ALGLINEA

Índi
e general
1. Sistema de e ua iones y Matri es 3
1.1. Sistemas lineales de e ua iones . . . . . . . . . . . . . . . . . . . 3
1.2. Matri es en un sistema de e ua iones . . . . . . . . . . . . . . . . 6
1.3. Metódo de elimina ión de Gauss - Jordan . . . . . . . . . . . . . 8
1.4. Sistema homogeneo de e ua iones lineales . . . . . . . . . . . . . 11
1.5. Matri es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6. Sistemas no homogeneos de e ua iones lineales . . . . . . . . . . 13
1.7. Matri es elementales . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.10. El Determinante de una matriz . . . . . . . . . . . . . . . . . . . 24
1.11. Desarollo del determinante por ofa tores . . . . . . . . . . . . . 27
1.12. La adjunta y la inversa de una matriz . . . . . . . . . . . . . . . 31
1.13. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2. Espa ios Ve toriales 47
2.1. Espa io Ve torial . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2. Subespa ios Ve toriales . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.1. Subespa ios generados por un onjunto de ve tores . . . . 52
2.2.2. Opera iones on subespa ios . . . . . . . . . . . . . . . . 53
2.2.3. Suma Dire ta . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3. Dependen ia Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.4. Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.4.1. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.4.2. Subespa ios de espa ios de dimensión nita . . . . . . . . 68
2.5. Espa ios Ve toriales on produ to interno . . . . . . . . . . . . . 69
2.5.1. Norma y distan ia . . . . . . . . . . . . . . . . . . . . . . 73
2.5.2. Ángulo entre dos ve tores . . . . . . . . . . . . . . . . . . 75
2.6. Bases ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.6.1. Pro eso de Gram-S hmidt . . . . . . . . . . . . . . . . . . 78
2.7. Proye ión ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 82
1
ÍNDICE GENERAL 2
3. Transforma iones Lineales 89

3.1. Con eptos fundamentales . . . . . . . . . . . . . . . . . . . . . . 89
3.2. Nú leo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3. El teorema de la dimensión . . . . . . . . . . . . . . . . . . . . . 95
3.4. Representa ión matri ial de una transforma ión lineal . . . . . . 96
3.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.6. Opera iones entre transforma iones lineales . . . . . . . . . . . . 108
3.6.1. Suma y multipli a ión por es alar . . . . . . . . . . . . . 108
3.6.2. Composi ión . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.6.3. Inversa de una Transforma ión lineal . . . . . . . . . . . . 110
4. Valores Propios y ve tores propios 117
4.1. Valores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2. Ve tores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.3. Diagonaliza ión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.4. Polinomio mínimo y teorema de Caley - Hamilton . . . . . . . . 128
4.5. Diagonalizaión ortogonal . . . . . . . . . . . . . . . . . . . . . . . 130
Capítulo 1
Sistema de e ua iones y
Matri es
1.1. Sistemas lineales de e ua iones
Una e ua ión lineal es una expresión del tipo

a1 x1 + a2 x2 · · · + an xn = b
donde a1 , . . . , an b ∈ R.
A ontinua ión daremos la terminología que utilizaremos:

A los números a1 , . . . , an los llamaremos oe ientes, al número b le lla-
maremos término independiente, y a x1 , . . . , xn les llamaremos in ognitas.
En el aso que b = 0 a la e ua ión le llamaremos homogénea, en aso
ontrario le llamaremos no homogénea.
Un sistema lineal de m e ua iones y n in ognitas, es un onjunto de e ua-
iones lineales de la siguiente forma:
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2 (1.1)
···
am1 x1 + am2 x2 + · · · + amn xn = bm
donde aij ∈ R on i = 1, . . . , m, j = 1, . . . , n, y x1 , . . . , xn las in ognitas.

En el aso que b1 = . . . = bm = 0 a la e ua ión le llamaremos homogénea,
en aso ontrario le llamaremos no homogénea.
3
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 4
Al onjunto de las solu iones del sistema le llamaremos onjunto solu ión.
Si el sistema tiene solu ión le llamaremos onsistente, en aso ontrario
diremos que es in onsistente.
Ejemplos 1
1. Sistema de tres e ua iones y dos in ognitas

2x1 + 3x2 = 0
5x1 + 2x2 = 1
2. Sistema de tres e ua iones y tres in ognitas

3x1 + x2 − x3 = 5
2x1 + 12 x2 + 4x3 = 0
5x1 − 4x2 − x3 = 8
Diremos que dos sistemas de e ua iones son equivalentes si tienen el mismo nú-
mero de in ognitas, e ua iones y también el mismo onjunto solu ión.
Para obtener sistemas de e ua iones equivalentes a 1.1, basta realizar las si-
guientes opera iones (elementales) entre las e ua iones de 1.1:
Inter ambiar de posi ión las e ua iones,
Multipli ar una e ua ión por una onstante (no ero),
Sumar a una e ua ión un multiplo de otra.
Para en ontrar la solu ión de 1.1 ne esitamos en ontrar un sistema equivalente
más sen illo mediante opera iones elementales.
Ejemplos 2
1. Resolver el siguiente sistema lineal

3x1 + 2x2 = 7, E1
x1 + x2 = 3, E2
mediante opera iones elementales.

Inter ambiamos las e ua iones E1 y E2
x1 + x2 = 3, E2
3x1 + 2x2 = 7, E1
A E1 le restamos 3E2
x1 + x2 = 3, E2
−x2 = −2, E1
multipli andole −1 a E1
x1 + x2 = 3, E2
x2 = 2, E1
restandole a E2 la e ua ión E1
x1 = 1, E2
x2 = 2, E1
así obtuvimos un sistema equivalente más sen illo que nos da la solu ión
del sistema original.
2. Resolver el siguiente sistema lineal
x1 + x2 + 3x3 = 12, E1
2x1 + 3x2 − 5x3 = −21, E2
5x1 + 2x2 + 5x3 = 23, E3
mediante opera iones elementales.
A E2 le restamos 2E1 , y a E3 le restamos 5E1
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
−3x2 − 10x3 = −37, E3
a E3 le sumamos 3E2
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
−43x3 = −172, E3
dividiendo E3 entre −43
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
x3 = 4, E3
restando a E1 la e ua ión 3E3 , y sumando a E2 la e ua ión 11E3
x1 + x2 = 0, E1
x2 = −1, E2
x3 = 4, E3
nalmente restando E2 a E1
x1 = 0, E1
x2 = −1, E2
x3 = 4, E3
así obtuvimos un sistema equivalente más sen illo que nos da la solu ión
del sistema original.
1.2. Matri es en un sistema de e ua iones
Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

de números reales:  
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. ..  ,
 
 .. ..
. . . 
am1 am2 · · · amn
también se denota
A = (aij )j=1,...,n
i=1,...,m
Observa ión 1
Dos matri es son iguales si tienen el mismo orden y ada una de sus entradas
oin iden.
Ejemplos 3
1. Matriz 2 × 2
1 2
3 4
2. Matriz 2 × 3
1 5 2
3 3 1
3. Matriz 3 × 3  
1 1 1
 0 1 2 
0 2 1
Dado un sistema de m e ua iones on n in ognitas

a11 x1 + · · · + a1n xn = b1
a21 x1 + · · · + a2n xn = b2
..
.
am1 x1 + · · · + amn xn = bm
le aso iamos la matriz de orden m × n

 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. .. 
 
 .. ..
. . . 
llamada la matriz del sistema, pero tambien le aso iamos la matriz

 
a11 a12 ··· a1n b1
 a21 a22 ··· a2n b2 
Aa =  . .. ..
 
 .. .. 
. . . 
am1 am2 · · · amn bm
llamada la matriz aumentada del sistema.

Ejemplos 4
1. Es ribir las matri es aso iadas al siguiente sistema

3x1 + 2x2 − x3 = 2
x1 − x2 − x3 = −5
−x1 + x2 − 4x3 = 0.
Las matri es del sistema y aumentada del sistema son

   
1 2 −1 1 2 −1 2
A =  1 −1 −1  , Aa =  1 −1 −1 −5  ,
−1 1 −4 −1 1 −4 0
2. Es ribir las matri es aso iadas al siguiente sistema

x1 = 2
x2 = 1
x3 = 4.
Las matri es del sistema y aumentada del sistema son

   
1 0 0 1 0 0 2
A= 0 1 0 , Aa =  0 1 0 1 ,
0 0 1 0 0 1 4
Diremos que una matriz A está en la forma es alonada redu ida si umple:
a) Si las lineas que tienen solo eros se en uentran en la parte inferior de la
matriz,
b) Si para ada linea que no onste de eros, tiene omo primer elemento no
ero a 1,
) Las lineas estan ordenadas de tal manera que el primer elemento no ero
de la primera linea está a la izquierda del primer elemento de la segunda
linea y este a su vez está a la izquierda del primer elemento de la ter era
linea y así su esivamente,
d) Cada olumna que ontiene el primer elemento no ero de alguna linea,

tiene eros en las restantes entradas.
Observa ión 2
Si A solo satisfa e a), b) y c) diremos que está en la forma es alonada.
Ejemplos 5
De ir uales matri es estan en la forma es alonada y es alonada redu ida
   
1 0 0 2 0 0 1 0 3
 0 1 0 1 ,  0 0 0 1 2 ,
0 0 1 3 0 0 0 0 0
   
1 6 0 1 0 0
 0 0 1 ,  0 1 0 ,
0 0 0 0 0 1
   
1 0 3 2 0 1 2 1
 0 1 0 1 ,  0 0 1 2 ,
0 0 1 4 0 0 0 0
 
0 1 0
 1 0 0 .
0 0 1
1.3. Metódo de elimina ión de Gauss - Jordan
El método de Gauss - Jordan nos di e que podemos en ontrar la solu ión de

un sistema de e ua iones llevando la matriz aumentada del sistema a la forma
es alonada redu ida por medio de las siguientes opera iones
a) Inter ambiar las de la matriz,
b) Multipli ar una la por una onstante no ero,
) Sustituir una linea por ella misma mas (o menos) k ve es otra linea de la
matriz.
Observa ión 3
Así omo estas opera iones apli adas al sistema de e ua iones nos da un sistema
equivalente al original. Diremos que la matriz resultante de estas opera iones
será equivalente a la matriz original.
Ejemplos 6
1. Llevar a la forma redu ida es alonada la matriz

 
3 −2 2 1 1
 1 −1 −1 −3 0 
 
 2 1 2 4 5 
4 −4 1 2 4
Primero inter ambiamos de lugar F1 y F2 , a su vez mediante opera iones

elementales:
   
1 −1 −1 −3 0 1 −1 −1 −3 0
 3 −2 2 1 1   0 1 5 10 1 
  ∼ F2 − 3F1  ∼
 2 1 2 4 5  F3 − 2F1
 0 3 4 10 5  F3 −3F2
F4 − 4F1
4 −4 1 2 4 0 0 5 14 4
   
1 −1 −1 −3 0 1 −1 −1 −3 0
 0 1 5 10 1   0 1 5 10 1 
 ∼  2  ∼F4 −5F3

 0 0 −11 −20 2  F3 /−11  0 0 1 20
11 − 11
0 0 5 14 4 0 0 5 14 4
   
1 −1 −1 −3 0 1 −1 −1 −3 0
 0 1 5 10 1   0 1 5 10 1 
2  ∼F4 / 11 2  ∼ F3 − 20
 20
 54  20
 F
 0 0 1 −  0 0 1 − 11 11 4
11 11 11 F2 − 10F4
54 54
0 0 0 11 11 0 0 0 1 1 F1 + 3F4
   
1 −1 −1 0 3 1 −1 0 0 1
 0 1 5 0 −9   ∼ F1 + F 3  0 1 0 0 1 

 ∼
 0 0 1 0 −2  F2 − 5F3
 0 0 1 0 −2  F1 +F2
0 0 0 1 1 0 0 0 1 1
 
1 0 0 0 2
 0 1 0 0 1 
 0 0 1 0 −2  .
 
0 0 0 1 1
2. Resolver el siguiente sistema de e ua iones

2x1 + 6x2 + 14x3 + 4x4 = 4
x1 − 2x2 + x3 − 4x4 = 1
x1 − 12x2 − 11x3 − 16x4 = 15
La matriz aumentada del sistema es

   
2 6 14 4 4 1 −2 1 −4 1
 1 −2 1 −4 1  ∼ F1 ↔ F2  2 6 14 4 4 ∼ F2 − 2F1
F 3 − F1
1 −12 −11 −16 15 1 −12 −11 −16 15
   
1 −2 1 −4 1 1 −2 1 −4 1
 0 10 12 12 2  ∼ F2 /2  0 5 6 6 1  ∼F3 +F2
F3 /2
1 −10 −12 −12 14 0 −5 −6 −6 7
 
1 −2 1 −4 1
 0 5 6 6 1 
0 0 0 0 8
así el sistema resultante es
x1 − 2x2 + x3 − 4x4 = 1
5x2 + 6x3 − 6x4 = 1
0 = 8
en donde la última e ua ión es una ontradi ión, lo ual nos indi a que
el sistema es in onsistente (no tiene solu ión).
3. Resolver
2x1 + 2x2 + 4x3 = 10
x2 + 2x3 + 2x4 + 12x5 = 0
x1 + x2 + 2x3 + 5x4 + 30x5 = 0
x1 + x2 + 2x3 + 2x4 + 12x5 = 3
La matriz aumentada del sistema es
   
2 2 4 0 0 10 1 1 2 2 12 3
 0 1 2 2 12 0   ∼ F1 ↔ F4  0 1 2 2 12 0  ∼F /2
 

 1 1 2 5 30 0   1 1 2 5 30 0  4
1 1 2 2 12 3 2 2 4 0 0 10
   
1 1 2 2 12 3 1 1 2 2 12 3
 0 1 2 2 12 0 
 ∼ F3 − F1  0 1 2 2 12 0 

  ∼ F3 /3
 1 1 2 5 30 0  F4 − F1
 0 0 0 3 18 −3  F4 /2
1 1 2 0 0 5 0 0 0 −2 −12 2
   
1 1 2 2 12 3 1 1 2 2 12 3
 0 1 2 2 12 0  ∼F4 +F3  0 1 2 2 12 0  ∼ F1 − 2F3
 

 0 0 0 1 6 −1   0 0 0 1 6 −1  F2 − 2F3
0 0 0 −1 −6 1 0 0 0 0 0 0
   
1 1 2 0 0 5 1 0 0 0 0 3
 0 1 2 0 0 2   ∼F1 −F2  0 1 2 0 0 2 
 

 0 0 0 1 6 −1   0 0 0 1 6 −1 
0 0 0 0 0 0 0 0 0 0 0 0
así el sistema resultante es
x1 = 3
x2 + 2x3 = 2
x4 + 6x5 = −1
de aquí
x1 = 3
x2 = 2(1 − x3 )
x4 = −1 − 6x5 ,
si x3 = t, x5 = s por lo tanto el onjunto solu ión es
{(3, 2(1 − t), t, −1 − 6s, s)| s, t ∈ R} ⊂ R3
1.4. Sistema homogeneo de e ua iones lineales
Consideremos el sistema de e ua iones homogeneo siguiente

a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0
.. .. ..
. . .
am1 x1 + am2 x2 + · · · + amn xn = 0,
notemos que el sistema tendrá al menos una solu ión (la trivial) x1 = x2 =
· · · = xn = 0. El siguiente teorema nos di e bajo que ondi iones podemos saber
si el sistema a epta mas solu iones que la trivial.
Teorema 1
Consideremos un sistema homogeneo on m e ua iones y n in ognitas. Si m <
n, enton es el sistema tiene una innidad de solu iones.
Demostra ión
Consideremos la matriz del sistema, llevemosla a la forma redu ida es alo-
nada, y supongamos que solo r las son diferentes de ero, así solo en ontramos
solu ión para r variables (r < n) y n − r variables quedan libres.
1.5. Matri es
Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

de números reales:
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. ..  ,
 
 .. ..
. . . 
también se denota
A = (aij )j=1,...,n
i=1,...,m .
Si m = n a la matriz A le llamaremos uadrada, y la denotaremos A =

(aij )i,j=1,...,n .
Si A = (aij )i,j=1,...,n es una matriz uadrada, denimos la diagonal prin ipal

de A omo los elementos aii on i = 1, . . . , n:
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. ..  .
 
 .. ..
. . . 
Denimos la matriz identidad In de orden n × n omo la matriz en la que

todos sus elementos fuera de la diagonal son ero y en la diagonal valen 1:
 
1 0 ··· 0
 0 1 ··· 0 
In =  . .. . . ..  .
 
 .. . . . 
0 0 ··· 1
Denimos la matriz ero de orden m × n omo aquella que solo tiene eros:
 
0 0 ··· 0
 0 0 ··· 0 
= . .. . . ..  .
 
0m×n
 .. . . . 
0 0 ··· 0
Opera iones
Sean A = (aij ), B = (bij ) matri es de orden m × n. Denimos las siguientes
opera iones:
A ± B = (aij + bij )i,j=1,...,n ,
Si α ∈ R, αA = (αaij )i,j=1,...,n ,
Si C = (crs ) de orden n × l
n
!s=1,...,m
X
AC = aik cks .
k=1 i=1,...,m
Propiedades de la suma
Sean A, B , y C matri es del mismo orden m × n, enton es
A + B = B + A Conmutativa,
A + (B + C) = (A + B) + C Aso iativa,
Existe 0m×n tal que A + 0m×n = A Elemento neutro,
Existe (−A) tal que A + (−A) = 0m×n Inverso aditivo,
α(A + B) = αA + αB Distribu ión on el produ to por es alar
(α + β)A = αA + βA,
(α β)A = α(βA) Aso iativo respe to al produ to por es alar,
1 A = A Identidad respe to a la multipli a ión por es alar.
Propiedades del produ to

Sean A, B , C , y D matri es de orden m×n, n×r, r×l, r×l orrespondientemente
enton es
A(BC) = (AB)C Aso iativa,
A(D + C) = AD + AC Distributiva,
Existe 0m×n tal que 0m×n A = 0 Elemento neutro,

α(AB) = A(αB) Aso iativa on el produ to por es alar,
I A = AI = A Identidad respe to a la multipli a ión .
Observa ión 4
1. El produ to de matri es en general no es onmutativo (AB 6= BA). Ya que

esto solo se umplirá para matri es parti ulares que veremos más adelante.
2. La ley de an ela ión no se umple: AB = AC no impli a que B = C , por
ejemplo tomando

2 2 2 3 3 −2
A= , B= , C= .
1 1 4 5 3 10
1.6. Sistemas no homogeneos de e ua iones linea-

les
Consideremos el sistema no homogeneo de e ua iones lineales

a11 x1 + · · · + a1n xn = b1
a21 x1 + · · · + a2n xn = b2
.. .. ..
. . .
am1 x1 + · · · + amn xn = bm ,
denimos las matri es
    

a11 a12 ··· a1n b1 x1
 a21 a22 ··· a2n   b2   x2 
A= . .. ..  , B =  ..  , y X =  ..  ,
     
 .. ..
. . .   .   . 
am1 am2 · · · amn bm xn
así el sistema de e ua iones se onvierte en la siguiente expresión matri ial
AX = B.
El siguiente teorema nos dirá omo son las solu iones de un sistema no
homogeneo:
Teorema 2
Si el sistema AX = B es onsistente, enton es la solu ión general del sistema
puede es ribirse omo la suma de una solu ión parti ular del mismo, más la
solu ión general del sistema homogeneo AX = 0m×1 .
Observa ión 5
Como el sistema AX = B puede tener mas de una solu ión, al de ir 'solu ión
general' nos referiremos a ualquiera de estas solu iones.
Demostra ión
Sea X0 solu ión parti ular de AX = B y X otra solu ión del mismo. Denimos
X̃ = X − X0 tenemos que
AX̃ = A(X − X0 ) = AX − AX0 = B − B = 0,
luego X̃ es solu ión de AX = 0, y por lo tanto

X = X0 + X̃,
es de ir, ualquier otra solu ión de AX = B se ve omo la suma de una solu ión
parti ular X0 del sistema no homogeneo y una solu ión X̃ del sistema homo-
geneo. Ahora solo falta ver que si sustituimos X̃ por ualquier otra solu ión X̂
de AX = 0, X sigue siendo solu ión de AX = B : En efe to si X := X0 + X̂ ,
enton es AX = AX0 + AX̂ = B .
Corolario 1
El sistema AX = B umple alguno de los siguientes in isos
a) No tiene solu ión,
b) Tiene una úni a solu ión,
) Tiene innidad de solu iones.
Demostra ión
Obviamente AX = B puede tener solu ión o no. Supongamos que tiene solu ión
y sea X la solu ión general, enton es
X = X0 + X̃,
omo en el teorema. Si AX = 0 tiene solu ión trivial (X = 0), enton es X = X0 ,

y el sistema tiene solu ión úni a.
En aso ontrario AX = 0 tiene una innidad de solu iones y por lo tanto
también
AX = B.
Ejemplos 7
Resolver
x1 + 6x2 − 5x3 = 1
x1 + 2x2 − x3 = 5
3x1 + 2x2 + x3 = 19
Llevando la matriz aumentada del sistema a la forma es alonada redu ida

   
1 6 −5 1 1 6 −5 1
 1 2 −1 5  ∼ F2 − F1  0 −4 4 4  ∼ F2 /(−4)
F3 − 3F1 F3 /(−16)
3 2 1 19 0 −16 16 16
   
1 6 −5 1 1 6 −5 1
 0 1 −1 −1  ∼F3 −F2  0 1 −1 −1  ∼F1 −6F2
0 1 −1 −1 0 0 0 0
 
1 0 1 7
 0 1 −1 −1 
0 0 0 0
así
x1 + x3 = 3
x2 − x3 = −1
enton es x1 = 7 − x3 , y x2 = −1 + x3 , tomando x3 = t ∈ R,
x1 = 7 − t;
x2 = −1 + t.
Una solu ión parti ular se tiene uando t = 0

 
7
X0 =  −1 
0
Por otro lado onsiderando el sistema homogeneo y llevando su matriz a la forma

es alonada redu ida
   
1 6 −5 1 0 1
 1 2 −1  ∼  0 1 −1 
3 2 1 0 0 0,
obtenemos
x1 + x3 = 0
x2 − x3 = 0,
luego tomando x3 = t ∈ R obtenemos la solu ión general del sistema homogeneo
x1 = −t
x2 = t,
así la solu ión general de AX = B esta dada por

  
7 −t
X = X0 + X̃ =  −1  +  t 
0 t
1.7. Matri es elementales
De imos que la matriz E de orden n × n, es matriz elemental si se puede obtener

de la matriz identidad In mediante opera iones elementales.
Lema 1
Si E es elemental, enton es
E = RI
donde R son las opera iones apli adas a la identidad para obtener E .
Demostra ión
Supongamos que E se obtiene inter ambiando las las i e j de la matriz

identidad; esta opera ión se expresa mediante la matriz
 
1 0 ··· 0
 0 1 ··· 0 
 .. ..
 

 . . 
 
 0 ··· 0 1 ··· 0 
 
 0 ··· 1 0 ··· 0 
 . .
 
 .. .. .. 
. 
0 ··· 1
Supongamos que E se obtiene multipli ando I por la onstante α, esto se

expresa mediante  
α 0 ··· 0
 0 α ··· 0 
.. .. .. 
 
 ..
 . . . . 
0 ··· α
Supongamos que E se obtiene restando a la la i la la j de la matriz
identidad; esta opera ión se expresa mediante la matriz
 
1 0 ··· ···
··· 0
 0 1 ··· ···
··· 0 
 .. .. .. .. ..
 

 . . . . . 
 
 0 · · · 1 −1 · · · 0 
 
 0 ··· 0 1 ··· 0 
 . .. .. . .
 
 .. .. 
. . . . 
0 ··· ··· ··· ··· 1
Así si matriz E es una ombina ión de estas opera iones enton es se verá omo
un produ to de estas matri es que llamaremos R, por lo tanto
E = RI.
Teorema 3
Sean A matriz n × m, y E matriz elemental de orden n, enton es
EA = RA.
Demostra ión
EA = RIA = RA.
Ejemplos 8
1. Matriz elemental 2 × 2:
1 −1
E=
0 1
2. Matriz elemental 3 × 3:
 
1 0 −3
E= 0 1 2 
0 0 1
1.8. Inversa de una matriz
Diremos que una matriz A de orden n × n tiene inversa por la dere ha si existe
una matriz B tal que
AB = I,
analogamente diremos que A tiene inversa por la izquierda si existe una matriz
C tal que
CA = I.
Si AB = BA = I , enton es a la matriz B le llamaremos inversa de A, y A se
di e invertible.
Diremos que las matri es A, B son equivalentes si
A = P B,
donde P es el produ to de matri es elementales.

