Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

Espacio vectorial

Un conjunto V que tiene definida una operación de suma y de producto por un escalar, es un
espacio vectorial si cumple los siguientes axiomas:

▪ Si x, y  V , entonces ( x + y )  V . La suma es cerrada.

▪ ( x + y ) + z = x + ( y + z ) para todo x, y, z  V . La suma es asociativa.

▪ Existe un elemento 0  V tal que para todo x V , x + 0 = 0 + x = x . Existe neutro

para la suma.

▪ Si x V , existe un elemento − x V tal que x + (− x) = 0 . Todo elemento tiene

opuesto aditivo.

▪ Si x V , y  V , entonces x + y = y + x . La suma es conmutativa.

▪ Si x V , α∊V, entonces  x V . La multiplicación por un escalar es cerrada.

▪ Si x, y  V , α∊V, entonces  ( x + y ) =  x +  y . Vale la primera ley distributiva.

▪ Si x V , α,β∊V, entonces ( +  )x =  x +  x . Vale la segunda ley distributiva.

▪ Si x V , α,β∊V, entonces (   ) x =   (  x) . La multiplicación por escalar es

asociativa.

▪ Para todo x V , 1 x = x . Existe neutro para la multiplicación por escalar.

Algunos conjuntos que cumplen esta definición son: ℝ2, ℝ3, ℝn, ℝmxn.

Independencia lineal

Ya definimos cómo se arma una combinación lineal de dos vectores, y también una
combinación lineal de dos matrices. Esa definición puede extenderse para armar una
combinación de n elementos de un mismo espacio vectorial.

44
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

Definición: Sean v1 , v2 ,..., vn , n elementos de un espacio vectorial V. Se dice que estos

elementos son linealmente dependientes si existen n escalares c1 , c2 ,..., cn no todos nulos tales
que : c1v1 + c2v2 + ... + cn vn = 0 .

Es decir, son dependientes si existe una combinación lineal que genere al elemento nulo del
espacio vectorial V, donde no todos los coeficientes son cero (que sería la combinación trivial).

Si la única combinación que genera al elemento nulo es tomando todos coeficientes nulos, se
dice que v1 , v2 ,..., vn son linealmente independientes.

Ejemplo

1   −2 
▪ Los vectores de ℝ2:   ,   son linealmente dependientes, pues dado que son
 2   −4 
1   −2   0 
múltiplos, es posible armar la combinación 2   + 1  = .
 2  −4   0 

Esta es una combinación donde no son todos los coeficientes nulos y genera el vector
nulo de ℝ2, por lo tanto los vectores son linealmente dependientes.

1   2
▪ Los vectores   ,   no son múltiplos. Si buscamos una combinación entre ellos, que
 2 3
genere el vector nulo, hay que hallar coeficientes que satisfagan la expresión:
1   2  0
c1   + c2   =   .
 2 3   0

c1 + 2c2 = 0
Entonces debemos resolver el sistema  , cuya matriz ampliada es
 2c1 + 3c2 = 0
1 2 0  1 2 0  F2 − 2 F1  1 2 0 
  . Al escalonar, se obtiene   ⎯⎯⎯→   . Por lo tanto, hay
 2 3 0  2 3 0  0 −1 0 
solución única, la trivial: c1 = c2 = 0 .

1   2 
Luego, los vectores   ,   son linealmente independientes.
 2 3 

45
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

1   2  1   2  0
▪
         
Los vectores 0 , 2 no son múltiplos. La combinación c1 0 + c2 2 = 0 se da si
         
 3  1  3 1   0 
         
c1 + 2c2 = 0

los coeficientes satisfacen si el sistema de ecuaciones 2c2 = 0 , cuya matriz
3c + c = 0
 1 2
1 2 0
 
ampliada es  0 2 0  .
3 1 0
 

1 2 0 1 2 0 1 2 0
  F3 −3 F1   F3 + 52 F2  
Resolviendo:  0 2 0  ⎯⎯⎯→  0 2 0  ⎯⎯⎯→  0 2 0  .
3 1 0  0 −5 0  0 0 0
     

Como el rango de la matriz de los coeficientes y el de la matriz ampliada es 2, y se

tenían dos incógnitas, el sistema tiene solución única c1 = c2 = 0 .

