Algebra Lineal 2015-d

lgebra Lineal
Juan Nez Olmedo

Ivn Sandoval Palis
Escuela Politcnica Nacional
Dedicamos
este
trabajo
a
los
estudiantes
de
la
Escuela
Politcnica
Nacional
PRLOGO
Esta obra est dirigida a los estudiantes que estn iniciando sus estudios
superiores en las diferentes carreras de ingeniera, as tambin como a
los docentes y personas en general que necesitan una obra de consulta.
El objetivo fundamental de esta obra es proporcionar una gua, para
plantear, analizar y resolver problemas de los diferentes temas del
lgebra Lineal.
El lgebra lineal es una rama de las matemticas que estudia conceptos
tales como: matrices, determinantes, sistemas de ecuaciones lineales y,
su enfoque ms formal que son los espacios vectoriales y sus
transformaciones lineales.
Es un espacio que tiene muchas conexiones con muchas reas dentro y
fuera de las matemticas como el clculo vectorial y las ecuaciones
diferenciales, la ingeniera, etc.
La historia del lgebra lineal se remonta a los aos de 1843 cuando
Willam Rowan Hamilton (de quien proviene el uso del trmino vector)
creo los cuaterniones; y de 1844 cuando Hermann Grassmann public su
libro La teora de la extensin.
De manera formal el lgebra lineal estudia las estructuras matemticas
denominadas espacios vectoriales, las cuales constan de un conjunto de
vectores definido en un campo, con una operacin de suma de vectores,
y, otra de producto entre escalares y vectores que satisfacen ciertas
propiedades.
El lector debe aprender la parte terica, las propiedades que se
describen en cada captulo de este libro, para analizar cmo se aplican
en los ejercicios resueltos en clases y luego debe apropiarse de sus
mtodos de anlisis y de solucin, para resolver los ejercicios
propuestos.
La favorable acogida que se brinde a este texto, servir para continuar
trabajando a favor del proceso de enseanza y aprendizaje. Las
sugerencias que permitan mejorar este trabajo, sern de mucha ayuda
para facilitar la comprensin y el estudio.
Deseamos expresar nuestros sinceros agradecimientos a todas las
personas que de una u otra manera contribuyeron a la elaboracin del
mismo.
Loa Autores
ISBN: 978-9942-21-774-5
Primera Edicin Septiembre 28 de 2015
Reservados todos los derechos

Ni todo el Libro, ni parte de l, pueden ser reproducidos, archivados
o transmitidos en forma alguna o mediante algn sistema,
electrnico, mecnico de reproduccin, memoria
o cualquier otro, sin permiso escrito de los autores.
Hecho en Quito Ecuador Sudmerica
COPIA LEGAL
CONTENIDO
CAPTULO 1..............................................................................................................................................1
MATRICES ................................................................................................................................................1
DEFINICIN ..........................................................................................................................................1
OPERACIONES CON MATRICES........................................................................................................3
SUMA DE MATRICES........................................................................................................................3
DIFERENCIA DE MATRICES ...........................................................................................................3
MULTIPLICACIN POR UN ESCALAR ...........................................................................................4
MULTIPLICACIN DE MATRICES..................................................................................................6
MATRIZ TRANSPUESTA ...................................................................................................................10
TRAZA DE UNA MATRIZ ..................................................................................................................16
MATRIZ INVERTIBLE........................................................................................................................17
OPERACIONES ELEMENTALES ......................................................................................................23
OPERACIONES ELEMENTALES INVERSAS ..................................................................................23
MATRICES ELEMENTALES..............................................................................................................23
MATRICES EQUIVALENTES ............................................................................................................24
FORMA ESCALONADA DE UNA MATRIZ......................................................................................27
MATRIZ ESCALONADA POR FILAS ..............................................................................................27
MATRIZ ESCALONADA REDUCIDA POR FILAS..........................................................................27
1
ALGORITMO PARA EL CALCULO DE A ....................................................................................30

