UNIVERSIDAD TÉCNICA DE

MANABÍ

PORTAFOLIO DE UNIDAD #3

ESTUDIANTE:

IKER UBALDO MOREIRA PILAY

MATERIA:

ÁLGEBRA LINEAL

PROFESOR:

ING. DURÁN PICO ULBIO C.

CARRERA:

INGENIERÍA MECÁNICA

PARALELO:

“A”

IKER UBALDO MOREIRA PILAY 1315400448

SEMANA 9

ESPACIOS
VECTORIALES

Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto

con dos operaciones binarias llamadas suma y multiplicación por un escalar, y que
satisfacen los axiomas enumerados a continuación:

Tales que, para todo x, y, z ∈ X y todo α , β ∈K se verifican los siguientes axiomas:

1. ( x + y ) + z = x ( y + z )
2. x + y = y + x
3. Existe un elemento 0 ∈ X , denominado neutro o 0, tal que 0 + x = x
4. Para cada x ∈ X existe un elemento - x ∈ X, llamado opuesto de x, tal que x + (-
x) = 0
5. α ( x + y ) = α x + α y
6. (α + β )x = α x + β x
7. (αβ )x = α ( β x)
8. 1x = x

EJEMPLOS DE ESPACIOS VECTORIALES:

En muchas aplicaciones físicas con cantidades Escalares, tales como presión, masa,
rapidez, que quedan definidas al dar su magnitud. existen otras cantidades medibles,
tales como velocidad, fuerza y aceleración, que requiere para su descripción no solo la
magnitud sino también un sentido y una dirección. Estas cantidades se denominan
Vectores. Los sistemas matemáticos cuyos objetos se denominan vectores y trabajan
con dos operaciones ⊕ y •, que satisfacen todas las propiedades de la definición, son
llamados Espacios Vectoriales.

SUBESPACIO VECTORIAL

En álgebra lineal, un subespacio vectorial es el subconjunto de un espacio vectorial,

que satisface por sí mismo la definición de espacio vectorial con las mismas
operaciones que V el espacio vectorial original.

IKER UBALDO MOREIRA PILAY

Un subespacio no vació H de un espacio vectorial V es un subespacio de V si 1315400448
las dos
siguientes reglas se cumplen:
i) Si x ∈ H y y ∈ H, entonces x + y = H.
ii) Si x H, entonces x H para cada escalar .

EJEMPLO:
Determinar si el subconjunto w es subespacio vectorial de v=R3

w= {( x , y , z ) : x− y+ z=0 }

1. ⃗o ∈ w
(0 , 0 , 0)
x− y + z=0−0+ 0=0
Por lo tanto:
o⃗ =( 0 , 0 , 0 ) ∈w

2. Veamos que w es cerrado bajo la suma. Supongamos que:

⃗x =( X 1 , Y 1 , Z 1 ) ∈ w

⃗x =( X 2 , Y 2 , Z 2 ) ∈ w

Por lo tanto:
X 1 −Y 1+ Z 1=0

X 2 −Y 2+ Z 2=0

Veamos:
⃗x +⃗y=( X 1 , Y 1 , Z 1 ) + ( X 2 , Y 1 , Z2 )

¿ ( X 1+ X 2 , Y 1 +Y 2 , Z 1+ Z 2 )

Entonces:

( X 1+ X 2 )−( Y 1 +Y 2 ) +( Z 1 +Z 2 )
¿ ( X 1−Y 1−Z 1 ) + ( X 2 −Y 2 +Z 2 )

¿ 0+0=0
Por lo tanto:
⃗x +⃗y ∈ w

3. Supongamos que ⃗x =( x , y , z ) ∈ w y ∝ Escalar veamos que:

x− y + z=0
IKER UBALDO MOREIRA PILAY 1315400448
Ahora:
∝ ⃗x =∝ ( x , y , z ) =( ∝ x ,∝ y ,∝ z )
 Determinar si el subconjunto dado IH del espacio vectorial V es o no subespacio de V.

v=R2 ih= { ( x , y ) : x= y }

1. ih ≢ o porque ( 0 ,0 ) ϵ ih

2. ( x 1 , y 1 ) ∈ih x 1= y 1

( x 2 , y 2 ) ∈ih x 2= y 2

( X 1 , Y 1 ) + ( X 2 , Y 2 )=( X 1+ X 2 ,Y 1 +Y 2 )
X 1 =Y 1

Y 1=Y 2

X 1 + X 2=Y 1 +Y 2

Por lo tanto:

( X 1+ X 2 , Y 1 +Y 2 ) ∈ih

COMBINACIÓN LINEAL

Una combinación lineal se da cuando dos o más vectores se suman y dan como
resultado otro vector.