Observa ión 6
Si A tiene inversa por la izquierda C y por la dere ha B , enton es B = C . Y por
lo tanto la matriz es invertible. A la inversa de una matriz A la denotaremos
A−1 .
Propiedades
Sean A, B matri es invertibles, y α ∈ R, enton es
a) (A−1 )−1 = A,
b) (AB)−1 = B −1 A−1 ,
) (An )−1 = A−n , n ∈ N,
d) (αA)−1 = α−1 A−1 .
Teorema 4
Una matriz elemental es invertible.
Demostra ión
Sea E = RI , y denimos E ′ = R′ I donde R′ ontiene las opera iones inversas
de R, así
EE ′ = RIR′ I = RR′ I = I
E ′ E = R′ IRI = R′ RI = I,
por lo tanto E ′ = E −1 .
Teorema 5
Sea A una matriz de orden n×n, enton es los siguientes in isos son equivalentes
a) A es invertible,
b) A es equivalente a la matriz I de orden n × n,
) A es un produ to de matri es elementales.
Demostra ión
b) ⇒ ) Inmediato ya que A = P I = P donde P es produ to de matri es elemen-

tales.
) ⇒ a) Como A = P I = P por el teorema anterior existe P −1 y
P −1 A = P −1 P = I
AP −1 = P P −1 = I
por lo tanto P −1 = A−1 , y A es invertible.

a) ⇒ b) Llevando A a la forma redu ida es alonada R:
R = E1 · · · Ek A
así
A = E1−1 · · · Ek−1 R,
y omo A es invertible, enton es R = I .
Observa ión 7
1. Si la matriz A es invertible, existen matri es E1 , . . . , Ek que redu en a A

a la identidad I , y estas mismas matri es apli adas a A nos dan la inversa
de A.
2. Dos matri es A y B son equivalentes ssi
A = PB
donde P es invertible.
Teorema 6
Sea A una matriz de orden n×n, enton es los siguientes in isos son equivalentes
a) A es invertible,
b) El sistema homogéneo AX = 0 tiene solu ión trivial,
) El sistema AX = Y tiene una solu ión para ada matriz Y de orden n× 1.
Demostra ión
a) ⇒ b) Consideremos AX = 0 y omo A es invertible

X = A−1 AX = A−1 0 = 0.
b) ⇒ ) La solu ión de AX = Y es la suma de una solu ión parti ular y la solu ión
general de AX = 0:
X = X0 + X̃,
pero por hipotesis X̃ = 0, enton es X = X0 .
) ⇒ a) Tenemos que AX = Y , luego este sistema será equivalente a
RX = Y,
para ver que es la identidad basta ver que la última la de R no es ero:
Esto se tiene ya que si tomamos
 
0
 0 
Y = 
 0 
1
por hipotesis el sistema RX = Y tiene solu ión, por lo tanto la última la
de R no es ero.
Corolario 2
Sea A matriz de orden n × n. Si A tiene inversa izquierda o dere ha, enton es
es invertible.
Demostra ión
Supongamos que la matriz A tiene inversa izquierda BA = I , enton es el sistema
AX = 0 tiene solu ión trivial, luego A es invertible.
Si A tiene inversa dere ha AB = I , enton es el sistema BX = 0 tiene solu ión
trivial y B es invertible.
Corolario 3
Sea A = A1 A2 · · · Ak , donde A1 , . . . , Ak son matri es de orden n × n. Enton es
A es invertible ssi ada Ai es invertible.
Demostra ión
⇒) Supongamos A invertible, enton es existe B tal que AB = I , así
A1 (A2 · · · Ak B) = I,
y A1 tiene inversa dere ha por lo tanto es invertible, luego multipli ando

por la izquierda A1−1 y por la dere ha A1
A2 (A3 · · · Ak BA1 ) = I,
A2 tiene inversa por la dere ha y por lo tanto es invertible, y asi su esiva-

mente obtenemos que los Ai son invertibles.
⇐) Supongamos que ada Ai es invertible, enton es existen A−1
1 , . . . , Ak .
−1
Tomando B = Ak · · · A1 ,
−1 −1
AB = I.
Ejemplos 9
1. En ontrar la inversa de
2 −1
.
1 3
Consideremos la siguiente matriz y llevemosla a la forma es alonada re-
du ida

2 −1 1 0 1 3 0 1
∼ F1 ↔ F2 ∼ F2 − 2F1
1 3 0 1 2 −1 1 0

1 3 0 1 1 3 0 1
∼ F2 /(−7) ∼ F1 − 3F2
0 −7 1 −2 0 1 − 17 27

1 0 37 1
7
0 1 − 71 27
así la matriz inversa es 3 1

7 7
− 71 2
7
2. En ontrar la inversa de la matriz

 
1 2 −1 4
 3 2 1 2 
 .
 5 6 −1 10 
3 −2 5 1
Llevando la matriz a la forma es alonada redu ida
 
1 2 −1 4 1 0 0 0
 3 2 1 2 0 1 0 0 
  ∼ F2 − 3F1
 5 6 −1 10 0 0 1 0  F3 − 5F1
F4 − 3F1
3 −2 5 1 0 0 0 1
 
1 2 −1 4 1 0 0 0
 0 −4 4 −10 −3 1 0 0 
 ∼
 0 −4 4 −10 −5 0 1 0  F3 −F2
0 −8 8 −11 −3 0 0 1
 
1 2 −1 4 1 0 0 0
 0 −4 4 −10 −3 1 0 0 
 ∼
 0 0 0 0 −2 −1 1 0  F4 ↔F3
0 −8 8 −11 −3 0 0 1
 
1 2 −1 4 1 0 0 0
 0 −4 4 −10 −3 1 0 0 
 
 0 −8 8 −11 −3 0 0 1 
0 0 0 0 −2 −1 1 0
de aquí se dedu e que la matriz no tiene inversa.
1.9. Determinantes
Consideremos el onjunto In = {1, 2, . . . n}. Una permuta ión es una fun ión
σ : In −→ In biye tiva. Al onjunto de las permuta iones sobre In las denotamos
Sn
Ejemplos 10
1. Las permuta iones en S2 son σ1 , y σ2 , donde

σ1 (1) = 1, σ1 (2) = 2
σ2 (1) = 2, σ2 (2) = 1,
y las denotaremos

1 2 1 2
σ1 = , σ2 = ,
1 2 2 1
o
σ1 = (1 2), σ2 = (2 1).
2. Sea S3 = {σ1 , σ2 , σ3 , σ4 , σ5 , σ6 }, donde

σ1 = (1 2 3), σ2 = (2 1 3), σ3 = (2 3 1),
σ4 = (3 2 1), σ5 = (1 3 2), σ6 = (3 1 2),
Observa ión 8
Sn tiene n! permuta iones
Ahora denimos la omposi ión y la inversa de una permuta ión: Sean

1 2 ··· n 1 2 ··· n
σ1 = , σ2 = ,
σ1 (1) σ1 (2) · · · σ1 (n) σ2 (1) σ2 (2) · · · σ2 (n)
dos permuta iones , denimos la omposi ión

1 2 ··· n
σ1 ◦ σ2 = ,
σ1 (σ2 (1)) σ1 (σ2 (2)) · · · σ1 (σ2 (n))
y la inversa de σ1 omo

1 2 ··· n
σ1−1 = ,
σ1−1 (1) σ1−1 (2) · · · σ1−1 (n)
tal que σ1−1 ◦ σ1 = σ1 ◦ σ1−1 = I .
Ejemplos 11
Consideremos S4 , on las siguientes permuta iones
σ1 = (1 2 3 4) σ7 = (2 1 3 4) σ13 = (3 1 2 4) σ19 = (4 1 2 3)
σ2 = (1 2 4 3) σ8 = (2 1 4 3) σ14 = (3 2 1 4) σ20 = (4 2 1 3)
σ3 = (1 3 2 4) σ9 = (2 4 1 3) σ15 = (3 4 1 2) σ21 = (4 2 3 1)
σ4 = (1 3 4 2) σ10 = (2 4 3 1) σ16 = (3 1 4 2) σ22 = (4 1 3 2)
σ5 = (1 4 3 2) σ11 = (2 3 4 1) σ17 = (3 2 4 1) σ23 = (4 3 1 2)
σ6 = (1 4 2 3) σ12 = (2 3 1 4) σ18 = (3 4 2 1) σ24 = (4 3 2 1).
Cal ulemos σ3 ◦ σ9 , σ6 ◦ σ11 , σ3−1 , σ15
−1
, y σ24
−1
:
σ3 ◦ σ9 = (3 4 1 2) σ22 ◦ σ14 = (3 1 4 2) σ6 ◦ σ11 = (4 2 3 1)
σ3−1 = (1 3 2 4) −1
σ15 = (3 4 1 2) −1
σ24 = (4 3 2 1).
Diremos que una permuta ión τ es una inversión respe to a i, j ∈ In si

i<j σ(i) > σ(j).
A una permuta ión σ le llamaremos par si ontiene un número par de inversiones
e impar si ontiene un número impar de inversiones. Denimos el signo de σ omo
Sgn σ = (−1)kσ ,
donde kσ es el número de inversiones que ontiene σ.
Ejemplos 12
1. La permuta ión
1 2 3 4
σ=
4 2 3 1
tiene las siguientes inversiones
(4, 2) (4, 3) (4, 1) (2, 1) (3, 1)
así kσ = 5 y Sgn σ = (−1)5 = −1, por lo tanto la permuta ión es impar.
2. Cal ular las inversiones de

1 2 3 4
σ= .
4 1 2 3
Tiene las siguientes inversiones
(4, 1) (4, 2) (4, 3)
así kσ = 3 y Sgn σ = (−1)3 = −1, por lo tanto la permuta ión es impar.
Observa ión 9
Una manera sen illa de al ular las inversiones de una permuta ión es olo ando
los números 1, 2, . . . , n en una lista y abajo de ellos los valores σ(1), σ(2), . . . , σ(n),
luego unimos los valores iguales de entre las dos listas, y el número de interse -
iones nos da el número de inversiones de σ.
Teorema 7
Sean σ1 y σ2 permuta iones en Sn , enton es
Sgn (σ1 ◦ σ2 ) = (Sgn σ1 )(Sgn σ2 ).
Demostra ión
Sean kσ1 , kσ2 el número de inversiones en σ1 , y σ2 orrespondientemente. No-
temos que
Sgn (σ1 ◦ σ2 ) = (−1)kσ1 +kσ2 −2kσ1 σ2 = (Sgn σ1 )(Sgn σ2 ).
Corolario 4
Si σ es una permuta ión del onjunto Sn , enton es
Sgn σ = Sgnσ −1
Una permuta ión τ del onjunto Sn es una transposi ión de i, j ∈ In si

τ (i) = j , τ (j) = i y τ (k) = k para k 6= i, j .

1 ··· i − 1 i i + 1 ··· j − 1 j j + 1 ··· n
τ= .
1 ··· i − 1 j i + 1 ··· j − 1 i j + 1 ··· n
Teorema 8
Una transposi ión es una permuta ión impar.
Demostra ión
Al ontar las inversiones de la transposi ion obtenemos 2(j − i − 1) + 1, por lo
tanto es impar.
Corolario 5
Si σ es una permuta ión de Sn y τ una transposi ión, enton es
Sgn τ ◦ σ = −Sgn σ = Sgnσ ◦ τ.
Observa ión 10
El orolario nos di e que si ambiamos dos elementos de σ enton es el signo
ambia.
1.10. El Determinante de una matriz
Sea la matriz uadrada n × n

 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. ..  ,
 
 .. ..
. . . 
an1 an2 · · · ann
denimos el determinante de A omo

X
det A = (Sgn σ)a1σ(1) a2σ(2) · · · anσ(n) .
σ∈Sn
Observa ión 11
Al produ to a1σ(1) a2σ(2) · · · anσ(n) le llamaremos produ to elemental, además no-
temos que ontiene un elemento de ada la.
Ejemplos 13
1. Cal ular el determinante de

a11 a12
A= .
a21 a22
Las permuta iones de S2 son σ1 = (1 2), y σ2 = (2 1), además Sgn σ1 = 1,

Sgn σ2 = −1. Por lo tanto
det A = (1)a11 a22 + (−1)a12 a21 = a11 a22 − a12 a21 .


 
a11 a12 a13
A =  a21 a22 a23  .
a31 a32 a33
Las permuta iones de S3 son
σ1 = (1 2 3), σ2 = (1 3 2), σ3 = (2 1 3)
σ4 = (2 3 1), σ5 = (3 1 2), σ6 = (3 2 1).
Por lo tanto
det A = (Sgn σ1 )a11 a22 a33 + (Sgn σ2 )a11 a23 a32 + (Sgn σ3 )a12 a21 a33
(Sgn σ4 )a12 a23 a31 + (Sgn σ5 )a13 a21 a32 + (Sgn σ6 )a13 a22 a31
= a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31
Propiedades
Sea A = (aij )i,j=1,...,n matriz uadrada n × n.
1. Si los elementos de la k-ésima la de A tienen la forma akj = a′kj + a′′kj ,
enton es
det A = det A′ + det A′′
donde A′ y A′′ son las matri es que en la la k-ésima tienen los elementos
a′kj y a′′kj orrespondientemente, y sus demás las oin iden on las de A.
2. Si A′ es la matriz que se obtiene de A al multipli ar la k-ésima la por un
número α, enton es
det A′ = α det A.
3. Si A′ es la matriz que se obtiene de A al inter ambiar dos las de está,

enton es
det A′ = −det A.
4. Si I es la matriz identidad, enton es

det I = 1.
5. Si A tiene dos las iguales, enton es

det A = 0.
6. Si A tiene una la de eros, enton es

det A = 0.
7. Si A′ es la matriz que se obtiene de A al sumarle a una la de ésta un

multiplo α de otra la, enton es
det A′ = detA.
Sea A = (aij ) matriz uadrada n × n, denimos la transpuesta de A omo

At = (aji )j,i=1,...,n .
Teorema 9
Sea A una matriz de orden n × n, enton es
det A = det At .
Ejemplos 14
1. Si
1 3
A=
5 2
la transpuesta es
t 1 5
A = .
3 2
2. Si  
1 −3 3
A= 3 5 1 
2 1 −1
la transpuesta es  
1 3 2
At =  −3 5 1 .
3 1 −1
Diremos que A = (aij )i,j=1,...,n es una matriz triangular superior si aij = 0 para
i > j.  
a11 a12 ··· a1n
 0 a22 ··· a2n 
A= . .. 
 
 .. .. ..
. . . 
0 ··· 0 ann
Diremos que es triangular inferior si aij = 0 para i < j .
 
a11 0 ··· 0
 .. 
 a21 a22 ··· . 
A=
 . ..

 .. .. 
. . 0 
Teorema 10
Sea A = (aij ) una matriz triangular (inferior o superior), enton es
det A = a11 a22 · · · ann .
Ejemplos 15
1. Matri es triangular inferior y triangular superior 2 × 2

−3 0 1 1
−1 2 0 2
2. Matri es triangular inferior y triangular superior 3 × 3

   
2 0 0 1 1 3
 −1 −2 0   0 2 2 
1 1 1 0 0 −1
Lema 2
Sea A una matriz de orden n × n, y sea E una matriz elemental, enton es
det (EA) = (det E)(det A).
Teorema 11
Sean A y B matri es uadradas, enton es
det (AB) = (det A)(det B).
Corolario 6
Sea A matriz de orden n × n. A es inversible ssi det A 6= 0.
Corolario 7
Si A es una matriz inversible
1
det (A−1 ) = (det A)−1 = .
det A
1.11. Desarollo del determinante por ofa tores
Consideremos la matriz
 
a11 a12 ··· a1j ··· a1n
 a21 a22 ··· a2j ··· a2n 
 .. .. .. .. 
 
.. ..
 . . . . . . 
A=
 ai1
.
ai2 ··· aij · · · ain 
 . .. .. .. 
 
 .. .. ..
. . . . . 
an1 an2 · · · anj · · · ann
Denimos las submatri es Mij de orden (n − 1) × (n − 1) que se obtiene de

eliminando la la i-ésima y la olumna j -ésima de la matriz A, así
 
a11 a12 ··· a1j−1 a1j+1 ··· a1n
 a21 a22 ··· a2j−1 a2j+1 ··· a2n 
.. .. .. .. 
 


 . . . . 
Mij = 
 a i−11 ai−12 · · · ai−1j−1 ai−1j+1 · · · ai−1n 
.
 ai+11 ai+12 · · · ai+1j−1 ai+1j+1 · · · ai+1n 
.. .. .. .. 
 

 . . . . 
an1 an2 ··· anj−1 anj+1 · · · ann
Ejemplos 16
Sea  
a11 a12 a13
A =  a21 a22 a23  ,
a31 a32 a33
las submatri es son

a22 a23 a21 a23
M11 = , M12 = ,
a32 a33 a31 a33

a11 a13 a21 a22
M22 = , M13 = ,
a31 a33 a31 a32

a12 a13 a11 a12
M21 = , M23 = ,
a32 a33 a31 a32

a12 a13 a11 a13
M31 = , M32 = ,
a22 a23 a21 a23

a11 a12
M33 = .
a21 a22
Teorema 12 (Desarollo por ofa tores on respe to a la i-ésima la)

Sea A una matriz n × n y sean Mij las submatri es de A, enton es
n
X
det A = (−1)i+k (det Mik )aik .
k=1
Demostra ión
Por deni ión del determinante
X
det A = Sgn (σ) a1σ(1) a2σ(2) · · · anσ(n) .
σ∈Sn
Esta forma se puede rearreglar de la siguiente manera

 
 X 
det A =  Sgn (σ) a2σ(2) a3σ(3) · · · anσ(n)  a11
σ ∈ Sn
σ(1) = 1 
 X 
··· + Sgn (σ) a2σ(2) a3σ(3) · · · anσ(n)  a1l
σ ∈ Sn
σ(1) = l
 
 X 
··· + Sgn (σ) a2σ(2) a3σ(3) · · · anσ(n)  a1n
σ ∈ Sn
 σ(1) = n 
n
X X 
=  Sgn (σ) a2σ(2) a3σ(3) · · · anσ(n)  a1k .
k=1 σ ∈ Sn
σ(1) = k
Ahora solo resta ver que

X
(−1)1+k (det M1k ) = Sgn (σ) a2σ(2) a3σ(3) · · · anσ(n) . (1.2)
σ ∈ Sn
σ(1) = k
Primero demostremoslo para k = 1: por deni ión

 
a22 a23 ··· a2n
 a32 a33 ··· a3n 
 X
= det  . .. ..  =

det M11
 .. .. Sgn (σ) a2σ(2) · · · anσ(n) ,
. . .  σ
donde σ va de {2, . . . , n} a {2, . . . , n}. Notemos que estas permuta iones son las
mismas que las que hay en Sn y que dejan jo a 1 (σ(1) = 1), por lo tanto
X
det M11 = a2σ(2) a3σ(3) · · · anσ(n) , (1.3)
σ ∈ Sn
σ(1) = 1
nalmente para demostrarlo para k > 1, re orremos la k-ésima olumna de A

al lugar de la primera olumna
 
a1k a12 ··· a11 ··· a1n
 a2k a22 ··· a21 ··· a2n 
 .. .. .. .. 
 
.. ..
 . . . . . . 
ank an2 · · · an1 · · · ann
y apli ando (1.3) a esta matriz obtenemos (1.2). Hasta ahora hemos probado
que
n
X
det A = (−1)1+k (det M1k )a1k ,
k=1
para nalizar re orremos la la i-ésima al lugar de la primera la en A, y así

det M1k = (−1)i+1 det Mik ,
y
n
X
det A = (−1)i+k det Mik aik .
k=1
Observa ión 12
1. De la misma manera se puede desarrollar un determinante on respe to a

la j -ésima olumna
n
X
det A = (−1)j+k det Mkj akj .
k=1
2. A los determinantes de las submatri es (det Mik ) les llamaremos menores.

3. Los signos de los menores estan dados por la siguiente distribu ión
 
+ − + ···
 − + − ··· 
.
.. .. .. ..

. . . .
Ejemplos 17
Cal ular el determinante de

 
2 1 0
A= 1 4 1 
1 1 1
on respe to a la primera la. Tenemos que

det A = (−1)2 a11 M11 + (−1)1+2 a12 M12 + (−1)1+3 a13 M13

4 1 1 1
= 2 det − 1 det
1 1 1 1
= 2(4 − 1) − 1(1 − 1)
= 6.
Cal ular el determinante de

 
2 0 3
A= 1 4 8 
1 0 2
on respe to a la segunda olumna. Tenemos que

1 8 2 3 2 3
det A = 0 det + 4 det − 0 det
1 2 1 2 1 8
= 4.
1.12. La adjunta y la inversa de una matriz
Teorema 13
Sea A = (aij )i,j=1,...,n matriz n × n y Mij sus submatri es, enton es
n
X
r+k det A si s = r,
(−1) (det Mrk )ask =
0 si s 6= r.
k=1
Demostra ión
Si s = r la igualdad se obtiene de la se ión anterior.

Si s 6= r, denimos la matriz A′ = (a′ij ) tal que
a′ij = aij si i 6= s,
a′ij = arj si i = s (r > s)
así A′ tiene dos las iguales la s-ésima y la r-ésima

 
a11 a12 ··· a1n
 .. .. .. .. 
 . . . . 
 
 ar1 ar2 ··· arn 
A =  ... .. .. ..
 
′  
 . . . 

 ar1 ar2 ··· arn 
 
 . .. .. ..
 ..

. . . 
por lo tanto det A′ = 0, pero por otro lado al ulando su determinante

on respe to a la r-ésima la
Pn
det A′ = k=1 (−1)
r+k
(det Mrk )ark
Pn r+k
= k=1 (−1) (det Mrk )ask ,
y por lo tanto se tiene el teorema.

Observa ión 13
1. Denimos cij := (−1)i+j (det Mij ) on i, j = 1, . . . , n. A estos numeros

les llamaremos ofa tores y a la matriz C = (cij )i,j=1,...,n le llamaremos
matriz de ofa tores ( ada aij tiene aso iado al elemento cij ).
2. Sea A matriz n × n, denimos la matriz adjunta de A (adj A) omo la
transpuesta de la matriz de ofa tores de A.
Ejemplos 18
1. Sea
1 2
A= .
−1 1
Cal ular su adjunta:
La matriz de ofa tores es

1 1
C= .
−2 1
y la adjunta es
1 −2
adj A = .
1 1
2. Sea  
1 −1 1
A= 2 1 1 .
0 3 2
Cal ular su adjunta:
Los ofa tores son

1 1
= −1, c22 = (−1)4 1 1 = 2,

c11 = (−1)2
3 2 0 2

3 2 1 5 1 −1

c12 = (−1) = −4, c23 = (−1) = −3,
0 2 0 3

4 2 1 4 −1 1

c13 = (−1) = 6, c31 = (−1) = −2,
0 3 1 1

−1 1
= 2, c32 = (−1)5 1 1 = 1,

c21 = (−1)3
0 2 2 1

1 −1
c33 = (−1)6 = 3.
2 1
La matriz de ofa tores es
 
−1 −4 6
C = 2 2 −3  .
−2 1 3
y la adjunta es  
−1 2 −2
adj A = C t =  −4 2 1 ,
6 −3 3
Ahora veremos la rela ión que existe entre la matriz adjunta y la matriz
inversa:
Teorema 14
Sea A una matriz n × n, enton es
A (adj A) = (detA) I.
Demostra ión
Sean A = (aij )i,j=1,...,n y adj A = (bij )i,j=1,...,n , así
A (adj A) = (dij )i,j=1,...,n ,
donde n
X
dij = aik bkj , y bkj = cjk ,
k=1
por lo tanto
n
X
dij = aik cjk ,
k=1
y por el teorema anterior

 
det A 0 ··· 0
 0 det A · · · 0 
.. .. ..
 
A (adj A) =  . ..  = (det A)I.
 . . . 
0 ··· · · · det A
Corolario 8
Si A es invertible, enton es
adj A
A−1 = .
det A
Corolario 9
La matriz A es invertible ssi det A 6= 0.
Ejemplos 19
1. Sea
1 2
A=
−1 1
al ular su inversa: Anteriormente vimos que

1 −2
adj A = ,
1 1
así
adj A adj A 1/3 −2/3
A−1 = = = .
det A 3 1/3 1/3
2. Sea  
1 −1 1
A= 2 1 1 
0 3 2
al ular su inversa: Anteriormente vimos que
 
−1 2 −2
adj A =  −4 2 1 ,
6 −3 3
y además
det A = 0 c31 + c32 + 3c33 = 1 + 9 = 10,
por lo tanto
 
−1/10 2/10 −2/10
adj A adj A 
A−1 = = = −4/10 2/10 1/10  .
det A 10
6/10 −3/10 3/10
1.13. Regla de Cramer
Consideremos el sistema de n e ua iones y n in ognitas

a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. ..
. . .
an1 x1 + an2 x2 + · · · + ann xn = bn
o equivalentemente en su forma matri ial

AX = B.
Si la matriz A es invertible, el sistema tiene solu ión úni a

adj A
X = A−1 B = B,
det A
pero observemos que

  
c11 c21 ··· cn1 b1
 c12 c22 ··· cn2   b2 
 .. .. ..   .. 
  
(adj A)B = ..
 . . . .  . 
c1n c2n · · · cnn bn
 
c11 b1 + c21 b2 + · · · + cn1 bn
 c12 b1 + c22 b2 + · · · + cn2 bn 
..
 
=  
 . 
c1n b1 + c2n b2 + · · · + cnn bn
así la la i-ésima tiene la siguiente forma
c1i b1 + c2i b2 + · · · + cni bn ,
pero esto es equivalente a al ular el determinante de la matriz
 
a11 a12 ··· b1 · · · a1n
 a21 a22 ··· b2 · · · a2n 
Ai =  . .. .. .. ..  ,
 
 .. ..
. . . . . 
an1 cn2 · · · bn · · · cnn
on respe to a la i-ésima olumna (esta matriz se obtiene remplazando la i-ésima
olumna por la matriz B ), por lo tanto
detAi
Xi = , i = 1, . . . , n,
det A
y obtenemos de manera explí ita la solu ión del sistema. Este método es llamado
la regla de Cramer.
Ejemplos 20
1. Resolver
2x1 + x2 = 0
3x1 − x2 = 5
el sistema en forma matri ial es AX = B , donde

2 1 0
A= yB = .
3 −1 5
Cal ulando A1 , A2 , det A, det A1 , det A2 tenemos

0 1 2 0
A1 = , A2 = .
5 −1 3 5
y detA = −5, detA1 = −5, det A2 = 10, por lo tanto las solu iones son
−5 10
x1 = −5 = 1 x2 = −5 = −2.
2. Resolver
x1 + 2x2 + 4x3 = 31
5x1 + x2 + 2x3 = 29
3x1 − x2 + x3 = 10.
Tenemos que  
1 2 4
detA = det  5 1 2  = −27,
3 −1 1
 
31 2 4
detA1 = det  29 1 2  = −81,
10 −1 1
 
1 31 4
detA2 = det  5 29 2  = −108,
3 10 1
 
1 2 31
detA3 = det  5 1 29  = −135,
3 −1 10
así
x1 = 3, x2 = 4, x3 = 5
Lista de ejer i ios
1. Determine el onjunto solu ión de los sistemas de e ua iones

a)
3x + 2y = 0
x−y = 4
b)
x+y = 0
5x + 5y = 0
)
3x + 5y = 8
5x − 2y = 3
2. Averiguar si son equivalentes los siguientes sistemas:

a)
2x1 + 3x2 = 5
2x1 + 3x2 = 5
x1 − 4x2 = −3
x1 − 4x2 = −3
2x1 − 8x2 = −6
b)
5x − 2y = 1
5x − 2y = 1
−x + 2y = 2
3x + 4y = 11
4x + 2y = 9
3. Use el método de elimina ión de Gauss para resolver los siguientes siste-
mas:
x1 + 2x2 + x3 = 4
2x1 + 3x2 = 5
a) b) 5x1 + x2 + 6x3 = 0
x1 − 7x2 = 4
2x1 + 3x2 + 3x3 = 4
x1 + 2x2 + 3x3 + 4x4 + 5x5 = 15
x1 − 2x2 + x3 − 3x5 = 0
x2 + 2x3 + 3x4 + 4x5 = 10
x1 + 7x2 − 5x3 − 5x4 + 5x5 = 0
) x3 + 2x4 + 3x5 = 6 (d)
2x1 + x2 − x3 − 4x4 + 4x5 = 0
x4 + 2x5 = 3
3x1 − x2 − 2x3 + x4 − x5 = 0
x5 = 1
4. Es ribir la matriz del sistema y la matriz aumentada del sistema

a)
2x1 + 3x2 = 0
2x1 + x2 = 5
b)
x1 + x2 = 0
x2 + x3 = 1
x4 + x5 = 0
)
x1 + x2 = 0
x2 + x3 = 1
x4 + x5 = 0
5. Diga uales de las siguientes matri es estan en forma es alonada y uales

en forma redu ida
a)

1 0 3 1
0 1 2 0
b)
 
0 0 1 2 3 0 0
 0 0 0 0 0 1 0 
 
 0 0 0 0 0 0 1 
0 0 0 0 0 0 0
)
 
1 0 3 4
 0 −1 0 0 
0 0 1 0
6. Bajo que ondi iones la forma es alonada redu ida de la matriz

a b
c d
es
1 0
0 1
7. Resolver por el método de Gauss - Jordan
x1 + 2x2 + x3 = 4
2x1 + 3x2 = 5
a) b) 5x1 + x2 + 6x3 = 0
x1 − 7x2 = 4
2x1 + 3x2 = 4
x1 + 2x2 + x3 + x4 + 5x5 = 2
2x1 + 3x2 − x3 + 6x4 − x5 = 1 3x2 − x3 + x4 − x5 = 1
) x1 + 2x2 + x3 − 2x4 + 3x5 = −3 d) x3 + x4 − x5 = 0
2x1 + x2 − 6x3 + 5x4 + 3x5 = 2 x4 + x5 = 0
x5 = 1
x1 − 2x2 + x3 + 3x4 − 3x5 = 0

x1 − 7x2 − 5x3 − 5x4 + 5x5 = 0
e)
2x1 + x2 − x3 − 4x4 + 4x5 = 0
3x1 − x2 − 2x3 + x4 − x5 = 0
8. Para los siguientes sistemas, determine los valores de a, b para que el sis-
tema tenga solu ión úni a:
2x1 + 3x2 + x3 = 5
x1 + ax2 = 1
(1) 3x1 − x2 + ax3 = 2 (2)
ax1 + x2 = a
x1 + 7x2 − 6x3 = b
9. Determinar para que valors de a, y b los sistemas

a ) Tiene solu ión úni a,
b ) No tiene solu ión,
) tiene una innidad de sol iones.
2x1 + 3x2 + x3 = 5 ax1 + 2x2 + 4x3 = b+2

a) 3x1 − x2 a + x3 = 2 b) 2x1 + ax2 + 4x3 = 1
x1 + 7x2 − 6x3 = b 2x1 + ax2 + a2 x3 = 1
10. Resuelva los siguientes sistemas homogéneos

a)
3x1 + 2x2 + 5x3 = 0
2x1 + 4x2 + x3 = 0
−4x1 + 2x2 − 9x3 = 0
b)
x1 + 3x2 + 3x3 = 0
2x1 + 7x2 + 7x3 = 0
2x1 + x2 + 6x3 = 0
)
x1 + x2 − x3 = 0
2x1 − x2 + 3x3 = 0
11. Cal ule en ada in iso A ± B , aA, aB , y a(A + B):

a)
   
7 7
A =  −1  , B =  −1  , a = 3.
0 0
b)
 
5 2 −1
2 5 4
A= , B= 3 2 2  , a = 0.
−2 3 −1
1 0 0
)
   
2 1 0 1 0 −1
A= 3 2 −2  , B =  2 5 4  , a = −2.
4 1 1 3 2 4
12. Cal ule AB , BA y A(B + C) en ada in iso

a)
     
1 0 −1 1 −1 1 0 0
A= 2 1 −1  , B =  −1 3 , C =  0 1 1 
3 −1 1 4 6 1 0 1
b)
   
1 2 3 1 3 3
2 0
A= 3 1 2 , B=
 , C= 2 1 2 
1 2
2 1 0 1 1 1
13. Sea la matriz

7 4
A= ,
−9 −5
demostrar que
n 1 + 6n 4n
A = ,
−9n 1 − 6n
14. Demuestre que la matriz

 
2 −3 −5
A =  −1 4 5 ,
1 −3 −4
es idempotente (A2 = A).

