Pepa 067

Juan Mayorga-Zambrano
Álgebra Lineal
para Ciencias e Ingenierı́a
– con ayuda de Maxima –
Versión preliminar al 15 de junio de 2017
[ NOMBRE INSTITUCIÓN AUSPICIANTE ]

Ciudad - Paı́s
Resumen.
En este trabajo se presentan tópicosXXX XXX xXXX
Álgebra Lineal para Ciencias e Ingenierı́a

– con ayuda de Maxima –
c 2017 Juan Ricardo Mayorga Zambrano
Publicado por [Nombre Editorial]
http://www.XXXXXX [Página web Editorial]
[Sello Institución Auspiciante] Primera edición.
Este trabajo está amparado por la Ley de Propiedad Intelectual, ninguna parte podrá ser reproducida, transmitida, alma-
cenada o utilizada en cualquier forma o por cualquier medio, ya sea gráfico, electrónico o mecánico, incluyendo, pero sin
limitarse a lo siguiente: fotocopiado, reproducción, escaneo, digitalización, grabación en audio, distribución en Internet,
distribución en redes de información o almacenamiento y recopilación en sistemas de información sin el consentimiento
por escrito del autor.
Este libro ha sido preparado de manera tal que el estu-

diante apoye su trabajo con Maxima, un Sistema Compu-
tacional Algebraico del tipo software libre. Se ha trabajado
con la versión 5.27 usando la interface wxMaxima versión
15.04.0. Logo de Maxima.
Preparado por Sven Hodapp
Este texto ha sido preparado con LATEX. Se ha adaptado la

plantilla svmono disponible en la página web de la casa
Springer-Verlag.
CTAN lion drawing by Duane Bibby;

thanks to www.ctan.org
Dedicado a mis hijos Daniel, Keren, Jaya y Jaim.
!M‫ הש‬K‫ברו‬
Se cuenta...
Sin la paciencia XXXX XXXX

vi
“Existe una opinión muy generalizada según la cual

la matemática es la ciencia más difı́cil cuando
en realidad es la más simple de todas.
La causa de esta paradoja reside en el hecho de que,
precisamente por su simplicidad,
los razonamientos matemáticos equivocados quedan a la vista.
En una compleja cuestión de polı́tica o arte,
hay tantos factores en juego y tantos desconocidos o inaparentes,
que es muy difı́cil distinguir lo verdadero de lo falso.
El resultado es que cualquier tonto se cree en condiciones de discutir
sobre polı́tica y arte - y en verdad lo hace -
mientras que mira la matemática desde una respetuosa distancia”.
Ernesto Sábato, Uno y el Universo.
Presentación de los pares revisores
La obra sadsad dsadsad as dasdas dasdas
Borys Álvarez Samaniego, Ph.D. Paúl Medina Vásquez, Ph.D.

Núcleo de Investigadores Cientı́ficos Instituto “Gregorio Millán Barbany”
Universidad Central del Ecuador Universidad Carlos III de Madrid
Par revisor Par revisor
Prefacio
Este texto tiene su génesis en
R6
Crı́ticas, ideas y observaciones son siempre bienvenidas. Para ello me puede escribir a jrmayorgaz@gmail.com
Juan Mayorga Zambrano

CIUDAD POR DEFINIR, MES 2015
Breve reseña del autor
Juan Mayorga Zambrano nació en Ambato - Ecuador,

1976. Se graduó con summa cum laude como mejor estu-
diante de la promoción 2001 de la Escuela Politécnica Na-
cional obteniendo el tı́tulo de Matemático. En 2006 obtuvo
el tı́tulo de PhD en Ciencias de la Ingenierı́a (mención en
Modelación Matemática) en Universidad de Chile. Cuenta
con dos postdoctados: Universidad de Talca (Chile, 2006 -
2007) y Technion (Israel, 2007 - 2008).
Ha sido profesor, investigador y/o directivo en Technion - Israel Institute of Technology (Israel), Université Paris
Dauphine (Francia), ICTP - International Centre for Theoretical Physics (Italia), Universität Wien (Austria), Universidad
de Chile (Chile), Universidad de Talca (Chile), Yachay Tech - Universidad de Investigación de Tecnologı́a Experimental
(Ecuador), ESPE - Universidad de las Fuerzas Armadas (Ecuador), Pontificia Universidad Católica del Ecuador (Ecuador),
Escuela Politécnica Nacional (Ecuador), Universidad Técnica de Ambato (Ecuador), Universidad Tecnológica Indoaméri-
ca (Ecuador) y Universidad Tecnológica Israel (Ecuador).
Juan Mayorga Zambrano es observante de las Siete Leyes de los Hijos de Noé, Código de Ética universal que les
corresponde a las naciones no-judı́as de la tierra. Sobre este tópico ha traducido del inglés al español los libros “The
Seven Colors of the Rainbow” (Bindman), “The Path of the Righteous Gentile” (Clorfene & Rogalsky) y “The World of
the Ger” (Clorfene & Katz). Fue Coordinador para Chile (2006) y Coordinador Internacional (2007) de la Fundación Luz
de Vida Internacional; miembro del staff de Universidad Noájida (2009 - 2011).
Detalle de contenidos
Presentación de los pares revisores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Prefacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Breve reseña del autor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Introducción general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1. Introducción al Álgebra Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1. Operaciones interna y externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Determinantes de bajo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.1. Ejercicios - Nivel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2. El espacio vectorial R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1. R3 como espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Producto escalar en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3. Bases. Base canónica de R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

xiv Detalle de contenidos
3. El espacio vectorial Mm×n (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1. El espacio vectorial Mm×n (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2. Producto de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3. Algunos tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4. Invertibilidad de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4. Operaciones elementales de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.1. Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2. Operaciones elementales de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.2.1. Permutación de filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.2.2. Ponderación de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2.3. Suma de una fila con la ponderación de otra fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2.4. Equivalencia de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3. Método de eliminación gaussiana / Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3.1. Resolución de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3.2. Cálculo de la matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

Detalle de contenidos xv
5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.1. Determinante de orden n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.3. Determinantes e invertibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.4. Determinantes y sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.1. Definición y ejemplos principales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.2. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.3. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.4. Cápsula o espacio generado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7. Bases y dimensión de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7.1. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
7.2. Dimensión y base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
7.3. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
7.3.1. Vectores de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.3.2. Matriz de transición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

xvi Detalle de contenidos
8. Suma de espacios y producto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
8.1. Suma de subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
8.2. Producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.3. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
9. Aplicaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
9.1. El concepto de función o aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
9.2. Introducción a las aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
9.3. El espacio de aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
9.4. Determinación de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
9.5. Matriz Canónica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
9.6. Núcleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
9.7. Matrices asociadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
10. Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
10.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
10.2. Independencia lineal y bases de vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
10.3. Semejanza y diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262

Detalle de contenidos xvii
11. Ejercicios resueltos adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
A. Falacias materiales o informales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
Soluciones y/o pautas para los problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
Sı́mbolos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
Índice alfabético . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
Fuentes adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303

Introducción general
“Porque las cosas de este mundo no pueden llegar a entenderse

sin un conocimiento de matemáticas”
Roger Bacon
ACTUALIZACIÓN NECESARIA!!!!
La Enseñanza de Matemáticas para Ingenierı́a ha experimentado una transición desde los años ochenta. En buena
medida estos cambios surgieron de la posibilidad de aprovechar recursos computacionales cada vez más poderosos.
Hoy en dı́a es indudable que el estudiante de Ingenierı́a debe conectarse temprano en su carrera con software ma-
temático que le permita resolver problemas con efectividad y eficiencia; pero, al mismo tiempo, estamos convencidos de
que él debe ser amo de su software y no en el otro sentido. Por tanto, en este libro tenemos presente que, para saltar al
computador, el estudiante debe primero tener cimentados sus conocimientos con un número apropiado de horas de trabajo
con papel y lápiz.
Enfoque
A lo largo del texto se mantiene un enfoque orientado hacia la Ingenierı́a. Creemos que, en general, un Ingeniero no
demuestra teoremas; pero debe ser capaz de administrarlos y aplicarlos a la resolución de problemas. Por tanto, presenta-
mos sólo las demostraciones que, a nuestro criterio, son relevantes para mejorar la comprensión de la materia. El sı́mbolo
t indica que se da por terminada una demostración.
u
Observaciones importantes serán indicadas con el buho que aparece a la izquierda.
La notación usada a lo largo del texto es casi siempre la estándar. Se ha hecho un esfuerzo por enunciar explı́citamente
los dominios de las funciones; esto se debe a que una función es el ejemplo más simple de modelo matemático y a un hecho
práctico: problemas que los estudiantes encuentran “casi imposibles” se resuelven, a menudo, simplemente aclarando el
universo de estudio donde trabajan las funciones.
Tópicos y prerequisitos
Los temas tratados en esta obra se presentan habitualmente en el los primeros niveles de Matemáticas en las carreras
de Ingenierı́a. Se sugiere tanto al estudiante como al profesor que apoyen su trabajo con otros libros de texto como [XXX]
y [XXXX]. Un mismo tema que un estudiante encuentra claro en un libro puede resultar obscuro para otro estudiante. ¡Y
no hay tiempo para desperdiciar! Un estudiante de Ingenierı́a está normalmente sometido a una gran presión y exigencia.
Al final de cada uno de los capı́tulos se presenta un conjunto de problemas seleccionados. No afirmamos que los
problemas presentados sean originales (si bien hay un buen número de nuestra autorı́a); más bien hemos tratado de
seleccionarlos a partir de varias fuentes y adaptarlos a nuestro curso. Los ejercicios marcados con un asterisco, *, tienen
un grado de dificultad mayor. Al final del libro se presentan las soluciones y/o pautas para la mayorı́a de ellos. El material
presentado en este curso supone que el estudiante trae XXX.
2 Introducción general
Maxima
Escogimos el software Maxima para apoyar el estudio de la materia bajo tres consideraciones. Por un lado, Maxima es
un Sistema Computacional Algebraico (CAS) de manera que permite obtener soluciones analı́ticas (cuando es posible) y
hacer un seguimiento paso a paso del procedimiento de resolución de un problema determinado. Como consecuencia, a
más de tener una forma rápida para verificar el dominio propio de las herramientas matemáticas, permite una aplicación
fluida de las competencias1 matemáticas a materias de Ingenierı́a (Termodinámica, Teorı́a de Control, etc.). Por otro
lado, si bien Maxima es un CAS y por tanto no tiene el poder numérico de una Plataforma de Cálculo Cientı́fico (como
Scilab o Matlab), permite trabajar numéricamente a un buen nivel. Finalmente, Maxima es software libre de manera que
los estudiantes pueden instalarlo en sus computadores de forma gratuita. Esta última consideración es importante pues
piratear software es un delito y el profesor debe buscar alternativas de calidad para los estudiantes que no tienen los
recursos económicos suficientes para invertir en software licenciado.
En la preparación de la primera edición de este libro se ha usado la versión 5.27 de Maxima con apoyo de la interface
wxMaxima. El código Maxima presentado para resolver un determinado problema ha sido probado y preparado de manera
tal que sea claro para el estudiante al punto que lo motive a adaptarlo para la resolución de otros problemas.
Tip de Maxima No. 1.

Por mi experiencia docente he evitado presentar una introducción a Maxima; es más efectivo dar tips y
requerir de los estudiantes la resolución de problemas concretos.
A lo largo del libro el código de Maxima se presenta

sombreado. En el ejemplo a la derecha se calcula el seno ( %i1) x: %pi/4;
de π/4. Como se ve, por defecto, Maxima presenta el re-
%pi
sultado exacto y simbólico, sin cifras decimales. (x)
4
( %i2) sin(x);
1
( %o2) √
2
Descripción de capı́tulos
En el Capı́tulo YYYY se hace
Se han incluido NNN apéndices. En el Apéndice XXX se presenta una breve introducción a
1 En este libro por competencia se entiende la capacidad para resolver un problema.

Capı́tulo 1
Introducción al Álgebra Lineal

Roger Bacon
La materia se denomina Álgebra Lineal o Álgebra Vectorial pues tiene que ver con conjuntos (denominados espacios
lineales o espacios vectoriales) formados por elementos denominados vectores. La denominación “vectores” se debe a la
forma en que se puede operar con ellos: se los puede sumar y se los puede multiplicar por números (reales o complejos),
básicamente de la manera en que se trabaja con los vectores de dos y tres dimensiones con los que el estudiante ya ha
trabajado en cursos preliminares de Fı́sica.
Importante. Antes de empezar el estudio de este documento se recomienda al estudiante que repase las propiedades de
cuerpo de R que debe haber estudiado en el curso de Precálculo.
1.1. Operaciones interna y externa
Para alcanzar la definición de espacio vectorial necesitaremos los conceptos de operación interna y operación externa,
que procedemos a establecer.
Definición 1.1 (Operación interna) Sea V un conjunto no-vacı́o. Se denomina operación interna sobre V a toda
función de la forma
⊕ : V × V −→ V (1.1)
(u, v) 7−→ u ⊕ v.
Por tanto, una operación interna sobre un conjunto V es tal que a cada pareja de elementos (u, v) ∈ V × V asocia un único
elemento u ⊕ v ∈ V.
Definición 1.2 (Operación externa) Sean E, V dos conjuntos no-vacı́os. Se denomina operación externa sobre
V a toda función de la forma
: E × V −→ V (1.2)
(λ, v) 7−→ λ v.
Por tanto, una operación externa sobre un conjunto V es tal que a cada elemento u ∈ V y a cada elemento λ ∈ E les asocia
un único elemento λ v ∈ V.
Ejemplo 1.1 (Vectores tridimensionales) Consideramos el conjunto de los vectores tridimensionales usados en los cur-
sos previos de Fı́sica:   

  x 

 
R =
3
.
 
y : x, y, z ∈ (1.3)

 

 

 R


 z  

4 1 Introducción al Álgebra Lineal
La suma de vectores, que corresponde a sumar las coordenadas correspondientes, define una operación interna:
+ : R3 × R3 −→ R3 (1.4)
(u, v) 7−→ u + v.
Aquı́, dados dos vectores genéricos u, v ∈ R3 ,

   
 x1   x2 
u =  y1  , v =  y2  ,
   
z1 z2
   
el vector suma u + v ∈ R3 está dado por
 x1   x2   x1 + x2 

     
u + v =  y1  +  y2  =  y1 + y2  . (1.5)
     
z1 z2 z1 + z2
     
Asimismo, la multiplicación de un vector por un número real, que corresponde a multiplicar cada una de las coordenadas
correspondientes por dicho número, define una operación externa:
˙ : R × R3 −→ R3 (1.6)
(λ, u) 7−→ λ · u.
Aquı́, dado un número λ ∈ R, se tiene que

 x1   λx1 
   
λ · u = λ  y1  =  λy1  . (1.7)
   
z1 λz1
   
Notación 1.1 A lo largo del curso, el sı́mbolo K se usará para referirse indistintamente al cuerpo de los números
reales, R, o al cuerpo de los números complejos, C. Por tanto,
x∈K (1.8)
quiere decir que x es un número real o un número complejo y diremos simplemente que x es un escalar.
Ejemplo 1.2 Sea n ∈ N. Consideramos el conjunto
Pn (K) = {p : K → K : p es polinomio de grado menor o igual a n}. (1.9)
Dados los polinomios
p : K −→ K
n
X
x 7−→ p(x) = ak xk .
k=0
q : K −→ K
n
X
x 7−→ q(x) = bk xk .
k=0
se define el polinomio suma mediante
p + q : K −→ K
n
X
x 7−→ (p + q)(x) = (ak + bk )xk .
k=0
Asimismo, para λ ∈ K se define el polinomio λ · p mediante

1.2 Matrices 5
λ · p : K −→ K
n
X
x 7−→ (λ · p)(x) = (λ · ak )xk .
k=0
1.2. Matrices
Gran parte de este curso hará uso de matrices y de diversas operaciones que se puede realizar con las mismas. En esta
sección las definiremos. Para ello, usaremos la siguiente notación que es importante pues ayuda a abreviar la escritura
matemática.
Notación 1.2 Dado n ∈ N, se escribe

In = {1, 2, ..., n}, (1.10)
es decir que In representa al conjunto de los n primeros números naturales.
Definición 1.3 (Matriz de m filas y n columnas) Sea E un conjunto no-vacı́o. Sean m, n ∈ N. Se denomina ma-
triz de tamaño m × n (m filas y n columnas) sobre E, al arreglo bidimensional
 a11 a12 . . . a1n 

 
a22 . . . a2n 
 a 
 21
A = (ai j )m×n =  . .. .  ,
 (1.11)
 .. . . . . .. 
am2 . . . amn

am1
donde todas las coordenadas están en E, es decir
ai, j ∈ E, ∀i ∈ Im , ∀ j ∈ In .
Observación 1.1 En el marco de la Definicion 1.3, si E = R, se dirá que A es una matriz real en tanto que si E = C se
dirá que A es una matriz compleja. Si E = K se dirá que A es una matriz escalar.
Ejemplo 1.3 Consideramos las matrices
 e + 5i −π 0 −2 
   
 e −π 
A =  2.1 1/3  , B =  2.1 1/3 3i e  .
   
−3 1/π −3 + 2i 1/π 5 −1 − i
   
Es claro que la matriz A = (ai j )3×2 es real, en tanto que B = (bi j )3×4 es compleja. Tanto A como B son matrices escalares.
Definición 1.4 (Espacio de matrices) Dados m, n ∈ N, denotamos al conjunto de las matrices escalares de ta-
maño m × n mediante:
n o
Mm×n (K) = A = (ai j )m×n : ai j ∈ K, para todo i ∈ Im , j ∈ In . (1.12)
Si no se genera confusión se escribirá simplemente Mm×n en lugar de Mm×n (K). Cuando se quiere especificar
se escribirá Mm×n (R) o Mm×n (C).
Observación 1.2 Teniendo presente el Ejemplo 1.1 y las Definiciones 1.3 y 1.4, es claro que
R3 = M3×1 (R). (1.13)
El proceso de intercambiar filas por columnas de una matriz provee una nueva matriz, denominada transpuesta. El uso
de transpuestas es frecuente en cálculos que involucran matrices.
Definición 1.5 (Matriz transpuesta) Sean m, n ∈ N. Dada una matriz A ∈ Mm×n (E), se denomina matriz trans-
puesta de A a la matriz At ∈ Mn×m (E) definida mediante
At = (a ji )n×m ,
es decir, At es la matriz cuyas columnas contienen los elementos de las filas de A (y viceversa).
Ejemplo 1.4 Las transpuestas de las matrices A ∈ M3×2 (R) y B ∈ M3×4 (C), presentadas en el Ejemplo 1.3, son:
 e + 5i 2.1 −3 + 2i 
 
!
e 2.1 −3  −π 1/3 1/π 

At = ∈ M2×3 (R), Bt =   ∈ M4×3 (C).
−π 1/3 1/π  0 3i 5 
−2 e −1 − i
Ejemplo 1.5 (Operaciones con matrices escalares) Sean m, n ∈ N. La suma de matrices escalares, que corresponde a
sumar las coordenadas correspondientes, define una operación interna:
+ : Mm×n (K) × Mm×n (K) −→ Mm×n (K) (1.14)

(A, B) 7−→ A + B.
Aquı́, dadas dos matrices genéricas A, B ∈ Mm×n (K),
 a11 a12 . . . a1n   b11 b12 . . . b1n 

   
a22 . . . a2n  b22 . . . b2n 
 a   b 
 21  21
A = (ai j )m×n =  . .. .  ,
 B = (bi j )m×n =  . .. .  ,

 .. . . . . ..   .. . . . . .. 
am2 . . . amn bm2 . . . bmn
 
am1 bm1
la matriz suma A + B ∈ Mm×n (K) está dada por
 a11 + b11 a12 + b12 . . . a1n + a1n

 

 a + b a + b . . . a2n + b2n 
 21 21 22 22
A + B = (ai j )m×n + (bi j )m×n = (ai j + bi j )m×n =  .. .. ..  .

(1.15)
 . . ... . 
am1 + bm1 am2 + bm2 . . . amn + bmn
 
Asimismo, la multiplicación de una matriz por un escalar, que corresponde a multiplicar cada una de las coordenadas
correspondientes por dicho número, define una operación externa:
˙ : K × Mm×n (K) −→ Mm×n (K) (1.16)

(λ, A) 7−→ λ · A.
Aquı́, dado un número λ ∈ K, se tiene que
 λa11 λa12 . . . λa1n 

 
 λa21 λa22 . . . λa2n 

λ · A = λ · (ai j )m×n = (λ ai j )m×n =  . .. ..  .
 (1.17)
 .. . . . . . 
λam1 λam2 . . . λamn

Observación 1.3 Tenga presente que para sumar dos matrices A = (ai j )m×n y B = (brs ) p×q debe cumplirse:
m= p ∧ n = q,
es decir, sólo se pueden sumar matrices con el mismo número de filas y con el mismo número de columnas.
Es fácil visualizar la veracidad de la siguiente proposición.

1.3 Espacio vectorial 7
Proposición 1.1 Sean λ ∈ K y A, B ∈ Mm×n (K). Se tiene que
(λA)t = λ At ; (1.18)
(A + B) = A + B .
t t t
(1.19)
Observe que (1.19) es un tipo de propiedad distributiva: la operación de transposición se distribuye con la suma. También
se suele decir que “la transpuesta de la suma es la suma de las transpuestas”.
1.3. Espacio vectorial
Previo a la definición de espacio vectorial creemos conveniente establecer los conceptos de grupo y grupo abeliano:
Definición 1.6 (Grupo abeliano) Sea G un conjunto no-vacı́o y sea ⊕ : G ×G −→ G una operación interna sobre
G. Se dice que (G, ⊕) es un grupo si se cumplen:
i) Propiedad Asociativa:
∀u, v, w ∈ G : u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w; (1.20)
ii) Existencia del Neutro Aditivo:
∃e ∈ G, ∀u ∈ G : e ⊕ u = u ⊕ e = u; (1.21)
iii) Existencia de Inversos Aditivos:
∀u ∈ G, ∃v ∈ G : u ⊕ v = v ⊕ u = e. (1.22)
Se dice que (G, ⊕) es un grupo abeliano (o grupo conmutativo) si, adicionalmente se cumple:
iv) Propiedad Conmutativa:
∀u, v ∈ G : u ⊕ v = v ⊕ u, (1.23)
Ejemplo 1.6 (El grupo Z) Consideramos (Z, +), esto es el conjunto de los números enteros con la operación de suma
habitual. El estudiante se dará cuenta que este es un ejemplo de grupo abeliano, donde el elemento neutro es el número
cero.
Definición 1.7 (Espacio vectorial) Sea V un conjunto no-vacı́o. Sean
+ : V × V −→ V y · : K × V −→ V
operaciones interna y externa sobre V, respectivamente. Se dice que (V, +, ·) es un espacio vectorial (o espacio
lineal) si se cumple que
1) (V, +) es un grupo abeliano;
2) Propiedad Asociativa Mixta:
∀α, β ∈ K, ∀u ∈ V : (αβ)u = α(βu); (1.24)
3) Inocuidad del número 1:
∀u ∈ V : 1 · u = u; (1.25)
4) Propiedad Distributiva de Escalar:
∀α ∈ K, ∀u, v ∈ V : α · (u + v) = α · u + αv; (1.26)
5) Propiedad Distributiva de Vector:
∀α, β ∈ K, ∀u ∈ V : (α + β) · u = α · u + β · u. (1.27)
Observación 1.4 En el contexto de la Definición 1.7, a la operación interna se le denomina operación de suma de vectores
y a la operación externa se le refiere como operación de multiplicación de escalar por vector.
Observación 1.5 En el contexto de la Definición 1.7, si no hay lugar a confusión y las operaciones de suma de vectores
y de multiplicación de escalar por vector son claras, se puede decir simplemente que V es un espacio vectorial.
Ejemplo 1.7 (El espacio vectorial R3 ) Probemos que (R3 , +, ·) con las operaciones definidas en el Ejemplo 1.1 es un
espacio vectorial, es decir probemos las cinco condiciones dadas en la Definición 1.7.
1) Probemos que (R3 , +) es un grupo abeliano, es decir que se cumplen las propiedades de la Definición 1.6.
i) Propiedad Asociativa. Probemos que
∀u, v, w ∈ R3 : u + (v + w) = (u + v) + w. (1.28)
Tomamos elementos genéricos de R3 :

     
 x1   x2   x3 
u =  y1  , v =  y2  w =  y3  .
     
z1 z2 z3
     
Se tiene, por la Asociatividad Aditiva de R, que
 x1   x2   x3   x1 + (x2 + x3 )   (x1 + x2 ) + x3 
         
u + (v + w) =  y1  +  y2  +  y3  =  y1 + (y2 + y3 )  =  (y1 + y2 ) + y3 
         
z1 z2 z3 z1 + (z2 + z3 ) (z1 + z2 ) + z3
         
     
 x1   x2   x3 
=  y1  +  y2  +  y3  = (u + v) + w.
     
z1 z2 z3
     
Puesto que u, v, w fueron elegidos arbitrariamente, se ha probado (1.28).

ii) Existencia del Neutro Aditivo. Probemos que
∃ 0 ∈ R3 , ∀u ∈ R3 : u + 0 = 0 + u = u. (1.29)
Definimos el vector  
 0 
0 =  0  .
 
0
 
Tomamos un elemento genérico de R3 :  

 x 
u =  y  .
 
z
 
Se tiene, por la propiedad de Existencia de Elemento Neutro Aditivo de R, que
 x   0   x + 0   x 

       
u + 0 =  y  +  0  =  y + 0  =  y  = u.
       
z 0 z+0 z
       
Puesto que el vector u fue elegido arbitrariamente, se ha probado (1.29).

iii) Existencia de Inversos Aditivos. Probemos que
∀u ∈ R3 , ∃v ∈ R3 : u + v = v + u = 0. (1.30)
Tomamos un elemento genérico de R3 :  

 x 
u =  y  .
 
z
 
Definimos
1.3 Espacio vectorial 9
 
 −x 
v =  −y  .
 
−z
 
Se tiene, por la Existencia de Inversos Aditivos de R, que

       
 x   −x   x − x   0 
u + v =  y  +  −y  =  y − y  =  0  = 0
       
z −z z−z 0
       
Puesto que el vector u fue elegido arbitrariamente, se ha probado (1.30).

iv) Propiedad Conmutativa. Probemos que
∀u, v ∈ R3 : u + v = v + u. (1.31)
Tomamos elementos genéricos    
 x1   x2 
u =  y1  , v =  y2  .
   
z1 z2
   
Se tiene, por la Conmutatividad Aditiva de R, que
 x1   x2   x1 + x2   x2   x1 
         
u + v =  y1  +  y2  =  y1 + y2  =  y2  +  y1  = v + u.
         
z1 z2 z1 + z2 z2 z1
         
Puesto que los vectores u, v fueron elegidos arbitrariamente, se ha probado (1.31).

2) Probemos la Propiedad Asociativa Mixta:
∀α, β ∈ R, ∀u ∈ R3 : (αβ)u = α(βu). (1.32)
Tomamos elementos genéricos α, β ∈ R y u ∈ R3 :  

 x 
u =  y  .
 
z
 
Se tiene, por la Conmutatividad Multiplicativa de R, que:
 x   (αβ)x   α(βx)   βx 
       
(αβ)u = (αβ)  y  =  (αβ)y  =  α(βy)  = α  βy  = α(βu).
       
z (αβ)z α(βz) βz
       
Puesto que α, β, u fueron elegidos arbitrariamente, se ha probado (1.32).

3) Probemos la Inocuidad del número 1 ∈ R:
∀u ∈ R3 : 1 · u = u. (1.33)
Tomamos un elemento genérico u ∈ R3 :  
 x 
u =  y  .
 
z
 
Se tiene, por la Existencia del Neutro Multiplicativo en R, que:

     
 x   1x   x 
1 · u = 1 ·  y  =  1y  =  y  = u.
     
z 1z z
     
Puesto que u fue elegido arbitrariamente, se ha probado (1.33).

4) Probemos la Propiedad Distributiva de Escalar:
∀α ∈ R, ∀u, v ∈ R3 : α · (u + v) = α · u + α · v. (1.34)
Tomamos elementos genéricos α ∈ R y u, v ∈ R3 :

   
 x1   x2 
u =  y1  , v =  y2  .
   
z1 z2
   
Se tiene, por la Propiedad Distributiva de R, que
 x1 + x2   α(x1 + x2 )   αx1 + αx2 

         
 x1   x2 
α · (u + v) = α  y1  +  y2  = α ·  y1 + y2  =  α(y1 + y2 )  =  αy1 + αy2 
         
z1 z2 z1 + z2 α(z1 + z2 ) αz1 + αz2
         
 αx1   αx2 

   
=  αy1  +  αy2  = α · u + α · v.
   
αz1 αz2
   
Puesto que α, u, v fueron elegidos arbitrariamente, se ha probado (1.34).

5) Probemos la Propiedad Distributiva de Vector:
∀α, β ∈ R, ∀u ∈ R3 : (α + β) · u = α · u + β · u. (1.35)
Tomamos elementos genéricos α, β ∈ R y u ∈ R3 :  

 x 
u =  y  .
 
z
 
Se tiene, por la Propiedad Distributiva de R, que
 x   (α + β)x   αx + βx 

     
(α + β) · u = (α + β)  y  =  (α + β)y  =  αy + βy 
     
z (α + β)z αz + βz
     
 αx   βx 

   
=  αy  +  βy  = α · u + β · u.
   
αz βz
   
Puesto que los elementos α, β, u fueron elegidos arbitrariamente, se ha probado (1.35).
1.4. Determinantes de bajo orden
Se dice que una matriz es matriz cuadrada cuando el número de filas es igual al número de columnas.
Notación 1.3 Dado n ∈ N, se escribirá Mn (E) para referirse al conjunto Mn×n (E).
A cada elemento B ∈ Mn (K), se le asocia un número, llamado determinante de B, que ayuda a manifestar rápidamente
varias de sus propiedades. Concretamente se tiene una función
det : Mn (K) −→ K (1.36)

A 7−→ det(A) = |A|.
Más adelante en el curso encontraremos formas de calcular el determinante de una matriz cuadrada de orden n cuando
n > 3.
Caso n=2: El determinante de una matriz escalar

!
a11 a12
A= .
a21 a22
se calcula como
1.4 Determinantes de bajo orden 11
!
a11 a12 a11 a12
det(A) = = = a11 a22 − a21 a12 . (1.37)
a21 a22 a21 a22
Caso n=3: El determinante de una matriz escalar
 
 a11 a12 a13 
A =  a21 a22 a23  .
 
a31 a32 a33
 
se calcula como
 
 a11 a12 a13  a11 a12 a13
det(A) =  a21 a22 a23  = a21 a22 a23
 
 
a31 a32 a33 a31 a32 a33

a22 a23 a21 a23 a21 a22
= a11 −a +a . (1.38)
a32 a33 12 a31 a33 13 a31 a32
Observación 1.6 En la definición (1.38) es importante observar que se recorre los elementos de la primera fila con
signos alternados. El determinante que acompaña al elemento a1,k se toma de la matriz que resulta de eliminar la fila 1 y
la columna k de la matriz A.
Observación 1.7 Para calcular el determinante de una matriz cudrada de orden 3 se pueden usar las Reglas de Sarrus
o Cramer. La fórmula (1.38) se conoce como fórmula de reducción a menores. La presentamos aquı́ pues es este el
mecanismo que será generalizado más adelante para los casos de n > 3.
Ejemplo 1.8 Calculemos el determinante de la matriz

 
 2 −3 5 
D =  0 4 −5 
 
1 −1 9
 
Se tiene que

4 −5 0 −5 0 4
det(D) = 2 − (−3) +5
−1 9 1 9 1 −1
= 2 · [4 · 9 − (−1)(−5)] + 3 · [0 · 9 − 1 · (−5)] + 5 · [0 · (−1) − 1 · 4]
= 2(31) + 3(5) + 5(−4) = 62 + 15 − 20 = 57.
1.5. Ejercicios resueltos

1) Sean α, β > 0.
a) Pruebe que
logα (β) · logβ (α) = 1.
b) Escriba el siguiente número en términos de la función logaritmo natural.

1 logβ (α)
d= .
logα (β) 1
Desarrollo. Usando las propiedades de las funciones logarı́tmicas y exponenciales, se tiene que

logα (β) · logβ (α) = logα βlogβ (α) = logα expβ logβ (α) = logα (α) = 1.
Por tanto
1 logβ (α)
d= = 1 − logα (β) · logβ (α) = 0 = ln(1).
logα (β) 1
2) Sean β ∈ R y α ∈ R \ S , donde
π π π
S= + kπ : k ∈ Z ∪ + kπ : k ∈ Z ∪ − + kπ : k ∈ Z .
2 4 4
Usando la Regla de Cramer, resuelva el sistema ecuaciones

tan(α) x − y = sen(α + β),


(1.39)
 x − y tan(α) = cos(α + β).


Desarrollo. Definimos
sen(α + β)
! ! !
tan(α) −1 x
A= , u= , b= .
1 − tan(α) y cos(α + β)
Se tiene que
tan(α) −1
|A| = det(A) = = 1 − tan2 (α).
1 − tan(α)
Por la definición del conjunto S , se tiene que | tan(α)| , 1 de manera que det(A) , 0. Por tanto, el sistema (1.39) tiene
una única solución, es decir ( !)
x1
CS = ,
y1
donde
|A1 | |A2 |
x1 = , y1 = ,
|A| |A|
con
sen(α + β) −1
|A1 | = = − sen(α + β) tan(α) + cos(α + β),
cos(α + β) − tan(α)

tan(α) sen(α + β)
|A2 | = = cos(α + β) tan(α) − sen(α + β).
1 cos(α + β)
1.5 Ejercicios resueltos 13
3) Sean α, β, γ ∈ R, todos distintos. Sea ∈ R. Considere el conjunto
 α   β   γ 

     


 2   2   2 
B=  α  ,  β  ,  γ  .
 

 1 − α2   1 − β2   1 − γ2 

 

 
 
Indique si el conjunto B es una base de R3 . En caso afirmativo, halle las coordenadas del vector u =  2  en dicha
 
1− 2
 
base.
Desarrollo. Denotamos
 α   β   γ 
     
v1 =  α2  , v2 =  β2  , v3 =  γ2  .
     
1−α 2 1−β2 1−γ 2
     
Usando la Regla de Cramer, se tiene que
α β γ

det (v1 v2 v3 ) = α2 β2 γ2

1 − α2 1 − β2 1 − γ2

= αβ2 (1 − γ2 ) + α2 (1 − β2 )γ + (1 − α2 )βγ2 − (1 − α2 )β2 γ − α2 β(1 − γ2 ) − α(1 − β2 )γ2

= αβ2 + α2 γ + βγ2 − β2 γ − α2 β − αγ2
= (β − α)(γ − α)(γ − β). (1.40)
Puesto que los números α, β, γ son distintos entre sı́, se tiene que det(v1 v2 v3 ) , 0 de manera que B es base de R3 .
Por lo anterior, podemos escribir
u = α1 v1 + α2 v2 + α3 v3 .
Calculamos las coordenadas α1 , α2 y α3 aprovechando el procedimiento seguido para obtener (1.40):
∆1 = det (u v2 v3 ) = (β − )(γ − )(γ − β),

∆2 = det (v1 u v3 ) = ( − α)(γ − α)(γ − ),
∆3 = det (v1 v2 u) = (β − α)( − α)( − β).
Entonces
∆1 (β − )(γ − )
α1 = = ,
det (v1 v2 v3 ) (β − α)(γ − α)
∆2 ( − α)(γ − )
α2 = = ,
det (v1 v2 v3 ) (β − α)(γ − β)
∆3 ( − α)( − β)
α3 = = .
det (v1 v2 v3 ) (γ − α)(γ − β)
4) Sean a, b, c, d ∈ R. Calcule el determinante de la matriz compleja
a c + id
!
A = det .
c − id b
Desarrollo. Recordando que

∀z ∈ C : zz = |z|2 ,
se tiene que
a c + id
det(A) = = ab − |c + id|2 = ab − c2 − d2 .
c − id b
5) Sean α, β, γ ∈ R. Pruebe que CS , el conjunto solución de la ecuación

α − x β
β γ − x = 0, x ∈ C,
está contenido en R.
Desarrollo. Para x ∈ C, se tiene que

α − x β
β γ − x = (α − x)(γ − x) − β = αγ − β + (−α − γ)x + x ,
2 2 2
que corresponde a la fórmula de una función cuadrática. El correspondiente determinante es
∆ = B2 − 4AC = (−α − γ)2 − 4αγ + 4β2 = (α − γ)2 + 4β2 .
Puesto que ∆ ≥ 0, se sigue que CS ⊆ R.
6) Sean p, q ∈ R tales que la ecuación

x3 + px + q = 0,x ∈ C,
 α β γ 
 
tiene tres soluciones distintas α, β, γ ∈ C. Considere la matriz U =  β γ α . Pruebe que
 
γαβ
 
det(U) = (α + β + γ) p.
Desarrollo. Definamos f : C → C con fórmula
f (x) = x3 + px + q = (x − α)(x − β)(x − γ).
Se tiene que
det(U) = 3αβγ − α3 − β3 − γ3 , (1.41)

f (α) = 0 = α + pα + q
3
⇒ −α = pα + q,
3
(1.42)
f (β) = 0 = β + pβ + q
3
⇒ −β = pβ + q,
3
(1.43)
f (γ) = 0 = γ3 + pγ + q ⇒ −γ3 = pγ + q, (1.44)
Reemplazando (1.42), (1.43) y (1.44) en (1.41):
det(U) = 3αβγ + p(α + β + γ) + 3q
Puesto que
f (0) = q = −αβγ,
se sigue que
det(U) = (α + β + γ) p.
1.6 Ejercicios propuestos 15
1.6. Ejercicios propuestos
1.6.1. Ejercicios - Nivel 1
1) Calcule el determinante de la matriz Ak :

     
 5 −2 1 −2 3 1  6 −10 4
A1 =  6 0 3 , A2 =  4 6 5 , A3 = 10 7 5
     
−2 1 4 0 21 3 9 5
     
     
−1 0 6  3 −1 4  10 10 −8
A4 =  0 2 4  , A5 = 6 3 5 , A6 = −7 0 −2
     
1 2 −3 2 −1 6 10 6 9
     
     
−1 1 0 1 0 3  7 9 −5
A7 =  2 1 4 , A8 = 0 1 4 , A9 =  9 3 1 
     
1 56 210 −8 −8 10
     
2) Muestre con un ejemplo que no necesariamente se cumple que det(A + B) = det(A) + det(B).
3) Pruebe que
∀A, B ∈ M2 (K) : det(AB) = det(A) det(B); (1.45)

∀A ∈ M2 (K) : det(A) = det(A ). t
(1.46)
4) Siguiendo el procedimiento descrito en el Ejemplo 1.7, pruebe que el conjunto Mm×n (K) junto con las operaciones
indicadas en el Ejemplo 1.5 es un espacio vectorial.
5) Sean α, β, ϕ ∈ R. Calcule y simplifique el determinante de la matriz Ak :
2 sen(ϕ) cos(ϕ) 2 sen2 (ϕ) − 1

! !
sen(α) cos(α)
A1 = , A2 = ,
sen(β) cos(β) 2 cos2 (ϕ) − 1 2 sen(ϕ) cos(ϕ)
α+1 α α2 + αβ + β2 α2 − αβ + β2
! !
A3 = , A4 = ,
α α−1 α+β α−β
 1−α2 2α   (1−β)2 2β

 2 2

A5 =  1+α  , =  2β − (1+β)  ,
 
2 1+α2 
  1+β 1+β
−2α 1−α 2 A 6  2

2 2
1+α 1+α 1+β2 1+β2
6) Sean α, β, γ, δ ∈ R. Calcule el determinante de la matriz compleja Ak :
α γ + δi eiα 1
! !
A1 = , A2 = .
γ − δi β 1 e−iα
7) Sean η ∈ R y θ ∈ R \ S , donde
π π π
S= + kπ : k ∈ Z ∪ + kπ : k ∈ Z ∪ − + kπ : k ∈ Z .
2 4 4
Usando la Regla de Cramer, resuelva el sistema ecuaciones

−x + y tan(θ) = sen(θ + η),


−x tan(θ) + y = cos(θ + η).


8) Sean α, β, γ ∈ C. Pruebe que el conjunto solución de la ecuación
αx2 + 2βx + γ = 0,
x ∈ C,

α β
es un conjunto unitario ssi = 0.
β γ
9) Sean η, α, β, γ ∈ R. Calcule y simplifique el determinante de la matriz Ak :
 α β γ   α η η 

   
A1 =  γ α β  , A2 =  η β η  ,
   
βγα ηηγ
   
 α + η η η   α + 1 αβ αγ 

   2 
A3 =  η β + η η  , A4 =  αβ β + 1 βγ  , 2
   
η η γ+η αγ βγ γ + 1
2
   
   
 cos(α) sen(α) cos(β) sen(α) sen(β)   sen(α) cos(α) 1 
A5 =  − sen(α) cos(α) cos(β) cos(α) sen(β)  , A6 =  sen(β) cos(β) 1  ,
   
0 − sen(β) cos(β) sen(γ) cos(γ) 1
   
10) Calcule los determinantes indicados:
1 0 1 + i

d1 = 0 1 i ,
1 − i −i 1

1 ν ν2

d2 = ν2 1 ν , donde ν = e−iπ/3 ,
ν ν2 1

1 1 ν

d3 = 1 1 ν2 , donde ν = ei 2π/3 ,
ν ν 1
2

1 1 1
d4 = 1 ν ν2 , donde ν = ei 4π/3 .
1ν ν
2
11) Sean α, β, γ, θ ∈ R+ \ {1}. Calcule el determinante de la siguiente matriz

 
logγ (α) 1 logβ (α) 
A =  0 logα (β) logθ (γ) logγ (θ) − 1 .

0 logθ (α) logβ (α)
 
1) Pruebe que el conjunto Pn (K) junto con las operaciones indicadas en el Ejemplo 1.2 es un espacio vectorial.
2) Pruebe que
∀A, B ∈ M3 (K) : det(AB) = det(A) det(B); (1.47)

∀A ∈ M3 (K) : det(A) = det(A ). t
(1.48)
3) Aplicando la Regla del Máximo Dominio, determine la función real asociada a la fórmula
2
1+t2 2t 2
f (t) = 1−t 1−t .
2t 1+t2
1−t 2 1−t2
4) Sean b > 0 y a ∈ R. Denotamos por CS al conjunto solución de la ecuación

−x −b
b a − x = 0, x ∈ C.
Pruebe que
CS ⊆ R ⇐⇒ a ∈ (−∞, −2b] ∪ [2b, ∞).
5) ¿Qué condición deben cumplir los números α, β, γ ∈ R para que se cumpla la siguiente igualdad?

1 cos(α) cos(β) 0 cos(α) cos(β)
cos(α) 1 cos(γ) = cos(α) 0 cos(γ)

cos(β) cos(γ) 1 cos(β) cos(γ) 0
6) Suponga que la ecuación

x3 + πx + e = 0, x ∈ C,
tiene tres soluciones distintas a, b, c ∈ C. Escriba el determinante de la siguiente matriz en términos de a, b, c, π
 
 a b c 
A =  b c a  .
 
cab
 
Capı́tulo 2
El espacio vectorial R3

Roger Bacon
En esta capı́tulo repasaremos propiedades del espacio vectorial R3 una vez que el estudiante ya lo ha usado en cursos
previos de Fı́sica y servirá para allanar el camino hacia el concepto abstracto de espacio vectorial.
2.1. R3 como espacio vectorial
Recordemos que R3 es el conjunto de ternas ordenadas, cuyas coordenadas son números reales:
  

 x  

R3 =  .
 
  y  : x, y, z ∈ R
 
 (2.1)


 z 
 
 


Como se introdujo en el Ejemplo 1.1, la suma 3

 de vectores
  de R corresponde a sumar las coordenadas correspondientes;
 x1   x2 
es decir, dados dos vectores genéricos u =  y1  y v =  y2 , el vector suma está dado por
   
z1 z2
   
 x1 + x2 
 
u + v =  y1 + y2  . (2.2)
 
z1 + z2
 
Asimismo, se indicó que la multiplicación de un vector por un escalar, λ ∈ R, corresponde a multiplicar cada una de las
coordenadas correspondientes por dicho número:
 λx1 

 
λ · u =  λy1  . (2.3)
 
λz1
 
En el Ejemplo 1.7 probamos, en detalle, que (R3 , +, ·) es un espacio vectorial, es decir que se cumplen las siguientes
propiedades:
1) (R3 , +) es un grupo abeliano:

20 2 El espacio vectorial R3
∀u, v, w ∈ R3 : u + (v + w) = (u + v) + w; (Propiedad Asociativa) (2.4)

 
 0 
∃ 0 =  0  ∈ R3 , ∀u ∈ R3 : u + 0 = 0 + u = u; (Existencia del Neutro Aditivo) (2.5)
 
0
 
   
 x   −x 
∀u =  y  ∈ R , ∃v =  −y  ∈ R3 : u + v = v + u = 0;
3
(Existencia de Inversos Aditivos) (2.6)
   
z −z
   
∀u, v ∈ R3 : u + v = v + u. (Propiedad Conmutativa) (2.7)

∀α, β ∈ R, ∀u ∈ R3 : (αβ)u = α(βu). (2.8)
3) Inocuidad del número 1 ∈ R:
∀u ∈ R3 : 1 · u = u. (2.9)
∀α ∈ R, ∀u, v ∈ R3 : α · (u + v) = α · u + α · v. (2.10)
∀α, β ∈ R, ∀u ∈ R3 : (α + β) · u = α · u + β · u. (2.11)
Observación 2.1 Tenga presente que para determinar un vector u ∈ R3 se necesitan 3 números (un número real para
cada una de sus coordenadas) se dice que la dimensión del espacio R3 es 3; lo cual se denota

dim R3 = 3. (2.12)
Más adelante en el curso definiremos estrictamente el concepto de dimensión de un espacio vectorial.
2.2. Producto escalar en R3
El lector recordará que muchos ejercicios vistos en cursos previos de Fı́sica tenı́an una interpretación geométrica. La
herramienta matemática que permite esto es el producto escalar o producto punto que presentamos a continuación.
Observación 2.2 Recuerde que en términos matriciales
R3 = M3×1 (R). (2.13)
Observación 2.3 Recuerde que dada una matriz A ∈ Mm×n (E), su transpuesta es la matriz At ∈ Mn×m (E) tal que las
columnas de A son las filas de At (y viceversa).
Definición 2.1 (Producto Escalar o Producto Punto) El producto escalar en R3 se define como la función
h·, ·i : R3 × R3 −→ R definida mediante
 
 x2 
hu, vi = ut v = x1 y1 z1  y2  = x1 x2 + y1 y2 + z1 z2 , (2.14)
z2
 
   
 x1   x2 
donde u =  y1  y v =  y2 .
   
z1 z2
   
2.2 Producto escalar en R3 21
Observación 2.4 En la definición anterior observe que el producto de un “vector fila”, ut , por un “vector columna”,
v, corresponde a sumar los productos de los elementos respectivos: primer elemento de ut con el primer elemento de v,
segunda coordenada de ut con la segunda coordenada de v y tercer componente de ut con el tercer componente de v.
Proposición 2.1 (Propiedades del producto escalar) Se cumplen las siguientes propiedades:
i) Simetrı́a:
∀u, v ∈ R3 : hu, vi = hv, ui ; (2.15)
ii) Propiedad distributiva:
∀u, v, w ∈ R3 : hu, v + wi = hu, vi + hu, wi ; (2.16)
iii) Homogeneidad:
∀λ ∈ R, ∀u, v ∈ R3 : hλu, vi = λ hu, vi ; (2.17)
iv) Positividad:
∀u ∈ R3 : hu, ui ≥ 0; (2.18)
hu, ui = 0 ⇔ u = 0. (2.19)
Como consecuencia inmediata de la Simetrı́a y de la Propiedad Distributiva del producto escalar, se tiene que
∀u, v, w ∈ R3 : hu + v, wi = hu, wi + hv, wi . (2.20)
El  lector recordará que mediante la aplicación del Teorema de Pitágoras se encuentra que el tamaño de un vector
 x 
u =  y  está dado por el número
 
z
 
q
kuk = x2 + y2 + z2 . (2.21)
Estó se puede establecer con ayuda del producto escalar:
Definición 2.2 (Norma euclidiana en R3 ) Se define la función norma como
k · k : R3 −→ R (2.22)
u 7−→ kuk =
p
hu, ui.
Al valor kuk se le refiere como la norma (o tamaño) del vector u.
Las propiedades del producto escalar, establecidas en la Proposición 2.1, dan como corolario propiedades para la
función norma.
Proposición 2.2 (Propiedades de la norma - I) Se cumplen las siguientes propiedades:

N1) Positividad:
∀u ∈ R3 : kuk ≥ 0; (2.23)
kuk = 0 ⇔ u = 0; (2.24)
N2) Escalamiento:
∀λ ∈ R, ∀u ∈ R3 : kλuk = |λ| kuk. (2.25)
Observación 2.5 La propiedad N1 indica que el tamaño de un vector no puede ser un número negativo. La propiedad
N2 indica que el tamaño del múltiplo de un vector es igual al tamaño del vector multiplicado por el tamaño del factor de
escalamiento.
La siguiente propiedad es muy importante. Su demostración es instructiva por lo que la presentamos.

Lema 2.1 (Desigualdad de Cauchy-Schwartz) Se cumple que:
∀u, v ∈ R3 : | hu, vi | ≤ kuk kvk. (2.26)
Demostración. En el caso en que

u=0 ∨ v = 0,
la desigualdad (2.26) se cumple inmediatamente.
Tomamos entonces u, v ∈ R3 \ {0}, genéricos. Consideramos la función real
f : R −→ R (2.27)
t 7−→ f (t) = ktu − vk . 2
Por (2.27) y N1 es claro que

∀t ∈ R : f (t) ≥ 0. (2.28)
Por otro lado se tiene, para t ∈ R, que
f (t) = ktu − vk2 = htu − v, tu − vi = t2 hu, ui − 2t hu, vi + hv, vi

= kuk2 t2 − 2 hu, vi t + kvk2 , (2.29)
de manera que f es una función cuadrática. Entonces, por (2.28), se sigue que el discriminante de f es no-positivo, es
decir
0 ≥ ∆ = b2 − 4ac = (−2 hu, vi)2 − 4 kuk2 kvk2 = 4 hu, vi2 − 4 kuk2 kvk2 ,
es decir,
4 hu, vi2 − 4 kuk2 kvk2 ≤ 0,
de donde se sigue que
hu, vi2 ≤ kuk2 kvk2
y entonces, tomando raı́z cuadrada:
| hu, vi | ≤ kuk kvk.
t
u
Con ayuda de la Desigualdad de Cauchy-Schwartz se prueba la siguiente propiedad que establece que en un triángulo,
el tamaño de un lado es menor o igual que la suma de los tamaños de los otros dos lados.
Proposición 2.3 (Desigualdad Triangular) Se cumple la siguiente propiedad:

N3) Desigualdad triangular:
∀u, v ∈ R3 : ku + vk ≤ kuk + kvk. (2.30)
Demostración. Sean u, v ∈ R3 , genéricos. Se tiene que
ku + vk2 = hu + v, u + vi
= kuk2 + 2 hu, vi + kvk2
≤ kuk2 + 2| hu, vi | + kvk2
≤ kuk2 + 2kuk kvk + kvk2
= (kuk + kvk)2 ,
es decir,
ku + vk2 ≤ (kuk + kvk)2 ,
de donde se obtiene:
ku + vk ≤ kuk + kvk.
t
u
2.2 Producto escalar en R3 23
Definición 2.3 (Vector unitario o normalizado) Se dice que un vector u ∈ R3 es unitario o normalizado si se
cumple que kuk = 1.
Observación 2.6 Tenga presente que todo vector u ∈ R3 \ {0} se puede escribir como
u = kuk · nu , (2.31)
donde
1
nu = ·u (2.32)
kuk
es el vector unitario asociado a u, es decir es un vector con la misma dirección y sentido que u pero que está normalizado.
Ejemplo 2.1 Dado el vector  

 5 
u =  7 
 
−2
 
se tiene que q √
kuk = 52 + 72 + (−2)2 = 78.
Por tanto, se tiene que √
u= 78 · nu ,
donde  √ 
 5/ 78 
√
nu =  7/ 78 
 
√ 
−2/ 78

es un vector unitario.
   
 x1   x2 
Observación 2.7 La distancia entre dos puntos u =  y1  y v =  y2  está dada por
   
z1 z2
   
q
dist(u, v) = ku − vk = (x1 − x2 )2 + (y1 − y2 )2 + (z1 − z2 )2 . (2.33)
El lector recordará de sus cursos preliminares de Fı́sica que con ayuda del producto escalar se puede establecer el
ángulo que forman dos vectores no-nulos. Para abordar esto, recordemos que la función
arc cos : [−1, 1] −→ [0, π]
es inversa de la función coseno restringida:
c : [0, π] −→ [−1, 1]
cos
x 7−→ cos(x)
c = cos(x).
Definición 2.4 (Ángulo entre vectores de R3 ) Sean u, v ∈ R3 \ {0}. Se define el ángulo entre los vectores u y v
mediante !
hu, vi
θ = arc cos , (2.34)
kuk kvk
o, equivalentemente,
hu, vi
cos(θ) = . (2.35)
kuk kvk
Observación 2.8 En el marco de la definición anterior se tiene, por la desigualdad de Cauchy-Schwartz, (2.26), que
| hu, vi |
≤ 1,
kuk kvk
que equivale a
hu, vi
−1 ≤ ≤1
kuk kvk
Observación 2.9 Observe que el ángulo que forman los vectores u, v ∈ R3 \ {0} se obtiene como el producto escalar de
sus unitarios:
cos(θ) = hnu , nv i . (2.36)
Observación 2.10 De la Definición 2.4 se tiene claramente que
∀u, v ∈ R3 : hu, vi = kuk kvk cos(θ). (2.37)
Definición 2.5 (Ortogonalidad / Paralelismo) Sean u, v ∈ R3 . Se dice que los vectores u y v son
a) ortogonales si se cumple que
hu, vi = 0; (2.38)
b) paralelos si se cumple que
|hnu , nv i| = 1. (2.39)
Observación 2.11 Dos vectores no-nulos son ortogonales cuando forman un ángulo θ = π/2, en tanto que son paralelos
cuando θ = 0 (los vectores apuntan al mismo sentido) o cuando θ = π (los vectores apuntan en sentido contrario).
Definición 2.6 (Conjuntos ortogonales y ortonormales) Se dice que A ⊆ R3 es un conjunto ortogonal si se

cumple que
∀u, v ∈ A, u , v : hu, vi = 0. (2.40)
Se dice que A es un conjunto ortonormal si, adicionalmente, se cumple que
∀u ∈ A : kuk = 1. (2.41)
Observación 2.12 Tenga presente que si A ⊆ R3 es un conjunto ortonormal entonces 0 < A.
Ejemplo 2.2 El conjunto        


  1   0   0   0 
       
A=  0  ,  2  ,  9  ,  0 
 

 
 0 −3 6 0 
 
es ortogonal. Por otro lado el conjunto

     
1  0   0 
  1   1  


B=  0  , √  2  ,
 
 9 

   

 0
 13 −3 117 
6 


es ortonormal.
Definición 2.7 (Vector Proyección) Sean u, v ∈ R3 , con v , 0. Se define el vector proyección de u sobre v me-
diante !
hu, vi
proyv (u) = hu, nv i nv = v. (2.42)
kvk2
Observación 2.13 En la definición anterior, si u , 0, se tiene que proyv (u) y v tienen
1) la misma dirección si hu, vi > 0;

2) dirección opuesta si hu, vi < 0.
2.4 Regla de Cramer 25
2.3. Bases. Base canónica de R3
Por facilidad, se da una notación especial a los siguientes vectores unitarios, referidos como vectores canónicos de R3 :
     
 1   0   0 
i =  0  , j =  1  , k =  0  . (2.43)
     
0 0 1
     
Al conjunto
C = {i, j, k} , (2.44)
se le denomina base canónica de R3 .
El concepto abstracto de base de un espacio vectorial se definirá más adlenate en el libro. Por el momento basta decir
que el término base se utiliza para referirse a un conjunto que tiene
3 = dim(R3 )
elementos y que tiene la propiedad de que cualquier vector del espacio vectorial se puede construir a con múltiplos de los
elementos del mismo. En efecto, el vector genérico
 
 u x 
u =  uy  ,
 
uz
 
se puede expresar, en la base canónica, como una combinación lineal:
u = u x i + uy j + uz k. (2.45)
No es difı́cil constatar que las coordenadas de u en la base canónica se pueden calcular mediante:
u x = hu, ii , uy = hu, ji uz = hu, ki . (2.46)
Notación 2.1 Dados los vectores w1 , w2 , ..., wn ∈ R3 , se denota mediante
(w1 w2 ... wn ) (2.47)
a la matriz de M3×n (R) cuya columna k está formada por los elementos del vector wk , k=1,2,...,n.
Necesitamos un mecanismo que nos permita 3

distinguir si un conjuntos B es base de R . Una primera condición que
debe cumplirse es que B debe tener 3 = dim R3 elementos. La segunda condición se establece en el siguiente resultado.
Teorema 2.1 (Identificación de bases de R3 ) Sea B = {v1 , v2 , v3 } un subconjunto de R3 . Entonces B es una base
de R3 si y sólo si
det(v1 v2 v3 ) , 0. (2.48)
La demostración del Teorema 2.1 se realizará más adelante en el curso en un contexto más general.
2.4. Regla de Cramer
En sus estudios previos el estudiante aprendió a resolver sistemas de ecuaciones por los métodos de igualación, susti-
tución, etc. A continuación presentamos la Regla de Cramer como un método adicional a los mencionados.
Teorema 2.2 (Regla de Cramer) Sean v1 , v2 , v3 ∈ R3 . Supongamos que la matriz

 
 a11 a12 a13 
A = (v1 v2 v3 ) =  a21 a22 a23 
 
a31 a32 a33
 
es tal que
det(A) , 0. (2.49)
 
 b1 
Entonces, denotando b =  b2  ∈ R3 , el sistema de tres ecuaciones con tres incógnitas t1 , t2 , t3 ∈ R,
 
b3
 




 a11 t1 + a12 t2 + a13 t3 = b1 ;
a21 t1 + a22 t2 + a23 t3 = b2 ;

(2.50)




a31 t1 + a32 t2 + a33 t3 = b3 ;


tiene una única solución dada mediante:

det(b v2 v3 ) det(v1 b v3 ) det(v1 v2 b)
t1 = , t2 = , t3 = . (2.51)
|A| |A| |A|
Como una aplicación de la Regla de Cramer se tiene el siguiente el siguiente corolario que provée fórmulas para
calcular las coordenadas de un vector en una base cualquiera de R3 .
Corolario 2.1 (Coordenadas en una base) Sea B = {v1 , v2 , v3 } una base de R3 y sea u ∈ R3 . Se denominan coor-
denadas de u en la base B a los números α1 , α2 , α3 ∈ R tales que
u = α1 · v1 + α2 · v2 + α3 · v3 . (2.52)
Se tiene que
det(u v2 v3 ) det(v1 u v3 ) det(v1 v2 u)
α1 = , α2 = , α3 = . (2.53)
det(v1 v2 v3 ) det(v1 v2 v3 ) det(v1 v2 v3 )
Ejemplo 2.3 Consideramos los vectores

           
 −3   2   −1   2   −3   5 
w1 =  4  , w2 =  0  , w3 =  4  , v1 =  0  , v2 =  4  , v3 =  −5  .
           
1 −5 −4 1 −1 9
           
Puesto que det(w1 w2 w3 ) = 0 el conjunto B1 = {w1 , w2 , w3 } no es base de R3 .
Por otro lado, B2 = {v1 , v2 , v3 } sı́ es base de R3 pues

2 −3 5
det(v1 v2 v3 ) = 0 4 −5 = 57 , 0.
1 −1 9

Hallemos las coordenas del vector  

 1 
u =  2 
 
3
 
en la base B2 . Se tiene que

1 −3 5 2 1 5 2 −3 1
2 4 −5 0 2 −5 0 4 2
3 −1 9 60 20 1 −1 3 18

1 3 9 51 17 6
α1 = = = , α2 = = = , α3 = = = .
57 57 19 57 57 19 57 57 19
Por tanto,
2.5 Producto vectorial 27
20 17 6
u= v1 + v2 + v3 .
19 19 19
2.5. Producto vectorial
Dados dos vectores    

 u x   v x 
u =  uy  , v =  vy  ,
   
uz vz
   
se define el producto vectorial (o producto cruz) de ellos mediante

i j k
u × v = u x uy uz (2.54)

v x vy vz
Se cumple que
ku × vk = kuk kvk sen(θ), (2.55)
donde θ ∈ [0, π] es el ángulo formado por u y v.
Teorema 2.3 (Propiedades del producto vectorial) Sean α ∈ R y u, v, w ∈ R3 . Se tiene que:

i) u × 0 = 0 × u = 0;
ii) Anticonmutatividad: u × v = −v × u;
iii) (αu) × v = α(u × v);
iv) Propiedad distributiva: u × (v + w) = (u × v) + (u × w);
v) El vector u × v es ortogonal a los vectores u y v:
hu, u × vi = 0, hv, u × vi = 0; (2.56)
vi) Si u y v son no-nulos, entonces u y v son paralelos ssi u × v = 0.
Teorema 2.4 (Triple producto escalar) Sean u, v, w ∈ R3 . Se cumple que
(u × v) · w = u · (v × w), (2.57)
a cuyo valor se le denomina triple producto escalar de u, v y w.
Observación 2.14 El volumen del paralelepı́pedo determinado por los vectores u, v, w ∈ R3 es igual al tamaño de su
triple producto escalar:
vol(u, v, w) = |(u × v) · w| . (2.58)
Por tanto:
u, v, w ∈ R3 son puntos coplanares ⇔ (u × v) · w = 0. (2.59)
Recuerde que tres puntos son coplanares cuando están en el mismo plano.

1) Pruebe que
ku × vk2 = kuk2 kvk2 − hu, vi2 .
∀u, v ∈ R3 : (2.60)
   
 x1   x2 
Desarrollo. Tomamos elementos genéricos de R3 : u =  y1  y v =  y2 . Se tiene que
   
z1 z2
   

i j k
u × v = x1 y1 z1 = i(y1 z2 − y2 z1 ) − j(x1 z2 − x2 z1 ) + k(x1 y2 − x2 y1 ).

x2 y2 z2
De manera que
ku × vk2 = (y1 z2 − y2 z1 )2 + (x1 z2 − x2 z1 )2 + (x1 y2 − x2 y1 )2 . (2.61)
Por otro lado:
hu, vi = x1 x2 + y1 y2 + z1 z2
y
hu, vi2 = x12 x22 + y21 y22 + z21 z22 + 2x1 x2 y1 y2 + 2x1 x2 z1 z2 + 2y1 y2 z1 z2 . (2.62)
Asimismo

kuk2 kvk2 = x12 + y21 + z21 x22 + y22 + z22
= x12 x22 + x12 y22 + x12 z22 + y21 x22 + y21 y22 + y21 z22 + z21 x22 + z21 y22 + z21 z22
= (y1 z2 − y2 z1 )2 + 2y1 y2 z1 z2 + (x1 z2 − x2 z1 )2 + 2x1 x2 z1 z2 + (x1 z2 − x2 z1 )2 + 2x1 x2 y1 y2
+ x12 x22 + y21 y22 + z21 z22 . (2.63)
Restando (2.63) a (2.62) se obtiene (2.61). Puesto que u, v fueron elegidos arbitrariamente, se ha probado (2.60).
2) Sean u, v ∈ R3 \ {0}.
a) Pruebe que
ku × vk = kuk kvk sen(θ), (2.64)
donde θ es el ángulo formado por u y v.
b) Pruebe que el área del paralelogramo determinado por u y v es igual a ku × vk.
Desarrollo. Sabemos que
ku × vk2 = kuk2 kvk2 − hu, vi2
de manera que
ku × vk2 hu, vi2
= 1 − = 1 − cos2 (θ) = sen2 (θ).
kuk2 kvk2 kuk2 kvk2
Y, puesto que θ ∈ [0, π], se sigue
ku × vk = kukkvk sen(θ).
P u -R
La superficie buscada es
v v
S OPRQ = 2S ∆ OPQ .
θ -
O u Q
Puesto que
1
S ∆ OPQ = kuk kvk sen(θ),
2
se sigue, por (2.64), que
S OPRQ = kuk kvk sen(θ) = ku × vk.
3) Usando la Regla de Cramer, halle una función cuadrática f : C → C tal que
f (−1) = 0, f (1) = 4, f (2) = 3. (2.65)
Desarrollo. La fórmula de la función debe tener la forma:
f (x) = α + βx + γx2 ,
y debemos determinar los coeficientes α, β, γ ∈ C. Por (2.65) se deben cumplir las condiciones siguientes




 f (−1) = α − β + γ = 0,
f (1) = α + β + γ = 4,





 f (2) = α + 2β + 4γ = 3.


El sistema en forma matricial se escribe como

Au = b,
donde
 α 
     
1 −1 1  0 
A = 1 1 1 = (A1 A2 A3 ) , u =  β  , b =  4  .
     
1 2 4 γ 3
     
Puesto que det(A) = 6 , 0, el sistema tiene una única solución, es decir
 α 
 
 ∗ 


CS =   β∗  ,
 

 γ 

  

∗
donde
det (b A2 A3 )
α∗ = = 3,
det(A)
det (A1 b A3 )
β∗ = = 2,
det(A)
det (A1 A2 b)
α∗ = = −1.
det(A)
Por tanto, la función buscada es
f : C −→ C
x 7−→ f (x) = 3 + 2x − x2 .
1) Encuentre la distancia entre los puntos Pk , Qk ∈ R3 :

           
 3   3   3   3   −2   4 
P1 =  −4  , Q1 =  −4  ; P2 =  −4  , Q2 =  −4  ; P3 =  1  , Q3 =  1  ;
           
7 9 1 4 3 3
           
           
 7   9   −5   10   10   −8 
P4 =  9  , Q4 =  3  ; P5 =  1  , Q5 =  −7  ; P6 =  0  , Q6 =  −2  .
           
−8 −8 10 10 6 9
           
2) Considere los vectores    

 3   1 
u =  −4  , v = −4i + 2j + 4k, w =  −7  , t = −4i + 3j − 5k.
   
−1 6
   
a) Calcule
u + v; 2u − 3v; 3u − 2v; t + 3w − v;
2u + 7w + 5v; hw, u + vi ; 2v + 7t − w; hu, vi ;
h3t − 2u, 5v + 2wi ; proyt (w), v .

kwk; hu, wi − hw, ti ; (2.66)
b) Calcule el ángulo entre u y w.

c) Calcule el ángulo entre t y w.
3) Calcule uk × vk :
   
 3   1 
u1 =  −7  , v1 =  0  ; u2 = 2i − 3j, v2 = −9i + 6j;
   
0 1
   
   
 1   a 
u3 =  −7  , v3 = −i + 7j − 3k; u4 =  b  , v4 = ai + bj − ck, donde a, b, c ∈ R.
   
−3 c
   
4) Sean α, β, γ ∈ R. ¿Bajo qué condiciones es posible hallar un vector unitario que sea ortogonal a los vectores u =
 α + 2β 
 −γ  y v = (3α − γ)i − 4(γ + β)j + 2γk? En ese caso halle dos vectores que cumplan lo requerido.
 
0
 
 x 
5) Usando la Regla de Cramer, busque vector(es)  y  ∈ R3 que resuelva(n) el sistema de ecuaciones:
z
 




 4x − 3y + 2z + 4 = 0,
6x − 2y + 3z + 1 = 0,





5x − 3y + 2z + 3 = 0






 5x + 2y + 3z + 2 = 0,
2x − 2y + 5z = 0,





3x + 4y + 2z + 10 = 0.


6) Analice si los puntos uk , vk , wk ∈ R3 son coplanares. Si no lo son, calcule el volumen del paralelepı́pedo que forman.
     
 2   0   −1 
u1 =  1  , v1 =  −1  , w1 =  1  ; (2.67)
     
2 1 5
     
     
 1   1   1 
u2 =  −1  , v2 =  −3  , w2 =  0  ; (2.68)
     
1 0 0
     
     
 3   −1   2 
u3 =  4  , v3 =  2  , w3 =  4  ; (2.69)
     
5 5 6
     
7) Refiérase al Ejercicio 6). Determine si el conjunto Bk = {uk , vk , wk } es una base de R3 . En caso afirmativo, halle las
coordenadas de los siguientes vectores en dicha base.
 
 −3 
q1 = i, q2 =  1 
 
0
 
   
 5   −4 
q3 =  4  , q4 =  0 
   
−3 2
   
8) Analice si el sistema de ecuaciones tiene solución única y, en ese caso, halle tal solución mediante la Regla de Cramer.




 2x1 + 4x2 + 6x3 = 18,
4x1 + 5x2 + 6x3 = 24,





3x1 + x2 − 2x3 = 4;






 2x1 + x2 + x3 = 6,
3x1 − 2x2 − 3x3 = 5,





8x1 + 2x2 + 5x3 = 11;


9) Usando la Regla de Cramer, halle una función cuadrática f : C → C tal que

a) f (1) = −1, f (−1) = 9, f (2) = −3;
b) f (−1) = 0, f (1) = 4, f (2) = 3;
c) f (i) = 0, f (0) = 2 + i, f (2) = −3i;
d) f (1 + i) = 2, f (−1) = 0, f (−i) = 3 + i.
10) Sean α, β, γ ∈ R. Halle una función cuadrática f : R → R tal que
f (0) = α, f (1) = β, f (2) = γ.
1) Pruebe la Proposición 2.1 que contiene las propiedades del producto escala de R3 .
2) Usando la Proposición 2.1, probar la Proposición 2.2.
3) Pruebe que la desigualdad triangular,(2.30), se convierte en igualdad
! cuando los vectores son múltiplos uno del otro.
x
4) Sean α, β ∈ R. Usando la Regla de Cramer, busque vector(es) ∈ R2 que resuelva(n) el sistema de ecuaciones:
y

 x cos(α) − y sen(α) = cos(β),


 x sen(α) + y cos(α) = sen(β),



 x tan(α) − y = sen(α + β),
 n
π
o
donde α ∈ R \ + kπ : k ∈ Z .

 x − y tan(α) = cos(α + β),

 2
 
 x 
5) Sean a, b, c ∈ R tales que abc , 0. Usando la Regla de Cramer, busque vector(es)  y  ∈ R3 que resuelva(n) el sistema
 
z
 
de ecuaciones:
x y

 − + 2 = 0,


 a b
 2y 3z

− + − 1 = 0,


xbz c



 + = 0;



 a c



 2ax − 3by + cz = 0,
3ax − 6by + 5cz = 2abc,





5ax − 4by + 2cz = 3abc;






 4bcx + acy − 2abz = 0,
5bcx + 3acy − 4abz + abc = 0,





3bcx + 2acy − abz − 4abc = 0.


6) Sean a, b, c ∈ R y S el conjunto solución de la ecuación
t3 − 1 = 0, t ∈ C.
Escoja un elemento de p ∈ S \ {1} y resuelva, usando la Regla de Cramer, el sistema de ecuaciones





 x + y + z = a,
x + py + p2 z = b,





 x + p2 y + pz = c.


7) Pruebe los puntos ii), iv) y v) del Teorema 2.3.

8) Pruebe que
∀u, v ∈ R3 : ku × vk2 = kuk2 kvk2 − hu, vi2 . (2.70)
9) Pruebe que
∀u, v, w ∈ R3 : (u × v) × w = hu, wi · v − hv, wi · u (2.71)
10) Sean u, v ∈ R3 \ {0}.
Pruebe que el área del paralelogramo determinado por u y v es igual a ku × vk.
11) Considere las siguientes rectas:
L1 : R −→ R3 L2 : R −→ R3
       
 −1   1   3   0 
7 → L1 (t) =  2  + t ·  2  .
t − 7 → L2 (t) =  1  + t ·  1  .
t −
       
1 −2 −1 −2
       
a) Pruebe que las rectas no se intersecan, es decir que Rg(L1 ) ∩ Rg(L2 ) = ∅.

b) Calcule el área del paralelogramo formado por los vectores L1 (3) y L2 (3).
c) Sea t0 ∈ R. Calcule el área del paralelogramo formado por los vectores L1 (t0 ) y L2 (t0 ).
d) Encuentre la recta que pasa por los puntos P = L1 (4) y Q = L2 (4).
e) Encuentre el ángulo que forman las rectas L1 y L2 en función del tiempo. Grafique esta función con ayuda de algún
software e indique a qué tiempo(s) las rectas son ortogonales.
f) Si L1 (t) y L2 (t) representan, respectivamente, las posiciones de dos partı́culas al tiempo t, encuentre la distancia
entre la distancia entre las partı́culas como una función del tiempo. ¿Puede indicar a qué tiempo se encuentran a la
distancia mı́nima?
1) Sean a, b, c ∈ R y S el conjunto solución de la ecuación

t3 − 1 = 0, t ∈ C.
Escoja un elemento de p ∈ S \ {1} y resuelva, usando la Regla de Cramer, el sistema de ecuaciones





 x + y + z = a,
x + py + p2 z = b,





 x + p2 y + pz = c.