EJEMPLO:
Demostrar que ⃗v =⟨ 2 , 1 ,3 ⟩ es una combinación lineal de
v1 =⟨ 1 , 5 ,−7 ⟩ , ⃗
⃗ v 2=⟨ 1 , 1 ,2 ⟩ y ⃗
v 3=⟨ 1 ,−4 ,−5 ⟩

⃗v =k 1 ⃗
v 1 +k 2 ⃗
v 2 +k 3 ⃗
v3

IKER UBALDO MOREIRA PILAY 1315400448

 ⟨ 2, 1 ,3 ⟩=k 1 ⟨ 1 ,5 ,−7 ⟩ + k 2 ⟨ 1 ,1 , 2 ⟩ + k 3 ⟨ 1 ,−4 ,−5 ⟩
⟨ 2, 1 ,3 ⟩= ⟨ k 1 , 5 k 1 ,−7 k 1 ⟩ + ⟨ k 2 , k 2 , 2 k 2 ⟩ + ⟨ k 3 ,−4 k 3 ,−5 k 3 ⟩
⟨ 2, 1 ,3 ⟩= ⟨ k 1+ k 2 +k 3 , 5 k 1 +k 2−4 k 3 ,−7 k 1+2 k 2−5 k 3 ⟩

{ { |}
k 1 +k 2 + k 3=2 1 1 1 1
5 k 1+ k 2−4 k 3=1 5 1 −4 2
−7 k 1 +2 k 2−5 k 3=3 −7 2 −5 3

{ |} { | }
1 1 1 2 1. 1 1 1 2
−5 f 1+ f 2
0 −4 −9 −9 9 f 2+ 4 f 3 2. 0 −4 −9 −9
7 f 1+ f 3
0 9 2 17 3. 0 0 −73 −13

3.−73 k 3=−13
−13
k 3=
−73
13
k 3=
73

SEMANA 10
COMBINACIÓN LINEAL
Una combinación lineal de un conjunto de vectores es el vector que se obtiene al sumar
todos los vectores del conjunto multiplicados por escalares (números reales). Es decir,
dado un conjunto de vectores   una combinación lineal de ellos sería:

Donde los coeficientes son números reales.

Por lo tanto, un vector que es combinación
lineal de otros vectores −2 ⃗ 135 ⃗ 13 ⃗ significa que el primero
⃗
V= V + V + V
se puede expresar en 73 1 73 2 73 3 función de los segundos.
Este concepto se puede entender mejor
representando gráficamente en el plano un vector que sea combinación lineal de dos
vectores:

IKER UBALDO MOREIRA PILAY 1315400448

Como puedes ver en la
representación gráfica
anterior, el vector  se
puede obtener a partir de
los vectores   y haciendo
operaciones vectoriales.
Por lo tanto, el vector   es
una
combinación lineal de
los otros dos vectores.
Hay que recalcar
que esta
combinación lineal
es única, o, dicho con
otras palabras, solamente
existe una
combinación lineal factible para cada vector. Ya que, siguiendo el ejemplo anterior, si
multiplicáramos   por 6 en vez de por 4, estaríamos obteniendo otro vector diferente.
Además, una de las propiedades de la combinación lineal en el plano (en R2) es que
cualquier vector se puede poner como combinación lineal de otros dos vectores si estos
tienen distinta dirección, es decir, si no son paralelos.

A parte, a veces se puede identificar a simple vista que dos vectores son combinación
lineal. Para ello, basta que sus componentes sean proporcionales. Por ejemplo, las
coordenadas de los siguientes dos vectores son proporcionales y, en consecuencia, los
vectores son combinación lineal:

IKER UBALDO MOREIRA PILAY 1315400448

Finalmente, ya sea en un espacio vectorial bidimensional (en R2) o tridimensional (en
R3), si existe alguna combinación lineal dentro de un conjunto de vectores implica que
estos son linealmente dependientes entre sí. En cambio, si no es posible ninguna
combinación lineal entre los vectores, quiere decir que son linealmente independientes.
CÓMO EXPRESAR UN VECTOR COMO COMBINACIÓN LINEAL DE
OTROS VECTORES
A continuación, vamos a ver cómo se resuelve un problema típico en el que nos piden
encontrar la combinación lineal de un vector.
Expresa el vector como combinación lineal de y