PROBLEMAS PROPUESTOS .............................................................................................................31
CAPTULO 2............................................................................................................................................49
DETERMINANTES.................................................................................................................................49
DEFINICIN ........................................................................................................................................49
DESARROLLO POR MENORES Y COFACTORES ..........................................................................50
PROPIEDADES ....................................................................................................................................51
DETERMINANTES DE MATRICES ELEMENTALES......................................................................57
INVERSA DE UNA MATRIZ ..............................................................................................................60
CAPTULO 3............................................................................................................................................81
SISTEMAS DE ECUACIONES LINEALES.........................................................................................81
SISTEMAS EQUIVALENTES .............................................................................................................83
SOLUCIN DE SISTEMAS DE ECUACIONES.................................................................................83
MTODOS DE RESOLUCIN............................................................................................................84
MTODO DE GAUSS ......................................................................................................................85
MTODO DE GAUSS-JORDAN ......................................................................................................85
MTODO DE CRAMER...................................................................................................................85
CAPTULO 4..........................................................................................................................................101
ESPACIOS VECTORIALES ................................................................................................................101
DEFINICIN ......................................................................................................................................101
SUBESPACIOS VECTORIALES.......................................................................................................104
COMBINACIN LINEAL .................................................................................................................105
CONJUNTO GENERADOR...............................................................................................................106
CPSULA LINEAL............................................................................................................................106
DEPENDENCIA E INDEPENDENCIA LINEALES .........................................................................107
BASE...................................................................................................................................................110
DIMENSIN.......................................................................................................................................114
CAMBIO DE BASE ............................................................................................................................123
PROBLEMAS PROPUESTOS ...........................................................................................................127
II
CAPTULO 5..........................................................................................................................................163
PRODUCTO INTERNO........................................................................................................................163
DEFINICIN ......................................................................................................................................163
EJEMPLOS .........................................................................................................................................163
NORMA DE UN VECTOR .................................................................................................................164
VECTORES ORTOGONALES ..........................................................................................................167
PROYECCIN ORTOGONAL ..........................................................................................................167
CONJUNTO ORTOGONAL...............................................................................................................168
VECTOR UNITARIO .........................................................................................................................169
NORMALIZACIN DE UN VECTOR ..............................................................................................169
CONJUNTO ORTONORMAL ...........................................................................................................169
BASE ORTONORMAL ......................................................................................................................169
3
PRODUCTO CRUZ EN R ...............................................................................................................171
DEFINICIN ......................................................................................................................................173
DEFINICIN ......................................................................................................................................174
CAPTULO 6..........................................................................................................................................189
TRANSFORMACIONES LINEALES .................................................................................................189
DEFINICIN ......................................................................................................................................189
NCLEO .............................................................................................................................................190
IMAGEN .............................................................................................................................................191
INYECTIVIDAD, SOBREYECTIVIDAD Y BIYECTIVIDAD ........................................................194
CONJUNTO DE LAS TRANFORMACIONES LINEALES L (V , W ) ............................................196
IGUALDAD ....................................................................................................................................196
OPERACIONES CON TRANFORMACIONES LINEALES.............................................................197
SUMA..............................................................................................................................................197
MULTIPLICACIN POR UN ESCALAR .......................................................................................197
COMPOSICIN DE TRANSFORMACIONES LINEALES ............................................................198
TRANSFORMACIONES LINEALES INVERTIBLES .....................................................................201
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL ...................................................204
REDEFINICIN DE NCLEO E IMAGEN ......................................................................................207
MATRIZ ASOCIADA A UNA COMPOSICIN DE FUNCIONES ..................................................208
SEMEJANZA DE MATRICES...........................................................................................................209
CAPTULO 7..........................................................................................................................................241
VALORES Y VECTORES PROPIOS .................................................................................................241
DEFINICIN ......................................................................................................................................241
VALORES Y VECTORES PROPIOS DE MATRICES......................................................................242
POLINOMIO CARACTERSTICO DE UNA MATRIZ ....................................................................245
ECUACIN CARACTERSTICA DE UNA MATRIZ ......................................................................245
CLCULO DEL POLINOMIO CARACTERSTICO ........................................................................246
MULTIPLICIDAD ALGEBRAICA....................................................................................................246
MULTIPLICIDAD GEOMTRICA ...................................................................................................246
MATRICES SEMEJANTES Y DIAGONALIZACIN......................................................................247
DIAGONALIZACIN DE MATRICES SIMTRICAS ....................................................................250
TEOREMA DE CALEY - HAMILTON..............................................................................................254
FORMAS CUADRTICAS Y CANNICAS ....................................................................................257
SECCIONES CNICAS..................................................................................................................260
1
MATRICES
Captulo 1
MATRICES
DEFINICIN
Una matriz A de m n es un ordenamiento rectangular de m