1   2 
   
Concluimos que los vectores 0 , 2 son linealmente independientes.
   
 3  1 
   

1   2   3 
▪
     
Los vectores 0 , 2 , 4 . No hay dos vectores que sean uno múltiplo del otro, sin
     
 3  1   −1
     
embargo, esto no significa que sean independientes. Para decidirlo, hay que ver si la
1   2 3  0
       
combinación c1 0 + c2 2 + c3 4 = 0 puede darse con coeficientes no todos
       
3 1   −1  0 
       
c1 + 2c2 + 3c3 = 0

nulos, es decir si el sistema 2c2 + 4c3 = 0 tiene solución única (la trivial), o
3c + c − c = 0
 1 2 3
1 2 3 0
 
infinitas soluciones. La matriz ampliada es  0 2 4 0  .
 3 1 −1 0 
 

46
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

1 2 3 0 1 2 3 0 1 2 3 0
  F3 −3 F1   F3 + 52 F2  
Al resolver:  0 2 4 0  ⎯⎯⎯→  0 2 4 0  ⎯⎯⎯→  0 2 4 0  .
 3 1 −1 0   0 −5 −10 0  0 0 0 0
     

Como el rango de la matriz de los coeficientes es 2, y el rango de la matriz ampliada es

3, el sistema tiene infinitas soluciones. Por ejemplo, c1 = 1, c2 = −2, c3 = 1 . Con estos
coeficientes (que no son todos nulos), se arma la combinación
1   2 3   0 1   2   3 
        , lo que prueba que los vectores       son
1 0  + (−2)  2  + 1 4  =  0   0, 2, 4 
3 1   −1  0   3  1   −1
             
linealmente dependientes.

A partir de los ejemplos dados, podemos intuir que la independencia lineal tiene que ver con
el rango de la matriz de coeficientes que se construye para resolver el sistema
c1v1 + c2v2 + ... + cnvn = 0 . Si este sistema tiene solución única (trivial), los vectores son
independientes. Si este sistema tiene infinitas soluciones, los vectores son dependientes. No
puede darse el caso de incompatibilidad, pues la solución trivial c1 = c2 = ... = cn = 0 siempre
satisface.

Llamemos A a la matriz de coeficientes del sistema de ecuaciones c1v1 + c2v2 + ... + cn vn = 0 . En

sus columnas están las componentes de los vectores v1 , v2 ,..., vn .

Para que el sistema tenga solución única, debe ser rango( A) = n . En ese caso, v1 , v2 ,..., vn son
linealmente independientes.

Para que este sistema tenga infinitas soluciones, debe ser rango( A)  n . En ese caso,
v1 , v2 ,..., vn son linealmente dependientes.

Si además la matriz A es cuadrada (es decir, si se arma con n vectores de n componentes),

entonces también se le puede calcular el determinante, y sacar conclusiones en base a su
valor. Si el determinante es cero, el rango de A es menor a n, por lo tanto el sistema tiene
infinitas soluciones, y los vectores son linealmente dependientes. Si el determinante es
distinto de cero, el rango de A es igual a n, por lo tanto el sistema tiene solución única, y los
vectores son linealmente independientes.

Volcamos todos estos resultados en el siguiente teorema:

47
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

Teorema

Se tienen n vectores v1 , v2 ,..., vn de un mismo espacio vectorial. Sea A la matriz cuyas

columnas son los n vectores.

▪ Si rango( A) = n , entonces los vectores son linealmente independientes.

▪ Si rango( A)  n , entonces los vectores son linealmente dependientes.

En el caso de que la matriz obtenida sea cuadrada:

▪ Si det( A)  0 , entonces los vectores son linealmente independientes.

