Libro Version1 PDF

INTRODUCCIÓN AL ÁLGEBRA LINEAL
Jorge Gordillo, Óscar Pulido, Boris Pulido

Contenido
1 MATRICES 3
1.1 MATRICES DE ENTRADAS REALES . . . . . . . . . . . . . 3
1.2 ALGUNOS TIPOS DE MATRICES . . . . . . . . . . . . . . . 6
1.3 ÁLGEBRA DE MATRICES . . . . . . . . . . . . . . . . . . . . 9
1.3.1 ADICIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 MULTIPLICACIÓN DE UN REAL POR UNA MATRIZ 12
1.3.3 MULTIPLICACIÓN DE MATRICES . . . . . . . . . . 14
1.3.4 OTROS RESULTADOS EN ÁLGEBRA DE MATRICES. 20
2
Capı́tulo 1
MATRICES
1.1 MATRICES DE ENTRADAS REALES

Definición 1
Una matriz de entradas reales es un arreglo rectangular de números reales.
Ejemplo 1
Cada uno de los siguientes arreglos representa una matriz.
−5 0 0 4
π 0 −2 1
1
√ 0 1 1 −2
5 3 −1
3
− 75 −9 −0.5 −4
1 −1 1 1 √
3 1 −2 − 92
Comunmente usamos letras mayúsculas para notar las matrices, A, B, X etc,

y escribimos el arreglo entre paréntesis. Notamos las matrices del ejemplo
anterior en la siguiente forma:
   
  −5 0 0 4
π 0 −2 1
√  0   1 1 −2 
A= 1
5 3 −1

B=
 
C=
 
3
− 57
   
−9 −0.5 −4
√
   
1 −1 1 1
3 1 −2 − 29
3
4 CAPÍTULO 1. MATRICES
Definición 2
Cada uno de los arreglos horizontales en una matriz se denomina una fila y se
nombran secuencialmente de arriba hacia abajo comenzando en 1 y cada uno
de los arreglos verticales se denomina una columna y se nombran de izquierda
a derecha de la misma forma.
Ejemplo 2  
π 0 −2 1
√
La matriz A = 
 1
3
5 3 −1

 tiene tres filas y cuatro columnas a
1 −1 1 1
saber:
√
Fila 1: π 0 −2 1 , Fila 2: 1
3
5 3 −1 , Fila 3: 1 −1 1 1
     
π 0 −2
√
Columna 1: 
 1
3 ;

Columna 2: 
 5 ;

Columna 3:  3 ;
 
Columna
1 −1 1
 
1
4:
 −1 

1
Definición 3
Si A es una matriz con -m- filas y -n- columnas, decimos que su orden o
tamaño es m por n y escribimos m × n
Si m = n decimos que la matriz es cuadrada de orden n.
Definición 4
Dada una matriz A, el corte de la fila −i− con la columna −j− de A, lo

denominamos la entrada −ij− de A.
NOTACION. Notamos aij o (A)ij para representar el número real que aparece
en la entrada −ij−de la matriz A.
1.1. MATRICES DE ENTRADAS REALES 5
..
 
 . 
 .. 
.
 
 
 
 ···
 ··· aij ··· ··· 
 −→ fila i
 .. 
.
 
 
..
 
.
↓
columna j
Una matriz tamaño m × n tiene mn entradas.
Ejemplo 3  
π 0 −2 1
√
La matriz A = 
 1
3
5 3 −1

 tiene tamaño 3 × 4 y sus doce entradas
1 −1 1 1
son:
a11 = π a12 = 0 a13 = −2 a14 = 1
√
a21 = 13 a22 = 5 a23 = 3 a24 = −1
a31 = 1 a32 = −1 a33 = 1 a34 = 1
Una matriz tamaño m × n tiene m filas notadas A1 , A2 , ..., Ai , ..., Am , donde

para cada −i−, 1 ≤ i ≤ m,

Ai = ai1 ai2 · · · aij · · · ain
Una matriz tamaño m×n tiene n columnas notadas A(1) , A(2) , ..., A(j) , ..., A(n) ,
donde para cada −j−, 1 ≤ j ≤ n,
 
a1j

 a2j 


 .. 

.
A(j) =
 
 

 aij 

 .. 
.
 
 
amj
NOTACION. Escribimos A = (aij ) con 1 ≤ i ≤ m y 1 ≤ j ≤ n, para

referirnos de manera genérica a la matriz tamaño m × n
 
a11 a12 ··· a1j ··· a1n

 a21 a22 ··· a2j ··· a2n 


 .. .. .. .. 

. . . .
A=
 
 

 ai1 ai2 ... aij ··· ain 

 .. .. .. .. 
. . . .
 
 
am1 am2 ··· amj ··· amn
Cuando no hay lugar a confusión respecto del tamaño, solamente escribiremos

A = (aij ) .
Definición 5
Una matriz tamaño 1 × n la denominamos matriz vector fila y una matriz

tamaño m × 1 la denominamos matriz vector columna.
Ejemplo 4
√
La matriz A = 1 0 −6 37 2 es una matriz vector fila tamaño 1 × 5
0
π
y la matriz B = −7 es una matriz vector columna tamaño 4 × 1.
2
Definición 6
Decimos que dos matrices A y B del mismo tamaño m × n son iguales y

escribimos A = B si y solamente si para todo i, 1≤ i ≤ m y para todo j,
1≤ j ≤ n; aij = bij es decir si para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n
el elemento de la entrada -ij- de A es igual a el elemento de la entrada -ij- de
B.
1.2 ALGUNOS TIPOS DE MATRICES

Definición 7
Dada una matriz A tamaño n × n, los elementos de las entradas −ii−; 1 ≤

i ≤ n, forman la denominada diagonal de A
1.2. ALGUNOS TIPOS DE MATRICES 7
 
a11 ∗ ∗ ∗
 ∗ a22 ∗ 
A=
 
..
 
.
 
 ∗ ∗ 
∗ ∗ ∗ ann
Definición 8
Decimos que una matriz A de tamaño n × n es triangular superior si todas

las entradas debajo de la diagonal son cero, es decir si para todo i tal que
i > j; aij=0
 
a11 ∗ ∗ ∗
 0 a22 ∗ 
A=
 
..
 
.
 
 0 0 ∗ 
0 0 0 ann
Definición 9
Decimos que una matriz A de tamaño n × n es triangular inferior si todas las

entradas encima de la diagonal son cero, es decir si para todo i tal que i < j;
aij = 0
 
a11 0 0 0
 ∗ a22 0 0 
A=
 
..
 
.
 
 ∗ ∗ 
∗ ∗ ∗ ann
Definición 10
Decimos que una matriz A tamaño n × n es diagonal si todas las entradas

distintas a las de la diagonal son cero, es decir si para todo i, j tal que i 6= j;
aij = 0
 
a11 0 0 0
 0 a22 0 0 
A=
 
..
 
.
 
 0 0 0 
0 0 0 ann
Definición 11
Decimos que una matriz A tamaño n × n es escalar si es diagonal y además

todas las entradas de la diagonal son iguales, es decir si para todo i, j tal que
i 6= j; aij = 0 y aii = k
 
k 0 0 0
 0 k 0 0 
A=
 
..
 
.
 
 0 0 0 
0 0 0 k
Para cada tamaño n × n la matriz escalar I(n) tal que para todo i, j tal que
i 6= j; aij = 0 y aii = 1, se denomina la matriz idéntica o matriz identidad de
orden n.
Ejemplo 5
Si
 11 
5 −7 9 3
 
0 0 0 0
 0 0 0 −1 
 √   4 −1 0 0 
A= 
0 0 2 4

B= 
− 17 1 0
   
   5
−2 
 0 0 0 2 
0 8 π 7
0 0 0 0
   √ 
4 0 0 2 0 0
√
C=  0

5 0 

D= 
0 2 0 

√

0 0 −1 0 0 2
 
  1 0 0 0
1 0 0  0 1 0 0 
I(3) = 
 0 1 0 

I(4)=  
0 0 1 0
 
 
0 0 1
0 0 0 1
1.3. ÁLGEBRA DE MATRICES 9
entonces:
→ A es una matriz triangular superior.
→ B es una matriz triangular inferior.
→ C es una matriz diagonal.
→ D es una matriz escalar.
→ I(3) , I(4) son las matrices idénticas de orden 3 y 4 respectivamente.
1.3 ÁLGEBRA DE MATRICES

En lo que sigue estudiaremos la estructura algebraica de los conjuntos de ma-
trices de entradas reales, el lector debe observar que solamente en la adición ex-
iste un comportamiento idéntico al comportamiento de la adición de números
reales, en lo demás, tanto el tipo de operación como sus propiedades difieren
completamente de las usuales de los sitemas numéricos.
1.3.1 ADICIÓN
Definición 12
Para cada par de enteros positivos m,n; consideramos:
M (m, n) = {X|Xes una matriz de tamaño m × n, de entradas reales}
si A ∈ M (m, n), B ∈ M (m, n) definimos A + B = C donde C ∈ M (m, n) y

cij = aij + bij
Para el caso m = 1, n = 1 identificamos M (1, 1) con R

C se denomina la suma de A con B y es una matriz del mismo tamaño que
A y B y tal que su entrada −ij− es la suma de los números reales de las
entradas −ij− de A y de B respectivamente.
   
a11 ··· a1n b11 ··· b1n
 ..   .. 
 .   . 
   
   
 · · · aij · · ·  +  · · · bij · · ·  =
   
 ..   .. 
 .   . 
am1 · · · amn bm1 · · · bmn
 
a11 + b11 ··· a1n + b1n
 .. 
 . 
 
 
 ··· aij + bij ··· 
 
 .. 
 . 
am1 + bm1 ··· amn + bmn
Ejemplo 6
   
1 −2 0 4 −1
3 2 2 −7 4 2
 √  
 4 2 1 7 6   0 5 1 0 −4 

 + =
 −0.5 0 −3 −1 −5   3 0 π −1 5 
1 1 π 1 1 0 −1 π8 0 1
 
3 0 −7 8 35
 4 5 + √2 2 7 2 
 
= 
 2.5 0 −3 + π −2 0 
9π
1 0 8 1 2
La siguiente proposición presenta las propiedades de la suma de matrices.
Proposición 1
Para cada tamaño, la adición ası́ definida satisface las siguientes propiedades:
1. Propiedad Asociativa. Para toda A ∈ M (m, n), B ∈ M (m, n), C ∈

M (m, n)
A + (B + C) = (A + B) + C
2. Propiedad modulativa. Existe 0m×n ∈ M (m, n), tal que para toda A ∈
M (m, n)
A+0m×n =0m×n + A = A
3. Propiedad Invertiva. Para toda A ∈ M (m, n), existe B ∈ M (m, n) tal

que
A + B = B + A =0m×n
4. Propiedad Conmutativa. Para toda A ∈ M (m, n), B ∈ M (m, n)
A+B =B+A
Prueba.
1. Basta comparar para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

elementos de la entrada −ij− de las matrices A+(B +C) y (A+B)+C
ası́:
(A + (B + C))ij = aij + (B + C)ij = aij + (bij + cij )
((A + B) + C)ij = (A + B)ij + cij = (aij + bij ) + cij
La asociatividad de la adición de números reales nos garantiza que las

expresiones de la derecha representan el mismo número real, en conse-
cuencia A + (B + C) = (A + B) + C
2. Basta observar que 0m×n es la matriz tal que todas sus entradas son
cero y para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n,
(A+0m×n )ij = aij + 0 = aij
(0mxn + A)ij = 0 + aij = aij

3. Si A ∈ M (m, n) basta definir B ∈ M (m, n) por bij = −aij , para todo

i, 1≤ i ≤ m y para todoj, 1≤ j ≤ n, y en consecuencia
(A + B)ij = aij + bij = aij + (−aij ) = 0
(B + A)ij = bij + aij = (−aij ) + aij = 0
Al igual que en números reales B se denomina “La opuesta de A” y se

nota −A.
Usualmente escribimos A − B por A + (−B)
4. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, las

entradas −ij− de las matrices (A + B) y (B + A)
(A + B)ij = aij + bij
(B + A)ij = bij + aij
La conmutatividad de la adición de números reales nos garantiza que las

expresiones de la derecha representan el mismo número real, en conse-
cuencia A + B = B + A.
1.3.2 MULTIPLICACIÓN DE UN REAL POR UNA MA-

TRIZ
Definición 13
Sean λ ∈ R un número real y A ∈ M (m, n) definimos la “multiplicación del

número real λ por la matriz A”(En ese orden) a la matriz del mismo tamaño
de A y tal que para todo i, 1≤ i ≤ m y para todo j, 1 ≤ j ≤ n su entrada
−ij− se obtiene multiplicando λ por la entrada −ij− de A.
(λA) ∈ M (m, n) y para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n (λA)ij =

λaij .
Ejemplo 7
Si
!
1 4 −5
A= 13
√
6
3 −0.5
! !
2 8
2
2
(1) 2
3 (4)
2
(−5) 3 3 − 10
3
3A = 2
3 13
2
√ 2
3 = 13
√
2 3
3 . 6 3 . 3 3 . (−0.5) 9 3 − 13
La siguiente proposición presenta las propiedades de la multiplicación de es-

calares con matrices.
Proposición 2
Para cada tamaño, la multiplicación ası́ definida, satisface las siguientes propiedades:
1. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),
λ (µA) = (λµ) A
2. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),
(λ + µ)A = λA + µA
3. Para todo λ ∈ R y para toda A ∈ M (m, n), B ∈ M (m, n),
λ(A + B) = λA + λB
4. Si A ∈ M (m, n) y 1 ∈ R,
1A = A
Prueba.−
1. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

elementos de la entrada −ij− de las matrices λ (µA) y (λµ) A:
(λ (µA))ij = λ (µA)ij = λ(µaij )

((λµ)A)ij = (λµ) aij

La asociatividad de la multiplicación de números reales nos garantiza
que las expresiones de la derecha representan el mismo número real, en
consecuencia
λ (µA) = (λµ) A.
2. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los

elementos de la entrada −ij− de las matrices (λ + µ)A y λA + µA:
((λ + µ)A)ij = (λ + µ)aij = λaij + µaij
(λA + µA)ij = (λA)ij + (µA)ij = λaij + µaij
3. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

elementos de la entrada −ij− de las matrices λ(A + B) y λA + λB:
(λ(A + B))ij = λ (A + B)ij = λ(aij + bij )
(λA + λB)ij = (λA)ij + (λB)ij = λaij + λbij

Puesto que la multiplicación de números reales distribuye respecto de la
adición, las expresiones de la derecha representan el mismo número real
y en consecuencia λ(A + B) = λA + λB.
4. Para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, (1A)ij = 1aij = aij

puesto que 1 es la identidad para la multiplicación de números reales.
1.3.3 MULTIPLICACIÓN DE MATRICES

Definición 14
Sean A una matriz vector fila tamaño 1 × n y B una matriz vector columna
tamaño n × 1
 
b11
 
 b21 
 . 
 
A = a11 a12 · · · a1n , B =  .. ,
 . 
 . 
 . 
bn1
definimos el producto AB, en ese orden, como el número real c que se obtiene
como la suma de los productos de las entradas “correspondientes”; es decir,
primera entrada de A por primera entrada de B, mas segunda entrada de A
por segunda entrada de B, mas tercera por tercera y ası́ sucesivamente hasta
la n-ésima entrada de A por n-ésima entrada de B. De esta forma:
c = a11 b11 + a12 b21 + a13 b31 + · · · + a1n bn1
P
Abreviadamente utilizando la notación escribimos:
 
b11
b21
 
 
 ..

P
k=n
AB = C = = a1k bk1
 
a11 a12 ··· ... a1n 
 . 

 ..  k=1
.
 
 
bn1
Es importante recalcar que para hablar de “entradas correspondientes” es

necesario que el número de columnas de la matriz vector fila A sea igual al
número de filas de la matriz vector columna B.
 
π


 4 

5
−3 5
4
−3 π 1 

2

 = −3π + 4 4 + (−3) (2) + 3π + 1 (0) = 1
 
 3 
0
Definición 15
Sean A ∈ M (m, n), B ∈ M (n, s) definimos el producto AB, en ese orden,

como la matriz C, tamaño m × s y tal que la entrada -ij− de C se obtiene
al multiplicar la fila −i− de A por la columna −j−de B, de acuerdo con la
definición anterior.
 
b1j
b2j
 
 
 ..

P
k=n
cij = Ai B (j) = = aik bkj
 
ai1 ai2 ··· ... ain 
 . 

 ..  k=1
.
 
 
bnj
 
A1 B (1) ··· A1 B (j) ··· A1 B (s)
 .. 
.
 
 
.. ..
 
AB = C = 
 . Ai B (j) .


 
 .. 

 . 

Am B (1) ··· Am B (j) ··· Am B (s)
Ejemplo 8
Si
 
7 5 !
−4 8 2 1
A=  −1

−2 ,

B=
6 −5 −3 −5
0 3
entonces el producto AB es la matriz que resulta de

 ! ! ! ! 
−4 8 2 1
7 5 7 5 7 5 7 5

 6 −5 −3 −5 

 ! ! ! ! 
 −4 8 2 1 
 −1 −2 −1 −2 −1 −2 −1 −2 

 6 −5 −3 −5 

 ! ! ! ! 
 −4 8 2 1 
0 3 0 3 0 3 0 3
6 −5 −3 −5
es decir,
 
2 31 −1 −18
AB = 
 −8 2 4 9 

18 −15 −9 −15
El lector debe observar que la “operación” que acabamos de definir tiene par-
ticularidades especiales y no se comporta de la misma forma que la multi-
plicación de números reales; solo en el caso de matrices cuadradas opera dos
elementos de un mismo conjunto y produce como resultado un elemento del
mismo conjunto; en los demás casos es completamente atı́pica ya que tiene una
condición o requisito para su definición, “el número de columnas del primer
factor debe ser igual al número de filas del segundo”, es decir opera elementos
de conjuntos diferentes y además produce como resultado un elemento de otro
conjunto distinto.
Los siguientes ejemplos muestran algunas situaciones donde se evidencia el
comportamiento especial de la multiplicación de matrices.
Ejemplo 9    
−1 0 3 0 1 5
1. Si A =  2

−7 11 ,

B=  −1

3 0 ,

entonces
1 2 −2 1 2 2
   
3 5 1 7 3 1
C = AB =  18

3 32 

y D = BA =  7

−21 30 

−4 3 1 5 −10 21
.
Se observa que A, B, AB y BA son matrices cuadradas 3 × 3, aun cuando
AB 6= BA.
 
1 0 !
 0 1  0 1 0 1
Si L =  ,

S= , entonces
1 0 1 0 1 0

 
0 1
 
0 1 0 1 !
 1 0 1 0  0 2
 
LS =   y SL =
 0 1 0 1  2 0
1 0 1 0
Es decir que, L ∈ M (4, 2), S ∈ M (2, 4) y LS ∈ M (4, 4) mientras que SL ∈

M (2, 2)
 
2 0 !
1 −1 0 −1
Si U =  0

3 ,

V = , se tiene que
0 2 1 1
2 0
 
2 −2 0 −2
UV =  0

6 3 3 

2 −2 0 −2
Es decir que, U ∈ M (3, 2), V ∈ M (2, 4) y U V ∈ M (3, 4), mientras que V U no

está definido.
! !
1 0 0 0
Si A = ,B= , entonces
0 0 0 1
!
0 0
AB = BA =
0 0
Las matrices A, B, AB y BA son cuadradas 2 × 2, A 6= 02×2 , B 6= 02×2 sin

embargo AB = BA = 02×2
La siguiente proposición presenta las propiedades de la multiplicación entre

matrices.
Proposición 3
1. Si A ∈ M (m, n), B ∈ M (n, r) y C ∈ M (r, s) entonces (AB)C =

A(BC)
2. Si A ∈ M (m, n), B ∈ M (n, r) y C ∈ M (n, r) entonces

A(B + C) = AB + AC
3. Si A ∈ M (m, n), B ∈ M (m, n) y C ∈ M (n, r) entonces

(A + B)C = AC + BC
4. Si A ∈ M (m, n), B ∈ M (n, r) y λ ∈ R entonces ((λA) B) = (A (λB)) =

λ (AB)
5. I(m) y I(n) son tales que para toda matriz A ∈ M (m, n) tenemos
I(m) A = A = AI(n)
Prueba.−
1. Evidentemente todos los productos están definidos y las matrices finales

resultan del mismo tamaño, basta entonces observar que para todo i,
1≤ i ≤ m y para todo j, 1 ≤ j ≤ s,
k=r t=n
k=r X
! t=n
k=r X
X X X
((AB) C)ij = (AB)ik ckj = ait btk ckj = ait btk ckj
k=1 k=1 t=1 k=1 t=1
k=n k=n t=r

! k=n t=r
X X X XX
(A(BC))ij = aik (BC)kj = aik bkt ctj = aik bkt ctj
k=1 k=1 t=1 k=1 t=1
Las propiedades algebraicas de la adición y multiplicación de números

reales nos garantizan que las expresiones de la derecha en ambos casos
representan el mismo número real, en consecuencia (AB)C = A(BC)
2. Evidentemente las sumas y los productos están definidos y las matrices

finales resultan del mismo tamaño, basta entonces observar que para
todo i, 1≤ i ≤ m y para todoj, 1≤ j ≤ r,
k=n
X k=n
X k=n
X
(A(B +C))ij = aik (B +C)kj = aik (bkj +ckj ) = aik bkj +aik ckj
k=1 k=1 k=1
k=n
X k=n
X k=n
X
(AB+AC)ij = (AB)ij +(BC)ij = aik bkj + aik ckj = aik bkj +aik ckj
k=1 k=1 k=1
En consecuencia,
A(B + C) = AB + AC
3. Ejercicio para el lector.
4. Las matrices ((λA)B), (A(λB)) y (λ(AB)) resultan matrices del mismo

tamaño en consecuencia es suficiente probar que coinciden en cada una
de sus entradas correspondientes.
Ahora, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ r,
P
k=n P
k=n P
k=n
((λA)B)ij = (λA)ik bkj = λaik bkj = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1
P
k=n P
k=n P
k=n
(A(λB)ij ) = aik (λB)kj = aik (λbkj ) = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1
por tanto ((λA)B) = (A(λB)) = (λ(AB)).

5. Recordamos que I(m) es la matriz cuadrada de orden m tal que I(m) =
kl
0 si k 6= l, y I(m) kk = 1, entonces

I(m) A ij =
k=n
X
= I(m) ik
akj = 0a1j + ... + 1aij + 0ai+1,j + ... + 0anj
k=1
= aij
El lector probará la igualdad restante.
Para cada entero positivo n, en el conjunto M (n, n), matrices cuadradas de

orden n, la propiedad (5) corresponde exactamente a decir que la matriz I(n)
se comporta como módulo o elemento idéntico para la multiplicación en el
conjunto.
1.3.4 OTROS RESULTADOS EN ÁLGEBRA DE MATRI-

CES.
Definición 16
Si A ∈ M (n, n) definimos A2 = AA y para cada entero positivo k > 2,
Ak+1 = Ak A = A · A · ... · A;
A tomado k + 1 veces como factor.

Proposición 4
Si A ∈ M (n, n) y r, s enteros positivos entonces
(Ar ) (As ) = Ar+s y (Ar )s = Ars
Prueba.−
Evidentemente todas las matrices que intervienen son tamaño n × n.

Probamos el resultado (Ar )(As ) = Ar+s , por inducción sobre el entero positivo
s, asumiendo r fijo.
Para s = 1 es claro que (Ar )A = Ar+1 .
Suponemos la proposición verdadera para s = k, es decir (Ar )(Ak ) = Ar+k ,
calculamos (Ar )(Ak+1 ) y obtenemos
(Ar )(Ak+1 ) = (Ar )((Ak A)) = (Ar Ak )(A)

= (Ar+k )A = A(r+k)+1
= Ar+(k+1)
por lo tanto, para todo s ∈ Z+ , (Ar )(As ) = Ar+s .
Igualmente para el resultado (Ar )s = Ars . Para s = 1 es claro que (Ar )1 = Ar .

Suponemos la proposición verdadera para s = k, es decir (Ar )k = Ark , calcu-
lamos (Ar )k+1 y obtenemos
(Ar )k+1 = (Ar )k Ar = (Ark )(Ar ) = A(rk)+r = Ar(k+1)

por lo tanto, para todo s ∈ Z+ , (Ar )s = Ars .
k
!Importante! Si A ∈ M (n, n), B ∈ M (n, n) no necesariamente (AB) =
Ak B k
Ejemplo 10
! !
1 2 −1 0
Si A = ,B= , entonces
0 3 3 2
! ! !
5 4 3 1 26 3 −1 0
AB = , A = , B =
9 6 0 27 9 8
y ! !
3 3 233 208 3 701 508
A B = y (AB) =
243 216 1143 828
Proposición 5
1. Si A ∈ M (m, n) y los productos existen, entonces
0A = A0 = 0
2. Si A ∈ M (m, n) y 0 ∈ R, entonces
0.A = 0
3. Si A ∈ M (m, n) y (−1) ∈ R, entonces
(−1) A = −A
4. Si k ∈ R, entonces
k (0mxn ) = 0mxn
Prueba.−
1. Para todo entero positivo k, la matriz 0kxm se puede multplicar con A,

en ese orden y
k=m
X k=m
X
((0kxm ) A)ij = (0kxm )ik akj = 0.akj = 0,
k=1 k=1
análogamente se procede con la multiplicación a derecha.
2. Basta obserar que para todo i, 1 ≤ i ≤ n y para todo j, 1 ≤ j ≤ n,

(0A)ij = 0aij = 0
3. Basta obsevar que A + (−1)A = (1 + (−1))A = 0.A = 0
Definición 17
Si A ∈ M (n, n), denominamos la traza de A notada T r(A), al número real
k=n
X
T r(A) = a11 + a22 + · · · + ann = akk
k=1
Proposición 6
Si A ∈ M (n, n), B ∈ M (n, n), k ∈ R entonces:
1. T r(A + B) = T r(A) + T r(B)
2. k · T r(A) = T r(k · A)
3. T r(AB) = T r(BA)
Prueba.−
1.
k=n
X
T r(A + B) = (A + B)kk
k=1
k=n
X
= akk + bkk
k=1
k=n
X k=n
X
= akk + bkk + T r(A) + T r(B)
k=1 k=1
.
k=n i=n
P
i=n P
i=n P P
k=n P P
k=n
3. T r(AB) = (AB)ii = aik bki = bki aik = (BA)kk =
i=1 i=1 k=1 k=1 i=1 k=1
T r(BA).
!Importante! La T r(AB) No necesariamente es igual a T r(A)T r(B)
Ejemplo 11
   
1 −2 3 2 −4 0
Si A =  0

−2 5 

yB=  −2

−1 7 ,

entonces
1 0 1 3 0 5
 
15 −2 1
AB = 
 19 2 11 

5 −4 5
y además
T r(A) = 0, T r(B) = 6, T r(A) · T r(B) = 0, T r(A.B) = 22
Definición 18
Si A ∈ M (m, n) denominamos la transpuesta de A, notada AT , a la matriz

tamaño nxm que se obtiene de A al transformar sus filas en columnas y sus
columnas en filas en el mismo orden.

AT ∈ M (n, m) tal que para todo 1≤ i ≤ n y para todoj, 1≤ j ≤ m, AT ij
=
aji
Ejemplo 12
 
  1 0 6
1 2 3 4 5 
 2 −9 7 

T
A=  0

−9 −8 −7 −6 ,

A = 
 3 −8 8


 
6 7 8 9 0  4 −7 9 
5 −6 0
Proposición 7
Si A ∈ M (m, n), B ∈ M (m, n) y k ∈ R, entonces
T
1. AT =A
2. (A + B)T = AT + B T
3. (kA)T = kAT
4. y si A ∈ M (m, n), B ∈ M (n, r) entonces (AB)T = B T AT
Prueba.−
T
1. Es claro que AT ∈ M (m, n) y para todo i, 1≤ i ≤ m y para todo
j, 1≤ j ≤ n tenemos
T
AT = AT ji
= aij .
ij
2. Es claro que (A + B)T , AT ,B T ∈ M (n, m) y para todo i, 1≤ i ≤ m y

para todo j, 1≤ j ≤ n tenemos

(A + B)T ij
= (A + B)ji = aji + bji = AT ij
+ BT ij
= AT + B T ij

4. (AB)T ∈ M (r, m), B T ∈ M (r, n), AT ∈ M (n, m) y para todo i, 1≤ i ≤ r

y para todo j, 1≤ j ≤ m tenemos
k=n
X k=n
X k=n
X
T

(AB) ij
= (AB)ji = ajk bki = bki ajk = BT ik
AT kj
k=1 k=1 k=1
Definición 19
Decimos que una matriz cuadrada A es simétrica si y solamente si AT = A,

es decir si y solo si para todo i, 1≤ i ≤ n y para todo j, 1≤ j ≤ n aij = aji .
Definición 20
Decimos que una matriz cuadrada A es antisimétrica si y solamente si AT =

−A, es decir si y solo si para todo i, 1≤ i ≤ n y para todo j, 1≤ j ≤ n
aij = −aji .
Ejemplo 13
 
1 −2 −3 6
√
 −2 0 3 0 
A= √ 
3 2
 
 −3 −1 
6 0 −1 7
es una matriz simétrica y
 
0 −1 3 2 0

 1 0 5 −π −1 

B= 
 −3 −5 0 −8 − 15


 
 −2 π 8 0 0.5 
1
0 1 5
−0.5 0
es una matriz antisimétrica.

Proposición 8
Sea A ∈ M (n, n) antisimétrica entonces para todo i, 1 ≤ i ≤ n se tiene que

aii = 0.
Prueba.−
Si antisimétrica entonces para todo i, 1 ≤ i ≤ n aii = −aii y en consecuencia

para todo i, 1 ≤ i ≤ n aii = 0.
Proposición 9
Si A ∈ M (n, n), entonces
B = A + AT es simétrica, C = A − AT es antisimétrica,
1
yA= 2 (B + C)
Prueba.−
T
B T = (A + AT )T = AT + AT = AT + A = B, es decir B es una matriz
simétrica.
T T
Por otra parte, C T = A − AT = AT − AT = AT − A = − A − AT =
−C, es decir C es una matriz antisimétrica y claramente
1
(B + C) = (A + AT ) + (A − AT ) = 2A es decir A= 2 (B + C) .
Capı́tulo 2
SISTEMAS DE
ECUACIONES LINEALES
2.1 ECUACIONES Y SOLUCIONES

Una buena cantidad de las respuestas a preguntas que tienen que ver con
los conceptos estudiados en este escrito se obtiene al “resolver” un sistema de
ecuaciones lineales. Auncuando muy seguramente el lector puede tener alguna
experiencia en este tema consideramos de fundamental importancia precisar
cada uno de los términos y procedimientos a fin de garantizar que nuestras
respuestas son ciertas,claras y universales.
En particular nos parece importante romper la creencia equivocada de que la
mera comparación del número de incógnitas con el número de ecuaciones nos
permite tomar decisiones en el caso general.
Definición 1
La expresión
a1 x1 +a2 x2 +· · ·+an xn = b (1)
donde n es un entero positivo, a1 , a2 , · · · , an , b son números reales y x1 , x2 , · · · , xn
son incógnitas o indeterminadas, se denomina una ecuación lineal en R con n
incógnitas, a1 , a2 , · · · , an se denominan los coeficientes y b el término inde-
pendiente o término constante.
29
30 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
El adjetivo, lineal, hace referencia a que todas las incógnitas que aparecen en
la ecuación (1) tienen exponente uno.
Los enteros 1, 2, · · · , n ordenan de manera natural las incógnitas, en conse-
cuencia nos referimos a x1 como la primera incógnita, x2 la segunda y ası́
sucesivamente, xn la n-ésima.
Ejemplo 1
2x1 + 3x2 − 5x3 = 4
es una ecuación lineal con tres incógnitas, donde 2 es el coeficiente de la

primera incógnita, 3 es el coeficiente de la segunda, (-5) el coeficiente de la
tercera incógnita y 4 es el término independiente.
Por costumbre, en casos especı́ficos, cuando n es “pequeño”, nombramos
las incógnitas con algunas de las últimas letras del alfabeto x, y, z, w , ası́
la ecuación del ejemplo puede encontrarse escrita como:
2x + 3y − 5z = 4
La expresión (1) es una expresión formal, pero si reemplazamos las incógnitas

por números reales e interpretamos los signos de operación (+) y (.), como
la adición y multiplicación de reales obtenemos una igualdad que puede ser
verdadera o falsa.
Ası́, si en la ecuación 2x + 3y − 5z = 4 reemplazamos x por 5, y por 1,
z por 3; obtenemos 2 (5) + 3 (1) − 5 (3) = 4 que claramente es falsa; pero si
reemplazamos x por 13, y por 6, z por 8 obtenemos 2 (13) + 3 (6) − 5 (8) = 4
igualdad evidentemente verdadera
Definición 2
Si a1 x1 + a2 x2 + · · · + an xn = b es una ecuación lineal y (α1 , α2 , · · · , αn ) es

un conjunto ordenado de números reales tal que al reemplazar x1 por α1 ,
x2 por α2 , · · · , xn por αn se verifica la igualdad, es decir, es cierto que
2.1. ECUACIONES Y SOLUCIONES 31
a1 α1 + a2 α2 + · · · + an αn = b, decimos que (α1 , α2 , · · · , αn ) es una solución

de la ecuación.
Usualmente escribimos
x 1 = α1 , x 2 = α2 , · · · , x n = αn
es una solución de (1)
Ejemplo 2

Puesto que 2 (13) + 3 (6) − 5 (8) = 4 y 2 (1) + 3 (1) − 5 51 = 4 decimos
que x = 13, y = 6, z = 8 y x = 1, y = 1, z = 51 son dos soluciones de la
ecuación 2x + 3y − 5z = 4
Además, si reemplazamos y por 0, z por 2 y “despejamos” x, obtenemos
1
x= (4 − 3(0) + 5(2)) = 7
2
y claramente x = 7, y = 0, z = 5 es una solución de 2x + 3y − 5z = 4.
En general, si reemplazamos y por a, z por b,con a, b números reales arbitrar-
ios y despejamos x, obtenemos x = 21 (4 − 3a + 5b) y claramente, para cada
a, b ∈ R, se tiene que:

 1

 x = (4 − 3a + 5b)
 2
 y=a



z=b
es una solución de 2x + 3y − 5z = 4; usualmente llamada la solución general.

Igualmente la solución general se obtiene si asignamos valores arbitrarios a dos
de las incógnitas y despejamos la tercera.
Respecto de las soluciones de ecuaciones lineales en R, afirmamos:

• Si a 6= 0, la ecuación ax = b tiene una única solución a saber x =

a−1 b = ab .
• Si b 6= 0, la ecuación lineal 0x1 + 0x2 + · · · + 0xn = b NO tiene solución.
• Una ecuación lineal con mas de una incógnita y por lo menos dos de
sus coeficientes diferentes de cero tiene muchas soluciones (Infinitas),
basta reemplazar todas las incognitas, menos una, por números reales
arbitrarios y “despejar la restante” para obtener la solución general.
Definición 3
Sean m, n enteros positivos,una lista ordenada de m ≥ 1 ecuaciones lineales

con las mismas n ≥ 1 incógnitas, se denomina sistema de m ecuaciones lineales
simultáneas con n incógnitas.
Escribimos:


 a11 x1 + a12 x2 + · · · + a1n xn = b1



 a21 x1 + a22 x2 + · · · + a2n xn = b2



 ..
.
(2)

 ai1 x1 + ai2 x2 + · · · + ain xn = bi



 ..

 .


am1 x1 + am2 x2 + · · · + amn xn = bm
para referirnos de forma general a un sistema de ecuaciones, donde observa-

mos que cada coeficiente tiene dos subı́ndices −ij− que nos indican que es el
coeficiente en la ecuación −i− que acompaña a la incógnita xj y cada término
independiente tiene el subı́ndice que indica la ecuación a la que corresponde;
ası́ por ejemplo a23 es el coeficiente en la segunda ecuación de la incógnita x3
y b6 es el término independiente de la ecuación seis.
Ejemplo 3


 2x + 3y − 2z = 4

3x − 2y − 4z = 1


 −x + 4y + z = −2
es un sistema de 3 ecuaciones con tres incógnitas.
Ejemplo 4
(
−x + 3y − 5z = 0
y − 3z = −1
es un sistema de 2 ecuaciones con tres incógnitas.
Ejemplo 5


 2x − 3y = 0



 5x + y = −1

 −2x − 2y = 3



 2x =8
es un sistema de 4 ecuaciones con dos incógnitas
Cuando no hay riesgo de confusión omitimos el corchete ({ )en la escritura.
Ejemplo 6
3x − 2y = 5
6x − 4y = 1
es un sistema de dos ecuaciones con dos incógnitas.
Definición 4
Una solución simultánea de todas las ecuaciones de un sistema de ecuaciones

se denomina una solución del sistema
Ejemplo 7
Dado el sistema:
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
afirmamos que x = 7, y = 0, z = 5 es una solución del sistema, puesto que
2 (7) + 3 (0) − 2 (5) = 4

3 (7) − 2 (0) − 4 (5) = (1)
− (7) + 4 (0) + (5) = −2
Un sistema de ecuaciones lineales puede tener o no tener solución y cuando

tiene solución puede tener una única o muchas (Infinitas). Cuando un sis-
tema no tiene solución lo denominamos inconsistente; cuando tiene solución
lo denominamos consistente.
Ejemplo 8
3x − 5y = 1
x−y =3
tiene una única solución, a saber x = 7, y = 4

Ejemplo 9
3x − 5y = 1
3x − 5y = 0
NO tiene solución, es inconsistente.

La existencia de una solución, implica 0 = 1
Ejemplo 10
3x − 5y = 1
6x − 10y = 2
tiene infinitas soluciones, todas de la forma:
1
x = (1 + 5a)
3
y=a
para cualquier valor real de a.
NUESTRO OBJETIVO FINAL.

Nuestro objetivo final en este capı́tulo es resolver sistemas de ecuaciones lin-
eales, entendiendo por “resolver”, que frente a un sistema cualquiera podamos
decidir si es consistente o inconsistente y en el evento que sea consistente de-
cidir si tiene una única solución y hacerla explı́cita o si tiene muchas, dar un
procedimiento eficaz para encontrar cualquiera de ellas.
De manera coloquial diremos que el camino a seguir para el logro de este

objetivo será:
1. Asociar de manera unı́voca cada sistema de ecuaciones lineales con una

matriz. (Su matriz aumentada)
2. Mostrar que siempre es posible “resolver el sistema” cuando la matriz

aumentada satisface ciertas condiciones. (La matriz de coeficientes es
escalonada reducida)
3. Presentar un algoritmo que permite transformar cualquier sistema en

uno de los mencionados en la afirmación anterior con soluciones idénticas.
2.2 MATRICES Y SISTEMAS DE ECUACIONES

Consideramos el sistema de ecuaciones
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
, (2)
ai1 x1 + ai2 x2 + · · · + ain xn = bi
..
.
am1 x1 + am2 x2 + · · · + amn xn = bm
Definición 5
La matriz A ∈ M (m, n)
 
a11 ··· a1j ··· a1n
 .. .. .. 
. . .
 
 
A=
 
 ai1 aij ain  = (aij )
 
 .. .. .. 

 . . .


am1 ··· amj ··· amn
la denominamos la matriz de coeficientes del sistema (2).
Definición 6
La matriz columna B ∈ M (m, 1)

2.2. MATRICES Y SISTEMAS DE ECUACIONES 37
 
b1
 .. 
.
 
 
B=
 

 bi 

 .. 
.
 
 
bm
la denominamos la matriz de los términos constantes del sistema (2).
Ejemplo 11
En el sistema
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
la matriz de coeficientes del sistema es:

 
2 3 −2
A=  3

−2 −4 

−1 4 1
y la matriz de términos constantes es:

 
4
B=  1 
 
−2
Ejemplo 12
En el sistema
2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x =8
La matriz de coeficientes A y la matriz de B términos constantes son:

   
2 3 0
 5 1   −1 
A= 
y B= 
3
   
 −2 −2   
2 0 8
En la construcción de la matriz de coeficientes debemos ser muy cuidadosos,

debemos tener en cuenta que cuando una incógnita no aparece en alguna
ecuación del sistema su coeficiente es cero y ası́ lo debemos escribir.
Ejemplo 13
El sistema
2x + 3y = 1
4y − 5z = 2
−z − w = 0
es un sistema de 3 ecuaciones con 4 incógnitas,a saber : x, y, z, w. Para mayor

claridad antes de escribir su matriz de coeficientes, escribimos el sistema ası́:
2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0
y en consecuencia la matriz de coeficientes A y la matriz de B términos con-

stantes son:
  
2 3 0 0 1
A=  0

4 −5 0 

B =  2 .
 
0 0 −1 −1 0
Puesto que la matriz de coeficientes no identifica de manera unı́voca un sistema

de ecuaciones, pues muchos sistemas diferentes pueden tener la misma matriz
de coeficientes, construı́mos otra que sı́ lo hace.
2.2. MATRICES Y SISTEMAS DE ECUACIONES 39
Definición 7
La matriz de tamaño m×(n+1), notada (A |B ) donde A es la matriz de coefi-

cientes y B la matriz vector columna de términos constantes, la denominamos
la matriz aumentada del sistema (2).
Ejemplo 14
En el sistema
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
La matriz aumentada es:

 
2 3 −2 4

(A |B ) =  3

−2 −4 1 


−1 4 1 −2
Ejemplo 15
En el sistema
2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x = 8

 
2 3
0
 5 1 −1 
(A |B ) =  
3
 
 −2 −2 

2 0 8
Ejemplo 16
En el sistema
2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0

 
2 3 0 0 1

(A |B ) =  0

4 −5 0 2 


0 0 −1 −1 0
Observación.
Es importante observar que una vez escrito el sistema en forma ordenada
y “completa” (En todas las ecuaciones todas las incógnitas incluso las de
coeficiente cero), la matriz aumentada del sistema se obtiene borrando las
incógnitas y reemplazando los sı́mbolos “igual” por la vertical que separa
la matriz de coeficientes de la matriz de términos independientes y en este
contexto cada columna de la matriz de coeficientes corresponde a una incógnita
y cada fila de la matriz aumentada corresponde a una ecuación.
Por otra parte, si consideramos una matriz vector columna cuyas entradas son
las incógnitas:
 
x1
 .. 
.
 
 
X=
 

 xj 

 .. 
.
 
 
xn
y evocamos la multiplicación de matrices, es fácil verificar que el sistema (2)

se puede mirar como la ecuación en matrices:
AX = B (3)
2.3. MATRICES ESCALONADAS 41
En lo que sigue y mientras sea posible, utilizaremos esta última escritura para
referirnos a un sistema de ecuaciones lineales donde A ∈ M (m, n) es la matriz
de coeficientes, X ∈ M (n, 1) la matriz vector columna de incógnitas y B ∈
M (m, 1) la matriz vector columna de términos constantes o independientes.
2.3 MATRICES ESCALONADAS
Definición 8
Decimos que una matriz A ∈ M (m, n), A 6= 0 es escalonada si satisface las

siguientes condiciones:
• Si hay una fila de ceros, todas de esa en adelante son filas de ceros.
• En dos filas consecutivas no nulas, el primer elemento diferente de cero

de la primera aparece en una columna anterior al primero diferente de
cero de la siguiente.
Coloquialmente decimos que una matriz no nula, es escalonada si el número

de ceros que anteceden al primer elemento diferente de cero, crece fila por fila
y si hay una fila de ceros todas de ella en adelante son filas de ceros.
Ejemplo 17
La matriz
 
2 −2 0 5 0
A= 
 0 0 −5 0 1 

0 0 0 0 7
es escalonada pues el primer elemento diferente de cero de la fila -1- aparece

en la columna -1 -, el primero diferente de cero de la siguiente fila aparece en
la columna -3 - (Dos a la derecha de la uno), y el primero diferente de cero de
la siguiente aparece en la columna -5 - (Dos a la derecha de la tres)
Ejemplo 18
La matriz
 
0 −5 0 −4 8 −1

 0 0 3 −2 11 −2 

B= 
 0 0 0 0 6 −7


 
 0 0 0 0 0 −5 
0 0 0 0 0 0
es escalonada, pues si contamos el número de ceros anteriores al primer difer-

ente de cero de cada fila tenemos:
Primera fila, uno.
Segunda fila, dos.
Tercera fila, cuatro.
Cuarta fila, cinco
y claramente 1 < 2 < 4 < 5
Ejemplo 19
La matriz
 √ 
5 −5 0 −4 8 −1
√

 0 0 2 −2 11 −2 

C= 
 0 0 0 0 6 −7


 
 0 0 0 0 0 5 
0 0 0 0 0 1
No es escalonada porque el número de ceros anteriores al primer elemento

diferente de cero No crece de la fila cuatro a la cinco, en ambos casos es cinco.
Ejemplo 20
La matriz
 
1 −2 5 7

 0 2 4 −1 

D=
 0 0 1 3


 
 0 0 0 0 
0 0 0 5
No es escalonada porque la fila cuatro es una fila de ceros y la siguiente no lo

es.
Definición 9
Si A ∈ M (m, n), A 6= 0 es una matriz escalonada, el primer elemento difer-

ente de cero de cada fila lo denominamos el pivote, o principal, o elemento
distinguido de la fila.
Ejemplo 21
En la matriz escalonada
 
0 −5 0 −4 8 −1

 0 0 3 −2 11 −2 

A= 
 0 0 0 0 6 −7


 
 0 0 0 0 0 −5 
0 0 0 0 0 0
los pivotes,principales, o distinguidos aparecen en

la entrada −12− en la primera fila
la entrada −23− en la segunda fila.
la entrada −35− en la tercera fila
la entrada −46− en la cuarta fila.
Podemos reescribir las definiciones anteriores en términos de las entradas en

la forma siguiente:
Definición 10
Decimos que una matriz A ∈ M (m, n), A 6= 0 es escalonada si existen enteros

r, k1 , k2 , · · · kr tales que:
• 1≤r≤m y 1 ≤ k1 < k2 < · · · < kr ≤ n
• aiki 6= 0 si i<r
• aij = 0 si j < ki o i>r
Los elementos de las entradas −iki − los denominamos pivotes o elementos

distinguidos.
En el ejemplo anterior tenemos A ∈ M (5, 6), r = 4, k1 = 2, k2 = 3,
k3 = 5, k4 = 6
Es importante recalcar que en una matriz escalonada todas las filas diferentes
de cero tienen un pivote, no ası́ las columnas.
Proposición 1
Si A ∈ M (m, n), A 6= 0 es escalonada entonces todos los elementos en entradas

por debajo de la diagonal principal, son cero.
Prueba.−
La desigualdad 1 ≤ k1 < k2 < · · · < kr ≤ n de la definición de matriz
escalonda implica que para todo i , 1 ≤ i ≤ r tenemos que i ≤ ki ,por lo tanto
si j < i, entonces j < i ≤ ki y por lo tanto aij = 0.
Definición 11
Decimos que una matriz escalonada A ∈ M (m, n), A 6= 0 es reducida por filas
si los pivotes son todos uno y son los únicos diferentes de cero en su columna,
es decir; si existen enteros r, k1 , k2 , · · · kr tales que:
• 1≤r≤m y 1 ≤ k1 < k2 < · · · < kr ≤ n
• aikj = 1 si i = j, y aikj = 0 si i, j < r
• aij = 0 si j < ki o i>r
Ejemplo 22
   
1 0 0 0 1 0 0 0 −8 0

 0 1 0 0 


 0 1 0 0 11 0 

A= 
 0 0 1 0

 B= 
 0 0 1 0 −6 0


   
 0 0 0 1   0 0 0 1 −5 0 
0 0 0 0 0 0 0 0 0 1
Las matrices A y B son matrices escalonadas reducidas por filas, puesto que
cada pivote es 1 y es la única entrada diferente de cero en su columna.
Ejemplo 23
Para cada entero positivo n, la matriz I(n) ;

 
1 0 ··· 0
( .. 


1 si i = j  0 1 . 
I(n) = =
 .

ij 0 si i 6= j ..

 .
.

 . 0 
0 ··· 0 1
es escalonada reducida.
Proposición 2
Si A ∈ M (m, n), A 6= 0 es una matriz escalonada reducida, sin filas de ceros,

entonces m = n y A = I(n) o existe k tal que la columna A(k) no tiene
pivote.
Prueba.−
La mejor manera de leer esta prueba es tomar papel y lapiz e intentar construir
una matriz que cumpla las condiciones de la hipótesis.
Supongamos A ∈ M (m, n) A 6= 0 una matriz escalonada reducida y tal que
todas sus columnas tienen pivote, entonces para todo i , 1 ≤ i ≤ min {m, n}
tenemos que aii = 1 y es el pivote de la fila i, puesto que si i0 es el primer
subı́ndice tal que ai0 i0 = 0 entonces la columna A(i0 ) no tiene pivote.
Ahora, si m > n entonces n = min{m, n} y A(n+1) es una fila de ceros,
contrario a la hipótesis y si n > m; m = min{m, n} y A(m+1) no tiene
pivote, contrario al supuesto.
En consecuencia m = n y A = I(n) .
2.4 ! UN LOGRO PARCIAL !