Para que el vector  sea combinación lineal de los otros vectores se debe cumplir la
siguiente ecuación:
Donde los coeficientes   y  son las incógnitas que debemos hallar.
Así que sustituimos cada vector por sus coordenadas:

Multiplicamos cada vector por su coeficiente:

Hacemos la suma de vectores:

IKER UBALDO MOREIRA PILAY 1315400448

Cada coordenada de la izquierda tiene que ser igual a cada coordenada de la derecha.
Por lo tanto, tenemos 3 ecuaciones:

De modo que lo único que debemos hacer es resolver el sistema de ecuaciones obtenido.
Para ello, pues utilizar el método que prefieras, nosotros en este caso usaremos el
método de Gauss:

De manera que el sistema escalonado obtenido es:

Ahora solo nos queda despejar las incógnitas y hallar su valor. Así que de la última
ecuación encontramos 

De la segunda ecuación del sistema calculamos el valor de

IKER UBALDO MOREIRA PILAY 1315400448

Y, finalmente, de la primera ecuación del sistema escalonado hallamos la incógnita

Por lo tanto, la solución del sistema de ecuaciones lineales es:

De manera que el vector   se puede expresar mediante la siguiente combinación lineal:

Así pues, efectivamente existe una dependencia lineal entre los vectores. Por contra, si
no hubiésemos obtenido ninguna solución del sistema de ecuaciones, significaría que el
vector tiene independencia lineal respecto a los otros vectores y, por tanto, no
existiría ninguna combinación lineal posible para obtener dicho vector a partir de los
otros vectores.

SEMANA 11
CONJUNTOS GENERADOS
Sean v1,v2,…,vr,wv1,v2,…,vr,w vectores de un espacio vectorial VV. Se dice que el
vector wwes una combinación lineal de los vectores v1,v2,…,vrv1,v2,…,vr si se puede
expresar como sigue:
w=k1v1+k2v2+…+krvrw=k1v1+k2v2+…+krvr

IKER UBALDO MOREIRA PILAY 1315400448

donde k1,k2,…,krk1,k2,…,kr son escalares.
Observación: Nosotros estamos trabajando con espacios vectoriales reales, o sea que los
escalares son números reales.
EJEMPLO:
El vector (0,0,3)(0,0,3) es combinación lineal de (0,0,1)(0,0,1) ya que:
(0,0,3)=3(0,0,1)(0,0,3)=3(0,0,1)
Veamos cómo se puede pensar esto desde la perspectiva geométrica. ¿Qué vectores
pueden expresarse como combinación lineal del vector (0,0,1)(0,0,1)?
Todos los vectores (0,0,k)(0,0,k) con k∈Rk∈R. Es decir que todos los vectores sobre el
eje zz, son combinación lineal de (0,0,1)(0,0,1).

EJEMPLO:
Sea (x , y )∈ R2

Debemos verificar si todo vector de R3 se puede expresar como una combinación lineal
de los vectores dados.
Es decir, para todo (x , y )∈ R2 existen escalares C 1 , C2 tal que:

C 1 ( 1,2 ) +C2 ( 3,4 ) =( x , y )

( 1 C1 , 2C 1 ) +( 3 C2 , 4 C 2 )=( x , y )
( 1 C1 +3 C 2 , 2C 1 +4 C 2 )= ( x , y )

{1C +3 C2 =X
2C 1+ 4 C 2=Y

Matriz para resolver el sistema

(12 34|YX )
IKER UBALDO MOREIRA PILAY 1315400448
En la fila 2, restamos 2 veces la fila 1

(10 −23 |y −2x x )

En la fila 2, dividimos entre -2

( | )
x
1 3
2x− y
0 1
2

En la fila 1, restamos 3 veces la fila 2

( | )
−4 x+3 y
1 0 2
0 1 2 x− y
2

Así que:
−4 x +3 y
C 1=
2
2 x− y
C 2=
2
Existen los escalares C 1 y C2 tal que

C1 ( 12)+C (34 )=( xy)