▪ Si det( A) = 0 , entonces los vectores son linealmente dependientes.

Base

Sea un espacio vectorial V. Se dice que un conjunto finito de vectores v1 , v2 ,..., vn  es una
base de V si:

▪ v1 , v2 ,..., vn son linealmente independientes.

▪ Cualquier vector w V puede generarse como combinación lineal de los vectores

v1 , v2 ,..., vn .

Ejemplo

 1   −2  
▪ El conjunto   ,    no es base de ℝ2 pues sus elementos no son linealmente
2 −
     4
independientes.

 1   2  
▪ El conjunto   ,    está formado por elementos que son linealmente
 2   3  
independientes. Falta ver si todo vector w ℝ22 se puede expresar como
1   2 
w = a  + b  .
 2 3 

48
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

 a + 2b = w1
Pero esto significa decidir si el sistema  es compatible para cualquier
 2a + 3b = w2
 1 2 w1 
par de valores w1 , w2 . La matriz ampliada del sistema es  .
 2 3 w2 

Como la matriz de coeficientes de este sistema tiene como columnas a los vectores del
conjunto, ya sabemos que su rango es 2, dado que los vectores eran independientes.
Pero entonces el rango de la matriz ampliada también será 2, y por tener dos
incógnitas, el sistema tiene solución única.

 1   2  
Luego,   ,    es base de ℝ2.
 2   3  

 1   2  
    
▪ El conjunto  0  ,  2   tiene elementos linealmente independientes. ¿Estos generan a
 3   1  
    
cualquier vector de ℝ3? Para decidirlo, hay que ver si es posible encontrar una
1   2 
   
combinación que genere cualquier w ℝ : 33 a  0  + b  2  = w . Se obtiene el sistema
 3  1 
   
 1 2 w1 
 
con matriz ampliada  0 2 w2  . La resolución muestra:
3 1 w 
 3

 1 2 w1  1 2 w1  1 2 w1 
  F3 −3 F1   F3 + 52 F2  
 0 2 w2  ⎯⎯⎯→  0 2 w2  ⎯⎯⎯→  0 2 w2 .
3 1 w   0 −5 w − 3w   0 0 w − 3w + w 
5
 3  3 1  3 1 2 2

La matriz de los coeficientes tiene rango 2, pero la matriz ampliada podría tener rango
3, si w3 − 3w1 + 52 w2  0 . Entonces no todos los vectores wℝ3 pueden ser generados
3

 1   2  
    
con los vectores del conjunto  0  ,  2   .
 3   1  
    

Por lo tanto, este conjunto no es base de ℝ3.

49
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

1   2   3  
      
▪ El conjunto  0  ,  2  ,  4   tiene elementos linealmente independientes (se puede
 3  1   −1 
      
verificar que el rango de la matriz cuyas columnas son los tres vectores es igual a 3).

¿Es posible generar a cualquier vector de ℝ3 a partir de estos tres vectores? Para
decidirlo, hay que ver es posible encontrar una combinación que genere cualquier
1   2   3 
wℝ33: a  0  + b  2  + c  4  = w .
 3  1   −1
     

 1 2 3 w1 
 
Se obtiene el sistema con matriz ampliada  0 2 4 w2  . Ya vimos que la matriz de
 3 1 −1 w 
 3

coeficientes tiene rango 3, por lo cual la matriz ampliada también debe tener rango 3.
Además el sistema tiene tres incógnitas, luego, tiene solución única. Cualquier vector
w ℝ33 se puede generar como combinación lineal de los vectores del conjunto.

1   2   3  
      
Por lo tanto, el conjunto  0  ,  2  ,  4   es base de ℝ3.
 3  1   −1 
      

Se puede demostrar que un espacio vectorial tiene infinitas bases, y que todas sus bases
tienen el mismo número de elementos.

Definición: Si el espacio vectorial V tiene una base con un número finito de elementos,
entonces la dimensión de V es el número de elementos en cualquiera de sus bases, y se nota
dim(V ) . Si V es el espacio nulo, su dimensión es 0.