En algunos casos, según la naturaleza de la matriz de coeficientes o la de
términos constantes, el logro de nuestro objetivo es inmediato.
Definición 12
Si A ∈ M (m, n) el sistema de ecuaciones A.X = 0 se denomina sistema

homogeneo.
Un sistema de ecuaciones lineales homogeneo siempre tiene solución, basta

observar que para cada i, 1 ≤ i ≤ n
ai1 0 + ai2 0 + · · · + ain 0 = 0
Definición 13
La solución x1 = 0, x2 = 0, · · · , xn = 0 de un sistema homogeneo AX = 0, la

denominamos la solución trivial.
Por otra parte, cuando la matriz de coeficientes de un sistema AX = B, es

una matriz escalonada reducida; “RESOLVERLO”, es inmediato, basta
observar tres casos, a saber:
• CASO 1.-En el sistema aparece una ecuación inconsistente.
Proposición 3
Sea A ∈ M (m, n) A 6= 0 una matriz escalonada reducida y sea AX = B un

sistema tal que una de sus ecuaciones es inconsistente entonces el sistema es
inconsistente.
2.4. ! UN LOGRO PARCIAL ! 47
Prueba.−
Si el sistema tiene una solución a saber (α1 , α2 , · · · , αn ) , ésta es solución si-
multánea de todas las ecuciones, contrario a la hipótesis.
Ejemplo 24
En el sistema
1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1
0x + 0y + 0z + 0w = 4
la matriz
 
1 0 0 0

 0 1 0 0 

A= 
 0 0 1 0


 
 0 0 0 1 
0 0 0 0
de coeficientes es escalonada reducida y la quinta ecuación es claramente in-

consistente, lo mismo que el sistema.
• CASO 2.-En el sistema No hay ecuaciones inconsistentes y todas las

columnas de la matriz de coeficientes tienen un pivote
Proposición 4
Si A ∈ M (m, n) A 6= 0 es una matriz escalonada reducida tal que todas

sus columnas tienen pivotes y AX = B un sistema de ecuaciones lineales
consistente entonces la solución es única.
Prueba.−
Al no tener ecuaciones inconsistentes, la matriz de coeficientes escalonada

reducida, no tiene filas de ceros o si las tiene corresponden a ecuaciones de la
forma
0x1 + 0x2 + · · · + 0xn = 0
que pueden pensarse no escritas, en consecuencia, por la proposición 2, la

matriz de coeficientes debe ser la matriz I(n) para algún entero positivo n. y
el sistema y su solución acaban siendo exactamente lo mismo.
Ejemplo 25
En el sistema
1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1
que es lo mismo que
x = 5, y = −7, z = 0, w = 1
• CASO 3.-En el sistema no hay ecuaciones inconsistentes y por lo menos

una columna de la matriz de coeficientes no tiene pivote.
Definición 14
Si AX = B es un sistema de ecuaciones lineales cuya matriz de coeficientes es

escalonada reducida, las incógnitas que corresponden a columnas con pivote
las denominamos ligadas y las que corresponden a columnas sin pivote las
denominamos libres.
2.4. ! UN LOGRO PARCIAL ! 49
Proposición 5
Si AX = B es un sistema de ecuaciones lineales consistente y A ∈ M (m, n)

es una matriz escalonada reducida tal que por lo menos una de sus columnas
no tiene pivote entonces el sistema tiene infinitas soluciones.
Prueba.−
Basta observar que si “despejamos” las incógnitas ligadas en términos de las
libres, por cada asignación arbitraria de valores a las incógnitas libres obten-
emos los correspondientes para las ligadas que nos dan una solución, es decir:
Si renumeramos las incógntas como xk1 , xk2 , · · · , xkr las ligadas y xt1 , xt2 , · · · , xts
las libres; con r + s = n, despejar las incógnitas ligadas significa escribir el
sistema en la forma siguiente:
P
xk1 = b1 − i=si=1 a1ti xti
Pi=s
xk2 = b2 − i=1 a2ti xti
..
.
Pi=s
xkr = br − i=1 arti xti
Usualmente decimos que hemos escrito la familia de soluciones del sistema en

términos paramétricos y los parámetros son precisamente las asignaciones de
las incógnitas libres.
Ejemplo 26
El sistema
x + 2y − 5v = 3
z + 4v = −1
w − 4v = 3
lo reescribimos
x + 2y + 0z + 0w − 5v = 3
0x + 0y + z + 0w + 4v = −1
0x + 0y + 0z + w − 4v = 3
en consecuencia su matriz aumentada es

 
1 2 0 0 −5 3

 0 0 1 0 4 −1 
 

0 0 0 1 −4 3
y la matriz de coeficientes es
 
1 2 0 0 −5
A=  0

0 1 0 4 

0 0 0 1 −4
que es una matriz escalonada reducida, los pivotes aparecen en las columnas
1,3,4 en consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v
son libres.
Al despejar las incógnitas ligadas en términos de las libres obtenemos:
x = 3 − 2y + 5v
z = −1 − 4v
w = 3 + 4v
y para cada asignación y = a, v = b obtenemos la solución:


 x = 3 − 2a + 5b



3 − 2a + 5b


 y=a

  a 
 
z = −1 − 4b o X= 
−1 − 4b ,

a, b ∈ R





3 + 4b

 w = 3 + 4b

 

 b

v=b
familia de soluciones escrita en términos de los parámetros a, b usualmente

denominada solución general.
Si asignamos, por ejemplo, a = 1, b = 0 obtenemos:
2.5. SISTEMAS EQUIVALENTES 51


 x=1



1


 y=1

  1 
 
z = −1 o X1 = 
 −1






 3

 w=3



 0

v=0
Si asignamos, por ejemplo, a = 0, b = 1 obtenemos:


 x=8



8


 y=0

  0 
 
z = −5 o X2 = 
−5


 



7


 w=7
 

 1

v=1
soluciones que denominamos soluciones particulares.
El lector verificará por cálculo directo que X = aX1 + bX2 , resultado que no
es una casualidad, pero que para el caso general, precisaremos mas adelante.
2.5 SISTEMAS EQUIVALENTES
Definición 15
Decimos que dos sistemas de ecuaciones lineales con las mismas incógnitas son
equivalentes si y solamente si tienen exactamente las mismas soluciones.
Ejemplo 27
Los sistemas
2x + 3y − 2z = 4 1x + 0y + 0z = 7
3x − 2y − 4z = 1 y 0x + 1y + 0z = 0
−x + 4y + z = −2 0x + 0y + 1z = 5
son sistemas equivalentes.
Ejemplo 28
Los sistemas
1
3x − 5y = 1 3x − 5y = 1 x + 0y = (1 + 5a)
y y 3
6x − 10y = 2 0x − 0y = 0 0x + y = a
a ∈ R, son sistemas equivalentes.
Proposición 6
El conjunto ordenado (α1 , α2 , · · · , αn ) es una solución de la ecuación a1 x1 +

a2 x2 +· · ·+an xn = b si y solamente si para todo k ∈ R, k 6= 0; (α1 , α2 , · · · , αn )
es una solución de la ecuación ka1 x1 + ka2 x2 + · · · + kan xn = kb
Prueba.−
Basta observar que a1 α1 + a2 α2 + · · · + an αn = b, si y solamente si
ka1 α1 + ka2 α2 + · · · + kan αn = k (a1 α1 + a2 α2 + · · · + an αn ) = kb.
Coloquialmente decimos que al multiplicar una ecuación por un real diferente

de cero, sus soluciones no se alteran.
Proposición 7
Si el conjunto ordenado (α1 , α2 , · · · , αn ) es una solución simultánea de las

ecuaciones a1 x1 +a2 x2 +· · ·+an xn = b y a′1 x1 +a′2 x2 +· · ·+a′n xn = b′ entonces
(α1 , α2 , · · · , αn ) es una solución de la ecuación (a1 + ka′1 ) x1 + (a2 + ka′2 ) x2 +
· · · + (an + ka′n ) xn = (b + kb′ )
Prueba.−
2.5. SISTEMAS EQUIVALENTES 53
Basta observar que si

a1 α1 + a2 α2 + · · · + an αn = b, y a′1 α1 + a′2 α2 + · · · + a′n αn = b′ entonces
(a1 α1 + a2 α2 + · · · + an αn ) + k (a′1 α1 + a′2 α2 + · · · + a′n αn ) = b + kb′ es decir
(a1 + ka′1 ) α1 + (a2 + ka′2 ) α2 + · · · + (an + ka′n ) αn = (b + kb′ )
Cuando estamos estudiando sistemas de ecuaciones, coloquialmente decimos
que si en un sistema reemplazamos una ecuación por la suma de ella mas un
múltiplo real de otra, sus soluciones no se alteran.
Proposición 8
Si AX = B y A′ X = B ′ son dos sistemas de ecuaciones lineales con las

mismas incógnitas y tales que uno se obtiene del otro por una sucesión finita
de uno o varios de los procedimientos siguientes:
• Multiplicar una ecuación por un número real diferente de cero.
• Reemplazar una ecuación por la suma de ella mas un real por otra.
• Intercambiar dos ecuaciones.
entonces
AX = B y A′ X = B ′ son sistemas equivalentes.
Prueba.−
Consecuencia inmediata de las proposiciones 6 y 7 del presente capı́tulo y de
observar que el orden en la escritura de las ecuaciones del sistema no interviene
en las soluciones.
Ejemplo 29
Consideramos el sistema
3x − 5y = 1
x−y =3
1.- Intercambiamos las ecuaciones uno y dos y obtenemos:

x−y =3
3x − 5y = 1

2.- Multiplicamos la ecuación dos por − 13 y obtenemos:
x−y =3

5 −1
−x + y=
3 3
3.-Reemplazamos las ecuación dos por la suma de la dos y la uno.
x−y =3

2 8
0x + y=
3 3
3

4.-Multiplicamos la ecuación dos por 2
x−y =3
0x + 1y = 4
5.-Finalmente, reemplazamos la ecuación uno por la suma de ella y la dos,
para obtener:
x=7
y=4
Después de cinco pasos hemos transformado el sistema
x−y =3
3x − 5y = 1
en el sistema equivalente
x=7
y=4
que evidentemente está “resuelto”.
2.6. OPERACIONES ELEMENTALES ENTRE FILAS 55
OBSERVACIONES.
Al mirar cuidadosamente el procedimiento anterior observamos:
En el tercer paso la segunda ecuación del sistema no contiene la incógnita x (La
eliminamos), y en el paso cinco la primera ecuación no contiene la incógnita
y.(La eliminamos)
En cada uno de los pasos el sistema resultante es equivalente al anterior y por
tanto al inicial.
La matriz de coeficientes del sistema obtenido en el paso cinco es escalonada
reducida por tanto el sistema está resuelto.
El lector puede verificar que aún por diferentes caminos el resultado final
siempre es el mismo.
Por otra parte, el procedimiento usado en el ejemplo no es un procedimiento
al azar, es la aplicación de un proceso estructurado algorı́tmicamente que
garantiza el resultado exitoso, denominado “Algoritmo de eliminación Gauss-
Jordan para solución de sistemas de ecuaciones lineales” , el cual precisaremos
en adelante.
2.6 OPERACIONES ELEMENTALES ENTRE FI-

LAS
Definición 16
Sea A ∈ M (m, n), denominamos operación elemental entre filas de matrices a

una cualquiera de las transformaciones siguientes.
• Multiplicar una fila por un número real diferente de cero.
• Reemplazar una fila por la suma de ella mas el producto de un real por
otra.
• Intercambiar dos filas.
Usualmente escribimos:
• Ai → kAi , para decir que transformamos la matriz A, en otra que

coincide con A en todas las filas diferentes de la fila −i− y su fila −i−
es (kai1 kai2 · · · kain )
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
 .. .. ..   .. .. .. 
. . . . . .
   
   
   
 ai1 aij ain  Ai → kAi  kai1 kaij kain 
  −−−−−−→  
 .. .. ..   .. .. .. 

 . . .



 . . .


am1 ··· amj ··· amn am1 ··· amj ··· amn
• Ai → Ai + kAs , i 6= s, para decir que transformamos la matriz A, en

otra que coincide con A en todas las filas diferentes de la fila −i− y su
fila −i− es (ai1 + kas1 ai2 + kas2 · · · ain + kasn )
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
 .. .. ..   .. .. .. 
. . . . . .
   
   
   
 ai1 aij ain  Ai → Ai + kAs  ai1 + kas1 aij + kasj ain + kasn 
  −−−−−−−−−−−→  
 .. .. ..   .. .. .. 

 . . .



 . . .


• Ai ←→ As , para decir que transformamos la matriz A, en otra que

coincide con A en todas las filas diferentes de las filas −i− y −s−; y en
la fila −i− aparece la −s− de A y recı́procamente.
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
 .. ..   .. .. .. 

 . . 


 . . . 

ai1 ··· aij ··· ain as1 ··· asj ··· asn
   
   
.. .. .. .. .. ..
   
Ai ←→ As 
   

 . . . 
 −−−−−−−→  . . . 

as1 ··· asj ··· asn ai1 ··· aij ··· ain
   
   
.. .. .. .. .. ..
   
   
 . . .   . . . 
Definición 17
Sean A, B ∈ M (m, n) decimos que A es equivalente por filas a B si y solo

si B se obtiene de A por una sucesión finita de operaciónes elementales entre
filas.
Proposición 9
Toda operación elemental entre filas de matrices posee una operación inversa,
es decir una operación tal que al aplicar las dos, una seguida de la otra obten-
emos nuevamente la matriz inicial
Prueba.−
Basta observar que:

Si B se obtiene de A al multiplicar la fila −i− por un real λ 6= 0, entonces A
se obtiene de B al multiplicar la fila −i− por λ1 .
Si B se obtiene de A al intercambiar las filas −i− y −k− entonces A se
obtiene de B por la misma operación.
Finalmente, si B se obtiene de A al reemplazar la fila −i− por la suma de la
fila −i− mas el producto de un real λ 6= 0 por la fila k entonces A se obtiene
de B al reemplazar la fila −i− por la suma de la fila −i− mas el producto
de (−λ) por la fila k.
El lector estudioso puede escribir los argumentos de la proposición anterior en
términos de las entradas de cada una de las matrices que intervienen.
Ejemplo 30
   
1 0 1 0 1 0 1 0
  1  
A =  2 −4 0 6  A2 → A2  1 −2 0 3  = B
2
0 −1 2 −1 −−−−−−−−−−→ 0 −1 2 −1
y
   
1 0 1 0 1 0 1 0
   
B =  1 −2 0 3  B2 → 2B2  2 −4 0 6  = A
−−−−−−−→
0 −1 2 −1 0 −1 2 −1
Ejemplo 31
   
1 0 1 0 1 0 1 0
   
A =  2 −4 0 6  A2 → A2 + (−2)A1  0 −4 −2 6  = B
−−−−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1
   
1 0 1 0 1 0 1 0
   
B =  0 −4 −2 6  B2 → B2 + 2B1  2 −4 0 6  = A
−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1
Proposición 10
1. Si A, B ∈ M (m, n) son tales que A es equivalente por filas a B entonces

B es equivalente por filas a A
2. Si A, B, C ∈ M (m, n) son tales que A es equivalente por filas a B y B

es equivalente por filas a C entonces A es equivalente por filas a C.
Prueba.−
1. Sea A ∈ M (m, n), supongamos Ψ1 , · · · , Ψn una sucesión finita de op-

eraciones elementales entre filas que transforma A en B ∈ M (m, n) la
plicación reiterada de la proposición anterior nos permite afirmar que la
−1
sucesión Ψ−1
n , · · · , Ψ1 transforma B en A.
2. Sea A ∈ M (m, n), supongamos Ψ1 , · · · , Ψn una sucesión finita de op-

eraciones elementales entre filas que transforma A en B ∈ M (m, n) y
sea Φ1 , · · · , Φk , una sucesión finita de operaciones elementales entre filas
que transforma B en C ∈ M (m, n), claramente la aplicación consec-
utiva de Ψ1 , · · · , Ψn , Φ1 , · · · , Φk es una sucesión de n + k operaciones
elementales entre filas que transforma A en C.
Ejemplo 32
Las matrices
   
1 −4 −1 2 1 0 0 7
A=  2

3 −2 4 

y B=  0

1 0 0 

3 −2 −4 1 0 0 1 5
son equivalentes por filas, porque B se obtiene de A por la siguiente sucesión

de operaciones elementales.
Paso 1.
   
1 −4 −1 2 1 −4 −1 2
 2 3 −2 4  A2 → A2 + (−2)A1  0 11 0 0 
   
−−−−−−−−−−−−−−→
3 −2 −4 1 3 −2 −4 1
Paso 2.
   
1 −4 −1 2 1 −4 −1 2
 0 11 0 0  A3 → A3 + (−3)A1  0 11 0 0 
   
−−−−−−−−−−−−−−→
3 −2 −4 1 0 10 −1 −5
Paso 3.    
1 −4 −1 2 1 −4 −1 2
1

 0 11 0 0  A2 → 11 A2  0 1 0 0 
   
−−−−−−−−−−→
0 10 −1 −5 0 10 −1 −5
Paso 4.
   
1 −4 −1 2 1 −4 −1 2
 0 1 0 0  A3 → A3 + (−10)A2  0 1 0 0 
   
−−−−−−−−−−−−−−−→
0 10 −1 −5 0 0 −1 −5
Paso 5.    
1 −4 −1 2 1 −4 −1 2
 0 1 0 0  A3 → (−1) A3  0 1 0 0 
   
−−−−−−−−−−→
0 0 −1 −5 0 0 1 5
Paso 6.    
1 −4 −1 2 1 −4 0 7
 0 1 0 0  A1 → A1 + A3  0 1 0 0 
   
−−−−−−−−−−→
0 0 1 5 0 0 1 5
Paso 7.    
1 −4 0 7 1 0 0 7
0 1 0 0  A1 → A1 + 4A2  0 1 0 0 
   
−−−−−−−−−−−→

0 0 1 5 0 0 1 5
OBSERVACIONES.
Nuevamente, al mirar con detenimento observamos:
• En cada uno de los pasos la matriz resultante es equivalente a la anterior

y por tanto a la inicial.
• En cada paso, la notación hace referencia a las filas de la matriz inmedi-

atamente anterior, no a las filas de la matriz inicial A.
• Al terminar el paso tres todas las entradas de la columna uno desde la

fila dos en adelante son cero.
• Al terminar el paso cuatro la matriz resultante es escalonada.
• Al terminar el proceso la matriz resultante es escalonada reducida.
• Teniendo la debida precaución podemos ejecutar varios pasos en uno solo

(ej. Uno y dos al tiempo) sin alterar los resultados.
• Es posible desarrollar un proceso similar con otras operaciones elemen-

tales y el resultado final es el mismo.
Podemos además verificar que B es equivalente por filas a A devolviéndonos

en cada paso por su correspondiente “Inverso”.
Paso 1’ (Inverso paso 7)
   
1 0 0 7 1 −4 0 7
   
B =  0 1 0 0  A1 → A1 − 4A2  0 1 0 0 
−−−−−−−−−−−→
0 0 1 5 0 0 1 5
Paso 2’ (inverso paso 6)

   
1 −4 0 7 1 −4 −1 2
   
 0 1 0 0  A1 → A1 − A3  0 1 0 0 
−−−−−−−−−−→
0 0 1 5 0 0 1 5

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → (−1)A3  0 1 0 0 
−−−−−−−−−→
0 0 1 5 0 0 −1 −5

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → A3 + 10A2  0 1 0 0 
−−−−−−−−−−−−→
0 0 −1 −5 0 10 −1 −5

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A2 → 11A2  0 11 0 0 
−−−−−−−−→
0 10 −1 −5 0 10 −1 −5
Paso 6’ (inverso paso 2)

   
1 −4 −1 2 1 −4 −1 2
   
 0 11 0 0  A3 → A3 + 3A1  0 11 0 0 
−−−−−−−−−−−→
0 10 −1 −5 3 −2 −4 1

   
1 −4 −1 2 1 −4 −1 2
   
 0 11 0 0  A2 → A2 + 2A1  2 3 −2 4  = A
−−−−−−−−−−−→
3 −2 −4 1 3 −2 −4 1
Proposición 11
Si A ∈ M (m, n), A 6= 0 entonces existe una matriz escalonada B ∈ M (m, n)

tal que A es equivalente por filas a B.
Prueba.−
Puesto que la conclusión afirma la existencia de una matriz B con ciertas
propiedades, la prueba consiste en mostrar un procedimiento que dada cualquier
matriz A ∈ M (m, n) nos permita construir la matriz B que cumpla las condi-
ciones, este proceso es el denominado:
ALGORITMO PARA TRANSFORMAR UNA MATRIZ A FORMA
ESCALONADA.
Sea A ∈ M (m, n), A 6= 0.
Paso 1.-Buscamos la primera columna diferente de cero y en ella la primera
entrada diferente de cero e intercambiamos su fila con la fila uno.
Paso 2.- Identificamos la entrada del pivote de la primera fila, sea a1k1
Paso 3.-Para cada i, i ≥ 2 ; tal que aik1 6= 0; Ai −→ (−a1k1 ) Ai + (aik1 ) A1
Puesto que (−a1k1 ) (aik1 ) + (aik1 ) (a1k1 ) = 0 entonces al terminar el paso tres
en todas las entradas de la columna k1 de la fila dos en adelante aparece un
cero.
 
0 ··· 0 a1k1 ∗ ··· ∗
 .. .. .. 
. . 0 .
 
 ∗ 
 

 0 ··· 0 0 ∗ ∗ 

 .. .. .. .. .. 

 . . . ∗ . .


0 ··· 0 0 ∗ ··· ∗
Paso 4.Repetimos los pasos (1),(2) y (3) para la matriz que se obtiene al “No
tener en cuenta”, la fila uno.
 
0 ··· 0 a1k1 ∗ ··· ∗
 .. .. .. 
. . 0 .
 
 a2k2 ∗ 
 

 0 ··· 0 0 0 ∗ ∗ 

 .. .. .. .. .. .. 

 . . . . . .


0 ··· 0 0 0 ∗ ∗
Paso 5. Repetimos hasta obtener el pivote de la última fila diferente de cero.

La matriz obtenida al final del proceso es la matriz B buscada.
 
0 ··· 0 a1k1 ∗ ∗ ··· ∗ ··· ∗ ∗
 .. 
0 0 . 
 
 a2k2 ∗ ∗
B=  . .. ..
 
 ..

 . . 0 0 a3k3 ∗ ∗ ∗ 
0 0 arkr ∗ 
 

0 ··· 0 0 ··· 0 0 0 0 0 0

OBSERVACIONES.
“No tener en cuenta”, no significa eliminar, simplemente se escribe pero no
se opera con ella.
La ejecución estricta del algoritmo garantiza el resultado, sinembargo en casos
especı́ficos son posibles algunas simplificaciones.
Ejemplo 33
Consideremos
 
0 9 13 −8
A= 
 5 4 3 −3 

1 1 1 −1
La primera entrada diferente de cero de la columna uno es la (2, 1),luego:

Paso 1.
   
0 9 13 −8 5 4 3 −3
 5 4 3 −3  A1 ←→ A2  0 9 13 −8 ,
   
−−−−−−−→
1 1 1 −1 1 1 1 −1
Paso2. El pivote de la fila uno aparece en la columna uno, entonces.

Paso 3.
   
5 4 3 −3 5 4 3 −3
0 9 13 −8  A3 −→ (−5) A3 + (1) A1  0 9 13 −8 
   

−−−−−−−−−−−−−−−−−−→
1 1 1 −1 0 −1 −2 2
Ahora tenemos que todas las entradas debajo de la (1, 1) son cero.
Para el siguiente paso no tenemos en cuenta la fila (5 4 3 − 3); el nuevo
pivote aparece en la entrada (2, 1),luego:
Paso 4.
   
5 4 3 −3 5 4 3 −3
0 9 13 −8  A3 −→ (−9) A3 + (−1) A2  0 9 13 −8 
   

−−−−−−−−−−−−−−−−−−−→
0 −1 −2 2 0 0 5 −10
Esta última matriz es escalonada y equivalente por filas a A
Coloquialmente podemos afirmar que el algoritmo consiste en encontrar el

pivote de la primera fila y por medio de operaciones elementales entre filas
hacer cero todas las entradas debajo de él y repetir ordenadamente para cada
una de las filas diferentes de cero hasta terminar.
Proposición 12
Si A ∈ M (m, n), A 6= 0 entonces existe una única matriz escalonada reducida

B ∈ M (m, n) tal que A es equivalente por filas a B.
Prueba.−
De la misma forma que en la proposición anterior es suficiente presentar el
algoritmo para transformar una matriz escalonada en una escalonada reducida.
ALGORITMO PARA TRANSFORMAR UNA MATRIZ ESCALON-
ADA A FORMA ESCALONADA REDUCIDA.
Sea A ∈ M (m, n),una matriz escalonada con pivotes a1k1 , a2k2 , · · · , arkr
Paso 1.- A1 −→ (−a2k2 ) A1 + (a1k2 ) A2
Al terminar el paso uno a1k2 = 0
 
0 ··· 0 a1k1 ∗ 0 ··· ∗ ··· ∗ ∗
 .. 
0 0 . 
 
 a2k2 ∗ ∗
 . .. ..
 
 ..

 . . 0 0 a3k3 ∗ ∗ ∗ 
0 0 arkr ∗ 
 

0 ··· 0 0 ··· 0 0 0 0 0 0
Paso 2.-Para cada i, i < s = 3 tal que (aik3 ) 6= 0 Ai −→ (−a3k3 ) Ai +(aik3 ) A3

Puesto que (−a3k3 ) (aik3 ) + (aik3 ) (a3k3 ) = 0 entonces al terminar el paso dos
en las entradas de la columna k3 de las filas uno y dos aparece un cero.
 
0 ··· 0 a1k1 ∗ 0 ∗ 0 ∗ ∗ ∗
 .. 
0 0 0 . 
 
 a2k2 ∗ ∗ ···
 . .. ..
 
 ..

 . . 0 0 a3k3 ∗ ∗ ∗ 
0 0 arkr ∗ 
 

0 ··· 0 0 ··· 0 0 0 0 0 0
Paso 3.-Repito el paso 2, para s = 4.

Paso 4.- Repito para s = 5, s = 6, hasta s = r.
 
0 ··· 0 a1k1 ∗ 0 ∗ 0 ∗ 0 ∗
 .. .. 
0 0 0 . 0 . 
 
 ··· a2k2 ∗
.. .. ..
 
 

 . . . 0 0 a3k3 ∗ 0 ∗ 
0 0 0 arkr ∗ 
 

0 ··· 0 0 ··· 0 0 0 0 0 0
Al terminar el paso 4. todos los pivotes son las únicas entradas diferentes de
cero en sus columnas correspondientes.
1
Paso 5.-Para cada i, 1 ≤ i ≤ r, Ai −→ aik Ai y termino.
i
 
0 ··· 0 1 ∗ 0 ∗ 0 ∗ 0 ∗
 .. .. 
0 0 0 1 ∗ 0 . 0 . 
 

.. .. ..
 
B=  .. 

 . . . . 0 0 1 ∗ 0 ∗ 
 .. 

 0 ··· . 0 0 1 ∗ 

0 ··· 0 0 ··· 0 0 0 0 0 0
La matriz obtenida al terminar el proceso es la matriz B buscada.

Coloquialmente afirmamos que el algoritmo consiste en aplicar operaciones
elementales entre filas para hacer cero todas las entradas encima del pivote de
la fila dos, luego de la tres, y ası́ sucesivamente hasta la fila −r−.y finalmente
multiplicar cada fila por el recı́proco de su pivote.
Ejemplo 34
Continuamos el proceso con la matriz del ejemplo anterior.

 
5 4 3 −3
 0 9 13 −8 
 
0 0 5 −10
Paso 1.-
   
5 4 3 −3 −45 0 25 −5
 0 9 13 −8  A1 −→ (−9) A1 + (4) A2  0 9 13 −8 
   
−−−−−−−−−−−−−−−−−−→
0 0 5 −10 0 0 5 −10
Paso 1′ .-
   
−45 0 25 −5 −1
9 0 −5 1
 A1 −→ 5 A1 
 0 9 13 −8  0 9 13 −8 
 
A3 −→ 51 A3

0 0 5 −10 −−−−−−−−−−−−−→ 0 0 1 −2
Este es un paso que simplifica los cálculos, en este caso especı́fico.

Paso 2.-
   
9 0 −5 1 9 0 0 −9
 A1 −→ A1 + (5) A3 
 0 9 13 −8   0 9 0 18 
 
A2 −→ A2 + (−13) A3
0 0 1 −2 −−−−−−−−−−−−−−−−−−→ 0 0 1 −2
Paso 3.-    
9 0 0 −9 1
1 0 0 −1
 A1 −→ 9 A1 
 0 9 0 18   0 1 0 2 
 
1
A2 −→ 9 A2
0 0 1 −2 −−−−−−−−−−−−→ 0 0 1 −2
Esta última matriz es escalonada reducida y equivalente por filas a la inicial.
Una prueba de la unicidad requiere utilizar conceptos que auncuando sencillos,

no han sido tratados todavia, aceptamos por el momento el resultado y lo
probaremos mas adelante.
2.7 ! EL LOGRO DEL OBJETIVO FINAL !

Algoritmo de eliminación Gauss-Jordan para solución de sistemas de ecua-
ciones lineales
Ahora es inmediato el logro de nuestro objetivo final, basta observar que si

AX = B es un sistema de ecuaciones lineales la matriz aumentada del sistema
(A |B ) es simplemente una escritura abreviada del sistema donde asignamos a
cada incógnita una columna de la matriz de coeficientes y omitimos su escritura
2.7. ! EL LOGRO DEL OBJETIVO FINAL ! 67
y reemplazamos el sı́mbolo (=) de cada ecuación por la raya vertical, en

este orden de ideas cada operación elemental entre filas equivale a uno de los
procedimientos que permiten transformar sistemas en sistemas equivalentes;
podemos afirmar entonces:
TEOREMA 1
“Dos sistemas de ecuaciones AX = B y A′ X = B ′ son equivalentes si y

solamente si sus matrices aumentadas (A |B ) y (A′ |B ′ ) son equivalentes
por filas”
Prueba.−
Es evidente la correspondencia entre las operaciones elementales entre filas de
matrices aplicadas a la matriz aumentada y los procedimientos que permiten
cambiar la presentación de los sistemas sin alterar sus soluciones.
En consecuencia para resolver un sistema de ecuaciones AX = B
escribimos su matriz aumentada (A |B ) le aplicamos el algoritmo
para llevar su matriz de coeficientes a forma escalonada reducida
y obtenemos una matriz equivalente por filas (A′ |B ′ ) ; escribimos
el sistema correspondiente en la forma A′ X = B ′ y resolvemos de
acuerdo con los casos del numeral 2.4.
Ejemplo 35
Resolver el sistema
x + 4y − z = 9
2x + 3y + z = 9
5x + 7y + 2z = 20
2x + 3y + 6z = 19
x − 2z = −5
Sol.
La matriz aumentada del sistema es

 
1 4 −1
9

 2 3 1
9 

5 7 2 20
 
 
 
 2 3 6
19 
1 0 −2 −5
Reducimos a forma escalonada y obtenemos
 
1 4 −1
9

 0 −5 3
−9 

0 0 1 2
 
 
 
 0 0 0
0 
0 0 0 0
Puesto que las dos últimos filas corresponden a ecuaciones de la forma 0x +

0y + 0z = 0 que pueden considerarse no escritas, podemos afirmar que el
sistema tiene solución y puesto que todas las columnas tienen pivote, no hay
variables libres es decir la solución es única.
Si continuamos con la reducción de la nueva matriz aumentada a forma re-
ducida por filas obtenemos:
 
1 0 0
−1

 0 1 0
3 

0 0 1 2
 
 
 
 0 0 0
0 
0 0 0 0
que es la matriz aumentada del sistema
x = −1
y = 3 , cuyo planteo es la solución.
z = 2
2.7. ! EL LOGRO DEL OBJETIVO FINAL ! 69
Ejemplo 36
Resolver el sitema
x + 4y − z = 9
2x + 3y + z = 9
5x + 7y + 2z = 2
2x + 3y + 6z = 9
x − 2z = −5
Sol.
 
1 4 −1
9

 2 3 1
9 

5 7 2 2
 
 
 
 2 3 6
9 
1 0 −2 −5

 
1 4 −1
9

 0 −5 3
−9 

0 0 2 49
 
 
 
 0 0 0
1 
0 0 0 0
Puesto que la fila 4, corresponde a la ecuación 0x + 0y + 0z = 1, afirmamos

que el sistema no tiene solución.(Es inconsistente).
Ejemplo 37
Resolver el sistema
x + 4y − z = 9
2x + 3y + z = 3
−x + y − 2z = 6
3x + 2y + 3z = −3
4x + y + 5z = −9
Sol:
 
1 4 −1
9

 2 3 1
3 

−1 1 −2 6
 
 
 
 3 2 3
−3 
4 1 5 −9

 
1 4 −1 9


 0 −5 3 −15 

0 0 0 0 
 

 
 0 0 0 0 

0 0 0 0
Puesto que las tres últimas filas corresponden a ecuaciones de la forma 0x +

0y + 0z = 0 que pueden considerarse no escritas, podemos afirmar que el
sistema tiene solución y puesto que la columna tres no tiene pivote, hay una
variable libre es decir el sistema tiene infinitas soluciones
Al continuar la reducción de la nueva matriz aumentada a forma escalonada
reducida por filas, obtenemos:
7
 
1 0 5

−3

 0 1 − 35
3 

0 0 0 0
 
 
 
 0 0 0
0 
0 0 0 0
Es decir el sistema inicial es equivalente al sistema

7
x + z = −3
5
3
y− z=3
5
cuya solución general es:
x = −3 − 75 a
y = 3 + 53 a , a ∈ R
z=a
2.8. INVERSA DE UNA MATRIZ 71
2.8 INVERSA DE UNA MATRIZ

Recordemos que para cada entero positivo n, la matriz I(n) es la única matriz
nxn, tal que para toda A ∈ M (n, n) , AI(n) = I(n) A = A
Definición 18
Decimos que una matriz A ∈ M (n, n) tiene inversa si existe B ∈ M (n, n)

tal que AB = BA = I(n) , en este caso escribimos B = A−1 que leemos B es
la inversa de A
Una matriz A ∈ M (n, n) que tiene inversa se denomina tambien una matriz
no singular.
Proposición 13
Si A ∈ M (n, n) tiene inversa B ∈ M (n, n) entonces:

(a) La inversa de A es única.
(b) B tiene inversa y B −1 = A
Prueba.−
(a) Si C ∈ M (n, n) es tal que AC = CA = I(n) entonces
C = CI(n) = C (AB) = (CA) B = I(n) B = B
(b) Basta observar que BA = AB = I(n) .

−1
Observe que este resultado podemos escribirlo como A−1 =A
Proposición 14
Si A ∈ M (n, n) y B ∈ M (n, n) es tal que AB = I(n) entonces BA = I(n) y en

consecuencia B = A−1
Prueba.−
Puesto que (BA) B = B (AB) = BI(n) = B entonces BA = I(n)
Proposición 15
Si A ∈ M (n, n), y B ∈ M (n, n) tienen inversa entonces:

(a) (AB) tiene inversa y (AB)−1 = B −1 A−1
n
(b) An tiene inversa y (An )−1 = A−1
Prueba.−
(a) Basta observar que

(AB) B −1 A−1 = A BB −1 A−1 = AI(n) A−1 = AA−1 = I(n)
(b) Probamos por inducción. La afirmación es evidente para n = 1.

−1 k
Suponemos Ak = A−1 y en consecuencia si multiplicamos a izquierda
y derecha por A−1 obtenemos
−1 k −1
Ak A−1 = A−1 A
y por tanto
−1 k+1
AAk = A−1
es decir
−1 k+1
Ak+1 = A−1
en consecuencia, para todo entero positivo n,

n
(An )−1 = A−1

Una aplicación inmediata de la solución de sistemas de ecuaciones es responder
la pregunta
Dada una matriz A ∈ M (n, n), es A una matriz inversible?
Es decir, existe X ∈ M (n, n) tal que AX = XA = I(n) .
Supongamos entonces A = (aij ) , X = (xij ), obviamente la respuesta se ob-
tiene al resolver los n sistemas de ecuaciones lineales:
   
x11 1
 .   
 .   0 
.
   . 
   
A  xi1  =  ..  (1)
 .   . 
 .   . 
 .   . 
x 0
 n1   
x12 0
 .   
 ..   1 
   . 
   
A  xi2  =  ..  (2)
 .   . 
 .   . 
 .   . 
xn2 0
..
   .
x1n 0
 .   
 ..   0 
   
  .. 
A  xin  =  .  (n)
 .  
 .    0 

 . 
xnn 1
Puesto que todos los n sistemas tienen la misma matriz A de coeficientes

podemos intentar resolverlos simultáneamente considerando la matriz n × 2n,
que obtenemos al yuxtaponer I(n) a la derecha de A,
 
a11 a12 · · · a1j · · · ann 1 0 ··· 0 ··· 0
 .. 
 a . 
 21 a22 · · · a2j · · · a2n 0 1 
 . .. .. .. .. 
 .. . . . . 0 1 
 
 .. .. ..  (⋆)
 a . 0 . 
 i1 ai2 · · · aij ··· ain 0 . 
 .. 
 . 1 0 
 
an1 an2 · · · anj · · · ann 0 · · · 0 ··· 0 1
y reducimos por filas.

Si A es equivalente por filas a I(n) todos los sistemas en consideración tienen
una única solución, además la solución del sistema (1) aparece en la columna
correspondiente a la columna 1 de I(n) , la solución del sistema (2) aparece en

la columna correspondiente a la columna 2 de I(n) , la solución del sistema (3)
aparece en la columna correspondiente a la columna 3 de I(n) y ası́ sucesiva-
mente, es decir si A es equivalente por filas a I(n) entonces A tiene inversa y al
terminar la reducción por filas de la matriz (⋆) obtenemos la matriz tamaño

n × 2n, I(n) | A−1
Ejemplo 38
Si
 
1 2 3
A= 1 2 4 
 
−1 2 5
entonces
   
1 2 3 1 0 0 1 2 3 1 0 0
 A2 −→ A2 − A1 

 1 2 4 0 1 0  0 0 1 −1 1 0 
 
A3 −→ A3 + A1


−1 2 5 0 0 1 −−−−−−−−−−−−−→ 0 4 8 1 0 1
   
1 2 3 1
0 0 1 2 3 1
0 0
 0 0 1 −1 1 0  A2 ←→ A3  0 4 8 1 0 1 
   
−−−−−−−→
0 4 8 1 0 1 0 0 1 −1 1 0
   
1 2 3 1
0 0 2 0 −2 1
0 −1
 0 4 8 1 0 1  A1 −→ 2A1 − A2  0 4 8 1 0 1 
   
−−−−−−−−−−−−→
0 0 1 −1 1 0 0 0 1 −1 1 0
En este momento podemos asegurar que A, tiene inversa; continuamos para

encontrarla,
   
2 0 −2 1 0 −1 2 0 0 −1 2 −1
 A1 −→ A1 + 2A3 

 0 4 8 1 0 1   0 4 0 9 −8 1 
 
A2 −→ A2 − 8A3
0 0 1 −1 1 0 −−−−−−−−−−−−−−→ 0 0 1 −1 1 0
   
2 0 0 −1 2 −1 1 0 0 −1 1 −1
1 2 2

 A1 −→ 2 A1 

9 1
 0 4 0 9 −8 1   0 1 0 −2
 
A2 −→ 41 A2
4 4 

0 0 1 −1 1 0 −−−−−−−−−−−−→ 0 0 1 −1 1 0
en consecuencia  
−1 −1
2
1 2
A−1 = 
 9
4
−2 1
4


−1 1 0
Obtenemos el mismo resultado práctico si seguimos un procedimiento diferente

sin acudir a los sistemas de ecuaciones, que presentamos a continuación.
Proposición 16
Sean A ∈ M (n, n), B ∈ M (n, n), E ∈ M (n, n) tales que B se obtiene de A

por una operación elemental entre filas y E se obtiene de I(n) al aplicar la
misma operación elemental, entonces B = EA
Prueba.−
(a) Supongamos que B se obtiene de A al multiplicar la fila −l− por λ ∈
R, α 6= 0, entonces
(
aij si i 6= l
bij =
λalj si i = l


 1 si i = j, i 6= l
(E)ij = λ si i = j = l


0 de otra forma
k=n
(
X aij si i 6= l
(EA)ij = (E)ik akj =
k=1
λalj si i = l
(b) Supongamos que B se obtiene de A reemplazar la fila −l− por la suma
de ella mas λ ∈ R, por la fila −s− entonces
(
aij si i 6= l
bij =
alj + λasj si i = l


 1 si i = j
(E)ij = λ si i = l, j = s


0 de otra forma
k=n
(
X aij si i 6= l
(EA)ij = (E)ik akj =
k=1
alj + λasj si i=l
(c) Supongamos que B se obtiene de A intercambiar las filas −l− y −s−entonces


 aij si i 6= l, i 6= s
bij = asj si i = l


alj si i = s


 1 si i = j, i 6= l, i 6= s
(E)ij = 1 si i = l, j = s o i = s, j = l


0 de otra manera

k=n
X 
 aij si i 6= l, i 6= s
(EA)ij = (E)ik akj = asj si i = l


k=1 alj si i = s

Definición 19
Sea E ∈ M (n, n) la matriz obtenida al aplicar una operación elemental entre

filas a la matriz I(n) decimos que E es una matriz elemental.
Proposición 17
Sea B ∈ M (n, n) equivalente por filas a A ∈ M (n, n),entonces B = P A

donde P es un producto de matrices elementales
Prueba.−
Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que
transforma A en B y sean E1 , · · · , Er las correspondientes matrices elemen-
tales; la aplicación reiterada de la proposición 15 del presente capı́tulo para
1 ≤ i ≤ r muestra que Er . (Er−1 .(· · · (E1 .A))) = B basta entonces hacer
P = Er .Er−1 . · · · .E1
Proposición 18
(a) Toda matriz elemental tiene inversa.

(b) La inversa de una matriz elemental es una matriz elemental.
Prueba.−
Ya hemos probado que cada operación elemental entre filas,l tiene una inversa,
en consecuencia:
Si E se obtiene de I(n) al multiplicar su fila k por λ ∈ R, λ 6= 0 entonces


 0 si i 6= j
(E)ij = 1 si i = j, i 6= k


λ si i=k=j
b la matriz que se obtiene de I(n) al multiplicar su fila k por 1 , entonces
y sea E λ


 0 si i 6= j
Eb = 1 si i = j, i 6= k
ij 
 1
λ si i=k=j
y por tanto

t=n
X 
 0 si r 6= s
b
EE = b
(E)rt E = 1 si r = s, r 6= k
rs ts 
 1

t=1 λ =1 si r=s=k
λ
es decir
b = I(n)
EE
lo que significa
b = E −1 .
E
Análogamente si E se obtiene de I(n) al intercambiar las filas k y l, k < l
entonces 

 1 si i = j, i 6= l, i 6= k
(E)ij = 1 si i = l, j = k o i = k, j = l


0 en los demás casos
entonces
t=n
(
X 1 si r=s
(EE)rs = (E)rt (E)ts =
t=1
0 si r 6= s
es decir
EE = I(n)
lo que significa
E = E −1 .
Finalmente si E se obtiene de I(n) al reemplazar la fila k por la suma de la fila

k mas λ por la fila l entonces


 1 si i=j
(E)ij = λ si i = k, j = l


0 en los demás casos
y sea E b la matriz que se obtiene de I(n) al reemplazar la fila k por la suma de

la fila k mas (−λ) por la fila l , entonces


 1 si i=j
b
E = −λ si i = k, j = l
ij 

0 en los demas casos
y por tanto
(
t=n
X 1 si r=s
b
EE = (E)rt (E)ts =
rs
t=1
0 si r 6= s
es decir
b = I(n)
EE
lo que significa
b = E −1 .
E

Ejemplo 39
Consideremos
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) =
 0 0 1 0 0  F3 −→ λF3 
 −−−−−−−−→  0 0 λ 0 0 =E

   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) = 0 0 1 0 0  F3 −→ 1 F3  0 0 1 b
=E
   λ 0 0 
  −−−−−−−−λ−−−→  
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
    
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
    
 0 1 0 0 0  0 1 0 0 0   0 1 0 0 0 
    
b=
EE 0 0 λ 0 0  0 0 1 = 
  λ 0 0   0 0 1 0 0 
    
 0 0 0 1 0  0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
Por otra parte
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) = 
 0 0 1 0 0  F3 −→ F3 + λF5 
 −−−−−−−−−−−−→  0 0 1 0 λ =E

   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) =  F3 −→ F3 + (−λ) F5  0 −λ  b
 0 0 1 0 0  −−−−−−−−−−−−−−−→  0 0 1 =E
   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
    
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
    
 0 1 0 0 0  0 1 0 0 0   0 1 0 0 0 
    
b=
EE  0 −λ   
 0 0 1 0 λ  0 0 1 = 0 0 1 0 0 
    
 0 0 0 1 0  0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
Proposición 19
Sea A ∈ M (n, n), las afirmaciones siguientes son equivalentes.

(a) A es equivalente por filas a I(n) .
(b) A es producto de matrices elementales.
(c) A es invertible. (No singular)
(d ) El sistema homogéneo AX = 0 tiene una única solución.
Prueba.−
Basta probar que (a) ⇒ (b) ⇒ (c) ⇒ (d) ⇒ (a)

(a) ⇒ (b) Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre
filas que transforma A en I(n) y sean E1 , · · · , Er las correspondientes matrices
elementales; la aplicación reiterada de la proposición 15 del presente capı́tulo
para 1 ≤ i ≤ r muestra que
Er (Er−1 (· · · (E1 A))) = I(n) ,
luego
A = E1−1 · · · Er−1
−1
Er−1 .
(b) ⇒ (c) A resulta ser un producto de matrices invertibles y por la proposición
14 (a) del presente capı́tulo, es invertible.
(c) ⇒ (d) Basta observar que si A tiene inversa

X = (In )X = A−1 A X = A−1 (AX) = A−1 0 = 0
(d) ⇒ (a) A es equivalente por filas a una matriz escalonada reducida B,

si B 6= I(n) entonces B tiene una fila de ceros y en consecuencia AX = 0
tiene una solución diferente de la trivial, contrario a la hipótesis, por tanto
B = I(n)
Proposición 20
Sea A ∈ M (n, n), invertible entonces A−1 se obtiene al aplicar a I(n) la misma
sucesión de operaciones elementales entre filas que hace A equivalente por filas
a I(n) .
Prueba.−
Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que trans-
forma A en I(n) y sean E1 , · · · , Er las correspondientes matrices elementales;
entonces
Er Er−1 · · · E1 A = I(n)
es decir
Er Er−1 · · · E1 = A−1
lo que significa que A−1 se obtiene al aplicar la sucesión ψ1 , · · · ψr a I(n)
En la práctica la decisión sobre si una matriz cuadrada A tiene inversa o no y

encontrar su inversa en caso afirmativo , se hace simultáneamente; tomamos

la matriz nx2n A I(n) y la reducimos por filas, si A es invertible al final
−1
obtenemos I(n) A .
Capı́tulo 3
DETERMINANTES
3.1 DEFINICIÓN Y PROPIEDADES
En este capı́tulo solo haremos referencia a matrices cuadradas de orden n, n

entero positivo, pues solamente para éstas tiene sentido el concepto de deter-
minante, tema central del capı́tulo.
La consulta de diferentes autores muestra enfoques diversos para la definición
del concepto de determinante, cada uno exige sus propios prerrequisitos, en al-
gunos casos fuera del alcance del presente escrito; hemos escogido la definición
por recurrencia que consideramos la más práctica para efectos del cálculo en el
caso de órdenes pequeños, sin embargo para algunos resultados fundamentales
aceptamos el resultado sin prueba.
Definición 1
Sea A ∈ M (n, n) llamamos submatriz −ij− de A, notada A(i|j) a la matriz

tamaño (n − 1) × (n − 1) obtenida de A, al eliminar su fila −i− y su columna
−j − .
Ejemplo 1
Para la matriz:
83
84 CAPÍTULO 3. DETERMINANTES
 
1 0 5
 
A =  3 π −1 
√
7 9 4
Las submatrices de A son:
! ! !
π −1 3 −1 3 π
A(1|1) = A(1|2) = √ A(1|3) = √
9 4 7 4 7 9
! ! !
0 5 1 5 1 0
A(2|1) = A(2|2) = √ A(2|3) = √
9 4 7 4 7 9
! ! !
0 5 1 5 1 0
A(3|1) = A(3|2) = A(3|3) =
π −1 3 −1 3 π
Definición 2
Sea A ∈ M (n, n) definimos el determinante de A, notado Det(A) o simple-

mente |A| , al único número real obtenido de la siguiente manera:
• Si n = 1, A = (a) entonces Det(A) = a

P
n
• Si n > 1, Det(A) = (−1)i+k aik Det [A(i|k)], para algún i fijo, 1 ≤ i ≤
k=1
n.
Observación: Usualmente decimos que hemos “desarrollado” el determinante

por la fila −i−, cuya elección es arbitraria.
Ejemplo 2
Si
!
1 0
A=
3 π
entonces,
3.1. DEFINICIÓN Y PROPIEDADES 85
A(1|1) = (π), A(1|2) = (3)

A(2|1) = (0), A(2|2) = (1)
Si tomamos i = 1, tenemos
Det(A) = (−1)1+1 a11 Det (A(1|1)) + (−1)1+2 a12 Det (A(1|2))

es decir,

1 0

Det(A) = = (−1)2 (1)(π) + (−1)3 (0)(3) = π − 0 = π
3 π
Si tomamos i = 2, tenemos:
Det(A) = (−1)2+1 a21 Det (A(2|1)) + (−1)2+2 a22 Det (A(2|2))

es decir,

1 0

= (−1)3 (3)(0) + (−1)4 (π)(1) = 0 + π = π
3 π
Proposición 1 !
a b
Si A = entonces Det(A) = ad − bc
c d
Prueba.−
Tomamos i = 1, entonces
Det(A) = (−1)1+1 a11 Det (A(1|1)) + (−1)1+2 a12 Det (A(1|2))

es decir,

a b

= (−1)2 (a)(d) + (−1)3 (b)(c) = ad − bc
c d
El lector verificará que si elige i = 2, y hace el desarrollo de acuerdo con la
definición, el resultado es el mismo.
Proposición 2
(Ley de Sarrus para matrices 3x3)
Sean  
a11 a12 a13
 
A =  a21 a22 a23 
a31 a32 a33
y
d1... d 2 .... d 3.... d′. 1

d′. 2 .
d′3
... ... ...
...

...
...
...
...
...
...
...
...
...
...
... ......
...
...
. ...
...
...
.

...
...
...
a ...
... 11
... a
...
..12
...
.........
a ... ..
... .13 ... a
.........
..
... 11
..
a
... 12
...
....
b  ...
...
...
.........
... ......
.........
... ...... .....
...

A= a 21 ....... ...22 a ...
.........
a
... ..23...
.........
a .......
.. 21 ...
...
...
a 22 
.
... .. . ... ..... ...
... ... ...... ..... ...
a . ....
...
... 31
. ....
a..
... 32
.
. ....
a .
......33
... .
.
a .. ...
31
...
.....
a ....
32...
.....
...... ...... ...... ....... .... ....
′ ′
Si definimos los productos d1 , d2 , d3 , d′1 , d2 , d3 como en la gráfica, entonces
′ ′
Det(A) = (d1 + d2 + d3 ) − (d′1 + d2 + d3 )
Prueba.−
Si desarrollamos el determinante de A por la fila −2− tenemos:
k=3
X
Det(A) = (−1)2+k a2k Det [A(2|k)]
k=1
= (−1)2+1 a21 Det [A(2|1)] + (−1)2+2 a22 Det [A(2|2)] + (−1)2+3 a23 Det [A(2|3)]

a a a a a a
12 13 11 13 11 12
= (−1)2+1 a21 + (−1)2+2 a22 + (−1)2+3 a23
a32 a33 a31 a33 a31 a32
= (−1)a21 (a12 a33 − a13 a32 ) + a22 (a11 a33 − a13 a31 ) + (−1)a23 (a11 a32 − a12 a31 )
= −a12 a21 a33 + a13 a21 a32 + a11 a22 a33 − a13 a22 a31 − a11 a23 a32 + a12 a23 a31

= −d′3 + d3 + d1 − d′1 − d′2 + d2 = (d1 + d2 + d3 ) − d′1 + d′2 + d′3
El lector verificará que el resultado es válido independientemente de la fila por
la que se desarrolle el determinante.
3.2. PROPIEDADES DEL DETERMINANTE 87
3.2 PROPIEDADES DEL DETERMINANTE

Para facilitar la escritura y la lectura, en lo que sigue cuando lo consideremos
conveniente, notaremos las matrices cuadradas como matrices columna cuyas
entradas son sus filas
   
a11 a12 ··· a1j ··· a1n A1

 a21 a22 ··· a2j ··· a2n  
  A2 


 .. .. .. ..  
  .. 

. . . . .
A=
   
 = 

 ai1 ai2 ... aij ··· ain  
  Ai 

 .. .. .. ..   .. 
. . . . .
   
   
an1 an2 ··· anj ··· ann An
TEOREMA 1
Sea A ∈ M (n, n) entonces
• D.1.- Para 1 ≤ i ≤ n se tiene que,

   
A1 A1
  A2  A2 
   
  ..  .. 
  .  . 
   
Det   = kDet  
 kAi   Ai 
   
 ..   .. 
 .   . 
An An
• D.2.- Para 1 ≤ i ≤ n se tiene que,

     
A1 A1 A1
 A2   A2   A2 
     
 ..   ..   .. 
 .   .   . 
     
Det  ′  = Det   + Det  
 Ai + A′′i   A′i   A′′i 
     
 ..   ..   .. 
 .   .   . 
An An An
• D.3.- Si B se obtiene de A al intercambiar dos filas consecutivas en-

tonces
Det(B) = −Det(A)
• D.4.- Para todo entero positivo n,
Det(I(n) ) = 1
!Nota Importante!
Aun cuando este resultado es el fundamental del capı́tulo, por la forma como
definimos el determinante, la prueba del Teorema 1 exige usar el Principio
de Inducción Matemática y su escritura resulta demasiado larga y compleja;
por el alcance del presente escrito aceptamos el resultado y continuamos; el
lector interesado puede verificarlo directamente por simple mecánica de la
Aritmética de números reales para n = 1, 2, 3 y consultar la bibliografı́a para
el caso general.
El siguiente resultado resuelve el problema de angustia del lector quien no

entiende y seguramente no acepta, la escogencia arbitraria de una fila para
desarrollar el determinante.
Proposición 3
Sea A ∈ M (n, n) entonces el determinante de A es independiente de la se-

lección de la fila por la cual se desarrolle.
Prueba.−
Sin perder generalidad podemos probar que el valor obtenido para el determi-
nante si se desarrolla por la fila −i−, es el mismo que el obtenido al desarrol-
larlo por la fila −1−.
Supongamos entonces que si A ∈ M (n, n), n entero positivo entonces

P
k=n
Det(A) = (−1)1+k a1k Det [A(1|k)]
k=1
Sean ahora A y B matrices, tales que B es obtenida de A después de i − 1

intercambios sucesivos de filas consecutivas, a saber: fila i con fila (i − 1), fila
(i − 1) con fila (i − 2), fila (i − 2) con fila (i − 3), y ası́ sucesivamente hasta
llegar a que la fila 1 de B es la fila i de A, es decir que B es la matriz:
 Ai 
A1
 A2 
 . 
 .. 
B= 
 Ai−1  ,
 Ai+1 
 . 
..
An
entonces la aplicación repetida de D.3 del Teorema 1, nos permite afirmar

que:
P
k=n
Det(A) = (−1)i−1 Det(B) = (−1)i−1 (−1)1+k b1k Det [B(1|k)]
k=1
Ahora bien, es inmediato verificar que para todo k, 1 ≤ k ≤ n, b1k = aik y

B(1|k) = A(i|k), en consecuencia:
P
k=n P
k=n
Det(A) = (−1)i−1 (−1)1+k b1k Det [B(1|k)] = (−1)i+k aik Det [A(i|k)]
k=1 k=1
Claramente la última expresión de la derecha es el “desarrollo” de Det(A) por

la fila −i−.
El Teorema 1 identifica de manera unı́voca el determinante y la proposición
3 nos proporciona seguridad en los cálculos. A continuación enunciamos y
probamos algunas otras propiedades que son consecuencia inmediata de estos
dos resultados y facilitan los cálculos.
Proposición 4
1. Si B = kA entonces Det(B) = k n Det(A).

2. Si A tiene una fila de ceros Det(A) = 0.
3. Si B se obtiene de A al intercambiar dos filas entonces Det(B) =

−Det(A).
4. Si A tiene dos filas iguales entonces Det(A) = 0.
5. Si una fila de A es un múltiplo real de otra entonces Det(A) = 0.
6. Si B se obtiene de A al reemplazar una fila por la suma de ella con un

múltiplo real de otra entonces Det(B) = Det(A).
Prueba.−
1. Basta aplicar la parte D.1 del teorema 3.1 primero para la fila uno,
luego para la fila dos, luego para la tres y ası́ sucesivamente, luego de n
pasos obtenemos el resultado.
2. Supongamos que la fila −i− de A es una fila de ceros, desarrollamos el

determinante por la fila −i− y obtenemos el resultado.
3. Supongamos que B se obtiene de A al intercambiar Ai ←→ Ak , con

i < k.
El mismo resultado se obtiene si ejecutamos primero la siguiente sucesión
de intercambios de filas consecutivas:
Ai ←→ Ai+1 , Ai+1 ←→ Ai+2 , Ai+2 ←→ Ai+3 , · · · , Ak−1 ←→ Ak
al final de la cual tendremos la matriz:

 
A1
 .. 
.
 
