02 Alg Matricial

GECGA-BB
Álgebra Matricial (Parte I)
Introducción
Las matrices son objetos matemáticos ampliamente utilizados para almacenar información
de manera sintética y, por tal motivo, representan una manera simple de mostrar la misma.
Por ejemplo, la información que es almacenada en este tipo de estructuras son los hora-
rios de trenes, la cantidad de mercaderı́a en un depósito, una imagen en la pantalla de
un monitor, etc, en general lo que habitualmente llamamos una ”tabla de doble entrada”.
También permiten escribir en forma más simple sistemas de ecuaciones para obtener sus
soluciones y muchas funciones para operar con ellas de un modo más eficiente. Nosotros
nos dedicaremos, más adelante, en forma especial a las llamadas funciones o transforma-
ciones lineales.
Estudiaremos nociones básicas de matrices, las operaciones que pueden efectuarse con
ellas y propiedades de las mismas.
Matrices y operaciones matriciales

Dados m y n naturales, una matriz A de m × n es un arreglo rectangular de escalares
dispuestos en m renglones o filas y n columnas. Los m.n números del arreglo se denomi-
nan elementos de la matriz, y un elemento genérico de A se simboliza con aij (elemento
ubicado en la i-ésima fila y j-ésima columna de la matriz A). Se utilizan paréntesis o
corchetes para encerrar los m.n elementos y se utilizan letras mayúsculas para designar a
las matrices.
 
a11 a12 a13 ... a1n
 a21 a22 a23 ... a2n 
 
 a31 a32 a33 ... a3n 
En sı́mbolos: A= .
 .. .. .. .. .. 
 . . . . . 
am1 am2 am3 ... amn
 
1 2
1 2 7 0 −1 0
Por ejemplo,  0 5  y son matrices de orden 3 × 2 y 2 × 5, res-
0 2 −8 6 0
0 0
pectivamente.
GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Integrantes: Dra. M. A. Gatica, Mg. G. Paolini, Prof. F. Lusente, Prof. A. Cocilova,
Prof. R. Cornejo. 1/??
GECGA-BB
Observaciones
1) Si A es una matriz, se utiliza el sı́mbolo aij para indicar el elemento que está en la fila
i y columna j de A.
2) Con Fi (A) y con Cj (A) indicamos la fila i y la columna j de A, respectivamente.
3) Para indicar al conjunto de todas las matrices de orden m×n que tienen por elementos
números reales escribimos Mm×n (R).
Una matriz A con n filas y n columnas se denomina matriz cuadrada de orden
n y para indicar el conjunto de todas ellas se escribe simplemente Mn (R). En este
caso, es decir cuando A ∈ Mn (R), se dice que los elementos a11 , a22 , · · · , ann forman
la diagonal principal de A.

a11 a12 a13
4) Una matriz general A de orden 2 × 3 se puede escribir como A = y
a 21 a22 a23
b11 b12 b13
si la matriz se llama B escribimos B = .
b21 b22 b23
5) Si una
matriz es
√ de orden 1 × n, se denomina matriz fila. Por ejemplo
1
A = 1 −2 3 4 3 es una matriz fila de orden 1 × 5
6) Si una matriz es de orden m × 1, se denomina
 matriz columna. Un ejemplo de una
1
matriz columna de 3 filas serı́a F =  5 
−8
7) Se denomina matriz identidad, y se simboliza con  In , a la matriz cuadrada de orden
1 0 0
1 si i = j
n tal que aij = . Por ejemplo, I3 =  0 1 0 .
0 si i 6= j
0 0 1
8) Una matriz A = [aij ] de orden m × n se dice:
• Matriz pseudo
 triangular
 superior si aij = 0,para i > j. Por ejemplo, la
0 0 0 7
matriz A =  0 3 1 0  ∈ M3×4 (R)
0 0 0 1
• Matriz pseudo triangular inferior si aij = 0,para i < j. Por ejemplo, la matriz
 
π 0 0 0
B= √ 1 0 0 0  ∈ M3×4 (R)
3+1 0 0 0

GECGA-BB
• Matriz pseudo
 triangular
 si es triangular superior e inferior. Por ejemplo, la
2 0 0 0
matriz T =  0 0 0 0  ∈ M3×4 (R)
0 0 5 0
9) Una matriz cuadrada A = [aij ] de orden n se dice:
• Matriz
 triangular superior
 si aij = 0,para i > j. Por ejemplo, la matriz
0 0 0 1
 0 3 π 0 
A=  0 0 −7 2  ∈ M4×4 (R)

0 0 0 1
• Matriz triangular inferior si aij = 0,para i < j. Por ejemplo, la matriz
 
−8 0 0 0
 1 0 0 0 
B=  ∈ M4×4 (R)
√ 0 0 0 7 

7−2 0 0 0
• Matriz
 triangular si
 es triangular superior e inferior. Por ejemplo, la matriz
2 0 0 0
 0 0 0 0 
T = 0 0 −5 0  ∈ M4×4 (R)

0 0 5 0
• Matriz diagonal si aij = 0 si i 6= j.
 
2 0 0 0
 0 3 0 0 
Por ejemplo, la matriz D =  0 0
 ∈ M4 (R)
5 0 
0 0 0 0
• Matriz escalarsi es diagonaly además a11 = a22 = a33 = . . . = ann . Por ejemplo,
2 0 0 0
 0 2 0 0 
la matriz E = 
 0 0 2 0  ∈ M4 (R)

0 0 0 2
Ejemplo Definir matrices que verifique las condiciones pedidas:
1. A ∈ M3×2 (R) tal que aij = 1 + 3j.

 
a11 a12
Una matriz general A de orden 3 × 2 puede escribirse como A =  a21 a22 .
a31 a32

GECGA-BB
Como aij = 1 + 3j para todo 1 ≤ i ≤ 3 y 1 ≤ j ≤ 2, tenemos que:

a11 = 1 + 3.1 = 4, a21 = 1 + 3.1 = 4, a31 = 1 + 3.1 = 4, a12 = 1 + 3.2 = 7,
a22 = 1 + 3.2 = 7, a32 = 1 + 3.2 = 7.
 