2) (Cálculo del triple producto escalar) Pruebe que
∀u, v, w ∈ R3 : u · (v × w) = det (u v w) . (2.72)
3) Sean u, v, w ∈ R3 y A ∈ M3×3 (R). Refiérase a la Observación 2.14. Pruebe que
vol(Au, Av, Aw) = |det(A)| · vol(u, v, w). (2.73)

Capı́tulo 3
El espacio vectorial Mm×n (K)

Roger Bacon
En este capı́tulo empezamos el estudio de matrices y del espacio vectorial que ellas forman. Empezamos con algunos
conceptos que fueron brevemente presentados en capı́tulos anteriores. Recordemos que para n ∈ N, denotaremos
In = {1, 2, ..., n}, (3.1)
al conjunto de los n primeros números naturales.
Definición 3.1 (Matriz de m filas y n columnas) Sean E un conjunto no-vacı́o y m, n ∈ N. Se denomina matriz
de tamaño m × n (m filas y n columnas) sobre E al arreglo bidimensional
 a11 a12 . . . a1n 

 
a22 . . . a2n 
 a 
 21
A = (ai j )m×n =  . .. .  ,

 .. . . . . .. 
am2 . . . amn

am1
donde todas las coordenadas están en E, es decir
ai, j ∈ E, ∀i ∈ Im , ∀ j ∈ In .
Si m = n se dice que A es una matriz cuadrada.
Para aliviar la notación, muchas veces se escribe (ai j ) en lugar de (ai j )m×n , en tanto que no se genere confusión. Si
E = R, se dirá que A es una matriz real en tanto que si E = C se dirá que A es una matriz compleja. Si E = K se dirá que
A es una matriz escalar.
De forma natural, se establece que dos matrices son iguales cuando coinciden sus respectivas coordenadas. Esto es
formalizado en la siguiente definición.
Definición 3.2 (Igualdad de matrices) Dadas dos matrices A = (ai j ) ∈ Mm×n (E) y B = (bi j ) ∈ Mm×n (E). Se tiene
que
A=B ⇔ ∀i ∈ Im , ∀ j ∈ In : ai j = bi j . (3.2)
Uno de los espacios vectoriales más importantes de la matemática es el espacio de las matrices:
Definición 3.3 (Espacio de matrices) Dados m, n ∈ N, denotamos al conjunto de las matrices escalares de ta-
maño m × n mediante: n o
Mm×n (K) = A = (ai j )m×n : ai j ∈ K, para i ∈ Im , j ∈ In . (3.3)
Por Mm×n (R) y Mm×n (C) se representan los conjuntos de matrices de m filas y n columnas cuyas coordenadas
están en R y C, respectivamente.
36 3 El espacio vectorial Mm×n (K)
Antes de estudiar el espacio vectorial de las matrices escalares abordaremos, para futura referencia, dos conceptos
importantes: matriz transpuesta y matriz simétrica.
Definición 3.4 (Matriz transpuesta) Sean m, n ∈ N. Dada una matriz A ∈ Mm×n (E), se denomina matriz trans-
puesta de A a la matriz At ∈ Mn×m (E) definida mediante
At = (a ji )n×m ,
es decir, At es la matriz cuyas columnas contienen los elementos de las filas de A (y viceversa).
Definición 3.5 (Matriz Simétrica / Matriz Antisimétrica) Sean n ∈ N y A ∈ Mn×n (K). Se dice que A es una
matriz simétrica si se cumple que
At = A. (3.4)
Se dice que A es una matriz antisimétrica si se cumple que
At = −A. (3.5)
Ejemplo 3.1 Considere las matrices:
 e + 5i −π 0 −2 
   
 e −π 
A =  2.1 1/3  , B =  2.1 1/3 3i e  ,
   
−3 1/π −3 + 2i 1/π 5 −1 − i
   
La matriz A = (ai j )3×2 es real, en tanto que B = (bi j )3×4 es compleja. Tanto A como B son matrices escalares. Las
transpuestas de las matrices A y B son:
 e + 5i 2.1 −3 + 2i 

 
!
e 2.1 −3  −π 1/3 1/π 
At = ∈ M2×3 (R), Bt =   ∈ M4×3 (C).
−π 1/3 1/π  0 3i 5 
−2 e −1 − i
Cerramos esta sección con un resultado que bastante claro.
Proposición 3.1 Sea A ∈ Mm×n (E). Se tiene que

t
At = A. (3.6)
3.1. El espacio vectorial Mm×n (K)
Sean m, n ∈ N. La suma de matrices escalares
+ : Mm×n (K) × Mm×n (K) −→ Mm×n (K) (3.7)

(A, B) 7−→ A + B.
corresponde a sumar las coordenadas correspondientes. En efecto, dadas dos matrices genéricas A, B ∈ Mm×n (K),
 a11 a12 . . . a1n   b11 b12 . . . b1n 

   
a22 . . . a2n  b22 . . . b2n 
 a21   b21 
A = (ai j )m×n =  . .. .  ,
 B = (bi j )m×n =  . .. .  ,

 .. . . . . ..   .. . . . . .. 
am2 . . . amn bm2 . . . bmn
 
am1 bm1

3.1 El espacio vectorial Mm×n (K) 37
A + B = (ai j )m×n + (bi j )m×n = (ai j + bi j )m×n (3.8)

 a11 + b11 a12 + b12 . . . a1n + a1n 
 
 a21 + b21 a22 + b22 . . . a2n + b2n 
=  .. .. ..
 . (3.9)
. . . . . .
 


La multiplicación de un vector por un número,
˙ : K × Mm×n (K) −→ Mm×n (K) (3.10)

(λ, A) 7−→ λ · A,
corresponde a multiplicar cada una de las coordenadas correspondientes por dicho número. En efecto, dado un número
λ ∈ K, se tiene que
λ · A = λ · (ai j )m×n = (λ ai j )m×n (3.11)

 λa11 λa12 . . . λa1n 
 
 λa21 λa22 . . . λa2n 
=  . .. ..  .
 (3.12)
 .. . . . . . 
 
Es fácil visualizar la veracidad de la siguiente proposición.
Proposición 3.2 Sean λ ∈ K y A, B ∈ Mm×n (K), genéricos. Se tiene que
(λA)t = λ At ; (3.13)
(A + B) = A + B .
t t t
(3.14)
En el siguiente teorema establecemos que el espacio de las matrices constituye un espacio vectorial, esto es cumple
con las condiciones de la Definición 1.7.
Teorema 3.1 (Mm×n (K) como espacio vectorial) Sean m, n ∈ N. El conjunto Mm×n (K) junto con las operacio-
nes definidas en (6.16) y (6.18) es un espacio vectorial.
Demostración. .
1) Probemos que (Mm×n (K), +) es un grupo abeliano.

i) Probemos la propiedad asociativa, es decir que
∀U, V, W ∈ Mm×n (K) : U + (V + W) = (U + V) + W. (3.15)
Tomamos elementos genéricos
U = (ui j )m×n , V = (vi j )m×n , W = (wi j )m×n ∈ Mm×n (K).
Se tiene, por la Asociatividad Aditiva de K, que

U + (V + W) = (ui j )m×n + (vi j )m×n + (wi j )m×n = ui j + (vi j + wi j ) = ( ui j + vi j ) + wi j
m×n m×n

= (ui j )m×n + (vi j )m×n + (wi j )m×n = (U + V) + W.
Puesto que las matrices U, V, W fueron elegidas arbitrariamente, se ha probado (3.15).

ii) Probemos la existencia del neutro aditivo, es decir que
∃ 0 M ∈ Mm×n (K), ∀U ∈ Mm×n (K) : U + 0 M = 0 M + U = U. (3.16)

Definimos la matriz 0 M = (ai j )m×n de manera que
ai j = 0, ∀i ∈ Im , ∀ j ∈ In .
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Propiedad de Existencia de Elemento Neutro
de K, que
U + 0 M = (ui j )m×n + (ai j )m×n = (ui j + 0)m×n = (ui j )m×n = U.
Puesto que la matriz U fue elegida arbitrariamente, se ha probado (3.16).
iii) Probemos la existencia de inversos aditivos, es decir que
∀U ∈ Mm×n (K), ∃V ∈ Mm×n (K) : U + V = V + U = 0M . (3.17)
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Definimos
V = (−ui j )m×n .
Se tiene, por la Existencia de Inversos Aditivos de K, que
U + V = (ui j )m×n + (−ui j )m×n = (ui j − ui j )m×n = 0 M .

iv) Probemos la propiedad conmutativa, es decir que
∀ U, V ∈ Mm×n (K) : U + V = V + U. (3.18)
Tomamos elementos genéricos U = (ui j )m×n , V = (vi j )m×n ∈ Mm×n (K). Se tiene, por la Conmutatividad Aditiva de K,
que
U + V = (ui j )m×n + (vi j )m×n = (ui j + vi j )m×n = (vi j + ui j )m×n = V + U.
Puesto que las matrices U, V fueron elegidas arbitrariamente, se ha probado (3.18).
∀α, β ∈ K, ∀U ∈ Mm×n (K) : (αβ)U = α(βU). (3.19)
Tomamos elementos genéricos α, β ∈ K y U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Conmutatividad Multiplicativa de K,
que:
(αβ)U = (αβ) · (ui j )m×n = (αβ)ui j = α(βui j ) = α βui j = α(βU).
m×n m×n m×n
Puesto que α, β, U fueron elegidos arbitrariamente, se ha probado (3.19).
3) Probemos la Inocuidad del Número 1 ∈ K:
∀U ∈ Mm×n (K) : 1 · U = U. (3.20)
Tomamos un elemento genérico U = (ui j )m×n ∈ Mm×n (K). Se tiene, por la Existencia del Neutro Multiplicativo en K, que:
1 · U = 1 · (ui j )m×n = (1 · ui j )m×n = (ui j )m×n = U.

∀α ∈ R, ∀U, V ∈ Mm×n (K) : α · (U + V) = α · U + α · V. (3.21)
Tomamos elementos genéricos α ∈ K y U = (ui j )m×n , V = (vi j )m×n ∈ Mm×n (K). Se tiene, por la Propiedad Distributiva de
K, que

α · (U + V) = α (ui j )m×n + (vi j )m×n = α · ui j + vi j = α(ui j + vi j ) = αui j + αvi j
m×n m×n m×n
= (αui j )m×n + (αvi j )m×n = αU + αV.
Puesto que α, U, V fueron elegidos arbitrariamente, se ha probado (3.21).

∀α, β ∈ K, ∀U ∈ Mm×n (K) : (α + β) · U = α · U + β · U. (3.22)

3.2 Producto de Matrices 39
Tomamos elementos genéricos α, β ∈ K y U ∈ Mm×n (K). Se tiene, por la Propiedad Distributiva de K, que

(α + β) · U = (α + β) · (ui j )m×n = (α + β)ui j = αui j + βui j
m×n m×n
= (αui j )m×n + (βui j )m×n = α · U + β · U.
Puesto que α, β, U fueron elegidos arbitrariamente, se ha probado (3.22).
t
u
3.2. Producto de Matrices
Para hacer más manejable la presentación de contenidos nos apoyaremos en la siguiente notación. Dada un matriz
A = (ai j )m×n ∈ Mm×n (E), se escribirá
 A(1) 
 
 A 
 (2) 
A = (A1 A2 . . . An ) =  .  (3.23)
 .. 
 
A(m)
para representar las descomposiciones de A en columnas y filas. Las columnas de A son las matrices
 a11   a12   a1n 

     
 a   a   a 
 21   22   2n 
A1 =  .  , A2 =  .  , . . . , An =  .  (3.24)
.
 .  .
 .   .. 
     
am1 am2 amn
en tanto que las filas de A son las matrices:
A(1) = (a11 a12 . . . a1n ) , A(2) = (a21 a22 . . . a2n ) , ..., A(m) = (am1 am2 . . . amn ) (3.25)
Observe que
A j ∈ Rm , ∀ j ∈ In ; (3.26)
At(i) ∈R , n
∀i ∈ Im . (3.27)
Ejemplo 3.2 Consideremos la matriz A ∈ M2×3 (R) dada por

!
−2 3 5
A= .
0 47
Entonces se tiene
A = (A1 A2 A3 ) ,
donde ! ! !
−2 3 5
A1 = , A2 = , A3 = ,
0 4 7
Asimismo se tiene que !
A(1)
A= ,
A(2)
donde
A(1) = (−2 3 5) , A(2) = (0 4 7) .
Los espacios de matrices que tienen una única columna reciben una notación especial. Se escribe
  


  x1  


 x2 


   


R = Mn×1 (R) = 
n
x1 , x2 , ..., xn ∈ R
 
 ..  : ; (3.28)

 . 


 



 

 x 
 

n
  


  x1  


 x2 


   


Cn = Mn×1 (C) =  x1 , x2 , ..., xn ∈ C
 
 ..  : ; (3.29)

 . 

 



 


 x 
 

n
  


  x1  




  x2  


Kn = Mn×1 (K) =  x1 , x2 , ..., xn ∈ K .
 
 .. 
   : 
(3.30)
 . 


 



 

 x 
 

n
Análogo al producto escalar introducido en la Sección 2.2, tenemos un producto escalar para vectores de Kn .
Definición 3.6 (Producto escalar en Kn ) Sean n ∈ N. Dados dos vectores de Kn .
 u1   v1 

   
 u   v 
 2  2
u =  .  , v =  .  ,
 ..   .. 
   
un vn
se define su producto escalar mediante
hu, vi = ut v (3.31)
Xn
= uk vk . (3.32)
k=1
Con ayuda del producto escalar podemos definir el producto de matrices de una forma sencilla.
Definición 3.7 (Producto de matrices) Sean m, n, r ∈ N. Dadas matrices
A ∈ Mm×r (K), B ∈ Mr×n (K).
Se define la matriz producto, C = (ci j )m×n = AB, de manera que

r
X
ci j = A(i) B j = aik · bkn , ∀i ∈ Im , ∀ j ∈ In . (3.33)
k=1
Observación 3.1 Tenga presente que para que exista la matriz C = AB, el número de columnas de A debe ser igual al
número de filas de B. En la Definición 3.7, se tiene que
D E
At(i) , B j = A(i) B j .
Esto quiere decir que para construir el elemento ci j se debe multiplicar la fila A(i) con la columna B j .
Ejemplo 3.3 Como una aplicación sencilla de la multiplicación de matrices, le sugerimos que estudie el Ejemplo 2.2.6
de [1] sobre el contacto directo e indirecto con una enfermedad contagiosa.
Ejemplo 3.4 Consideramos las matrices

3.2 Producto de Matrices 41
 
!  1 2 −1 0 
1 −1 0
A= ∈ M23 (R), B =  0 2 −1 0  ∈ M34 (R).
 
1 2 1
1 0 −1 0
 
Puesto que el número de columnas de A es igual al número de filas de B, existe la matriz producto C = AB ∈ M24 (R). Se
tiene que:
 
 1 
c11 = A(1) B1 = 1 −1 0  0  = 1;
1
 
 
 2 
c12 = A(1) B2 = 1 −1 0  2  = 0;
0
 
 
 −1 
c13 = A(1) B3 = 1 −1 0  −1  = 0;
−1
 
 
 0 
c14 = A(1) B4 = 1 −1 0  0  = 0;
0
 
 
 1 
c21 = A(2) B1 = 1 2 1  0  = 2;
1
 
 
 2 
c22 = A(2) B2 = 1 2 1  2  = 6;
0
 
 
 −1 
c23 = A(2) B3 = 1 2 1  −1  = −4;
−1
 
 
 0 
c24 = A(2) B4 = 1 2 1  0  = 1.
0
 
Por tanto: !
10 0 0
C = AB = .
2 6 −4 1
En la siguiente proposición se resumen algunas propiedades que involucran a la multiplicación de matrices.
Proposición 3.3 (Propiedades de la multiplicación de matrices) Sean m, n, p, q ∈ N.

i) Propiedad Distributiva. Si A ∈ Mm×n (K), B ∈ Mn×p (K) y C ∈ Mn×p (K) se tiene que
A (B + C) = AB + AC. (3.34)
ii) Propiedad Asociativa. Si A ∈ Mm×n (K), B ∈ Mn×p (K) y C ∈ M p×q (K) se tiene que
A (BC) = (A B)C. (3.35)
Demostración (Demostración de la Propiedad Distributiva). Denotemos
A(B + C) = (ei j )m×p , AB = (gi j )m×p , AC = (hi j )m×p
Por la definición de igualdad de matrices, (3.2), probar (3.34) equivale a probar que
∀i ∈ Im , ∀ j ∈ I p : ei j = gi j + hi j . (3.36)
Procedamos. Tomamos ı́ndice genéricos i ∈ Im y j ∈ I p . Entonces, por la propiedad distributiva de K y por la definición de
producto de matrices, (3.33), se tiene que:
n
X
ei j = aik bk j + ck j
k=1
n
X
= aik bk j + aik ck j
k=1
n
X n
X
= aik bk j + aik ck j
k=1 k=1
= gi j + hi j .
Puesto que los ı́ndices i, j fueron elegidos arbitrariamente se ha probado (3.36)
t
u
Observación 3.2 Tenga presente que la multiplicación de matrices no cumple con la propiedad conmutativa.
Terminamos la sección con un resultado simple pero muy útil.
Proposición 3.4 (Transpuesta de un producto) Sean A ∈ Mm×n (K) y B ∈ Mn×p (K). Se cumple que
(AB)t = Bt At . (3.37)
3.3. Algunos tipos de matrices
En esta sección presentamos algunos tipos de matrices importantes por su utilidad.
Definición 3.8 (Matriz Triangular / Matriz Diagonal) Sean n ∈ N y A = (ai j ) ∈ Mn×n (K). Se dice que A es una
matriz triangular superior si se cumple que
i> j ⇒ ai j = 0. (3.38)
Se dice que A es una matriz triangular inferior si At es triangular superior. Se dice que A es una matriz diagonal
si A es, al mismo tiempo, triangular superior e inferior.
En el marco de la Definición 3.8, A es triangular superior si tiene sólo ceros por debajo de la diagonal principal:
 a11 a12 . . . a1n 

 
a22 . . .
 0 
a2n 
A =  . .. ..  .
 
 .. . ... . 
0 ...

0 ann
Asimismo, A es triangular inferior si tiene sólo ceros por encima de la diagonal principal:
 a11 0 ... 0

 

 a12 a22 . . . 0 
A =  . .. ..  .

 .. . ... . 
an2 . . .
 
an1 ann
Finalmente, A es diagonal si tiene sólo ceros por encima y por debajo de la diagonal principal:
3.3 Algunos tipos de matrices 43
 a11 0 ... 0

 

 0 a22 . . . 0 
A =  . .. ..  .
 
 .. . ... . 
0 ...
 
0 ann
En este caso se suele escribir

A = diag(a11 , a22 , .., ann ) (3.39)
Ejemplo 3.5 La matriz

 2 3 + 4i −i 
 
B =  0 0 −1  ∈ M3×3 (C)
 
0 0 2−i
 
es triangular superior. La matriz  

 2 0 0 
C =  0 −2 0  ∈ M3×3 (R)
 
π e 1/4
 
es triangular inferior.
Notación 3.1 (Delta de Kronecker) El delta de Kronecker se escribe


1, si r = s,

δrs = 

(3.40)
0, si r , s.

Entonces el delta de Kronecker es como un interruptor que se enciende cuando los dos subı́ndices coinciden.
Definición 3.9 (Matriz Identidad) Sea n ∈ N. Se denomina matriz identidad de orden n a la matriz diagonal
Idn = (δi j ) ∈ Mn×n (K), (3.41)
es decir
 1 0 . . . 0 
 
 0 1 . . . 0 

Idn =  . . .. 
 (3.42)
 .. .. . . . . 
0 0 ...

1
Observación 3.3 Cuando no hay peligro de confusión, se puede escribir Id en lugar de Idn .
La matriz identidad tiene la propiedad de ser neutra con respecto a la multiplicación de matrices. Esto se establece
formalmente en el siguiente teorema.
Teorema 3.2 (Neutralidad de la matriz identidad) Sean m, n, p ∈ N. Entonces, se cumple que:
∀A ∈ Mm×n (K) : A Idn = A; (3.43)

∀B ∈ Mn×p (K) : Idn B = B. (3.44)
Demostración. Probaremos (3.43) en tanto que la demostración de (3.44) queda como ejercicio para el estudiante.
Tomamos una matriz genérica A = (ai j ) ∈ Mm×n (K) y denotemos A Idn = (ei j ). Entonces, para ı́ndices genéricos i ∈ Im y
j ∈ In , se tiene que
n
X
ei j = aik δk j
k=1
= ai j · 1,
donde se ha usado (3.40). Puesto que i, j fueron elegidos arbitrariamente, se ha probado que
∀i ∈ Im , ∀ j ∈ In : ei j = ai j ,
es decir, se ha probado que A Idn = A.
t
u
Ejemplo 3.6 Como un ejemplo de aplicación de los conceptos estudiados, se recomienda estudiar la breve presentación
sobre cadenas de Markov y matrices de transición de las páginas 72 y 73 de [1].
3.4. Invertibilidad de matrices
Definimos a continuación el concepto de matriz invertible.
Definición 3.10 (Matriz Invertible) Se dice que una matriz A ∈ Mn×n (K) es una matriz invertible si existe una
matriz B ∈ Mn×n (K) tal que
AB = BA = Idn . (3.45)
Proposición 3.5 (Unicidad de la Matriz Inversa) En el marco de la Definición 3.10, la matriz B es única y, por
ello, se denotará A−1 y se dirá que A−1 es la matriz inversa de A. Por tanto se escribe
AA−1 = A−1 A = Idn . (3.46)
Demostración. Supongamos que existen dos matrices B1 , B2 ∈ Mn×n (K) tales que




 AB1 = B1 A = Idn
AB2 = B2 A = Idn

(3.47)




 B1 , B2 .


Se tiene, por la propiedad asociativa, que:
B1 = B1
= B1 Idn
= B1 (AB2 )
= (B1 A)B2
= Idn B2
= B2 ; (3.48)
lo cual contradice (3.47). Por tanto se concluye que B1 = B2 , es decir que existe una única inversa de A.
t
u
Ejemplo 3.7 Consideremos la matriz !

01
C= ∈ M2×2 (R).
10
¿Es invertible la matriz C? Si C es invertible entonces debe existir una matriz
!
x y
R= ∈ M2×2 (R)
zw
tal que RC = Idn , es decir, por (3.2), deberı́a cumplirse que

3.4 Invertibilidad de matrices 45
! ! ! !
10 x y 01 y x
= =
01 zw 10 wz
que implica que

y = 1, x = 0, w = 0, z = 1.
Entonces C es invertible y !
01
C −1
=R= .
10
Teorema 3.3 (Propiedades de la inversión) Sean A, B ∈ Mn×n (K), matrices invertibles. Se tiene que
−1
A−1 = A; (3.49)
(AB) = B A ;−1 −1 −1
(3.50)
−1 t
At = A−1 . (3.51)
Demostración. Usemos (3.45) para probar (3.50). Se tiene, por la propiedad asociativa, que

(AB) B−1 A−1 = (AB) B−1 A−1

= A BB−1 A−1
= (A Idn ) A−1
= AA−1
= Idn ,
de manera que la matriz inversa de AB es B−1 A−1 .
Usemos (3.50) para probar (3.51). Puesto que

AA−1 = Idn ,
se tiene que t
AA−1 = Idtn
y entonces: t
A−1 At = Idtn = Idn .
t
Por tanto, la inversa de At es A−1 .
t
u
Notación 3.2 Dada una matriz cuadrada A ∈ Mn×n (K), se escribe
A0 = Idn (3.52)
Asimismo, para r ∈ N, se escribe

Ar = A Ar−1 . (3.53)
Corolario 3.1 (Inversa de una potencia) Sea A ∈ Mn×n (K), matriz invertible. Se tiene que
n
An −1 = A−1 .

∀n ∈ N : (3.54)

−1
1) Sean n ∈ N y G, H ∈ Mn (K). Suponga que existen las matrices G−1 , H −1 y G + H −1 . Pruebe que la matriz G−1 + H
es invertible y que
−1 −1
G−1 + H = G G + H −1 H −1 . (3.55)
Desarrollo. Se tiene que
−1 −1 −1
G−1 + H · G G + H −1 H −1 = G + H −1 H −1 + HG G + H −1 H −1
h i−1 h i−1
= H G + H −1 + HG H G + H −1
= (HG + Id)−1 + HG (HG + Id)−1
= (Id + HG) (HG + Id)−1
= (HG + Id) (HG + Id)−1
= Id,
de donde se deduce (3.55).
2) Sea β ∈ R. Pruebe por inducción matemática que

!n
β1 βn nβn−1
!
∀n ∈ N : = .
0β 0 βn
Desarrollo. Probemos que

∀n ∈ N : Pn ,
donde, !n
β1 βn nβn−1
!
Pn : = .
0β 0 βn
Es evidente que P1 es verdadera. Probemos que para n ∈ N, genérico, se cumple que
Pn ⇒ Pn+1 .
Supongamos entonces que Pn (Hipótesis Inductiva) es verdadera y probemos (Tesis Inductiva):

!n+1
β1 βn+1 (n + 1)βn
!
Pn+1 : = .
0β 0 βn+1
Se tiene que:
!n+1 !n
β1 β1 β1
!
= ·
0β 0β 0β
β nβ β1
n n−1
! !
= ·
0 βn 0β
βn+1 β + nβ
n n
!
=
0 βn+1
βn+1 (n + 1)βn
!
= .
0 βn+1
3) Se dice que P ∈ Mn×n (K) es una matriz de proyección si P = P2 .

a) Pruebe que si P ∈ Mn×n (K) es una matriz de proyección entonces Idn − P también lo es.
b) Pruebe que
P = P2 ⇔ P2 (Idn − P) = 0 ∧ P (Idn − P)2 = 0. (3.56)
Desarrollo.
a) Supongamos que P ∈ Mn×n (K) es una matriz de proyección. Se tiene que
(Idn − P)2 = (Idn − P)(Idn − P)

= Idn Idn − Idn P − PIdn + P2
= Idn − P − P + P
= Idn − P,
de manera que Idn − P es una matriz de proyección.

b) Probar (3.56) equivale a probar dos condicionales:
P = P2 ⇒ P2 (Idn − P) = 0 ∧ P (Idn − P)2 = 0; (3.57)

P (Idn − P) = 0 ∧ P (Idn − P) = 0
2 2
⇒ P=P . 2
(3.58)
b1) Probemos (3.57). Supongamos entonces que

P = P2 .
Se tiene que
P2 (Idn − P) = P(Idn − P)
= P − P2
= 0.
Asimismo, por el literal a):
P(Idn − P)2 = P(Idn − P)

= P − P2
= 0.
b2) Probemos (3.58). Supongamos entonces que
P2 (Idn − P) = 0 ∧ P (Idn − P)2 = 0.
Se tiene que
P2 = P2 + P2 (Idn − P)
= P2 (2Idn − P)
= 2P2 − P3 . (3.59)
Por otro lado:
(Idn − P)2 = Idn − 2P + P2

0 = P(Idn − P)2 = P − 2P2 + P3
2P2 − P3 = P. (3.60)
Se concluye al reemplazar (3.60) en (3.59).

4) Sea n ∈ N. Considere la matriz

. . . 0 0 
 
 1 1 0 0
. . . 0 0 
 0 1 1 0 

 0 0 1 1 . . . 0 0 

C =  . . . . . .  ∈ Mn×n (K).

 .. .. .. .. . . . .. .. 
. . . 1 1 

 0 0 0 0 
... 0 1
 
0000
a) Pruebe que
(C − Idn )n = 0. (3.61)
b) Pruebe que C es invertible y que
n−1
X
C −1 = (−1)k (C − Idn )k . (3.62)
k=0
Desarrollo.
a) Denotamos
 0 1 0 0 . . .
 
0 0 
 0 0 1 0 . . . 0 0 


 0 0 0 1 . . . 0 0 

D = C − Idn = (δi+1, j ) =  . . . . .. .. 

 .. .. .. .. . . . . . 
 0 0 0 0 . . .

0 1 

0 0 0 0 ...
 
00
Obsérvese que D es una matriz con una gran cantidad de elementos nulos. Se tiene que
 0 0 1 0 . . . 0 0 0 
 
. . . 0 0 0 
 0 0 0 1 

 0 0 0 0 . . . 0 0 0 
D = (δi+2, j ) =  ... ... ... ... . . . 

. . . .. .. ..  ,
2
. . . 0 0 1 

 0 0 0 0 
. . . 0 0 0 
 
 0 0 0 0
... 0 0 0

0000
es decir que en D2 , los elementos no-nulos se han desplazado hacia la derecha, con respecto a D. De forma similar
se encuentra que
D3 = (δi+3, j ),
y, análogamente
Dk = (δi+k, j ), k = 1, 2, ..., n − 1.
Ası́ que, en particular:
. . . 0 1 
 
 0 0 0 0
. . . 0 0 
 0 0 0 0 

 0 0 0 0 . . . 0 0 

Dn−1 =  . . . . . . 

 .. .. .. .. . . . .. .. 
. . . 0 0 

 0 0 0 0 
... 0 0
 
0000
y, por tanto:
Dn = 0,
es decir
(C − Idn )n = 0.
b) Para este punto aprovecharemos fórmulas de productos notables y el hecho de que la matriz identidad conmuta
con cualquier matriz.
b1) Supongamos que n ∈ N es impar. Recordemos que, para x ∈ R, se tiene que:
1 + xn = (1 + x)(1 − x + x2 − x3 + ... + xn−1 ),

Xn−1
1 + xn = (1 + x) (−1)k xk ; (3.63)
k=0
por tanto, para x = c − 1:

n−1
X
1 + (c − 1)n = c · (−1)k (c − 1)k . (3.64)
k=0
La fórmula (3.63) se puede trasladar a matrices cuadradas reemplazando el número 1 por la matriz identidad:
n−1
X
∀n ∈ N, n impar , ∀X ∈ Mn (R) : Idn + X n = (Idn + X) (−1)k X k . (3.65)
k=0
Por tanto, tomando X = C − Idn , se tiene por (3.61):

n−1
X
Idn + (C − Idn ) = C · (−1)k (C − Idn )k ,
n
k=0
n−1
X
Idn = C · (−1)k (C − Idn )k ,
k=0
de donde se deduce que

n−1
X
C −1 = (−1)k (C − Idn )k .
k=0
b2) Supongamos que n ∈ N es par. Recordemos que, para x ∈ R, se tiene que:
1 + xn = (1 + x)(1 − x + x2 − x3 + ... − xn−1 ) + 2xn ,

Xn−1
1 + xn = (1 + x) (−1)k xk + 2xn ; (3.66)
k=0
por tanto, para x = c − 1:

n−1
X
1 + (c − 1)n = c · (−1)k (c − 1)k + 2(c − 1)n . (3.67)
k=0
La fórmula (3.66) se puede trasladar a matrices cuadradas reemplazando el número 1 por la matriz identidad:
n−1
X
∀n ∈ N, n par , ∀X ∈ Mn (R) : Idn + X n = (Idn + X) (−1)k X k + 2X n . (3.68)
k=0
Por tanto, tomando X = C − Idn , se tiene por (3.61):

n−1
X
Idn + (C − Idn )n = C · (−1)k (C − Idn )k + 2(C − Idn )n ,
k=0
n−1
X
Idn = C · (−1)k (C − Idn )k ,
k=0

n−1
X
C −1 = (−1)k (C − Idn )k .
k=0
1) Considere las matrices reales

     
 1 4  −4 7  5 −9
A1 = −2 −2 , A2 =  0 1  , A3 = 3 0  .
     
0 −8 8 −3 6 1
     
Halle la matriz Dk si:
D1 = 7A3 − A2 − A1 , D2 = A2 − A1 − 2A3 , D3 = 2A1 − 3A2 + 4A3 ;

2A + B − D4 es el neutro aditivo;
 
−3 4
−A1 + 3A3 + D5 es el inverso aditivo de  0 2 ;
 
1 1
 
 
1 1
−A1 − A2 + 2A3 + D6 = 1 1 .
 
11
 
2) Considere las matrices reales

     
1 −3 6  −2 5 −9  7 4 2 
A1 = 4 1 −6 , A2 =  3 −4 1  , A3 = −5 −2 −2 .
     
7 9 2 −1 −4 −6 1 5 7
     
Halle la matriz Dk si:
D1 = 7A3 − A2 − A1 , D2 = A2 − A1 − 2A3 , D3 = 2A1 − 3A2 + 4A3 ;

2A + B − D4 es el neutro aditivo;
 
−3 4 2 
−A1 + 3A3 + D5 es el inverso aditivo de  0 2 7  ;
 
1 1 −1
 
 
1 1 1
−A1 − A2 + 2A3 + D6 = 1 1 1 .
 
111
 
3) Resuelva la ecuación
3(2Γ + Λ + X) = 5(X − Γ + Λ), X ∈ M2 (R),
! !
1 −1 −1 0
donde Γ = yΛ= .
2 3 2 3
ΓX + XΛ = Θ, X ∈ M2 (R),
! ! !
20 50 10
donde Γ = ,Λ= yΘ= .
03 06 01
AX = C, X ∈ M4×2 (R),
donde ! !
5 034 65
A= , C= .
−1 2 0 1 35
6) Siguiendo el método presentado en el Ejemplo 3.7, analice si las siguientes matrices son invertibles y, en caso de
serlo, halle la inversa: ! !
12 −i 0
U= ∈ M2×2 (R), V= ∈ M2×2 (C).
24 0 i
7) Considere los vectores
 4   2   −6 

     
 −1   5   8 
u =  3  , v =  −7  , w =  0  .
     
 0   1   0 
     
−5 0 1
Calcule dk e indique si es escalar o vector:
d1 = hw, u − vi , d2 = h2v − 3u, 4u − wi ,

hu, wi
d3 = (v − 4w)/ hu, 4wi , d4 = (u − v). (3.69)
hu, ui
8) Sean n ∈ N y v ∈ Rn . Pruebe que
hv, vi ≥ 0; (3.70)
hv, vi = 0 ⇐⇒ v = 0. (3.71)
9) Calcule Dk :
     
 1 4 6 −1 2 0 −3  1 4 6 −1 2 0 −3
D1 = −2 3 5  4 2 5 −1 , D1 = −2 3 5  4 2 5 −1 (3.72)
       
1 0 4 2 −1 0 9 1 0 4 2 −1 0 9
     
10) Sea β ∈ R. Resuelva la ecuación * +

t
B2 ,v , x ∈ R,
(2)
donde,
−x 0 β 
   
 1 
v =  1  , B =  β −x 0  .
   
1 0 β −x
   
11) Sean β, γ ∈ R. Resuelva la ecuación * t +

C2 ,v , x ∈ R,
(1)
donde,
 −1   x 0 β γ
   
 −1  0 β γ x

u =   , C =  .
 −1  β γ x 0
−1 0 β γ x
A2 − 25 Id2 = 0, x ∈ C,
donde, !
50
A= .
2x
13) Encuentre condiciones para α, β, γ, η ∈ R de manera que se cumpla
AB = BA,
donde,
αβ
! !
11
A= , B= .
01 γη
 
−1 3 5 
14) Sea A =  1 −3 −5. Pruebe que A2 = A. A.
 
−1 3 5
 
15) Sea α ∈ R. Pruebe por inducción matemática que
!n
α1 αn nαn−1
!
∀n ∈ N : = .
0α 0 αn
16) Sea A ∈ Mn (K) tal que

∃k ∈ N : Ak = Idn .
Pruebe que A es invertible y halle A−1 . !
xy
17) Encuentre todas las matrices de la forma A = ∈ M2 (R) que verifican A2 = Id2 .
0y
1) Tomando como referencia la demostración parcial de la Proposición 3.3:

a) Pruebe la Propiedad Asociativa (3.35).
b) Pruebe la Proposición 3.4.
2) Pruebe por inducción matemática el Corolario 3.1.
3) Sea A = diag (a11 , a22 , ..., ann ) ∈ Mn×n (K). Pruebe que A es invertible ssi
∀i ∈ In : aii , 0,
y que, en este caso,

A−1 = diag a−1
11 , a22 , ..., ann .
−1 −1
4) Se dice que P ∈ Mn×n (K) es una matriz de proyección si P = P2 .

a) Pruebe que si P ∈ Mn×n (K) es una matriz de proyección entonces Idn − P también lo es.
b) Pruebe que
P = P2 ⇔ P2 (Idn − P) = 0 ∧ P (Idn − P)2 = 0.
5) Sean A, B ∈ Mn×n (K) diagonales. Pruebe que
AB = BA.
Esto quiere decir que para matrices diagonales la multiplicación de matrices es conmutativa.
6) Sean M ∈ Mn×n (K) y D = diag (d1 , d2 , ..., dn ) ∈ Mn×n (K) donde los números d1 , d2 , ..., dn son distintos. Pruebe que
MD = DM ⇒ M es diagonal.
7) Sean A, B ∈ Mn (K) triangulares inferiores. Pruebe que AB es triangular inferior.

8) Sean A, B, S ∈ Mn×n (K) tales que S es invertible y las matrices S −1 AS y S −1 BS son diagonales. Pruebe que
AB = BA.
9) Sea A, B ∈ Mn×n (K) matrices invertibles tales que A + B−1 también es invertible. Pruebe que A−1 + B es invertible y
que
−1 −1
A−1 + B = A A + B−1 B−1 .
10) Sea n ∈ N. Considere la matriz A ∈ Mn (R) dada mediante
 1 1 0 0 . . .
 
0 0 
 0 1 1 0 . . . 0 0 


 0 0 1 1 . . . 0 0 

A =  . . . . .. ..  .

 .. .. .. .. . . . . . 
 0 0 0 0 . . .

1 1 

1 0 0 0 ...
 
01
a) Para n = 3, halle det(A).

b) Si n = 4, trate de calcular A−1 .
11) Se dice que dos matrices, A, B, son equivalentes cuando es posible hallar una matriz invertible P tal que B = PA. Trate
de determinar si las siguientes matrices son equivalentes:
   
 1 −2 3 −1 3 −1 4 0
A =  2 1 1 1  , B = 1 5 4 4 .
   
−3 2 −1 1 0 1 31
   
12) Sea n ∈ N. Se define la función traza:
tr : Mn×n (K) −→ K (3.73)

n
X
A = (ai j ) 7−→ tr(A) = akk
k=1
Pruebe que
∀A ∈ Mn×n (K) : tr(At ) = tr(A); (3.74)

∀A, B ∈ Mn×n (K) : tr(A + B) = tr(A) + tr(B); (3.75)
∀λ ∈ K, ∀A ∈ Mn×n (K) : tr(λA) = λ tr(A); (3.76)
∀A, B ∈ Mn×n (K) : tr(AB) = tr(BA). (3.77)
13) Se dice que una matriz P = (pi, j ) ∈ Mn×n (R) es una matriz de probabilidades si cumple las siguientes condiciones
a) todos sus elementos son no-negativos, es decir
∀i, j ∈ In : pi j ≥ 0; (3.78)
b) La suma de elementos en cada fila es igual a 1, es decir

n
X
∀i ∈ In : pi j = 1. (3.79)
j=1
Muestre que las matrices    

 1/3 1/3 1/3   1/6 1/6 2/3 
P =  1/4 1/2 1/4  , Q =  1/9 1/3 5/9  y PQ
   
0 0 1 1/5 3/5 1/5
   
son matrices de probabilidades.

14) Un campeonato de ajedrez se desarrolla en modalidad round-robin (también conocido como todos contra todos).
En el mismo participan los jugadores J1 , J2 , ..., Jn . Los resultados se registran en la matriz de resultados R = (ri j ) ∈
Mn (R) donde, para i , j, ri j representa el resultado obtenido por el jugador Ji ante el jugador J j (1.0 en caso de ganar,
t
0.5 en caso de empatar y 0.0 en caso de perder). El vector de puntajes es P = p1 p2 . . . pn . Cuando se presentan
empates en puntaje se aplican los siguientes criterios de desempate, en orden de importancia:
a) En caso de que dos jugadores Ji y J j empaten en puntaje, Ji va adelante en la clasificación si ganó la partida que
jugaron entre ellos.
b) En el caso de que dos o más jugadores empaten en puntaje se los clasifica conforme a su puntaje NSB1 Para el
jugador Ji su puntaje NSB se obtiene al sumar los puntajes ponderados de sus contrincantes; es decir, se suman
los puntajes de los rivales a quienes ganó, la mitad de los puntajes de los contrincantes con quienes empató y no
aportan los puntajes de los contrincantes con quienes perdió.
c) En caso de que dos o varios jugadores empaten, se aplica el NSB parcial. Para el jugador Ji su puntaje NSB
parcial se obtiene a partir del puntaje NSB al restarle el menor de los puntajes ponderados de los rivales.
i) Muestre que, en general, la matriz R es tal que
∀i, j ∈ In , i , j : r ji = 1 − ri j . (3.80)
¿Bajo qué situación no se cumplirı́a lo anterior?

ii) Justifique que es necesaria la asignación:
rii = 0, i = 1, 2, ..., n. (3.81)
iii) Muestre que para el jugador Ji , el puntaje obtenido al final del torneo es
n
X
pi = ri j . (3.82)
j=1
1 El ajedrecista checo Hermann Neustadtl propusó este sistema de desempate en la revista Chess Montly en 1882. Los principales crı́ticos del
método fueron William Sonnenborn y Johann Berger, quienes propusieron su propio sistema de desempate que, sin embargo, no tuvo acogida
entre los ajedrecistas.
iv) Muestre que para el jugador Ji el puntaje NSB se calcula mediante

n
X
Ni = ri j · p j . (3.83)
j=1
t
v) El vector NSB es N = N1 N2 . . . Nn . Pruebe que
N = RP. (3.84)
vi) Muestre que para el jugador Ji el puntaje NSB parcial está dado mediante
Ñi = Ni − mı́n ri j · p j . (3.85)

j∈In \{i}
vii) ¿Se presenta alguna dificultad para hallar la clasifica-

ción final del Torneo 1, cuya tabla se presenta a la de-
recha? Si ese es el caso como la tratarı́a de resolver si
usted es el árbitro. Use Maxima para hacer los cálculos.
viii) ¿Se presenta alguna dificultad para hallar la clasifica-

ción final del Torneo 2, cuya tabla se presenta a la de-
recha? Si ese es el caso como la tratarı́a de resolver si
usted es el árbitro. Use Maxima para hacer los cálculos.
ix) Por lo visto, en los puntos i) y ii) y teniendo presente la fórmula (3.83), ¿a qué tipo de desempeño tiende a favorecer
el método NSB?
x) Por lo visto, en los puntos i) y ii) y teniendo presente la fórmula (3.85), ¿a qué tipo de desempeño tiende a favorecer
el método NSB parcial?
vii) ¿Le parece justo el método general de desempate aplicado? ¿Qué sugerirı́a para mejorarlo?
15) Sea A ∈ Mn×n (K) tal que A2 = Idn . Pruebe que
∀n ∈ N : An = Idn ; (3.86)
∀n ∈ N : (A + Idn ) = Idn + (2 − 1)A.
n n
(3.87)
Indicación. Considere la fórmula del Binomio de Newton.

16) Considere el conjunto ( ! )
a 1−a
G= ∈ M2×2 (R) : a,b
b 1−b
a) Determine si (G, +) es un grupo. En caso afirmativo, ¿es un grupo abeliano?
b) Determine si (G, ·) es un grupo. En caso afirmativo, ¿es un grupo abeliano?
 
1 1 1
17) Sea U = 1 1 1. Pruebe que
 
111
 
∀n ∈ N : U n = 3n−1 U.
 
a b c 
18) Sea A = 0 a d. Para n ∈ N, pruebe que
 
00a
 
a na b nan−1 c + n(n−1)

 n n−1 n−2 bd 

2 a 
An =  0 an nan−1 d  .

 n

0 0 a
1) Pruebe que
∀A, B,C ∈ Mn×n (K) : ABC − CAB , −Idn . (3.88)
2) Sea n ∈ N. Se define la función:
η : Mn×n (R) −→ R (3.89)

A 7−→ η(A) = tr(AAt )
Pruebe que
∀A ∈ Mn×n (R) : η(A) = η(At ); (3.90)

∀A ∈ Mn×n (R) : η(A) ≥ 0; (3.91)
η(A) = 0 ⇔ A = 0. (3.92)
3) Sean m, n ∈ N y U ∈ Mm×n (R) tal que U t U ∈ Mn×n (R) es invertible. Se define la matriz
−1
P = Idm − U U t U U t ∈ Mm×m (R).
a) Pruebe que P2 = P.
b) Pruebe que PU = 0 ∈ Mm×n (R).
c) Pruebe que las matrices U t U y P son simétricas.
4) Se dice que una matriz P = (pi, j ) ∈ Mn×n (R) es una matriz de probabilidades si cumple las siguientes condiciones: a)
todos sus elementos son no-negativos; b) la suma de elementos en cada fila es igual a 1.
a) Pruebe que si P ∈ Mn×n (R) es una matriz de probabilidades entonces P2 también lo es.
b) Pruebe que si P, Q ∈ Mn×n (R) son matrices de probabilidades entonces PQ también lo es.
5) Sean A, B ∈ Mm×n (K). Pruebe que
A=B ⇔ ∀x ∈ Rm , ∀y ∈ Rn : xt Ay = xt By. (3.93)
6) Sean A, B ∈ Mn (K), simétricas. Pruebe que
A=B ⇔ ∀x ∈ Rn : xt Ax = xt Bx. (3.94)
7) Pruebe que toda matriz cuadrada es la suma de una !matriz simétrica y una matriz antisimétrica.
1 λ
8) Considere la función R \ {0} 3 λ 7−→ Aλ = ∈ M2 (R).
−λ−1 −1
a) Pruebe que
Aλ Aµ = Aµ Aλ ⇐⇒ λ = µ. (3.95)
b) Pruebe que
∀λ, µ ∈ R, ∃ηλ,µ ∈ R : Aλ Aµ + Aµ Aλ = ηλ,µ Id2 ; (3.96)

ηλ,µ = 0 ⇐⇒ λ = µ. (3.97)
c) Calcule A2λ y (Aλ + Aµ )2 .

d) Pruebe que
(λ − µ)2n
∀n ∈ N : (Aλ + Aµ )2n = (−1)n Id2 . (3.98)
λn µn
e) Pruebe que (Aλ + A2λ )2n no depende de λ.
9) Sea n ∈ N. Considere la matriz U = (ui j ) ∈ Mn×n (K) definida mediante
ui j = δi j + δi+1, j
a) Pruebe que
(U − Idn )n = 0.
b) Pruebe que U es invertible y que

n−1
X
U −1 = (−1)k (U − Idn )k .
k=0
Capı́tulo 4
Operaciones elementales de fila

Roger Bacon
4.1. Sistemas de Ecuaciones Lineales
Consideremos un sistema de m ecuaciones lineales con n incógnitas x1 , x2 , ..., xn ∈ K:
a11 x1 + a12 x2 + ... + a1n xn = b1 , (4.1)

a21 x1 + a22 x2 + ... + a2n xn = b2 , (4.2)
.. .. .. .. .. ..
. . . . . .
am1 x1 + am2 x2 + ... + amn xn = bm , (4.3)
donde tanto los coeficientes ai j como los términos independientes bi pertenecen a K. A la matriz
 a11 a12 . . . a1n 

 
a22 . . . a2n 
 a 
 21
A = (ai j ) =  . .. ..  ∈ Mm×n (K)
 (4.4)
 .. . . . . . 
am2 . . . amn

am1
se le refiere como la matriz de coeficientes, en tanto que a los vectores
 x1   b1 

   
 x   b 
 2  2
x =  .  ∈ Kn , b =  .  ∈ Km , (4.5)
 ..   .. 
   
xn bm
se les refiere como vector de incógnitas y vector de términos independientes, respectivamente. Obsérvese que el sistema
(4.1)-(4.3) es equivalente a la ecuación matricial:
Ax = b, x ∈ Kn . (4.6)
Observación 4.1 Se dice que el sistema de ecuaciones (4.1)-(4.3) es real si todos los coeficientes, incógintas y términos
independientes viven en R. De la misma manera se habla de un sistema complejo.
Definición 4.1 (Solución de un sistema de ecuaciones) Una solución del sistema de ecuaciones (4.1)-(4.3) (o
equivalentemente de la ecuación matricial (4.6)), es un vector
 ∗
 x1 
 x∗ 
x∗ =  2  ∈ Kn
 ... 
xn∗
tal que al reemplazar en el sistema los valores x1∗ , x2∗ , ..., xn∗ , se vuelven verdaderas todas las igualdades.
58 4 Operaciones elementales de fila
Observación 4.2 Resolver el sistema de ecuaciones (4.1)-(4.3) quiere decir hallar su conjunto solución, es decir hallar
el conjunto  
 x1 
 


 



  x  

  2  
CS =  = n
.
 
x . ∈ : x es solución de (4.1)-(4.3) (4.7)
 
 .  K
 . 
   



 



 

 xn 
Teorema 4.1 (Solución por la matriz inversa) Suponga que m = n. Entonces el sistema de ecuaciones (4.1)-
(4.3) - equivalentemente (4.6) - tiene una única solución ssi A es invertible y, en este caso, dicha solución es:
x∗ = A−1 b. (4.8)
Observación 4.3 Recuerde que una matriz A ∈ Mn×n (K), n = 2, 3, es invertible ssi det(A) , 0. Esto es válido para n > 3
y se establecerá formalmente en un capı́tulo posterior.
Se dice que los sistemas de ecuaciones lineales (con el mismo número de incógnitas pero no necesariamente el mismo
número de ecuaciones):
A1 x = b1 , x ∈ Kn ,
A2 x = b2 , x ∈ Kn ,
son sistemas equivalentes si sus conjuntos solución son iguales.
Definición 4.2 (Tipos de sistemas) Se dice que el sistema de ecuaciones (4.1)-(4.3) es

i) determinado si tiene una única solución, es decir si su conjunto solución es un conjunto unitario;
ii) indeterminado si tiene infinitas soluciones, es decir si su conjunto solución tiene infinitos elementos;
iii) consistente si tiene al menos una solución;
iv) contradictorio o inconsistente si no tiene soluciones, es decir si su conjunto solución es vacı́o.
Definición 4.3 Se dice que el sistema de ecuaciones (4.1)-(4.3) - equivalentemente (4.6) - es

i) homogéneo si b = 0.
ii) heterogéneo si b , 0.
Observación 4.4 Dado un sistema no-homogéneo

Ax = b, (H)
se denomina sistema homogéneo asociado al sistema
Ax = 0. (E)
Es importante tner presente que
si n ≤ m: (H) es consistente;
si n > m: (H) es indeterminado en tanto que (E) no es determinado.
Ejemplo 4.1 (Sistema determinado) Consideremos el sistema de tres ecuaciones con dos incógnitas
3x1 − 2x2 = 4, (4.9)

5x1 + 2x2 = 12, (4.10)
2x1 + 4x2 = 8. (4.11)
Obsérvese que si restamos a la ecuación (4.10) las ecuaciones (4.9) y (4.11) se obtiene la identidad
4.1 Sistemas de Ecuaciones Lineales 59
0 = 0,
de manera que el sistema propuesto es equivalente al sistema de dos ecuaciones, (4.9) y (4.11), con dos incógnitas:
3x1 − 2x2 = 4,
2x1 + 4x2 = 8.
Aquı́ se tiene que    

 3 −2  !  4 
x1
A =  5 2  , x= , b =  12  .
   
x2
2 4 8
   
Aplicando alguno de los métodos básicos aprendidos en bachillerato, como el método de sustitución o el método de
reemplazo, se encuentra que
x∗
! !
2
x∗ = 1∗ = ∈ R2 ,
x2 1
es la única solución del sistema (4.9)-(4.11). El correspondiente conjunto solución es:
( !)
2
CS = .
1
Ejemplo 4.2 (Sistema indeterminado) Consideremos el sistema real de dos ecuaciones con dos incógnitas
x1 − x2 = 7, (4.12)
2x1 − 2x2 = 14. (4.13)
Aquı́ se tiene que ! ! !

1 −1 x1 7
A= , x= , b= .
2 −2 x2 14
Puesto que la ecuación (4.13) es simplemente el doble de la ecuación (4.12), el sistema propuesto es equivalente a la
ecuación
x1 − x2 = 7,
y también a la ecuación
x1 = x2 + 7. (4.14)
Esto quiere decir que, una vez que elijamos un valor x2∗ , inmediatamente el valor x1∗ = x2∗ + 7 es tal que el vector
x1∗
!
x2∗
es una solución. Por ejemplo, si elegimos x2∗ = 0, se tendrá x1∗ = 7 de manera que el vector
!
7
0
es una solución del sistema.
Por (4.14) se sigue que el conjunto solución del sistema (4.12)-(4.13) es

( ! )
x1
CS = ∈ R2 : x1 − x2 = 7
x2
que también se puede escribir como

x2 + 7
( ! )
CS = ∈ R2 : x2 ∈ R .
x2
Ejemplo 4.3 (Sistema inconsistente) Consideremos el sistema real de dos ecuaciones con dos incógnitas
x1 − x2 = 7, (4.15)
2x1 − 2x2 = 13. (4.16)
Aquı́ se tiene que ! ! !

1 −1 x1 7
A= , x= , b= .
2 −2 x2 13
Multiplicando a la ecuación (4.15) por 2 se encuentra que el sistema propuesto es equivalente a
2x1 − 2x2 = 14, (4.17)

2x1 − 2x2 = 13. (4.18)
Restando a la ecuación (4.17) la ecuación (4.18) se obtiene
0 = 1,
lo que es una falsedad. Por tanto, el conunto solución es
CS = ∅.
Para terminar esta sección, indiquemos que al sistema de ecuaciones (4.1)-(4.3),
a11 x1 + a12 x2 + ... + a1n xn = b1 ,

a21 x1 + a22 x2 + ... + a2n xn = b2 ,
.. .. .. .. .. ..
. . . . . .
am1 x1 + am2 x2 + ... + amn xn = bm ,
se asocia la matriz ampliada

(A | b) ∈ Mm×(n+1) (K) (4.19)
es decir, la matriz que resulta de añadir a la matriz de coeficientes el vector de términos independientes:
 a11 a12 . . . a1n b1 

 
a22 . . . a2n b2 
 a 
 21
 .. .. .. .. 
 (4.20)
 . . . . . . . 
am2 . . . amn bm

am1
4.2. Operaciones elementales de fila
Las operaciones aplicadas en los Ejemplos 4.1, 4.2 y 4.3 son a las que se recurre habitualmente para resolver sistemas
de ecuaciones lineales. Al transferirse al contexto de matrices, estas operaciones elementales de fila constituyen una
herramienta fundamental para su análisis y, en particular, permiten esquematizar métodos (e.g. el método de Gauss-
Jordan) para la resolución de sistemas de ecuaciones lineales.
4.2.1. Permutación de filas
En un sistema de ecuaciones es claro que se pueden intercambiar ecuaciones obteniéndose un sistema equivalente.
Esto, a nivel de matrices, corresponde a la permutación de filas.
4.2 Operaciones elementales de fila 61
Definición 4.4 (Permutación de filas) Sean m, n ∈ N y A, B ∈ Mm×n (K). Si r, s ∈ Im con r , s, entonces la nota-
ción
Fr ↔ F s
A −−−−−−−−−→ B (4.21)
indica que la matriz B se obtiene a partir de la matriz A, por permutación de las filas r y s.
Teorema 4.2 (Matriz de permutación) Sean m, n ∈ N y A ∈ Mm×n (K). Para r, s ∈ Im , r , s, denotamos por Prs
a la matriz elemental que resulta de Idm al permutar las filas r y s, es decir
Fr ↔ F s
Idm −−−−−−−−−→ Prs (4.22)
Entonces la matriz
B = Prs A (4.23)
es tal que
Fr ↔ F s
A −−−−−−−−−→ B. (4.24)
Demostración. Denotemos A = (ai j ) y B = (bi j ). Observemos que la matriz Prs = (pi j ) ∈ Mm×m (K) es tal que para j ∈ In :




δi j , si i ∈ Im \ {r, s},
pi j = δ s j , si i = r,




δr j , si i = s.


Para i ∈ Im \ {r, s} y j ∈ In , genéricos, se tiene que:

n
X n
X
bi j = pik ak j = δik ak j = 1 · ai j ,
k=1 k=1
esto quiere decir que

∀i ∈ Im \ {r, s} : B(i) = A(i) . (4.25)
Por otro lado, para j ∈ In , genérico, se tiene que
n
X n
X
br j = prk ak j = δ sk ak j = 1 · a s j = a s j .
k=1 k=1
y
n
X n
X
bs j = p sk ak j = δrk ak j = 1 · ar j = ar j ,
k=1 k=1
de manera que
B(r) = A(s) , B(s) = A(r) . (4.26)
Por (4.25) y (4.26) se sigue (4.24).
t
u
En el marco del Teorema 4.2, se tiene que

rs = Prs .
P−1 (4.27)
Corolario 4.1 (Permutación de columnas) Sean m, n ∈ N y A ∈ Mm×n (K). Para r, s ∈ In , r , s, consideramos
Fr ↔ F s
Idn −−−−−−−−−→ Prs (4.28)
Entonces la matriz
B = APrs (4.29)
se obtiene de A al intercambiar las columnas r y s.
Demostración. Observemos que

∀R, S Mu×v (E) : R = S ⇔ Rt = S t . (4.30)
Entonces se aplica el Teorema 4.2 a las matrices At y Bt .
t
u
Ejemplo 4.4 Consideremos la matriz

 1 2 −3
 
 3 0 −4

A =   ∈ M4×3 (R)
−2 1 0 
3 0 5
Al permutar las filas 1 y 2 de A se tiene:
 1 2 −3 3 0 −4

   
 F1 ↔ F2 
 3 0 −4 1 2 −3

A =   −−−−−−−−−→  =B

−2 1 0  −2 1 0 
3 0 5 3 0 5
En este caso, la matriz elemental asociada es
0 1 0 0
 
1 0 0 0

P12 =   ∈ M4×4 (R)
0 0 1 0
0 0 0 1
de manera que
B = P12 A.
La permutación de las columnas 2 y 3 de A se puede obtener mediante el producto
AP23 ,
donde  
1 0 0
P23 = 0 0 1 ∈ M3×3 (R).
 
010
 
4.2.2. Ponderación de fila
En un sistema de ecuaciones es claro que se pueden multiplicar a una ecuación por un escalar no-nulo obteniéndose un
sistema equivalente. Esto, a nivel de matrices, corresponde la ponderación de una fila por un escalar.
Definición 4.5 (Ponderación de una fila por un escalar) Sean m, n ∈ N y A, B ∈ Mm×n (K). Si r ∈ Im y λ ∈ K\{0},
entonces la notación
Fr ← (λ) · Fr
A −−−−−−−−−−−−−→ B (4.31)
indica que la matriz B se obtiene a partir de la matriz A, al reemplazar la fila A(r) por λA(r) .
Teorema 4.3 (Matriz de ponderación de fila) Sean m, n ∈ N y A ∈ Mm×n (K). Para r ∈ Im y λ ∈ K \ {0}, denota-
mos por Wr (λ) a la matriz elemental que resulta de Idm al ponderar la fila r por λ, es decir
Fr ← (λ) · Fr
Idm −−−−−−−−−−−−−→ Wr (λ) (4.32)
Entonces la matriz
B = Wr (λ)A (4.33)
es tal que
Fr ← (λ) · Fr
A −−−−−−−−−−−−−→ B. (4.34)
La demostración del resultado anterior se requiere como ejercicio al final del capı́tulo.

Wr−1 (λ) = Wr (1/λ). (4.35)
Corolario 4.2 (Ponderación de columna) Sean m, n ∈ N y A ∈ Mm×n (K). Para r ∈ In y λ ∈ K \ {0}, consideramos
Fr ← (λ) · Fr
Idn −−−−−−−−−−−−−→ Wr (λ) (4.36)
Entonces la matriz
B = AWr (λ) (4.37)
se obtiene de A al reemplazar la columna Ar por λAr .
Demostración. Por (4.30), se aplica el Teorema 4.3 a las matrices At y Bt .
t
u

 1 2 −3
 
 3 0 −4

A =   ∈ M4×3 (R)
−2 1 0 
3 0 5
Al multiplicar la fila 3 de A por el número −2 se obtiene:
 1 2 −3 3 0 −4

   
 F3 ← (−2) · F3 
 3 0 −4 1 2 −3

A =   −−−−−−−−−−−−−−−→  =B
−2 1 0  4 −2 0 
3 0 5 3 0 5
1 0 0 0
 
0 1 0 0

W3 (−2) =   ∈ M4×4 (R)
0 0 −2 0
0 0 0 1
de manera que
B = W3 (−2) A.
La multiplicación de la columna 1 de A por el número 1/2 se puede obtener mediante el producto
AW1 (1/2),
donde  
1/2 0 0
W1 (1/2) =  0 1 0 ∈ M3×3 (R).
 
0 01
 
4.2.3. Suma de una fila con la ponderación de otra fila
En un sistema de ecuaciones es claro que se puede sumar a una fila el múltiplo de otra fila obteniéndose un sistema
equivalente. Esto, a nivel de matrices, corresponde la suma de una fila con la ponderación de otra fila.
Definición 4.6 (Suma de una fila con la ponderación de otra fila) Sean m, n ∈ N y A, B ∈ Mm×n (K). Si r, s ∈ Im ,
r , s, y λ ∈ K, entonces la notación
Fr ← Fr + (λ) · F s
A −−−−−−−−−−−−−−−−−−→ B (4.38)
indica que la matriz B se obtiene a partir de la matriz A, al reemplazar la fila A(r) por A(r) + λ · A(s) .
Teorema 4.4 (Matriz de suma de una fila por la ponderación de otra) Sean m, n ∈ N y A ∈ Mm×n (K). Para
r, s ∈ Im y λ ∈ K, denotamos por Qrs (λ) a la matriz elemental que resulta de Idm al reemplazar la fila A(r) por
A(r) + λ · A(s) , es decir
Fr ← Fr + (λ) · F s
Idm −−−−−−−−−−−−−−−−−−→ Qrs (λ). (4.39)
Entonces la matriz
B = Qrs (λ)A (4.40)
es tal que
Fr ← Fr + (λ) · F s
A −−−−−−−−−−−−−−−−−−→ B. (4.41)
Demostración. Denotemos A = (ai j ) y B = (bi j ). Observemos que la matriz Qrs (λ) = (qi j ) ∈ Mm×m (K) es tal que para
j ∈ In : 
δi j ,
 si i ∈ Im \ {r},
qi j = 

δr j + λδ s j , si i = r.

Para i ∈ Im \ {r} y j ∈ In , genéricos, se tiene que:

n
X n
X
bi j = qik ak j = δik ak j = 1 · ai j ,
k=1 k=1
esto quiere decir que

∀i ∈ Im \ {r} : B(i) = A(i) . (4.42)
Por otro lado, para j ∈ In , genérico, se tiene que
n
X n
X
br j = qrk ak j = (δrk + λδ sk ) ak j = ar j + λa s j .
k=1 k=1
de manera que
B(r) = B(r) + λ · A(s) . (4.43)
Por (4.42) y (4.43) se sigue (4.41).
t
u

rs (λ) = Qrs (−λ).
Q−1 (4.44)
Corolario 4.3 (Suma de una columna con la ponderación de otra columna) Sean m, n ∈ N y A ∈ Mm×n (K).
Para r, s ∈ In y λ ∈ K, consideramos
Fr ← Fr + (λ) · F s
Idn −−−−−−−−−−−−−−−−−−→ Qrs (λ) (4.45)
Entonces la matriz
B = AQrs (λ) (4.46)
se obtiene de A al reemplazar la columna Ar por Ar + λA s .
Demostración. Por (4.30), se aplica el Teorema 4.4 a las matrices At y Bt .
t
u

 1 2 −3
 
 3 0 −4

A =   ∈ M4×3 (R)
−2 1 0 
3 0 5
Al sumar a la fila 1, dos veces la fila 3 de A se tiene:
 1 2 −3 −3 4 −3

   
 3 0 −4 F1 ← F1 + (2) · F3  3 0 −4
A =  −2 1 0  = B
 −−−−−−−−−−−−−−−−−−→  
−2 1 0   
3 0 5 3 0 5
1 0 2 0
 
0 1 0 0

Q13 (2) =   ∈ M4×4 (R)
0 0 1 0
0 0 0 1
de manera que
B = Q13 (2)A.
La suma de la columna 1 y tres veces la columna 2 de A se puede obtener mediante el producto
AQ12 (3),
donde  
1 3 0
Q12 (3) = 0 1 0 ∈ M3×3 (R).
 
001
 
4.2.4. Equivalencia de matrices
Definición 4.7 (Equivalencia de matrices) Sean A, B ∈ Mm×n (K). Se dice que A y B son matrices equivalentes,
denotado
A ∼ B, (4.47)
si B se obtiene de A por aplicación sucesiva de un número finito de operaciones elementales de fila. En este caso,
si Ek representa la matriz asociada a la k-ésima operación elemental de fila, k = 1, 2, ..., q, entonces
q
Y
B= Ek · A (4.48)
k=1
= Eq Eq−1 . . . E2 E1 A. (4.49)
Teorema 4.5 En el conjunto Mm×n (K), ∼ define una relación de equivalencia, es decir cumple con las siguientes
propiedades
i) Reflexividad:
∀A ∈ Mm×n (K) : A ∼ A. (4.50)
ii) Simetrı́a:
∀A, B ∈ Mm×n (K) : A ∼ B ⇒ B ∼ A. (4.51)
iii) Transitividad:
∀A, B,C ∈ Mm×n (K) : (A ∼ B ∧ B ∼ C) ⇒ A ∼ C. (4.52)
Demostración. Probemos la reflexividad. Tomamos A ∈ Mm×n (K), genérico. Tomamos r, s ∈ Im , r , s, cualesquiera. Por
(4.27) se sigue que
Prs Prs A = A,
de manera que A ∼ A. Puesto que A fue elegida arbitrariamente, se ha probado que
∀A ∈ Mm×n (K) : A ∼ A.
Probemos ahora la simetrı́a. Sean A, B ∈ Mm×n (K), genéricas. Supongamos que A ∼ B de manera que existen matrices
elementales E1 , E2 , .., Eq tales que
B = Eq Eq−1 . . . E2 E1 A.
Por tanto, se tiene que
A = E1−1 E2−1 ...Eq−1
−1 −1
Eq B,
de manera que A ∼ B. Puesto que A y B fueron elegidas arbitrariamente, se ha probado que
∀A, B ∈ Mm×n (K) : A ∼ B ⇒ B ∼ A.
Finalmente, probemos la transitividad. Sean A, B,C ∈ Mm×n (K), genéricas. Supongamos que A ∼ B y que B ∼ C de
manera que existen matrices elementales E1 , E2 , .., Eq y G1 ,G2 , ...,G p tales que
B = Eq Eq−1 . . . E2 E1 A; (4.53)
C = G p G p−1 . . . G2 G1 B. (4.54)
Entonces, reemplazando (4.53) en (4.54) se obtiene:
C = G p G p−1 . . . G2 G1 Eq Eq−1 . . . E2 E1 A,
de manera que A ∼ C. Puesto que A, B y C fueron elegidas arbitrariamente, se ha probado que:
∀A, B,C ∈ Mm×n (K) : (A ∼ B ∧ B ∼ C) ⇒ A ∼ C.
t
u
4.3 Método de eliminación gaussiana / Método de Gauss-Jordan 67
4.3. Método de eliminación gaussiana / Método de Gauss-Jordan
En esta sección presentamos el método de eleiminación gaussiana para resolver sistemas de ecuaciones.
Definición 4.8 (Forma escalonada / forma escalonada reducida) Se dice que una matriz está en forma esca-
lonada si se cumplen las siguientes condiciones:
i) En caso de existir filas nulas, estas aparecen en la parte inferior de la matriz.
ii) En una fila no-nula, el primer elemento que aparece (de izquierda a derecha) es el número 1, denominado
pivote.
iii) Dadas dos filas no-nulas, el pivote de la fila inferior está más a la derecha del pivote de la fila superior.
Se dice que la matriz está en forma escalonada reducida si, adicionalmente, se cumple que
iv) En cualquier columna que contiene un pivote, el resto de elementos son ceros.
Ejemplo 4.7 Considere las siguientes matrices

     
1 −4 4  1 −4 4 6 1 −4 4 6
A1 = 0 1 −3 , A2 = 0 1 −3 2 , A3 = 0 1 −3 2 ,
     
0 0 1 0 0 0 1 0 0 0 0
     
   
! 1 0 0 1 0 0 0
1 0 −3 4
A4 = , A5 = 0 1 0 , A6 = 0 1 0 0 ,
   
00 1 7
001 0001
   
 
1 0 −3 4 
A7 = 0 1 4 −1 .
 
00 0 0
 
Todas las matrices son escalonadas pero únicamente A5 , A6 y A7 son escalonadas reducidas.
Recordemos que al sistema de ecuaciones (4.1)-(4.3),
a11 x1 + a12 x2 + ... + a1n xn = b1 ,

a21 x1 + a22 x2 + ... + a2n xn = b2 ,
.. .. .. .. .. ..
. . . . . .
am1 x1 + am2 x2 + ... + amn xn = bm ,
se le puede escribir como una ecuación matricial,
Ax = b, x ∈ Kn , (4.55)
y que se le asocia la matriz ampliada

(A | b) ∈ Mm×(n+1) (K) (4.56)
es decir, la matriz que resulta de añadir a la matriz de coeficientes el vector de términos independientes:
 a11 a12 . . . a1n b1 

 
a22 . . . a2n b2 
 a 
 21
 .. .. .. .. 
 (4.57)
 . . . . . . . 
am2 . . . amn bm

am1
El método de eliminación gaussiana para resolver (4.55) consiste en hallar una matriz escalonada equivalente a
(A | b) y, entonces, despejar regresivamente las variables.
El método de Gauss-Jordan para resolver (4.55) consiste en hallar una matriz escalonada reducida equivalente a
(A | b).
4.3.1. Resolución de sistemas de ecuaciones lineales
En los siguientes ejemplos mostramos como se puede utilizar una secuencia de operaciones elementales de fila para
resolver un sistema de ecuaciones lineales.
Ejemplo 4.8 Resolvamos el sistema de ecuaciones





 −3x1 + 4x2 = 5,
5x1 + x3 = 3,



x1 , x2 , x3 ∈ R.

= −5,




 2x2 − 7x3

2x1 + 6x2 − 6x3

 = 4,
Se tiene que
 −3 4 0 5  F3 ← F3 + (7) · F2  −3 40
5  −3 4 0 5 
     
 5  F4 ← F4 + (6) · F2   F4 ← F4 + (−1) · F3 
0 1 3  5 01
3  5 0 1 3 

  −−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−→  
 0 2 −7 −5   3516 
20  35 2 0 16 
2 6 −6 4 3222 60 −3 4 0 6
 −3 4 0 5 
 
F4 ← F4 + (−1) · F1  5 0 1 3 
−−−−−−−−−−−−−−−−−−−−→  
 35 2 0 16 
0 00 1
donde la última lı́nea implica que
1 = 0x1 + 0x2 + 0x3 = 0,
lo cual es una falsedad. Por tanto, el conjunto solución del sistema es
CS = ∅,
de manera que el sistema es inconsistente.
Ejemplo 4.9 Usando el método de Gauss-Jordan, resolvamos el sistema de ecuaciones





 −3x1 + 4x2 = 5,
5x1 + x3 = 3, x1 , x2 , x3 ∈ R.





= −5,

2x2 − 7x3

Se tiene que      
 −3 4 0 5  F3 ← F3 + (7) · F2  −3 4 0 5  F2 ↔ F3  −3 4 0 5 
 5 0 1 3  −−−−−−−−−−−−−−−−−−→  5 0 1 3  −−−−−−−−−→  35 2 0 16 
     
0 2 −7 −5 35 2 0 16 5 01 3
  F1 ← (−1/73) · F1  
F1 ← F1 + (−2) · F2  −73 0 0 −27  F2 ← (1/2) · F2  1 0 0 27/73 
−−−−−−−−−−−−−−−−−−−−→  35 2 0 16  −−−−−−−−−−−−−−−−−−→  35/2 1 0 8 
5 01 3 5 01 3
   
F2 ← F2 + (−35/2) · F1  
F3 ← F3 + (−5) · F1  1 0 0 27/73 
−−−−−−−−−−−−−−−−−−−−−−−→  0 1 0 223/146 
0 0 1 84/73
 
de donde se encuentra que el sistema tiene una única solución
x1∗ = 27/73, x2∗ = 223/146, x3∗ = 84/73.
Por tanto, el conjunto solución del sistema es

 

  27/73  

CS =  .
 
 223/146 

 84/73 

 

Ejemplo 4.10 Usando el método de Gauss-Jordan, resolvamos el sistema de ecuaciones


−x1 + 4x2 − 7x3 = 0,

x1 , x2 , x3 ∈ R.

3x1 − x2 + 8x3

 = 2,
Se tiene que
F1 ← (−1) · F1
−1 4 −7 0 F2 ← F2 + (3) · F1 −1 4 −7 0 F2 ← (1/11) · F2 1 −4
! ! !
7 0
−−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−→
3 −1 8 2 0 11 −13 2 0 1 −13/11 2/11
F1 ← F1 + (4) · F2 1 0 25/11 8/11 !

−−−−−−−−−−−−−−−−−−→
0 1 −13/11 2/11
de donde se encuentra que las variables x1 y x2 dependen de x3 :
x1∗ + (25/11)x3∗ = 8/11, x2∗ + (−13/11), x3∗ = 2/11,
de manera que el sistema tiene infinitas soluciones. El conjunto solución del sistema es
  
x 
 1  25 8 13 2

 

CS =  3
= + , = +
 
x ∈ : x − x x x

 2  R 1 3 2 3
11 11 11 11 

 
 
 

 x   
3
que también puede escribirse como

 − 11 x3 + 11
 25 8  

  

CS =  +  ∈ R3 : .

 13 2 

x3 ∈ R

 x 3
 11 x 11 

  


3
Para terminar esta sección presentamos un resultado importante:
Proposición 4.1 (CS de un sistema heterogéneo) Considere los sistemas de ecuaciones
Ax = 0, (H)
Ax = b. (E)
Si denotamos por CS H y CS E los correspondientes conjuntos solución, se tiene que
n o
CS E = x p + xh : xh ∈ CS H , (4.58)
donde x p es cualquier solución particular del sistema heterogéneo (E).
4.3.2. Cálculo de la matriz inversa
Teorema 4.6 (Matriz inversa por Gauss-Jordan) Sean n ∈ N y A ∈ Mn×n (K). Entonces
A es invertible ⇐⇒ A ∼ Idn . (4.59)
Demostración. ⇐)
Supongamos que A es equivalente a la matriz identidad. Entonces existen matrices elementales E1 , E2 , ..., Eq tales que
Eq Eq−1 ...E2 E1 A = Idn . (4.60)
Esto quiere decir que A es invertible y que
A−1 = Eq Eq−1 ...E2 E1

A−1 = Eq Eq−1 ...E2 E1 Idn . (4.61)
⇒)
Supongamos ahora que A es invertible, es decir que existe A−1 ∈ Mn×n (K) tal que
A−1 A = Idn .
Ahora tomamos B ∈ Mn×n (K) escalonada reducida y tal que B ∼ A−1 . Entonces existen matrices elementales E1 , E2 , ..., Eq
tales que
A−1 = Eq Eq−1 ...E2 E1 B
y, por ello, se tiene que
Eq Eq−1 ...E2 E1 BA = Idn .
La última desigualdad implica que, adicionalmente, ninguna fila de B es nula. Por tanto, B también es matriz elemental
de manera que A ∼ Idn .
t
u
Observación 4.5 Por (4.60) y (4.61) se tiene que la secuencia de operaciones elementales de fila que llevan desde A
hasta Idn , lleva desde Idn hasta A−1 . Esto nos guı́a a usar el siguiente esquema de matrices ampliadas para obtener la
matriz inversa de A:
E1
..
.
Eq
(A | Idn ) −−−→ (Idn | A) (4.62)
Entonces, en la práctica, para hallar A−1 se parte de la matriz ampliada
(A | Idn )
a la que se le aplica el método de Gauss-Jordan.
Ejemplo 4.11 Apliquemos el método de Gauss-Jordan para hallar la matriz inversa de

 
 −3 4 0 
A =  5 0 1  .
 