 
 

 Ai+1  ←− i

 .. 
.
 
 
 

 Ak  ←−(k−1)


 Ai  ←− k

 .. 
.
 
 
An
y luego, con la sucesión de intercambios:
Ak−1 ←→ Ak−2 , Ak−2 ←→ Ak−3 Ak−3 ←→ Ak−4 , · · · , Ai+1 ←→ Ai ,
obtenemos B.
Ahora bien, si contamos el número de intercambios de filas consecutivas
tenemos (k − i) para “bajar”Ai desde el lugar i hasta el lugar k y luego
(k − i) − 1 para “subir” Ak desde el lugar (k − 1) hasta el lugar i, en
total hemos realizado 2(k − i) − 1 intercambios consecutivos, la parte
D.3 del teorema 3.1 afirma que el efecto sobre el determinante en cada
paso es multiplicar por (−1), en consecuencia
Det(B) = (−1)2(k−1)−1 Det(A) = −Det(A)
4. Supongamos A ∈ M (n, n) tal que Ai = Ak obviamente al intercambiar

Ai ←→ Ak obtenemos la misma matriz A, pero por la propiedad anterior
el determinante se afecta en un factor (−1), es decir Det(A) = − Det(A),
en consecuencia Det(A) = 0 que es el único número real igual a su
opuesto.
5. Supongamos A ∈ M (n, n) tal que Ai = λAk entonces por D.1
     
A1 A1 A1
 ..   ..   .. 
 .   .   . 
     
 A   λA   A 
 i   k   k 
 .   .   
Det     = λDet  ...  = λ(0) = 0
 ..  = Det  ..   
     
 Ak   Ak   Ak 
     
 ..   ..   .. 
 .   .   . 
An An An
6. Supongamos A, B ∈ M (n, n) tales que B se obtiene de A, al reemplazar

Ai ←→ Ai + λAk entonces por las partes D.1 y D.2 del teorema 3.1
     
A1 A1 A1
 A2   A2   A2 
     
 ..   ..   ..
 .   .   .
     
Det(B) = Det   = Det   + Det  
 Ai + λAk   Ai   λAk 
     
 ..   ..   .. 
 .   .   . 
An An An
   
A1 A1
 A2   A2 
   
 ..   .. 
 .   . 
   
= Det   + λDet  
 Ai   Ak  ←− f ila − i−
   
 ..   .. 
 .   . 
An An
= Det(A) + λ(0)
= Det(A)
puesto que la última matriz de la derecha tiene iguales las filas i y k.
Proposición 5
Si A ∈ M (n, n) es triangular inferior entonces
Det(A) = a11 a22 · · · ann
Prueba.−
Si suponemos
 
a11 0 ··· 0
 .. 
 a . 
 21 a22 
A= . .. 
 .. . 0 
 
an1 an2 · · · ann
con aij = 0 para i < j, entonces al desarrollar el determinante por la fila −1−
obtenemos:
P
k=n
Det(A) = (−1)i+k aik Det [A(i|k)] = a11 Det [A(1|1)] + 0 + 0 + · · · + 0
k=1
recordemos que:
 
a22 0 ··· 0
 .. 
 a . 
 32 a33 
A(1|1) =  . .. 
 .. . 0 
 
Si ahora, desarrollamos Det [A(1|1)] también por su fila −1− obtenemos

h i
b
Det(A) = a11 Det [A(1|1)] = a11 a22 Det A(1|1) + 0 + 0 + ··· + 0
donde  
a33 0 ··· 0
 .. 
 a . 
b  43 a44 
A(1|1) = . .. 
 .. . 0 
 
Repetimos el procedimiento y luego de n pasos obtenemos el resultado.
Proposición 6
Si A ∈ M (n, n) es triangular superior entonces
Det(A) = a11 a22 · · · ann

Prueba.−
La prueba es conceptualmente igual a la anterior, basta hacer el desarrollo por

la última fila; el lector interesado puede escribirla como ejercicio.
La proposición 6 nos permite calcular determinantes de matrices de tamaño

“grande” por un procedimiento casi siempre mas corto o por lo menos mas
simple que el cálculo por la definición, procedimiento que consiste en ejecutar
cuidadosamente el algoritmo para llevar una matriz a forma escalonada apli-
cando, en cada paso, el efecto correspondiente en el cálculo del determinante.
En general podemos afirmar que los procedimientos mas eficientes consisten

en obtener matrices equivalentes por filas a la inicial con muchos ceros en una
fila y finalmente hacer el desarrollo por ésa, evidentemente se debe ser muy
cuidadoso en el efecto que sobre el valor del determinante causa cada operación
entre filas.
Ejemplo 3
Calcular

1 −1 0 2

0 1 3 1

,
−1 4 0 3

2 1 −1 5
A3 −→ A3 + A1
Paso 1. el numeral (6) de la proposición 4 nos garantiza
A4 −→ A4 + (−2)A1
que el determinante NO cambia, es decir:

1 −1 0 2 1 −1 0 2

0 1 3 1 0 1 3 1

=
−1 4 0 3 0 3 0 5

2 1 −1 5 0 3 −1 1
A3 −→ A3 + (−3)A2
Paso 2. y el mismo argumento del paso 1, nos garantiza
A4 −→ A4 + (−3)A2
que:

1 −1 0 2 1 −1 0 2

0 1 3 1 0 1 3 1

=
0 3 0 5 0 0 −9 2

0 3 −1 1 0 0 −10 −2
A3 −→ (10)A3
Paso 3. y por la propiedad D.1 Teorema 3.1.
A4 −→ (−9)A4

1 −1 0 2 1 −1 0 2

0 1 3 1
1 1 0 1 3 1
= 10 − 9
0 0 −9 2 0 0 −90 20

0 0 −10 −2 0 0 90 18
Paso 4. A4 −→ A4 + A3 y en consecuencia

1 −1 0 2 1 −1 0 2

1 1 0 1 3 1 1 0 1 3 1
10 − 9 = 10 − 91
0 0 −90 20 0 0 −90 20

0 0 90 18 0 0 0 38
luego

1 −1 0 2

0 1 3 1
1
= 10 − 91 (1)(1)(−90)(38) = 38
−1 4 0 3

2 1 −1 5
El lector interesado puede calcular el mismo determinante por la definición y

decidir sobre la eficacia o no del método usado.
Proposición 7
Si A ∈ M (n, n) es singular entonces
|A| = 0
Prueba.−
Si A es singular entonces A es equivalente por filas a una matriz B con una

fila de ceros en consecuencia k |A| = |B| = 0 para algún k ∈ R, k 6= 0, en
consecuencia |A| = 0.
Proposición 8
Sea E ∈ M (n, n) una matriz elemental :
1. Si E se obtiene de I(n) por intercambio de dos filas entonces |E| = −1.
2. Si E se obtiene de I(n) al multiplicar una fila por un número real k 6= 0

entonces |E| = k.
3. Si E se obtiene de I(n) al reemplazar una fila por la suma de ella y un

múltiplo de otra entonces |E| = 1.
Prueba.−
1. Si E se obtiene de I(n) por intercambio de dos filas entonces aplicamos

el numeral (3) de la proposición 4 y obtenemos |E| = (−1) I(n) = −1
2. Si E se obtiene de I(n) al multiplicar una fila por un número real k 6= 0

entonces aplicamos D.1 y obtenemos |E| = k I(n) = k
3. Si E se obtiene de I(n) al reemplazar una fila por la suma de ella y un

múltiplo de otra entonces aplicamos el numeral (6) de la proposición 4

y obtenemos |E| = I(n) = 1.
Proposición 9
Si E ∈ M (n, n) una matriz elemental y A ∈ M (n, n) entonces |EA| = |E| |A|.
Prueba.−
Ejercicio para el lector.
Proposición 10
Si A, B ∈ M (n, n) entonces
|AB| = |A| |B|
Prueba.−
(i) Si A es singular entonces AB es singular por lo tanto |A| = 0, |AB| = 0 y

en consecuencia |AB| = |A| |B|.
(ii) Si A es no singular entonces A = Ek Ek−1 ...E1 donde Ei es una matriz
elemental, para cada i, 1 ≤ i ≤ k, y la aplicación reiterada de la proposición
9 prueba el resultado.
Proposición 11
Si A ∈ M (n, n) es triangular entonces
Det(A) = Det(AT )
Prueba.−
Basta observar que las matrices A y AT tienen la misma diagonal y el deter-

minante es precisamente el producto de los elementos de dicha diagonal.
Es natural preguntarnos si el resultado de la proposición 11 es válido para ma-

trices cualesquiera, la respuesta es “sı́”, sin embargo la escritura de la prueba
correspondiente, exige prerrequisitos que exceden el presente escrito, en con-
secuencia lo aceptamos sin prueba.
Proposición 12
Det(A) = Det(AT )
Observación. La proposición 12 nos permite afirmar que, en este capı́tulo

todo lo dicho hasta el momento para filas de una matriz es válido si reem-
plazamos “filas” por “columnas”, en adelante utilizaremos el resultado que
más nos facilite los cálculos.
Proposición 13
Sea A ∈ M (n, n) entonces para todo entero positivo m,
Det(Am ) = [Det(A)]m
Prueba.−
Basta aplicar el Principio de Inducción Matemática, la definición de poten-

cia de una matriz y la proposición 10. El lector interesado puede escribirla
cuidadosamente.
3.3 DETERMINANTE Y MATRIZ INVERSA

Definición 3
Sea A ∈ M (n, n), para cada par −ij− definimos
Mij (A) = Det [A(i|j)] ,
y lo denominamos el menor -ij- de A.
Definición 4
Sea A ∈ M (n, n), para cada par −ij− definimos
Cij (A) = (−1)i+j Det [A(i|j)] = (−1)i+j Mij (A)

3.3. DETERMINANTE Y MATRIZ INVERSA 99
y lo denominamos el cofactor -ij- de A.
Definición 5
Sea A ∈ M (n, n), llamamos matriz de cofactores de A a la matriz Cof (A) tal
que
(Cof (A))ij = Cij (A)
Definición 6
Sea A ∈ M (n, n), llamamos adjunta clásica o simplemente adjunta de A a la

matriz Adj(A) definida por
Adj(A) = (Cof (A))T
Ejemplo 4
Para
 
1 0 5
 
A =  3 1 −1  ,
−2 2 4
se tiene que

1 −1 3 −1 3 1

M11 (A) = ; M12 (A) = ; M13 (A) =
2 4 −2 4
−2 2

0 5
1 5 1 0
M21 (A) = ; M22 (A) = ; M23 (A) =

2 4 −2 4 −2 2
0 5 1 5 1 0

M31 (A) = ; M32 (A) = ; M33 (A) =
1 −1 3 −1 3 1
por lo tanto
C11 (A) = (−1)2 (6); C12 (A) = (−1)3 (10); C13 (A) = (−1)4 (8)
C21 (A) = (−1)3 (−10); C22 (A) = (−1)4 (14); C23 (A) = (−1)5 (2)
C31 (A) = (−1)4 (−5); C32 (A) = (−1)5 (−16); C33 (A) = (−1)6 (1)
en consecuencia
   
6 −10 8 6 10 −5
   
Cof (A) =  10 14 −2  y Adj(A) =  −10 14 16 
−5 16 1 8 −2 1
Observación: En textos mas avanzados de Algebra Lineal, el término adjunta

tiene otra interpretación adicional, puesto que ese concepto no será estudiado
en este escrito, no corremos riesgo de confusión.
Proposición 14
Si A ∈ M (n, n) y i, l son enteros positivos tales que 1 ≤ i, l ≤ n con l 6= i,

entonces
k=n
X
aik Clk (A) = 0
k=1
Prueba.−
Consideramos B la matriz que se obtiene de A al reemplazar la fila −l− por

la fila −i− de A
 
A1
 
 
 
 Ai  ←− f ila − i−
 
B=



 
 Ai  ←− f ila − l−
 
 
An
entonces puesto que B tiene dos filas iguales, Det(B) = 0. Ahora desarrol-
lamos Det(B) por la fila −l− y obtenemos
P
k=n P
k=n
0 = Det(B) = (−1)l+k blk Det [B(l|k)] = aik Clk (A)
k=1 k=1
3.3. DETERMINANTE Y MATRIZ INVERSA 101
Proposición 15
Sea A ∈ M (n, n). Si j, r son enteros positivos tales que 1 ≤ j, r ≤ n y j 6= r

entonces
k=n
X
akj Ckr (A) = 0
k=1
Prueba.−
La prueba es conceptualmente idéntica a la anterior y queda como ejercicio

para el lector.
Proposición 16
A (Adj(A)) = Adj(A)A = Det(A)I(n)
Prueba.−
Basta probar que A(Adj(A)) = Det(A)I(n) ; ahora bien, por la proposición
3.2.1 y la definición de determinante, tenemos:
P
k=n
(AAdj(A))ij = aik (Adj(A))kj =
k=1
(
P
k=n 0 si i 6= j
aik Cjk (A) =
k=1 |A| si i=j
es decir
 
|A| 0 ···
0
 .. 
 0 |A| 0 . 
 
 .. .. 
(AAdj(A)) =  . 0 . 0  = |A| I(n)
 
 
 |A| 0 
0 · · · 0 |A|
El lector interesado que probó la proposición 3.2.2 reforzará su aprendizaje

probando la igualdad Adj(A)A = Det(A)I(n) .
Proposición 17
Sea A ∈ M (n, n) entonces A es no singular si y solamente si Det(A) 6= 0. En

tal caso
1
A−1 = Adj(A)
Det(A)
Prueba.−
Suponemos A no singular entonces A tiene inversa y AA−1 = I(n) por lo tanto
Det(A)Det(A−1 ) = Det(AA−1 ) = Det(I(n) ) = 1
en consecuencia Det(A) 6= 0.
Recı́procamente, si Det(A) 6= 0, basta multiplicar la expresión
AAdj(A) = Adj(A)A = Det(A)I(n)

por
1
Det(A)
y obtenemos

1 1
A Adj(A) = Adj(A) A = I(n)
Det(A) Det(A)
Ejemplo 5
Nuevamente tomemos
 
1 0 5
 
A =  3 1 −1 
−2 2 4
3.4. REGLA DE CRAMER 103
Det(A) = 46 6= 0
en consecuencia
 
6 10 −5
1 1  
A−1 = Adj(A) =  −10 14 16 
|A| 46
8 −2 1
Es inmediato verificar que
    
1 0 5 6 10 −5 46 0 0
    
 3 1 −1   −10 14 16  =  0 46 0 
−2 2 4 8 −2 1 0 0 46
es decir
     
1 0 5 6 10 −5 1 0 0
  1    
 3 1 −1   46  −10 14 16  =  0 1 0 
−2 2 4 8 −2 1 0 0 1
3.4 REGLA DE CRAMER

Proposición 18
Sea A ∈ M (n, n) no singular, entonces para toda matriz vector columna B ∈

M (n, 1) el sistema de ecuaciones lineales AX = B tiene una única solución.
Prueba.−
El lector conoce la prueba desde el capı́tulo 2.
Proposición 19 (Regla de Cramer)
Sean A ∈ M (n, n) no singular y B ∈ M (n, 1), entonces la solución del sistema

de ecuaciones lineales AX = B viene dada por
Det(A [B|j])
xj =
Det(A)
donde A [B|j] es la matriz que se obtiene de A al reemplazar su columna j,

por la matriz vector columna B de los términos independientes.
Prueba.−
La solución del sistema AX = B obviamente es X = A−1 B, es decir

1
X= Adj(A) B
Det(A)
1
X= (Cof (A))T B
Det(A)
es decir
   C11 (A) C21 (A) Ci1 (A) Cn1 (A)  

x1 Det(A) Det(A) ··· Det(A) ··· Det(A) b1
   C12 (A) C22 (A) Ci1 (A) Cn2 (A) 
b2

 x2   ··· ···  
   
Det(A) Det(A) Det(A) Det(A)
 ..
 ..   .. .. .. ..  
 .   . . . .  . 
 =  .. 
 xj   C1j (A) C2j (A) Cij (A)
···
Cnj (A)  
   Det(A) Det(A) Det(A) Det(A)  . 
 ..   .. .. .. ..  .. 
 .  
 . . . .

 .


xn C1n (A) C21 (A) Ci1 (A) Cnn (A)
Det(A) Det(A) ··· Det(A) ··· Det(A)
bn
En consecuencia
P
k=n
bk Ckj (A)
1 k=1
xj = (C1j (A)b1 + C2j (A)b2 + · · · + Cnj (A)bn ) = (3.1)
Det(A) Det(A)
Por otra parte si desarrollamos por la columna −j−, el determinante de la

matriz
3.4. REGLA DE CRAMER 105
 
a11 a12 · · · a1,j−1 b1 a1,j+1 · · · a1n
 a21 a22 · · · a2,j−1 b2 a2,j+1 

 · · · a2n 

 .. .. .. .. .. .. 
 . . . . . . 
A [B|j] =  
 ai1 ai2 . . . ai,j−1 bi ai,j+1 · · · ain 
 
 .. .. .. .. .. .. 
 . . . . . . 
an1 an2 · · · an,j−1 bn an,j+1 · · · ann
obtenemos:
P
k=n
Det(A [B|j]) = bk Ckj (A),
k=1
que es precisamente el numerador de la expresión (3.1).

Capı́tulo 4
VECTORES DEL ESPACIO

USUAL, R2 Y R3
En este momento, en diferentes asignaturas, el lector ha tenido ocasión de

escuchar y trabajar con términos como segmento, vector, parejas, triplas or-
denadas de números reales ası́ como adición de estos elementos y multipli-
cación por un “escalar”, pretendemos en este capı́tulo precisar, organizar y
generalizar estos conceptos de tal forma que los procedimientos de cálculo y
resolución de problemas resulten mas seguros, claros y sencillos.
En este tratamiento y para todo el capı́tulo, asumimos todos los conceptos

y resultados básicos de la Geometrı́a Euclidiana del plano y del espacio,por
costumbre llamado espacio usual, y siempre que lo consideremos oportuno us-
aremos sus propios argumentos.
4.1 VECTORES EN EL ESPACIO USUAL

Definición 1
−−→
Un vector AB del espacio usual, es un segmento dirigido con punto inicial A
y punto final B, que tiene magnitud, dirección y sentido.
107
108 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Definición 2
−−→
La magnitud de AB es un número real no negativo determinado de manera
unı́voca por los puntos A y B.(Longitud de AB ).
Definición 3
−−→
La dirección del vector AB es la dirección geométrica de la recta determinada
por A y B.
Definición 4
−−→
El sentido del vector AB es el determinado cuando decimos “ punto inicial A
y punto final B ”.
−−→ −−→ −−→

Usualmente notamos los vectores por AB, CD, XY , etc o también →
−
v ,→
−
u,→
−
w,→
−
z
etc.
Definición 5
−−→ −−→
Decimos que dos vectores AB y CD son iguales si y solamente si tienen la
misma magnitud, la misma dirección y el mismo sentido.
4.1. VECTORES EN EL ESPACIO USUAL 109
Ejemplo 1
B..... ..
..... ...
... ...
..
.
.... ~z
....
.
....
E
... ..... .........
... ........ .
... ...
....
. ... ...
.... ... ....
.
.
... ..
...
.
.. . ..
... .. ...
... .. ...
... .. ...
.... . .. ...
.
... .. ...
... .. ...
...
...
...
..
..
...
...
... D
.....
A ..........
.
... C ...
...
...
....
.
..
...
...
...
~u ...
......
.
~v
...
...
....
.
.
...
...
...
... .....
... .
La gráfica muestra ejemplos de vectores del espacio usual, si asumimos las

condiciones geométricas del dibujo podemos afirmar que:
−−→ →
• AB, −
u y →
−
z tienen la misma dirección.
−−→ −−→
• AB, CD y −
→
u tienen la misma magnitud.
• −
→
u y →
−
z tienen sentidos opuestos.
−−→
• AB y →
−
z tienen sentidos opuestos.
−−→ −
→
• CE y v tienen la misma magnitud.
−−→ →
• AB = −
u
La definición 5 nos permite en adelante y siempre que lo encontremos conve-

niente, considerar los vectores del espacio usual con un punto inicial común.
Definición 6
Dos vectores −
→
v ,−
→u del espacio usual se denominan paralelos si y solo si tienen
la misma dirección.
Sea S el conjunto de todos los vectores del espacio usual, definimos sobre S
una adición.
Definición 7
Si −
→
v ,→
−u ∈ S, tomados con punto inicial común, la suma −→v +− →
u es el vector
→
−
w ∈ S cuyo punto inicial es el común y cuyo punto final es el vértice opuesto
en el paralelogramo determinado por −→v ,→
−
u.
...
..... ..........
... ........ ..
........ ...
....
. .
...
..........
. .
.. .. ..
... ........
........ ..
~u ...
... ~v + ~u ........
........ ..
..
.
.... ...
...
......... ..
.. ....
... ........ ..
... ........ ..
... ........ ..
........ ..
.
.... ............... .
.
... ...........
... ..
......... ..
......
~v
Observación.- Obtenemos el mismo resultado si decimos − →v +− →

u es el vector
→
− −
→
w ∈ S que se obtiene haciendo coincidir el punto inicial de u ,con el punto
final de −
→
v , y tomando como punto inicial de −
→
w , el punto inicial de →
−
v y como
→
− −
→
punto final de w el punto final de u . Coloquialmente decimos que colocamos
→
−u “a continuación de” −
→v
......
..............
........ .. .
........ .....
.
.....
......... ..
.
.. .
........ ...
w =v+u ........
........
........
........
....
...
...
....... ..
... .
........ ...
........
........
........ ...
...
... u
............... ..
.
... ...
........
...........................................................................................................................
v
Proposición 1
La adición ası́ definida goza de las siguientes propiedades:

1. Para todo →
−
v ,−
→
u ∈ S la suma −
→
w =−
→
v +−
→
u ∈ S.
2. Para todo →
−
v ,−
→
u,−
→
z ∈ S; (−
→
v +−
→
u)+−
→
z =−
→
v + (−
→
u +−
→
z ).
→
− −
→ − → −
3. Existe 0 ∈ S, tal que para todo −
→
v ∈ S; −
→
v + 0 = 0 +→
v = v.
→
− −
4. Para todo −
→
v ∈ S existe −→
w ∈ S tal que −
→
v +−→w =−
→
w +−
→
v = 0. →
w se
−
→ −
→ −
→
denomina el opuesto de v y se nota w = − v .
5. Para todo →
−
v ,−
→
u ∈ S; −
→
v +−
→
u =−
→
u +−
→
v
Prueba.−
1. Evidente
2. Basta observar cuidadosamente el siguiente dibujo que representa (~u +

~v ) + ~z.
...
..........
... ... ..
. ... ... ...
. . ..
(~
u + ~v ) + ~z ..
...
.. ...
...
..
..
.. ... ..
.... ..
. ..
. .. ..
. ..
. .. .
.
. ..
. .. .
.
.
..
. ... ... ..
..
.......... .... ..
. .. .
. ..
... .
. ..
... .
... .... ........... ..
.
... .
. .. .....
... ..
. ..
.
. .... ...
... . ...
. .... .
... . .........
... .... .... ......
.
... .. .. ..... .
... .. ... .
...... ...
.
~z
...
...
...
.
... ...
... ...
~v .....
.....
.....
....
..
..
.
... ... ... ..... ..
... .. ...
. ...
...... .
... ... ...
.
..... ..
...
... ........ ..........
..... u + ~v
~ ..
..
... .... ...... ..
... ...... ...... .
.............. ..
........... ..
.......... ..
..........
.......... . ..
~u .............
..
y comparalo con el siguiente dibujo que representa ~u + (~v + ~z)

.....
.......... ........
.. ... .. ....
....
.. .... .. .
.
.. ..... ...
. ...........
~v + ~z ... ... . ...
.. .
u + (~v + ~z)
~
.. ... . .. .. ...
.
.
.. ... .. .
... ... .
.. ...
..
... ..
.. ...
..
.. ... ..
... ... . ... ..
. ... .. .. ..
.. ... .. ... ..
.. ... ..... ..
. .. ... ...
. ..
. ... .....
. .
......... ... . .. ...
.
... . .
.
... ... .
.. .. ..
... ... . .. .
... ... .. ..... ...
... .
... ... ... .
... ... .. .. ...
... . .. ....
.
. ..
... ... . ...
... .
... .
. ..
... .. .. ..
... ... ... .... ..
... ...
.
... .. .. .
.
.
. ..
.~v ..
~z ...
...
... .... .... ....
. . . ..
..
... ... .. .. ..
... ... ... ... ..
... .. ... .. ..
... .. ... . .
... ........ ..
.......... ..
....... ..
..........
..........~
u..........
..
.......... .....
...........
→
−
3. El vector 0 es el vector cuyos puntos inicial y final coinciden.
−−→ −−→ →
−
4. Si →
−
v = AB entonces −
→
w = BA es tal que −
→
v +−
→
w =−
→
w +→
−
v = 0.
5. Evidente
Escribimos −
→
v −−→w , que leemos “−
→
v menos −
→
w ” y significa −
→
v + (−→−
w).
→
− −−→ −
→ −→ −
→ −
→ −−→
Geométricamente si v = AB y w = AC entonces v − w = CB
........
...........
........ .....
C
........
...
...
......... .....
... .
........ ...
........ ...
........ ...
...
...
.. w
~
........
........
. .
.....
........
........
........
........
...
...
...
.
~v − w
~
.
...
......... ....
.
.. .
........ ....
A ........ ......... B
~v
Definición 8
Sean λ ∈ R, −→v ∈ S definimos el producto del número real λ por el vector

→
− −
→
v ,(en ese orden), como el vector −
→
w = λv, obtenido de la siguiente manera:
−
→ − →
• Si λ = 0, →
−
w = λv = 0 .
−
→
• Si λ > 0, −
→
w = λv es un vector de la misma dirección y sentido que →
−
v
−
→
y de magnitud λ por la magnitud de v .
−
→
• Si λ < 0, −→
w = λv es un vector de la misma dirección que →
−
v , sentido
→
− →
−
opuesto al de v y de magnitud (−λ) por la magnitud de v .
Ejemplo 2
......
.........
.......
.......
.............
......
.......
....•
.......
.......
.....
........
~ ...
4v .......
.......
.......•
.... .....
......... .......
~v ....... ....... .......
.
......... .......... .......
.
.......
. ..
.
..
.. .
.......
5 ............
...
.......
. .
......•.......
......
− ~v 2............• .......
......
....... .
....... .......
...
.. .......
. ..
...........
....... .......
....
.......
....... •
....... √ .......
....... .......
........... .......
− 2~v ....
........
.......
.....
.......•
.......
.......
...........
La multiplicación de un real por un vector, ası́ definida, goza de las siguientes

propiedades:
Proposición 2
−
→
1. Para todo λ ∈ R y para todo −
→
v ∈ S, −
→
w = λv ∈ S.
2. Para todo λ, µ ∈ R y para todo −

→
v ∈ S, (λ(µ−
→
v )) = (λµ)−
→
v.

→
v ∈ S, (λ + µ)−
→
v = λ−
→
v + µ→
−
v.
4. Para todo λ ∈ R, y para todo −

→
v ,−
→
u ∈ S; λ(−
→
v +−
→
u ) = λ→
−
v + λ→
−
u
5. 1 ∈ R, −
→
v ∈V; 1−
→
v =−
→
v
En razón de la definición, la prueba de la proposición exige argumentos geométricos

e involucra la necesidad de un procedimiento eficaz para medir la magnitud
de un vector que al momento no tenemos, en consecuencia solo mostraremos

algunos ejemplos con números enteros que ilustran los resultados.
Ejemplo 3
2(−3−
→
v ) = −6−
→
v
~v ..
......
~
−3v
........ p p p
~
2(−3v)
........ p p
~
−6v
........ p p p p p p
Este ejemplo ilustra la proposición 2 parte 2.
Ejemplo 4
2−
→
v + 3−
→
v = (2 + 3)−
→
v = 5−
→
v
~v ......
..
~
2v
p ......
..
~
p 3v p ..
......
~ + 3v
2v ~
p ......
..
~
5v
p p p p ......
..

4.2. R2 Y R3 115
Ejemplo 5
3(−
→
v +−
→
w ) = 3−
→
v + 3−
→
w
.
.......... .. .. .........
..... .. .. ..........
..... .. .. ....... ..
.....
. . .. ... .............. ...
.. . . .. .
.... .. .. ........ ..
..... .. ........... ..
..... .. ....... ..
..... .. ........ ..
~ ..... .. ................ ..
3v ....
....
.
..
. .
.. ...... ..
.. ........ ...
~ + 3v
3u ~ ..
..
.
..... ........... . ..
..... ........ .. ..
.............. .. ...
.......... . .. . ..
. .
~v .... ....... .. .. ..
..... ........ .. .. ..
..... ........ .... .. ..
..... ........ .. ..
..
.
................. .. ....
.
. . . ..
. . ....
.. ...... . ......
~
u ~
3u
4.2 R 2 y R3
La solución definitiva de la dificultad anterior se encuentra en la identificación

de los puntos del plano y puntos del espacio usual con parejas y triplas orde-
nadas de números reales respectivamente.
En este momento es importante recordar que el sistema de los números reales

R, es un sistema numérico tal que sus elementos están en correspondencia
con los puntos de una recta de tal forma que a cada número real corresponde
un único punto en la recta y a cada punto en la recta corresponde un único
número real, decimos entonces que a la recta le hemos asignado un sistema de
coordenadas, la denominamos recta real y hablamos de forma indiferente del
punto o del número real correspondiente.
........ .....
• ....
0 1 x
El punto x o el número x.
Definición 9
La expresión (a, b) donde a, b ∈ R, se denomina una pareja ordenada de

números reales, a se denomina la primera componente o coordenada, b se de-
nomina la segunda componente o coordenada.
Definición 10
Si (a1 , b1 ) y (a2 , b2 ) son parejas ordenadas de números reales
(a1 , b1 ) = (a2 , b2 )
si y solo si
a 1 = b1 , a 2 = b2 .
Coloquialmente afirmamos que dos parejas ordenadas son iguales si tienen
iguales sus correspondientes coordenadas es decir primera igual a primera y
segunda igual a segunda.
Escribimos R2 , que leemos “Erre dos” y no “erre al cuadrado” para referirnos

al conjunto de todas las parejas ordenadas de números reales,
R2 = {(x, y)| x ∈ R, y ∈ R}
4.2. R2 Y R3 117
Identificamos el plano euclideo con R2 , de la siguiente forma:

Tomamos dos rectas reales que se corten en ángulo recto, generalmente una
horizontal y una vertical y cuyos ceros (Orı́genes) coincidan, a las que denom-
inamos ejes de coordenadas, por cada punto P del plano trazamos paralelas
a los ejes hasta que los corten, el corte a, con el eje horizontal lo llamamos
abcisa; el corte b, con el eje vertical lo denominamos ordenada, de esta forma
cada punto del plano determina una pareja ordenada (a, b) de manera unı́voca.
Inversamente cada pareja ordenada (r, s) determina de manera unı́voca un

punto en el plano, basta trazar una paralela al eje vertical por el punto r so-
bre el eje horizontal y una paralela al eje horizontal por el punto s sobre el eje
vertical, el punto de corte de las paralelas es el determinado por (r, s).
Por costumbre denominamos al eje de abcisas como eje “equis” y al eje de

ordenadas como eje “ye”
........
y
b P
•
........ .....
....
0 a x
Decimos que hemos dotado al plano de un sistema de coordenadas cartesianas

y nos referimos indistintamente al punto del plano o a la pareja ordenada cor-
respondiente, tanto que escribimos P = (a, b).
Definición 11
La expresión (a, b, c) donde a, b, c ∈ R, se denomina una tripla ordenada

de números reales, a se denomina la primera componente o coordenada, b se

denomina la segunda componente o coordenada y c se denomina la tercera
componente o coordenada.
Definición 12
Si (a1 , b1 , c1 ) y (a2 , b2 , c2 ) son triplas ordenadas de números reales
(a1 , b1 , c1 ) = (a2 , b2 , c2 )
si y solo si
a 1 = b1 , a 2 = b2 , a 3 = b3 .
Coloquialmente afirmamos que dos triplas ordenadas son iguales si tienen

iguales sus correspondientes coordenadas es decir primera igual a primera,
segunda igual a segunda y tercera igual a tercera.
Escribimos R3 , que leemos “Erre tres” y no “erre al cubo” para referirnos al

conjunto de todas las triplas ordenadas de números reales,
R3 = {(x, y, z)| x ∈ R, y ∈ R, z ∈ R}
Análogamente a como lo hicimos con el plano, identificamos el espacio usual

con R3 , para tal efecto tomamos el plano cartesiano y por el origen trazamos
una recta real perpendicular y cuyo cero coincida con el origen, e identificamos
(a, b, c) con el vértice opuesto al origen del paralelepı́pedo construı́do sobre los
segmentos Oa, Ob, Oc.
De la misma forma que en el plano decimos que hemos dotado al espacio

usual de un sistema de coordenadas cartesianas y nos referimos de manera
indistinta al punto o a la tripla ordenada correspondiente, escribimos entonces
P = (a, b, c).
Al nuevo eje lo denominamos eje “zeta”.

4.2. R2 Y R3 119
.
..... z
..........
c
.... ....
..........
.......... ..........
.......... ..........
.......... ..........
..
..........
.
...
...
..
P• ..
..........
.
...
...
..
........
....
....
. .........
..........
.....
... y
a .......
....
...
...
...
..........
.......... b
....
.. .......
........ ..........
..........
..........
x . ........
...............
.
...
...
............
.....
Auncuando en el encabezamiento de la sección escribimos R2 y R3 , en lo que

sigue del capı́tulo enunciamos las definiciones y presentamos los resultados
solamente en R3 ; con excepción del producto vectorial (Cruz) de vectores
de R3 , el lector interesado podrá reconstruir las unas y los otros, con algún
cuidado pero sin mayor dificultad, solamente cambiando espacio por plano,
tripla por pareja y naturalmente R3 por R2 , además los dibujos que justifican
argumentos geométricos, son realizados en un plano.
Definición 13
Si (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3 , definimos
(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 )
La adición ası́ definida goza de las siguientes propiedades:

Proposición 3
1. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3 la suma

(a1 , b1 , c1 ) + (a2 , b2 , c2 ) ∈ R3
2. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ), (a3 , b3 , c3 ) ∈ R3

(a1 , b1 , c1 )+[(a2 , b2 , c2 ) + (a3 , b3 , c3 )] = [(a1 , b1 , c1 ) + (a2 , b2 , c2 )]+(a3 , b3 , c3 )
3. Existe (0, 0, 0) ∈ R3 , tal que para todo (a, b, c) ∈ R3

(0, 0, 0) + (a, b, c) = (a, b, c) + (0, 0, 0) = (a, b, c)
4. Para todo (a, b, c) ∈ R3 existe (x, y, z) ∈ R3 tal que

(a, b, c) + (x, y, z) = (x, y, z) + (a, b, c) = (0, 0, 0)
5. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3

(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a2 , b2 , c2 ) + (a1 , b1 , c1 )
Prueba.−
1. Evidente.
2. De un lado,
(a1 , b1 , c1 ) + [(a2 , b2 , c2 ) + (a3 , b3 , c3 )] = (a1 , b1 , c1 ) + (a2 + a3 , b2 + b3 , c2 + c3 )

= (a1 + a2 + a3 , b1 + b2 + b3 , c1 + c2 + c3 )
Por otra parte,
[(a1 , b1 , c1 ) + (a2 , b2 , c2 )] + (a3 , b3 , c3 ) = (a1 + a2 , b1 + b2 , c1 + c2 ) + (a3 , b3 , c3 )

= (a1 + a2 + a3 , b1 + b2 + b3 , c1 + c2 + c3 )
3. Evidente.
4. Basta tomar (x, y, z) = (−a, −b, −c)

4.2. R2 Y R3 121
5. Se tiene que
(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 )

= (a2 + a1 , b2 + b1 , c2 + c1 )
= (a2 , b2 , c2 ) + (a1 , b1 , c1 )
Definición 14
Si (a, b, c) ∈ R3 , λ ∈ R, definimos λ.(a, b, c) = (λa, λb, λc)
La multiplicación de un real por una tripla, ası́ definida, goza de las siguientes
propiedades:
Proposición 4
1. Para todo λ ∈ R y para todo (a, b, c) ∈ R3 ,

λ.(a, b, c) = (λa, λb, λc) ∈ R3
2. Para todo λ, µ ∈ R y para todo (a, b, c) ∈ R3 ,

λ [µ.(a, b, c)] = (λµ)(a, b, c)
3. Para todo λ, µ ∈ R y para todo (a, b, c) ∈ R3 ,

(λ + µ).(a, b, c) = λ(a, b, c) + µ(a, b, c)
4. Para todo λ ∈ R, y para todo (a, b, c) ∈ R3 , (r, s, t) ∈ R3 ;

λ. [(a, b, c) + (r, s, t)] = λ(a, b, c) + λ(r, s, t)
5. 1 ∈ R, (a, b, c) ∈ R3 , 1.(a, b, c) = (a, b, c)
Prueba.−
1. Evidente.
2. λ [µ.(a, b, c)] = λ(µa, µb, µc) = (λ(µa), λ(µb), λ(µc)) =

((λµ)a, (λµ)b, (λµ)c) = (λµ)(a, b, c)
3. (λ + µ).(a, b, c) = ((λ + µ)a, (λ + µ)b, (λ + µ)c) =

= (λa + µa, λb + µb, λc + µc) = (λa, λb, λc) + (µa, µb, µc) =
= λ(a, b, c) + µ(a, b, c)
4. λ. [(a, b, c) + (r, s, t)] = λ(a + r, b + s, c + t) =

= (λ(a + r), λ(b + s), λ(c + t)) = (λa + λr, λb + λs, λc + λt) =
= (λa, λb, λc) + (λr, λs, λt) = λ(a, b, c) + λ(r, s, t)
5. Evidente.
Finalmente, los sistemas de coordenadas cartesianas permiten identificar los

vectores en el espacio usual S con las triplas ordenadas de números reales,
basta identificar la tripla (a, b, c) con el vector de punto inicial el origen O y
punto final el de coordenadas (a, b, c), escribimos − →
v = (a, b, c)
.
.... z
..........
c
... ....
..........
.......... ..........
.......... ..........
..........
.
......
...
............
. P....•...................................
..
...
...
~v.........
O ..
...
.
... y
...
........ .... ....... .....
.... ..........
a ....
....
....
..
...
............
.
..........
.......... b x
.... ...
...
...
.. .........
.......
..........
x ..........
..........
. ..........
..............
.....
.
La identificación V ector ←→ T ripla, es compatible con las operaciones

definidas sobre el conjunto S de vectores del espacio usual y las definidas
sobre el conjunto R3 , es decir es indiferente operar en S o en R3 .
4.2. R2 Y R3 123
Proposición 5
Si −
→
v = (x1 , y1 , z1 ) y −
→
u = (x2 , y2 , z2 ) entonces
→
− →
−
v + u = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
Gráf ico Compatibilidad
Prueba.−
Basta observar la gráfica.
Adicionalmente, la identificación V ector ←→ T ripla, nos provee de un pro-
cedimiento sencillo para encontrar la magnitud de un vector.
Definición 15
Sea −
→
v = (x, y, z) ∈ R3 , definimos la magnitud o norma de −
→
v , notada k→
−
v k;
como
p
k−
→
v k = x2 + y 2 + z 2
Observación.- Claramente la magnitud no es otra cosa que la longitud del

segmento OA donde O es el origen y A = (x, y, z)
Proposición 6
La magnitud o norma goza de las siguientes propiedades:
→
−
1. Para todo →
−
v ∈ R3 , k−
→v k ≥ 0 y k−→
v k = 0 si y solo si −
→
v = 0.
−
→
2. Para todo →
−
v ∈ R3 y para todo λ ∈ R, λv = |λ| k−→v k.
3. Para todo →
−
v ,−
→
w ∈ R3 , k−
→
v +−
→
w k ≤ k−
→
v k + k−
→
w k (Desigualdad triangu-
lar ).
Prueba.−
p
1. Es claro que k−→
vk = x2 + y 2 + z 2 ≥ 0 por la definición de raı́z
cuadrada.
p
Además, si x2 + y 2 + z 2 = 0 entonces x2 + y 2 + z 2 = 0 y en conse-
cuencia x = y = z = 0.
√
Recı́procamente, si −
→
v = (0, 0, 0) entonces k−
→
v k = 02 + 02 + 02 = 0.
−
→
2. Suponemos →
−
v = (x, y, z) por tanto λv = (λx, λy, λz) y
− q
→ 2 2 2
λv = (λx) + (λy) + (λz)
p
= λ2 (x2 + y 2 + z 2 )
√ p
= λ2 x 2 + y 2 + z 2
= |λ| k−
→
vk
−
→
3. (a) Si los vectores son paralelos es decir −
→
w = λv entonces
→
→ −
k−
→ w k = −
v +−
→ v + λv = k(1 + λ)−
→
v k = |1 + λ| k−
→
v k,
y
|1 + λ| k−
→
v k ≤ (1 + |λ|) k−
→
v k = k−
→
v k + |λ| k−
→
v k = k−
→
v k + k→
−
wk
(b) Si los vectores no son paralelos, usamos un argumento geométrico,

simplemente evocamos el teorema de la Geometrı́a Euclidiana que dice
“En todo triángulo la longitud de un lado es menor que la suma de las
longitudes de los otros dos”
.........
........
.......
..................
......... ... . . ......
........ ........
..........
........
........ .................
...... ..........
.........
. ..........
.....
...... .....
~v .
.
.
.
.
...
......
w
~
........
.........
... ......
....... ... ......
.. ..... ... ......
... ...
. ... .....
.... ... ... .....
.....
.... ... ... .....
... ...
. ... ......
.. ... ... .........
... ...
~v + w
~
4.2. R2 Y R3 125
Proposición 7
Si λ ∈ R, −
→
v = (a, b, c) entonces λ.−
→
v = (λa, λb, λc)
Prueba.−
z...
......
λc......
...
...
...
...
...
...
...
c ... ............
... λ~ v .........
...
... ...
.........
.
..................
v ..................
~
... λb
O................. b .....
.
...
..... ...
. .... .... .....
. ....
a .
......
...
........
. .
...
...
.. .
....... ...
.. ...
. ...... . . . . .. . . . .
............... y
.......... ... ....
.......... ... ....
.......... ... ....
λa .......... ... ........
.. . ...
...
............
. ...
..........
x
Basta observar elgráfico.
Definición 16
Un vector →
−
v ∈ R3 , tal que k−
→
v k = 1, se denomina un vector unitario.
Ejemplo 6
→
− −
→ −
→
Los vectores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) son vectores unitarios.
Ejemplo 7

→
−
v = √314 , √−1 , √2 es un vector unitario, puesto que
14 14
s 2 2 2
3 −1 2
√ + √ + √ =1
14 14 14
Ejemplo 8
−
→
Dado cualquier vector −→v ∈ R3 , −
→v 6= 0 , el vector −
→
w = − 1 −→
v , es un vector
k→
vk
unitario en la misma dirección y sentido que −
→
v y el vector −
→
u = −→ −
w = −1 →
−
v
k−→
vk
es un vector unitario en la misma dirección de −→
v y sentido opuesto.
Observación.-
−
→ −
→ −
→
1. Si −→v = (a, b, c) ∈ R3 , entonces −
→
v = a i + b j + c k y decimos que a
−
→
es la componente de − →v en la dirección de i ; b es la componente de
→
− −
→
v en la dirección de j y c es la componente de − →
v en la dirección de
→
−
k.
2. En lo que sigue, auncuando formalmente no hay diferencia, usaremos

letras mayúsculas A, B, C, P, Q etc, para referirnos a puntos del espacio
, usaremos las expresiones (x, y, z) para referirnos a los elementos de R3 ,
−
→ −
→ −
→
y usaremos expresiones − →
v = a i + b j + c k para referirnos a vectores
−
→
del espacio usual; también en algunos casos escribimos P para expresar
−−→
OP .
4.3 PRODUCTO PUNTO DE VECTORES DE R2

y R3
Definición 17
→
− →
− −
→ → −
→ −
→ −
→
Dados →
−v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k definimos →
−
v ·→
−
w , que
→
− →
−
leemos “ v punto w ”, por
−
→
v ·−
→
w = a 1 b1 + a 2 b2 + a 3 b3 .
4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 127
Hemos definido una nueva operación entre vectores de R3 , que denominamos

producto escalar o producto punto, con un comportamiento diferente a las op-
eraciones entre números y mas bien con una semejanza al producto de matrices
fila por matrices columna, vale decir, −→v ·−
→
w es numéricamente igual a
 
b1
 
(a1 a2 a3 )  b2  .
b3
En particular es importante observar que el producto escalar opera dos vec-

tores y produce como resultado un número real.
PROPIEDADES DEL PRODUCTO PUNTO
Proposición 8
1. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ·−
→
w ∈R
2. Para todo →
−
v ∈ R3 , −
→
v ·−
→
v = k−
→ 2
vk
3. Para todo →
−
v ∈ R3 , −
→
v ·−
→
v ≥0 y −
→
v ·−
→
v = 0 si y solo si →
−
v =0
4. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 ,para todo λ ∈ R,
(λ−
→
v)·−
→
w = λ(−
→
v ·−
→
w) = −
→
v · (λ−
→
w)
5. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ·−
→
w =−
→
w ·−
→
v
6. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , →
−
z ∈ R3 , −
→
v · (−
→
w +−
→
z)=−
→
v ·→
−
w +→
−
v ·→
−
z
Prueba.−
1. Evidente.
2. Evidente.
→
− −
→ −
→
3. Sea →
−
v = a i + b j + c k entonces
−
→
v ·−
→
v = a 2 + b2 + c 2 ≥ 0
Además
−
→
v ·−
→
v = a2 + b2 + c2 = 0 si y solo si a2 = b2 = c2 = 0
es decir
a=b=c=0
→
− −
→ −
→ → −
→ −
→ −
→
4. Sean →
−
v =a i +bj +ck , −
w = r i + s j + t k ,λ ∈ R entonces
−
→ →
λv · −
w = (λa)r + (λb)s + (λc)t
= λar + λbs + λct
−→
= λ(ar + bs + ct)−
→
v · λw
= a(λr) + b(λs) + c(λt)
= aλr + bλs + cλt
= λ(ar + bs + ct)λ(−
→
v ·−
→
w)
= λ(ar + bs + ct)
y el resultado es obvio.
→
− →
− −
→ → −
→ −
→ −
→
5. −
→
v =a i +bj +ck , − w = r i + s j + t k , entonces
−
→
v ·−
→
w = ar + bs + ct
= ra + sb + tc
= −
→
w ·−→
v
→
− −
→ −
→ → −
→ → −
− → → −
→ −
→ →
−
6. Sean −→v = a i +b j +c k , −
w = r i +s j +t k y − z = x i +y j +z k
entonces
→
− −
→ −
→ −
→ −
→ −
→ →
−
v · (−
→
w +−→z ) = (a i + b j + c k ) + ((r + x) i + (s + y) j + (t + z) k )
= a(r + x) + b(s + y) + c(t + z)
= (ar + bs + ct) + (ax + by + cz)
= −
→v ·−
→
w +− →v ·−
→z
Proposición 9
Desigualdad de Cauchy-Schwarz-Bunyakovski.
Para todo −
→
v ∈ R3 , −
→
w ∈ R3 ,
|−
→
v ·−
→
w | ≤ k−
→
v k k−
→
wk.
Prueba.−
Definición 18
−→ → −−→
Sean →
−
v ,−
→
w ∈ R3 , →
−
v = OA, − w = OB definimos el ángulo θ entre los vectores
→
− →
−
v y w , como el ángulo entre los segmentos OA, OB.
Proposición 10
Sea θ el ángulo entre dos vectores no nulos −→

v ,→
−
w ∈ R3 , entonces
−
→
v ·− →
w
cos θ = −
k v k k−
→ →
wk
Prueba.−
B
.........
.... .....
... .........
.
.... .....
. .....
... .....
... .....
... .....
w
~ ......
.
..
. .....
.....
.....
.....
~v − w
~
...
. .....
.
... .....
....
. .....
.. .....
... ......
. .....
..
. ... .....
...
.
.
...
θ
...
.
... ~v .....
......
.........
O A
−→ − −−→
Suponemos −→v = OA, →w = OB, aplicamos al triángulo ∆AOB el Teorema del
Coseno de la trigonometrı́a elemental, entonces:
(AB)2 = (OA)2 + (OB)2 − 2 (OA) (OB) cos θ
es decir,
k−
→
v −−
→
w k = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2 2
w k cos θ
es decir,
(−
→
v −−
→
w ) · (−
→
v −−
→
w ) = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2
w k cos θ
k−
→
vk −2 →
−
v ·−
→
w + k−
→
w k = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2 2 2
w k cos θ
en consecuencia
−
→
v ·−
→
w = k−
→
v k k−
→
w k cos θ
es decir
−
→
v ·− →
w
cos θ = −
k v k k−
→ →
wk

Proposición 11
Sean −→
v ,→−
w ∈ R3 , vectores no nulos entonces −
→
v y −
→
w son perpendiculares si
→
− →
−
y solo si v · w = 0
Prueba.−
Suponemos que →
−
v y −
→
w son perpendiculares es decir θ = π
2 entonces
cos θ = 0
y por lo tanto
−
→
v ·−
→
w =0
Recı́procamente si →
−
v ·−
→
w = 0 entonces
−
→v ·−→
w
cos θ =
k v k k−
−
→ →
wk
= 0
y en consecuencia
θ = arccos (0)
π
=
2

Observación.- Auncuando en la visión geométrica que estamos haciendo de
los vectores de R3 , el término perpendicular es claro y preciso también usamos
”ortogonal”, término mas general (no solo de la geometrı́a euclı́dea) pero con
el mismo significado en este momento.
Proposición 12
Sean →
−
v ,−
→
w ∈ R3 , vectores no nulos entonces −→
v y −
→
w son paralelos si y solo
si
|−
→
v ·−
→
w | = k−
→v k k−
→
wk
Prueba.−
Suponemos que →
−
v y −
→
w son paralelos, entonces −→w = λ−
→
v , λ 6= 0, entonces
−
→ −
→
v ·−→
w −
→v · λv
= →
k−
→
v k k−
→
wk k−→ −
v k λv
λ k−
→ 2
vk
=
|λ| k−
→v k k−
→vk
λ
=
|λ|
es decir − →
→ −
v ·w =1
k−
→
v k k−
→
w k
o sea
|−
→
v ·−
→
w | = k−
→
v k k−
→
wk
Recı́procamente si
|−
→
v ·−
→
w | = k−
→
v k k−
→
wk
entonces −
→ →
−
v ·w =1
k−
→
v k k−
→
w k
es decir
|cos θ| = 1
y en consecuencia
θ=0 o θ=π
es decir →
−
v y →
−
w son paralelos.
Definición 19
−→ → −−→
Sean →
−
v = OA, − w = OB vectores no nulos del espacio usual, C el pie de la
←→ −−→
perpendicular desde A a la recta OB. El vector − →u = OC se denomina la
componente de −→
v a lo largo de −
→
w o la proyección de −
→
v a lo largo de −
→
w.
A
........
...... .
......
......
.
..
.......
.
.
......
~v ......
......
......
.
..
.......
.
.
......
......
......
......
......
.
......
..
..
.
~u .....
...
w
~ .....
...
O C B
4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 133
Proposición 13
−→ → −−→ −−→
Sean −
→
v = OA, −w = OB vectores no nulos del espacio usual, →
−
u = OC la
componente de −
→
v a lo largo de −
→
w entonces
−
→v ·−
→
w−
−
→ → −
→ − → − →
u = −→ 2 w y (v − u)· w =0
kwk
Prueba.−
Claramente →
−
u = λ−
→
w entonces −
→
u ·−
→
w = λ k−
→ 2
w k es decir
−
→
u ·−
→
w
λ= −
→ 2
kwk
Por otra parte
!
−
→
v ·−
→
w−
(→
−
v −−
→
u)·−
→
w = −
→
v − −→
→
2 w ·−
→
w
kwk
= (−
→
v ·−
→
w −−→
v ·−→
w)
= 0
4.4 PRODUCTO VECTORIAL DE VECTORES DE