por n nmeros distribuidos en un orden definido de m filas y n
columnas:
a11 a12
a21 a22
...
...
A
ai1 ai 2
...
am1 am 2
... a1 j
... a2 j
... ...
... aij
... anj
a1n
... a2n
... ...
... ain
... amn
...
aij es el elemento i,j-simo (pertenece a la fila i y a la columna j).

A por conveniencia se escribe A aij .
Las matrices se denotan con letras maysculas.
M mxn , es el conjunto de todas las matrices de orden m por n , definidas en el campo
K.
La i-sima fila de A es: ai1
La j-sima columna de A es:
ai 2
... aij
... ain y constituye la matriz fila de Ai
a1 j
a2 j
.
a1 j
.
a
mj
y constituye la matriz columna A j
A puede ser representada por matrices fila, as: A A1 , A2 , , Ai , , Am
A puede ser representada por matrices columna, as: A A , A 2 , , A j , , A n

LGEBRA LINEAL
2
MATRICES
IGUALDAD
Sean las matrices A aij mn y B bij mn ,
A B aij bij
Ejemplos
1.
Las siguientes matrices son iguales
1 2
A
3 4
1 2
B
3 4
2.
Las siguientes matrices no son iguales
1 2
A
3 4
1 2
B
3 4
MATRIZ CUADRADA
Sea A aij mn .
A es matriz cuadrada si y slo si m n . El conjunto de matrices cuadradas se nota

M nxn M n .
Ejemplos
1 5
A
2 7
2 1 0
B 7 8 9
10 5 8
MATRIZ NULA
Sea O aij mn .
O es una matriz nula si y slo si aij 0 , es decir, es una matriz cuyos elementos son
iguales a cero.
Ejemplos
Las siguientes marices son nulas:
0 0
O2
0 0
0 0 0
O3 0 0 0
0 0 0
LGEBRA LINEAL
0
O4
0
0 0 0
0 0 0
0 0 0
0 0 0
3
MATRICES
OPERACIONES CON MATRICES

SUMA DE MATRICES
Sean las matrices A aij mn y B bij mn .
La suma de A y B es la matriz A B de m filas y n columnas, dada por:
a12 b12
a11 b11
a22 b22
a b
A B aij bij 21 21
a b
m1 m1 am 2 bm 2
a1n b1n
a2n b2n
amn bmn
La suma de matrices est definida cuando ambas matrices tienen el mismo tamao.
Ejemplo
3
1 2 3 3 4 0 4 6
5 0 1 1 1 0 6 1 1
2 3 4 1 1 6 3 4 10
DIFERENCIA DE MATRICES
Sean las matrices A aij mn y B bij mn .
La diferencia de A y B es la matriz A B de m filas y n columnas, dada por:
A B A ( B)
Ejemplos
1.
2 5 1 7 1 12
0
3
3
2
3
1
2.
4
1 3 4 5 6 0 4 9
3 2 2 4
1 0 1 1 2
2 3 7 1
4 10 1 1 3
LGEBRA LINEAL
4
MATRICES
MULTIPLICACIN POR UN ESCALAR

Si A aij mn y es un escalar, entonces A est dada por:
a11 a12 a1n
a 21 a 22 a 2 n
A aij
a
m2
mn
m1
Es decir, A se obtiene multiplicando por a cada componente de A .
Ejemplos
1.
2 3 10 15

