1

Observemos la similitud con R6 , sólo cambia el formato.

Encontramos seis matrices linealmente independientes que

generan V = R3×2 . Es decir, encontramos una base (llamada base
canónica) de este espacio y por lo tanto:
dim (R3×2 ) = 3 × 2 = 6.

Generalizando, podemos afirmar que:

dim (Rmxn ) = mxn

Busquemos la dimensión de los espacios de polinomios.

Consideremos por ejemplo V = P2 . Cualquier polinomio de P2 ​

puede expresarse cómo sigue:

p ( x ) = a0 + a1 x + a2 x 2 = a0 1 + a1 x + a2 x 2
​ ​ ​ ​ ​ ​

El conjunto {1, x, x2 } genera P2 y además es linealmente ​

independiente. Hemos obtenido una base (llamada canónica) de

P2 , y por lo tanto dim (P2 ) = 3.
​ ​

192
Análogamente:

{1, x, x2 , x3 } base canoˊnica de P3 ​

{1, x, x2 , x3 , … , xn } base canoˊnica de Pn ​

Entonces:

dim (Pn ) = n + 1
​

3.2.8 Propiedades relacionadas con la dimensión

Si dim (V ) = n, puede afirmarse que:

1) Todo conjunto de n vectores linealmente independientes en V

es una base.

193
2) Todo conjunto de n vectores que genere V es una base.

3) Todo conjunto de más de n vectores en el espacio vectorial V

es linealmente dependiente.

4) Todo conjunto linealmente independiente en V puede

extenderse a una base.

3.2.9 Coordenadas de un vector respecto de una

base
Propiedad: Si B = {v1 , v2 , … , vn } es una base del espacio
​ ​ ​

vectorial V , todo vector de V puede expresarse de forma única

como combinación lineal de los vectores de B .

194
Esta propiedad permite definir coordenadas de un vector
respecto de una base.

Sea B = {v1 , v2 , … , vn } base de V .

​ ​ ​

Para cada u ∈ V , existen únicos escalares α1 , α2 , … , αn ∈ R ​ ​ ​

tales que:
u = α 1 v1 + α 2 v2 + … + α n vn
​ ​ ​ ​ ​ ​

Estos escalares se denominan coordenadas del vector u respecto

de la base B .

Indicaremos las coordenadas mediante la siguiente notación:

α1 ​

α2 ​

[u]B =
​ ​ ​ ​

⋮
αn ​

Ejercicios resueltos

195
3.2.10 Base y dimensión de un subespacio
vectorial
Recordemos que un subespacio es un espacio vectorial en sí
mismo, por lo tanto podemos hallar una base y su dimensión.

Si S es un subespacio de V, entonces: dim (S ) ≤ dim (V ).

Veamos cuáles son las dimensiones de los distintos tipos de

subespacios de R3 :

S = {(0, 0, 0)} no tiene base y como habíamos dicho, se le

asigna dimensión 0.

dim ({0V }) = 0
​

Rectas que pasan por el origen,

Planos que pasan por el origen y
R3 (Sabemos que R3 tiene dimensión 3.)

Consideremos un plano que pase por el origen, por ejemplo:

π : x + 3y − 2z = 0

x = −3y + 2z

(x, y, z ) ∈ π ⇔ (x, y, z ) = (−3y + 2z, y, z ) =

= (−3y, y, 0) + (2z, 0, z ) = y (−3, 1, 0) + z (2, 0, 1)

196
Esto quiere decir que cualquier vector en ese plano se puede
escribir como combinación lineal de (−3, 1, 0) y (2, 0, 1). Cómo
son LI:

{(−3, 1, 0) , (2, 0, 1)} es una base de S1 ​

dim (S1 ) = 2
​

Planos que pasan por el origen son subespacios de dimensión 2.

Ahora consideremos el subespacio:

S2 = {(x, y, z ) ∈ R3 ∣ x + y = 0 ,
​ x − y − z = 0}

π1 : x + y = 0
r:{ ; r = π1 ∩ π2
​

π2 : x − y − z = 0
​ ​ ​

La intersección de dos planos no paralelos es una recta. ¿Cómo

podemos encontrar una base de una recta?

y = −x

⇒ x − (−x) − z = 0 ⇒ z = 2x

Si llamamos x = t , resulta:

(x, y, z ) = (t, −t, 2t) = t (1, −1, 2)

197
Observamos que todos los vectores de la recta pueden
expresarse como combinación lineal del vector director
(1, −1, 2), que además es LI. Por lo tanto, {(1, −1, 2)} es una
base de este subespacio.

Rectas que pasan por el origen son subespacios de dimensión 1.

En los ejemplos anteriores observamos cómo disminuye la

dimensión de un subespacio a medida que agregamos ecuaciones,
tal como se muestra en el siguiente cuadro:

Número mínimo Dimensión

de ecuaciones Objeto
del Ejemplo
geométrico
que definen S subespacio

0 3 R3

Planos por el
1 2 z=0
origen

y=0
Rectas por el {
2 1 z=0
​

origen

⎧x = 0
{ (0; 0; 0) } ⎨y = 0
3 0
​ ​

⎩
z=0

198
 Ejercicios y problemas

1) Indicar si A = {(1, 1, 1) , (1, 3, 2)} es una base de

W = {(x, y, z ) ∈ R3 : x + y − 2z = 0}, justificando la
respuesta.
Posible estrategia de resolución: hacer el producto vectorial
de los generadores de A y verificar que el resultado es
proporcional al vector normal al plano W .