R3
Definición 20
→
− −
→ −
→ → −
→ −
→ −
→
Dados −→ w = b1 i + b2 j + b3 k definimos →
v = a1 i + a2 j + a3 k , − −
v ×→
−
w,
→
− −
→ −
→ −
→
que leemos “ v cruz w ” o “el producto vectorial de v y w ”, por
−
→ −
→ −
→ →
−
v ×−
→
w = (a2 b3 − a3 b2 ) i + (a3 b1 − a1 b3 ) j + (a1 b2 − a2 b1 ) k
Observación.- Auncuando solo hemos estudiado matrices de entradas reales,

para las cuales su determinante es un número real, como ayuda mnemotécnica
recordaremos el producto cruz de vectores como el determinante de una matriz
h → i
− → −
→ −
formal de tamaño tres por tres cuya primera fila es i j k , su segunda
las componentes de − →
v y su tercera las componentes de −→w (desarrollado por
la primera fila),
− −
→ → −→
i j k
→ a a − −
→
− →
− a2 a3 − 1 3 → a1 a2 →
v ×w = a1 a2 a3 = i − j + k
b2 b3 b1 b3 b1 b2
b1 b2 b3
sinembargo es claro que las componentes son determinantes de matrices dos

por dos de entradas reales y en consecuencia podemos aplicar todos los resul-
tados probados para determinantes de matrices de entradas reales.
Ejemplo 9
− −
→ →
→ − − →
→ −
→ −
i j k i j k
→
− −→ −
→ −
→ −→ −→
i × j = 1 0 0 = k, j × i = 0 1 0 = −k

0 1 0 1 0 0
Ejemplo 10
− −
→ →
→ − − →
→ −
→ −
i j k i j k
− −
→ → → −
− → −→ →
−
j × k = 0 1 0 = i, k × j = 0 0 1 =−i

0 0 1 0 1 0
Ejemplo 11
− −
→ →
→ − − →
→ −
→ −
i j k i j k
→ −
− → −
→ −→ −→ →
−
k × i = 0 0 1 = j, i × k = 1 0 0 =−j

1 0 0 0 0 1
Ejemplo 12
−
→ −→ − → −→ − → −→ − →
i × i = j × j = k × k = 0
Observación.- Los ejemplos 8,9,10 y 11 muestran todas las posibilidades de

−
→ − →−→
productos entre los vectores unitarios i , j, k ..
Proposición 14
1. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ×−
→
w ∈ R3
−
→
2. Para todo →
−
v ∈ R3 , −
→
v ×−
→
v = 0
−
→ − → → − →
3. Para todo →
−
v ∈ R3 , −
→
v × 0 = 0 ×−
v = 0
4. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 ,para todo λ ∈ R,
(λ−
→
v)×− →
w = λ(−
→
v ×− →
w) = −
→ v × (λ−
→w)
5. Para todo −→
v ∈ R3 , −
→
w ∈ R3 ,
−
→ −
→
(−
→
v ×− →
w) · −
→
v = 0 y (−
→ v ×−
→
w) · −
→
w = 0
6. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ×−
→
w = − (−
→
w ×−
→
v)
7. Para todo →
−
v ∈ R3 , −
→ u ∈ R3 −
w ∈ R3 , →
− →
v × (−
→
w +−
→
u) = −
→
v ×→
−
w +→
−
v ×→
−
u
8. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 , (−
→
v +−
→
u )×−
→
w =−
→
v ×−
→
w +−
→
u ×−
→
w
9. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
u ∈ R3 ,
−
→
v × (−→
u ×−→
w ) = (−
→
v ·−→
w)−→
u − (−→v ·−
→u)−
→
w
10. Para todo −

→
v ∈ R3 , −
→
w ∈ R3 , →
−
u ∈ R3 ,
(−
→
v ×− →
u)×−→
w = (−
→v ·− →
w)−
→u − (−→
u ·−
→
w)− →
v
Prueba.−
Probamos las afirmaciones 7. y 9. las demás las dejamos como ejercicio al

lector, en todos los casos es suficiente aplicar la definición en forma ordenada
y cuidadosa.
→
− −
→ −
→ → −
→ → −
− → → −
→ −
→ →
−
7. Sean −
→
v = a i +b j +c k , −
w = r i +s j +t k y −
u = x i +y j +z k
entonces

i j k

→
− →
− →
−
v × (w + u ) = a b c

r+x s+y t+z

b − c −→ a b →−
c → a
= i − j + k
s+y t+z r+x t+z r+x s+y
−
→ →
− →
−
= [b(t + z) − c(s + y)] i − [a(t + z) − c(r + x)] j + [a(s + y) − b(r + x)] k
−
→ →
−
= [(bt − cs) + (bz − cy)] i − [(at − cr) + (az − cx)] j +
−
→
+ [(as − br) + (ay − bx)] k
h −
→ −
→ −i
→
= (bt − cs) i − (at − cr) j + +(as − br) k +
h −
→ −
→ →i
−
+ (bz − cy) i − (az − cx) j (ay − bx) k
= −
→v ×− →
w +− →v ×− →u
→
− −
→ −
→ → −
→ −
→ −
→ → −
→ →
− →
−
9. Sean −
→
v = a i +b j +c k , −
u = x i +y j +z k y −
w = r i +s j +t k
entonces
−
→ −
→ −
→
i j k

→
−
v × (−
→
u ×−
→
w) = a b c

yt − sz rz − xt xs − ry
−
→ →
−
= [b(xs − ry) − c (rz − xt)] i − [a (xs − ry) − c (yt − sz)] j +
−
→
+ [a (rz − xt) − b (yt − sz)] k
Ahora
−
→ −
→ →
− − −
(−
→
v ·−
→
w )−
→
u = (ar + bs + ct) x i + (ar + bs + ct) y j + (ar + bs + ct) z k (→
v ·→
u )→
−
w
−
→ −
→
= (ax + by + cz) r i + (ax + by + cz) s j +
−
→→ −
+ (ax + by + cz) t k (−v ·→w )−
→
u − (−→v ·−
→u )−
→
w
−
→ →
−
= [b (sx − yr) + c (xt − zr)] i + [a (ry − sx) + c (ty − sz)] j +
−
→
+ [a (rz − tx) + b (sz − yt)] k
y claramente se verifica que
−
→
v × (−
→
u ×−
→
w ) = (−
→
v ·−
→
w )−
→
u − (−
→
v ·−
→
u )−
→
w
Observación.-
1. El numeral cinco de la proposición 14 afirma que el producto cruz de

vectores es simultaneamente ortogonal a sus factores, resultado de gran
utilidad en solución de muchos problemas geométricos.
Una regla práctica para determinar el sentido de −→v ×− →

w es la denomi-
nada “regla de la mano derecha” que dice: “ Se coloca la mano derecha
sobre el vector −
→v y se gira hacia el vector −
→
w , el sentido de →
−
v ×→ −
w es
el que indica el dedo pulgar”, ver dibujos.
Graf ico 15
Graf ico 16
2. Los numerales 7,8, de la proposición 14 muestran que es suficiente recor-

→
− → −→−
dar los resultados del producto cruz de los vectores unitarios i , j, k
para calcular el producto cruz de cualquier par de vectores de R3
Proposición 15
→
− →
− −
→ → −
→ −
→ −
→
Si −
→
v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k entonces
−
→ − → −
→ − → → −
− →
→
−
v ×−→w = a1 b1 i × i + a1 b2 i × j + a1 b3 i × k +
−
→ − → −→ − → −→ − →
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −→ − → −→ − →
+a3 b1 k × i + a3 b2 i × i + a3 b3 k × k
Prueba.−
→ − −
→ → −
− → −
→ →
−
−
→
v ×−
→
w = a 1 i + a 2 j + a 3 k × b1 i + b2 j + b3 k
− → − → −
→ → −
− → − → →
− −
→
= a 1 i × b1 i + b2 j + b 3 k + a 2 i × b1 i + b2 j + b 3 k +
−→ − → −
→ →
−
+ a 3 i × b1 i + b 2 j + b 3 k
−→ − → −
→ − → −→ − →
= a 1 b1 i × i + a 1 b2 i × j + a 1 b3 i × k +
−
→ − → −
→ − → −→ −→
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −
→ − → −→ −→
+a3 b1 k × i + a3 b2 k × j + a3 b3 k × k
Proposición 16
Para todo →−
v ∈ R3 , −
→
w ∈ R3 ,
k−
→
v ×→ −
w k = k−
→v k k−
2 → 2
w k − (− →
v .−
→
2 2
w)
Prueba.−
→
− →
− −
→ → −
→ −
→ −
→
Sean →
−v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k entonces
k−
→
v ×→
− 2
w k = (a2 b3 − a3 b2 )2 + (a3 b1 − a1 b3 )2 + (a1 b2 − a2 b1 )2
= a22 b23 − 2a2 b3 a3 b2 + a23 b22 + a23 b21 − 2a3 b1 a1 b3 + a21 b23 + a21 b22 − 2a1 b2 a2 b1 + a22 b21
Por otra parte:


k−
→
v k k−
2 → 2
w k − (−
→
v .−
→ 2
w ) = a21 + a22 + a23 b21 + b22 + b23 − (a1 b1 + a2 b2 + a3 b3 )2

= a21 b21 + a21 b22 + a21 b23 + a22 b21 + a22 b22 + a22 b23 + a23 b21 + a23 b22 + a23 b23
− (a21 b21 + a22 b22 + a23 b23 + 2a1 b1 a2 b2 + 2a1 b1 a3 b3 + 2a2 b2 a3 b3 )
= a21 b22 + a21 b23 + a22 b21 + a22 b23 + a23 b21 + a23 b22 − 2a1 b1 a2 b2 − 2a1 b1 a3 b3 − 2a2 b2 a3 b3
Claramente las dos expresiones finales a la derecha del igual son idénticas.
Proposición 17
Para todo − →v ∈ R3 , −
→
w ∈ R3 ,
Si θ el ángulo entre −
→v y−
→w entonces k−
→
v ×−
→
w k = k−
→
v k k−
→
w k |sen θ|
Prueba.−
Basta recordar que − →
v ·−→
w = k−
→
v k k−
→
w k cos θ y reemplazar en la conclusión de
la proposición anterior
k−
→
v ×−
→
w k = k−→
v k k−
2 → 2
w k − (−
→
v .−
→
w ) = k−
→
v k k−
2 → 2
w k − (k−
→
v k k−
→
2 2 2
w k cos θ)

= k−
→
v k k−
2 → 2
w k 1 − cos2 θ
= k−
→
v k k−
2 → 2
w k sen2 θ
en consecuencia
k−
→
v ×−
→
w k = k−
→
v k k−
→
w k |sen θ|
Proposición 18
Para todo − →v ∈ R3 , −
→
w ∈ R3 ,
Si θ , 0 < θ < π es el ángulo entre −
→
v y−→
w entonces k−
→
v ×−
→
w k es el área del
paralelogramo construı́do sobre los vectores −
→
v y−
→
w .
Prueba.−
B ..................................................................................................................................................................................................... P
...............................................................................................................
.................................................................................................................................................................
..............................................................................................................................................................
. . ........................................................................................................................................................................................................................................................................
w
~ .. ..
................................................................................................................................................................
...............................................................................................................................................................
...............................................................................................................................................................
..............................................................................................................
. .. . ........................................................................................................................................................................................................................................................................
.................................................. .
..............................................................................................................
...............................................................................................................................................................
...............................................................................................................................................................
..............................................................................................................
......................................................................................................................................................................................................................................................................
.... .
θ
.................................................. . ~v
..........................................................................................................................................................................................................
O R
Si observamos la gráfica y llamamos A el área del paralelogramo OAP B ten-

emos:

A = OA RB = (k−
→
v k) (k−
→
w k sen θ) = k−
→
v ×−
→
wk
Definición 21
Dados →−v ,−
→
w,→−u ∈ R3 el producto −
→
v ·−
→
w ×−
→
u ,se denomina el producto triple
escalar de los vectores −
→
v ,→
−
w,→
−u.
Proposición 19
→
− →
− −
→ → −
→ −
→ −
→ → −
→ →
− →
−
Si −
→v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k , −
u = c1 i + c2 j + c3 k
entonces
a a a
1 2 3
−
→
v ·− →
w ×−→
u = b1 b2 b3

c1 c2 c3
Prueba.−
De un lado:
→
−
v · (−
→
w ×−
→
u ) = (a1 , a2 , a3 ) · [b2 c3 − b3 c2 , b3 c1 − b1 c3 , b1 c2 − b2 c1 ]
= a1 (b2 c3 − b3 c2 ) + a2 (b3 c1 − b1 c3 ) + a3 (b1 c2 − b2 c1 )
Por otra parte, desarrollando el determinante por la fila 1:

a a a
1 2 3 b b b b b b
2 3 1 3 1 2
b1 b2 b3 = a1 − a2 + a3
c2 c3 c1 c3 c1 c2
c1 c2 c3
= a1 (b2 c3 − b3 c2 ) − a2 (b1 c3 − b3 c1 ) + a3 (b1 c2 − b2 c1 )
Claramente las dos expresiones finales a la derecha del igual son idénticas.
Proposición 20
Si →
−
v ,−
→
w,−
→
u ∈ R3 , entonces −
→
v ·−
→
w ×−
→
u =−
→
v ×−
→
w ·−
→
u
Prueba.−
→
− →
− −
→ → −
→ −
→ −
→ → −
→ →
− →
−
Si −
→
v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k , −
u = c1 i + c2 j + c3 k
entonces

a a a
1 2 3
−
→
v ·−
→
w ×−
→
u = b1 b2 b3 .

c1 c2 c3
Por otra parte:

c c c3
1 2
→
− →
− →
− −
→ −
→ −
→
v × w · u = u · v × w = a1 a2 a3

b1 b2 b3

a a2 a3
1

= (−1) c1 c2 c3

b1 b2 b3

a a a
1 2 3

= (1−)(−1) b1 b2 b3

c1 c2 c3

a a a
1 2 3

= b1 b2 b3

c1 c2 c3
Proposición 21
Si →
−v ,−
→
w,−→
u ∈ R3 , vectores no paralelos y no coplanares entonces → −
v ·→
−
w ×→−u
−
→ →
− →
−
es el volumen del paralelepı́pedo construı́do sobre los vectores v , w y u .
Prueba.−
4.5. RECTAS EN EL PLANO 143
..... .....
.......... .. .......... ..
.......... .. .......... ....
.......... ..........
. . . . .. .. . .......... ... ... .
...
............ .
...
Q C ..........
..........
..........
.....
..
..
.
..........
..........
..........
...
...
...
• ........... .. .... ..
.. . .
... ....
... .. ... ...
... .. ... ...
... .. ... ...
..
. . .. ... ...
... ..
. ... ...
... .. ... ...
... .. ..
.. ..
..
β .
..
..
B ..
.
. ..
....................................................................................................................
.
.
..
.............
...
~u w
~ ................................................................................................................................
........................................................................................................... P
........................................................................................................................................................................................................................................................
... . .. .. . . .. .
... .......................................................................................................................................................
........................................................................................................
... .....................................................................................................................................................................................................................................................................
........
.................................................................................................................................................................................................................
..
O ~v A
Si observamos la gráfica y llamamos V el volumen del paralelepı́pedo

tenemos:
V = (Area de la base)(Altura)
= (Area de OAP B)(OQ)
= k−
→
v ×−→w k k−
→
u k cos β
=−→
v ×−→
w ·−
→
u
−
→ −
→
= v ·w× u−
→

Auncuando los conceptos de punto, recta y plano son conceptos primitivos
(No definidos) de la geometria euclı́dea, la identificación punto ↔ tripla in-
duce de manera natural descripciones analı́ticas de la recta en el plano y en
el espacio y del plano en el espacio que presentamos en las secciones siguientes.
4.5 RECTAS EN EL PLANO

Comenzamos con la recta, recordando la caracterización geométrica que dice
que una recta está unı́vocamente determinada por un punto P0 por el cual
pasa y una dirección, asumimos en lo que sigue que nuestro universo es el

plano cartesiano R2 .
Definición 22
−
→
Dados P0 un punto en el plano y V ∈ R2 , la recta l que pasa por P0 y tiene
→
−
como dirección la de V es el conjunto de puntos P tales que el vector de punto
−
→
inicial P0 y punto final P es paralelo a V .
n −−→ −
→ o

l = P ∈ R2 P0 P = t V , t ∈ R
Proposición 22
−
→
Dados P0 un punto en el plano y V ∈ R2 , P 6= P0 pertenece a la recta que
→
− −
→ − → →
−
pasa por P0 y tiene a V como vector dirección si y solo si P = P0 + t V , con
t ∈ R.
Prueba.−
→
−
Suponemos que P 6= P0 pertenece a la recta que pasa por P0 y tiene a V como
−−→ −
→ −
→ − → →
−
vector dirección entonces P0 P es paralelo a V es decir P − P0 = t V , con
→ −
− → −
→
t ∈ R es decir P = P0 + t V , con t ∈ R.
→
− −
→ −
→ −
→ − → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con
−
→
t ∈ R es decir P pertenece a la recta que pasa por P0 y tiene a V como vector
dirección.
Definición 23
→ −
− → −
→
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de
−
→
la recta que pasa por P0 y tiene a V como vector dirección.
−
→ −
→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la
misma, en consecuencia la recta que pasa por P0 y tiene como dirección la de
→
− −
→
V , o la de W , es la misma.
Proposición 23
−
→ →
−
Si W = λ V , λ 6= 0 y t, k ∈ R entonces
n −−→ →o n
− −−→ →o
−

P ∈ R2 P0 P = t V = P ∈ R2 P0 P = k W
Prueba.−
n −−→ →o
−
A ∈ P ∈ R2 |P0 P = t V si y solo si
−
→ − → −
→
A = P0 + t V
es decir
−
→ − → 1 −→
A = P0 + t W
λ
es decir n −−→ 2 →o
−
A ∈ P ∈ R |P0 P = k W .

−
→ −
→ −
→
Además, si suponemos P0 = (x0 , y0 ) , V = a i + b j y P = (x, y) la
→
− −
→ −
→
ecuación P = P0 + t V se transforma en (x, y) = (x0 , y0 ) + t(a, b) y al
comparar coordenadas se obtienen las ecuaciones
(
x = x0 + ta
t∈R
y = y0 + tb
Definición 24
Las ecuaciones
(
x = x0 + ta
t∈R
y = y0 + tb
se denominan las ecuaciones paramétricas, con parámetro t, de la recta, que
−
→ −
→ −
→
pasa por P0 = (x0 , y0 ) y tiene a V = a i + b j como vector dirección.
Adicionalmente, si suponemos ab 6= 0, despejamos el parámetro t de las ecua-
ciones paramétricas e igualamos, obtenemos:
x − x0 y − y0
t= =
a b
o lo que es lo mismo
bx + (−a)y + (ay0 − bx0 ) = 0

que es equivalente a la ecuación de la forma
Ax + By + C = 0
con A = b, B = −a, C = ay0 − bx0 , que es la forma general de la ecuación de

la recta en el plano cartesiano.
Ejemplo 13
La ecuación vectorial de la recta que pasa por P0 = (2, 3) y que tiene a

→ −
− → →
−
V = i − 5 j como vector dirección, es:
−
→
P = (2, 3) + t(1, −5) con t ∈ R
y sus ecuaciones paramétricas

(
x=2+t
t∈R
y = 3 − 5t
y−3
y al eliminar el parámetro t obtenemos x − 2 = −5 es decir 5x + y − 13 = 0
Proposición 24
n−→ −
→ − → →o
− → −
n− → − → →o
−
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q0 + k W se cortan
si y solo si existen números reales t0 y k0 , no necesariamente iguales y tales
−
→ → −
− → −
→
que P0 + t0 V = Q0 + k0 W
Prueba.−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que
→ −
− → →
− −
→ − → −
→
C = P0 + t0 V , igualmente C ∈ l2 por tanto existe k0 tal que C = Q0 + k0 W
−
→ −
→ − → − → −
→
y en consecuencia P0 + t0 V = C = Q0 + k0 W
Recı́procamente si existen números reales t0 y k0 , no necesariamente iguales y

−
→ → −
− → −→ − →
tales que P0 + t0 V = Q0 + k0 W = C entonces C ∈ l1 y C ∈ l2 .
Ejemplo 14
−
→
Consideremos las rectas l1 de ecuación P = (1, 3) + t(−1, 1) y l2 de ecuación
→
−
P = (−2, 5) + k(3, −2), t y k en R, entonces l1 y l2 se cortan si y solo si
(1, 3) + t(−1, 1) = (−2, 5) + k(3, −2)
para un par de reales t y k, es decir si y solo si

(
1 − t = −2 + 3k
3 + t = 5 − 2k
es un sistema de dos ecuaciones con dos incógnitas cuya única solución es

t = 0, k = 1 en consecuencia
(1, 3) + (0)(−1, 1) = (1, 3) ∈ l1
y también
(1, 3) = (−2, 5) + (1)(3, −2) ∈ l2
Ejemplo 15
−
→
Consideremos las rectas l1 de ecuación P = (1, 2) + t(2, −1) y l2 de ecuación
→
−
P = (4, 0) + k(−4.2) entonces l1 y l2 se cortan si y solo si
(1, 2) + t(2, −1) = (4, 0) + k(−4, 2)

(
1 + 2t = 4 − 4k
2 − t = 2k
es un sistema de dos ecuaciones lineales con dos incógnitas cuya matriz au-
mentada !
2 4 3

−1 −2 −2
es equivalente por filas a !

1 2 0

0 0 1
en consecuencia el sistema es inconsistente, es decir l1 y l2 no se cortan.
Si observamos con detenimiento encontramos que los vectores dirección de l1

→ −
− → −
→ −
→
y l2 , a saber: −
→
v =2i − j y − →u = −4 i + 2 j son tales que →−u = (−2)→ −v
es decir son paralelos.
Definición 25
Sean l1 y l2 rectas que se cortan, el ángulo α entre ellas es precisamente el

ángulo α entre sus vectores dirección.
Definición 26
Dos rectas l1 y l2 se denominan paralelas si y solo si no se cortan.
Proposición 25
n−→ −
→ − → →o
− → −
n− → − → →o
−
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q0 + k W son
→
− −
→
paralelas si y solo si V = λW
Prueba.−
→
− −
→
Suponemos V = λW y Z ∈ l1 ∩ l2 es decir existen t1 , k1 ∈ R tales que
−→ −
→ − → − → −
→
P0 + t1 V = Z = Q0 + k1 W
en consecuencia
−
→ −
→ −
→ −
→
P0 = Q0 − t1 V + k1 W
−
→ −
→ −
→
= Q0 − t1 λW + k 1 W
−
→ −
→
= Q0 + (k1 − t1 λ) W
−
→
es decir P0 ∈ l2 .
Análogamente:
−
→ −
→ −
→ −
→
Q0 = P0 + t1 V − k1 W

−
→ 1 −
→
= P0 + t1 − k1 V
λ
−
→
es decir Q0 ∈ l1 , en consecuencia l1 y l2 coinciden.
Sean
−
→ −
→ → −
− → −
→ −
→
P0 = (x0 , y0 ), Q0 = (x′0 , y0′ ), V = a i + b j , W = c i + d j .
Decir l1 ∩ l2 = φ significa que no existen t1 , k1 ∈ R tales que
−
→ −
→ − → − → −
→
P0 + t1 V = Z = Q0 + k1 W
es decir el sistema
′
ax − cy = x0 − x0
bx − dy = y0′ − y0
no tiene solución o lo que es lo mismo

a c

=0
b d
−
→ −
→
lo que significa ad = bc es decir a = λc y b = λd es decir V = λW
Proposición 26
n − →o
→ − → −
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈/ l. entonces
−
→ −
→ −
→ −
→
la distancia d de P1 a l es P 1 − P 0 − U donde U es la componente de
→
− →
− −
→
P 1 − P 0 a lo largo de V .
Prueba.−
l
P1........................... ........
........
. ... ......
..... ... d
. .
..
......
.. ... ..
... ... ......
... ... .....
... ... ...........
....
. ...
........
..
..
...
.. ........
... .....
... ......
......
.... ..
......
...
...
...
.....
......
.
...... ~
U
... ......
..... ..
.......
...
.. .....
.....
... ......
... ......
..... ..........
.. ....
.........
.........
......
.
......
..
......
. P 0
......
.....
. .......
..........
Basta observar en la gráfica.
−
→ → −
− →
− P − P · V −
→ →
− −
→ − → −
→ 1 0 →
d= P1− P0 − U = P1− P0 − − V
→ 2
V
Ejemplo 16
−
→
Consideremos la recta del ejemplo 12 de ecuación vectorial P = (2, 3) +
t(1, −5) y el punto P1 = (4, 1) entonces la distancia d de P1 a la recta es

−
→ → −
− →
− P − P · V →
→ −
→ 1 0 −
d= P1− P0 − − V
→ 2
V

((4, 1) − (2, 3)) · (1, −5)
= ((4, 1) − (2, 3)) − 2 (1, −5)

k(1, −5)k

(2, −2) · (1, −5)
= (2, −2) − (1, −5)
26

6
= (2, −2) − (1, −5)

13

20 4
= 13 , 13

√
4 26
=
13
Por otra parte, en el ejemplo 12 encontramos que la ecuación cartesiana de

la recta l, es: 5x + y − 13 = 0 y de la geometrı́a analı́tica sabemos que la
distancia del punto P1 = (4, 1) a l,es

5(4) + (1) − 13
d= √
26
8
=√
26
√
8 26
=
26
√
4 26
=
13
El resultado del ejemplo anterior no es una coincidencia.
Proposición 27
n − →o
→ − → −
Sean l = P P = P0 + t V una recta con ecuación cartesiana
Ax + By + C = 0
y P1 un punto tal que P1 ∈

/ l,
entonces la distancia d de P1 a l es
|Ax1 + By1 + C|
d= √
A2 + B 2
Prueba.−
Si suponemos
−
→ −
→ −
→
P = (x, y), P0 = (x0 , y0 ), P1 = (x1 , y1 ) y V = a i + b j
Entonces
→ → − →
− −
d= P1− P0 − U

(x1 − x0 ) a + (y1 − y0 ) b

= (x1 − x0 , y1 − y0 ) − (a, b)
2
a +b 2
1
= 2 (x1 − x0 ) a2 + b2 − ((x1 − x0 ) a + (y1 − y0 ) b) a, (y1 − y0 ) a2 + b2 − ((x1 − x0 ) a + (y1
(a + b )2
1
= 2 (x1 − x0 ) b2 − (y1 − y0 ) ba, (y1 − y0 ) a2 − (x1 − x0 ) ab
(a + b )2
1
= 2 k((x1 − x0 ) b − (y1 − y0 ) a) b, ((y1 − y0 ) a − (x1 − x0 ) b) ak
(a + b2 )
rh i
1 2 2 2 2 2 2
= 2 (x 1 − x 0 ) b + (y 1 − y 0 ) a − 2ab (x 1 − x 0 ) (y 1 − y 0 (a + b )
)
(a + b2 )
√ q
a 2 + b2
= 2 [b(x1 − x0 ) − a (y1 − y0 )]2
(a + b2 )
1
=√ |b(x1 − x0 ) − a (y1 − y0 )|
a + b2
2
1
=√ |bx1 + (−a)y1 + (ay0 − bx0 )|
a + b2
2
y si recordamos que la forma cartesiana de la ecuación de la recta l, es pre-

cisamente bx + (−a)y + (ay0 − bx0 ) = 0 se tiene el resultado.
4.6. RECTAS EN EL ESPACIO 153
4.6 RECTAS EN EL ESPACIO

Definición 27
−
→
Dados P0 un punto del espacio y V ∈ R3 , la recta l que pasa por P0 y tiene
−
→
como dirección la de V es el conjunto de puntos P tales que el vector de punto
−
→
inicial P0 y punto final P es paralelo a V .
n −−→ −
→ o

l = P P0 P = t V , t ∈ R
Proposición 28
−
→
Dados P0 un punto del espacio y V ∈ R3 , P 6= P0 pertenece a la recta que
−
→ −
→ − → →
−
pasa por P0 y tiene a V como vector dirección si y solo si P = P0 + t V , con
t ∈ R.
Prueba.−
→
−
Suponemos que P 6= P0 pertenece a la recta que pasa por P0 y tiene a V como
−−→ −
→ −
→ − → →
−
vector dirección entonces P0 P es paralelo a V es decir P − P0 = t V , con
→ −
− → −
→
t ∈ R es decir P = P0 + t V , con t ∈ R.
→
− −
→ −
→ −
→ − → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con
−
→
t ∈ R es decir P pertenece a la recta que pasa por P0 y tiene a V como vector
dirección.
Definición 28
→ −
− → −
→
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de
−
→
la recta que pasa por P0 y tiene a V como vector dirección.
−
→ −
→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la
misma, en consecuencia la recta que pasa por P0 y tiene como dirección la de
→
− −
→
V , o la de W , es la misma.
Proposición 29
−
→ →
−
Si W = λ V y t, k ∈ R, entonces
n −−→ → o n −−→
− →o
−

P P0 P = t V = P P0 P = k W
Prueba.−
−
→ −
→ −
→ −
→
Si suponemos P0 = (x0 , y0 , z0 ) , V = a i + b j + c k y P = (x, y, z) la
→ −
− → →
−
ecuación P = P0 + t V se transforma en (x, y, z) = (x0 , y0 , z0 ) + t(a, b, c) y
al comparar coordenadas se obtienen las ecuaciones


 x = x0 + ta
y = y0 + tb t∈R


z = z0 + tc
Definición 29
Las ecuaciones


 x = x0 + ta
y = y0 + tb t∈R


z = z0 + tc
se denominan las ecuaciones paramétricas de la recta que pasa por P0 =

−
→ −
→ −
→ −
→
(x0 , y0 , z0 ) y con vector dirección V = a i + b j + c k , t se denomina el
parámetro.
Ejemplo 17
La ecuación vectorial de la recta que pasa por P0 = (2, 3, −1) y que tiene a
→ −
− → →
− →
−
V = i − 2 j + 7 k como vector dirección es:
−
→
P = (2, 3, −1) + t(1, −2, 7) con t ∈ R
y sus ecuaciones paramétricas



 x=2+t
y = 3 − 2t t∈R


z = −1 + 7t
−
→ −
→ −
→ −
→
Finalmente si suponemos que V = a i + b j + c k es tal que abc 6= 0, al
despejar el parámetro t, de las ecuaciones paramétricas, obtenemos
x−x0 y−y0 z−z0

t= a = b = c
Definición 30
Las ecuaciones x−xa

0
= y−y
b
0
= z−z c
0
se denominan ecuaciones simétricas o
ecuaciones cartesianas de la recta.
Ejemplo 18
Las ecuaciones cartesianas de la recta del ejemplo 1, son:
x−2 y−3 z − (−1)

= =
1 (−2) 7
es decir
3−y z+1
x−2= =
2 7
Observación.- Es importante tener en cuenta que tanto en el caso paramétrico,

como en el cartesiano hablamos en plural, vale decir: ecuaciones paramétricas
y ecuaciones cartesianas de la recta.
Proposición 30
n−→ −
→ − → →o
− n−→ −
→ − → −→o
Dos rectas: l1 = P P = P0 + t V y l 2 = P P = Q0 + k W se cortan
si y solo si existen números reales t0 y k0 , no necesariamente iguales y tales
−
→ → −
− → −
→
que P0 + t0 V = Q0 + k0 W
Prueba.−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que
−
→ − → −
→
C = P0 + t0 V ,
igualmente C ∈ l2 por tanto existe k0 tal que

−
→ − → −
→
C = Q0 + k 0 W
y en consecuencia
−
→ −
→ − → − → −
→
P0 + t0 V = C = Q0 + k0 W
Recı́procamente si existen números reales t0 y k0 , no necesariamente iguales y

tales que
−
→ −
→ − → −→ − →
P0 + t0 V = Q0 + k0 W = C
entonces C ∈ l1 y C ∈ l2 .
Ejemplo 19
−
→
Consideremos las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (−2, 8, 6) + k(−1, 2, 1) entonces l1 y l2 se cortan si y solo si
(1, 2, 3) + t(2, −1, 1) = (−2, 8, 6) + k(−1, 2, 1)


 1 + 2t = −2 − k

2 − t = 8 + 2k


 3+t=6+k
es un sistema de tres ecuaciones con dos incógnitas cuya única solución es

t = 0, k = −3 en consecuencia
(1, 2, 3) + (0)(2, −1, 1) = (−2, 8, 6) + (−3)(−1, 2, 1) = (1, 2, 3) ∈ l1 ∩ l2

Ejemplo 20
−
→
Consideremos las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (4, 0, 2)+k(1, 1, 2) entonces l1 y l2 se cortan si y solo si (1, 2, 3)+
t(2, −1, 1) = (4, 0, 2) + k(1, 1, 2) para un par de reales t y k, es decir si y solo
si


 1 + 2t = 4 + k

2−t=k


 3 + t = 2 + 2k
es un sistema de tres ecuaciones con dos incógnitas cuya matriz aumentada es

   
2 −1 3 2 −1 3
   
 1 1 2  equivalente por filas a  0 3 4 

1 −2 −1 0 0 1
en consecuencia el sistema es inconsistente es decir l1 y l2 no se cortan.
Definición 31
Sean l1 y l2 rectas que se cortan. El ángulo α entre ellas es precisamente el

ángulo α entre sus vectores dirección.
Ejemplo 21
−
→
Sabemos que las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (−2, 8, 6) + k(−1, 2, 1) se cortan en (1, 2, 3) entonces el ángulo
α entre ellas es tal que
(2, −1, 1) · (−1, 2, 1) −3 1

cos α = = √ √ =−
k(2, −1, 1)k k(−1, 2, 1)k 6 6 2
en consecuencia

1 2
α = arccos − = π
2 3
Ejemplo 22
−
→
Las rectas l1 de ecuación P = t(2, −1, 1) y l2 de ecuación
→
−
P = (1, 1, 1) + k(1, 4, 2) se cortan en ( 23 , − 31 , 13 )
y puesto que (2, −1, 1) · (1, 4, 2) = 0 las rectas son perpendiculares.
Definición 32
−
→ − →
Sean l1 y l2 rectas que se no cortan, con vectores dirección V y W respecti-
vamente entonces
→ −
− →
• Si V y W son paralelos decimos que las rectas son paralelas.
→ −
− →
• Si V y W no son paralelos decimos que las rectas se cruzan.
Ejemplo 23
−
→
Las rectas l1 de ecuación P = t(2, −1, 1) y l2 de ecuación
→
−
P = (1, 1, 1) + k(4, −2, 2) son paralelas
−
→ →
−
Las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de ecuación P =
(4, 0, 2) + k(1, 1, 2) no se cortan y no son paralelas es decir se cruzan.
Proposición 31
n − →o
→ − → −
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈/ l. entonces
− → − →
→ − −
→
la distancia d de P1 a l es P 1 − P 0 − U donde U es la componente de
→
− →
− −
→
P 1 − P 0 a lo largo de V .
Prueba.−
Graf ico 19
Basta observar la gráfica.

−
→ → →
− −
− P − P · V −
→ →
− −
→ − → −
→ 1 0 →
d = P1− P0 − U = P1− P0 − − V
→
2
V
Proposición 32
Sean P0 , P1 dos puntos en el espacio, entonces la ecuación vectorial de la recta

−
→ −
→ −
→
determinada por P0 y P1 es P = (1 − t) P 0 + t P 1 , t ∈ R.
Prueba.−
−−−→
Basta observar que el vector P0 P1 es un vector dirección de la recta, en
consecuencia la ecuación vectorial es
→ −
− → →
− →
−
P = P0 + t P 1 − P 0 es decir
→
− →
− →
−
P = (1 − t) P 0 + t P 1 , t ∈ R.
−
→ −
→ −
→
Observación.- La ecuación P = (1 − t) P 0 + t P 1 con t ∈ [0, 1] , describe los
puntos del segmento P0 P1 .
Ademas si suponemos P = (x, y, z), P0 = (x0 , y0 , z0 ) y P1 = (x1 , y1 , z1 ) reem-

plazamos en la ecuacion e igualamos componentes obtenemos
x = (1 − t)x0 + tx1 = x0 + t(x1 − x0 )

y = (1 − t)y0 + ty1 = y0 + t(y1 − y0 )
z = (1 − t)z0 + tz1 = z0 + t(z1 − z0 )
que son las ecuaciones paramétricas de la recta y despejando t en cada una

e igualando tenemos:
x − x0 y − y0 z − z0
t= = =
x1 − x0 y1 − y0 z1 − z0
que son las ecuaciones simétricas o cartesianas de la recta.
4.7 PLANOS EN EL ESPACIO
Para el plano, recordamos la caracterización geométrica que dice que un plano

está unı́vocamente determinado por un punto P0 por el cual pasa y una recta
perpendicular al mismo.
Definición 33
−
→
Dados P0 un punto del espacio y N ∈ R3 , el plano P que pasa por P0 y tiene
→
−
a N como vector normal es el conjunto de puntos P tales que el vector de
−
→
punto inicial P0 y punto final P es perpendicular a N .
n −−→ →o
−

P = P P0 P es perpendicular a N
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..
. . . .. .. . . . . .. . . . .. . .. ... .. . .. . . . .. . .. . . . .......................................................................................................................................................
.... ............................................................................................................................................................................................................................................................................................................................................................
.
. . . . . . . . . . . . . . . .
.... ...................................................................................................................................................................................................................................................................................................
.
.....................................................................................................................................................
.............................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
...............................................................................................................................................................................................................................
.........................................................................................0
... . P
..................................................................................................................................................................................................................................................................................................................................................................................
...........................................................
.................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
. .. ...
P
..............................................................................................................................................................................................................................
...................................................................................................................................................................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
.................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..
4.7. PLANOS EN EL ESPACIO 161
~
N ....
.........
...
...
...
...
..
.. . .. . . . . . . .. .. . . . .. . . . . .. .. . . . . .................................................................................................................
... .............................................................................................................................................................................................................................................................................................................................................
.
. . . . . . . .
. ... .
.
..............................................................................................................................................................................................................................
...............................................................................................................................................................................................................................
P
........................................................................................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
..............................................................................................................................................................
.. ..................................................................................................................................................................................................................................................................................................................................................................................
.
P
.............................................................................................................................................................................................................................
..................................................................................................................................................................................................................................................................................................
.....................................................................................................................0 ..................................
.............................................................................................................................................................................................................................
. ..............................................................................................................................................................................................................................................................................................................................................................................
..........................................................................
......................................................................................................................................................
.................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..
Proposición 33
−
→
Dados P0 un punto del espacio y N ∈ R3 , P pertenece al plano que pasa por
→
− −
→ − → − → − →
P0 y tiene a N como vector normal si y solo si P · N = P 0 · N
Prueba.−
−−→
Suponemos P un punto del plano entonces el vector P0 P es perpendicular a
→
−
N en consecuencia
−−→ → − −
→ − → − → −
→ → − →
− → −
P0 P · N = 0 es decir P − P 0 · N = 0 o lo que es lo mismo P · N = P 0 · N .
−
→ − → −
→ → −
Recı́procamente
suponemos P un punto tal que P · N = P 0 · N entonces
→ −
− → →
− −−→ −
→
P − P 0 · N = 0 es decir P0 P es perpendicular a N .
Definición 34
→ −
− → − → − →
La ecuación P · N = P 0 · N se denomina la ecuación vectorial del plano P
Ejemplo 24
La ecuación vectorial del plano −xy− es la ecuación del plano que pasa por
→−
− → − → −→
(0, 0, 0) y es perpendicular al eje z es decir P . k = 0 · k = 0
La ecuación vectorial del plano −xz− es la ecuación del plano que pasa por
−
→− → − → −→
(0, 0, 0) y es perpendicular al eje y es decir P . j = 0 · j = 0
La ecuación vectorial del plano −yz− es la ecuación del plano que pasa por
−
→− → − → −→
(0, 0, 0) y es perpendicular al eje x es decir P . i = 0 · i = 0
−
→ −
→
Evidentemente si M es un vector paralelo a N , cualquier vector perpendicular
→
− −
→
a N también es perpendicular a M , en consecuencia el plano que pasa por P0
→
− −
→
y tiene a N como vector normal y el que pasa por P0 y tiene a M como vector
normal , es el mismo.
Proposición 34
−
→ →
− n −−→ →o n
− −−→ →o
−

Si M = λ N entonces P P
0 P es perpendicular a N = P P
0 P es perpendicular a M
Prueba.−
−
→ −
→ − → − →
Ademas, si suponemos P0 = (x0 , y0 , z0 ), N = a i + b j + c k y P = (x, y, z)
→ −
− → − → − →
la ecuación P · N = P 0 · N se transforma en (x, y, z) · (a, b, c) = (x0 , y0 , z0 ) ·
(a, b, c) es decir ax + by + cz = ax0 + by0 + cz0 o también
ax + by + cz = D
donde ax0 + by0 + cz0 = D.
Definición 35
La ecuación ax + by + cz = ax0 + by0 + cz0 = D se denomina la ecuación

→
− →
−
cartesiana del plano P que pasa por P0 = (x0 , y0 , z0 ) y tiene a N = a i +
→
− →
−
b j + c k como vector normal.
Recı́procamente toda ecuación de la forma ax + by + cz = D , a, b, c no todos

−
→ −
→ −
→ →
−
cero, describe un plano P cuyo vector normal es N = a i + b j + c k
P = {(x, y, z) |ax + by + cz = D }
Ejemplo 25
La ecuación cartesiana del plano −xy− es z = 0 es decir {(x, y, z) |z = 0 }
La ecuación cartesiana del plano −xz− es y = 0 es decir {(x, y, z) |y = 0 }
La ecuación cartesiana del plano −yz− es x = 0 es decir {(x, y, z) |x = 0 }
Ejemplo 26
La ecuación 3x − 2y + 5z = 0 describe un plano que pasa por el origen y

−
→ −
→ −
→ −
→
tiene como vector normal N = 3 i − 2 j + 5 k
Ejemplo 27
La ecuación ax + by = 0, ab 6= 0, describe un plano “paralelo al eje z” que

contiene la recta ax + by = 0 del plano −xy−
z.......
.... .........................
.... ..........................................
.... .............................................................................
. ..
.. ... ..........................................................................................................................................................................................................
.
..........................................................................................................................................
.......................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
O
....................................................................................................................................................................................
...........................................................................................................................................................................................
.......................................................................................................................................................
....
......
...............................................................................................
.................. y
..............
.
.
... .
.........
...
.. .
.......
. ..
...
...
ax + by = 0
.
.......
..
...................
x
Cuando decimos “paralelo al eje z” significa n que

− si el punto o
→ − → −
→
P0 = (x0 , y0 , 0) ∈ P entonces toda la recta P P = P 0 + t k ⊂ P
Definición 36
n → →o n − →o
− −→ − → − ′ → −
→ −
→ −
Dos planos P = P P · N = P 0 · N y P = P P · M = P 1 · M tales
−
→ −
→
que P ∩ P ′ = φ y M = λ N se dicen paralelos.
Definición 37
n − →o n − →o
→ − → − → − → − → → − −
Dados dos planos P = P P · N = P 0 · N y P′ = P P · M = P 1 · M
tales que P ∩ P ′ =
6 φ el ángulo α entre P y P ′ es el ángulo α entre sus vectores
normales.
Proposición 35
Sean P0 , P1 , P2 tres puntos no colineales en el espacio, entonces la ecuación

vectorial del plano determinado por P0 , P1 y P2 es
−
→ − → −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = 0
Prueba.−
−−−→ −−−→
Puesto que P0 , P1 , P2 son puntos no colineales P0 P1 y P0 P2 no son paralelos
−−−→ −−−→ −
→
en consecuencia P0 P1 × P0 P2 6= 0 y resulta un vector normal al plano de
ecuación −
→ − → −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = 0
Ahora bien, tres puntos no colineales determinan un único plano, en conse-
cuencia basta probar que P0 , P1 y P2 satisfacen la ecuación.
En efecto:
Claramente P0 satisface la ecuación, además
→
− → −−−→ −−−→ −−−→ −−−→ −−−→
−
( P 1 − P 0 ) · P0 P1 × P0 P2 = P0 P1 · P0 P1 × P0 P2 = 0 es decir P1 satisface
la ecuación,
→
− →
− −−−→ −−−→ −−−→ −−−→ −−−→
( P 2 − P 0 ) · P0 P1 × P0 P2 = P0 P2 · P0 P1 × P0 P2 = 0 es decir P2 satisface
la ecuación.
Ejemplo 28
−
→ −
→ −
→
Consideremos los puntos P 0 = (1, 2, 3), P 1 = (−2, 1, 0), P 2 = (4, 2, −1)
−−−→ −−−→
entonces P0 P1 = (−3, −1, −3), P0 P2 = (3, 0, −4) en consecuencia
−
→ −→ −→
i j k
−−−→ −−−→
−
→ −
→ −
→
P0 P1 × P0 P2 = −3 −1 −3 = 4 i − 21 j + 3 k

3 0 −4
−
→ − → −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = (x − 1, y − 2, z − 3) · (4, −21, 3)
= 4x − 21y + 3z + 29
En consecuencia la ecuación del plano es
4x − 21y + 3z + 29 = 0
En la práctica la ecuación del plano determinado por los puntos

→
− →
− −
→
P 0 = (x0 , y0 , z0 ), P 1 = (x1 , y1 , z1 ), P 2 = (x2 , y2 , z2 ) es simplemente

x y z x0 y0 z0

x 1 − x 0 y1 − y 0 z 1 − z 0 = x 1 − x 0 y1 − y 0 z 1 − z 0

x 2 − x 0 y2 − y 0 z 2 − z 0 x 2 − x 0 y2 − y 0 z 2 − z 0
Otra caracterización geométrica de un plano dice que “un plano está unı́vocamente
determinado por dos rectas que se cortan”, analı́ticamente podemos entonces
afirmar:
Proposición 36
→ −
n− → − → →o
− n−→ →
− −
→ →o
−
Dadas dos rectas que se cortan l1 = P P = P0 + t V , l2 = P P = P0 + k W ,
−
→ − → −
→ −
→
una ecuación del plano determinado por l1 y l2 es P = P 0 + t V + k W ,
t, k ∈ R
Prueba.−
Graf ico 20
Basta observar la gráfica
−
→ −
→ →
− →
−
Ahora, si suponemos P = (x, y, z), P0 = (x0 , y0 , z0 ), V = a1 i + b1 j + c1 k ,
−
→ →
− →
− →
−
W = a2 i + b2 j + c2 k y comparamos coordenadas obtenemos


 x = x0 + a1 t + a2 k
y = y0 + b1 t + b2 k t, k ∈ R


z = z0 + c 1 t + c 2 k
que denominamos ecuaciones paramétricas del plano, t, k se denominan los
parámetros.
Ahora bien, si miramos las ecuaciones paramétricas


 x − x0 = a1 t + a2 k
y − y0 = b1 t + b2 k (∗)


z − z0 = c 1 t + c 2 k
como un sistema genérico de tres ecuaciones con dos incógnitas e intentamos

resolverlo, su matriz aumentada será:
 
a1 a2 x−x
0
 
 b1 b2 y − y0 

c1 c2 z − z0
y al reducirla a forma escalonada obtenemos:
 
x − x0

 a1 a2 −b1 (x − x0 ) + a1 (y − y0 ) 
 
 0 −b1 a2 + a1 b2 
 −c1 b2 (x − x0 ) + c1 a2 (y − y0 ) + b1 c2 (x − x0 ) − b1 a2 (z − z0 ) 
0 0
−a1 c2 (y − y0 ) + a1 b2 (z − z0 )
es decir el sistema tiene solución si y solo si
−c1 b2 (x − x0 )+c1 a2 (y − y0 )+b1 c2 (x − x0 )−b1 a2 (z − z0 )−a1 c2 (y − y0 )+a1 b2 (z − z0 ) = 0
(x − x0 ) (b1 c2 − c1 b2 ) + (y − y0 ) (c1 a2 − a1 c2 ) + (z − z0 ) (a1 b2 − b1 a2 ) = 0
y al observar cuidadosamente esta última ecuación vemos que es la ecuación

cartesiana del plano que pasa por P0 y tiene como vector normal
→
− −
→ −
→ →
−
N = (b1 c2 − c1 b2 ) i + (c1 a2 − a1 c2 ) j + (a1 b2 − b1 a2 ) k
→ −
− →
= V × W.
Es decir, hemos mostrado que la eliminación de los parámetros t, k de las

ecuaciones paramétricas (*) nos conduce a la ecuación vectorial
→ −
− → − → − → − → − →
P · V ×W = P0· V ×W
que evidentemente es la ecuación vectorial del plano mencionado.
Proposición 37
n − →o
→ −→ − → −
Sea P = P P · N = P 0 · N un plano que no contiene al origen, la dis-
−
→ − →
P ·N
tancia d del origen al plano es d = −
→

N
Prueba.−
..
.....
z
...
......................
..................................
.........................................
..........
.................................................................................
. .......................
................ . . . . . . . . . . . . . . . . . . . . . . . ......
............... .............................................................
..........................................................................................
................................................................................................................................................................................................
................................................................................................
...........................................................................................................................................
................................................................................................
.................................................................................................
................................................................................................
.................................................................................................
................................................................................................
...............................................................................................
................................................................................................
...........................................................................................................................................
.................................................................................................
.................................................................................................
................................................................................................
...........................................................................................................................................
.................................................................................................
.......................................................................................................
....................................................................................................
.............................................................................................................................................
...................................................................................................
..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
P~ ..
.. ....
.1 .
....................................................................................................
..... ..............................................................................................................................................................................................
................................................................................................
.....................................................................................................
...
..... ................................................................................................
..... ......................................................................................
..
...... .................................................................................................
...........................................................
....... .................................................
..
..... .......................................
...............................
......... ......
. ............. ......
. .... .... ...... ....
. . ........
.
. .. .
...
...
.. .
.........
...
........
. .. . . . .
x
................
.....
..
−
→ −
→ −
→
Si observamos la gráfica d = P 1 donde P1 ∈ P y P 1 = λ N , por tanto
→ −
− → → −
− → −
→ − →
1·N
P 1 · N = λ N · N es consecuencia λ = P−→ 2
por lo tanto
N
−
−→ −
→ → − →
− P · N
→ − → −→ P 1 · N − → 0
−
d = P 1 = λ N = |λ| N = 2 N = →
−→
N
N
Proposición 38
n − →o n − →o
→ − → − → − → − → −→ −
Sean P = P P · N = P 0 · N y P ′ = P P · N = P 1 · N planos par-
alelos entonces la distancia d entre P y P ′ está dada por
− →
→ − → −
→ −
P 0 · N − P 1 · N
d= −
→
N
Prueba.−

..
.....
z
............
...........................
.....................................
................................................
.
..... ............................................................................................
........... .....................................................
..................................................................................
................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .....
............................................................................................................................................................................................................
........................................................ ....... ...........................................
.....................................................................................................................................................
.............................................................................................................
... . ......... . . . . . . . . . . . . . . . . . . . . ... . . . . . . . . . . . . . . . ....
...............................................................................................................
............... ....................................................................................................................................................................................................
... .
. ...
... .
................. ...................................................................................................
........ .....................................................................................................
..... ....................................................................................................
..... ..............................................................................................................................................
..... .....................................................................................................
..... .....................................................................................................
..... ..................................................................................................
..... ..................................................................................................
..... .....................................................................................................
..... ....................................................................................................................................
..... .......................................................................................................................
..... ..... ................................................................................................
..... .......................................................................................................
..... ...... . . . . . . . . . . . . . . . . . . . . . . . . .... . . . . . . . . . . . . . . . . ...
..... ..........................................................................................................
.....
..... ..
....... ...................................................................................................................................................................................................
..... .. ... ....................................................................................................
..... ........ .......................................................................................................
..... ....... ................................................................................................
....................................................... ..................................
..... ......... ...................................................................................................
....... ........................................................... .....
. . .
... ....... ................................................. .....
... ..... ........................................ .....
....... ....... ............................... .....
.......... . ..
. .. . .............. .... ......
. . ... .... ....... . .. ......
.
. ......... .
................... ....
..... .........
... .
.. ...... ...... ... .
.. . . . ....... .......
..
..... ......
...
..
.... ..
..
..........
...
..
...
.... . .
y
.. .......... ...............
x ................
.....
.....
............................
...............
......
.
Finalmente, si miramos una a una las ecuaciones cartesianas de la recta que

−
→ −
→ −
→ −
→
pasa por P0 = (x0 , y0 , z0 ) y tiene a V = a1 i + b1 j + c1 k como vector di-
rección,tenemos:
x−x0
a = y−yb
0
es decir b(x − x0 ) − a(y − y0 ) = 0 ecuación de un plano paralelo
al eje z.
z−z0 x−x0
c = a es decir a(z − z0 ) − c(x − x0 ) = 0 ecuación de un plano paralelo
al eje y.
y−y0
b = z−zc
0
es decir c(y − y0 ) − b(z − z0 ) = 0 ecuación de un plano paralelo
al eje x.
En conclusión toda recta en el espacio se puede ver como la intersección de

tres planos uno paraleloal eje x, uno paralelo al eje y y uno paralelo al eje z.
Gráf ico
Capı́tulo 5
ESPACIOS VECTORIALES
REALES
5.1 DEFINICIÓN Y PROPIEDADES

Definición 1
Consideramos un conjunto V 6= φ y R el campo de los números reales. Sea +

una adición definida sobre V tal que:
1. Para todo −
→
v ,−
→
u ∈ V , la suma −
→
w =−
→
v +−
→
u ∈ V. (P ropiedad Clausurativa)
2. Para todo −
→
v ,−
→
u,−
→
z ∈ V , (−
→
v +−
→
u )+−
→
z =−
→
v +(−
→
u +−
→
z ). (P ropiedad Asociativa)
→
− −
→ →
−
3. Existe 0 ∈ V, tal que para todo −
→
v ∈ V, −
→
v + 0 = 0 +→
−
v =
v. (P ropiedad M odulativa)
4. Para todo − →
v ∈ V existe − →
w ∈ V tal que −
→
v +−
→
w = →
−
w +→
−
v =
−
→
0 . (P ropiedad Invertiva)
5. Para todo →
−
v ,−
→
u ∈V, −
→
v +−
→
u =−
→
u +−
→
v . (P ropiedad Conmutativa)
Sea además, (·) una multiplicación de un número real por un elemento
de V , tal que:
6. Para todo λ ∈ R y para todo−

→
v ∈V, −
→
w =λ·−
→
v ∈V
171
172 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

→
v ∈ V , (λ · (µ · −
→
v )) = (λµ) · →
−
v

→
v ∈ V , (λ + µ) · −
→
v =λ·−
→
v +µ·→
−
v

→
v ,→
−
u ∈ V , λ · (−
→
v +−
→
u) =λ·→
−
v +λ·→
−
u
10. Para todo →

−
v ∈ V y para 1 ∈ R, 1 · −
→
v =−
→
v
Decimos entonces hV, +, ·i es un espacio vectorial real a izquierda.
Los elementos del conjunto V se denominan vectores y los números reales se

denominan escalares. En adelante, la operación λ · − →
v se escribirá como λ→
−
v;
además, se notará un espacio vectorial hV, +, ·i simplemente por V .
Observación. Puesto que en nuestro tratamiento solo utilizamos el campo

R como campo de escalares y en el producto de un escalar por un vector el
escalar siempre aparece a la izquierda, no hay confusión si solo nos referimos
a espacios vectoriales y ası́ lo haremos.
→
−
Notación. 0 ∈ V, se denomina el módulo o elemento idéntico de V y para
−
→
cada −
→v ∈ V el vector − →
w ∈ V tal que − →
v +− →
w =− →
w +− →
v = 0 se denomina
el opuesto de −→v y se nota −−→v , (−→
w = −−→v ) en consecuencia reescribimos la
−
→
ecuación de la propiedad 4, ası́. v + (− v ) = (−−
−
→ −
→ →v)+− →
v = 0
El lector observará que ya conocemos algunos ejemplos de espacios vectoriales.
Ejemplo 1
V el conjunto de vectores en el espacio usual con la adición de vectores y

multiplicación de un real por un vector, usuales.
Ejemplo 2
V = Rn , n = 1, 2, 3 con las operaciones usuales de adición de elementos de

Rn , n = 1, 2, 3 y de multiplicación de un real por un elemento de Rn , n =
1, 2, 3.
Ejemplo 3
V = Mm×n , n y m enteros positivos, con las operaciones usuales de adición

de matrices y de multiplicación de un real por una matriz.
Otros ejemplos:
Ejemplo 4
n−
→ − → o
V = Rn = X | X = (x1 , x2 , ..., xn ) , xi ∈ R, n ∈ Z+
con las operaciones definidas ası́:
→
− −
→
Si X = (x1 , x2 , ..., xn ) ∈ Rn y Y = (y1 , y2 , ..., yn ) ∈ Rn , entonces
− −
→ →
X + Y = (x1 + y1 , x2 + y2 , ..., xn + yn ) ,
→
−
y si X = (x1 , x2 , ..., xn ) ∈ Rn y λ ∈ R
−
→
λ X = (λx1 , λx2 , ..., λxn )
Ejemplo 5

V = P2 [x] = p(x) p(x) = a0 + a1 x + a2 x2 , a0 , a1 , a2 ∈ R
Si p(x) = a0 + a1 x + a2 x2 y q(x) = b0 + b1 x + b2 x2 , entonces
r(x) = p(x) + q(x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x2
y si λ ∈ R y p(x) = a0 + a1 x + a2 x2 entonces
λ(p(x)) = λp(x) = λa0 + λa1 x + λa2 x2

Ejemplo 6

V = P [x] = p(x) | p(x) = a0 + a1 x + a2 x2 + · · · + an xn , a0 , a1 , · · · , an ∈ R, n ∈ Z+
Si p(x) = a0 + a1 x + · · · + an xn y q(x) = b0 + b1 x + · · · + bn xn entonces
r(x) = p(x) + q(x) = (a0 + b0 ) + (a1 + b1 ) x + · · · + (an + bn ) xn

Si λ ∈ R y p(x) = a0 + a1 x + · · · + an xn entonces
λ · (p(x)) = λp(x) = λa0 + λa1 x + · · · + λan xn
Ejemplo 7
V = F (x) = {f | f es una función de variable real con valor real}

Si f, g ∈ F (x) entonces
(f + g) (x) = f (x) + g(x)
y si λ ∈ R y f ∈ F (x) entonces
λ · (f (x)) = λf (x).
El lector verificará en cada caso el cumplimiento de las propiedades.
Ejemplo 8
V = {(x, y) | Ax + By = 0, x, y ∈ R, A, B reales fijos}

con las operaciones usuales en R2 .
Verificación.-
Basta verificar las propiedades (1),(3),(4) y (6) de la definición 1 puesto que

las otras se verifican de manera inmediata por el hecho que V ⊂ R2 , ası́ ten-
emos:
Propiedad 1. Suponemos (x1 , y1 ) ∈ V, (x2 , y2 ) ∈ V , es decir Ax1 + By1 = 0 y

Ax2 + By2 = 0 y por tanto
(Ax1 + By1 ) + (Ax2 + By2 ) = 0 + 0 = 0
y como
A (x1 + x2 ) + B (y1 + y2 ) = (Ax1 + By1 ) + (Ax2 + By2 ) = 0
entonces
(x1 + x2 , y1 + y2 ) ∈ V
Propiedad 3. Puesto que A(0) + B(0) = 0 entonces (0, 0) ∈ V y obviamente

para todo (x, y) ∈ V, (x, y) + (0, 0) = (0, 0) + (x, y) = (x, y).
Propiedad 4. Si (x1 , y1 ) ∈ V entonces
Ax1 + By1 = 0
y en consecuencia
A(−x1 ) + B(−y1 ) = −(Ax1 + By1 ) = −0 = 0
es decir (−x1 , −y1 ) ∈ V y claramente
(x1 , y1 ) + (−x1 , −y1 ) = (−x1 , −y1 ) + (x1 , y1 ) = (0, 0)
.
Propiedad 6. Si λ ∈ R y (x1 , y1 ) ∈ V es decir si λ ∈ R y Ax1 + By1 = 0

entonces
A (λx1 ) + B (λy1 ) = λ (Ax1 + By1 ) = λ 0 = 0,
es decir
(λx1 , λy1 ) = λ (x1 , y1 ) ∈ V.
Si evocamos la identificación geométrica de R2 con el plano, hemos probado
que toda recta que pasa por el origen tiene estructura de espacio vectorial.
Proposición 1
Sea V un espacio vectorial.