5
7 1 35 5
2.
0 8 0 16

2
10 4 20 8
3.
Dadas las matrices A y B , hallar 2 A 3B y 3 A 2 B
2 3
A
1 0
3 1
B
0 1
Solucin:
5 9
2 A 3B
2 3
0 11
3 A 2 B
3 2
DEFINICIN
(1) A A
LGEBRA LINEAL
5
MATRICES
PROPIEDADES
TEOREMAS
, K , A, B, C M mxn , se cumple que:

1.
A ( B C ) ( A B) C
2.
A B B A
3.
AO A
4.
A ( A) O
5.
A = A
6.
1. A A
7.
A A A
8.
A B A B
9.
0. A O
Se demostrarn los teoremas 1, 3 y 5 los restantes teoremas se dejan como ejercicio.
DEMOSTRACIONES
1. A+(B+C)=A+(B+C)
Axioma reflexivo
(aij ) (bij cij )
Cambio de notacin
(aij bij cij )
Definicin de suma
((aij bij ) cij )
Propiedad de campo
=(A+B)+C
3. A+O=A+O
Axioma reflexivo
(aij 0ij )
Notacin
(aij )
Propiedad de campo
=A
LGEBRA LINEAL
6
MATRICES
5. ( ) A ( ) A
Axioma reflexivo
( aij )
Notacin
( ( aij ))
Propiedad de campo
( A)
MULTIPLICACIN DE MATRICES
mn y B b jk np .
Sean las matrices A aij
El producto de A y B es la matriz C cik mp , donde

n
cik aij b jk .
j 1
En forma desarrollada:
cik ai1b1k ai 2b2 k aij b jk aip b pk .
Esto se muestra en la figura
a11 a12 a1 p
a21 a22 a2 p b11 b12 b1k
b21 b22 b2k
aip
ai1 ai 2
b p1 b p 2 b pk
am1 am 2 amp
b1n c11 c12

b2n c21 c22
b pn cm1 cm 2
cik
c1n
cmn
Observaciones
1.
El elemento i, k -simo de AB es el producto escalar de la i -sima fila de A y

la k -sima columna de B .
2.
Dos matrices A y B se pueden multiplicar solo si el nmero de columnas de la

primera es igual al nmero de filas de la segunda. De otra manera el producto no
estar definido.
LGEBRA LINEAL
7
MATRICES
Ejemplo
Una empresa fabrica en su planta 3 productos A, B y C. Los almacenes principales se
encuentran en Quito, Guayaquil, Cuenca y Loja. Las ventas durante el ao anterior en
Quito se cifraron en 400,100 y 500 unidades de los productos A, B y C en orden; las del
almacn de Guayaquil en 300, 150 y 400; las del almacn en Cuenca en 100, 100 y 200;
y las del almacn de Loja en 200,150 y 300. Los precios de venta de los productos
fueron 25, 50 y 80 USD para los productos A,B y C respectivamente.
a)
Expresar las ventas de la empresa mediante una matriz A de orden 4x3.
b)
Expresar mediante una matriz X de orden 3x1 el precio de cada producto.
c)
Qu es AX?
Solucin:
a)
Las ventas en el ao anterior se pueden representar en una matriz A de orden

4x3 de tal forma que en cada fila aparezcan las ventas realizadas por cada uno
de los almacenes principales y en cada columna las proporcionadas a cada tipo
de producto. As:
400
300
A
100
200
b)
100
150
100
150
500
400
200
300
Los precios unitarios de cada producto se pueden escribir en X de orden 3x1 en

la forma
25

X 50
80

c)
Si se consideran las matrices A y X definidas en los apartados a) y b), se tiene

que
55.000
47.000
AX
23.500
36.500
AX es una matriz en la que se especifican los ingresos obtenidos en el ao

anterior por cada uno de los cuatro almacenes principales de la empresa.
LGEBRA LINEAL
8
MATRICES
Ejemplo
Comprobar que las siguientes identidades algebraicas
A B 2 A2 2 AB B 2
( A B )( A B ) A2 B 2
no son ciertas si A y B son matrices cuadradas de orden n , usando las marices
1 1
A
0 2
1 0
B
1 2
Por qu las identidades dadas no son ciertas?