2) Considere el subespacio de R4

T1 = {(x1 , x2 , x3 , x4 ) ∈ R4 ∣ x1 + x4 = 0 ∧ x2 − x4 = 0}
​ ​ ​ ​ ​ ​ ​ ​ ​

Halle base y dimensión.

Teniendo en cuenta las ecuaciones que definen T1 , ¿podría ​

anticipar su dimensión?

3) Hallar una base y la dimensión del subespacio de matrices

simétricas de 2×2:

T2 = {A ∈ R2×2 ∣ A = At }
​

¿Cómo es una matriz simétrica de 2×2?

a b
A=( )
b d
​ ​

199
 a b 1 0 0 1 0 0
( ) = a( ) + b( ) + d( )
b d 0 0 1 0 0 1
​ ​ ​ ​ ​ ​ ​ ​

Las tres matrices halladas son L.I. y generan el subespacio de

matrices simétricas, por lo tanto hemos encontrado una base
de dicho subespacio.

4) Hallar base y dimensión de

S = {p (x) ∈ P2 ∣ a0 − 2a1 + 3a2 = 0}

​ ​ ​ ​

5) Hallar una base y la dimensión del subespacio de matrices

antisimétricas de 2×2 y del de 3×3.

200
3.2.11 Bases de subespacios definidos por
generadores
Hasta ahora hemos buscado bases de subespacios definidos por
ecuaciones. ¿Qué ocurre cuando el subespacio está definido por
sus generadores?

Veamos el siguiente ejemplo:

Hallar una base y la dimensión de

S = gen {(1, 1, 2) , (1, −1, 0) , (0, 1, 1)} ⊂ R3 .

En este caso, por la definición de S sabemos que

{(1, 1, 2) , (1, −1, 0) , (0, 1, 1)} es un conjunto generador de S.
Para determinar si es una base, tendremos que analizar la
independencia lineal:

- Si son vectores LI, entonces son base del subespacio.

- Si son LD, tendremos que extraer una base eliminando los

vectores «que sobren».

En el caso específico de 3 vectores en R3, podemos utilizar el

determinante (que es el producto mixto). Como en este caso el
determinante da cero, los vectores son coplanares y por lo tanto
L.D. Tenemos que extraer una base eliminando alguno de los
vectores, por ejemplo:

{(1, 1, 2) , (1, −1, 0)} es una base de S

{(1, −1, 0) , (0, 1, 1)} es otra base de S.

201
Podemos afirmar que la dimensión de S es 2.

Una forma práctica de extraer bases es armar una matriz con los
vectores dados y llevarla a la forma escalonada:

Una matriz es escalonada (por filas) si satisface las siguientes

propiedades:

1. Las filas nulas (todos sus elementos son ceros) se encuentran

en la parte inferior.

2. En cada fila no nula, el primer elemento distinto de cero

(pivote) está a la derecha del pivote de la fila superior.

Una matriz cualquiera puede llevarse a la forma escalonada

aplicando operaciones elementales entre sus filas. Por ejemplo
consideremos la matriz que armamos con los generadores de S :

Se denomina rango de una matriz al número de filas LI que tiene

la matriz. Veremos en el siguiente capítulo la importancia de este
concepto en el estudio de sistemas de ecuaciones lineales.

Puede demostrarse que:

1. Si se realizan operaciones elementales entre las filas de una

matriz, el rango se conserva.

2. Las filas no nulas de una matriz escalonada son LI.

202
Por lo tanto, para determinar el rango de una matriz se aplican
operaciones elementales para obtener una matriz escalonada y se
cuentan las filas no nulas.

En el ejemplo, la matriz escalonada tiene rango 2, por lo tanto la

matriz que armamos con los generadores de S tiene rango 2. Esto
significa que de los tres generadores de S hay dos linealmente
independientes. ¿Cuál es entonces la dimensión de S?
dim (S ) = 2

Este método también permite obtener bases: las filas no nulas de

la última matriz son otra base de S, ya que fueron obtenidas como
combinaciones lineales de los vectores de S:

{(1, 1, 2) , (0, 2, 2)} otra base de S

Ejemplo

Dado el conjunto:

A = {1 + x; 1 − x2 ; 2 + 3x + kx2 } ⊂ P2 ​

Hallar todos los valores de k para que A genere un subespacio

de dimensión 2

Para el k hallado encontrar las ecuaciones del subespacio

generado por A.

203
Resolución
Sabemos que dim (P2 ) = 3 , entonces todo conjunto de 3
​

vectores LI en P2 es base de P2 . Como se pide que la

​ ​

dimensión del subespacio sea 2, debemos hallar k de modo

que los vectores sean LD.

Los dos primeros vectores de A son LI, entonces se trata de

analizar para qué valores de k el tercer vector es combinación
lineal de los anteriores:

2 + 3x + kx2 = α (1 + x) + β (1 − x2 )

⎧2 = α + β
⎨3 = α
​
⇒ α = 3, β = −1, k = 1
​

⎩
k = −β

Para k = 1, el polinomio 2 + 3x + kx2 es combinación lineal

de 1 + x y 1 − x2 . Entonces:

gen {1 + x; 1 − x2 ; 2 + 3x + x2 } = gen {1 + x; 1 − x2 }

{1 + x; 1 − x2 } es base de P2 ​

Ahora busquemos la ecuación del subespacio. Tomamos un

polinomio genérico, p (x) = a0 + a1 x + a2 x2 y lo escribimos
​ ​ ​

como combinación lineal de los vectores de la base:

a0 + a1 x + a2 x 2 = α ( 1 + x ) + β ( 1 − x 2 )
​ ​ ​

204
 ⎧ α + β = a0 ​

⎨ −β = a2
​
​
​ ⇒ α = a1 , β = −a2 , ⇒ a0 = a1 − a2
​ ​ ​ ​ ​

⎩
α = a1 ​

Entonces esa es la ecuación que define al subespacio:

S = gen (A) = {p ∈ P2 ∣ a0 − a1 + a2 = 0}
​ ​ ​ ​

Como verificación, puede comprobarse que los dos vectores

de la base verifican la ecuación obtenida.