→
−
1. El módulo 0 ∈ V es único.
2. Para cada →
−
v ∈ V su opuesto (−−
→
v ) es único.
Prueba.−
→
− −
→ − → − → → −
1. Si suponemos 0′ ∈ V otro módulo entonces 0 = 0 + 0′ = 0′ .
→
−
2. Si suponemos −
→w1 y −→w 2 opuestos de −
→
v entonces −
→
w1 = →
−
w1 + 0 =
→
− −
→ →
w 1 + (−
→
v +−
→
w 2 ) = (−
→
w1 + −→v)+− →
w2 = 0 + −
w2 = −→
w2
Proposición 2
−
→
Sea V un espacio vectorial, 0 ∈ R, 0 ∈ V, entonces
−
→
1. Para todo →
−
v ∈ V, 0−
→
v = 0.
−
→ − →
2. Para todo λ ∈ R, λ 0 = 0 .
3. Para todo →
−
v ∈ V, (−1)−
→
v = −−
→
v.
→
− −
→
4. Si λ→
−
v = 0 entonces λ = 0 o −
→
v = 0.
Prueba.−
5.2. SUBESPACIOS 177
1. Como
0−
→
v + 0−
→
v = (0 + 0)−
→
v = 0−
→
v
entonces por la proposición 1.1
−
→
0−
→
v = 0
2. Como −
−
→ → −→ −
→ −
→
λ0 =λ 0 + 0 =λ0 +λ0
entonces por la proposición 1
−
→ − →
λ0 = 0
3. Como
−
→
0 =0−
→
v = (1 + (−1))−
→
v =−
→
v + (−1)−
→
v
entonces por la proposición 1.2
(−1)−
→
v = −−
→
v
→
−
4. Si λ→
−
v = 0 y λ 6= 0 entonces

→
− −
→ 1 −
→ 1 −
→ 1 −→ → −
v =1v = λ v = (λ v ) = 0 = 0.
λ λ λ

5.2 SUBESPACIOS
Definición 2
Sea hV, +, ·i un espacio vectorial, W ⊂ V tal que hW, +, ·i es un espacio

vectorial, decimos que hW, +, ·i es un subespacio de hV, +, ·i
Ejemplo 9
→o
n−
Sea V un espacio vectorial, entonces V y V−→ =
0
0 , claramente son sube-
spacios, los denominamos subespacios triviales.
Ejemplo 10
Sea W = {(x, y, z)| Ax + By + Cz = 0} es un subespacio de R3 .
Verificación.-
Basta verificar las propiedades (1),(3),(4) y (6) de la definición 1. puesto que

las otras se verifican de manera inmediata por el hecho que W ⊂ R3 , ası́ ten-
emos:
Propiedad 1- Suponemos que (x1 , y1 , z1 ) ∈ W, (x2 , y2 , z2 ) ∈ W,

es decir
Ax1 + By1 + Cz1 = 0 y Ax2 + By2 + Cz2 = 0
y por tanto
(Ax1 + By1 + Cz1 ) + (Ax2 + By2 + Cz2 ) = 0 + 0 = 0
es decir
A (x1 + x2 )+B (y1 + y2 )+C(z1 +z2 ) = (Ax1 + By1 + Cz1 )+(Ax2 + By2 + Cz2 ) = 0
es decir
(x1 + x2 , y1 + y2 , z1 + z2 ) ∈ W
Propiedad 3- Puesto que
A(0) + B(0) + C(0) = 0
entonces
(0, 0, 0) ∈ W
y obviamente para todo (x, y, z) ∈ W,
(x, y, z) + (0, 0, 0) = (0, 0, 0) + (x, y, z) = (x, y, z)
Propiedad 4- Si (x1 , y1 , z1 ) ∈ W entonces
Ax1 + By1 + Cz1 = 0

y en consecuencia
A(−x1 ) + B(−y1 ) + C(−z1 ) = −(Ax1 + By1 + Cz1 ) = −0 = 0
es decir (−x1 , −y1 , −z1 ) ∈ W y claramente
(x1 , y1 , z1 ) + (−x1 , −y1 , −z1 ) = (−x1 , −y1 , z1 ) + (x1 , y1 , z1 ) = (0, 0.0) .
Propiedad 6- Si λ ∈ R y (x1 , y1 , z1 ) ∈ W es decir si λ ∈ R y Ax1 +By1 +Cz1 =

0 entonces
A (λx1 ) + B (λy1 ) + C (λz1 ) = λ (Ax1 + By1 + Cz1 ) = λ 0 = 0,
es decir
(λx1 , λy1 , λz1 ) = λ (x1 , y1 , z1 ) ∈ W.
Si evocamos la identificación geométrica de R3 con el espacio, hemos mostrado

que todo plano que pasa por el origen tiene estructura de subespacio de R3 .
Ejemplo 11
Sea n entero positivo, W = {A ∈ Mn×n (R)| A es simétrica} es un subespacio

de Mn×n (R)
Verificación.-
Nuevamente basta verificar las propiedades (1),(3),(4) y (6) de la definición

1. puesto que las otras se verifican de manera inmediata por el hecho que
W ⊂ Mn×n (R), ası́ tenemos:
Propiedad 1. Si A, B son matrices n × n simétricas, es decir AT = A y

B T = B, entonces
(A + B)T = AT + B T = A + B
es decir (A + B) es una matriz n × n simétrica.

Propiedad 3. Evidentemente la matriz 0n×n es simétrica.
Propiedad 4. Si A es una matriz simétrica n × n, es decir AT = A, entonces
(−A)T = [(−1)A]T = (−1)AT = (−1)A = −A
y claramente
A + (−A) = (−A) + A = 0.

Propiedad 6. Si λ ∈ R y A es una matriz simétrica n × n, (λ A)T = λ AT =
λ A es decir λ A es una matriz simétrica n × n.
Ejemplo 12
Sea AX = 0 un sistema homogéneo de ecuaciones lineales, A ∈ Mn×m (R) y
W = {(a1 , a2 , · · · , am ) ∈ Rm |(a1 , a2 , · · · , am ) es una solución de AX = 0} ,
entonces W es un subespacio de Rm .
Verificación.-
Nuevamente basta verificar las propiedades (1),(3),(4) y (6) de la definición

1. puesto que las otras se verifican de manera inmediata por el hecho que
W ⊂ Rm y la dejamos al lector.
Ejemplo 13
Sea W = {p(x) ∈ P2 [x] |a0 = a1 + a2 + 1} puesto que el polinomio 0 = 0 +

0x + 0x2 ∈
/ W , W no satisface la propiedad 3, en consecuencia W no es un
subespacio de P2 [x] .
Ejemplo 14

Sea W = (x, y) ∈ R2 : xy ≥ 0 ,puesto que (−1, −4) ∈ W, (4, 5) ∈ W y sin
embargo (−1, −4)+(4, 2) = (3, −2) y 3(−2) = −6 < 0 es decir [(−1, −4) + (4, 2)] ∈
/
2
W, en consecuencia W no es un subespacio de R .
Si observamos cada una de las verificaciones en los ejemplos, vemos que para
verificar que un cierto subconjunto de un espacio vectorial, con las mismas
operaciones, tiene estructura de espacio vectorial y por lo tanto es subespacio
basta verificar las propiedades (1),(3),(4) y (6) de la definición 1. en conse-
cuencia enunciamos y probamos el siguiente criterio.
Proposición 3
Sea V un espacio vectorial W ⊂ V , W es un subespacio de V si y solamente

si
1. W 6= φ
2. Para todo →
−
w 1 ∈ W, −
→
w2 ∈ W −
→
w1 + −
→
w2 ∈ W
−→
→
w ∈ W; λw ∈ W.
Prueba.−
Si suponemos W un subespacio de V , la propiedad (1) de la definición 1 es pre-

cisamente la condición (2), la propiedad (6) de la definición 1 es precisamente
la condición (3) y la propiedad (3) de la definición 1 verifı́ca la condición (1).
Recı́procamente, suponemos las condiciones (1),(2),(3) y verificamos la definición

1:
Propiedad 1. Es la condición (2).
Propiedad 2. Se cumple en W puesto que se cumple en V.
−
→
Propiedad 3. Por la condición (1), sea −
→
w ∈ W entonces 0 ∈ V se puede
→
−
expresar como 0 = 0−→
w ∈ W.
Propiedad 4. Para todo −

→
w ∈ W, la condición (3) garantiza que (−1)→
−
w =
−−
→w ∈ W.
Propiedad 6. Es la condición (3).
Obviamente en lo que sigue, cada vez que necesitemos probar que un subcon-
junto W de un espacio vectorial V tiene calidad de subespacio, solo utilizare-
mos el criterio probado en la proposición anterior, además por costumbre, para
−
→
verificar la condición (1) probamos que 0 ∈ W.
Ejemplo 15
Claramente el conjunto P de puntos del espacio que constituyen un plano

que no pasa por el origen no tiene estructura de subespacio de R3 puesto que
→
−
0 ∈/ P.
Ejemplo 16
Sean V = F (x) , W = Fp (x) = {f ∈ F (x) : f es una función par}
1. Claramente la función idénticamente 0, es decir f (x) = 0 para todo

x ∈ R, es tal que f (−x) = f (x) = 0, es decir es una función par.
2. Si f y g son funciones pares entonces,
(f + g) (−x) = f (−x) + g(−x) = f (x) + g(x) = (f + g)(x)
para todo x ∈ R es decir (f + g) es una función par.

3. Si λ ∈ R y f es un función par entonces
(λf ) (−x) = λf (−x) = λf (x) = (λf )(x)
para todo x ∈ R es decir (λf ) es una función par.
En consecuencia Fp (x) es un subespacio de F (x)
Ejemplo 17
Sean V = F (x) , W = C (x) = {f ∈ F (x) : f es una función continua en R}

x ∈ R, es una función continua en R.
2. Si f y g son funciones continuas en R, entonces (f + g) es una función

continua en R.
3. Si λ ∈ R y f es un función continua en R entonces (λf ) es una función

continua en R.
En consecuencia C (x) es un subespacio de F (x) .
Ejemplo 18
Una función f ∈ F (x) , se dice una función polinómica si está definida por
una ecuación de la forma:
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · , an ∈ R, n ∈ Z+ .
Sean V = F (x) , W = P (x) = {f ∈ F (x) : f es una función polinómica} .

x ∈ R, es una función polinómica.
2. Si f y g son funciones polinómicas, es decir
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · an ∈ R, n ∈ Z+ y
g(x) = b0 + b1 x + b2 x2 + · · · + bn xn ,
b0 , b1 , · · · , bn ∈ R, n ∈ Z+ entonces
(f + g)(x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x2 + · · · + (an + bn ) xn
es decir (f + g) es una función polinómica.
3. Si λ ∈ R y f una función polinómica entonces
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · , an ∈ R, n ∈ Z+ y

λf (x) = λ a0 + a1 x + a2 x2 + · · · + an xn = λa0 +λa1 x+λa2 x2 +· · ·+λan xn
es decir λf es una función polinómica.
En consecuencia P (x) es un subespacio de F (x) .
Ejemplo 19
Sea W = {(x, y, z) | x ≥ 0, y ≥ 0, z ≥ 0} ⊂ R3
→
−
1. Obviamente 0 ∈ W .
2. Además si (x1 , y1 , z1 ) ∈ W y (x2 , y2 , z2 ) ∈ W es claro que
(x1 , y1 , z1 ) + (x2 , y2 , z2 ) ∈ W,
sin embargo si (x1 , y1 , z1 ) ∈ W es claro que
(−1)(x1 , y1 , z1 ) = (−x1 , −y1 , −z1 ) ∈

/ W,
en consecuencia W no es un subespacio de R3 .
Ejemplo 20
Consideremos un sistema homogéneo de ecuaciones lineales AX = 0, donde

A ∈ M (m, n), el conjunto S = {B ∈ M (n, 1) | AB = 0 } es un subespacio de
M (n, 1) denominado el espacio de soluciones del sistema.
1. Claramente 0n×1 ∈ S.
2. Si B, C ∈ M (n, 1) son tales que AB = 0 y AC = 0 entonces
A(B + C) = 0.
3. Si λ ∈ R, B ∈ M (n, 1) son tales que AB = 0 entonces
A (λB) = λ(AB) = 0
En consecuencia S es un subespacio.
Proposición 4
Sea V un espacio vectorial, W1 y W2 subespacios de V entonces W1 ∩ W2 es

un subespacio de V.
Prueba.−
→
− −
→ −
→
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 ∈ W1 ∩ W2 .
2. Suponemos − →
w 1 ∈ W1 ∩ W2 , −
→
w 2 ∈ W1 ∩ W2 entonces − →
w 1 ∈ W1 , → −
w2 ∈
−
→ −
→
W1 y puesto que W1 es subespacio entonces w 1 + w 2 ∈ W1 ; de la misma
forma −
→w 1 ∈ W2 , −→
w 2 ∈ W2 y puesto que W2 es subespacio entonces
−
→
w 1 + w 2 ∈ W2 en consecuencia −
→
− →
w1 + −→
w 2 ∈ W1 ∩ W2 .
3. Suponemos λ ∈ R, −
→
w ∈ W1 ∩ W2 entonces puesto que W1 es subespacio
→
−
entonces λ w ∈ W1 ; de la misma forma puesto que W2 es subespacio
entonces λ−
→
w ∈ W2 y en consecuencia λ−→
w ∈ W1 ∩ W2 .
Proposición 5
Sea V un espacio vectorial, W1 y W2 subespacios de V , sea
W1 ⊕ W2 = {−
→
v ∈V :v=−
→
w1 + −
→
w 2 para −
→
w 1 ∈ W1 , →
−
w 2 ∈ W2 }
entonces W1 ⊕ W2 es un subespacio de V .
Prueba.−
→
− −
→ −
→ − → −→
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 = 0 + 0 ∈ W1 ⊕W2 .
2. Suponemos −→v 1 ∈ W1 ⊕ W2 , −
→
v 2 ∈ W1 ⊕ W2 entonces − →
v1=→ −
w1 + →−
w2
con w 1 ∈ W1 , −
→
− →
w 2 ∈ W2 y −
→ −
→ ′ −
→ ′ −
→ ′ →
− ′
v 2 = w 1 + w 2 con w 1 ∈ W1 , w 2 ∈ W2
en consecuencia,
→
(−
→
v1+−
→
v 2 ) = (−
→ w 2 )+ −
w1 + −
→ →
w ′1 + −
→
w ′2 = −
→
w1 + −
→
w ′1 + −
w2 + →
−
w ′2 ∈ W1 ⊕W2 .
3. Suponemos λ ∈ R, v ∈ W1 ⊕W2 entonces v = w1 +w2 con w1 ∈ W1 , w2 ∈

W2 y en consecuencia
λv = λ (w1 + w2 ) = λw1 + λw2 ∈ W1 ⊕ W2
Definición 3
Sea V un espacio vectorial, −

→
v 1, −
→
v 2, · · · , −
→
v n vectores de V y λ1 , λ2 , · · · , λn ∈ R
y sea
k=n
X
−
→
w = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn= λk −
→
vk
k=1
decimos que →
−
w es una combinación lineal de {−
→
v 1, →
−
v 2, · · · , −
→
v n }.
Ejemplo 21
Sea V un espacio vectorial, −

→
v 1, −
→
v 2, · · · , −
→
v n vectores de V, puesto que
−
→
0 = 0−
→
v 1 + 0−
→
v 2 + · · · + 0−
→
vn
→
−
afirmamos que 0 es combinación lineal de {−
→
v 1, −
→
v 2, · · · , →
−
v n }.
Ejemplo 22
Sea V = R2 y puesto que
(0, 0) = (2)(3, 4) + (−1)(6, 8)
afirmamos que (0, 0) es combinación lineal de los vectores {(3, 4), (6, 8)}
Ejemplo 23
Sea V = M2×2 (R) puesto que

! ! !
0 −1 0 −1 0 0
= (1) + (4) ,
1 4 1 0 0 1
podemos afirmar que !

0 −1
1 4
( ! !)
0 −1 0 0
es combinación lineal de , .
1 0 0 1
Ejemplo 24

! ! ! !
0 −1 0 1 0 0 0 0
= (−1) + (1) + (4) ,
1 4 0 0 1 0 0 1
podemos afirmar que !

0 −1
1 4
( ! ! !)
0 1 0 0 0 0
es combinación lineal de , ,
0 0 1 0 0 1
Ejemplo 25
! ! ! !
1 3 −2 1 0 0 0 0 1 0 1 0
= (1) + (−2) + (3) ,
0 1 2 0 1 0 0 0 −1 0 0 0
podemos afirmar que

!
1 3 −2
0 1 2
( ! ! !)
1 0 0 0 0 1 0 1 0
es una combinación lineal de , , .
0 1 0 0 0 −1 0 0 0
Ejemplo 26
Sea V = R3 . Observe que
(3, 2, 1) = (−1)(1, 2, 3) + (4)(0, −1, 2) + (4)(1, 2, −1) + (0)(5, 0, 1)
y que
(3, 2, 1) = (6)(1, 2, 3) + (−16)(0, −1, 2) + (−13)(1, 2, −1) + (2)(5, 0, 1)
y que además,
5 9
(3, 2, 1) = ( )(1, 2, 3) + (−6)(0, −1, 2) + (− )(1, 2, −1) + (1)(5, 0, 1)
2 2
es decir, (3, 2, 1) ha sido escrito como combinación lineal de
{(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)}
de varias formas diferentes. ¿Puede el lector encontrar otra?
Proposición 6
Sea V un espacio vectorial, W 6= ∅, W ⊂ V y sea L(W ) = {−

→
v ∈V :→
−
v es una combinación lineal de vecto
entonces L(W ) es un subespacio de V.
Prueba.−
−
→
1. Sea →
−
w ∈ W entonces 0 = 0−
→
w ∈ L(W ).
2. Suponemos −→v ∈ L(W ), −

→
v ′ ∈ L(W ), entonces existen −
→
w 1, →
−
w 2, · · · , →
−
wn ∈
W tales que
k=n
X
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = λk −
→
wk
k=1
y
k=n
X
−
→
v ′ = µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn −
→
wn = µk −
→
wk
k=1
para algunos λ1 , λ2 , · · · , λn ∈ R y µ1 , µ2 , · · · , µn ∈ R entonces,
−
→
v +−
→
v ′ = (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ) + (µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn →
−
w n)
= (λ + µ ) −
1
→
w + (λ + µ ) −
1 1 2
→w + · · · + (λ + µ ) →
2 2 n
−
w n n
k=n
X
= (λk + µk ) −
→
w k ∈ L(W )
k=1
3. Suponemos λ ∈ R, −
→
v ∈ L(W ) entonces existen −
→
w 1, −
→
w 2, · · · , →
−
wn ∈ W
tales que
k=n
X
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = λk −
→
wk
k=1
y en consecuencia
λ−
→
v = λ (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n)
k=n
X
= λ (λk −
→
w k)
k=1
k=n
X
= (λλk ) −
→
w k ∈ L(W )
k=1
Definición 4
Sea V un espacio vectorial, W 6= φ, W ⊂ V , el subespacio L(W ) se denomina

el subespacio de V generado por W o también la envolvente lineal de W.
Definición 5
Sea V un espacio vectorial, W = φ, definimos el subespacio L(φ) = {0} .
Notación.- L(W ) también se nota como Gen [W ] o [W ] o hW i.
Ejemplo 27
Sea W = {(1, 2)} ⊂ R2 entonces

L(W ) = (x, y) ∈ R2 : (x, y) = λ(1, 2)

= (x, y) ∈ R2 : x = λ y y = 2λ, λ ∈ R

= (x, y) ∈ R2 | y = 2x
Si recordamos la interpretación geométrica de R2 , el ejemplo muestra que

L ({(1, 2)}) es precisamente la recta determinada por los puntos (0, 0) y (1, 2).
Ejemplo 28
Sea W = {(1, 2, 3)} ⊂ R3 entonces

L(W ) = (x, y, z) ∈ R3 : (x, y, z) = λ(1, 2, 3)

= (x, y, z) ∈ R3 : x = λ, y = 2λ y z = 3λ, λ ∈ R
Si recordamos la interpretación geométrica de R3 y la descripción paramétrica

de una recta en el espacio, el ejemplo muestra que L ({(1, 2, 3)}) es precisa-
mente la recta que pasa por el origen y el punto A = (1, 2, 3).
Ejemplo 29
Sea W = {(1, 2, 3) , (4, 5, 6)} ⊂ R3 entonces

L(W ) = (x, y, z) ∈ R3 : (x, y, z) = λ(1, 2, 3) + µ(4, 5, 6), λ, µ ∈ R

= (x, y, z) ∈ R3 : x = λ + 4µ, y = 2λ + 5µ y z = 3λ + 6µ, λ, µ ∈ R .
Si recordamos la interpretación geométrica de R3 y la descripción paramétrica

de un plano en el espacio, el ejemplo muestra que L ({(1, 2, 3), (4, 5, 6)}) es pre-
cisamente el plano determinado por los puntos O = (0, 0, 0), A = (1, 2, 3), B =
(4, 5, 6); además, si resolvemos el sistema


λ + 4µ = x

2λ + 5µ = y



3λ + 6µ = z
para las incógnitas λ, µ obtenemos también
L ({(1, 2, 3), (4, 5, 6)}) = {(x, y, z)| x − 2y + z = 0} ,
que es la descripción cartesiana del mismo plano.

Ejemplo 30
Sea
n →
− −
→ −
→ → −
→ −
→ →o
−
W = →−
w 1 = a 1 i + b1 j + c 1 k , −
w 2 = a2 i + b2 j + c2 k ⊂ R3 ,
−
→ → −
→ → →
con a1 , a2 , b1 , b2 , c1 , c2 ∈ R y −
→
w 1 6= 0 , −
w 2 6= 0 y −
w 1, −
w 2 no paralelos en-
tonces,
L(W ) = {−
→v : −
→
v = λ−→
w 1 + µ−
→
w 2 , λ, µ ∈ R}
n −
→ −
→ −o
→
= − →
v : →
−v = (λa1 + µa2 ) i + (λb1 + µb2 ) j + (λc1 + µc2 ) k
Ahora, haciendo x = λa1 + µa2 , y = λb1 + µb2 , z = λc1 + µc2 , λ, µ ∈ R

n −
→ −
→ −
→ o
L(W ) = − →
v : −
→
v = x i + y j + z k , λ, µ ∈ R
Ahora, si resolvemos el sistema



 a1 λ + a2 µ = x

b1 λ + b2 µ = y ,



c1 λ + c2 µ = z
para las incógnitas λ, µ obtenemos
→
− −
→ −
→
L(W ) = {−
→
v = x i + y j + z k : (b1 c2 − c1 b2 ) x+
(c1 a2 − a1 c2 ) y + (a1 b2 − b1 a2 ) z = 0}
es decir, L (W ) es el plano que pasa por el origen y tiene como vector normal
→ −
−
a N =→ w1 × −→
w 2.
Ejemplo 31
Sean V = R3 y W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} entonces
L(W ) = R3
Verificación.-
Basta observar que todo vector (a, b, c) ∈ R3 se escribe en la forma
(a, b, c) = λ1 (1, 2, 3) + λ2 (0, −1, 2) + λ3 (1, 2, −1) + λ4 (5, 0, 1),

es decir basta probar que el sistema de ecuaciones lineales


λ1 + 0λ2 + λ3 + 5λ4
 =a
2λ1 − λ2 + 2λ3 + 0λ4 = b



3λ1 + 2λ2 − λ3 + λ4 =c
tiene solución para todo valor real de a, b y c.
En efecto la matriz aumentada del sistema es

 
1 0 1 5 a
 
 2 −1 2 0 b 

3 2 −1 1 c
cuya forma escalonada reducida es
 
1 0 0 − 72 1
− 43 a + 14 c
2b
 
 0 1 0 10 2a − b 

0 0 1 17 7 1 1
2 4a − 2b − 4c
es decir la incógnita λ4 es libre y para cada escogencia de a, b y c, el sistema

correspondiente tiene infinitas soluciones.
Proposición 7
Sea V un espacio vectorial, W ⊂ V entonces L(W ) es el menor subespacio de

V que contiene a W.
Prueba.−
→o
n−
Si W = φ entonces L (W ) = L (φ) = 0 . Por otro lado, si W 6= φ, es
evidente que L(W ) es un subespacio de V que contiene a W .
Además si U es un subespacio de V que contiene a W y −

→
v ∈ L(W ) entonces
k=n
X
−
→
v = λk −
→
wk
k=1
con →
−
w k ∈ W, para todo 1 ≤ k ≤ n y en consecuencia −
→
v ∈ U es decir
L(W ) ⊂ U.
5.3 SISTEMAS DE GENERADORES

Definición 6
Sea V un espacio vectorial, W ⊂ V, W 6= φ, si L(W ) = V decimos que W es

un sistema de generadores de V o simplemente que W genera V.
Claramente, decir que W es un sistema de generadores de V significa que todo

vector →
−
v ∈ V es una combinación lineal de vectores de W.
Ejemplo 32
El ejemplo 31 prueba que W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} es un
sistema de generadores de R3 .
Ejemplo 33 ( ! ! ! !)
1 0 0 1 0 0 0 0
Sean V = M2×2 (R) y W = , , ,
0 0 0 0 1 0 0 1
entonces W es un sistema de generadores de V
Verificación.-
Basta observar que, para todo valor de a, b, c, d ∈ R,
5.3. SISTEMAS DE GENERADORES 195
! ! ! ! !
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
Ejemplo 34
Puesto que ya mostramos que L ({(1, 2, 3), (4, 5, 6)}) = {(x, y, z)| x − 2y + z = 0} =
6
3
R ,afirmamos que W = {(1, 2, 3), (4, 5, 6)} no es un sistema de generadores de
R3 .
Ejemplo 35

Sean V = P3 [x] y W = p0 (x) = 1, p1 (x) = x, p2 (x) = x2 . Es inmediato
verificar que q(x) = x3 ∈
/ L(W ) en consecuencia podemos afirmar que W no
es un sistema de generadores de V.
Ejemplo 36
Sea W = {(1, 2, 3) , (1, 0, 2) , (0, 1, −1)} ⊂ R3 , ¿Cómo decidir si W es o nó un

sistema de generadores de R3 ?
Basta responder la pregunta ¿Para todo (a, b, c) ∈ R3 existen escalares λ, µ, γ
tales que
(a, b, c) = λ (1, 2, 3) + µ (1, 0, 2) + γ (0, 1, −1)?
Pregunta equivalente a
¿Para todo a, b, c ∈ R el sistema de ecuaciones



 λ+µ=a
2λ + γ = b


3λ + 2µ − γ = c
tiene solución para las incógnitas λ, µ, γ?

Para responder, miramos la matriz aumentada del sistema

 
1 1 0 a
 
 2 0 1 b 

3 2 −1 c
y al reducir por filas obtenemos

 
1 0 0 1
3b −
2
3a + 13 c
 5 1 
 0 1 0 3a − 3b − 13 c 

0 0 1 4
3a +
1
3b − 23 c
en consecuencia la respuesta es, sı́ porque
1 2 1 5 1 1 4 1 2
λ = b − a + c, µ = a − b − c, γ = a+ b− c
3 3 3 3 3 3 3 3 3
Afirmamos entonces que W = {(1, 2, 3) , (1, 0, 2) , (0, 1, −1)} es un sistema de
generadores de R3 .
Ejemplo 37
Sean
( ! ! !)
1 2 0 1 −2 0
V = M2×2 (R) y W = , ,
−1 0 1 1 1 −1
¿Cómo decidir si W es o nó un sistema de generadores de M2×2 (R)?
Es suficiente responder
! la pregunta:
a b
¿Para todo ∈ M2×2 (R) existen escalares λ1 , λ2 , λ3 , tales que
c d
! ! ! !
a b 1 2 0 1 −2 0
= λ1 + λ2 + λ3 ?
c d −1 0 1 1 1 −1
Pregunta equivalente a:
¿Para todo a, b, c, d ∈ R el sistema de ecuaciones



 λ1 − 2λ3 = a

 2λ1 + λ2 = b

 −λ1 + λ2 + λ3 = c


λ2 − λ3 = d
tiene solución para las incógnitas λ1 , λ2 , λ3 ?
Para responder, miramos la matriz aumentada del sistema

 
1 0 −2 a
 2 1 0 b 
 
 
 −1 1 1 c 
0 1 −1 d
y al reducir por filas obtenemos
 
1 0 −2 a
 0 1 4 b − 2a 
 
 
 0 0 −5 c − b + 3a 
0 0 0 a+c−d
en consecuencia la respuesta es NO, basta por ejemplo observar que cualquier
escogencia de a, b, c, d que no satisfaga la condición a + c − d = 0, nos muestra
un vector A ∈ M2×2 (R) que no puede ser escrito como combinación lineal de
vectores de W, por ejemplo si a = c = d = 1, b = 5 obtenemos
!
1 5
A= ∈ M2×2 (R),
1 1
tal que A ∈
/ L(W ) pues obviamente el sistema cuya matriz aumentada es
 
1 0 −2 1
 0 1 4 −1 
 
 
 0
0 −5 −1 

0 0 0 1
no tiene solución.
En consecuencia afirmamos que
( ! ! !)
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
no es un sistema de generadores de V = M2×2 (R).
Ejemplo 38
Consideremos el sistema homogéneo de ecuaciones



x + 2y − 5v
 =0
z + 4v =0 (5.1)



w − 4v =0
reescrito como 

x + 2y + 0z + 0w − 5v = 0

0x + 0y + z + 0w + 4v = 0



0x + 0y + 0z + w − 4v = 0
cuya matriz de coeficientes es
 
1 2 0 0 −5 −5
 
A =  0 0 1 0 4 4 ,

0 0 0 1 −4 −4
que
es una matriz escalonada reducida, los pivotes aparecen en las columnas 1,3,4
en consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v son libres.
Al despejar las incógnitas ligadas en términos de las libres obtenemos:



cx = −2y + 5v

z = −4v



w = 4v
y para cada asignación y = a, v = b obtenemos la solución:


 x = −2a + 5b





y
 =a
z = −4b .





 w = 4b


v =b
o
 
2a + 5b
 
 a 
 
X=
 −4b ,

 
 4b 
b
a, b ∈ R
es decir
  
 
 2a + 5b

 




 

a 




W =  −4b  , a, b ∈ R
  

   


  4b  


 

b
es el subespacio de M (5, 1) de soluciones del sistema y es fácil verificar que
     
2a + 5b 2 5
     
 a   1   0 
     
 −4b  = a 0  + b −4 
     
     
 4b   0   4 
b 0 1
en consecuencia podemos afirmar que

   

 2 5 


    


 

1  
 
0 

B=  0 ,
  −4 


    

 0   4 


 

 0 1 
es un sistema de generadores del espacio de soluciones del sistema (5.1)
Aun cuando la decisión sobre si un conjunto es o no es un sistema de gen-

eradores de un cierto espacio vectorial exige una prueba especı́fica para cada
caso, hay algunas afirmaciones generales al respecto.
Proposición 8
Sean V un espacio vectorial, W ⊂ S ⊂ V, W 6= ∅, si W es un sistema de

generadores de V. entonces S es un sistema de generadores de V.
Prueba.−
Decir que W es un sistema de generadores de V significa que para todo →

−
v ∈V
→
− →
−
existen w 1 , · · · , w n ∈ W tales que
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn
y por la hipótesis →
−
w 1, · · · , →
−
w n ∈ S es decir
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ∈ L(S)
por tanto V ⊂ L(S) y en consecuencia V = L(S).
Proposición 9
Si W = {−
→
w 1, −
→
w 2 } ⊂ R3 , entonces W no es un sistema de generadores de R3
Prueba.−
Suponemos −
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ) ∈ R3 , un vector arbi-
trario
−
→v = (A, B, C) ∈ R3
es una combinación lineal de {−

→
w 1, −
→
w 2 } si y solo si existen escalares λ, µ ∈ R
tales que
−
→
v = λ−
→
w 1 + µ−
→
w 2 = λ(a11 , a21 , a31 ) + µ(a12 , a22 , a32 )
es decir si y solo si el sistema de ecuaciones lineales



λa11 + µa12 = A

λa21 + µa22 = B



λa31 + µa32 = C
tiene solución para las incógnitas λ, µ; pero como la matriz de coeficientes de

este sistema es tamaño 3 × 2, su forma escalonada reducida tiene por lo menos
una fila de ceros y en consecuencia existe una escogencia de A, B, C para la
cual el sistema es inconsistente, es decir existe por lo menos un vector de R3
que no puede ser escrito como combinación lineal de {− →
w 1, →
−
w 2} .
Proposición 10
En Rn todo conjunto finito con k < n elementos no es un sistema de gener-

adores de Rn .
Prueba.−
Suponemos − →
w 1 = (a11 , · · · , a1n ), · · · , −
→
w k = (ak1 , · · · , akn ) ∈ Rn , un vector
arbitrario −→
v = (A1 , · · · , An ) ∈ Rn es una combinación lineal de {→ −
w 1, · · · , →
−
w k}
si y solo si existen escalares λ1 , · · · , λk ∈ R tales que
−
→
v = λ1 −
→
w 1 + · · · + λk −
→
w k = λ1 (a11 , · · · , an1 ) + · · · + λk (a1k , · · · , ank )
es decir si y solo si el sistema de ecuaciones lineales



 λ1 a11 + · · · + λk a1k = A1


 λ1 a21 + · · · + λk a2k = A2
 ..

 .


λ1 an1 + · · · + λk ank = An
tiene solución para las incógnitas λ1 , · · · , λk , pero como la matriz de coe-

ficientes de este sistema es tamaño n × k, con k < n, su forma escalonada
reducida tiene por lo menos una fila de ceros y en consecuencia existe una
escogencia de A1 , · · · , An para la cual el sistema es inconsistente, es decir ex-
iste por lo menos un vector de Rn que no puede ser escrito como combinación
lineal de {−
→w 1, · · · , −
→
w k} .
Proposición 11
El conjunto W = {p0 (x) = 1, p1 (x) = x, · · · , pn (x) = xn , · · · n ∈ Z+ } es un

sistema de generadores de P [x] .
Prueba.−
Basta observar que si
q(x) = a0 + a1 x + a2 x2 + · · · + an xn
entonces
q(x) = a0 p0 (x) + a1 p1 (x) + a2 p2 (x) + · · · + an pn (x)
es decir P [x] ⊂ L(W ) y por lo tanto
P [x] = L(W ).

5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 203
Proposición 12
El espacio vectorial
V = P [x] = {p(x) | p(x) es un polinomio con coeficientes reales}
no tiene un sistema de generadores con un número finito de elementos.
Prueba.−
Sea W = {p0 (x), p1 (x), · · · , pk (x)} un subconjunto de P [x] con un número

finito de elementos y sea
m = max {grad(p0 (x)), grad(p1 (x)), · · · , grad(pk (x))}
es claro que el polinomio q(x) = xm+1 ∈/ L(W ), es decir hay por lo menos
un vector de q(x) ∈ V que no puede ser escrito como combinación lineal de
vectores de W. Puesto que W es cualquier subconjunto finito de V , se tiene la
conclusión.
5.4 DEPENDENCIA E INDEPENDENCIA LIN-

EAL
Definición 7
Sea V un espacio vectorial −

→
v 1, →
−
v 2, · · · , −
→
v n vectores de V si
−
→
0 = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn
decimos que la combinación lineal es una combinación lineal nula.
Definición 8
Sea V un espacio vectorial, W ⊂ V decimos que W es un conjunto de vectores

linealmente dependientes si existe una combinación lineal nula de vectores de
W donde no todos los escalares que aparecen como coeficientes son cero, es
decir, si existen −
→
w 1, −
→
w 2, · · · , →
−
w n ∈ W y escalares λ1 , λ2 , · · · , λn no todos cero
y tales que
−
→
λ1 −
→w 1 + λ2 − →w 2 + · · · + λn −
→
wn = 0
Ejemplo 39
Puesto que
(2)(3, 4) + (−1)(6, 8) = (0, 0)
el conjunto W = {(3, 4), (6, 8)} es un conjunto de vectores linealmente depen-

dientes.
Ejemplo 40
Puesto que
(−3)(1, 0, 3) + (1)(2, −1, 0) + (8)(0, 0, 1) + (1)(1, 1, 1) = (0, 0, 0)
el conjunto
W = {(1, 0, 3), (2, −1, 0), (0, 0, 1), (1, 1, 1)}
es un conjunto de vectores linealmente dependientes de R3
Ejemplo 41
Sean V = M2×2 (R) y

( ! ! !)
1 2 0 1 3 4
W = , ,
−1 0 1 1 −5 −2
¿Cómo decidir si W es o nó un conjunto de vectores linealmente dependientes

de M2×2 (R)?
Es suficiente responder la pregunta: ¿Existen escalares λ1 , λ2 , λ3 , no todos
cero y tales que:
! ! ! !
0 0 1 2 0 1 3 4
= λ1 + λ2 + λ3 ?
0 0 −1 0 1 1 −5 −2
Esta pregunta equivalente a:

¿El sistema homogéneo de ecuaciones


 λ1 + 3λ3 =0



2λ + λ + 4λ
1 2 3 =0

 −λ1 + λ2 − 5λ3 =0




λ2 − 2λ3 =0
tiene solución diferente de la trivial para las incógnitas λ1 , λ2 , λ3 ?

Para responder, observamos que la matriz de coeficientes del sistema y su re-
ducción por filas son respectivamente:
   
1 0 3 1 0 3
 2 1 4   0 1 −2 
   
  −→  
 −1 1 −5   0 0 0 
0 1 −2 0 0 0
en consecuencia la respuesta es sı́, puesto que el sistema tiene infinitas solu-

ciones debido a que la incógnita λ3 es libre.
Si asignamos λ3 = 1 obtenemos λ1 = −3, λ2 = 2 y es fácil verificar que
! ! ! !
1 2 0 1 3 4 0 0
(−3) + (2) + (1) =
−1 0 1 1 −5 −2 0 0
Afirmamos entonces que

( ! ! !)
1 2 0 1 3 4
W = , ,
−1 0 1 1 −5 −2
es un conjunto de vectores linealmente dependiente de M2×2 (R).

Ejemplo 42
Para saber si

1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
es un conjunto de vectores linealmente dependientes de M2×2 (R), se debe saber

si existen escalares λ1 , λ2 , λ3 , no todos cero, tales que:
! ! ! !
0 0 1 2 0 1 −2 0
= λ1 + λ2 + λ3
0 0 −1 0 1 1 1 −1
Lo cual equivale a saber si el sistema homogéneo de ecuaciones:



 λ1 − 2λ3 =0



2λ + λ
1 2 =0

−λ1 + λ2 + λ3 =0




λ2 − λ3 =0
tiene solución diferente de la trivial para las incógnitas λ1 , λ2 , λ3 .

Para saber esto, se reduce por filas la matriz de coeficientes del sistema:
   
1 0 −2 1 0 0
 2 1 0   
  0 1 0 
  −→  
 −1 1 1   0 0 1 
0 1 −1 0 0 0
en consecuencia la respuesta es no, ya que el sistema tiene una única solución

que es la trivial, vale decir λ1 = λ2 = λ3 = 0. Por esta razón afirmamos,
entonces, que:
( ! ! !)
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
no es un conjunto de vectores linealmente dependientes de M2×2 (R).

Observación.
Si miramos los ejemplos (41) y (42) observamos que los vectores

1 2 0 1
y
−1 0 1 1
pertenecen en un caso a un conjunto de vectores linealmente dependientes y

en el otro pertenecen a un conjunto de vectores que no es un conjunto de
vectores linealmente dependientes, es decir la propiedad de dependencia lineal
es global del conjunto y no individual de sus elementos.
Proposición 13
−
→
Sean V un espacio vectorial, W ⊂ V . Si 0 ∈ W entonces W es un conjunto
de vectores L.D.
Prueba.−
−
→ − →
Basta observar que la combinación lineal 1. 0 = 0 es una combinación lineal
nula y claramente 1 6= 0.
Proposición 14
Sea V un espacio vectorial, W ⊂ S ⊂ V , si W es un conjunto de vectores

linealmente dependientes entonces S también lo es.
Prueba.−
Si W es un conjunto de vectores linealmente dependientes, existen →

−
w 1, →
−
w 2, · · · , →
−
wn ∈
W y escalares λ1 , λ2 , · · · , λn no todos cero tales que
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0
y como W ⊂ S, se tiene que − →

w 1, −
→
w 2, · · · , −
→
w n ∈ S es decir S es un conjunto
de vectores linealmente dependientes.
Proposición 15
Sea V un espacio vectorial, W ⊂ V un conjunto de vectores linealmente

dependientes entonces existe por lo menos un vector − →
w ∈ W que puede ser
escrito como combinación lineal otros vectores de W.
Prueba.−
Si W es un conjunto de vectores linealmente dependientes entonces existe una

combinación lineal nula de vectores de W,
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0
tal que por lo menos uno de los λ′ s es diferente de cero, sin perder generalidad,
podemos asumir que λ1 6= 0 y en consecuencia

→
− λ2 − → λ3 − → λn − →
w1 = − w2 + − w2 + ··· + − w n,
λ1 λ1 λ1
es decir →
−
w 1 ha sido escrito como combinación lineal de {−
→
w 2, · · · , →
−
w n} .
Definición 9
Sea V un espacio vectorial, W ⊂ V, decimos que W es un conjunto de vectores

linealmente independientes si W no es un conjunto de vectores linealmente
dependientes.
Proposición 16
Sea V un espacio vectorial, W ⊂ V , W es un conjunto de vectores linealmente

independientes si para toda combinación lineal
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0
con →
−
w 1, −
→
w 2, · · · , −
→
w n ∈ W, necesariamente
λ1 = λ2 = · · · = λn = 0
Prueba.−
−
→
Sea λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n = 0 una combinación lineal nula de vectores
de W, si λk 6= 0 para algún valor o valores de k, W es un conjunto de vectores
linealmente dependientes en consecuencia λ1 = λ2 = · · · = λn = 0.
Ejemplo 43
Sea V = R4 ,
W = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
es un conjunto de vectores linealmente independientes.
Verificación.-
Suponemos
λ1 (1, 0, 0, 0) + λ2 (0, 1, 0, 0) + λ3 (0, 0, 1, 0) + λ4 (0, 0, 0, 1) = (0, 0, 0, 0)
entonces
(λ1 , λ2 , λ3 , λ4 ) = (0, 0, 0, 0)
por tanto λ1 = 0, λ2 = 0, λ3 = 0, λ4 = 0.
Ejemplo 44
V = R3 , W = {(1, 2, 3), (4, 5, 6), (1, 0, 1)} ¿Cómo decidir si W es o nó un con-
junto de vectores linealmente independientes?
Basta tomar una combinación lineal nula de los vectores de W y probar que
los escalares que en ella aparecen como coeficientes, deben ser cero.
Es decir, suponemos
λ(1, 2, 3) + µ(4, 5, 6) + γ(1, 0, 1) = (0, 0, 0)
que es equivalente a:
(λ + 4µ + γ, 2λ + 5µ+, 3λ + 6µ + γ) = (0, 0, 0).
En consecuencia, encontrar los posibles valores de λ, µ, γ, equivale a resolver

el sistema homogéneo


λ + 4µ + γ
 =0
2λ + 5µ =0,



3λ + 6µ + γ = 0
cuya matriz de coeficientes y su forma escalonada reducida son respectiva-

mente:
   
1 4 1 1 0 0
   
 2 5 0  −→  0 1 0  ,
3 6 1 0 0 1
por lo tanto la única solución del sistema es la trivial λ = µ = γ = 0.
Afirmamos entonces que W es un conjunto de vectores linealmente indepen-

dientes.
Ejemplo 45
Sea V = P [x].
n o
W = qk (x) | qk (x) = xk , k = 0, 1, 2, · · · , n; n ∈ N
es un conjunto de vectores linealmente independientes-
Verificación.-
Una combinación lineal nula de los vectores de W es: λ0 q0 (x) + λ1 q1 (x) +

λ2 q2 (x) + · · · + λn qn (x) = 0(x) es decir λ0 + λ1 x + λ2 x2 + · · · + λn xn = 0 para
todo x ∈ R y en consecuencia λ0 = λ1 = λ2 = · · · = λn = 0
Ejemplo 46
Sea V = M2×2 (R). En el ejemplo 41 se mostró que

1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
Ejemplo 47
Consideremos V = R3 y
Wa = {(1, 1, 0), (0, 1, 1), (0, 1, a), a ∈ R fijo}
¿Para qué valores de a el conjunto Wa es un conjunto de vectores linealmente

independientes?
Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir
λ(1, 1, 0) + µ(0, 1, 1) + γ(0, 1, a) = (0, 0, 0)
y averiguar los posibles valores de λ, µ, γ.
Wa es un conjunto de vectores linealmente independientes para todos aquellos

valores de a para los cuales el sistema homogeneo:


λ + 0µ + 0γ
 =0
λ+µ+γ =0



0λ + µ + aγ =0
tiene como única solución la trivial λ = µ = γ = 0 y puesto que la matriz de

coeficientes del sistema y su forma escalonada son respectivamente:
   
1 0 0 1 0 0
   
 1 0 1  −→  0 1 a 
0 1 a 0 0 1
la única solución del sistema es la trivial, independientemente del valor de a;
es decir, para todo a ∈ R, Wa es un conjunto de vectores linealmente indepen-
dientes.
Ejemplo 48
Consideremos V = R3 y
Wa = {(1, 1, 0), (0, 1, 1), (1, 0, 1), (2, −1, a), a ∈ R fijo}

independientes?
Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir:
λ(1, 1, 0) + µ(0, 1, 1) + γ(1, 0, 1) + ζ(2, −1, a) = (0, 0, 0)

y averiguar los posibles valores de λ, µ, γ, ζ; es decir, Wa es un conjunto de
vectores linealmente independientes para todos aquellos valores de a para los
cuales el sistema homogéneo:


λ + 0µ + γ + 2ζ = 0

λ + µ + 0γ − ζ = 0



0λ + µ + γ + aζ = 0
tiene como única solución la trivial λ = µ = γ = ζ = 0. Puesto que la matriz
de coeficientes del sistema y su forma escalonada reducida son respectivamente:
   
1 0 1 2 1 0 0 12 − 21 a
   
 1 1 0 −1  −→  0 1 0 12 a − 32 
0 1 1 a 0 0 1 21 a + 32
la incógnita ζ es libre y por tanto el sistema tiene infinitas soluciones; es

decir, no existe a ∈ R, tal que Wa sea un conjunto de vectores linealmente
independientes.
Ejemplo 49
Consideremos V = R3 y Wa = {(1, 1, 0), (0, 1, 1), (2, −1, a), a ∈ R fijo}

independientes?
Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir:
λ(1, 1, 0) + µ(01, 1) + γ(2, −1, a) = (0, 0, 0)
y averiguar los posibles valores de λ, µ, γ.
Wa es un conjunto de vectores linealmente independientes para todos aquellos

valores de a para los cuales el sistema homogéneo:


λ + 0µ + 2γ
 =0
λ+µ−γ =0



0λ + µ + aγ =0
tiene como única solución la trivial λ = µ = γ = 0 y puesto que la matriz de
coeficientes del sistema y su forma escalonada son respectivamente:
   
1 0 2 1 0 2
   
 1 1 −1  −→  0 1 −3  ,
0 1 a 0 0 a+3
entonces, si a 6= −3 la forma escalonada reducida es:
 
1 0 0
 
 0 1 0 ,
0 0 1
y el sistema tiene como única solución la trivial. De otra parte si a = −3 la

forma escalonada reducida es:
 
1 0 2
 
 0 1 −3 
0 0 0
y el sistema tiene una variable libre; es decir tiene muchas soluciones, en par-
ticular una no trivial.
Por tanto Wa es un conjunto de vectores linealmente independientes si y solo

si a 6= −3.
Ejemplo 50
Consideramos nuevamente el sistema homogéneo de ecuaciones lineales:



x + 2y − 5v
 =0
z + 4v =0


w − 4v =0
del ejemplo 38. Es inmediato verificar que el conjunto

   

 2 5 


    

 1   0 
   
B=  0 , −4 

    

 0   4 


 

0 1
Notación.-
En adelante escribiremos L.I. y L.D. para denotar “Linealmente Independi-

entes” y “Linealmente dependientes” respectivamente.
Proposición 17
Sean V un espacio vectorial, U ⊂ W ⊂ V. Si W es un conjunto de vectores

L.I. entonces U es un conjunto de vectores L.I.
Prueba.−
Sea
λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λm −
→
um = 0
una combinación lineal nula de vectores de U, puesto que para todo k, 1 ≤

k ≤ m se tiene que −
→u k ∈ W entonces
λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λm −
→
um =0
una combinación lineal nula de vectores de W y por tanto
λ1 = λ2 = · · · = λm = 0
y en consecuencia U es un conjunto de vectores L.I.
Proposición 18
Sea V un espacio vectorial, W un conjunto de vectores L.I. de V y sea →

−
v ∈V
→
−
tal que v ∈ −
→
/ L(W ) entonces W ∪ { v } es un conjunto de vectores L.I.
Prueba.−
Consideramos una combinación lineal nula de vectores de W ∪ {→

−
v }:
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + λ−
→
v = 0
Si λ 6= 0 entonces:

→
− λ1 −→ λ2 −→ λn −→
v = − w1 + − w2 + ··· + − w n,
λ λ λ
es decir →
−
v ∈ L(W ); contrario a la hipótesis, luego λ = 0, por lo tanto:
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + λ−
→
v = 0 = λ1 −→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + 0→
−
v
es una combinación lineal nula de vectores de W y entonces λ1 = λ2 = · · · =

λn = 0 y en consecuencia W ∪ {− →
v } es un conjunto de vectores L.I.
Proposición 19
Sea W = {→
−
w 1, −
→
w 2, −
→
w 3, →
−
w 4 } ⊂ R3 entonces W es un conjunto de vectores
L.D.
Prueba.−
Sean
−
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ), −
→
w 3 = (a13 , a23 , a33 ),
−
→
w 4 = (a14 , a24 , a34 ) ∈ R3
Si
λ1 −
→
w 1 + λ2 −
→
w 2 + λ3 −
→
w 3 + λ4 −
→
w4 = 0
que en forma equivalente es:
λ1 (a11 , a21 , a31 )+λ2 (a12 , a22 , a32 )+λ3 (a13 , a23 , a33 )+λ4 (a14 , a24 , a34 ) = (0, 0, 0),
la dependencia o independencia lineal de W depende de las soluciones del

sistema homogéneo


a11 λ1 + a12 λ2 + a13 λ3 + a14 λ4 = 0

a21 λ1 + a22 λ2 + a23 λ3 + a24 λ4 = 0



a31 λ1 + a32 λ2 + a33 λ3 + a34 λ4 = 0
para las incógnitas λ1 , λ2 , λ3 , λ4 .
Puesto que la matriz de coeficientes del sistema es tamaño 3 × 4 el sistema

tiene infinitas soluciones, en particular una diferente de la trivial, es decir W
es un conjunto de vectores L.D.
Proposición 20
Sea W = {− →
w 1, −
→
w 2, · · · , −
→
w m } ⊂ Rn con m > n entonces W es un conjunto
de vectores L.D.
Prueba.−
Sean
−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · ,
−
→w m = (a1m , a2m , · · · , anm ) ∈ Rn ,
con m > n y sea:

i=m
X −
→
λi −
→
wi = 0
i=1
una combinación lineal nula de ellos, si desarrollamos e igualamos componentes
obtenemos:


 λ1 a11 + λ2 a12 + · · · + λm a1m =0





 λ1 a21 + λ2 a22 + · · · + λm a2m =0



 ..
.
,

 λ1 ai1 + λ2 ai2 + · · · + λm aim =0



 ..