4 7
Luego, A =  4 7 .
4 7

1 si i < j
2. B ∈ M3 (R) con bij = .
2 si i ≥ j
 
b11 b12 b13
La matriz B puede escribirse en forma general como B =  b21 b22 b23 . Luego,
  b31 b32 b33
2 1 1
B =  2 2 1  verifica las condiciones pedidas.
2 2 2
3. C ∈ M2×4 (R) tal que cij = (−1)i+j .

c11 c12 c13 c14 (−1)1+1 (−1)1+2 (−1)1+3 (−1)1+4
Si C = entonces C = =
c21 c22 c23 c24 (−1)2+1 (−1)2+2 (−1)2+3 (−1)2+4
1 −1 1 −1
−1 1 −1 1
4. D ∈ M3 (R) tal que la suma de todos sus elementos sea 8.

 
2 1 1
Hay infinitas matrices que verifican esta condición. Una podrı́a ser D =  7 3 −2 
−10 1 5
pues 2 + 1 + 1 + 7 + 3 − 2 − 10 + 1 + 5 = 8
5. E matriz escalar con 4 filas y tal que el producto de los elementos de su diagonal
principal sea 81.
 
λ 0 0 0
 0 λ 0 0 
La matriz escalar E puede escribirse en forma general como E =   0 0 λ 0 .

0 0 0 λ
Para que el producto de los elementos de su diagonal
 principal sea
 81, debe ocurrir
3 0 0 0
 0 3 0 0 
que λ4 = 81. Ası́, una posibilidad es λ = 3 y E = 
 0 0 3 0 .

0 0 0 3

GECGA-BB
Igualdad de matrices
Dos matrices A = [aij ] y B = [bij ] son iguales si son del mismo orden y si además, aij = bij
para todo i y para todo j.
1 22 1 √4
Por ejemplo, las matrices A = y B = son iguales pues tienen el
0 2 0 38
mismo orden y aij = bij para todo 1 ≤ i ≤ 2 y 1 ≤ j ≤ 2.

1 2 0 1 2
Sin embargo, las matrices E = yF = no son iguales pues no tienen
4 3 0 4 3
el mismo tamaño.
Ejemplo: Hallar, si existen, valores reales de a y b para los cuales las matrices.

a 1 3 −6 1 3
G= yH= sean iguales.
5 0 1 2b − 7 0 1


 a = −6
1 =1




3=3

Para que G = H, debe cumplirse que . Luego, a = −6 y b = 6.

 5 = 2b − 7
0=0




1=1

Operaciones con matrices

a) Suma de matrices (operación binaria interna notada con el sı́mbolo ⊕)
Si A = [aij ] y B = [bij ] ∈ Mm×n (R) se llama suma de A y B, y se nota A ⊕ B, a la
matriz C = [cij ] ∈ Mm×n (R) tal que [cij ] = [aij + bij ], 1 ≤ i ≤ m , 1 ≤ j ≤ n. Es decir,
A ⊕ B = [aij + bij ], 1 ≤ i ≤ m , 1 ≤ j ≤ n.
   
1 2 3 0
Ejemplo: Si A =  3 4  y B =  7 8  , entonces
−1 5 10 6
       
1 2 3 0 1+3 2+0 4 2
A ⊕ B =  3 4  ⊕  7 8  =  3 + 7 4 + 8  =  10 12 
−1 5 10 6 −1 + 10 5 + 6 9 11
Propiedades de la Suma de matrices

Sean A , B y C ∈ Mm×n (R). La suma de matrices verifica las siguientes propiedades:
S1) (A ⊕ B) ⊕ C = A ⊕ (B ⊕ C)
S2) A ⊕ B = B ⊕ A

GECGA-BB
S3) Existe una matriz O ∈ Mm×n (R) tal que O ⊕ A = A ⊕ O = A , ∀A ∈ Mm×n (R). La
matriz O se llama matriz nula de orden m × n y O = [oij ] con oij = 0, ∀i = 1, ..., m
y ∀j = 1, ..., n.
S4) Dada A ∈ Mm×n (R), existe B ∈ Mm×n (R) que verifica A ⊕ B = B ⊕ A = O. Si
A = [aij ] entonces B = [−aij ] con 1 ≤ i ≤ m , 1 ≤ j ≤ n y se nota B = −A. La
matriz B se llama matriz opuesta de A.
b) Multiplicación de un escalar por una matriz (operación binaria externa

notada con el sı́mbolo •)
Si A = [aij ] ∈ Mm×n (R) y λ ∈ R se define la matriz λ • A y se nota λ • A como la
matriz T = [tij ] ∈ Mm×n (R) tal que [tij ] = [λ.aij ] , 1 ≤ i ≤ m , 1 ≤ j ≤ n. Es decir,
λ • A = [λ.aij ]; con 1 ≤ i ≤ m , 1 ≤ j ≤ n.
2 −4 1 51

√ 10
√ −20 5 1
Ejemplo. Si A = y λ = 5 , entonces 5•A =
3 0 3 −2 5. 3 0 15 −10
Propiedades de la Multiplicación de un escalar real por una matriz

Sean A , B ∈ Mm×n (R) y λ, α ∈ R. El producto de un escalar por una matriz verifica
las siguientes propiedades:
P1) λ • (A ⊕ B) = λ • A ⊕ λ • B
P2) (λ + α) • A = λ • A ⊕ α • A
P3) (λ.α) • A = λ • (α • A)
P4) 1 • A = A
Ası́, la terna (Mm×n (R), ⊕, •) formada por el conjunto no vacı́o Mm×n (R) junto con
las dos operaciones binarias, una interna (⊕) y otra externa (•), que verifican las ocho
propiedades anteriores recibe el nombre de R-espacio vectorial.. Los elementos que
pertenecen a cualquier R-espacio vectorial se llaman vectores. En este caso, si A ∈
Mm×n (R) entonces a la matriz A se la puede referenciar diciendo que es un vector de
Mm×n (R).
Observaciónes:
1) Dado A, B ∈ Mm×n (R), escribiremos, haciendo abuso de notación, A+B para indicar
A ⊕ B, es decir, para indicar la suma de dos matrices.
2) Dado λ ∈ R y A ∈ Mm×n (R), escribiremos, haciendo abuso de notación, λA para
indicar λ • A, es decir, para indicar la multiplicación de un escalar por una matriz.