0 2 −7
 
Se tiene que    
 −3 4 0 1 0 0  F3 ← F3 + (7) · F2  −3 4 0 1 0 0 
 5 0 1 0 1 0  −−−−−−−−−−−−−−−−−−→  5 0 1 0 1 0 
   
0 2 −7 0 0 1 35 2 0 0 7 1
   
F2 ↔ F3  −3 4 0 1 0 0  F1 ← F1 + (−2) · F2  −73 0 0 1 −14 −2 
−−−−−−−−−→  35 2 0 0 7 1  −−−−−−−−−−−−−−−−−−−−→  35 2 0 0 7 1 
5 01010 5 010 1 0
   
F1 ← (−1/73) · F1  
F2 ← (1/2) · F2  1 0 0 −1/73 14/73 2/73 
−−−−−−−−−−−−−−−−−−→  35/2 1 0 0 7/2 1/2 
5 01 0 1 0
 
F2 ← F2 + (−35/2) · F1  
F3 ← F3 + (−5) · F1  1 0 0 −1/73 14/73 2/73 
−−−−−−−−−−−−−−−−−−−−−−−→  0 1 0 35/146 21/146 3/146 
0 0 1 5/73 3/73 −10/73
 
Definición 4.9 (Rango de una matriz) Sean m, n ∈ N y A ∈ Mm×n (K). Sea B ∈ Mm×n (K) escalonada reducida
tal que A ∼ B. Se denomina rango de la matriz A, denotado rg(A), al número de filas no nulas de B.
Observación 4.6 De la definición anterior es inmediato que una matriz A de orden n es invertible ssi rg(A) = n.

!
3 4
1) Considere la matriz real A = .
−5 6
a) Halle B, una matriz escalonada reducida, que sea equivalente a A.
b) Halle matrices elementales E1 , ..., Eq tales que
B = Eq . . . E2 E1 A.
3 4 F2 ← F2 + (2) · F1 3 4 F1 ← F1 + (−3) · F2 0 −38

! ! !
A= −−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−−−−→
−5 6 1 14 1 14
F1 ← (−1/38) · F1 0 1 ! F2 ← F2 + (−14) · F1 0 1! 10
!
−−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−−−−−→ F1 ↔ F2 = B.
1 14 10 01
Por tanto las matrices elementales requeridas son
! !
10 1 −3
E1 = Q21 (2) = , E2 = Q12 (−3) = ,
21 0 1
! !
−1/38 0 1 0
E3 = W1 (−1/38) = , E4 = Q21 (−14) = ,
0 1 −14 1
!
01
E5 = P12 = .
10
Con esto se cumple que
B = E5 E4 E3 E2 E1 A.
!
4 5
−6 7
b) Halle matrices elementales E1 , ..., Eq tales que
B = Eq . . . E2 E1 A.
4 5 F2 ← F2 + (1) · F1 4 5 F2 ← (−1/2) · F2 4 5
! ! !
A= −−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−→
−6 7 −2 12 1 −6
F1 ← F1 + (−4) · F2 0 29 ! F1 ← (1/29) · F1 0 1 ! F2 ← F2 + (6) · F1 0 1! F1 ↔ F2 1 0!

−−−−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−−→ −−−−−−−−−→ = B.
1 −6 1 −6 10 01
Por tanto las matrices elementales requeridas son
! !
10 1 0
E1 = Q21 (1) = , E2 = W2 (−1/2) = ,
11 0 −1/2
! !
1 −4 1/29 0
E3 = Q12 (−4) = , E4 = W1 (1/29) = ,
0 1 0 1
! !
10 01
E5 = Q21 (6) = , E6 = P12 = .
61 10
Con esto se cumple que
B = E6 E5 E4 E3 E2 E1 A.
!
3 4 −2
−5 6 7
b) Halle una matriz P tal que B = PA.
Desarrollo. Se tiene el siguiente esquema:
(A | Id) →
− (B | P).
En efecto, si se consiguen matrices elementales E1 , E2 , ..., Eq tales que
B = Eq Eq−1 . . . E2 E1 A,
se tendrı́a que
P = Eq Eq−1 . . . E2 E1 Id,
de manera que la secuencia de operaciones elementales de fila que llevan desde A hasta B, llevan desde Id hasta P. Se
tiene que
3 4 −2 1 0 F2 ← F2 + (2) · F1 3 4 −2 1 0 F1 ↔ F2 1 14 3 2 1
! ! !
(A | Id) = −−−−−−−−−−−−−−−−−−→ −−−−−−−−−→
−5 6 7 0 1 1 14 3 2 1 3 4 −2 1 0
F2 ← F2 + (−3) · F1 1 14 3 2 1 ! F2 ← (−1/38) · F2 1 14 3 2 1
!
−−−−−−−−−−−−−−−−−−−−→ −−−−−−−−−−−−−−−−−−→
0 −38 −11 −5 −3 0 1 11/38 5/38 3/38
F1 ← F1 + (−14) · F2 1 0 −20/19 3/19 −2/19 !

−−−−−−−−−−−−−−−−−−−−−→ = (B | P).
0 1 11/38 5/38 3/38
Por tanto: ! !
1 0 −20/19 3/19 −2/19
B= , P= .
0 1 11/38 5/38 3/38
4) Halle p ∈ P3 (R) tal que

p(−1) = 0, p(1) = 4, p(2) = 3, p(3) = 16.
Aplique el método de Gauss-Jordan.
Desarrollo. Consideramos p : R → R con fórmula genérica
p(x) = α + βx + γx2 + δx3 .
Tenemos que encontrar los coeficientes de p para que se cumplan las condiciones requeridas. Se tiene que:




 p(−1) = α − β + γ − δ = 0,
 p(1) = α + β + γ + δ = 4,




p(2) = α + 2β + 4γ + 8δ = 3,






 p(3) = α + 3β + 9γ + 27δ = 16.


Por tanto:
F2 ← F2 + (−1) · F1
 F3 ← F3 + (−1) · F1 
 1 −1 1 −1 0   1 −1 1 −1 0  1 −1 1 −1 0 
   
1 1 4  F4 ← F4 + (−1) · F1  0 2
 1 1  F3 ← (1/3) · F3 
0 2 4  0 2 0 2 4 
 

 1 2  −−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→ 
 
 4 8 3   0 3 3 9 3   0 1 1 3 1 
1 3 9 27 16 0 4 8 28 16 0 4 8 28 16
F1 ← F1 + (−1) · F3  1 −2 0 −4 −1   1 −2 0 −4 −1 

 
F4 ← F4 + (−8) · F3  0 2 0 2 4  F2 ← (1/2) · F2  0 1 0 1 2 
 
−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→  
 0 1 1 3 1 
 0 1 1 3 1   
0 −4 0 4 8 0 −4 0 4 8
F1 ← F1 + (2) · F2
F3 ← F3 + (−1) · F2  1 0 0 −2 3   1 0 0 −2 3 
 
F4 ← F4 + (4) · F2  0 1 0 1 2  F4 ← (1/8) · F4  0 1 0 1 2 
 
−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→  
 0 0 1 2 −1 
 0 0 1 2 −1   
0 0 0 8 16 000 1 2
F1 ← F1 + (2) · F4
F2 ← F2 + (−1) · F4  1 0 0 0 7 
F3 ← F3 + (−2) · F4  0 1 0 0 0 
 
−−−−−−−−−−−−−−−−−−−−→  
 0 0 1 0 −5 
0001 2
de manera que
α = 7, β = 0, γ = −5, δ = 2.
5) Sea λ ∈ R. Analice bajo qué condiciones el sistema de ecuaciones es determinado, indeterminado, consistente e
inconsistente. En cada caso escriba explı́citamente el conjunto solución.




 λx + y + z = 1,
x + λy + z = 1,

(4.63)




 x + y + λz = 1.


Desarrollo. El sistema (4.64) se puede escribir como Au = b, donde
λ 1 1
     
 x   1 
A = 1 λ 1 , u =  y  , b =  1  .
     
11λ z 1
     
Se tiene que
det(A) = λ3 − 3λ + 2 = (λ − 1)2 · (λ + 2).
a) Si λ ∈ R \ {1, −2}, entonces det(A) , 0 y, por tanto, el sistema (4.64) es determinado. Resolviendo el sistema por
Cramer se encuentra que
(λ − 1)2 1 (λ − 1)2 1 (λ − 1)2 1

x= = , y= = , z= = ,
det(A) λ+2 det(A) λ+2 det(A) λ+2
de manera que, en este caso:   
 1 
 1  


CS =  .
 
 1 

λ+2 1 

  

b) Si λ = 1, se tiene que las tres ecuaciones del sistema (4.64) son iguales a
x + y + z = 1.
En este caso el sistema es indeterminado con

  

  x 

 
CS =  3
x + y + z = 1 .
 
 y  ∈ R :


 z 
 


c) Si λ = −2, se tiene que
F1 ← F1 + (1) · F2
  2 ← F2 + (−1) · F3 
F 
 −2 1 1 1  F1 ← F1 + (2) · F3  0 0 0 3 
(A|b) =  1 −2 1 1  −−−−−−−−−−−−−−−−−−−−→  0 −3 3 0 
   
1 1 −2 1 1 1 −2 1
   
Por tanto el sistema (4.64) es inconsistente, i.e. CS = ∅.

6) Considere la matriz
−3 4 1 0
 
 2 1 −4 2

D =  
−1 2 3 4
2 0 1 4
a) Halle F una matriz escalonada reducida, que sea equivalente a la matriz D.
b) Indique el rango de de la matriz D.
Desarrollo. Hay infinitas maneras de proceder. Por ejemplo:
−3 4 1 0 F4 ← F4 + (−2) · F2 −3 4 1 0 −3 4 1 0

     
 F3 ← F3 + (−2) · F2   F2 ↔ F4 
 2 1 −4 2 2 1 −4 2 −2 −2 9 0

D =   −−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−→  
−1 2 3 4 −5 0 11 0 −5 0 11 0
2 0 1 4 −2 −2 9 0 2 1 −4 2
F4 ← F4 + (−2) · F1
 F3 ← F3 + (5) · F1
 2 4 −10 0  1 2 −5 0
  
F1 ← F1 + (−1) · F3 −2 −2 9 0 F1 ← (1/2) · F1 −2 −2 9 0 F2 ← F2 + (2) · F1

−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−→
−5 0 11 0 −5 0 11 0
2 1 −4 2 2 1 −4 2
F1 ← F1 + (−5) · F2
1 2 −5 0 F3 ← F3 + (−14) · F2 1 −8 0 0 1 −8 0 0
     
 F4 ← F4 + (−6) · F2   F3 ← (−1/18) · F3 
0 2 −1 0 0 2 −1 0 0 2 −1 0

  −−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−→  
0
 10 −14 0 0 −18 0 0 0 1 0 0
0 −3 6 2 0 9 0 2 0 9 0 2
F1 ← F1 + (8) · F3 F2 ↔ F3
F2 ← F2 + (−2) · F3 1 0 0 0
 F4 ← (1/2) · F4 
1 0 0 0

F4 ← F4 + (−9) · F3 0 0 F2 ← (−1) · F2 0

0 −1 1 0 0
 
−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→  =F
0 1 0 0 0 0 1 0
0 0 0 2 0 0 0 1
Puesto que F es escalonada reducida y equivalente a D se sigue que
rg(D) = 4
pues F tiene 4 filas no nulas.

7) Analice bajo qué condiciones el sistema de ecuaciones es indeterminado y, en ese caso, indique el conjunto solución.




 λx + y + z = 1,
x + λy + z = 1,

(4.64)




 x + y + λz = 1.


Desarrollo. El sistema (4.64) se puede escribir como Au = b, donde
λ 1 1
     
 x   1 
A = 1 λ 1 , u =  y  , b =  1  .
     
11λ z 1
     
Se tiene que
det(A) = λ3 − 3λ + 2 = (λ − 1)2 · (λ + 2).
Si λ ∈ R \ {1, −2}, entonces det(A) , 0 y, por tanto, el sistema (4.64) es determinado. Consideramos entonces que λ = 1
o λ = −2.
a) Si λ = −2, se tiene que
F1 ← F1 + (1) · F2
  F2 ← F2 + (−1) · F3  
 −2 1 1 1  F1 ← F1 + (2) · F3  0 0 0 3 
(A|b) =  1 −2 1 1  −−−−−−−−−−−−−−−−−−−−→  0 −3 3 0 
   
1 1 −2 1 1 1 −2 1
   
Por tanto, en este caso, el sistema (4.64) es inconsistente.

b) Si λ = 1, se tiene que las tres ecuaciones del sistema (4.64) son iguales a
x + y + z = 1.
En este caso el sistema es indeterminado con

  

  x 

 
CS =   y  ∈ R3 : x + y + z = 1 .
 


 z 
 


−3 4 1 0
 
 2 1 −4 2

D =  
−1 2 3 4
2 0 1 4
a) Halle F la matriz escalonada reducida, que sea equivalente a la matriz D.
b) Halle matrices elementales E1 , E2 , ..., Em tales que
F = Em . . . E2 · E1 · D.
−3 4 1 0 F4 ← F4 + (−2) · F2 −3 4 1 0 −3 4 1 0

     
 F3 ← F3 + (−2) · F2   F2 ↔ F4 
 2 1 −4 2 2 1 −4 2 −2 −2 9 0

D =   −−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−→  
−1 2 3 4 −5 0 11 0 −5 0 11 0
2 0 1 4 −2 −2 9 0 2 1 −4 2
F4 ← F4 + (−2) · F1
 F3 ← F3 + (5) · F1
 2 4 −10 0  1 2 −5 0
  
F1 ← F1 + (−1) · F3 −2 −2 9 0 F1 ← (1/2) · F1 −2 −2 9 0 F2 ← F2 + (2) · F1

−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−→
−5 0 11 0 −5 0 11 0
2 1 −4 2 2 1 −4 2
F1 ← F1 + (−5) · F2
 F3 ← F3 + (−14) · F2 
1 2 −5 0 1 −8 0 0 1 −8 0 0
   
0 2 −1  F4 ← F4 + (−6) · F2   F3 ← (−1/18) · F3 
0 0 2 −1 0 0 2 −1 0


0 10 −14  −−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−→  
 0 0 −18 0 0 0 1 0 0
0 −3 6 2 0 9 0 2 0 9 0 2
F1 ← F1 + (8) · F3 F2 ↔ F3
F2 ← F2 + (−2) · F3 1 0 0 0
 F4 ← (1/2) · F4 
1 0 0 0

F4 ← F4 + (−9) · F3 0 0 F2 ← (−1) · F2 0

0 −1 1 0 0
 
−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−→  =F
0 1 0 0 0 0 1 0
0 0 0 2 0 0 0 1
Por tanto:
E1 = Q3,2 (−2), E2 = Q4,2 (−2), E3 = P2,4 ,

E4 = Q1,3 (−1), E5 = W1 (1/2), E6 = Q2,1 (2),
E7 = Q3,1 (5), E8 = Q4,1 (−2), E9 = Q4,2 (−6),
E10 = Q3,2 (−14), E11 = Q1,2 (−5) E12 = W3 (−1/18),
E13 = Q4,3 (−9), E14 = Q2,3 (−2), E15 = Q1,3 (8),
E16 = W2 (−1), E17 = W4 (1/2), E18 = P2,3 .
9) Sean α, β, γ ∈ R. Resuelva, usando el método de Gauss-Jordan, el sistema real:





αx1 + βx2 + 3αx3 + 4βx4 = γ,
−3αx1 + 4βx3 = 2γ,

(4.65)




βx1 + αx4 = −γ.


 α β 3α 4β γ  F2 ← F2 + (3) · F1  α β 4β γ 

   
3α
T 0 =  −3α 0 4β 0 2γ  −−−−−−−−−−−−−−−−−−→  0 3β 9α + 4β 12β 5γ  = T 1
   
β 0 0 α −γ β 0 0 α −γ
   
Para continuar con el método de Gauss-Jordan necesitamos separar en casos:

i) β = 0. En este caso:
 α 0 3α 0 γ  F2 ← (1/9) · F2  α 0 3α 0 γ  F1 ← F1 + (−3) · F2  α 0 0 0 −2γ/3 

     
T 1 =  0 0 9α 0 5γ  −−−−−−−−−−−−−−−−→  0 0 α 0 5γ/9  −−−−−−−−−−−−−−−−−−−−→  0 0 α 0 5γ/9  = T 2
     
0 0 0 α −γ 0 0 0 α −γ 0 0 0 α −γ
     
i.1) α = 0. En este caso:  

 0 0 0 0 −2γ/3 
T 2 =  0 0 0 0 5γ/9  .
 
0 0 0 0 −γ
 
Por tanto:
i.1.a) Si γ = 0, entonces el sistema es indeterminado y
CS = R3 .
i.1.b) Si γ , 0, entonces el sistema es inconsistente, es decir
CS = ∅.
i.2) α , 0. En este caso:

F1 ← (1/α) · F1 
−2γ 
 F2 ← (1/α) · F2  1 0 0 0
 α 0 0 0 −2γ/3  F3 ← (1/α) · F3 
 
3α 
T 2 =  0 0 α 0 5γ/9  −−−−−−−−−−−−−−−−→  0 0 1 0
   5γ 


0 0 0 α −γ
  9αγ 
 0 0 0 1 − 

α
Por tanto, el sistema es indeterminado y
 −2γ  


  3α  


 
x
   


  2  


CS =  .
 5γ 
 
: x ∈

 
  2
 R

9α
 
 γ 

 

 

 


 

 − 

 

α

ii) β , 0. Se tiene que
 F3 ← (1/β) · F3  α β 3α 4β γ 

 
 α β 4β γ  F2 ← (1/(3β)) · F2  9α + 4β

3α 5γ 
T 1 =  0 3β 9α + 4β 12β 5γ  −−−−−−−−−−−−−−−−−−→  0 1 3β 4
3β  = T 3
   

β 0 0 α −γ
 
 α γ 
10 0 − 
β β
α2 (3α − 2β)  3α2 (−3α + 2β)γ 

 
4β
 
F1 ← F1 + (−α) · F3  0 0 −

−  0 0 1
β
 
F1 ← F1 + (−β) · F2 
 3 3β 
F ← (−3/(4β)) · F 4β2 4β2 
+ +

9α 4β 5γ 1 1 9α 4β 5γ  = T 4
  
T 3 −−−−−−−−−−−−−−−−−−−−→  0 1  −−−−−−−−−−−−−−−−−−−−→  0 1

 4 
4
 3β 3β   3β 3β 
α γ α γ
 
 
 
1 0 0 −  1 0 0 −
  
β β β β
3α2 (−3α + 2β)γ

 
 
 0 0 1 2 2

F2 ← F2 + ( 9α+4β ) · F  4β 4β 
3β 1 3 − 4α2 β − 9α3 (4β2 − 2αβ + 9α2 )γ 
T 4 −−−−−−−−−−−−−−−−−−−−−−→  0 1 0

 16β  = T 5

 4β 3 4β3 
 α γ 
 1 0 0 − 
β β
 α γ 
 1 0 0 − 
 β β 
F1 ↔ F3  16β3 − 4α2 β − 9α3 (4β2 − 2αβ + 9α2 )γ 
 
T 5 −−−−−−−−−→   0 1 0 
4β3 4β3
 

3α 2 (−3α + 2β)γ
 
0 0 1 
4β2 4β2
Por tanto el sistema es indeterminado y
 γ α 
 − − x4 
β β

  


 
  





  (4β2 − 2αβ + 9α2 )γ 16β3 − 4α2 β − 9α3 

  



  − x4
 

CS =  .
   
 
4β3 4β3 

 
  
+ 2
   
(−3α 2β)γ 3α

 
 

 

 
− 2 x4

 
 
 
4β2
 



  4β 



x4

 


5 5 −5 0
 
4 5 −6 7

A =  
3 9 −15 9
9 1 7 6
a) Halle B, una matriz escalonada reducida que sea equivalente a la matriz A.
b) ¿Cuál es el rango de A?
c) Halle matrices elementales E1 , E2 , ..., Eq tales que
B = Eq . . . E2 · E1 · A.
F2 ← F2 + (−4) · F1
 F3 ← F3 + (−3) · F1 
5 5 −5 0 1 0 1 −7 1 0 1 −7
   
 F1 ← F1 + (−1) · F2 
4 5 −6 7 4 5 −6 7  F4 ← F4 + (−9) · F1 0 5 −10 35 
 
A =   −−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−→ 

 
3 9 −15 9 3 9 −15 9  0 9 −18 30 
91 7 6 9 1 7 6 0 1 −2 69
F3 ← F3 + (−9) · F4 1 0 1 −7  F3 ← (−1/591) · F3 1

 
0 1 −7 

F2 ← F2 + (−5) · F4 0 0 F2 ↔ F4

0 −310 0 1 −2 69 
  
−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−→  
0 0 0 −591 0 0 0 1 
01 −2 69 0 0 0 −310
F1 ← F1 + (7) · F3
 F2 ← F2 + (−69) · F3 
1 0 1 −7 1 0 1 0
 
F4 ← F4 + (310) · F3 0 1 −2 69  F4 ← F4 + (−6) · F2 0 1 −2 0

−−−−−−−−−−−−−−−−−−−−−→   −−−−−−−−−−−−−−−−−−−−−→  =B
0 0 0 1  0
 0 0 1
00 0 0 0 0 0 0
Por tanto:
B = E11 · E10 . . . E2 · E1 ,
donde
E1 = Q12 (−1), E2 = Q41 (−9), E3 = Q31 (−3),

E4 = Q21 (−4), E5 = Q24 (−5), E6 = Q34 (−9),
E7 = P24 , E8 = W3 (−1/591), E9 = Q43 (310),
E10 = Q23 (−69), E11 = Q13 (7).

11) Considere la matriz  

 1 i 0 
A = −i 0 1 
 
0 1+i 1−i
 
a) Halle la matriz inversa de A.

b) Halle matrices elementales E1 , E2 , ..., Eq tales que
A−1 = Eq . . . E2 · E1 · A.
    F3 ← F3 + (1 + i) · F2
 1 i 0 10 0  F2 ← F2 + (i) · F1  1 i 0 1 0 0  F1 ← F1 + (i) · F2
(A | Id3 ) =  −i 0 1 0 1 0  −−−−−−−−−−−−−−−−−−→  0 −1 1 i 1 0  −−−−−−−−−−−−−−−−−−−−−→
   
0 1+i 1−i 0 0 1 0 1+i 1−i 0 0 1
   
 F3 ← (1/2) · F3  
i 0  F2 ← (−1) · F2  1 0 i 0 i 0 

 1 0 i 0 
 0 1 −1 −i −1 0 
 0 −1 1 i 1 0  −−−−−−−−−−−−−−−−→ 
 
1 1 1 1 1 
0 0 2 −1 + i 1 + i 1 00 1 − + i + i
 
2 2 2 2 2
F2 ← F2 + (1) · F3  1 0 0 1 + 1 i 1 + 1 i − 1 i 
 
F1 ← F1 + (−i) · F3 
 2 2 2 2 2 
1 1 1 1 1 
−−−−−−−−−−−−−−−−−−−→  0 1 0 − i − + i  .
 2 2 2 2 2 
1 1 1 1 1 
001− + i + i

2 2 2 2 2
Entonces  1 1
 + i 1 1 1 
 2 2 + i − i 
 1 1 2 2 2 
1 1 1 
A =  − i
−1
− + i  .
 2 2 2 2 2 
 1 1 1 1 1 
− + i + i
2 2 2 2 2
Se tiene entonces que
A−1 = E7 · E6 . . . E2 · E1 ,
donde las matrices elementales son:
E1 = Q21 (i), E2 = Q32 (1 + i), E3 = Q12 (i), E4 = W3 (−1),
E5 = W2 (−1), E6 = Q23 (1), E7 = Q13 (−i).

12) Sea n ∈ N. Considere las matrices
1 . . . 1  1 

   
U =  ... . . . ..  ∈ M (R), e =  ...  ∈ Rn .

   
 .  n×n
 
1 ...

1 1
a) Pruebe que
Ue = ne.
b) Pruebe que
U 2 = nU.
1
c) Sea α , . Encuentre β ∈ R tal que
n
(I − αU)−1 = I + βU.
1
d) Sea α = . Pruebe que
n
(I − αU)e = 0.
Desarrollo.
a) Denotamos S = Ue = (si ) ∈ Rn . Para i ∈ In , genérico, se tiene que
n
X n
X
si = ui j e j = 1 = n.
j=1 j=1
Puesto que i fue elegida arbitrariamente se ha probado que
∀i ∈ In : si = n,
de manera que
 n   1 
   
Ue =  ..  = n  ...  = ne.

 .   
   
n 1
b) Denotamos W = U 2 = (wi j ) ∈ Mn (R). Para i, j ∈ In , genéricos, se tiene que
n
X n
X
wi j = uik uk j = 1 = n.
k=1 k=1
Puesto que los ı́ndices i, j fueron elegidos arbitrariamente, se ha probado
∀i, j ∈ In : wi j = n,
de manera que
n . . . n 1 . . . 1
   
U =  ... ..  = n  .. ..  = nU.

 
2 
 .   . . 
n ... 1 ...
  
n 1
c) Supongamos que α , 1/n y que se cumple que
(Idn − αU)−1 = Idn + βU. (4.66)
Por (4.66) se tiene que
Idn = (Idn + βU)(Idn − αU)

= Idn + βU − αU − αβU 2
= Idn + (β − α − αβn)U,

β − α − αβn = 0,
α
β= .
1 − αn
d) Se tiene que
!
1
(Idn − αU)e = Idn − U e
n
1
= e − Ue
n
1
= e − ne
n
= 0.
13) Considere el sistema de ecuaciones Ax = 0 donde

 
 1 1 1 
A =  a b c 
 
 2 2 2
a b c
Pruebe que si el sistema es determinado entonces
a,b ∧ a,c ∧ b , c.
Desarrollo. Supongamos que el sistema es determinado de manera que
det(A) , 0. (4.67)
Se tiene que

1 1 1
det(A) = a b c
2 2 2
a b c
= bc2 + ab2 + a2 c − a2 b − b2 c − ac2
= ab(b − a) + ac(a − c) + bc(c − b). (4.68)
a) En caso de que a = b, se tendrı́a por (4.68) que
det(A) = bc(b − c) + bc(c − b) = 0,
lo cual contradice (4.67). Por tanto debe cumplirse que
a , b. (4.69)
b) En caso de que b = c, se tendrı́a por (4.68) que
det(A) = ac(c − a) + ac(a − c) = 0,
b , c. (4.70)
c) En caso de que a = c, se tendrı́a por (4.68) que
det(A) = bc(b − c) + bc(c − b) = 0,
a , c. (4.71)
Se concluye por la conjunción de (4.69), (4.70) y (4.71).

14) Considere que x, y, z ∈ R son variables y que λ, a, b, c ∈ R son parámetros. Usando el Método de Gauss-Jordan, analice
las condiciones bajo las cuales el sistema dado es determinado, indeterminado o inconsistente.




 x + y + z = 1,
+ by + cz = λ,



 ax

a2 x + b2 y + c2 z = λ2 .


 F3 ← F3 + (−a ) · F1 
2
 
 1 1 1 1  F2 ← F2 + (−a) · F1  1 1 1 1 
T 0 =  a b c λ  −−−−−−−−−−−−−−−−−−−−−→  0 b − a c − a λ − a  = T 1
   
a b c λ 0 b −a c −a λ −a
 2 2 2 2  2 2 2 2 2 2
i) Si b = a, entonces se tiene que  

 1 1 1 1 
T 1 =  0 0 c − a λ − a 
 
0 0 c2 − a2 λ2 − a2
 
Por tanto:
i.1) Si c = a, entonces se tiene que  
 1 1 1 1 
T 1 =  0 0 0 λ − a 
 
0 0 0 λ −a
2 2
 
de manera que hay dos casos:

i.1.a) Si λ , a, el sistema es inconsistente, es decir
CS = ∅.
i.1.b) Si λ = a, se tiene que  
 1 1 1 1 
T 1 =  0 0 0 0 
 
0000
 
de manera que el sistema es indeterminado y

  

  x 

 
CS =   y  ∈ R3 : x + y + z = 1 ,
 


 z 
 


o, equivalentemente:   

  1 − y − z  


CS =  3
.
 
y  ∈ R : y, z ∈ R
 
  
 
z
  
i.2) Si c , a, se tiene que
F1 ← F1 + (−1) · F2
  F2 ← (1/(c − a)) · F2

 1 1 0 c−λ 

 1 1 1 1  F3 ← F3 + (−(c + a)) · F2  c − a 
T 1 =  0 0 c − a λ − a  −−−−−−−−−−−−−−−−−−−−−−−−−→  0 0 1
   λ−a  = T 2

0 0 c −a λ −a
2 2 2 2 c−a
   
0 0 0 (λ − a)(c + λ + 2a)

Por tanto:
i.2.a) Si λ , a y λ , −2a − c, el sistema es inconsistente, es decir
CS = ∅.
i.2.b Si λ = a o λ = −2a − c, se tiene que


 1 1 0 c − λ 

 c − a 
T 2 =  0 0 1
 λ − a 

c − a 


000 0
de manera que el sistema es inconsistente con

λ−a c−λ
z= , x+y = .
c−a c−a
Por tanto
 −y + c − λ 
  


 


 



 c − a  

CS =   ∈ R3 : .
 
y y ∈ R





  λ − a 
 





  


c−a
ii) Si b , a, se tiene que  
 1 1 1 1 
T 1 =  0 b − a c − a λ − a 
 
0 b −a c −a λ −a
 2 2 2 2 2 2
Por tanto:
ii.1) Si c = a, se tiene que
  F2 ← (1/(b − a)) · F2  1 0 1

 b−λ 

 1 1 1 1  F3 ← F3 + (b + a) · F2  b − a 
T 1 =  0 b − a c − a λ − a  −−−−−−−−−−−−−−−−−−−−−−→  0 1 0
   λ−a  = T 3

0 b −a c −a λ −a
 2 2 2 2 2 2
b−a
 
0 0 0 (λ − a)(λ + b + 2a)

Por tanto:
ii.1.a) Si λ , a y λ , −2a − b, el sistema es inconsistente, es decir
CS = ∅.
ii.1.b Si λ = a o λ = −2a − b, se tiene que

 1 1 0 b − λ 
 
 b − a 
T 3 =  0 0 1 λ − a 

b − a 
 

000 0
de manera que el sistema es inconsistente con
λ−a b−λ
z= , x+y = .
b−a b−a
Por tanto
 −y + b − λ 
  


 


 

 
 b − a  
 

CS =  3
.

 
y ∈ : y ∈

 
 R R
 λ − a 

 

 

 



 



 

b−a
ii.2) Si c , a, el sistema es determinado. Resolviéndolo, eg. con Cramer, se encuentra que
 
 x 
 ∗ 


CS =  ,
 
 y∗ 


 z 
  

∗
donde
(b − λ)(c − λ) (λ − a)(c − λ) (λ − a)(λ − b)
x∗ = , y∗ = , z∗ = .
(b − a)(c − a) (b − a)(c − b) (c − a)(c − b)
1) Usando el método de Gauss-Jordan resuelva los siguientes sistemas (reales) de ecuaciones. Indique si el sistema es
determinado, indeterminado, inconsistente y/o consistente. Para los sistemas heterogéneos resuelva también el sistema
homogéneo asociado.

  3x1 − 5x2 = 0,
 x1 − 5x2 = 0, 2x − y = 0,
  


5x1 + 4x2 = 0,
  

−x1 + 5x2 = 1.

 3x + 4y = 0.

 


2x1 + 5x2 = 0.


 
  x + y − z = 0,  x1 + x2 − x3 = 2,
 x − 3y = 2,
 

 


+ = 1 − 4x2 + 3x3 = 3,
  
−

2x 4y 3z 0,

2x
−2x + 6y = −3.

 

 


3x + 7y − z = 0.

 −x1 − 7x2 − 6x3 = 0.



 3x − 5y + 4z = 0,  
2x1 + 3x2 − x3 = 0,  x − 3y + 2z = −1,


  
+ =

  
5x 4z 0,
6x1 − 5x2 + 7x3 = 0. 3x + 6y − 3z = 5.


 

 

2x + 5y − 2z = 0.


2) Usando el método de Gauss-Jordan resuelva los siguientes sistemas (reales) de ecuaciones. Indique si el sistema es
determinado, indeterminado, inconsistente y/o consistente. Para los sistemas heterogéneos resuelva también el sistema
homogéneo asociado.

 4x1 − x2 = 0,  
2x − 3y − 4z + 5w = 1, 2x1 − 5x2 − 6x3 − 3x4 = 0,


  
7x1 + 3x2 = 0,

  
+ =  x1 + 3x2 − 5x3 + 4x4 = −1.
  

 
 7y 3w 0. 
−8x1 + 6x2 = 1.


  



 x − 2y + z + w = 2, 


−2x + 7w = 0, 


 2x1 − x2 = 0,
+ = + + = 3x1 + 5x2 = 0,
  
3x 2z − 2w −3, x 2y − z 4w 0,


 

 


 
4y − z − w = 0, 3x − z + 5w = 0, 7x1 − 3x2 = 0,


 

 




 

 


5x + 3z − w = 0.

 4x + 2y + 3z = 1.

 −2x1 + 3x2 = 0.


 
 x + y − z = 1,  4x + 10y − 6z = −1,
+ + =
 
3x − 5x 12x 10x 1,

  

1 2 3 4
4x − y + 5z = −1, −6x − 9y − 9z = 0,


 

 


5x1 + 4x2 + 20x3 − 8x4 = −1,
 
 
+ = −x + 2y − 12z = −1,
  



−2x y − 2z 0, 

2x + 5x + 8x − 10x = 0.
 




3x + 2y − 6z = 1.

  1 2 3 4 
−x − 6y − 12z = 0.


3) Usando el método de Gauss-Jordan, resuelva el sistema





 4x1 + 9x2 + 17x3 + 5x4 = 11,
2x1 + x2 + 5x3 − x4 = 9,




5x1 + 9x2 + 19x3 + 4x4 = 16,






9x1 + 5x2 + 23x3 − 4x4 = 40.


4) Considere el sistema real 




 2x − 3y + 5z = 0,
−x + 7y − z = 0,

(4.72)




4x − 11y + βz = 0.


a) Halle el conjunto T = {β ∈ R : el sistema (4.72) es indeterminado}.

b) Para β0 ∈ T , halle el conjunto solución de (4.72).
5) Considere la matriz real
5 5 −5 0
 
4 5 −6 7

A =  .
3 9 −15 9
9 1 7 6
a) Halle una matriz escalonada reducida, B, que sea equivalente a la matriz A.

c) Halle matrices elementales E1 , E2 , ..., Eq de manera que
B = Eq Eq−1 ...E2 E1 A.
 
 1 2 −1 1 
6) Considere la matriz A = −1 0 1 2 .
 
0 2 1 −1
 
a) Halle B una matriz escalonada reducida que sea equivalente a la matriz A.

c) Halle una matriz P tal que B = PA.
7) Recuerde que una matriz A ∈ Mn×n (K), n = 2, 3, es invertible ssi det(A) , 0. Determine si la matriz Ak es invertible y,
de ser ası́, calcule la inversa. Considere α, β, γ, δ, , θ ∈ R.
   
 0 1 3  1 3 5
α β
!
A1 = , A2 =  3 4 −2 , A3 = 2 4 8 ,
   
−α −β
−1 5 8 1 −1 1
   
 α β γ 
   
1 2 3
A4 =  δ θ  , A5 = 1 1 2 . (4.73)
   
3α − 2δ 3β − 2 3δ − 2θ 012
   
8) Determine si la matriz Ak es invertible y, de ser ası́, calcule la inversa.
1 1 1 1  1 0 2 3  1 −3 0 −2

     
1 2 −1 2 −1 1 0 4
  3 −12 −2 −6

A1 =   , A2 =  , A3 =  . (4.74)
1 −1 2 1  2 1 −1 3 −2 10 2 5 
1 3 3 2 −1 0 5 7 −1 6 1 3
9) Considere la matriz compleja dada

 
! !  1 i 0 
i 2 1−i 0
A1 = , A2 = , A3 = −i 0 1  .
 
1 −i 0 1+i
0 1+i 1−i
 
a) Halle la inversa de la matriz Ak .

b) Halle matrices elementales E1 , E2 , ..., Eq de manera que
k = E q E q−1 ...E 1 .
A−1
10) Considere la matriz dada

 1 00 −2 
   
! 3 2 1 
−2 8  5 10 −10

A1 = , A2 = 0 2 2  , A3 =  .
 
5 12 −4 21 8 
0 0 −1
 
3 60 −5
a) Halle la inversa de la matriz Ak .
b) Halle matrices elementales E1 , E2 , ..., Eq de manera que
k = E q E q−1 ...E 1 .
A−1
11) Considere el sistema real 




 x1 + x2 + x3 = 0,
αx 1 + βx2 + γx3 = 0,





α2 x1 + β2 x2 + γ2 x3 = 0.


Suponga que el sistema de ecuaciones es determinado. Pruebe que
α,β ∧ α,γ ∧ β , γ.
12) Halle p un polinomio real de tercer grado tal que

a) p(−1) = 0, p(1) = 4, p(2) = 3 y p(3) = 16.

b) p(0) = 1, p(1) = −1, p(2) = 5 y p(3) = 37.
13) Resuelva el sistema real
 



−x1 + x3 + 2x4 = 1, 


 x1 + 2x2 + 3x3 − x4 = 1,
 x1 − x2 + x3 − 2x4 = −1, −x1 + x2 + x4 = 1,


 


 
−x1 − 2x2 + x3 + 3x4 = 2, 3x2 + 3x3 = 0,


 




 


−x1 − 4x2 + 2x3 + 4x4 = 5.

 2x1 + x2 + 3x3 − 2x4 = −2.


1) Pruebe el Teorema 4.3 siguiendo el método presentado en la demostración del Teorema 4.2.
2) Sea θ ∈ R. Considere el sistema real 



2x − y − θz = 0,
x − y − 2z = 1,

(4.75)




−x + 2z = θ.


Usando eliminación gaussiana, analice el sistema e indique bajo qué condiciones el sistema es inconsistente, deter-
minado o indeterminado. En cada caso, provéa el conjunto solución.
3) Sea θ ∈ R. Considere el sistema real 



θx + y + z = 1,
x + θy + z = 1,

(4.76)




 x + y + θz = 1.


Usando eliminación gaussiana, analice el sistema e indique bajo qué condiciones el sistema es inconsistente, deter-
minado o indeterminado. En cada caso, provéa el conjunto solución.
4) Sean a, b, c ∈ R. Resuelva, usando el método de Gauss-Jordan, el sistema real:




ax1 + bx2 + 3ax3 + 4bx4 = c,
−3ax1 + 4bx3 = 2c,

(4.77)




bx1 + ax4 = −c.


5) Sean α, β ∈ R Considere el sistema de ecuaciones





 −x1 + αx3 + βx4 = 0,
 x2 + αx3 + βx4 = 0,



, x1 , x2 , x3 , x4 ∈ R.

(4.78)
αx1 + βx2 = 0,






βx1 + βx2 + αx3 = 0,


¿Qué condiciones deben cumplir α y β para que el sistema sea determinado?

6) Sean α, β ∈ R Considere el sistema de ecuaciones




 x1 + 2x2 + 3x3 − x4 = β,
−x1 + x2 + x4 = β2 ,



, x1 , x2 , x3 , x4 ∈ R.

(4.79)
3x2 + 3x3 + (α − 3)x4 = 0,






2x1 + x2 + αx3 − 2x4 = −2,


Resuelva el sistema. Para el caso en que el sistema es determinado hallar la inversa de la matriz de coeficientes.
7) Considere que x, y, z, t ∈ R son incógnitas. Resuelva el sistema real
 



 −x + y + z + t = a, 


 ax + by + cz + dt = p,
 x − y + z + t = b, −bx + ay + dz − ct = q,


 


 
x + y − z + t = c, −cx − dy + az + bt = r,


 




 


 x + y + z − t = d.

 −dx + cy − bz + at = s.






 a(x + t) + b(y + z) = c,
a0 (y + t) + b0 (z + x) = c0 ,



donde a , b, a0 , b0 , a00 , b00 .

a00 (z + t) + b00 (x + y) = c00 ,






 x + y + z + t = d,


1) Sea n ∈ N. Considere las matrices A = (ai j ) ∈ Mn×n (R) y b = (bi ) ∈ Rn tales que
ai j = 1, i, j = 1, 2, ..., n;
bi = 1, i = 1, 2, ..., n. (4.80)
a) Pruebe que
Ab = nb, (4.81)
A = nA.
2
(4.82)
1
b) Sea λ , . Encuentre θ ∈ R tal que
n
(I − λA)−1 = I + θA. (4.83)
1
c) Sea λ = . Pruebe que
n
(I − λA)b = 0. (4.84)
2) Sea m ∈ R. Considere el siguiente sistema real




2x + y − z = 1,
 x + my + z = m,




3x + y + mz = 1,






 x + (1 − m)y − 2z = 1 − m.


Analice bajo qué condiciones el sistema es determinado, inconsistente e indeterminado y, en cada caso, halle el
correspondiente conjunto solución.
3) Sea n ∈ N. Suponga que los números βi , i = 1, 2, .., n, son todos distintos. Resuelva el sistema de n ecuaciones lineales
con n incógnitas tal que la i-ésima ecuación es
n
X n
X
a) βi−1
k xk = b .
i−1
c) i xk = bi .
βk−1
k=1 k=1
n
X n
X
b) βn−k
i xk + βi = 0. d) ik · xk + 1 = 0.
k=1 k=1
4) Sean α1 , α2 , α3 , α4 ∈ R. Usando el Método de Gauss-Jordan, analice las condiciones bajo las cuales el siguiente sistema
es determinado, indeterminado o inconsistente.




 x1 + x2 + x3 = 1,
α1 x1 + α2 x2 + α3 x3 = α4 ,





α2 x1 + α2 x2 + α2 x3 = α2 .


1 2 3 4
5) Considere que x, y, z, t ∈ R son variables y que α, β, γ, δ ∈ R son parámetros. Analice las condiciones bajo las cuales el
sistema dado es determinado, indeterminado o inconsistente.




 x + y = 2α,
 + z = 2β,

y



z + t = 2γ,






 x + t = 2δ.


6) Considere que x, y, z, t ∈ R son variables y que λ, a, b, c, d ∈ R son parámetros. Analice las condiciones bajo las cuales
el sistema dado es determinado, indeterminado o inconsistente.
 
 5x − 3y + 3z + 4t = 3,   x + y = 2a,
(λ + 1)x + y + z = 1,


  


4x − 2y + 3z + 7t = 1, y + z = 2b,


 

 


x + (λ + 1)y + z = 1,
 
 
8x − 6y − z − 5t = 9, z + t = 2c,


 

 


+ + + =
  


7x − 3y + 7z + t = λ.



 x y (λ 1)z 1. 

 x + t = 2d.


  



 x + y + z = 1, 


 x + ay − a2 z = 1, 


 (3λ + 3)x + λy + (λ + 3)z = 3λ − 3,
ax + by + cz = λ, x + by − b z = 1, λx + (λ − 1)y + z = λ − 1,

 
 2




 

 


a2 x + b2 y + c2 z = λ2 .

  x + cy − c2 z = 1.

 (λ + 2)x + y + z = λ − 1.



  (λ + 1)x + y + z = 1, 
λx + y + z = 1, λx + (λ − 3)y + 4z = 0,
 

 
 x + (λ + 1)y + z = 1,


 

 


+ λy + = λ, −x + (λ − 1)y + (λ + 1)z = 0,

  

x z
x + y + (λ + 1)z = 1,


 

 


 x + y + λz = λ2 . 

 
 

 −2x − 2y + z = 0.
(λ + 3)x + (2λ + 4)y + (1 − λ)z = 2.






 (λ − 1)x + y − z = λ,
(λ − 1)x + (c + 2)y + z = c,




(λ − 1)x + (c + 2)y + (c + 1)z = c2 ,






(−2c − 2)y − (c + 4)z = 2λ − c2 − c.


Capı́tulo 5
Determinantes

Roger Bacon
5.1. Determinante de orden n
Como comentó brevemente en la Sección 1.4, a cada matriz cuadrada B ∈ Mn (K), se le puede asociar un número,
llamado determinante de B, que ayuda a identificar rápidamente varias de sus propiedades. Definiremos por recurrencia
una función
det : Mn (K) −→ K (5.1)

A 7−→ det(A) = |A|.
Caso n = 1
Para una matriz A = (a11 ) ∈ M1 (K) se define

det(A) = a11 . (5.2)
Ejemplo 5.1 Se tiene que

det(5) = 5, det(−67) = −67.
Caso n > 1
Definición 5.1 (Matriz menor) Sean n ∈ N \ {1} y A = (ai j ) ∈ Mn (K). Para cada i, j ∈ In , se denomina matriz
menor i − j a la matriz Mi j ∈ Mn−1 (K) que resulta de A al quitarle la fila i y la columna j.
Ejemplo 5.2 Consideramos la matriz

 −4 π e + 1 0 
 
 −2 1 0 −3 
A =   .
 1 0 1 −π 
2 4 6 −8
Se tiene que
 −4 π 0 
 
M43 =  −2 1 −3  .
 
1 0 −π
 
96 5 Determinantes
Definición 5.2 (Determinante de orden n) Sean n ∈ N \ {1} y A = (ai j ) ∈ Mn (K). Se define el determinante de A
como el número
n
X
det(A) = |A| = a1 j cof 1 j (A), (5.3)
j=1
donde, el cofactor i − j está dado por

cof i j (A) = (−1)i+ j det Mi j . (5.4)
A la fórmula (5.3) se le conoce como la expanción por cofactores a través de la fila 1.
Ejemplo 5.3 (Determinante de orden 2) El determinante de una matriz escalar

!
a11 a12
A= ∈ M2 (K).
a21 a22
se calcula como
det(A) = a11 cof 11 (A) + a12 cof 12 (A)

= a11 (−1)1+1 det (a22 ) + a12 (−1)1+2 det (a21 )
= a11 a22 − a21 a12 , (5.5)
que es la fórmula conocida: el producto de la diagonal principal menos el producto de la diagonal secundaria.
Ejemplo 5.4 (Determinante de orden 3) El determinante de una matriz escalar

 
 a11 a12 a13 
A =  a21 a22 a23  ∈ M3 (K).
 
a31 a32 a33
 
se calcula como
det(A) = a11 cof 11 (A) + a12 cof 12 (A) + a13 cof 13 (A)

1+1 a22 a23 1+2 a21 a23 1+3 a21 a22
= a11 (−1) + a (−1) + a (−1)
a32 a33 12 a31 a33 13 a31 a32
= a11 a22 a33 − a11 a32 a23 − a12 a21 a33 + a12 a31 a23 + a13 a21 a32 − a13 a31 a22 , (5.6)
que coincide con el resultado obtenido al aplicar la Regla de Sarrus o la Regla de Cramer.
Ejemplo 5.5 Calculemos el determinante de la matriz

 
 2 −3 5 
D =  0 4 −5 
 
1 −1 9
 
Se tiene que

4 −5 0 −5 0 4
det(D) = 2 − (−3) + 5
−1 9 1 9 1 −1
= 2 · [4 · 9 − (−1)(−5)] + 3 · [0 · 9 − 1 · (−5)] + 5 · [0 · (−1) − 1 · 4]
= 2(31) + 3(5) + 5(−4) = −62 + 15 − 20 = 57.
5.2 Propiedades de los determinantes 97
5.2. Propiedades de los determinantes
El siguiente resultado establece que el determinante de una matriz triangular se calcula como el producto de los ele-
mentos de la diagonal principal.
Teorema 5.1 (Determinante de una matriz triangular) Sean n ∈ N \ {1} y A = (ai j ) ∈ Mn (K). Si A es triangular
entonces
n
Y
det(A) = akk (5.7)
k=1
Demostración. Tenemos que probar que

∀n ∈ N \ {1} : Pn ,
donde
n
Y
Pn : det(A) = akk
k=1
No es difı́cil verificar que P2 es verdadera.
Sea n ∈ N, n > 2 genérico, y probemos que

Pn−1 ⇒ Pn .
Supongamos entonces que para matrices triangulares de tamaño n − 1, su determinante es igual al producto de los elemen-
tos presentes en la diagonal principal.
1) Supongamos que A es triangular inferior. En este caso se tiene que
∀i, j ∈ In : j > i ⇒ ai, j = 0.

n
X
det(A) = a1 j cof 1 j (A)
j=1
= a11 det(M11 )
Yn
= a11 akk
k=2
n
Y
= akk
k=1
2) Supongamos que A es triangular superior. En este caso se tiene que
∀i, j ∈ In : j < i ⇒ ai, j = 0.

n
X
det(A) = a1 j cof 1 j (A)
j=1
Xn
= a1 j (−1)1+ j det M1 j
j=1
= a11 det(M11 )
Yn
= a11 akk
k=2
n
Y
= akk ,
k=1
98 5 Determinantes
donde se ha usado el hecho de que todas las matrices menores M1 j son triangulares superiores de orden n − 1 y que, para
j > 1, tienen al número cero en la primera fila y primera columna (por tanto en la diagonal principal).
t
u

 
−3 i −100 5 0 
2 + i −1 ei π/7 4 
 0 

U =  0 0 −1 + i 0 45  ∈ M5 (C).

 0 0 0 −3 4 − 3i
 

0 0 0 0 −i
Puesto que U es triangular superior, su determinante se calcula como el producto de los elementos de la diagonal
principal:
det(U) = u11 u22 u33 u44 u55 = (−3)(2 + i)(−1 + i)(−3)(−i) = 9 + 27i.
Como consecuencia del Teorema 5.1 se tienen los siguientes corolarios.
Corolario 5.1 (Determinante de una matriz elemental) Sea n ∈ N.

i) Si r, s ∈ In , r , s, entonces
det(Prs ) = −1. (5.8)
ii) Si r ∈ In y λ ∈ K \ {0}, entonces
det (Wr (λ)) = λ. (5.9)
iii) Si r, s ∈ In , r , s y λ ∈ K, escalar
det (Qrs (λ)) = 1. (5.10)
i) Sin pérdida de generalidad supongamos que s > r.

Demostración.
a) Primero supongamos que las filas r y s son contiguas, es decir que
s = r + 1.
Se tiene, para Pr,r+1 = P = (pi j ), que

n
X
det (P) = pr+1, j · cof r+1, j (P) = cof r+1,r (P) = (−1)r+1+r det (Idn−1 ) = −1.
j=1
b) Supongamos ahora que

s − r > 1.
Puesto que
Prs = AB,
donde
B = P s−1,s · ... · Pr+1,r+2 · Pr,r+1 , s − r permutaciones contiguas,

A = Pr+1,r · ... · P s−2,s−3 · P s−1,s−2 , s − r − 1 permutaciones contiguas. (5.11)
Entonces, por el punto a) se sigue
det(Prs ) = (−1)(r−s)+(r−s−1) = (−1)2(r−s)−1 = −1.
ii) Puesto que Wr (λ) = (wi j ) es triangular, se tiene que

n
Y
det (Wr (λ)) = wkk = λ,
k=1
pues 
1,
 si k , r,
wkk = 

λ,
 si k = r.
iii) Puesto que Qrs (λ) = (qi j ) es triangular, se tiene que
n
Y
det (Qrs (λ)) = qkk = 1,
k=1
pues
qkk = 1, k = 1, 2, ..., n.
Corolario 5.2 (Determinante de una matriz multiplicada por una elemental) Sean A ∈ Mn (K) y E ∈ Mn (K)
una matriz elemental. Se tiene que
det(EA) = det(E) · det(A). (5.12)
Por comodidad, reformulamos el Corolario 5.2 en tres corolarios:
Corolario 5.3 (Determinante de una permutación) Sean n ∈ N, A, B ∈ Mn (K) y r, s ∈ In con r , s. Si se cumple

que
Fr ↔ F s
A −−−−−−−−−→ B (5.13)
entonces
det(B) = − det(A). (5.14)
El corolario anterior establece que el intercambio de filas en una matriz cuadrada provoca que el determinante cambie de
signo.
Corolario 5.4 (Determinante de una matriz con fila ponderada) Sean n ∈ N, A, B ∈ Mn (K), r ∈ In y λ ∈ K\{0}.
Si se cumple que
Fr ← (λ) · Fr
A −−−−−−−−−−−−−→ B (5.15)
entonces
det(B) = λ det(A). (5.16)
El corolario anterior establece que ponderar una fila de una matriz provoca que se pondere todo el determinante.
Corolario 5.5 (Determinante de una matriz con una fila añadida a la ponderación de otra) Sean n ∈ N,
A, B ∈ Mn (K), r, s ∈ Im con r , s y λ ∈ K. Si se cumple que
Fr ← Fr + (λ) · F s
A −−−−−−−−−−−−−−−−−−→ B (5.17)
entonces
det(B) = det(A). (5.18)
El corolario establece que atacar una fila de una matriz con el múltiplo de otra fila no altera al determinante.
El siguiente teorema es sumamente importante pues permite probar una serie de proposiciones adicionales.
Teorema 5.2 (Determinante de un producto) Sean A, B ∈ Mn (K). Se tiene que
det(AB) = det(A) · det(B). (5.19)

100 5 Determinantes
i) Supongamos que A es invertible, es decir que existen matrices elementales E1 , E2 , ..., Eq tales que
Demostración.
A = E1 E2 ...Eq−1 Eq .
Entonces, por el Corolario 5.2, se tiene que
det(AB) = det(E1 E2 ...Eq−1 Eq B)

= det(E1 ) det(E2 ...Eq−1 Eq B)
= det(E1 ) det(E2 )... det(Eq−1 ) det(Eq ) det(B)
= det(E1 E2 ...Eq−1 Eq ) det(B)
= det(A) · det(B).
ii) Supongamos que A no es invertible es decir que det(A) = 0; de manera que también det(A) det(B) = 0. Se concluye
probando que AB no es invertible.
t
u
Proposición 5.1 (Determinante de la transpuesta) Sea A ∈ Mn (K). Se tiene que

det At = det(A). (5.20)
El siguiente resultado establece que la expansión por cofactores puede hacerse a través de cualquier fila, y no única-
mente por la primera, como se introdujo en la Definición 5.2. Más aún, por (5.20), indica que también se puede avanzar a
través de una columna.
Teorema 5.3 (Expansión por cofactores) Sea A = (ai j ) ∈ Mn (K).

a) Para cada i ∈ In , se tiene que
n
X
det(A) = ai j cof i j (A). (5.21)
j=1
b) Para cada j ∈ In , se tiene que

n
X
det(A) = ai j cof i j (A). (5.22)
i=1
Observación 5.1 (Expansiones y operaciones con columnas) Tenga presente que todos los teoremas, proposiciones y
corolarios de la presente lección son válidos para expansiones y operaciones con columnas.
Como consecuencia del Teorema 5.3 se tiene el siguiente corolario importante.
Corolario 5.6 (Desdoblamiento) Sean n ∈ N y i0 ∈ In . Dadas las matrices escalares de orden n,
 U(1)   U(1)  U(1)

     
 
 ..   ..   .. 
 .   .   . 
A =  A(i0 )  , B =  B(i0 )  , C =  A(i0 ) + B(i0 )  ,
     
(5.23)
 .   .  ..
 ..   .. 
 
   

 . 

U(n) U(n) U(n)
de manera que difieren únicamente en la fila i0 , se tiene que
det(C) = det(A) + det(B). (5.24)
Demostración. La demostración es directa, calculando det(C) por la expansión por cofactores a través de la fila i0 -ésima.
t
u
Ejemplo 5.7 Sin usar expansiones en cofactores, calculemos el determinante de la matriz
 2 −1 3 4 −1 
 
 1 3 −2 5 3 

B =  0 2 3 4 −1  .
 

 2 0 1
 −2 3 
3 −1 1 4 2
Debemos aplicar los teoremas y propiedades de los determinantes presentados en esta sección. Hay muchas maneras de
hacerlo. Por ejemplo:

2 −1 3 4 −1 2 −1 3 4 0
1 3 −2 5 3 1 3 −2 5 0
C5 ← C5 + ((−1)) · C2
det(B) = 0 2 3 4 −1 ======================= 0 2 3 4 −3

2 0 1 −2 3 2 0 1 −2 3

3 −1 1 4 2 3 −1 1 4 3

F3 ← F3 + (1) · F5 2 −1 3 4 0 2 4 3 −1 0
F4 ← F4 + ((−1)) · F5 1 3 −2 5 0 C2 ↔ C4 1 5 −2 3 0

======================= 3 1 4 8 0 =========== − 3 8 4 1 0
−1 1 0 −6 0 −1 −6 0 1 0

3 −1 1 4 3 3 4 1 −1 3
F1 ← F1 + (1) · F4
F2 ← F2 + ((−3)) · F4 1 −2 3 0 0 4 14 4 0 0
F3 ← F3 + ((−1)) · F4 4 23 −2 0 0 F1 ↔ F3 4 23 −2 0 0

======================= − 4 14 4 0 0 =========== 1 −2 3 0 0
−1 −6 0 1 0 −1 −6 0 1 0

3 4 1 −1 3 3 4 1 −1 3

4 14 4 0 0 F1 ← F1 + ((−4)) · F3 −8 22 0 0 0
C1 ↔ C3 −2 23 4 0 0 F2 ← F2 + ((−4)) · F3 −14 31 0 0 0

=========== − 3 −2 1 0 0 ======================= − 3 −2 1 0 0

0 −6 −1 1 0 0 −6 −1 1 0

1 4 3 −1 3 1 4 3 −1 3

−8 6 0 0 0 20 0 0 0 0
C2 ← C2 + (2) · C1 −14 3 0 0 0 F1 ← F1 + ((−2)) · F2 −14 3 0 0 0

==================== − 3 4 1 0 0 ======================= − 3 4 1 0 0

0 −6 −1 1 0 0 −6 −1 1 0

1 6 3 −1 3 1 6 3 −1 3
de manera que
det(B) = −(20)(3)(1)(1)(3) = −180.
Definición 5.3 (Matriz semidescompuesta inferior) Sean n, r, s ∈ N con r + s = n. Se dice que la matriz A ∈
Mn (K) es semidescompuesta inferior si se la puede escribir como
!
B 0
A= , (5.25)
CD
donde B ∈ Mr (K), D ∈ M s (K), 0 ∈ Mr×s (K) y C ∈ M s×r (K). A las matrices B y D se les denomina células
diagonales.
Teorema 5.4 (Determinante de una matriz semidescompuesta) El determinante de una matriz semidescom-
puesta es igual al producto de los determinantes de las células diagonales.
102 5 Determinantes
5.3. Determinantes e invertibilidad
Como consecuencia inmediata del Teorema 5.3, se tiene el siguiente resultado.
Corolario 5.7 (Fila / columna nula) Si A ∈ Mn (K) tiene una fila o una columna nula, entonces tiene determi-
nante nulo.
La siguiente proposición establece un vı́nculo entre la invertibilidad de una matriz y su determinante.
Teorema 5.5 (Invertibilidad y determinantes) Sea A ∈ Mn (K). Entonces A es invertible ssi det(A) , 0. En ese
caso se cumple que
1
det A−1 = . (5.26)
det(A)
⇒) Supongamos que A es invertible. Puesto que

Demostración.
AA−1 = Idn ,
se tiene que
1 = det (Idn ) = det AA−1 = det(A) det A−1 ;
de donde se sigue que det(A) , 0 y (5.26).
⇐) Supongamos que det(A) , 0 pero que A no es invertible. Tomamos B ∈ Mn (K) escalonada reducida equivalente a A de
manera que se puede escribir
A = Eq Eq−1 ...E2 E1 B,
donde Ek es matriz elemental, k = 1, .., q. Puesto que A no es invertible, B debe tener una fila de ceros pero entonces, por
el Corolario 5.7, se tendrı́a que det(B) = 0 y también det(A) = 0. Por tanto, se concluye que A es invertible.
t
u
Ejemplo 5.8 Volvamos a usar la matriz del Ejemplo 5.7:
 2 −1 3 4 −1 
 
 1 3 −2 5 3 

B =  0 −1  .
 
2 3 4

 2
 0 1 −2 3 
3 −1 1 4 2
Puesto que det(B) = −180 , 0, la matriz B es invertible y, por el Teorema 5.5, se sigue que

det B−1 = −1/180.

Observe todo el tiempo que se ahorra para el último cálculo en comparación a si se tratara de calcular det B−1 a partir
de:
 2 65 − 12 13 7
− 35 
 
12
5 7 7 10 
 1 9 − 18 18 − 9 

B = − 5 − 30 60 − 60 15  .
−1  3 11 31 1 8
− 2 − 2 7 − 7 7 
 57 4715 30 30 15 
− 5 − 90 127 37 56 
180 − 180 45
De la segunda parte de la demostración del Teorema 5.5 se deduce inmediatamente el siguiente resultado.
Corolario 5.8 (Fila / columna repetida) Si una fila de A ∈ Mn (K) es un múltiplo de otra fila, entonces det(A) =
0.
5.3 Determinantes e invertibilidad 103
Demostración. En este caso, la matriz A es equivalente a una matriz con una fila nula, de manera que no es invertible y,
por tanto, det(A) = 0.
t
u
Como consecuencia del Corolario 5.8, se tiene el siguiente resultado que nos será útil más adelante.
Corolario 5.9 Sean n ∈ N, A = (ai j ) ∈ Mn (K) e i0 ∈ In . Entonces se tiene que

n
X
∀i ∈ In \ {i0 } : ai j · cof i0 , j (A) = 0. (5.27)
j=1
Demostración. Tomemos i ∈ In \ {i0 }, genérico. Consideramos la matriz

 
 B(1) 
B = (bi j ) =  ...  ∈ Mn (K),
 
B(n)
 
tal que 
A(k) , si k ∈ In \ {i0 },

B(k) = 

A(i) , si k = i0 .

Entonces B(i) = B(i0 ) de manera que (expandiendo por cofactores a través de la fila i0 ):
n
X n
X
0 = det(B) = bi0 j cof i0 j (B) = ai j · cof i0 , j (A).
j=1 j=1
t
u
Observación 5.2 Observe que si se hace i = i0 el lado izquierdo de 5.27 serı́a igual a det(A) (que no necesariamente es
nulo).
Definición 5.4 (Matriz adjunta) Sea A = (ai j ) ∈ Mn (K). Se denomina matriz adjunta de A a la matriz
t
adj(A) = cof i j (A) , (5.28)
es decir adj(A) es la transpuesta de la matriz de cofactores de A.
Ejemplo 5.9 Dada la matriz  

2 4 3 
A = 0 1 −1 ∈ M3 (R)
 
35 7
 
se tiene que  
 12 −13 −7
adj(A) = −3 5 2  .
 
−3 2 2
 
Teorema 5.6 (Adjunta e inversa) Sea A ∈ Mn (K). Se tiene que
A adj(A) = det(A) · Idn . (5.29)
Por tanto, si A es invertible, se tiene que

1
A−1 = · adj(A). (5.30)
det(A)
104 5 Determinantes
Demostración. Denotemos H = (hi j ) = A adj(A). Se tiene entonces, por el Corolario 5.9 y la Observación 5.2, que
 cof j1 (A) 

 
 cof j2 (A) 

hi j = ai1 ai2 . . . ain  ..

.
 
 
cof jn (A)
X n
= aik · cof jk (A)
k=1

0,
 si i , j,
=

(5.31)
det(A), si i = j.

t
u

 1 −3 0 −2
 
 3 −12 −2 −6
G =  
−2 10 2 5 
−1 6 1 3
Puesto que
det(G) = −1 , 0
se tiene que G es invertible. Una vez que
 0 −1 0 −2
 
−1 1 2 −2

adj(G) =  
 0 −1 −3 3 
2 −2 −3 2
se sigue que
 0 1 0 2 
 
 1 −1 −2 2 

G−1 =  .
 0 1 3 −3
−2 2 3 −2
5.4. Determinantes y sistemas de ecuaciones
Como consecuencia del Teorema 5.6 se tiene la versión n-dimensional de la Regla de Cramer:
Corolario 5.10 (Regla de Cramer) Considere el sistema de ecuaciones
Ax = b, (5.32)
 b1   x1 

   
 b   x 
 2   2
donde A = (ai j ) ∈ Mn (K), b =  .  ∈ K y x =  .  ∈ Kn . Entonces
n
.
 .   .. 
   
bn xn
el sistema es determinado ⇐⇒ det(A) , 0; (5.33)
y, en este caso, la única solución está dada mediante

det(b A2 A3 . . . An ) det(A1 b A3 . . . An ) det(A1 A2 . . . An−1 b)
x1∗ = , x2∗ = , ..., xn∗ = . (5.34)
det(A) det(A) det(A)
5.4 Determinantes y sistemas de ecuaciones 105
Demostración. La única solución está dada por
x∗ = A−1 b
1
= · adj(A) b
det(A)
 D1 
 
 D 
1  2
= ·  .  , (5.35)
det(A)  .. 
 
Dn
donde, para cada i ∈ In , se tiene que

n
X
Di = bk cof ki (A) = det (A1 . . . Ai−1 b Ai+1 . . . An ) ,
k=1
donde se ha desarrollado el determinante a través de la columna i.
t
u
Ejemplo 5.11 Consideremos el sistema de ecuaciones





 3x1 + 2x2 + 4x3 + 8x4 = −1,
 x1 + 3x2 + 5x3 + 2x4 = 2,



x1 , x2 , x3 , x4 ∈ R.

−x2 + 3x3 + 4x4 = 0,






2x1 + x2 + 9x3 + 6x4 = −3,


El sistema se puede escribir como

Ax = b,
donde
3 2 4 8  −1   x1 
     
1 3 5 2
  2   x 
A =  , b =   , x =  2  .
0 −1 3 4  0   x3 
2 1 96 −3 x4
Puesto que
det(A) = −160 , 0
se sigue que el sistema es determinado. Hallemos la única solución con la regla de Cramer:
D1 = det(b A2 A3 A4 ) = 464, D2 = det(A1 b A3 A4 ) = −280,

D3 = det(A1 A2 b A4 ) = 56, D4 = det(A1 A2 A3 b) = −112,
de manera que
D1 29 D2 7 D3 7 D4 7
x1 = =− , x2 = = , x3 = =− , x4 = = .
|A| 10 |A| 4 |A| 20 |A| 10
Observación 5.3 La Regla de Cramer es práctica cuando n = 2, 3. También es apropiado utilizarla cuando n > 3 en tanto
que haya bastantes ceros en la matriz de coeficientes.
106 5 Determinantes

1) Sean n ∈ N y A ∈ Mn (K) una matriz ortogonal, es decir que es invertible y tal que
A−1 = At .
Pruebe que det(A) ∈ {−1, 1}.

Desarrollo. Puesto que A es invertible, det(A) , 0. Se tiene entonces que
A−1 = At
det(A−1 ) = det(At )
1
= det(A)
det(A)
2
det(A) − 1 = 0
det(A) = 1 ∨ det(A) = −1
det(A) ∈ {−1, 1}.
2) Para n ∈ N, n > 1, se tienen los escalares b0 , b1 , ..., bn−1 ∈ R y la matriz An = (ai j ) ∈ Mn (R) dada por las siguientes
condiciones:
a) ∀ j ∈ In : an j = b j−1 + λδn j ;
b) ∀k ∈ In−1 : akk = λ ∧ ak,k+1 = −1;
c) ∀k ∈ In−2 , ∀ j > k + 1 : ak j = 0;
d) Mnn ∈ Mn−1 (R) es triangular superior.
i) Pruebe que
det(A5 ) = λ5 + b4 λ4 + b3 λ3 + b2 λ2 + b1 λ1 + b0 . (5.36)
ii) Usando el punto anterior, pruebe que
det(A6 ) = λ6 + b5 λ5 + b4 λ4 + b3 λ3 + b2 λ2 + b1 λ1 + b0 .
iii) Por inducción matemática, pruebe que

n
X
∀n ∈ N, n > 1 : det(An ) = λn + bn−k λn−k . (5.37)
k=1
Desarrollo.
i) Se tiene que
 λ −1 0 0 0 
 
 0 λ −1 0 0 

A5 =  0 λ −1 0 
 
0
0 λ −1 
 0 
 0
b0 b1 b2 b3 b4 + λ
Operando a través de la quinta fila se tiene que
det(A5 ) = a51 cof 51 + a52 cof 52 + a53 cof 53 + a54 cof 54 + a55 cof 55 . (5.38)
Se tiene que
λ 0 0 0

−1 0 0 0
λ −1 0 0 0 −1 0 0
a51 cof 51 = b0 · = b0 , a52 cof 52 = −b1 · = b1 λ,
0 λ −1 0 0 λ −1 0
0 0 λ −1 0 0 λ −1
λ −1 0 0 λ −1 0 0

0 λ 0 0 0 λ −1 0
a53 cof 53 = b2 · = b2 λ2 , a54 cof 54 = −b3 · = b3 λ3 ,
0 0 −1 0 0 0 λ 0
0 0 λ −1 0 0 0 −1
λ

−1 0 0
0 λ −1 0
a55 cof 55 = (b4 + λ) · = b4 λ4 + λ5 .
0 0 λ −1
0 0 0 λ

que reemplazados en (5.38) provéen (5.36).

ii) Se tiene que
 λ −1 0 0 0
 
0 
λ −1 0 0
 0 
0 
0 λ −1 0

0 0 
A6 = 
 0 0 0 λ −1 0 

 0 0 0 0 λ −1 

b1 b2 b3 b4 b5 + λ
 
b0
Para aprovechar el punto i), operamos a través de la primera columna:
108 5 Determinantes
λ −1 0 0

0 −1 0 0 0 0
0 λ −1 0 0 λ −1 0 0 0
det(A6 ) = λ · 0 0 λ −1 0 − b0 · 0 λ −1 0 0

0 0 0 λ −1 0 0 λ −1 0

b1 b2 b3 b4 b5 + λ 0 0 0 λ −1
h i
= λ · λ5 + b5 λ4 + b4 λ3 + b3 λ2 + b2 λ + b1 + b0
= λ6 + b5 λ5 + b4 λ4 + b3 λ3 + b2 λ2 + b1 λ1 + b0 .
iii) Usaremos la idea expuesta en el punto ii) para demostrar por inducción que
∀n ∈ N \ {1} : Pn , (5.39)
donde
n
X
Pn : det(An ) = λn + bn−k λn−k . (5.40)
k=1
1) Probemos que es verdadera la proposición

2
X
P2 : det(A2 ) = λ2 + b2−k λ2−k .
k=1
Por un lado tenemos que

λ −1
det(A2 ) = = λ(b1 + λ) − (−b0 ) = b0 + b1 λ + λ2 .
b0 b1 + λ
Por otro lado:

2
X
λ2 + b2−k λ2−k = λ2 + b1 λ + b0 .
k=1
Por tanto se ha probado que P2 es verdadera.

2) Probemos que para n ∈ N \ {1}, genérico, es verdadera la proposición
Pn ⇒ Pn+1 . (5.41)
Por tanto, supongamos que Pn es verdadera (Hipótesis Inductiva) y probemos que se cumple Pn+1 (Tesis Induc-
tiva). Se tiene que
 λ −1 0 0 0 . . . 0 0 0 
 
 0 λ −1 0 0 . . . 0 0 0 


 0 0 λ −1 0 . . . 0

0 0 
 0 0 0 λ −1 . . . 0 0 0 
 
An+1 =  . . . . .
 .. .. .. .. .. . . . ... ..
.
.. 
. 
 0 0 0 0 0 . . . λ −1

0 

 0 0 0 0 0 . . . 0 λ
 
−1 
b0 b1 b2 b3 b4 . . . bn−2 bn−1 bn + λ
Operamos a través de la primera columna para aprovechar la hipótesis inductiva:
λ −1 0 0 . . . 0 −1 0 0 0 . . . 0 0 0

0 0
0 λ −1 0 . . . 0 0 0
λ −1 0 0 . . . 0 0 0
0 0 λ −1 . . . 0 0 0 0 λ −1 0 . . . 0 0 0

det(An+1 ) = λ · ... ... ... ... . . . ... .. .. + (−1)(n+1)+1 b · 0 0 λ −1 . . . 0 0 0

. . 0
.. .. .. .. . . .
0 0 0 0 . . . λ −1 . . . . . . . .. .. ..

0
0 0 0 0 . . . 0 λ −1

0 0 0 0 . . . λ −1 0

b1 b2 b3 b4 . . . bn−2 bn−1 bn + λ 0 0 0 0 . . . 0 λ −1

h i
= λ · b1 + b2 λ + b3 λ2 + b4 λ3 + ... + bn−2 λn−3 + bn−1 λn−2 + bn λn−1 + λn + (−1)n+2 b0 · (−1)n
= b0 + b1 λ + b2 λ2 + b3 λ3 + b4 λ4 + ... + bn−2 λn−2 + bn−1 λn−1 + bn λn + λn+1
Xn+1
= λn+1 + bn+1−k λn+1−k .
k=1
Es decir, se ha mostrado Pn+1 .

110 5 Determinantes
 −3 0 4 1 
 
 2 2 1 −4 
3) Usando la matriz adjunta, calcule la inversa de la matriz A =  .
 −1 4 2 3 
2 40 1

2 1 −4 2 1 −4
cof 11 = (−1)1+1 · det (M11 ) = 4 2 3 = 44; cof 12 = (−1)1+2 · det (M12 ) = − −1 2 3 = −27;

40 1 2 0 1

2 2 −4 2 2 1
cof 13 = (−1) · det (M13 ) = −1 4 3 = 46;
1+3
cof 14 = (−1) · det (M14 ) = − −1 4 2 = 20;
1+4

2 4 1 2 4 0

0 4 1 −3 4 1
cof 21 = (−1) · det (M21 ) = − 4 2 3 = −24;
2+1
cof 22 = (−1) · det (M22 ) = −1 2 3 = 18;
2+2

4 0 1 2 0 1

−3 0 1 −3 0 4
cof 23 = (−1) · det (M23 ) = − −1 4 3 = −12;
2+3
cof 24 = (−1) · det (M24 ) = −1 4 2 = −24;
2+4

2 4 1 2 4 0

0 4 1 2 1 −4
cof 31 = (−1) · det (M31 ) = 2 1 −4 = −76;
3+1
cof 32 = (−1) · det (M32 ) = − 4 2 3 = 45;
3+2

40 1 40 1

−3 0 1 −3 0 4
cof 33 = (−1) · det (M33 ) = 2 2 −4 = −50;
3+3
cof 34 = (−1) · det (M34 ) = − 2 2 1 = −28;
3+4

2 4 1 2 4 0

0 4 1 −3 4 1
cof 41 = (−1)4+1 · det (M41 ) = − 2 1 −4 = 88; cof 42 = (−1)4+2 · det (M42 ) = 2 1 −4 = −36;
−1 2 3

42 3

−3 0 1 −3 0 4
cof 43 = (−1)4+3 · det (M43 ) = − 2 2 −4 = 56; cof 44 = (−1)4+4 · det (M44 ) = 2 2 1 = 40.
−1 4 3 −1 4 2

Por tanto:
 44 −24 −76 88 
 
t −27 18 45 −36

Adj(A) = cof i j =  .
 46 −12 −50 56 
20 −24 −28 40
Puesto que
det(A) = a11 cof 11 + a12 cof 12 + a13 cof 13 + a14 cof 14 = 72,
se sigue que
11/18 −1/3 −19/18 11/9 
 
1  −3/8 1/4 5/8 −1/2

A =
−1
Adj(A) =  .
det(A) 23/36 −1/6 −25/36 7/9 
5/18 −1/3 −7/18 5/9
4) Encuentre el conjunto H = {β ∈ R : Aβ es invertible}, donde

 
 cos(β) sen(β) 0
Aβ = − sen(β) cos(β) 0 .
 