 .




λ1 an1 + λ2 an2 + · · · + λm anm =0
que es un sistema homogéneo de n ecuaciones con m incógnitas, siendo m > n
y el cual tiene infinitas soluciones, en particular una diferente de la trivial, en
consecuencia W es un conjunto de vectores L.D.
Proposición 21
Sea W = {− →
w 1, −
→
w 2, · · · , −
→
w n } ⊂ Rn entonces W es un conjunto de vectores
L.I. si y solamente si W es un sistema de generadores de Rn .
Prueba.−
Consideremos
−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · ,
−
→ −
→
w n = (a1n , a2n , · · · , ann ), B = (b1 , · · · , bn ) ∈ Rn ,
Pi=n → − →
−
entonces al igualar coordenadas en la combinación lineal i=1 λi w i = B
obtenemos el sistema de ecuaciones lineales AX = B donde A = (aij ) es
una matriz n × n y
   
λ1 b1
 λ2   b2 
   
X= .. , B= .. .
 .   . 
λn bn
→
− −
→
Ahora si suponemos B = 0 y W un conjunto de vectores L.I. entonces
AX = 0 tiene como única solución la solución trivial y por la proposición 18
del capı́tulo 2, A es inversible y en consecuencia para todo B ∈ Rn el sistema
AX = B tiene como única solución X = A−1 B es decir W es un sistema de
generadores de Rn .
Recı́procamente si suponemos W un sistema de generadores es decir si para

todo B el sistema AX = B tiene solución entonces por la misma proposición
18 del capı́tulo 2 A tiene inversa y por tanto el sistema AX = 0 tiene como
única solución la trivial y en consecuencia W es un conjunto de vectores L.I.
Proposición 22
Sea A ∈ M (n, n) entonces las siguientes afirmaciones son equivalentes:
(a) A es equivalente por filas a I(n) .
(b) A es producto de matrices elementales.

5.5. BASES, DIMENSIÓN, COORDENADAS 219
(c) A es invertible.
(d) El sistema homogéneo AX = 0 tiene una única solución.
(e) Para cada B ∈ M (n, 1), el sistema AX = B tiene una solución.
Prueba.−
La proposición 18 del capı́tulo 2 prueba la equivalencia de las afirmaciones

(a),(b),(c) y (d) en consecuencia basta probar la equivalencia de la afirmación
(e) con cualquiera de las anteriores. En efecto si suponemos (c) la ecuación
matricial AX = B con B ∈ M (n, 1) es tal que su única solución es X =
(A−1 )B y recı́procamente para cada j, 1 ≤ j ≤ n, la solución del sistema
AX = (In )(j) resulta ser la columna j de la matriz A−1 .
5.5 BASES, DIMENSIÓN, COORDENADAS

Definición 10
Sean V un espacio vectorial real, B ⊆ V, B 6= φ tal que:
(i) B es un conjunto de vectores L.I.
(ii) B es un sistema de generadores de V
decimos que B es una base de V.
Ejemplo 51
n−
→ −→o
Consideramos V = R2 el conjunto B = i , j es una base de V.
Ejemplo 52
n−
→ −→ − →o
Consideramos V = R3 , el conjuto B = i , j , k es una base de V.
Ejemplo 53
Consideramos V = Rn , el conjunto
n−
→ o
B = E k |1 ≤ k ≤ n
donde
−
→
E k = (0, ..., 0, 1, 0, ...0), 1
en la k-ésima componente, 0 en las demás, es una base de V.
Ejemplo 54
Consideramos V = Mn×m (R) , el conjunto
B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m }
donde Ek,l ∈ Mn×m (R) es tal que

(
1 si i = k, j = l
(Ek,l )ij = ,
0 si i 6= k o j = 6 l
(1 en la entrada ij, 0 en las demás), es una base de V.
Ejemplo 55

Consideramos V = Pn [x] , el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n
es una base de V.
Las bases presentadas en los ejemplos anteriores se denominan usualmente

bases estandar o bases canónicas de los espacios correspondientes.
Ejemplo 56
El conjunto B = {(1, 2), (3, 4)} es una base de R2 .
Ejemplo 57
El conjunto B = {(1, 2, 3), (3, 4, 5), (1, 0, 1)} es una base de R3 .

Ejemplo 58
El conjunto
( ! ! ! !)
1 0 1 1 1 1 1 1
B= , , ,
0 0 0 0 1 0 1 1
es una base de M2×2 (R) .
Verificación.-
Primero mostramos que B es un sistema de generadores, para esto planteamos

la ecuación matricial:
! ! ! ! !
1 0 1 1 1 1 1 1 a b
α +β +γ +δ =
0 0 0 0 1 0 1 1 c d
que da origen al sistema de ecuaciones:



 α+β+γ+δ =a

 β+γ+δ =b

 γ+δ =c


δ=d
cuya matriz de coeficientes es:
 
1 1 1 1
 0 1 1 1 
 
 
 0 0 1 1 
0 0 0 1
y que tiene determinante 1, en consecuencia el sistema siempre tiene una única
solución independiente de los valores de los términos a, b, c, d.
Para verificar que B es un conjunto L.I. la ecuación matricial a plantear es
! ! ! ! !
1 0 1 1 1 1 1 1 0 0
α +β +γ +δ =
0 0 0 0 1 0 1 1 0 0
que da origen al sistema:



 α+β+γ+δ =0

 β+γ+δ =0

 γ+δ =0


δ=0
cuya única solución es a = b = c = d = 0
Ejemplo 59
Nuevamente consideramos el sistema homogéneo de ecuaciones lineales



x + 2y − 5v
 =0
z + 4v =0


w − 4v =0
de los ejemplos 38 y 50 en ellos probamos que el conjunto

   

 2 5 


  1   0  

   
   
B =  0  ,  −4 

    
    4  
 0





0 1
es una base del espacio de las soluciones del sistema.
El lector cuidadoso observará que en los ejemplos anteriores la decisión sobre si

un conjunto de vectores es o no una base del correspondiente espacio vectorial
se reduce a resolver un sistema de ecuaciones lineales.
Igualmente habrá observado que en nuestros ejemplos, con excepción de los

espacios P [x] y F (x) , siempre hemos mostrado sistemas de generadores con
un numero finito de elementos, en lo que sigue solo nos interesaremos por este
tipo de espacio vectorial, el tratamiento en general está fuera del alcance de
este escrito.
Definición 11
Un espacio vectorial V con un sistema de generadores finito se denomina un

espacio vectorial de dimensión finita o finitamente generado.
Proposición 23
Sea V un espacio vectorial real,
W = {−
→
w 1, −
→
w 2, · · · , −
→
w m}
un sistema de generadores de V entonces todo conjunto de vectores de V con

k vectores, k > m, es un conjunto de vectores L.D.
Prueba.−
Consideramos U = {−→
u 1, →
−
u 2, · · · , −
→
u k } ⊂ V un conjunto de vectores con k > m
y consideramos una combinación lineal nula de ellos
µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µk −
→
u k = 0,
puesto que W es un sistema de generadores existen escalares λij tales que

−
→
u 1 = λ11 −
→
w 1 + λ21 −→w 2 + · · · + λm1 −
→
wm
→
− −
→ −
→ −
→
u 2 = λ12 w 1 + λ22 w 1 + · · · + λm2 w m
..
.
→
− −−→
k
−
→
u = λ w + λ 2kw + · · · + λ −
1k 1 11 1
→
w mk m
al reemplazar en la combinación lineal nula, obtenemos:
i=m
! i=m
! i=m
!
X X X
µ1 λi1 →
−
wi + µ2 λi2 −
→
wi + · · · + µk λik −
→
wi =0
i=1 i=1 i=1
es decir
j=k i=m
!
X X
µj λij −
→
wi =0
j=1 i=1
por tanto
 
i=m
X Xj=k
 λij µj  −
→
wi = 0
i=1 j=1
es una combinación lineal nula de vectores de W y naturalmente una escogencia

j=k
P
de los escalares es λij µj = 0, para todo i, 1 ≤ i ≤ m.
j=1
Ahora, el sistema 

 λ µ + λ12 µ2 + · · · + λ1k µk =0
 11 1


λ21 µ1 + λ22 µ2 + · · · + λ2k µk =0
 ..

 .



λm1 µ1 + λm2 µ2 + · · · + λmk µk =0
es un sistema homogéneo de ecuaciones lineales con mas incógnitas que ecuaciones
por tanto tiene una solución no trivial, es decir existen reales α1 , α2 , · · · , αn no todos
cero y tales que para todo i, 1 ≤ i ≤ m
j=k
X
λij αj = 0
j=1
y en consecuencia
u 2 + · · · + αk −
u 1 + α2 −
α1 −
→ → →
uk = 0
es decir W = {−
→
w 1, −
→
w 2, · · · , −
→
w m } es un conjunto de vectores L.D.
Proposición 24
Sea V un espacio vectorial de dimensión finita y sea W = {− →

v 1, −
→
v 2, · · · , −
→
v k } un
conjunto de vectores L.I. entonces existe una base B de V tal que W ⊆ B.
Prueba.−
(i) Si W es un sistema de generadores de V, se tiene el resultado.

(ii) Si L(W ) 6= V , entonces por la proposición 19, existe −
→
v k+1 ∈
/ L(W ) tal que
W(1) = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 }
es L.I.
(iii) Si L(W(1) ) 6= V por la misma razón existe −

→
v k+2 ∈
/ L(W(1) ) tal que
W(2) = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 , −
→
v k+2 }
es L.I.
Puesto que V es de dimensión finita el proceso debe terminar en un número finito de

pasos, es decir existe m tal que
B = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 , −
→
v k+2 , · · · , −
→
v m}
es una base de V.
Proposición 25
Sea V un espacio vectorial de dimensión finita y sea W = {−

→
v 1, −
→
v 2, · · · , −
→
v m} , →
− 6
vi=
→
−
0 un sistema de generadores de V entonces existe U ⊆ W base de V.
Prueba.−
(i) Si W es un conjunto de vectores L.I. W es una base de V.

(ii) Si W es un conjunto de vectores L.D., sin perder generalidad podemos afirmar
que −
→
v m puede ser escrito como combinación lineal de los restantes elementos
de W, consideramos
W (1) = {−→
v 1, −
→
v 2, · · · , −
→
v m−1 }
afirmamos que W (1) es un sistema de generadores de V y repetimos el proceso:
si W (1) es un conjunto de vectores L.I. W (1) es una base de V si W (1) es un
conjunto de vectores L.D., −
→v m−1 puede ser escrito como combnación lineal de
los restantes elementos de W (1), consideramos
W (2) = {−
→
v 1, −
→
v 2, · · · , −
→
v m−2 }
y repetimos. Puesto que W es finito y todos sus vectores son diferentes del
vector cero el proceso termina y obtenemos un conjunto U ⊆ W tal que U es
una base de V.
TEOREMA 1
→o
n−
Todo espacio vectorial V 6= 0 , finitamente generado tiene una base.
Prueba.−
El teorema es una consecuencia directa de las proposiciones 24 y 25 a continuación.
Proposición 26
Sean V un espacio vectorial de dimensión finita, B = {→

−
v 1, −
→
v 2, · · · , −
→
v k} y B′ =
{−
→
w 1, −
→
w 2, · · · , −
→
w m } bases de V , entonces k = m.
Prueba.−
Es una consecuencia inmediata de la proposición 23.
Definición 12
Sea V un espacio vectorial de dimensión finita. Si B = {− →

v 1, −
→
v 2, · · · , −
→
v n } es una
base para V , decimos que la dimensión de V es n y escribimos Dim(V ) = n.
Definición 13
→
−
Sea V un espacio vectorial, el subespacio N = { 0 } se considera un espacio vectorial
de dimensión finita, en este caso afirmamos que Dim(N ) = 0.
Observación.-
En la bibliografı́a, existen escritos donde el campo K de escalares no necesariamente

es R, allı́ el lector encontrará que DimR (V ) = n, es simplemente la dimensión.
Ejemplo 60
n−
→ −→o
Puesto que el conjuto B = i , j es una base de R2 , entonces Dim(R2 ) = 2.
n−
→ −→ − →o
Puesto que el conjunto B = i , j , k es una base de R3 , entonces Dim(R3 ) = 3.
n−→ o →
−
Puesto que el conjunto B = E k |1 ≤ k ≤ n donde E k = (0, ..., 0, 1, 0, ...0) con 1
en la k-ésma componente y 0 en las demás, es una base de Rn entonces Dim(Rn ) = n.
Puesto que el conjunto B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m } donde Ek,l ∈ Mn×m (R) es

tal que:
(
1 si i = k, y j = l
(Ek,l )ij =
0 si i 6= k o j 6= l
1 en la entrada ij y 0 en las demás, es una base de V = Mn×m (R) entonces
Dim (Mn×m (R)) = nm

Puesto que el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n es una base de V =
Pn [x] decimos que Dim (Pn [x]) = n + 1.
Puesto que el sistema de ecuaciones homogéneo y una base para el conjunto de solu-
ciones del sistema son respectivamente:
 

 
 2 5 
x + 2y − 5v = 0 
 


 
 1  
  0 
z + 4v =0 y B=  0 ,  −4
   
  


w − 4v 


 0
 
4 
=0 

 

0 1
entonces Dim(S) = 2
Proposición 27
Sea V un espacio vectorial de dimensión finita, W ⊆ V un subespacio, entonces W

es de dimensión finita y Dim(W ) ≤ Dim(V ).
Prueba.−
→
− →
−
Si W = { 0 } el resultado es inmediato, si W 6= { 0 }, sea U = {−
→
v 1, −
→
v 2, · · · , −
→
v k}
una base de W entonces U es un conjunto de vectores L.I. de V y por la proposición
24 existe B una base de V tal que U ⊆ B es decir Dim(W ) ≤ Dim(V ).
Proposición 28
Sea V un espacio vectorial de dimensión finita B = {− →v 1, −

→
v 2, · · · , −
→
v n } una base de
→
−
V entonces para cada v ∈ V existen escalares λ1 , · · · , λn tales que
k=n
−
→
v = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn=
P −
λk →
vk
k=1
y esta escritura es única.
Prueba.−
Realmente lo único por probar es la unicidad de la escritura, suponemos entonces

k=n
X
−
→
v = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn= λk −
→
vk
k=1
y
k=n
X
−
→
v = µ1 −
→
v 1 + µ2 −
→
v 2 + · · · + µn −
→
vn= µk −
→
vk
k=1
en consecuencia
k=n
X
−
→
0 =−
→
v −−
→
v = (λk − µk ) −
→
vk
k=1
y puesto que B es un conjunto L.I. concluimos que para todo k, 1 ≤ k ≤ n, λk = µk
y la escritura es única.
Definición 14
Sea V un espacio vectorial de dimensión finita, B = {− →

v 1, −
→
v 2, · · · , −
→
v n } una base de
→
− −
→
V, si afirmamos que v 1 es el primer vector de B, v 2 es el segundo vector de B y ası́
hasta −→v n , el n-ésimo vector de B, decimos que B es una base ordenada de V.
Al suponer las bases ordenadas la proposición anterior se puede reescribir diciendo
Proposición 29
Sea V un espacio vectorial de dimensión finita B = {−→v 1, −

→
v 2, · · · , −
→
v n } una base
→
−
ordenada de V entonces para cada v ∈ V existe una única matriz
 
λ1
 . 
 .. 
  P −
k=n
 
 λk  ∈ M (n, 1) tal que − →v = λk →vk
 .  k=1
 . 
 . 
λn
Definición 15
Sea V un espacio vectorial de dimensión finita, B = {−

→
v 1, −
→
v 2, · · · , −
→
v n } una base
→
−
ordenada de V entonces para cada v ∈ V , la matriz de la proposición anterior se
denomina la matriz de coordenadas de −
→v respecto de B y se nota [− →v ]B , es decir:
 
λ1
 .. 
 . 
 
→
−  
[ v ]B =  λk .
 .. 
 
 . 
λn
Ejemplo 61
Si para cada n, aceptamos el orden natural en la base canónica B = {E1 , · · · , En } de

Rn , como aparecen definidos en el ejemplo 60, es inmediato verificar que:
 
x1
 . 
[(x1 , · · · , xn )]B =  
 .. 
xn
Ejemplo 62

Si para cada n, aceptamos el orden natural en la base canónica B = qk (x) qk (x) = xk , 0 ≤ k ≤ n
de Pn [x] ,es inmediato verificar que:
 
a0
 . 
[a0 + a1 x + · · · + an xn ]B =  
 ..  ∈ M(n+1)×1 (R)
an
Ejemplo 63
Si aceptamos en {1, 2} × {1, 2} el orden lexicográfico (1, 1) , (1, 2) , (2, 1) , (2, 2) en la

base canónica B de M2×2 (R) del ejemplo ....entonces:
 
" !# a
a b  b 
 
= 
c d  c 
B
d
El ejemplo anterior se puede extender si para cada n y cada m también acepta-

mos el orden lexicográfico en [1, 2, · · · , n] × [1, 2, · · · , m] en la base canónica B =
{Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m } de Mn×m (R) y A = (aij ) entonces [A]B es una matriz
tamaño nm×1 donde escribimos en las primeras n filas en estricto orden los elementos
de la primera fila de A, a continuación y en estricto orden los elementos de la segunda
fila de A y ası́ sucesivamente. Por comodidad y economı́a no escribimos esta matriz
pero el lector lo deberı́a hacer en su cuaderno.
Ejemplo 64

Considere la base ordenada B = q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = 1 + x + x2 de

P2 [x] para encontrar 3 + 2x + 5x2 B
Solución.-
Basta encontrar números reales λ, µ, γ tales que:

3 + 2x + 5x2 = λ(1) + µ(1 + x) + γ 1 + x + x2 ,
si desarrollamos la expresión de la derecha agrupamos términos semejantes e igualamos

coeficientes de las correspondientes potencias de x, obtenemos:


3 = λ + µ + γ

2=µ+γ


5 = γ
sistema no homogéneo de tres ecuaciones con tres incógnitas cuya única solución es
λ = 1, µ = −3, γ = 5 en consecuencia:
 
1
 
3 + 2x + 5x2 B =  −3 
5
Ejemplo 65
Si se considera la base ordenada

B = q1 (x) = x + x2 , q2 (x) = 1 + x2 , q3 (x) = 1 + x

de P2 [x], para encontrar 3 + 2x + 5x2 B ,basta encontrar números reales λ, µ, γ tales
que
3 + 2x + 5x2 = λ(x + x2 ) + µ(1 + x2 ) + γ (1 + x) ,
si desarrollamos la expresión de la derecha agrupamos términos semejantes e igualamos
coeficientes de las correpondientes potencias de x, obtenemos el siguiente sistema no
homogéneo de tres ecuaciones con tres incógnitas:


3 = µ + γ

2=λ+γ


5 = λ + µ
cuya única solución es λ = 2, µ = 3, γ = 0 y en consecuencia:

 
2
 
3 + 2x + 5x2 B =  3 
0
Ejemplo 66
Sea S el espacio de las soluciones del sistema homogéneo de ecuaciones



x + 2y − 5v = 0

z + 4v = 0


w − 4v = 0
de los ejemplos 38 y 50 y sea

    

 2 5 


    

  1   0 
−
→   −
→  
B = u1 =  0 , u2 =  −4 

    

  0   4 


 

0 1
una base ordenada de S entonces para cada solución del sistema
 
x = 2a + 5b
 y=a 
 
 
X= z = −4b 
 
 w = 4b 
v=b
!
a
se tiene que [X]B =
b
Ejemplo 67
En el ejemplo 44 probamos que
U = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (4, 5, 6), −
→
u 3 = (1, 0, 1)}
es un conjunto de vectores linealmente independiente de R3 , en consecuencia es una

base que ordenamos por el orden natural de N. Encontrar [(a, b, c)]U.
Solución
Basta encontrar números reales λ, µ, γ tales que:
λ(1, 2, 3) + µ(4, 5, 6) + γ(1, 0, 1) = (a, b, c)
al desarrollar la expresión de la izquierda e igualar componentes obtenemos:



λ + 4µ + γ
 =a
2λ + 5µ =b


3λ + 6µ + λ =c
sistema no homogéneo de tres ecuaciones con tres incógnitas, cuya única solución es:
5 1 5 1 1 1 1 1
λ= c − b − a, µ = a + b − c, γ = a − b + c
6 3 6 3 3 3 2 2
en consecuencia:  
5 1 5
6c − 3b − 6a
 
[(a, b, c)]U. =  31 a + 31 b − 13 c 
1 1
2a − b + 2c
En particular:
     
− 65 − 31 5
6
 1   1   
[(1, 0, 0)]U =  3  , [(0, 1, 0)]U =  3 , [(0, 0, 1)]U =  − 13 
1 1
2 −1 2
El lector cuidadoso comenzará a encontrar un interesante parecido entre los espacios

vectoriales de dimensión finita y los espacios Rn evidentemente esto no es una casual-
idad, en el capı́tulo 6 estableceremos una identificación de unos y otros que muestra
que desde el punto de vista del Álgebra Lineal no se diferencian, es decir debe ser
suficiente conocer muy bien los espacios Rn .
Claramente se observa que dadas dos bases ordenadas de un espacio vectorial las
matrices de coordenadas de un vector respecto de cada una de las bases puede ser
diferente, es entonces interesante y útil encontrar procedimientos generales que nos
permitan pasar de una a la otra.
Proposición 30
Sea V un espacio vectorial de dimensión finita,
B = {−
→
v 1, −
→
v 2, · · · , −
→ b = {−
v n} y B →
w 1, −
→
w 2, · · · , −
→
w n}
bases ordenadas de V, existe una matriz A ∈ Mn×n (R) tal que para todo →
−
v ∈ V, se
→
− →
−
tiene que [ v ]Bb = A [ v ]B
Prueba.−
 
λ1
 . 
Si suponemos que −
→
v ∈ V y [−
→
v ]B =  
 ..  entonces se puede afirmar que,
λn
k=n
X
−
→
v = λk −
→
v k,
k=1
b es una base de V, para cada k, 1 ≤ k ≤ n existen números reales aik tales

y como B
que
i=n
X
−
→
vk= aik −
→
wi
i=1
al reemplazar obtenemos:
k=n i=n
!
X X
−
→
v = λk aik −
→
wi
k=1 i=1
Ahora, si desarrollamos y agrupamos en cada →

−
w i obtenemos:
i=n k=n
!
X X
aik λk −
→
wi
i=1 k=1
es decir:
 
P
k=n
 a1k λk 
 k=1 
 .. 
[−
→
v ]Bb =  . 
 
 P
k=n 
ank λk
k=1
Por otra parte si llamamos A = (a1j ) encontramos que:
 
P
k=n
 k=1 a1k λk 
 
 .. 
A [−
→
v ]B =  . 
 
 k=n
P 
ank λk
k=1
y con esto queda terminada la prueba.
Definición 16
Sea V un espacio vectorial de dimensión finita, B = {− →v 1, −

→
v 2, · · · , −
→ b =
v n} y B
→
− −
→ −
→
{ w 1 , w 2 , · · · , w n } bases ordenadas de V entonces la matriz A de la cual probamos
su existencia en la proposición anterior se denomina la matriz de paso (o de cambio
de base) de la base B a la base B. b
Ejemplo 68
En el ejemplo anterior puesto que

     
− 56 − 31 5
6
     
[(1, 0, 0)]U =  31  , [(0, 1, 0)]U =  31  , [(0, 0, 1)]U =  − 13 
1 1
2 −1 2
5.6. RANGO Y NULIDAD DE UNA MATRIZ 235
la matriz  
− 56 − 13 5
6
 1 1 
A= 3 3 − 31 
1 1
2 −1 2
resulta ser la matriz de paso de la base canónica a la base U y es inmediato verificar

que
    
5 1 5
6c − 3b − 6a − 65 − 13 5
6 a
 1    
 3 a + 31 b − 13 c  =  31 1
3 − 31   b 
1 1 1 1
2a − b + 2c 2 −1 2 c
5.6 RANGO Y NULIDAD DE UNA MATRIZ

En esta sección pretendemos responder, en general, varias preguntas que surgen al
mirar una matriz A ∈ Mm×n (R) como un conjunto de m vectores de Rn , vale decir
sus filas; aquı́ identificamos M1×n (R) con Rn , o alternativamente como un conjunto
de n vectores de Rm , sus columnas; aquı́ identificamos Mm×1 (R) con Rm .
Estas preguntas son, por ejemplo:
¿Cuál es la dimensión del subespacio de Rn de las soluciones del sistema homogeneo

de ecuaciones lineales AX = 0?
¿Cuál es la dimensión del subespacio de Rn generado por las filas de A?
¿Cuál es la dimensión del subespacio de Rm generado por las columnas de A?
¿Cuál es la dimensión del subespacio de Rm , S = {B ∈ Rm : AX = B tiene solución.}?
Proposición 31
Sea A ∈ Mm×n (R) y sea A b su forma escalonada reducida por filas entonces los sube-
spacios S y Sb de R de las soluciones de los sistemas AX = 0 y AX
n b = 0 respectiva-
mente, son iguales.
Prueba.−
La afirmación es una consecuencia inmediata del Teorema 1 del capı́tulos 2 aplicado

a sistemas homogéneos y escrito en términos de subespacios.
La proposición anterior nos permite, en lo que tiene que ver con sistemas homogéneos,
estudiar solo matrices escalonadas reducidas.
Proposición 32
Sea A ∈ Mm×n (R) una matriz escalonada reducida por filas con columnas sin pivote
a saber A(k1 ) , · · · , A(kr ) y sea S el subespacio de Rn de soluciones del sistema AX = 0
entonces
Dim(S) = r
Prueba.−
Basta encontrar una base de S que posea exactamente r elementos, por lo tanto
construimos el conjunto B = {− →v 1, −
→
v 2, · · · , −
→
v r } de la siguiente manera:
→
−v 1 es la solución del sistema, obtenida por la siguiente asignación de valores a las
variables libres: xk1 = 1 y todas las demás cero.
−
→v 2 es la solución del sistema obtenida por la siguiente asignación de valores a las
variables libres: xk2 = 1 y todas las demás cero y ası́ sucesivamente hasta − →
v r la
solución del sistema obtenida por la siguiente asignación de valores a las variables
libres: xkr = 1 y todas las demás cero.
Puesto que toda solución se obtiene por una asignación arbitraria de valores a las
variables libres, es claro que B es un sistema de generadores de S.
Por otra parte, al igualar componentes en la combinación lineal nula

j=r
X →
−
µj −
→
vj = 0
j=1
obtenemos un sistema homogeneo CX = 0 tal que la columna C (k) de su matriz de

coeficientes es −
→
v k y por tanto la ecuación correspondiente a la fila de la variable libre
xk1 es
1µ1 + 0µ2 + · · · + 0µr = 0,
la ecuación correspondiente a la fila de la variable libre xk2 es
0µ1 + 1µ2 + · · · + 0µr = 0
y ası́ sucesivamente, la ecuación correspondiente a la fila de la variable libre xkr es

0µ1 + 0µ2 + · · · + 1µr = 0 y en consecuencia µ1 = · · · = µr = 0 y por tanto B es un
conjunto de vectores L.I.
Observación-.
Si A es una matriz escalonada reducida por filas donde todas las columnas tienen
pivote el sistema AX = 0 equivale a un sistema I(n) X = 0 cuya única solución es la
trivial.
Definición 17
Sea A ∈ Mm×n (R), sea S el subespacio de Rn de las soluciones del sistema homogéneo
AX = 0 decimos entonces que S es el espacio nulo de A y su dimensión se denomina
la nulidad de A, notada η(A).
Ejemplo 69
Consideremos la matriz A y su respectiva forma escalonada reducida por filas:

   
1 0 2 1 0 0
 0 1 1   0 1 0 
   
A= → 
 −1 0 −3   0 0 1 
−2 2 5 0 0 0
y el sistema    
1 0 2   0
  x  
 0 1 1    0 
  y  =  
 −1 0 −3   0 
z
−2 2 5 0
que equivale a
    
1 0 0 x 0
    
 0 1 0  y  =  0 
0 0 1 z 0
pues la última ecuación es 0x + 0y + 0z = 0 que puede considerarse no escrita y el

espacio nulo de A es   
 0 
 
 
L=  0 
 0 
 
y su nulidad η(A) = 0
Ejemplo 70
Si A y su forma escalonada son respectivamente:

   
1 0 −1 −2 1 0 0 −9
  b  
A= 0 1 0 2 →A= 0 1 0 2 ,
2 1 −3 5 0 0 1 −7
b = 0 tiene una variable libre y por tanto todas las soluciones

se tiene que el sistema AX
son de la forma x = 9t, y = −2t, z = 7t, w = t para cualquier asignación arbitraria
de valores a t ∈ R, es decir el espacio nulo de A es
 

 9 

 −2 
 
 
L  
 7 
 

 

1
y su nulidad η(A) = 1.
Ejemplo 71
Si A y su forma escalonada son respectivamente:

   4 1

1 −2 1 0 3 1 0 −1 3 3
 −1 −1 2 −2 1   0 1 −1 2 
− 43
  b=  3 
A= →A  
 0 −3 3 −2 4   0 0 0 0 0 
−2 −5 7 −6 6 0 0 0 0 0
entonces el sistema AXb = 0 tiene tres variables libres y por tanto todas las soluciones
son de la forma x = a− 34 b− 31 c, y = a− 23 b+ 34 c, para cualquier asignación arbitraria
de valores a, b, c ∈ R, es decir el espacio nulo de A es
     

 1 − 43 
− 31

      4 

 1   − 23   3 
     
L  1 , 0 , 0 

      

  0   1   0 


 

0 0 1
y su nulidad η(A) = 3.
Hemos respondido ası́ la primera pregunta.
Proposición 33
Sean A ∈ Mm×n (R) y A b su forma escalonada reducida, sea T el subespacio de Rn

generado por las filas de A, consideradas como vectores de Rn entonces el conjunto
b es una base de T.
de las filas diferentes de cero de A
Prueba.−
Puesto que cada fila de A b se obtiene por una sucesión finita de operaciones elementales
entre filas y cada una de estas tiene una operación inversa del mismo tipo es claro que
cada fila de A es una combinación lineal de las filas diferentes de cero de A b es decir
éstas últimas son un sitema de generadores de T.
Basta probar que son un conjunto de vectores L.I.
Consideremos entonces

Ab = (1, ∗, 0, ∗, 0, ∗, · · · , 0, ∗) , A
b = (0, ∗, 1, ∗, 0, ∗, · · · , 0, ∗) , · · · ,
1 2

Ab = (0, ∗, 0, ∗, 0, ∗, · · · , 1, ∗)
r
b (En esta descripción los unos y ceros aparecen en las
las filas diferentes de cero de A.
columnas donde hay pivote, vale decir las columnas
k 1 , k 2 , · · · , kr ,
y la (*) significa sucesiones de una o mas columnas sin pivote)
Consideremos entonces una combinación lineal nula de ellas, digamos

i=r
X
b = (0, 0, · · · , 0)
λi A
i
i=1
al desarrollar e igualar componentes obtenemos un sistema homogéneo de n ecuaciones

con r ≤ n incógnitas cuya primera ecuación es 1µ1 +0µ2 +· · ·+0µr = 0, cuya ecuación
j2 correspondiente a la columna del segundo pivote es 0µ1 + 1µ2 + · · · + 0µr = 0 y
ası́ sucesivamente, la ecuación jr correspondiente a la columna del pivote r−ésimo es
0µ1 + 0µ2 + · · · + 1µr = 0 y en consecuencia µ1 = · · · = µr = 0 y por tanto el conjunto
de filas diferentes de cero de Ab es un conjunto de vectores L.I..
Observación.-
El lector notará que las pruebas de independencia lineal en las proposiciones 30 y

31 son esencialmente la misma escrita en forma diferente, puede como ejercicio de
verificación intentar escribir las dos de la misma forma.
Definición 18
Sea A ∈ Mm×n (R), sea T el subespacio de Rn generado por las filas de A, T se

denomina el espacio fila de A y su dimensión se denomina el rango fila de A notado
ρF (A).
Ejemplo 72
Si consideremos la matriz A y su respectiva forma escalonada reducida por filas

   
1 0 2 1 0 0
 0 1 1   0 1 0 
   
A= → ,
 −1 0 −3   0 0 1 
−2 2 5 0 0 0
su espacio fila es R3 y su rango fila ρF (A) = 3.
Ejemplo 73
Si consideramos la matriz A y su respectiva forma escalonada reducida por filas

   
1 0 −1 −2 1 0 0 −9
  b= 
Sea A =  0 1 0 2 →A  0 1 0 2 
2 1 −3 5 0 0 1 −7
su espacio fila es
T = L ({(1, 0, 0, −9) , (0, 1, 0, 2) , (0, 0, 1, −7)})
y su rango fila ρF (A) = 3
Ejemplo 74
Si consideremos la matriz A y su respectiva forma escalonada reducida por filas

   4 1

1 −2 1 0 3 1 0 −1 3 3
 −1 −1 2 −2 1   0 1 −1 2 
− 34
  b= 3 
A= →A  
 0 −3 3 −2 4   0 0 0 0 0 
−2 −5 7 −6 6 0 0 0 0 0
su espacio fila es

4 1 2 4
T =L 1, 0, −1, , , 0, 1, −1, , −
3 3 3 3
y su rango fila ρF (A) = 2.
Observación.
La proposición 34 nos provee de un procedimiento eficaz para encontrar una base y

la dimensión del subespacio L(S) generado por un conjunto S = {−→
w 1, −
→
w 2, · · · , −
→
w m}
n
de m vectores de un espacio R , basta construir la matriz A ∈ Mm×n (R) cuyas filas
son en su orden los vectores de S,
 →
− 
w1
 −
→ 
 w2 
A=
 ..


 . 
→
−
wm
reducimos A a forma escalonada reducida Ab y el conjunto de filas diferentes de cero

consideradas como vectores de Rn es una base para L(S) y su dimensión es el rango
fila de A.
Definición 19
Sea A ∈ Mm×n (R), sea U el subespacio de Rm generado por las columnas de A, se

denomina el espacio columna de A y su dimensión se denomina el rango columna de
A notado ρC (A)
Ejemplo 75
Consideremos
 
1 0 2
 0 1 1 
 
A= 
 −1 0 −3 
−2 2 5
el espacio columna de A no es otro que el subespacio de R4 , L ({(1, 0, −1, −2), ((0, 1, 0, 2), (2, 1, −3, 5)})
y por la observación posterior a la proposición 34, si B y su respectiva reducción por
filas son respectivamente
   
1 0 −1 2 1 0 0 3
  b = 
B= 0 1 0 2 →B  0 1 0 2 
2 1 −3 5 0 0 1 1
entonces
W = {(1, 0, 0, 3), (0, 1, , 0, 2), (0, 0, 1, 1)}

es una base del espacio columna de A y en consecuencia el rango columna ρC (A) = 3.
El lector observará que B = AT
Ejemplo 76
Sea
 
1 −2 1 0 3
 −1 −1 2 −2 1 
 
A= ,
 0 −3 3 −2 4 
−2 −5 7 −6 6
el espacio columna de A no es otro que el subespacio de R4 ,
L ({(1, −1, 0, 2), (−2, −1, −3, −5), (1, 2, 3, 7), (0, −2, −2, −6), (3, 1, 4, 6)})
y por la observación posterior a la proposición 34, sea
 
1 −1 0 −2
 −2 −1 −3 −5 
 
 
B= 1 2 3 7 ,
 
 0 −2 −2 −6 
3 1 4 6
reducimos por filas y obtenemos
 
1 0 1 1
 0 1 1 3 
 
b=
B  0 0 0 0


 
 0 0 0 0 
0 0 0 0
entonces
W = {(1, 0, 1, 1), (0, 1, 1, 3)}
es una base del espacio columna de A y en consecuencia el rango columna ρC (A) = 2.
Proposición 34
Sea A ∈ Mm×n (R) entonces ρF (AT ) = ρC (A) y ρC (AT ) = ρF (A)
Prueba.−
Proposición 35
Sea A ∈ Mm×n (R) entonces su rango fila y su rango columna son iguales.(ρF (A) = ρC (A))
Prueba.−

Sean U el subespacio de Rm generado por las columnas de A y B = A(k1 ) , A(k2 ) , · · · , A(ks )
una base de U, por tanto cada j, 1 ≤ j ≤ n la columna A(j) de A se escribe de una
única forma como combinación lineal los elementos de B es decir existen escalares
λrj ∈ R
P
r=s
tales que A(j) = λrj A(kr ) , es decir
r=1
       
a1j a1k1 a1k2 a1ks
 ..   ..   ..   .. 
 .   .   .   . 
       
       
 aij  = λ1j  aik1  + λ2j  aik2  + · · · + λsj  aiks ,
 ..   ..   ..   .. 
       
 .   .   .   . 
amj amk1 amk2 amks
al igualar entradas tenemos:
P
r=s
a1j = a1k1 λ1j + a1k2 λ2j + · · · + a1ks λsj = a1kr λrj
r=1
..
.
P
r=s
aij = aik1 λ1j + aik2 λ2j + · · · + aiks λsj = aikr λrj
r=1
..
.
P
r=s
amj = amk1 λ1j + amk2 λ2j + · · · + amks λsj = amkr λrj
r=1
en consecuencia podemos afirmar que para cada i, 1 ≤ i ≤ m y para cada j, 1 ≤

j≤n
P
r=s
aij = aikr λrj
r=1
lo que significa que para cada i, 1 ≤ i ≤ m la fila Ai de A se escribe como

r=s r=s
!
X X
Ai = (ai1 , · · · , ain ) = aikr λr1 , · · · , aikr λrn
r=1 r=1
Ahora, si llamamos L = (λrj ) , 1 ≤ r ≤ s, 1 ≤ j ≤ m; la expresión (5.2) es
equivalente a decir que, para cada i, 1 ≤ i ≤ m,
r=s
X
aij = aik1 (λ11 , λ12 , · · · , λ1m ) + · · · + aiks (λs1 , λs2 , · · · , λsm ) = aiks Lr
r=1
escritura que claramente dice que para cada i, 1 ≤ i ≤ m la fila Ai de A está escrita
como una combinación lineal de las filas de L y esta última afirmación implica que
ρF (A) ≤ s = ρC (A).
Finalmente si aplicamos el último resultado a la matriz AT , tenemos ρF (AT ) ≤

ρC (AT ) y por la proposición 32 deducimos que ρF (A) = ρC (A).
Definición 20
Sea A ∈ Mm×n (R), llamamos rango de A, notado ρ(A) al valor común del rango fila
y el rango columna de A
Ejemplo 77
Sea
 
1 0 −1 −2
 
A= 0 1 0 2 ,
2 1 −3 5
su forma escalonada reducida es
 
1 0 0 −9
b=
A  0 1 0 2 

0 0 1 −7
en consecuencia su rango ρ(A) = 3.
Hemos respondido ası́ las preguntas segunda y tercera.
Ahora, si comparamos los ejemplos (REVISAR LOS EJEMPLOS CORRE-

SPONDIENTES) 68, 69, 70 con 74,75 ,76 observamos una interesante relación
entre la nulidad y el rango de una matriz A, a saber, la suma de nulidad mas rango
es n, el número de columnas de A.
Este resultado no es casual, en general podemos afirmar:
Proposición 36
Sea A ∈ Mm×n (R) entonces η(A) + ρ(A) = n.
Prueba.−
b la forma escalonada reducida de A, el resultado es inmediato si observamos que

Sea A
η(A) es precisamente el número de columnas de A b que no tienen pivote, mientras que
ρ(A) es el número de columnas con pivote de la misma matriz y n es su número total
de columnas.
Por último la respuesta a la pregunta cuatro es consecuencia de la siguiente proposición

:
Proposición 37
Sea A ∈ Mm×n (R), el sistema AX = B, B ∈ Rm tiene solución si y solo si B es una

combinación lineal de las columnas de A.
Prueba.−
Sean
   
x1 b1
 ..   .. 
 .   . 
   
   
X= xi  y B= bk 
 ..   .. 
   
 .   . 
xn bm
en consecuencia AX = B se escribe también ası́:

       
a11 a12 a1n b1
 ..   ..   ..   .. 
 .   .   .   . 
       
       
 ai1  x1 +  ai2  x2 + · · · +  ain  xn =  bk 
 ..   ..   ..   .. 
       
 .   .   .   . 
am1 am2 amn bm
es decir
A(1) x1 + A(2) x2 + · · · + A(n) xn = B
En consecuencia si B es tal que el sistema AX = B tiene solución entonces B es una

combinación lineal de las columnas de A.
Usualmente el espacio S = {B ∈ Rm |AX = B tiene solución } ⊆ Rm se denomina la
imagen de A y se nota Im(A), con esta notación la conclusión de la proposición 35
simplemente dice que la imagen de A es igual al espacio columna de A.
5.7 PRODUCTO INTERNO ORTOGONALIDAD

En esta sección generalizamos el producto punto que definimos en el capı́tulo 4 a
los espacios vectoriales reales y utilizaremos este hecho para hablar de manera mas
5.7. PRODUCTO INTERNO ORTOGONALIDAD 247
general de longitud, ángulo entre vectores y otros términos de la Geometrı́a Euclidea.
Definición 21
Sea V un espacio vectorial real, decimos que V es un espacio con producto interno
(Producto escalar) si para cada par −
→u,−
→
v de vectores de V, existe un único número
real, notado h−
→
u,−
→v i ,tal que:
→
−
(1) Para todo →
−
u ∈ V, h−
→
u,−
→
u i ≥ 0 y h−
→
u,−
→
u i = 0 si y solo si →
−
u = 0.
(2) Para todo − →u,−→v ,−

→
w ∈ V, h−
→
u +−
→
v ,−
→
w i = h→
−
u,−
→
w i + h−
→
v ,−
→
w i y h−
→
u,−
→
v +−
→
wi =
→
− −
→ →
− −
→
h u , v i + h u , w i.
→ →E D−
D− →E
−
(3) Para todo →
−
u,−
→
v ∈ V y para todo λ ∈ R, v = →
λu, − u , λv = λ h−
→
u,−
→
v i.
(4) Para todo →

−
u,−
→
v ∈ V, h−
→
u,−
→
v i = h−
→
v ,−
→
u i.
h−
→
u,−
→
v i se denomina el producto interno o producto escalar de →
−
u y→
−
v.
Ejemplo 78
Sean −
→u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn , el producto punto de vectores
n
de R definido por:
k=n
X
h→
−
u,−
→
vi=−
→
u ·−
→
v = x 1 y1 + x 2 y2 + · · · + x n yn = x k yk
k=1
es un producto interno.
Verificación.-
Propiedad 1.
Si →
−
u = (x1 , x2 , · · · , xn ) ∈ Rn entonces
k=n
X k=n
X
−
→
u ·−
→
u = xk xk =
2
(xk ) ≥ 0,
k=1 k=1
además si
−
→ →
−
u = 0 = (0, · · · , 0)
entonces
− −
→ →
0 · 0 =0
y recı́procamente si
k=n
X
−
→
u ·−
→
u =
2
(xk ) = 0
k=1
para todo k, 1 ≤ k ≤ n, se tiene que
xk = 0
Propiedad 2.
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ), −
→
w = (z1 , z2 , · · · , zn ) ∈ Rn entonces
(−
→
u +−
→
v)·−
→
w = (x1 + y1 , x2 + y2 , · · · , xn + yn ) · (z1 , z2 , · · · , zn )
k=n
X
= (xk + yk ) zk
k=1
k=n
X
= (xk zk + yk zk )
k=1
Por otra parte

k=n
X k=n
X
−
→
u ·−
→
w +−
→
v ·−
→
w = x k zk + y k zk
k=1 k=1
Si comparamos las dos últimas expresiones de la derecha comprobamos su igualdad.
Análogamente se verifica la otra igualdad.
Propiedad 3.
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn y λ ∈ R entonces
k=n k=n
→ → X
− X
λu · −
v = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1
y
k=n k=n k=n
−
→ → X
− X X
u · λv = xk (λyk ) = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1 k=1
Propiedad 4.
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn entonces
k=n
X k=n
X
−
→
u ·−
→
v = x k yk = yk x k = −
→
v ·−
→
u
k=1 k=1
Ejemplo 79

Sea V = Mn×n (R) , si A; B ∈ Mn×n (R) definimos hA, Bi = T r AB T entonces
hA, Bi es un producto interno.
Verificación.-
Propiedad 1.
Si A ∈ Mn×n (R) entonces
i=n
X
hA, Ai = T r AAT = AAT ii
i=1
i=n k=n
! i=n k=n
!
X X X X
= aik AT ki = aik aik
i=1 k=1 i=1 k=1
i=n k=n
!
X X 2
= (aik ) ≥0
i=1 k=1

Además si A, AT = 0 entonces
i=n k=n
!
X X 2
(aik ) =0
i=1 k=1
en consecuencia para todo i, 1 ≤ i ≤ n y para todo k, 1 ≤ k ≤ n, aik = 0, es decir
A = 0.
Recı́procamente si A = 0 entonces
=n k=n
! i=n k=n
!
X X X X
T
hA, Ai = aik A ki
= 0 = 0.
i=1 k=1 i=1 k=1
Propiedad 2.
Si A, B, C ∈ Mn×n (R) entonces

hA + B, Ci = T r (A + B) C T = T r AC T + BC T

= T r AC T + T r BC T = hA, Ci + hB, Ci .
Análogamente se verifica la otra igualdad.
Propiedad 3.
Si A, B ∈ Mn×n (R) y λ ∈ R entonces

hλA, Bi = T r (λA) B T = T r λ AB T
i=n k=n
!
X X
= λaik B T ki
i=1 k=1
i=n k=n
!
X X
= λaik bik
i=1 k=1
i=n k=n
!
X X
=λ aik bik
i=1 k=1
= λ hA, Bi
y

hA, λBi = T r A λB T = T r λ AB T = λT r AB T = λ hA, Bi
Propiedad 4.
Si A, B ∈ Mn×n (R) entonces
i=n
X
hA, Bi = T r AB T = AB T ii
i=1
i=n k=n
!
X X
T
= aik B ki
i=1 k=1
i=n k=n
!
X X
= aik bik
i=1 k=1
y

hB, Ai = T r BAT
i=n
X
= BAT ii
i=1
i=n k=n
!
X X
T
= bik A ki
i=1 k=1
i=n k=n
!
X X
= bik aik
i=1 k=1
i=n k=n
!
X X
= aik bik
i=1 k=1
Proposición 38
Sea V un espacio vectorial real de dimensión finita, h , i un producto interno definido

sobre V y B = {− →u 1, −
→
u 2, · · · , −
→
u n } una base ordenada de V entonces h− →
u,−
→
v i está
→
− −
→
unı́vocamente determinado por los valores h u i , u j i , 1 ≤ i ≤ n, 1 ≤ j ≤ n.
Prueba.−
Sean −
→
u,−
→
v ∈ V entonces →
−
u,−
→
v se escriben de una única forma como
−
→
u = λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn un ,
→
− →
− →
−
v = µ u + µ u + ··· + µ u
1 1 2 2 n n
entonces
h−
→
u,−
→
v i = hλ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn −
→u n , µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn −
→
u ni
 
i=n
X j=n
X
=  λi µj h −
→
u i, −
→
u j i .
i=1 j=1

Proposición 39

sobre V y B = {− →
u 1, −
→u 2, · · · , −
→
u n } una base ordenada de V y sea A ∈ Mn×n (R) tal
que aij = h−
→
u i, −
→
u j i entonces h− →
u,−→v i = ([−
→
u ]B ) A [ −
→
T
v ]B
Prueba.−
Si
−
→
u = λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn u n , −
→
v = µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn un
entonces
 
µ1
 
 µ2 
([−
→
u ]B ) = (λ1 , λ2 , · · · , λn ) y [→
−
T
v ]B = 
 .. 

 . 
µn
en consecuencia
j=n i=n
! j=n i=n
!
X X X X
([−
→
u ]B ) A [ −
→ λi h→
−
u i, −
→ λi µj h →
−
u i, −
→
T
v ]B = u j i µj = u ji
j=1 i=1 j=1 i=1

Usualmente denominamos la matriz A como “la matriz del producto interno asociada
a la base ordenada B”
Observación.-
Como consecuencia de las proposiciones anteriores podemos afirmar dado un espa-

cio vectorial V y una base ordenada B de V, por cada matriz simétrica A tal que
aii ≥ 0, podemos definir un producto interno sobre V por la ecuación h−
→u,−
→vi =
→
− T →
−
([ u ]B ) A [ v ]B
Asociada a cada producto interno podemos definir una “magnitud” (Longitud o norma)
de la siguiente manera:
Definición 22
Sea V un espacio vectorial real, h, i un producto interno definido sobre V , definimos

p→ −
la magnitud de −
→
u notada k− →u k , por k−→
u k = h− u,→ u i.
Proposición 40
Sea V un espacio vectorial real, h , i un producto interno definido sobre V entonces:
→
−
(1) Para todo →
−
u ∈ V, k−
→
u k ≥ 0 y k→
−
u k = 0 si y solo si −
→
u = 0
−
→
(2) Para todo −
→
u ∈ V y para todo λ ∈ R, λu = |λ| k− →
uk
(3) Para todo →

−
u,−
→
v ∈ V, |h−
→
u,−
→
v i| ≤ k−
→
u k k−
→
v k(Desigualdad de Cauchy-Schwarz)
(4) Para todo →
−
u,−
→
v ∈ V k−
→
u +−
→
v k ≤ k−
→
u k + k−
→
v k(Desigualdad triangular)
Prueba.−
(1) Es solo una reescritura de la propiedad 1 del producto interno.