GECGA-BB
3) Para toda matriz A = [aij ] ∈ Mm×n (R), se tiene que −A = (−1)A y que −A es la
matriz opuesta de la matriz A.
4) También escribiremos, haciendo abuso de notación, A − B para indicar A ⊕ (−B).
 
β 0 0 ... 0
 0 β 0 ... 0 
 
5) Una matriz escalar A =  0 0 β ... 0  ∈ Mn (R) se puede escribir como

 .. .. .. .. .. 
 . . . . . 
0 0 0 ... β
A = βIn o A = β · In
La estructura de R-espacio vectorial que tiene el conjunto de las matrices rectangulares

Mm×n (R) nos permite hablar de:
I) Ecuaciones matriciales en Mm×n (R)

II) Dependencia e independencia lineal en Mm×n (R).
III) Subespacios de Mm×n (R).
IV) Subespacios generados en Mm×n (R).
V) Bases y dimensión de un subespacio de Mm×n (R).
I) Ecuaciones matriciales en Mm×n (R).

Por tener el conjunto de las matrices rectangulares estructura de R-espacio vectorial
podemos resolver ecuaciones matriciales que involucran las dos operaciones binarias
(suma de dos matrices y multiplicación de un escalar por una matriz) y sus respecti-
vas propiedades.
A continuación ejemplificamos lo mencionado anteriormente.

10 −1 1 3 5 1
Dadas las matrices: A = ,B = yC = . Hallar, si es
−1 2 0 1 1 −5
posible, la matriz X que verifica:
a) A + X = B + C
Observemos que esta ecuación matricial está bien definida pues las matrices A, B y
C tienen el mismo orden. Luego, inferimos que X ∈ M2 (R).
Reemplazando las matrices conocidas en la ecuación tenemos que:

10 −1 1 3 5 1 ⇒ 10 −1 6 4
+X = + +X = ⇒
−1 2 0 1 1 −5 def.suma −1 2 1 −4

GECGA-BB

=⇒ 10 −1 10 −1 10 −1 6 4
− + +X = − + ⇒
S4, ley suma −1 2 −1 2 −1 2 1 −4

=⇒ 10 −1 10 −1 −10 1 6 4
− + +X = + ⇒
S1 def. −1 2 −1 2 1 −2 1 −4

⇒ 0 0 −10 + 6 1 + 4 ⇒ −4 5
+X = X=
S4 0 0 1 + 1 −2 − 4 S3 2 −6
b) 3X + I3 = A Observemos que en este caso, la ecuación matricial no está bien definida

pues para poder sumar la matriz 3X con I3 la matriz X debe ser de orden tres y la
matriz resultante 3X + I3 ∈ M3 (R). Luego es imposible que sea igual a la matriz A
ya que A tiene orden 2.
c) 2X − A = 4C
Aquı́ también, las operaciones dadas en la ecuación están bien definidas y podemos
concluir que X es una matriz cuadrada de orden 2. Recordemos además, que la
notación −A nos indica la matriz opuesta de A y que por abuso de notación escribimos
2X − A = 4C en vez de 2X + (−A) = 4C.

10 −1 5 1
Ası́, de 2X − A = 4C se tiene que 2X − =4 ⇒
−1 2 1 −5

⇒ 10 −1 10 −1 20 4 10 −1
2X − + = + ⇒
S4 S1 −1 2 −1 2 4 −20 −1 2

⇒ 10 −1 10 −1 30 3
2X + − + = ⇒
S1 −1 2 −1 2 3 −18

⇒ 0 0 30 3 ⇒ 30 3
2X + = 2X = ⇒
S4 0 0 3 −18 S3 3 −18
1
Multiplicando por 2
miembro a miembro:
30 3

30 3 ⇒ 1
⇒ ( 12 )(2X) = ( 21 ) ( 2)X = 2
3
2 ⇒
3 −18 P3 2 2
−18
2
3 3

⇒ 15 ⇒ 15
1X = 3
2 X= 3
2
prod.reales 2
−9 P4 2
−9

GECGA-BB
d) 3(X + B) − C = A + X
Como A, B, C ∈ M2 (R), la ecuación matricial tiene sentido y X ∈ M2 (R). Nueva-
mente recordar que la notación −C nos indica el opuesto de C y que si no hacemos
abuso de notación, la ecuación matricial dada serı́a: 3(X + B) + (−C) = A + X.
De 3(X + B) − C = A + X ⇒ 3X + 3B − C = A + X ⇒
⇒
⇒ (3X + 3B − C) + C = (A + X) + C (3X + 3B) + (−C + C) = (X + A) + C ⇒
P1
⇒ ⇒
(3X + 3B) + O = X + (A + C) 3X + 3B = X + (A + C) ⇒
S1 S4 S3
⇒ (3X + 3B) + (−3B) = [X + (A + C)] + (−3B) ⇒
⇒ 3X + (3B + (−3B)) = X + (A + C + (−3B)) ⇒ 3X = X + [A + C + (−3B)] ⇒
⇒ (−X) + 3X = (−X) + [X + (A + C + (−3B))] ⇒
⇒ 2X = ((−X) + X) + (A + C + (−3B)) ⇒ 2X = A + C + (−3B) ⇒
⇒ ( 21 (2X) = ( 21 )(A + C + (−3B)) ⇒

1 10 −1 5 1 1 3
⇒ X = (2) + + (−3) ⇒
−1 2 1 −5 0 1

1 15 0 −3 −9
⇒X= 2 + ⇒
0 −3 0 −3
6 − 92

1 12 −9
⇒X= 2 ⇒X= .
0 −6 0 −3
II) Dependencia e independencia lineal en el R-Espacio Vectorial Mm×n (R)