0 0 1
 
Para β ∈ H, calcule A−1

β .
Desarrollo. Recordemos que una matriz cuadrada es invertible ssi su determinante es distinto de cero. Para encontrar
H, calculamos el determinante de Aβ :

cos(β) sen(β)
det(Aβ ) = = cos2 (β) + sen2 (β) = 1.
− sen(β) cos(β)
Por tanto
H = R.
Para β ∈ R se tiene que

cos(β) 0 − sen(β) 0
cof 11 = = cos(β), cof 12 = − = sen(β),
0 1 0 1

− sen(β) cos(β) sen(β) 0
cof 13 = = 0, cof 21 = − = − sen(β),
0 0 0 1

cos(β) 0 cos(β) sen(β)
cof 22 = − = cos(β), cof 23 = − = 0,
0 1 0 0

sen(β) 0 cos(β) 0
cof 31 = = 0, cof 32 = − − sen(β) 0 = 0,
cos(β) 0

cos(β) sen(β)
cof 33 = = 1.
− sen(β) cos(β)
Por tanto  
 cos(β) sen(β) 0
cof(Aβ ) = − sen(β) cos(β) 0
 
0 0 1
 
y entonces  
cos(β) − sen(β) 0
1
A−1 = cof t
(A ) = sen(β) cos(β) 0 .
 
β β
det(Aβ ) 0 0 1

112 5 Determinantes
5) Sea A ∈ Mn (K).
a) Pruebe que
∀λ ∈ K : det(λA) = λn det(A). (5.42)
b) Pruebe que si A es antisimétrica, es decir At = −A, entonces
det(At ) = (−1)n det(A). (5.43)
c) Pruebe que si A es antisimétrica y n es impar, entonces A no es invertible.

Desarrollo.
a) Usemos la descomposición por columnas:

A = A1 A2 . . . An .
Se tiene que

det(λA) = det λA1 λA2 λA3 . . . λAn

= λ det A1 λA2 λA3 . . . λAn

= λ2 det A1 A2 λA3 . . . λAn
.. .. ..
. . .

= λn det A1 A2 A3 . . . An
= λn det(A).
b) Usando el resultado del literal a) se tiene que
det(At ) = det(−A) = (−1)n det(A).
c) Puesto que el determinante de una matriz es igual al determinante de su transpuesta, se tiene, usando el resultado
del literal b), que
det(A) = det(At ) = (−1)n det(A)
de manera que
[1 − (−1)n ] · det(A) = 0.
Por tanto:
(−1)n = 1 ∨ det(A) = 0,
n es par ∨ det(A) = 0,
Puesto que por hipótesis n no es par se concluye que
det(A) = 0.
6) Consideremos los puntos u, v ∈ R2 \ {0}. Denotamos por ψ(u, v) al área del paralelogramo determinado por los puntos
0, u, v y u + v. Pruebe que

ψ(u, v) = det u v ; (5.44)
∀X ∈ M2 (R) : ψ(Xu, Xv) = | det(X)| · ψ(u, v). (5.45)
Observación. Aquı́ |τ| = abs(τ) representa el valor absoluto de τ ∈ R.

Desarrollo.
α β
! !
a) Denotemos u = yv= . Por un lado se tiene que
γ δ

α β
|det(u v)| = abs = |αδ − βγ|. (5.46)
γ δ
v = (β, δ) u -u + v
:
Por otro lado
v u+v v
ψ(u, v) = kuk · kvk sen(θ)
q θ -
= kuk · kvk 1 − cos2 (θ) O u u = (α, γ)
s
hu, vi
= kuk · kvk 1 −
kuk2 kvk2
q
= kuk2 · kvk2 − hu, vi2
q
= (α2 + γ2 )(β2 + δ2 ) − (αβ + γδ)2
q
= (αδ − βγ)2 = |αδ − βγ|. (5.47)
Por (5.46) y (5.47) se ha probado (5.44).

b) Sea X ∈ M2 (R), genérico. Se tiene que
ψ(Xu, Xv) = |det(Xu Xv)|

= |det(A · u v)|
= |det(X) · det(u v)|
= |det(X)| · ψ(u, v).
Puesto que X fue elegida arbitrariamente, se ha probado (5.45).

114 5 Determinantes
7) Sean xk ∈ R, para k = N. Para n ∈ N \ {1}, considere la matriz Λn = (λi j ) ∈ Mn (R) dada, para i, j ∈ In , por

1,
 si j = 1,
λi j = 

 x j−1 , si j > 1.

i
Pruebe que
n Y
Y k−1
∀n ∈ N \ {1} : det(Λn ) = (xk − xr ).
k=2 r=1
Desarrollo. Tenemos que probar que

∀n ∈ N \ {1} : Pn , (5.48)
donde
x12 x13 . . . x1n−1

1 x1
1 x22 x23 . . . x2n−1

x2
1 x3 x32 x33 . . . x3n−1 Y n Y
k−1

Pn : det(Λn ) = . .. .. .. . = (xk − xr ). (5.49)
.. . . . .. k=2 r=1

. . .
2 3 . . . xn−1
n−1

1 xn−1 xn−1 xn−1
1 xn xn xn3
2 ... x n−1
n
Procedamos por inducción matemática.

a) Consideramos n = 2. Por un lado se tiene que

1 x1
det(Λ2 ) = = x2 − x1 . (5.50)
1 x2
Por otro lado, se tiene que

n Y
Y k−1 2 Y
Y k−1
(xk − xr ) = (xk − xr ) = x2 − x1 . (5.51)
k=2 r=1 k=2 r=1
Por (5.50) y (5.51) se sigue que P2 es verdadera.

b) Sea n ∈ N \ {1}, genérico. Probemos que
Pn ⇒ Pn+1 , (5.52)
donde
n+1 Y
Y k−1
Pn+1 : det(Λn+1 ) = (xk − xr ). (5.53)
k=2 r=1
Supongamos entonces que Pn es verdadera. Tenemos que probar que Pn+1 es verdadera. Se tiene que
x12 x13 . . . x1n−1 x1n

1 x1
x22 x23 . . . x2n−1 x2n
1
x2
1 x3 x32 x33 . . . x3n−1 x3n

det(Λn+1 ) = ... ..
.
..
.
..
. . . . ..
. ..
.
2 3 . . . xn−1
n−1 xn

1 xn−1 xn−1 xn−1 n−1
1 xn xn xn3
2 . . . xnn−1 xnn
2 3 . . . xn−1 xn

1 xn+1 xn+1 xn+1 n+1 n+1
C2 ← C2 + (−xn+1 ) · C1
C3 ← C3 + (−xn+1 ) · C2
.. .. x12 (x1 − xn+1 ) . . . x1n−2 (x1 − xn+1 ) x1n−1 (x1 − xn+1 )

1 x1 − xn+1 x1 (x1 − xn+1 )
. .

1 x2 − xn+1 x2 (x2 − xn+1 ) x22 (x2 − xn+1 ) . . . x2n−2 (x2 − xn+1 ) x2n−1 (x2 − xn+1 )

Cn ← Cn + (−xn+1 ) · Cn−1
1 x3 − xn+1 x3 (x3 − xn+1 ) x32 (x3 − xn+1 ) . . . x3n−2 (x3 − xn+1 ) x3n−1 (x3 − xn+1 )

Cn+1 ← Cn+1 + (−xn+1 ) · Cn . .. .. .. ..

..
============================= .. . . . ... .

.
2 (x . . . n−2 (x n−1 (x

1 xn−1 − xn+1 xn−1 (xn−1 − xn+1 ) xn−1 n−1 − x n+1 ) x n−1 n−1 − xn+1 ) xn−1 n−1 − x )
n+1

1 xn − xn+1 xn (xn − xn+1 ) xn (xn − xn+1 ) . . . xn (xn − xn+1 ) xn (xn − xn+1 )
2 n−2 n+1
...

1 0 0 0 0 0
x12 (x1 − xn+1 ) . . . x1n−2 (x1 − xn+1 ) x1n−1 (x1 − xn+1 )

x1 − xn+1 x1 (x1 − xn+1 )
x2 − xn+1 x2 (x2 − xn+1 ) x22 (x2 − xn+1 ) . . . x2n−2 (x2 − xn+1 ) x2n−1 (x2 − xn+1 )

x − x x (x − x ) x 2
3 (x3 − xn+1 ) ... x3n−2 (x3 − xn+1 ) x3n−1 (x3 − xn+1 )

3 n+1 3 3 n+1
= 1 · (−1)1+(n+1) . . . .. ..

.. .. .. ... . .

xn−1 − xn+1 xn−1 (xn−1 − xn+1 ) xn−1 (xn−1 − xn+1 ) . . .
2 n−2 (x n−1 (x

xn−1 n−1 − xn+1 ) x n−1 n−1 − x )
n+1

xn − xn+1 xn (xn − xn+1 ) xn2 (xn − xn+1 ) . . . n−2 n+1
xn (xn − xn+1 ) xn (xn − xn+1 )
1 x1 x1 x1 . . . x1
2 3 n−1
1 x2 x 2
2 x2 . . . x2n−1
3
n 1 x3 x 2 x33 . . . x3n−1

3
Y
= (−1) n+2
(xr − xn+1 ) . . .. .. ..
.. ..

r=1 . . . . . .
2 3 . . . xn−1
n−1

1 xn−1 xn−1 xn−1
1 xn x2 x3 . . . xn−1
n n n
n
Y
= (−1)n+2 · (−1)n (xn+1 − xr ) · det(Λn )
r=1
n
Y Yn Yk−1
= (xn+1 − xr ) · (xk − xr )
r=1 k=2 r=1
n+1 Y
Y k−1
= (xk − xr ).
k=2 r=1
116 5 Determinantes
8) Sean n ∈ N y A = (ai j ) ∈ Mn (R) tal que
∀i, j ∈ In : ai j = 2máx{i, j} .
Calcule det(A).
...
1
22 23 24 2n−1 2n

2
22 22 23 24 ... 2n−1 2n

...
3
2 23 23 24 2n−1 2n

det(A) = 2
4 24 24 24 ... 2n−1 2n

.. .. .. .. . ..
. . . . . . . .. .
2n−1 2n−1 2n−1 2n−1 . . . 2n−1 2n
. . . 2n
n
2n 2n 2n 2n

2
f c. F1
f c. F2
..
. 21 . . . 2n−2 2n−1
22 23

1
. . . 2n−3 2n−2
21 22
1
f c. Fn−1 1
n
f c. Fn Y k 1 1 . . . 2n−2 2n−3
1 21

========== 2 · . .. .. ..
. ..
.. . . . . ..
. . .
k=1
1 1 1 . . . 1 21

1
1 1 1 1 ... 1 1
F2 ← F2 + (−1) · F1
F3 ← F3 + (−1) · F2
.. ..
. .
1 f12 (2) f13 (2) . . . f1n (2)

Fn−1 ← Fn−1 + (−1) · Fn−2 0 −1 f23 (2) . . . f2n (2)
Fn ← Fn + (−1) · Fn−1
−1 . . . f3n (2)
Pn
============================ 2 k=1 · 0 0
k

.. .. .. .
. . . . . . ..
0 . . . −1
0 0
= (−1)n−1 · 2n(n+1)/2
9) Sean α, β, γ, τ ∈ R, todos distintos. Halle el conjunto solución del sistema real:





 αx1 + βx2 + γx3 = τ
α x1 + β2 x2 + γ2 x3 = τ2

 2



(1 − α2 )x1 + (1 − β2 )x2 + (1 − γ2 )x3 = 1 − τ2


Desarrollo. El sistema se puede escribir en forma matricial como Au = b, donde
 α β γ   τ 

     
 x1 
A =  α β2 γ2  , u =  x2  , b =  τ2  .
 2     
1 − α2 1 − β2 1 − γ2 x3 1 − τ2
     
Usando el determinante de Vandermonde se tiene que
F1 ↔ F2
α β γ F ← F + (1) · F α β γ F ↔ F 1 1 1

3 3 2 3 2
det(A) = α2 β2 γ2 ==================== α2 β2 γ2 =========== α β γ

1 − α2 1 − β2 1 − γ2

1 1 1 α2 β2 γ2

= (β − α)(γ − α)(γ − β). (5.54)
Puesto que los números α, β, γ son distintos entre sı́, se sigue que det(A) , 0 de manera que el sistema es determinado
y, en particular, podemos aplicar la Regla de Cramer para resolverlo.
Aprovechando el procedimiento utilizado para alcanzar (5.54), se encuentra que:
τ β γ

∆1 = τ2 β2 γ2 = (β − τ)(γ − τ)(γ − β),

1 − τ2 1 − β2 1 − γ2

α τ γ

∆2 = α2 τ2 γ2 = (τ − α)(γ − α)(γ − τ),

1−α 1−τ 1−γ
2 2 2

α β τ

∆3 = α2 β2 τ2 = (β − α)(τ − α)(τ − β).

1−α 1−β 1−τ
2 2 2

Por tanto, el conjunto solución del sistema es  

 x 
 1,∗ 


CS =  ,
 
 x2,∗ 



 x  


3,∗
donde
∆1 (β − τ)(γ − τ)
x1,∗ = = ,
det(A) (β − α)(γ − α)
∆2 (τ − α)(γ − τ)
x2,∗ = = ,
det(A) (β − α)(γ − β)
∆3 (τ − α)(τ − β)
x3,∗ = = .
det(A) (γ − α)(γ − β)
118 5 Determinantes
1) Usando únicamente operaciones de fila / columna (como en el Ejemplo 5.7), calcule el determinante dk :

10 10 −8 7 9 −5 6 −10 4
d1 = −7 0 −2 , d2 = 9 3 1 , d3 = 10 7 5 ,
−8 −8 10

10 6 9 3 9 5

2 0 3 1 −2 −10 7 0 −3 0 0 0
0 1 4 2 0 −5 4 −1 −4 7 0 0
d4 = , d5 = , d6 = ,
0 0 1 5 0 −10 0 0 5 8 −1 0
1 2 3 0 0 0 0 6 2 3 0 6

−6 8 −5 0 0 −8 0 0 −10 0 0 0 0 0 0
0 0 0 0 −3 0 −8 0 −7 1 0 7 0 0 0
d7 = −5 0 −5 −6 0 , d8 = 0 9 −3 0 −4 , d9 = −9 1 0 0 0 .

0 −8 0 0 2 −5 0 7 5 5 −6 0 0 −2 −7

0 −7 0 2 1 −2 0 −10 3 −7 9 −9 0 −5 0
2) Usando la Regla de Cramer, resuelva los siguientes sistemas de ecuaciones reales

 
  2x1 + x2 + x3 = 6,  −5x + 8y + 10z = −8,
7x − 8y = 3,
 

 


= x − 7y = −2,
  
− −

3x 2x 3x 5,

9x + 9y = −8.
 
 1 2 3 

  
8x1 + 2x2 + 5x3 = 11.

 10x + 10y + 6z = 9.


  



2x + 2y + z = 7, 


 2x1 + 5x2 − x3 = −1, 


 6x1 − 10x2 + 4x3 = −2,
x + 2y + z = 0, 4x1 + x2 + 3x3 = 3, 10x1 + 7x2 + 5x3 = 3,

 
 



 

 


−x + y + 3z = 1.

 −2x1 + 2x2 = 0.

 3x1 + 9x2 + 5x3 = −7.



  x − w = 7,
+ + + =

x x x x 6,
 

1 2 3 4
2y + z = 2,


 


2x1 − x3 − x4 = 4,

 
4x + y = −3,


 


3x + 6x = 3, x − x = 5.
 

 3 4 1 4 
3z − 5w = 2.


3) Usando la Regla de Cramer, resuelva los siguientes sistemas de ecuaciones reales

 
  9x1 − 5x2 − 3x3 = 1,  x + y = 8,
2x − y = 3,
 

 


−3x1 + 2x2 + 7x3 = 9, −y − z = 3,
 
 

3x + 2y = 5.

 

 


−6x1 − x2 + 2x3 = −4.

  x − 2y = −1.



  x − z + w = 7,
+ =

2x 3y − z 5,
 

 + 2z − 3w = −1,
 
2y

 

−x + 2y + 3z = 0,

 
4x − y − z = 0,


 


4x − y + z = −1.

 


−2x + y + 4z = 2.


 2 3 4 5 
 
−1 0 1 4 

4) Usando la matriz adjunta, calcule la inversa de la matriz A =  .
 3 0 2 1 
0 2 3 −1
1 α −1
 
5) Sean α ∈ R y A = 2 1 2  .
 
1 −1 a
 
a) Determine el conjunto IA = {α ∈ R : A es invertible}.

b) Para α ∈ IA , halle A−1 .
6) Sean a, b, c ∈ R. Demostrar, utilizando las propiedades de los determinantes y sin desarrollar el determinante, la
siguiente identidad:
bc a2 a2 bc ab ac

b2 ac b2 = ab ac bc .
2 2
c c ab ac bc ab
7) Encuentre el conjunto
H = {β ∈ R : Aβ es invertible}.
Para β ∈ H calcule A−1
β .
 −β β − 1 β + 1
 
β + 1 −3
! !
cos(β) sen(β)
Aβ = , Aβ =  1 2 3  , Aβ = ,
 
5 1−β − sen(β) cos(β)
2−β β+3 β+7
 
 − 15
   
 0 0 1 0 
3β
Aβ =  cos(β) sen(β) 0 , Aβ =  25 25 15  .
e
   

− sen(β) cos(β) 0
  − − 
e4β e3β e4β
8) Sean A, B ∈ Mn (K). Muestre que, en general, no se cumple que det(A + B) = det(A) + det(B).
a + 1 1 b + 1 − a
 
9) Considere la matriz compleja A = a + 1 1 b − a .
 
a 1 a
 
a) Calcule det(A).
( ! )
a
b) Halle W = ∈ C2 : A es inversible .
b
!
a
c) Para ∈ W calcule A−1 .
b
10) Sean α ∈ C \ {0} y B ∈ Mn (C) una matriz invertible con B−1 = αBt .
a) Pruebe que det(B) ∈ {−α−n/2 , α−n/2 }.
b) Pruebe que si α ∈ R y n es par, entonces det(B) ⊆ R.
1) Sean n ∈ N y A = (ai j ) ∈ Mn (R) tal que
ai, j = mı́n{i, j}, i, j = 1, 2, ..., n.
Calcule det(A).
2) Sea X ∈ Mn (K), antisimétrica. Pruebe que
det(X t ) = (−1)n det(X); (5.55)

det(X) = 0 ∨ n es par. (5.56)
3) Sean n ∈ N y xk ∈ K, para k = 1, 2, ..., n. Considere la matriz Un = (ui j ) ∈ Mn (K) tal que
ui j = x j + δi j , ∀i, j ∈ In .
a) Escriba Un para n = 2, 3, 4, 5, 6.
b) Pruebe que
n
X
det(Un ) = 1 + xk .
k=1
4) Sean n ∈ N \ {1} y xk ∈ R, para k = 1, 2, ..., n. Se define el determinante de Vandermonde de orden n, denotado ηn ,

como el determinante de la matriz Vn = (vi j ) ∈ Mn (R) dada, para i, j ∈ In , por

1,
 si i = 1,
vi j = 

 xi−1

j , si i > 1.
120 5 Determinantes
a) Pruebe que
η3 = (x2 − x1 )(x3 − x1 )(x3 − x2 ).
b) Pruebe que
η4 = (x2 − x1 )(x3 − x1 )(x3 − x2 )(x4 − x1 )(x4 − x2 )(x4 − x3 ).
c) Calcule η5 .
Indicación. Trabaje a través de la fila 5 y aproveche el resultado del literal anterior.
5) Sea n ∈ N. Suponga que los números βi , i = 1, 2, .., n, son todos distintos. Resuelva el sistema de n ecuaciones lineales
con n incógnitas tal que la i-ésima ecuación es
n
X n
X
a) βi−1
k xk = b .
i−1
c) βk−1
i xk = bi .
k=1 k=1
n
X n
X
b) βn−k
i xk + βi = 0. d) ik · xk + 1 = 0.
k=1 k=1
Indicación. Puede utilizar el resultado presente en el Ejercicio 4) de la Sección 5.6.3.

6) Sea A ∈ Mn (K) una matriz nilpotente, es decir que existe un k ∈ N tal que
Ak = 0. (5.57)
a) Pruebe que det(A) = 0 de manera que A no es invertible.

b) Sea m ∈ N la nilpotencia de A, es decir m es el menor entero que cumple con (5.57). Pruebe que
m−1
X
(Idn − A)−1 = Ar . (5.58)
r=0
c) Usando (5.58) calcule la inversa de la matriz

 
1 −2 −3
B = 0 1 −1 .
 
0 0 1
 
7) Sea A = (ai j ) ∈ Mn (R) tal que

∀i, j ∈ In : ai j = 2máx{i, j} .
Calcule det(A).
8) Sea A = (ai j ) ∈ Mn (R) tal que
∀i, j ∈ In : ai j = mı́n{i, j}.
Calcule det(A).
9) Sea α ∈ K. Considere el sistema real 



6x + y + αz = 18,
x + y − z = 7,





4x − y + 5z = 4.


Analice bajo qué condiciones el sistema es determinado, inconsistente o indeterminado. En cada caso halle el conjunto
solución.
10) Considere que x, y, z, t ∈ R son variables y que λ, a, b, c, d ∈ R son parámetros. Analice las condiciones bajo las cuales
el sistema dado es determinado, indeterminado o inconsistente.
 
 5x − 3y + 3z + 4t = 3,   x + y = 2a,
(λ + 1)x + y + z = 1,


  


 − 2y + 3z + 7t = 1,  + z = 2b,
  
4x y

 
 

x + (λ + 1)y + z = 1,
 
 
8x − 6y − z − 5t = 9, z + t = 2c,


 

 




  x + y + (λ + 1)z = 1.

 


7x − 3y + 7z + t = λ.

  x + t = 2d.


  



 x + y + z = 1, 


 x + ay − a2 z = 1, 


(3λ + 3)x + λy + (λ + 3)z = 3λ − 3,
ax + by + cz = λ, x + by − b2 z = 1, λx + (λ − 1)y + z = λ − 1,

 
 



 

 


a2 x + b2 y + c2 z = λ2 .

  x + cy − c2 z = 1.

 (λ + 2)x + y + z = λ − 1.



  (λ + 1)x + y + z = 1, 
λx + y + z = 1, λx + (λ − 3)y + 4z = 0,
 

 
 x + (λ + 1)y + z = 1,


 

 


x + λy + z = λ, −x + (λ − 1)y + (λ + 1)z = 0,

  

x + y + (λ + 1)z = 1,


 

 


 x + y + λz = λ2 .

 

 −2x − 2y + z = 0.


(λ + 3)x + (2λ + 4)y + (1 − λ)z = 2.






 (λ − 1)x + y − z = λ,
(λ − 1)x + (c + 2)y + z = c,




(λ − 1)x + (c + 2)y + (c + 1)z = c2 ,






(−2c − 2)y − (c + 4)z = 2λ − c2 − c.


! !
a b
1) Considere los puntos u = ,v= ∈ R2 tales que a, b, c, d son no-nulos.
c d
a) Pruebe que,
σ(u, v) = |det(u v)| , (5.59)
donde σ(u, v) es el área generada por u y v, es decir el área del paralelogramo determinado por los puntos 0, u, v y
u + v.
b) ¿Qué pasa con el paralelogramo cuando σ(u, v) = 0?
c) Pruebe que
∀A ∈ M2 (R) : σ(Au, Av) = σ(u, v) · | det(A)|. (5.60)
! ! !
x x x
2) Considere los puntos u1 = 1 , u2 = 2 , u3 = 3 ∈ R2 .
y1 y2 y3
a) Pruebe que  
 1 1 1 
1
S (u1 , u2 , u3 ) = Abs  x1 x2 x3  ,
 
(5.61)
2  
y1 y2 y3
donde S (u1 , u2 , u3 ) es el área del triángulo cuyos vértices son u1 , u2 y u3 .
Indicación. Antes de resolver este problema, resuelva el Problema 1). Considere primero el caso en que u1 = 0,
comparando las fórmulas (5.61) y (5.59).
b) Intuya una fórmula para S (Au1 , Au2 , A3 ), donde A ∈ M2 (R).
3) Sean n ∈ N, n > 2, y b0 , b1 , ..., bn−2 , bn−1 ∈ R. Considere la función
p : R −→ R (5.62)
λ 7−→ p(λ) = det(Aλ ),
donde la matriz Aλ = (ai j ) ∈ Mn (R) está dada por las siguientes condiciones:
a) ∀ j ∈ In : an j = b j−1 + λδn j ;
b) ∀k ∈ In−1 : akk = λ ∧ ak,k+1 = −1;
c) ∀k ∈ In−2 , ∀ j > k + 1 : ak j = 0;
d) Mnn ∈ Mn−1 (R) es triangular superior.
Sin usar inducción matemática, pruebe que
122 5 Determinantes
p(λ) = λn + bn−1 λn−1 + bn−2 λn−2 + ... + b1 λ1 + b0 , λ ∈ R.
4) En el contexto del Ejercicio 4) de la Sección 5.6.2, pruebe que el determinante de Vandermonde de orden n es1
1 ...

1 1 1
x1 x2 x3 . . . xn
x32 . . .
2
x1 x22 xn2 n k−1

Y Y
ηn = .. .. .. .. .. = (xk − xr ). (5.63)
. . . . . k=2 r=1
x3n−2 . . .
n−2
x1 x2n−2 xnn−2
xn−1 x2n−1 x3n−1 . . . xn−1

1 n
Indicación. Use Inducción Matemática.

5) Sea λ > 0. Para cada k ∈ N, sea αk ∈ R+ \ {1}. Para cada n ∈ N \ {1} se define el número
n−1
Y
θn = logαn (α1 ) · logαk (αk+1 )
k=1
y la matriz An = a(n)

i j ∈ Mn (R) dada por
αi α j logαi (α j ) logα j (αi ), si j > i;






(n)  i+ j
ai j =  λ 1 − logαi (α j ) logα j (αi ) , si i > j;



λi · log
αn+1−i (αn+2−i (1 − δ1i ) + δ1i α1 ) , en otro caso.


a) Calcule θ2 y θ3 .
b) Pruebe que
∀n ∈ N \ {1} : θn = 1.
c) Pruebe que
∀n ∈ N \ {1} : det(An ) = λn(n+1)/2 .
Recuerde que δkl representa el delta de Kronecker.
n−1
Y
1 La fórmula (5.63) se puede escribir como ηn = (xk − xr ).
r=1, k>r
Capı́tulo 6
Espacios Vectoriales

Roger Bacon
En los Capı́tulos 2 y 3 se demostró, respectivamente, que los espacios R3 y Mm×n (K) son espacios vectoriales. En la
presente lección retomamos el concepto abstracto de espacio vectorial, presentado brevemente en el Capı́tulo 1, una vez
que contamos con herramientas como matrices y determinantes para mejorar y avanzar en su estudio.
6.1. Definición y ejemplos principales
Habı́amos señalado anteriormente que la materia se denomina Álgebra Lineal o Álgebra Vectorial pues se enfoca
principalmente en el estudio de la estructura algebraica denominada espacio lineal o espacio vectorial) cuyos elementos
son llamados vectores, una vez que se los puede sumar (operación interna) y multiplicar por un escalar (operación externa).
Las definiciones de operación interna y externa fueron presentadas en la Sección 1.1. Recordemos el concepto de
Grupo Abeliano:
Definición 6.1 (Grupo abeliano) Sea G un conjunto no-vacı́o y sea ⊕ : G ×G −→ G una operación interna sobre
G. Se dice que (G, ⊕) es un grupo si se cumplen:
i) Propiedad Asociativa:
∀u, v, w ∈ G : u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w; (6.1)
ii) Existencia del Neutro:
∃e ∈ G, ∀u ∈ G : e ⊕ u = u ⊕ e = u; (6.2)
iii) Existencia de Inversos:
∀u ∈ G, ∃v ∈ G : u ⊕ v = v ⊕ u = e. (6.3)
Se dice que (G, ⊕) es un grupo abeliano (o grupo conmutativo) si, adicionalmente, se cumple:
iv) Propiedad Conmutativa:
∀u, v ∈ G : u ⊕ v = v ⊕ u, (6.4)
En la siguiente proposición se establece la unicidad del netro aditivo y de los inversos aditivos.
Proposición 6.1 (Unicidad del neutro y de inversos) Sea (G, ⊕) un grupo. Entonces:
1) existe un único elemento neutro aditivo;
2) dado u ∈ G, existe un único inverso aditivo de u.
Escribimos nuevamente la definición de espacio vectorial:

124 6 Espacios Vectoriales
Definición 6.2 (Espacio vectorial) Sea V un conjunto no-vacı́o. Sean
+ : V × V −→ V y · : K × V −→ V
operaciones interna y externa sobre V, respectivamente. Se dice que (V, +, ·) es un espacio vectorial (o espacio
lineal) si se cumple que
1) (V, +) es un grupo abeliano;
∀α, β ∈ K, ∀u ∈ V : (αβ)u = α(βu); (6.5)
3) Inocuidad del número 1:
∀u ∈ V : 1 · u = u; (6.6)
∀α ∈ K, ∀u, v ∈ V : α · (u + v) = α · u + αv; (6.7)
∀α, β ∈ K, ∀u ∈ V : (α + β) · u = α · u + β · u. (6.8)
Observación 6.1 En el contexto de la Definición 6.2, a la operación interna se le denomina operación de suma de vectores
y a la operación externa se le refiere como operación de multiplicación de escalar por vector.
Observación 6.2 En el contexto de la Definición 6.2, si no hay lugar a confusión y las operaciones de suma de vectores
y de multiplicación de escalar por vector son claras, se puede decir simplemente que V es un espacio vectorial.
Observación 6.3 Si bien en la Definición 6.2 no se mencionan, hay dos operaciones adicionales involucradas: la suma
y multiplicación en el cuerpo de escalares K. A pesar de esto, el estudiante encontrará que, en la práctica, no se generan
confusiones. En todo caso, a veces es útil denotar por 0v al vector neutro aditivo del grupo abeliano (V, +).
Observación 6.4 Cuando, en el marco de la Definición 6.2 se dice que (V, +, ·) es un espacio vectorial1 sobre el cuerpo K.
Si es necesario recalcar que se está trabajando con el cuerpo de los reales, R, se dice que V es un espacio vectorial real.
En ese mismo sentido se usa el término espacio vectorial complejo.
Ejemplo 6.1 (Espacio de vectores tridimensionales) En el Ejemplo 1.7 probamos con todo detalle que (R3 , +, ·) es un
espacio vectorial. Recordemos que en el conjunto
  

  x 

 
R =
3
,
 
y : x, y, z ∈ (6.9)

 

 

 R


 z  

la suma de vectores
+ : R3 × R3 −→ R3 (6.10)
(u, v) 7−→ u + v
corresponde a sumar las coordenadas correspondientes, esto es, dados dos vectores genéricos u, v ∈ R3 ,
   
 x1   x2 
u =  y1  , v =  y2  ,
   
z1 z2
   
el vector suma u + v ∈ R3 está dado por
1En el marco de la Definición 6.2 se podrı́a reemplazar el cuerpo de los escalares, K (que representa a C o R), por otro cuerpo algebraico. Sin
embargo, esto se sale completamente de los objetivos de estas notas.
6.1 Definición y ejemplos principales 125
 x1   x2   x1 + x2 

     
u + v =  y1  +  y2  =  y1 + y2  . (6.11)
     
z1 z2 z1 + z2
     
Asimismo, la multiplicación de un vector por un número,
˙ : R × R3 −→ R3 (6.12)
(λ, u) 7−→ λ · u.
corresponde a multiplicar cada una de las coordenadas correspondientes por dicho número, es decir, dado un número
λ ∈ R, se tiene que
 x1   λx1 
   
λ · u = λ  y1  =  λy1  . (6.13)
   
z1 λz1
   
Ejemplo 6.2 (Espacio de matrices escalares) Sean m, n ∈ N. En la demostración del Teorema 3.1 se expuso detallada-
mente que (Mm×n (K), +, ·) es un espacio vectorial. Recordemos que en el conjunto
n o
Mm×n (K) = A = (ai j ) : ai j ∈ K, para i ∈ Im , j ∈ In . (6.14)
la suma de vectores
+ : Mm×n (K) × Mm×n (K) −→ Mm×n (K) (6.15)

(A, B) 7−→ A + B.
corresponde a sumar las coordenadas correspondientes, esto es, dadas dos matrices genéricas A, B ∈ Mm×n (K),
 a11 a12 . . . a1n   b11 b12 . . . b1n 

   
a22 . . . a2n  b22 . . . b2n 
 a21   b21 
A = (ai j ) =  . .. .  ,
 B = (bi j ) =  . .. .  ,

 .. . . . . ..   .. . . . . .. 
am2 . . . amn bm2 . . . bmn
 
am1 bm1
 a11 + b11 a12 + b12 . . . a1n + a1n

 

 a + b a + b . . . a2n + b2n 
 21 21 22 22
A + B = (ai j ) + (bi j ) = (ai j + bi j ) =  .. .. ..  .

(6.16)
 . . ... . 
 
Asimismo, la multiplicación de una matriz por un número,
˙ : K × Mm×n (K) −→ Mm×n (K) (6.17)

(λ, A) 7−→ λ · A,
corresponde a multiplicar cada una de las coordenadas correspondientes por dicho número, es decir, dado un número
λ ∈ K, se tiene que
 λa11 λa12 . . . λa1n 
 
 λa λa . . . λa 
 21 22 2n 
λ · A = λ · (ai j ) = (λ ai j ) =  . .. ..  .
 (6.18)
 . . . . . . . 
 
En el siguiente ejemplo mostramos que el espacio de funciones reales también consturuye un espacio vectorial.
Ejemplo 6.3 (Espacio de funciones reales) Sea Ω ⊆ R, no-vacı́o. Denotemos por F (Ω) al conjunto de funciones reales
cuyo dominio es Ω, es decir:
F (Ω) = { f / f es función ∧ Dom( f ) = Ω ∧ Cod( f ) = R} . (6.19)
La suma de vectores
+ : F (Ω) × F (Ω) −→ F (Ω) (6.20)

( f, g) 7−→ f + g
corresponde a utilizar la función suma que el estudiante aprendió en el curso de Precálculo. Entonces, dadas dos funcio-
nes,
f : Ω −→ R g : Ω −→ R
x 7−→ f (x) x 7−→ g(x)
se define
f + g : Ω −→ R (6.21)
x 7−→ ( f + g)(x) = f (x) + g(x)
˙ : R × F (Ω) −→ F (Ω) (6.22)

(λ, f ) 7−→ λ · f
corresponde a utilizar la definición natural, esto es, dado un número λ ∈ R, se escribe
λ · f : Ω −→ R (6.23)
x 7−→ (λ · f )(x) = λ f (x)
Probemos que (F (Ω), +, ·) con las operaciones definidas en (6.20), (6.21), (6.22) y (6.23), es un espacio vectorial, es decir
probemos las cinco condiciones dadas en la Definición 6.2.
1) Probemos que (F (Ω), +) es un grupo abeliano, es decir que se cumplen las propiedades de la Definición 6.1.
i) Probemos la Propiedad Asociativa, es decir que
∀u, v, w ∈ F (Ω) : u + (v + w) = (u + v) + w. (6.24)
Tomamos elementos genéricos de u, v, w ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Asociatividad Aditiva de R, que
[u + (v + w)](x) = u(x) + (v + w)(x)

= u(x) + v(x) + w(x)
= (u + v)(x) + w(x)
= [(u + v) + w](x),
Puesto que x fue elegido arbitrariamente, se ha probado que
u + (v + w) = (u + v) + w.

ii) Probemos la Existencia del Neutro Aditivo, es decir que
∃ 0 f ∈ F (Ω), ∀u ∈ F (Ω) : u + 0 f = 0 f + u = u. (6.25)
Definimos el vector
0 f : Ω −→ R
x 7−→ 0 f (x) = 0
Tomamos un elemento genérico de u ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Propiedad de Existencia del
Elemento Neutro Aditivo de R, que
(u + 0 f )(x) = u(x) + 0 f (x) = u(x) + 0 = 0 + u(x) = u(x).

6.1 Definición y ejemplos principales 127
u + 0 f = 0 f + u = u.
Puesto que u fue elegido arbitrariamente se ha probado (6.25).

iii) Probemos la Existencia de Inversos Aditivos, es decir que
∀u ∈ F (Ω), ∃v ∈ F (Ω) : u+v = v+u = 0f . (6.26)
Tomamos un elemento genérico u ∈ F (Ω). Definimos el vector
v : Ω −→ R
x 7−→ v(x) = −u(x)
Para x ∈ Ω, genérico, se tiene, por la Propiedad de Existencia de Inversos Aditivos de R, que
(u + v)(x) = u(x) + v(x) = u(x) − u(x) = 0.
u+v = v+u = 0f .
Puesto que u se eligió arbitrariamente, se ha probado (6.26).

iv) Probemos la Propiedad Conmutativa, es decir que
∀u, v ∈ F (Ω) : u + v = v + u. (6.27)
Tomamos elementos genéricos u, v ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Conmutatividad Aditiva de R, que
(u + v)(x) = u(x) + v(x) = v(x) + u(x) = (v + u)(x).
Puesto que x fue elegida arbitrariamente, se ha probado que
u + v = v + u.
Puesto que u, v fueron elegidos arbitrariamente, se ha probado (6.27).

∀α, β ∈ R, ∀u ∈ F (Ω) : (αβ)u = α(βu). (6.28)
Tomamos elementos genéricos α, β ∈ R y u ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Conmutatividad Multiplicativa
de R, que:
[(αβ)u](x) = (αβ) u(x) = α(β u(x)) = α (βu)(x) = [α(βu)](x).
(αβ)u = α(βu).

3) Probemos la Inocuidad del Número 1 ∈ R:
∀u ∈ F (Ω) : 1 · u = u. (6.29)
Tomamos un elemento genérico u ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Propiedad de Existencia del Neutro
Multiplicativo en R, que:
(1 · u)(x) = 1 · u(x) = u(x).
1 · u = u.

∀α ∈ R, ∀u, v ∈ F (Ω) : α · (u + v) = α · u + α · v. (6.30)

Tomamos elementos genéricos α ∈ R y u, v ∈ F (Ω). Se tiene, por la Propiedad Distributiva de R, que
[α · (u + v)](x) = α · (u + v)(x) = α[u(x) + v(x)] = αu(x) + αv(x) = (αu)(x) + (αv)(x) = (αu + αv)(x).
α · (u + v) = α · u + α · v.

∀α, β ∈ R, ∀u ∈ F (Ω) : (α + β) · u = α · u + β · u. (6.31)
Tomamos elementos genéricos α, β ∈ R y u ∈ F (Ω). Para x ∈ Ω, genérico, se tiene, por la Propiedad Distributiva de R,
que
[(α + β)u](x) = (α + β)u(x) = αu(x) + βu(x) = (αu + βu)(x).
(α + β) · u = α · u + β · u.
Teorema 6.1 (Propiedades de un espacio vectorial) Sea (V, +, ·) un espacio vectorial sobre el cuerpo K. Se
cumplen las siguientes propiedades:
i) ∀λ ∈ K : λ · 0v = 0v ;
ii) ∀u ∈ V : 0 · u = 0v ;
iii) ∀λ ∈ K, ∀u ∈ V:
λ · u = 0 ⇐⇒ (λ = 0 ∨ u = 0v ); (6.32)
iv) ∀u ∈ V : −1 · u = −u.
i) Sea λ ∈ K, genérico. Se tiene que

Demostración.
λ · 0v = λ · (0v + 0v ) = λ · 0v + λ · 0v ,
de manera que
λ · 0v = λ · 0v + λ · 0v (6.33)
Asimismo se tiene que
λ · 0v = λ · 0v + 0v . (6.34)
Por (6.33) y (6.34), se tiene que
λ · 0v + λ · 0v = λ · 0v + 0v ,
de manera que
λ · 0v = 0v .
Puesto que λ fue elegido arbitrariamente se ha probado que
∀λ ∈ K : λ · 0v = 0v .
ii) Sea u ∈ V, genérico. Se tiene que

0 · u = (0 + 0) · u = 0 · u + 0 · u,
de manera que
0 · u = 0 · u + 0 · u. (6.35)
Asimismo se tiene que
0 · u = 0 · u + 0v . (6.36)
Por (6.35) y (6.36), se tiene que
0 · u + 0 · u = 0 · u + 0v ,
de manera que
6.2 Subespacios vectoriales 129
0 · u = 0v .
Puesto que u fue elegido arbitrariamente se ha probado que
∀v ∈ V : 0 · u = 0v .
iii) Sean λ ∈ K y u ∈ V, genéricos. Por los literales i) y ii) es claro que
(λ = 0 ∨ u = 0v ) ⇒ λ · u = 0v .
Por tanto nos resta probar que

λ · u = 0v ⇒ (λ = 0 ∨ u = 0v ).
Supongamos entonces que
λ · u = 0v (6.37)
pero que
λ,0 ∧ u , 0v . (6.38)
Puesto que λ , 0, existe λ−1 ∈ K, por (6.37) y el punto i) se sigue que:
λ−1 (λ · u) = λ−1 · 0v
(λ−1 λ) · u = 0v
1 · u = 0v
u = 0v ,
que contradice (6.38). Por tanto, se sigue que

λ = 0 ∨ u = 0v .
Puesto que u, v fueron elegidos arbitrariamente, se sigue que
∀λ ∈ K, ∀u ∈ V : λ · u = 0 ⇐⇒ (λ = 0 ∨ u = 0v ).
iv) Sea u ∈ V, genérico. Se tiene que
−1 · u = −1 · u + 0v
= −1 · u + (u − u)
= (−1 · u + 1 · u) − u
= (1 − 1) · u − u
= 0·u−u
= −u.
Puesto que u fue elegido arbitrariamente, se ha probado que
∀u ∈ V : −1 · u = −u.
t
u
6.2. Subespacios vectoriales
Al definir el concepto de espacio vectorial pedimos que un conjunto V sea estable ante una operación interna, llamada
suma, y ante una operación externa, llamada multiplicación de escalar por vector. Esto quiere decir que el resultado de
sumar dos vectores de V debe ser otro vector de V y, de igual manera, que la multiplicación de un escalar por un vector
debe resultar en otro vector que también viva en V. Ahora bien, si tomamos un conjunto no-vacı́o W ⊂ V, evidentemente
podemos operar con sus elementos pues W hereda las operaciones interna y externa de V. Cuando W también es estable
ante estas operaciones, se constituye por si mismo en espacio vectorial. Esta situación se presenta en la definición y
teorema que siguen.
Definición 6.3 (Subespacio vectorial) Sean (V, +, ·) un espacio vectorial sobre un cuerpo K y W ⊆ V. Se dice
que W es un subespacio vectorial (s.e.v.) de V si (W, +, ·) es un espacio vectorial sobre el campo K.
Teorema 6.2 (Caracterización de un subespacio vectorial) Sean (V, +, ·) un espacio vectorial sobre un cuerpo
K y W ⊆ V con W , ∅. Entonces W es un s.e.v. de V ssi se cumple que
∀λ ∈ K, ∀u, v ∈ W : λu + v ∈ W. (6.39)
Demostración. Es claro que si W es s.e.v. de V, inmediatamente se cumple (6.39).
Supongamos entonces que se cumple (6.39) y probemos que (W, +·) es un espacio vectorial sobre el campo K.
1) Probemos que (W, +) es un grupo abeliano, es decir que se cumplen las propiedades de la Definición 1.6.
i) Probemos la Propiedad Asociativa, es decir que
∀u, v, w ∈ W : u + (v + w) = (u + v) + w. (6.40)
Tomamos elementos genéricos de u, v, w ∈ W. Puesto que los vectores u, v, w pertenencen al espacio vectorial (V, +, ·),
se cumple que
u + (v + w) = (u + v) + w.
ii) Probemos la Existencia del Neutro Aditivo, es decir que
∃ 0w ∈ W, ∀u ∈ W : u + 0 f = 0 f + u = u. (6.41)
Tomamos 0w = 0v , el neutro aditivo del grupo abeliano (V, +). Primero observemos que 0w ∈ W. En efecto, puesto que
W , ∅, existe algún vector u ∈ W. Tomando v = u y λ = −1 se tiene por (6.39) que
W 3 (−1) · u + u = 0v = 0w .
Tomamos un elemento genérico de u ∈ W. Puesto que u ∈ V se tiene que
u + 0w = u + 0v = u = 0v + u = 0w + u.
Puesto que u fue elegido arbitrariamente se ha probado (6.41).

iii) Probemos la Existencia de Inversos Aditivos, es decir que
∀u ∈ W, ∃w ∈ W : u + v = v + u = 0w . (6.42)
Tomamos un elemento genérico u ∈ W. Tomando v = 0w y λ = −1 se tiene por (6.39) que
W 3 w = (−1)u + 0w = −u.
Puesto que u, w ∈ V, se sigue que

u + w = w + u = 0v = 0w .
Puesto que u se eligió arbitrariamente, se ha probado (6.42).
iv) Probemos la Propiedad Conmutativa, es decir que
∀u, v ∈ W : u + v = v + u. (6.43)
Tomamos elementos genéricos u, v ∈ W. Puesto que u, v ∈ V se tiene que
u + v = v + u.

∀α, β ∈ K, ∀u ∈ W : (αβ)u = α(βu). (6.44)

6.2 Subespacios vectoriales 131
Tomamos elementos genéricos α, β ∈ K y u ∈ W. Puesto que u ∈ V se tiene que
(αβ)u = α(βu).

3) Probemos la Inocuidad del Número 1 ∈ K:
∀u ∈ W : 1 · u = u. (6.45)
Tomamos un elemento genérico u ∈ W. Puesto que u ∈ V se tiene que
1 · u = u.

∀α ∈ K, ∀u, v ∈ W : α · (u + v) = α · u + α · v. (6.46)
Tomamos elementos genéricos α ∈ K y u, v ∈ W. Puesto que u, v ∈ V se tiene que
α · (u + v) = α · u + α · v.

∀α, β ∈ K, ∀u ∈ W : (α + β) · u = α · u + β · u. (6.47)
Tomamos elementos genéricos α, β ∈ K y u ∈ W. Puesto que u ∈ V se tiene que
(α + β) · u = α · u + β · u.
t
u
Observación 6.5 Cuando se utiliza el Teorema 6.2 para probar que un conjunto W es s.e.v. de un espacio vectorial
(V, +, ·) (sobre el cuerpo K) se toman elementos genéricos λ ∈ K y u, v ∈ W y se prueba que
λu + v ∈ W. (6.48)
De la demostración del Teorema 6.2 se deriva inmediatamente el siguiente resultado, que es bastante útil para probar
que un subconjunto no es s.e.v.
Corolario 6.1 (Subconjuntos que no son s.e.v.) Sean (V, +, ·) y W ⊆ V. Si 0v < W entonces W no es s.e.v. de V.
En los siguientes ejemplos aplicaremos el Teorema 6.2 y el Corolario 6.1 para identificar si un cierto subconjunto es o
no un s.e.v. de un espacio vectorial dado.
Ejemplo 6.4 Consideramos el espacio vectorial R4 . Probemos que el conjunto

  



  x  



 y 
 
W1 =  4
+ + =

∈ : −3x 4y t 0
 

 
 R






 z
 


 




 t 
 

es un s.e.v. de R4 . Tomamos elementos genéricos λ ∈ R y
 x1   x2 

   
 y   y 
u =  1  , v =  2  ∈ W,
 z1   z2 
t1 t2
de manera que
− 3x1 + 4y1 + t1 = 0 ∧ −3x2 + 4y2 + t2 = 0. (6.49)
Por tanto, para el vector
 x3   λx1 + x2 
   
 y   λy + y 
λu + v =  3  =  1 2 
 z3   λz1 + z2 
t3 λt1 + t2
se cumple, por (6.49), que
−3x3 + 4y3 + t3 = −3(λx1 + x2 ) + 4(λy1 + y2 ) + (λt1 + t2 )

= λ(−3x1 + 4y1 + t1 ) + (−3x2 + 4y2 + t2 )
= 0,
de manera que λu + v ∈ W. Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado que
∀λ ∈ R, ∀u, v ∈ W : λu + v ∈ W,
de manera que W es un s.e.v. de R4 .
Asimismo verifiquemos que el conjunto

  



  x  



 y 
 
W2 =    ∈ R4 : −3x + 4y + t = 5
 




  z  



 t 
 

 0 
 
 0 
no es un s.e.v. de R4 . Para esto, basta constatar que 0v =   no pertenece a W.
 0 
0
Ejemplo 6.5 (Espacio de polinomios) Consideramos el espacio vectorial (F (Ω), +, ·) donde Ω ⊆ R. Probemos que el
conjunto
P(Ω) = {p ∈ F (Ω) : p es polinomio} (6.50)
es un s.e.v. de F (Ω).
Tomamos elementos genéricos λ ∈ R y p, q ∈ P(Ω). Sabemos que existen coeficientes ak ∈ R, k = 0, 1, 2, ..., m, y b j ∈ R,

j = 0, 1, 2, ..., n, tales que
p(x) = a0 + a1 x1 + ... + am xm , q(x) = b0 + b1 x1 + ... + bn xn , para x ∈ Ω.
Sin pérdida de generalidad podemos suponer que n ≥ m de manera que, para x ∈ R, se tiene que
(λp + q)(x) = (λa0 + b0 ) + (λa1 + b1 )x1 + ... + (λam + bm )xm + bm+1 xm+1 + ... + bn xn ,
de manera que λp + q también es un polinomio, es decir λp + q ∈ P(Ω). Puesto que λ, p, q fueron elegidos arbitrariamente,
se ha probado que
∀λ ∈ R, ∀p, q ∈ P(Ω) : λp + q ∈ P(Ω),
de manera que P(Ω) es un s.e.v. de F (Ω).
Ejemplo 6.6 (Espacio de polinomios de grado menor o igual a n) Continuando con el Ejemplo 6.5, no es difı́cil probar
que, para n ∈ N, el conjunto
Pn (Ω) = {p ∈ P(Ω) : grad(p) ≤ n} (6.51)
es s.e.v. tanto de P(Ω) como de F (Ω). Son bastante claras las siguientes inclusiones de subespacios vectoriales:
∀k ∈ N : Pk (Ω) ⊆ Pk+1 (Ω), (6.52)

∀k ∈ N : Pk (Ω) ⊆ P(Ω). (6.53)
6.3 Combinaciones lineales 133
Ejemplo 6.7 Verifiquemos que el conjunto
H = { f ∈ F (R) : f (2) = 1}
no es s.e.v. de F (R). Es claro que 0 f < H pues, por definición
∀x ∈ R : 0 f (x) = 0,
de manera que, en particular:

0 f (2) = 0 , 1.
Por tanto H no es s.e.v. de F (R).
El siguiente corolario, enuncia otro resultado útil derivado del Teorema 6.2.
Corolario 6.2 (Intersección de s.e.v.) Sean (V, +, ·) un espacio vectorial y W1 , W2 ⊆ V. Si W1 y W2 son s.e.v. de
V entonces W1 ∩ W2 también es s.e.v. de V.
La demostración del Corolario 6.2 se requiere como ejercicio al final del capı́tulo.
Observación 6.6 Tenga presente que, en general, la unión de s.e.v. no es un s.e.v.
Ejemplo 6.8 Sea α ∈ R. Probemos que el conjunto
Pα (R) = {p ∈ F (R) : p ∈ P(R) ∧ p(α) = 0}
es un s.e.v. de F (R). Para esto observemos que
Pα (R) = P(R) ∩ Kα ,
donde
Kα = { f ∈ F (R) : f (α) = 0}.
Puesto que en el Ejemplo 6.5 ya probamos que P(R) es un s.e.v. de F (R), nos basta (por el Corolario 6.2) probar que Kα
también es un s.e.v. de F (R).
Tomamos elementos genéricos λ ∈ R y f, g ∈ Kα . Puesto que
f (α) = 0 ∧ g(α) = 0,
se sigue que
(λ f + g)(α) = λ f (α) + g(α) = λ 0 + 0 = 0,
de manera que λ f + g ∈ Kα . Puesto que λ, f, g fueron elegidos arbitrariamente, se ha probado que
∀λ ∈ R, ∀ f, g ∈ Kα : λ f + g ∈ Kα ,
de manera que Kα es s.e.v. de F (R).
6.3. Combinaciones lineales
Para algunos de los espacios vectoriales con los que ya hemos trabajado es claro que hay ciertos vectores canónicos,
esto es ciertos vectores particulares (y normalmente simples) que ayudan a representar a otros de forma natural. Más
adelante en el curso llamaremos base canónica al conjunto que reune a estos vectores.
Ejemplo 6.9 (Vectores canónicos en Rn ) Sea n ∈ N. En el espacio Rn se denomina k-ésimo vector canónico, k ∈ In , al
vector
ek = (δik ) ∈ Mn×1 (R) = Rn , (6.54)
es decir al vector que tiene 1 en la posición k y ceros en las demás posiciones. Entonces, en R5 los vectores canónicos
son
 1   0   0   0   0 
         
 0   1   0   0   0 
e1 =  0  , e2 =  0  , e3 =  1  , e4 =  0  , e5 =  0  .
  
   
   
    
 0   0   0   1   0 
         
0 0 0 0 1
Recordemos que en R3 los vectores canónicos tienen una notación especial:
     
 1   0   0 
i = e1 =  0  , j = e2 =  1  , k = e3 =  0  .
     
0 0 1
     
Ejemplo 6.10 (Polinomios canónicos) Sea Ω ⊆ R. En el espacio P(Ω) se denomina k-ésimo polinomio canónico, k ∈
N ∪ {0}, a:
η0 : Ω −→ R ηk : Ω −→ R
x 7−→ η0 (x) = 1 x 7−→ ηk (x) = xk
Ejemplo 6.11 (Vectores canónicos en Mm×n (K)) Sean m, n ∈ N. En el espacio Mm×n (K) se denomina kl-ésimo vector
canónico, k, l ∈ In , al vector
Ek,l = (ei j ) ∈ Mm×n (K), (6.55)
donde 
1,
 si i = k ∧ j = l,
ei j = 

(6.56)
0,
 si i , k ∨ j , l.
Entonces, en M3×2 (K) los vectores canónicos son
           
1 0 0 1 0 0 0 0 0 0 0 0
E1,1 = 0 0 , E1,2 = 0 0 , E2,1 = 1 0 , E2,2 = 0 1 , E3,1 = 0 0 , E3,2 = 0 0 .
         
00 00 0 0 0 0 1 0 0 1
           
Definición 6.4 (Combinación lineal) Sea (V, +, ·) un espacio vectorial sobre K. Se dice que u ∈ V es combina-
ción lineal de los vectores v1 , v2 , ..., vn ∈ V si existen coeficientes α1 , α2 , ..., αn ∈ K de manera que
u = α1 v1 + α2 v2 + ... + αn vn . (6.57)
El término base utilizado en los Ejemplos 6.12, 6.13, 6.14 y 6.15, que se presentan a continuación, será formalmente
justificado más adelante. En todo caso, tiene que ver con que cualquier vector del espacio vectorial se puede escribir en
términos de los vectores canónicos.
Ejemplo 6.12 (Expansión canónica en Rn ) Sea n ∈ N. Es claro que todo vector
 x1 
 
 x2 
u =  .  ∈ Rn , (6.58)
 .. 
 
xn
se puede expresar como expansión canónica, es decir que se lo puede escribir como una combinación lineal de los
vectores canónicos:
u = x1 e1 + x2 e2 + ... + xn en . (6.59)
De hecho (6.59) se puede reescribir con ayuda del producto escalar de Rn :

n
X
u= hu, ek i · ek . (6.60)
k=1
Al número xk , k ∈ In , se le denomina k-ésima coordenada de u en C(Rn ), la base canónica de Rn , donde
C(Rn ) = {e1 , e2 , ..., en }. (6.61)
Cuando no se genere confusión, se puede escribir simplemente C en lugar de C(Rn ).
Ejemplo 6.13 (Expansión canónica en P(Ω)) Sea Ω ⊆ R. Es claro que todo polinomio u ∈ P(Ω) se puede expresar como
expansión canónica, es decir que se lo puede escribir como una combinación lineal de los vectores canónicos. En efecto,
dado un polinomio de grado n ∈ N:
u : Ω −→ R
x 7−→ u(x) = a0 + a1 x1 + a2 x2 + ... + an xn
se tiene que:
u = a0 η0 + a1 η1 + a2 η2 + ... + an ηn . (6.62)
Cuando k ∈ In ∪ {0}, al número ak , se le denomina k-ésima coordenada de u en C(P(Ω)), la base canónica de P(Ω), donde
C(P(Ω)) = {ηk : k ∈ N ∪ {0} }. (6.63)
Para k ∈ N con k > n, la coordenada es nula:

ak = 0, k > n.
Cuando no se genere confusión, se puede escribir simplemente C en lugar de C(P(Ω)).
Ejemplo 6.14 (Expansión canónica en Pn (Ω)) Sean n ∈ N y Ω ⊆ R. Es claro que todo polinomio u ∈ Pn (Ω) se pue-
de expresar como expansión canónica, es decir que se lo puede escribir como una combinación lineal de los vectores
canónicos. En efecto, dado
u : Ω −→ R
x 7−→ u(x) = a0 + a1 x1 + a2 x2 + ... + an xn
se tiene que:
u = a0 η0 + a1 η1 + a2 η2 + ... + an ηn . (6.64)
Al número ak , k ∈ In ∪ {0}, se le denomina k-ésima coordenada de u en C(Pn (Ω)), la base canónica de Pn (Ω), donde
C(Pn (Ω)) = {ηk : k ∈ In ∪ {0} }. (6.65)
Cuando no se genere confusión, se puede escribir simplemente C en lugar de C(Pn (Ω)). Finalmente, señalemos que se
denomina isomorfismo canónico a la función
Φ : Pn (Ω) −→ Rn+1
u 7−→ [u]C
donde, al polinomio determinado por la fórmula
u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,
le corresponde el vector de coordenadas en la base canónica
 a0 
 
 a 
 1 
[u]C =  a2  ∈ Rn+1 ,
 
 . 
 .. 
 
an
es decir, es el vector columna donde ordenadamente se colocan los coeficientes del polinomio o, equivalentemente, las
coordenadas del polinomio en la base canónica.
Ejemplo 6.15 (Expansión canónica en Mm×n (K)) Sean m, n ∈ N. Todo vector
A = (ai j ) ∈ Mm×n (K) (6.66)
se puede expresar como expansión canónica, es decir que se lo puede escribir como una combinación lineal de los vectores
canónicos:
X m X n
A= ai j Ei j . (6.67)
i=1 j=1
Al número ai j , para i, j ∈ In , se le denomina i − j.ésima coordenada de u en C(Mm×n (K)), la base canónica de Mm×n (K),
donde n o
C(Mm×n (K)) = Ei j : i, j ∈ In . (6.68)
Cuando no se genere confusión, se puede escribir simplemente C en lugar de C(Mm×n (K)). Finalmente, señalemos que
se denomina isomorfismo canónico a la función
Φ : Mm×n (K) −→ Rm×n

A 7−→ [A]C
donde, a la matriz
 A(1) 
 
 A(2) 
A =  .  ∈ Mm×n (K),
 .. 
 
A(m)
 t 
 A(1) 
 t 
 A(2) 
[u]C =  .  ∈ Rm×n ,
 .. 
 t 
A(m)
es decir es el vector columna donde ordenadamente se colocan las transpuestas de las m filas de la matriz.
El siguiente ejemplo muestra el mecanismo para determinar cuando un vector se puede escribir como combinación
lineal de otros vectores.
Ejemplo 6.16 Sea Ω ⊆ R. En el espacio vectorial P2 (Ω) consideramos los vectores
p1 : Ω −→ R p2 : Ω −→ R
x 7−→ p1 (x) = 1 + 2x2 x 7−→ p2 (x) = 2 + x + x2
Nos preguntamos si el polinomio
q : Ω −→ R
x 7−→ q(x) = 1 + x − x2
se puede escribir o no como combinación lineal de los vectores p1 y p2 .
Para que q sea combinación lineal de p1 y p2 deben existir coeficientes α1 , α2 ∈ R de manera que
q = α1 p1 + α2 p2 ,
es decir que para x ∈ Ω:

q(x) = α1 p1 (x) + α2 p2 (x),
es decir
1 + x − x2 = α1 (1 + 2x2 ) + α2 (2 + x + x2 ). (6.69)
Puesto que dos polinomios son iguales cuando todos sus coeficientes coinciden, (6.69) entrega el siguiente sistema de
ecuaciones:
x0 : 1 = 1 · α1 + 2 · α2 , (6.70)
x : 1 = 0 · α1 + 1 · α2 ,
1
(6.71)
x : −1 = 2 · α1 + 1 · α2 ,
2
(6.72)
de donde se obtiene
α1 = −1, α2 = 1,
de manera que, efectivamente, q es combinación lineal de los polinomios p1 y p2 :
q = −1 · p1 + 1 · p2 .
Es importante señalar que el sistema anterior se puede escribir como ecuación matricial
Aα = b,
donde    
1 2  1 
α1
!
A = 0 1 , α= , b =  1  ,
   
α2
2 1 −1
   
y la matriz ampliada asociada al sistema (6.70)-(6.71)-(6.72) es

 
 1 2 1 
 0 1 1  .
 
2 1 −1
Observación 6.7 En el Ejemplo 6.16 obsérvese que

A = p1 C p2 C ,

es decir la matriz A está formada por las columnas p1 C y p2 C . Por otro lado,
b = q C,

es decir el vector de términos independientes es q C . Finalmente, el vector de incógnitas α está formado por los coefi-

cientes de p1 y p2 en la combinación lineal
q = α1 p1 + α2 p2 .
Observación 6.8 El contenido de la Observación 6.7 se puede generalizar. En efecto, cuando se trata de verificar si un
vector u ∈ V se puede escribir
u = α1 v1 + α2 v2 + ... + αk vk , (6.73)
es decir como combinación lineal de los vectores v1 , v2 , ..., vk ∈ V, se debe estudiar un sistema de ecuaciones lineales que
en forma matricial se escribe
Aα = b, (6.74)
donde
 α1 
 
 α 
 2
A = [v1 ]C [v2 ]C . . . [vk ]C , α =  .  , b = [u]C . (6.75)
 .. 
αk
 
i) Cuando el sistema (6.74) es inconsistente quiere decir que la combinación lineal (6.73) no es posible.
ii) Cuando el sistema (6.74) es determinado quiere decir que la combinación lineal (6.73) es posible y que existe una única
elección de coeficientes αi , i ∈ Ik .
i) Cuando el sistema (6.74) es indeterminado quiere decir que la combinación lineal (6.73) es posible y que existen infinitas
elecciones de coeficientes αi , i ∈ Ik .
Ejemplo 6.17 Sea Ω ⊆ R. En el espacio vectorial P2 (Ω) consideramos los vectores
p1 : Ω −→ R p2 : Ω −→ R
x 7−→ p1 (x) = 1 + 2x 2
x 7−→ p2 (x) = 2 + x + x2
Usemos la Observación 6.8 para analizar si el polinomio
r : Ω −→ R
x 7−→ r(x) = 1 + x + 5x2
se puede escribir como combinación lineal de los vectores p1 y p2 , es decir nos preguntamos si es posible hallar coefi-
cientes α1 , α2 ∈ R tales que
r = α1 p1 + α2 p2 . (6.76)
Tenemos que:
  F1 ← F1 + ((−2)) · F2    
 1 2 1  F3 ← F3 + ((−1)) · F2  1 0 −1  F3 ← F3 + ((−2)) · F1  1 0 −1 
 0 1 1  −−−−−−−−−−−−−−−−−−−−−→  0 1 1  −−−−−−−−−−−−−−−−−−−−−→  0 1 1 
     
215 20 4 00 6
de manera que el sistema es inconsistente y la combinación lineal (6.76) no es posible.
Ejemplo 6.18 En el espacio M2 (R) consideramos los vectores

! ! ! !
2 6 0 −2 −2 −6 2 8
D1 = , D2 = , D3 = , D4 = .
5 −4 −3 3 −5 4 8 −7
Nos interesa saber si la matriz !

−2 −10
G=
−11 10
se puede escribir como combinación lineal de D1 , D2 , D3 , D4 , es decir nos preguntamos si es posible hallar coeficientes
α1 , α2 , α3 , α4 ∈ R tales que
G = α 1 D1 + α 2 D2 + α 3 D3 + α 4 D4 . (6.77)
Tenemos que
E1
.
 . 
 2 0 −2 2 −2  .  1 0 −1 1 −1 
 
 6 −2 −6 8 −10  El  0 1 0 −1 2 
 5 −3 −5 8 −11  −−−→  0 0 0 0 0 
   
   
−4 3 4 −7 10 00 0 0 0
de manera que el sistema es indeterminado y la combinación lineal (6.77) es posible en tanto que se cumplan las condi-
ciones
α1 − α3 + α4 = −1,
α2 − α4 = 2. (6.78)
Por ejemplo, podrı́amos elegir α3 = 0 y α4 = 0, que implican que α1 = −1 y α2 = 2. En este caso se tendrı́a
G = −D1 + 2D2 .
También podrı́amos elegir α3 = 1 y α4 = 1, que implican que α1 = −1 y α2 = 3. En este caso se tendrı́a

6.4 Cápsula o espacio generado 139
G = −D1 + 3D2 + D3 + D4 .
6.4. Cápsula o espacio generado
Definimos a continuación el concepto de cápsula o espacio generado por un subconjunto de un espacio vectorial.
Definición 6.5 (Cápsula o espacio generado) Sean (V, +, ·) un espacio vectorial sobre el cuerpo K y S ⊆ V,
S , ∅. Se denomina cápsula de S o espacio generado por S , denotado < S >, al subconjunto de V cuyos elementos
son combinaciones lineales de elementos de S , es decir
k
 
 X 
< S >=  = α α , = ..., .
 
u v ∈ V : ∈ v ∈ S i 1, k (6.79)
 
 i i i K, i 

 
i=1
Teorema 6.3 (Cápsula como s.e.v.) Sean (V, +, ·) un espacio vectorial sobre el cuerpo K y S ⊆ V, S , ∅. Enton-
ces < S > es un s.e.v. de V.
Demostración. Tomamos elementos genéricos λ ∈ K y u, w ∈< S >. Por definición de < S > los vectores u y V se pueden
escribir como
Xk r
X
u= αi vi , w = βi wi ,
i=1 i=1
donde k, r ∈ N y
∀i ∈ Ik : αi ∈ K ∧ v i ∈ S ;
∀i ∈ Ir : βi ∈ K ∧ wi ∈ S . (6.80)
En este caso
λu + v = (λα1 )v1 + (λα2 )v2 + ... + (λαk )vk + β1 w1 + β2 w2 + ... + βr wr
de manera que λu + v también es una combinación lineal de elementos de S , es decir λu + v ∈< S >. Puesto que λ, u, v
fueron elegidos arbitrariamente, se ha probado que
∀λ ∈ K, ∀u, v ∈< S >: λu + v ∈< S >,
es decir que < S > es un s.e.v. de V.
t
u
Teorema 6.4 (Minimalidad de la cápsula) Sean (V, +, ·) un espacio vectorial sobre el cuerpo K y S ⊆ V, S , ∅.
Se tiene que < S > resulta de intersecar todos los s.e.v. de V que contienen a S , es decir
\
< S >= W, (6.81)
W∈V(S )
donde
V(S ) = {W ⊆ V : W ⊇ S ∧ W es s.e.v. de V} . (6.82)
Demostración. Denotemos \
G= W.
W∈V(S )
Puesto que S ⊆< S > y < S > es un s.e.v. de V, se tiene que
< S >∈ V(S ). (6.83)

i) Probemos que
G ⊆< S > . (6.84)
Por la definición de G se tiene que
∀W0 ∈ V(S ) : G ⊆ W0 .
Por tanto, por (6.83), tomamos W0 =< S > obteniéndose (6.84).
ii) Probemos que
< S >⊆ G. (6.85)
Tomamos W ∈ V(S ), genérico. Tomamos u ∈< S >, genérico. Se tiene que
k
X
u= αi vi ,
i=1
donde
∀i ∈ Ik : αi ∈ K, vi ∈ S ⊆ W,
lo que implica que u ∈ W pues W es espacio vectorial. Puesto que u fue elegido arbitrariamente se ha probado que
∀u ∈< S >: u ∈ W,
de manera que
< S >⊆ W.
Puesto que W fue elegido arbitrariamente, se ha probado que
∀W ∈ V(S ) : < S >⊆ W. (6.86)
Por (6.86) se sigue que \

< S >⊆ W,
W∈V(S )
es decir tenemos (6.85).
Por (6.84) y (6.85) se concluye (6.81).
t
u
Observación 6.9 El Teorema (6.4) establece que < S > es el s.e.v. más pequeño que contiene a S .
Observación 6.10 Tenga presente que si S genera al espacio vectorial V entonces S ∪ M también genera a M, para
cualquier M ⊆ V. En particular, S ∪ {v0 } genera a V, para cualquier vector v0 ∈ V.
Ejemplo 6.19 En el espacio P3 (R) hallemos el espacio generado por S = {p1 , p2 , p3 } donde, para x ∈ R,
p1 (x) = 1 + x,
p2 (x) = 1 + x2 ,
p3 (x) = 1 + x3 .
Tomamos un elemento genérico u ∈< S >:
u(x) = a + bx + cx2 + dx3 , x ∈ R.
Existen coeficientes α1 , α2 , α3 ∈ R tales que
u = α1 p1 + α2 p2 + α3 p3 , (6.87)
de manera que
a + bx + cx2 + dx3 = α1 (1 + x) + α2 (1 + x2 ) + α3 (1 + x3 ). (6.88)
6.4 Cápsula o espacio generado 141
ecuaciones:
x 0 : a = 1 · α1 + 1 · α2 + 1 · α3 , (6.89)
x : b = 1 · α1 + 0 · α2 + 0 · α3 ,
1
(6.90)
x : c = 0 · α1 + 1 · α2 + 0 · α3 ,
2
(6.91)
x 3 : d = 0 · α1 + 0 · α2 + 1 · α3 . (6.92)
El sistema se puede escribir como ecuación matricial
Aα = b,
donde
1 1 1  a 
   
 α1 
 
1 0 0
  b 
A =  , α =  α2  , b =   .
 
0 1 0  c 
α3
 
0 0 1 d
Se tiene que
F1 ← F1 + ((−1)) · F2
 F1 ← F1 + ((−1)) · F3 
1 1 1 a  0 0 0 a − b − c − d 
 
 1 0 0 b  F1 ← F1 + ((−1)) · F4  1 0 0
 
  −−−−−−−−−−−−−−−−−−−−−→  b 

 0 1 0 c   0 1 0
 c 

001d 001 d
Por tanto, para que exista la combinación lineal (6.87), debe cumplirse la relación constitutiva:
a − b − c − d = 0.
Concluimos que el s.e.v. buscado es

n o
< S >= p ∈ P3 (R) : p(x) = a + bx1 + cx2 + dx3 , x ∈ R ∧ a−b−c−d = 0 .
Observación 6.11 En el Ejemplo 6.19 obsérvese que

A = p1 C p2 C p3 C ,

es decir la matriz A está formada por las columnas p1 C , p2 C y p3 C . Por otro lado,
b = [u]C ,
es decir el vector de términos independientes es [u]C , un vector con componentes indeterminados. Finalmente, el vector
de incógnitas α está formado por los coeficientes de p1 , p2 y p3 en la combinación lineal
u = α1 p1 + α2 p2 + α3 p3 .
Observación 6.12 El contenido de la Observación 6.11 se puede generalizar. En efecto, cuando se busca la cápsula de
un conjunto
S = {v1 , v2 , ..., vk } , (6.93)
se trata de encontrar la estructura de un vector genérico u ∈< S >, que, por tanto, debe ser una combinación lineal de
los vectores v1 , v2 , ..., vk ∈ S :
u = α1 v1 + α2 v2 + ... + αk vk . (6.94)
Se debe estudiar un sistema de ecuaciones lineales que en forma matricial se escribe
Aα = b, (6.95)
donde
 α1 
 
 α 
 2
A = [v1 ]C [v2 ]C . . . [vk ]C , α =  .  , b = [u]C , (6.96)
 .. 
αk
 
teniendo presente que el vector b tendrá componentes indeterminados. Al resolver el sistema por el Método de Gauss se
encuentran relaciones constitutivas.
Ejemplo 6.20 En el espacio M2 (R) buscamos el s.e.v. generado por el conjunto S = {D1 , D2 , D3 , D4 }, donde
! ! ! !
2 6 0 −2 −2 −6 2 8
D1 = , D2 = , D3 = , D4 = .
5 −4 −3 3 −5 4 8 −7
Tomamos un vector genérico !

ab
U= ∈< S >,
cd
de manera que deben existir coeficientes α1 , α2 , α3 , α4 ∈ R tales que
U = α 1 D1 + α 2 D2 + α 3 D3 + α 4 D4 . (6.97)
Tenemos que
E1
.
 . 
 2 0 −2 2 a  .  1 0 −1 1 a/2
 

 6 −2 −6 8 b  El  0 1 0 −1 (3a − b)/2 
  −−−→ 
 0 0 0 0 4a − 3b + 2c 

 5 −3 −5 8 c 
   
−4 3 4 −7 d 0 0 0 0 a − 2c − 2d
de manera que (6.97) tiene sentido si se cumplen las relaciones constitutivas
4a + 2c
4a − 3b + 2c = 0 ⇔ b = ,
3
a − 2c
a − 2c − 2d = 0 ⇔ d = . (6.98)
2
Entonces
4a + 2c
( ! )
ab a − 2c
< S >= U = ∈ M2 (R) : b= ∧d= .
cd 3 2

1) Sea B1 = {v1 , v2 , ..., vn } una base para el espacio vectorial V (sobre el cuerpo R). Para cada k ∈ {1, 2, ..., n}, se define el
vector
Xk
uk = vi . (6.99)
i=1
Pruebe que B2 = {u1 , u2 , ..., un } es una base de V.