(2) Sean →
−
u ∈ V, λ ∈ R
− rD − →E
q √ q−
→ → −
λu = λu, λu . = λ h u , u i = λ2 h→
2 →
− −
→ u,−
→
u i = |λ| k−
→
uk
→
−
(3) Sean →
−
u,−
→
v ∈ V, si se supone que −
→
u = 0 se tiene que
D
−→ →E −
→ →
0 ,−v = 0 = 0 k−
vk
Ahora, si se supone que

−
→ →
−
u 6= 0
sea
−
→ h−
→
u,−→
v i−
w =−
→
v − →−
→
2 u
kuk
entonces
k−
→ 2
wk ≥ 0
es decir,
* +
h−
→
u,−→ h→
−
u,−→ h−
→
u,−→ 2
v i− v i− vi
0 ≤ k→
− −
→ → −
→ → = h−
→
v ,−
→
2
wk = v − →− u , v − →
− 2 u vi− →
k−
2 2
kuk kuk uk
por tanto,
k−
→
u k k−
2 → 2
v k − h−
→
u,−
→ 2
vi ≥0
luego
h−
→
u,−
→
v i ≤ k−
→
u k k−
2 2 → 2
vk
y en consecuencia
|h−
→
u,−
→
v i| ≤ k−
→
u k k−
→
vk
(4) Sean − →
u,−
→
v ∈ V, entonces k−→u +− →
v k = h−→u +−→v ,−
→
u +−
→v i = k−
→
u k + 2 h−
→
u,−
→
2 2
vi+
→
− 2
k v k entonces si utilizamos la desigualdad de Cauchy-Schwarz tenemos
k−
→
u +−
→
v k = k−
→
u k +2 h−
→
u,−
→
v i+k−
→
v k ≤ k−
→
u k +2 k−
→
v k k−
→
u k+k−
→
v k = (k−
→
v k + k−
→
2 2 2 2 2 2
u k)
y por lo tanto
k−
→
u +−
→
v k ≤ k−
→
u k + k−
→
vk
También como una consecuencia de la desigualdad de Cauchy-Schwarz podemos gener-

alizar el concepto de ángulo entre vectores, puesto que para cada par de vectores −
→
u,−
→v
hu,v i
→
− →
−
en un espacio V con producto interno, la desigualdad garantiza que → ≤ 1,
v k
k−u kk→
−
por tanto, se puede definir:
Definición 23
Sea V un espacio vectorial real, h , i un producto interno definido sobre V , −

→
u,−
→
v ∈
→
− →
−
V , definimos la medida del ángulo θ entre u y v , como el número real tal que
h→
−
u ,→
−
vi
cos θ = → .
−
k kk→
u −
vk
Definición 24
Sea V un espacio vectorial real, h , i un producto interno definido sobre V , −

→
u,−
→
v ∈V
→
− →
− →
− −
→
decimos que u y v son ortogonales si y solo si h u , v i = 0
Observación.
Como lo dijimos en su momento, en los espacios R2 y R3 la ortogonalidad corresponde

a la perpendicularidad de la geometrı́a euclı́dea del espacio usual.
Definición 25
Sea V un espacio vectorial real, h , i un producto interno definido sobre V y sea

S ⊆ V, decimos que S es ortogonal si y solo si para todo −
→
u,−
→
v ∈ S, −
→
u 6= −
→
v , se tiene
→
− −
→
que h u , v i = 0
Ejemplo 80
Sea R2 con el producto punto, S = {(3, 4), (−4, 3)} es ortogonal, puesto que (3, 4) ·
(−4, 3) = (3)(−4) + (4)(3) = 0
Ejemplo 81
Sea R3 con el producto punto, S = {(3, 4, 0), (−4, 3, 5)} es ortogonal ya que (3, 4, 0) ·
(−4, 3, 5) = (3)(−4) + (4)(3) + (0)(5) = 0
Ejemplo 82
n−
→ o
Sea Rn con el producto punto, la base canónica B = E k , 1 ≤ k ≤ n es ortogonal,
→ −
− →
ya que si i 6= j entonces E i · E j = 0
Ejemplo 83
Sea M2×2 (R) con el producto interno definido en el ejemplo 78, se afirma que:
( ! ! !)
2 3 2 1 − 12 1
S= , ,
5 1 0 −7 − 25 0
ya que
" ! !# !
2 3 2 0 7 −21
Tr = Tr =0
5 1 1 −7 11 −7
" ! !# !
2 3 − 21 − 25 2 − 54
Tr = Tr =0
5 1 1 0 − 32 −2
" ! !# !
2 1 − 12 − 52 0 − 54
Tr = Tr =0
0 −7 1 0 −7 0
en consecuencia afirmamos que S es ortogonal
Proposición 41

→
−
S ⊆ V tal que 0 ∈
/ S,y S es un conjunto ortogonal entonces S es un conjunto L.I.
Prueba.−
P
k=n →
−
Consideramos una combinación lineal nula de vectores de S, λk −
→
w k = 0 , entonces
k=1
para cada i, con 1 ≤ i ≤ n
* +
k=n
X D →E
−
−
→
w i, λk →
−
wk = →−
w i , 0 = 0,
k=1
pero
* k=n
+ k=n
X X
−
→
w i, λk →
−
wk = λk h −
→
w i, −
→
w k i = λi k−
→ 2
w ik ,
k=1 k=1
es decir, λi k→
− 2
w i k = 0 y por tanto λi = 0 y en consecuencia S es L.I.
Proposición 42

→
−
/ S, y S es un conjunto ortogonal entonces para todo −
S ⊆ V tal que 0 ∈ →v ∈ L(S),
h−
→
v ,−
→
k=n
X
−
→ w ki −
→
v = →
− 2 w k.
k=1 kw kk
Prueba.−
P −
k=n
Si →
−
v ∈ L(S) entonces →
−
v = λk →
w k luego para todo i, 1 ≤ i ≤ n,
k=1
*k=n + k=n
X X
h→
−
v ,−
→ λk →
−
w k, −
→ λ k h−
→
w k, −
→
w i i = λi k−
→ 2
w ii = wi = w ik
k=1 k=1
h→
−
v ,→
−
w ii P h→
k=n −v ,→
−
w ki −
por lo tanto λi = →− 2 es decir −
→
v = →
−
→
2 w k
k w i k k=1 k w k k
Definición 26
Sea V un espacio vectorial real con un producto interno h , i , sean →

−
u,−
→
v ∈V el
→− →−
h i
vector −
→ → se denomina ´´la proyección de −
− →
u sobre −→
u , v
w = → 2 v v ”.
k−v k
Proposición 43
Sea V un espacio vectorial real con un producto interno h , i , sean →

−
u,−
→
v ∈ V
entonces
* +
−
→ h−
→
u,−→
v i−
→ −
→
u − →− 2 v, v =0
kvk
Prueba.−

→
− h→
−u ,→
−
v i−
→ −
→ h→
−u ,→
−
vi −
u − →− 2 v , v = h−
→
u,−
→
vi− →−
→ − → → −
− → → −
− →
2 h v , v i = h u , v i − h u , v i = 0
k k
v k k
v
La proposición anterior muestra la manera de construir un par de vectores ortogonales

a partir de dos vectores dados, el proceso general para construir conjuntos ortogo-
nales a partir de un conjunto de vectores L.I.dados por un procedimiento recurrente,
se denomina ”PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT y es
el fundamento de la siguiente proposición.
Proposición 44
Todo espacio vectorial V finitamente generado con un producto interior h , i , tiene

una base ortogonal.
Prueba.−
El Teorema1. de la sección 5 garantiza la existencia de una base B = {− →

u 1, −
→u 2, · · · , −
→
u n} ,
a partir de la cual se construye una nueva base B b = {−→
w 1, −
→
w 2, · · · , −
→
w n } que resulta
ortogonal, el proceso de construcción es el siguiente:
Paso 1.
Sea
→
−w1 = − →
u1
Paso 2.
h→
−
u 2 ,−
→
1i −
Si −→
w2 = −
→ → − −
→ →
w
u2− → − 2 w 1 , claramente, por la proposición 40 REVISAR { w 1 , w 2 }
k w 1k
es ortogonal.
Paso 3.
Suponemos construı́do {− →
w 1, −→w 2, · · · , −
→
w k } ortogonal.
Si:
i=k −
−
→
X h→
u k+1 , −
→
w ii −
w k+1 = −
→
u k+1 − →
− 2
→
wi
i=1 kw k i
entonces
{−
→
w 1, −
→
w 2, · · · , −
→
w k, −
→
w k+1 }
resulta ortogonal ya que para todo j, 1 ≤ j ≤ k
* i=k −
+
X h →
u , −
→
w i
h−
→ w ji = −
w k+1 , −
→ → →
−
w i, −
→
k+1 i
u k+1 − →
− 2 wj
i=1 k w i k
* i=k +
X h− →u k+1 , −→
w ii −
→
− −
→
= h u k+1 , w j i − → −
→
w i, w j
k−→ 2
i=1 w ik
i=k −
X h→
u k+1 , −
→
w ii −
= h−
→
u k+1 , −
→
w ji − h→
w i, −
→
w ji
k−→ 2
i=1 w k i
= h→
−
u k+1 , −
→
w j i − h−
→
u k+1 , −
→
w ji
=0
b = {→
Después de n pasos el proceso termina y obtenemos B −
w 1, −
→
w 2, · · · , −
→
w n } base
ortogonal de V.
Ejemplo 84
Consideremos R3 con el producto punto, apliquemos a la base

B = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (3, 4, 5), −
→
u 3 = (1, 0, 1)}
el proceso Gram-Schmidt.
Paso 1.
Sea
−
→
w1 = −
→
u 1 = (1, 2, 3)
Paso 2.
Sea
−
→ h−
→u 2, −
→
w 1i −
w2 = −
→u2− → −
→
2 w1
k w 1k
(3, 4, 5) · (1, 2, 3)
= (3, 4, 5) − 2 (1, 2, 3)
k(1, 2, 3)k
26
= (3, 4, 5) − (1, 2, 3)
14

8 2 −4
= , ,
7 7 7
Paso 3.
Sea
−
→ h−
→
u 3, −
→
w 1i − h→
−
u 3, −
→
w 2i −
w3 = −
→
u3− →− 2
→
w 1 − →
−
→
2 w2
k w 1k k w 2k

(1, 0, 1) · (1, 2, 3) (1, 0, 1) · 78 , 72 , −4 8 2 −4
= (1, 0, 1) − 2 (1, 2, 3) − 8 2 −4 27 , ,
k(1, 2, 3)k , , 7 7 7
7 7 7
es decir
4
−
→ 2 7 8 2 −4
w 3 = (1, 0, 1) − (1, 2, 3) − 12 , ,
7 7
7 7 7

1 2 1
= ,− ,
3 3 3

b = (1, 2, 3), 8 2 −4 1 2 1
Es inmediato verificar que B 7, 7, 7 , 3, −3, 3 es una base ortogo-
nal de R3
Ejemplo 85
Consideremos M2×2 (R) con el producto definido en el ejemplo 78 REVISAR, aplique-

mos a la base
( ! ! ! !)
→
− 1 1 −
→ 1 1 −
→ 1 1 −
→ 1 0
B = u1 = , u2 = , u3 = , u3 =
1 1 1 0 0 0 0 0
el proceso Gram-Schmidt.
Paso 1.
Sea !
−
→ 1 1
w1 = −
→
u1 =
1 1
Paso 2.
Sea
−
→ h−
→u 2, −
→
w 1i −
w2 = −
→
u2− → −
→
2 w1
k w 1k
* ! !+
1 1 1 1
! !
1 1 1 0 1 1 1 1
= − ! ! 2
1 0 1 1 1 1 1 1

1 1 1 1
! !!
1 1 1 1
! Tr !
1 1 1 0 1 1 1 1
= − ! !!
1 0 1 1 1 1 1 1
Tr
1 1 1 1
! !
1 1 3 1 1
= −
1 0 4 1 1
!
1 1
= 4 4
1
4 − 43
Paso 3.
Sea
−
→ h−
→
u 3, −
→
w 1i − h→
−
u 3, −
→
w 2i −
w3 = −
→
u3− →− 2
→
w 1 − →
−
→
2 w2
k w 1k k w 2k
entonces
! !!
1 1 1 1
! Tr !
−
→ 1 1 0 0 1 1 1 1
w3 = − ! !!
0 0 1 1 1 1 1 1
Tr
1 1 1 1
! !!
1 1
1 1 4 4
Tr 1
!
0 0 4 − 43 1 1
− ! !! 4 4
1
1 1 1 1
4 − 43
Tr 4 4 4 4
1
4 − 43 1
4 − 43
! ! !
1 1 1
1 1 2 1 1 2 4 4
= − − 1
0 0 4 1 1 3
4 4 − 34
!
1 1
= 3 3
− 32 0
Paso 4.
Sea
−
→ h−
→
u 4, −
→
w 1i − h→
−
u 4, −
→
w 2i − h→
−
u 4, −
→
w 3i −
w4 = −
→
u4− →− 2
→
w 1 − →
− 2
→
w 2 − →
−
→
2 w3
k w 1k k w 2k k w 3k
entonces
! !!
1 0 1 1
! Tr !
−
→ 1 0 0 0 1 1 1 1
w4 = − ! !!
0 0 1 1 1 1 1 1
Tr
1 1 1 1
! !!
1 1
1 0 4 4
Tr 1
!
0 0 4 − 34 1 1
− ! !! 4 4
1
1 1 1 1
4 − 34
Tr 4 4 4 4
1
4 − 34 1
4 − 43
! !!
1
1 0 3 − 23
Tr 1
!
0 0 3 0 1 1
− ! !! 3 3
1 1 1
− 32 − 23 0
Tr 3 3 3
− 32 0 1
3 0
! ! ! !
1 1 1 1 1 1
1 0 1 1 1 4 4 4 3 3 3
= − − 1 −
0 0 4 1 1 3
4 4 − 34 2
3
− 32 0
!
1
2 − 12
=
0 0
Fácilmente se puede verificar que

( ! ! ! !)
1 1 1 1 1
b 1 1 4 4 3 3 2 − 21
B= , 1 , ,
1 1 4 − 43 − 32 0 0 0
es ortogonal.
Definición 27

sobre V, Bb = {− →w 1, −
→
w 2, · · · , −
→ b es ortonormal
w n } una base ortogonal decimos que B
→
− →
−
si para todo i, 1 ≤ i ≤ n el vector w i es unitario es decir k w i k = 1
Obviamente cada vez que obtenemos una base ortogonal de un espacio vectorial con
producto interno, inmediatamente tenemos una base ortonormal, basta multiplicar
cada vector →
−
w i por el escalar 1
y claramente el vector ası́ obtenido tiene norma
k→
−
w ik
1.
Ejemplo 86
Consideremos R3 con el producto punto. La base

b= 8 2 −4 1 2 1
B (1, 2, 3), , , , ,− ,
7 7 7 3 3 3
es una base ortogonal y como

r r
√ 8 2 −4 12 1 2 1

k(1, 2, 3)k = 14, , , = , ,− , = 2
7 7 7 7 3 3 3 3
entonces
( √ √ √ ! √ √ √ ! √ √ √ !)
e= 14 14 3 14 4 21 21 −2 21 6 − 6 6
B , , , , , , , ,
14 7 14 21 21 21 6 3 6
es una base ortonormal.
Ejemplo 87
Consideremos M2×2 (R) con el producto definido en el ejemplo 78 REVISAR, en el

ejemplo 84 encontramos la base ortogonal
( ! ! ! !)
1 1 1 1 1 1
b= 1 1 4 4 3 3 2 − 2
B , 1 , ,
1 1 4 − 34 − 32 0 0 0
y ya que
! ! r ! r ! r
1 1 1 1 3 1 1 2 1
− 21 1
4 4 3 3 2
= 2; 1 = , = , = ,
1 1 4 − 34 4 − 23 0 3 0 0 2
entonces
( ! √ √ ! √ √ ! √ √ !)
1 1 3 3 6 6 2 2
e= 2 2 √6 6√ 6√ 6 2 − 2
B 1 1 , 3
, ,
2 2 6 − 23 − 36 0 0 0
es una base ortonormal.
Capı́tulo 6
TRANSFORMACIONES
LINEALES
6.1 DEFINICION Y PROPIEDADES

Definición 1
Sean V y W espacios vectoriales, T : V → W una función definida en V y con valores

en W , si T es tal que
i. Para todo →
−
v 1, −
→
v2∈V T (−
→
v1+−
→
v 2 ) = T (−
→
v 1 ) + T (−
→
v 2)
ii. Para todo λ ∈ R, para todo −

→
v ∈ V, T (λ−
→
v ) = λT (−
→
v)
Decimos que T es una Transformación Lineal.(Aplicación lineal)
También decimos que una aplicación lineal es un homomorfismo o simplemente mor-

fismo de espacios vectoriales.
Ejemplo 1
T : R3 −→ R2 , Definida por T (x, y, z) = (z, y) es lineal por que
T [(x1 , y1 , z1 ) + (x2 , y2 , z2 )] = T (x1 + x2 , y1 + y2 , z1 + z2 ) = (z1 + z2 , y1 + y2 )

T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ) = (z1 , y1 ) + (z2 , y2 ) = (z1 + z2 , y1 + y2 )
265
266 CAPÍTULO 6. TRANSFORMACIONES LINEALES
evidentemente las expresiones de la derecha son iguales.
T [λ(x, y, z)] = T (λx, λy, λz) = (λz, λy) = λ(z, y)

λT (x, y, z) = λ(z, y)
evidentemente las expresiones de la derecha son igules.
Ejemplo 2
La aplicación T : M (n, m)−→M (m, n) definida por T (A) = AT es lineal, puesto

que
T (A + B) = (A + B)T = AT + B T = T (A) + T (B)

T
T (λA) = (λA) = λAT = λT (A)
Ejemplo 3
−→
La aplicación L : S −→ R3 , definida por L(OA) = (a, b, c) donde A = (a, b, c) es una
aplicación lineal(S es el espacio usual).
Ejemplo 4
Si V es un espacio vectorial y B = {−
→
v 1, −
→
v 2, · · · , −
→
v n } una base deV , la aplicación
T : V −→M (n, 1),
definida por
T (−
→
v ) = [−
→
v ]B
es lineal.
P −
k=n P
k=n
En efecto, si →
−
v = λk →
vk y →
−
u = µk −
→
u k α, β ∈ R
k=1 k=1
tenemos
k=n
X
α−
→
v + β−
→
u = (αλk + βµk ) −
→
vk
k=1
en consecuencia
T (α−
→
v + β−
→
u ) = α [−
→
v ]B + β [−
→
u ]B = αT (→
−
v ) + βT (→
−
u)
6.1. DEFINICION Y PROPIEDADES 267
Ejemplo 5
La aplicación L : Pn [x] −→ Rn+1 , definida por
L(a0 + a1 x + a2 x2 + · · · + an xn ) = (a0 , a1 , · · · , an )
es lineal por que
L [(a0 + a1 x + · · · + an xn ) + (b0 + b1 x + · · · + bn xn )]

= L (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (1)
De otro lado:
L(a0 + a1 x + · · · + an xn ) + L(b0 + b1 x + · · · + bn xn )
= (a0 , a1 , · · · , an ) + (b0 , b1 , · · · , bn )
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (2)
Evidentemente (1),(2) son iguales.

Además:

L λ(a0 + a1 x + a2 x2 + · · · + an xn ) = L(λa0 + λa1 x + · · · + λan xn )
= (λa0 , λa1 , · · · , λan )
= λ(a0 , a1 , · · · , an )
= λL(a0 + a1 x + · · · + an xn )
Ejemplo 6
Sea A ∈ M (m, n), LA : Mn×1 (R) −→ Mm×1 (R) , definida por:

Si  
x1
 
 x2 
X= . 

;
 .. 
xn
LA [X] = AX, LA es lineal.
Proposición 1
Si T : V → W es lineal entonces
→
− →
−
1. T ( 0 ) = 0
2. Para todo →
−
v ∈ V, T (−−
→
v ) = −T (−
→
v)
3. Para todo λ1 , · · · , λn ∈ R, y para todo →

−
v 1, −
→
v 2, · · · , −
→
v n ∈ V,
k=n
! k=n
X X
T λk →
−
vk = λk T (−
→
v k)
k=1 k=1
Prueba.−
→
− → −
− → →
− →
− →
− →
−
1. Basta ver que T ( 0 ) = T ( 0 + 0 ) = T ( 0 ) + T ( 0 ) y por lo tanto T ( 0 ) = 0 .
→
− →
−
2. Basta observar que T (−
→
v ) + T (−−
→
v ) = T (v + (−−
→
v )) = T ( 0 ) = 0 .
3. Ejercicio para el lector.(Inducción)
Observación.-
−
→ −
→
Note que T aplica el 0 del espacio V en el 0 del espacio W , los cuales no necesari-
amente son iguales.
Proposición 2
Sean V y W espacios vectoriales, B = {−→

v 1, −
→
v 2, · · · , −
→
v n } una base de V , −
→
w 1, −
→
w 2, · · · , −
→
wn ∈
W no necesariamente distintos, entonces existe una única aplicación lineal T : V → W
tal que para todo i, 1 ≤ i ≤ n T (−→v i) = −→
w i.
Prueba.−
P −
k=n P −
k=n
Si →
−
v ∈ V, entonces →
−
v = λk →
v k definimos T (−
→
v)= λk →
w k , entonces:
k=1 k=1
i Para todo i, 1 ≤ i ≤ n T (−
→
v i) = −
→
w i.
ii T es lineal
6.1. DEFINICION Y PROPIEDADES 269
P −
k=n P
k=n
Si →
−
v1= λk →
vk y −
→
v2= µk −
→
v k entonces
k=1 k=1
k=n k=n
!
X X
T (→
−
v1+−
→
v 2) = T λk →
−
vk+ µk →
−
vk
k=1 k=1
k=n
!
X
=T (λk + µk )−
→
vk
k=1
k=n
X k=n
X k=n
X
= (λk + µk )−
→
wk = λk −
→
wk + µk −
→
wk
k=1 k=1 k=1
k=n
! k=n
!
X X
=T λk −
→
vk +T µk −
→
vk
k=1 k=1
= T (→
−
v 1 ) + T (−
→
v 2)
P −
k=n
Si λn ∈ R, →
−
v = λk →
v k entonces
k=1
k=n
!
X
T (λ−
→
v)=T λ λk →
−
vk
k=1
k=n
!
X
=T λλk →
−
vk
k=1
k=n
X
= λλk −
→
wk
k=1
k=n
!
X
=λ λk −
→
vk
k=1
= λT (−
→
v)
Finalmente si L : V → W es lineal y tal que para todo i, 1 ≤ i ≤ n L(−

→
v i) = −
→
w i,
entonces para
k=ntodo −
→v ∈ V,
P P
k=n P −
k=n
L(−
→v)=L λ −
k
→
v k = λ L(−
→
v )=
k λ →
k w = T (−→v) k k
k=1 k=1 k=1
La conclusión de la proposición nos permite afirmar que toda aplicación lineal T :
V → W está unı́vocamente determinada por sus valores en los elementos de una base
de V .
Proposición 3
Si T : V → W es lineal, U un subespacio de V,
entonces T (U ) = {→
−
w ∈ W | existe −
→
u ∈ U tal que T (−
→
u) = →
−
w } es un subespacio de
W.
Prueba.−
→
− →
− −
→
i Puesto que T ( 0 ) = 0 , 0 ∈ T (U )
ii Si →
−
w 1, −
→
w 2 ∈ T (U ) entonces existen →
−
u 1, −
→
u 2 ∈ U tales que
T (−
→
u 1) = −
→
w 1 y T (−
→
u 2) = −
→
w2
en consecuencia
−
→
w1 + −
→
w2 = T (−
→
u 1 ) + T (−
→
u 2)
= →
−
T( u + u )→
−
1 2
por lo tanto (→
−
w1 + −
→
w 2 ) ∈ T (U )
iii Si λ ∈ R, −
→
w ∈ T (U ), entonces existe −
→
u ∈ U tal que T (−
→
u)=−
→
w y en consecuencia
λ−
→
w = λT (−
→u)
= →
−
T (λ u ) ∈ T (U )
6.2 ALGEBRA DE APLICACIONES LINEALES

Consideramos V, W dos espacios vectoriales fijos, notamos £(V, W ) = {L | L : V −→
W, lineal}.
Las operaciones que dan a hW, +, .i estructura de Espacio Vectorial, nos permiten
definir una adición sobre £(V, W ) y una multiplicación de un real por un elemento
de £(V, W ).
Definición 2
Sean L, T ∈ £(V, W ), λ ∈ R, definimos

6.2. ALGEBRA DE APLICACIONES LINEALES 271
i (L + T ) : V −→ W, por (L + T ) (−
→
v ) = L(−
→
v ) + T (−
→
v ) para todo →
−
v ∈ V.
ii (λL) : V −→ W, por (λL) (−

→
v ) = λL(−
→
v ) para todo →
−
v ∈V
Proposición 4
Sean V, W dos espacios vectoriales, £(V, W ) con las operaciones de la definición 2

tiene estructura de espacio vectorial.
Prueba.−
Sean L, T ∈ £(V, W ),
1. Si →
−
v 1, −
→
v2 ∈V;
(L + T ) (−
→
v1+−
→
v 2) = L(−
→v1+− →v 2 ) + T (−
→
v1+− →v 2)
= [L( v 1 ) + L( v 2 )] + [T ( v 1 ) + T (−
→
− →
− →
− →
v 2 )]
→
− →
− →
−
= [L( v ) + T ( v )] + [L( v ) + T ( v )] →
−
1 1 2 2
= (L + T ) (→
−
v 1 ) + (L + T ) (−
→
v 2)
2. µ ∈ R, →
−
v ∈ V,
(L + T ) (µ−
→
v) = L(µ−
→v ) + T (µ−
→v)
= →
− →
−
µL( v ) + µT ( v )
= µ [L(−
→
v ) + T (−→v )]
= →
−
µ (L + T ) ( v )
De (1) y (2) (L + T ) ∈ £(V, W )
3. Si →
−
v 1, −
→
v2 ∈V;
(λL) (−
→
v1+−
→
v 2) = λ.L(−
→v1+− →v 2)
= λ (L( v 1 ) + L(−
→
− →v 2 ))
→
−
= λL( v ) + λL( v )→
−
1 2
= (λL) (→
−
v 1 ) + (λL) (−
→
v 2)
4. Si µ ∈ R, →
−
v ∈ V,
(λL) (µ−
→
v) = λ (L(µ−
→v ))
= →
−
λ (µL( v ))
= (λµ) L(−
→v)
= →
−
µ (λL( v ))
= µ [(λL) (−
→
v )]
De (3) y (4) (λL) ∈ £(V, W )
→
−
La aplicación O : V −→ W, definida por O(−→v ) = 0 para todo −
→
v ∈ V se comporta
como identidad (módulo) de la adición.
Para cada L : V −→ W, la aplicación (−L) : V −→ W definida por (−L)(− →
v) =
→
− →
−
− (L( v )) para todo v ∈ V es el opuesto de L.
Las demás propiedades se deducen inmediatamente de las correspondientes en W .
Proposición 5
Sean V, W, U espacios vectoriales, L : V −→ W lineal y T : W −→ U lineal entonces

(T ◦ L) : V −→ U, definida por (T ◦ L)(− →v ) = T [L(−
→
v )] es lineal.
Prueba.−
Proposición 6
Sean V y W dos espacios vectoriales reales de dimensión finita entonces £(V, W ) es

de dimensión finta y Dim (£(V, W )) = Dim(V )Dim(W )
Prueba.−
Consideremos B = {− →
v 1, −
→
v 2, · · · , −
→
v n } y B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } bases ordenadas
fijas de V y W respectivamente.
Para cada (r, s) ∈ [1, m] × [1, n] sea Lr,s : V → W , definida por
(
→
−
w r si s = k
Lr,s (−→v k) = →
−
0 si s 6= k
6.2. ALGEBRA DE APLICACIONES LINEALES 273
Basta probar que B = {Lr,s |(r, s) ∈ [1, m] × [1, n]} es una base de £(V, W ). Sea en-
tonces L : V → W tal que
L(−
→ w 1 + α21 −
v 1 ) = α11 −
→ w 2 + · · · + αm1 −
→ →
wm
..
.
L( v k ) = α1k w 1 + α2k −
→
− →
− →
w 2 + · · · + αmk −
→
wm
..
.
L(−
→v n ) = α1n −
→
w 1 + α2n −→
w 2 + · · · + αmn −
→
wm
s=n
P
r=m P
Probaremos que L = αrs Lr,s , sea entonces k, 1 ≤ k ≤ n
r=1 s=1
r=m s=n
!! r=m
X X X
αrs Lr,s (→
−
v k) = αrk Lr,k (−
→
v k)
r=1 s=1 r=1
r=m
X
= αrk −
→
w r = L (−
→
v k)
r=1
s=n
P
r=m P
es decir las aplicaciones lineales αrs Lr,s y L coinciden en cada uno de
r=1 s=1
los elementos de la base B en consecuencia
r=m s=n
!
X X
L= αrs Lr,s
r=1 s=1
es decir B es un sistema de generadores.

s=n
P
r=m P
De otro lado, sea λrs Lr,s = O una combinación lineal nula de vectores de
r=1 s=1
B,entonces para cada k, 1 ≤ k ≤ n
r=m s=n
!!
X X →
−
λrs Lr,s (−
→
v k) = 0
r=1 s=1
P
r=m →
−
es decir λrk −
→
w r = 0 y como B ′ es base de W entonces para todo r, 1 ≤ r ≤ n
r=1
se tiene que λrk = 0 y por tanto B es un conjunto L.I.
Obviamente B tiene mn elementos y la prueba termina.
6.3 NUCLEO E IMAGEN

Definición 3
Sea T : V → W lineal,
→
−
ker(T ) = {−
→
v ∈ V | T (−
→
v ) = 0 } ⊂ V se denomina el Nucleo de T.
Definición 4
Sea T : V → W lineal,
Im(T ) = {−
→
w ∈ W | existe →
−
v ∈ V tal que T (−
→
v)=→
−
w } ⊂ W se denomina la Imagen
de T.
Observación. Evidentemente Im(T ) no es otra cosa que el recorrido de T, vista como

función del conjunto V en el conjunto W.
Proposición 7
Sea T : V → W lineal, ker(T ) es un subespacio de V
Prueba.−
→
− →
− −
→
i Puesto que T ( 0 ) = 0 , 0 ∈ ker(T )
→
− →
−
ii Si −
→
v 1, −
→
v 2 ∈ ker(T ) entonces T (−
→
v 1 ) = 0 , T (−
→
v 2 ) = 0 en consecuencia
T (−
→
v1+−
→
v 2) = T (−
→
v 1 ) + T (−
→
v 2)
→ −
− →
= 0 + 0
→
−
= 0
es decir (→
−
v1+−
→
v 2 ) ∈ ker(T )
→
−
iii Si λ ∈ R, −
→
v ∈ ker(T ) entonces T (−
→
v ) = 0 y por tanto
T (λ−
→
v) = λT (−
→
v)
→
−
= λ0
→
−
= 0
es decir λ→
−
v ∈ ker(T )
6.3. NUCLEO E IMAGEN 275
Proposición 8
Sea T : V → W lineal, Im(T ) es un subespacio de W.
Prueba.−
Basta aplicar la proposición 3. con U = V.
Proposición 9
→
−
Sea T : V → W lineal, T es inyectiva si y solo si ker(T ) = { 0 }
Prueba.−
Suponemos T inyectiva y sea →

−
u ∈ ker(T ), en consecuencia
→
− →
−
T (−
→
u ) = 0 = T( 0 )
→
− →
−
por lo tanto −
→
u = 0 por tanto ker(T ) = { 0 }.
→
−
Recı́procamente, suponemos ker(T ) = { 0 } y −
→
v 1, −
→
v 2 ∈ V tales que
T (−
→
v 1 ) = T (−
→
v 2)
entonces
→
−
T (−
→
v1−−
→
v 2) = 0
y en consecuencia
−
→ →
−
v1−−
→
v2= 0
es decir
−
→
v1=−
→
v2
y por tanto T es inyectiva.
Proposición 10
→
−
Sea T : V → W lineal, tal que ker(T ) = { 0 } , B = {→
−
u 1, −
→
u 2, · · · , −
→
u s } ⊂ V, un
conjunto L.I. entonces
e = {T (−
B →
u 1 ), T (−
→
u 2 ), · · · , T (−
→
u s )} ⊂ W
es un conjunto L.I.
Prueba.−
→
−
Suponemos λ1 T (−
→
u 1 ) + λ 2 T (−
→
u 2 ) + · · · + λs T (−
→
u s ) = 0 , entonces
→
−
T (λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λs −
→
u s) = 0
es decir
→
−
(λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λs −
→
u s ) ∈ ker(T ) = { 0 },
por tanto
→
−
u 2 + · · · + λs −
u 1 + λ2 −
λ1 −
→ → →
us = 0,
y puesto que B es L.I. entonces
λ1 = λ2 = · · · = λs = 0
es decir
{T (−
→
u 1 ), T (−
→
u 2 ), · · · , T (−
→
u s )} ⊂ W es un conjunto L.I.
Definición 5
La dimensión de ker(T ) se denomina la Nulidad de T y se nota η(T )
Definición 6
La dimensión de Im(T ) se denomina el Rango de T y se nota ρ(T )
Proposición 11
Sea T : V → W lineal, T es epiyectiva o sobre si y solo si ρ(T ) = Dim(W )
Prueba.−
Suponemos T es epiyectiva entonces Im(T ) = W y en consecuencia Dim(W ) =
Dim(Im(T )) = ρ(T )
Recı́procamente, suponemos ρ(T ) = Dim(W ) entonces Im(T ) es un subespacio de
W talque Dim(W ) = Dim(Im(T ) por lo tanto Im(T ) = W.
Proposición 12
Sea T : V → W lineal, T es epiyectiva o sobre si y solo si Im(T ) = W
Prueba.−
Consecuencia directa de la proposición 11.
TEOREMA 1
Sea T : V → W lineal entonces η(T ) + ρ(T ) = Dim(V )
Prueba.−
→
−
Supongamos ker(T ) 6= { 0 }, ker(T ) 6= V, consideremos U = {−
→
v 1, −
→
v 2, · · · , −
→
v r } con
1 ≤ r < Dim(V ) = n, una base de ker(T ) y construimos
B = {−
→
v 1, −
→
v 2, · · · , −
→
v r, −
→
v r+1 , −
→
v r+2 , · · · , −
→
v n}
una base de V, basta verificar que Dim(Im(T )) = n − r

Sea entonces −
→
w ∈ Im(T ), existe − →
v ∈ V, tal que T (−
→
v)=→
−
w y puesto que B es una
base de V ,
→
− P −
k=n
v = λ →v , en consecuencia:
k k
k=1
−
→
w = T (−
→
v)
k=n
!
X
=T λk →
−
vk
k=1
= λ 1 T (−
→
v 1 ) + · · · + λ r T (−
→
v r ) + λr+1 T (−
→
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)
→
− →
− →
− →
− →
−
= λ 0 + ··· + λ 0 + λ T( v
1 r r+1 r+1 ) + λ T( v
r+2 ) + ··· + λ T( v )
r+2 n n
= λr+1 T (→
−
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)
En consecuencia {T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )} es un sitema de generadores de
Im(T )
→
−
Por otra parte, si µ1 T (−
→
v r+1 ) + µ2 T (−
→
v r+2 ) + · · · + µn−r T (−
→
v n ) = 0 entonces
−
→
T (µ1 −
→ v r+2 + · · · + µn−r −
v r+1 + µ2 −
→ →
v n) = 0
es decir
(µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n ) ∈ ker(T )
por tanto, existen escalares λ1 , · · · , λr tales que:
µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n = λ1 −
→
v 1 + · · · + λr −
→
vr
es decir
→
−
v 1 + · · · + λr −
λ1 −
→ →
v r + (−µ1 )−
→
v r+1 + (−µ2 )−
→
v r+2 + · · · + (−µn−r )−
→
vn= 0
y como B es una base de V , concluı́mos que
λ1 = · · · = λr = (−µ1 ) = (−µ2 ) = · · · = (−µn−r ) = 0
en particular µ1 = µ2 = · · · = µn−r = 0 ; es decir
{T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )}
es un conjunto L.I.
→
−
Si ker(T ) = { 0 }, y B = {−
→v 1, −
→
v 2, · · · , −
→
v n } es una base de V entonces {T (−
→
v 1 ), T (−
→
v 2 ), · · · , T (−
→
v n )}
es L.I. y por lo tanto una base de Im(T ) en consecuencia Dim(V ) = 0+Dim(Im(T ))
→
−
Finalmente si ker(T ) = V entonces Im(T ) = { 0 } y por tanto
Dim(V ) = n + 0
Proposición 13
Sean V y W espacios vectoriales, si T : V → W es una aplicación lineal biyectiva

entonces Dim(V ) = Dim(W )
Prueba.−
Consecuencia inmediata de las proposiciones 9, 10 y 11 y el Teorema1. (Ejercicio para

el lector)
Proposición 14

entonces T −1 : W → V es lineal.
Prueba.−
Recordemos inicialmente que para cada →

−
w ∈ W,
T −1 (−
→
w) = −
→
v
(−→
v es el único elemento de V tal que T (− →v)=− →
w ).
Sean entonces w 1 , w 2 ∈ W , existen v 1 , v 2 ∈ V únicos y tales que T (−
→
− −
→ →
− −
→ →
v 1) = −
→
w1
→
− →
− →
− −
→ →
− →
− →
− →
−
y T ( v 2 ) = w 2 puesto que T es lineal T ( v 1 ) = w 1 y T ( v 1 + v 2 ) = w 1 + w 2 y
en consecuencia
T −1 (−
→
w1 + −
→
w 2) = −
→
v1+−
→
v 2 = T −1 (−
→
w 1 ) + T −1 (−
→
w 2)
Además, si λ ∈ R y −→w ∈ W existe un único −

→v ∈ V tal que T (−
→
v)=→
−
w por tanto
→
− →
− −1 −
→ →
− −1 −→
T (λ v ) = λ w y en consecuencia T (λ w ) = λ v = λT ( w )
Definición 7

decimos que T es un isomorfismo de espacio vectorial y que los espacios V y W son
isomorfos.
Ejemplo 7
S y R3 son isomorfos; la aplicación definida por L(−

→
v ) = (a, b, c) es un isomorfismo.
Ejemplo 8
Pn [x] y Rn+1 son isomorfos; la aplicación definida por

T (a0 + a1 x + a2 x2 + · · · + an xn ) = (a0 , a1 , · · · , an ) es un isomorfismo.
Ejemplo 9
Sea W = {(x, y, 0) | x ∈ R, y ∈ R} subespacio de R3 , entonces

L : R2 −→ W, definnida por L(x, y) = (x, y, 0) es un isomorfismo.
Ejemplo 10
Rn y M (n, 1) son isomorfos; la aplicación definida por

 
a1
 
 a2 

L((a1 , a2 , · · · , an ) =  .  es un isomorfismo.
 .. 
an
TEOREMA 2
Todo espacio vectorial real de dimensión finita es ismorfo a un espacio Rn .
Prueba.−
Sea V un espacio vectorial de dimensión finita, B = {→ −

v 1, −
→
v 2, · · · , −
→
v n } una base
n →
−
ordenada de V , definimos L : V → R de la siguiente manera, si v ∈ V es tal que
→
− P −
k=n
v = λ→v definimos L(−
i i
→
v ) = (λ , λ , · · · , λ ) .
1 2 n
k=1
Claramente L es un isomorfismo.
Definición 8
Una transformación lineal T : V → V se denomina un operador lineal sobre V
Proposición 15
Sea un operador lineal T : V → V definido en un espacio eucideo V,con producto

interno hi , entonces las siguientes afirmaciones son equivalentes:
a Para todo →
−
v 1, −
→
v 2 ∈ V se tiene hT (−
→
v 1 ), T (−
→
v 2 )i = h−
→
v 1, −
→
v 2i
b Para todo →
−
v ∈ V se tiene kT (−
→
v )k = k−
→
vk
c Para todo →
−
v 1, −
→
v 2 ∈ V se tiene kT (−
→
v 1 ) − T (−
→
v 2 )k = k−
→
v1−−
→
v 2k
Prueba.−
(a)=⇒(b)
p
Sea →
−
v ∈ V entonces kT (−
→
v )k = hT (−
→
v ), T (−
→
v )i
pero por (a):

p p→ −
hT (−
→
v ), T (−
→
v )i = h−
v ,→
v i = k−
→
vk
(b)=⇒(c)
Sean −
→
v 1, −
→
v 2 ∈ V entonces kT (−
→
v 1 ) − T (−
→
v 2 )k = kT (−
→
v1−−
→
v 2 )k
pero por (b):
kT (−
→
v1−−
→
v 2 )k = k−
→
v1−−
→
v 2k
(c)=⇒(a)
Sean →
−
v 1, −
→
v 2 ∈ V entonces
kT (−
→
v 1 ) − T (−
→
v 2 )k = hT (−→
v 1 ) − T (−
→
v 2 ), T (−
→
v 1 ) − T (−
→
2
v 2 )i
= kT (−
→
v 1 )k + kT (− →v 2 )k − 2 hT (−→v 1 ), T (−
→
2 2
v 2 )i
y
k−
→
v1−−
→
v 2 k = k−
→
v 1 k + k−
→
v 2 k − 2 h−
→
v 1, −
→
2 2 2
v 2i ,
en consecuencia por (c)
−2 hT (−
→
v 1 ), T (−
→
v 2 )i = −2 h−
→
v 1, −
→
v 2i
es decir hT (−
→
v 1 ), T (−
→
v 2 )i = h−
→
v 1, −
→
v 2i
Además también puede probarse que:

(c)=⇒(b)
→
−
Sea →
−
v ∈ V basta aplicar (c) con →
−
v =−
→
v1 y →
−
v2 = 0.
Definición 9
Un operador lineal T : V → V definido en un espacio eucideo V, con producto interno

hi ,se denomina una isometrı́a si para todo −

→
v 1, −
→
v 2 ∈ V se tiene que kT (−
→
v 2 ) − T (−
→
v 1 )k =
k−
→v2−− →
v 1k
Proposición 16
Sea T : V → V una isometrı́a definida en un espacio eucideo V, con producto in-

terno hi, entonces si − →
v 1, −
→
v 2 ∈ V son tales que α es el ángulo entre − →v1 y −→
v2
→
− →
− −
→ −
→
entonces α es el ángulo entre T ( v 1 ) y T ( v 2 ) en particular si h v 1 , v 2 i = 0 entonces
hT (−
→
v 1 ), T (−
→
v 2 )i = 0.
Prueba.−
Sean α es el ángulo entre →

− →
− →
− →
−
→
− →−
v 1 y v 2 y β es el ángulo entre T ( v 1 ) y T ( v 2 ) entonces
h 1 2i
v , v
α = arccos pero por hipótesis
k→−
v 1 kk→ −
v 2k
h−
→v 1, −
→
v 2i hT (−
→v 1 ), T (−
→
v 2 )i
→
− →
− =
k v 1k k v 2k kT ( v 1 )k kT (−
→
− →v 2 )k
en consecuencia α = β
6.4 TRANSFORMACIONES LINEALES Y MATRI-

CES
En la sección 6.1 asociamos de manera natural una aplicación lineal LA : Mn×1 −→
Mm×1 a cada matriz A ∈ M (m, n), en esta efectuamos el proceso inverso, es decir,
asociamos una matriz a cada aplicación lineal para concluir que para todos los efectos
del Algebra Lineal podemos identificar unas con otras.
El ejemplo 10 de la sección anterior nos permite hablar indistintamente de Rn o Mn×1,
y de Rm o Mm×1, igualmente podemos notar los elementos de Rn en forma horizontal
y/o vertical.
Proposición 17
Sea T : Rn −→ Rm lineal, entonces existe una matriz A tamaño mxn tal que
6.4. TRANSFORMACIONES LINEALES Y MATRICES 283
 
x1
 
 x2 
Si X = 
 .. ;
 LA [X] = AX
 . 
xn
Prueba.−
 
x1
 
 x2 
X=
 ..  significa

 . 
xn
     
1 0 0
     
 0   1   0 
X = x1 
 ..  + x2 
  0
 + · · · + xn 
  .. 

 .     . 
..
0 . 1
→
− →
− →
−
= x1 E 1 + x2 E 2 + · · · + xn E n ,
entonces si
→
− −
→ →
− →
−
T ( E 1 ) = α11 E 1 + α21 E 2 + · · · + αm1 E m
..
.
→
− −
→ →
− →
−
T ( E j ) = α1j E 1 + α2j E 2 + · · · + αmj E m
..
.
→
− →
− →
− →
−
T ( E n ) = α1n E 1 + α2n E 2 + · · · + αmn E m
basta definir A como la matriz tamaño mxn, cuya columna j es la matriz vector
→
−
columna T ( E j ) ∈ Rm
 
α11 α12 ··· α1j ··· α1n
 α21 α22 ··· α2j ··· α2n 
 
 .. .. .. .. 
h → i
− h → i
− h − → i  . . . . 
 
A= T ( E 1) T ( E 2) · · · T ( E n) =  
 αi1 αi2 ... αij ··· αin 
 
 .. .. .. .. 
 . . . . 
αm1 αm2 ··· αmj ··· αmn
y en consecuencia
→
− →
− →
−
T (X) = T (x1 E 1 + x2 E 2 + · · · + xn E n )
→
− →
− →
−
= x1 T ( E 1 ) + x2 T ( E 2 ) + · · · + xn T ( E n )
j=n
X →
−
= xj T ( E j )
j=1
j=n
X →
− →
− →
−
= xj (α1j E 1 + α2j E 2 + · · · + αmj E m )
j=1
j=n k=m
!
X X −
→
= xj αkj E k
j=1 k=1
 
k=m
X j=n
X
 →
−
= αkj xj  E k
k=1 j=1
= AX
Ejemplo 11
Proposición 18
Sean V, W espacios vectoriales y B = {− →

v 1, −
→
v 2, · · · , −
→
v n },
′ →
− −
→ −
→
B = { w 1 , w 2 , · · · , w m } bases ordenadas de V y W respectivamente y sea
T : V → W lineal, entonces existe una matriz A tamaño mxn tal que
v )]B ′ = A [−
[T (−
→ →
v ]B
Prueba.−
Basta construir A y verificar la igualdad, para tal efecto definimos A como la matriz
cuya columna j, 1 ≤ j ≤ n es la matriz de coordenadas de la imagen de − →
v j respecto
de B ′ , es decir:
6.4. TRANSFORMACIONES LINEALES Y MATRICES 285
Si
T (−
→ w 1 + α21 −
v 1 ) = α11 −
→ w 2 + · · · + αm1 −
→ →
wm
..
.
T ( v j ) = α1j w 1 + α2j −
→
− →
− →
w 2 + · · · + αmj −
→
wm
..
.
v n ) = α1n −
T (−
→ w 1 + α2n −
→ w 2 + · · · + αmn −
→ →
wm
entonces  
α11 α12 ··· α1j ··· α1n
 α21 α22 ··· α2j ··· α2n 
 
 .. .. .. .. 
 . . . . 
 
A = ([T (−
→
v 1 )]B ′ [T (−
→
v 2 )]B ′ →
−
· · · [T ( v n )]B ′ ) =  
 αi1 αi2 ... αij ··· αin 
 
 .. .. .. .. 
 . . . . 
αm1 αm2 ··· αmj ··· αmn
Ahora, si −
→
v ∈ V,
k=n
−
→ P −
k=n P P
k=n
v = λk →
v k y T (−
→
v)=T λk →
−
vk = λk T (−
→
v k)
k=1 k=1 k=1
es decir
k=n
X
T (−
→
v)= λk T (−
→
v k)
k=1
k=n
X
= w 2 + · · · + αmk −
w 1 + α2k −
λk (α1k −
→ → →
w m)
k=1
k=n
X i=m
X
= λk αik −
→
wi
k=1 i=1
i=m k=n
!
X X
= αik λk −
→
wi
i=1 k=1
i=m
X →
= v ]B −
A(i) [−
→ wi
i=1
luego
[T (−
→
v )]B ′ = A [−
→
v ]B (*)
Definición 10
Sean V, W espacios vectoriales y B = {− →

v 1, −
→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m}
bases ordenadas de V y W respectivamente y sea T : V → W lineal, la matriz A
cuya existencia garantiza la proposición anterior se denomina la matriz asociada a T ,
B′
respecto de las bases B y B ′ y se nota A = [T ]B , con esta notación la ecuación (*)
se escribe:
v )]B ′ = [T ]B [−
[T (−
→ B′ →
v ]B
Ejemplo 12
Proposición 19
Sean V, W, U espacios vectoriales, B = {− →

v 1, −
→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m }, B ′′ =
→
− −
→ −
→
{ u 1 , u 2 , · · · , u s } bases ordenadas de V, W y U respectivamente, L : V −→ W
lineal y T : W −→ U lineal entonces
B ′′ B ′′ B′
[T ◦ L]B = [T ]B ′ [L]B
Prueba.−
B′ B ′′ B ′′
Suponemos A = [L]B , C = [T ]B ′ y D = [T ◦ L]B
consideramos − →
v ∈ V, entonces
[L( v )]B ′ = [L]B [−
→
− B′ →
v ]B = A [ −
→
v ]B , y
→
− B ′′ →
−
[T (L( v ))] = [T ] [L( v )]
B ′′ B′ B′
por lo tanto

v ))]B ′′ = [T ]B ′ [L]B [−
[T (L(−
→ B′ →
v ]B = C (A [−
→
v ]B ) = (CA) [−
→
B ′′
v ]B
por otra parte

v )]B ′′ = [T ◦ L]B [−
[(T ◦ L) (−
→ B ′′ →
v ]B = D [−
→
v ]B
en consecuencia
(CA) = D

6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 287
TEOREMA 3
Sean V, W espacios vectoriales y B = {−→v 1, −

→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m}
bases ordenadas fijas de V y W respectivamente entonces la trasformación Ψ : £(V, W ) −→
B′
M (m, n) definida por Ψ(L) = [L]B es un isomorfismo entre (V, W ) y M (m, n).
Prueba.−
La verificación de la linealidad de la transformación Ψ es un cálculo de rutina, el

lector interesado puede realizarlo como ejercicio.
B′
Por otra parte, si L ∈ ker(Ψ) entonces Ψ [L] = [L]B = 0 ∈ M (m, n) por tanto para
todo −→v ∈ V,
→
−
[L( v )]B ′ = [L]B [−
→
− B′ →
v ]B = 0 [−
→v ]B = 0 ∈ W
→
−
en consecuencia para todo − →v ∈ V, L(−→
v ) = 0 es decir L = O, por tanto ker(Ψ) =
{O} en consecuencia Ψ es inyectiva y por el teorema de rango mas nulidad Ψ es
epiyectiva.
6.5 TRANSFORMACIONES LINEALES Y MATRI-

CES EN GEOMETRIA PLANA ELEMENTAL.
En esta sección estudiamos algunos operadores lineales sobre R2 y su interpretación
geométrica. En todos los casos presentamos nla ecuación que lo define, su matriz
→ −
− →o
asociada respecto de la base canónica B = i, j y un caso especı́fico de la
imagen de un objeto de R2 . Las operaciones entre matrices y el producto escalar en
R2 son los usuales
1. El operador lineal Rx : R2 → R2 , definido por la ecuación
Rx (x, y) = (x, −y)
es la reflexión de un punto del plano sobre su simétrico respecto del eje x.

Puesto que Rx (1, 0) = (1, 0) y Rx (0, 1) = (0, −1) entonces
!
B 1 0
[Rx ]B =
0 −1
Ejemplo 13
Consideramos la figura plana constituida por el segmento AB,

d de la parábola
A = (1, 1), B = (5, 1) y el arco AB
y = 5 − (x − 3)2 = −x2 + 6x − 4.
Describimos el segmento en la forma
AB = {(x, y)| 1 ≤ x ≤ 5, y = 1}
su imagen es
A′ B ′ = {(x, y)| 1 ≤ x ≤ 5, y = −1} ;
y puesto que
! ! !
1 0 x x
2
= 2
0 −1 −x + 6x − 4 x − 6x + 4
la imagen del arco AB [

d es el arco A′ B ′ de la parábola
y = x2 − 6x + 4
.
..... .
.....
..........
..... ........
... ...
... ...
..
. ..
.. ...
...
. ...
...
..
.
. ..
... ..
..
... ..
A. B
......
. Rx ......
.
−
→
A’..... .
..B’
.. ..
...
...
.
...
... ...
.. ...
.. ..
...
... .
...
.... ..
.....................
2. El operador lineal Ry : R2 → R2 , definido por la ecuación
Ry (x, y) = (−x, y)
es la reflexión de un punto del plano sobre su simétrico respecto del eje y.