15. Demuestre que la matriz
 
1 1 3
A= 5 2 6 ,
−2 −1 −3
es nilpotente (existe n ∈ N tal que An = 0).

16. Consideremos la matriz

 
a11 0 ··· 0
 0 a22 ··· 0 
A= . .. ..
 
 .. .. ,
. . . 
0 ··· 0 ann
todos sus elementos son ero ex eptuando los que se en uentran en la

diagonal. A este tipo de matri es les llamaremos diagonales. Demostrar
que
a) La suma de matri es diagonales es una matriz diagonal.
b) El produ to de dos matri es diagonales es una matriz diagonal.
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . .. ..  ,
 
 .. ..
. . . 
an1 an2 0 ann
denimos la traza de A omo

n
X
tr A = a11 + a22 + · · · + ann = aii .
i=1
Sean A = (aij ), B = (bij ) matri es uadrádas n × n. Demostrar que

a) tr (A + B) = tr A + tr B .
b) tr (AB) = tr (BA)
18. Sea I la matriz identidad de orden 2, y sea

0 −1
A= ,
1 1
Considere las matri es siguientes (de orden 4)

I 0 0 −I A 0 0 A
e= i= j= k=
0 I I 0 0 −A A 0
Demuestre que
ei = ie = i ij = −ij = k i2 = −e
ej = je = j jk = −kj = i j 2 = −e
ek = ke = k ki = −ik = j k 2 = −e
19. Es riba la solu ión de los siguientes sistemas omo la suma de la solu ión
general del sistema homogéneo aso iado, y una solu ión parti ular del
sistema no homogeneo.
x1 + x2 = 1 x1 + x2 − x3 = 2
a) b)
2x1 + 2x2 = 2 2x1 − 2x2 + 2x3 = 2
x1 − x2 + x3 = 1
) x1 + 23 x2 − 12 x3 = 2
5x1 + 5x2 − x3 = 9
20. En ontrar la inversa de las siguientes matri es

 
  1 0 0 0
5 −4 −6  0 1 0 0 
a)  −9 8 11  b) 
 10 20 −1

0 
1 −1 −1
5 −8 0 −1
 
1 2 3
)  −1 −2 −2 
0 0 0
21. Demostrar que si ad − bc 6= 0, enton es la matriz

a b
A=
c d
es invertible.
22. Sea  
3 −1 4
A= 0 2 1 .
1 −1 −2
Demuestre que
A3 − 3A2 − 7A + 18I = 0,
y al ular A−1 .
23. Diga uales de las siguientes matri es son elementales
 
1 2 0
2 0
a) b)  0 0 1 
0 0
0 1 0
 
1 −1 1
)  2 1 3 
0 1 1

 
a11 a12 ··· a1n
 0 a22 ··· a2n 
A= . .. .. 
 
 .. ..
. . . 
0 0 · · · ann
donde a11 a22 · · · ann 6= 0. Demostrar que A es inversible.

25. Es riba ada una de las siguientes matri es omo el produ to de una matriz
inversible Q y la forma es alonada redu ida de A
 
3 1 4
1 3 2
a) A = b) A= 2 1 3 
0 1 4
−1 −1 −2
 
2 3
) A =  1 4 
1 1
26. Resolver los siguientes sistemas de e ua iones

x1 + x2 − x3 + x4 = 3
2x1 + 3x2 = 1 2x1 − 3x2 + 4x3 − 2x4 = 1
a) b)
3x1 + 4x2 = 2 3x1 − x2 − 2x3 − 2x4 = −2
x1 + x2 − 2x3 + 5x4 = 5
27. Cal ular σ1 ◦ σ2 , σ2 ◦ σ1 , σ1 ◦ σ1 ,σ2 ◦ σ2 , σ1−1 , σ2−1 , (σ1 ◦ σ2 )−1 , σ2−1 ◦ σ1−1
de
1 2 3 1 2 3
a) σ1 = σ2 =
3 2 1 1 3 2

1 2 3 4 1 2 3 4
b) σ1 = σ2 =
4 3 2 1 3 1 2 4

1 2 3 4 5 6 1 2 3 4 5 6
) σ1 = σ2 =
2 1 3 5 4 6 1 2 3 4 5 6
28. Determine las inversiones para las permuta iones del ejemplo anterior.
29. Demostrar que si σ1 , σ2 son permuta iones de Sn
(σ1 ◦ σ2 )−1 = σ2−1 ◦ σ1−1 .
30. Cal ular el determinante (por deni ión) de

a)

3 1
A=
−1 1
b)
 
1 1 2
A =  −1 1 5 .
4 2 1
31. Diga si las siguientes matri es son invertibles y al ule su inversa :

 
1 2 8
1 3  0 6 9 
2 1
0 2 3
   
0 0 1 0 2 3 1 2
 1 0 0 0   1 1 1 −1 
   
 0 1 0 0   1 2 3 4 
0 0 0 1 1 0 −2 −6
32. Suponga que  

a b c
det  d e f =3
g h i
Cal ule:
   
d e f −i −g −h
det  a b c  det  f + c d+a e+b 
g h i c a b
33. Cal ule los determinantes de las siguientes matri es:

 
  1 1 1 1
1 2 3  1
 2 1 0 1 
1 1  
 1

0 1 1 
4 3 2
1 1 0 0
   
0 1 1 1 1 1 1 1
 1 0 1 1   2 4 −2 2 
   
 1 1 0 1   1 2 −1 1 
1 1 1 0 3 6 −3 3

 
5 −1 0
A= 3 2 4 
−1 2 −2
a) Desarrollando por ofa tores respe to a la primera linea.

b) Segunda olumna.
) Segunda linea.
d) Primera olumna.
35. Cal ular los siguientes determinantes
a)
 
2 1 3
det  0 4 0 .
1 8 2
b)
 
3 1 5
det  2 1 4 .
0 4 2
)
 
5 2 0 1
det  1 1 0 1 .
9 9 3 6
36. Demostrar que

a)
 
2 1 0 0 ··· 0 0

 1 2 1 0 ··· 0 0  

det  0 1 2 1 0··· 0 0  = n + 1.
 .. .. .. .. 
 . . . . 
0 0 0 ··· ··· 1 2
b)
 
1 1 1 ··· 1 1

 −1 1 1 ··· 1 1 


det  0 −1 1 · · · 1 1  = 2n−1 .

 .. .. .. .. 
 . . . . 
0 0 0 ··· 1 1
37. Determine la adjunta de las siguientes matri es

   
a11 a12 a13 a11 0 0
a)  0 a22 a23  b)  0 a22 0 
0 0 a33 0 0 a33
38. Determinar la inversa de

   
1 0 0 2 1 3
a)  1 1 2  b)  −5 7 1 
3 1 4 −1 2 4
 
2 −2 1
)  3 −1 −1 
8 0 3
39. Resolver los sistemas de e ua iones on la regla de Cramer

3x1 − 5x2 + x3 = −4
2x1 + 3x2 = 1
a) b) 2x1 − x2 + 3x3 = 9
4x1 − 2x2 = 2
4x1 − 7x2 + x3 = 5
x1 + 2x2 + 2x3 = 4
) 2x1 + x2 − 2x3 = −1
2x1 − 2x2 + x3 = −6
Capítulo 2
Espa ios Ve toriales

2.1. Espa io Ve torial
Campo
Es un onjunto K on las opera iones suma y produ to que umplen las siguien-
tes propiedades
1. α + β = β + α ∀ α, β ∈ K Conmutativa.
2. α + (β + µ) = (β + α) + µ ∀ α, β, µ ∈ K Aso iativa .
3. µ(α + β) = µβ + µα ∀ α, β ∈ K Distributiva.
4. α · β = β · α ∀ α, β ∈ K Conmutatividad.
5. α · (β · µ) = (β · α) · µ ∀ α, β, µ ∈ K Aso iativa .
6. Existe 0 ∈ K tal que α + 0 = α ∀α∈K Elemento Neutro.
7. ∀ α ∈ K existe −α ∈ K tal que α + (−α) = 0 Inverso Aditivo.
8. Existe 1 ∈ K tal que 1 · α = α ∀α ∈ K .
9. ∀ α ∈ K existe α−1 ∈ K tal que α·α−1 = 1 Inverso Multipli ativo.
Ejemplos 21
1. El onjunto de los números reales R es un ampo.

2. El onjunto de los números omplejos C es un ampo.
3. El onjunto de los números ra ionales Q es un ampo.
4. El onjunto de los números reales positivos R+ no es un ampo.
47
CAPÍTULO 2. ESPACIOS VECTORIALES 48
Espa io Ve torial sobre un ampo K

Es un onjunto V on las opera iones
+ : V × V −→ V •:K ×V −→ V
(u, v) 7−→ u + v (α, v) 7−→ α · v
que umplen las siguientes ondi iones

1. u + v = v + u ∀ u, v ∈ V Conmutativa.
2. u + (v + w) = (u + v) + w ∀ u, v, w ∈ V Aso iativa.
3. α(u + v) = αu + µv ∀ u, v ∈ V , y α ∈ K Distributiva.
4. (α · β)u = α · (βu) ∀ α, β, ∈ K , u ∈ V Aso iativa .
5. (α + β)u = αu + βu ∀ u ∈ V , y α, β ∈ K Distributiva.
6. Existe 0 ∈ V tal que u + 0 = u ∀u∈V Elemento Neutro.
7. ∀ u ∈ V existe −u ∈ V tal que u + (−u) = 0 Inverso Aditivo.
8. Existe 1 ∈ K tal que 1 · u = u ∀ u∈V.
Observa ión 14
A los elementos de un espa io ve torial les llamaremos ve tores.
Apartir de la deni ión se obtienen las siguientes propiedades
0·u=0 ∀ u∈V.
(−1) · u = −u ∀ u∈ V.
α·0=0 ∀ α ∈ K.
−(−u) = u ∀ u∈V.
(−α) · u = −(αu) = α(−u) ∀ u ∈ V, α ∈ K .
(−α) · (−u) = αu ∀ u ∈ V, α ∈ K .
u + v = u + w enton es v = w.
Si α ∈ K , α 6= 0, y αu = αv enton es u = v.
Si αv = 0, enton es α = 0 o v = 0.
Demostra ión
u + 0 · u = (1 + 0)u = u.
u + (−1)u = (1 + (−1))u = 0 · u = 0.
αu + α0 = α(u + 0) = αu.
−(−u) = (−1)(−u) = (−1)(−1)u.

Por la aso iatividad del produ to por es alar se tiene.
Igual que el anterior.
u + v = v + w, enton es u = u + v + (−v) = v + w + (−v) = w.
αu = αv , on α 6= 0, multipli ando por α−1 se obtiene el resultado.
Si α 6= 0 por el in iso anterior se obtiene v = 0, en aso ontrario por el
primer in iso se obtiene.
Ejemplos 22
1. R2 := {(x, y)| x, y ∈ R} es un espa io ve torial sobre R on la suma y

produ to por es alar dados por
(x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ )
α(x, y) = (αx, αy)
Para veri arlo omprobemos las propiedades
a) (x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ ) = (x′ , y ′ ) + (x, y).
b) (x, y) + [(x′ , y ′ ) + (x′′ , +y ′′ )] = (x, y) + (x′ + x′′ , y ′ + y ′′ ) = (x + x′ +
x′′ , y + y ′ + y ′′ ) = [(x, y) + (x′ , y ′ )] + (x′′ , +y ′′ ).
) α[(x, y) + (x′ , y ′ )] = (αx + x′ , αy + y ′ ) = α(x, y) + α(x′ , y ′ ).
d) (α · β)(x, y) = (α · βx, αβy) = α[β (x, y)].
e) (α + β)(x, y) = ((α + β)x, (α + β)y) = (αx + βx, αy + βy) = α(x, y) +
β(x, y)
f) (x, y) + (0, 0) = (x, y).
g) (x, y) + (−x, −y) = (0, 0).
h) 1 (x, y) = (1 · x, 1 · y) = (x, y).
2. El onjunto de matri es

a b
M2×2 = |a, b, c, d ∈ R
c d
es un espa io ve torial sobre R, on las opera iones

a b a′ b′ a + a′ b + b ′
+ = ,
c d c′ d′ c + c′ d + d′

a b αa αb
α· =
c d αc αd
3. Pn = {a0 + a1 x + · · · + an xn | a0 , . . . , an ∈ R} es un espa io ve torial sobre

R on las opera iones suma y produ to por es alar usual de polinomios.
2.2. Subespa ios Ve toriales
Sea V un espa io ve torial. W es un subespa io ve torial de V si

i) W ⊂ V.
ii) W es un espa io ve torial on las opera iones suma y produ to por es alar
denidas en V .
Ejemplos 23
1. W = {(x, y)|x, y ∈ R, y > 0} ⊂ R2 no es un subespa io ve torial de R2 :

En efe to pues Si (x, y) ∈ W tenemos que −(x, y) 6= W . (ver gura)
2. W = {(x, y)|x, y ∈ R, y = 2x} ⊂ R2 es un subespa io de R2
Observa ión 15
Todo espa io ve torial tiene al menos dos subespa ios ve toriales: {0}, y el mis-
mo. Los llamaremos subespa ios ve toriales triviales.
Las ondi iones para ver si un sub onjunto es un subespa io se pueden re-
du ir
Teorema 15 Sea V espa io ve torial sobre un ampo K , y W ⊂ V no va io.
W es un subespa io de V ssi
i) Si u, v ∈ W , enton es u + v ∈ W .
ii) Si u ∈ W, α ∈ K , enton es αu ∈ W .
Demostra ión
⇒) Obvio por las propiedades de W omo subespa io.

⇐) Notemos que por i), y ii) las opera iones suma y multipli a ión por es alar
son erradas en W , ahora veriquemos las ondi iones para que W sea
espa io ve torial
u + v = v + u en V , si u, v ∈ W , omo es errado bajo las opera iones
la igualdad tambien se umple en W .
Similar al anterior.
Similar al anterior.
Por i), y ii).
Por i), y ii).
Tomando α = 0, y onsiderando que 0 = αu ∈ W .
Tomando α = −1, y onsiderando que −u = αu ∈ W .
Tomando α = 1, y onsiderando que u = αu ∈ W .

Corolario 10
W es un subespa io ve torial del espa io ve torial V ssi
αu + βv ∈ W
para todo α, β ∈ K , y para todo u, v ∈ W .

Ejemplos 24
1. L ⊂ R2 dado por
L = {(x, y) ∈ R2 |ax + by = 0}, a, b ∈ R (ambos no nulos)
es un subespa io ve torial de R2 : En efe to sean (x, y), (x′ , y ′ ) ∈ L

(x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ )
′ ′
a(x + x ) + b(y + y ) = ax + ax′ + by + by ′ = 0
α (x, y) = (αx, αy)
a(αx) + b(αy) = α(ax + by) = α · 0 = 0
(gura)
2. El onjunto
C(R) := {f : R −→ R| ontinuas}
on las opera iones
(f + g)(x) := f (x) + g(x) ∀ f, g ∈ C(R)
(αf )(x) := α f (x) ∀ f ∈ C(R), ∀ α ∈ R.
es un subespa io del espa io ve torial de la fun iones denidas en R (F (R)).

3. Consideremos el sistema de e ua iones
     
a11 ··· a1n x1 0
.. ..   .   . 
.   ..  =  ..  .

 . ···
am1 · · · amn xn 0
El onjunto de sus solu iones

S := {(x1 , · · · , xn ) ∈ Rn | solu iones del sistema}
es un subespa io de Rn .
Observa ión 16
Todo subespa io no trivial en R2 es de la misma forma que L.
2.2.1. Subespa ios generados por un onjunto de ve tores

Sea V espa io ve torial y, S ⊂ V
Si S es innito denimos
L(S) := {c1 v1 + · · · + cm vm | c1 , . . . , cm ∈ K, v1 , . . . , vm ∈ S, m ∈ N}
Si S = {v1 , . . . , vn }, denimos
L(S) := {c1 v1 + · · · + cn vn | c1 , . . . , cn ∈ K}
Teorema 16
Sean V espa io ve torial, v1 , . . . , vn ∈ V ve tores, enton es
L(v1 , . . . , vn ) := {c1 v1 + · · · + cn vn | c1 , . . . , cn ∈ K}
es un subespa io de V , y es el más pequeño que ontiene a v1 , . . . , vn .

Demostra ión
Tomemos u = c1 v1 + · · · + cn vn ,v = c′1 v1 + · · · + c′n vn en L(v1 , . . . , vn ), luego
u+v = (c1 + c′1 )v1 + · · · + (cn + c′n )vn ∈ L(v1 , . . . , vn )
αu = (αc1 )v1 + · · · + (αcn )vn ∈ L(v1 , . . . , vn ).
Para ver que es el mas pequeño subespa io sea W subespa io de V que ontiene
a v1 , . . . , vn : Como W es subespa io
c1 v1 + · · · + cn vn ∈ W ∀ c1 , . . . , cn ∈ K,
luego
L(v1 , . . . , vn ) ⊂ W,
y omo W es arbitrario L(v1 , . . . , vn ) es el más pequeño.
Observa ión 17
De manera similar se prueba que L(S) es un subespa io de V on S innito, y
que además es el subespa io más pequeño que ontiene a S . A este espa io lo
llamaremos el espa io ve torial generado por S .
Ejemplos 25
Sean v1 = (1, 3, −1), v2 = (2, 1, 3) ve tores en R3 , en ontrar el subespa io gene-
rado por ellos: Por deni ión
L(v1 , v2 ) = {c1 (1, 3 − 1) + c2 (2, 1, 3)| c1 , c2 ∈ R}
y de aquí obtenemos el siguiente sistema

c1 + 2c2 = x
3c1 + c2 = y
−c1 + 3c2 = z
resolviendo por el método de Gaussiana - Jordan

       
1 2 x 1 2 x 1 2 x 1 2 x
 3 1 y ∼ 3 1 y ∼ 0 −5 −3x + y  ∼  0 −5 −3x + y 
−1 3 z 0 3 z+x 0 5 z+x 0 0 −2x + y + z
y de aquí
L(v1 , v2 ) = {(x, y, z) ∈ R3 | − 2x + y + z = 0}
2.2.2. Opera iones on subespa ios

Sean W1 , W2 subespa ios ve toriales de V , denimos
\
W1 W2 := {v ∈ V |v ∈ W1 y v ∈ W2 }
W1 + W2 := {v ∈ V |v = v1 + v2 , v1 ∈ W1 y v2 ∈ W2 }
fá ilmente se puede veri ar que son subespa ios ve toriales de V . Sin embargo
el onjunto [
W1 W2 := {v ∈ V |v ∈ W1 o v ∈ W2 }
no es un subespa io de V (veri ar).
Ahora veremos la ondi ión que se ne esita para que la unión sea un subes-
pa io.
Teorema 17 S
Sean W1 ,W2 subespa ios ve toriales de V . Si W1 W2 es un subespa io de V ,
enton es W1 ⊂ W2 o W2 ⊂ W1 .
Demostra ión S S S
Es ogemos v1 ∈ W1 ⊂ W1 W2 , v2 ∈ W2 ⊂ W1 W2 , luego v1 + v2 ∈ W1 W2
enton es v1 + v2 ∈ W1 o v1 + v2 ∈ W2 . Si v1 + v2 ∈ W1 enton es v2 = v1 + v2 +
(−v1 ) ∈ W1 y luego W2 ⊂ W1 . Analogamente se obtiene que W1 ⊂ W2 .
Ahora damos la rela ión entre el generado por la unión de dos subespa ios
y la suma de ellos.
Teorema 18 S
Sean W1 , W2 subespa ios de V , enton es W1 + W2 = L(W1 W2 ).
Demostra ión S
Como W1 ⊂ W1 + W2 , y W2 ⊂ W1 + W2 tenemos que L(W1 W2 ) ⊂ W1 + W2 .
Para la otra ontensión tomemos v = v1 + v2 ∈ W1 + W2 , luego notemos que
v = 1 · v1 + 1 · v2
S
es de ir, se ve omo una ombina ión lineal de elementos de W1 W2 , así obte-
nemos la otra ontensión.
Ejemplos 26
Consideremos M2×2 , y sus sub onjuntos

a b a 0
W1 = |a, b, c ∈ R W2 = |a, d, c ∈ R
0 c d c
se prueba fá ilmente que W1 , W2 son subespa ios de M2×2 . Cal ulemos su in-
terse ión y su suma:

\ a 0 a b
W1 W2 = |a, c ∈ R W1 +W2 = |a, b, c, d ∈ R = M2×2
0 c d c
Observa ión 18
La des omposi ión de M2×2 dada por W1 , y W2 no es úni a:

a b a 0 0 b 0 b a 0
= + = +
d c d c 0 0 0 c d 0
A ontinua ión veremos que ondi ión nos dará la úni idad de la des ompo-
si ión.
2.2.3. Suma Dire ta

L
W1 W2 es llamada la suma dire ta de los subespa ios W1 , W2 si ada
elemento de ella se puede ver de manera úni a omo la suma de un ve tor en
W1 , y otro en W2 .
Teorema 19 Sean W1 , W2 subespa ios de V , y U = W1 + W2 enton es son

equivalentes
L
1. U = W1 W2 .
2. W1 ∩ W2 = {0}
Demostra ión
T
1) ⇒ 2) Sea v ∈ W1 W2 ⊂ U , luego
v∈ W1 v =v+0
⇒ ⇒ v = 0.
v∈ W2 v =0+v
2) ⇐ 1) Consideremos dos representa iones de v ∈ W1 + W2
v = v2 + v2
⇒ v1 + v2 = w1 + w2 ⇒ v1 − w1 = v2 − w2 ,
v = w1 + w2
pero notemos que v1 − w1 = v2 − w2 ∈ W1 ∩ W2 , así v1 = w1 , y v2 = w2 .

Ejemplos 27
Consideremos el espa io ve torial F (R), y sus sub onjuntos
W1 = {f ∈ F (R)| f (−x) = f (x) ∀ x ∈ R} Pares
W2 = {f ∈ F (R)| f (−x) = −f (x) ∀ x ∈ R} Impares.
L
Veamos que F (R) = W1 W2 :
Todo elemento de F (R) se puede ver omo la suma de un elemento en W1

y otro en W2 : En efe to sea f ∈ F (R), luego
f (x) + f (−x) f (x) − f (−x)
f (x) = + .
2 2
La interse ión de W1 y W2 es el ero: En efe to sea f ∈ W1 ∩ W2 , luego
f (x) = f (−x) = −f (x) ∀ x ∈ R
por lo tanto f = 0.
2.3. Dependen ia Lineal
Sean V espa io ve torial. Los ve tores v1 , . . . , vn ∈ V se di en Linealmente

independientes (l.i.), si
c1 v1 + · · · + cn vn = 0 ⇒ c1 = c2 = · · · = cn = 0.
En aso ontrario v1 , . . . , vn ∈ V se di en Linealmente dependientes (l.d.), es
de ir si al menos algún ci on i = 1, . . . , n es diferente de ero.
Ejemplos 28
1. Los ve tores V1 = (1, 3, 2),V2 = (−1, 2, 5), y V3 = (0, 1, 4) son l.i. en R3 :

Para veri arlo resolvamos
c1 (1, 3, 2) + c2 (−1, 2, 5) + c3 (0, 1, 4) = 0
de aquí obtenemos el siguiente sistema de e ua iones
c1 − c2 = 0
3c1 + 2c2 + c3 = 0
2c1 + 5c2 + 4c3 = 0.
Cal ulemos su determinante para ver si tiene solu ión trivial.
 