Video con ejercicio resuelto

Video 3.1. Ejercicio Álgebra CBC A-62 (video de unamunoenlinea en YouTube,

Licencia Atribución de Creative Commons)

205
3.3 Operaciones con subespacios
3.3.1 Intersección
Sean S y T subespacios del mismo espacio vectorial V . Definimos
la intersección como sigue:

S ∩ T = {v ∈ V : v ∈ S ∧ v ∈ T }

Propiedad
S ∩ T es subespacio de V

Ejemplo 1

Sean los subespacios de R3 :

S = {(x, y, z ) ∣ x − 3z = 0}

T = {(x, y, z ) ∣ x + y − z = 0}

Hallar S ∩ T .

Resolución
Por definición S ∩ T es un conjunto que estará formado por
los vectores que pertenezcan a S y a T . Es decir aquellos
vectores que satisfagan las ecuaciones de S y las de T :

S ∩ T = {(x, y, z ) ∣ x − 3z = 0 ∧ x + y − z = 0}

206
Se trata de una recta definida como intersección de dos
planos. Una base de la recta es un vector director.

Geométricamente podemos buscar el vector director como el

producto vectorial de los vectores normales a los planos:

i j k
v = n1 × n2 = 1 0 −3 = (3, −2, 1)
​ ​ ​ ​ ​ ​ ​

1 1 −1

S ∩ T = {(x, y, z ) = λ (3, −2, 1) , λ ∈ R}

Entonces {(3, −2, 1)} es una base de S ∩ T .

Otra forma de resolverlo es buscar la solución del sistema de

ecuaciones:

x − 3z = 0 x = 3z
{ ⇒{ ⇒
x+y−z =0 y = z − x = −2z
​ ​

⇒ (3z, −2z, z), ∀z ∈ R.

(x, y, z ) = z (3, −2, 1)

Y entonces otra vez llegamos a que {(3, −2, 1)} es una base
de S ∩ T .

207
 Ejemplo 2

Sean los subespacios de R2×2 :

S = {A ∈ R2×2 ∣ A = At }

1 0 1 0
T = gen { ( ), ( )}
2 −1 1 0
​ ​ ​ ​

Hallar S ∩ T .

Video con ejercicio resuelto

Video 3.2. Ejercicio Álgebra CBC A-62 (video de unamunoenlinea en YouTube,

Licencia Atribución de Creative Commons)

208
3.3.2 Suma de subespacios
Dados S y T subespacios de V , se define la suma como sigue:

S + T = {v ∈ V ∣ v = v1 + v2 , con v1 ∈ S, v2 ∈ T }
​ ​ ​ ​

suma de subespacios

Propiedad: S + T es un subespacio del espacio vectorial V .

Si conocemos conjuntos generadores de S y de T , podemos hallar

generadores de la suma:

S = gen {v1 , v2 , … , vq } y T = gen {w1 , w2 , … , wr }

​ ​ ​ ​ ​

⇒ S + T = gen {v1 , v2 , … vq , w1 , w2 , … , wr }
​ ​ ​ ​ ​ ​

Para hallar la suma es usual buscar las bases de S y T . Como las

bases son conjuntos generadores LI, si conocemos una base de
cada subespacio podremos obtener un conjunto generador de la
suma:

Dadas las bases:

B S = {v 1 , v2 , … , vq } y B T = {w 1 , w2 , … , w r }
​ ​ ​ ​ ​ ​ ​ ​

Resulta:

{v1 , … , vq , w1 , … , wr } conjunto generador de la suma.

​ ​ ​ ​

Observación: Se obtiene así un conjunto generador de la suma

pero no siempre es linealmente independiente.

209
 Si es LI, encontramos una base de la suma.
Si es LD, podemos extraer una base de la suma eliminando los
vectores «que sobran».

3.3.3 Suma directa

La suma de dos subespacios es directa si y sólo si la intersección
de los subespacios es el vector nulo.

S + T es directa ⇔ S ∩ T = {0V } ​

Cuando la suma es directa se escribe:

S⊕T

210
3.3.4 Teorema de la dimensión de la suma
Si S1 y S2 son subespacios de un espacio vectorial V (de
​ ​

dimensión finita), entonces:

dim (S1 + S2 ) = dim (S1 ) + dim (S2 ) − dim (S1 ∩ S2 )

​ ​ ​ ​ ​ ​

En el caso particular de que la suma sea directa, como

S1 ∩ S2 = {0V } , resulta:
​ ​ ​

dim (S1 ⊕ S2 ) = dim (S1 ) + dim (S2 )

​ ​ ​ ​

Ejemplo

Dados los subespacios de P2 : ​

S1 = { p ∈ P 2 ∣ p ( 0 ) = 0 }
​ ​

S2 = { p ∈ P 2 ∣ p ( 1 ) = 0 }
​ ​

Hallar bases de ambos subespacios y de la intersección.