Puesto que Ry (1, 0) = (−1, 0) y
Ry (0, 1) = (0, 1) entonces
!
B −1 0
[Ry ]B =
0 1
Ejemplo 14
Consideramos la curva de ecuación
9(x − 4)2 + 16y 2 − 144 = 9x2 − 72x + 16y 2 = 0
su imagen es
9(−x)2 − 72(−x) + 16y 2 = 9x2 + 72x + 16y 2

= 9(x + 4)2 + 16y 2 − 144
= 0
...... ......
.......................................................... ..........................................................
.......... ...... .......... ......
....... ..... ...... .....
..
..... .... ....... ....
. ... . ...
... ... ... ...
.... ....
....
....
. ...
....
Ry ....
...
...
. ......
...
...
....
...
.
.
... −
→ ...
...
.... ...
....
.....
....... ..... ..... .
.....
.......... ...... ...... .....
.................... ............................. ..........
..........................................................
...........
3. El operador lineal R0 : R2 → R2 , definido por la ecuación
R0 (x, y) = (−x, −y)
es la reflexión de un punto del plano sobre su simétrico respecto del origen.

Puesto que R0 (1, 0) = (−1, 0) R0 (0, 1) = (0, −1) y entonces
!
B −1 0
[R0 ]B =
0 −1
Ejemplo 15
Consideramos la curva de ecuación
(x − 4)2 + 4(y − 3)2 = 4
su imagen es
((−x) − 4)2 + 4((−y) − 3)2 = 4
es decir
(x + 4)2 + 4(y + 3) = 4
..... .....
... .
.... ..... ....
.. .... ....
.... .... .......... .... .... .....
.... .... .... .....
....
.
.
............................................................ .......... .
..... ........ .......... ........
.
.
... .. . .. .. .
..
... ....... .... .... ..... ...... .......
........... ....... ......... .............. .... .... ...... .......
........ ..... ..... ............ .... ..... ..... .......
..
..... ................................................................ ..
..... .............................
.. .. ... .... . . .
.. .. ... ... . .
.... ................. .... .................
...................... ......................
...................... ......................
.
.................. ...... R0 .
..................
.
.... .
.... ......
........... −
→ ...........
.................. ..................
...
............................... .................................
.
. .
........... .... ... ........... .... ...
........... .... .... ........... .... ....
...... ..... ..... ... .......................................... ...
...... ..... .... .... ........ ...... ..... ........... ....
.
................... ....... ...... ..
...................... ....... ...........
. .
. .
...... ..... ..... .... . .
...... ... ..... ..... .............
.
...... ..... .... ....... ...... ......... .... . ..
...... ......... ....... ... ...... ......... .............................................
. . . .
...
. ..... ....... ..
..... ...
. ..... . ...... .
......
... ... .. ... ... ..
4. El operador lineal Ri : R2 → R2 , definido por la ecuación
Ri (x, y) = (y, x)
es la reflexión de un punto del plano sobre su simétrico respecto de la recta

y = x.
Puesto que Ri (1, 0) = (0, 1) y Ri (0, 1) = (1, 0) entonces
!
B 0 1
[Ri ]B =
1 0
Ejemplo 16
Consideremos el triángulo de vértices A = (1, 2), B = (1, 4), C = (3, 4) y halle-

mos su imagen:
Encontremos,inicialmente, la imagen del segmento AB, A = (1, 2),
B = (1, 4) descrito por las ecuaciones paramétricas
x(t) = 1
y(t) = 2 + 2t
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 2t + 2
=
1 0 2 + 2t 1
y obtenemos el segmento A′ B ′ , A′ = (2, 1), B ′ = (4, 1) descrito por las ecua-

ciones paramétricas
x(t) = 2t + 2
y(t) = 1
t ∈ [0, 1] .
Ahora, encontremos la imagen del segmento BC, B = (1, 4), C = (3, 4) descrito
por las ecuaciones paramétricas
x(t) = 1 + 2t
y(t) = 4
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 + 2t 4
=
1 0 4 2t + 1
y obtenemos el segmento B ′ C ′ , B ′ = (4, 1), C ′ = (4, 3) descrito por las ecua-

x(t) = 4
y(t) = 2t + 1
t ∈ [0, 1] .
Finalmente, encontremos la imagen del segmento AC, A = (1, 2), C = (3, 4)

descrito por las ecuaciones paramétricas
x(t) = 1 + 2t
y(t) = 2 + 2t
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 + 2t 2t + 2
=
1 0 2 + 2t 2t + 1

x(t) = 2 + 2t
y(t) = 2t + 1
t ∈ [0, 1] .
Geométricamente tenemos:
.... ....
5 ...
.. 5 ...
..
... ...
... ...
4 B ..... C .... 4
..
..
. .. . .
..
...... . ...
..... ... ...
...... .. ′
3 .
....
.......
. ...
... 3 . . ...
. C
......
.
..
. . . ...
. ......
.
..
..... ... . . .
..
......
2 A..... ........ 2 ...
...
..
.....
......
.
......
.. ... ......
. ..... ′
1 ........ 1 ...
.... ′.
..
.
A B
.. ...
...
... ..... Ri ...
...
.....
−2 −1 ...
...
1 2 3 4 5 6 −
→ −2 −1 ...
... 1 2 3 4 5 6
...
−1 ...
−1
5. El operador lineal Sα : R2 → R2 , definido por la ecuación
Sα (x, y) = (x cos α + y sin α, −x sin α + y cos α)
es la rotación de un punto un ángulo α al rededor del origen.

Puesto que
Sα (1, 0) = (cos α, sin α) y Sα (0, 1) = (− sin α, cos α)
entonces !
B cos α − sin α
[Sα ]B =
sin α cos α
Ejemplo 17
π
Encontremos la imagen por la rotación un ángulo 3, de la curva descrita en
forma paramétrica por las ecuaciones
x(t) = 4 cos t,
y(t) = 2 sin t
1
√ ! ! √ !
− 12 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t
! √ !
B cos π3 − sin π3 1
− 21 3
S π3 = = √
2
B sin π3 cos π3 1
2 3 1
2
en consecuencia las ecuaciones paramétricas de la imagen se obtienen al calcular

1
√ ! ! √ !
− 21 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t
gráficamente tenemos:
.... .... ..
...
..............................
..
............. ... ...
...... ... .....
.
.....
..... ... ...
..... ... ..
...................
..................................
........... ..... .. ...
........... ......... ..
.
..
.
...
........ . .
....... .......
... ... ..
. .....
.
.....
.... ... ... .
.
..
...
. ... ... ... ...
.....
...
...
.
... ...... s π3 ...
...
...
...
...
... ......
...
....
..... ... ..
...... −
→ ...
...
...
...
...
. ..
.......
......... ... ..
...
..
.. ... ...
........... ......... ... ... ...
..
............................................................ .... ... ...
... ... ....
... .. .....
.. .....
...
... .... .....
..... . ....
........
....
.............................
...
...
Las reflexiones y la rotación son algunos de los denominados movimientos

rı́gidos del plano; el otro la traslación, definido por la ecuación
T (x, y) = (x, y) + (a, b) con (a, b) 6= (0, 0),
claramente no es una transformación lineal ya que
T (0, 0) = (a, b) 6= (0, 0).
Por otra parte, si consideramos en R2 el producto punto usual y la distancia

definida como: Si A = (a, b) y B = (c, d) entonces
d(A; B) = kA − Bk
p
= (A − B) · (A − B)
p
= (a − c)2 + (b − d)2
los movimientos rı́gidos del plano resultan ser isometrı́as.
Proposición 20
Los operadores sobre R2 , Rx , Ry , R0 , Ri , Sα , vale decir, las reflexiones y la rotación

son isometrı́as y sus matrices asociadas a la base canónica son ortogonales.
Prueba.−
En todos los casos basta probar que, para todo A ∈ R2 , B ∈ R2 ,
T (A) · T (B) = AB
1. Rx : R2 → R2 , definido por la ecuación Rx (a, b) = (−a, b)
Rx (a, b) · Rx (c, d) = (−a, b) · (−c, d)

= (−a)(−c) + bd
= ac + bd
= (a, b) · (c, d)
2. Ry : R2 → R2 , definido por la ecuación Ry (a, b) = (a, −b)
Ry (a, b) · Ry (c, d) = (a, −b) · (c, −d)

= ac + (−b)(−d)
= ac + bd
= (a, b) · (c, d)
3. R0 : R2 → R2 , definido por la ecuación R0 (a, b) = (−a, −b)
R0 (a, b) · R0 (c, d) = (−a, −b) · (−c, −d)

= (−a)(−c) + (−b)(−d)
= ac + bd
= (a, b) · (c, d)
4. Ri : R2 → R2 , definido por la ecuación R(a, b) = (b, a)
Ri (a, b) · Ri (c, d) = (b, a) · (d, c)

= bd + ac
= (a, b) · (c, d)
5. S : R2 → R2 , definido por la ecuación
S(x, y) = (a cos α + b sin α, −a sin α + b cos α)
S(a, b) · S(c, d) = (a cos α + b sin α, −a sin α + b cos α) ·

(c cos α + d sin α, −c sin α + d cos α)
= (a cos α + b sin α) (c cos α + d sin α) +
(−a sin α + b cos α) (−c sin α + d cos α)
= (ac + bd) cos2 α + (bd + (−a)(−c)) sin2 α
= ac + bd
= (a, b) · (c, d)
En cuanto a las matrices asociadas respecto de la base canónica, tenemos:

!
B 1 0
1. [Rx ]B = y
0 −1
! ! !
T 1 0 1 0 1 0
B B
[Rx ]B [Rx ]B = =
0 −1 0 −1 0 1
!
B −1 0
2. [Ry ]B = y
0 1
! ! !
T −1 0 −1 0 1 0
B B
[Ry ]B [Ry ]B = =
0 1 0 1 0 1
!
B 1 0
3. [R0 ]B = y
0 −1
! ! !
T −1 0 −1 0 1 0
B B
[R0 ]B [R0 ]B = =
0 −1 0 −1 0 1
!
B 0 1
4. [Ri ]B = y
1 0
! ! !
T 0 1 0 1 1 0
B B
[Ri ]B [Ri ]B = =
1 0 1 0 0 1
!
B cos α − sin α
5. [Sα ]B = y
sin α cos α
! ! !
T cos α − sin α cos α sin α 1 0
B B
[Sα ]B [Sα ]B = =
sin α cos α − sin α cos α 0 1
Existen otras aplicaciones lineales con interpretación geométrica simple, que no

son isometrı́as, a continuación presentamos algunas de ellas.
6. El operador lineal Lkx : R2 → R2 , definido por la ecuación
Lkx (x, y) = (kx, y)

se denomina dilatación paralela a x, cuando k > 1 y compresión paralela a x,

cuando 0 < k < 1.
Puesto que Lkx (1, 0) = (k, 0) y Lkx (0, 1) = (0, 1) entonces
!
B k 0
Lkx B
=
0 1
Ejemplo 18
Consideremos el rectángulo de vértices
A = (1, 1), B = (1, 4), C = (5, 4), D = (5, 1)
y la aplicación definida por L2x (x, y) = (2x, y), en consecuencia
!
B 2 0
L2x B =
0 1
Ahora, encontremos la imagen del segmento AB, A = (1, 1), B = (1, 4) descrito
por las ecuaciones paramétricas
x(t) = 1,
y(t) = 3t + 1
t ∈ [0, 1] ,
calculamos ! ! !
2 0 1 2
=
0 1 3t + 1 3t + 1
y obtenemos el segmento A′ B ′ , A′ = (2, 1), C ′ = (2, 4) descrito por las ecua-

x(t) = 2,
y(t) = 3t + 1
t ∈ [0, 1] .
Para encontrar la imagen del segmento BC, B = (1, 4), C = (5, 4) descrito por
las ecuaciones paramétricas
x(t) = 1 + 4t,
y(t) = 4
t ∈ [0, 1] .
calculamos ! ! !
2 0 1 + 4t 8t + 2
=
0 1 4 4

x(t) = 8t + 2,
y(t) = 4
t ∈ [0, 1]
.
Para encontrar la imagen del segmento CD, C = (5, 4), D = (5, 1) descrito por
x(t) = 5,
y(t) = 4 − 3t
t ∈ [0, 1] .
Calculamos ! ! !
2 0 5 10
=
0 1 4 − 3t 4 − 3t
y obtenemos el segmento C ′ D′ , C ′ = (10, 4), D′ = (10, 1) descrito por las

ecuaciones paramétricas
x(t) = 10,
y(t) = 4 − 3t
t ∈ [0, 1] .
Finalmente, para encontrar la imagen del segmento AD, A = (1, 1), D = (5, 1),
descrito por las ecuaciones paramétricas
x(t) = 4t + 1,
y(t) = 1
t ∈ [0, 1] .
Calculamos ! ! !
2 0 4t + 1 8t + 2
=
0 1 1 1
y obtenemos el segmento A′ D′ , A′ = (2, 1), D′ = (10, 1) descrito por las ecua-

x(t) = 2 + 8t,
y(t) = 1
t ∈ [0, 1] .
Geométricamente tenemos:
.... ....
B C B’ C’
A D A’ D’
...... L2x ......
−
→
7. El operador lineal Lsy : R2 → R2 , definido por la ecuación
Lsy (x, y) = (x, sy)
se denomina dilatación paralela y cuando s > 1 y compresión paralela a y

cuando 0 < s < 1.
Puesto que Lsy (1, 0) = (1, 0) y Lsy (0, 1) = (0, s) entonces
!
s B 1 0
Ly B =
0 s
Ejemplo 19
Consideremos el cı́rculo de radio r = 1, con centro en C = (2, 2) descrito por

x(t) = 2 + cos t,
y(t) = 2 + sin t,
t ∈ [0, 2π]
1
y la aplicación definida por Ly (x, y) = (x, 21 y), en consecuencia 2
!
h 1 iB 1 0
Lx2 =
B 0 12
Para encontrar la imagen calculamos

! ! !
1 0 2 + cos t 2 + cos t
=
0 12 2 + sin t 1 + 21 sin t
es decir la imagen es la curva descrita por las ecuaciones paramétricas
x(t) = 2 + cos t,
1
y(t) = 1 + sin t,
2
t ∈ [0, 2π]
que corresponde a una elipse con centro en C ′ = (2, 1) y de semiejes de longitud
a = 2 y b = 12 respectivamente.
Geométricamente
.
tenemos:
.. ..
.... ....
...................................
....... ......
.....
..... .....
...
.... ...
..
. ...
.... ...
...
.... .
... • ..
... ...
... ..
.
... ..
.
... ... .......................................
.... .... ............. ........
..... ..... ........ .....
...... ...... ....
.........
.......................... ... ...
..
.... • .
.... ...
......
.......... .
...
.....
...................................................
1/2
.......
.. Ly .......
..
−−→
8. El operador lineal Lk0 : R2 → R2 , definido por la ecuación

Lk0 (x, y) = (kx, ky)
se denomina dilatación cuando k > 1 y compresión cuando 0 < k < 1.
Puesto que Lk0 (1, 0) = (k, 0) y Lk0 (0, 1) = (0, k) entonces
!
k B k 0
L0 B =
0 k
.....
... ..
.....
... ..
.. .. .
....
.. .... ....
...................................... ....
.. ............ ... ......... ......
......... .. .. ....
. ....
.
... .
.... .. .
.... ....
.... .... ....... .. .... ....
... .... .... .... .. .... ....
... .... ... ... .. . ....
.. .... .... ........ ..
. .
...
..
. ..
. . .. .. .... ....
.... ... .... ..... .. .... ....
.... .
..... ...... . ..... .... . .... .... .....
...
.
. ... ...
.. .... .
..... .
.. .. .
..... . ..... .....
. .
.. ... ...... .......
. ..
....
.. ..
.. ..
.
.
.
..
. .....
.
......
.... .. ..
. .....
.. .......... ...... ....
.... ..
.. .. .... ....... .....
.. ..... .... . . . .. .... .. .....
.. .. . .. ....
. .
.. .... . .... ..... .....
.... ....... .... .. ...... .. .... ....... ........
.. .... ....... ..... .......... . .
. ... . .. .......
.. ... ... ......... ...... .. ..... ...... ....... .......
. ...... ....... ......................................................... ................................. ...... .......
. . . ..... ... ...... ..................... .......
.. ..... ..... ...... ...... . ..... . . .. ..
.. ... .... .... ...... .... .... ..... ....... .......
. .... ..... ...... ...... ..... .... .... ..... .. .......
.. .................... ........... . .......... ...... .............
. .. .
..................... ..........
..
. .....................................................
.
......................... .................................
........................ .......................
....... .......
......
Lk0 ......... ......
.......
−
→
9. El operador lineal Exk : R2 → R2 , definido por la ecuación

Exk (x, y) = (x + ky, y), k ∈ R,
denominada elongación paralela a x, mueve un punto del plano a la izquierda
o a la derecha pero siempre sobre la misma horizontal.
Puesto que Exk (1, 0) = (1, 0) y Exk (0, 1) = (k, 1) entonces
!
k B 1 k
Ex B =
0 1
...... ......
... .. ... ..
•................... ..
........
...... .....
•
....... ......
.......
....... ..
........
.
...
...
....... ...... ...
.......
....... .
.......... ...
....... ..
..
..... ...
....... .... ...
.
......
...... • .
....
.
..
.
.
....
.
..
.
.........
............. •
...... .
.. .. .
....
.
.........
. ...
.
.
...
. .
..
. ....
........
. ..
• ......• • ...... .......... •
........
.......
Ry ........
.......
−
→
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 301
10. La aplicación Eyk : R2 → R2 , definida por la ecuación Eyk (x, y) = (x, kx +

y), k ∈ R, denominada elongación paralela a y, mueve un punto del plano
hacia arriba o hacia abajo siempre sobre la misma vertical.
B
Puesto que Eyk (1, 0) = (1, k) y Eyk (0, 1) = (0, 1) entonces Eyk =
! B
1 0
k 1
...... ...
... .. ... ...
• ...................
...................
................... • .....
.....
................... .....
................... .....
.........
...............
•
............... .....
.....
.....
• • ...............
• ...... .....
.......
.
........
Eyk ......
......
......
.....
.....
.....
.....
.......
........
−→ ......
......
......
.....
.....
.....
...... .....
...... .....
...... .
...... .........
...... ..
...... .........
• ...... ......
....... ....
....... ......
....... .....
....... .....
............
..........
•.....
Obviamente el lector habrá notado que todos los procesos geométricos descritos
por los operadores presentados anteriormente son suceptibles de construir el
procedimiento inverso, en consecuencia no se sorprenderá al observar que sus
matrices asociadas son invertibles (no singulares) y mas aún que excepto la aso-
ciada a la rotación, son matrices elementales, si además, recordamos el resultado
que afirma que toda matriz inversible es un producto de matrices elementales,
podemos de una manera natural afirmar que todo proceso geométrico en el
plano representado por un operador lineal inversible es una sucesión finita de
procesos representados por operadores cuya matriz asociada es elemental como
los presentados en esta sección.
6.6 VALORES Y VECTORES PROPIOS, DIAG-

ONALIZACION
Definición 11
Sea T : V → V una trasformación lineal , un número real λ se denomina un

→
−
valor caracterı́stico de T si y solo si existe un vector − →v ∈ V, − →
v =6 0 tal que
T (−
→
v ) = λ−
→v . Afirmamos además que − →v es un vector caracterı́stico asociado a λ.
Observaciones.-
→
− →
− →
−
1. Evidentemente para todo λ ∈ R, y toda T : V −→ V lineal T ( 0 ) = 0 = λ 0
→
−
por esta razón excluı́mos 0 en la definición.
2. Los valores caracterı́sticos y vectores caracterı́sticos son también denominados
valor propio y vector propio asociado resectivamente, incluso hay textos donde
encontramos los nombres eigenvalor y eigenvector.
3. Evidentemente los vectores − →v y λ−→v son paralelos en consecuencia una apli-
cación lineal tiene vectores propios cuando envı́a un vector no nulo en uno
paralelo y el valor propio es el correspondiente coeficiente.
Ejemplo 20
Sea T : V −→ V definida por T (−

→
v ) = µ−
→v entonces µ es un valor caracterı́stico
→
− −
→
de T y para todo v ∈ V, v es un vector caractrı́stico asociado a µ
Ejemplo 21
Sea Ry : R2 −→ R2 definida por Ry (x, y) = (x, −y) entonces para todo x ∈ R,
Ry (x, 0) = (x, 0) = (1)(x, 0)
es decir 1 es un valor propio de Ry y (x, 0) un vector propio asociado 1.

Además, para todo y ∈ R,
Ry (0, y) = (0, −y) = (−1)(0, y)
es decir −1 es un valor propio de Ry y (0, y) un vector propio asociado −1.

Si recordamos que Ry es la reflexión respecto del eje y es claro que los vectores
que son aplicados en vectores paralelos son los de punto final en el eje x cuya imagen
es el mismo y los de punto final sobre el eje y cuya imagen es el opuesto.
Ejemplo 22
Sea T : R2 −→ R2 , definida por T (x, y) = (x + y, x + y). Investiguemos la existencia

de valores y vectores propios.
(x + y, x + y) = λ(x, y) significa
(
(1 − λ)x + y = 0
x + (1 − λ)y = 0
sistema de ecuaciones lineales homogeneo que tiene solución diferente de la trivial si

y solo si
1−λ 1

=0
1 1−λ
es decir
λ2 − 2λ = λ(λ − 2) = 0
En consecuencia los valores propios de T son λ = 0 y λ = 2
Además,
T (x, y) = (x + y, x + y) = (0)(x, y) = (0, 0),
es decir (
x+y =0
x+y =0
cuya solución es {(−t, t)|t ∈ R} es decir , −
→
v es un vector propio de T, asociado al
−
→
valor propio λ = 0 si y solo si v ∈ L ({(−1, 1)}) y análogamente
T (x, y) = (x + y, x + y) = (2)(x, y)
es decir (
x + y = 2x
x + y = 2y
cuya solución es {(t, t)|t ∈ R} es decir , −
→
w es un vector propio de T, asociado al
−
→
valor propio λ = 2 si y solo si w ∈ L ({(1, 1)})
Ejemplo 23
Sea T : R3 −→ R3 , definida por T (x, y, z) = (x, −y, z). Entonces
T (x, y, z) = (x, −y, z) = λ(x, y, z)
si y solo si 

 x = λx
−y = λy

 z = λz
es decir 

 (1 − λ)x = 0
(1 + λ)y = 0

 (1 − λ)z = 0
sistema homogeneo que tiene solución no trivial si y solo si

1−λ 0 0

0 1+λ 0 =0

0 0 1−λ
en consecuencia los valores propios de T son λ = 1 y λ = −1.

Además
T (x, y, z) = (x, −y, z) = (1)(x, y, z)
es decir , −
→
w = (x, y, z) es un vector propio de T, asociado al valor propio λ = 1 si y
solo si y = 0 es decir −→
w ∈ L ({(1, 0, 0), (0, 0, 1)}) y análogamente
T (x, y, z) = (x, −y, z) = (−1)(x, y, z)
es decir , −
→
w = (x, y, z) es un vector propio de T, asociado al valor propio λ = −1 si
y solo si x = z = 0 es decir −→
w ∈ L ({(0, 1, 0)}) .
Ejemplo 24
Sea T : R2 −→ R2 definida por T (x, y) = (x cos θ + ysenθ, −xsenθ + y cos θ) ,

entonces
T (x, y) = (x cos θ + ysenθ, −xsenθ + y cos θ) = λ(x, y)
si y solo si (
x cos θ + ysenθ = λx
−xsenθ + y cos θ = λy
es decir (
(cos θ − λ)x + ysenθ = 0
,
−xsenθ + (cos θ − λ)y = 0
sistema homogeneo que tiene solución no trivial si y solo si

cos θ − λ sen θ

=0
−sen θ cos θ − λ
es decir si λ es una raı́z real del polinomio
λ2 − 2λ cos θ + 1 = 0.
√
Ahora, las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1
por tanto λ será real si y solo si cos2 θ − 1 = 0 es decir θ = nπ.
En consecuencia si θ = (2n + 1)π para cualquier n ∈ Z, la aplicación resulta ser la

definida por T (x, y) = (−x, −y) = (−1)(x, y) que obviamente tiene un único valor
propio λ = −1 y es tal que para todo (x, y) ∈ R2 , (x, y) es un vector propio de T
asociado al valor propio λ = −1.
Por otro lado si θ = 2nπ para cualquier n ∈ Z, la apliación resulta la definida por
T (x, y) = (x, y) que obviamente tiene un único valor propio λ = 1 y es tal que para
todo (x, y) ∈ R2 , (x, y) es un vector propio de T asociado al valor propio λ = 1.
Geométricamente es claro afirmar entonces que las únicas rotaciones que envı́an vec-
tores en vectores paralelos son la rotación un ángulo θ = (2n + 1)π caso en el cual
envı́a todo vector en su opuesto y la “rotación” un ángulo θ = 2nπ que en la práctica
es la identidad.
Definición 12
Sea A ∈ Mn×n (R), un número real λ se denomina un valor caracterı́stico de A si

→
− → −
− → →
− →
−
y solo si existe un vector X ∈ Rn , X 6= 0 tal que A X = λ X . Afirmamos además
→
−
que X es un vector caracterı́stico asociado a λ.
Observación.-. Las observaciones 1.,2.,3., posteriores a la definición 11 son igual-

mente válidas para los términos aquı́ definidos.
Proposición 21
Sea A ∈ Mn×n (R), un número real α es un valor propio de A si y solo si α es una

raiz del polinomio p(λ) = |λI − A|
Prueba.−
→
− →
−
Decir que un número real α es un valor propio de A significa que A X = α X para algún
→
− →
− →
− →
− →
−
X ∈ Rn , X 6= 0 ; es decir (αI − A) X = 0 , sistema homogéneo de ecuaciones
lineales que tiene solución diferente de la trivial si y solo si |(αI) − A| = 0
observación.- Como consecuencia inmediata de la proposición 19 podemos afirmar
que una matriz A ∈ Mn×n (R) tiene a lo mas n valores propios diferentes.
Definición 13
Sea A ∈ Mn×n (R), el polinomio p(λ) = |λI − A| se denomina el polinomio carac-

terı́stico de A.
Proposición 22
Sea A ∈ Mn×n (R), α un valor propio de A entonces

n−→ →
− →o
−
V (α) = X ∈ Rn |A X = α X
es un subespacio de Rn .
Prueba.−
Es suficiente con observar que V (α) es el espacio de soluciones del sistema homogeneo
→ −
− →
de ecuaciones lineales (λI − A) X = 0
Definición 14
Sea A ∈ Mn×n (R), α un valor propio de A, V (α) se denomina el subespacio propio

de V asociado a α.
Ejemplo 25
Sea
!
1 0
A=
0 −1
entonces
λ−1 0

p(λ) = |λI − A| = = (λ − 1)(λ + 1)
0 λ+1
y en consecuencia sus valores propios son 1 y −1.
Los vectores propios de A, asociados a 1 son entonces los vectores del espacio solución
del sistema ! ! !
0 0 x 0
=
0 2 y 0
es decir L ({(1, 0)}) , y los vectores propios de A, asociados a −1 son entonces los
vectores del espacio solución del sistema
! ! !
−2 0 x 0
=
0 0 y 0
es decir L ({(0, 1)}) .
Ejemplo 26
Sea
!
1 1
A=
1 1
entonces
λ−1 −1

p(λ) = |λI − A| = = λ2 − 2λ
−1 λ−1
y en consecuencia sus valores propios son 0 y 2.
Los vectores propios de A, asociados a 0 son entonces los vectores del espacio solución
del sistema ! ! !
−1 −1 x 0
=
−1 −1 y 0
es decir L ({(−1, 1)}) , y los vectores propios de A, asociados a 2 son entonces los
! ! !
1 −1 x 0
=
−1 1 y 0
es decir L ({(1, 1)}) .
Ejemplo 27
Sea
 
1 0 0
 
A =  0 −1 0 
0 0 1
entonces
p(λ) = |λI − A|

λ−1 0 0

= 0 λ+1 0

0 0 λ−1
= λ3 − λ2 − λ + 1
2
= (λ + 1) (λ − 1)
y en consecuencia sus valores propios son −1 y 1.

Los vectores propios de A, asociados a −1 son entonces los vectores del espacio solución
del sistema     
−2 0 0 x 0
    
 0 0 0  y  =  0 
0 0 −2 z 0
es decir L ({(0, 1, 0)}) , y los vectores propios de A, asociados a 1 son entonces los
    
0 0 0 x 0
    
 0 2 0  y  =  0 
0 0 0 z 0
es decir L ({(1, 0, 0), (0, 0, 1)}) .
Ejemplo 28
Sea
!
cos θ sen θ
A=
−sen θ cos θ
entonces
p(λ) = |λI − A|

λ − cos θ −sen θ

=
sen θ λ − cos θ
= λ2 − 2λ cos θ + 1
√
las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1 por tanto
λ será real si y solo si cos2 θ − 1 = 0 es decir θ = nπ.
Ahora, si θ = 2nπ entonces
!
1 0
A=
0 1
en consecuencia
2
p(λ) = (λ − 1)
y por tanto λ = 1 y V (1) = R2 .

si θ = (2n + 1) π entonces
!
−1 0
A=
0 −1
en consecuencia
2
p(λ) = (λ + 1)
y por tanto λ = −1 y V (−1) = R2 .
El lector cuidadoso habrá notado la similitud de los ejemplos 14 y 18, 15 y 19, 16 y

20, 17 y 21, en realidad son conceptualmente idénticos.
Ejemplo 29
Sea
 
5 4 2
 
A= 4 5 2 
2 2 2
Entonces

λ−5 −4 −2

p(λ) = −4 λ−5 −2

−2 −2 λ−2
= λ3 − 12λ2 + 21λ − 10
2
= (λ − 10) (λ − 1)
por lo tanto los valores propios de A son 1 y 10.

Además,
      

 x 5 −4 −2 x 0  
      
V (10) =  y  ∈ R3 tales que  −4 5 −2   y  =  0 

 z 
−2 −2 8 z 0 
 

 2 

 
= L 2 
 
 1 
y
      

 x −4 −4 −2 x 0  
  3     
V (1) =  y  ∈ R tales que  −4 −4 −2   y  =  0 

 z 
−2 −2 −1 z 0 
    

 −1 −1  
    2  
= L  1 , 0  

 

0 1
En adelante, si tenemos en cuenta que todo espacio vectorial de dimensión finita V

es naturalmente isomorfo a un espacio Rn y que si fijamos una base ordenada B en
el espacio V todo operador lineal T : V → V , se identifica con una matriz,vale decir,
TBB = A ∈ Mn×n (R); solo nos referimos a matrices cuadradas de orden n.
Ejemplo 30
Sea
 
4 6 6
 
A= 1 3 2 
−1 −5 −2
Entonces

λ−4 −6 −6

p(λ) = −1 λ−3 −2

1 5 λ+2
= λ3 − 5λ2 + 8λ − 4
2
= (λ − 1) (λ − 2)
por lo tanto los valores propios de A son 1 y 2.

Además,
      

 x −3 −6 −6 x 0  
      
V (1) =  y  ∈ R3 tales que  −1 −2 −2   y  =  0 

 z 
1 5 3 z 0 
  
 4
 −3  
   
= L   − 13  

 

1
y
      

 x −2 −6 −6 x 0  
      
V (2) =  y  ∈ R3 tales que  −1 −1 −2   y  =  0 

 z 
1 5 4 z 0 
   
 3 
 − 
  21  
= L   −2  

 

1
Proposición 23
Sea A ∈ Mn×n (R), α1 , · · · , αr , r ≤ n, valores propios de A,diferentes dos a dos

con vectores propios asociados − →v 1, · · · , −
→
v r respectivamente entonces el conjunto
→
− −
→
{ v 1 , · · · , v r } es un conjunto L.I.
Prueba.
Claramente {− →v 1 } es un conjunto L.I.

→
−v2∈ / L ({ v 1 }) en consecuencia {−
→
− →v 1, −
→
v 2 } es un conjunto L.I.
→
−v3∈ / L ({ v 1 , v 2 }) en consecuencia { v 1 , −
→
− −
→ →
− →v 2, −
→
v 3 } es un conjunto L.I., en general
si suponemos { v 1 , · · · , v k−1 } un conjunto L.I. y −
→
− −
→ →v k ∈ L ({−
→
v 1, · · · , −
→
v k−1 }) existen
escalares λ1 , · · · , λk−1 tales que
−
→ v 1 + · · · + λk−1 −
v k = λ1 −
→ →
v k−1 (*)
y multiplicando a izquierda por A tenemos
A−
→
v k = A (λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 ) = λ1 A−
→
v 1 + · · · + λk−1 A−
→
v k−1
y puesto que →
−
v 1, · · · , −
→
v k son vectores propios asociados a α1 , · · · , αk tenemos,
v k = λ1 α1 −
αk −
→ →
v 1 + · · · + λk−1 αk−1 −
→
v k−1 (**)
ahora si multiplicamos la ecuación (*) por αk y restamos la ecuación (**) obtenemos;
−
→
0 = λ1 (αk − α1 )−
→
v 1 + · · · + λk−1 (αk − αk−1 )−
→
v k−1
por tanto λ1 = 0, · · · , λk−1 = 0 y en consecuencia − →

v k = λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 =
→
−
0v1 + · · · + 0−
→
v k−1 = 0
lo cual es imposible puesto que − →v k es un vector propio de A, asociado a αk en
→
−
consecuencia v ∈ →
− −
→
/ L ({ v , · · · , v }) y {−
→
v ,··· ,−
→v } es unconjunto L.I.
k 1 k−1 1 k
el proceso es finito y por tanto {−
→
v 1, · · · , −
→
v r } es un conjunto L.I.
Definición 15
Sea A ∈ Mn×n (R), α un valor propio de A, la dimensión del espacio V (α) se denomina
la multiplicidad geométrica de a.
Observación.-De la definición de vector propio asociado a un valor propio es inmedi-

ato afirmar que la multiplicidad geométrica de un valor propio nunca es cero.
Aceptamos sin prueba que si A ∈ Mn×n (R), α un valor propio de A entonces la

multiplicidad geométrica de α es menor o igual que su multiplicidad algebráica.
Proposición 24
Sea A ∈ Mn×n (R), α un valor propio de A entonces α es un valor propio de AT
Prueba.
T T
Basta ver que λI − AT = (λI) − AT = (λI − A) en consecuencia si llamamos
p(λ) el polinomio caracterı́stico de A y q(λ) el polinomio caracterı́stico de AT , ten-
emos
p(λ) = |λI − A|

T
= (λI − A)

T
= (λI) − AT

= λI − AT
= q(λ)

Proposición 25
Sea A ∈ Mn×n (R), α un valor propio de A entonces para todo k ∈ R, kα es un valor

propio de kA
Prueba.
→
− −
→ −
→ →
− −
→
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X 6= 0 tal que A X = α X en
−
→ →
−
consecuencia si k ∈ R, kA X = kα X
Proposición 26
Sea A ∈ Mn×n (R), α un valor propio de A entonces para todo entero positivo n, αn
es un valor propiode An
Prueba.
→
− → −
− → →
− →
−
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X 6= 0 tal que A X = α X , es
decir la proposición es verdadera para n = 1.
→
− → −
− → →
− →
−
Suponemos que existe X ∈ Rn , X 6= 0 tal que An X = αn X y multiplicamos a
izquierda por A, en consecuencia
− → −
→
A An X = A αn X
es decir
→
− − →
An+1 X = αn A X
− →
= αn α X
→
−
= αn+1 X
→
− −
→ →
− →
− →
−
en consecuencia existe X ∈ Rn , X 6= 0 tal que para todo n ∈ Z+ , An X = αn X
Proposición 27
Sea A ∈ Mn×n (R), es singular si y solo si 0 es un valor propio de A.
Prueba.
Basta recordar que A ∈ Mn×n (R), es singular si y solo si el sistema AX = 0 tiene

una solución no trivial.
Proposición 28
1
Sea A ∈ Mn×n (R), no singular y sea α un valor propio de A entonces α es un valor
propio de A−1 .
Prueba.
→
− −
→ →
− →
− →
−
Puesto que A es no singular, α 6= 0 y existe X ∈ Rn , X =
6 0 tal que A X = α X ,
multiplicamos a izquierda por A−1 y obtenemos
−→ −
→
A−1 A X = A−1 α X
es decir
−
→ →
−
A−1 A X = α A−1 X

−1 −
→ 1 −→
A X = X
α

Ejemplo 31
Sea
!
1 2
A=
5 10
entonces
p(λ) = |λI − A|

λ−1 −2

=
−5 λ − 10
= λ2 − 11λ
= λ (λ − 11)
en consecuencia sus valores propios son 0 y 11, además

( ! ! ! !)
x 2 −1 −2 x 0
V (0) = ∈ R tales que =
y −5 −10 y 0
( !)!
−2
=L
1
y
( ! ! ! !)
x 2 10 −2 x 0
V (0) = ∈ R tales que =
y −5 1 y 0
( !)!
1
=L 5
1
El lector observará que A es singular.
Ejemplo 32
Sea
 
2 −1 −2
 
A =  −2 −3 −8 
1 3 7
entonces
p(λ) = |λI − A|

λ−2 1 2

= 2 λ+3 8

−1 −3 λ−7
= λ3 − 6λ2 + 11λ − 6
= (λ − 1) (λ − 2) (λ − 3)
en consecuencia sus valores propios son 1, 2 y 3, además
      

 x −1 1 2 x 0  
      
V (1) =  y  ∈ R3 tales que  2 4 8  y  =  0 

 z 
−1 −3 −6 z 0 
  

 0 

   
= L   −2  

 

1
      

 x 0 1 2 x 0  
      
V (2) =  y  ∈ R3 tales que  2 5 8  y  =  0 

 z 
−1 −3 −5 z 0 
   

 1 

   
= L   −2  

 

1
      

 x 1 1 2 x 0  
  3     
V (3) =  y  ∈ R tales que  2 6 8  y  =  0 

 z 
−1 −3 −4 z 0 
   
 −1 
 
   
= L   −1  

 

1
Ejemplo 33
Sea
 
4 6 6
 
A= 1 3 2 
−1 −5 −2
en el ejemplo 22 encontramos que sus valores propios son 1 y 2.
Ahora  
1 − 29 − 32
−1  
A =  0 − 21 − 12 
− 21 7
2
3
2
y su polinomio caracterı́stico

λ−1 9 3
2 2

p(λ) = 0 λ + 21 1
2
1
− 72 λ− 3
2 2
5 1
= λ3 − 2λ2 + λ −
4 4
1 2
= (λ − 1) (2λ − 1)
4
y por tanto los valores propios de A−1 son 1 y 21

Por otra parte  
16 12 24
 
A2 =  5 5 8 
−7 −11 −12

λ − 16 −12 −24

p(λ) = −5 λ−5 −8

7 11 λ + 12
= λ3 − 9λ2 + 24λ − 16
2
= (λ − 1) (λ − 4)
y en consecuencia los valores propios de A2 son 1 y 4.

Finalmente
  
16 12 24 4 6 6
  
A3 =  5 5 8  1 3 2 
−7 −11 −12 −1 −5 −2
 
52 12 72
 
=  17 5 24 
−27 −15 −40

λ − 52 −12 −72

p(λ) = −17 λ−5 −24

27 15 λ + 40
= λ3 − 17λ2 + 80λ − 64
2
= (λ − 1) (λ − 8)
y en consecuencia los valores propios de A3 son 1 y 8.
Definición 16
Decimos que una matriz B ∈ Mn×n (R) es semejante o similar a una matriz A ∈
Mn×n (R) si existe P ∈ Mn×n (R) no singular y tal que B = P −1 AP.
Ejemplo 34
Sean
     
1 1 −1 26 39 −18 1 0 −1
     
A =  0 −1 1  , B =  −7 −9 5  y P =  3 4 −2 
−1 −2 0 25 40 −17 3 5 −2
entonces
 
−2 5 −4
 
P −1 =  0 −1 1 
−3 5 −4
y
   
−2 5 −4 1 1 −1 1 0 −1
   
P −1 AP =  0 −1 1   0 −1 1   3 4 −2 
−3 5 −4 −1 −2 0 3 5 −2
 
26 39 −18
 
=  −7 −9 5 
25 40 −17
=B
es decir B es similar a A.
Ejemplo 35
Sean
     
7 3
4 6 6 4 4 − 34 −4 −3 0
     
A= 1 3 2 , B =  −3 3 −1  y P =  −1 −2 1 
−1 −5 −2 − 13
4
7
4
1
4 4 2 0
entonces
 
1 3
2 0 4
 
P −1 =  −1 0 −1 
− 32 1 − 45
y
   
1 3
2 0 4 4 6 6 −4 −3 0
   
P −1 AP =  −1 0 −1   1 3 2   −1 −2 1 
− 23 1 − 45 −1 −5 −2 4 2 0
 
7 3
− 34
 4 4

=  −3 3 −1 
− 13
4
7
4
1
4
=B
Ejemplo 36
Sean
     
2 −1 −2 1 0 0 0 1 −1
     
A =  −2 −3 −8  , B =  0 2 0  y P =  2 −2 −1 
1 3 7 0 0 3 −1 1 1
entonces
 
1 2 3
 
P −1 = 1 1 2 
0 1 2
y
   
1 2 3 2 −1 −2 0 1 −1
−1    
P AP =  1 1 2   −2 −3 −8   2 −2 −1 
0 1 2 1 3 7 −1 1 1
 
1 0 0
 
= 0 2 0 
0 0 3
=B
Ejemplo 37
Sean
     
5 4 2 10 0 0 2 −1 − 12
     
A= 4 5 2 , B =  0 1 0  y P = 2 1 0 
2 2 2 0 0 1 1 0 1
entonces
 
2 2 1
9 9 9
 
P −1 =  − 49 5
9 − 29 
− 29 − 92 8
9
y
   
2 2 1
9 9 9 5 4 2 2 −1 − 21
   
P −1 AP =  − 49 5
9 − 29  4 5 2  2 1 0 
− 29 − 29 8
9 2 2 2 1 0 1
 
10 0 0
 
= 0 1 0 
0 0 1
=B
Proposición 29
Para cada n ∈ Z+ , la relación de similaridad (semejanza) es una relación de equiva-

lencia en el conjunto Mn×n (R)
Prueba.
i Reflexiva. Es evidente que para toda A ∈ Mn×n (R) , A es similar a A.

(I −1 AI = A)
ii Simétrica. Suponemos B es similar a A es decir existe P inversible tal que
P −1 AP = B;
en consecuencia
P BP −1 = A

es decir existe Q = P −1 tal que
Q−1 BQ = A
es decir A es similar a B.
iii Transitiva. Suponemos A similar a B y B es similar a C es decir existen P, Q
inversibles y tales que
P −1 BP = A y Q−1 CQ = B
en consecuencia

P −1 Q−1 CQ P = A
es decir

P −1 Q−1 C (QP ) = A
lo que significa que existe (QP ) inversible tal que
−1
(QP ) C (QP ) = A
es decir A es similar a C.

Proposición 30
Matrices similares tienen el mismo polinomio caracterı́stico.
Prueba.
Supongamos A, B ∈ Mn×n (R) matrices similares entonces existe P ∈ Mn×n (R)

enversible y tal que P −1 AP = B, ahora

|λI − B| = λP −1 P − P −1 AP

= P −1 (λI − A) P

= P −1 |λI − A| |P |
= |λI − A|

Proposición 31
Sean A, B ∈ Mn×n (R) tales que A y B son similares entonces AT y B T son

similares.
Prueba.
Si A y B son similares existe P tal que P −1 AP = B en consecuencia

T T −1
B T = P −1 AP = P T AT P −1 = P T AT P T
−1
en consecuencia si llamamos Q = P T obtenemos
Q−1 AT Q = B T
es decir AT y B T son similares.
Proposición 32
Sean A, B ∈ Mn×n (R) tales que A y B son similares entonces A es no singular

si y solo si B es no singular.
Prueba.
Si A y B son similares existe P tal que P −1 AP = B, además si A es no singular

entonces

B(P −1 A−1 P ) = P −1 AP P −1 A−1 P = I

en consecuencia B es no singular y B −1 = P −1 A−1 P .
La prueba del recı́proco se deja como ejercicio al lector.
Proposición 33
Sean A, B ∈ Mn×n (R) , no singulares y tales que A y B son similares entonces

A−1 y B −1 son similares.
Prueba.
Si A y B son similares existe P tal que P −1 AP = B, si además A y B son

no singulares entonces
−1
B −1 = P −1 AP = P A−1 P −1
en consecuencia si llamamos Q = P −1 obtenemos Q−1 A−1 Q = B −1 es decir A−1
y B −1 son similares.
Proposición 34
Sea T : V → V un operador lineal, B = {−

→
v 1, · · · , −
→
v n } y B ′ = {−
→
w 1, · · · , −
→
w n } bases
B B′
ordenadas de V, A = [T ]B y B = [T ]B′ entonces A y B son matrices similares.
Prueba.
Proposición 35
Sea T : V → V un operador lineal B = {− →v 1, · · · , −

→
v n } una base de V cuyos vectores
son vectores propios asociados a valores propios α1 , · · · , αn entonces
 
α1 0 · · · 0
 .. 
 0 α . 
B  2 
[T ]B =  . 
 . .. 
 . . 0 
0 · · · 0 αn
Prueba.
Definición 17
Una matriz A ∈ Mn×n (R) se dice diagonalizable si y solo si existe una matriz
diagonal D tal que A es similar a D.
Observación.-Los ejemplos 30 y 31 muestran dos matrices 3 × 3 diagonalizables, una

con tres valores propios y la otra con dos valores propios pero tal que la suma de sus
multiplicidades geométricas es tres.
Finalmente presentamos y aceptamos sin prueba la siguiente proposición.
Proposición 36
Sea A ∈ Mn×n (R) , A es diagonalizable si y solo si A tiene un conjunto de n vectores

propios linealmente independientes, la matriz P que “diagonaliza” a A es aquella
cuyas columnas son precisamente los vectores propios mencionados.
Ejemplo 38
Sea
 
1 2 3 4
 1 2 3 4 
 
A= 
 1 2 3 4 
1 2 3 4
entonces
p (λ) = |λI − A|

λ−1 −2 −3 −4

−1 λ−2 −3 −4

=
−1 −2 λ−3 −4

−1 −2 −3 λ−4
= λ4 − 10λ3
= λ3 (λ − 10)
es decir sus valores propios son 10 de multiplicidad uno y 0 de multiplicidad tres.
     

 x 10 − 1 −2 −3 −4 x 0 


 y  −1 
 10 − 2 −3 −4  
 y  
  0 

V (10) =   = 

 z  −1 −2 10 − 3 −4   z   0 

 

w −1 −2 −3 10 − 4 w 0
     

 x 9 −2 −3 −4 x 0 


 y  −1 8 −3 −4   y   0 
    
=   = 

 z  −1 −2 7 −4   z   0 

 

w −1 −2 −3 6 w 0
     

 x 9 −2 −3 −4 x 0 


 y  −1 8 −3 −4   y   0 
    
=   = 

 z  −1 −2 7 −4   z   0 

 

w −1 −2 −3 6 w 0
     

x 1 0 0 −1 x 0 

 
 y  0 1 0 −1   y   0   
    
=   = 

 z  0 0 1 −1   z   0   

 

w 0 0 0 0 w 0
 

 1 

 1  
 
= L 
 1  

 

1
Por otra parte

     

 x 0 − 1 −2 −3 −4 x 0 


 y  −1 0 − 2 −3 
 −4    
 y   0 

V (0) =   = 

 z  −1 −2 0 − 3 −4   z   0 

 

w −1 −2 −3 0 − 4 w 0
     
 x −1 −2 −3 −4
 x 0 


 y  −1 −2 −3 −4   y   0   
    
=   = 

 z  −1 −2 −3 −4   z   0   

 

w −1 −2 −3 −4 w 0
     

 x 1 2 3 4 x 0  

 y  0 0 0 0   y   0   
    
=   = 

 z  0 0 0 0   z   0   

 

w 0 0 0 0 w 0
 

 −2 −3 −4  

 1 
 0 0 
= L , , 
 0 1 0 
 

 

0 0 1
en consecuencia
   1 1 3 2

1 −2 −3 −4 10 5 10 5
 1 1 0 0   1
− 10 4 3
− 10 − 52 
   
P =  , P −1 =  1
5

 1 0 1 0   − 10 − 51 7
10 − 52 
1
1 0 0 1 − 10 − 51 3
− 10 3
5
y
 1 1 3 2
  
10 5 10 5 1 2 3 4 1 −2 −3 −4
 1
− 10 4 3
− 10 − 52  1 2 3 4  1 1 0 0 
   
P −1 AP =  1
5
  
 − 10 − 51 7
10 − 52  1 2 3 4  1 0 1 0 
1
− 10 − 51 3
− 10 3
5 1 2 3 4 1 0 0 1
 
10 0 0 0
 0 0 0 0 
 
= 
 0 0 0 0 
0 0 0 0
El lector verificará que los ejemplos 30 y 31 se usó el proceso descrito en la proposición
para obtener los resultados.

Libro Version1 PDF

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

Libro Version1 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

INTRODUCCIÓN AL ÁLGEBRA LINEAL

Jorge Gordillo, Óscar Pulido, Boris Pulido

1.1 MATRICES DE ENTRADAS REALES

Una matriz de entradas reales es un arreglo rectangular de números reales.

Cada uno de los siguientes arreglos representa una matriz.

Comunmente usamos letras mayúsculas para notar las matrices, A, B, X etc,

Si m = n decimos que la matriz es cuadrada de orden n.

Dada una matriz A, el corte de la fila −i− con la columna −j− de A, lo

Una matriz tamaño m × n tiene mn entradas.

Una matriz tamaño m × n tiene m filas notadas A1 , A2 , ..., Ai , ..., Am , donde

NOTACION. Escribimos A = (aij ) con 1 ≤ i ≤ m y 1 ≤ j ≤ n, para

Cuando no hay lugar a confusión respecto del tamaño, solamente escribiremos

Una matriz tamaño 1 × n la denominamos matriz vector fila y una matriz

Decimos que dos matrices A y B del mismo tamaño m × n son iguales y

1.2 ALGUNOS TIPOS DE MATRICES

Dada una matriz A tamaño n × n, los elementos de las entradas −ii−; 1 ≤

Decimos que una matriz A de tamaño n × n es triangular superior si todas

Decimos que una matriz A de tamaño n × n es triangular inferior si todas las

Decimos que una matriz A tamaño n × n es diagonal si todas las entradas

Decimos que una matriz A tamaño n × n es escalar si es diagonal y además

→ A es una matriz triangular superior.

→ B es una matriz triangular inferior.

→ C es una matriz diagonal.

→ D es una matriz escalar.

→ I(3) , I(4) son las matrices idénticas de orden 3 y 4 respectivamente.

1.3 ÁLGEBRA DE MATRICES

Para cada par de enteros positivos m,n; consideramos:

M (m, n) = {X|Xes una matriz de tamaño m × n, de entradas reales}

si A ∈ M (m, n), B ∈ M (m, n) definimos A + B = C donde C ∈ M (m, n) y

Para el caso m = 1, n = 1 identificamos M (1, 1) con R

La siguiente proposición presenta las propiedades de la suma de matrices.

1. Propiedad Asociativa. Para toda A ∈ M (m, n), B ∈ M (m, n), C ∈

3. Propiedad Invertiva. Para toda A ∈ M (m, n), existe B ∈ M (m, n) tal

4. Propiedad Conmutativa. Para toda A ∈ M (m, n), B ∈ M (m, n)

1. Basta comparar para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

(A + (B + C))ij = aij + (B + C)ij = aij + (bij + cij )

((A + B) + C)ij = (A + B)ij + cij = (aij + bij ) + cij

La asociatividad de la adición de números reales nos garantiza que las

(A+0m×n )ij = aij + 0 = aij

(0mxn + A)ij = 0 + aij = aij

3. Si A ∈ M (m, n) basta definir B ∈ M (m, n) por bij = −aij , para todo

(A + B)ij = aij + bij = aij + (−aij ) = 0

(B + A)ij = bij + aij = (−aij ) + aij = 0

Al igual que en números reales B se denomina “La opuesta de A” y se

4. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, las

(A + B)ij = aij + bij

(B + A)ij = bij + aij

La conmutatividad de la adición de números reales nos garantiza que las

1.3.2 MULTIPLICACIÓN DE UN REAL POR UNA MA-

Sean λ ∈ R un número real y A ∈ M (m, n) definimos la “multiplicación del

(λA) ∈ M (m, n) y para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n (λA)ij =

La siguiente proposición presenta las propiedades de la multiplicación de es-

1. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),

2. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),

3. Para todo λ ∈ R y para toda A ∈ M (m, n), B ∈ M (m, n),

1. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

(λ (µA))ij = λ (µA)ij = λ(µaij )

((λµ)A)ij = (λµ) aij

2. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los

((λ + µ)A)ij = (λ + µ)aij = λaij + µaij

(λA + µA)ij = (λA)ij + (µA)ij = λaij + µaij

3. Basta comparar, para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n, los

(λ(A + B))ij = λ (A + B)ij = λ(aij + bij )