1 −1 0
2

1 3 1
det  3 2 1 = 1
 − (−1) = 13 6= 0
5 4 2 4
2 5 4
luego la matriz es invertible, y la solu ión al sistema es trivial c1 = c2 =
c3 = 0 .
2. Los ve tores

−1 16 2 3 −1 2
v1 = , v2 = , v3 =
−4 13 3 4 −2 1
son l.d. en M2×2 : En efe to resolvamos

−1 16 2 3 −1 2 0 0
c1 + c2 + c3 =
−4 13 3 4 −2 1 0 0
de aquí obtenemos

−c1 + 2c2 − c3 16c1 + 3c2 + 2c3 0 0
= ,
−4c1 + 3c2 − 2c3 13c1 + 4c2 + c3 0 0
lo ual nos da el siguiente sistema de e ua iones
−c1 + 2c2 − c3 = 0
16c1 + 3c2 + 2c3 = 0
−4c1 + 3c2 − 2c3 = 0
13c1 + 4c2 + c3 = 0
resolviendo por elimina ión Gaussiana
     
−1 2 −1 −1 2 −1 −1 2 −1
 16 3 2   16 3 2   16 3 2 
 ∼  ∼  ∼
 −4 3 −2  L4 +13L1  −4 3 −2  L4 /2  −4 3 −2  L2 −4L3
13 4 1 0 30 −12 0 15 −6
     
−1 2 −1 −1 2 −1 −1 2 −1
 0 15 −6   −4 3 −2   −4 3 −2 
 ∼  ∼  ∼
 −4 3 −2  L2 ↔L3  0 15 −6  L4 −L3  0 15 −6  L3 /3
0 15 −6 0 15 −6 0 0 0
     
−1 2 −1 −1 2 −1 −1 2 −1
 −4 3 −2   0 −5 2   0 −5 2 
 ∼  ∼  ∼
 0 5 −2  L2 −4L1  0 5 −2  L3 −L2  0 0 0  L2 /5
0 0 0 0 0 0 0 0 0
     
−1 2 −1 −1 0 −1/5 1 0 1/5
 0 −1 2/5   0 −1 2/5   0 1 −2/5 
 ∼  ∼  ,
 0 0 0  L1 +2L2  0 0 0  (−)  0 0 0 
0 0 0 0 0 0 0 0 0
así c1 = −1/5c3, c2 = 2/5c3 , c3 ∈ R, es de ir, la solu ión es no trivial,
por tanto son l.d.
Observa ión 19
Notemos que si c3 = 5, enton es c1 = −1, c2 = 2, y v1 se puede es ribir omo
una ombina ión lineal de v2 , y v3 .

−1 16 2 3 −1 2
=2 +5
−4 13 3 4 −2 1
Teorema 20
Los ve tores v1 , . . . , vn ∈ V , (n ≥ 2) son l.d. ssi al menos uno de ellos puede
es ribirse omo ombina ión lineal de los otros n − 1 ve tores restantes.
Demostra ión
⇒) Si
c1 v1 + · · · + cn vn = 0
alguno de los oe ientes ci , i = 1, . . . , n es diferente de ero. Supongamos
c1 6= 0, luego
c2 v2 + · · · + cn vn = −c1 v1 , y

c2 cn
v2 + · · · + vn = v1
−c1 −c1
⇐) Supongamos vn = c1 v1 + · · · + cn−1 vn−1 , de aquí
c1 v1 + · · · + (−1)vn = 0
por tanto son l.d.

Teorema 21
Sean v1 , . . . , vn ∈ V ve tores,
1. Si vi = vj para i 6= j , i, j = 1, . . . , n, enton es son l.i.
2. Si existe algún vi (1 ≤ i ≤ n) tal que vi = 0, enton es los ve tores son l.d.
3. Si el onjunto {v1 , . . . , vn } es l.i., enton es ualquier sub onjunto de el es
l.i.
4. Si el onjunto {v1 , . . . , vn } es l.d., enton es para ualesquiera ve tores
w1 , . . . , wm ∈ V , el onjunto {v1 , . . . , vn , w1 , . . . , wm } es l.d.
El siguiente Teorema nos ayuda a ver uando un onjunto de ve tores es l.i.

o l.d.
Teorema 22
Sean v1 , . . . , vn ∈ Rn ve tores, y A la matriz que tiene omo olumnas a tales
ve tores, enton es los ve tores v1 , . . . , vn son l.d. (l.i) ssi det A = 0 (det A 6=
0)
Demostra ión
⇒) Sean vj = (v1j , . . . , vnj ) on j = 1, . . . , n, y supongamos que vn = c1 v1 +

· · · + cn−1 vn−1 , luego entre las olumnas de la matriz
 
v11 · · · v1n
 .. .. .. 
A= . . . 
vn1 · · · vnn
realizamos las siguientes opera iones

       
v11 v12 v1n−1 v1n

c1  ..  + c  ..  + · · · + c  ..   .. 
.  2 .  n−1  . − . 
vn1 vn2 vnn−1 vnn
así obtenemos la última olumna on eros, y det A = 0.

⇐) Si det A = 0, enton es el sistema AX = 0 no tiene solu ión trivial, i.e.,
existe  
c1
X0 =  ... 
 
cn
tal que algún ci (i = 1, . . . , n) es diferente de ero, por lo tanto
c1 v1 + · · · + cn vn = 0
on algún ci 6= 0, (i = 1, . . . , n).
Ejemplos 29
1. Los ve tores v1 = (2, 3, 5, −1), v2 = (0, 3, −1, 2), v3 = (0, 0, 4, 8), v4 =

(0, 0, 0, 5) son l.i. en R4 : En efe to onsideremos la matriz
 
2 0 0 0
 3 3 0 0 
A=
 5 −1 4
.
0 
−1 2 8 5
Cal ulando su determinante obtenemos

2 0 0
3 0
det A = 5 3 3 0 = 5 · 2 = 120 6= 0.
5 −1 4
−1 4
2. Consideremos los ve tores v1 , . . . , vm ∈ Rn , y supongamos m > n. Arma-

mos que tales ve tores son l.d.: En efe to es ribimos vj = (v1j , . . . , vnj ),
on j = 1, . . . , m. Si
c1 v1 + · · · + cm vm = 0
obtenemos el siguiente sistema de e ua iones

c1 v11 + c2 v12 + · · · + cn v1m = 0
.. .. . .
. + . + · · · + .. = ..
c1 vn1 + c2 vn2 + · · · + cn vnm = 0
omo tiene n e ua iones y m in ognitas el sistema tiene solu iones no

triviales, i.e., existen algún ci 6= 0 , on i = 1, . . . , n.
3. En este ejemplo no se apli a el Teorema anterior pues V 6= Rn . Sean
v1 = ex , v2 = sen x, v3 = cos x ve tores en C(R), veamos si son l.d. o l.i:
onsideremos la ombina ión lineal
c1 ex + c2 sen x + c3 cos x = 0.
Como esta ombina ión se umple para todo x ∈ R, tomemos x = 0, π/2, π,

y obtenemos el siguiente sistema de e ua iones
c1 + c3 = 0
c1 eπ/2 + c2 = 0
c1 e π − c3 = 0.
Cal ulando su determinante

 
1 0 1
eπ/2

1
det  eπ/2 1 0  = −1 + 1 π = −1 − eπ = −(1 + eπ ) 6= 0,
e 0
eπ 0 −1
por lo tanto los ve tores son l.i.

Observa ión 20 Si en el ejemplo 2, m < n no podemos armar nada de los
ve tores.
2.4. Bases y dimensión
Sea V un espa io ve torial. Diremos que el onjunto S ⊂ V es una base de

V si
1. S genera a V .
2. S es l.i.
Ejemplos 30
1. Los ve tores v1 = (3, 1, −1), v2 = (4, 1, 1), v3 = (1, 2, 3) forman una base
de R3 :
Veamos primero que generan, es de ir, todo ve tor (x, y, z) ∈ R3 se puede

ver omo ombina ión lineal de v1 , v2 v3 ,
(x, y, z) = c1 (3, 1, −1) + c2 (4, 1, 1) + c3 (1, 2, 3)
de aquí obtenemos el sistema de e ua iones
3c1 + 4c2 + c3 = x
c1 + c2 + 2c3 = y
−c1 + c2 + 3c3 = z.
Para ver que el sistema tiene solu ión basta al ular
 
3 4 1
1

2 4 1
−1 4 1

det  1 1 2  = 3 − 1 = −15 6= 0
1 3 1 3 1 2
−1 1 3
luego el sistema tiene solu ión úni a, y omo (x, y, z) es arbitrario; v1 , v2 , v3
generan a R3 . Y por el Teorema 22 los ve tores son l.i.
2. Los ve tores e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1) ge-
neran a Rn .
Claramente generan: Sea (x1 , . . . , xn ) ∈ Rn
(x1 , . . . , xn ) = c1 e 1 + . . . + cn e n
= (c1 , . . . , cn ).
También laramente son l.i.: La matriz formada por estos ve tores es
 
1 0 ··· 0
 0 1 ··· 0 
 .. .. .. 
 
..
 . . . . 
0 0 ··· 1
y su determinante es 6= 0.
3. El onjunto de las matri es
j − ésima olumna
↓
 
0 ··· 0 ··· 0
 .. .. .. .. .. 

 . . . . . 

Eij =  0 ··· 1 ··· 0  ← i − ésima la
.. .. .. .. .. 


 . . . . . 
0 ··· 0 ··· 0
on i = 1, . . . , m; j = 1, . . . , n, forman una base de Mm×n : En efe to
laramente se ve que generan,
 
a11 a12 ··· a1n m,n
 .. .. ..  X
A= . . . = aij Eij .
am1 ··· amn i,j=1
Ahora veamos que son l.i.: Notemos que

m,n
X
aij Eij = 0 i = 1, . . . , m.
⇒ aij = 0 ∀
i,j=1
|{z} j = 1, . . . , n
Matriz m×n Cero
por tanto son l.i.

Veri arlo para M2×2 on

1 0 0 1 0 0 0 0
E11 = , E12 = , E21 = , E22 = .
0 0 0 0 1 0 0 1
4. Los ve tores v1 = 1, v2 = x, . . . , vn+1 = xn forman una base de Pn =

{a0 + a1 x + · · · + an xn | a0 , . . . , an ∈ R}
5. Consideremos el siguiente sistema de e ua iones
x1 + 3x2 − 2x3 + x4 = 0
x1 + x2 − 4x3 + 3x4 = 0
−2x1 − 8x2 + 2x3 = 0
−x2 − x3 + x4 = 0,
y en ontremos una base para su onjunto solu ión.

Primero resolvamos el sistema llevando a la forma redu ida la matriz que
lo representa
   
1 3 −2 1 1 3 −2 1
 1 1 −4 3 
 ∼L3 +2L1  1 1 −4 3  ∼L /2
 

 −2 −8 2 0   0 −2 −2 2  3
0 −1 −1 1 0 −1 −1 1
   
1 3 −2 1 1 3 −2 1
 1 1 −4 3   1 1 −4 3 
  ∼   ∼
 0 −1 −1 1  L4 −L3  0 −1 −1 1  L2 −L1
0 −1 −1 1 0 0 0 0
   
1 3 −2 1 1 3 −2 1
 0 −2 −2 2  ∼L /2  0 −1 −1 1  ∼L3 −L2
 

 0 −1 −1 1  2  0 −1 −1 1 
0 0 0 0 0 0 0 0
   
1 3 −2 1 1 0 −5 4
 0 −1 −1 1   0 −1 −1 1 
  ∼   ∼
 0 0 0 0  L1 +3L2  0 0 0 0  −L2
0 0 0 0 0 0 0 0
 
1 0 −5 4
 0 1 1 −1 
 
 0 0 0 0 
0 0 0 0
así obtenemos
x1 − 5x3 + 4x4 = 0,
x2 + x3 − x4 = 0,
x3 , x4 ∈ R.
Tomando x3 = s ∈ R, y x4 = t ∈ R obtenemos que las solu iones tienen
la siguiente forma:
  
x1 5s − 4t
 x2   −s + t 
X=
 x3  = 
  .
s 
x4 t
Notemos que
(5s − 4t, −s + t, s, t) = (5s, −s, s, 0) + (−4t, t, 0, t)
= s(5, −1, 1, 0) + t(−4, 1, 0, 1),
es de ir, las solu iones son generadas por (5, −1, 1, 0), (−4, 1, 0, 1), y la-
ramente se ve que son l.i.; luego estos dos ve tores son una base para el
onjunto solu ión.
Observa ión 21
1. Los ve tores ejemplos30.2 son llamados ve tores anóni os de Rn .

2. Si un espa io ve torial V tiene una base nita de imos que V es de di-
mensión nita. En aso ontrario de imos que el espa io ve torial es de
dimensión innita.
Teorema 23
Sea V espa io ve torial. β = {v1 , . . . , vn } ⊂ V es una base ssi todo v ∈ V se
puede ver de manera úni a omo una ombina ión lineal nita de los v1 , . . . , vn .
Demostra ión
⇒) Sea β base de V , y v ∈ V , luego

v = c1 v1 + · · · + cn vn .
Supongamos que existe otra ombina ión, es de ir,
v = c′1 v1 + · · · + c′n vn .
enton es de las ombina iones tenemos
0 = v − v = (c1 − c1′ )v1 + · · · + (cn − c′n )vn ,
y omo los v1 , . . . , vn son l.i.(por ser β base)
c1 = c′1 = 0, . . . , cn − c′n = 0.
⇐) Basta ver que los ve tores v1 , . . . , vn son l.i., Supongamos que v1 , . . . , vn

son l.d., luego existen c1 , . . . , cn ∈ K no todos nulos tal que
c1 v1 + · · · + cn vn = 0.
Por otro lado

0 · v1 + · · · + 0 · vn = 0.
luego tenemos dos representa iones del ve tor ero ♯c . Por lo tanto los
ve tores v1 , . . . , vn son l.i.
El siguiente Teorema nos rela iona el número de ve tores que generan a un
espa io ve torial V y el número máximo de ve tores l.i. en él.
Teorema 24 Sea V = L(v1 , . . . , vn ), enton es ualquier onjunto de ve tores
l.i. en V es nito y no tiene más de n ve tores.
Demostra ión
Sea S = {u1 , . . . , um } on m > n.Veamos que este onjunto es l.d. : Como V es
generado por v1 , . . . , vn tenemos que
ui = ci1 v1 + · · · + cin vn i = 1, . . . , m
luego si
0 = a1 u 1 + · · · + am u m
= a1 (c11 v1 + · · · + c1n vn ) + · · · + am (cm1 v1 + · · · + cmn vn )
= (a1 c11 + a2 c21 + · · · + am cm1 )v1 + · · · + (a1 c1n + a2 c21 + · · · + am cmn )vn .
Por ser los ve tores v1 , . . . , vn l.i. obtenemos el sistema de e ua iones

a1 c11 + a2 c21 + · · · + am cm1 = 0
.. .. ..
. . .
a1 c1n + a2 c21 + · · · + am cmn = 0
on n e ua iones y m in oginitas (m > n), luego el sistema tiene una innidad

de solu iones no triviales, es de ir, existe algún ai 6= 0 para i = 1, . . . , m. Por lo
tanto S es l.d.
Corolario 11 Sea V un espa io de dimensión nita. Cualesquiera dos bases
β1 , β2 tienen el mismo número de ve tores.
Demostra ión
Sean
β1 = {v1 , . . . , vn }
β2 = {u1 , . . . , un }
Como V = L(β1 ) y β2 ⊂ V por el Teorema 24 n ≤ m. Analogamente obtenemos
que m ≤ n, Por lo tanto m = n.
2.4.1. Dimensión
Sea V un espa io ve torial de dimensión nita. Se dene la dimensión de V
omo el número de ve tores en alguna base de V . Y la denotaremos dim V
Ejemplos 31
1. Los ve tores e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) forman una base
para R3 , y enton es dim R3 = 3.
2. Los ve tores e1 , . . . , en son base de Rn , por lo tanto dim Rn = n.
3. Mm×n tiene omo base a los Eij , on i = 1, . . . , m, j = 1, . . . , n, así
dim Mm×n = mn.
4. La dimensión de Pn = {a0 +a1 x+· · ·+an xn | a0 , . . . , an ∈ R} es dim Pn =
n + 1.
5. La dimensión del espa io solu ión del sistema de e ua iones visto en ejem-
plos 105 es 2.
A ontinua ión veremos un resultado que nos fa ilitará veri ar si un onjun-
to de ve tores en un espa io ve torial, es base o no, uando sabemos la dimensión
del espa io ve torial V .
Lema 3 Sea S = {v1 , . . . , vn } ⊂ V onjunto de generadores, tal que existe vj ,
1 ≤ j ≤ n tal que puede es ribirse omo onbina ión lineal de los n − 1 ve tores
restantes, enton es L(S\{vj }) = L(S).
Lema 4 Sean S ⊂ V l.i., y v ∈ V \S , enton es S ′ = S ∪ {v} es l.i.
Teorema 25 Sea V espa io ve torial de dimensión nita n.
1. Cualquier onjunto de generadores de V ontiene una base de V .
2. Si {u1 , . . . , um } es un onjunto l.i. de V , enton es existe un onjunto
{w1 , . . . , wn−m } tal que {u1 , . . . , um , w1 , . . . , wn−m } es base de V .
Demostra ión
1. Sea S = {v1 , . . . , vn } ⊂ V generadores, enton es si S es l.i., S es la base.

En aso ontrario si S es l.d., enton es algún vj , j = 1 . . . , R, se puede ver
omo ombina ión de los otros ve tores; Supongamos que VR es tal ve tor,
luego onsideremos
S (1) = S\{VR } ⊂ V,
y por el lema 3
L(S (1) ) = L(S\{vR }) = L(S).
Ahora repetimos el pro eso para S ( 1), Si S (1) es l.i., enton es S (1) es la
base de V . En aso ontrario (S ( 1) l.d.), supongamos que vR−1 se ve omo
ombina ión lineal de los otros R − 2 ve tores y denimos
S (2) = S (1) \{vR−1 },
y nuevamente
L(S (2) ) = L(S (1) ) = L(S),
así, su esivamente llegamos a algún onjunto l.i. (base) ya que el pro eso
es nito.
2. Denimos S = {v1 , . . . , vn }, y sea V0 = L(S).
Si V0 = V , enton es S es la base de V . En aso ontrario V0 V , y existe
w1 ∈ V tal que w1 6= V0 , así por el Lema 4
V1 = L(S ∪ {w1 }) es l.i.

Si V1 = V , enton es S ∪ {w1 } es la base de V . En aso ontrario V1 V,
y existe w2 ∈ V tal que w2 6= V1 , y por el Lema 4
V2 := L(S ∪ {w1 , w2 }) es l.i.
Repetimos el pro eso anterior y en algún momento obtendremos un on-
junto
S ∪ {w1 , . . . , wR }
tal que VR := L(S ∪ {w1 , . . . , wR }) = V .
Ejemplos 32
Sea V = L(v1 , v2 , v3 , v4 ) on v1 = (1, 2, 3, −1), v2 = (−1, 1, 0, 4), v3 = (3, 4, 7, −5),
v4 = (2, 5, 7, −1). Notemos que V es subespa io de R4 . Por el Teorema 25 del
onjunto {v1 , v2 , v3 , v4 } podemos extraer una base de R4 , para esto onsideremos
la ombina ión
c1 (1, 2, 3, −1) + c2 (−1, 1, 0, 4) + c3 (3, 4, 7, −5) + c4 (2, 5, 7, −1) = (0, 0, 0, 0) (2.1)
luego obtenemos el siguiente sistema

c1 − c2 + 3c3 + 2c4 = 0
2c1 + c2 + 4c3 + 5c4 = 0
3c1 + 7c3 + 7c4 = 0
−c1 + 4c2 − 5c3 − c4 = 0.
Formamos la matriz del sistema y lo llevamos a la redu ida

   
1 −1 3 2 1 −1 3 2
 2 1 4 5   2 1 4 5 
 ∼  ∼
 3 0 7 7  L4 +L1  3 0 7 7  L3 −3L1
−1 4 −5 −1 0 3 −2 1
   
1 −1 3 2 1 −1 3 2
 2 1 4 5 
 ∼L4 −L3  2 1 4 5 

 ∼
 0 3 −2 1   0 3 −2 1  L2 −2L1
0 3 −2 1 0 0 0 0
   
1 −1 3 2 1 −1 3 2
 0 3 −2 1   0 3 −2 1 
 ∼  ∼
 0 3 −2 1  L3 −L2  0 0 0 0  L2 /3
0 0 0 0 0 0 0 0
   
1 −1 3 2 1 0 7/3 7/3
 0 1 −2/3 1/3   0 1 −2/3 1/3 
 ∼  ,
 0 0 0 0  L1 +L2  0 0 0 0 
0 0 0 0 0 0 0 0
luego se tiene el nuevo sistema
c1 + 7/3c3 + 7/3c4 = 0
c2 − 2/3c3 + 1/3c4 = 0
c 3 , c4 ∈ R,
de aquí
c1 = −7/3c3 − 7/3c4
c2 = 2/3c3 − 1/3c4 ,
luego notemos que si c3 = 0, y c4 = 3 de 2.1 obtenemos
−7(1, 2, 3, −1) − 1(−1, 1, 0, 4) = −3(2, 5, 7, −1)
7/3 (1, 2, 3, −1) +1/3 (−1, 1, 0, 4) = (2, 5, 7, −1),
| {z } | {z } | {z }
v1 v2 v4
es de ir, v4 es generado por v1 , v2 . Igualmente si c4 = 0, c3 = 3

−7(1, 2, 3, −1) + 2(−1, 1, 0, 4) = −3(3, 4, 7, −5)
7/3 (1, 2, 3, −1) −2/3 (−1, 1, 0, 4) = (3, 4, 7, −5),
| {z } | {z } | {z }
v1 v2 v3
v3 se ve omo ombina ión lineal de v1 , v2 . Tambien observemos que v1 , v2 son

l.i., luego
L(v1 , v2 , v3 , v4 ) = L(v1 , v2 ).
Ahora extenderemos este onjunto a una base de R4 . Es de ir ne esitamos en-
ontrar dos ve tores que formen una base on v1 , v2 ( ya que e1 , e2 , e3 , e4 for-
man una base de R4 ). Para esto tomemos un ve tor en R4 que no pertenez a a
L(v1 , v2 ): Proponemos omo tal ve tor a w1 = (1, 0, 0, 0); veamos que no perte-
ne e a L(v1 , v2 ), para esto resolvamos
(1, 0, 0, 0) = c1 (1, 2, 3, −1) + c2 (−1, 1, 0, 4).
Obtenemos el sistema de e ua iones

c1 − c2 = 1
2c1 + c2 = 0
3c1 = 0
−c1 + 4c2 = 0,
el ual no tiene solu ión, por lo tanto w1 6∈ L(v1 , v2 ).

Ahora onsideremos L(v1 , v2 , w1 ), y en ontremos otro ve tor que no pertenez a a
L(v1 , v2 , w1 ); proponemos omo tal ve tor a (0, 1, 0, 0) y veamos que no pertene e
a L(v1 , v2 , w1 ). Resolviendo
(0, 1, 0, 0) = c1 (1, 2, 3, −1) + c2 (−1, 1, 0, 4) + c3 (1, 0, 0, 0)
obtenemos
c1 − c2 + c3 = 0
2c1 + c2 = 1
3c1 = 0
−c1 + 4c2 = 0,
y notemos que tal sistema no tiene solu ión, luego w2 6∈ L(v1 , v2 , w1 ). Así obte-
nemos el siguiente onjunto l.i. {v1 , v2 , w1 , w2 }.
Notemos que este onjunto genera a R4 , ya que si no lo generara podríamos
en ontrar w3 ∈ R4 tal que w3 6∈ L(v1 , v2 , w1 , w2 ), luego repitiendo el pro eso
apli ado arriba obtendríamos el onjunto l.i.
L(v1 , v2 , w1 , w2 , w3 )
lo ual ontrade iría que R4 = L(e1 , e2 , e3 , e4 ) (Teorema 24)

Corolario 12
Sea V espa io ve torial de dimensión n.
1. Cualquier onjunto de n ve tores l.i. es una base de V .
2. Cualquier onjunto de ve tores n que genera a V es una base de V .
Observa ión 22
Para ver que un onjunto es base basta probar 1), o 2).
Finalmente on los resultados obtenidos tenemos que
Teorema 26
Sean v1 , . . . , vn ∈ Rn , y la matriz A formada por ellos, enton es v1 , . . . , vn
forman una base ssi det A 6= 0.
Ejemplos 33
¾Que ondi iones deben umplir v1 = (a, b), v2 = (c, d) para formar una base
de R2 ?
De a uerdo on el Teorema anterior, onsideremos la matriz

a c
A=
b d
y al ulemos su determinante det A = ad − cb. Luego los ve tores v1 , v2 forman

una base de R2 ssi ad − cb 6= 0.
2.4.2. Subespa ios de espa ios de dimensión nita

Teorema 27
Sea W subespa io del espa io ve torial de dimensión nita V . Enton es W es
de dimensión nita y dim W ≤ dim V .
Ejemplos 34
1. El espa io C([0, 1]) es de dimensión innita: En efe to sea P el espa io

de los polinomios en [0, 1], si C([0, 1]) fuera de dimensión nita enton es
P sería de dimensión nita lo ual no es posible.
2. Los subespa ios de R3 son {0}, las re tas, los planos, y R3 .
Teorema 28
Sean W1 , W2 subespa ios del espa io de dimensión nita V . Enton es
dim(W1 + W2 ) = dim W1 + dim W2 − dim(W1 ∩ W2 ).
Demostra ión
Sean r = dim W1 ∩ W2 , y β0 = {u1 , . . . , ur } una base de W1 ∩ W2 . Como
W1 ∩W2 es un subespa io de W1 , y de W2 podemos extender esta base a una base
β1 = {u1 , . . . , ur , v1 , . . . , vm } de W1 , y a una base β2 = {u1 , . . . , ur , w1 , . . . , ws }
de W2 . Ahora vemos que β = {u1 , . . . , ur , v1 , . . . , vm , w1 , . . . , ws } es base de
W1 + W2 : Primero veamos que genera, tomemos w = u + v ∈ W1 + W2 omo
u ∈ W1 , y v ∈ W2 , enton es
u = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
v = b1 u1 + · · · + br ur + br+1 w1 + · · · + br+s ws ,
y de aquí
w = u+v
= (c1 + b1 )u1 + · · · + (cr + br )ur + cr+1 v1 + · · · + cr+m vm + br+1 w1 + · · · + br+s ws ,
y por lo tanto genera. Ahora demostremos que es l.i.: Si

0 = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm + cr+m+1 w1 + · · · + cr+s+m ws ,
tenemos que
−br+m+1 w1 − · · · − br+s+m ws = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
notemos que la parte izquierda está en W2 y la parte dere ha está en W1 , es

de ir,
−br+m+1 w1 − · · · − br+s+m ws ∈ W1 ∩ W2 ,
y omo β0 es base de la interse ión
d1 u1 + · · · + dr ur = −br+m+1 w1 − · · · − br+s+m ws ,
y
0 = d1 u1 + · · · + dr ur + br+m+1 w1 + · · · + br+s+m ws ,
pero los ve tores forman la base β2 por lo tanto son l.i., enton es
d1 = · · · = dr = · · · = br+m+ = · · · = br+s+m = 0.
asií
0 = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
pero estos ve tores son l.i. por ser la base β1 por lo tanto
c1 = · · · = cr+m = 0,
y enton es los ve tores u1 , . . . , ur , v1 , . . . , vm , w1 , . . . , ws son l.i. y β es base de

W1 + W2 . Enton es
r + m + s = (r + m) + (r + s) − r.
Corolario 13
Sean W1 , W2 subespa ios del espa io de dimensión nita V tales que W1 ∩ W2 =
{0}. Enton es
dim V = dim W1 + dim W2 .
Ejemplos 35
Consideremos el ejemplo 26, luego
dim(W1 + W2 ) = dim W1 + dim W2 − dim(W1 ∩ W2 )
4 = 3+3−2
2.5. Espa ios Ve toriales on produ to interno
Sea V un espa io ve torial sobre R. Un produ to interno en V lo denimos

omo la fun ión
(·|·) : V × V −→ R
tal que umple las siguientes ondi iones
1. (v|v) ≥ 0 para todo v ∈ V ,

(v|v) = 0 ssi v = 0,
2. (u|v) = (v|u) para todo u, v ∈ V ,
3. (u + v|w) = (u|w) + (v|w) para todo u, v, w ∈ V ,
4. (αu|v) = α(u|v) para todo α ∈ R.
Observa ión 23
1. un espa io ve torial V tal que existe un produ to interno en el, le llama-

remos espa io ve torial on produ to interno.
2. Si V es un espa io ve torial de dimensión nita on produ to interno lo
llamaremos espa io Eu lideano.
En aso de que V sea un espa io ve torial sobre C (números omplejos), el
produ to interno se dene omo la fun ión
(·|·) : V × V −→ C
tal que umple las siguientes ondi iones

1. (v|v) ≥ 0 para todo v ∈ V ,
(v|v) = 0 ssi v = 0,
2. (u|v) = (v|u) para todo u, v ∈ V ,
3. (u + v|w) = (u|w) + (v|w) para todo u, v, w ∈ V ,
4. (αu|v) = α(u|v) para todo α ∈ R.
Observa ión 24
En nuestro aso trabajaremos on espa ios ve toriales sobre R.
Ahora veremos algunas propiedades en los espa ios ve toriales on produ to
interno, así tambien omo las desigualdades más importantes en ellos.
Teorema 29
Sea V un espa io ve torial on produ to interno, enton es
1. (v|0) = 0 para todo v ∈ V ,
 
n X
X n Xn X n
2.  ci vi dj vj  = (ci vi |dj vj ) para todo v1 , . . . , vn ∈ V , y todo
i=1 j=1 i=1 j=1
c1 , . . . , cn ∈ R.
Demostra ión
1. (0|v) = (0 u|v) = 0 (u|v) = 0.