Una matriz A ∈ Mm×n (R) se dice combinación lineal de las matrices A1 , A2 . . . , An
si existen escalares λ1 , λ2 , . . . , λn ∈ R tales que A = λ1 .A1 + λ2 .A2 + . . . + λn .An .
Dado el R-espacio vectorial Mm×n (R) y un subconjunto de matrices A1 , A2 . . . , An de

Mm×n (R), siempre es posible escribir a la matriz nula como C.L. de ellas; basta tomar
todos los coeficientes de la C.L. iguales a cero. Es decir, O = 0.A1 + 0.A2 + . . . + 0.An .
A esta forma se la denomina trivial.
Si la única forma de escribir a la matriz nula como C.L. de A1 , A2 . . . , An es la triv-

ial, se dice que las matrices A1 , A2 . . . , An son linealmente independientes (L.I.) o
que el conjunto de matrices {A1 , A2 . . . , An } es linealmente independiente (L.I.). Caso
contrario, es decir, si existen varias maneras de escribir a la matriz nula como C.L. de
A1 , A2 . . . , An entonces las matrices A1 , A2 . . . , An se dicen linealmente dependientes
(L.D.).

GECGA-BB
Ejemplos:

7 1
1) Indicar si es posible escribir a la matriz A = como combinación lineal de
−4 5
las matrices dadas a continuación. En caso de ser posible indicar si la combinación
lineal es única.

10 5 −5 −2
a) A1 = , A2 =
5 0 −1 −1

1 1 3 1 0 0
b) B1 = , B2 = , B3 =
1 0 0 1 0 1

2 1 1 0 −5 −3
c) C1 = , C2 = , C3 =
1 0 −1 0 −4 1
a) Veamos si existen α y β reales tales que A = α.A1 + β.A2 , esto es:

7 1 10 5 −5 −2
= α. + β.
−4 5 5 0 −1 −1
Haciendo cuentas resulta:

7 1 10α − 5β 5α − 2β
=
−4 5 5α − β −β
Por igualdad de matrices se obtiene el siguiente sistema de ecuaciones lineales:


 10α − 5β = 7
5α − 2β = 1


 5α − β = −4
− β = 5

Haciendo el método de eliminación de Gauss- Jordan obtenemos los siguientes

sistemas equivalentes al dado:
1 − 21 | 10 7
   
10 −5 | 7
F2 −→ F2 + (−5)F1
 F1 −→ 1 F1  5 −2 | 1 
 5 −2 | 1   

 5 −1 | −4  F3 −→ F3 + (−5)F1
10  5 −1 | −4 
F4 −→ (−1)F4
0 −1 | 5 0 −1 | 5
1 − 21 | 10 7
1 − 21 | 107
   
 0 1 | −5   0 1 | −5  F3 −→ F3 + (− 23 )F2
 0 3 | − 15  F2 −→ 2F2  0 3 | − 15 
 2 2   
2 2 2 2
F4 −→ F4 + (−1)F2
0 1 | −5 0 1 | −5

GECGA-BB
1 − 12 7
| − 59
   
| 10 1 0
 0 1 | −5 
 1  0 1 | −5 
F −→ F1 + F2 
| 0  1
 
 0 0 2  0 0 | 0 
0 0 | 0 0 0 | 0
Es claro que el sistema tiene una única solución: α = − 95 y β = −5. Luego A se
puede escribir de una única manera como combinación lineal de las matrices A1 y
A2 , y esa combinación lineal es: A = − 59 A1 + (−5)A2
b) Veamos si existen α , β y γ reales tales que A = α.B1 + β.B2 + γ.B3 , esto es:

7 1 1 1 3 1 0 0
= α. + β. + γ.
−4 5 1 0 0 1 1 0
Haciendo cuentas y por igualdad de matrices obtenemos el siguiente sistema de

ecuaciones lineales: 

 α + 3β = 7
α + β = 1


 α + γ = −4
β = 5

Resolviendo por el método de eliminación de Gauss-Jordan:

   
1 3 0 | 7 1 3 0 | 7
 1 1 0 | 1  F2 −→ F2 + (−1)F1  0 −2
  0 | −6 
 
 1 0 1 | −4  F3 −→ F3 + (−1)F1  0 −3 1 | −11 
0 1 0 | 5 0 1 0 | 5
 
1 3 0 | 7
1  0 −2 0 | −6 
F4 −→ F4 + F2  
2  0 −3 1 | −11 
0 0 0 | −2
Es evidente que este sistema es incompatible, por lo tanto no es posible escribir a
la matriz A como combinación lineal de las matrices B1 , B2 y B3 .
c) Veamos si existen α , β y γ reales tales que A = α.C1 + β.C2 + γ.C3 , esto es:

7 1 2 1 1 0 −5 −3
= α. + β. + γ.
−4 5 1 0 −1 1 −4 1

GECGA-BB
Para ello debemos resolver el siguiente sistema:



 2α + β − 5γ = 7
α − 3γ = 1


 α − β − 4γ = −4
β + γ = 5

Resolviendo:
1 12 − 52 | 27
   
2 1 −5 | 7
 1 0 −3 | 1  1  1 0 −3 | 1 
 1 −1 −4 | −4  F1 −→ 2 F1
   
 1 −1 −4 | −4 
0 1 1 | 5 0 1 1 | 5
1 12 − 25 7
 
| 2
F2 −→ F2 + (−1)F1  0 −1 −1| − 52 
 2 2  F4 ←→ F2
F3 −→ F3 + (−1)F1  0 −3 −3| − 15 
2 2 2
0 1 1| 5
1 21 − 52 | 7 1
− 25 | 72
   
2
1 2
3

 0 1 1 | 5  F3 −→ F3 + 2 F2  0
  1 1 | 5 
 0 − 2 − 32 | − 15
3
2
 F4 −→ F4 + 1 F2  0
2
0 0 | 0 
1 1 5
0 −2 −2 | −2 0 0 0 | 0
 
1 0 −3 | 1
1  0 1 1 | 5 
F1 −→ F1 + (− )F2 
 0 0 0 |

2 0 
0 0 0 | 0
Observar que las incógnitas α, β son las variables principales y γ es una variable
no principal. Luego, tenemos que el sistema equivalente al dado es:

 α = 1 + 3γ
α − 3γ = 1
=⇒ β = 5−γ
β + γ = 5
γ : arbitrario

Luego la solución será:
Solución = {(α, β, γ) = (1 + 3t, 5 − t, t), t ∈ R}.