Modificar el segundo miembro de ambas identidades de manera que el resultado sea
vlido para cualesquiera A y B matrices cuadradas.
Solucin:
2 1
A B
1 4
1 3
A2
0 4
0 1
A B
-1 0
1 0
B 2
3 4
0 2
AB
2 4
1 1
BA
1
3
Por lo tanto
3 6
2 7
A2 2 AB B 2
6 15
7 16
A B 2
1 2
0 3
A2 B 2
( A B)( A B)
4 1
3 0
Las expresiones que se indican en el enunciado para A B y ( A B)( A B) son
2
verdaderas si A y B son escalares, pero no son vlidas si A y B son matrices, ya que el

producto de matrices no cumple la ley conmutativa a diferencia del producto de
escalares.
Las identidades algebraicas correctas para cualesquiera A, B M mxn son
A B 2 A2 AB BA B 2
( A B)( A B) A2 AB BA B 2
LGEBRA LINEAL
9
MATRICES
y como ordinariamente AB BA
AB BA 2 AB
AB BA O
Por lo que
A B 2 A2 2 AB B 2
( A B)( A B) A2 B 2
Observacin
No existe ley conmutativa para la multiplicacin de matrices.
PROPIEDADES
TEOREMAS
K , A M mxn ,B M nxp
10. (A) B ( AB)
11. ( A ) B ( AB)
12. ( AB) A( B )
A M mxn,B, C M nxp
13. A ( B C ) AB AC
A, B M mxn ,C M nxp
14. ( A B)C AC BC
A M mxn, , B M nxp , C pxq

15. ( AB) C A ( BC )
DEMOSTRACIONES
10.
(A) B (A) B
Axioma reflexivo
(aij )(b jk )
Notacin
( )(aij )(b jk )
Multiplicacin escalar por matriz
( AB)
Notacin
LGEBRA LINEAL
10
MATRICES
13.
A( B C ) A( B C )
Axioma reflexivo
(aij )(b jk c jk )
Notacin
aij (b jk c jk )
j 1
n
(aij b jk aij c jk )
j 1
n
j 1
j 1
Multiplicacin de matrices
Propiedad de campo
aij b jk aij c jk Propiedad del sumatoria

AB AC
15.
Notacin
A( BC ) A( BC )
Axioma reflexivo
(aij ) b jk c kl
k 1
Notacin
n
p
aij b jk c kl
j 1
k 1
p
n
aij b jk c kl
k 1 j 1
Propiedad del sumatoria
aij b jk (c kl )
j 1
( AB) C
Notacin
MATRIZ TRANSPUESTA
Sea la matriz A aij mn .
La transpuesta de A notada por A t , es la matriz nxm obtenida al intercambiar las filas y
las columnas de A , es decir, A t ( a ji ) nm .
Ejemplo
1 2 3
A
0 1 5
LGEBRA LINEAL
1 0
At 2 1
3 5
11
MATRICES
PROPIEDADES
TEOREMAS
A, B M mxn ,
16. ( A B) t A t B t
17. ( A t ) t A
K , A M mxn ,
18. (A) t A t
A M mxn ,B M nxp
19. ( AB) t B t A t
DEMOSTRACIONES
16.
18.
19.
( A B) t ( A B) t
Axioma reflexivo
(a ij bij ) t
Notacin
(a ji b ji )
Definicin de transpuesta
At B t
Notacin
(A) t (A) t
Axioma reflexivo
(aij ) t
Notacin
(a ji )
(a ji )
Definicin escalar por matriz
Notacin
aij a ji
, numricamente
b jk bkj
( AB) t (cik ) t
n
aij b jk
j 1
LGEBRA LINEAL
Producto de matrices
12
MATRICES
n
a ji bkj
j 1
bkj a ji
j 1
Propiedad de campo
B t At
Notacin
DEFINICIN
Sea la matriz A M nxn , se define
A. A A 2
A.
A
A An
n veces
MATRIZ SIMTRICA
Sea la matriz A aij mn .
A es una matriz simtrica si y slo si A A t
Ejemplos
1.
1 2
,
A
2 3
1 2
,
At
2 3
2.
1
1 2
A 2 2 3 ,
1 3 3
1
1 2
A 2 2 3 , A A t A es simtrica.
1 3 3
A A t A es simtrica.
TEOREMA 20
Si A y B son matrices simtricas, A B es matriz simtrica.
LGEBRA LINEAL
13
MATRICES
DEMOSTRACIN
A A t (1)
Hiptesis
B B t (2)
Sumando (1) y (2)
A B At B t
( A B) t
(Teorema 16)
MATRIZ ANTISIMTRICA
Sea la matriz A a ij n .
A es antisimtrica si y slo si A A t .
Ejemplo
1 2
1 2
0
0 1 2
0
t
Si A 1 0
3 A 1
0 3 1 0
3 A
2 3 0
2 3
2 3 0
0
A es matriz antisimtrica.
MATRICES CONMUTABLES
Sean las matrices A, B M nxn .
A y B son conmutables si y slo si AB BA.
DIAGONAL DE UNA MATRIZ