2. Inmediata de la ondi ión 3 de la deni ión de espa io ve torial on pro-
du to interno.
Ejemplos 36
1. Consideremos Rn . Veri ar que la fun ión denida

(x|y) := x1 y1 + · · · + xn yn
on x = (x1 , . . . , xn ), y = (y1 , . . . , yn ), es un produ to interno en Rn : En

efe to
a) (x|x) = x21 + · · · + x2n ≥ 0,
(x|x) = 0 ssi x1 = . . . = xn = 0 ssi x = 0.
b) (x|y) = x1 y1 + · · · + xn yn = (y|x).
) Sea z = (z1 , . . . , zn ) ∈ Rn ,
(x + y|z) = (x1 + y1 )z1 + · · · + (xn + yn )zn
= x1 z1 + y1 z1 + · · · + xn zn + yn zn
= (x1 z1 + · · · + xn zn ) + (y1 z1 + · · · + yn zn )
= (x|z) + (y|z)
d) Sea α ∈ R
(αx|y) = αx1 y1 + · · · + αxn yn
= α(x1 y1 + · · · + xn yn )
= α(x|y)
2. Sea V = C([0, 1]) fun iones ontinuas en [0, 1]. Si f, g ∈ V , denimos
Z 1
(f |g) = f (x)g(x) dx.
0
Veriquemos que es un produ to interno en V : En efe to

R
a) (f |f ) = 01 f 2 (x) dx ≥ 0, pues f 2 ≥ 0. Ahora demostremos la segunda
parte de la ondi ión 1; notemos que
Z 1
si f = 0 ⇒ (f |f ) = f 2 (x) dx = 0.
0
Para demostrar la impli a ión ontraria

(f |f ) = 0 =⇒ f = 0,
demostremos la nega ión de esta f 6= 0 =⇒ (f |f ) > 0: Como por

hipotesis f (x) 6= 0 para todo x ∈ [0, 1], existe x0 ∈ [0, 1] tal que
f (x0 ) 6= 0, y por ontinuidad existe una ve indad Vǫ (x0 ) = {x|x0 −

epsilon < x < ǫ+x0 } tal que f (x) 6= 0 para todo x ∈ Vǫ (x0 ), enton es
omo f 2 (x0 ) > 0 existe t ∈ R+ tal que
f 2 (x0 ) > t > 0 Vǫ (x0 ),
así Z Z
1 x0 +δ
(f |f ) = f 2 (x) dx > f 2 (x) dx > 2ǫ t > 0
0 x0 −ǫ
que era lo que se quería demostrar.
b) Es inmediato:
Z 1 Z 1
(f |g) = f (x)g(x) dx = g(x)f (x) dx = (g|f )
0 0
) Es laro de
R1
(f + g|h) = 0 (f (x) + g(x))h(x) dx
R1 R1
= 0 f (x)h(x) dx + 0 g(x)h(x) dx
= (f |h) + (g|h)
d) Se tiene de
Z 1 Z 1
(αf |g) = (αf (x))g(x) dx = α f (x)g(x) dx.
0 0
Observa ión 25
El produ to interno denido en el ejemplo 36.1 es llamado produ to interno
anóni o de Rn .
Teorema 30 (Desigualdad de Cau hy-S hwartz) Sea V espa io ve torial on
produ to interno, enton es
(u|v)2 ≤ (u|u) (v|v) ∀ u, v ∈ V
Demostra ión
Consideremos u − λv , on λ ∈ R, luego
0 ≤ (u − λv|u − λv)
= (u|u) + (u| − λv) + (−λv|u) + (−λv| − λv)
= (u|u) − 2λ(u|v) + λ2 (v|v),
omo λ es arbitrario, en parti ular tomando λ = (u|v)

(v|v)
0 ≤ (u − λv|u − λv)
2
(u|v) (u|v)
= (u|u) − 2 (u|v) + (v|v)
(v|v) (v|v)
(u|v)2
= (u|u) − ,
(v|v)
así
(u|v)2 ≤ (u|u) (v|v)
Observa ión 26
La igualdad se umple ssi u = λv o v = λu on λ ∈ R.
Corolario 14
Sean x1 , . . . , xn , y1 , . . . , yn ∈ R, enton es
n
!2 n
! n
!
X X X
xi yi ≤ x2i yi2
i=1 i=1 i=1
Demostra ión
Apli ar el Teorema 30 a Rn on su produ to interno anóni o.
Corolario 15 Sean f, g ∈ C([0, 1]), enton es
Z 1 2 Z 1 Z 1
2 2
f (x)g(x) dx ≤ f (x) dx g (x) dx
0 0 0
Demostra ión
Apli ar el Teorema anterior a C([0, 1]) on su produ to interno.
2.5.1. Norma y distan ia

Sea V un espa io ve torial on produ to interno. Se dene la norma del
ve tor v ∈ V omo p
kvk = (v|v).
Ejemplos 37
1. Sea V = R2 on el produ to interno anóni o, la norma es denida omo

p p
k(x, y)k := ((x, y)|(x, y)) = x2 + y 2 ,
así p √
k(1, 2)k = 12 + 22 = 5.
Similarmente para Rn la norma se dene omo
q
k(x1 , . . . , xn )k := x21 + . . . + x2n .
2. Si V = C([0, 1]) la norma se dene omo

s
p Z 1
kf k := (f |f ) = f 2 (x) dx.
0
Por ejemplo
qR q
1 1 2
kex k = 0
e2x dx = 2 (e − 1)
Teorema 31 p
Sea V espa io ve torial on produ to interno. La norma kuk = (u|u) tiene las
siguientes propiedades
1. kvk ≥ 0 para todo v ∈ V ,
kvk = 0 ssi v = 0,
2. kαvk = |α| kvk para todo α ∈ R, para todo v ∈ V ,
3. ku + vk ≤ kuk + kvk para todo u, v ∈ V (Desigualdad triangular).
Ahora denimos la distan ia entre dos ve tores u, v ∈ V espa io ve torial
on produ to interno omo
d(u, v) := ku − vk.
Ejemplos 38
1. La distan ia entre los ve tores u = (1, 2, 3), v = (3, 6, −2) ∈ R3 es

d(u, v) = ku − vk = k(1, 2, 3) − (3, 6, −2)k
= k(−2,
√ −4, 5)k
= √ 4 + 16 + 25
= 45.
2. La distan ia entre u = sin x, v = cos x ∈ C([0, 1]), es

d(u, v) = ku
qR− vk = k sin x − cos xk
1
= (sin x − cosx)2 dx
qR0 R1 R1
1
= 0 sin2 x dx − 2 0 sin x cos x dx + 0 cos2 x dx
qR R1
1
= dx − 2 0 sin x cos x dx
q 0 R1
= 1 − 22 0 sin 2x dx
q 1
= 1 − 12 cos 2x0 dx
q
1 cos 2
= 2 − 2 .
Teorema 32
Sea V un espa io ve torial on produ to interno. La distan ia d(u, v) = ku − vk
on u, v ∈ V tiene las siguientes propiedades
1. d(u, v) ≥ 0 para ualesquiera u, v ∈ V ,
d(u, v) = 0 ssi u = v ,
2. d(u, v) = d(v, u) para ualesquiera u, v ∈ V ,
3. d(u, v) ≤ d(u, w) + d(w, v) para ualesquiera u, v, w ∈ V .
2.5.2. Ángulo entre dos ve tores

Sean u, v ∈ V no nulos denimos el ángulo entre u, y v omo
(u|v)
θ = arc cos (0 ≤ θ ≤ π)
kuk kvk
Ejemplos 39
1. Sean u = (1, 2, 3), v = (3, 5, 2) ∈ R3 . En ontrar el ángulo entre ellos:

(u|v) = 3 + 10 + 6 = 19,
√ √
kuk = √1 + 4 + 9 = √14,
kvk = 9 + 25 + 4 = 38
por lo tanto
19
θ = arc cos √ = 34◦ ,537
532
2. Sean u = (1, 0), v = (3, 1) ∈ R2 . En ontrar el ángulo entre ellos:

(u|v) = 3,
√
kuk = √1 = 1, √
kvk = 9 + 1 = 10
por lo tanto
3
θ = arc cos √ = 18◦ ,434.
10
Teorema 33 (Ley de los osenos)

Sean v1 , v2 ∈ V espa io ve torial on produ to interno, y θ el ángulo entre ellos,
enton es
kv1 − v2 k2 = kv1 k2 + kv2 k2 − 2kv1 k kv2 k cos θ
Demostra ión
Es inmediata de
kv1 − v2 k2 = (v1 − v2 |v1 − v2 ) y (v1 |v2 ) = kv1 k kv2 k cos θ.
Observa ión 27
1. Los ve tores v1 , v2 ∈ V son ortogonales si (v1 |v2 ) = 0.

2. Un onjunto se di e ortogonal si ada par de ve tores en el es ortogonal.
Ejemplos 40
1. El ve tor ero es ortogonal a ualquier otro ve tor v ∈ V : (0|v) = 0 para

todo v ∈ V .
2. Sea V = M3×2 , los ve tores
   
2 0 3 5
A =  1 3 , B= 0 −2 
−2 1 1 2
son ortogonales (aquí el produ to interno es la suma del produ to de en-

trada por entrada): En efe to
(A|B) = 2(3) + 0(5) + 1(0) + 3(−2) − 2(1) + 1(2) = 0.
2.6. Bases ortonormales
Sea V espa io ve torial de dimensión nita on produ to interno. La base

β = {v1 , . . . , vn } de V se di e base ortonormal de V si β es un onjunto ortogonal
de ve tores y kvi k = 1 para todo i = 1, . . . , n.
Observa ión 28
un onjunto ortonormal de V es base ssi el onjunto genera a V .
Ejemplos 41
El onjunto {e1 , . . . , en } ⊂ Rn es base ortonormal on el produ to interno a-
nóni o de Rn : En efe to para i, j = 1, . . . , n

0 si i 6= j
(ei |ej ) =
1 si i = j,
así kei k = 1, para todo i = 1, . . . , n.
Teorema 34
Sea β = {v1 , . . . , vn } un onjunto ortonormal en un espa io ve torial V on
produ to interno. Las siguientes arma iones son equivalentes
1. β es base de V .
2. Para todo v ∈ V n
X
v= (v|vi )vi ,
i=1
3. Para ualesquiera u, v ∈ V ,
n
X
(u|v) = (u|vi ) (vi |v),
i=1
4. Para ualesquiera ve tor v ∈ V ,

n
X
kvk2 = (v|vi )2 .
i=1
Demostra ión
1) ⇒ 2) v ∈ V , enton es
v = c1 vi + · · · + cn vn
y notemos que (v|vi ) = ci para todo i = 1, . . . , n, así
n
X
v= (v|vi )vi
i=1
2) ⇒ 3) Sean u, v ∈ V ,luego
n
X
u= (u|vi )vi ,
i=1
y por lo tanto
n
X
(u|v) = (u|vi )(vi |v).
i=1
3) ⇒ 4) Se tiene de 3, tomando u = v .
4) ⇒ 1) Para v ∈ V
n
X
kvk2 = (u|vi )2 ,
i=1
la igualdad se umple ssi u ∈ L(v1 , . . . , vn ): En efe to

n
X
u ∈ L(v1 , . . . , vn ) ssi w =u− (u|vi )vi = 0
i=1
ssi
n
X n
X n
X
0 = kwk2 = (u|u) − 2 (u|vi )2 + (u|vi )2 = kuk2 − (u|vi )2 .
i=1 i=1 i=1
Ejemplos 42
Sea β = {u, v, w} ⊂ R3 on u = (2/3, −2/3, 1/3), v = (2/3, 1/3, −2/3), w =
(1/3, 2/3, 2/3) y el produ to interno anóni o de R3 . β es una base ortonormal
de R3 : En efe to
4 2 2 2 4 2
(u|v) = 9 − 9 − 9 = 0, (u|w) = 9 − 9 + 9 = 0,
2 2 4
(u|v) = 9 + 9 − 9 = 0,
y q q
4
kuk = + 94 +
9
1
9 = 1, kvk = 4
9 + 1
9 + 4
9 = 1,
kwk = 1,
luego β es base ortonormal de R3 (es un onjunto l.i. de tres ve tores).
Ahora veamos lo prá ti o que es tener una base ortonormal; por ejemplo si
queremos expresar u′ = (6, 6, −9) omo ombina ión lineal de la base, para esto
por el Teorema 34
(6, 6, −9) = (u′ |u)u + (u′ |v)v + (u′ |w)w
= (4 − 4 − 3)u + (4 + 2 + 6)v + (2 + 4 − 6)w
= −3u + 12v
Ahora veremos que todo espa io ve torial V dimensión nita on produ to

interno posee una base ortonormal.
2.6.1. Pro eso de Gram-S hmidt

Sea V espa io ve torial de dimensión nita n, on produ to interno, y β =
{v1 , . . . , vn } base de V . Construiremos una base ortonormal βON = {u1 , . . . , un }
y el pro eso que utilizaremos es el llamado pro eso de ortonormaliza ión de
Gram-S hmidt: si n = 1, tenemos que β = {v1 }, para onstruir la base ortonor-
mal solo ne esitamos normalizar v1 , es de ir,
v1
u1 = ,
kv1 k
y laramente ku1 k = kv11 k = 1, por lo tanto βON = {u1 }.

Para n = 2, β = {v1 , v2 }, y para ontruir la base ortonormal βON = {u1 , u2 }
primero tomamos
v1
u1 = ,
kv1 k
y omo antes ku1 k = 1. Para en ontrar u2 des omponemos
v2 = w1 + w2 (2.2)
on w1 ∈ L(u1 ) y w2 ortogonal a u1 , de aquí obtenemos que
w1 = cu1 c es alar (w2 |u1 ) = 0,
por 2.2
w2 = v2 − w1 = v2 − cu1
y enton es
0 = (w2 |u1 ) = (v2 |u1 ) − c(u1 |u1 ) = (v2 |u1 ) − c,
por lo tanto c = (v2 |u1 ), y por 2.2
w2 = v2 − (v2 |u1 )u1
nalmente normalizemos el ve tor w2

v2 − (v2 |u1 )u1
u2 = .
kv2 − (v2 |u1 )u1 k
Para n = 3, β = {v1 , v2 , v3 }. Para onstruir la base ortonormal βON = {u1 , u2 , u3 }
pro edemos omo antes así
v1
u1 = ,
kv1 k
y
v2 − (v2 |u1 )u1
u2 = ;
kv2 − (v2 |u1 )u1 k
Para al ular u3 des omponemos
v3 = w1 + w2
on w1 ∈ L(u1 , u2 ), y w2 ortogonal a u1 , y u2 , es de ir,
w1 = c1 u1 + c2 u2 c1 , c2 es alares,
y
(w2 |u1 ) = 0, (w2 |u2 ) = 0
de aquí
w2 = v3 − w1 = v3 − c1 u1 − c2 u2 ,
y
0 = (w2 |u1 ) = (v3 |u1 ) − c1
0 = (w2 |u2 ) = (v3 |u2 ) − c2
por lo tanto
w2 = v3 − (v3 |u1 )u1 − (v3 |u2 )u2
nalmente
v3 − (v3 |u1 )u1 − (v3 |u2 )u2
u3 =
kv3 − (v3 |u1 )u1 − (v3 |u2 )u2 k
y hemos en ontrado la base ortonormal.
El aso general nos lo da el siguiente Teorema
Teorema 35 Sea β = {v1 , . . . , vn } base de V espa io ve torial on produ to
interno, enton es βON = {u1 , . . . , un } donde
v1
u1 =
kv1 k
v2 − (v2 |u1 )u1
u2 =
v2 − (v2 |u1 )u1
.. .. ..
. . Pn−1
.
vn − i=1 (vn |ui )ui
un = Pn−1
kvn − i=1 (vn |ui )ui k
es una base ortonormal.
Demostra ión
Por indu ión, supongamos que se umple para n = r, y veamos que se um-
ple para r + 1. Sea β = {v1 , . . . , vr+1 } base de V , por hipotesis de indu ión
{v1 , . . . , vr } tiene omo base ortonormal a βON = {u1 , . . . , ur }, y denimos
Pr
vr+1 − i=1 (vr+1 |ui )ui
ur+1 = Pr
kvr+1 − i=1 (vr+1 |ui )ui k
notemos que ur+1 6= 0 ya que en aso ontrario

r
X
vk = (vr+1 |ui ) ∈ L(u1 , . . . , ur+1 ) = L(v1 , . . . , vr+1 )
i=1
lo ual ontradi e que v1 , . . . , vr+1 son l.i. Claramente se ve que kur+1 k = 1,

ahora veamos que es ortogonal a los otros r ve tores: En efe to
" r
#
1 X
(ur+1 |uj ) = Pr (vr+1 |uj ) − (vr+1 |ui ) (ui |uj )
kvr+1 − i=1 (vr+1 |uj )uj k i=1
1
= Pr [(vr+1 |uj ) − (vr+1 |uj ) (uj |uj )]
kvr+1 − i=1 (vr+1 |uj )uj k
= 0.
Finalmente omo {u1 , . . . , ur+1 } forma un onjunto ortonormal de r +1 ve tores

en el espa io de dimensión r + 1, es una base de V .
Corolario 16
Todo espa io ve torial de dimensión nita on produ to interno posee una base
ortonormal.
Ejemplos 43
1. Consideremos R2 y β = {v1 , v2 } ⊂ R2 base on

v1 = (1, 1), v2 = (4, 0).
En ontrar una base ortonormal de R2 . De a uerdo al Teorema anterior

v1 (1, 1)
u1 = =√ = ( √12 , √12 )
kv1 k 12 + 12
v2 − (v2 |u1 )u1

u2 =
kv2 − (v2 |u1 )u1 k

(4, 0) − (4, 0)|( √12 , √12 ) ( √12 , √12 )
=
(4, 0) − (4, 0)|( √12 , √12 ) ( √12 , √12 )

(4, 0) − √4 ( √1 , √1 )
2 2 2
=
√4 ( √1 , √1 )

(4, 0) − 2 2 2
(4, 0) − (2, 2)
=
k(4, 0) − (2, 2)k
(2, −2)
= p
22 + (−2)2
(2, −2)
= √
2 2
1 1
= (√ , −√ )
2 2
2. Consideremos R3 y β = {v1 , v2 , v3 } ⊂ R3 base on

v1 = (1, 1, 0), v2 = (1, 1, 1), v3 = (0, 1, 1).
En ontrar una base ortonormal de R3 . Dea uerdo al Teorema anterior

v1 (1, 1, 0)
u1 = = √ = ( √12 , √12 , 0)
kv1 k 12 + 12
v2 − (v2 |u1 )u1

u2 =
kv2 − (v2 |u1 )u1 k

(1, 1, 1) − (1, 1, 1)|( √12 , √12 , 0) ( √12 , √12 , 0)
=
(1, 1, 1) − (1, 1, 1)|( √12 , √12 , 0) ( √12 , √12 , 0)

(1, 1, 1) − √2 ( √1 , √1 , 0)
2 2 2
=
√2 ( √1 , √1 , 0)

(1, 1, 1) − 2 2 2
(1, 1, 1) − (1, 1, 0)
=
k(1, 1, 1) − (1, 1, 0)k
(0, 0, 1)
=
1
v3 − (v3 |u1 )u1 − (v3 |u2 )u2

u3 =
kv3 − (v3 |u1 )u1 − (v3 |u2 )u2 k

(0, 1, 1) − (0, 1, 1)|( √12 , √12 , 0) ( √12 , √12 , 0) − ((0, 1, 1)|(0, 0, 1)) (0, 0, 1)
=
(0, 1, 1) − (0, 1, 1)|( √12 , √12 , 0) ( √12 , √12 , 0) − ((0, 1, 1)|(0, 0, 1)) (0, 0, 1)

(0, 1, 1) − √1 ( √12 , √12 , 0) − (0, 0, 1)

2
=
√1 ( √12 , √12 , 0) − (0, 0, 1)

(0, 1, 1) − 2
(0, 1, 1) − ( 21 , 12 , 0) − (0, 0, 1)
=
(0, 1, 1) − ( 1 , 1 , 0) − (0, 0, 1)

2 2
(− 1 , 1 , 0)
= 12 21
(− , , 0)
2 2
√ 1 1
= 2 (− , , 0)
2 2
2.7. Proye ión ortogonal
Sean v1 , v2 ∈ V espa io ve torial, la proye ión ortogonal de v1 a v2 está

dada por
(v1 |v2 )
Pv2 (v1 ) := αv2 , on α= .
kv2 k2
Ejemplos 44
1. Hallar la proye ión ortogonal de v1 = (1, 2) sobre v2 = (0, 3):

(v1 |v2 ) = 1(0) + 2(3) = 6 6 2
=⇒ Pv2 (v1 ) = v2 = v2
kv2 k2 = 32 = 9 9 3
2. Hallar la proye ión ortogonal de v1 = (−1, 2) en v2 = (3, 1):

(v1 |v2 ) = −1(3) + 2(1) = −1 −1 −3 −1
=⇒ Pv2 (v1 ) = v2 = ( , ).
kv2 k2 = 32 + 12 = 10 10 10 10
Lista de ejer i ios
1. Diga si ada uno de los siguientes sub onjuntos del espa io ve torial R3
son o no subespa ios ve toriales
a) {(x1 , x2 , x3 )| x1 = x2 = x3 = 0}.
b) {(x1 , x2 , x3 )| x1 + x2 + x3 = 0}.
) {(x1 , x2 , x3 )| x1 = 0}.
d) {(x1 , x2 , x3 )| x1 x2 x3 ≥ 3}.
e) {(x1 , x2 , x3 )| x3 = 1}.
2. Diga si ada uno de los siguientes sub onjuntos del espa io ve torial Rn
a) {(x1 , . . . , xn )| c1 x1 + c2 x2 + · · · + cn xn = 0}.
b) {(x1 , . . . , xn )| x1 + · · · + xn = 0}.
) {(x1 , . . . , xn )| x1 = 0}.
d) {(x1 , . . . , xn )| x1 x2 x3 ≥ 3}.
e) {(x1 , . . . , xn )| x21 + · · · + x2n = 0}.
3. Diga si ada uno de los siguientes sub onjuntos del espa io ve torial P3
a) {a0 + a1 x + a2 x2 + a3 x3 | a0 + a1 = 0}.
b) {a0 + a1 x + a2 x2 + a3 x3 | a0 = a1 = a2 = a3 = 0}.
) {a0 + a1 x + a2 x2 + a3 x3 | a3 = 1}.
d) {a0 + a1 x + a2 x2 + a3 x3 | a0 = a1 = a2 = a3 }.
4. Diga si ada uno de los siguientes sub onjuntos del espa io ve torial Mn×n
a ) {A = (aij )i,j=1,...,n | a11 + a22 + · · · + ann = 0}.
b ) {A = (aij )i,j=1,...,n | aij = 0 i, j = 1, . . . , n}.
) {A = (aij )i,j=1,...,n | aij = 0 si i > j}.
5. Demuestre que el ve tor (2, 5) ∈ R2 es una ombina ión lineal de los
ve tores v1 = (1, 3), v2 = (2, −1).