2

Por lo tanto

(12 ) , (34 ) generar a R 2

Cuatro vectores que generan a M 22

C1 (−20 12 )+C ( 02 10)+C (−12 12)+C (−12 −1

2 3
−2 )
4 =(
c d)
a b

−2 C1 +0 C 2−C3 −C 4=a

C 1+C 2 +C3 −C 4=b

0 C 1+2 C 2+2 C 3+ 2C 4=c

2 C1 +0 C 2+2 C 3−2 C4 =d

IKER UBALDO MOREIRA PILAY 1315400448

 C1 C2 C3 C 4
−2 0 −1 −1
1 1 1 −1
0 2 2 2
2 0 2 −2

| | | || |
1 1 −1 1 1 −1 1 1 1
−2 2 2 2 + 0−1 0 2 2 +1 0 2 2
0 2 −2 2 0 −2 2 0 2

−2 [ 1 (−4−4 )−1 (−4 )−1 ( 4 ) ]−1 [ 1 (−4 ) −1 (−4 )−1 (−4 ) ]+1 [ 1 ( 4 )−1 (−4 )+1 (−4 ) ]

−2 [ −5+4−4 ]−1 [ −4 +4 +4 ] +1 [ 4+ 4−4 ] −2 [−8 ] −4 +4=16

INDEPENDENCIA LINEAL, BASES Y DIMENSIÓN.

Los vectores v1, . . . , vn ∈ V son linealmente independientes (LI) si y solo si (sii) la
ecuación α1v1 + . . . + αnvn = 0 implica α1 = α2 = . . . = αn = 0 De lo contrario, los
vectores son linealmente dependientes (LD). Para n = 1, esta definición implica que v1
es LI sii es un vector no nulo (Prop. básica d). Si n > 1, los vectores son LD si al menos
uno de ellos puede escribirse como combinación lineal de los restantes, es decir, si
pertenece al espacio generado por los restantes. En efecto, si son LD existe al menos un
αi , por ej., α1, que es no nulo (α1 6= 0). En tal caso, v1 = −(α2v2 + . . . + αnvn)/α1
INDEPENDENCIA LINEAL
El conjunto V 1 ,V 2 , V 3 es linealmente dependiente si y sólo si es posible expresar uno de
los vectores, por ejemplo v3, como combinación lineal de los otros dos vectores v1 y
v2, por ejemplo, v3 = c1v1 + c2v2. En general, cuando v1 y v2 son linealmente
independientes, esto significa que v3 se encuentra ubicado en el plano generado por
v1 y v2.
V 1 ,V 2 , V 3 son vectores linealmente dependientes; vectores en un plano.

IKER UBALDO MOREIRA PILAY 1315400448

SEMANA 12
BASE
Una base es un conjunto de vectores que se usan para representar un espacio vectorial,
donde cualquier vector se puede expresar como una combinación lineal de los vectores
de la base, además de que los vectores que forman a la base son independientes unos de
otros.
Dimensión
Si el espacio vectorial V tiene una base finita, entonces la dimensión de V es el número
de vectores en cada base y V se denomina un espacio vectoria de dimensión finita. De
otra manera, V se denomina espacio vectorial de dimensión infinita. Si V=(0), entonces
se dice que V tiene dimensión cero.
La dimensión de V se denota por dim V.
 Si H es un subespacio del espacio de dimensión finita V, entonces
dim H ≤ dimV .
 Los únicos subespacios propios de R3 son los conjuntos de vectores que están en
una recta o en un plano que pasa por el origen.
EJEMPLO:

Sea ( ac db)∈ M 22

Debemos verificar si toda matriz de M 22 se puede expresar como una combinación

lineal de los vectores.

(11 00 ),( 10 20) ,( 43 )(

−1 −2 5
0
,
6 0 )
Es decir, para toda ( ac db)∈ M 22

Existen escalares C 1 , C2 , C3 , C 4 Tal que:

C1 ( 11 00)+C ( 10 20)+C (34 −10 ) C (−26 50)=( ac bd)

2 3 4

( C1 0 0 )(
0 3 C3 0
+ )(
C 1 0 C2 2 C 2 4 C 3 −C 3 −2 C 4 5 4
+ +
6 C4 0
=
a b
c d )( )( )
( C 1+ C2 +4 C3−2C 4 2C 2−C 3+5 C 1
C 1 +3 C3 +6 C 4 0
=a b
c d )( )