Resolución

Hallemos una base de S1 : ​

p ( 0) = a 0 + a 1 0 + a 2 02 = 0 ⇒ a 0 = 0
​ ​ ​ ​

211
Entonces son los polinomios de la forma:

a1 x + a2 x 2
​ ​

Luego una base de S1 es: ​

BS1 = {x, x2 } ⇒ dim (S1 ) = 2

​
​

Hallemos una base de S2 : ​

p ( 1) = a 0 + a 1 1 + a 2 12 = 0 ⇒ a 0 + a 1 + a 2 = 0
​ ​ ​ ​ ​ ​

Entonces son los polinomios de la forma:

(−a1 − a2 ) + a1 x + a2 x2 = a1 (−1 + x) + a2 (−1 + x2 )

​ ​ ​ ​ ​ ​

BS2 = {−1 + x , −1 + x2 } ⇒ dim (S2 ) = 2

​
​ ​

Para buscar S1 ∩ S2 debemos plantear que se cumplan las

​ ​

ecuaciones de S1 y también las de S2 : ​ ​

a0 = 0 ∧ a0 + a1 + a2 = 0 ⇒ a0 = 0 ∧ a1 = −a2
​ ​ ​ ​ ​ ​ ​

Los polinomios serán de la forma:

a1 x − a1 x2 = −a1 (x2 − x)
​ ​ ​

Luego:

BS1 ∩S2 = {x2 − x} ⇒ dim (S1 ∩ S2 ) = 1

​ ​
​ ​ ​

212
Nótese que como conocemos las dimensiones de S1 , S2 y ​ ​

S1 ∩ S2 , podemos calcular la dimensión de S1 + S2 :

​ ​ ​ ​

dim (S1 + S2 ) = 2 + 2 − 1 = 3
​ ​

Pero el único subespacio de P2 con dimensión 3 es P2 . Luego: ​ ​

S 1 + S2 = P 2 .
​ ​ ​

Ejercicio para el lector

Dados los subespacios de R2×2 :

W1 : {A ∈ R2×2 ∣ A = At }
​

W2 : {A ∈ R2×2 ∣ A = −At }
​

a) Hallar bases de W1 y W2 ​ ​

b) Obtener W1 ∩ W2 .
​ ​

c) Sin hallar W1 + W2 analizar la validez de la siguiente

​ ​

afirmación:

W1 ⊕ W2 = R2×2
​ ​

d) Proponer una base de R2×2 formada por matrices

simétricas y antisimétricas.

213
3.3.5 Producto interno
En el primer capítulo vimos producto escalar entre vectores y sus
aplicaciones a la Geometría. En esta sección nos proponemos
generalizar esta operación a otros espacios vectoriales
definiendo la noción general de producto interno a partir de las
propiedades del producto escalar.

Definición: Un producto interno en un espacio vectorial real V es

una operación que asigna a cada par de vectores u y v de V un
número real u.v tal que se verifican las siguientes propiedades
∀u, v, w ∈ V y ∀α ∈ R :

1. u ⋅ v = v ⋅ u
2. u ⋅ (v + w) = (u ⋅ v ) + (u ⋅ w)
3. αu ⋅ v = α (u ⋅ v )
4. u.u ≥ 0 ∧ u.u = 0 ⇔ u = 0V ​

Es posible definir así distintos productos internos en cualquier

espacio vectorial (mientras se verifiquen estas propiedades). En
este libro sólo trabajaremos con el producto interno canónico en
Rn , que es la extensión del producto escalar:

(x 1 , x 2 , … , x n ) . (y1 , y2 , … , yn ) = x 1 y1 + x 2 y2 + … x n yn
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

producto interno canónico en Rn

214
Esta definición nos permite extender el concepto de
ortogonalidad a Rn :

u⊥v ⇔ u.v = 0 condición de ortogonalidad

Ejemplo

Realicemos el producto interno de los vectores de R4 :

u = (1, 2, 3, 4) v = (1, 0, 1, −1)

u.v = 1.1 + 2.0 + 3.1 + 4. (−1) = 0

Como u.v = 0 entonces u y v son ortogonales.

3.3.6 Complemento ortogonal de un subespacio

Sea S subespacio de un espacio vectorial V con producto interno.

El complemento ortogonal de S , que denotamos como S ⊥ , es el

conjunto de vectores de V que son ortogonales a cada uno de los
vectores de S :

S⊥ = { v ∈ V ∣ v ⋅ w = 0 ∀w ∈ S }
complemento ortogonal de S

Propiedad: S ⊥ es un subespacio de V .

215
3.3.7 Propiedades del complemento ortogonal
Sea V un espacio vectorial de dimensión finita, con producto
interno, y sea S un subespacio de V . Entonces se verifican las
siguientes propiedades:
⊥
1. (S ⊥ ) = S
⊥
2. V ⊥ = {0V } y {0V } = V
​ ​

3. S ∩ S ⊥ = {0V }​

4. S + S ⊥ = V

Esta última propiedad significa que cualquier vector de V puede

expresarse como suma de un vector de S más otro de S ⊥ .

216
Ilustramos con un ejemplo geométrico de R3 :

De las propiedades 3 y 4 se deduce:

S ⊕ S⊥ = V

Y por lo tanto:

dim (S ) + dim (S ⊥ ) = dim (V )

La unión de una base de S con una base de S ⊥ es base de V .

Esto se aplica para extender una base de S a una base de V , como
muestra el siguiente ejemplo.