GECGA-BB
Por lo tanto hay infinitas posibilidades para escribir la matriz A como combinación
lineal de las matrices C1 , C2 y C3 , y todas ellas son de la forma:
A = (1 + 3t)C1 + (5 − t)C2 + tC3 , t ∈ R

2 1 0 4 3 0
2) ¿Es el conjunto A = M = ,H = L.I.?
3 0 1 6 0 3

0 0 0 2 1 0 4 3 0
Sea =α +β , α, β ∈ R
0 0 0 3 0 1 6 0 3
Operando obtenemos la igualdad:

0 0 0 2α + 4β α + 3β 0
= ,
0 0 0 3α + 6β 0 α + 3β
de donde resulta el siguiente sistema de ecuaciones lineales homogéneo:


 2α + 4β = 0
α + 3β = 0




0 = 0


 3α + 6β = 0
0 = 0




α + 3β = 0

Utilizando el Método de Eliminación de Gauss Jordan obtenemos el sistema equiva-

lente asociado a la matriz escalonada reducida, de más fácil resolución:
     
2 4 0 1 2 0 1 2 0

 1 3 0 


 1 3 0 
 F2 −→ F2 + (−1)F1

 0 1 0 

0 0 0  F1 −→ 1 F1 0 0 0 0 0 0
     
   F4 −→ F4 + (−3)F1  

 3 6 0 
 2 
 3 6 0 
 F6 −→ F6 + (−1)F1

 0 0 0 

 0 0 0   0 0 0   0 0 0 
1 3 0 1 3 0 0 −1 0
   
1 2 0 1 0 0

 0 1 0 


 0 1 0 

 0 0 0   0 0 0 
F6 −→ F6 + F2   F1 −→ F1 + (−2)F2  

 0 0 0 


 0 0 0 

 0 0 0   0 0 0 
0 0 0 0 0 0

GECGA-BB
Luego, la solución del sistema homogéneo es {(α, β) = (0, 0)}., es decir que la única
solución
que admite el sistema planteado
es la trivial. Por lo tanto, el conjunto
2 1 0 4 3 0
A= M = ,H = es linealmente independiente.
3 0 1 6 0 3
III) Subespacios del R-Espacio Vectorial Mm×n (R)

Sea S un subconjunto de Mm×n (R), es decir, S ⊆ Mm×n (R). Entonces S es un subespacio
de Mm×n (R) si y sólo si se verifican las siguientes tres condiciones:
a) O ∈ S
b) Si A y B ∈ S entonces A + B ∈ S
c) Si λ ∈ R y A ∈ S entonces λ.A ∈ S
Ejemplos:
a) Los conjuntos {O ∈ Mm×n (R)} y Mm×n (R) son subespacios de Mm×n (R). A estos
subespacios se los llama subespacios triviales.

a 0
b) Los siguientes subconjuntos de M2 (R) son subespacios: S1 = :a∈R ;
00
a 0 a 2a a 2a
S2 = : a ∈ R , S3 = : a, c ∈ R , S4 = : a, c, d ∈ R .
−5a 0 c 2a + c c πd

a 0
Notar que los siguientes subconjuntos de M2 (R) no son subespacios: H1 = :a∈R ;
0 2
a 0 a 2a a 2a
H2 = : a ∈ R , H3 = : a, c ∈ R , H4 = : a, c, d ∈ R .
−5a + 1 0 c 2 c π+d
IV) Subespacio generado por un conjunto de matrices dadas

Dadas A1 , A2 , . . . , An ∈ Mm×n (R) llamaremos subespacio generado por A1 , A2 , . . . , An
y lo notaremos {A1 , A2 , . . . , An } o hA1 , A2 , . . . , An i al conjunto de todas las combina-
ciones lineales de A1 , A2 , . . . , An .
Es decir, el subespacio S generado por A1 , A2 , . . . , An es:
S = {A ∈ Mm×n (R) : A = λ1 .A1 + λ2 .A2 + . . . + λn .An ; λ1 , λ2 , · · · ,n ∈ R}

GECGA-BB
Al conjunto {A1 , A2 , . . . , An } se lo denomina sistema de generadores de S.. Decimos

que un vector A pertenece al subespacio generado por el conjunto {A1 , A2 , . . . , An } si la
matriz A es combinación lineal de las matrices {A1 , A2 , . . . , An }.
Ejemplos:
   
−1 0 1 3
a) Indicar si A =  −4 8  pertenece al subespacio generado por D =  −2 4  y
  −9 2 0 1
1 2
H = 0 0 .

3 0
Para saber si A pertenece al subespacio generado por D Y H debemos ver si la matriz
A es combinacion lineal de las matrices D y H. Esto es, hallar, si existen, los valores
de α y β tales que:
     
−1 0 1 3 1 2
 −4 8  = α  −2 4  + β  0 0 
−9 2 0 1 3 0
De lo anterior resulta:
   
−1 0 α + β 3α + 2β
 −4 8  =  −2α 4α 
−9 2 3β α
obteniendo ası́ el siguiente sistema:



 α − β = −1
3α + 2β = 0




−2α = −4


 4α = 8
3β = −9




α = 2

Resolviendo el sistema obtenemos que su solución es {(α, β) = (2, −3)}.
    