Desarrollo. Puesto que B1 es base de V, se tiene que
B1 es linealmente independiente (6.100)
y
dim(V) = n. (6.101)
Puesto que #(B2 ) = n, por (6.101) nos basta probar que B2 es linealmente independiente para concluir que B2 es base
de V. Tomamos coeficientes α1 , α2 , ..., αn ∈ R tales que
α1 u1 + α2 u2 + ... + αn un = 0. (6.102)
Tenemos que probar que

α1 = α2 = ... = αn = 0. (6.103)
Por (6.102) y (6.99) se tiene que
α1 v1 + α2 (v1 + v2 ) + α3 (v1 + v2 + v3 ) + ... + αn (v2 + v2 + ... + vn ) = 0,
que, reordenando, equivale a:
(α1 + α2 + ... + αn )v1 + (α2 + ... + αn )v2 + (α3 + ... + αn )v3 + ... + αn vn = 0. (6.104)
Puesto que (6.104) es una combinación lineal nula, se sigue por (6.100) que:
α1 + α2 + α3 + ... + αn = 0,





α2 + α3 + ... + αn = 0,






α3 + ... + αn = 0,





.. ..
. .







α n−1 αn = 0,
+






αn = 0.


De donde claramente se sigue (6.103).

2) Pruebe que el conjunto

U0,1 = { f ∈ F ([0, 1]) : f (0) = 0 ∧ f (1) = 0}.
es un espacio vectorial.
Desarrollo. Puesto que el conjunto de las funciones reales con dominio [0, 1] y codominio R,
F ([0, 1]) = { f : [0, 1] → R},
es un espacio vectorial sobre el cuerpo R, basta con probar que U0,1 es un s.e.v. de F ([0, 1]).
Entonces tenemos que probar que
∀λ ∈ R, ∀ f, g ∈ U0,1 : λ f + g ∈ U0,1 . (6.105)
Tomamos f, g ∈ U0,1 y λ ∈ R, genéricos. Se tiene entonces que:
f (0) = 0, g(0) = 0, (6.106)

f (1) = 0, g(1) = 0. (6.107)
Gracias a (6.106), se tiene que
(λ f + g)(0) = (λ f )(0) + g(0) = λ f (0) + g(0) = 0. (6.108)
Asimismo, gracias a (6.107), se tiene que
(λ f + g)(1) = (λ f )(1) + g(1) = λ f (1) + g(1) = 0. (6.109)
Por (6.108) y (6.109) se tiene que λ f + g ∈ U0,1 . Puesto que λ, f, g fueron elegidos arbitrariamente, se ha probado
(6.105).
3) Sea (G, +) un grupo. Pruebe que existe un único elemento neutro aditivo.
Desarrollo. Puesto que (G, +) es un grupo, existe un neutro aditivo, es decir:
∃e ∈ G, ∀u ∈ G : e + u = u + e = u. (6.110)
Tenemos que probar que existe un único neutro aditivo. Para ello, razonamos por Reducción al Absurdo (Mayeútica),
es decir supongamos que existe otro neutro aditivo, o sea:
∃e0 ∈ G, ∀u ∈ G : e0 + u = u + e0 = u e0 , e.

∧ (6.111)
Puesto que e es neutro aditivo, se tiene que

e + e0 = e0 . (6.112)
Asimismo, puesto que e0 es neutro aditivo, se tiene que
e + e0 = e. (6.113)
Por (6.112) y (6.113) se sigue que

e0 = e,
que contradice (6.111). Por tanto la suposición de que existe otro neutro aditivo es falsa. Concluimos entonces que
∃!e ∈ G, ∀u ∈ G : e + u = u + e = u.
4) Sean (V, +, ·) un espacio vectorial y W1 , W2 subespacios vectoriales de V.

a) Pruebe que W1 ∩ W2 también es s.e.v. de V.
b) ¿Bajo qué condición W1 ∪ W2 es s.e.v. de V?
c) Pruebe que el siguiente conjunto es s.e.v. de V:
W1 + W2 = {u = w1 + w2 : w1 ∈ V ∧ w2 ∈ V}.
Desarrollo.
a) Tenemos que probar que W1 ∩ W2 es un s.e.v. de V, es decir que
∀λ ∈ K, ∀u, v ∈ W1 ∩ W2 : λu + v ∈ W1 ∩ W2 . (6.114)
Tomamos λ ∈ K y u, v ∈ W1 ∩ W2 , genéricos. Se tiene que
u, v ∈ W1 , (6.115)
u, v ∈ W2 , (6.116)
λ ∈ K. (6.117)
Puesto que W1 es s.e.v. de V, por (6.115) y (6.117) se sigue que
λu + v ∈ W1 . (6.118)
Puesto que W2 es s.e.v. de V, por (6.116) y (6.117) se sigue que
λu + v ∈ W2 . (6.119)

λu + v ∈ W1 ∩ W2 .
Debido a que λ, u, v fueron elegidos arbitrariamente, se ha probado (6.114).
b) Para garantizar que W1 ∪ W2 sea un s.e.v. de V se necesita que
W1 ⊆ W2 ∨ W2 ⊆ W1 ,
pues, en este caso, se tiene que

W1 ∪ W2 = W2 ∨ W1 ∪ W2 = W1 .
c) Obsérvese que W1 + W2 es el conjunto formado por los vectores que se pueden construir como la suma de un
elemento de W1 y un elemento de W2 . Tenemos que probar que W1 + W2 es s.e.v. de V, es decir que
∀λ ∈ K, ∀u, v ∈ W1 + W2 : λu + v ∈ W1 + W2 . (6.120)
Tomamos λ ∈ K y u, v ∈ W1 + W2 , genéricos.
Puesto que u ∈ W1 + W2 , existen w1 ∈ W1 y w2 ∈ W2 tales que
u = w1 + w2 . (6.121)
Puesto que v ∈ W1 + W2 , existen w3 ∈ W1 y w4 ∈ W2 tales que
v = w3 + w4 . (6.122)
Por (6.121) y (6.122) se tiene que
λu + v = λ(w1 + w2 ) + (w3 + w4 ) = (λw1 + w3 ) + (λw2 + w4 ), (6.123)
donde λw1 + w3 ∈ W1 (pues W1 es s.e.v.) y λw2 + w4 ∈ W2 (pues W2 es s.e.v.). Por (6.123) se sigue λu + v ∈ W1 + W2 .
Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (6.120), de manera que W1 + W2 es s.e.v. de V.
5) Considere los polinomios reales determinados por las fórmulas
p1 (x) = 1 + 6x2 , p2 (x) = 4x, p3 (x) = 1 + 3 + 5x2 .
Pruebe que < {p1 , p2 , p3 } >= P2 (R).

Desarrollo. Denotamos B = {p1 , p2 , p3 }. Tenemos que calcular la cápsula de B, es decir .
Tomamos u ∈, genérico:
u : R −→ R
x 7−→ u(x) = a + bx + cx2
Se tiene que
u = α1 p1 + α2 p2 + α3 p3 ,
donde los coeficientes α1 , α2 y α3 se determinan con el sistema de ecuaciones
Ar = [u]C ,
con
 α1 
     
 a  1 0 1
r =  α2  , [u]C =  b  , A = p1 C p2 C p3 C = 0 4 3 .
   
α3 c 605
     
Puesto que
1 0 1
det(A) = 0 4 3 = −4 , 0,

6 0 5
el sistema es determinado de manera que no se presentan condiciones para los coeficientes de u. Por tanto
= P2 (R).
Observación. Este ejercicio se resuelve con mayor facilidad usando el concepto de base. Véase el Ejercicio Resuelto
3) del Capı́tulo 7.
6) Analice si los siguientes conjuntos son espacios vectoriales

       

  x  
 
  x  1 2 x 

S1 =  3
= = 3
=
   
y ∈ : |x| |y| ; S y ∈ : det 2 −3 z 0 ;
       
 

 

 R 
 2 
 

 

 R 
 
 

4 5 y

 z  
 
 z    

  



  x  



 y 
 
S3 =  4
+ < + S 4 = f ∈ F (R) : f es impar .
 
∈ : x y z t ;

  R






 z
 


 




 t 
 

Desarrollo.
a) Para que S 1 sea s.e.v. de R3 , deberı́a cumplirse que
∀λ ∈ R, ∀u, v, ∈ S 1 : λu + v ∈ S 1 . (6.124)
Tomamos    
 1   1 
λ = 1, u =  1  , v =  −1  .
   
0 0
   
Es claro que u, v ∈ S 1 . Sin embargo, se tiene que

 
 1 
λu + v =  0  < S 1 .
 
0
 
Por tanto no se cumple (6.124) y se concluye que S 1 no es un s.e.v. de R3 .

b) Obsérvese que   

  x 

 
S2 =  3
+ = .
 
y ∈ : 22x 3y − 7z 0

 

 

 R 


 z  

Para que S 2 sea s.e.v. de R3 , deberı́a cumplirse que
∀λ ∈ R, ∀u, v, ∈ S 2 : λu + v ∈ S 2 . (6.125)
Tomamos elementos genéricos    

 x1   x2 
λ ∈ R, u =  y1  ∈ S 2 , u =  y2  ∈ S 2 .
   
z1 z2
   
Se tiene que
22x1 + 3y1 − 7z1 = 0 ∧ 22x2 + 3y2 − 7z2 = 0. (6.126)
Para el vector
 x3   λx1 + x2 
   
λu + v =  y3  =  λy1 + y2  ,
   
z3 λz1 + z2
   
se tiene, por (6.126), que
22x3 + 3y3 − 7z3 = 22(λx1 + x2 ) + 3(λy1 + y2 ) − 7(λz1 + z2 ) = λ(22x1 + 3y1 − 7z1 ) + (22x2 + 3y2 − 7z2 ) = 0.
Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (6.125).

c) Para que S 3 sea s.e.v. de R4 , deberı́a cumplirse que
∀λ ∈ R, ∀u, v, ∈ S 1 : λu + v ∈ S 4 . (6.127)
Tomamos
 −5   0 
   
 −5   0 
λ = −1, u =   , v =   .
 1   1 
1 1
Es claro que u, v ∈ S 3 . Sin embargo, se tiene que
 5 
 
 5 
λu + v =   < S 3 .
 0 
0
Por tanto, no se cumple (6.127) y se concluye que S 3 no es un s.e.v. de R4 .

d) Para que S 4 sea s.e.v. de F (R), deberı́a cumplirse que
∀λ ∈ R, ∀u, v, ∈ S 4 : λu + v ∈ S 4 . (6.128)
Tomamos λ ∈ R y f, g ∈ S 4 , genéricos. Se tiene que
∀x ∈ R : f (−x) = − f (x) ∧ g(−x) = −g(x). (6.129)
Usando (6.129), se tiene para x ∈ R genérico, que
(λ f + g)(−x) = (λ f )(−x) + g(−x)

= λ f (−x) + g(−x)
= −λ f (x) − g(x)
= −(λ f (x) + g(x))
= −(λ f + g)(x).
∀x ∈ R : (λ f + g)(−x) = −(λ f + g)(x),
es decir que λ f + g es impar y, por ello, λ f + g ∈ S 4 .

Puesto que λ, f, g fueron elegidos arbitrariamente, se ha probado (6.128).
7) Sea x0 ∈ R. Analice si el siguiente conjunto es espacio vectorial
V1 = {p ∈ P(R) : p tiene una raı́z en x0 } .
Desarrollo. Obsérvese que

V1 = {p ∈ P(R) : p(x0 ) = 0}.
Probemos que V1 es un s.e.v. de P(R), es decir que
∀λ ∈ R, ∀u, v ∈ V1 : λu + v ∈ V1 . (6.130)
Tomamos λ ∈ R y u, v ∈ V1 , genéricos. Se tiene que u(x0 ) = 0 y v(x0 ) = 0, de manera que
(λu + v)(x0 ) = λ u(x0 ) + v(x0 ) = 0.
Por tanto λu + v ∈ V1 . Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (6.130).

8) Pruebe que el conjunto

U = { f ∈ F (R) : f es par}
es un espacio vectorial.
Desarrollo. Para mostrar que U es espacio vectorial, basta mostrar que es un s.e.v. de F , es decir que
∀λ ∈ R, ∀ f, g ∈ F (R) : λ f + g ∈ U. (6.131)
Tomamos elementos genéricos λ ∈ R, f, g ∈ U de manera que
∀x ∈ R : f (x) = f (−x) ∧ g(x) = g(−x). (6.132)
Usando (6.132), se tiene, para x ∈ R genérico, que que
(λ f + g)(−x) = (λ f )(−x) + g(−x)

= λ f (−x) + g(−x)
= λ f (x) + g(x)
= (λ f )(x) + g(x)
= (λ f + g)(x),
de manera que
∀x ∈ R : (λ f + g)(−x) = (λ f + g)(x),
es decir que la función λ f + g es par y, por ello, λ f + g ∈ U. Puesto que λ, f, g fueron elegidas arbitrariamente, se ha
probado (6.131), es decir que U es un s.e.v. de F (R).
1) En los siguientes casos indique si el conjunto V es un espacio vectorial tomando como conjunto de escalares a K. En
caso de no ser espacio vectorial señale al menos una propiedad de la Definición 6.2 que no se cumple.
a) V = N, K = N con las operaciones habituales de suma y multiplicación;
b) V = Z, K = N con las operaciones habituales de suma y multiplicación;
c) V = {A ∈ Mn (R) : A es diagonal}, K = R, donde la suma se detemina por A ⊕ B = AB.
  

  x 

 
d) V =  , K = R.
 3

x ∈ : x ∈

 

 

 R R 


 x  

( ! )
0a
e) V = : a, b ∈ R , K = R.
b0
2) Sean n ∈ N y V = Pn (R). Determine si el conjunto Vk es un s.e.v. de V.
V1 = {p ∈ Pn (R) : p(x) = a1 x + a2 x2 + ... + an xn };

V2 = {p ∈ Pn (R) : p(x) = a0 + a1 x + a2 x2 + ... + an xn ∧ a0 > 0};
V3 = {p ∈ Pn (R) : p(x) = a0 + a1 x + a2 x2 + ... + an xn ∧ a0 < 0}.
3) Sea n ∈ N. Siguiendo los pasos del Ejemplo 6.1, defina una operación interna y una operación externa para que el
conjunto
 
 x1 
 


 


x

   

  2 
K = = = ..., .
n
  
.
 
u : x ∈ k 1, 2, n (6.133)
   
K,
. k
 
 . 
 

 

 



 



   

 xn 
se constituya en espacio vectorial al trabajar con el cuerpo de números K. Pruebe este hecho tomando como modelo
la demostración presentada en el Ejemplo 6.3.
4) Sea V = F (R). Determine si el conjunto Uk es s.e.v. de V:
U1 = {g ∈ F (R) : g(0) = 0 ∧ g(1) = 0};

U2 = {g ∈ F (R) : g(0) = 0 ∧ g(1) = −1};
U3 = {g ∈ F (R) : 2 g(0) − g(1) = 0}.
5) Determine si el conjunto W es un s.e.v. del espacio vectorial U.

( ! ) ( ! )
x x
U =R ,W =
2
∈R : x=3 ;
2
U =R ,W =
2 2
∈R : y≥0 ;
y y
( ! ) ( ! )
x x
U = R2 , W = ∈ R2 : x = y ; U = R2 , W = ∈ R2 : y = 2x ;
y y
  
 x   ( ! )
  x
U = R3 , W =   y  ∈ R3 : z = 0 U =R ,W =
2
∈ R : x +y ≤ 1 ;
2 2 2
 
;
  


 z 
 
 


 y
U = Mm×n (R), W = A ∈ Mm×n (R) : A es diagonal ; U = R, W = Q;

( ! )
x
U = R2 , W = ∈ R2 : x2 + y3 < ; U = C, W = R;
y
U = Mm×n (R), W = A ∈ Mm×n (R) : A es triangular superior ; U = Mm×n (R), W = {A ∈ Mm×n (R) : A es simétrica} .

6) Determine si el conjunto W es un s.e.v. del espacio vectorial U.

( ! ) ( ! )
0 a a b
U = M2 (R), W = : a∈R ; U = M2 (R), W = : a, b, c ∈ R ;
−a 0 −b c
a+2 a−2
( ! ) ( ) !
a a−1
U = M2 (R), W = : a∈R ; U = M2 (R), W = : a∈R ;
0 0 0 0
U = P4 (R), W = {p ∈ P4 (R) : grad(p) = 4}; U = P4 (R), W = {p ∈ P4 (R) : p(0) = 0 ∧ p0 (0) = 0}.
7) Sea A ∈ Mm×n (R). Pruebe que
W = v ∈ Rn : Av = 0

es un s.e.v. de Rn .   


  x1  


x

   

 2 
   
8) Sean a1 , a2 , ..., an ∈ R. Pruebe que el hiperplano H =   ..  ∈ R : k=1 ak xk = 0
   n

n P 
es un s.e.v. de Rn .
.

  


 

  
 


 x 
 


n
9) Halle la cápsula de S k en R : 2
( ! !) ( ! ! !)
2 10 2 10 10
S1 = , ; S2 = , , ;
10 8 10 50 8
( ! !) ( ! ! !)
1 2 3 1 −9
S3 = , ; S4 = , , .
−3 −6 −4 −4/3 12
10) Halle el espacio generado por S k en R3 :
           

  1   −1   5    0   0   −1 
      
     
S1 =   2  ,  2  ,  2  S2 =   5  ,  −1  ,  −1 
   
; ;
 

 3   3   3 
 
 
 1   3   5 
 

           

  1   0 
 
  2   3   1   7 
       
S3 =  , =  0  ,  1  ,  1  ,  3 
   
1 1 ; S ;
    
 
 
 
 

 4 

 
 1   −7 
    1   2   1   5 
 

           

  −7   14   7   35   
  4   −8 
          
S5 =  , , , =  4  ,  −8  .
   
−6 −6 0 18 ; S
 
 

 

 

 

 

 

 

 

 6 
 
 9 18 3 −21   −6 12 
             
11) Halle la cápsula de S en P2 (R):
S = {p1 , p2 } , donde: p1 (x) = 1 − x, p2 (x) = 3 − x2 ;

S = {p1 , p2 , p3 } , donde: p1 (x) = 1 − x, p2 (x) = 3 − x2 , p3 (x) = x;
S = {p1 , p2 } , donde: p1 (x) = x2 + 1, p2 (x) = x + 6;
S = {p1 , p2 , p3 } , donde: p1 (x) = −12x + 5x2 , p2 (x) = −9 − 27x + 8x2 , p3 (x) = −3 − 5x + x2 ;
S = {p1 , p2 , p3 , p4 } , donde: p1 (x) = 1 − x, p2 (x) = 3 − 3x2 , p3 (x) = x, p4 (x) = −2x.
12) Halle el espacio generado por S en M2 (R):

( ! ! ! !) ( ! ! ! !)
2 1 0 0 3 −1 0 0 1 0 1 2 4 −1 −2 5
S= , , , ; S= , , , ;
00 21 0 0 31 10 00 3 0 6 0
( ! ! ! !) ( ! ! ! !)
−6 3 9 12 −23 25 −1 6 10 12 4 −1 −2 5
S= , , , ; S= , , , ;
9 12 −18 6 25 −56 0 −6 10 00 3 0 6 0
( ! ! !) ( ! ! ! ! !)
−6 3 9 12 −23 25 7 0 1 2 4 −1 2 4 14 0
S= , , ; S= , , , , .
9 12 −18 6 25 −56 10 00 3 0 00 2 0
13) Sean a, b ∈ R. Pruebe que el conjunto Ua,b = { f ∈ F ([a, b]) : f (a) = 0 ∧ f (b) = 0} es un espacio vectorial.
14) Sean ai , bi ∈ R, i = 1, 2, 3. Analice si los siguientes conjuntos son s.e.v. de R3 :
 a1 t + b1 
       

 
 
  a1 t  

V1 =  =  a2 t + b2  : t ∈ R , V2 = u =  a2 t  : t ∈ R .
   
u
  

a t+b

   
 
   

a t
       
3 3 3
Geométricamente, ¿qué representan los conjuntos V1 y V2 ?

15) Considere los conjuntos
( ! )
ab
W1 = ∈ M2 (C) : −3a + 4b + d = 0 ∧ 3a − 4b = 0 ,
cd
( ! )
ab
W2 = ∈ M2 (C) : −3a + 4b + d = 0 ∨ 3a − 4b = 0
cd
a) Pruebe que W1 es un s.e.v. de M2 (C).

b) Pruebe que W2 no es un s.e.v. de M2 (C).
16) Considere los polinomios determinados por las fórmulas
p1 (x) = −2 − 12x2 , p2 (x) = −2x, p3 (x) = 1 + 3 + 5x2 .
Pruebe que < {p1 , p2 , p3 } >= P2 (R).

17) Considere
W = {p ∈ P(R) : p(x) = a0 + a1 x + a2 x2 ∧ p0 (1) = 0}.
a) Pruebe que W es un subespacio vectorial de P2 (R).
b) Considere q : R → R determinada por la fórmula q(x) = x2 − 2x + 1. Determine si q ∈ W.
18) Analice si los siguientes conjuntos son espacios vectoriales
  
x 
 1 

 

S1 =  3
=
 
x ∈ : |x | − |x | 0 ;

 

 2
 R 1 2 


 x  

3
    

 
 x 
 −3 5 x 

S2 =  3
=
   
y ∈ : det 1 −4 z 0 ;
    
 

 

 R 






 

2 2 y

 z    

  


 
 x  



 y 
 

S3 =  4
+ < +

∈ : x z y t ;
 

 
 R






 z
 


 




 t 
 

S 4 = f ∈ F (R) : f es par ;

S 5 = { f ∈ F (R) : f es decreciente} ;
S 6 = { f ∈ F (R) : f es estrictamente creciente} .
     



  1   0   1  


 −1   2   0 

19) Sea S =  , ,
 
⊆ R4 . Halle el subespacio vectorial generado por S .

     







 0 






 −1 






 1 







 1   2   0 
 

1) Sea (H, ⊕) un grupo.

a) Pruebe que existe un único elemento neutro aditivo.
b) Dado v ∈ H, pruebe que existe un único inverso aditivo de v.
2) Sean (U, +, ·) un espacio vectorial y V1 , V2 subespacios vectoriales de V.
a) Pruebe que V1 ∩ V2 también es s.e.v. de U.
b) ¿Bajo qué condición V1 ∪ V2 es s.e.v. de U?
c) Pruebe que el siguiente conjunto es s.e.v. de U:
V1 + V2 = {u = v1 + v2 : v1 ∈ V ∧ v2 ∈ V}.
3) Sean n ∈ N y Ω ⊆ R.
a) Pruebe que el conjunto
Pn (Ω) = {p ∈ P(Ω) : grad(p) ≤ n} (6.134)
es s.e.v. tanto de P(Ω) como de F (Ω).
b) Pruebe que
∀k ∈ N : Pk (Ω) ⊆ Pk+1 (Ω). (6.135)
4) Sea p ∈ P2 (R) tal que

p(x) = x2 + 1, x ∈ R.
Pruebe que el conjunto S = {p, p0 , p00 }
genera a P2 (R).
5) Sea t0 ∈ R. Analice si los siguientes conjuntos son espacios vectoriales
U1 = {u ∈ P(R) : u tiene una raı́z en t0 } ; (6.136)

U2 = u ∈ P(R) : u tiene una raı́z simple en t0 .

(6.137)
1) Sean I un conjunto no-vacı́o y (V, +, ·) un espacio vectorial. Suponga que
∀α ∈ I : Wα es un s.e.v. de V.
a) Pruebe que \
W= Wα , ∅. (6.138)
α∈I
b) Pruebe que W es s.e.v. de V.

2) Halle matrices invertibles D1 , D2 , D3 , D4 ∈ M2 (R) tales que M2 (R) =< {D1 , D2 , D3 , D4 } >.
3) Pruebe que una función cuadrática junto con su derivada y su segunda derivada generan el espacio P2 (R). Escriba un
elemento génerico de P2 (R) como combinación lineal de los tres vectores mencionados.
4) Sean a, b ∈ R con a < b. Considere el conjunto
Λ+a,b = { f ∈ F (R) : ∀x ∈ [a, b] : f (x) > 0} . (6.139)
Pruebe que (Λ+a,b , ⊕, ) es un espacio vectorial sobre el campo R, donde
⊕ : Λ+a,b × Λ+a,b −→ Λ+a,b : R × Λ+a,b −→ Λ+a,b

( f, g) 7−→ f ⊕ g = f g. (λ, f ) 7−→ λ f = f λ .
Capı́tulo 7
Bases y dimensión de un espacio vectorial

Roger Bacon
7.1. Independencia lineal
Dados dos vectores no-nulos u y v en R3 se dice que son colineales si se los puede representar sobre la misma recta.
Esto quiere decir que existe algún factor α ∈ R tal que
u = αv. (7.1)
Asimismo, dados tres vectores no-nulos u, v y w se dice que son coplanares si se los puede representar sobre un mismo
plano. Esto quiere decir que existen factores α, β ∈ R tales que
u = αv + βw. (7.2)
¿Qué tienen en común los conceptos de colinealidad y coplanaridad? Como se puede ver en (7.1) y (7.2), uno de los
vectores se puede escribir como combinación lineal de los restantes. Lo antedicho permite generalizar los conceptos de
colinealidad y coplanaridad hacia el concepto de dependencia lineal (véase la Observación 7.2).
Definición 7.1 (Independencia lineal finita) Sea V un espacio vectorial sobre el cuerpo K. Se dice que un
conjunto finito B = {u1 , u2 , ..., un } ⊆ V es linealmente independiente (abreviado l.i.) si ninguno de los vectores
de B se puede escribir como combinación lineal de los demás, es decir si se cumple que
 α1 
 
 α  n
 2 X
∀α =  .  ∈ Kn : αk uk = 0 ⇒ α = 0. (7.3)
 ..  k=1
αn
 
Si B ⊆ V no es linealmente independiente, se dice que es linealmente dependiente (abreviado l.d.).
Observación 7.1 La relación (7.3) suele expresarse como

n
X
∀α1 , α2 , ..., αn ∈ K : αk uk = 0 ⇒ α1 = α2 = ... = αn = 0. (7.4)
k=1
Observación 7.2 En el marco de la Definición 7.1, el conjunto B es l.d. si se cumple que
 α1 
 
 α2  n
X
∃α =  .  ∈ Kn \ {0} : αk uk = 0,
 ..  k=1
αn
 
lo que quiere decir que existe un k ∈ In tal que αk , 0 de manera que

158 7 Bases y dimensión de un espacio vectorial
α1 α2 αk−1 αk+1 αn
uk = − u1 − u2 − ... − − uk−1 − uk+1 − ... − un , (7.5)
αk αk αk αk αk
o sea que uk se puede expresar como combinación lineal de los demás elementos de B.
Observación 7.3 Cuando se quiere analizar si un conjunto B = {u1 , u2 , ..., un } es l.i. o l.d. se debe escribir la combinación
lineal nula
X n
αk u k = 0 (7.6)
k=1
que, entonces, equivale a un sistema homogéneo de ecuaciones lineales
Aα = 0, (7.7)
donde
 α1 
 
 α2 
A = [u1 ]C [u2 ]C . . . [un ]C , α =  .  . (7.8)
 .. 
αn
 
i) Si el sistema (7.7) es determinado, entonces el conjunto B es l.i.

ii) Si el sistema (7.7) es indeterminado, entonces el conjunto B es l.d.
Definición 7.2 (Independencia lineal general) Sea V un espacio vectorial sobre el cuerpo K. Se dice que un
conjunto B ⊆ V es linealmente independiente si todo subconjunto finito de B es linealmente independiente. Caso
contrario, se dice que B es linealmente dependiente.
Observación 7.4 Los siguientes puntos son bastante útiles:
a) Si un conjunto contiene vector 0, es l.d.

b) Un conjunto que contiene a un subconjunto l.d., también es l.d.
c) Un subconjunto de un conjunto l.i., también es l.i.
Ejemplo 7.1 En el espacio vectorial P3 (R), analicemos si es l.i. o l.d. el conjunto B = {p1 , p2 , p3 }, donde
p1 (x) = 1 + x2 , p2 (x) = 2x, p3 (x) = 2, x ∈ R.
Consideramos la combinación lineal nula

α1 p1 + α2 p2 + α3 p3 = 0,
es decir
α1 p1 (x) + α2 p2 (x) + α3 p3 (x) = 0, x ∈ R,
o sea
α1 · (1 + x2 ) + α2 · (2x) + α3 · (2) = 0. (7.9)
ecuaciones:
x0 : 0 = 1 · α1 + 0 · α2 + 2 · α3 , (7.10)
x1 : 0 = 0 · α1 + 2 · α2 + 0 · α3 , (7.11)
x : 0 = 1 · α1 + 0 · α2 + 0 · α3 ,
2
(7.12)
x : 0 = 0 · α1 + 0 · α2 + 0 · α3 .,
3
(7.13)
que, como se indicó en la Observación 7.3, corresponde a:

7.2 Dimensión y base 159
F1 ← F1 + ((−1)) · F3

 1 0 2 0

 F1 ← (1/2) · F1  0 0 1

0 

 0 2 0 0  F2 ← (1/2) · F2
 −−−−−−−−−−−−−−−−−−−−−→  0 1 0 0 
 
 
 1 0 0 0   1 0 0
 0 
0000 000 0
Por tanto
α1 = α2 = α3 = 0,
de manera que B es l.i.
Ejemplo 7.2 En el espacio F ([−π, π]) consideramos el conjunto
U = {νn : n ∈ N ∪ {0} },
donde
ν0 (x) = 1, x ∈ [−π, π],

νn (x) = cos(nx), x ∈ [−π, π], n ∈ N.
Puesto que ningún elemento ηk de U se puede expresar como una combinación lineal finita de elementos de U \ {ηk }, se
tiene que U es l.i.
7.2. Dimensión y base
Definición 7.3 (Dimensión finita e infinita) Se dice que un espacio vectorial V tiene dimensión infinita, deno-
tado
dim(V) = ∞, (7.14)
si para todo n ∈ N, existe un subconjunto l.i. con n vectores. Caso contrario, se dice que V tiene dimensión finita,
denotado
dim(V) < ∞. (7.15)
Observación 7.5 Tenga presente que un espacio vectorial tiene dimensión finita si se puede hallar un conjunto finito y
l.d.
Ejemplo 7.3 Analicemos si el espacio M2 (K) tiene dimensión finita o infinita. Consideramos el conjunto B = {D1 , D2 , D3 , D4 , D5 },
donde ! ! ! ! !
10 01 00 00 11
D1 = , D2 = , D3 = , D4 = , D5 =
00 00 10 01 11
α1 D1 + α2 D2 + α3 D3 + α4 D4 + α5 D5 = 0.
Aplicamos la Observación 7.3:

 1 0 0 0 1 0 
 
 0 1 0 0 1 0 


 0 .
 0 1 0 1 0 
0 0 0 1 1 0
Por tanto
α1 = −α5 , α2 = −α5 , α3 = −α5 , α4 = −α5 ,
de manera que el sistema es indeterminado y B es l.d. Como consecuencia, dim (M2 (R)) < ∞.
Definición 7.4 (Base) Sean V un espacio vectorial sobre el cuerpo K, y B ⊆ V. Se dice que B es una base de V
si y sólo si se cumplen las siguientes condiciones:
i) B es l.i.;
ii) B genera a V es decir = V.
Si, adicionalmente, dim(V) < ∞, se denomina dimensión de V al número
dim(V) = #(B), (7.16)
es decir, la dimensión de V es el número de elementos de una base.
Observación 7.6 El concepto de base establecido en la Definición 7.4 corresponde a una base de Hammel. Más adelante,
en la carrera de Ingenierı́a, el estudiante tendrá contacto con dos conceptos de base menos generales pero más aplicados,
bases de Schauder y de Hilbert (que da lugar a las Series de Fourier).
Observación 7.7 Para un espacio de dimensión infinita también se escribe
dim(V) = #(B),
pero, en este caso, #(B) representa la cardinalidad del conjunto B. Este es un concepto que sale fuera de los objetivos del
presente curso.
Observación 7.8 Si V es un espacio vectorial con dimensión n ∈ N. Entonces:
a) cualquier conjunto con m elementos, m > n, es l.d;

b) cualquier conjunto con m elementos, m < n, no puede generar a V.
Ejemplo 7.4 (Base canónica de Rn ) Sea n ∈ N. Probemos que
dim(Kn ) = n. (7.17)
Consideramos el conjunto de los vectores canónicos (que más adelante se denominará base canónica):
C(Kn ) = {e1 , e2 , ..., en } , (7.18)
donde
ek = (δik ) ∈ Mn×1 (K) = Kn , k = 1, 2, ..., n, (7.19)
de manera que ek es el vector que tiene 1 en la posición k y ceros en las demás posiciones.
i) Probemos que C(Kn ) es l.i. Consideremos la combinación lineal nula

n
X
αk ek = 0,
k=1
que corresponde al sistema de ecuaciones

Aα = 0.
Puesto que A = Idn se sigue inmediatamente que
α1 = α2 = ... = αn = 0,
es decir que B es l.i.

ii) Probemos que
< C(Kn ) >= Kn .
Para esto nos basta probar que < C(Kn ) >⊇ V pues la otra contenencia es inmediata.
Tomamos un elemento genérico
 x1 
 
 x 
 2
u =  .  ∈ Kn .
 .. 
 
xn
Puesto que
n
X
u= xk ek ,
k=1
se tiene que u es una combinación lineal de elementos de C(Kn ) por lo que u ∈< C(Kn ) >. Puesto que u fue elegido
arbitrariamente, se ha probado que
∀u ∈ Kn : u ∈< C(Kn ) >,
es decir que < C(Kn ) >⊇ Kn y
< C(Kn ) >= Kn .
Con los puntos i) y ii) hemos probado que C(Kn ) es base de Kn de manera que
dim(Kn ) = n.
Ejemplo 7.5 Analicemos si el espacio P(R) tiene dimensión finita o infinita. Dado un n ∈ N, genérico, tomamos el
conjunto de vectores canónicos
Cn = {η0 , η1 , ..., ηn−1 } .
Recordando que
η0 (x) = 1, x ∈ R;
ηk (x) = xk , x ∈ R, k = 1, 2, ..., n − 1;
es claro que ningún ηl se puede escribir como combinación lineal de los elementos de Cn \ {ηl }. Se sigue entonces que Bn
es l.i. Puesto que n fue elegido arbitrariamente, se ha probado que
∀n ∈ N, ∃Cn ⊆ P(R) : Cn tiene n elementos y es l.i..
Por tanto
dim(P(R)) = ∞.
No es difı́cil percatarse que todo polinomio se puede escribir como combinación lineal de elementos del conjunto
C = {ηk : k ∈ N \ {0}}, (7.20)
donde
η0 (x) = 1, x ∈ R;
ηk (x) = x , x ∈ R, k ∈ N,
k
es decir que < C >= P(R). Puesto que ninguno de los elementos de C se puede escribir como combinación lineal de otros
elementos de C, se sigue que es l.i. y, por tanto, es una base de P(R). De hecho se dice que C es la base canónica de P(R).
Observación 7.9 Puesto que F (R) ⊇ P(R), se sigue del Ejemplo 7.5 que
dim(F (R)) = ∞. (7.21)
Ejemplo 7.6 (Base canónica de Pn (R)) Sea n ∈ N ∪ {0}. No es difı́cil verificar que el conjunto de todos los polinomios
canónicos es una base de Pn (R) y que
dim(Pn (R)) = n + 1. (7.22)
Ejemplo 7.7 Sean m, n ∈ N. No es difı́cil verificar que el conjunto de las matrices canónicas es una base de Mm×n (K) y
que
dim(Mm×n (K)) = m × n. (7.23)
Teorema 7.1 (Base - dimensión) Sean V un espacio vectorial de dimensión n y B ⊆ V. Si = V y #(B) = n,
entonces B es base de V.
Demostración. Puesto que = V entonces #(B) ≥ n. Si B fuera l.d. entonces existierı́a un conjunto B1 ⊆ B l.i. que
genera a V y tal que #(B1 ) < n. Pero esto implicarı́a que dim(V) < n que es una contradicción. Por tanto B es l.i. y, con
ello, es base.
t
u
Observación 7.10 Una consecuencia del Teorema 7.1 es que en un espacio vectorial de dimensión finita todas las bases
tienen el mismo número de elementos.
Ejemplo 7.8 Probemos que en el espacio P3 (R) el siguiente conjunto es una base:
B = {p1 , p2 , p3 , p4 },
donde los polinomios pk , k = 1, 2, 3, 4, están determinados por las fórmulas
p1 (x) = 1, p2 (x) = x − 1, p3 (x) = (x − 1)2 , p4 (x) = (x − 1)3 , x ∈ R.
Puesto que
#(B) = 4 = dim(P3 (R)),
por el Teorema 7.1, nos basta probar que
= P3 (R)
para concluir que B es una base de P3 (R).
Tomamos un vector genérico u ∈ P3 (R):
u(x) = a + bx + cx2 + dx3 , x ∈ R,
y nos preguntamos si pertenece a , es decir si se puede escribir
u = α1 p1 + α2 p2 + α3 p3 + α4 p4 , (7.24)
o sea
a + bx + cx2 + dx3 = α1 (1) + α2 (−1 + x) + α3 (1 − 2x + x2 ) + α4 (−1 + 3x − 3x2 + x3 ), x ∈ R,
que provée el sistema
Aα = b,
donde
1 −1 1 −1  α1   a 
     
0 1 −2 3   α   b 
A =  , α =  2  , b =  
0 0 1 −3  α3   c 
0 0 0 1 α4 d
Puesto que det(A) = 1 , 0 el sistema es determinado y (7.24) es factible. Por tanto, u ∈. Puesto que u fue elegido
arbitrariamente, se ha probado que = P3 (R).
Ejemplo 7.9 (Base y dimensión de un s.e.v.) El conjunto

( ! )
xy
T= ∈ M2 (K) : 2x − y = 0
z t
es un s.e.v. de M2 (K). Hallemos una base de T y su dimensión.
Se tiene que
( ! )
x 2x
T = ∈ M2 (K) : x, z, t ∈ K
z t
( ! ! ! )
12 00 00
= x +z +t ∈ M2 (K) : x, z, t ∈ K
00 10 01
( ! ! !)
12 00 00
=< , , >, (7.25)
00 10 01
de manera que el conjunto ( ! ! !)

12 00 00
B= , ,
00 10 01
genera a T . No es difı́cil verificar que B es l.i. de manera que es base de T . Se tiene entonces que
dim(T ) = 3.
El siguiente resultado da una pauta de cómo se pueden completar conjuntos l.i. para transformarlos en bases.
Teorema 7.2 (Adición de elementos a un conjunto l.i.) Sean V un espacio vectorial sobre el cuerpo K, B ⊆ V
y u ∈ V. Si B es l.i. y u <, entonces B ∪ {u} también es l.i.
Demostración. Tomemos B1 = {v1 , v2 , ..., vm }, un subconjunto finito de B ∪ {u}, genérico.
i) Primero consideramos el caso en que u < B1 . Se tiene que B1 ⊆ B y, de esto, se sigue que B1 es l.i. pues B lo es.
ii) Ahora consideramos el caso en que u ∈ B1 . En este caso, existe un k ∈ Im tal que u = vk . Consideramos la combinación
lineal nula
α1 v1 + ... + αk−1 vk−1 + βu + αk+1 vk+1 + ... + αm vm = 0. (7.26)
Se tiene que β = 0 pues, caso contrario, se tendrı́a que
α1 αk−1 αk+1 αm
u=− v1 − ... − vk−1 − vk+1 − ... − vm
β β β β
es decir que u serı́a una combinación lineal de elementos de B, que contradice la hipótesis del teorema.
Por lo anterior, (7.26) equivale a
α1 v1 + ... + αk−1 vk−1 + αk+1 vk+1 + ... + αm vm = 0,
lo cual implica que

α1 = ... = αk−1 = αk+1 = ...αm = 0,
pues {v1 , ..., vk−1 , vk+1 , ..., vm } es l.i. al ser subconjunto de B (que ya es l.i.).
De lo expuesto se sigue que todos los coeficientes de (7.26) son nulos, de manera que B1 es l.i.
Puesto que B1 fue elegido arbitrariamente, se sigue que todo subconjunto finito de B ∪ {u} es l.i.; que implica que B ∪ {u}
es también l.i.
t
u
Corolario 7.1 (Completación de una base) Sea V un espacio vectorial sobre un cuerpo K. Si W es un s.e.v. de
V tal que dim(W) = n, entonces todo B subconjunto l.i. de W es finito y es subconjunto de una base de W.
1) Si = W entonces B es en sı́ misma base.

Demostración.
2) Si , W, entonces existe un u1 ∈ W\ . Es claro que u1 , 0. Por el Teorema 7.2, el conjunto B ∪ {u1 } es l.i. Si
= W, entonces B ∪ {u1 } es una base de W.
Puesto que W es de dimensión finita, procediendo como ya se mostró, se encuentran vectores u1 , u2 , ..., uk ∈ W\ de
manera que B ∪ {u1 , u2 , ..., uk } es l.i.
= W,
es decir que B ∪ {u1 , u2 , ..., uk } es una base de W.
t
u
   

  1   1 
   
Ejemplo 7.10 El conjunto S =   0  ,  −1 
 
⊆ R3 es l.i. de manera que es posible completarlo para tener una base de

 1   0 

 

R3 . Puesto que una base de R3 tiene tres elementos basta con añadirle un vector u tal que u ∈ R3 \ S . La forma más fácil
es tomar      
 1   1  i j k  1 
u =  0  ×  −1  = 1 0 1 =  1  .
     
1 −1 0 −1
     
1 0
Entonces el conjunto      

  1   1   1 
     
B=  0  ,  −1  ,  1 
 

 
 1 0 −1 
      
es una base de R3 que contiene a S .
   

  1   1 
   
Ejemplo 7.11 El conjunto S =   0  ,  −1 
 
⊆ R3 es l.i. de manera que es posible completarlo para tener una base de

 1   0 

 

R3 . Puesto que una base de R3 tiene tres elementos basta con añadirle un vector u tal que u ∈ R3 \ S . La forma más fácil
es tomar      
 1   1  i j k  1 
u =  0  ×  −1  = 1 0 1 =  1  .
     
1 −1 0 −1
 
1 0
   
Entonces el conjunto      

  1   1   1 
     
B=  0  ,  −1  ,  1 
 

 1   0   −1 

 

es una base de R3 que contiene a S .
El siguiente corolario nos permite “depurar” conjuntos que son l.d. hasta obtener un conjunto l.i. equivalente (en el
sentido de que genera el mismo espacio vectorial).
Corolario 7.2 Sean V un espacio vectorial sobre un cuerpo K y S = {v1 , v2 , .., vr } un subconjunto de V. Si S es
l.d. y vk es combinación lineal de los demás elementos de S , entonces
< S >=< S \ {vk } > . (7.27)
7.3. Cambio de base
En la Sección 2.4 presentamos una manera sencilla de encontrar los coeficientes α1 , α2 , α3 ∈ R de un vector u ∈ R3 con
respecto a una base
B = {v1 , v2 , v3 },
esto es de manera que
u = α1 v1 + α2 v2 + α3 v3 . (7.28)
Por una aplicación de la Regla de Cramer se encontró que
det(u v2 v3 ) det(v1 u v3 ) det(v1 v2 u)

α1 = , α2 = , α3 = . (7.29)
det(v1 v2 v3 ) det(v1 v2 v3 ) det(v1 v2 v3 )
Nuestro objetivo es generalizar estas formulaciones para bases de un espacio vectorial de dimensión finita.
7.3 Cambio de base 165
7.3.1. Vectores de coordenadas
Consideramos entonces un espacio vectorial V sobre un cuerpo K y asumimos que
dim(V) = n.
Denotemos por
C = {e1 , e2 , ..., en } (7.30)
a la base canónica de V. Se denomina isomorfismo canónico a la aplicación
Φ : V −→ Kn
 γ1 
 
 γ2 
7 → [u]C =  . 
u−
 .. 
γn
 
donde,
u = γ1 e1 + γ2 e2 + ... + γn en ,
de manera que [u]C es el vector columna donde ordenadamente se colocan las coordenadas del vector u en la base canónica
C. Al elemento [u]C se le denomina vector de coordenadas de u en la base C.
Asimismo, dada una base de V,

B = {v1 , v2 , ..., vn }, (7.31)
se denomina isomorfismo asociado a la base B a la aplicación
ΦB : V −→ Kn
 α1 
 
 α2 
7 → [u]B =  . 
u−
 .. 
αn
 
donde,
u = α1 v1 + α2 v2 + ... + αn en ,
de manera que [u]B es el vector columna donde ordenadamente se colocan las coordenadas del vector u en la base B. Al
elemento [u]B se le denomina vector de coordenadas de u en la base B.
Ejemplo 7.12 En el espacio P2 (R) se tiene la base B = {p1 , p2 , p3 }, donde para x ∈ R :
p1 (x) = 2 + x2 , p2 (x) = −3 + 4x − x2 , p3 (x) = 5 − 5x + 9x2 .
Consideramos ahora el vector p ∈ P2 (R) tal que
p(x) = 1 + 2x + 3x2 .
Se puede verficar que

20 17 6
p= p1 + p2 + p3 ,
19 19 19
es decir,
20 17 6
p(x) = p1 (x) + p2 (x) + p3 (x), x ∈ R,
19 19 19
de manera que    
 1   20/19 
p C =  2  , p B =  17/19  .
   
3 6/19
   
7.3.2. Matriz de transición
En un espacio vectorial V sobre el cuerpo K, fijemos un vector u ∈ V. Consideramos dos bases de V:
B = {v1 , v2 , ..., vn }, D = {w1 , w2 , ..., wn }.
Existen coeficientes αi , γi ∈ K, i = 1, 2, ..., n, tales que
u = α1 v1 + α2 v2 + ... + αn vn ; (7.32)
u = γ1 w1 + γ2 w2 + ... + γn wn . (7.33)
[u]D = α1 [v1 ]D + α2 [v2 ]D + ... + αn [vn ]D ; (7.34)

 γ1 
 
 γ 
 2
[u]D =  .  . (7.35)
 .. 
γn
Por (7.34) y (7.35) se obtiene el sistema de ecuaciones
B [u] B = [u]D ,
[Id]D (7.36)
donde la matriz de transición desde la base B a la base D es
B = ([v1 ]D [v2 ]D . . . [vn ]D ) .

[Id]D (7.37)
Observación 7.11 Las columnas de [Id]D

B son los vectores de coordenadas de los elementos de la base de salida, B, en
la base de llegada, D.
Observación 7.12 Tenga presente que, dada una base S del espacio V:
[Id]SS = Idn . (7.38)
Observación 7.13 A partir de (7.36) que
B [u] B = [Id]D [u]D ,

B
[Id]D [Id]D B
B [u] B = [u] B ,
B
[Id]D [Id]D

B = Idn ,
B
[Id]D [Id]D
y, por tanto:
−1
B
[Id]D = [Id]D
B . (7.39)
Tomando D = C se obtiene una forma de calcular [Id]CB :

−1
[Id]CB = [v1 ]C [v2 ]C . . . [vn ]C . (7.40)
Observación 7.14 A partir de (7.36) se deduce, por la Regla de Cramer, que

det ([v1 ]D . . . [vk−1 ]D [u]D [vk+1 ]D . . . [vn ]D )
αi = (7.41)
det ([v1 ]D [v2 ]D . . . [vn ]D )
para i = 1, 2, ..., n, que es una generalización de (7.29).
Observación 7.15 Sea S una base de V. A partir de (7.36) que

7.3 Cambio de base 167
B [u] B = [Id] B [u]D ,

[Id]SD [Id]D S

[Id]SB = [Id]SD [Id]D
B. (7.42)
En particular, la última fórmula nos permite obtener un mecanismo para calcular la matriz de transición [Id]D
B con ayuda
de la base canónica:
B = [Id]C [Id] B .
C
[Id]D D
(7.43)
Ejemplo 7.13 En el espacio vectorial M2 (R) consideramos las conjuntos M1 = {A1 , A2 , A3 , A4 } y M2 = {B1 , B2 , B3 , B4 },
donde ! ! ! !
−1 5 1 4 0 1 00
A1 = , A2 = , A3 = , A4 =
0 1 −3 1 −2 0 02
y ! ! ! !
−3 0 34 01 −1 0
B1 = , B2 = , B3 = , B4 =
0 1 01 50 0 0
Se tiene que
 −1   1   0   0 
       
 5   4   1   0 
[A1 ]C =   , [A2 ]C =   , [A3 ]C =   , [A4 ]C =   ,
 0   −3   −2   0 
1 1 0 2
y
 −3   3   0   −1 
       
 0   4   1   0 
[B1 ]C =   , [B2 ]C =   , [B3 ]C =   , [B4 ]C =   .
 0   0   5   0 
1 1 0 0
Puesto que
det [A1 ]C [A2 ]C [A3 ]C [A4 ]C = 30 , 0, det [B1 ]C [B2 ]C [B3 ]C [B4 ]C = 20 , 0,

se sigue que tanto M1 como M2 son bases del espacio M2 (R).
Hallemos las coordenadas de la matriz !

−2 3
F=
7 4
en la base M1 . Se tiene que
−1 1 0 0
 
 5 4 1 0

[Id]CM1 = [A1 ]C [A2 ]C [A3 ]C [A4 ]C =  .
 0 −3 −2 0
1 1 0 2
Por tanto  1 2 1
− 3 15 15

0 
C −1
 2 2 1 
0 
[Id]CM1

= [Id] M1 =  3 15 15
 −1 − 51 − 35 0 
 
1 2 1 1
− 6 − 15 − 15 2
de manera que
 1 2 1
− 3 15 15 0   −2   23
   
15 
 2 2 1
0   3  − 7 
   
M1
[F] M1 = [Id]C [F]C =  3 151 153    =  15  .
 
 −1 − 5 − 5 0   7  − 14
5 


1 2 1 1 22
− 6 − 15 − 15 2 4 15
Por tanto:
23 7 14 22
F= A1 − A2 − A3 + A4 .
15 15 5 15
Hallemos la matriz de transición de M1 a M2 . Se tiene que

−1 
 0 − 41 20
1 
−3 3 0 −1 1 

 0 1
 0 4 − 20 1 
4 1 0  0 

C −1

[Id]CM2

= [Id] M2 =   = 

 0 0 5 0   0 0 5 1
0 

1 10 0 −1 23 − 10
3
 
−3
de manera que:
 0 − 41 20 1
0 − 41 − 20 3
−7
    
1  −1 1 0 2 
 0 1 − 1    5 23 720 
0   5 4 1 0  4 20 20 0 
[Id] M2 M2
M1 = [Id]C [Id] M1
C
=  4 20 = .
 0 0 15 0  0 − 35 − 52

0   0 −3 −2 0 
−1 23 − 10
3  11 29 21
−3 1 1 0 2
 
2 10 10 −6
Finalmente calculemos las coordenadas de F en la base M2 :

 1 3 7
2   23
  18 
− 4 − 20 − 20

 5 23 7   157   52 
0  − 15   5 
[F] M2 = [Id] M2
M1 [F] M1 =  4 203 202   14  =  7  .
 0 − 5 − 5 0  − 5   5 
22
11 29
2 10
21
10 −6 15 − 38
5
Por tanto:
18 2 7 38
F= B1 + B2 + B3 − B4 .
5 5 5 5

!
1 −2
1) Sean M = y V = {A ∈ M2 (R) : AM = 0}.
−2 4
a) Pruebe que V es un subespacio vectorial de M2 (R).
b) Determine una base y la dimensión de V.
Desarrollo.
a) Probemos que
∀λ ∈ R, ∀A, B ∈ V : λA + B ∈ V. (7.44)
Tomamos λ ∈ R y A, B ∈ V, genéricos. Se tiene que
(λA + B)M = (λA)M + BM = λ(AM) + BM = 0,
de manera que λA + B ∈ V. Puesto que λ, A, B fueron elegidos arbitrariamente, se ha probado (7.44), de manera que
V es un subespacio vectorial de M2 (R). !
ab
b) Tomamos un elemento genérico A = ∈ V. Se tiene que AM = 0, es decir
cd
a − 2b −2a + 4b
! ! ! !
a b 1 −2 00
= =
c d −2 4 c − 2d −2c + 4d 00
de donde se sigue que 




a − 2b = 0
−2a + 4b = 0




c − 2d = 0






−2c + 4d = 0.


Por tanto:
 1 −2 0 0 0   1 −2 0 0 0 
   
 −2 4 0 0 0   0 0 0 0 0 
 0 0 1 −2 0  . . . −→ . . .  0 0 1 −2 0 
   
   
0 0 −2 4 0 0 0 0 0 0
de manera que
a − 2b = 0, c − 2d = 0.
Se tiene:
( ! )
ab
V= ∈ M2 (R) : a − 2b = 0 ∧ c − 2d = 0
cd
( ! ! )
21 00
V= b +d : b, d ∈ R .
00 21
Por tanto ( ! !)
21 00
B= ,
00 21
es una base de V y
dim(V) = 2.
2) Sean α, β, γ, η ∈ R, todos distintos. Considere el conjunto
 α   β   γ   η 

       

 
 α2   β2   γ2   η2 


 

B= , , , .
 

α 2 β2 γ 2 η2
       
1 − 1 − 1 − 1 −
 

 

 

 

 

 

 

 




        

 α3   β3   γ3   η3 

        

¿El conjunto B es una base de R4 ?

Desarrollo. Denotamos
 α   β   γ   η 
       
 α2   β2   γ2   η2 
v1 =   , v = 
 1 − β2  , v3 =  1 − γ2  , v4 =  1 − η2 
    
 1 − α2 
2
α3 β γ η

 3   
 3    3 

Se tiene que B tiene 4 = dim(R4 ) elementos y, aprovechando el determinante de Vandermonde:
α β γ η 1 1 1 1

α2 β2 γ2 η2 α β γ η

det(v1 v2 v3 v4 ) = = 2 2 2 2 = (β − α)(γ − α)(γ − β)(η − α)(η − β)(η − γ) , 0,
1 − α 1 − β 1 − γ 1 − η α β γ η
2 2 2 2
α3 β3 γ3 η3 α3 β3 γ3 η3
pues α, β, γ, η son distintos. Por tanto se tiene que B es una base de R4 .

p1 (x) = 1 + 6x2 , p2 (x) = 4x, p3 (x) = 1 + 3 + 5x2 .
Pruebe que < {p1 , p2 , p3 } >= P2 (R).

Desarrollo. Denotamos B = {p1 , p2 , p3 }. Puesto que #(B) = 3 = dim(P2 (R)) y

1 0 1
det p1 C p2 C p3 C = 0 4 3 = −4 , 0,

6 0 5
se sigue inmediatamente que B es l.i. y por tanto también es base de P2 (R); en particular, = P2 (R).
p1 (t) = 1 + t − t2 , p2 (t) = 1 − t + 2t2 , p3 (t) = t + 3t2 .
Determine si S = {p1 , p2 , p3 } es una base de P2 (R).

Desarrollo. Puesto que #(S ) = 3 = dim(P2 (R))
S es base de P2 (R) ⇐⇒ S es l.i.
Se tiene que
1 1 0
∆ = det p1 C p2 C p3 C = 1 −1 1 = −9

−1 2

3
Puesto que ∆ , 0, se sigue que S es l.i. y por tanto también es base de P2 (R).
5) Considere el conjunto ( ! )
ab
T= ∈ M2 (R) : a−b−c = 0 ∧ a+b−d = 0 . (7.45)
cd
a) Pruebe que T es un s.e.v. de M2 (R).
b) Halle una base de T e indique su dimensión.
c) Pruebe que si A ∈ T \ {0}, entonces A es invertible y halle A−1 .
d) Indique si el conjunto
N = {A ∈ T : A−1 ∈ T } ∪ {0}
es un s.e.v. de M2 (R). En caso afirmativo, halle la dimensión y una base de N.
Desarrollo.
a) Se tiene que
( ! )
a b
T = ∈ M2 (R) : a, b ∈ R (7.46)
a−b a+b
( ! ! )
10 0 1
= a +b : a, b ∈ R . (7.47)
11 −1 1
Probemos que T es s.e.v. de M2 (R), es decir que
∀λ ∈ R, ∀A, B ∈ T : λA + B ∈ T. (7.48)
Tomamos elementos genéricos: λ ∈ R y A, B ∈ T de manera que existen a1 , a2 , b1 , b2 ∈ R tales que

! !
10 0 1
A = a1 + b1
11 −1 1
! !
10 0 1
B = a2 + b2 .
11 −1 1
Se tiene que
" ! !# " ! !#
10 0 1 10 0 1
λA + B = λ a1 + b1 + a2 + b2
11 −1 1 11 −1 1
! !
10 0 1
= (λa1 + a2 ) + (λb1 + b2 ) ,
11 −1 1
de manera que λA + B ∈ T . Puesto que λ, A, B fueron elegidos arbitrariamente, se ha probado (7.48), es decir que
T es s.e.v. de M2 (R).
b) Por (7.47) se tiene que ( ! !)
10 0 1
B= ,
1 1 −1 1
es base de T . Por tanto dim(T ) = 2.
c) Tomamos A ∈ T \ {0} de manera que, por (7.46), se tiene que
!
a b
A= ,
a−b a+b
con
a,0 ∧ b , 0. (7.49)
det(A) = a2 + ab − ab + b2 = a2 + b2 , 0,
de manera que A es invertible. Se tiene que
a + b −a + b a + b −b
! !
cof(A) = , adj(A) = ,
−b a −a + b a
de manera que
a + b −b
!
1 1
A−1 = adj(A) = 2 2 . (7.50)
det(A) a +b −a +b a
d) Tomamos A ∈ T \ {0} de tal manera que A−1 tiene la forma (7.50). Tomando en cuenta la definición (7.45), para
que A−1 pertenezca a T debe cumplirse que:
(a + b) − (−b) − (−a + b) = 0 ⇒ 2a + b = 0, (7.51)

(a + b) + (−b) − (a) = 0 ⇒ 0 = 0. (7.52)
Entonces, por (7.46), (7.49) y (7.51), se tiene que
N = {A ∈ T : A−1 ∈ T } ∪ {0}
( ! )
a b
= ∈ M2 (R) : a, b ∈ R \ {0} ∧ 2a + b = 0 ∪ {0}
a−b a+b
( ! )
a −2a
= ∈ M2 (R) : a ∈ R \ {0} ∪ {0}
3a −a
( ! )
1 −2
= a ∈ M2 (R) : a ∈ R . (7.53)
3 −1
Probemos que N es s.e.v. de M2 (R), es decir que
∀λ ∈ R, ∀A1 , A2 ∈ N : λA1 + A2 ∈ N. (7.54)
Tomamos elementos genéricos λ ∈ R y A1 , A2 ∈ N de manera que existen a1 , a2 ∈ R tales que

! !
1 −2 1 −2
A1 = a1 , A2 = a2 .
3 −1 3 −1
Se tiene que ! ! !
1 −2 1 −2 1 −2
λA1 + A2 = λa1 + a2 = (λa1 + a2 ) ,
3 −1 3 −1 3 −1
de manera que λA1 + A2 ∈ N. Puesto que λ, A1 , A2 fueron elegidos arbitrariamente, se ha probado (7.54), es decir
que N es s.e.v. de M2 (R). De hecho, por (7.53), se tiene que
( !)
1 −2
S=
3 −1
es una base de N y, entonces, dim(N) = 1.

6) Sea n ∈ N.
a) Pruebe que n o
Sn (K) = A ∈ Mn (K) : A = At (7.55)
es un s.e.v. de Mn (K).
b) Deduzca que
n(n + 1)
dim (Sn (K)) = . (7.56)
2
c) Pruebe que
∀A ∈ Mn (K) : A + At ∈ Sn (K). (7.57)
d) Halle una base de Sn (K).
Desarrollo.
a) Debemos probar que
∀λ ∈ K, ∀A, B ∈ Sn (K) : λA + B ∈ Sn (K). (7.58)
Tomamos λ ∈ K y A, B ∈ Sn (K), genéricos. Se tiene que
A = At ∧ B = Bt . (7.59)
Usando (7.59), se tiene que
(λA + B)t = (λA)t + Bt

= λAt + Bt
= λA + B
de manera que λA + B ∈ Sn (K). Puesto que λ, A, B fueron elegidos arbitrariamente, se ha probado (7.58), de manera
que Sn (K) es un s.e.v. de Mn (K).
b) Puesto que Sn (K) ⊆ Mn (K), es claro que
dim(Sn (K)) ≤ dim(Mn (K)) = n2 .
Tomemos un elemento genérico U ∈ Sn (K) para analizar cuántas coordenadas autónomas definen a U — este
número corresponde a la dimensión del espacio Sn (K). Puesto que U es simétrica:
u11 u12 u13 . . . u1n 

 
u12 u22 u23 . . . u2n 

. . . u3n  .
 
U = (ui j ) = u13 u23 u33
 . .. .. . 
 .. . . . . . .. 
. . . unn

u1n u2n u3n
Entonces los elementos incluidos en el triángulo superior (que incluye la diagonal principal) son los que realmente
se necesitan para determinar a U. Por tanto, la dimensión de Sn (K) se encuentra como el número de elementos
en el triángulo superior. Observamos que tales elementos se dividen en n diagonales. Sumamos los elementos de
dichas diagonales:
n
X n(n + 1)
dim(Sn (K)) = n + (n − 1) + (n − 2) + ... + 2 + 1 = k= .
k=1
2
c) Tomamos A ∈ Mn (K), genérico. Se tiene
(A + At )t = At + (At )t
= At + A
= A + At ,
de manera que A + At ∈ Sn (K). Puesto que A fue elegida arbitrariamente, se ha probado (7.57).
d) Por lo visto en el literal b), una base de Sn (K) está dada por el conjunto
B = {V(i, j) : i ∈ In ∧ j ∈ In ∧ j ≥ i},
donde
V(i, j) = ei j + eti j ,
con ers denotando la matriz canónica rs-ésima.
7) Considere los siguientes sistemas de ecuaciones reales
 

 x + 3y − 4z + 2t = 0, 2x + 2y − 3z + t = 0,


(7.61)


x − y + z − t = 0, y + z − t = 0

(7.60)
 




−x − y + 5z − 3t = 0


a) Halle V1 el conjunto solución del sistema (7.60). Pruebe que V1 es un s.e.v. de R4 y halle su dimensión.
b) Halle V2 el conjunto solución del sistema (7.61). Pruebe que V2 es un s.e.v. de R4 y halle su dimensión.
c) Halle el s.e.v. V1 ∩ V2 y halle su dimensión.
Desarrollo.
a) Se tiene que    
 1 3 −4 2 0   1 0 0 −3/7 0 

 1 −1 1 −1 0  . . . −→ . . .  0 1 0 −1/7 0 
   
−1 −1 5 −3 0 0 0 1 −5/7 0
  
de manera que
x − 3t/7 = 0, y − t/7 = 0, z − 5t/7 = 0.
Por tanto:   
 3/7 
  


 


  1/7 
  
V1 =  .
 
t  : t ∈ R (7.62)




  5/7  



 1
 

Demostremos que V1 es un s.e.v. de R4 , es decir que
∀λ ∈ R, ∀u, v ∈ V1 : λu + v ∈ V1 . (7.63)
Tomamos elementos genéricos λ ∈ R y
 3/7   3/7 

   
 1/7   1/7 
u = t1   , v = t2   .
 5/7   5/7 
1 1
Se tiene que
 3/7   3/7   3/7 
     
 1/7   1/7   1/7 
λu + v = λt1   + t   = (λt1 + t2 ) 
 5/7  ,

 5/7  2  5/7   
1 1 1
de manera que λu + v ∈ V1 . Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (7.63). De (7.62) se
deduce entonces que  
 3/7 


 

 
 1/7 

B1 = 
 

 







 5/7 
 


 
 1 
 

es base de V1 y dim(V1 ) = 1.
b) Se tiene que ! !
2 2 −3 1 0 2 3 −2 0 0
. . . −→ . . .
0 1 1 −1 0 0 1 1 −1 0
de manera que
x = −3y/2 + z, t = y + z.
Por tanto:
 −3y/2 + z 
    
 −3/2   1 
       


 

 

 


  y     1   0 
  
V2 =   ∈ R4 : =  + z   ∈ R4 : .

 
  
y, z ∈ R y  y, z ∈ R (7.64)




  z  

 

  0   1  


y+z
    
1 1

 
  

Demostremos que V2 es un s.e.v. de R4 , es decir que

∀λ ∈ R, ∀u, v ∈ V2 : λu + v ∈ V2 . (7.65)
Tomamos elementos genéricos λ ∈ R y
 −3/2   1   −3/2   1 
       
 1   0   1   0 
u = y1   + z1   , v = y2   + z2   .
 0   1   0   1 
1 1 1 1
Se tiene que
 −3/2   1 
   
 1   0 
λu + v = (λy1 + y2 )   + (λz1 + z2 )   ,
 0   1 
1 1
de manera que λu + v ∈ V2 . Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (7.65). De (7.64) se
deduce entonces que    



  −3/2   1 



 1   0 
 
B2 =  ,
 
   





 0 

 

 1
  






 
1 1 
 
es base de V2 y dim(V2 ) = 2.
c) Hallemos V1 ∩ V2 . Se tiene que
 1 3 −4 2 0   1 0 0 0 0 
   
 1 −1 1 −1 0   0 1 0 0 0 

 −1 −1 5 −3 0  . . . −→ . . .  0 0 1 0
   
0 
   
 2 2 −3 1 0   0 0 0 1 0 
0 1 1 −1 0 0000 0
de manera que  



  0 



 0 

V1 ∩ V2 = 
 

 







 0 







 0 
  

y entonces dim(V1 ∩ V2 ) = 0.
8) Considere el conjunto
U = p ∈ P2 (R) : p0 (1) = p(2). .

a) Pruebe que U es un s.e.v. de P2 (R).

b) Halle una base de U e indique su dimensión.
U = {p ∈ P2 (R) : p(x) = a + bx + cx2 ∧ b + 2c = a + 2b + 4c}

= {p ∈ P2 (R) : p(x) = a + bx + cx2 ∧ a + b + 2c = 0}
= {p ∈ P2 (R) : p(x) = (−b − 2c) + bx + cx2 , b, c ∈ R}
= {p ∈ P2 (R) : p(x) = b(−1 + x) + c(−2 + x2 ), b, c ∈ R}. (7.66)
Probemos que U es s.e.v. de P2 (R), es decir que
∀λ ∈ R, ∀p, q ∈ U : λp + q ∈ U. (7.67)
Tomamos elementos genéricos: λ ∈ R y p, q ∈ U:
p : R −→ R q : R −→ R
x 7−→ p(x) = b1 (−1 + x) + c1 (−2 + x2 ), x 7−→ q(x) = b2 (−1 + x) + c2 (−2 + x2 ),
Puesto que para x ∈ R:
(λp + q)(x) = λp(x) + q(x)

= b1 (−1 + x) + c1 (−2 + x2 ) + b2 (−1 + x) + c2 (−2 + x2 ),
= (λb1 + b2 )(−1 + x) + (λc1 + c2 )(−2 + x2 ),
se sigue que
λp + q : R −→ R
x 7−→ (λp + q)(x) = (λb1 + b2 )(−1 + x) + (λc1 + c2 )(−2 + x2 ),
de manera que λp + q ∈ U. Puesto que λ, p, q fueron elegidos arbitrariamente, se ha probado (7.67), es decir que U es
s.e.v. de P2 (R).
9) Para k = 1, 2, 3, 4, ek denota el k-ésimo vector canónico de R4 .

a) Halle las ecuaciones generadoras de W1 =< {e1 , e2 + e3 − e4 } >.
b) Halle las ecuaciones generadoras de W1 =< {e2 , e1 + e3 + e4 } >.
c) Halle la dimensión de W1 ∩ W2 y, en caso de ser posible, halle una base para W1 ∩ W2 .
Desarrollo. Observemos que
 1   0   0   0 
       
 0   1   0   0 
e1 =   , e2 =   , e3 =   , e4 =   .
 0   0   1   0 
0 0 0 1
a) Tenemos que W1 =< {v1 , v2 } >, donde
 1   0 
   
 0   1 
v1 =   , v2 =   .
 0   1 
0 −1
 x 
 
 y 
Tomamos un elemento genérico u =   ∈ W1 de manera que existen coeficientes α1 , α2 ∈ R tales que
 z 
t
u = α1 v1 + α2 v2 .
Se tiene que
 1 0 x   1 0 x 
   
 0 1 y 
  0 1 y 

  . . . →
− . . .  
 0 1 z   0 0 z − y 
0 0 t+y

0 −1 t
Entonces, las ecuaciones generadoras de W1 son
z − y = 0, t + y = 0,
y   



  x  



 y 
 
W1 =    ∈ R4 : z − y = 0 ∧ t + y = 0 .
 



  z  



 t 
 


b) Tenemos que W2 =< {v3 , v4 } >, donde

 0   1 
   
 1   0 
v3 =   , v4 =   .
 0   1 
0 1
 x 
 
 y 
Tomamos un elemento genérico u =   ∈ W2 de manera que existen coeficientes α3 , α4 ∈ R tales que
 z 
t
u = α3 v3 + α4 v4 .
Se tiene que
 0 1 x   0 1 x 
   
 1 0 y 
  1 0 y 
  . . .→
− . . .  
 0 1 z   0 0 z − x 
01 t 0 0 t−x
Entonces, las ecuaciones generadoras de W2 son
z − x = 0, t − x = 0,
y
  



  x  



 y 
 
W2 =    ∈ R4 : z − x = 0 ∧ t − x = 0 .
 




  z  



 t 
 

c) Se tiene que   



  x  



 y 
 
W1 ∩ W2 =    ∈ R4 : z − y = 0 ∧ t + y = 0 ∧ z − x = 0 ∧ t − x = 0 .
 




  z  



 t 
 

Se tiene que
 0 −1 1 0 0   1 0 0 0 0 
   
 0 1 0 1 0   0 1 0 0 0 

 −1 0 1 0 0  − . . .  0 0 1 0
  . . . →  
   0 
−1 0 0 1 0 0001 0
Entonces  



  0 

 0 
 
W1 ∩ W2 = 
 


 






 0
 
 




 0 
 

de manera que dim(W1 ∩ W2 ) = 0 y no tiene base

10) Sean α, β, γ ∈ R, con γ , 0. Considere los polinomios reales cuyas fórmulas son:
p(x) = α + βx + γx2 , q(x) = −1 + 2x2 .
a) Indique si el vector q es combinación lineal de los vectores p y p00 .

b) Halle el espacio vectorial generado por B = {p, p0 , p00 }.
Desarrollo. Observemos que para x ∈ R:
p0 (x) = β + 2γx, p00 (x) = 2γ.
a) El vector q es combinación lineal de p y p00 si existen coeficientes θ1 , θ2 ∈ R tales que
q = θ1 p + θ2 p00 ,
lo que equivale a que el siguiente sistema sea consistente:
 α 2γ −1 
 

p C p00 C | q C =  β 0 0 

γ 0 2
 
Se tiene que γθ1 = 2 de manera que

2
θ1 = . (7.68)
γ
De lo anterior se sigue que
θ1 , 0. (7.69)
Reemplazando (7.68) en la primera ecuación:
2α
αθ1 + 2γθ2 = −1 + 2γθ2 = −1
γ
de donde se sigue que !
1 2
θ2 = −1 − . (7.70)
2γ γ
Finalmente usando (7.69) en la segunda ecuación:
βθ1 = 0 ⇒ β = 0,
lo que no es necesariamente cierto. Por tanto:

i) si β = 0 entonces q es combinación lineal de p y p00 ;
ii) si β , 0 entonces q no es combinación lineal de p y p00 .
b) Puesto que dim(P2 (R)) = 3 = #(B) y además
α β 2γ

det( p C p C p C ) = β 2γ 0 = −4γ3 , 0,
0 00
γ 0 0

se sigue que B es base de P2 (R) y, por tanto:
= P2 (R).

11) Considere los conjuntos S = {p1 , p2 , p3 }, B = {q1 , q2 , q3 } y T = {r1 , r2 , r3 }, donde, para x ∈ R:
p1 (x) = 1 + x + x2 , p2 (x) = −1 + x, p3 (x) = −3; (7.71)

q1 (x) = 2 − x, q2 (x) = −5 + 2x + 3x2 , q3 (x) = −x ; 2
(7.72)
r1 (x) = −x + 5x , r2 (x) =
2
1 − 3x + 2x2 , r3 (x) = −x . 2
(7.73)
a) Analice si S , B y T son bases del espacio P2 (R).

b) En caso de ser posible, halle la matriz de transición de B a S .
c) Halle las coordenadas de un vector genérico
v : R −→ R
x 7−→ v(x) = a + bx + cx2 .
en la base T .
     
 1   −1   −3 
p1 C =  1  , p2 C =  1  , p3 C =  0  ,
     
1 0 0
     
     
 2   −5   0 
q1 C =  −1  , q2 C =  2  , q3 C =  0  ,
     
0 3 −1
     
     
 0   1   0 
[r1 ]C =  −1  , [r2 ]C =  −3  , [r3 ]C =  0  .
     
5 2 −1
     
a) Puesto que dim(P2 (R)) = 3 = #(S ) y

1 −1 −3
det p1 C p2 C p3 C = 1 1 0 = 3 , 0,

1 0 0
se sigue que S es base de P2 (R). Se procede de manera similar para B y T .

b) Se tiene que
[Id]SB = [Id]SC · [Id]CB . (7.74)
Por un lado se tiene que  
 2 −5 0 
[Id]CB = q1 C q2 C q3 C = −1 2 0  . (7.75)
0 3 −1
 
Por otro lado:  

1 −1 −3
[Id]CS = p1 C p2 C p3 C = 1 1 0  .
1 0 0
 
 −1  
1 −1 −3  0 0 1 
C −1

[Id]C = [Id]S
S
= 1 1 0  =  0 1 −1  . (7.76)
   
1 0 0 −1/3 −1/3 2/3
   
Por tanto, reemplazando (7.76) y (7.75) en (7.74):

   
 0 0 1   2 −5 0 
[Id]SB =  0 1 −1  · −1 2 0 
   
−1/3 −1/3 2/3 0 3 −1
   
 
 0 3 −1 
=  −1 −1 1  . (7.77)
 
−1/3 3 −2/3
 
c) Resolveremos este punto de dos maneras diferentes.

1) Primera forma. Buscamos coeficientes α1 , α2 , α3 ∈ R tales que
v = α1 r1 + α2 r2 + α3 r3
que, para x ∈ R, corresponde a
v(x) = α1 r1 + α2 r2 + α3 r3 ,
a + bx + cx2 = α1 (−x + 5x2 ) + α2 (1 − 3x + 2x2 ) + α3 (−x2 ). (7.78)
Entonces    
 0 1 0 a   0 1 0 a 
−1 −3 0 b . . . −→ . . . −1 0 0 3a + b
   
   
5 2 −1 c 0 0 −1 13a + 5b + c
de manera que
α1 = −3a − b, α2 = a, α3 = −13a − 5b − c.
2) Segunda forma. Se tiene que
[v]T = [Id]TC [v]C . (7.79)
Se tiene que
−1 −1
[Id]TC = [Id]CT = [r1 ]C [r2 ]C [r3 ]C
 −1  
 0 1 0   −3 −1 0 
= −1 −3 0  =  1 0 0  , (7.80)
   
5 2 −1 −13 −5 −1
   
que, reemplazado en (7.79), provée:
 α1   −3 −1 0   a   −3a − b 

      
[v]T =  α2  =  1 0 0   b  =  a  .
      