La diagonal est definida para matrices cuadradas y forman parte de esta los elementos
aij , tales que, i j .
Ejemplo
a11 a12 a1n
a21 a22 a2n

A
m1 am 2 ann
LGEBRA LINEAL
14
MATRICES
MATRIZ TRIANGULAR SUPERIOR

A es matriz triangular superior si y slo si aij 0, i j .
a11
0
A
a12 a1n
a 22 a 2 n
0 a mn
MATRIZ TRIANGULAR INFERIOR

A es matriz triangular inferior si y slo si aij 0, i j .
a11
a
A 21
a
m1
0
a 22
am2
a mn
MATRIZ DIAGONAL
Sea la matriz A aij n .
A es matriz diagonal si y slo si aij 0, i j y aij es escalar, i j .

Ejemplos
1.
2 0
A
0 1
2.
1 0
I
0
1
3.
1 0 0
0 3 0
D
0 0 2
LGEBRA LINEAL
15
MATRICES
MATRIZ ESCALAR
A es matriz escalar si y slo si aij 0, i j y aij es constante, i j .
5 0 0
0 5 0
A
0 0 5
MATRIZ IDENTIDAD
Sea la matriz I a ij n .
I es matriz identidad si y slo si aij 0, i j y aij 1, i j .
Ejemplos
1 0
,
I 2
0 1
I 1 1,
1 0 0
I 3 0 1 0 ,
0 0 1
1 0 0
0 1 0
In
0 0 1
MATRIZ NILPOTENTE
A es matriz nilpotente de orden k , si k es el menor entero positivo tal que A k O .
Ejemplos
1.
0 2
A
0
0
es matriz nilpotente de orden 2, pues, A2 O
2.
0 1 3
B 0 0 2
0 0 0
es matriz nilpotente de orden 3, pues, B3 O
LGEBRA LINEAL
16
MATRICES
TRAZA DE UNA MATRIZ

Sea A M nxn .
La traza de A es la suma de los elementos de la diagonal. As:
Tr ( A) aij .
i 1
Ejemplos
1.
2 0
, entonces Tr ( A) 7
Si A
7 5
2.
0 4
1
Si A 2 2 1 , entonces Tr ( A) 5
3
4 6
Propiedades
1.
Tr ( A) .Tr ( A)
2.
Tr ( A B) Tr ( A) Tr ( B)
3.
Tr ( AB) Tr ( BA)
TEOREMA 21
x
A M m n , I M nxn , tal que A.I A
DEMOSTRACION
Sean A (aij ) mn
I (b jk ) nn , donde b jk 0, j k b jk 1, j k
cik aij b jk
j 1
cik ai1b1k ai 2 b2 k aij b jk ain bnk