−1 0 1 3 1 2
Luego A ∈ {D, H} ya que  −4 8  = 2  −2 4  + (−3)  0 0 
−9 2 0 1 3 0

GECGA-BB
     


 2 5 −1 4 1 2  
b) Determinar α ∈ R de modo que P ∈ A1 =  0 2  , A2 =  0 −1  , A3 =  0 1 
3 0 5 0 1 0 

 
 
3 α
siendo P =  0 3 .
7 0
     

 2 5 −1 4 1 2  
Llamemos S = A1 =  0 2  , A2 =  0 −1  , A3 =  0 1  . Si P ∈ S
3 0 5 0 1 0 

 
entonces P es combinación lineal de A1 , A2 y A3 .
Determinemos para qué valores de α existen números reales λ, β y γ tales que
P = λA1 + βA2 + γA3 . Esto es:
       
3 α 2 5 −1 4 1 2
 0 3  = λ  0 2  + β  0 −1  + γ  0 1 
7 0 3 0 5 0 1 0
Operando:
   
3 α 2λ − β + γ 5λ + 4β + 2γ
 0 3 = 0 2λ − β + γ 
7 0 3λ + 5β + γ 0
Utilizando la igualdad entre matrices resulta el siguiente sistema de ecuaciones
lineales: 

 p11 : 2λ − β + γ = 3
p12 : 5λ + 4β + 2γ = α




p21 : 0 = 0


 p22 : 2λ − β + γ = 3
p : 3λ + 5β + γ = 7

 31



p32 : 0 = 0
El ejercicio no nos pide cuál es la combinación lineal, sino que analicemos si existe
dicha combinación lineal. Por ello, se puede utilizar el Teorema de Rouché Frobe-
nius ya que basta analizar si el sistema es compatible, sin necesidad de hallar la
solución del mismo. Luego hallaremos el rango de la matriz de coeficientes A y el
rango de la matriz ampliada del sistema (A/B). Lo realizaremos en forma simultánea:

GECGA-BB
1
| 23
   
2 −1 1 | 3 1 −1 2 2
 5 4 2 | α   5 4 2 | α 
 2 −1 1 | 3  F2 −→ F2 + (−5)F1
   
 2 −1 1 | 3  1
 3 5 1 | 7  F1 −→ 2 F1  3 5 1 | 7  F3 −→ F3 + (−2)F1
   
 0 0 0 | 0  F4 −→ F4 + (−3)F1
   
 0 0 0 | 0 
0 0 0 | 0 0 0 0 | 0
1 3 1 3
   
1 −1 2 2
| 2
1 −1
2 2
| 2
 0 13 − 1 | − 15 + α   0 13 − 1 | − 15 + α 
 2 2 2   2 2 2 
 0 0 0 | 0   0 0 0 | 0 

 0 13 1 5
 F 4 −→ F 4 + (−1)F 1
 5 15

 2
− 2
| 2


 0 0
 0 | 2
+ 2
− α 

 0 0 0 | 0   0 0 0 | 0 
0 0 0 | 0 0 0 0 | 0
1 3
 
1 −1
2 2
| 2
 0 13 − 1 | − 15 + α 
 2 2 2 
 0 0 5 15
0 | + − α 
F3 ←→ F4   0 0
2 2 
 0 | 0 

 0 0 0 | 0 
0 0 0 | 0
1
 
1 −1 2 2
 0 13 − 1 
 2 2 
 0 0 0 
Es claro que ρ(A) = 2 ya que la matriz   0 0
 tiene dos filas no nulas
 0  
 0 0 0 
0 0 0
independientemente del valor que toma α. En cambio, ρ(A/B) depende del valor que
tome α,
2 si 52 + 15

−α=0
ρ(A/B) = 5
2
15
3 si 2 + 2 − α 6= 0
Por el Teorema de Rouché- Frobenius sabemos que el sistema es compatible sólo si
ρ(A) = ρ(A/B). En nuestro caso podemos asegurar que esa situación se da cuando
5
2
+ 15
2
− α = 0. Por lo tanto cuando α = 10 , la matriz P ∈ S.

1 2 1 0
c) Hallar la forma general del subespacio generado por , .
3 5 2 4
Necesitamos averiguar cuáles son las matrices que se pueden escribir como combi-
nación lineal de las matrices dadas. Es decir, determinar bajo qué condiciones una

GECGA-BB
( )
a b 1 2 1 0
matriz arbitraria es un elemento del subespacio S = , .
c d 3 5 2 4

a b
Sabemos que ∈ S si existen α, β ∈ R tales que
c d

a b 1 2 1 0
=α +β (1)
c d 3 5 2 4
Es decir:
a b α+β 2α
=
c d 3α + 2β 5α + 4β
de donde resulta: 

 α + β = a
2α = b


 3α + 2β = c
5α + 4β = d

Es necesario analizar las condiciones sobre los números reales a, b, c y d de manera que
el sistema anterior sea compatible, ya que de eso depende la existencia de los escalares
α, β que verifican (1).
   
1 1 | a 1 1 | a
 2 0 | b  F2 −→ F2 + (−2)F1  0 0 | b − 2a 

 3 2 | c 
 F3 −→ F3 + 3F1  0 −1 | c − 3a  F4 −→ F4 + (−1)F3
 
F4 −→ F4 + (−5)F1
5 4 | d 0 −1 | d − 5a
   
1 1 | a 1 1 | a
 0 0 | b − 2a  F3 −→ F2  0 −1 | c − 3a
  
 
 0 −1 | c − 3a   0 0 | b − 2a 
0 0 | d − 5a − c + 3a 0 0 | d − 5a − c + 3a
   
1 1 1 1 | a
 0 −1   0 −1 | c − 3a 
Sean A =  0 0  y (A/B) =  0 0 |
  . Es claro que ρ(A) = 2
b − 2a 
0 0 0 0 | d − 5a − c + 3a
y que este número no depende de los valores de a, b, c y d. Además, el sistema debe ser
b − 2a = 0
compatible, lo que implica que ρ(A/B) = 2. Esto sucede si y sólo si .
d − c − 2a = 0
Luego,
a b b − 2a = 0
S= ∈ M2 (R) :
c d d − c − 2a = 0

GECGA-BB
También podemos escribir el subespacio de las siguientes maneras:

a b a 2a
S= ∈ M2 (R) : b − 2a = 0 , d − c − 2a = 0 , S = : a, c ∈ R
c d c 2a + c
La siguiente proposición resulta de gran utilidad pues simplifica los cálculos numéricos.
Proposición:
Si A ∈ Mm×n (R) es C.L. de A1 , A2 , . . . , An entonces
{A1 , A2 , . . . , An , A} = {A1 , A2 , . . . , An }
Es decir que, dado un sistema de generadores del R-espacio vectorial Mmxn (R) podemos
suprimir de él aquellos que son C.L. de los restantes.
Ejemplos: Hallar la forma general de las matrices que pertenecen a:

1 3 3 9
a) M = , .
2 8 6 24
3 9 1 3
Como =3· entonces:
6 24 2 8

1 3 3 9 1 3 λ 3λ
M= , = = , λ∈R
2 8 6 24 2 8 2λ 8λ

1 2 1 0 8 14
b) T = , , .
3 5 2 4 23 39

8 14 1 2 1 0
Como =7 +1 entonces,
23 39 3 5 2 4

1 2 1 0 8 14 1 2 1 0 a 2a
, , = , = : a, c ∈ R
3 5 2 4 23 39 3 5 2 4 c 2a + c
V) Bases y dimensión de un subespacio S del R-Espacio Vectorial Mm×n (R).

Sea S un subespacio de Mm×n (R) y sea B un subconjunto de S. Entonces B se dice una
base ordenada del subespacio S si:
1) B es un conjunto linealmente independiente.

GECGA-BB
2) B es un sistema de generadores de S.
Es decir, una base del subespacio S es un conjunto de matrices L.I. que genera a S, es
decir, que toda matriz de S se escribe de una ÚNICA manera como C.L. de
las matrices de B.
Ejemplos.

1 0 0 1 0 0 0 0
(a) El conjunto C = E1 = , E2 = , E3 = , E4 =
0 0 0 0 1 0 0 1
es una base ordenada del espacio vectorial M2 (R). Esta base ordenada recibe el
nombre de base canónica de M2 (R). En efecto:
C esun conjunto
L.I.

0 0 1 0 0 1 0 0 0 0
Sea = α. + β. + δ. + γ. . Es claro
0 0 0 0 0
 0 1 0 0 1

 α=0
β=0

que la única solución del sistema es la trivial. Luego, las matrices

 δ=0
γ=0

E1 , E2 , E3 y E4 son L.I.
C es un sistema de generadores de M2 (R) ya que cualquier matriz de orden 2
se puede
escribir
como combinación lineal de ellas.
a b
Sea una matriz arbitraria de M2 (R). Es claro que:
c d

a b 1 0 0 1 0 0 0 0
= a. + b. + c. + d.
c d 0 0 0 0 1 0 0 1

1 2 0 1 0 −2 0 0
(b) Se puede probar que B = , , , es una base
3 4 1 0 1 1 0 3
ordenada de M2 (R) utilizando el hecho de que si B es base de M2 (R) significa que
toda matriz de Mm×n (R) se escribe de una ÚNICA manera como C.L. de
las matrices de B.
En efecto:

a b
Sea ∈ M2 (R). Debemos probar que EXISTEN α, β, δ, γ ∈ R ÚNICOS
c d
tales que:

a b 1 2 0 1 0 −2 0 0
=α +β +δ +γ
c d 3 4 1 0 1 1 0 3

GECGA-BB
Lo anterior es equivalente a demostrar que el sistema de ecuaciones lineales con

incógnitas α, β, δ y γ siguiente es compatible determinado ∀a, b, c, d ∈ R.


 α = a
2α +β −2δ = b


 3α +β +δ = c
4α +δ +3γ = d

Utilizando el método de eliminación de Gauss un posible sistema equivalente es el

siguiente: 

 α = a
β −2δ = −2a + b


 δ +3γ = −4a + d
−9γ = 11a − 3d − b + cd

Es claro que tanto el rango d ela matriz de coeficientes como el de la matriz am-
pliada es 4 para cualquier elección de a, b, c y d ∈ R. Luego, teniendo en cuenta
el Teorema de Rouché Frobenius, este sistema de ecuaciones lineales es compatible
determinado para cualquier elección de a, b, c y d. Quedando ası́ demostrado que el
conjunto B es una base de M2 (R).
Por lo tanto, toda matriz de M2 (R) se escribe de una única manera como CL de
dichas matrices. En particular,
Ası́, tenemos
que la 4-upla de números reales (1, −1, 3, 0) representa a la matriz
1 −5
A= en la base B dada, ya que
5 7

1 −5 1 2 0 1 0 −2 0 0
= 1. + (−1). + 3. + 0.
5 7 3 4 1 0 1 1 0 3
 
1
 −1 
Escribimos: (A)B = (1, −1, 3, 0) o [A]B =  3 .

0
A estas expresiones se las llama vector de componentes de la matriz A.

4 4
Por otra parte, para hallar las componentes de la matriz F = en la base
11 8
B dada se resuelve el sistema de ecuaciones que resulta de escribir a la matriz F
como C.L. de los
elementos
dela baseB. Esdecir,
se buscan
los valores
α, β, γ y µ
4 4 1 2 0 1 0 −2 0 0
que verifican: = α. + β. + γ. + µ. .
11 8 3 4 1 0 1 1 0 3

GECGA-BB
 
4
 −2 
Haciendo cuentas obtenemos que (F )B = (4, −2, 1, −3) o [F ]B =   1 .

−3
Observación: Si hubiéramos hallado la solución del sistema de ecuaciones lineales
planteado para demostrar que B es una base de M2 (R) hubiéramos podido hallar
los coeficientes de la C.L. de cualquier matriz de orden 2.

a b
(c) Consideremos el subespacio S = ∈ M2 (R) : a + 3b = 0 de M2 (R). El
c d
3 −1 0 0 0 0
conjunto B = A1 = , A2 = , A3 = es una base del
0 0 1 0 0 1
subespacio S. En efecto:
B esun conjunto
L.I.

0 0 3−1 0 0 0 0
Sea = α. + β. + δ. . Es claro que la única
0 0 00 1 0 0 1
3.α = 0


α=0

solución del sistema . Luego, las matrices A1 , A2 y A3 son L.I.