217
 Ejemplo

Sea S = {(x1 , x2 , x3 , x4 ) ∈ R4 ∣ x1 + x4 = 0, x1 − x2 + 3x4 = 0}

​ ​ ​ ​ ​ ​ ​ ​ ​

Hallar una base de S y extenderla a una base de R4 .

Resolución

Buscamos una base de S, por ejemplo:

BS = { (1, −2, 0, −1) , (0, 0, 1, 0)}

​

Como dim (S ) = 2, podemos anticipar que: dim(S ⊥ ) = 4 − 2 = 2

A partir de la base de S, obtenemos las ecuaciones de S ⊥ :

x1 − 2x2 − x4 = 0
S⊥ : {
​ ​ ​

x3 = 0
​

Y hallamos una base de S ⊥ . por ejemplo:

BS ⊥ = {(2, 1, 0, 0) , ((0, 1, 0, −2)}

​

Entonces uniendo las bases de S y S ⊥ resulta:

B = {(1, −2, 0, −1) , (0, 0, 1, 0) , (2, 1, 0, 0) , (0, 1, 0, −2)}

que es base de R4

218
 Videos con ejercicios resueltos

Video 3.3. Ejercicio Álgebra y Geometría Analítica UTN FRBA (video de

elaboración propia)

Video 3.4. Ejercicio Álgebra y Geometría Analítica UTN FRBA (video de

elaboración propia)

219
 Capítulo IV

Tres espacios de una matriz

4.1 Espacios fila y columna de A. Rango 224
4.2 Espacio nulo de A 229
4.3 Relación entre las soluciones de AX = B y AX = 0. 234
Variables libres
4.3.1 Espacio solución de un sistema homogéneo 234
4.3.2 Relación entre las soluciones de AX = B y 236
AX = 0
4.4 Número de variables libres de un sistema 241
 Muchos problemas de ingeniería, por complicados que sean,
se pueden reducir a álgebra lineal:

AX = B oˊ AX = λX oˊ AX ≈ B

Si las matrices son cuadradas, el primer problema AX = B tiene

una única solución cuando las columnas de A son independientes.
El segundo problema AX = λX, cuando tiene solución para λ y
para X  produce vectores independientes (llamados vectores
propios). Para resolver el tercer problema, AX ≈ B, suele
recurrirse a métodos numéricos.
Se puede observar que:
1 1 2
A= 1 2 3
​ ​ ​ ​

1 3 4

no tiene columnas independientes. Si sumamos las columnas 1 y 2

obtenemos la columna 3. Un resultado sorprendente e
importante del álgebra lineal establece que las filas tampoco son
independientes.
Este capitulo analiza La interacción de las columnas y las filas. A
continuación se enumeran cuatro de los conceptos más
importantes:

1. El espacio columna (todas las combinaciones de las

columnas).
2. El espacio fila (todas las combinaciones de las filas).
3. El rango (el número de columnas o filas independientes).
4. Eliminación (la mejor manera de encontrar el rango de una
matriz).
223
4.1 Espacios fila y columna de A. Rango
En esta presentación, resumimos la teoría necesaria para resolver
la ejercitación:

Método para hallar el rango de una matriz

Recordemos que:

1. Si se realizan operaciones elementales entre las filas de una

matriz, el rango se conserva.

2. Las filas no nulas de una matriz escalonada son LI.

Por lo tanto, para determinar el rango de una matriz se aplican

operaciones elementales para obtener una matriz escalonada y se
cuentan las filas no nulas.

224
Compatibilidad y rango

Consideremos el siguiente sistema:

⎧ x1 + x2
​ + x4 = 3
​ ​

⎨ ​
x3 − x4 = 2 ​ ​

​ ​

⎩ x + x − x + 2x = 0
1 2 ​

3 4 ​ ​

Es un sistema de 3 ecuaciones con 4 incógnitas (3 x 4) cuya matriz

de coeficientes es la A del ejemplo 4 de los ejemplos precedentes.

El sistema puede expresarse en forma matricial como: A X = B

225
 1 1 0 1 3
con A = 0 0 1 −1
​ ​ ​ ​ ​ ​ y B= 2
​ ​ ​

1 1 −1 2 0

Este sistema, ¿tendrá solución? ¿Cuántas soluciones tendrá?

Veamos cómo escribir el sistema en función de las columnas de la

matriz A:

1 1 0 1 3
x1 ​
0
​ ​ ​ + x2 ​
0
​ ​ ​ + x3 ​
1
​ ​ ​ + x4 ​
−1
​ ​ ​ = 2
​ ​ ​

1 1 −1 2 0

Queda una combinación lineal de las columnas de A igualada al

vector de los términos independientes:

x1 A1 + x2 A2 + x3 A3 + x4 A4 = B
​ ​ ​ ​ ​ ​ ​ ​

¿Cuándo tiene solución el sistema? Cuando podemos encontrar

valores para x1 , x2 , x3 , x4 que satisfagan la igualdad. Estos
​ ​ ​ ​

valores pueden ser únicos o no.

En otras palabras:

El sistema AX = B es compatible si y sólo si B es combinación

lineal de las columnas de A.

226
Decir que B es combinación lineal de las columnas de A significa
que B está en el subespacio generado por las columnas de A.
O sea:

El sistema AX = B es compatible ⇔ B ∈ Col (A)

Consideremos la matriz ampliada del sistema, que se obtiene

agregando la columna de los términos independientes:

A′ = (A 1 A2 A 3 A4
​ ​ ​ ​ B)

¿Qué valores puede tomar rg (A′ )?