α3 −13 −5 −1 c −13a − 5b − c
     
1) Sea B1 = {u1 , u2 } una base del espacio vectorial R2 . Sean
v1 = u1 + u2 , v2 = 2u1 − u2 ,
Pruebe que B2 = {v1 , v2 } es otra base de R2 .

2) Sea V = P3 (R). Considere los polinomios reales cuyas fórmulas son
r(t) = 1 + 2t − t2 − t3 ,
p1 (t) = −2 + t2 , p2 (t) = t + t2 + t3 , p3 (t) = 3 + 2t − 2t2 − t3 ,

p4 (t) = 5, p5 (t) = 4 − t3 , p6 (t) = 2t,
a) ¿Es el vector r combinación lineal de los vectores p1 , p2 ? En caso afirmativo escriba una combinación lineal.
b) ¿Es el vector r combinación lineal de los vectores p1 , p3 ? En caso afirmativo escriba una combinación lineal.
c) ¿Es el vector r combinación lineal de los vectores p1 , p2 , p4 , p5 ? En caso afirmativo escriba una combinación lineal.
d) ¿Es el vector r combinación lineal de los vectores p1 , p2 , p4 , p6 ? En caso afirmativo escriba una combinación lineal.
e) ¿Es el vector r combinación lineal de los vectores p1 , p2 , p4 , p5 , p6 ? En caso afirmativo escriba una combinación
lineal.
3) Sea V = M2×3 (R). Considere las matrices reales
!
2 −1 0
U= ,
1 0 −3
! ! !
−3 5 7 0 −2 0 8 −11 −14
A1 = , A2 = , A3 = ,
1 0 −2 −2 0 4 −1 0 1
! !
0 0 −1 0 0 0
A4 = , A5 = ,
0 1 −1 5 −3 1
! !
00 0 000
A6 = , A7 = , (7.81)
0 2 −1 002
a) ¿Es el vector U combinación lineal de los vectores A1 , A2 ? En caso afirmativo escriba una combinación lineal.
b) ¿Es el vector U combinación lineal de los vectores A1 , A3 ? En caso afirmativo escriba una combinación lineal.
c) ¿Es el vector U combinación lineal de los vectores A1 , A2 , A4 , A5 , A6 , A7 ? En caso afirmativo escriba una combina-
ción lineal.
4) Determine si el conjunto Gk es linealmente independiente en P2 (R).
G1 = {p1 , p2 , p3 }, donde p1 (t) = 2 + 3t + 5t2 , p2 (t) = 1 − 2t + t2 , p3 (t) = −1 + 6t2 ;
G2 = {p1 , p2 , p3 , p4 }, donde p4 (t) = 1 − t;

G3 = {p1 , p2 };
G1 = {p1 , p2 , p5 }, donde p5 (t) = 1 + 5t + 4t2 .
5) Determine si el conjunto Hk es linealmente independiente en M2 (R).
( ! ! ! !)
1 −3 1 4 −1 6 0 0
H1 = , , , ;
2 4 5 0 −1 3 3 0
( ! ! ! !)
a0 bc de gh
H2 = , , , , donde ac f k , 0.
00 00 f 0 jk
6) Determine si el conjunto Bk es una base del espacio vectorial M2 (R).
(
! ! ! !)
3 1 3 2 −5 1 0 1
B1 = , , , ;
00 00 0 6 0 −7
( ! ! ! !)
a0 0b 00 00
B2 = , , , , donde abcd , 0;
00 00 c0 0d
( ! ! ! ! !)
−1 0 2 1 −6 1 7 −2 0 1
B3 = , , , , .
3 1 14 5 8 1 0 00
7) Determine si el conjunto Bk es una base del espacio vectorial P2 (R).
B1 = {p1 , p2 }, donde p1 (x) = −2 − 11x + 7x2 , p2 (x) = −5 − x − 5x2 ;
B2 = {q1 , q2 , q3 }, donde q1 (x) = −3x, q2 (x) = 1 + x2 , q3 (x) = x2 − 5;

B3 = {w1 , w2 , w3 }, donde w1 (x) = 10 − x − 10x2 , w2 (x) = −23 + 14x + 53x2 , w3 (x) = −1 + 4x + 11x2 .
8) Determine si el conjunto B es una base del subespacio vectorial V ⊆ R2 .
( ! ) ( ! !)
x 1 4
V= ∈ R : x−y = 0 ,
2
B= , ;
y 1 4
( ! ) ( ! ! !)
x 3 6 −6
V= ∈ R2 : 2x + 3y = 0 , B= , , ;
y −6 −4 4
( ! ) ( ! !)
x 1 −3
V= ∈ R2 : x + y = 0 , B= , .
y −1 3
9) Determine si el conjunto Vk es un s.e.v. de R3 y, en ese caso, halle una base para el mismo.
     

  x 
 
 x  

 
V1 =  3
+ = =  y  ∈ R3 : 3x − 2y + z = 0
   
y ∈ : 3x − 2y 5z 0 ; V ;
   
 

 

 R 
 2 
   


 z   
 
 z   

     

  2  
 
  3t  


V3 =   ∈ R3 : t ∈ R ; =  −2t  ∈ R3 : t ∈ R .
   
−2t V
    
 

   4 
   

 3t
   
 
 t   

 
 x 
   


 


  y  
10) Sea U =  = =
 4

, donde v ∈ R4 \ {0}.
 
u ∈ : hu, vi 0
   
R







 z
 









w

 

a) Pruebe que U es un subespacio vectorial de R4 .

b) Encuentre una base para U y dim(U).
 
 x 
 


 





  y  



11) Sea U =  = + + =
   5

u z ∈ : 2x − 3y z 4w − t 0 .
 
 

 

 R 



  w  




 
   


 t 
a) Pruebe que U es un subespacio vectorial de R5 .

b) Encuentre una base para U y dim(U).
12) Pruebe que el conjunto solución del sistema de ecuaciones es un s.e.v. y halle una base para el mismo.
  
 x − y = 0,

 2x + y = 0,

  x − y − z = 0,


−2x + 2y = 0.

  x − 3y = 0.

 2x − y + z = 0.


 
 2x1 + 3x2 − 4x3 = 0,  x − 6y + 11z + 6w = 0,
−x + 3y − 12z − 5w = 0,
 

 


x1 − x2 + x3 = 0, −15x + 26y − 13z − 10w = 0,
 
 

7x − 3y + z − 9w = 0.

 

 


2x1 + 8x2 − 10x3 = 0.

 −3x + 2y + 5z + 2w = 0.


 



5x + 8y − 8z − 3w = 0, 


2x1 − 6x2 + 4x3 = 0,
+ 11y − 11z − 2w = 0, −x1 + 3x2 − 2x3 = 0,

 
10x



 


12x + 11z − 8w = 0.

 −3x1 + 9x2 − 6x3 = 0.


13) El conjunto Bk es una base de R2 . Escriba un vector genérico u ∈ R2 como una combinación lineal de los elementos
de Bk . ( ! !) ( ! !) ( ! !)
7 3 1 1 2 3
B1 = , , B2 = , , B3 = , ,
−12 6 1 −1 −3 −2
( ! !) ( ! !) ( ! !)
5 3 −1 −1 −7 4
B4 = , , B5 = , , B6 = , ,
7 −4 −2 2 −9 10
( ! !)
a b
B7 = , , donde ad − bc , 0.
c d
14) El conjunto Bk es una base de R3 . Escriba un vector genérico u ∈ R3 como una combinación lineal de los elementos
de Bk .                  

  −5   1   5    1   0   1    −4   −1   0 
      
           

B1 =  , , , = , , , =  −1  ,  −1  ,  2  ,
     
0 2 2 B 0 1 1 B
  
 

 

 

 

 

 


 2 
 

 

 

 

 

 


 3 
 
 3 −2 0   −1 0 1   2 1 1 
                    
           

  2   −1   3    3   −2   4 
      
     
B4 =   1  ,  4  ,  −2  , B5 =   0  ,  −5  ,  4  .
 
  

 3   5   −4 

 
 
 4   −2   −5 
 

15) El conjunto Bk es una base de P2 (R). Escriba un vector genérico p ∈ P2 (R) como una combinación lineal de los
elementos de Bk .
B1 = {p1 , p2 , p3 }, donde: p1 (x) = 1, p2 (x) = x − 1, p3 (x) = x2 − 1;
B2 = {p4 , p5 , p6 }, donde: p4 (x) = 1 + x + 4x2 , p5 (x) = −3 + 4x − 2x2 , p6 (x) = 3 − 2x + 4x2 ;
B3 = {p7 , p8 , p9 }, donde: p7 (x) = −2 − 11x − x2 , p8 (x) = −4 + 4x − 4x2 , p9 (x) = 1;
B4 = {q1 , q2 , q3 }, donde: q1 (x) = x + 1, q2 (x) = x − 1, q3 (x) = x2 − 1.
16) Considere las funciones determinadas por las fórmulas
p1 (t) = 1 + t − t2 , p2 (t) = 1 − t + 2t2 , p3 (t) = t + 3t2 .
Determine si S = {p1 , p2 , p3 } es una base del espacio P2 (R).

17) Sean !
1 −3
M= , V = {A ∈ M2 (R) : AM = 0} .
−3 6
a) Pruebe que V es un s.e.v. de M2 (R).
b) Determine una base y la dimensión de V.
( ! ! ! !)
1 1 20 0 1 0 −2
18) Considere el conjunto B = , , , .
−1 0 3 1 −1 0 0 4
a) Pruebe que B es una base ! de M2 (R).
2 −1
b) Escriba la matriz como combinación lineal de los elementos de B.
4 6
c) Escriba una matriz genérica A ∈ M2 (R) como combinación lineal de los elementos de B.
! ( ! !) ( ! !)
−6 −2 −5 −2 −2
19) Se sabe que [u]B1 = , donde B1 = , . Halle [u]B2 , donde B2 = , .
−3 3 −1 2 5
! ( ! !) ( ! !)
2 1 2 0 5
20) Se sabe que [u]B1 = , donde B1 = , . Halle [u]B2 , donde B2 = , .
−1 1 3 3 −1
             
 4  
  −1   1   −5    −2   3   −3 
      
     
Se sabe que [u]B1 =  3 , donde B1 =  , , =  −2  ,  −5  ,  −2 
   
21) 1 −3 −2 . Halle [u] , donde B .
   
 
 
 
 
 
 

 B2 2 
 
           
4 0 −2 −3 −2 1 1 
  
        
 
 
 1 
22) Se sabe que [u]B1 =  0 , donde B1 = {p1 , p2 , p3 } ⊆ P2 (R)(R) con
 
1
 
p1 (t) = 1 + 4t − 5t2 , p2 (t) = 3t + 2t2 , p3 (t) = 1 − 5t − 2t2 , t ∈ R.
Halle [u]B2 , donde B2 = {q1 , q2 , q3 } con
q1 (t) = −2 − 3t − 2t2 , q2 (t) = −1 − 4t − 5t2 , q3 (t) = −3 − 5t − 4t2 , t ∈ R.

 
 2 
23) Se sabe que [u]B1 =  1 , donde B1 = {p1 , p2 , p3 } ⊆ P2 (R)(R) con
 
3
 
p1 (t) = 1 − t, p2 (t) = 3t, p3 (t) = t2 − t − 1, t ∈ R.
Halle [u]B2 , donde B2 = {q1 , q2 , q3 } con
q1 (t) = 3 − 2t, q2 (t) = 1 + t, q3 (t) = t + t2 , t ∈ R.
24) Sea W = {A ∈ M2 (R) : A es simétrica y Tr(A) = 0}.

a) Pruebe que W es un subespacio vectorial de M2 (R).
b) Halle una base y la dimensión de W.
25) Considere los siguientes sistemas de ecuaciones reales

 

 x1 + 3x2 − 4x3 + 2x4 = 0,
2x1 + 2x2 − 3x3 + x4 = 0,

x1 − x2 + x3 − x4 = 0,
 
(7.83)
 
(7.82) 
 x2 + x3 − x4 = 0
 

−x1 − x2 + 5x3 − 3x3 = 0
 

a) Halle V1 el conjunto solución del sistema (7.82). Pruebe que V1 es un s.e.v. de R4 y halle su dimensión.
b) Halle V2 el conjunto solución del sistema (7.83). Pruebe que V2 es un s.e.v. de R4 y halle su dimensión.
c) Halle el s.e.v. V1 ∩ V2 y halle su dimensión.
d) ¿Es s.e.v. el conjunto V1 ∪ V2 ?
Q = {A ∈ M3 (R) : A es antisimétrica} .
a) Pruebe que Q es un s.e.v. de M3 (R).
b) Halle una base de Q e indique su dimensión.
27) Para k = 1, 2, 3, 4, ek denota el k-ésimo vector canónico de R4 .
a) Halle las ecuaciones generadoras de W1 =< {e1 + e2 , e2 + e3 − e4 } >.
b) Halle las ecuaciones generadoras de W1 =< {e2 − e3 , e1 + e3 + e4 } >.
c) Halle la dimensión de W1 ∩ W2 y, en caso de ser posible, halle una base para W1 ∩ W2 .
28) Sea W el conjunto de polinomios reales p de grado menor o igual a 3 cuya fórmula tiene la forma
p(x) = a + bx + 2bx2 + (a − 3b)x3 , x ∈ R.
a) Pruebe que W es un s.e.v. de P3 (R).

b) Encuentre una base B de W e indique su dimensión.
c) Halle una base D de P3 (R) de manera que B ⊆ D.
29) Considere los conjuntos
                 

  1   −1   −3    2   −4   0    0   1   0 
      
      
     
S =  1  ,  1  ,  0  , B=  −1  ,  2  ,  0  , T =  −1  ,  −3  ,  0  .
 
  
  

     
 1 0 0   0 3 −2   5 2 −1 
               
a) Pruebe que S , B y T son bases del espacio R3 .

b) Halle la matriz de transición de B a S .
c) Halle la matriz de transición de T a S .
d) Halle la matriz de transición de B a T .
 
 a 
e) Determine las coordenadas de un vector genérico v =  b  con respecto a las bases S , B y T .
 
c
 
p1 (x) = 1 + 2x − x2 , p2 (x) = −1 + 3x, p3 (x) = x.
a) Pruebe que B = {p1 , p2 , p3 } es base de P2 (R).

b) Halle p C , donde p : R → R tiene por fórmula p(x) = 1 + 3x − 2x2 .

31) Halle el subespacio vectorial W ⊆ P2 (R), generado por el conjunto S = {p1 , p2 , p3 } donde, para x ∈ R:
p1 (x) = 1 + 2x − x2 , p2 (x) = 2 + x.
32) Considere los conjuntos S = {p1 , p2 , p3 }, B = {q1 , q2 , q3 } y T = {r1 , r2 , r3 }, donde, para x ∈ R:
p1 (x) = 1 + 2x + x2 , p2 (x) = −1 + 2x, p3 (x) = −5; (7.84)

q1 (x) = 2 − 3x, q2 (x) = −3 + 2x + 3x2 , q3 (x) = −x ; 2
(7.85)
r1 (x) = −x + 5x2 , r2 (x) = 1 − 3x + 2x2 , r3 (x) = −x2 . (7.86)
a) Analice si S , B y T son bases del espacio P2 (R).

b) En caso de ser posible, halle la matriz de transición de B a S .
c) En caso de ser posible, halle la matriz de transición de T a S .
d) Halle las coordenadas de un vector genérico
v : R −→ R
x 7−→ v(x) = a + bx + cx2 .
en la base T .
1) Considere el siguiente conjunto

V = {p ∈ P2 (R) : p(x) = p(x + 1)}.
a) Pruebe que V es un s.e.v. de P2 (R).
b) Halle una base de V e indique su dimensión.
2) Sean m, n ∈ N. Pruebe que el conjunto de todos los vectores canónicos es una base de Mm×n (K) y que
dim(Mm×n (K)) = m × n. (7.87)
Sea n ∈ N ∪ {0}. Pruebe que el conjunto de todos los vectores canónicos es una base de Pn (R) y que
dim(Pn (R)) = n + 1. (7.88)
3) Sea n ∈ N. Halle una base y la dimensión de Λ = {A ∈ Mn (R) : A es diagonal}.

V = p ∈ P2 (R) : 5p0 (1) − 4p(2) = 0. .

a) Pruebe que V es un s.e.v. de P2 (R).

b) Halle una base de V e indique su dimensión.
5) Sean S y T dos subconjuntos de dimensión finita del espacio vectorial X.
a) Pruebe que si S ⊆ T , entonces < S >⊆< T >.
b) Pruebe que < S ∩ T >⊆< S > ∩ < T >.
c) Mediante un ejemplo muestre que no necesariamente se cumple que < S ∩ T >⊇< S > ∩ < T >.
( ! )
u11 u12
U= ∈ M2 (R) : u11 − u12 − u21 = 0 ∧ u11 + u12 − u22 = 0 .
u21 u22
a) Pruebe que U es un s.e.v. de M2 (R).

b) Halle una base de U e indique su dimensión.
c) Pruebe que si X ∈ U \ {0}, entonces X es invertible y halle X −1 .
d) Indique si el conjunto
N = {X ∈ U : X −1 ∈ U} ∪ {0}
es un s.e.v. de M2 (R).
7) Considere los subconjuntos de P3 (R):
S = {p1 , p2 , p3 , p4 } , B = {q1 , q2 , q3 , q4 } , T = {r1 , r2 , r3 , r4 } ,
donde, para x ∈ R:
p1 (x) = 1 + x + x2 , p2 (x) = −1 + x, p3 (x) = −3, p4 (x) = −2 + x + x2 − x3 , (7.89)

q1 (x) = −2, q2 (x) = −4 + 2x + 3x , 2
q3 (x) = 2 − x, q4 (x) = −2 + x + x − 2x ,2 3
(7.90)
r1 (x) = 1 + x + x2 + x3 , r2 (x) = −1 + x + x3 , r3 (x) = −3 + x3 , r4 (x) = 5 + x2 − x3 . (7.91)
a) Pruebe que S , B y T son bases del espacio P3 (R).

b) Halle la matriz de transición de B a S .
c) Halle la matriz de transición de T a S .
d) Halle la matriz de transición de B a T .
e) Determine las coordenadas de un vector genérico determinado por la fórmula
η(x) = α + βx + γx2 + ηx3 ,
con respecto a las bases S , B y T .

       

  1   0   0 
 1 2 1
8) Sea B =   0  ,  2  ,  1 , base de R3 . Halle B0 base de R3 tal que P = 3 4 5 sea la matriz de cambio de base de B

      
 0   4   1 

020
 
  
aB.0
9) Sea λ ∈ R. Considere el siguiente sistema de ecuaciones





 (3λ + 3)x + λy + (λ + 3)z = 3λ − 3,
λx + (λ − 1)y + z = λ − 1,





(λ + 2)x + y + z = λ − 1.


a) Analice el sistema y determine cuándo es determinado, inconsistente e indeterminado. En cada caso determine el
conjunto solución.
b) Con respecto al punto anterior, indique cuando el conjunto solución es un subespacio vectorial de R3 . Halle una
base para este s.e.v.
1) Sea n ∈ N. Suponga que las funciones f1 , f2 , ..., fn ∈ F (R) tienen derivadas al menos hasta de orden n − 1. Se define el
Wronskiano de f1 , f2 , ..., fn , como la función determinada por la fórmula
f2 (x) . . . fn (x)

f1 (x)
f 0 (x) f20 (x) . . . fn0 (x)
100
f200 (x) . . . fn00 (x)

W[ f1 , ..., fn ](x) = f1 (x) (7.92)
.. .. ..
. . ... .

(n−1)
f1 (x) f2(n−1) (x) . . . fn(n−1) (x)
a) Pruebe que { f1 , f2 , ..., fn } es l.i. si y sólo si W[ f1 , f2 , ..., fn ] , 0, es decir ssi

∃x0 ∈ R : W[ f1 , ..., fn ](x0 ) , 0. (7.93)
b) Usando el punto anterior analice si el conjunto S = { f1 , f2 , f3 } es l.i. o l.d., donde para x ∈ R:
f1 (x) = x, f2 (x) = sen(x), f3 (x) = cos(x); (7.94)

f1 (x) = 1, f2 (x) = sen2 (x), f3 (x) = cos(2x); (7.95)
f1 (x) = 1, f2 (x) = e−2x , f3 (x) = x · e−2x . (7.96)
2) Sean U y W dos s.e.v. del espacio vectorial V tales que U ⊆ W y dim(U) = dim(W) < ∞. Pruebe que U = W.
3) Sean U y W dos s.e.v. del espacio vectorial V. Considere el conjunto
T = {t = u + w : u ∈ U ∧ w ∈ W}.
a) Pruebe que T es un s.e.v. de V.

b) Pruebe que si U ∩ W = {0} y dim(V) < ∞ entonces
dim(T ) = dim(U) + dim(W).
c) Pruebe que si B1 y B2 son bases de U y W, respectivamente, entonces
T =< B1 ∪ B2 > . (7.97)
4) Sea n ∈ N.
a) Pruebe que n o
Wn (K) = A ∈ Mn (K) : A = −At (7.98)
es un s.e.v. de Mn (K).
b) Deduzca que
n(n + 1)
dim (Wn (K)) = . (7.99)
2
c) Pruebe que
∀A ∈ Mn (K) : A − At ∈ Wn (K).
d) Halle una base de Wn (K).
5) Sea B1 = {v1 , v2 , ..., vn } una base del espacio vectorial V. Para cada k ∈ In , se define el vector
k
X
uk = vi .
i=1
Pruebe que B2 = {u1 , u2 , ..., un } es una base de V.

Capı́tulo 8
Suma de espacios y producto interno

Roger Bacon
8.1. Suma de subespacios vectoriales
En la siguiente definición establecemos el concepto de suma de subespacios:
Definición 8.1 (Suma de subespacios) Sea V un espacio vectorial sobre el cuerpo K. Si U1 y U2 son s.e.v. de
V, se define U1 + U2 como el conjunto
U1 + U2 = {v = u1 + u2 ∈ V : u1 ∈ U1 , u2 ∈ U2 }. (8.1)
El siguiente resultado establece que la suma de s.e.v. es también un s.e.v.
Teorema 8.1 (Suma de s.e.v. es s.e.v.) Sea V un espacio vectorial sobre el cuerpo K. Si U1 y U2 son s.e.v. de V,
entonces U1 + U2 es s.e.v. de V.
Demostración. Tomamos elementos genéricos: α ∈ K y u, v ∈ U1 + U2 . Sabemos que existen vectores u1 , v1 ∈ U1 y u2 , v2 ∈

U2 tales que
u = u1 + u2 y v = v1 + v2 .
Por tanto:
αu + v = (αu1 + v1 ) + (αu2 + v2 ),
con αu1 + v1 ∈ U1 y αu2 + v2 ∈ U2 . Por tanto αu + v ∈ U1 + U2 . Puesto que α, u1 y u2 fueron elegidos arbitrariamente, se
ha probado que
∀α ∈ K, ∀u, v ∈ U1 + U2 : αu + v ∈ U1 + U2 ,
es decir que U1 + U2 es s.e.v. de V.
t
u
Teorema 8.2 Sean V un espacio vectorial (sobre el cuerpo K) y U1 , U2 dos s.e.v. de V. Si B1 y B2 son bases de
U1 y U2 , respectivamente, entonces
U1 + U2 =< B1 ∪ B2 > . (8.2)
i) Probemos que U1 + U2 ⊆< B1 ∪ B2 >. Para esto, tomamos v ∈ U1 + U2 , genérico. Sabemos que existen
Demostración.
elementos u ∈ U1 y w ∈ U2 tales que
v = u + w.
Puesto que B1 y B2 son bases de U1 y U2 , respectivamente, existen
αi ∈ K, ui ∈ U1 : i = 1, 2, ..., n;
β j ∈ K, w j ∈ U2 : j = 1, 2, ..., m;
192 8 Suma de espacios y producto interno
tales que
n
X m
X
u= αi ui , w= β jw j.
i=1 j=1
Se sigue entonces que

n
X m
X
v= αi ui + β jw j,
i=1 j=1
de manera que v es una combinación lineal de elementos de B1 ∪ B2 , o sea que v ∈< B1 ∪ B2 >. Puesto que v fue elegido
arbitrariamente, se ha probado que
∀v ∈ U1 + U2 : v ∈< B1 ∪ B2 >,
es decir se ha probado que U1 + U2 ⊆< B1 ∪ B2 >.
ii) Probemos que U1 +U2 ⊇< B1 ∪ B2 >. Tomemos v ∈< B1 ∪ B2 >, genérico. Puesto que v es combinación lineal de elementos
de B1 ∪ B2 , existen
αi ∈ K, ui ∈ U1 : i = 1, 2, ..., n;
β j ∈ K, w j ∈ U2 : j = 1, 2, ..., m;
tales que
n
X m
X
v= αi ui + β jw j.
i=1 j=1
Puesto que ni=1 αi ui ∈ U1 y mj=1 β j w j ∈ U2 , se ha probado que v ∈ U1 + U2 . Puesto que v fue elegido arbitrariamente, se
P P
ha probado que
∀v ∈< B1 ∪ B2 >: v ∈ U1 + U2 ,
de manera que < B1 ∪ B2 >⊆ U1 + U2 .
t
u
Teorema 8.3 (Teorema de la Dimensión) Sea V un espacio vectorial sobre el cuerpo K. Si U1 , U2 son s.e.v. de
V con dimensión finita, entonces
dim(U1 + U2 ) = dim(U1 ) + dim(U2 ) − dim(U1 ∩ U2 ). (8.3)
La demostración del Teorema 8.3 se requiere como ejercicio al final del capı́tulo.
Ejemplo 8.1 Con un ejemplo ayudemos a comprender el contenido de los Teoremas 8.2 y 8.3. Tomemos V = R3 ,
     

  x  
 
  x 

 
U1 =  3
, = 3
,
   
y ∈ : x, y ∈ U 0 ∈ : x, z ∈
   
 

 

 R R
 2 
 

 

 R R

 0 
 
 
 z  

y
B1 = {i, j}, B2 = {i, k}.
Es claro que B1 es base de U1 y que B2 es base de U2 . En este caso,
U1 + U2 = R3 =< B1 ∪ B2 >=< {i, j, k} > .
Por otro lado,

dim(U1 + U2 ) = 3, dim(U1 ) = 2, dim(U2 ) = 2, dim(U1 ∩ U2 ) = 1,
de manera que se cumple el Teorema de la Dimensión.
Definición 8.2 (Suma Directa) Sea V un espacio vectorial sobre el cuerpo K. Sean W, U1 , U2 s.e.v. de V. Se dice
que W es la suma directa de U1 y U2 , denotado W = U1 ⊕ U2 , si se cumplen las siguientes condiciones
W = U1 + U2 , (8.4)
U1 ∩ U2 = {0}. (8.5)
8.1 Suma de subespacios vectoriales 193
Observación 8.1 Bajo las condiciones de la Definición 8.2, se tiene que
dim(U1 ⊕ U2 ) = dim(U1 ) + dim(U2 ). (8.6)
Teorema 8.4 (Caracterización de la suma directa) Sea V un espacio vectorial sobre el cuerpo K. Sean
W, U1 , U2 s.e.v. de V. Entonces W = U1 ⊕ U2 ssi
∀w ∈ W, ∃!(u1 , u2 ) ∈ U1 × U2 : w = u1 + u2 . (8.7)
Observación 8.2 En varios textos se utiliza (8.7) para definir suma directa. Establece que la descomposición de un vector
w ∈ W como suma de elementos de U1 y U2 es única.
Teorema 8.5 (Completación de un s.e.v. por suma directa) Sea V un espacio vectorial sobre el cuerpo K, con
dimensión finita. Si U es un s.e.v. de V, entonces existe W s.e.v. de V tal que V = U ⊕ W.
Demostración (Esquema de la demostración). Por hipótesis, sabemos que para un cierto n ∈ N, dim(V) = n.
El resultado es inmediato si U = {0} o si U = V.
Si U , {0} y U , V, entonces existen k < n y B = {u1 , ..., uk } base de U. Es claro que podemos construir
S = B ∪ {w1 , w2 , ..., wn−k }
base de V con
wi <, para todo i = 1, 2, ..., n − k.
El s.e.v. W =< {w1 , w2 , ..., wn−k } > es tal que
V = U ⊕ W.
t
u
El esquema de la demostración del Teorema 8.5 es útil, como se verá en el siguiente ejemplo.
Ejemplo 8.2 En el espacio vectorial P3 (R) consideramos el s.e.v.

n o
U = p ∈ P3 (R) : p(x) = a + bx + cx2 + dx3 ∧ a − 2b − c = 0 ∧ b − c − d = 0 .
Usando el esquema de la demostración del Teorema 8.5 encontraremos W, un s.e.v. de P3 (R) tal que
P3 (R) = U ⊕ W.
Busquemos B una base de U. Si p ∈ U, se tiene que
p(x) = a + bx + cx2 + dx3 ∧ a − 2b − c = 0 ∧ b − c − d = 0;

p(x) = a + bx + cx2 + dx3 ∧ a = 2b + c ∧ d = b − c;
p(x) = (2b + c) + bx + cx2 + (b − c)x3 ;
p(x) = b(2 + x + x3 ) + c(1 + x2 − x3 ). (8.8)
Por tanto B = {p1 , p2 } es una base de U, donde
p1 (x) = 2 + x + x3 , p2 (x) = 1 + x2 − x3 , x ∈ R.
Consideramos ahora los elementos w1 , w2 ∈ P3 (R) cuyas fórmulas son
w1 (x) = 1, w2 (x) = x, x ∈ R.
Puesto que

2 1 1 0
1 0 0 1
det( p1 C p2 C [w1 ]C [w2 ]C ) = = −1 , 0,

0 1 0 0
1 −1 0 0

el conjunto
S = B ∪ {w1 , w2 }
es una base de P3 (R). Finalmente, el s.e.v.
W =< w1 , w2 >
es tal que
P3 (R) = U ⊕ W.
El siguiente resultado es importante.
Corolario 8.1 Sean V un espacio vectorial sobre el cuerpo K, y W1 , W2 s.e.v. de V. Suponga que B1 y B2 son
bases de W1 y W2 , respectivamente. Entonces,
B1 ∩ B2 = ∅ ⇒ W1 + W2 = W1 ⊕ W2 . (8.9)
Ejemplo 8.3 En el espacio M2 (R) consideramos los s.e.v.

( ! ) ( ! )
xy xy
W1 = : x + y + z = 0 , W2 = : 2x + y = 0 ∧ y − z = 0 ,
z t z t
( ! )
xy
W3 = : 2x + y = 0 ∧ y − z = 0 ∧ t = 0 .
z t
Hallemos W1 + W2 y W1 ⊕ W3 .
Primero hallemos una base de W1 . Si A ∈ W1 , se tiene que

!
xy
A= ∧ x + y + z = 0,
z t
!
−y − z y
A= ,
z t
! ! !
−1 1 −1 0 00
A=y +z +t ,
0 0 1 0 01
de manera que el conjunto ( ! ! !)

−1 1 −1 0 0 0
B1 = , ,
0 0 1 0 01
es una base de W1 .
Ahora hallemos una base de W2 . Si A ∈ W2 , se tiene que

!
xy
A= ∧ 2x + y = 0 ∧ y − z = 0
z t
!
−y/2 y
A= ,
y t
! !
−1/2 1 00
A=y +t ,
1 0 01
de manera que el conjunto ( ! !)

−1/2 1 0 0
B2 = ,
1 0 01
es una base de W2 .
8.2 Producto interior 195
Asimismo hallemos una base de W3 . Si A ∈ W3 , se tiene que

!
xy
A= ∧ 2x + y = 0 ∧ y − z = 0 ∧ t = 0
z t
!
−y/2 y
A= ,
y 0
!
−1/2 1
A=y ,
1 0
de manera que el conjunto ( !)

−1/2 1
B3 =
1 0
es una base de W3 .
Por el Teorema 8.2, se sigue que

( ! ! ! !)
−1 1 −1 0 0 0 −1/2 1
W1 + W2 =< B1 ∪ B2 >= , , , = {w1 , w2 , w3 , w4 }.
0 0 1 0 01 1 0
Obsérvese que no sabemos si B1 ∪ B2 es una base de W1 + W2 pues podrı́a ser l.d.
Puesto que
−1 −1 0 −1/2
1 0 0 1 3
det([w1 ]C [w2 ]C [w3 ]C [w4 ]C ) = = − , 0,
0 1 0 1 2
0 0 1 0

se sigue que B1 ∪ B2 es l.i. y, por tanto, base de W1 + W2 .
Finalmente, puesto que B1 ∩ B3 = ∅, se tiene, por el Corolario 8.1, que
W1 + W3 = W1 ⊕ W3 = M2 (R).
8.2. Producto interior
En una clase anterior abordamos el producto escalar del espacio R3 como la función h·, ·i : R3 × R3 −→ R definida
mediante
hu, vi = ut v = x1 x2 + y1 y2 + z1 z2 , (8.10)
   
 x1   x2 
donde u =  y1  y v =  y2 . En esta sección mostraremos que las propiedades allı́ enunciadas, como la desigualdad de
   
z1 z2
   
Cauchy-Schwartz, son válidas en un contexto más general.
Definición 8.3 (Producto interno) Sea V un espacio vectorial sobre el cuerpo K. Se dice que una aplicación
h·, ·i : V × V −→ K es un producto escalar o producto interno si se cumplen las siguientes propiedades:
i) Pseudosimetrı́a:
∀u, v ∈ V : hu, vi = hv, ui; (8.11)
ii) Propiedad distributiva
∀u, v, w ∈ V : hu, v + wi = hu, vi + hu, wi ; (8.12)
iii) Homogeneidad:
∀λ ∈ K, ∀u, v ∈ V : hλu, vi = λ hu, vi ; (8.13)
iv) Positividad:
∀u ∈ V : hu, ui ≥ 0; (8.14)
hu, ui = 0 ⇔ u = 0. (8.15)
En este caso se dice que V es un espacio con producto interno o espacio euclidiano
Observación 8.3 Si en la Definición 8.3, K = R, la pseudosimetrı́a se transforma en simetrı́a:
∀u, v ∈ V : hu, vi = hv, ui . (8.16)
Observación 8.4 Tenga presente que sobre un espacio vectorial se pueden definir varios productos escalares y, en este
caso, se cuenta con varios espacios euclidianos que trabajan con el mismo conjunto de vectores.
Ejemplo 8.4 Tomamos a, b, c ∈ R tales que a < b < c. En el espacio vectorial P2 (R) consideramos la aplicación h·, ·i :
P2 (R) × P2 (R) −→ R mediante
hp, qi = p(a)q(a) + p(b)q(b) + p(c)q(c).
Probemos que h·, ·i es un producto interior en P2 (R).
i) Simetrı́a. Probemos que

∀p, q ∈ P2 (R) : hp, qi = hq, pi . (8.17)
Tomamos polinomios genéricos p, q ∈ P2 (R) determinados por las fórmulas
p(x) = a0 + a1 x + a2 x2 , q(x) = b0 + b1 x + b2 x2 .
Por la conmutatividad del cuerpo R se sigue que
hp, qi = p(a)q(a) + p(b)q(b) + p(c)q(c) = q(a)p(a) + q(b)p(b) + q(c)p(c) = hq, pi .
Puesto que p, q fueron elegidos arbitrariamente, se ha probado (8.17).

ii) Propiedad distributiva. Probemos que
∀p, q, r ∈ P2 (R) : hp, q + ri = hp, qi + hp, ri . (8.18)
Tomamos polinomios genéricos p, q, r ∈ P2 (R) determinados por las fórmulas
p(x) = a0 + a1 x + a2 x2 , q(x) = b0 + b1 x + b2 x2 , r(x) = c0 + c1 x + c2 x2 .
Por la propiedad distributiva del cuerpo R se sigue que
hp, q + ri = p(a)[q(a) + r(a)] + p(b)[q(b) + r(b)] + p(c)[q(c) + r(c)]

= [p(a)q(a) + p(b)q(b) + p(c)q(c)] + [p(a)r(a) + p(b)r(b) + p(c)r(c)]
= hp, qi + hp, ri .
Puesto que p, q, r fueron elegidos arbitrariamente, se ha probado (8.18).

iii) Homogeneidad. Probemos que
∀λ ∈ R, ∀p, q ∈ P2 (R) : hλp, qi = λ hp, qi . (8.19)
Tomemos elementos genéricos λ ∈ R y p, q ∈ P2 (R) determinados por las fórmulas
p(x) = a0 + a1 x + a2 x2 , q(x) = b0 + b1 x + b2 x2 .
Por la asociatividad conmutativa del cuerpo R se sigue que
hλp, qi = λp(a)q(a) + λp(b)q(b) + λp(c)q(c) = λ[p(a)q(a) + p(b)q(b) + p(c)q(c)] = λ hp, qi .
Puesto que λ, p, q fueron elegidos arbitrariamente, se ha probado (8.19).

iv) Positividad. Probemos que
∀p ∈ P2 (R) : hp, pi ≥ 0; (8.20)

hp, pi = 0 ⇔ p = 0. (8.21)
Tomamos un elemento genérico p ∈ P2 (R) con fórmula
p(x) = a0 + a1 x + a2 x2 .
Puesto que
∀y ∈ R : y2 ≥ 0,
se tiene que
hu, ui = p2 (a) + p2 (b) + p2 (c) ≥ 0.
Puesto que p fue elegido arbitrariamente, se ha probado (8.20).
Ahora probemos (8.21). Si p = 0, es claro que hp, pi = 0.
Supongamos entonces que el polinomio determinado por la fórmula
p(x) = m0 + m1 x + m2 x2 ,
es tal que hp, pi = 0. Entonces se tiene que
m0 + m1 a + m2 a2 = 0,
m0 + m1 b + m2 b2 = 0,
m0 + m1 c + m2 c2 = 0.
Claramente se tiene que m0 = m1 = m2 = 0, es decir que p = 0.
Ejemplo 8.5 Sea n ∈ N. En el espacio Rn se define el producto escalar clásico como la función
h·, ·i : Rn × Rn −→ R dada por
n
X
hu, vi = ut v = ui vi , (8.22)
i=1
 u1   v1 

   
 u2   v 
 2
donde u =  .  y v =  . .
.
 .   .. 
   
un vn
Ejemplo 8.6 Sea n ∈ N. En el espacio Pn (R) se define un producto escalar con la función
h·, ·i : Pn (R) × Pn (R) −→ R dada por
n
X
hu, vi = [u]tC [v]C = ai bi , (8.23)
i=0
donde:
u(x) = a0 + a1 x + a2 x2 + ... + an xn , v(x) = b0 + b1 x1 + ... + an xn , x ∈ R.
Ejemplo 8.7 Sea n ∈ N. En el espacio Mn (R) se define un producto escalar con la función
h·, ·i : Mn (R) × Mn (R) −→ R dada por
n X
X n
hA, Bi = [A]tC [B]C = ai j bi j , (8.24)
i=1 j=1
donde A = (ai j ) y B = (bi j ).
Ejemplo 8.8 Sea n ∈ N. En el espacio M2 (K) se define un producto escalar con la función
h·, ·i : M2 (K) × M2 (K) −→ R dada por
hA, Bi = Tr(ABt ) (8.25)
Teorema 8.6 (Propiedades del producto interno) Sea V un espacio con producto interno. Se cumplen las si-
guientes propiedades:
∀u, v, w ∈ V : hu + v, wi = hu, wi + hv, wi ; (8.26)

∀λ ∈ K, ∀u, v ∈ V : hu, λvi = λ hu, vi ; (8.27)
∀u ∈ V : hu, 0i = 0; (8.28)
(∀u ∈ V : hu, vi = 0) ⇒ v = 0. (8.29)
Teorema 8.7 (Desigualdad de Cauchy-Schwartz) Sea V un espacio vectorial con producto interno. Se cumple
que
∀u, v ∈ V : |hu, vi|2 = hu, ui · hv, vi (8.30)
Demostración. Probemos el resultado para el caso en que K = R.
En el caso en que
u=0 ∨ v = 0,
la desigualdad (8.30) se cumple inmediatamente.
Tomamos entonces u, v ∈ V \ {0}, genéricos. Consideramos la función real
f : R −→ R (8.31)
t 7−→ f (t) = htu − v, tu − vi .
Por (8.31) es claro que

∀t ∈ R : f (t) ≥ 0. (8.32)
Por otro lado se tiene, para t ∈ R, que
f (t) = ktu − vk2 = htu − v, tu − vi = t2 hu, ui − 2t hu, vi + hv, vi (8.33)
de manera que f es una función cuadrática. Entonces, por (8.32), se sigue que el discriminante de f es no-positivo, es
decir
0 ≥ ∆ = b2 − 4ac = (−2 hu, vi)2 − 4 hu, ui hv, vi = 4 hu, vi2 − 4 hu, ui hv, vi ,
es decir,
hu, vi2 − hu, ui hv, vi ≤ 0,
hu, vi2 ≤ kuk2 kvk2 .
t
u
Definición 8.4 (Norma) Sea V un espacio vectorial sobre el cuerpo K. Se dice que una aplicación k · k : V −→ R
es una norma si se cumplen las siguientes propiedades:
i) Positividad:
∀u ∈ V : kuk ≥ 0; (8.34)
kuk = 0 ⇔ u = 0. (8.35)
ii) Homogeneidad:
∀λ ∈ K, ∀u ∈ V : kλuk = |λ| kuk; (8.36)
iii) Desigualdad triangular:
∀u, v ∈ V : ku + vk ≤ kuk + kvk. (8.37)
En este caso se dice que V es un espacio normado.
Observación 8.5 Tenga presente que sobre un espacio vectorial se pueden definir varias normas y, en este caso, se cuenta
con varios espacios normados que trabajan con el mismo conjunto de vectores.
Observación 8.6 En un espacio normado V, la distancia entre dos puntos u, v ∈ V, está dada por
dist(u, v) = ku − vk. (8.38)
Teorema 8.8 (Norma asociada a un producto interno) Sea V un espacio con producto interno. Entonces V es
un espacio normado cuando es provisto de la aplicación k · k : V → R definida mediante
kuk = hu, ui.

p
(8.39)
En este caso se dice que k · k es la norma asociada al producto interno h·, ·i.
Demostración. La positividad y la homogeneidad son bastante fáciles de probar por lo que lo dejamos como ejercicio.
Probemos la desigualdad triangular. Tomamos u, v ∈ V, genéricos. Se tiene que
ku + vk2 = hu + v, u + vi
= kuk2 + 2 hu, vi + kvk2
≤ kuk2 + 2| hu, vi | + kvk2
≤ kuk2 + 2kuk kvk + kvk2
= (kuk + kvk)2 ,
es decir,
ku + vk2 ≤ (kuk + kvk)2 ,
de donde se obtiene:
ku + vk ≤ kuk + kvk.
Puesto que u, v fueron elegidos arbitrariamente, se ha probado que
∀u, v ∈ V : ku + vk ≤ kuk + kvk.
t
u
Observación 8.7 Se debe tener presente que no todo espacio normado es un espacio euclidiano.
Observación 8.8 Por el Teorema 8.8, la desigualdad de Cauchy -Schwartz se puede escribir como
∀u, v ∈ V : | hu, vi | ≤ kuk kvk. (8.40)

Definición 8.5 (Vector unitario o normalizado) Sea V un espacio euclidiano. Se dice que un vector u ∈ V es
unitario o normalizado si se cumple que kuk = 1.
Observación 8.9 Tenga presente que todo vector u ∈ V \ {0} se puede escribir como
u = kuk · nu , (8.41)
donde
1
nu = ·u (8.42)
kuk
es el vector unitario en la dirección de u, es decir es un vector con la misma dirección y sentido que u pero que está
normalizado.
Ejemplo 8.9 Dado el vector  

 5 
u =  7 
 
−2
 
se tiene que q √
kuk = 52 + 72 + (−2)2 = 78.
Por tanto, se tiene que √
u= 78 · nu ,
donde  √ 
 5/ 78 
√ 
nu =  7/ 78 

√ 
−2/ 78

es un vector unitario.
Recordemos que la función arc cos : [−1, 1] −→ [0, π] es la inversa de la función
c : [0, π] −→ [−1, 1]
cos
x 7−→ cos(x)
c = cos(x).
Definición 8.6 (Ángulo entre vectores) Sean u, v ∈ V \ {0}. Se define el ángulo entre los vectores u y v mediante
!
hu, vi
θ = arc cos , (8.43)
kuk kvk
hu, vi
cos(θ) = . (8.44)
kuk kvk
Observación 8.10 En el marco de la definición anterior se tiene, por la desigualdad de Cauchy-Schwartz, que
| hu, vi |
≤ 1,
kuk kvk
que equivale a
hu, vi
−1 ≤ ≤1
kuk kvk
Observación 8.11 Observe que el ángulo que forman los vectores u, v ∈ V \ {0} se obtiene como el producto escalar de
sus unitarios:
cos(θ) = hnu , nv i . (8.45)
8.3 Ortogonalidad 201
Observación 8.12 De la Definición 8.6 se tiene claramente que
∀u, v ∈ V : hu, vi = kuk kvk cos(θ). (8.46)
8.3. Ortogonalidad
Definición 8.7 (Ortogonalidad / Paralelismo) Sea V un espacio euclidiano. Se dice que los vectores u, v ∈ V
son
a) ortogonales si se cumple que
hu, vi = 0; (8.47)
b) paralelos si se cumple que
|hu, vi| = 1. (8.48)
Observación 8.13 Dos vectores no-nulos son ortogonales cuando forman un ángulo θ = π/2, en tanto que son paralelos
cuando θ = 0 o cuando θ = π.
Definición 8.8 (Conjuntos ortogonales y ortonormales) Sea V un espacio euclidiano. Se dice que A ⊆ V es un
conjunto ortogonal si se cumple que
∀u, v ∈ A, u , v : hu, vi = 0. (8.49)
Se dice que A es un conjunto ortonormal si, adicionalmente, se cumple que
∀u ∈ A : kuk = 1. (8.50)
Observación 8.14 Tenga presente que si A ⊆ V es un conjunto ortonormal entonces 0 < A.
Teorema 8.9 (Ortogonalidad e independencia lineal) Sea V un espacio euclidiano. Si H ⊆ V \ {0} es un con-
junto ortogonal, entonces H es l.i.
Demostración. Sea B = {u1 , u2 , ..., un } ⊆ H, genérico. Puesto que H es ortogonal, se sigue que
∀u, v ∈ B, u , v : hu, vi = 0.
Consideremos la combinación lineal nula de los elementos de B:
α1 u1 + α2 u2 + ... + αn un = 0. (8.51)
Para k ∈ In , cualquiera, multiplicamos (8.51) por uk :
0 = h0, uk i = hα1 u1 + α2 u2 + ... + αn un , uk i = αk huk , uk i
y como uk , 0, se tiene huk , uk i , 0 de manera que:

0 = αk .
Como k fue elegido arbitrariamente, se ha probado que
∀k ∈ In : αk = 0,
por lo que B es l.i. Puesto que B fue elegido arbitrariamente, se ha probado que todo subconjunto finito de H es l.i. por lo
que H también es l.i.
t
u
Corolario 8.2 (Ortonormalidad e independencia lineal) En un espacio euclidiano todo subconjunto ortonor-
mal es l.i.
Ejemplo 8.10 El conjunto        


  1   0   0   0 
       
A=  0  ,  2  ,  9  ,  0 
 

 0   −3   6   0 

 

es ortogonal pero no l.i. Por otro lado el conjunto

     
 1   0   0 
1 1

 
B= , ,
  
0 2 9 
  
√
   
13  −3  117  6 
 
 
 
 
 
 
 0 
 
es ortonormal y, por tanto, l.i..
Definición 8.9 (Vector Proyección) Sean V espacio euclidiano y u, v ∈ V \ {0}. Se define el vector proyección de
u sobre v mediante !
hu, vi
proyv (u) = hu, nv i = · v. (8.52)
kvk2
36
u

w

- -
p v
Observación 8.15 En la definición anterior, si u , 0, se tiene que proyv (u) y u tienen la misma dirección, como lo muestra
la gráfica. Asimismo, el vector p = proyv (u) tiene 1) el mismo sentido de v si hu, vi > 0; 2) sentido opuesto de v si hu, vi < 0.
Observación 8.16 En la definición anterior, tenga presente que p + w = u, de manera que
w = u − proyv (u) (8.53)
y se tiene que
hv, wi = 0. (8.54)
Teorema 8.10 (Proceso de Gram-Schmidt — G-S) Sea V un espacio euclidiano. Si B = {v1 , v2 , ..., vn } ⊆ V es
l.i., entonces existe H = {u1 , u2 , ..., un } ⊆ V ortonormal tal que
=< H > . (8.55)
Demostración. Construiremos un conjunto ortogonal S = {w1 , w2 , ..., wn } tal que
=< S >,
por lo que el conjunto H buscado quedará definido por

1
uk = · wk , k = 1, 2, ..., n. (8.56)
kwk k
Empezamos poniendo
w1 = v1 .
Ahora, teniendo presente la Observación 8.16, tomamos
w2 = v2 − proyw1 (v2 ).
Asimismo, para k = 3, .., n, ponemos

k−1
X
wk = vk − proyw j (vk ). (8.57)
j=1
No es difı́cil probar que S = {w1 , w2 , ..., wn } es ortogonal y l.i.
Además se cumple que =< S > pues todos los elementos de S son combinaciones lineales de los elementos de B
y #(B) = #(S ).
t
u
Definición 8.10 (Base ortogonal / ortonormal) Sean V un espacio euclidiano y B ⊆ V.

i) Se dice que B es una base ortogonal si es base y ortogonal.
ii) Se dice que B es una base ortonormal si es base y ortonormal.
Ejemplo 8.11 Consideramos el espacio vectorial M2 (R) con el producto interno definido en el Ejemplo 8.7. Hallemos
una base ortonormal para el s.e.v.
( ! )
ab
V= ∈ M2 (R) : 2a − b + c + 3d = 0 .
cd
Buscaremos una base para V y luego aplicaremos G-S obteniendo una base ortogonal y una base ortonormal de V.
Dado un vector A ∈ V se tiene que

!
ab
A= , 2a − b + c + 3d = 0,
cd
a 2a + c + 3d
!
A= ,
c d
! ! !
12 01 03
A=a +c +d . (8.58)
00 10 01
Entonces una base de V es ( ! ! !)

12 01 03
B = {v1 , v2 , v3 } = , , .
00 10 01
Apliquemos G-S. Primero ponemos: !
12
w1 = v1 = .
00
y  1 2 
1  √ √ 
u1 = · w1 =  5 5 
kw1 k 0 0
Luego
2 4
!
proyw1 (v2 ) = hv2 , u1 i · u1 = 5 5
0 0
y
− 52 15
!
w2 = v2 − proyw1 (v2 ) = ,
1 0
 2
− √ √1 

1 30 30 
u2 = · w2 =  5
 √ 
kw2 k √ 0 
6
Finalmente:
6 12
!
proyw1 (v3 ) = hv3 , u1 i · u1 = 5 5
0 0
− 51 1
!
proyw2 (v3 ) = hv3 , u2 i · u2 = 1
10
2 0
de manera que
−1 21
!
w3 = v3 − proyw1 (v3 ) − proyw2 (v3 ) =
− 12 1
y  √ 
 − √2√1 
u3 =  15  .

√10 
2
−√ √ 
10 5
Por tanto, una base ortogonal de V es
S = {w1 , w2 , w3 }
y una base ortonormal de V es
H = {u1 , u2 , u3 }.
Teorema 8.11 (Espacio ortogonal) Sean V un espacio euclidiano y W un s.e.v. de V. El conjunto ortogonal de
W,
W ⊥ = {u ∈ V : ∀w ∈ W : hu, wi = 0} (8.59)
es un s.e.v. de V.
Observación 8.17 Para hallar W ⊥ es útil tener presente que si B es una base de W:
W ⊥ = {u ∈ V : ∀w ∈ B : hu, wi = 0}. (8.60)
Proposición 8.1 (Ortogonalidad y suma directa) Sean V un espacio euclidiano de dimensión finita y W un
s.e.v. de V. Entonces se tiene que
V = W ⊕ W ⊥; (8.61)
dim(V) = dim(W) + dim(W ). t
(8.62)
Observación 8.18 En el marco de la proposición anterior, tenga presente que si B1 y B2 son bases ortogonales de W y
W ⊥ , respectivamente, entonces B1 ∪ B2 es una base ortogonal de V.
Definición 8.11 (Proyección sobre un s.e.v.) Sean V espacio euclidiano, H un s.e.v. de dimensión finita de V, y
u ∈ V. Se define la proyección de u sobre el s.e.v. H como el vector
n D
X E
proyH (u) = u, nv j , (8.63)
j=1
donde B = {v1 , v2 , ..., vn } es una base de H.
Observación 8.19 La fórmula (8.63) es compatible (8.52). De hecho:
proyH (u) = proyv (u), (8.64)
para el s.e.v.
H = {αv : α ∈ K}.
Teorema 8.12 (Caracterización de la proyección sobre un s.e.v.) Sean V espacio euclidiano, H un s.e.v. de
dimensión finita de V, y u ∈ V. Se tiene que
mı́n ku − hk = ku − proyH (u)k, (8.65)

h∈H
es decir,
∀h ∈ H : ku − proyH (u)k ≤ ku − hk. (8.66)

1) dsffdd
2)
1) Dado el espacio vectorial V:

a) halle B una base de V;
b) aplique el proceso de Gram-Schmidt a B para encontrar H, una base ortonormal de V.
     
( ! )   x    x 
x 
   
  
V= ∈ R : 2x + y = 0 ;
2
V = 3
= = 3
+ =
   
y ∈ : 2x − y − z 0 ; V y ∈ : 2x y 0 ;
 
  R   R
y 
 

 z 

 





 

 z 

 



  
 x 
x z

 

V = 2
= = , donde abc , 0;
 
y ∈ : by
  
  R
a c

 
 
 

 z  
  
 
 x 

 

  x1  




 
 

 

  x2  


 y 
   
V = 4
+ + + = V = 5
+ + =
 
  
∈ : 3x 4y 2z 5w 0 ; x ∈ : 2x − 3x x 4x − x 0 ;
  

 
 R 3 R 1 2 3 4 5
z
 
 
 
  

 

 



 
   

 

  x4 
  


 w 
 
 

 x 
 



5
  


  x1  


x
   


  2 
  


V = 5
+ = .
 
x ∈ : x 2x − 2x − x − x 0
  
 
 3
 
 R 1 2 3 4 5 

 



  x
 4  



 x 
 

5
2) Encuentre una base ortonormal de R4 que incluya a los vectores

 √ 
 1/ 2   −1/2 
 
 0   1/2 
v1 =  √  , v2 =   .
 1/ 2   1/2 
0 −1/2
3) Halle proyH ⊥ (u), donde   

 −2   x 
   


 


 0   y 
 
u =   , H=   ∈ R4 : −x + 4y − z + t = 0 .
 

 3  



 z  



1  t 
 

4) Sean λ ∈ K, V un espacio euclidiano y B un conjunto ortogonal. Pruebe que también es ortogonal el conjunto
λB = {λu : u ∈ B}.
5) Halle proyH ⊥ (u), donde

u(x) = −2 + 3x + 4x2 − 4x3 , x ∈ R,
y n o
H = p ∈ P3 (R) : p(x) = a + bx + cx2 + dx3 ∧ −a + b − 2c + t = 0 .
Considere el producto escalar presentado en el Ejemplo 8.6.
6) Halle proyH ⊥ (u), donde  
−2 0 1
u =  0 −1 5 ,
 
3 4 0
 
y   

 a b c  


H= −a + 4b − c + d = 0 ∧ a + b − c + d − e + 2 f − g + h − 3l = 0 .
 
d e f  ∈ M3 (R) :


g h l 
 


Considere el producto interior presentado en el Ejemplo 8.7.

7) En el espacio vectorial M2 (R) consideramos el conjunto

( ! )
xy
V= ∈ M2 (R) : −3a − b + c + 4d = 0 .
z t
a) Pruebe que V es un s.e.v. de M2 (R).

b) Halle una base para V.
c) Halle una base ortonormal de V cuando se considera el producto interno definido por la fórmula
hA, Bi1 = [A]tC [B]C .
d) Halle una base ortonormal de V cuando se considera el producto interno definido por la fórmula
hA, Bi2 = Tr(ABt ).

  


  x  





  y  



8) En el espacio R , considere el s.e.v. W =  x − y + t = 0 ∧ x + s − 2z = 0
5  
 
 z  ∈ R5 : .



  t  




   


 s 
 

a) Halle una base ortonormal de W.

b) Halle W ⊥ .
c) Halle una base ortonormal de W ⊥ .
d) Halle proyW ⊥ (u), donde
 −2 
 
 0 
u =  3  .
 
 1 
 
0
9) Considere los siguientes subespacios vectoriales de R3 :
     

  x  
 
  x 1 x 0 

   
W1 =  , W2 =  0 y −1 = 0 .
   
−x : x, y ∈  y  :

 

 

 R
  


 y   
  z 

1z 1


a) Halle bases para W1 y W2 y determine sus dimensiones.

b) Halle W1 ∩ W2 y provéa una base.
c) Halle W1 + W2 y provéa una base.
10) En el espacio vectorial M2 (R), considere el producto escalar definido mediante
hA, Bi = Tr(ABt ).
y los s.e.v. ( ! )
ab
W1 = ∈ M2 (R) : a+d = b+c
cd
y ( ! )
xy
W2 = ∈ M2 (R) : x+t = z ∧ x−y = t .
z t
a) Determinar W1 ∩ W2 y halle una base de este s.e.v. ¿Cuál es la dimensión de w1 ∩ W2 ?
b) Determinar W1 + W2 y halle una base ortogonal B1 de este s.e.v.
c) ¿Se cumple que M2 (R) = W1 ⊕ W2 ?
d) ¿Es s.e.v. W1 ∪ W2 ?
e) Halle proyW ⊥ (U) y proyW ⊥ (U) donde
1 2 !
−3 1
U= .
2 0
11) Sean ( ! ) ( ! )
x y a b
W1 = : x, y, z ∈ R , W2 = : a, b, c ∈ R .
z −x 2b c
a) Halle la dimensión y una base de W1 .

b) Halle la dimensión y una base de W2 .
c) Halle la dimensión y una base de W1 ∩ W2 .
d) Halle la dimensión y una base de W1 + W2 .
e) ¿Se cumple que M2 (R) = W1 ⊕ W2 ?
12) Halle B1 una base ortonormal para   

  x 

 
W = 3
x − y + z = 0 .
 
 y  ∈ R :


 z 
 


3
Halle B2 ( ! ortonormal de R tal que B1 ⊆)B2 .
una base
ab
13) Sea W = ∈ M2 (R) : a + b = c + d = −a − d .
cd
a) Pruebe que W es un subespacio vectorial de M2 (R).
b) Halle B1 una base de W.
c) Halle B2 una base ortonormal de W.
d) Encuentre B3 una base ortonormal de M2 (R) tal que B2 ⊆ B3 .
Considere el producto interior presentado en el Ejemplo 8.7.

√
1) Sean n ∈ N y u, v ∈ Rn ortonormales. Pruebe que ku − vk = 2. ( ! !) ( ! !)
a b a −b
2) Halle condiciones para los números α, β ∈ R de manera que los conjuntos B1 = , y B2 = ,
b −a b a
sean bases ortonormales de R2 .
3) Sean V un espacio euclidiano y u, v ∈ V tales
ku + vk = kuk + kvk.
Pruebe que B = {u, v} es linealmente dependiente.

4) Sea n ∈ N. En el espacio Rn pruebe que la aplicación h·, ·i : Rn × Rn −→ R dada por
n
X
hu, vi = ut v = ui vi , (8.67)
i=1
 u1   v1 

   
 u   v 
 2   2
donde u =  .  y v =  . , define un producto interior.
.
 .   .. 
   
un vn
5) Sea n ∈ N. En el espacio Pn (R) pruebe que la aplicación h·, ·i : Pn (R) × Pn (R) −→ R dada por
n
X
hu, vi = [u]tC [v]C = ai bi , (8.68)
i=0
donde:
u(x) = a0 + a1 x + a2 x2 + ... + an xn , v(x) = b0 + b1 x1 + ... + an xn , x ∈ R,
define un producto escalar.
6) Sea n ∈ N. En el espacio M2 (R) se define la función h·, ·i : M2 (R) × M2 (R) −→ R mediante
hA, Bi = Tr(ABt ). (8.69)
Pruebe que h·, ·i es un producto interior.

7) Sean V un espacio euclidiano y W un s.e.v. de V. Pruebe que el conjunto ortogonal de W,
W ⊥ = {u ∈ V : ∀w ∈ W : hu, wi = 0}
es un s.e.v. de V.
8) En el espacio vectorial P2 (R) consideramos la aplicación h·, ·i : P2 (R) × P2 (R) −→ R definida mediante
hp, qi = p(−1)q(−1) + p(0)q(0) + p(1)q(1).
a) Pruebe que h·, ·i es un producto interior en P2 (R).

b) Halle W ⊥ donde W =< {p1 } > con
p1 (x) = −2 + 3x + 4x2 , x ∈ R.
c) Halle una base ortonormal H de W ⊥.
d) Considere un elemento genérico de W ⊥ y halle sus coordenadas en H.
e) Halle proyW (u) y proyW ⊥ (u) donde
u(x) = −1 + x + 2x2 , x ∈ R.
9) Se define la aplicación G : R2 × R2 → R mediante
!
2 −1
G(u, v) = ut v, u, v ∈ R2 .
1 1
a) Determine si G es un producto escalar.

b) Si la respuesta al punto anterior es afirmativa, halle una base ortogonal de R2 .
1) Sean n ∈ N y u, v ∈ Rn ortogonales. Pruebe que
ku − vk2 = kuk2 + k|vk2 . (8.70)
2) Sea V un espacio con producto interno. Pruebe que se cumplen las siguientes propiedades:
∀u, v, w ∈ V : hu + v, wi = hu, wi + hv, wi ; (8.71)

∀λ ∈ K, ∀u, v ∈ V : hu, λvi = λ hu, vi ; (8.72)
∀u ∈ V : hu, 0i = 0; (8.73)
(∀u ∈ V : hu, vi = 0) ⇒ v = 0. (8.74)
3) Sean V un espacio euclidiano de dimensión finita y W un s.e.v. de V. Pruebe que
V = W ⊕ W ⊥; (8.75)
dim(V) = dim(W) + dim(W ). t
(8.76)
4) Sea V un espacio vectorial sobre el cuerpo K. Suponga que U1 , U2 son s.e.v. de V con dimensión finita. Se requiere
probar que
dim(U1 + U2 ) = dim(U1 ) + dim(U2 ) − dim(U1 ∩ U2 ). (8.77)
a) Primero suponga que alguno de los dos s.e.v. es {0}.
b) Suponga que ninguno de los s.e.v. es {0} pero que U1 ∩ U2 = {0}.
c) Suponga que ninguno de los s.e.v. es {0} y que U1 ∩ U2 , {0}.
Capı́tulo 9
Aplicaciones Lineales

Roger Bacon
9.1. El concepto de función o aplicación
Empezamos este capı́tulo con un repaso del concepto general de función o aplicación. Recuerde que en un conjunto
no se cuenta con un orden para sus elementos. Cuando el orden de los elementos es importante necesitamos algún “truco”
que permita distinguir qué elemento es el primero, el segundo, etc.
Definición 9.1 [Par ordenado — Producto Cartesiano]

Sean A y B dos conjuntos no-vacı́os. Se define el producto cartesiano de A y B, denotado A × B, mediante
A × B = {(a, b) : a ∈ A ∧ b ∈ B},
donde, por definición,

(a, b) = {a, {a, b}}. (9.1)
Se dice que (a, b) ∈ A × B es el par ordenado con primera componente a ∈ A y segunda componente b ∈ B.
La fórmula (9.1) permite establecer un orden en conjuntos de dos elementos. en efecto, en (9.1) el primer elemento de
(a, b) ∈ A × B, es aquel que pertenece al segundo elemento de (a, b). Se sigue inmediatamente que
(a, b) = (c, d) ssi (a = c) ∧ (b = d). (9.2)
De manera similar se define el producto ordenado de los conjuntos no-vacı́os A1 , A2 ,..., An :
A1 × A2 × ... × An = (A1 × A2 × ... × An−1 ) × An . (9.3)
En particular se pone
An = A × A × ... × A (n veces). (9.4)
Definamos a continuación el concepto de relación.
Definición 9.2 [Relación]

Dados dos conjuntos no-vacı́os X e Y, llamamos relación de X en Y a todo subconjunto r de X × Y.
Se suele escribir x r y para indicar que el par ordenado (x, y) pertenece a la relación r ⊆ A × B, es decir
xry ≡ (x, y) ∈ r.
Puesto que los elementos de r son pares ordenados, al conjunto X de las primeras componentes se le denomina conjunto
de salida, en tanto que al conjunto Y de las segundas componentes se le denomina conjunto de llegada.
Observación 9.1 En el marco de la Definición 9.2, si X = Y, se dice que r es una relación en X.

212 9 Aplicaciones Lineales
Definición 9.3 [Dominio. Codominio. Imagen] Sea f una relación de X en Y.

Se dice que x ∈ X está en el dominio de f , denotado Dom(r) ⊆ X, si existe algún y ∈ Y tal que (x, y) ∈ f .
Se dice que Y es el codominio de f y se denota Codom(r) = Y.
Se dice que y ∈ Y está en el rango o imagen de f , denotado Rg( f ) ⊂ Y, si existe algún x ∈ X tal que (x, y) ∈ f .
Ejemplo 9.1 Consideremos la relación r en R definida mediante
x2 y2
( )
r = (x, y) ∈ R × R : + =1 .
4 9
Determinemos el dominio, codominio y rango de r. Se tiene que
Dom(r) = [−2, 2] = {x ∈ R : −2 ≤ x ≤ 2},

Codom(r) = R,
Rg(r) = [−3, 3] = {y ∈ R : −3 ≤ y ≤ 3}.
Definición 9.4 [Función / Aplicación]

Sean X y Y dos conjuntos no-vacı́os. Se dice que la relación f ⊆ X × Y es una aplicaión o función de X en Y si
se cumplen las siguientes condiciones:
i) Dom( f ) = X.
ii) Para cada x ∈ X, existe un único y ∈ Y tal que (x, y) ∈ f , es decir,
∀x ∈ X, ∃!y ∈ Y : (x, y) ∈ f.
Una función de X en Y se denota
f : X −→ Y
x 7−→ y = f (x) (9.5)
A veces en lugar de la notación (9.5), se escribe
X 3 x 7−→ f (x) ∈ Y. (9.6)
Las notaciones (9.5) y (9.6) son especialmente útiles cuando la correspondencia entre x ∈ X e y = f (x) ∈ Y está dada
por alguna regla o fórmula especı́fica. En ese sentido puede pensarse que f (x) ∈ Y es el producto que resulta de aplicar
el proceso f a la materia prima x ∈ X. También se dice que la variable dependiente y = f (x) resulta de aplicar f a la
variable independiente x ∈ X.
9.2. Introducción a las aplicaciones lineales
El lector recordará de su curso de Precálculo que entre las funciones reales, las funciones lineales eran las más sencillas.
Este tipo de funciones tiene una generalización en el contexto de los espacios vectoriales o lineales; donde, lo importante
es “conservar” la estructura lineal.
Definición 9.5 (Aplicación lineal) Sean V y W espacios vectoriales sobre el mismo cuerpo K. Una función
f : V −→ W
v 7−→ f (v).
se dice que es una aplicación o transformación lineal de V en W si se cumple que
∀u, v ∈ V : f (u + v) = f (u) + f (v); (9.7)

∀α ∈ K, ∀u ∈ V : f (αu) = α f (u). (9.8)
9.2 Introducción a las aplicaciones lineales 213
Observación 9.2 Tenga presente que en el lado izquierdo (9.7) la suma es en el espacio V en tanto que en el lado derecho
la suma es en W.
Observación 9.3 Dados espacios vectoriales V y W se denota
L (V, W) = { f : V → W : f es lineal} (9.9)
Cuando W = V, se dice que f es un operador lineal en V y se denota
L(V) = L (V, W) . (9.10)
En todo caso, tenga presente que cuando V ⊆ W o cuando W ⊆ V también se usa el término operador para referirse a f .
Cuando W = K, se dice que f es un funcional lineal sobre V.
Proposición 9.1 Sean V y W espacios vectoriales. Se tiene que
∀ f ∈ L (V, W) : f (0) = 0; (9.11)

∀ f ∈ L (V, W) , ∀u ∈ V : f (−u) = − f (u). (9.12)
Demostración. Tomamos f ∈ L (V, W) y u ∈ V, genéricos.
Considerando α = 0 en (9.8) se tiene que
f (0) = f (0 · u) = 0 · f (u) = 0.
Asimismo
f (−u) = f ((−1)u) = (−1) f (u) = − f (u).
t
u
Observación 9.4 Las relaciones (9.11) y (9.12) provéen mecanismos para identificar rápidamente funciones que no son
lineales. Por ejemplo, si no es cierto que f (0) = 0, inmediatamente f no es lineal.
Teorema 9.1 (Caracterización de una aplicación lineal) Sean V y W espacios vectoriales y f : V → W. Enton-
ces f es lineal ssi
∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v). (9.13)
La demostración del Teorema 9.1 es sencilla y se requiere como ejercicio al final del capı́tulo.
Ejemplo 9.2 (Reflexión respecto al eje horizontal) Probemos que la transformación
f : R2 −→ R2
! !
x x
u= 7−→ f (u) =
y −y
! !
x1 x2
es una aplicación lineal. Tomamos α ∈ R y u = ,v= , genéricos. Se tiene que
y1 y2
αx1 + x2
!
f (αu + v) = f
αy1 + y2
αx1 + x2
!
=
−αy1 − y2
! !
x1 x2
=α +
−y1 −y2
= α f (u) + f (v).
Puesto que α, u, v fueron elegidos arbitrariamente, se ha probado que
∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v), (9.14)
es decir, f es lineal.
Ejemplo 9.3 (Aplicación nula) La aplicación nula:
0 f : V −→ W
v 7−→ 0 f (v) = 0
es claramente lineal.
Ejemplo 9.4 (Aplicación identidad) La aplicación identidad:
IdV : V −→ V
u 7−→ IdV (u) = u
es claramente lineal.
Ejemplo 9.5 Sean V un espacio vectorial y u0 ∈ V , {0}.
f : V −→ V
v 7−→ f (v) = v + u0
Puesto que
f (0) = u0 , 0,
entonces f no es lineal.
Ejemplo 9.6 (Operadores diferenciales) Sean a, b ∈ R con a < b. Definimos los conjuntos
C(a, b) = { f : (a, b) → R : f es continua en (a, b)} , (9.15)

C1 (a, b) = f : (a, b) → R : f y f 0 son continuas en (a, b)

(9.16)
y, en general, para n ∈ N:
n o
Cn (a, b) = f : (a, b) → R : f, f 0 , ..., f (n−1) y f (n) son continuas en (a, b) (9.17)
Asimismo se utiliza la notación

n o
C∞ (a, b) = f : (a, b) → R : f (n) es continua en (a, b), para todo n ∈ N . (9.18)
No es difı́cil constatar que todos estos conjuntos son s.e.v. de F (a, b) y que
C∞ (a, b) ⊆ ... ⊆ C(n) (a, b) ⊆ C(n−1) (a, b) ⊆ C(n−2) (a, b) ⊆ ...C2 (a, b) ⊆ C1 (a, b) ⊆ C(a, b) ⊆ F (a, b). (9.19)
Se define el operador diferencial de primer orden
D1 : C1 (a, b) −→ C(a, b)
u 7−→ D1 (u) = u0 ,
de manera que el operador diferencial de primer orden hace corresponder a una función derivable su derivada. De lo
aprendido en el curso de Cálculo, el estudiante sabe que D1 es un operador lineal:
∀α ∈ R, ∀u.v ∈ C1 (a, b) : D(αu + v) = (αu + v)0 = αu0 + v0 = αD(u) + D(v). (9.20)
De forma similar, para n ∈ N, se define el operador diferencial de orden n

9.2 Introducción a las aplicaciones lineales 215
Dn : C(n) (a, b) −→ C(a, b)

u 7−→ Dn (u) = u(n) ,
de manera que el operador diferencial de orden n hace corresponder a una función derivable su derivada de orden n. De
lo aprendido en el curso de Cálculo, el estudiante sabe que Dn es un operador lineal:
∀α ∈ R, ∀u.v ∈ C(n) (a, b) : Dn (αu + v) = (αu + v)(n) = αu(n) + v(n) = αDn (u) + Dn (v). (9.21)
Definición 9.6 (Isomorfismo) Sean V y W espacios vectoriales. Se dice que f : V → W es un isomorfismo si es

lineal y biyectiva. En este caso se dice que los espacios V y W son isomorfos.
Ejemplo 9.7 (Isomorfismo canónico en Pn (R)) Sea n ∈ N. Como se mencionó en una clase anterior, se denomina iso-
morfismo canónico a la función
Φ : Pn (Ω) −→ Rn+1
u 7−→ [u]C
u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,
 a0 
 
 a 
 1 
[u]C =  a2  ∈ Rn+1 .
 
 . 
 .. 
 
an
No es difı́cil verificar que la aplicación Φ es, efectivamente, lineal y biyectiva.
Ejemplo 9.8 (Isomorfismo canónico en Mm×n (R)) Sean m, n ∈ N. Como se mencionó en una clase anterior, se denomina
isomorfismo canónico a la función

A 7−→ [A]C
donde, a la matriz
 A(1) 
 
 A 
 (2) 
A =  .  ∈ Mm×n (K),
 .. 
 
A(m)
 t 
 A(1) 
 At 
 (2) 
[u]C =  .  ∈ Rm×n ,
 .. 
 t 
A(m)
es decir es el vector columna donde ordenadamente se colocan las transpuestas de las m filas de la matriz. No es difı́cil
verificar que la aplicación Φ es, efectivamente, lineal y biyectiva.
9.3. El espacio de aplicaciones
El estudiante recordará de su curso de Precálculo que se podı́an sumar funciones reales y que a una función real se le
podı́a multiplicar por una constante obteniéndose otra función real. Esto también es posible para funciones definidas de
un espacio vectorial en otro espacio vectorial.
Definición 9.7 (Operador) Se denomina aplicación o campo vectorial a una función
f :I⊆V →W
donde V y W son espacios vectoriales.