{
C1 +C 2+ 4 C 3−2 C4 =a
2C 2−C 3+ 5C 4 =b
C 1+3 C 3+ 6 C 4=c
0=d

IKER UBALDO MOREIRA PILAY 1315400448

No existen los escalares C 1 , C2 , C3 , C 4tal que

C1 ( 11 00)+C ( 10 20)+C (34 −10 ) C (−26 50)=( ac bd)

2 3 4

Por lo tanto:

(11 00 ),( 10 20) ,( 43 )(

−1 , −2 5
0 6 0 )
No generan a M 22

PRODUCTO INTERNO
BASES ORTONORMALES. - Una base ortonormal es un espacio vectorial con
producto interno (producto escalar) en el que los elementos son mutuamente
ortogonales y normales, es decir, de magnitud unitaria.
Una base ortogonal satisface las mismas condiciones, salvo la de magnitud unitaria; es
muy sencillo transformar una base ortogonal en una base ortonormal mediante el
producto por un escalar apropiado y una base ortonormal se transforma por medio de
una base ortogonal.
Las bases ortonormales están formadas por vectores ortogonales y unitarios.
La base de la figura es la base canónica del espacio R3 formada por 3 vectores unitarios
y ortogonales. ( 1,0,0 ) ( 0,1,0 ) y ( 0,0,1 ) .

CONJUNTO ORTONORMAL. - Se dice que un conjunto de vector S = {u1,u2…,

uk} en Rn es un conjunto ortonormal si
                    U i , uj =0     Si i ≠j
U i , u1 = 1

IKER UBALDO MOREIRA PILAY 1315400448

Si solo satisface la ecuación 1 se dice que es una base ortogonal.
 
Ortogonal significa que son “perpendiculares” o “normales “ que forman ángulos rectos.
Pero normalmente decimos que un vector es normal a una recta; no ortogonal; orgonal
se usa para hablar de 2 vectores.
APROXIMACIÓN POR MÍNIMOS CUADRADOS
Como ya hemos dicho anteriormente la búsqueda de un modelo matemático que
represente lo mejor posible a unos datos experimentales puede abordarse, entre otras, de
las dos formas siguientes: 1. Mediante interpolación (vista anteriormente); 2. mediante
la obtención de una curva, y = φ(x), que se aproxime a los datos sin que,
necesariamente, pase por ellos. El caso 2 es el que a continuación abordamos. Para
precisar el método a utilizar hemos de tener en consideración dos aspectos de
importancia: ¿Qué clase de función usaremos? ¿Cuál es el criterio de aproximación que
se utiliza? En la práctica habitualmente se usan funciones polinómicas de grado bajo, o
bien de tipo exponencial, potencial, e incluso en la actualidad funciones tipo spline o
polinomios a trozos. En cuanto al criterio a considerar para obtener el modelo concreto
consiste, geométricamente, en hacer mínima la suma de los cuadrados de las longitudes
(distancia euclídea) Li

EJEMPLO:
(−1 , 0) No hay solución para A ⃗x =b⃗
(0 , 1)
(1 , 2)
(2 , 1)

y=f ( x )=mx+ b Vamos hallar ⃗x∗¿

IKER UBALDO MOREIRA PILAY 1315400448

 [ ] []
f (−1 ) =−m+b=0 −1 1 0
f ( 0 ) =+ b=1
f ( 1 )=m+b=2
0
1 []
1 m 1
1 b 2
T T⃗
A A ⃗x∗¿ A b
f ( 2 )=2 m+ b=1 2 1 1

[ ][ [ 62 24 ] ⃗x∗¿[ 44 ]
−1 1

[ −1 0 1 2
1 11 1 ] 0
1
1 6 2
=
1 2 4 ]
2 1
[ 62 24 ]¿
][ ] [ ]
0

[ −1 0 1 2 1 4
1 11 1 2 4
=
6 m∗+ 2b∗¿ 4
1
−2 m∗−4 b∗¿−4
6 ( 25 )+ 2b∗¿ 4 12 m∗+4 b∗¿ 8
10 m∗¿ 4
12
+2 b∗¿ 4
5 4 2
m∗¿ =
10 5
20 12 8
2 b∗¿ − =
5 5 5

[]
2
4
b∗¿ ⃗x∗¿ 5 y =mx+b
5 4
5

ESPACIOS ASOCIADOS A UNA MATRIZ

ESPACIO NULO O NULIDAD DE UNA MATRIZ
El espacio solución o nulo de una matriz de m´ n se denota:

N A= { x ÎÂ n : Ax=0 } = espacio nulo de la matriz A

NULIDAD DE UNA MATRIZ

La nulidad denotada como: ν ( A )=dim N A es la dimensión del espacio nulo.