El rango de A′ dependerá de si B es combinación lineal o no de las

columnas de A:

rg (A′ ) = rg (A) = 2 ⇔ B ∈ Col (A)

rg (A′ ) = rg (A) + 1 = 3 ⇔ B ∈
/ Col (A)

Estamos en condiciones de enunciar un teorema central sobre la

compatibilidad de sistemas de ecuaciones lineales.

Un sistema de ecuaciones lineales AX = B es compatible si y

sólo si el rango de la matriz ampliada es igual al rango de A.

El sistema AX = B es compatible ⇔ rg (A) = rg (A′ )

227
Oprimí el botón en la parte inferior derecha del siguiente recurso
y podrás trabajar con distintos espacios columna.

Objeto interactivo de construcción propia

228
4.2 Espacio nulo de A.
Dada una matriz A, las soluciones de AX = 0 constituyen un
espacio vectorial, que llamaremos el espacio nulo de A.
Encontremos el Espacio Nulo de la matriz A:

−1 1 1
A= 2 3 1
​ ​ ​ ​ ​

1 4 2

Debemos encontrar que matrices X "anulan" a la matriz A. Es

decir, el espacio solución del sistema AX = 0. La matriz
ampliada del sistema es:

−1 1 1 0
′
A = 2 3 1 0
​ ​ ​ ​ ​

1 4 2 0

Resolviendo el sistema, la solución es

⎧ x 2 ⎫
S = ⎨X = y =z −3 con z ∈ R ⎬
⎩ ⎭
​ ​ ​ ​ ​ ​ ​ ​ ​

z 5

(Espacio nulo de A)

229
En el siguiente applet podemos observar la interpretación
geométrica: todos estos vectores X (en rojo) forman una recta, al
ser multiplicados por A se anulan.

Objeto interactivo de construcción propia

Más ejemplos

Puedes oprimír el botón situado en la parte inferior derecha del

recurso de la página siguiente. En la actividad, primero elige el
rango de la matriz con la que quieras trabajar y podrás encontrar
el espacio nulo asociado a la misma. En el applet, a dicho espacio
nulo se lo indica como el "núcleo" de A (Terminología que tendrá
significado cuano estudiemos transformaciones lineales.)

230
 Objeto interactivo de construcción propia

Por último, en el siguiente ejemplo podemos cambiar la matriz

con la que trabajamos y graficar los tres espacios asociados
(columna, fila y nulo) juntos o por separado.

El applet muestra los espacios de una matriz M de 3x3. El espacio

fila se muestra en azul, el espacio columna se muestra en naranja
y el espacio nulo se muestra en verde. Puedes editar la matriz
para ver cómo cambian estos espacios y puedes alternar la
visibilidad de los tres espacios haciendo clic en las casillas de
verificación de la derecha. Algunas observaciones notables:

Los espacios fila y columna siempre tienen la misma dimensión,

igual al rango de M.
La dimensión de los espacios fila/columna y la dimensión del
espacio nulo siempre suman 3, de acuerdo con el Teorema de
nulidad-rango.
El espacio de filas siempre es ortogonal al espacio nulo de M.
231
Aquí hay algunas matrices interesantes para probar:

1 2 −1
2 4 −2
​ ​ ​ ​ ​

1 2 −1

Antes de escribirla en el applet, mirá las columnas de esta matriz:

¿qué observas? ¿Puedes adivinar cómo se verá el espacio
columna?
Otra:
1 2 −4
2 −1 7
​ ​ ​ ​ ​

1 0 3

¿Cuál es el espacio nulo en este caso? (Pista: recuerda que uno de

los subespacios 'triviales' consta solo del vector nulo).

La última:
0 0 0
0 0 0
​ ​ ​ ​ ​

0 0 0

¿Cuáles serán los espacio fila y columna en este caso?

Recordá que podés introducir la matriz que desees.

232
Objeto interactivo de construcción propia

233
4.3 Relación entre las soluciones de AX = B
y AX = 0. Variables libres.
4.3.1 Espacio solución de un sistema homogéneo
Consideremos un sistema homogéneo AX = 0, con A ∈ Rmxn .

Sea Sh = {X ∈ Rnx1 ∣ AX = 0}, el conjunto solución del

​

sistema.

1) X = 0 pertenece a Sh (solución trivial del sistema).

​

2) Sean X1 y X2 soluciones del sistema.

​ ​

A (X1 + X2 ) = AX1 + AX2 = 0 ⇒ X1 + X2

​ ​ ​ ​ ​ ​ también es
solución.

3) Sea X una solución, y k un número real:

A (kX ) = k (AX ) = k0 = 0 kX también es solución.

Por lo tanto:

El conjunto solución de un sistema homogéneo AX = 0 (con

A ∈ Rmxn ) es un subespacio de Rnx1 .
Si el sistema (homogéneo) es compatible determinado, la única
solución es la trivial. En ese caso, dim (Sh ) = 0.
​

¿De qué dependerá la dimensión de Sh para una matriz A dada?

​

234
Propiedad
Sea Sh el espacio solución del sistema homogéneo AX = 0, con
​

A ∈ Rmxn . Puede demostrarse que:

dim (Sh ) = n − rg (A)

​

Nota: Recordamos que el conjunto solución de un sistema

homogéneo AX = 0 se denomina espacio nulo de la matriz A.