Cuando W = V se dice que f es un operador en V.
Cuando W = K se dice que f es un funcional o un campo escalar.
Cuando V ⊆ R se dice que f es una curva en W.
Observación 9.5 Tenga presente que en la definición anterior la función f no requiere ser lineal y que el dominio I no
necesariamente coincide con V. Se denota por
F (I, W) (9.22)
al conjunto de las funciones cuyo dominio es I y cuyo codominio es W.
Ejemplo 9.9 El campo escalar f : R2 → R determinado

por la fórmula
!
x
f = f (x, y) = x2 + y2
y
se grafica al lado derecho. Allı́ el eje z representa el codo-

minio en tanto que el plano x − y representa el dominio. La
gráfica corresponde a un paraboloide de revolución.
Ejemplo 9.10 El campo escalar f : R2 → R determinado

por la fórmula
!
x
f = f (x, y) = x2 − y2
y
se grafica al lado derecho. Allı́ el eje z representa el codo-

minio en tanto que el plano x − y representa el dominio. La
gráfica se parece a una silla de montar.
Ejemplo 9.11 La curva f : [−8π, 8π] → R2 determinada

por la fórmula
!
x(t)
f (t) =
y(t)
t !
sen(t)

= −2 cos(4t) − sen5 + ecos(t) ·
12 cos(t)
se grafica al lado derecho. Allı́ el plano x − y representa el

codominio. La gráfica se parece a una mariposa.
9.3 El espacio de aplicaciones 217
Ejemplo 9.12 La curva f : [0, 10π] → R3 determinada

por la fórmula
   
 x(t)   sen(t) 
f (t) =  y(t)  = t ·  cos(t) 
   
z(t) 1
   
se grafica al lado derecho. Allı́ el espacio x − y − z repre-

senta el codominio. La gráfica se parece a la trayectoria
que sigue el agua al salir por un desague vertical.
Sean V y W espacios vectoriales sobre el cuerpo K e I ⊆ V. La suma de vectores
+ : F (I, W) × F (I, W) −→ F (I, W) (9.23)

( f, g) 7−→ f + g
corresponde a utilizar la aplicación suma, similar a lo que aprendió el estudiante en el curso de Precálculo. Entonces,
dadas dos aplicaciones,
f : I −→ W g : I −→ W
u 7−→ f (u) u 7−→ g(u)
se define
f + g : I −→ W (9.24)
u 7−→ ( f + g)(u) = f (u) + g(u)
˙ : K × F (I, W) −→ F (I, W) (9.25)

(λ, f ) 7−→ λ · f
corresponde a utilizar la definición natural, esto es, dado un número λ ∈ K, se escribe
λ · f : I −→ W (9.26)
u 7−→ (λ · f )(u) = λ f (u)
Se tiene que (F (I, W), +, ·) con las operaciones definidas en (9.23), (9.24), (9.25) y (9.26), es un espacio vectorial.
Ahora estableceremos que el conjunto de las aplicaciones lineales tiene una estructura de espacio vectorial.
Teorema 9.2 (Espacio de aplicaciones lineales) Sean V, W espacios vectoriales. El conjunto L(V, W) es un s.e.v.
de F (V, W).
La demostración del Teorema 9.2 se requiere como ejercicio al final del capı́tulo. El resultado establece que la suma
de aplicaciones lineales es una aplicación lineal y que al multiplicar una aplicación lineal por un escalar el resultado es
otra aplicación lineal.
Teorema 9.3 (Linealidad de la composición) Sean U, V, W espacios vectoriales sobre el cuerpo K. Si f ∈

L(U, V) y g ∈ L(V, W), entonces g ◦ f ∈ L(U, W)
Demostración. Tomamos α ∈ K y u, v ∈ U, genéricos. Aprovechando la linealidad de las aplicaciones f y g se tiene que

(g ◦ f )(αu + v) = g( f (αu + v))

= g(α f (u) + f (v))
= αg( f (u)) + g( f (v))
= α(g ◦ f )(u) + (g ◦ f )(v).
Puesto que α, u, v fueron elegidfos arbitrariamente, se ha probado que
∀α ∈ K, ∀u, v ∈ U : (g ◦ f )(αu + v) = α(g ◦ f )(u) + (g ◦ f )(v),
es decir que g ◦ f es lineal.
t
u
Teorema 9.4 (Linealidad de la inversa) Sean V, W espacios vectoriales sobre el cuerpo K. Si f ∈ L(V, W) es
biyectiva, entonces f −1 ∈ L(W, V).
Demostración. Nos basta rpobar que f −1 es lineal. Tomamos α ∈ K y w1 , w2 ∈ W, genéricos. Puesto que f es sobreyectiva,
existen v1 , v2 ∈ V tales que
w1 = f (v1 ), w2 = f (v2 ),
v1 = f −1 (w1 ), v2 = f −1 (w2 ).
Por tanto, usando la linealidad de f se tiene que:
f −1 (αw1 + w2 ) = f −1 (α f (v1 ) + f (v2 ))

= f −1 ( f (αv1 + v2 ))
= αv1 + v2
= α f −1 (w1 ) + f −1 (w2 ).
Puesto que α, w1 , w2 fueron elegidos arbitrariamente, se ha probado que
∀α ∈ K, ∀w1 , w2 ∈ W : f −1 (αw1 + w2 ) = α f −1 (w1 ) + f −1 (w2 ),
es decir que f −1 es lineal.
t
u
9.4. Determinación de aplicaciones lineales
Teorema 9.5 (Determinación de una aplicación lineal) Sean V y W espacios vectoriales sobre el cuerpo K y
f ∈ L(V, W). Si B = {v1 , v2 , ..., vn } es una base de V, entonces
n
X
∀u ∈ V : f (u) = αk f (vk ), (9.27)
k=1
 α1 
 
 α2 
donde [u]B =  . .
 .. 
αn
 
Demostración. Tomamos u ∈ V, genérico. Por la linealidad de f se sigue que

9.4 Determinación de aplicaciones lineales 219
 n  n
X  X
f (v) = f  αk vk  = αk f (vk ).
k=1 k=1
t
u
Observación 9.6 El teorema anterior establece que si se conocen las imágenes de los elementos de una base, entonces
para determinar f (u) basta encontrar las coordenadas de u en dicha base.
Ejemplo 9.13 Sea f ∈ L(R2 , R3 ) tal que

   
!  1  !  2 
1 1
=  2  , =  −1  .
   
f f
−1 1
−1 3
   
Puesto que ( ! !)
1 1
B = {v1 , v2 } = ,
−1 1
es una base de R 2
! , es posible determinar la fórmula asociada a la aplicación lineal f . Para esto, tomamos un vector
x
genérico u = ∈ R2 y buscamos coeficientes α1 , α2 ∈ R de manera que
y
u = α1 v1 + α2 v2
Resolviendo el sistema !
1 1x
−1 1 y
se encuentra que
x−y x+y
α1 = , α2 =
2 2
 3x + y 
 
!  2 
x
f (u) = f = α1 f (v1 ) + α2 f (v2 ) =  x − 3y  .
 
y  2 
x + 2y
Corolario 9.1 (Identificación de isomorfismos) Sean V y W dos espacios vectoriales de dimensión n sobre el
cuerpo K. Si B = {v1 , ..., vn } es una base de V y S = {w1 , ..., wn } = { f (v1 ), ..., f (vn )} es una base de W, entonces f
es un isomorfismo.
1) Probemos que f es sobreyectiva, es decir que

Demostración.
∀w ∈ W, ∃v ∈ V : w = f (v). (9.28)
Tomamos un w ∈ W, genérico. Puesto que S es base, existen coeficientes α1 , α2 , ..., αn ∈ K tales que
w = α1 w1 + ... + αn wn .
Escogemos ahora el vector

v = α1 v1 + ... + αn vn
y se tiene que:
f (v) = f (α1 v1 + ... + αn vn ) = α1 f (v1 ) + ... + αn f (vn ) = α1 w1 + ... + αn wn = w.
Puesto que w fue elegido arbitrariamente, se ha probado (9.28).
2) Probemos que f es inyectiva, es decir que
∀u1 , u2 ∈ V : f (u1 ) = f (u2 ) ⇒ u1 = u2 . (9.29)

Tomamos u1 , u2 ∈ V, genéricos. Supongamos que f (u1 ) = f (u2 ). Puesto que B es base de V, existen coeficientes αk , βk ∈
K, k = 1, .., n, tales que
u1 = α1 v1 + ... + αn vn , u2 = β1 v1 + ... + βn vn ,
de manera que
α1 f (v1 ) + ... + αn f (vn ) = β1 f (v1 ) + ... + βn f (vn )
[α1 − β1 ] f (v1 ) + ... + [αn − βn ] f (vn ) = 0
que, por la independencia lineal de S , implica que
αk − βk = 0, k = 1, 2, ..., n,
es decir
αk = βk , k = 1, 2, ..., n,
lo cual implica que u1 = u2 . Puesto que u1 , u2 fueron elegidos arbitrariamente, se ha probado (9.29).
t
u
Ejemplo 9.14 Consideramos la aplicación lineal f : R4 → R4 determinada por la fórmula
 x   −x + y 

   
 y   x + y + z + t 
f   = 
 z   −x + t 

t z+t
Queremos saber si f es biyectiva (y por tanto un isomorfismo). Consideramos la base canónica

       



  1   0   0   0  


 0   1   0   0 

C = {e1 , e2 , e3 , e4 } =  , , , .
 

       








 0 








 0 








 1 








 0 









 0

0 0 1 

Definimos el conjunto        



  −1   1   0   0  


 1   1   1   1 

S = { f (e1 ), f (e2 ), f (e3 ), f (e4 )} =  , , , .
 

       








 −1 








 0 








 0 








 1 









 0

0 1 1 

Puesto que
−1 1 0 0
1 1 1 1
det ( f (e1 ) f (e2 ) f (e3 ) f (e4 )) = = 2 , 0,
−1 0 0 1
0 0 1 1

S es también una base de R4 . Concluimos entonces que f es biyectiva y, por tanto, un isomorfismo.
Presentamos a continuación un resultado simple, cuya demostración se requiere como ejercicio al final del capı́tulo.
Corolario 9.2 (Igualdad de aplicaciones lineales) Sean V y W espacios vectoriales sobre el cuerpo K. Sean
T 1 , T 2 ∈ L(V, W) y B una base de V. Si se cumple que
∀u ∈ B : T 1 (u) = T 2 (u) (9.30)
entonces
T1 = T2. (9.31)
9.5 Matriz Canónica 221
9.5. Matriz Canónica
Sean m, n ∈ N. Consideremos una matriz A ∈ Mm×n (K). Definamos una aplicación:
T A : Kn −→ Km (9.32)
u 7−→ T A (u) = A u
Tomamos α ∈ K y u, v ∈ Kn , genéricos. Por las propiedades del producto matricial se tiene que
T A (αu + v) = A(αu + v) = αAu + Av = αT A (u) + T A (v),
es decir que T A ∈ L(Kn , Km ).
Entonces acabamos de mostrar que a cada elemento de Mm×n (K) le corresponde un elemento de L(Kn , Km ) dada
por (9.32).
Ahora nos proponemos hacer el camino de regreso, esto es, mostrar que a cada elemento de L(Kn , Km ) le corresponde
un elemento de Mm×n (K). Fijemos entonces una aplicación lineal
T : Kn −→ Km (9.33)
u 7−→ T (u)
Denotemos por Cn a la base canónica de Kn y por Cm a la base canónica de Km :

     


  1   0   0  
     
 0   1   0 


 

Cn = {e1 , e2 , ..., en } =  , , ,
 
 ..   ..   ..  (9.34)

. . .

  


 

 

 

 

 

 

 

 0   0   1 

 

     


  1   0   0  



  0   1   0 

     
Cm = {ẽ1 , ẽ2 , ..., ẽm } =  , , .
 
. . . (9.35)

 .   .   . 
. . .
      


      



           

 0 0 1
Definimos AT ∈ Mm×n (K) mediante

AT = (T (e1 ) T (e2 ) . . . T (en )) = ai j , (9.36)
m×n
es decir la matriz que tiene como columnas las imágenes de los vectores ek , k = 1, ..., n. Es claro que
m
X
T (e j ) = ai j ẽi , j = 1, 2, ..., n.
i=1
Ahora, para un elemento genérico

n
X
u= α j e j ∈ Rn ,
j=1
probemos que AT u = T (u). Para i ∈ Im :

n
X n
X n
X m
X
AT u = AT α je j = α j AT e j = αj ai j ẽi
j=1 j=1 j=1 i=1
y  
Xn n
 X n
X m
X
T (u) = T  α j e j  =
 α j T (e j ) = αj ai j ẽi .
j=1 j=1 j=1 i=1
Entonces acabamos de mostrar que a cada elemento de L(Kn , Km ) le corresponde un elemento de Mm×n (K) dado
por la fórmula (9.37). A esta matriz se le denomina matriz canónica.
Finalmente consideremos una aplicación T : V → W, donde los espacios vectoriales V y W, son tales que dim(V) = n
y dim(W) = m. En este caso se define

AT = [T (e1 )]Cm [T (e2 )]Cm . . . [T (en )]Cm = ai j , (9.37)
m×n
y se cumple que
∀u ∈ V : [T (u)]Cm = AT [u]Cn . (9.38)
Ejemplo 9.15 Consideramos la aplicación lineal
T : M2 (R) −→ M2×3 (R) (9.39)

x−y y+z x+y+z+t
! !
xy
G= 7−→ T (G) = .
z t 0 −2x + 3t −2y + t
Calculemos la matriz canónica asociada a T . Aquı́:
C (M2 (R)) = {e1 , e2 , e3 , e4 }
y
C (M2×3 (R)) = {ẽ1 , ẽ2 , ẽ3 , ẽ4 , ẽ5 , ẽ6 },
donde ! ! ! !
10 01 00 00
e1 = , e2 = , e3 = , e4 = ,
00 00 10 01
y ! ! ! ! ! !
100 010 001 000 000 000
ẽ1 = , ẽ = , ẽ = , ẽ = , ẽ = , ẽ = .
000 2 000 3 000 4 100 5 010 6 001
Se tiene que ! ! ! !
1 0 1 −1 1 1 011 001
T (e1 ) = , T (e2 ) = , T (e3 ) = , T (e4 ) = .
0 −2 0 0 0 −2 000 031
Por tanto
 1 −1 0 0
 
 0 1 1 0
 
 1 1 1 1
AT = [T (e1 )]C [T (e2 )]C [T (e3 )]C [T (e4 )]C =  .
 0 0 0 0
−2 0 0 3
 
0 −2 0 1
Ahora consideremos el vector !
−3 4
H= .
1 2
Al aplicar (9.39) se obtiene: !
−7 5 4
T (H) = .
0 12 −6
Asimismo:
 1 −1 0 0  −7 
   
 0 1 1 0  −3   5 
     
 1 1 1 1  4   4 
AT [H]C =     =   = [T (H)]C .
 0 0 0 0  1   0 
−2 0 0 3 2  12 
   
0 −2 0 1 −6
9.6 Núcleo e imagen 223
9.6. Núcleo e imagen
Definición 9.8 (Núcleo e imagen) Sean V y W espacios vectoriales y T ∈ L(V, W).

i) Se denomina núcleo o kernel de T al conjunto
Ker(T ) = N(T ) = {u ∈ V : T (u) = 0}. (9.40)
ii) Se denomina imagen de T al conjunto
Im(T ) = {w ∈ W : ∃v ∈ V : T (v) = w}. (9.41)
Observación 9.7 En el marco de la Definición 9.8 el núcleo de T atrapa todos los vectores que se anulan a través de la
aplicación T . La imagen de T atrapa, como su nombre lo sugiere, todas las imágenes de la función T .
Teorema 9.6 (Núcleo e imagen como s.e.v.) Sean V y W espacios vectoriales y T ∈ L(V, W). Entonces
i) Ker(T ) es un s.e.v. de V.
ii) Im(T ) es un s.e.v. de W.
Observación 9.8 Sea T ∈ L(V, W). Se denomina nulidad de T a
nul(T ) = dim (Ker(T )) . (9.42)
Se denomina rango de T a
rg(T ) = dim (Im(T )) . (9.43)
Cuando V, W son de dimensión finita, se puede probar que el rango de la aplicación T es igual al rango de la
matriz canónica asociada, AT .
i) Sean α ∈ K y u, v ∈ Ker(T ), genéricos. Se tiene, por la linealidad ded f , que

Demostración.
T (αu + v) = αT (u) + T (v) = α · 0 + 0 = 0,
es decir αu + v ∈ Ker(T ). Puesto que α, u, v fueron elegidos arbitrariamente, se ha probado que
∀α ∈ K, ∀u, v ∈ Ker(T ) : αu + v ∈ Ker(T ),
de manera que Ker(T ) es s.e.v. de V.

ii) Sean α ∈ K y w1 , w2 ∈ Im(T ), genéricos. Puesto que w1 y w2 son imágenes, existen v1 , v2 ∈ V tales que
w1 = T (v1 ), w2 = T (v2 ).
Definimos el elemento
αv1 + v2 ∈ V.
Se tiene por la linealidad ded f , que
Im(T ) 3 T (αv1 + v2 ) = αT (v1 ) + T (v2 ) = α · w1 + w2 ,
es decir αw1 + w2 ∈ Im(T ). Puesto que α, w1 , w2 fueron elegidos arbitrariamente, se ha probado que
∀α ∈ K, ∀w1 , w2 ∈ Im(T ) : αw1 + w2 ∈ Im(T ),
de manera que Im(T ) es s.e.v. de W.
t
u
Una consecuencia del Teorema 9.5 es el siguiente resultado, cuya demostración se requiere como ejercicio al final de
la clase.
Corolario 9.3 (Transferencia de conjuntos generadores) Sea T ∈ L(V, W). Si < {v1 , v2 , ..., vn } >= V entonces
< {T (v1 ), T (v2 ), ..., T (vn )} >= Im(T ).
A continuación presentamos una caracterización de las aplicaciones lineales inyectivas.
Teorema 9.7 (Caracterización de aplicaciones inyectivas) Sean V y W espacios vectoriales y T ∈ L(V, W). En-
tonces T es inyectiva ssi Ker(T ) = {0}.
⇒) Supongamos que T es inyectiva, es decir que

Demostración.
∀u, v ∈ V : T (u) = T (v) ⇒ u = v.
Puesto que Ker(T ) ⊆ V, se tiene que
∀u, v ∈ Ker(T ) : T (u) = T (v) ⇒ u = v.
Entonces, tomando v = 0, se tiene que
∀u ∈ Ker(T ) : T (u) = T (0) = 0 ⇒ u = 0.
De donde se deduce que Ker(T ) = {0}.

⇐) Supongamos que Ker(T ) = {0}. Tomamos u, v ∈ V tales que T (u) = T (v), genéricos. Se tiene entonces que
T (u) − T (v) = 0,
T (u − v) = 0,
de manera que u − v ∈ Ker(T ) = {0}, es decir u − v = 0 y u = v. Puesto que u, v fueron elegidos arbitrariamente, se ha probado
que
∀u, v ∈ V : T (u) = T (v) ⇒ u = v,
o sea que T es inyectiva.
t
u
Corolario 9.4 (Inyectividad e independencia lineal) Sea T ∈ L(V, W) inyectiva. Si B = {v1 , ..., vn } ⊆ V es l.i.
entonces S = {T (v1 ), ..., T (vn )} es l.i.
Demostración. Consideremos la combinación lineal nula
α1 T (v1 ) + α2 T (v2 ) + ... + αn T (vn ) = 0.
Por la linealidad de T se tiene que

T (α1 v1 + α2 v2 + ... + αn vn ) = 0
de manera que
α1 v1 + α2 v2 + ... + αn vn ∈ Ker(T )
y, como T es inyectiva, o sea Ker(T ) = {0}, de manera que
α1 v1 + α2 v2 + ... + αn vn = 0
que implica que

α1 = α2 = ... = αn = 0,
pues B es l.i.
t
u
Como consecuencia de los Corolarios 9.4 y 9.3 se tiene el siguiente resultado:
Corolario 9.5 (Transferencia de bases) Sea T ∈ L(V, W) inyectiva. Entonces {v1 , ..., vn } es base de V ssi
{T (v1 ), ..., T (vn )} es base de Im(T ).
Observación 9.9 (Cálculo del núcleo y de la imagen) Consideremos una aplicación lineal T : V → W donde dim(V) = n
y dim(W) = m. En el Ejemplo 9.16 se verá que encontrar el núcleo de T se reduce a resolver el sistema de ecuaciones
AT [u]C = 0, (9.44)
donde AT ∈ Mm×n (K) es la matriz canónica asociada a T y u ∈ Ker(T ) es un vector genérico. La tarea se reduce a
encontrar las relaciones constitutivas sobre las coordenadas de u.
Asimismo se verá que encontrar la imagen de T se reduce a resolver el sistema de ecuaciones
AT [u]C = [w]C , (9.45)
donde AT ∈ Mm×n (K) es la matriz canónica asociada a T y u ∈ Ker(T ), w ∈ Im(T ) son vectores genéricos con u = T (w).
La tarea se reduce a encontrar las relaciones constitutivas sobre las coordenadas de w.
Ejemplo 9.16 Consideremos la aplicación lineal
F : M1×3 (R) −→ P2 (R)

u = (a b c) 7−→ F[u] = p,
donde
F[u](x) = p(x) = (a − b + c) + (a + b + c)x + (a − 3b + c)x2 , x ∈ R.
Buscamos bases para Ker(F) y Im(F).
Determinemos n o
Ker(F) = u ∈ M1×3 (R) : F[u] = 0 p .
Tomamos un elemento genérico u = (a b c) ∈ Ker(F) de manera que




a − b + c = 0,
F[u] = 0 p ∀x ∈ R : (a − b + c) + (a + b + c)x + (a − 3b + c)x2 = 0 a + b + c = 0,

⇔ ⇔




a − 3b + c = 0.


   
 1 −1 1 0   1 0 1 0 
(AF | 0) = [F(e1 )]C [F(e2 )]C [F(e3 )]C | 0 =  1 1 1 0  →  0 1 0 0  .

−
   
1 −3 1 0 0000
 
Por tanto
Ker(F) = {u = (a b c) ∈ M1×3 (R) : a + c = 0 ∧ b = 0} .
Además
u = (a b c), a+c = 0 ∧ b = 0
u = (a 0 − a)
u = a · (1 0 − 1) (9.46)
De manera que una base de Ker(F) es

B = {(1 0 − 1)} ,
y
dim (Ker(F)) = 1.
Determinemos
Im(F) = {p ∈ P2 (R) : ∃u ∈ M1×3 (R) : F[u] = p} .
Tomamos un elemento genérico p ∈ Im(F) con
p(x) = α + βx + γx2 , x ∈ R,
de manera que existe un u = (a b c) ∈ M1×3 (R) tal que





a − b + c = α,
F[u] = p ∀x ∈ R : (a − b + c) + (a + b + c)x + (a − 3b + c)x2 = α + βx + γx2 a + b + c = β,

⇔ ⇔




a − 3b + c = γ.


 1 −1 1 α  α
   
 1 0 1 

AF | p C =  1 1 1 β  →
−  0 1 0 β − α  .
  
1 −3 1 γ 0 0 0 γ − 2α + β
 
Por tanto n o
Im(F) = p ∈ P2 (R) : p(x) = α + βx + γx2 , x ∈ R ∧ γ − 2α + β = 0 .
Además, para x ∈ R:
p(x) = α + βx + γx2 ∧ γ − 2α + β = 0
p(x) = α + βx + (2α − β)x2
p(x) = α(1 + 2x2 ) + β(x − x2 ) (9.47)
De manera que una base de Im(F) es

S = {p1 , p2 } ,
con
p1 (x) = 1 + 2x2 , p2 (x) = x − x2 , x ∈ R,
y
dim (Im(F)) = 2.
Observe que, como lo justifica el teorema de la dimensión:
dim (M1×3 (R)) = 3 = dim (Ker(T )) + dim (Im(T )) .
El siguiente resultado es muy importante:
Teorema 9.8 (Teorema de la dimensión) Sea T ∈ L(V, W), donde dim(V) < ∞. Entonces
dim(V) = dim (Ker(T )) + dim (Im(T )) . (9.48)
i) Si Ker(T ) = V o Ker(T ) = {0} es claro que (9.48) se cumple.

Demostración.
ii) Supongamos entonces que
{0} ( Ker(T ) ( V.
Puesto que Ker(T ) , V, existe un u ∈ V tal que T (u) , 0, es decir Im(T ) , {0}. Tomamos entonces
B = {w1 , w2 , ..., wk } = {T (v1 ), T (v2 ), ..., T (vk )}
base de Im(T ). Asimismo tomamos una base de Ker(T )
S = {u1 , u2 , ..., ur }.
El teorema quedará demostrado al mostrar que
G = {v1 , v2 , ..., vk , u1 , u2 , ..., ur }
es base de V.
a) Probemos que G es l.i. Consideremos la combinación lineal nula
r
X k
X
αi ui + βi vi = 0. (9.49)
i=1 i=1
Se tiene que  r 
X k
X 
T  αi ui +
 βi vi  = T (0)
i=1 i=1
de donde se sigue
r
X k
X
αi T (ui ) + βi T (vi ) = 0,
i=1 i=1
es decir
k
X
βi wi = 0,
i=1
que implica que

β1 = β2 = ... = βk = 0, (9.50)
pues B es l.i. Por (9.50) y (9.49) se sigue que
r
X
αi ui = 0
i=1
que implica que

α1 = α2 = ... = αr = 0, (9.51)
pues S es l.i. Por (9.50) y (9.51) se sigue que G es l.i.
b) Probemos que < G >= V, es decir que todo elemento de V se puede escribir como combinación lineal de los elementos
de G.
Tomamos v ∈ V, genérico. Puesto que B es base de Im(T ), existen θ1 , θ2 , ..., θk ∈ K tales que
T (v) = θ1 T (v1 ) + ... + θk T (vk ),
o, equivalenetemente
T (v − θ1 v1 − ... − θk vk ) = 0 ⇔ v − θ1 v1 − ... − θk vk ∈ Ker(T ),
de manera que existen coeficientes γ1 , ..., γr ∈ K tales que
v − θ1 v1 − ... − θk vk = γ1 u1 + ... + γr ur ,
v = θ1 v1 + ... + θk vk + γ1 u1 + ... + γr ur
de manera que v ∈< G >.
t
u
Corolario 9.6 (Caracterización de isomorfismos en dimensión finita) Sean V, W espacios vectoriales sobre el
cuerpo K, de dimensión n ∈ N. Sea T ∈ L(V, W). Entonces
T es inyectiva ⇔ T es sobreyectiva. (9.52)
Observación 9.10 Sean V, W espacios vectoriales y T ∈ L(V, W). Fijamos un elemento w ∈ W \ {0} y consideramos la
ecuación vectorial
T (u) = w, u ∈ V, (E)
denominada ecuación no-homogénea. A la ecuación vectorial
T (u) = 0, u ∈ V, (H)
se le denomina ecuación homogénea asociada a (E). Obsérvese que el conjunto solución de (H) es
CS H = Ker(T ). (9.53)
Supongamos que conocemos una solución particular de (E), es decir suponemos que conocemos un vector v0 ∈ V tal que
T (v0 ) = w.
Probaremos a continuación que el conjunto solución de (E) es
CS E = {v0 } + Ker(T ) = {v0 + u : u ∈ Ker(T )}. (9.54)
Lo anterior implica que cualquier solución u de la ecuación (E) se puede escribir como
u = v0 + α1 u1 + ... + αn un , (9.55)
donde
S = {u1 , ..., un } (9.56)
es una base de Ker(T ) y αi ∈ K, i = 1, 2, ..., n.
Demostración (Demostración de (9.54)). Tomamos u ∈ CS E , genérico. Puesto que
T (u) = T (v0 ) = w,
se sigue que
T (u − v0 ) = 0,
es decir,
u − v0 ∈ Ker(T )
y entonces
u ∈ {v0 } + Ker(T ).
T : M2 (R) −→ P3 (R)
!
ab
G= 7−→ T [G] = p,
cd
donde
T [G](x) = p(x) = (a − b − d) + (c + b − d)x + (−a + 2b − d)x2 + (−a + b + d)x3
Buscamos el conjunto solución de la ecuación vectorial
T [G] = w, G ∈ M2 (R),
donde
w(x) = −1 + x + x3 , x ∈ R.
No es difı́cil verificar que una solución particular es
!
11
V0 = ,
11
es decir, T [V0 ] = w. Calculemos el núcleo o kernel de T :

n o
Ker(T ) = J ∈ M2 (R) : T [J] = 0 p .
Tenemos entonces que ressolver el sistema

AT [J]C = 0,
!
ab
donde J = es un elemento genérico de Ker(T ). Se tiene que
cd
 1 −1 0 −1 0   1 0 0 −3 0 

   
 0 1 1 −1 0   0 0 1 1 0 

(AF | 0) =  →−   ,
 −1 2 0 −1 0   0 1 0 −2 0 
−1 1 0 1 0 000 0 0
9.7 Matrices asociadas 229
de manera que
( ! )
ab
Ker(T ) = J= ∈ M2 (R) : a = 3d ∧ b = 2d ∧ c = −d
cd
( ! )
3d 2d
= J= ∈ M2 (R) : d ∈ R
−d d
( ! )
3 2
= J = d· ∈ M2 (R) : d ∈ R
−1 1
( !)
3 2
= < >. (9.57)
−1 1
Por tanto ( ! ! )
11 3 2
CS = {V0 } + Ker(T ) = +α· : α∈R .
11 −1 1
Observación 9.11 El mecanismo presentado en la Observación 9.10 y usado en el Ejemplo 9.17 se usa, por ejemplo,
para la resolución de Ecuaciones Diferenciales Ordinarias Lineales, que el lector abordará en un curso posterior.
9.7. Matrices asociadas
En la Sección 9.5 constatamos que existe una relación biunı́voca entre las matrices AT ∈ Mm×n (K) y las aplicaciones
T ∈ L(V, W), cuando dim(V) = n y dim(W) = m. Allı́ nos bastó considerar las bases canónicas de V y W.
En esta sección ahondamos en el vı́nculo entre aplicaciones lineales y matrices. En el siguiente resultado establecemos
que no es indispensable trabajar con las bases canónicas.
Teorema 9.9 (Matriz asociada) Sean B1 = {v1 , ..., vn } una base del espacio vectorial V, B2 = {w1 , ..., wm } una
base del espacio vectorial W y T ∈ L(V, W). Entonces existe una matriz
[T ]BB21 = [T (v1 )]B2 [T (v2 )]B2 . . . [T (vn )]B2 ∈ Mm×n (K)

(9.58)
tal que
∀v ∈ V : [T (v)]B2 = [T ]BB21 [v]B1 . (9.59)
La demostración del Teorema 9.9 se realiza de forma similar a cómo se procedió en la Sección 9.5.
Observación 9.12 Observe que [T ]CC = AT .
Corolario 9.7 (Matriz asociada en otras bases) En el marco del Teorema 9.9, si B3 es otra base de V y B4 es
otra base de W, se tiene que
[T ]BB43 = [Id]BB42 [T ]BB21 [Id]BB13 . (9.60)
En particular,
C(W)
[T ]BB43 = [Id]C(W)
B4
[T ]C(V) [Id]C(V)
B3 . (9.61)
Si T es un isomorfismo, entonces
−1 iB3
[T ]BB43
h
= T −1 . (9.62)
B4
Ejemplo 9.18 (Cálculo de la matriz asociada) Consideramos la aplicación lineal

T : M2 (R) −→ P2 (R)
!
ab
G= 7−→ T [G] = p,
cd
donde
T [G](x) = p(x) = a + (b − c)x + dx2 , x ∈ R.
Usando el Corolario 9.7, calculemos la matriz [T ]SB ,
donde
( ! ! ! !)
1 1 0 −1 0 0 1 0
B = {G1 ,G2 ,G3 ,G4 } = , , ,
00 1 0 11 01
y
S = {p1 , p2 , p3 },
con
p1 (x) = 1 − x, p2 (x) = x2 , p3 (x) = x + x2 , x ∈ R.
Recordemos que C1 = C(M2 (R)) = {U1 , U2 , U3 , U4 } y C2 = C(P2 (R)) = {η1 , η2 , η3 }, donde
! ! ! !
10 01 00 00
U1 = , U2 = , U3 = , U4 = ,
00 00 10 01
y
η1 (x) = 1, η2 (x) = x, η3 (x) = x2 , x ∈ R.
Se tiene que
T [U1 ](x) = 1, T [U2 ](x) = x, T [U3 ](x) = −x, T [U4 ](x) = x2 , x ∈ R,
de manera que  
1 0 0 0
[T ]CC2 = AT = 0 1 −1 0 .
 
1
00 0 1
 
Por otro lado

1 0 0 1
 
1 −1 0 0

[Id]CB1

= [U1 ]C [U2 ]C [U3 ]C [U4 ]C =  .
0 1 1 0
0 0 11
Asimismo  
 1 0 0
[Id]CS 2 = p1 C p2 C p3 C = −1 0 1
0 11
 
y  
C −1  1 0 0
[Id]SC2 = [Id]S 2
= −1 −1 1

1 1 0
 
Por tanto
   1 0 0 1 
 
 1 0 0 1 0 0 0   1 0 0 1
 1 −1 0 0 
[T ]SB = [Id]SC2 [T ]CC2 [Id]CB1 = −1 −1 1 0 1 −1 0   = −2 2 2 0 .
  
1  0 1 1 0 
1 1 0 0 0 0 1  2 −2 −1 1
  
0 0 11
Calculemos de dos formas diferentes [T (G∗ )]S donde

!
4 −3
G∗ = .
0 2
Se tiene que
9.7 Matrices asociadas 231
[T (G∗ )]S = [T ]SB [G∗ ]B = [T ]SB [Id]CB1 [G∗ ]C1

  1 0 0 1−1  4   
 1 0 0 1     4
 1 −1 0 0  −3   
= −2 2 2 0  = 1 . (9.63)

 0 1 1 0  0   
2 −2 −1 1  1

0 0 11 2
Por otro lado

T [G∗ ](x) = 4 − 3x + 2x2
de manera que  
 4 
[T [G∗ ]]C2 =  −3 
 
2
 
[T [G∗ ]]S = [Id]SC2 · [T [G∗ ]]C2

    
 1 0 0  4   4 
= −1 −1 1  −3  =  1  .
    
1 1 0 2 1
    
Corolario 9.8 (Matriz asociada a una composición) Sean T ∈ L (V, W) y F ∈ L (W, U) donde los espacios vec-
toriales V, W, U tienen dimensión finita. Suponga que B1 , B2 y B3 son bases de V, W y U, respectivamente.
Entonces
B B
[F ◦ T ]B31 = [F]B32 · [T ]BB21 . (9.64)
El corolario anterior establece que la composición de aplicaciones lineales está asociada a la multiplicación de matrices.
Observación 9.13 Recuerde que una matriz A ∈ Mn (K) es ortogonal si se cumple que
At A = Idn . (9.65)
Proposición 9.2 (Matriz de transición entre bases ortonormales) Sean B1 = {u1 , ..., un } y B2 = {v1 , ..., vn } bases
ortonormales del espacio euclidiano V. Entonces la matriz de transición
[Id]BB21 = vi , u j
D E
(9.66)
n×n
es ortogonal.
Ejemplo 9.19 En R2 consideramos las bases ortonormales
√1
   1 
   − √ 
B1 = {u1 , u2 } =   ,  1 2 

 2

√1

√

 


2 2
y
4 3
( ! !)
B2 = {v1 , v2 } = 5
3 , 5 .
5 − 45
Se tiene que
!  7√
− 1√ 

hu1 , v1 i hu2 , v1 i
[Id]BB21 = =  1  .

5· 2 5· 2
hu1 , v2 i hu2 , v1 i − √ − 7√ 
5· 2 5· 2
No es difı́cil verificar que [Id]BB21 es una matriz ortogonal.
Terminamos con un resultado que permite reconocer isomorfismos.

Teorema 9.10 (Identificación de Isomorfismos) Sean V y W espacios vectoriales tales que dim(V) = dim(W) <
∞. Entonces T ∈ L(V, W) es un isomorfismo si y sólo si AT es invertible.

1) Sean n ∈ N y B ∈ Mn (K). Pruebe que la siguiente aplicación es lineal:
T : Mn (K) −→ Mn (K)
A 7−→ T (A) = AB.
Desarrollo. Tenemos que probar que T es lineal, es decir que
∀λ ∈ K, ∀A,C ∈ Mn (K) : T (λA + C) = λT (A) + T (C). (9.67)
Tomamos elementos genéricos λ ∈ K y A,C ∈ Mn (K). Se tiene que
T (λA + C) = (λA + C) B
= λAB + CB
= λ(AB) + CB
= λ T (A) + T (C).
Puesto que λ, A,C fueron elegidos arbitrariamente, se ha probado (9.67), de manera que T es aplicación lineal.
2) Considere la aplicación
T : P2 (R) −→ P4 (R)
p 7−→ T [p],
donde
T [p](x) = p(x) + x2 · p(x), x ∈ R.
a) Pruebe que T es una aplicación lineal.
b) Encuentre explı́citamente Ker(T ), Im(T ), nul(ϕ) y rg(ϕ).
c) Encuentre bases para Ker(T ) e Im(T ).
d) Determine si T es inyectiva y/o sobreyectiva.
Desarrollo.
a) Probemos que T es lineal, es decir que
∀λ ∈ R, ∀p, q ∈ P2 (R) : T [λp + q] = λ · T [p] + T [q]. (9.68)
Tomamos elementos genéricos λ ∈ R y p, q ∈ P2 (R). Se tiene, para x ∈ R (genérico):
T [λp + q](x) = (x + x2 ) · (λp + q)(x)

= (1 + x2 ) · [λp(x) + q(x)]
= λ(1 + x2 ) · p(x) + (1 + x2 ) · q(x)
= λ · T [p](x) + T [q](x).
Puesto que λ, p, q fueron elegidos arbitrariamente, se ha probado (9.68), es decir que T es lineal.
b) Para encontrar la matriz canónica asociada a T necesitamos la fórmula explı́cita de T . Tomamos un elemento
genérico u ∈ P2 (R):
u(x) = a + bx + cx2 , x ∈ R.
Se tiene, para x ∈ R, que
T [u](x) = (1 + x2 ) · u(x)
= (1 + x2 ) · (a + bx + cx2 )
= a + bx + (a + c)x2 + bx3 + cx4 , (9.69)
de manera que
1 0 0
 
0 1 0
 
∗
AT = [T ]CC = [T (e0 )]C∗ [T (e1 )]C∗ [T (e2 )]C∗ = 1 1 ,

0 (9.70)
 
0 1 0
0 0 1
donde C = {e0 , e1 , e2 } es la base canónica de P2 (R) y C∗ = {ê0 , ê1 , ê2 , ê3 , ê4 } es la base canónica de P4 (R).
Por definición, se tiene que
Ker(T ) = {p ∈ P2 (R) : T [p] = 0}; (9.71)

Im(T ) = {q ∈ P4 (R)/ ∃p ∈ P2 (R) : T [p] = q}. (9.72)
Buscamos ker(T ) e Im(T ). Tomamos elementos genéricos p ∈ ker(T ) y q ∈ Im(T ):
p(x) = a + bx + cx2 , q(x) = A + Bx + Cx2 + Dx3 + Ex4 , x ∈ R. (9.73)
Para encontrar explı́citamente Ker(T ), debemos encontrar las condiciones que deben cumplir los coeficientes
a, b, c. Esto corresponde a resolver el sistema:
(AT | 0) . (9.74)
Para encontrar explı́citamente Im(T ), debemos encontrar las condiciones que deben cumplir los coeficientes
A, B,C, D, E. Esto corresponde a resolver el sistema:

AT | q C∗ . (9.75)
Resolvamos (9.75) pues, entonces, inmediatamente se tendrá resuelto (9.74).:
 1 0 0 A   1 0 0 A
   

 0 1 0 B 
  0 1 0 B 
C  . . . →
 − . . . 
   
 1 0 1 0 0 1 C − A  (9.76)
 
 0 1 0 D   0 0 0 D − B 
001 E 0 0 0 E −C + A
De (9.76) se sigue que

n o
Im(T ) = q ∈ P4 (R) : q(x) = A + Bx + Cx2 + Dx3 + Ex4 ∧ D − B = 0 ∧ E − C + A = 0 . (9.77)
De (9.76) se sigue también que

a = b = c = 0,
de manera que
Ker(T ) = {0} (9.78)
y, por ello:
nul(T ) = 0.
Por el Teorema de la Dimensión:
rg(T ) = dim(P2 (R)) − nul(T ) = 3.
c) Puesto que Ker(T ) = {0}, Ker(T ) no tiene base. Por (9.77), se tiene que
n o
Im(T ) = q ∈ P4 (R) : q(x) = A + Bx + Cx2 + Bx3 + (−A + C)x4 , A, B,C ∈ R
n o
= q ∈ P4 (R) : q(x) = A(1 − x4 ) + B(x + x3 ) + C(x2 + x4 ), A, B,C ∈ R , (9.79)
de donde se encuentra que una base de Im(T ) es B = {q1 , q2 , q3 }, donde qk : R → R, k = 1, 2, 3, con:
q1 (x) = 1 − x4 , q2 (x) = x + x3 , q3 (x) = x2 + x4 , x ∈ R.
d) Puesto que Ker(T ) = {0}, T es inyectiva. Puesto que
3 = rg(T ) < dim(P4 (R)) = 5,
se sigue que T no es sobreyectiva.

ϕ : P2 (R) −→ P4 (R)
p 7−→ ϕ[p],
donde
ϕ[p](x) = (x + x2 ) · p(x), x ∈ R.
a) Pruebe que ϕ es una aplicación lineal.
b) Halle la matriz ϕ SB , donde B = {p1 , p2 , p3 } y S = {q1 , q2 , q3 , q4 , q5 } están dadas, para x ∈ R, por:

p1 (x) = −1, p2 (x) = −2x, p3 (x) = x2 , (9.80)

q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = x + x2 , (9.81)
q4 (x) = x + x , q5 (x) =
2 3
x3 + x4 . (9.82)
c) Encuentre explı́citamente ker(ϕ).

d) Encuentre nul(ϕ) y rg(ϕ).
e) Indique si ϕ es inyectiva y/o sobreyectiva.
Desarrollo.
a) Probemos que ϕ es lineal, es decir que
∀λ ∈ R, ∀p, q ∈ P2 (R) : ϕ[λp + q] = λ · ϕ[p] + ϕ[q]. (9.83)
Tomamos elementos genéricos λ ∈ R y p, q ∈ P2 (R). Se tiene, para x ∈ R (genérico):
ϕ[λp + q](x) = (x + x2 ) · (λp + q)(x)

= (x + x2 ) · [λp(x) + q(x)]
= λ(x + x2 ) · p(x) + (x + x2 ) · q(x)
= λ · ϕ[p](x) + ϕ[q](x).
Puesto que λ, p, q fueron elegidos arbitrariamente, se ha probado (9.83), es decir que ϕ es lineal.
b) Se tiene que
∗
ϕ B = [Id]SC∗ ϕ CC [Id]CB ,
S
(9.84)
donde C y C∗
son las bases canónicas de P2 (R) y P4 (R), respectivamente.
Se tiene que  
−1 0 0
[Id]CB =  0 −2 0 . (9.85)
 
0 0 1
 
Se tiene que
1 1 0 0 0
 
0 1 1 0 0

∗
= 0

[Id]CS

0 1 1 0
0 
 0 0 1 1
0 0 0 0 1
y, aplicando Gasuss-Jordan se obtiene:
1 −1 1 −1 1 
 
0 1 −1 1 −1

= 0 0 1 −1 1  .

[Id]SC∗

 (9.86)
0
 0 0 1 −1
0 0 0 0 1
Para encontrar la matriz canónica asociada a ϕ necesitamos la fórmula explı́cita de ϕ. Tomamos un elemento
genérico u ∈ P2 (R):
u(x) = a + bx + cx2 , x ∈ R.
Se tiene, para x ∈ R, que
ϕ[u](x) = (x + x2 ) · u(x)
= (x + x2 ) · (a + bx + cx2 )
= ax + (a + b)x2 + (b + c)x3 + cx4 , (9.87)
de manera que
0 0 0
 
1 0 0
 
C∗
ϕ C = [ϕ(e0 )]C∗ [ϕ(e1 )]C∗ [ϕ(e2 )]C = 1 0 .

∗ 1 (9.88)
 
0 1 1
0 0 1
De (9.84), (9.85), (9.86) y (9.88) se sigue que
 0 0 0
 
 0 0 0

S 
ϕ B = −1 0 0 .

 0 −2 
 0
0 0 1
c) Buscamos ker(ϕ). Tomamos un elemento genérico u ∈ ker(ϕ):
u(x) = α + βx + γx2 , x ∈ R.
Para hallar α, β, γ tenemos que resolver el sistema:

C∗
ϕ C |0 .
Se tiene que
 0 0 0 0   0 0 0 0 
   
 1 0 0 0   0 0 0 0 
   
 1 1 0 0  →
−  1 0 0 0 
 0 1 1 0   0 1 0 0 
   
0010 0010
de manera que α = β = γ = 0 y, por tanto:
ker(ϕ) = {0}. (9.89)
d) De (9.89) se sigue que nul(ϕ) = 0. Por el Teorema de la Dimensión
3 = dim(P2 (R)) = nul(ϕ) + rg(ϕ)
de manera que rg(ϕ) = 3.

e) Por (9.89), ϕ es inyectiva. Puesto que
3 = dim(P2 (R)) < dim(P4 (R)) = 5,
se sigue que ϕ no es sobreyectiva.

4) Sea g ∈ C1 ([0, 1]). Pruebe que la siguiente aplicación es lineal:
T : C1 ([0, 1]) −→ C([0, 1])

f 7−→ T [ f ] = ( f g)0 .
Desarrollo. Tenemos que probar que
∀λ ∈ R, ∀u, v ∈ C1 ([0, 1]) : T [λu + v] = λT [u] + T [v]. (9.90)
Sean λ ∈ R y u, v ∈ C1 ([0, 1]), genéricos. Se tiene que:
T [λu + v] = ((λu + v)g)0

= (λug + vg)0
= (λug)0 + (vg)0
= λ(ug)0 + (vg)0
= λT [u] + T [v].
Puesto que λ, u, v fueron elegidos arbitrariamente, se ha probado (9.90), es decir que T es lineal.
5) Sea
θ : C2 (R) −→ C(R)
f 7−→ θ[ f ] = f 00 .
a) Pruebe que θ es lineal.

b) Halle Ker(θ) y nul(θ)
Desarrollo.
a) Probemos que θ es lineal, es decir que
∀λ ∈ R, ∀ f, g ∈ C2 (R) : θ[λ f + g] = λθ[ f ] + θ[g]. (9.91)
Tomamos elementos genéricos: λ ∈ R y f, g ∈ C2 (R). Se tiene que
θ[λ f + g] = (λ f + g)00 = ((λ f + g)0 )0

= (λ f 0 + g0 )0 = λ f 00 + g00
= λθ[ f ] + θ[g].
Puesto que λ, f, g fueron elegidos arbitrariamente, se ha probado (9.91).

b) Por definición, se tiene que n o
Ker(θ) = f ∈ C2 (R) : θ[ f ] = 0 . (9.92)
Tomamos un elemento genérico f ∈ Ker(θ). Se tiene que:
θ[ f ] = f 00 = 0,
f 00 (x) = 0, ∀x ∈ R,
( f (x)) = 0,
0 0
∀x ∈ R.
Por tanto, f 0 es una función constante, es decir existe una un número a ∈ R tal que
f 0 (x) = a, ∀x ∈ R.
De manera que
f 0 (x) − (ax)0 = 0, ∀x ∈ R,
( f (x) − ax)0 = 0, ∀x ∈ R. (9.93)
De lo anterior, se sigue que existe un número b ∈ R tal que
f (x) − ax = b, ∀x ∈ R,
f (x) = ax + b, ∀x ∈ R. (9.94)
De lo anterior se concluye que

Ker(θ) = P1 (R).
Finalmente:
nul(θ) = dim(Ker(θ)) = dim(P1 (R)) = 2.
6) Considere la aplicación lineal
T : P2 (R) −→ P3 (R)
p 7−→ T [p],
donde
T [p](x) = p(x) + x p(x), x ∈ R.
Halle la matriz asociada a T desde la base B1 = {p1 , p2 , p3 } a la base B2 = {q1 , q2 , q3 , q4 }, donde, para x ∈ R:
p1 (x) = 1, p2 (x) = 1 − x, p3 (x) = 1 + x + x2 ,
q1 (x) = 1, q2 (x) = x − 1, q3 (x) = (x − 1)(x − 2), q4 (x) = (x − 1)(x − 2)(x − 3).
Desarrollo. Observemos que, para x ∈ R:
q3 (x) = x2 − 3x + 2, q4 (x) = x3 − 6x2 + 11x − 6.
Se tiene que
∗
[T ]BB21 = [Id]CB2∗ [T ]CC [Id]CB1
= [Id]CB2∗ AT [Id]CB1 . (9.95)
1 1 1
[Id]CB1 = 0 −1 1 , (9.96)
 
0 0 1
 
1 −1 2 −6
 
∗ 0 1 −3 11 

[Id]CB2 =  , (9.97)
0 0 1 −6
0 0 0 1
1 1 1 1
 
B2

C∗ −1
0 1 3 7

[Id]C∗ = [Id]B2 =  . (9.98)
0 0 1 6
000 1
Por otro lado, para p ∈ P2 (R) tal que
p(x) = a + bx + cx2 , x ∈ R,
se tiene que
T [p](x) = a + (a + b)x + (b + c)x2 + cx3 , x ∈ R.
Por tanto
1 0 0
 
1 1 0

AT =   (9.99)
0 1 1
0 0 1
Por (9.95), (9.96), (9.98) y (9.99):
2 0 6 
 
1 −3 15

[T ]BB21 =  .
0 −1 8 
0 0 1
7) Sea n ∈ N \ {1}. Considere la aplicación
S : Mn (R) −→ R
A 7−→ S (A) = det(A).
¿S es lineal?
Desarrollo. Si S fuese lineal se cumplirı́a que
∀λ ∈ R, ∀A, B ∈ Mn (R) : S (λA + B) = λ S (A) + S (B). (9.100)
Mostremos que esto no se cumple mediante un contraejemplo. Tomemos entonces λ = 2 y
A = Idn , B = Idn .
Por un lado se tiene que

S (λA + B) = det(3Idn ) = 3n .
Por otro lado:
λS (A) + S (B) = 2 det(Idn ) + det(Idn ) = 3.
Por tanto, en este caso no se cumple que
S (λA + B) = λ S (A) + S (B),
de manera que (9.100) es falsa.

!
1 0 −1
8) Sean B = y la aplicación lineal
31 2
ϕ : M2 (R) −→ M2×3 (R)

A 7−→ ϕ(A) = AB.
a) Encuentre núcleo, imagen, rango y nulidad de la aplicación lineal ϕ.

b) Encuentre bases para Ker(ϕ) y para Im(ϕ).
c) Determine si la función ϕ es inyectiva y/o sobreyectiva.
Desarrollo. Denotemos por C = {e11 , e12 , e21 , e22 } y C∗ = {η11 , η12 , η13 , η21 , η22 , η23 }, respectivamente, a las bases
canónicas de M2 (R) y M2×3 (R):
! ! ! !
10 01 00 00
e11 = , e12 = , e21 = , e22 = ,
00 00 10 01
! ! ! ! ! !
100 010 001 010 000 000
η11 = , η12 = , η13 = , η21 = , η22 = , η23 = .
000 000 000 000 010 001
Se tiene que
! !
1 0 −1 312
ϕ(e11 ) = e11 B = , ϕ(e12 ) = e12 B = ,
00 0 000
! !
00 0 000
ϕ(e21 ) = e21 B = , ϕ(e22 ) = e22 B = . (9.101)
1 0 −1 312
Por tanto la matriz canónica asociada a ϕ es

 
 1 3 0 0

 0 1 0 0

∗ −1 2 0 0
T ϕ = ϕ CC = ϕ(e11 ) C∗ ϕ(e12 ) C∗ ϕ(e21 ) C∗ ϕ(e22 ) C∗ =  .

 0 0 1 3
 0 0 0 1
 

0 0 −1 2
a) Por definición, se tiene que
Ker(ϕ) = {A ∈ M2 (R) : ϕ(A) = 0}; (9.102)

Im(ϕ) = {U ∈ M2×3 (R)/ ∃C ∈ M2 (R) : ϕ(C) = U}. (9.103)
Buscamos Ker(ϕ) e Im(ϕ). Tomamos elementos genéricos A ∈ Ker(T ) y U ∈ Im(ϕ):

! !
a a u u u
A = 11 12 , U = 11 12 13 . (9.104)
a21 a22 u21 u22 u23
Para encontrar explı́citamente Ker(ϕ), debemos encontrar las condiciones que deben cumplir las coordenadas
ai j . Esto corresponde a resolver el sistema:
Tϕ | 0 . (9.105)
Para encontrar explı́citamente Im(ϕ), debemos encontrar las condiciones que deben cumplir las coordenadas
ui j . Esto corresponde a resolver el sistema:
T ϕ | [U]C∗ . (9.106)
Resolvamos (9.106) pues, entonces, inmediatamente se tendrá resuelto (9.105).:
 1 0 0 0 u11 − 3u12 

   
 1 3 0 0 u11 
 0 1 0 0 u   0 1 0 0 u12 
 12   
 −1 2 0 0 u13    0 0 1 0 u21 − 3u22 
 0 0 1 3 u21  . . . →
  − . . .   (9.107)
 0 0 0 1 u22 
 0 0 0 1 u22   0 0 0 0 u13 − 5u12 + u11 
   
0 0 −1 2 u23 0 0 0 0 u23 − 5u22 + u21
De (9.107) se sigue que

( ! )
u11 u12 u13
Im(T ) = U = ∈ M2×3 (R) : u13 − 5u12 + u11 = 0 ∧ u23 − 5u22 + u21 = 0 . (9.108)
u21 u22 u23
De (9.107) se sigue también que

a11 = a12 = a21 = a22 = 0,
de manera que
Ker(ϕ) = {0} (9.109)
y, por ello:
nul(ϕ) = 0.
Por el Teorema de la Dimensión:
rg(ϕ) = dim(M2 (R)) − nul(T ) = 4.
b) Puesto que Ker(ϕ) = {0}, Ker(ϕ) no tiene base. Por (9.108), se tiene que
( ! )
5u12 − u13 u12 u13
Im(ϕ) = U = ∈ M2×3 (R) : u12 , u13 , u22 , u23 ∈ R
5u22 − u23 u22 u23
( ! ! ! ! )
510 −1 0 1 000 0 00
= U = u12 + u13 + u22 + u23 : u12 , u13 , u22 , u23 ∈ R .
000 0 00 510 −1 0 1
de donde se encuentra que una base de Im(ϕ) es B = {S 1 , S 2 , S 3 , S 4 }, donde:

! ! ! !
510 −1 0 1 000 0 00
S1 = , S2 = , S3 = , S4 = .
000 0 00 510 −1 0 1
c) Puesto que Ker(ϕ) = {0}, ϕ es inyectiva. Puesto que
4 = rg(ϕ) < dim(M2×3 (R)) = 6,
se sigue que ϕ no es sobreyectiva.

1) Determine si la transformación G : R2 → R2 con la fórmula indicada, es o no una aplicación lineal. En caso afirmativo
halle
a) la matriz canónica asociada a G;
b) Ker(G) y Im(G);
c) nul(G) y rg(G);
d) Determine si G es un isomorfismo.
! ! ! ! ! !
x −x x 1 x x
G = ; G = ; G = ;
y 0 y y y 2x
! ! ! ! ! !
x y x −x x −x
G = ; G = ; G = .
y y/(1 + x2 ) y xy y |y|
2) Determine si la transformación G : Rm → Rn con la fórmula indicada, es o no una aplicación lineal. En caso afirmativo
halle la matriz canónica asociada, el núcleo y la imagen, nulidad y rango.
 
 x 
−2x + 3y − 4z
! ! !
x x
m = 2, n = 1, G = 2x − 3y; m = 2, n = 1, G = 2x − 3y ;
2
m = 3, n = 2, G   =
y ;
 
y y 2x + z
z
 
 x1 
 
 x 
 
 x  X m
−x + y + 2z − w
!
 2  y 
n = 1, G  .  = ak xk ; m = 4, n = 2, G   = .
 ..  k=1
 
x + 3z − 4w
 
 z 
 
xm w
3) Sean m, n, p, q ∈ N. Determine si la aplicación indicada es una transformación lineal. En caso afirmativo halle la matriz
canónica asociada, el núcleo y la imagen, nulidad y rango. ¿Es un isomorfismo?
H : Mm×n (R) → Mm×n (R), H(A) = At ;
H : Mm×n (R) → Mm (R), H(A) = AAt ;

H : Mm×n (R) → Mmp (R), H(A) = AB, donde B ∈ Mnp (R);
H : Mm×n (R) → Mm×n (R), H(A) = AB2 , donde B ∈ Mn (R);
H : Mn (R) → Mn (R), H(A) = 2A + B, donde B ∈ Mn (R);
H : Mn (R) → Mn (R), H(X) = AX 2 + BX + C, donde A, B,C ∈ Mn (R).
4) Determine si la aplicación indicada es una transformación lineal. En caso afirmativo halle la matriz canónica asociada,
el núcleo y la imagen, nulidad y rango.
Fk : P2 (R) −→ P1 (R)
u 7−→ Fk [u],
u(x) = α + βx + γx2 ,
F1 [u](x) = (−3α + β) + (α − β)x; F2 [u](x) = (−3α + β) + (α2 − β)x;
F3 [u](x) = −3α + 2β; F4 [u](x) = (−3α + β)x.
5) Determine si la aplicación indicada es una transformación lineal. En caso afirmativo halle
a) la matriz canónica asociada a Fk ;
b) Ker(Fk ) y Im(Fk );
c) nul(Fk ) y rg(Fk );
d) Determine si Fk es un isomorfismo.
Fk : M2 (R) −→ P3 (R)
A 7−→ Fk [A],
αβ
!
A= ,
γη
F1 [A](x) = (−3α + β + η) + (α − β)x + (−β + 4η)x3 ; F2 [A](x) = (−3α + β) + (α2 − β)x;
F3 [A](x) = −3α + 2β + 4η; F4 [A](x) = α + (−3α + β)x − γx3 .
6) Determine si la aplicación indicada es una transformación lineal. En caso afirmativo halle la matriz canónica asociada,
el núcleo y la imagen, nulidad y rango.
Fk : P4 (R) −→ M2×3 (R)

u 7−→ Fk (u),
u(x) = α + βx + γx2 + ηx3 + θx4 ,
α −β + 2η − γ −2α + θ αβ γ
! !
F1 (u) = ; F2 (u) = ;
4β + γ − θ γ α + β + γ − 2η − θ η θ −α2
αβγ −α + 2β β α+β+γ+η+θ
! !
F3 (u) = ; F4 (u) = .
ηθ1 η 4γ + η − θ −α2
7) Sea V un espacio euclidiano y w ∈ V. Pruebe que el funcional
M : V −→ K
u 7−→ M(u) = hu, wi ,
es lineal. Halle el núcleo de M.   


  x  

8) Halle una aplicación lineal F : R3 → R3 tal que Ker(F) =  3
+ =
 
y ∈ : 2x − y z 0 . La aplicación encontrada, ¿es
  
 

 

 R 


 z  

un isomorfismo?   

  x  

9) Halle una aplicación lineal F : R3 → R3 tal que Im(F) =  3
+ =
 
y ∈ : 3x 2y − 5z 0 . La aplicación encontrada, ¿es
  
 

 

 R 


 z  

un isomorfismo?
10) Sean V y W espacios vectoriales y f : V → W. Pruebe que f es lineal ssi
∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v). (9.110)
11) Sea T : M1×3 (R) → P2 (R) tal que
T (G1 ) = T (1 1 1) = p1 , T (G2 ) = T (1 1 0) = p2 , T (G3 ) = T (1 0 0) = p3 ,
donde
p1 (x) = x + 2x2 , p2 (x) = 3x2 , p3 (x) = 0, x ∈ R.
a) Determine las matrices asociadas a las aplicaciones lineales T , T2 y T − S con S ∈ L (M1×3 , P2 (R)) tal que
AS = Id3 .
b) Calcule el rango de T , T 2 y T − S .
c) Considere B1 = {G1 ,G2 ,G3 } y B2 = {q1 , q2 , q3 } tal que
q1 (x) = 1 + x + x2 , q2 (x) = 1 + x, q3 (x) = 1 − x + x2 , x ∈ R.
Calcule [T ]BB21 y su rango.

h iB1
d) ¿Existe T −1 ?
B2
12) Sea B1 = {u1 , u2 } una base del espacio vectorial R2 . Sean
v1 = u1 + u2 , v2 = 2u1 − u2 ,
a) Pruebe que B2 = {v1 , v2 } es !otra base

! de R .
2
x y
b) Sea T ∈ L(R2 ) tal que f = . Halle [T ]BB12 .
y x
!
p(0)
13) Sea ϕ ∈ L(P3 (R), R ) tal que ϕ[p] =
2 . Encuentre bases para ker(ϕ) e Im(ϕ).
p(1)
 
 1 0 1
14) Sean A−1 = −1 1 0 y B1 = {p1 , p2 , p3 } y B2 = {v1 , v2 , v3 }, bases de P2 (R) y R3 , respectivamente, donde:
 
1 −1 1
 
     
 1   0   1 
p1 (t) = 1 − t, p2 (t) = 1 − t + t2 , p3 (t) = 1, v1 =  0  , v2 =  1  , v3 =  1  .
     
1 1 0
     
a) Halle η : P2 (R) → R3 tal que A = η BB21 .

b) Halle η[q] B2 , donde q(t) = 1 + t + 2t2 .

15) Sea T : R3 → R3 una transformación lineal tal que
 x   x + 2y + z 

   
T  y  =  3x + y − 2z  .
   
z −x − 7y − 6z
   
Halle bases para ker(T ) e Im(T ).

16) Sea B = {p1 , p2 , p3 } una base de P2 (R) donde
p1 (t) = 1 + t, p2 (t) = 1 − t, p3 (t) = t + t2 .

 
 1 −1 1
B 
Sea g : P2 (R) → P2 (R) tal que g B = −1 1 0. Halle la fórmula asociada a g.

0 0 1
 
3 3
17) Sean f : R → R una transformación lineal y
           

  1   1   1    2   3   2 
      
     
B=  0  ,  1  ,  1  , B1 =   1  ,  2  ,  3  ,
 
  

        
 0 0 1   1 −4 3 
        
 
2 1 −1
B 
tales que f B = 3 2 2 . Halle f BB11 de dos maneras diferentes.
R3

bases de

43 2
 
18) Sea H : V → U una aplicación lineal. Sea B = {v1 , ..., vn } ⊆ V tal que R = {H(v1 ), ..., H(vn )} ⊆ U es linealmente inde-
pendiente. Pruebe que B es linealmente independiente.
19) Sean S2 (R) = {A ∈ M2 (R) : A = At } y f : S2 (R) → R3 tal que
     
! 1 ! 0 ! 1
1 0   −1 2   2 −3  
f =  0 , f = 1 f =  0  .
0 3   2 1   −3 1
1 1 0
 
a) Halle la fórmula asociada a f .

b) Pruebe que f es biyectiva y halle f −1 .
20) Sean V un espacio vectorial sobre el cuerpo R tal que dim(V) = 1, y f : V → V una aplicación lineal.
a) Demuestre que existe un único c ∈ R tal que
∀v ∈ V : f (v) = cv.
b) Si existe v ∈ V tal que f (v) , 0, demuestre que
∀u ∈ V \ {0} : f (u) , 0.
! ! ! !
1 0 0 1
21) Sea f : R2 → R2 lineal tal que f = yf = . Demuestre que el núcleo y la imagen de f son rectas en el
1 0 1 1
plano que pasan por el origen. Halle las ecuaciones de esas rectas.
     
 1  !  0   −1  !
0 0
22) Sea f : R3 lineal tal que f  1  =
→ R2 = f  2  y f  2  , . Demuestre que el núcleo de f es un plano en R3
     
0 0
0 1 4
     
que pasa por el origen. Halle su ecuación.
 x 
 
x − y + 2z + 3w
 y  !
23) Sea f : R → R una aplicación lineal tal que f   =
4 2   .
x − 3y + 4z + 5w
 
 z 
w
 −1   −2 

   
 1   1 
a) Pruebe que una base de ker( f ) es S = {v1 , v2 }, donde v1 =   y v2 =  .
 1   0 
0 1
! !
1 3
b) Si B = {u1 , u2 } con u1 = y u2 = , halle vectores v3 y v4 tales que u1 = f (v3 ) y u2 = f (v4 ).
−3 1
c) Pruebe que B0 = {v1 , v2 , v3 , v4 } es base de R4 .
24) Sea T : R3 → P2 (R) tal que      
 1   0   0 
T  1  = p1 , T  −1  = p2 , T  0  = p3 ,
     
1 1 1
     
p1 (x) = 2β + αx, p2 (x) = αx + βx2 , p3 (x) = β + (1 − α)x.
α
( ! )
a) Halle S = ∈ R2 : T no es biyectiva .
β
α
!
b) Para ∈ S , halle bases de ker(T ) e Im(T ).
β
25) Sea T : M1×3 (R) → P2 (R) tal que
T (G1 ) = T (1 1 1) = p1 , T (G2 ) = T (1 1 0) = p2 , T (G3 ) = T (1 0 0) = p3 ,
donde
p1 (x) = x + 2x2 , p2 (x) = 3x2 , p3 (x) = 0, x ∈ R.
a) Determine las matrices asociadas a las aplicaciones lineales T , T2 y T − S con S ∈ L (M1×3 , P2 (R)) tal que
AS = Id3 .
b) Calcule el rango de T , T 2 y T − S .
c) Considere B1 = {G1 ,G2 ,G3 } y B2 = {q1 , q2 , q3 } tal que
q1 (x) = 1 + x + x2 , q2 (x) = 1 + x, q3 (x) = 1 − x + x2 , x ∈ R.
Calcule [T ]BB21 y su rango.

h iB1
d) ¿Existe T −1 ?
B2
       
 1 −1 
  1   1   0 
     
26) Sea F ∈ L P1 (R), R3 tal que [F]CB =  2 1  donde B =   1  ,  0  ,  1 
 
. Halle la fórmula de F.
  
 
−2 3  0 1 1 
        
27) La aplicación S ∈ L(R4 ) es tal que
 1   1   0   0   1   2   0   1 
               
 0   1   1   2   1   0   0   1 
S   =   , S   =   , S   =   , S   =   .
 1   1   1   1   0   1   0   1 
0 0 0 0 0 0 1 1
¿Se puede determinar esta aplicación? ¿Es un isomorfismo?

1) Sea β ∈ R. Considere F ∈ L(R2 ) tal que

βx + y/2
! !
x
F = .
y x/2 + βy
¿Para qué valores de β, F es un isomorfismo?
a)
b)
Si F no es un isomorfismo, halle Ker(F) e Im(F).
c)
Calcule bases ortonormales para Ker(F) e Im(F).
d)
Halle la nulidad y el rango de F.
 x   x + αy + z 
   
2) Sea f : R3 → R3 una aplicación lineal tal que f  y  =  2x + y + 2z  .
   
z x + (1 − α)y + 2z
   
a) Halle B f = {α ∈ R : f es biyectiva}.
b) ¿α = 1 pertenece a B f ? En caso afirmativo, halle f −1 .
c) Para α ∈ R \ B f , halle ker( f ) e Im( f ), indique sus dimensiones y provéa bases.
3) Sea V un espacio euclidiano (sobre el cuerpo C) y w ∈ V. Pruebe que el funcional
M : V −→ K
u 7−→ M(u) = hw, ui ,
no es lineal. Compare esto con el Ejercicio 3) de la Sección 9.9.1. Explique.

4) Sean V un espacio euclidiano y H ⊆ V un s.e.v. Sea B = {u1 , ..., un } una base de H. Pruebe que la aplicación
S : V −→ H
n
X
v 7−→ S (u) = hv, uk i uk ,
k=1
es lineal.
5) Sean m, n ∈ N. Determine si la aplicación indicada es una transformación lineal. En caso afirmativo halle el núcleo y
la imagen, la nulidad y el rango.
T k : Pm (R) −→ Pn (R)
p 7−→ T k [p],
m = 4, n = 3, T 1 [p](x) = p0 (x);
m = 4, n = 4, T 2 [p](x) = x p0 (x) − p(x);
m = 2, n = 2, T 3 [p](x) = x2 p00 (x);
m = 2, n = 2, T 4 [p](x) = p00 (x) + 2p0 (x) + p(x);
m = 4, n = 4, T 5 [p](x) = p00 (x) + xp0 (x) + 2p(x).
6) Sea f : C → C dada mediante
f (z) = z.
a) Indique si f es lineal si se considera a C como espacio vectorial sobre el cuerpo K = C.
b) Indique si f es lineal si se considera a C como espacio vectorial sobre el cuerpo K = R.
       
 1 −1 
  1   1   0 
     
7) Sea F ∈ L P1 (R), R3 tal que [F]CB =  2 1  donde B =   1  ,  0  ,  1 
 
. Halle la fórmula de F.
  
      
−2 3 0 1 1 
  
 
8) Sea β ∈ R. Considere F ∈ L(R2 ) tal que
βx + y/2
! !
x
F = .
y x/2 + βy
a) ¿Para qué valores de β, F es un isomorfismo?
b) Si F no es un isomorfismo, halle Ker(F) e Im(F).
c) Calcule bases ortonormales para Ker(F) e Im(F).
d) Halle la nulidad y el rango de F.

 
 x 
9) Calcule la aplicación que proyección de un punto  y  ∈ R3 sobre el plano V y pruebe que es lineal:
 
z
 
  

  x 

 
V =  y  ∈ R3 : x + 2y − z = 0 .
 


 z 
 


10) La aplicación S ∈ L(R4 ) es tal que
 1   1   0   0   1   2   0   1 
               
 0   1   1   2   1   0   0   1 
S   =   , S   =   , S   =   , S   =   .
 1   1   1   1   0   1   0   1 
0 0 0 0 0 0 1 1
¿Se puede determinar esta aplicación? ¿Es un isomorfismo?

F : P3 (R) −→ R2
!
p(−1)
p 7 → F(p) =
− .
p(−2)
a) Pruebe que que F es una aplicación lineal.

b) Halle las dimensiones de Ker(F) y Im(F).
c) Halle una base ortonormal para Ker(F), considerando el producto escalar asociado a la fórmula
hp, qi = p tC q C .

d) Halle una base ortonormal para Im(F).

12) Sean V y W espacios vectoriales sobre el cuerpo K, T 1 , T 2 ∈ L(V, W) y B una base de V. Pruebe que
∀u ∈ B : T 1 (u) = T 2 (u) ⇒ T1 = T2. (9.111)
13) Sea T ∈ L(V, W). Suponga que

< {v1 , v2 , ..., vn } >= V.
Pruebe que
< {T (v1 ), T (v2 ), ..., T (vn )} >= Im(T ).
ϕ : P2 (R) −→ P4 (R)
p 7−→ ϕ[p],
donde
ϕ[p](x) = (x + x2 ) · p(x), x ∈ R.
a) Pruebe que ϕ es una aplicación lineal.
b) Halle la matriz ϕ SB , donde B = {p1 , p2 , p3 } y S = {q1 , q2 , q3 , q4 , q5 } están dadas, para x ∈ R, por:

p1 (x) = −1, p2 (x) = −2x, p3 (x) = x2 , (9.112)

q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = x + x , 2
(9.113)
q4 (x) = x + x , q5 (x) =
2 3
x3 + x4 . (9.114)
c) Encuentre explı́citamente ker(ϕ) e Im(ϕ).

d) Encuentre nul(ϕ) y rg(ϕ).
e) Indique si ϕ es inyectiva y/o sobreyectiva.
15) Consideremos la aplicación lineal
F : M1×3 (R) −→ P2 (R)

u = (a b c) 7−→ F[u] = p,
donde
F[u](x) = p(x) = (a − b + c) + (a + b + c)x + (a − 3b + c)x2 , x ∈ R.
a) Pruebe que F es una aplicación lineal.
b) Halle la matriz [F]SB , donde B = {A1 , A2 , A3 } y S = {q1 , q2 , q3 } están dadas por:

A1 = −1 2 2 , A2 = 3 0 0 , A3 = 0 1 1 , (9.115)
q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = x + x ,
2
x ∈ R. (9.116)
c) Encuentre explı́citamente ker(F) e Im(F).

d) Encuentre nul(F) y rg(F).
e) Indique si F es inyectiva y/o sobreyectiva.
T : M2 (R) −→ P3 (R)
!
ab
G= 7−→ T [G] = p,
cd
donde
T [G](x) = p(x) = (a − b − d) + (c + b − d)x + (−a + 2b − d)x2 + (−a + b + d)x3 , x ∈ R.
b) Halle la matriz [T ]SB , donde B = {A1 , A2 , A3 } y S = {q1 , q2 , q3 } están dadas por:
! !
−1 2 11
A1 = , A2 = , (9.117)
2 −1 10
! !
−1 1 10
A3 = , A4 = , (9.118)
0 0 00
q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = x + x2 , q4 (x) = x2 + x3 . x ∈ R. (9.119)

c) Encuentre explı́citamente ker(F) e Im(F).
d) Encuentre nul(F) y rg(F).
e) Indique si F es inyectiva y/o sobreyectiva.
17) Consideremos la aplicación
F : M1×3 (R) −→ P2 (R)

u = (a b c) 7−→ F[u] = p,
donde
F[u](x) = p(x) = (2a − b + c) + (a + 4b + c)x + (a − 3b + c)x2 , x ∈ R.
a) Pruebe que F es lineal.
b) Halle una base para Ker(F) e indique su dimensión.
c) Indique si F es un isomorfismo.
d) Halle una base para Im(F) e indique su dimensión.
e) Dado
w(x) = 2 + 6x − x2 , x ∈ R,
halle el conjunto solución de la ecuación
F(u) = w,
u ∈ M1×3 (R).
   

  1   3 
   
18) Sea J : R2 → R3 una aplicación lineal tal que B = {w1 , w2 } =   −1  ,  1 
 
es una base de Im(J).


 2   −1 
 

a) Halle la fórmula J(v).

b) Halle otra base de Im(J).

     

  1   1   0 
     
19) Sean a ∈ R, η : R3 → R3 una aplicación lineal y B = {v1 , v2 , v3 } =   0  ,  1  ,  1 
 
una base de R3 tales que


 1 
0 1
      

     
 1   1   a 
η(v1 ) =  1  , η(v2 ) =  0  , η(v3 ) =  1  .
     
0 1 1
     
a) Halle Ω = {a ∈ R : η no es biyectiva}.
b) Para a ∈ Ω, halle bases de Im(η) y ker(η).
c) Para a ∈ R \ Ω, halle η−1 .
20) Considere B1 = {p1 , p2 , p3 } y B2 = {q1 , q2 , q3 } bases de P2 (R), donde, para t ∈ R:
p1 (t) = 1, p2 (t) = 1 − t, p3 (t) = 1 + t2 , q1 (t) = t, q2 (t) = 1, q3 (t) = 1 + t − t2 .

 
1 −1 0 
B2
Suponga que F : P2 (R) → P2 (R) es tal que [F]B1 = 0 1 −1 .
 