 1   2  
Por ejemplo, como el conjunto   ,    es base de ℝ2, la dimensión del espacio ℝ2 es 2. La
 2   3  
dimensión de ℝ3 es 3; en general se tiene dim(ℝn)=n.

50
Álgebra lineal: Espacios vectoriales MATEMATICA II UNAJ

Ejercicios

1   0  
33. Demostrar que el conjunto B =   ,    es una base de ℝ2. Esta base se llama
 0   1  
canónica.

1   2   3  
      
34. Ya se probó que el conjunto B =  0  ,  2  ,  4   es base de ℝ3. Explicar por qué el
 3  1   −1 
      
1   2   3   0  
        
conjunto C =  0  ,  2  ,  4  ,  0   no es base, a pesar de que sus elementos
 3  1   −1  0  
        
generan todo ℝ3.

35. Escribir una base para el espacio vectorial ℝ3x2. ¿Cuál es su dimensión?

 1 0   2 0   0 2   0 −2  
36. Decidir si el conjunto  , , ,   es base de ℝ2x2.
 0 2   0 1   1 0   −1 3 
Justificar.

51
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

Autovectores y autovalores

Además de la inversa y el determinante, a las matrices cuadradas se les puede definir

autovalores y autovectores.

 nn . Se dice que un vectorvv∊ℝ n nno nulo es autovector de A si

Definición: Sea una matrizAA∊ℝ
se cumple A  v =   v para algún número λ∊ℝ. A este número se lo llama autovalor de A .

1  3 8  4
Por ejemplo,   no es autovector de la matriz A =   , y   sí lo es.
 −1  3 5 3 

Si calculamos los productos, se obtiene:

 3 8  1   −3  1  1 
     =   , que no es múltiplo de   , por lo cual   no es autovector de A ,
 3 5   −1  −2   −1   −1 

 3 8   4   36   4  4
     =   = 9    . Luego,   es autovector de A , asociado al autovalor  = 9 .
 3 5   3   27  3 3

Los autovalores y autovectores tienen aplicaciones en la resolución de sistemas de ecuaciones

diferenciales lineales; en modelos de crecimiento poblacional; en la rotación de cónicas y
cuádricas cuando estas tienen ejes de simetría que no son los ejes coordenados, etc.

El método para obtener todos los autovalores y los autovectores de una matriz cuadrada se
deduce a partir de lo ya estudiado sobre sistemas de ecuaciones lineales.

 nn , y supongamos quevv∊ℝ es un autovector de la matriz. Es decir que no es nulo, y

SeaAA∊ℝ
nn

cumple A  v =   v . Entonces A  v −   v = 0 . Equivalentemente, ( A −  I )  v = 0 .

Analizaremos el sistema de ecuaciones ( A − I )v = 0. La matriz de los coeficientes es

( (AA−−I I) )
∊ℝnnnn, el vector de las incógnitas es vv∊ℝ . Al estar igualado al vector 0 , el sistema
nn

tiene solución, el vector nulo. Como para ser autovector, v debe ser no nulo, lo que se pide es
que el sistema tenga más soluciones. Pero entonces tiene infinitas soluciones.

Por lo visto anteriormente, un sistema tiene infinitas soluciones si los rangos de las matrices
de coeficientes y ampliada coinciden y valen menos que la cantidad de incógnitas. En este

52
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

caso, debe ser Rango( A −  I )  n . Lo cual es cierto si det( A −  I ) = 0 . Caracterizamos a los

autovalores usando esta condición.

 nn , un número λ∊ℝ es autovalor de A si y sólo si cumple det( A −  I ) = 0 .

DadaAA∊ℝ

Ejemplo

3 8
Hallar todos los autovalores de la matriz A =  .
3 5

Ya habíamos visto que un autovalor es  = 9 , ahora usaremos la ecuación det( A −  I ) = 0

para encontrar todos sus autovalores.