β=0
δ=0

B es un sistema de generadores de S.
−3.b b
Como a+3b = 0, podemos reescribir el conjunto S como S = : b, c, d ∈ R
c d
Luego, vemos que

−3.b b −3b b 0 0 0 0
= + +
c d 0 0 c 0 0 d

−3.b b −3 1 0 0 0 0
= b. + c. + d. .
c d 0 0 1 0 0 1
De la igualdad anterior resulta que cualquier matriz perteneciente al subespacio

S se puede escribir como C.L. de las matrices A1 , A2 y A3 , lo que es equivalente
a decir que estas tres matrices generan al subespacio S.
Sea S un subespacio de Mm×n (R). Se llama dimensión de S a la cardinabilidad de

cualquier base B de S. Esto es, si la cardinabilidad de B es t, es decir S posee una
base con t matrices, entonces la dimensión de S es t y se nota dim S = t.
De los ejemplos anteriores resulta que dim(M2 (R)) = 4 y dim(S) = 3.
Observaciones relacionadas con un R-E.V. Mm×n (R):

GECGA-BB
i. Se prueba que dim(Mm×n (R)) = m.n.

ii. Si S es un subespacio de Mm×n (R) entonces dim(S) ≤ dim(Mm×n (R)).
iii. Si S = {A1 , A2 , . . . , Ak } entonces dim(S) es el número máximo de matrices
L.I. existentes entre las k matrices generadoras. Por lo tanto, para hallar una
base de S se debe elegir el número máximo de matrices L.I. que hay entre las
k matrices generadoras.
Por ejemplo, para hallar una base del subespacio

1 2 1 0 8 14
S= , ,
3 5 2 4 23 39
buscamos las matrices linealmente independientes. Ya vimos que podemos elim-

inar a la última por ser combinación lineal de las anteriores. Es fácil verificar
que las otras dos matrices generadoras son linealmente independiente.
Luego, una base de S puede ser

1 2 1 0
BS = ,
3 5 2 4
Bibliografı́a
1) Anton, H. (1996). Introducción al álgebra Lineal. LIMUSA,S.A.. México, D.F.
2) Florey, F. (1980). Fundamentos de álgebra lineal y aplicaciones. PRENTICE-
HALL HISPANOAMERICANA,S.A.. México, D.F.
3) Grossman, S. (2007). Álgebra Lineal. Mc. Graw Hill Interamericana. China.
4) Kozak, A. Pompeya, S. Vardanega, P. (2007). Nociones de Geometrı́a Analı́tica
y álgebra Lineal. Mc. Graw Hill Interamericana. Argentina.
5) Nakos, G., Joyner D. (1999). Álgebra Lineal con Aplicaciones. International
Thomson Editores,S.A.. México, D.F.


02 Alg Matricial

Cargado por

Información del documento

Título original

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

02 Alg Matricial

Cargado por

Copyright:

Formatos disponibles

GECGA-BB

Álgebra Matricial (Parte I)

Matrices y operaciones matriciales

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

9) Una matriz cuadrada A = [aij ] de orden n se dice:

1. A ∈ M3×2 (R) tal que aij = 1 + 3j.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Como aij = 1 + 3j para todo 1 ≤ i ≤ 3 y 1 ≤ j ≤ 2, tenemos que:

3. C ∈ M2×4 (R) tal que cij = (−1)i+j .

4. D ∈ M3 (R) tal que la suma de todos sus elementos sea 8.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Operaciones con matrices

Propiedades de la Suma de matrices

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

b) Multiplicación de un escalar por una matriz (operación binaria externa

Propiedades de la Multiplicación de un escalar real por una matriz

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

La estructura de R-espacio vectorial que tiene el conjunto de las matrices rectangulares

I) Ecuaciones matriciales en Mm×n (R)

I) Ecuaciones matriciales en Mm×n (R).

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

b) 3X + I3 = A Observemos que en este caso, la ecuación matricial no está bien definida

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

II) Dependencia e independencia lineal en el R-Espacio Vectorial Mm×n (R)

Dado el R-espacio vectorial Mm×n (R) y un subconjunto de matrices A1 , A2 . . . , An de

Si la única forma de escribir a la matriz nula como C.L. de A1 , A2 . . . , An es la triv-

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

a) Veamos si existen α y β reales tales que A = α.A1 + β.A2 , esto es:

Haciendo el método de eliminación de Gauss- Jordan obtenemos los siguientes

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Haciendo cuentas y por igualdad de matrices obtenemos el siguiente sistema de

Resolviendo por el método de eliminación de Gauss-Jordan:

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Para ello debemos resolver el siguiente sistema:

Luego la solución será:

Solución = {(α, β, γ) = (1 + 3t, 5 − t, t), t ∈ R}.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

A = (1 + 3t)C1 + (5 − t)C2 + tC3 , t ∈ R

Utilizando el Método de Eliminación de Gauss Jordan obtenemos el sistema equiva-

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

III) Subespacios del R-Espacio Vectorial Mm×n (R)

IV) Subespacio generado por un conjunto de matrices dadas

S = {A ∈ Mm×n (R) : A = λ1 .A1 + λ2 .A2 + . . . + λn .An ; λ1 , λ2 , · · · ,n ∈ R}

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Al conjunto {A1 , A2 , . . . , An } se lo denomina sistema de generadores de S.. Decimos

obteniendo ası́ el siguiente sistema:

Resolviendo el sistema obtenemos que su solución es {(α, β) = (2, −3)}.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

También podemos escribir el subespacio de las siguientes maneras:

Ejemplos: Hallar la forma general de las matrices que pertenecen a:

V) Bases y dimensión de un subespacio S del R-Espacio Vectorial Mm×n (R).

1) B es un conjunto linealmente independiente.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

Lo anterior es equivalente a demostrar que el sistema de ecuaciones lineales con

Utilizando el método de eliminación de Gauss un posible sistema equivalente es el

GECGA-BB: Grupo de Educación en Cálculo , Geometrı́a y Álgebra- Bahı́a Blanca.

De la igualdad anterior resulta que cualquier matriz perteneciente al subespacio

Sea S un subespacio de Mm×n (R). Se llama dimensión de S a la cardinabilidad de