−1 3
6. Demuestre que el ve tor ∈ M2×2 es una ombina ión lineal
2 −1
de los ve tores

1 1 −1 3 0 1 0 0
v1 = , v2 = , v3 = , v4 = ,
1 1 0 4 3 −1 0 1
7. Determine el menor de los subespa ios de R2 en el que se en uentran los

ve tores v1 = (1, 3), v2 = (−1, 2).
8. Determine el menor de los subespa ios de M2×2 en el que se en uentran
los ve tores
1 3 −1 2
v1 = , v2 = ,
8 1 0 1
9. Des riba los siguientes subespa ios de R3

a) L((1, 2, −1)).
b) L((2, 1, 4), (3, −1, 0)).
) L((2, 1, 2), (−1, 0, 4), (3, 1, 4)).
d) L((1, 1, 1), (2, 2, 2), (−3, −3, −3), (4, 4, 4), (−5, −5, −5)).
10. Demuestre que el espa io R3 es generado por ada uno de los siguientes
onjuntos de ve tores
a ) v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1).
b ) v1 = (1, 1, 1), v2 = (2, 3, −5), v3 = (0, 1, 0).
) v1 = (2, 3, 1), v2 = (3, 4, 2), v3 = (0, 1, 3), v4 = (1, 3, −1).
11. Demuestre que el espa io R4 no es generado por ada uno de los siguientes
onjuntos de ve tores
a ) v1 = (2, 1, 3, 1), v2 = (3, 1, 1, 1).
b ) v1 = (3, 1, 1, 1), v2 = (1, 2, −1, 1), v3 = (5, 5, −1, 3), v4 = (3, 1, 0, 0).
12. Determine uáles de los siguientes onjuntos de ve tores en R3 son lineal-
mente independientes
a) v1 = (2, 3, 5), v2 = (3, 1, 4).
b) v1 = (1, 2, 1).
) v1 = (1, 1, 2), v2 = (3, 1, 1), v3 = (1, 1, 2).
d) v1 = (1, 3, 1), v2 = (2, 1, −1), v3 = (0, 3, 2).
13. Demuestre que el ve tor v1 = (8, 5, 0) ∈ R3 , se puede ver omo ombina-
ión lineal de los ve tores v1 = (3, 1, 1) y v2 = (−1, 2, −3)
14. Determine si los siguientes onjuntos de ve tores en M2×2 onstituye una
base de este espa io
a)

1 0 1 1 1 1 1 1
v1 = , v2 = , v3 = , v4 = .
0 0 0 0 1 0 1 1
b)

1 0 0 1 2 3 −1 4
v1 = , v2 = , v3 = , v4 = .
0 1 1 0 3 2 5 3
15. Determine una base del espa io solu ión de ada uno de los sistemas ho-
mogeneos de e ua iones lineales siguientes
a)
x1 + x2 = 0
2x1 + 2x2 = 0
b)
3x1 + x2 − x3 = 0
x1 − x2 + x3 = 0
16. Demostrar que ada uno de los siguientes onjuntos de ve tores son base
de R3
a ) v1 = (1, 2, 1), v2 = (2, 3, 3), v2 = (3, 7, 1).
b ) v1 = (3, 1, 4), v2 = (5, 2, 1), v2 = (1, 1, −6).
17. En uentre una base β de R3 tal que β ontenga a los ve tores indi ados:
a) v1 = (1, 1, 1).
b) v1 = (2, 3, 1), v2 = (3, 1, 2).
) v1 = (1, 1, 1), v2 = (3, −1, 4), v3 = (0, 1, 2).
d) v1 = (1, 2, 3), v2 = (5, 2, 1), v3 = (7, 6, 2), v4 = (3, −1, 4).
18. Considere el siguiente onjunto de ve tores en R3
S = {(2, 1, 1), (10, 0, 2), (3, −1, 0), (−3, 6, 3), (0, 1, −1)}
a ) Demuestre que S es un onjunto de generadores de R3 .

b ) Extraiga una base para R3 .
19. Considere el subsespa io W de R4 generado por los ve tores
v1 = (0, 1, −3, 2), v2 = (1, −1, 0, 1), v3 = (3, 0, 1, −1), v4 = (4, 0, −2, 2).
a ) Obtenga una base β de W formada por algunos de estos generadores.

b ) Complete β para formar una base de R4 .
20. Considere los subespa ios W2 y W2 de Mn×n dados por
W1 = {A ∈ Mn×n | A = At } Matri es simétri as,
W2 = {A ∈ Mn×n | A = −At } Matri es antisimétri as,
a ) Determine bases para W1 y W2 .

b ) Demuestre que
n(n+1) n(n−1)
dim W1 = 2 dim W2 = 2 .
) Demuestre que Mn×n = W1 ⊕ W2 .

(Sugeren ia para ualquier matriz A de orden n, A + At es simétri a y
A − At es antisimétri a).
21. Considere el espa io R3 on el produ to interno anóni o. Cal ule las nor-
mas de los siguientes ve tores:
√ √
a ) (1/ 2, 1, 2).
b ) (0, −3, −1).
) (3, 1, 4).
22. Veri ar si
(x|y) = x1 y1 + 2x2 y2 + 3x3 y3 ,
es un produ to interno de R3 .
23. Veri ar si
(x|y) = 3x1 y1 − 2x2 y2 + 3x3 y3 ,
es un produ to interno de R3 .
24. En C([−1, 1]) onsidere el produ to interno
Z 1
(f |g) = f (x)g(x) dx.
−1
Cal ule las normas de los siguientes ve tores

a ) f (x) = ex ,
b ) f (x) = x2 ex ,
) f (x) = cos(x).
25. Cal ule la distan ia entre los siguientes pares de ve tores de R3
a ) u = (1, 2, −1), v = (2, 0, 1).
b ) u = (−1, −2, −1), v = (0, 0, 1).
) u = (−1, 0, −1), v = (1, 3, 2).
26. Cal ule la distan ia entre los siguientes pares de ve tores de M2×2
a)

1 3 0 0
u= v= .
2 4 0 0
b)

3 1 3 −1
u= v= .
2 1 2 −1
27. Cal ule el ángulo entre los siguientes pares de ve tores de R2

a ) u = (2, 3), v = (2, −1).
b ) u = (1, 0), v = (0, 1).
) u = (2, 4), v = (−6, 3).
28. Cal ule el ángulo entre los siguientes pares de ve tores de M2×2
a)

2 −1 3 4
u= v= .
3 2 2 2
b)

1 1 2 −3
u= v= .
2 3 1 4
29. Demuestre que el onjunto de ve tores de R4

(2, 3, −3, 2), (2, −1, −1, −2) y (1, 2, 2, −1),
es un onjunto ortogonal.

2 1 2 1 2 2
S= ( , , ), ( , , − )
3 3 3 3 3 3
es un onjunto ortonormal. Determine si ada uno de los ve tores siguientes

pertene e a S :
a ) (1, 2, 1).
b ) (3, 3, 0).

1 1 1 1 1 1 1 1
S= ( √ , 0, √ , 0), (0, − √ , 0, √ ), ( , − , − , − )
2 2 2 2 2 2 2 2
es un onjunto ortonormal. Determine los valores c1 , c2 , c3 y c4 tales que
1 1 1 1 1 1 1 1
(x1 , x2 , x3 , x4 ) = c1 ( √ , 0, √ , 0)+c2 (0, − √ , 0, √ )+c3 ( , − , − , − ).
2 2 2 2 2 2 2 2
32. Considere el espa io ve torial R2 on el produ to interno anóni o. Apartir

de la base β = {(2, 2), (4, −2)} onstruya una base ortonormal.
33. Considere el espa io ve torial R3 on el produ to interno
(x|y) := x1 y1 + 2x2 y2 + x3 y3
Apartir de la base β = {(1, 1, 1), (2, 3, −1), (5, 2, −2)} onstruya una base
ortonormal.
34. Obtenga una base ortonormal para ada uno de los siguientes subespa ios
de R3 on el produ to interno anóni o
a ) {(x, y, z)| 2x + 3y − z = 0}.
b ) {(x, y, z)| z = 0}.
) {(x, y, z)| x = 3t, y = t, z = −2t}.
35. Obtenga una base ortonormal para ada uno de los siguientes subespa ios
de R4 on el produ to interno anóni o
a ) {(x, y, z, w)| y = z = w = 0}.
b ) {(x, y, z, w)| x = z, y = w}.
) L({(1, 2, 3, 1), (2, 1, 2, 2)}).
36. A partir de las bases dada onstruir una base ortonormal:
a ) β = {(1, 1, 1), (2, 3, −1), (5, 2, −2)} base de R3 .
b ) β = {(2, 2), (4, −2)} base de R2 .
) β = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} base de R4 .
Capítulo 3
Transforma iones Lineales

3.1. Con eptos fundamentales
Una transforma ión lineal entre dos espa ios ve toriales V , W (sobre R), es
una fun ión T : V −→ W que umple
1. T (u + v) = T (u) + T (v) para ualesquiera u, v ∈ V .
2. T (αv) = αT (v) para todo v ∈ V , y todo α ∈ R
Observa ión 29
1. La primera ondi ión signi a que T preserva sumas. La segunda ondi-

ión signi a que T preserva multipli a ión por es alar.
2. Si V = W enton es T se llamará operador lineal.
Propiedades 1
1. T (0) = 0,
2. T (−v) = −T (v) para todo v ∈ V .
n
! n
X X
3. T ci vi = ci T (vi ), c1 , . . . , cn ∈ R, v1 , . . . , vn ∈ V .
i=1 i=1
Ejemplos 45
1. La transforma ión ero:T : V −→ W tal que T (v) = 0 para todo v ∈ V ;

veamos que es lineal
T (u + v) = 0 = T (u) + T (v),
89
CAPÍTULO 3. TRANSFORMACIONES LINEALES 90
T (αv) = 0 = αT (v).
2. La transforma ión identidad: T : V −→ W tal que T (v) = v; veamos que
es lineal
T (u + v) = u + v = T (u) + T (v),
T (αv) = αv = αT (v).
3. La transforma ión reexión on respe to al eje X : T : R2 −→ R2 dada
por
T (x, y, z) := (x, −y).
Veamos que es lineal:
T ((x1 , y1 ) + (x2 , y2 )) = T ((x1 + x2 , y1 + y2 )) = (x1 + x2 , −y1 − y2 )

= (x1 , −y1 ) + (x2 , −y2 )
= T (x1 , y1 ) + T (x2 , y2 ),
T (α(x, y)) = T ((αx, αy)) = (αx, −αy)

= α(x, −y)
= αT ((x, y)).
4. Considere la transforma ión T : R3 −→ R2 dada por

T ((x, y, z)) := (2x + 3y − 4z, x + 2y + z).
Veri ar si es lineal o no:
T ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = T ((x1 + x2 , y1 + y2 , z1 + z2 ))

= (2(x1 + x2 ) + 3(y1 + y2 ) − 4(z1 + z2 ),
(x1 + x2 ) + 2(y1 + y2 ) + (z1 + z2 ))
= (2x1 + 3y1 − 4z1 , x1 + 2y1 + z1 )
+ (2x2 + 3y2 − 4z2 , x2 + 2y2 + z2 )
= T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ),
T (α(x, y, z)) = T ((αx, αy, αz)) = (2αx + 3αy − 4αz, αx + 2αy + αz)
= α(2x + 3y − 4z, x + 2y + z)
= αT ((x, y, z)).
por lo tanto la transforma ión es lineal.

5. Consideremos transforma ión T : R2 −→ R dada por
T ((x, y)) := x + y + 1.
Veri ar si es o no lineal:
T ((x1 , y1 ) + (x2 , y2 )) = T ((x1 + x2 , y1 + y2 )) = x1 + x2 + y1 + y2 + 1

= x1 + y1 + 1 + x2 + y2
= T (x1 , y1 ) + x2 + y2
6 = (x1 + y1 + 1) + (x2 + y2 + 1)
= T (x1 , y1 ) + T (x2 , y2 ).
Por lo tanto no es transforma ión lineal.
Teorema 36 Sean V, W espa ios ve toriales, on dimV = n, β = {v1 , . . . , vn } ⊂
V base, y {u1 , . . . , un } ⊂ W , enton es existe una úni a transforma ión lineal
T : V −→ W tal que
T (vi ) = ui on i = 1, . . . , n.
Demostra ión
Denimos la transforma ión T omo
T (c1 v1 + · · · + cn vn ) := c1 u1 + · · · + cn un ,
on c1 , . . . , cn ∈ R, y notemos que
T (0v1 + · · · + 1vi + · · · + 0vn ) = ui ,
es de ir si solo el oe iente del i-ésimo lugar es diferente de ero (1) obtenemos
ui . Esto se umple para ada i = 1, . . . , n. Solo resta ver que es lineal
1. Suma:
T (u + v) = T ((a1 v1 + · · · + an vn ) + (b1 v1 + · · · + bn vn ))
= T ((a1 + b1 )v1 + · · · + (an + bn )vn )
= (a1 + b1 )u1 + · · · + (an + bn )un
= (a1 u1 + · · · + an un ) + (b1 u1 + · · · + bn un )
= T (a1 v1 + · · · + an vn ) + T (b1 v1 + · · · + bn vn )
2. Multipli a ión por es alar:
T (αv) = T (α(a1 v1 + · · · + an vn ))
= T ((αa1 )v1 + · · · + (αan )vn )
= (αa1 )u1 + · · · + (αan )un
= α(a1 u1 + · · · + an un )
= αT (a1 v1 + · · · + an vn ).
Para nalizar veremos la uni idad: Supongamos que existe otra transforma ión
T̃ tal que
T̃ (c1 v1 + · · · + cn vn ) = c1 u1 + · · · + cn un
de aquí
T̃ (vi ) = ui ∀ i = 1, . . . , n,
por lo tanto T = T̃ .
Corolario 17 Si T1 , T2 son dos transforma iones lineales de V a W , y β =
{v1 , . . . , vn } ⊂ V base, tal que T1 (vi ) = T2 (vi ) para todo i = 1, . . . , n ( oin iden
en una base), enton es T1 = T2 .
3.2. Nú leo e imagen
Sean V, W espa ios ve toriales. T : V −→ W transforma ión lineal, de-

nimos el nú leo (kernel) de T omo
Ker T := {v ∈ V | T v = 0}.
También denimos la imagen de T omo

Im T := {w ∈ W | existe v ∈ V, tal que T v = w}.
Propiedades 2
1. Ker T es un subespa io ve torial de V .

2. Im T es un subespa io ve torial de W .
Ejemplos 46
1. En ontrar el nú leo y la imagen de la transforma ión T : R3 −→ R3

denida por
T ((x, y, z)) := (x + 2y + z, 3x + y − 2z, −x − 7y − 6z).
Para al ular el nú leo T ((x, y, z)) = 0, enton es

x + 2y + z = 0,
3x + y − 2z = 0,
−x − 7y − 6z = 0,
debemos resolver el sistema para saber la forma del nú leo; por el método
de redu ión de Gauss
   
1 2 1 1 2 1
 3 1 −2  ∼L3 +L1  3 1 −2  ∼L2 −3L1
−1 −7 −6 0 −5 −5
   
1 2 1 1 2 1
 0 −5 −5  ∼L3 −L2  0 −5 −5  ∼L2 /−5
0 −5 −5 0 0 0
   
1 2 1 1 0 −1
 0 1 1  ∼L1 −2L2  0 1 1 ,
0 0 0 0 0 0
así obtenemos
x−z = 0 x=z
=⇒
y+z = 0, y = −z,
enton es si z = t, las solu iones tienen la forma

(t, −t, t) = t(1, −1, 1),
y enton es Ker T = L((1, −1, 1)) = {t(1, −1, 1)| t ∈ R}. Ahora al ule-
mos la imagen: Por deni ión T ((x, y, z)) = (a, b, c) (ve tor arbitrario), y
obtenemos
x + 2y + z = a
3x + y − 2z = b
−x − 7y − 6z = c,
luego resolviendo el sistema para ono er la forma de la imagen,
   
1 2 1 | a 1 2 1 | a
 3 1 −2 | b  ∼L3 +L1  3 1 −2 | b  ∼L2 −3L1
−1 −7 −6 | c 0 −5 −5 | c+a
   
1 2 1 | a 1 2 1 | a
 0 −5 −5 | b − 3a  ∼L3 −L2  0 −5 −5 | b − 3a  ∼L2 /−5
0 −5 −5 | c + a 0 0 0 | c − b + 4a
   
1 2 1 | a 1 0 −1 | 4a − b + c
 0 1 1 | − 1 b + 3 a  ∼L1 −2L2  0 1 1 | − 51 b + 53 a  ,
5 5
0 0 0 | c − b + 4a 0 0 0 | c − b + 4a
así obtenemos
x−z = 4a − b + c
y+z = − 51 b + 53 a
0 = c − b + 4a,
por lo tanto
Im T = {(a, b, c) ∈ R3 | 4a − b + c = 0}
= {(a, b, b − 4a) ∈ R3 | a, b ∈ R}.
Notemos que
(a, b, b − 4a) = (a, 0, −4a) + (0, b, b)
= a(1, 0, −4) + b(0, 1, 1),
donde {(1, 0, −4), (0, 1, 1)} se ve fá ilmente que son l.i., enton es estos
ve tores forman una base de Im T .
2. Consideremos la transforma ión lineal T : M2×2 −→ M3×1 , dada por
 
a+b+c+d
a b
T =  2a + 3b + 4c + 6d  .
c d
a + 3b + 5c + 9d
En ontrar su nú leo e imagen: Para en ontrar el nú leo
 
0
a b
T =  0 ,
c d
0
así
a+b+c+d = 0
2a + 3b + 4c + 6d = 0
a + 3b + 5c + 9d = 0,
resolviendo el sistema por elimina ión Gaussiana
   
1 1 1 1 1 1 1 1
 2 3 4 6  ∼L3 −L1  2 3 4 6  ∼L2 −2L1
1 3 5 9 0 2 4 8
   
1 1 1 1 1 1 1 1
 0 1 2 4  ∼L3 /2  0 1 2 4  ∼L3 −L2
0 2 4 8 0 1 2 4
   
1 1 1 1 1 0 −1 −3
 0 1 2 4  ∼L1 −L2  0 1 2 4 ,
0 0 0 0 0 0 0 0
así obtenemos

a − c − 3d = 0 a = c + 3d
=⇒
b + 2c + 4d = 0, b = −2c − 4d,
si c = t, d = t en R, las solu iones tienen la forma

s + 3t −2s − 4t s −2s 3t −4t
= +
s t s 0 0 t

1 −2 3 −4
= s +t
1 0 0 1
= sA + tB
Fa ílmente se ve que {A, B} es l.i., enton es forma una base del nú leo y
Ker T = L(A, B).
Para al ular la imagen resolvemos

 
x
a b
T =  y ,
c d
z
así
a+b+c+d = x
2a + 3b + 4c + 6d = y
a + 3b + 5c + 9d = z,
resolviendo el sistema por elimina ión Gaussiana
   
1 1 1 1 | x 1 1 1 1 | x
 2 3 4 6 | y  ∼L3 −L1  2 3 4 6 | y  ∼L2 −2L1
1 3 5 9 | z 0 2 4 8 | z−x
   
1 1 1 1 | x 1 1 1 1 | x
 0 1 2 4 | y − 2x  ∼L3 /2  0 1 2 4 | y − 2x  ∼L3 −L2
z−x
0 2 4 8 | z−x 0 1 2 4 | 2
   
1 1 1 1 | x 1 0 −1 −3 | −y + 2x
 0 1 2 4 | y−x  ∼L1 −L2  0 1 2 4 | y−x ,
z−x 3 1
0 0 0 0 | 2 − (y − 2x) 0 0 0 0 | 2x − y + 2z
así obtenemos 3
2x − y + 21 z = 0
3x − 2y + z = 0,
y   
 x 
Im T =  y  0 = 3x − 2y + z

 
z
  
 x

=  y  x, y ∈ R ,

 
2y − 3x
notemos que
     
x x 0
 y  =  0 + y 
2y − 3x −3x 2y
   
1 0
= x 0  + y 1 ,
−3 2
omo fa ílmente se ve que son l.i., tenemos que
   
 1 0 
 0 , 1 
 
−3 2
es base de Im T .
3.3. El teorema de la dimensión
Sean V, W espa ios ve toriales, n = dim V , y T : V −→ W una transforma-

ión lineal. Denimos
N (T ) := dim(Ker T ) Nulidad
R(T ) := dim(Im T ) Rango
Teorema 37 (Teorema de la dimensión)
Sean V, W espa ios ve toriales, n = dim V , y T : V −→ W transforma ión
lineal, enton es
R(T ) + N (T ) = n
Demostra ión
Sea Ker T = L(v1 , . . . , vr ), luego β1 = {v1 , . . . , vr } es base, y la extendemos
a β = {v1 , . . . , vr , vr+1 , . . . , vn } una base de V (notemos que vr+1 , . . . , vn 6∈
Ker T ).
Ahora veremos que β2 = {T (vr+1), . . . , T (vn )} es base de V:
Genera: Sea w ∈ Im T , luego existe v ∈ V tal que T v = w; Como v ∈ V ,
enton es
v = c1 v1 + · · · + cr+1 vr+1 + · · · + cn vn ,
apli ando T
w = Tv = T (c1 v1 + · · · + cr+1 vr+1 + · · · + cn vn )
= c1 T (v1 ) + · · · + cr+1 T (vr+1 ) + · · · + cn T (vn )
= cr+1 T (vr+1 ) + · · · + cn T (vn )
l.i.: Supongamos que es l.d., enton es existe al menos un ci 6= 0 (i =

r + 1, . . . , n),sea cn 6= 0 tal oe iente, enton es
cr+1 T (vr+1 ) + · · · + cn T (vn ) = 0, cn 6= 0
impli a que
T (cn vn ) = 0,
y enton es vn ∈ Ker T = L(v1 , . . . , vk ) lo ual es una ontradi ión pues
por la forma en que se extiende la base β1 a la base β , (vn 6∈ L(v1 , . . . , vk )).
Por lo tanto β2 es l.i.
Finalmente omo β es base de V :

n = N (T ) + R(T ).
Ejemplos 47
Consideremos los ejemplos 46
1. Tenemos que N (T ) = 1, R(T ) = 2, y
N (T ) + R(T ) = 3 = dim R3 .
2. Tenemos N (T ) = 2, R(T ) = 2, y
N (T ) + R(T ) = 4 = dim M2×2 .
3.4. Representa ión matri ial de una transforma-

ión lineal
Sea T : U −→ V transforma ión lineal on U , V espa ios ve toriales de

dimensión nita a de ir n = dim U , m = dim V . Consideremos las bases de U
y V respe tivamente
β1 = {u1 , u2 , . . . , un }
β2 = {v1 , v2 , . . . , vm }.
Para todo u ∈ U tenemos que
u = a1 u 1 + a2 u 2 + · · · + an u n ,
a la matriz formada por los oe ientes
 
a1
 a2 
= . 
 
[u]β1
 .. 
an
le llamaremos la matriz del ve tor u on respe to a la base β1 . Apli ando T al
ve tor u tenemos que
T (u) = a1 T (u1 ) + a2 T (u2 ) + · · · + an T (un ),
omo T (ui ) ∈ V para todo i = 1, . . . , n. Enton es
T (ui ) = b1i v1 + b2i v2 + · · · + bmi vm ,
para todo i = 1, . . . , n. A la matriz formada por los oe ientes bi 's
 
b1i
 b2i 
= . 
 
[T (ui )]β2
 .. 
bmi
le llamaremos la matriz de T (ui ) on respe to a la base β2 . Asi
T (u) = a1 T (u1 ) + a2 T (u2 ) + · · · + an T (un )
= a1 (b11 v1 + · · · bm1 vm ) + · · · + an (b1n v1 + · · · bmn vm )
= (a1 b11 + a2 b12 + · · · + an b1n )v1 + (a1 b21 + a2 b22 + · · · + an b2n )v2
· · · + (a1 bm1 + a2 bm2 + · · · + an bmn )vm ,
y  
a1 b11 + a2 b12 + · · · + an b1n
 a1 b21 + a2 b22 + · · · + an b2n 
..
 
[T (u)]β2 = 
 . 
a1 bm1 + a2 bm2 + · · · + an bmn
pero notemos que
  
b11 b12 ···
b1n a1
 b21 b22 ···
b2n   a2 
.. ..   ..  = [T (u)]β2
  

 . .  . 
bm1 bm2 · · · bmn an
| {z }| {z }
A [u]β1
es de ir
[T (u)]β2 = A[u]β1 .
A la matriz A le llamaremos la matriz aso iada a la transforma ión T on
respe to a las bases β1 , β2 y la denotaremos
A = [T ]β1 β2 .
Observa ión 30
1. Las olumnas de [T ]β1 β2 son las matri es de T (ui ) on respe to a la base

β2
[T ]β1 β2 = ([T (u1 )]β2 , [T (u2 )]β2 , . . . , [T (un )]β2 ).
2. [T ]β1 β2 es una matriz de orden m × n.

3. T u = [T ]β1β2 [u]β1 .
Ejemplos 48
1. Sea T : M2×2 −→ M3×1 transforma ión lineal dada por

 
2a + 3b − c
a b
T =  a + 2b + c + 2d  ,
c d
a + b − 3c − 4d
y onsideremos las bases

1 0 0 1 0 0 0 0
β1 = , , ,
0 0 0 0 1 0 0 1
     
 1 0 0 
β2 =  0  ,  1  ,  0  ,
 
0 0 1
de M2×2 y M3×1 orrespondientemente. Obtener la matriz aso iada a la
transforma ión lineal T .
Primero evaluemos T en ada ve tor de la base β1
   
2 3
1 0 0 1
T =  1 , T =  2 ,
0 0 0 0
1 1
   
−1 0
0 0 0 0
T =  1 , T =  2 ,
1 0 0 1
3 −4
Como β2 es la base anóni a de M3×1
[T (ui )]β2 = T (ui )
on los ui 's los ve tores de la base β1 , y por lo tanto la matriz aso iada a
T es  
2 3 −1 0
[T ]β1 β2 =  1 2 1 2 ,
1 1 −3 −4
así  
  a
2 3 −1 0
a b  b 
T = 1 2 1 2  .
c d  c 
1 1 −3 −4
d
2. Sea T : R3 −→ R4 transforma ión lineal denida por

T (x, y, z) = (x + 3y − z, 2x + y + 3z, −3x − 14y + 8z, 3x + 4y + 2z)
on
β1 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
base de R3 ,
β2 = {(0, 0, 1, 1), (0, 1, 0, 1), (1, 1, 0, 1), (1, 1, 1, 1)}
base de R4 . En ontrar la matriz aso iada a T on respe to a estas bases.

Primero evaluemos los elementos de β1 en T
T ((1, 0, 0)) = (1, 2, −3, 3),
T ((1, 1, 0)) = (4, 3, −17, 7),
T ((1, 1, 1)) = (3, 6, −9, 9),
luego expresamos los ve tores resultantes omo ombina ión de la base β2 :

Para esto resolvamos
c1 (0, 0, 1, 1) + c2 (0, 1, 0, 1) + c3 (1, 1, 0, 1) + c4 (1, 1, 1, 1) = (x, y, z, w),
de aqui obtenemos el siguiente sistema

c3 + c4 = x
c2 + c3 + c4 = y
c1 + c4 = z
c1 + c2 + c3 + c4 = w
tomando la matriz del sistema y llevandola a la redu ida

   
0 0 1 1 x 1 0 0 1 z
 0 1 1 1 y   0 1 1 1 y 
  ∼   ∼
 1 0 0 1 z  F1 ↔F3  0 0 1 1 x  F4 −F1
1 1 1 1 w 1 1 1 1 w
   
1 0 0 1 z 1 0 0 1 z
 0 1 1 1 y  ∼F4 −F2  0 1 1 1 y
  
  ∼−F4
 0 0 1 1 x   0 0 1 1 x 
0 1 1 0 w−z 0 0 0 −1 w − z − y
   
1 0 0 1 z 1 0 0 0 w−y
 0 1 1 1 y   0 1 1 1 w−z 
  ∼   ∼F2 −F3
 0 0 1 1 x  F1 − F4  0 0 1 1 x − y − z + w 
0 0 0 1 y+z−w F2 − F4 0 0 0 −1 y+z−w
F3 − F4
 
1 0 0 0 w−y
 0 1 0 0 y−x 
 
 0 0 1 0 x−y−z+w 
0 0 0 1 y+z−w
así
c1 = w−y
c2 = y−x
c3 = x+w−y−z
c4 = y + z − w.
Si (x, y, z, w) = (1, 2, −3, 3)

c1 = 1
c2 = 1
c3 = 5
c4 = −4
por lo tanto  
1
 1 
[T u1 ]β2 =
 3 

−4
Si (x, y, z, w) = (4, 3, −17, 7)
c1 = 4
c2 = −1
c3 = 25
c4 = −21
tenemos que  
4
 −1 
[T u2 ]β2 =
 25 

−21
Si (x, y, z, w) = (3, 6, −9, 9)

c1 = 3
c2 = 3
c3 = 15
c4 = −12
así  
3
 3 
[T u3 ]β2 =
 15 

−12
y enton es la matriz aso iada a la transforma ión lineal es
 
1 4 3
 1 −1 3 
 
 3 25 15 
−4 21 −12
Hemos visto que toda transforma ión lineal T : Rn −→ Rm se puede representar

mediante una matriz A y de aquí tendremos que
T X = AX ∀ X ∈ Rn ,
y es válido el siguiente teorema:

Teorema 38
Sea T : Rn −→ Rm transforma ión lineal, A la representa ión matri ial de T .
Enton es
Ker T = {X ∈ Rn | AX = 0}
Im T = {Y ∈ Rm | ∃ X ∈ Rn , AX = Y } = L(v1 , v2 , . . . , vn )
donde v1 , v2 , . . . , vn son las olumnas de A.