3 8 1 0 3 −  8 
A − I =  − = 
 3 5 0 1  3 5−

3−  8 
 = (3 −  )  (5 −  ) − 8  3 =  − 8 − 9
2
det 
 3 5 −  

8  (−8)2 − 4 1 (−9) 8  100

 − 8 − 9 = 0   =
2
= = 45
2 1 2

Los autovalores son 1 = −1, 2 = 9 .

El siguiente paso es encontrar los autovectores asociados a los autovalores. Para eso hay que
resolver los sistemas de ecuaciones ( A −  I )  v = 0 .

▪ Para el autovalor  = −1 , tenemos

 3 − (−1) 8   4 8
A −  I = A − (−1) I =  =  . Se puede verificar que esta
 3 5 − ( −1)   3 6 
matriz tiene determinante 0.

4 8
El sistema de ecuaciones que permite encontrar los autovectores es  v = 0 .
 3 6

53
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

 4 8 0
Su matriz ampliada es   . Resolvemos por eliminación de Gauss:
 3 6 0
 4 8 0  F2 − 43 F1  4 8 0  14 F1  1 2 0 
  ⎯⎯⎯→   ⎯⎯→  .
 3 6 0  0 0 0 0 0 0

Traducido a ecuación, v1 + 2v2 = 0 , entonces v1 = −2v2 .

 −2v2   −2 
Por lo tanto, cualquier vector de la forma v =   =   v2 (con v2  0 ) es
 v2  1 
autovector asociado al autovalor  = −1 . Se puede escribir a los autovectores
 −2 
asociados a este autovalor como los múltiplos no nulos de  .
1 

3−9 8   −6 8 
▪ Para el autovalor  = 9 , es A −  I = A − 9 I =  =  . Esta matriz
 3 5 − 9   3 −4 
también tiene determinante 0.

 −6 8 
El sistema de ecuaciones que permite encontrar los autovectores es  v = 0 .
 3 −4 

 −6 8 0 
Su matriz ampliada es   . Resolvemos por eliminación de Gauss:
 3 −4 0 
 −6 8 0  F2 + 12 F1  −6 8 0  − 16 F1  1 − 43 0 
  ⎯⎯⎯→   ⎯⎯⎯ → .
 3 −4 0   0 0 0 0 0 0

Traducido a ecuación, v1 − 43 v2 = 0 , entonces v1 = 43 v2 .

 43 v2   4  v2
Por lo tanto, cualquier vector de la forma v =   =   3 (con v2  0 ) es
 v2   3 
autovector asociado al autovalor  = 9 . Se puede escribir a los autovectores
 4
asociados a este autovalor como los múltiplos no nulos de   .
3

54
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

Matrices semejantes

Diremos que dos matrices A, B  ℝ nnnn son semejantes si existe una matriz invertible C
Cℝ nnnn
tal que B = C −1  A  C .

Se puede demostrar que dos matrices semejantes tienen el mismo determinante y los mismos
autovalores.

Matriz diagonalizable

A
Se dice que una matriz A ℝ nnnn es diagonalizable si existe una matriz D  ℝnn diagonal (esto
A
es, dij = 0 si i  j ) tal que A es semejante a D . Es decir, para que A ℝ nnnn sea
nnnn
C
diagonalizable, debe existir C ℝ invertible tal que D = C −1  A  C .

C
Diagonalizar una matriz cuadrada es hallar la matriz invertible C ℝ nnnn que cumple
D = C −1  A  C .

Probaremos que es posible diagonalizar una matriz bajo ciertas condiciones.

Supongamos que A Aℝ nnnn tiene n autovectores linealmente independientes, y que estos son
v1 , v2 ,..., vn , asociados a los autovalores 1 , 2 ,..., n (no necesariamente todos distintos).

Definimos a la matriz DD ℝnnnn como la que tiene a los autovalores 1 , 2 ,..., n en la
diagonal, y ceros fuera de la diagonal.

 1 0 0
 
0 2 0
D=
 
 
0 0 n 

nnnn
C
Y sea la matriz C ℝ , aquella cuyas columnas son los autovectores v1 , v2 ,..., vn .