IMAGEN O RECORRIDO DE UNA MATRIZ
La imagen o recorrido de una matriz A está formado por los vectores que satisfacen al
sistema homogéneo.

IKER UBALDO MOREIRA PILAY 1315400448

 Im ( A )=Re c ( A ) ={ y ÎÂ m : Ax= y , para a lg una x ÎÂn }
RANGO DE UNA MATRIZ
Sea A una matriz de m´ n . Entonces el rango de A, denotado:

ρ ( A )=dim Im ( A ) es la dimensión de la imagen.

ESPACIO DE LOS REGLONES Y ESPACIO DE LAS COLUMNAS DE UNA

MATRIZ

Si A es una matriz de m ´ n , sean {

r 1 ,r 2 ,. .. , r n } {c 1 , c 2 , .. . , c n }
los reglones de A y las
columnas de A. Entonces se Define:

RA =
gen {r 1 , r 2 , . .. , r n }
= espacio de los reglones y

C A = gen {c 1 , c 2 , .. . , cn } = espacio de las columnas


RA es un subespacio de  y C A es un subespacio de
n
Âm .

EJERCICIOS:
Determine una base para la imagen de A y determine el rango de A.

( )
2 −1 3
A= 4 −2 6
−6 3 −9

IKER UBALDO MOREIRA PILAY 1315400448

 y=¿ ( y1 ¿ )( y 2 ¿ ) ¿
¿¿
¿ ¿
¿
( )
2 −1 3
A= 4 −2 6
3 −6 −3 9 , Determinar:
V =Â . Dada la matriz

a).-espacio nulo de A y la nulidad de A

b).-Base de la Im ( A )
c).- Rango de A.

a).- Ker ( A ) = { x ÎÂ n : Ax=0 } .

( 2 −1 3M 0¿)( 4 −2 6M 0¿ ) ¿ ¿¿
¿ ¿
¿
b).- Im ( A )=Re c ( A ) ={ y ÎÂ m : Ax= y , para a lg una x ÎÂn } .

IKER UBALDO MOREIRA PILAY 1315400448

 ( )
2 −1 3
4 −2 6 ¿ ( x1 ¿ )( x 2 ¿ ) ¿ ¿
¿ ¿
−6 3 −9
¿
c).- ρ ( A )=dim Im ( A ) .

Im ( A )=¿ ¿ ¿
¿
ESPACIO DE LOS RENGLONES Y ESPACIO DE LAS COLUMNAS DE UNA
MATRIZ
Una matriz A por sí misma puede generar dos espacios vectoriales: el primero se forma
por combinaciones lineales de los renglones, y el segundo al considerar en las
combinaciones las columnas. Dichos espacios se conocen como espacio renglón.
EJEMPLO:
Busque el rango de A, dim nula. Encuentre las bases de Col A, Nul A y Fil A.

[ ][ ]
1 2 −1 2 1 20 3 Rango A= 2
1 2 0 3 0 01 1
1 2 1 4 0 00 0 DimNul A= 2
1 2 0 3 0 00 0

{[ ] [ ]}
1 −1
Fil A= {( 1 , 2 ,0 , 3 ) , ( 0 , 0 ,1 , 1 ) }
Col A= 1 , 0
1 1
1 0

IKER UBALDO MOREIRA PILAY 1315400448

 {[ ] [ ]}
−2 −3
Nul A= 1 , 0
0 −1
0 0

[ ][ ]
1 1 0 2 4 8 1 0 1 0 1 2
1 2 −1 1 4 8 0 1 −1 0 1 2
1 −1 2 1 1 2 0 0 0 1 1 2
1 2 −1 2 5 10 0 0 0 0 0 0
1 −3 4 1 −1 −3 0 0 0 0 0 0

Rango A=3
Dim Nul A=3

{[ ] [ ] [ ]}
−1 −1 −2
1 −1 −2
1 0 0
Nul A= , ,
0 −1 −2
0 1 0
0 0 1

{ }
( 1 ,0 , 1 , 0 ,1 , 2 )
Fil A= ( 0 , 1,−1 ,0 ,1 , 2 )
( 0 , 0 ,0 , 1 ,1 , 2 )

IKER UBALDO MOREIRA PILAY 1315400448