Ejemplos 49
Sea T : M2×2 −→3×1 la transforma ión lineal dada por
 
a+b+c+d
a b
T =  2a + 3b + 4c + 6d  ,
c d
a + 3b + 5c + 9d
onsideremos la bases

1 1 0 1 1 0 0 1
β1 = , , ,
0 0 −1 0 1 1 1 −1
      
 1 1 1 
β2 =  0  ,  1  ,  1  ,
 
0 0 1
de M2×2 y M3×2 respe tivamente. Des ribir Ker T e Im T por medio de
A = [T ]β1 β2 .
Primero al ulemos la imagen de β1 bajo T
   
2 0
1 1 0 1
T =  5 , T =  −1  ,
0 0 −1 0
4 −2
   
3 1
1 0 0 1
T =  12  , T =  1 ,
1 1 1 −1
15 −1
luego para expresar estos ve tores en términos de la base β2 resolvemos de ma-
nera general        
1 1 1 x1
c1  0  + c2  1  + c3  1  =  x2 
0 0 1 x3
lo que es equivalente a resolver
c1 + c2 + c3 = x1
c2 + c3 = x2
c3 = x3 ,
despejando de este sistema obtenemos
c1 = x1 − x2
c2 = x2 − x3
c3 = x3 ,
y de aquí
   
−3 1
1 1 0 1
T =  1 , T =  1 ,
0 0 −1 0
β2 4 β2 −2
   
−9 0
1 0 0 1
T =  −3  , T =  2 ,
1 1 1 −1
β2 15 −1
por lo tanto  
−3 1 −9 0
A = [T ]β1 β2 = 1 1 −3 2  .
4 −2 15 −1
Ahora al ulamos Ker T , para esto resolvamos el sistema homogéneo
AX = 0,
tomando la matriz del sistema y llevando a la redu ida obtenemos

   
−3 1 −9 0 1 1 −3 2
 1 1 −3 2  ∼F1 ↔F2  −3 1 −9 0  ∼ F2 + 3F1
F3 − 4F1
4 −2 15 −1 4 −2 15 −1
   
1 1 −3 2 1 1 −3 2
 0 4 −18 6  ∼ F2 /2  0 2 −9 3  ∼F3 +F2
F3 /3
0 −6 27 −9 0 −2 9 −3
   
1 1 −3 2 1 1 −3 2
 0 2 −9 3  ∼F2 /2  0 1 −9/2 3/2  ∼F1 −F2
0 0 0 0 0 0 0 0
 
1 0 3/2 1/2
 0 1 −9/2 3/2 
0 0 0 0
así
x1 + 3/2x3 + 1/2x4 = 0
x2 − 9/2x3 + 3/2x4 = 0
y por lo tanto el onjunto solu ión esta dado por los ve tores de la forma
 
−3/2x3 − 1/2x4
 9/2x3 − 3/2x4 
 
 x3 
x4
donde x3 x4 estan en R, es de ir,

3 1 9 3
Ker T = {(− s − t, s − t, s, t)| s, t ∈ R}.
2 2 2 2
Ahora al ulemos Im T : Por el Teorema anterior tenemos que Im T = L(v1 , v2 , v3 , v4 ),
donde
       
−3 1 −9 0
v1 =  1  , v2 =  1  , v3 =  −3  , v4 =  2  ,
4 2 15 1
esto es equivalente a llevar a la forma redu ida es alonada la siguiente matriz

 
−3 1 −9 0 x1
 1 1 −3 2 x2 
4 2 15 1 x3
llevandola a la redu ida es alonada

   
−3 1 −9 0 x1 1 0 3/2 1/2 x2
 1 x1 +3x2
1 −3 2 x2  ∼  0 1 −9/2 3/2 2
,
x1
4 2 15 1 x3 0 0 0 0 2 − x62 + x33
es de ir,
x1 x2 x3
Im T = {(x1 , x2 , x3 )| − + = 0}
2 6 3
o
s 2
Im T = {( − t, s, t)| s, t ∈ R}.
3 3
Notemos que el Ker T e Im T obtenidos anteriormente no oin iden on los
obtenidos en ejemplos 46 (2). La pregunta natural que surge es ¾existe alguna
rela ión entre Ker T , Im T al ulados on la representa ión matri ial de T
y Ker T , Im T al ulados en ejemplos 46 (2)? Para en ontrar esta rela ión
primero observemos que Ker T e Im T al ulados re ientemente dependen de
las bases β1 , β2 . Mientras que los al ulados en los ejemplos 46 (2) dependen de
las bases anóni as. Con esta onsidera ión al tomar la ombina ión

3 1 1 1 9 3 0 1 1 0 0 1
( s − t) + ( s − t) +s +t
2 2 0 0 2 2 −1 0 1 1 1 −1
obtendremos una representa ión de Ker T en la base anóni a de M2×2

 
− 12 (s + t) 3s − t
 
− 27 s + 52 t s−t
la ual oin ide on la obtenida en ejemplos 46 (2) para esto basta tomar t′ = s−t
y s′ = − 27 s + 52 t, así
 
− 21 (s + t) 3s − t
= s ′ + t′ −2s′ − 4t′
 .
s′ t′
− 27 s + 25 t s−t
Analogamente para la representa ión de la imagen obtenida en los ejemplos

46 (2)
Primero onsideramos la ombina ión
       2

1 1 1 3s + 31 t
1 2 
(− s − t) 0  + s  1  + t  1  =  s+t 
3 3
0 0 1 t
luego tomando x = 32 s + 31 t y y = s + t obtenemos

 2
  
3s+ 13 t x
 s+t = y 
t 2y − 3x
lo ual oin ide on la Im T obtenida en ejemplos 46 (2).

3.5. Cambio de base
Sea T : U −→ V transforma ión lineal on dim U = m, y dim V = n. Sean

β1 , β1′ bases de U
β2 , β2′ bases de V.
Veremos la rela ión que existe entre [T ]β1β2 y [T ]β1′ β2′ . Consideremos
u = c1 u 1 + c2 u 2 + · · · + cm u m ,
la representa ión de u on respe to a la base β1 , y
u = c′1 u′1 + c′2 u′2 + · · · + c′m u′m ,
la representa ión de u on respe to a la base β1′ . Como ada u′i se ve omo
u′i = p1i u1 + p2i u2 + · · · + pmi um ,
enton es
u = (c′1 P11 +· · ·+c′m P1m )u1 +(c′1 P22 +· · ·+c′m P2m )u2 +· · ·+(c′1 Pm1 +· · ·+c′m Pnm )um ,
así
[u]β1 = P [u]β1′ (3.1)
donde  
p11 p12 ··· p1m
 p21 p22 ··· p2m 
P = . .. .. 
 
 .. ..
. . . 
pm1 pm2 · · · pmm
es una matriz uadrada invertible. Analogamente obtenemos que
[T u]β2 = Q[T u]β2′ . (3.2)
Por otro lado
[T u]β2 = [T ]β1 β2 [u]β1
[T u]β2′ = [T ]β1 β2 [u]β1
de aquí por 3.1 y 3.2
[T u]β2 = [T ]β1 β2 P [u]β1′
−1
Q [T u]β2 = [T ]β1′ β2′ [u]β1′
así
Q−1 [T ]β1 β2 P [u]β1′ = [T ]β1′ β2′ [u]β1′
omo esto se umple para todo ve tor u ∈ U , enton es
Q−1 [T ]β1 β2 P = [T ]β1′ β2′
Teorema 39
Sea T : U −→ V transforma ión lineal, dim U = m, dim V = n. Sean
β1 , β1′ bases de U
β2 , β2′ bases de V.
Enton es
Q−1 [T ]β1 β2 P = [T ]β1′ β2′
o equivalentemente
[T ]β1 β2 = Q[T ]β1′ β2 P −1
donde
P es la matriz de ambio de base de β1′ a β1 .
Q es la matriz de ambio de base de β2′ a β2 .
Corolario 18
Sea T : V −→ V operador lineal, β , β ′ bases de V . Si P es la matriz de ambio
de base de β a β ′ , enton es
[T ]β = P [T ]β ′ P −1 .
Demostra iónApli ando el teorema on U = V , β1 = β2 = β , β1′ = β2′ = β ′ se

tiene el orolario.
Ejemplos 50
Sean T : R3 −→ R4 , on
T (x, y, z) = (x + 3y − z, 2x + y + 3z, −3x − 14y + 2z)
donde la representa ión matri ial de T on respe to a las base anóni as β1 , β2

de R3 y R4 esta dada por
 
1 3 −1
 2 1 3 
[T ]β1 β2 =
 −3 −14 8  .

3 4 2
Si
β1′ = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
β2′ = {(0, 0, 1, 1), (0, 1, 0, 1), (1, 1, 0, 1), (1, 1, 1, 1)}.
Hallar [T ]β1′ β2′ usando el teorema anterior
[T ]β1′ β2′ = Q−1 [T ]β1 β2 P.

Primero ne esitamos al ular las matri es P y Q: para obtener P basta poner

β1′ en términos de β1
(1, 0, 0) = (1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1)

(1, 1, 0) = (1, 0, 0) + (0, 1, 0) + 0(0, 0, 1)
(1, 1, 1) = (1, 0, 0) + (0, 1, 0) + (0, 0, 1)
así  
1 1 1
P = 0 1 1 .
0 0 1
Para al ular Q basta poner β2′ en términos de β2 ,
(0, 0, 1, 1) = 0(1, 0, 0, 0) + 0(0, 1, 0, 0) + (0, 0, 1, 0) + (0, 0, 0, 1)
(0, 1, 0, 1) = 0(1, 0, 0, 0) + (0, 1, 0, 0) + 0(0, 0, 1, 0) + (0, 0, 0, 1)
(1, 1, 0, 1) = (1, 0, 0, 0) + 0(0, 1, 0, 0) + (0, 1, 0, 0) + (0, 0, 0, 1)
(1, 1, 1, 1) = (1, 0, 0, 0) + (0, 1, 0, 0) + (0, 0, 1, 0) + (0, 0, 0, 1)
así  
0 0 1 1
 0 1 1 1 
Q=
 1
.
0 0 1 
1 1 1 1
Para apli ar la fórmula del teorema ne esitamos al ular Q−1 ,
   
0 0 1 1
1 0 0 0 1 0 0 1
0 0 1 0
 0 1 1 1 0 1 0 0   0 1 1 1 0 1 0 0 
 ∼  ∼
 1 0 0 1
0 0 1 0  F3 ↔F1  0 0 1 1
1 0 0 0  F4 −F1
1 1 1 1 0 0 0 1 1 1 1 1 0 0 0 1
   
1 0 0 1
0 0 1 0 1 0 0 1 0 0
1 0
 0 1 1 1 0 1 0 0   0 1 1 1 0 1 0 0 
 ∼  ∼
 0 0 1 1
1 0 0 0  F4 −F2  0 0 1 1 1 0
0 0  −F4
0 1 1 0 0 0 −1 1 0 0 0 −1 0 −1 −1 1
   
1 0 0 1
0 0 1 0 1 0 0 0 0 −1 0
1
 0 1 1 1 0 1 0 0   0 1 1 0 0 0 −1 1 
  ∼ F 3 − F4  ∼
 0 0 1 1
1 0 0 0  F 2 − F4
 0 0 1 0 1 −1 −1
1  F2 −F3
F 1 − F4
0 0 0 1 0 1 1 −1 0 0 0 1 0 1 1 −1
 
1 0 0 0 0 −1 0 1
 0 1 0 0 −1 1 0 0 
 
 0 0 1 0 1 −1 −1 1 
0 0 0 1 0 1 1 −1
por lo tanto
[T ]β1′ β2′ =  Q−1
  [T ]β1 β2 P 
0 −1 0 1 1 3 −1  
 −1 1 1 1 1
0 0  2 1 3 
 0
=  
 1 −1 −1 1   −3 −14 1 1 
3 
0 0 1
0 1 1 −1 3 4 2
1 4 3
 1 −1 3 
= 
 5
.
25 15 
−4 −21 −12
3.6. Opera iones entre transforma iones lineales
En esta se ión veremos las opera iones validas entre transforma iones li-
neales.
3.6.1. Suma y multipli a ión por es alar

Sean U , V espa ios ve toriales (no ne esariamente de dimensión nita),
T1 : U −→ V
T2 : U −→ V
transforma iones lineales. Denimos

T1 + T2 : U −→ V , omo (T1 + T2 )(u) = T1 (u) + T2 (u). (Suma)
cT1 : U −→ V , omo (cT1 )(u) = cT1 (u). (Produ to por es alar)
Observa ión 31
1. La suma de dos transforma iones lineales es una transforma ión lineal, y

el produ to por es alar de una transforma ión lineal es una tranforma ión
lineal.
2. Al onjunto de las transforma iones lineales de U a V lo denotamos por
L(U, V ).
3. L(U, V ) es un espa io ve torial on las opera iones denidas.
Teorema 40
Sean U , V espa ios ve toriales de dimensión nita. Enton es
1. L(U, V ) es de dimensión nita.
2. dim L(U, V ) = (dim U )(dim V ).
3.6.2. Composi ión

Sean U , V , W espa ios ve toriales, T1 : U −→ V , T2 : V −→ W transforma-
iones lineales. Denimos la omposi ión de T2 on T1 omo
T2 ◦ T1 : U −→ W
(T2 ◦ T1 )(u) = T2 (T1 (u)).
Esta opera ión entre T1 y T2 es una transforma ión lineal:
(T2 ◦ T1 )(u + v) = T2 (T1 (u) + T1 (v))

= (T2 ◦ T1 )(u) + (T2 ◦ T1 )(v).
(T2 ◦ T1 )(α u) = T2 (αT1 (u))

= α(T2 (T1 (u))
= α(T2 ◦ T1 )(u)
.
Teorema 41
1. Si T1 ∈ L(U, V ), T2 ∈ L(V, W ), T3 ∈ L(W, S), enton es

T3 ◦ (T2 ◦ T1 ) = (T3 ◦ T2 ) ◦ T1 .
2. Si T1 ∈ L(U, V ), T2 , T3 ∈ L(V, W ), enton es

(T2 + T3 ) ◦ T1 = T2 ◦ T1 + T3 ◦ T1 .
3. Si T1 ∈ L(V, W ), T2 , T3 ∈ L(U, V ), enton es

T1 ◦ (T2 + T3 ) = T1 ◦ T2 ) + T1 ◦ T3 .
4. Si α ∈ R, T1 ∈ L(U, V ), T2 ∈ L(V, W ), enton es

α (T2 ◦ T1 ) = (α T2 ) ◦ T1 = T2 ◦ (cT1 ).
Ejemplos 51
Sean T1 : R3 −→ R2 , T2 : R2 −→ R3 transforma iones lineales dadas por
T1 (x, y, z) = (2x + 6y − 3z, 5x − 3y + 8z)
T2 (x, y, z) = (2x + 5y, −x + 6y).
Cal ular T2 ◦ T1 .
Teorema 42
Sean U , V , W espa ios ve toriales de dimensión nita, T1 inL(U, V ), T2 ∈
L(V, W ). Consideremos las basesβ
β1 base de U,
β2 base de V,
β3 base de W.
Enton es
[T2 ◦ T1 ]β3 β1 = [T1 ]β2 β1 [T2 ]β3 β2 .
Ejemplos 52
Consideremos T1 y T2 omo en el ejemplo anterior, on las bases
β1 = {(1, 1, 1), (1, 0, 1), (0, 1, 1)}
β2 = {(1, 0), (0, 1)}
de R3 y R2 orrespondientemente. Veriquemos el teorema: al ulamos las ma-

tri es aso iadas a T1 y T2

5 −1 3
[T1 ]β1 β2 =
10 13 5
y
2 5
[T2 ]β2 =
−1 6
de aquí

2 5 5 −1 3 60 63 31
[T2 ]β2 [T1 ]β2 β1 = =
−1 6 10 13 5 55 79 27
Por otro lado al ulamos la matriz aso iada a T2 ◦ T1 : R3 −→ R2 : Tenemos que

(T2 ◦ T1 )(x, y, z) = (29x − 3y + 34z, 28x − 24y + 51z),
y de aquí
60 63 31
[T2 ◦ T1 ]β2 β1 =
55 79 27
la ual oin ide on la matriz al ulada anteriormente, por lo tanto se ver a
el teorema.
3.6.3. Inversa de una Transforma ión lineal

Sean U , V espa ios ve toriales, T : U −→ V transforma ión lineal. De imos
que T es inversible (tiene inversa) si existe una transforma ión lineal S : V −→ U
tal que
S ◦ T = IdU T ◦ S = IdV .
Observa ión 32
1. Si S : V −→ U umple S ◦ T = IdU no ne esariamente se umple T ◦ S =

IdV .
2. A la inversa de la tramsforma ión la denotaremos por T −1 .
Ejemplos 53
Consideremos P = {Espa io de los polinomios}. Sean
T : P −→ P, S : P R−→ P
p(x) 7→ p′ (x) p(x) 7→ p(x)dx
transforma iones lineales. Cal ulando T ◦ S obtenemos

n x2 xn+1
(T ◦ S)(a0 + a1 x + · · · + an x ) = T a0 x + a1 + · · · + an
2 n+1
n
= a0 + a1 x + · · · + an x
= Id(a0 + a1 x + · · · + an xn ).
pero por otro lado

(S ◦ T )(a0 + a1 x + · · · + an xn ) = S a1 + 2a2 x + · · · + an xn−1
= a1 x + a2 x2 + · · · + an xn ,
es de ir T ◦ S = IdV pero S ◦ T 6= IdU .

Ejemplos 54
La transforma ión T : R2 −→ R2 dada por T (x, y) = (x + y, x − y) es inversible.
Si fuera inversble existe S : R2 −→ R2 tal que
(S ◦ T )(x, y) = S(x + y, x − y) = Id(x, y) = (x, y),
y de aquí
x′ + y ′ x′ − y ′
S(x′ , y ′ ) = , ,
2 2
y obtenemos el siguiente sistema
x′ = x + y x′ + y ′ = 2x
⇒
y′ = x − y x′ − y ′ = 2y
sustituyendo obtenemos
(T ◦ S)(x, y) = (x, y),
por lo tanto
x+y x−y
S(x, y) = , ,
2 2
es la inversa de T .
A ontinua ión veremos algunas propiedades de las transforma iones inversas

Teorema 43
1. Si T : U −→ V es inversible, enton es T −1 : V −→ U también lo es y

(T −1 )−1 = T .
2. Si T1 : U −→ V , T2 : V −→ W son inversibles, enton es T2 ◦ T1 : U −→ w
es inversible y
(T2 ◦ T1 )−1 = T1−1 ◦ T2−1 .
Ahora ara terizaremos la inversibilidad de una transforma ión

Lema 5
Si T : U −→ V es transforma ión lineal, enton es T es inye tiva ssi ker T = {0}
Teorema 44
T : U −→ V es inversible ssi T es inye tiva y sobreye tiva.
Diremos que una trasforma ión lineal T : U −→ V es un isomorsmo entre

los espa ios ve toriales U y V si T es inversible. En este aso diremos que U y
V son isomorfos.
Teorema 45
Sean U V isomorfos, enton es U es de dimensión nita ssi V lo es.
Corolario 19
Dos espa ios ve toriales de dimensión nita son isomorfos ssi tienen la misma
dimensión.
Corolario 20 Sea U espa io ve torial de dimensión nita, T : U −→ V trans-
forma ión lineal. Si T es inversible enton es dimU = dimV .
Diremos que una transforma ión lineal T : U −→ V es un isomorsmo entre
los espa ios ve toriales U y V si T es inversible. En este aso diremos que U y
V son isomorfos.
Diremos que una transforma ión lineal T : U −→ V es no singular si T es
inye tiva (Ker T = {0}). Dea uerdo a la deni ión anterior tenemos que toda
transforma ión lineal inversible es no singular.
Teorema 46
Sean U , V espa ios ve toriales de la misma dimensión. Las siguientes arma-
iones son equivalentes
T es inversible.
T es sobreye tiva.
T es inye tiva.
T es no singular.
Si {u1 , . . . , un } es l.i. en U , enton es {T u1, . . . , T un} es l.i.
Si {u1 , . . . , un } es base de U , enton es {T u1 , . . . , T un } es base de V .
Ahora veremos omo afe ta la inversibilidad de T a la matriz aso iada a T .
Teorema 47
Sean T : U −→ V transforma ión lineal, β1 , β2 bases de U y V respe tivamente,
enton es T es inversible ssi [T ]β2β1 es inversible para ualesquiera β1 , β2 bases
de U y V .
Corolario 21
Si T : U −→ V es inversible, enton es
[T −1 ]β2 β1 = [T ]−1
β2 β1 .
Sea T : U −→ U operador lineal, U espa ios ve toriales de dimensión nita.

Denimos
det T = det [T ]β ,
donde β es una base arbitraria. El determinante de T no depende de la base β
es ogida: En efe to si tenemos dos bases β , β ′ de V , por el teorema de ambio
de base
[T ]β = P −1 [T ]β ′ P,
luego
det[T ]β = (det P −1 )(det[T ]β ′ )(det P )
= det[T ]β ′ .
Teorema 48
El operador lineal T : U −→ U , on U de dimensión nita. T es inversible ssi
det T 6= 0.
Ejemplos 55
Sea T : M2×2 −→ T : M2×2 denido por

a b 5a + b 2a − b + c
T =
c d 3c + 2d a + b + 2d
tomando la base anóni a de M2×2 , enton es
 
5 1 0 0
 2 −1 1 0 
[T ]β = 
 0 0 3

2 
1 1 0 2
luego al ulando el determinante
det [T ]β = −34 6= 0,
por lo tanto T es invertible.
Lista de ejer i ios

1. Determinar uáles de las siguientes transforma iones T : R2 −→ R son
lineales
a) T (x, y) = 2x + y ,
b) T (x, y) = x,
) T (x, y) = 5x2 + y ,
d) T (x, y) = 1,
e) T (x, y) = 3x − 8y + 1.
2. Determinar uáles de las siguientes transforma iones T : R2 −→ R2 son
lineales
a) T (x, y) = (x + y, x − y),
b) T (x, y) = (5x, 8y),
) T (x, y) = (x + y, 0),
d) T (x, y) = (0, y),
e) T (x, y) = (2x − y, 3x + 4y).
3. Determinar uáles de las siguientes transforma iones T : R3 −→ R3 son
lineales
a) T (x, y, z) = (x, y, z),
b) T (x, y, z) = (x + y + z, 0, 0),
) T (x, y, z) = (0, 0, z),
d) T (x, y, z) = (x, y + 1, z + 2),
e) T (x, y, z) = (x + y + z, 1, 1).
4. Sea T : R2 −→ R2 la transforma ión lineal tal que T ((1, 0)) = (2, 3), y
T ((0, 1)) = (1, 1)
a ) Obtenga T ((3, 4)).
b ) Obtenga T ((x, y)).
5. Sea T : R2 −→ R2 la transforma ión lineal tal que T ((2, 5)) = (3, 1), y
T ((1, 2)) = (0, 3)
a ) Obtenga T ((3, 2)).
b ) Obtenga T ((3, 8)).
6. Para ada una de las siguientes transforma iones lineales, determine una
base para el nú leo y la imagen. También ompruebe el teorema de la
dimensión.
a) T : R2 −→ R2 , T (x, y) = (x + y, x − y).
b) T : R2 −→ R2 , T (x, y, z) = (x + y − z, x − y − z).
) T : R3 −→ R3 , T (x, y, z) = (x + y, x + z, y + z).
d) T : M2×2 −→ M2×2 , T (A) = At .
e) T : M3×3 −→ R, T (A) = tr A.
7. Des riba el nú leo y la imagen de las siguientes transforma iones lineales
a ) T : R3 −→ R2 , T (X) = AX on

2 0 −1
A= ,
−4 0 2
b ) T : R4 −→ R3 , T (X) = AX on
 
2 1 −1 3
A= 6 7 1 17  ,
0 2 2 4
8. En uentre la matriz aso iada a ada una de las siguientes transforma iones
lineales
a) T : R2 −→ R2 , T (x, y) = (3x − 2y, 5x + y).
b) T : R3 −→ R3 , T (x, y, z) = (2x + y − z, 3x + 2y − 2z, 8x − y).
) T : R4 −→ R2 , T (x, y, z, u) = (x + y, z + u).
d) T : R6 −→ R3 , T (x1 , x2 , x3 , x4 , x5 , x6 ) = (x1 + x4 , x1 + x5 , x3 + x6 ).
e) T : P2 −→ P3 , T (p) = xp.
f) T : P3 −→ R3 , T (a0 + a1 x + a2 x2 + a3 x3 ) = (2a0 + a1 + a2 , a0 − 2a2 +
3a3 , a3 ).
g ) T : P1 −→ P4 , T (p) = (x3 + x2 + x + 1)p.
h ) T : M2×2 −→ M2×2 , T (A) = At .
i ) T : M3×3 −→ R, T (A) = tr A.
9. En uentre la imagen y el nú leo de ada una de las transforma iones del
ejer i io anterior.
10. Considere la transforma ión lineal T : M2×2 −→ M2×2 dada por T (A) =
A − At . En uentre el nú leo y la imagen de T .
11. Sea T : V −→ U una transforma ión lineal. Sean β1 = {v1 , v2 , . . . , vm } y
β2 = {u1 , u2 , . . . , un } bases de V y U respe tivamente. Sea A la matriz
aso iada a T respe to a las bases β1 y β2 .
a ) ¾Cómo se altera la matriz A si en β1 inter ambiamos de posi ión los
ve tores vi y vj ?
b ) ¾Cómo se altera la matriz A si en β2 inter ambiamos de posi ión los

ve tores ui y uj ?
12. Considere el operador lineal T : V −→ V en donde V es un espa io
ve torial de dimensión 4. Suponga que la matriz de T respe to de la base
β = {v1 , v2 , v3 } es  
1 3 −1 2
 0 2 1 1 
[T ]β = 
 3

2 1 4 
0 2 4 −2
En uentre la matriz de T respe to de ada una de las siguientes bases de
V
a ) β1 = {v2 , v1 , v4 , v3 },
b ) β2 = {v1 , v1 + v2 , v1 + v2 + v3 , v1 + v2 + v3 + v4 },
) β3 = {v1 + v2 , v2 + v3 , v3 + v4 , v4 },
13. Sea T : R3 −→ R3 el operador lineal dado por
T (x, y, z) = (2x − y + z, x + z, 3y − 2z).
a ) Determine la matriz de T respe to a la base anóni a de R3 .

b ) Determine la matriz de T respe to a la base
β1 = {(1, 2, −1), (3, 0, 1), (0, −4, 0)}.
) Verique que satisfa e el orolario del teorema de ambio de base.