Ejercicio
Dado el sistema homogéneo cuya matriz de coeficientes es

1 1 1 0
1 0 −1 1
​ ​ ​ ​ ​ ​

0 3 6 k

a) Determinar la dimensión del espacio solución y el rango de

A de acuerdo con los valores de k .

b) Para k = 0 hallar una base del espacio solución.

Te pedimos que compruebes en este ejercicio la propiedad

mencionada previamente.

235
4.3.2 Relación entre las soluciones de AX = B y
AX = 0
Consideremos los siguientes sistemas de ecuaciones:

Sistema de ecuaciones: Sistema homogéneo asociado

2x − y + z = 4 2x − y + z = 0
{ {
−x + 2y − z = 3 −x + 2y − z = 0
​ ​ ​ ​

Resolvemos primero el sistema de ecuaciones original:

2x − y + z = 4 −6 + 4y − 2z − y + z = 4
{ ⇒ { ⇒
−x + 2y − z = 3 x = 2y − z − 3
​ ​ ​ ​

z = −10 + 3y
⇒ {
x = −y + 7
​ ​

Luego el conjunto solución es:

(x, y, z ) = (−y + 7, y, −10 + 3y ) = y (−1, 1, 3) + (7, 0, −10)

S = {(x, y, z ) ∈ R3 ∣ (x, y, z ) = λ (−1, 1, 3) + (7, 0, −10)}

Geométricamente, el conjunto solución es una recta que no pasa

por el origen.

236
Resolvamos ahora el sistema homogéneo asociado:

2x − y + z = 0 4y − 2z − y + z = 0
{ ⇒ { ⇒
−x + 2y − z = 0 x = 2y − z
​ ​ ​ ​

z = 3y
⇒ {
x = −y
​ ​

Luego el conjunto solución es:

(x, y, z ) = (−y, y, 3y ) = y (−1, 1, 3)

Sh = {(x, y, z ) ∣ (x, y, z ) = λ (−1, 1, 3)}

​

Se trata de una recta paralela a la anterior, que pasa por el origen.

Notemos que tal como establecimos previamente, el conjunto

solución de un sistema homogéneo es un subespacio.

¿Qué relación existe entre los conjuntos solución del sistema

original y de su homogéneo asociado?

En la gráfica de la siguiente página se muestran las soluciones de

los sistemas. En naranja la recta solución del sistema no
homogéneo, y en violeta la recta solución del sistema
homogéneo:

237
Son dos rectas paralelas: la recta que es solución del sistema
homogéneo pasa por el origen y la recta que es solución del
sistema no homogéneo no pasa por el origen.

Observamos que:

S = (x, y, z) = λ (−1, 1, 3) + (7, 0, −10)

​ ​

Sh ​ Xp ​

⇒ S = Sh + X p
​ ​

A continuación veremos un conjunto de propiedades que

permiten generalizar este resultado para un sistema de
ecuaciones lineales AX = B con A ∈ Rm×n , B ∈ Rm×1 :

238
Propiedad 1
La diferencia de dos soluciones particulares es solución del
sistema homogéneo asociado.

Si X1 y X2 son dos soluciones particulares del sistema AX = B ,

​ ​

entonces se cumple que:

AX1 = B ∧ AX2 = B ​

Restando miembro a miembro:

AX1 − AX2 = 0 ⇒ A (X1 − X2 ) = 0

​ ​ ​ ​

Por lo tanto X1 − X2 es solución de AX = 0

​ ​

Propiedad 2
La suma de una solución particular de AX = B y una solución
del homogéneo asociado, es solución de AX = B.

Sean:

Xp una solución particular de AX = B

​

Xh una solución del sistema homogéneo asociado.

​

Queremos probar que (Xp + Xh ) es solución de AX = B

​ ​

A (Xp + Xh ) = AXp + AXh = B + 0 = B

​ ​ ​ ​

239
Propiedad 3
En la propiedad anterior habíamos probado que (Xp + Xh ) es ​ ​

solución de AX = B. Recíprocamente:

Cualquier solución del sistema AX = B puede expresarse

como Xp + Xh , siendo Xp una solución particular del sistema
​ ​ ​

y Xh una solución del homogéneo asociado.

​

Sea X una solución del sistema AX = B, entonces:

X = ( X − Xp ) + Xp ​ ​

Por propiedad 1, (X − Xp ) es solución del homogéneo asociado,

​

por lo tanto:

X = Xh + Xp ​ ​

A partir de las propiedades 2 y 3 se deduce que:

El conjunto solución de un sistema AX = B puede

expresarse como suma de una solución particular y la
solución del sistema homogéneo asociado.

S = X p + S h = { X p + X h ∣ X h ∈ Sh }
​ ​ ​ ​ ​ ​ ​

240
4.4 Número de variables libres de un sistema
Recordemos que:

El sistema AX = B es compatible ⇔ B ∈ Col (A) ⇔

⇔ rg (A) = rg (A′ )

Supongamos que B ∈ Col (A), es decir que el sistema es

compatible. ¿Cuántas soluciones tiene?

Sea rg (A) = rg (A′ ) = r

Si n es el número de incógnitas, puede demostrarse que:

241
 Si r = n, el sistema tiene solución única (SCD)
Si r < n, el sistema admite infinitas soluciones (SCI), con n − r
variables libres

Observación: El número de variables libres es igual a la dimensión

del espacio solución del sistema homogéneo asociado.

Ejemplo

Analizar cada uno de los siguientes sistemas de ecuaciones, e

indicar el número de variables libres.