 
 
C =  v1 v2 vn 
 
 

55
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

Ahora se calcula el producto A  C . Resolvemos cada columna, y como cada v j es autovector

de A , se cumple A  v j =  j  v j . Luego,

     
    
A  C = A   v1 v2 vn  =  A  v1 A  v2 A  vn  =  1  v1 2  v2 n  vn 
     
     

Por otro lado, al calcular el producto C  D :

 1 0 0
     
  0 2 0 
C  D =  v1 v2 vn    =   v 2  v2 n  vn 
     1 1 
  0 0 
 n   

Como se obtiene en ambos casos el mismo resultado, se tiene que A  C = C  D .

Por suponer que las columnas de C son vectores linealmente independientes, podemos
afirmar que la matriz C tiene inversa. Luego, en la igualdad A  C = C  D se puede
multiplicar por C −1 por izquierda:

A  C = C  D  C −1  A  C = C −1  C  D = (C −1  C )  D = I  D = D

C
Por lo tanto, existe una matriz C ℝ nnnn invertible tal que D = C −1  A  C , con C
Dℝ nnnn
diagonal. En conclusión:

Una matriz A Aℝ nnnn es diagonalizable si y sólo si tiene n autovectores linealmente

independientes.

La matriz diagonal semejante a A tiene en su diagonal a los autovalores de A .

nnnn −1
C
La matriz C ℝ invertible tal que D = C  A  C es la matriz cuyas columnas son los n
autovectores linealmente independientes de A .

56
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

Ejemplo

3 8
Diagonalizar a la matriz A =  C
 . Es decir, hallar C ℝ 2n2n invertible y mostrar que
 3 5 
C −1  A  C = D , con D diagonal.

 −2   4 
Ya vimos antes que los vectores   ,   son autovectores asociados a los autovalores
1   3 
 = −1 y  = 9 . Como son linealmente independientes (verificarlo), la matriz que los tiene
como columnas es invertible.

 −2 4 
Sea C =   . Calculamos su inversa:
 1 3

 −2 4 1 0  F2 + 12 F1  −2 4 1 0  F1 − 54 F2  −2 0 3
− 54  − 12 F1  1 0 − 103 2

 ⎯⎯⎯→   ⎯⎯⎯→   ⎯⎯⎯ →
5 5
 
1  5 F2  0 1 101
1

 1 3 0 1
1 1 1
 0 5 2 1 0 5 2 5 
I
C I C −1

Finalmente, se multiplica C −1  A  C :

− 3 2
  3 8   −2 4   − 103 2
  2 36   −1 0 
C −1  A  C =  110 5

1   =
5
 = =D.
5  3 5   1 3   101   −1 27   0 9 
1
 10 5

El resultado es una matriz diagonal, y en su diagonal aparecen los autovalores de A

calculados al principio.

 2 8
Observación 1: Si en lugar de esos autovectores se tomaban otros, por ejemplo C =  ,
 −1 6 
la matriz C −1 sería otra, pero se llegaría a la misma matriz diagonal D .

 4 −2 
Observación 2: de haber definido a C como C =   (con los autovectores en el otro
3 1 
−1 9 0 
orden), la matriz C sería otra, y la matriz diagonal hubiera sido D =   . Ambas
 0 −1
elecciones son correctas.

57
Álgebra lineal: Diagonalización MATEMATICA II UNAJ

Ejercicios

 2  3 2 4
   
37. Decidir si el vector w = 1 es autovector de la matriz A = 2 0 2 , y si lo es,
   
 2  4 2 3
   
asociado a qué autovalor.

38. Diagonalizar las siguientes matrices:

2 2 
a. A =  
 5 −1 

 3 −1 
b. B =  
 4 −2 

 2 0
c. E =  
1 4

39. El determinante de una matriz cuadrada es igual al producto de sus autovalores.

Verificar que esta propiedad se cumple en las matrices del ejercicio 38.

58