14. La matriz de la transforma ión lineal T : R3 −→ R3 respe to de la base
β = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
es  
2 1 −1
A= 3 2 2 
4 3 2
En uentre la matriz de T respe to de la base β = {(2, 1, 1), (3, 2, −4), (2, 3, 3)}.
Capítulo 4
Valores Propios y ve tores

propios
4.1. Valores propios
Sea T : U −→ U operador lineal, on dim U = n. Un número λ ∈ R es

llamado valor propio (eigen valor) de T si existe u ∈ U (6= 0) tal que
T u = λu.
Al ve tor u le llamaremos ve tor propio (eigen ve tor).

Si A es la matriz que representa a T on respe to a una base β tendremos que
A[u]β = λ[u]β ,
más a'un si B = Aβ ′ on β ′ otra base de U

(P −1 BP )[u]β = λ[u]β ,
y luego
B(P [u]β ) = λ(P [u]β ),
es de ir si λ es valor propio de T y u ve tor propio de T , tambien lo serán para
la matriz aso iada a T on respe to a ualquier otra base.
Ejemplos 56
El opeardor lineal T : R2 −→ R2 dado por
T (x, y) = (2x + y, 3x + 4y),
tiene omo valor propio a λ = 5 y omo ve tor propio a u = (1, 3).

En efe to
T ((1, 3)) = (5, 15) = 5 (1, 3).
117
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 118
Comprobemoslo para su matriz aso iada on respe to a la base

β ′ = {(1, 1), (0, 1)},
evaluando estos ve tores en T obtenemos

T ((1, 1)) = (3, 7) T ((0, 1)) = (1, 4)
ahora para obtener la matriz, expresamos los ve tores obtenidos en términos de

los elementos de la base β ′
(3, 7) = c1 (1, 1) + c2 (0, 1)
de aqui tenemos el siguiente sistema

c1 = 3
c1 + c2 = 7
y resolviendolo obtenemos
c1 = 3, c2 = 4.
De la misma manera
(1, 4) = c′1 (1, 1) + c′2 (0, 1)
y resolviendo el sistema resultante de aquí obtenemos

c′1 = 1, c′2 = 3.
Con los oe ientes obtenidos tenemos la matriz de T

3 1
[T ]β = .
4 3
Ahora para poder multipli ar esta matriz a la matriz que representa a (1, 3)
expresemos este ve tor en términos de la base β ′ :
(1, 3) = c′′1 (1, 1) + c′′2 (0, 1)
y resolviendo el sistema resultante obtenemos

c′′1 = 1, c′′2 = 2.
Finalmente

3 1 1 5 1
[T ]β ′ [u]β ′ = = =5
4 3 2 10 2
Teorema 49
Sea A matriz uadrada. λ ∈ R es un valor propio ssi det (A − λI) = 0.
Observa ión 33
1. Si A es una matriz uadrada det (A − λI) nos dará un polinomio en λ de

grado n. A este polinomio le llamaremos polinomio ara teristi o de A (o
de T pues A es la representa ión de T ).
2. Para hallar los valores propios de A ne esitamos en ontrar las rai es del
polinomio ara teristi o de A.
Ejemplos 57
1. En ontrar los valores propios de la matriz

5 9
A= .
2 2
Cal ulamos el polinomio ara teristi o

5 9 1 0
p(λ) = det −λ
2 2 0 1

5−λ 9
= det
2 2−λ
= (5 − λ)(2 − λ) − 18
= −8 − 7λ + λ2
= (λ − 8)(λ + 1)
así los valores propios son λ = 8, y λ = −1.
2. En ontrar los valores propios de la matriz

2 −1
A= .
3 2
Cal ulamos el polinomio ara teristi o

2−λ −1
p(λ) = det
3 2−λ
= (2 − λ)2 + 3
= 7 − 4λ + λ2 ,
al ulando las raí es por medio de la fórmula uadráti a obtenemos que
los valores propios son
√ √
4+ 12 i 4 − 12 i
λ1 = , λ2 = .
2 2
así los valores propios son λ = 8, y λ = −1.
4.2. Ve tores propios
Si X 6= 0 es un ve tor propio de A (representa ión de alguna transforma ión

lineal) orrespondiente al valor propio λ, tenemos que
AX = λX,
o equivalentemente
(A − λI)X = 0,
es de ir, X es una solu ión no trivial del sistema
(A − λI)X = 0.
Por lo tanto para en ontrar los ve tores propios X debemos en ontrar las solu-
iones no triviales del sistema homogeneo.
Ejemplos 58
Los valores propios de
5 9
A=
2 2
son lambda1 = 8 y λ2 = 1. En ontremos los valores propios:
Consideremos A − λI on λ = 8

5−λ 9 −3 9
A − λI = =
2 2−λ 2 −6
luego resolviendo el sistema

−3 9 x1 0
=
2 −6 x2 0
obtenemos

−3 9 1 −3 1 −3
∼F1 /−3 ∼F2 −2F1
2 −6 2 −6 0 0
así
x1 − 3x2 = 0 x1 = 3x2
y enton es si x2 = t ∈ R
3t
X= ,
t
por lo tanto si λ1 = 8 los ve tores propios aso iados son de la forma
(3t, t) t ∈ R.
Por otro lado si onsideramos A − λI on λ = −1

5−λ 9 6 9
A − λI = = ,
2 2−λ 2 3
resolviendo el sistema

6 9 x1 0
=
2 3 x2 0
tenemos que
6 9 2 3 2 3
∼F1 /3 ∼F2 −F1 ,
2 3 2 3 0 0
es de ir
3
2x1 + 3x2 = 0 x1 = − x2 ,
2
si x2 = t ∈ R enton es
− 23 t
X= ,
t
es de ir los ve tores propios aso iados al valor propio λ2 = −1 son de la forma
3
(− t, t) t ∈ R.
2
Si A es una matriz uadrada de orden n, λ valor propio y Eλ los ve tores
propios aso iados a λ. Al subsespa io ve torial (de Rn ) formado por Eλ y el
ve tor ero (ambos forman el espa io solu ión del sistema homogeneo (A −
λI)X = 0) le llamaremos subespa io propio de A (eigen espa io).
Ejemplos 59
Del ejemplo anterior tenemos que para la matriz

5 9
A=
2 2
los valores propios son λ1 = 8, λ2 = −1, y los subespa ios propios orrespon-
dientes a estos valores propios son
Eλ1 = {(3t, t)| t ∈ R} = L((3, 1)).
3 3
Eλ2 = {(− t, t)| t ∈ R} = L((− , 1)).
2 2
Ejemplos 60
Sea  
1 3 0
A =  0 −2 0 
0 6 1
En ontrar los valores propios, los ve tores propios, los espa ios propios y una
base para ellos.
Cal ulemos el polinomio ara terísti o

1−λ 3 0

det(A − λI) = 0 −2 − λ 0 = −(1 − λ)2 (2 + λ) = 0,

0 6 1−λ
de aquí tenemos que los valores propios son

λ1 = 1 y λ2 = −2.
Si λ = 1  
0 3 0
A − λI =  0 −3 0 
0 6 0
resolviendo el sistema
     
0 3 0 x1 0
 0 −3 0   x2  =  0 
0 6 0 x3 0
obtenemos  
s
X =  0 , s, t ∈ R,
t
así el espa io propio
Eλ1 = {(s, 0, t)| s, t ∈ R} = {s(1, 0, 0)+t(0, 0, 1)| s, t ∈ R} = L((1, 0, 0), (0, 0, 1)),
donde (1, 0, 0) y (0, 0, 1) forman una base de él, y por lo tanto tiene dimensión
2. Por otro lado Si λ = −2
 
3 3 0
A − λI =  0 0 0 ,
0 6 3
y resolviendo el sistema
 
3 3 0
 0 x1 0
0 0  = ,
x2 0
0 6 3
o equivalentemente resolviendo
3x1 + 3x2 = 0 6x2 + 3x3 = 0,
obtenemos
x1 = −x2 , x3 = −2x2
 
−t
X =  t , t ∈ R,
−2t
así el espa io propio
Eλ2 = {(−t, t, −2t)| t ∈ R} = {s(−1, 1, −2)| t ∈ R} = L((−1, 1, −2)),
donde (−1, 1, −2) forma una base de él, y por lo tanto tiene dimensión 1.
Observa ión 34
Resolver (A−λI)X = 0 es equivalente a al ular el nú leo del operador (T −λI),
es de ir,
Eλ = ker(T − λI).
Teorema 50
Sea T : V −→ V operador lineal, on V espa io ve torial de dimensión n. λ es
un valor propio de T ssi el operador T − λI : V −→ V no tiene inversa.
Teorema 51
Si A y B son matri es semejantes, enton es el polinomio ara terísti o de A es
el mismo que el polinomio ara terísti o de B .
Observa ión 35
Por el teorema anterior tenemos que el polinomio ara terísti o de un operador
T no depende de la representa ión matri ial que tomemos, es de ir, si [T ]β1 y
[T ]β2 son representa iones de T on respe to a las bases β1 y β2 orrespondien-
temente, enton es los polinomios ara terísti os de [T ]β1 y [T ]β2 oin iden.
Teorema 52
Sea A una matriz uadrada de orden n, λ valor propio de A. Si Eλ es el espa io
propio aso iado a λ, enton es
dim Eλ ≤ k,
donde k es la multipli idad de λ omo raíz de p(λ) = det(A − λI).

Ejemplos 61
Consideremos la matriz  
1 1 1 1
 0 2 0 0 
A=
 0

0 1 1 
0 3 3 1
y omprobemos que umple el teorema anterior.
Cal ulamos el polinomio ara terísti o
p(λ) = det(A − λI)

1−λ 1 1 1

0 2 − λ 0 0
=
0 0 1−λ 0

0 3 3 1−λ
= (1 − λ)3 (2 − λ).
por lo tanto los valores propios son λ1 = 1 y λ2 = 2, donde

λ = 1 tiene multipli idad 3.
λ = 2 tiene multipli idad 1.
Para hallar los ve tores propios resolvamos

     
1−λ 1 1 1 x1 0
 0 2−λ 0 0   x2   0 
=
  0 .
   
 0 0 1−λ 0   x3
0 3 3 1−λ x4 0
Si λ = 1 el sistema se onvierte en
    
0 1 1 1 x1 0
 0 1 0 0   x2   0 
    =  .
 0 0 0 0   x3   0 
0 3 3 0 x4 0
o equivalentemente
x2 + x3 + x4 = 0
x2 = 0
3x2 + 3x3 = 0
luego de aquí
x1 = t ∈ R
x2 = x3 = x4 = 0
por lo tanto  
t
 0 
X= 
 0  t∈R
0
y
Eλ1 = {(t, 0, 0, 0)| t ∈ R} = L((1, 0, 0, 0))
donde (1, 0, 0, 0) forma una base de Eλ1 , y enton es Eλ1 tiene dimensión 1, lo
ual umple on el teorema
dim Eλ1 = 1 ≤ 3 = k.
Si λ = 2 obtenemos el sistema
     
−1 1 1 1 x1 0
 0 0 0 0   x2   0 
=
  0 .
   
 0 0 −1 0   x3
0 3 3 −1 x4 0
llevando a la redu ida la matriz de este sistema

     
−1 1 1 1 −1 1 0 1 −1 1 0 1
 0 0 0 0   0 0 0 0   0 3 0 −1 
 ∼  ∼  
−1 0  F2 ↔F4
F4 + 3F3
 0 0 −1 0  F1 + F3
 0 0  0 0 −1 0 
0 3 3 −1 0 3 0 −1 0 0 0 0
o equivalentemente
x1 = x2 + x4 ,
x3 = 0,
x2 = 31 x4 ,
luego de aquí
x1 = 43 x4 ,
x3 = 0, x2 = 31 x4 ,
por lo tanto si x4 = t ∈ R  
4
3t
 
 1 
 t 
 3 
X=



 0 
 
 
t
y
4 1 4 1
Eλ2 = {( t, t, 0, t)| t ∈ R} = L(( , , 0, 1))
3 3 3 3
donde ( 34 , 31 , 0, 1) forma una base de Eλ2 , y enton es Eλ2 tiene dimensión 1, lo
ual umple on el teorema
dim Eλ2 = 1 ≤ 1 = k.
4.3. Diagonaliza ión
Diremos que una matriz uadrada A es diagonalizable si existe una matriz

inversible P tal que P −1 AP es diagonal, es de ir, si A es semejante a una matriz
diagonal. Con esto tendremos que si T : V −→ V es un operador lineal on V
espa io ve torial de dimensión n, enton es T es diagonalizable si existe una base
β tal que [T ]β es diagonal.
Teorema 53
Si la matriz A es diagonalizable, enton es el polinomio ara terísti o de A se
puede fa torizar omo produ to de fa tores lineales
p(λ) = (λ1 − x)(λ2 − x) · · · (λn − x).
Teorema 54
La matriz A de orden n es diagonalizable ssi los ve tores propios de A forman
una base de Rn .
Observa ión 36
a) Si A es diagonalizable, la matriz diagonal semejante a A tiene la forma

 
λ1 0 ··· 0
 0 λ2 ··· 0 
D= . .. .. .. 
 
 .. . . . 
0 0 · · · λn
donde λ1 , λ2 , . . . , λn son los valores propios de A.

b) De la demostra ión del teorema tenemos que
D = P −1 AP
donde P es la matriz formada por los n ve tores propios de A que forman

la base de Rn .
Ejemplos 62
Sea  
1 0 0
A= 1 0 −2 
−1 1 −3
¾Es diagonalizable la matriz A ?.
Teorema 55
Sea A matriz de orden n. Si λ1 , λ2 , . . . , λm (m ≤ n) son los valores propios
distintos de A, y vi es un ve tor propio aso iado λi para i = 1, . . . , m. Enton es
{v1 , v2 , . . . , vm } es l.i.
Corolario 22
Si A matriz n×n tiene n valores propios distintos, enton es A es diagonalizable.
Ejemplos 63
Sea  
1 1 1
A= 0 1 0 
0 0 2
¾Es diagonalizable la matriz A ?.
Cal ulemos el polinomio ara terísti o
 
1−λ 1 1
p(λ) = det(A − λI) =  0 2−λ 0  = (1 − λ)(1 − λ)2 ,
0 0 2−λ
este tiene solo dos valores propios distintos λ1 = 1 y λ2 = 2.

Si λ = 1  
0 1 1
A − λI =  0 1 0 
0 0 1
para en ontrar los ve tores propios resolvemos el sistema homogéneo

x2 + x3 = 0
x2 = 0
x3 = 0
y enton es
x1 = t ∈ R
x2 = 0
x3 = 0
así el espa io propio aso iado a λ1 es
Eλ1 = {(t, 0, 0)| t ∈ R} = L((1, 0, 0)).
Si λ = 2  
−1 1 1
A − λI =  0 0 0 
0 0 0
y el sistema homogéneo orrespondiente es
−x1 + x2 + x3 = 0
y enton es si x2 = s, x2 = t ∈ R
x1 = x2 + x3 = s + t
así el espa io propio aso iado a λ2 es

Eλ2 = {(s+t, s, t)| s, t ∈ R} = Eλ2 = {s(1, 1, 0)+t(1, 0, 1)| s, t ∈ R} = L((1, 1, 0), (1, 0, 1)).
luego tomando
v1 = (1, 0, 0), v2 = (1, 1, 0), v3 = (1, 0, 1).
Finalmente veamos si estos ve tores forman una base de R3 : Cal ulemos el

determinante  
1 1 1
det  0 1 0  = 1 6= 0
0 0 1
omo el determinante es distinto de ero, enton es los ve tores v1 , v2 y v3 son
l.i., y omo R3 es generado por 3 ve tores l.i. enton es v1 , v2 , v3 forman una
base de R3 y por lo tanto A es diagonalizable.
Teorema 56
Sea A matriz n×n. Sean λ1 , . . . , λm los valores propios distintos de A y Eλ1 , Eλ2 , . . . , Eλm
los espa ios propios orresppondientes. Los siguientes in isos son equivalentes
a) A es diagonalizable.
b)
p(λ) = (λ1 − x)α1 (λ2 − x)α2 · · · (λm − x)αm
donde dim Eλi = αi on i = 1, . . . , m.

)
dim Eλ1 + dim Eλ2 + · · · + dim Eλm = n.
Ejemplos 64
En ontrar la base β de R3 respe to de la ual la matriz que representa a T es
diagonal,
T (x, y, z) = (2x, 3x + 2y + z, 4x + y + 2z).
4.4. Polinomio mínimo y teorema de Caley - Ha-

milton
Sean p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 un polinomio de grado n,

A ∈ Mn×n . Diremos que A anula a p(x) si
p(A) = an An + an−1 An−1 + · · · + a1 A + a0 I = 0.
De imos que un polinomio m(x) es el polinomio mínimo de A si m es móni o y

es el polinomio de menor grado que es anulado por A.
Ejemplos 65 Sea  
2 1 0
A= 0 1 1 ,
0 0 1
y onsideremos los siguientes polinomios
p0 (x) = (x − 1)3 (x − 2)2 = x5 − 7x4 + 19x3 − 25x2 + 16X − 4
p1 (x) = (x − 1)2 (x − 2)2 = x4 − 6x3 + 13x2 − 12x + 4,
p2 (x) = (x − 1)2 (x − 2) = x3 − 4x2 + 5x − 2,
p3 (x) = (x − 1)(x − 2) = x2 − 3x + 2,
los polinomios p0 ,p1 y p2 son anulados por A, por lo tanto el polinomio mínimo
es p2 .
Teorema 57
El polinomio mínimo es úni o.
Teorema 58
El polinomio mínimo de A, m(x) divide a ualquier polinomio que es anulado
por A.
Ejemplos 66
En el ejemplo anterior el polinomio p2 divide a p0 , y a P1 .
Teorema 59
Sean A y B matri es semejantes:A = C −1 BC , y p(x) un polinomio arbitrario,
enton es
p(A) = C −1 p(B)C.
Corolario 23
Si A y B son matri es semejantes, enton es tienen el mismo polinomio mínimo.
Teorema 60 (Caley-Hamilton)
Sean A matriz n × n, y p(x) su polinomio ara terísti o, enton es p(A) = 0.
Corolario 24 El polinomio mínimo divide al polinomio ara terísti o.
Teorema 61 nl Sean λ1 , . . . , λm valores propios distintos de A, y el polinomio
ara terísti o
p(x = (−1)m (x − λ1 )α1 (x − λ2 )α2 · · · (x − λm )αm ,
donde α1 , . . . , αm son las multipli idades. Enton es el polinomio mínimo de A

tiene al forma
m(x) = (x − λ1 )β1 · · · (x − λm )βm ,
donde β1 ≤ α1 , . . . , βm ≤ αm .
Ejemplos 67
Sea  
2 2 0 0
 −1 5 0 0 
A=
 2
,
0 −1 0 
4 0 −8 3
En ontrar el polinomio mínimo.
Teorema 62
Si λ1 , . . . , λm son los valores propios distintos de A, enton es A es diagonalizable
ssi su polinomio mínimo es
m(x) = (x − λ1 )(x − λ2 ) · · · (x − λm ).
Ejemplos 68
Tomando A omo en el ejemplo anterior tenemos que A es diagonalizable.
4.5. Diagonalizaión ortogonal
De imos que una matriz A de orden n × n es simétri a si A = At ( oin ide

on su transpuesta). De imos que una mmatriz P es ortogonal si P P t = I
(P t = P −1 ). De imos que A es una matriz diagonalizable ortogonalmente si
existe una matriz ortogonal P tal que
P −1 AP = D
donde D es una matriz diagonal.

Teorema 63
Si A es diagonalizable ortogonalmente, enton es A es simétri a.
Teorema 64
Si A es simétri a, enton es sus valores propios son reales.
Teorema 65
Sean λ1 , . . . , λm valores propios distintos de A y X1 , . . . , Xm los ve tores propios
orrespondientes, enton es X1 , . . . , Xm son ortogonales a pares ((Xi |Xj ) = 0
para i 6= j ).
Corolario 25
Sea A simétri a on todos sus valores propios distintos, enton es A es diagona-
lizable ortogonalmente
Observa ión 37
Si A es diagonalizable ortogonalmente: D = P t AP donde P esta formada por los
ve tores propios de A ortonormalizados mediante el pro eso de Gram - S hmidt.
Ejemplos 69
Sea  
1 0 2
A= 0 2 0 ,
2 0 4
Es diagonalizable ortogonalmente? En aso de serlo en ontrar la matriz P tal
que D = P t AP .
Teorema 66
Sea A natriz simétri a de orden n × n. Enton es A es diagonalizable ortogonal-
mente.
Ejemplos 70
Sea  
1 1 1
A= 1 1 −1  ,
1 −1 1
Es diagonalizable ortogonalmente?

ALGLINEA

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ALGLINEA

Enviado por

Direitos autorais:

Formatos disponíveis

Índi

3. Transforma iones Lineales 89

Una e ua ión lineal es una expresión del tipo

A ontinua ión daremos la terminología que utilizaremos:

donde aij ∈ R on i = 1, . . . , m, j = 1, . . . , n, y x1 , . . . , xn las in ognitas.

1. Sistema de tres e ua iones y dos in ognitas

2. Sistema de tres e ua iones y tres in ognitas

1. Resolver el siguiente sistema lineal

mediante opera iones elementales.

1.2. Matri es en un sistema de e ua iones

Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

Dado un sistema de m e ua iones on n in ognitas

le aso iamos la matriz de orden m × n

llamada la matriz del sistema, pero tambien le aso iamos la matriz

llamada la matriz aumentada del sistema.

1. Es ribir las matri es aso iadas al siguiente sistema

Las matri es del sistema y aumentada del sistema son

2. Es ribir las matri es aso iadas al siguiente sistema

Las matri es del sistema y aumentada del sistema son

d) Cada olumna que ontiene el primer elemento no ero de alguna linea,

1.3. Metódo de elimina ión de Gauss - Jordan

El método de Gauss - Jordan nos di e que podemos en ontrar la solu ión de

1. Llevar a la forma redu ida es alonada la matriz

Primero inter ambiamos de lugar F1 y F2 , a su vez mediante opera iones

2. Resolver el siguiente sistema de e ua iones

La matriz aumentada del sistema es

1.4. Sistema homogeneo de e ua iones lineales

Consideremos el sistema de e ua iones homogeneo siguiente

Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

Si m = n a la matriz A le llamaremos uadrada, y la denotaremos A =

Si A = (aij )i,j=1,...,n es una matriz uadrada, denimos la diagonal prin ipal

Denimos la matriz identidad In de orden n × n omo la matriz en la que

Propiedades del produ to

Existe 0m×n tal que 0m×n A = 0 Elemento neutro,

1. El produ to de matri es en general no es onmutativo (AB 6= BA). Ya que

1.6. Sistemas no homogeneos de e ua iones linea-

Consideremos el sistema no homogeneo de e ua iones lineales

AX̃ = A(X − X0 ) = AX − AX0 = B − B = 0,

luego X̃ es solu ión de AX = 0, y por lo tanto

omo en el teorema. Si AX = 0 tiene solu ión trivial (X = 0), enton es X = X0 ,

Llevando la matriz aumentada del sistema a la forma es alonada redu ida

Una solu ión parti ular se tiene uando t = 0

Por otro lado onsiderando el sistema homogeneo y llevando su matriz a la forma

así la solu ión general de AX = B esta dada por

1.7. Matri es elementales

De imos que la matriz E de orden n × n, es matriz elemental si se puede obtener

Supongamos que E se obtiene inter ambiando las las i e j de la matriz

Supongamos que E se obtiene multipli ando I por la onstante α, esto se

1.8. Inversa de una matriz

donde P es el produ to de matri es elementales.

b) ⇒ ) Inmediato ya que A = P I = P donde P es produ to de matri es elemen-

por lo tanto P −1 = A−1 , y A es invertible.

1. Si la matriz A es invertible, existen matri es E1 , . . . , Ek que redu en a A

a) ⇒ b) Consideremos AX = 0 y omo A es invertible

⇒) Supongamos A invertible, enton es existe B tal que AB = I , así

y A1 tiene inversa dere ha por lo tanto es invertible, luego multipli ando

A2 tiene inversa por la dere ha y por lo tanto es invertible, y asi su esiva-

2. En ontrar la inversa de la matriz

1. Las permuta iones en S2 son σ1 , y σ2 , donde

2. Sea S3 = {σ1 , σ2 , σ3 , σ4 , σ5 , σ6 }, donde

Diremos que una permuta ión τ es una inversión respe to a i, j ∈ In si

Una permuta ión τ del onjunto Sn es una transposi ión de i, j ∈ In si

1.10. El Determinante de una matriz

Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

Una matriz A de orden m × n (m las, n olumnas) es un arreglo re tangular

Si A = (aij )i,j=1,...,n es una matriz uadrada, denimos la diagonal prin ipal

Denimos la matriz identidad In de orden n × n omo la matriz en la que

Supongamos que E se obtiene inter ambiando las las i e j de la matriz

denimos el determinante de A omo

3. Si A′ es la matriz que se obtiene de A al inter ambiar dos las de está,

5. Si A tiene dos las iguales, enton es

6. Si A tiene una la de eros, enton es

7. Si A′ es la matriz que se obtiene de A al sumarle a una la de ésta un

Sea A = (aij ) matriz uadrada n × n, denimos la transpuesta de A omo

Denimos las submatri es Mij de orden (n − 1) × (n − 1) que se obtiene de

Teorema 12 (Desarollo por ofa tores on respe to a la i-ésima la)

Primero demostremoslo para k = 1: por deni ión

nalmente para demostrarlo para k > 1, re orremos la k-ésima olumna de A

para nalizar re orremos la la i-ésima al lugar de la primera la en A, y así

on respe to a la primera la. Tenemos que

así A′ tiene dos las iguales la s-ésima y la r-ésima

1. Denimos cij := (−1)i+j (det Mij ) on i, j = 1, . . . , n. A estos numeros

13. Sea la matriz

denimos la traza de A omo

30. Cal ular el determinante (por deni ión) de