LGEBRA LINEAL
17
MATRICES
si k=1
ci1 ai1b11 ai 2 b21 aij b j1 ain bn1

ci1 ai1
si k=2
ci 2 ai1b12 ai 2 b22 aij b j 2 ain bn 2

ci 2 a i 2
si k=j
cij ai1b1 j ai 2 b2 j aij b jj ain bnj

cik cij aij
n
cik aij b jk aij

j 1
Por lo tanto A.I A
TEOREMA 22
A M mxn , I M mxm , tal que. I . A A
Corolario
Sean las matrices A , I M nxn
A.I I . A A
MATRIZ INVERTIBLE
Sea la matriz A M nxn .
A es matriz invertible si y slo si existe una matriz B M nxn , tal que

A.B B. A I .
LGEBRA LINEAL
18
MATRICES
Notas
1. B es matriz inversa de A , B A 1 , de la definicin,
AA 1 A 1 A I .
2. B es matriz invertible, A B 1 , de la definicin,
BB 1 B 1 B I
TEOREMA 23
Sea A M nxn ,
Si A es matriz invertible, entonces su inversa es nica.
DEMOSTRACION
Por contradiccin:
Se supone que la inversa de A no es nica, es decir, existen matrices B1 y B2 , inversas
de A , tales que B1 B2 .
AB1 B1 A I
AB 2 B2 A I ( 2)
B1 B1 I
(1)
(1)
(2)
(3)
Reemplazando (2) en (3)

B1 B1 ( AB 2 )
B1 ( B1 A) B2
Reemplazando (1) en (4)

B1 IB2
B1 B 2
Lo que contradice la suposicin.

Por lo tanto la inversa de A es nica.
TEOREMA 24
Sea A M nxn , matriz invertible, entonces A 1 A
1
LGEBRA LINEAL
19
MATRICES
DEMOSTRACION
AA 1 A 1 A I ,
A 1 es matriz invertible, por lo tanto cumple que: A 1 A 1 A 1 A 1 I ,,,,,,,,,,

1
Igualando
A A 1
TEOREMA 25
Sean A, B M nxn , matrices invertibles, entonces
AB tambin es invertible y cumple que:
AB 1 B 1 A 1
DEMOSTRACION
Si A y B son invertibles
existen matrices A1 y B 1
P.D.
Existe una matriz D tal que:
( AB ) D D ( AB )
a)
( AB ) B 1 A 1 A( BB 1 ) A 1
A( I ) A 1
AA 1
I
b)
(1)
B 1 A 1 ( AB ) B 1 ( A 1 A) B
B 1 ( I ) B
B 1 B
(2)
Igualando (1) y (2)

1 1
1 1
( AB)
B
A
B
A ( AB) I
D
Por lo tanto ( AB ) 1 B 1 A 1
LGEBRA LINEAL
20
MATRICES
TEOREMA 26
Sean A1 , A2 ,, An M nxn , matrices invertibles, entonces:
A1 . A2 , An 1 An1 A21 . A11
MATRIZ ORTOGONAL
Sea la matriz A M nxn .
A es ortogonal si y slo si A t A 1 , es decir,

A. At At . A I
Ejercicio
Comprobar que la matriz dada es ortogonal
1
3
2 2 1
2 1 2
1 2
2
TEOREMA 27
A M mxn , O M nxp , tal que A.O O
DEMOSTRACION
Sean las matrices A (aij ) mn O (b jk ) np , donde, b jk 0
AO (aij )(b jk )
aij b jk
j 1
aij .0
j 1
LGEBRA LINEAL
21
MATRICES
TEOREMA 28
A M nxp , O M mxn , tal que, O. A O
DEMOSTRACION
Se deja como ejercicio.
TEOREMA 29
A M mxn , B M nxp , se cumple que
Fila i-sima de AB=Fila i-sima de A.B
DEMOSTRACION
A= A1 , A2 , , Ai , , Am
B= B1 , B 2 ,, B i , B P
Fila i-sima de AB= Ai B1 , Ai B 2 , Ai B i , , Ai B p
= Ai. B
=Fila i-sima de A.B
TEOREMA 30
Sea ei la fila i-sima de I M nxn , entonces:
Fila i-sima de A ei . A
DEMOSTRACION
Fila i-sima de I A ei . A
I . A A , entonces
Fila i-sima de A ei . A
LGEBRA LINEAL
(Teorema 29)
22
MATRICES
TEOREMA 31
Sean A M mxn , B M nxp
Si A tiene fila de ceros, AB tambin tiene fila de ceros.
DEMOSTRACION
Ai es la Fila i-sima de A
Ai (aij ) in , donde aij 0