⎧x+y+z = 0
a) ⎨x−y ​
=1 ​ ​

⎩ z=3

⎧x+y+z = 0
b) ⎨x−y =1
​ ​ ​

⎩ 2x + z = 1

⎧ x1 + x2 + x3 + x4 = 1
​ ​ ​

c) ⎨ ​
x2 − x4 = 0 ​

​ ​

⎩x + x3 + 2x4 = 1
1 ​ ​

242
 Resolución

Ítem a

⎧x + y + z = 0
⎨x − y​
=1 ​ ​

⎩ z=3

Realicemos el análisis a partir del rango de A y de A′ :

1 1 1 0 1 1 1 0
1 −1 0 1
​ ​ ​ ​ ​ ​ F2 → F2 − F1
​ ​ ​ 0 −2 −1 1
​ ​ ​ ​ ​

0 0 3 3 0 0 3 3

Como rg (A) = rg (A′ ) = n = 3 entonces el sistema es SCD.

No hay variables libres.

Ítem b

⎧x + y + z = 0
⎨x − y​
=1 ​ ​

⎩ 2x + z = 1

Escalonamos A′ para hallar rg(A) y rg(A′ ):

1 1 1 0 1 1 1 0
F2 → F2 − F1
1 −1 0 1 0 −2 −1 1
​ ​ ​

F3 → F3 − 2F1
​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​

2 0 1 1 0 −2 −1 1
​ ​ ​

243
 1 1 1 0 1 1 1 0
0 −2 −1 1
​ ​ ​ ​ ​ ​ F3 → F3 − F2
​ ​ ​ 0 −2 −1 1
​ ​ ​ ​ ​ ​

0 −2 −1 1 0 0 0 0

Al escalonar A′ se elimina una de las filas. Luego:

rg(A) = rgA′ = 2 y n = 3 ⇒ SCI con una variable libre.

Le proponemos al lector hallar el conjunto solución,

comprobar que el sistema es un SCI con una variable libre, e
indicar una base de Sh . ​

Ítem c

⎧ x1 + x2 + x3 + x4 = 1
​ ​ ​ ​

⎨ ​
x2 − x4 = 0 ​ ​

​ ​

⎩x + x3 + 2x4 = 1
1 ​ ​ ​

Escalonamos A′ para hallar rg(A) y rg(A′ ):

1 1 1 1 1 1 1 1 1 1
0 1 0 −1 0
​ ​ ​ ​ ​ ​ ​ F2 → F2 − F1
​ ​ ​ 0 1 0 −1 0
​ ​ ​ ​ ​ ​ ​

1 0 1 2 1 0 −1 0 1 0

1 1 1 1 1 1 1 1 1 1
0 1 0 −1 0
​ ​ ​ ​ ​ ​ ​ F3 → F3 + F2​ ​ ​ 0 1 0 −1 0
​ ​ ​ ​ ​ ​ ​

0 −1 0 1 0 0 0 0 0 0

Al escalonar A′ se elimina una de las filas. Luego:

244
 rg(A) = rgA′ = 2 y n = 4 ⇒ SCI con dos variables libres.

Le proponemos al lector hallar el conjunto solución,

comprobar que el sistema es un SCI con dos variables libres, e
indicar una base de Sh .
​

Resumen
Sea el sistema de ecuaciones AX = B, con A ∈ Rm×n ,
X ∈ Rn×1 , B ∈ Rm×1 , cuya matriz ampliada es:

A′ = (A1 ​ A2 A3 … An
​ ​ ​ B)

El siguiente esquema resume el análisis de compatibilidad que

realizamos previamente:

245
En el caso particular de un sistema homogéneo AX = 0 :

246
Acerca de los objetos interactivos de esta obra
Todos los objetos interactivos del libro hechos en Geogebra han
sido diseñados por el autor.

Los objetos interactivos hechos en Descartesjs utilizados en el

capítulo 2 han sido diseñados y creados originalmente por la
profesora María José García Cebrian [1] y adaptados a este libro
por el autor; con la excepción del interactivo de la página 156,
cuya autora es la profesora Melissa Méndez Servin [3] y el objeto
interactivo de la página 146 cuyos autores originales son John
Jairo García Mora, Sonia Jaquelliny Moreno Jiménez y Margarita
Patiño Jaramillo.[4] Este último objeto fue modificado por quien
esto escribe para adaptarlo a esta publicación.

Los objetos interactivos hechos en Descartesjs utilizados en el

capítulo 1 han sido diseñados y creados originalmente por las
profesoras María José García Cebrian y Esperanza Álvarez
Sáiz[2] y adaptados a este libro por el autor.

247
 Bibliografía recomendada
Lay, D. (2012). Algebra Lineal y sus Aplicaciones.
Ed. Pearson.
Kozak, A., Pastorelli, S. y Vardanega, P. (2007). Nociones de
Geometría Analítica y Álgebra Lineal. McGraw-Hill, Buenos
Aires.
Merino González, L. y Santos Aláez E. (2010). Álgebra lineal
con metodos elementales. Ediciones PARANINFO.
Lipschutz S. (1992). Álgebra lineal. Mc Graw – Hill, Madrid.
Noble B. y Daniel J. W. (1989). Álgebra lineal aplicada.
Ed. Prentice Hall.
Nakos G., Joyner D. (1999). Algebra Lineal con Aplicaciones.
Thomson Ed.
Poole D. (2011) Álgebra lineal, Una introducción moderna.
Cengage Learning Editores.

249