1 1 0
 
a) Halle [Id]CB2 .
b) Halle [F]CB1 .
c) Halle la fórmula F[p].
 
 1 
d) Halle F[p] B2 sabiendo que p B1 =  −1 .
 
2
 
21) Sean η : V → U una transformación lineal y B1 = {v1 , v2 , v3 } y B2 = {u1 , u2 , u3 , u4 }, bases de V y U, respectivamente.

Suponga que
η(v1 ) = 2u1 − 3u2 + u3 − u4 , η(v2 ) = u1 + u2 + u3 + u4 , η(v3 ) = u1 − 2u3 .
B2
a) Halle η B1 .
b) Halle η BB43 , donde

B3 = {v1 + v2 + v3 , 3v1 − 2v2 + 2v3 , v3 }, B4 = {u1 − u2 , u1 + 2u2 + 3u4 , u3 − 2u4 , u2 + u3 + u4 },
son bases de V y U, respectivamente.
1) Determinar la aplicación S que define la simetrı́a respecto a la recta y = 2x. Verificar que esta aplicación pertenece a
L(R2 ).
Indicación.- Una fórmula asociada es
1 −3x + 4y
! !
x
S = .
y 5 4x + 3y
2) Sean a, b ∈ R, con a < b. Se define
C(a, b) = { f : (a, b) → R : f es continua en (a, b)}
y, para n ∈ N: n o
Cn (a, b) = f : (a, b) → R : f, f 0 , ..., f (n−1) y f (n) son continuas en (a, b)
y el operador diferencial de orden n
Dn : C(n) (a, b) −→ C(a, b)

u 7−→ Dn (u) = u(n) ,
de manera que el operador diferencial de orden n hace corresponder a una función derivable su derivada de orden n.
a) Pruebe que Cn (a, b) es un s.e.v. de F (a, b).

b) Por inducción pruebe que
∀n ∈ N : Dn es lineal.
3) Determine si la aplicación indicada es una transformación lineal. En caso afirmativo trate de hallar el núcleo y la
imagen.
Γk : C∞ (R) −→ C∞ (R)
u 7−→ Γk [u],
Γ1 [u](x) = 2u2 (x) + 3u(x); Γ2 [u](x) = 2u(x) + 3x2 u(x);
Γ3 [u](x) = u(x) + 5; Γ4 [u](x) = u(x + 5);
d
Γ5 [u](x) = (u(x)v(x)) , donde v ∈ C∞ (R);
dx
du
Γ6 [u](x) = (β), donde β ∈ R;
dx
du d2 u du
Γ7 [u](x) = (x) , Γ8 [u](x) = (x), Γ9 [u](x) = x (x)
dx dx2 dx
4) Sean n ∈ N y
θ : Mn (R) −→ Mn (R)
A 7−→ θ(A) = A − At . (9.120)
a) Pruebe que θ ∈ L(Mn (R)).

b) Halle el núcleo e imagen de θ.
5) Sea n ∈ N. Considere la transformación
G : Pn (R) −→ Pn (R)
p 7−→ G[p],
n
X
G[p](x) = xk p(n) (x).
k=0
Determine si la aplicación indicada es una transformación lineal. En caso afirmativo trate de hallar el núcleo y la
imagen, la nulidad y el rango.
6) Sea n ∈ N. Considere la función
Φ : Pn (Ω) −→ Rn+1
u 7−→ [u]C
u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,
 a0 
 
 a 
 1 
[u]C =  a2  ∈ Rn+1 .
 
 . 
 .. 
 
an
Pruebe que la aplicación Φ es un isomorfismo.

7) Sean m, n ∈ N. Considere la función

A 7−→ [A]C
donde, a la matriz
 A(1) 
 
 A(2) 
A =  .  ∈ Mm×n (K),
 .. 
 
A(m)
 t 
 A(1) 
 At 
 (2) 
[u]C =  .  ∈ Rm×n ,
 .. 
 t 
A(m)
es decir es el vector columna donde ordenadamente se colocan las transpuestas de las m filas de la matriz. Pruebe que
la aplicación Φ es un isomorfismo.
8) Sean U, V, W espacios vectoriales, f : U → V y g : V → W.
a) Pruebe que si g es lineal y g ◦ f es lineal e inyectiva, entonces f también es lineal.
b) Halle un ejemplo en que g es lineal y g ◦ f es lineal pero f no es lineal.
9) Sean V, W espacios vectoriales. Pruebe que el conjunto L(V, W) es un s.e.v. de F (V, W), considerando las operaciones
definidas en la Sección 9.3.
10) Sean V, W espacios vectoriales sobre el cuerpo K, de dimensión n ∈ N. Sea T ∈ L(V, W). Pruebe que
T es inyectiva ⇔ T es sobreyectiva. (9.121)
Sugerencia. Use el teorema de la dimensión.

11) Sea V un espacio vectorial distinto de {0}. Sea T ∈ L(V) \ {IdV }. Pruebe que existe un vector u ∈ V \ {0} tal que
T (u) = u.
12) Sea V un espacio vectorial. Sean T, S ∈ L(V).

a) Pruebe que si f = f ◦ g y g = g ◦ f entonces Ker(T ) = Ker(S ).
b) Pruebe que si T = T ◦ T entonces Ker (IdV − T ) = Im(T ).
c) Pruebe que
Ker(T ) ∩ Im(T ) = {0} ssi ∀v ∈ V : T (T (v)) = 0 ⇒ T (v) = 0.
13) A cada ángulo θ ∈ R le asociamos la aplicación
Tθ : R2 −→ R2
! !
x x cos(θ) − y sen(θ)
u= 7 → T θ (u) =
− .
y x sen(θ) + y cos(θ)
a) Pruebe que para todo θ ∈ R, T θ es una aplicación lineal.

b) Halle la matriz canónica asociada a T θ .
c) Halle Ker(T θ ).
d) Pruebe que para todo θ ∈ R, T θ es un isomorfismo.
e) Pruebe que T θ u es el resultado de rotar el vector u un ángulo θ.
Indicación. Puede usar sus conocimientos de C.
f) Pruebe que
∀α, θ ∈ R : T θ ◦ T α = T θ+α . (9.122)
g) Pruebe que
∀θ ∈ R : T θ−1 = T −θ . (9.123)
Capı́tulo 10
Valores y vectores propios

Roger Bacon
10.1. Introducción
Definición 10.1 (Valores y vectores propios) Sean V un espacio vectorial sobre el cuerpo K y T ∈ L(V). Se dice
que λ ∈ K es un valor propio de T si existe un vector propio u ∈ V \ {0} tal que
T u = λu. (10.1)
Observación 10.1 En el marco de la definición anterior es importante recalcar que el cero vector de V no puede ser un
vector propio.
Observación 10.2 (Valores complejos) A lo largo de esta clase se asumirá, en la mayorı́a de los casos, que K = C de
manera que los valores apropiados asociados a una aplicación lineal pueden ser números complejos.
Teorema 10.1 (Subsespacio propio) Sean V un espacio vectorial sobre el cuerpo K, T ∈ L(V) y λ ∈ K un valor
propio de T . Entonces
ET (λ) = {u ∈ V : T (u) = λu} (10.2)
es un s.e.v. de V, denominado subespacio propio asociado a λ.
La demostración del Teorema 10.1 es fácil y se requiere como ejercicio en el listado al final del capı́tulo.
Observación 10.3 Cuando no hay peligro de confusión se escribe simplemente E(λ) en lugar de ET (λ).
Observación 10.4 Tenga presente que en un subespacio propio está incluido el vector cero, a pesar de que este no es
vector propio.
Ejemplo 10.1 (Aplicación identidad) En un espacio vectorial V , {0}, recordemos que la identidad IdV es una aplica-
ción lineal y que
∀u ∈ V : IdV (u) = 1 · u,
por lo que λ = 1 es valor propio de IdV . Además
E(1) = V.
Ejemplo 10.2 (Aplicación nula) En un espacio vectorial V , {0}, recordemos que la aplicación nula 0T es una aplica-
ción lineal y que
∀u ∈ V : 0T (u) = 0 · u,
por lo que λ = 0 es valor propio de IdV . Además
E(0) = V,
es decir todo vector no-nulo es vector propio asociado a λ = 0.
256 10 Valores y vectores propios
Ejemplo 10.3 Consideremos el siguiente operador, que es una variación del operador diferencial de primer orden:
D : C∞ (R) −→ C∞ (R)
u 7−→ D[u] = u0 ,
de manera que a una función (infinitamente derivable) le hace corresponder su derivada. Puesto que
∀α ∈ R, ∀u, v ∈ C∞ (R) : D[αu + v] = (αu + v)0 = αu0 + v0 = αD[u] + D[v],
se tiene que D ∈ L (C∞ (R)). Del curso de Cálculo, el estudiante recordará que la función exponencial
exp : R −→ R
x 7−→ exp(x) = e x ,
es tal que
D[exp](x) = e x 0 = e x = exp(x),

x ∈ R,
de manera que λ = 1 es un valor propio de D y además
E(1) =< {exp} >= α · exp : α∈R ,

por lo cual
dim (E(1)) = 1.
Observación 10.5 (Valores y vectores propios de una matriz) Sea n ∈ N y A ∈ Mn (K). Se dice que λ ∈ K es un valor
propio de A si existe un vector propio u ∈ Rn \ {0} tal que
Au = λu. (10.3)
El siguiente resultado establece que los conceptos de valores y vectores propios de aplicaciones y matrices coinciden
cuando el espacio vectorial es de dimensión finita.
Teorema 10.2 (Caracterización de valores propios) Sean n ∈ N, V un espacio vectorial sobre el cuerpo K con
dim(V) = n y T ∈ L(V). Entonces las siguientes condiciones son equivalentes:
i) λ es un valor propio de T .
ii) λ es un valor propio de AT .
iii) La aplicación T − λIdV no es biyectiva.
iv) La matriz AT − λIdn no es invertible.
v) det (AT − λIdn ) = 0.
Demostración. No haremos una demostración completa sino que mostraremos la conexión entre las afirmaciones ante-
riores.
Si det (AT − λIdn ) = 0 entonces la matriz AT − λIdn no es invertible y el sistema homogéneo de ecuaciones
(AT − λIdn ) u = 0, u ∈ Rn ,
tiene infinitas soluciones y, en particular, existe un u0 ∈ Rn \ {0} tal que
(AT − λIdn ) u0 = 0 ⇔ AT u0 = λu0
de manera que λ es valor propio de AT .
Los vı́nculos entre i) y ii) y entre iii) y iv) provienen de lo estudiado en la clase anterior.
t
u
10.1 Introducción 257
Definición 10.2 (Polinomio caracterı́stico) Sean n ∈ N, V un espacio vectorial sobre el cuerpo K con dim(V) =
n y T ∈ L(V). Se denomina polinomio caracterı́stico asociado a T a pT : K → K dado por
pT (λ) = det (AT − λIdn ) , λ ∈ K. (10.4)
Se denomina ecuación caracterı́stica asociada a T a
pT (λ) = 0, λ ∈ K. (10.5)
Observación 10.6 Por el Teorema 10.2 se tiene que para encontrar los valores propios asociados a una aplicación lineal,
se debe resolver la ecuación caracterı́stica asociada. Por otro lado, para un valor propio especifico λ0 , los vectores
propios asociados a λ0 se encuentran al resolver el sistema
(AT − λ0 Idn ) [u]C = 0, [u]C ∈ Rn . (10.6)
Observación 10.7 Dada una matriz A ∈ M2 (K) el polinomio caracterı́stico está determinado por la fórmula
pA (λ) = λ2 − Tr(A) λ + det(A). (10.7)
Observación 10.8 Dada una matriz A ∈ M3 (K) el polinomio caracterı́stico está determinado por la fórmula
pA (λ) = −λ3 + Tr(A) λ2 − k λ + det(A), (10.8)
donde k es la suma de los determinantes de los menores de A, es decir
k = det (M11 ) + det (M22 ) + det (M33 ) (10.9)
Ejemplo 10.4 Consideramos la aplicación
T : R2 ! −→ R2 !
x 10x − 18y
u= 7−→ T (u) = ,
y 6x − 11y
cuya matriz canónica asociada es !

10 −18
AT = .
6 −11
El polinomio caracterı́stico queda definido por la fórmula
pT (λ) = λ2 − Tr(AT ) λ + det(AT ) = λ2 + λ − 2
Al resolver la ecuación caracterı́stica asociada
λ2 + λ − 2 = 0, λ ∈ C,
se encuentra que los valores propios de T son

λ1 = −2, λ2 = 1.
Buscamos ( ! ! !)
x x x
E(−2) = : AT = −2 .
y y y
Resolvemos el sistema
12 −18 0 . . . 0 0 0
! !
(AT − λ1 Id2 |0) = −−−→
6 −9 0 2 −3 0
Por tanto ( ! )
x
E(−2) = ∈ R2 : 2x − 3y = 0
y
En particular, tomando x = 3 e y = 2 encontramos que
!
3
u1 =
2
es un vector propio asociado a λ1 = −2.
Buscamos ( ! ! !)
x x x
E(1) = : AT = 1· .
y y y
Resolvemos el sistema
9 −18 0 . . . 0 0 0
! !
(AT − λ2 Id2 |0) = −−−→
6 −12 0 1 −2 0
Por tanto ( ! )
x
E(−2) = ∈ R2 : x − 2y = 0
y
En particular, tomando x = 2 e y = 1 encontramos que
!
2
u2 =
1
es un vector propio asociado a λ2 = 1.
Definición 10.3 (Multiplicidad de un valor propio) Sean n ∈ N, V un espacio vectorial sobre el cuerpo K con
dim(V) = n y T ∈ L(V). Supongamos que λ1 , ..., λm ∈ K son los m valores propios T :
m
Y
pT (λ) = (−1)n (λ − λi )ri , (10.10)
i=1
donde
m
X
ri = n.
i=1
a) Para i ∈ Im , se llama multiplicidad algebraica de λi al número ri .

b) Para i ∈ Im , se llama multiplicidad geométrica de λi al número gi = dim(E(λi )).
Observación 10.9 En el marco de la Definición 10.3 se debe tener presente que la multiplicidad geométrica no puede
ser mayor que la multiplicidad algebraica, es decir:
∀i ∈ Im : dim(E(λi )) ≤ ri . (10.11)
Por tanto,
ri = 1 ⇒ gi = dim(E(λi )) = 1. (10.12)
F : P2 (R) −→ P2 (R)
u 7−→ F[u] = p,
donde
u(x) = a + bx + cx2 , x ∈ R,
y
F[u](x) = p(x) = (2a − b + c) + (3b − c)x + (2a + b + 3c)x2 , x ∈ R.
La matriz canónica asociada es  
2 −1 1 
AF = 0 3 −1
 
2 1 3
 
Encontremos los valores propios de F, usando (10.8). Para λ ∈ K:

10.1 Introducción 259
pF (λ) = det(A − λId3 )

= −λ3 + 8λ2 − 20λ + 16 (10.13)
= −(λ − 2) (λ − 4)
2
de manera que
λ1 = 2 es valor propio de F con multiplicidad algebraica r1 = 2;

λ2 = 4 es valor propio de F con multiplicidad algebraica r2 = 1 y, por tanto, con multiplicidad geométrica g2 =
dim(E(4)) = 1.
Buscamos E(2). Resolvemos el sistema

   
 0 −1 1 0  . . .  0 0 0 0 
(AF − λ1 Id3 |0) =  0 1 −1 0  −−−→  0 1 −1 0 
   
2 1 1 0 10 1 0
   
Por tanto
n o
E(2) = u ∈ P2 (R) : u(x) = a + bx + cx2 ∧ b − c = 0 ∧ a + c = 0
n o
= u ∈ P2 (R) : u(x) = −c + cx + cx2 ∧ c ∈ K
= < {u1 } >, (10.14)
donde u1 es el polinomio determinado por la fórmula
u1 (x) = −1 + x + x2 , x ∈ K.
Obsérvese que la multiplicidad geométrica de λ1 = 2 es g1 = dim(E(2)) = 1, que no coincide con la multiplicidad alge-
braica.

   
 −2 −1 1 0  . . .  0 0 0 0 
(AF − λ2 Id3 |0) =  0 −1 −1 0  −−−→  0 1 −1 0 
   
2 1 −1 0 1 0 −1 0
   
Por tanto
n o
E(4) = u ∈ P2 (R) : u(x) = a + bx + cx2 ∧ b − c = 0 ∧ a − c = 0
n o
= u ∈ P2 (R) : u(x) = c + cx + cx2 ∧ c ∈ K
= < {u2 } >, (10.15)
u2 (x) = 1 + x + x2 , x ∈ K.
Observación 10.10 Sea n ∈ N. No es difı́cil probar que

D E
∀A ∈ Mn (R), ∀u, v ∈ Kn : hAu, vi = u, At v . (10.16)
Usando 10.16 se prueba el siguiente resultado.
Teorema 10.3 (Valores y vectores propios de matrices simétricas) Sea A ∈ Mn (K), simétrica.
i) Si λ es un valor propio de A, entonces λ ∈ R.
ii) Si u, v son vectores propios asociados a dos valores propios distintos de A, entonces son ortogonales.
10.2. Independencia lineal y bases de vectores propios
Teorema 10.4 (Independencia lineal y vectores propios) Suponga que λ1 , ..., λn son valores propios distintos
asociados a T ∈ L(V) y que v1 , ..., vn ∈ V \ {0} son correspondientes vectores propios. Entonces Bn = {v1 , ..., vn } es
l.i.
Demostración. Realicemos la prueba por inducción.
1) Para n = 1, B1 = {v1 } es claramente l.i. pues v1 , 0 (es vector propio).

2) Supongamos que Bk es l.i. y probemos que Bk+1 es l.i.
α1 v1 + α2 v2 + ... + αk vk + αk+1 vk+1 = 0. (10.17)
Aplicando T a (10.17) se tiene que
T (α1 v1 + α2 v2 + ... + αk vk + αk+1 vk+1 ) = T (0)

α1 λ1 v1 + α2 λ2 v2 + ... + αk λk vk + αk+1 λk+1 vk+1 = 0. (10.18)
Multiplicando a (10.17) por λk+1 se tiene que
α1 λk+1 v1 + α2 λk+1 v2 + ... + αk λk+1 vk + αk+1 λk+1 vk+1 = 0. (10.19)
α1 (λ1 − λk+1 )v1 + α2 (λ2 − λk+1 )v2 + ... + αk (λk − λk+1 )vk = 0,
que, por la independencia lineal de Bk , implica que
αi (λi − λk+1 ) = 0, ∀i ∈ Ik ,
y, por tanto:
αi = 0, ∀i ∈ Ik . (10.20)
αk+1 vk+1 = 0,
lo cual implica que αk+1 = 0 pues vk+1 , 0 (es vector propio). Se ha probado entonces que
αi = 0, ∀i ∈ Ik+1 ,
de manera que Bk+1 es l.i.
t
u
Corolario 10.1 (Base de vectores propios) Suponga que λ1 , ..., λn son valores propios distintos asociados a T ∈
L(V) y que v1 , ..., vn ∈ V \ {0} son correspondientes vectores propios. Si dim(V) = n, entonces Bn = {v1 , ..., vn } es
base de V.
Observación 10.11 El contexto del Corolario 10.1 es muy importante en aplicaciones a la Ingenierı́a. En este caso, dado
un vector u ∈ V, para conocer su imagen a través de T , basta con calcular sus coordenadas en la base Bn . En efecto, a
partir de la expansión
u = β1 v1 + β2 v2 + ... + βn vn
se tiene, al aplicar T , que
T (u) = β1 λ1 v1 + ... + βn λn vn . (10.21)
Más aún, si V tiene un producto interior y Bn es ortonormal, las coordenadas se pueden calcular como
βk = hu, vk i , k = 1, 2, ..., n (10.22)

10.2 Independencia lineal y bases de vectores propios 261
Observación 10.12 Si dim(V) = n y λ1 , λ2 , ..., λr son sus valores propios distintos, con r < n, entonces, a priori, no es
posible conocer si existe una base de V formada por vectores propios.
Corolario 10.2 (Matriz simétrica real) Sean n ∈ N y A ∈ Mn (R). Si A es simétrica entonces tiene vectores pro-
pios v1 , v2 , ..., vn tales que B = {v1 , ..., vn } es base ortogonal de Rn .
Observación 10.13 En el marco del Corolario 10.2, es posible que alguno de los valores propios de A tenga multiplicidad
algebraica mayor a uno. En este caso, se puede aplicar Gram.Schmidt para obtener una base ortogonal de vectores
propios de A.
T : P2 (R) −→ P2 (R)
u 7−→ F[u] = p,
donde
u(x) = α + βx + γx2 , x ∈ R,
y
F[u](x) = p(x) = (2α − β + γ) + (3β − γ)x + (2α + β + 3γ)x2 , x ∈ R.
2 −1 1 
AT = 0 3 −1 .
 
2 1 3
 
Encontremos los valores propios de T , usando (10.8). Para λ ∈ K:
pT (λ) = det(AT − λId3 )

= −λ3 + 30λ2 − 279λ + 810 (10.23)
= −(λ − 6)(λ − 9)(λ − 15)
de manera que
λ1 = 6 es valor propio de T con multiplicidad algebraica r1 = 1 y , por tanto, con multiplicidad geométrica dim(E(6)) = 1;
λ2 = 9 es valor propio de T con multiplicidad algebraica r2 = 1 y , por tanto, con multiplicidad geométrica dim(E(9)) = 1;
λ3 = 15 es valor propio de T con multiplicidad algebraica r3 = 1 y, por tanto, con multiplicidad geométrica dim(E(15)) =
1.
Puesto que existen n = 3 = dim(P2 (R)) valores propios distintos, existe B = {u1 , u2 , u3 }, una base de P2 (R) formada por
vectores propios.

   
 3 −3 0 0  . . .  1 −1 0 0 
(AT − λ1 Id3 |0) =  −3 6 −3 0  −−−→  0 0 0 0 
   
0 −3 3 0 0 1 −1 0
   
Por tanto
n o
E(6) = u ∈ P2 (R) : u(x) = α + βx + γx2 ∧ α − β = 0 ∧ β − γ = 0
n o
= u ∈ P2 (R) : u(x) = γ + γx + γx2 ∧ γ ∈ K
= < {u1 } >, (10.24)
u1 (x) = 1 + x + x2 , x ∈ K.

   
 0 −3 0 0  . . .  0 1 0 0 
(AT − λ2 Id3 |0) =  −3 3 −3 0  −−−→  1 0 1 0 
   
0 −3 0 0 0000
   
Por tanto
n o
E(9) = u ∈ P2 (R) : u(x) = α + βx + γx2 ∧ β = 0 ∧ α + γ = 0
n o
= u ∈ P2 (R) : u(x) = −γ + γx2 ∧ c ∈ K
= < {u2 } >, (10.25)
u2 (x) = −1 + x2 , x ∈ K.

   
 −6 −3 0 0  . . .  1 0 −1 0 
(AT − λ3 Id3 |0) =  −3 −3 −3 0  −−−→  0 0 0 0 
   
0 −3 −6 0 01 2 0
   
Por tanto
n o
E(15) = u ∈ P2 (R) : u(x) = α + βx + γx2 ∧ α − γ = 0 ∧ β + 2γ = 0
n o
= u ∈ P2 (R) : u(x) = γ − 2γx + γx2 ∧ γ ∈ K
= < {u3 } >, (10.26)
u3 (x) = 1 − 2x + x2 , x ∈ K.
10.3. Semejanza y diagonalización
Definición 10.4 (Matrices semejantes y diagonalizables) Sean n ∈ N y A, B ∈ Mn (K). Se dice que A y B son
matrices semejantes si existe C ∈ Mn (K) tal que
B = C −1 AC. (10.27)
Se dice que una matriz es diagonalizable si es semejante a una matriz diagonal.
Observación 10.14 En el marco de la Definición 10.4, tenga presente que la relación (10.27) es equivalente a
CB = AC. (10.28)
Teorema 10.5 (Valores propios de matrices semejantes) Sean n ∈ N y A, B ∈ Mn (K) dos matrices semejantes.
Entonces
pA = p B , (10.29)
de manera que tienen los mismos valores propios.
Demostración. Puesto que A y B son semejantes existe una matriz invertible C ∈ Mn (K) tal que
B = C −1 AC.
10.3 Semejanza y diagonalización 263
Tomamos λ ∈ K, genérico. Se tiene que
pB (λ) = det(B − λIdn )

= det C −1 AC − C −1 λIdn C

= det C −1 (A − λIdn )C

= det C −1 det(A − λIdn ) det(C)
= det(A − λIdn )
= pA (λ).
Puesto que λ fue elegida arbitrariamente, se ha probado que
∀λ ∈ K : pA (λ) = pB (λ),
de manera que pA = pB .
t
u
Ejemplo 10.7 Las matrices    

1 0 0 −6 −3 −25
A = 0 −1 0 y B =  2 1 8  .
   
0 0 2 2 2 7
   
son semejantes pues se cumple que  

2 4 3 
CB = AC = 0 −1 1  ,
 
6 10 14
 
donde  
2 4 3 
C = 0 1 −1 .
 
35 7
 
Más aún, puesto que A es diagonal, la matriz B es diagonalizable.
Para conocer los valores propios de A y de B escogemos la matriz A pues, al ser diagonal, hace más fácil el cálculo.
Dado λ ∈ K se tiene que
1 − λ 0

0
pA (λ) = 0 −1 − λ 0 = (1 − λ)(−1 − λ)(2 − λ),

0 2 − λ

0
de manera que los valores propios de A y B son
λ1 = 1, λ2 = −1, λ3 = 2.
Observación 10.15 Tenga presente que los valores propios de una matriz diagonal son los valores que aparecen en la
diagonal.
Definición 10.5 (Aplicación diagonalizable) Sean n ∈ N, V un espacio vectorial de dimensión sobre el cuerpo
K, y T ∈ L(V). Se dice que T es una aplicación diagonalizable si [T ]CC es diagonalizable.
Teorema 10.6 (Proceso de diagonalización) Sean n ∈ N y A ∈ Mn (K). Entonces A es diagonalizable ssi existe
B = {v1 , ..., vn }, una base de Kn formada por vectores propios de A. En este caso,
D = P−1 AP, (10.30)
donde D es la matriz diagonal cuyos elementos son los valores propios de A:
D = diag(λ1 , ..., λn ), (10.31)
y
P = v1 v2 . . . vn . (10.32)
La demostración de este resultado se deja como ejercicio al final del capı́tulo.
Observación 10.16 De las Definiciones 10.5 y 10.4 se sigue que T ∈ L(V) es diagonalizable ssi existe una base B de V
tal que la matriz
[T ]BB = [Id]CB [T ]CC [Id]CB (10.33)
es diagonalizable. Por el Teorema 10.6 se sigue que una aplicación T ∈ L(V) es diagonalizable ssi T tiene n vectores l.i.
y en este caso
[T ]B = diag(λ1 , ..., λn ), (10.34)

B
P = [v1 ]C [v2 ]C . . . [vn ]C . (10.35)
Observación 10.17 Tenga presente que si una matriz A ∈ Mn (K) tiene n valores propios distintos, inmediatamente es
diagonalizable.
Observación 10.18 De la misma forma, si A es simétrica, inmediatamente es diagonalizable y se puede elegir P ortogo-
nal, esto es se toma B = {v1 , ..., vn } base ortonormal de Kn de manera que
P−1 = Pt . (10.36)
T : P2 (R) −→ P2 (R)
u 7−→ F[u] = p,
donde
u(x) = α + βx + γx2 , x ∈ R,
y
F[u](x) = p(x) = (3α + 2β + 4γ) + (2α + 2γ)x + (4α + 2β + 3γ)x2 , x ∈ R.
3 2 4
AT = 2 0 2 .
 
423
 
Puesto que AT es simétrica, sabemos de antemano que todos los valores propios de T son números reales. También
sabemos que T tiene 3 vectores propios que forman una base de P2 (R). Más aún, si sobre P2 (R) se considera el producto
escalar dado por
hp, qi = p tC q C ,

se puede elegir los vectores propios B = {v1 , v2 , v3 } ortonormales y tales que la matriz

P = [Id]CB = [v1 ]C [v2 ]C [v3 ]C
es ortogonal.
Los valores propios de T son

10.3 Semejanza y diagonalización 265
λ1 = −1, λ2 = 8.
Asociados a λ1 = −1 se encuentran los vectores propios dados por
   
 1   −4 
[u1 ]C =  −2  , [u2 ]C =  −2  .
   
0 5
   
Asociado a λ2 = 8 se encuentra el vector propio dado por

 
 2 
[u3 ]C =  1  .
 
2
 
Escogemos entonces
 1   4 
 √   − 3 √5  2
 5   2   3 
[v1 ]C =  − √2  , [v2 ]C =  − 3 √5  , [v3 ]C =  13  ,
 
5 2
5
   
0 √ 3
3 5
es decir
1 2 4 2 5 2 1 2
v1 (x) = √ − √ x, v2 = − √ − √ x + √ x2 , v3 (x) = + x + x2 , x ∈ R.
5 5 3 5 3 5 3 5 3 3 3
En este caso es ortogonal la matriz
 1 4 2
 √5 − 3 √ 5 3
 2 2 1
P = − √5 − 3 √5  .

3
 5 2
0 √
3

3 5
Se puede comprobar que  
−1 0 0
[T ]BB = Pt AT P =  0 −1 0 .
 
0 0 8
 
Teorema 10.7 (Traza y determinante y valores propios) Sean n ∈ N y A ∈ Mn (K). Entonces:

n
Y
det(A) = λk , (10.37)
k=1
Xn
Tr(A) = λk , (10.38)
k=1
donde λ1 , ..., λn son los valores propios de A.
Demostración (Demostración para el caso A diagonalizable). Puesto que A es diagonalizable, existe una matriz inversible
P tal que
D = diag(λ1 , ..., λn ) = P−1 AP
o equivalentemente
A = PDP−1 .
Entonces se tiene que
n
X
Tr(A) = Tr (PD)P−1 = Tr(P−1 (PD)) = Tr(D) = λk ,
k=1
y
n
1 Y
det(A) = det PDP−1 = det(P) det(D) = det(D) = λk .
det(P) k=1
t
u

T : P2 (K) −→ P2 (K)
p 7−→ T [p],
donde, para t ∈ K:
p(t) = a + bt + ct2 , (10.39)

T [p](t) = c + (b − a)t + (a − b + c)t . 2
(10.40)
a) Halle los valores propios de T .

b) Halle los espacios propios de T y bases para los mismos.
c) Halle las multiplicidades de los valores propios de T .
d) En caso de ser posible, diagonalice la matriz canónica asociada a T .
Desarrollo. La matriz asociada a T es

AT = [T ]CC = [T (e0 )]C [T (e1 )]C [T (e2 )]C ,
donde los polinomios canónicos tienen por fórmulas:
e0 (x) = 1, e1 (x) = x, e2 (x) = x2 , x ∈ K.
 0 0 1
AT = −1 1 0 (10.41)
 
1 −1 1
 
Para λ ∈ K se tiene que la fórmula del polinomio caracterı́stico es:
p(λ) = det(AT − λId) = −λ3 + Tr(AT )λ2 − kλ + det(AT )

= −λ3 + 2λ2 = −λ2 (λ − 2). (10.42)
Entonces los valores propios de T son:

λ1 = 0 con r1 = 2;
λ2 = 2 con r2 = 1 y mg2 = 1.
Buscamos
E(λ2 ) = E(2) = {v ∈ P2 (R) : T [v] = 2 · v}.
Tomamos v ∈ E(0) \ {0}, genérico:
v(x) = α + βx + γx2 , x ∈ K.
Se tiene que
T [v] = 2v ⇐⇒ AT [v]C = 2[v]C .
   
 −2 0 1 0   −2 0 1 0 
 −1 −1 0 0  →−  1 1 0 0 
   
1 −1 −1 0 0 000
 
de manera que γ = 2α y β = −α. Entonces
E(2) = {v ∈ P2 (R) : v(x) = α + βx + γx2 , γ = 2α ∧ β = −α}

= {v ∈ P2 (R) : v(x) = α(1 − x + 2x2 ), α ∈ K}. (10.43)
Entonces, una base de E(2) es B1 = {p1 }, donde p1 : K → K tiene por fórmula
p1 (x) = 1 − x + 2x2 .
Buscamos
E(λ1 ) = E(0) = {v ∈ P2 (R) : T [v] = 0 · v = 0 p }.
Tomamos v ∈ E(0) \ {0}, genérico:

v(x) = α + βx + γx2 , x ∈ K.
Se tiene que
T [v] = 0 p ⇐⇒ AT [v]C = [0 p ]C .
   
 0 0 1 0   0 0 1 0 
 −1 1 0 0  →−  −1 1 0 0 
   
1 −1 1 0 0 000
 
de manera que γ = 0 y −α + β = 0. Entonces
E(0) = {v ∈ P2 (R) : v(x) = α + βx + γx2 , γ = 0 ∧ −α + β = 0}

= {v ∈ P2 (R) : v(x) = α(1 + x), α ∈ K}. (10.44)
p2 (x) = 1 + x.
Esto quiere decir que

mg1 = 1
y, por tanto, no es posible construir una base de K3 formada exclusivamente por vectores propios de AT . Por tanto,
AT no es diagonalizable.
2) Sean n ∈ N y A ∈ Mn (K), diagonalizable. Pruebe que

n
Y
det(A) = λk ,
k=1

Desarrollo. Puesto que A es diagonalizable, existe una matriz P ∈ Mn (K) inversible tal que
D = diag(λ1 , λ2 , ..., λn ) = P−1 AP.

A = PDP−1
y, por ello:

det(A) = det PDP−1

= det(P) · det(D) · det P−1
n
Y 1
= det(P) · λk ·
k=1
det(P)
n
Y
= λk .
k=1
3) Sean n ∈ N y A ∈ Mn (K), invertible. Suponga que λ ∈ K es un valor propio de A y que v ∈ Kn es un vector propio de
A asociado a λ. Pruebe que λ−1 es un valor propio de A−1 y que v es un vector propio de A−1 asociado a λ−1 .
Desarrollo. Puesto que A es invertible,
n
Y
det(A) = λk , 0, (10.45)
k=1

Por (10.45) se tiene que λ , 0. Puesto que v es un vector propio de A asociado a λ, se tiene que v , 0 y
Av = λv
A Av = A−1 · λv
−1
v = λA−1 v
A v = λ−1 v
−1
de donde se deduce que λ−1 es un valor propio de A−1 y que v es un vector propio de A−1 asociado a λ−1 .
4) Sean m ∈ N y A ∈ Mm (K). Suponga que λ ∈ K es un valor propio de A y que v ∈ Kn es un vector propio de A asociado
a λ.
a) Pruebe que para cada n ∈ N, λn es un valor propio de An y que v es un vector propio de An asociado a λn .
b) Sean n ∈ N y p ∈ Pn (K) con fórmula
p(x) = a0 + a1 x + a2 x2 + ... + an xn .
Pruebe que p(λ) es un valor propio de la matriz
p(A) = a0 Idn + a1 A + a2 A2 + ... + an An ,
y que v es un vector propio de p(A) asociado a p(λ).
Desarrollo. Por hipótesis, λ ∈ K y v ∈ Kn \ {0} verifican
Av = λv. (10.46)
a) Tenemos que probar que

∀n ∈ N : Pn ,
donde
Pn : An v = λn v.
La proposición P1 es verdadera por (10.46).
¿Pn ⇒ Pn+1 , con n genérico?
Supongamos que Pn es verdadera, es decir que
An v = λn v.
An+1 v = A(An v)
= A · λn v
= λn · Av
= λn+1 v,
con lo cual se ha probado Pn ⇒ Pn+1 .

b) Se tiene, aprovechando el literal a), que
p(A)v = (a0 Idn + a1 A + a2 A2 + ... + an An )v

= a0 Idn v + a1 Av + a2 A2 v + ... + an An v
= a0 v + a1 λv + a2 λ2 v + ... + an λn v
= (a0 + a1 λ + a2 λ2 + ... + an λn )v
= p(λ) v,
de manera que p(λ) es un valor propio de la matriz p(A) y v es un vector propio de p(A) asociado a p(λ).
5) Sean n ∈ N, A ∈ Mn (K) y λ ∈ K un valor propio de A. Pruebe que si A es ortogonal y simétrica, entonces λ ∈ {−1, 1}.
Desarrollo. Puesto que λ es un valor propio de A, existe un vector
v ∈ Kn \ {0} (10.47)
tal que
Av = λv. (10.48)
Por otro lado, puesto que A es ortogonal y simétrica:
A−1 = At ∧ At = A,
de manera que
A = A−1 . (10.49)
Usando (10.49) se tiene que
A−1 v = λ−1 v
Av = λ−1 v. (10.50)

λv = λ−1 v,

λ − λ−1 v = 0,
que, por (10.47), implica que
λ − λ−1 = 0,
de donde
λ2 − 1 = 0,
y
λ = −1 ∨ λ = 1,
es decir
λ ∈ {−1, 1}.
6) Sea T ∈ L(P2 (K)) tal que para t ∈ K:
u1 (t) = 1 + 2t − t2 , T [u1 ](t) = 2 + 4t − 2t2 ,

u2 (t) = t − t2 , T [u2 ](t) = 2t − 2t2 ,
u3 (t) = −1 − t + t2 , T [u3 ](t) = 4 + 4t − 4t2 .
a) Halle los valores propios de T e indique las multiplicidades algebraicas y geométricas.

b) Halle los espacios propios de T e indique bases para los mismos
Desarrollo. Puesto que

1 0 −1
det [u1 ]C [u2 ]C [u3 ]C = 2 1 −1 = 1 , 0,
−1 −1 1

el conjunto B = {u1 , u2 , u3 } es base de P2 (K).

Buscamos la fórmula de la aplicación lineal T . Tomamos un elemento genérico p ∈ P2 (K):
p(t) = a + bt + ct2 , t ∈ K, (10.51)
de manera que existen α1 , α2 , α3 ∈ K con

p = α1 u1 + α2 u2 + α3 u3 . (10.52)
Por tanto se tiene:
 1 0 0 b + c 
   
 1 0 −1 a 
 2 1 −1 b  . . . →
− . . .  0 1 0 −a − c 
   
−1 −1 1 c 0 0 1 −a + b + c
 
de manera que
α1 = b + c, α2 = −a − c, α3 = −a + b + c.
Por tanto, por (10.52) y (10.51), se tiene que:
T [p] = α1 T [u1 ] + α2 T [u2 ] + α3 T [u3 ]

T [p](t) = α1 T [u1 ](t) + α2 T [u2 ](t) + α3 T [u3 ](t), t∈K
T [p](t) = (b + c)(2 + 4t − 2t ) + (−a − c)(2t − 2t ) + (−a + b + c)(4 + 4t − 4t ),
2 2 2
t∈K
T [p](t) = (−4a + 6b + 6c) + (−6a + 8b + 6c)t + (6a − 6b − 4c)t , 2
t ∈ K.
Por tanto, la matriz canónica asociada a T es

 
−4 6 6 
AT = [T (e0 )]C [T (e1 )]C [T (e2 )]C = −6 8 6  .
 
6 −6 −4
 
Entonces, para λ ∈ K:
det(AT − λId) = −λ3 + 12λ − 16 = −(λ − 2)2 (λ + 4).
Por tanto los valores propios de T son:
λ1 = −4 con multiplicidades r1 = 1 y mg1 = 1;
λ2 = 2 con multiplicidad r2 = 2.
i) Buscamos
E(λ1 ) = E(−4) = {u ∈ P2 (K) : T [u] = −4u} .
Tomamos u ∈ E(−4) \ {0}, genérico:
u(t) = α + βt + γt2 , t ∈ K.
T [u] = −4u,
AT [u]C = −4 [u]C ,
(AT + 4Id) [u]C = 0. (10.53)
Se tiene entonces que:

   
 0 6 6 0 
 1 0 1 0 
AT + 4Id 0 =  −6 12 6 0  . . . →
− . . .  0 1 1 0 
   
6 −6 0 0 0000
   
de manera que
α = −γ, β = −γ.
Por tanto:
n o
E(−4) = u ∈ P2 (K) : u(t) = α + βt + γt2 ∧ α = −γ ∧ β = −γ
n o
= u ∈ P2 (K) : u(t) = −γ − γt + γt2 ∧ γ ∈ K ,
n o
= u ∈ P2 (K) : u(t) = γ(−1 − t + t2 ) ∧ γ ∈ K , (10.54)
de donde se deduce que una base de E(−4) es

B1 = {p1 },
donde
p1 : K −→ K
t 7−→ p1 (t) = −1 − t + t2 .
ii) Buscamos
E(λ2 ) = E(2) = {u ∈ P2 (K) : T [u] = 2u} .
Tomamos u ∈ E(2) \ {0}, genérico:
u(t) = α + βt + γt2 , t ∈ K.
T [u] = 2u,
AT [u]C = 2 [u]C ,
(AT − 2Id) [u]C = 0. (10.55)
Se tiene entonces que:    

 −6 6 6 0 
 −1 1 1 0 
AT − 2Id 0 =  −6 6 6 0  . . . →
− . . .  0 0 0 0 
   
6 −6 −6 0 0 000
   
de manera que
α+β+γ = 0 ⇒ α = β + γ.
Por tanto:
n o
E(2) = u ∈ P2 (K) : u(t) = α + βt + γt2 ∧ α = β + γ
n o
= u ∈ P2 (K) : u(t) = (β + γ) + βt + γt2 ∧ β, γ ∈ K ,
n o
= u ∈ P2 (K) : u(t) = β(1 + t) + γ(1 + t2 ) ∧ β, γ ∈ K , (10.56)
de donde se deduce que una base de E(2) es

B2 = {p2 , p3 }, (10.57)
donde
p2 : K −→ K p3 : K −→ K
t 7−→ p2 (t) = 1 + t, t 7−→ p3 (t) = 1 + t2 .
Finalmente, por (10.57) se tiene que

mg2 = dim (E(λ2 )) = 2.
 23 1 −1
 
2 1 −1
 3 
7) Considere la matriz L =  .
1 −3 2 
 1
−1
−1 2 −3
√
a) Muestre que los números −1 y − 29 son valores propios√de L y halle sus respectivas multiplicidades.
b) Halle los subespacios propios de L asociados a −1 y a − 29.
Desarrollo. Para λ ∈ K:
2 − λ 3

1 −1
3 2−λ 1 −1
det(L − λId) = = (λ + 1)2 (λ2 − 29).
1 1 −3 − λ 2
−1 −1 2 −3 − λ

Por tanto los valores propios de L son:

λ1 = −1√con multiplicidad algebraica r1 = 2;
λ2 = −√ 29 con multiplicidades r2 = 1 y mg2 = 1;
λ3 = 29 con multiplicidades r3 = 1 y mg3 = 1.
i) Buscamos n o
E(λ1 ) = E(−1) = v ∈ K4 : Lv = −v .
 α 
 
 β 
Tomamos v =   ∈ E(−1) \ {0}, genérico. Se tiene entonces que
 γ 
η
(L + Id) v = 0,
y, por ello:
 3 3 1 −1 0   1 1 0 0 0 
   
 3 3 1 −1 0   0 0 1 −1 0 
 
L + Id 0 =   . . . →
− . . .  
 1 1 −2 2 0   0 0 0 0 0 
−1 −1 2 −2 0 000 0 0
de manera que
α+β = 0 ∧ γ − η = 0.
Por tanto:
 α   α 

     

 
 
 

 β 

 
 
 

 
  −α  
E(−1) =    ∈ K4 : α + β = 0 ∧ γ − η = 0 =  ∈ K4 : α, γ ∈ K ,
   

γ γ
    

 
   
 
 
  

 η 

 
 
  γ 
 


   
 1   0 
   


 


  −1 
    0  
= α + γ 4
α, γ ,
     
∈ : ∈
  
  
 
 K K








 0 








 1 









0 1

 


   



  1   0  


 −1   0 

B1 = {v1 , v2 } =  , .
 
(10.58)

   








 0 








 1 









 0

1 


mg1 = dim (E(λ1 )) = 2.
ii) Buscamos √ n √ o
E(λ2 ) = E(− 29) = v ∈ K4 : Lv = − 29v .
 α 
 
 β  √
Tomamos v =   ∈ E(− 29) \ {0}, genérico. Se tiene entonces que
 γ 
η
√
L+ 29Id v = 0,
y, por ello:
√  √ 
10√ 29−52
 2 + 29  1 0 0 0 
 
3√ 1 −1 0  29−15
 √
√ 2 + 29

 3 1√ −1 0 
 10√ 29−52
− . . .  0 1 0 0 

L + 29Id 0 =   . . . →

29−15
 1 1 −3 + 29 2√ 0   0 0 1 1 0 

−3 + 29

−1 −1 2 0
 
000 0 0
de manera que √ √
10 29 − 52 10 29 − 52
α=− √ ·η ∧ β=− √ ·η ∧ γ = −η.
29 − 15 29 − 15
Por tanto:
 α 
  

 √ √ 

√  β 
 
10 29 − 52 10 29 − 52

   

E(− 29) =  4
α = η β = η γ =
   
∈ : − · ∧ − · ∧ −η

K √ √
γ
 
 
 
29 − 15 29 − 15

 

 

 


 η 

 


  √  

  − 10√ 29−52  

√29−15 

 


   

  − 10√ 29−52 
 
= η  4
η ,
 
∈ : ∈

 29−15   K K 

−1

 
 

 



 


  
1
 

√
de donde se deduce que una base de E(− 29) es
 √ 

  − 10√ 29−52  
√29−15 

 

   

 − 10√ 29−52 

B2 = {v3 } =  .
 

  29−15   
−1

  


  



1

 

 
3 2 4
8) Considere la matriz A = 2 0 2 .
 
423
 
a) Halle los valores propios de A y sus respectivas multiplicidades.

b) Halle los subespacios propios de A y provéa bases para los mismos.
c) En caso de ser posible, diagonalice la matriz A.
Desarrollo. Para λ ∈ K:
3 − λ 2 4

det(A − λId) = 2 −λ 2 = −λ3 + 6λ2 + 15λ + 8 = −(λ + 1)2 (λ − 8).
4 2 3 − λ

Por tanto los valores propios de L son:

λ1 = 8 con multiplicidades r1 = 1 y mg1 = 1;
λ2 = −1 con multiplicidad algebraica r2 = 2.
i) Buscamos n o
E(λ1 ) = E(8) = v ∈ K3 : Av = 8v .
 α 
 
Tomamos v =  β  ∈ E(8) \ {0}, genérico. Se tiene entonces que
 
γ
 
(A − 8Id) v = 0,
y, por ello:    
 −5 2 4 0   0 0 0 0 
A − 8Id 0 =  2 −8 2 0  . . . →
− . . .  1 −2 0 0 
   
4 2 −5 0 0 2 −1 0
   
de manera que
α = 2β ∧ γ = 2β.
Por tanto:
α
     

 
   2β  
      
E(8) =  β 3
α = γ = =  β  ∈ K3 : β ∈ K ,
   
∈ : 2β ∧ 2β


 
 K  
 γ 

 
 
  2β 
 


   

 2 

  
= β 3
β ,
 
1 ∈ : ∈

 

 

 K K 

 2
   

de donde se deduce que una base de E(8) es

 

  2 
 
B1 = {v1 } =  .
 
 1 


 2 
  

ii) Buscamos n o
E(λ2 ) = E(−1) = v ∈ K3 : Av = −v .
 α 
 
Tomamos v =  β  ∈ E(−1) \ {0}, genérico. Se tiene entonces que
 
γ
 
(A + Id) v = 0,
y, por ello:    
 4 2 4 0   2 1 2 0 
A + Id 0 =  2 1 2 0  . . . →
− . . .  0 0 0 0 
   
424 0 0000
   
de manera que
2α + β + 2γ = 0.
Por tanto:
 α  α
     

 
 
   

E(−1) =  β 3
+ β + = = 3
α, γ ∈ K
   
∈ : 2α 2γ 0 −2α − 2γ  ∈ K :
     

 
 K   

 γ 

  

 

γ



     

  1   0  

  
= α + γ  −2  ∈ K3 : α, γ ∈ K ,
 
 

 −2 

   

  0 
  
1



   

  1   0 
   
B2 = {v2 , v3 } =   −2  ,  −2  .
 
(10.59)


 0 
1 
    

mg2 = dim(E(−1)) = 2.
Puesto que
2 1 0
det v1 v2 v3 = 1 −2 −2 = −9 , 0,

2 0 1
se sigue que W = B1 ∪ B2 = {v1 , v2 , v3 } es base de K3 .
Puesto que K3 tiene una base formada por vectores propios de A, se tiene que A es diagonalizable:
D = P−1 AP,
con
λ1 0 0  8 0 0 
     
2 1 0 

D =  0 λ2 0  = 0 −1 0  , P = v1 v2 v3 = 1 −2 −2 .
     
0 0 λ2 0 0 −1 2 0 1
     
!
ab
9) Sea A = ∈ M2 (K) tal que b , 0. Suponga que m ∈ K es tal que
cd
bm2 + (a − d)m − c = 0. (10.60)

!
1
a) Pruebe que λ = a + bm es un valor propio de A con vector propio v = .
m
b) Halle una base para el espacio propio E(λ).
Desarrollo. Para λ ∈ K se tiene que
p(λ) = det(A − λId) = λ2 − Tr(A) + det(A)

= λ2 − (a + d)λ + (ad − bc) = αλ2 + βλ + γ.
El discriminante del polinomio caracterı́stico de A es
∆ = β2 − 4αγ
= (a + d)2 − 4(1)(ad − bc)
= a2 + d2 + 2ad − 4ad + 4bc
= (a − d)2 + 4bc. (10.61)
Por otro lado, por (10.60), se tiene que

bc = b2 m2 + (a − d)bm. (10.62)
Reemplazando (10.62) en (10.61):
∆ = (a − d)2 + 4b2 m2 + 4(a − d)bm

= [(a − d) + 2bm]2 . (10.63)
Por tanto, los valores propios de A son:

√
−β − ∆ a + d − (a − d + bm)
λ1 = = = bm + d, (10.64)
2α 2
√
−β + ∆ a + d + (a − d + bm)
λ2 = = = bm + a, (10.65)
2α 2
Es claro entonces que
r1 = 1, mg1 = 1, r2 = 1, mg2 = 1.
Ahora buscamos
E(λ2 ) = E(a + bm) = {v ∈ K2 : Av = (a + bm)v}.
Para esto, observamos primero que
p(λ2 ) = 0
λ2 − (a + d)λ2 + (ad − bc) = 0,
2
(bm + a)2 − (a + d)(bm + a) + ad − bc = 0

[(bm + a) − a] [(bm + a) − d] = bc
bc = bm(bm + a − d)
c = m(bm + a − d). (10.66)
!
x1
Tomamos v = ∈ E(a + bm) \ {0}, genérico. Se tiene entonces que
x2
(A − (a + bm)Id) v = 0,
y, usando (10.66): ! !
−bm b 0 −m 1 0
A − (a + bm)Id 0 = . . .→
− ...
c d − a − bm 0 0 00
de manera que
x2 = mx1 .
Por tanto:
(! ) ( ! )
x1 x1
E(a + bm) = ∈ K2 : x2 = mx1 = ∈ K2 : x1 ∈ K ,
x2 mx1
( ! )
1
= x1 ∈ K 2 : x1 ∈ K ,
m
de donde se deduce que una base de E(a + bm) es

( !)
1
B1 = {v1 } = .
m
10) Sean n ∈ N y A ∈ Mn (K). Suponga que existe B = {v1 , v2 , ..., vn }, una base de Kn formada por vectores propios de A.
Pruebe que
D = P−1 AP, (10.67)
donde
D = diag(λ1 , ..., λn ), P = v1 v2 . . . vn ,
y vk es un vector propio asociado al valor propio λk .
Desarrollo. Sabemos que
Avk = λk vk , k = 1, ..., n. (10.68)
Probar (10.67) es equivalente a probar que
PD = AP. (10.69)
Por un lado se tiene que

AP = A v1 v2 . . . vn

= Av1 Av2 . . . Avn

= λ1 v1 λ2 v2 . . . λn vn (10.70)
Por otro lado:

PD = v1 v2 . . . vn diag(λ1 , λ2 , ..., λn )

= λ1 v1 λ2 v2 . . . λn vn (10.71)
Por (10.70) y (10.71), se ha probado (10.69).

11) Sean A ∈ Mn (K) y r ∈ N tales que

Ar = Id.
Pruebe que si λ es un valor propio de A, entonces
λr = 1.
Desarrollo. Tomamos v ∈ E(λ) \ {0}:
Av = λv.
Se tiene que
Ar v = λr v
Idv = λr v
(λr − 1)v = 0 (10.72)
de donde se concluye que

λr − 1 = 0 → λr = 1.
12) a) Pruebe que

∀α, β, γ ∈ R+ \ {1} : logα (β) · logβ (γ) · logγ (α). (10.73)
b) Sean β1 , β2 , β3 ∈ R+ \ {1}. Determine los valores propios de A = (ai j ) ∈ M3 (R), donde
ai j = logβ j (βi ), i, j ∈ {1, 2, 3}.
Desarrollo.
a) Tomamos α, β, γ ∈ R+ \ {1}, genéricos. Aprovechando el hecho que las funciones exponencial y logarı́tmica son
inversas la una de la otra, se tiene que

logα (β) · logβ (γ) · logγ (α) = logα βlogβ (γ)·logγ (α)

= logα expβ logβ (γ) · logγ (α)

= logα expβ logβ expγ logγ (α)

= logα expβ logβ (α)
= logα (α)
= 1.
Puesto que α, β, γ fueron elegidos arbitrariamente, se ha probado (10.73).

b) La matriz A es  
 1 logβ2 (β1 ) logβ3 (β1 )
A = logβ1 (β2 )

 1 logβ3 (β2 )
logβ1 (β3 ) logβ2 (β3 ) 1
 
Para λ ∈ K, se tiene que

p(λ) = −λ3 + Tr(A) λ2 − kλ + det(A).
Se tiene que
Tr(A) = 3,

1 logβ3 (β2 ) 1 logβ3 (β1 ) 1 logβ2 (β1 )
k= + log (β ) + log (β ) = 0.

logβ2 (β3 ) 1 β1 3 1 β1 2 1
det(A) = 1 + logβ2 (β1 ) logβ3 (β2 ) logβ1 (β3 ) + logβ1 (β2 ) logβ2 (β3 ) logβ3 (β1 )
− logβ1 (β3 ) logβ3 (β1 ) − logβ1 (β2 ) logβ2 (β1 ) − logβ2 (β3 ) logβ3 (β2 ) = 0.

p(λ) = −λ3 + 3λ2 = −λ2 (λ − 3), λ ∈ K.
Por tanto, los valores propios de A son
λ1 = 0 con r1 = 2;
λ2 = 3 con r2 = 1 y mg1 = 1.
T : P2 (K) −→ P2 (K)
p 7−→ T [p],
donde, para t ∈ K:
p(t) = a + bt + ct2 , (10.74)

T [p](t) = (3a + 2b + 4c) + (2a + 2c)t + (4a + 2b + 3c)t . 2
(10.75)

c) Halle las multiplicidades de los valores propios de T .
d) En caso de ser posible, diagonalice la matriz canónica asociada a T .
Desarrollo. La matriz asociada a T es

AT = [T ]CC = [T (e0 )]C [T (e1 )]C [T (e2 )]C ,
donde los polinomios canónicos tienen por fórmulas:
e0 (x) = 1, e1 (x) = x, e2 (x) = x2 , x ∈ K.
3 2 4
AT = 2 0 2 (10.76)
 
423
 
Para λ ∈ K se tiene que la fórmula del polinomio caracterı́stico es:
p(λ) = det(AT − λId) = −λ3 + Tr(AT )λ2 − kλ + det(AT )

= −λ3 + 6λ2 15λ + 8 = −(λ + 1)2 (λ − 8). (10.77)
Entonces los valores propios de T son:

λ1 = 8 con r1 = 1 y mg1 = 1;
λ2 = −1 con r2 = 2.
Buscamos
E(λ1 ) = E(8) = {p ∈ P2 (R) : T [p] = 8 · p}.
Tomamos p ∈ E(8) \ {0}, genérico:
p(t) = α + βt + γt2 , t ∈ K.
Se tiene que
T [p] = 8p ⇐⇒ AT [p]C = 8[p]C .
   
 −5 2 4 0   1 −2 0 0 
 2 −8 2 0  . . . →
− . . .  0 2 −1 0 
   
4 2 −5 0 0 0 0 0
 
de manera que
α = 2β ∧ γ = 2β.
Entonces
E(8) = {p ∈ P2 (R) : p(t) = α + βt + γt2 , α = 2β ∧ γ = 2β}

= {p ∈ P2 (R) : p(t) = β(2 + t + 2t2 ), β ∈ K}. (10.78)
p1 (t) = 2 + t + 2t2 .
Buscamos
E(λ2 ) = E(−1) = {p ∈ P2 (R) : T [p] = −p}.
Tomamos p ∈ E(−1) \ {0}, genérico:

p(t) = α + βt + γt2 , t ∈ K.
Se tiene que
T [p] = −p ⇐⇒ AT [p]C = −[p]C .
   
 4 2 4 0   0 0 0 0 
 2 1 2 0  . . . →
− . . .  2 1 2 0 
   
4240 0000
 
de manera que
2α + β + 2γ = 0.
Entonces
E(−1) = {p ∈ P2 (R) : p(t) = α + βt + γt2 , 2α + β + 2γ = 0}

= {p ∈ P2 (R) : p(t) = α(1 − 2t) + γ(−2t + t2 ), α, γ ∈ K}. (10.79)
Entonces, una base de E(−1) es B2 = {p2 , p3 }, donde pk : K → K tiene por fórmula
p2 (t) = 1 − 2t, p3 (t) = −2t + t2 .
Esto quiere decir que

mg2 = 2.
Puesto que B = B1 ∪ B2 tiene tres elementos y es l.i., la matriz A es diagonalizable y, además:
D = P−1 AP,
con    
8 0 0  2 1 0 
D = 0 −1 0  , P = 1 −2 −2 .
   
0 0 −1 2 0 1
   
1) Considere la matriz Ak .
a) Halle los valores propios de Ak .
b) Halle los espacios propios y bases para los mismos.
c) Indique las multiplicidades algebraicas y geométricas de los valores propios.
! ! !
−81 16 −12 7 −62 −20
A1 = ; A2 = ; A3 = ;
−420 83 −7 2 192 62
     
−10 −71 −19  1 −1 0  5 4 2
A4 =  3 34 9  ; A5 = −1 2 −1 ; A6 = 4 5 2 ;
     
−1 −61 −16 0 −1 1 222
     
     
 13 3 1  0 1 0  1 2 2
A7 = −56 −13 −4 ; A8 = 0 0 1 ; A9 =  0 2 1 ;
     
−14 −3 −2 1 −3 3 −1 2 2
     
     
−2 5 0 7 −2 −4  4 6 6 
A10 =  5 −2 0 ; A11 = 3 0 −2 ; A12 =  1 3 2  ;
     
0 0 1 6 −2 −3 −1 −5 −2
     
2) Considere la matriz Ak .
a) Halle los valores propios de Ak .
b) Halle los espacios propios y bases para los mismos.
c) Indique las multiplicidades algebraicas y geométricas de los valores propios.
 18 42 26 −10  4 1 0 1  3 1 0 0
     
 22 70 37 −17  2 3 0 1  0 3 0 0

A1 =   ; A2 =   ; A 3 =  ;
−20 −60 −31 15  −2 1 2 −3 0
 0 4 1
62 186 104 −44 2 −1 0 5 0 0 0 4
a 0 0 0 a b 0 0

   
0 a b 0 0 a 0 0
A4 =   ; A5 =   , b , 0;
0 0 a 0 0 0 a 0
000a 000a
a b 0 0 a b 0 0

   
0 a c 0 0 a c 0
A6 =   , bcd , 0; A7 =   , bc , 0.
0 0 a d 0 0 a 0
000a 000a
3) Diagonalice la matriz Ak .
       
 1 −1 −1  20 16 −4 −1 2 2  1 −1 0 
A1 = −1 1 −1 ; A2 =  16 32 16  ; A3 =  2 −1 2 ; A4 = −1 2 −1 ;
       
−1 −1 1 −4 16 20 2 2 1 0 −1 1
       
 1 −1 0 0  1 −1 0 0

   
−1 0 0 0
 −1 0 0 0

A5 =  ; A6 =  .
 0 0 3 0  0 0 0 0
0 0 02 0 0 02
4) Considere la matriz escalar Lk .
a) Determine los valores propios de Lk con sus respectivas multiplicidades.
b) Halle los subespacios propios de Lk .
c) Cuando sea posible, halle una base ortonormal de R3 formada por vectores propios de Lk .
     
1 1 0  1 1 −2  4 6 6 
L1 = 0 1 1 ; L2 = −1 2 1  ; L3 =  1 3 2  ;
     
0 −1 1 0 1 −1 −1 −5 −2
     
 2 3 1 −1 5 4 1 1

   
 3 2 1 −1 4 5 1 1
 
L4 =   ; L5 =  .
 1 1 −3 2  1 1 4 2
−1 −1 2 −3 1124
5) Sea T ∈ L(P2 (K)) tal que para t ∈ R:
u1 (t) = 1 + 2t − t2 , T [u1 ](t) = 2 + 4t − 2t2 ;

u2 (t) = t − t2 , T [u2 ](t) = 2t − 2t2 ;
u3 (t) = −1 − t + t , T [u3 ](t) = 4 + 4t − 4t2 .
2

c) En caso de ser posible, diagonalice la matriz canónica asociada.
6) Sean V un espacio vectorial sobre el cuerpo K, T ∈ L(V) y λ ∈ K un valor propio de T . Pruebe que
Vλ = {u ∈ V : T (u) = λu}
es un s.e.v. de V.
T: R3 −→ R3
 3x + 2y + 4z 
   
 x 
u =  y  7−→ T (u) =  2x + 2z  .
   
z 4x + 2y + 3z
   
Halle una base ortonormal formada por vectores propios de T .

Sugerencia. Tenga presente la Observación 10.13.      
 −1   1   2 
8) Suponga que λ1 = 2, λ2 = −1 y λ3 = 3 son los valores propios de la matriz A y que v1 =  2 , v2 =  −1  y v3 =  0 
     
1 0 −1
     
son los vectores propios de A asociados respectivamente a λ1 , λ2 y λ3 .
a) Halle A.
b) Halle la fórmula de la transformación lineal f : R3 → R3 para la que A = f CC .

F : P2 (K) −→ P2 (K)
u 7−→ F[u] = p,
donde, para x ∈ K,
u(x) = α + βx + γx2 ,
F[u](x) = p(x) = γ + (β − α)x + (α − β + γ)x2 .
a) Halle los valores propios de F.

b) Halle los espacios propios de F y provéa bases para los mismos.
c) En caso de ser posible, diagonalice la matriz canónica asociada a F.
1) Sea A ∈ Mn (R) antisimétrica. Demuestre que si λ ∈ C es un valor propio de Q entonces λ es un número imaginario
puro.
2) Sean n ∈ N y A ∈ Mn (K). Pruebe que pA = pAt de manera que A y At tienen los mismos valores propios.
3) Sea n ∈ N. Pruebe que D E

∀A ∈ Mn (R), ∀u, v ∈ Rn : hAu, vi = u, At v . (10.80)
4) Sean V un espacio vectorial sobre el cuerpo K, T ∈ L(V) biyectiva y λ un valor propio de T . Pruebe que λ , 0 y que
λ−1 es un valor propio de T −1 .
5) Sean V un espacio vectorial sobre el cuerpo K, T ∈ L(V) y λ un valor propio de T . Pruebe que
∀n ∈ N : λn es valor propio de T n ; (10.81)

∀p ∈ P(R) : p(λ) es valor propio de p(T ). (10.82)
6) Sean A, D, P ∈ Mn (K) tales que A = PDP−1 , con D diagonal.

a) Pruebe que
∀n ∈ N : An = PDn P−1 .
b) Usando el punto anterior, halle una fórmula para calcular An donde
 
1 2 1
A = 2 0 2 .
 
121
 
7) Sean A ∈ Mn (K) y r ∈ N tales que Ar = Idn . Pruebe que si λ es un valor propio de A, entonces λr = 1.
8) Sean n, r ∈ N y A ∈ Mn (K). Pruebe que
n
X
Tr(Ar ) = λrk , (10.83)
k=1

9) Sea n ∈ N. Consideremos la aplicación
T : Pn (R) −→ Pn (R)
u 7−→ F[u] = p,
donde, para t ∈ R,
T [u](t) = p(t) = u(t + 1).
b) Pruebe que T es un isomorfismo.
c) Halle los valores y vectores propios de T .
 a 
 
 a 
10) Sean a, b ∈ K. Considere la matriz A =   (b b . . . b) ∈ Mn (K).
 . . . 
a
a) Halle el polinomio caracterı́stico de A.
b) Halle los subespecios propios y sus dimensiones.
11) Sea B = {p1 , p2 , p3 } una base de P2 (R) donde
p1 (t) = 1 + t, p2 (t) = 1 − t, p3 (t) = t + t2 .

 
 1 −1 1
B 
Sea g : P2 (R) → P2 (R) tal que g B = −1 1 0.

0 0 1
 
a) Halle la fórmula asociada a g.

b) Halle los valores propios de g.
c) Halle los espacios propios de g y provéa bases para los mismos.

!
xy
1) Sea B = ∈ M2 (K) tal que y , 0. Suponga que µ ∈ K es tal que
z t
yµ2 + (x − t)µ − z = 0. (10.84)

!
1
a) Pruebe que λ = x + yµ es un valor propio de B con vector propio v = .
µ
b) Halle bases para los espacios propios de B.
2) Sean n ∈ N y A ∈ Mn (K). Suponga que existe B = {v1 , ..., vn }, una base de Kn formada por vectores propios de A.
Pruebe que
D = P−1 AP, (10.85)
donde:
D = diag(λ1 , ..., λn ),

P = v1 v2 . . . vn
y vk está asociado al valor propio λk , k = 1, ..., n.

Sugerencia. Pruebe que PD = AP.
3) Sean β1 , β2 , β3 ∈ R+ \ {1}. Determine los valores propios de A = (ai j ) ∈ M3 (R) donde
ai j = logβ j (βi ).
4) Sean n ∈ N y A, B ∈ Mn (K) con B invertible. Suponga que p es el polinomio caracterı́stico de A.

a) Pruebe que p(A) es una matriz simétrica.
b) Pruebe que
p B−1 AB = B−1 p(A)B.
5) Considere el operador
Γ : C∞ (0, 1) −→ C∞ (0, 1)
u 7−→ Γ[u],
donde
Γ[u](t) = t · u0 (t), t ∈ (0, 1).
a) Pruebe que Γ es aplicación lineal.
b) Determine los valores y funciones propias de Γ.
!
0 Idn
6) Considere la matriz B = con A ∈ Mn (K). Suponga que λ1 , ..., λn son los valores propios de A. Pruebe que si λ
A 0
n √ √ o
es valor propio de B, entonces λ ∈ − λk , λk : k = 1, 2, ..., n .
 γ1 
 
7) Sean λ, γ1 , γ2 , ..., γn ∈ K y u =  ... . Pruebe que

 
 
γn

det λIdn − u ut = λn − (ut u) λn−1 .
!
b 1−a
8) Sean a, b ∈ [0, 1] y H = .
1−b a
a) Hallar los valores propios de H.
 α 
 
b) Demostrar que asociado al mayor de los valores propios de H, existe un vector propio u =  β  tal que α, β, γ ∈ [0, 1]
 
γ
 
y α + β + γ = 1.
c) Halle matrices P y D diagonal tales que D = P−1 HP.
d) Calcule lı́m H n .
n→∞
9) Sea V un espacio vectorial sobre el cuerpo K con dim(V) ≥ 2. Suponga que T ∈ L(V) es tal que dim(Im(T )) = 1.
Pruebe que
a) existe un vector propio de T ;
b) λ = 0 es un valor propio de T .
Capı́tulo 11
Ejercicios resueltos adicionales

Roger Bacon
1) Sean α, β, γ, η ∈ R, todos distintos. Considere los vectores
 1   1   1   1 

       
 α   β   γ   η 
v1 =  2  , v2 =  2  , v3 =  2  , v4 =  2 
 α   β   γ   η 
α3 β3 γ3 η3
a) Usando las propiedades de los determinantes, calcule el determinante de Vandermonde: det(v1 v2 v3 v4 )

b) ¿El conjunto B = {v1 , v2 , v3 , v4 } es una base de R4 ? Justifique.
Desarrollo.
a) Se tiene que
F2 ← F2 + (−α) · F1
1 F3 ← F3 + (−α) · F2 1

1 1 1
F ← F + (−α) · F
1 1 1
α β γ η 4 4 3 0 β − α γ−α η − α
det(v1 v2 v3 v4 ) = 2 ======================
α β2 γ2 η2 0 β(β − α) γ(γ − α) η(η − α)

α3 β3 γ3 η3 0 β (β − α) γ2 (γ − α) η2 (η − α)
2
β − α γ−α η − α

1 1 1
= β(β − α) γ(γ − α) η(η − α) = (β − α)(γ − α)(η − α) · β γ η

β (β − α) γ2 (γ − α) η2 (η − α) β γ η
2 2 2 2
F2 ← F2 + (−β) · F1
F3 ← F3 + (−β) · F2 1 1 1
====================== (β − α)(γ − α)(η − α) · 0 γ − β η − β

0 γ(γ − β) η(η − β)

= (β − α)(γ − α)(γ − β)(η − α)(η − β)(η − γ) (11.1)

b) Puesto que los números α, β, γ, η son todos distintos, se sigue por (11.1) que det(v1 v2 v3 v4 ) , 0. Por tanto B es l.i.
y, como #(B) = 4 = dim(R4 ), se concluye que B es una base de R4 .
Apéndice A
Falacias materiales o informales
“ Las ciencias... ”
XXXXXX
En la Sección
Soluciones y/o pautas para los problemas
Capı́tulo ??
?? Trabaje como en la demostración de (??). ?? Se tiene que
A = (0, π + 1/4]; B = [1/2; 5/2).

?? Trabaje como en la demostración de (??).
?? Mire el Ejemplo ?? y el tip de Maxima que le antecede.

Sı́mbolos
∩ Operación de intersección de conjuntos.

∧ Conjunción de proposiciones.
∪ Operación de unión de conjuntos.
∨ Disyunción de proposiciones.
⇔ Bicondicional de proposiciones.
ssi Abreviación de sı́ y sólo si (bicondicional).
\ Diferencia de conjuntos.
∅ Conjunto vacı́o.
× Operación producto cartesiano.
A ⊆ B o B ⊇ A Contenencia del conjunto A en el conjunto B.
A ⊂ B o B ⊃ A Contenencia del conjunto A en el conjunto B.
∀ Cuantificador universal.
∃ Cuantificador existencial.
N Conjunto de los números naturales.
N∗ Conjunto de los números enteros no-negativos.
Z Conjunto de los números enteros.
Q Conjunto de los números racionales.
R Conjunto de los números reales.
C Conjunto de los números complejos.
f : A → B Función con dominio A y codominio B.
g ◦ f Composición de las funciones g y f
{Aλ }λ∈Λ Familia de conjuntos con ı́ndices en Λ.
#[A] Cardinalidad del conjunto A.
ℵ0 Cardinalidad de N.
Mm,n (R) Conjunto de las matrices de m filas y n columnas sobre el campo R.
det(A) Determinante de la matriz A.
< D > Cápsula o espacio vectorial generado por el conjunto D.
kuk Norma del vector u.
L(V, W) Conjunto de aplicaciones lineales con dominio V y codominio W.
ker(A) Núcleo o kernel de la aplicación lineal A.
i Raı́z imaginaria.
z Conjugado del número complejo z.
(a, b) Intervalo abierto.
F (I) Funciones reales con dominio I ⊆ R.
δ(·) Delta de Dirac.
Referencias
1. S. Grossman and J. Flores, Álgebra Lineal, McGraw-Hill, 7ma. ed., 2012.

Índice alfabético
Conjunto Tip de -
producto cartesiano de -s, 211 No. 1, 2
Función Par ordenado

- como modelo matemático, 1 definición de -, 211
definición de -, 212
dominio de una -, 1
notación de -, 212 Scilab, 2
Software
Matlab, 2 - libre, 2
Maxima, 2 - matemático, 1
- como software libre, 2
- como un Sistema Computacional Algebraico, 2 Teorema
interface wxMaxima de -, 2 - como herramienta para Ingenierı́a, 1
Fuentes adicionales
Objetos no referenciados en el texto

Objeto Uso Fuente / Autor
En observaciones importantes http://amigoslibro.blogspot.com/
En tips de Maxima Sven Hodapp

Pepa 067

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pepa 067

Cargado por

Copyright:

Formatos disponibles

Juan Mayorga-Zambrano

Versión preliminar al 15 de junio de 2017

[ NOMBRE INSTITUCIÓN AUSPICIANTE ]

Álgebra Lineal para Ciencias e Ingenierı́a

Este libro ha sido preparado de manera tal que el estu-

Este texto ha sido preparado con LATEX. Se ha adaptado la

CTAN lion drawing by Duane Bibby;

Sin la paciencia XXXX XXXX

“Existe una opinión muy generalizada según la cual

La obra sadsad dsadsad as dasdas dasdas

Borys Álvarez Samaniego, Ph.D. Paúl Medina Vásquez, Ph.D.

Este texto tiene su génesis en

Juan Mayorga Zambrano

Juan Mayorga Zambrano nació en Ambato - Ecuador,

Presentación de los pares revisores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii

Breve reseña del autor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi

1. Introducción al Álgebra Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1. Operaciones interna y externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.3. Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.4. Determinantes de bajo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.5. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.6.1. Ejercicios - Nivel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.6.2. Ejercicios - Nivel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.1. R3 como espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.2. Producto escalar en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.3. Bases. Base canónica de R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.4. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.5. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.6. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.7. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.7.1. Ejercicios - Nivel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.7.2. Ejercicios - Nivel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2.7.3. Ejercicios - Nivel 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3. El espacio vectorial Mm×n (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.1. El espacio vectorial Mm×n (K) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.2. Producto de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.3. Algunos tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

3.4. Invertibilidad de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.5. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.6.1. Ejercicios - Nivel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.6.2. Ejercicios - Nivel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.6.3. Ejercicios - Nivel 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4. Operaciones elementales de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.1. Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.2. Operaciones elementales de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.1. Permutación de filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.2. Ponderación de fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.2.3. Suma de una fila con la ponderación de otra fila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

4.2.4. Equivalencia de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

4.3. Método de eliminación gaussiana / Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

4.3.1. Resolución de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4.3.2. Cálculo de la matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.4. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4.5. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

4.5.1. Ejercicios - Nivel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

4.5.2. Ejercicios - Nivel 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

4.5.3. Ejercicios - Nivel 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

5.1. Determinante de orden n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

5.2. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

5.3. Determinantes e invertibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

5.4. Determinantes y sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

5.5. Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106