B (b jk ) np
Fila i-sima de AB=Fila i-sima de A.B
(Teorema 29)
Ai .B
=O.B
O1 p
Por lo tanto
AB tiene fila de ceros.
TEOREMA 32
Sea A M nxn
Si A tiene fila de ceros, entonces A no es invertible.
DEMOSTRACION
Por contradiccin.
Se supone que A es invertible, por lo tanto
AA 1 A 1 A I
AA 1 tiene fila de ceros
(Teorema 31)
tiene fila de ceros
Lo que contradice la hiptesis, pues, la matriz identidad no tiene fila de ceros.

Por lo tanto:
A no es invertible.
LGEBRA LINEAL
23
MATRICES
OPERACIONES ELEMENTALES
Una operacin elemental se representa por e y se la puede aplicar sobre matrices.
Existen tres tipos de operaciones elementales:
1. Intercambio de filas o columnas (e I )

Fi F j , C i C j
2. Multiplicacin de una fila o columna por un escalar 0 (e II )

Fi Fi , C i C i
3. Sumar una fila o columna multiplicada por un escalar a otra fila o columna
(e III )
Fi F j , C i C j ,
OPERACIONES ELEMENTALES INVERSAS

Se expresan por e ' y son aquellas que cumplen que:
1) e I' e I A A
2) e II' e II A A
'
3) e III
eIII A A
MATRICES ELEMENTALES
Una matriz elemental se la representa por E , y se la puede obtener mediante la
aplicacin de una operacin elemental sobre la matriz identidad.
TEOREMA 33
e ( A) E. A , siendo e , una operacin elemental que se aplica tanto en
A como en I .
LGEBRA LINEAL
24
MATRICES
MATRICES EQUIVALENTES
A es equivalente por filas o columnas a B si y slo si B se obtiene por medio de una
aplicacin sucesiva e infinita de operaciones elementales sobre A .
A B B e K e K 1 e 2 e1 A .
TEOREMA 34
Sea A M mxn , A es equivalente a A , es decir,
Toda matriz es equivalente a s misma.
DEMOSTRACION
B eK eK 1 e2 e1 A
(1)
eK, B eK 1 e2 e1 A
e1, e2, eK, B A
(2)
Sustituyendo (1) en (2)
e1, e2, eK, A A
Cambiando la notacin
A es equivalente a A.
Corolario
Sean A, B M mxn .
Si A es equivalente a B , B es equivalente a A .
TEOREMA 35
Sean A, B, C M mxn .
Si A es equivalente a B y B es equivalente a C , entonces A es
equivalente a C .
LGEBRA LINEAL
25
MATRICES
DEMOSTRACION
Si A es equivalente a B,
B eK eK 1 e2 e1 A
(1)
Si B es equivalente a C,
C e J e J 1 e2 e1 B
(2)

C eJ eJ 1 eK eK 1 e2 e1 A
Por lo tanto A es equivalente por filas a C .
TEOREMA 36
Toda matriz elemental es invertible y su matriz inversa es elemental.
DEMOSTRACION
E matriz elemental
E matriz inversa de A
I e , eI e e , I
e(A)=EA
P.D. EE=EE=I
a)
EE=I

eE I
e e , I I
,
EE=I
b)
(Teorema 33)
(1)
EE=I
e , eI I
e(E)=I
EE=I
Igualando (1) y (2)
EE=EE=I
LGEBRA LINEAL
(Teorema 33)
(2)
26
MATRICES
TEOREMA 37
A es equivalente por filas a B si y slo si B es un producto de

matrices elementales por A .
DEMOSTRACION
a)
Si A es equivalente por filas a B , entonces B es un producto de matrices

elementales por A
Si A es equivalente por filas a B ,
B eK eK 1 e2 e1 A ,
B e K e K 1 e2 E1 A ,
(Teorema 33)
B e K e K 1 e3 E 2 E1 A ,
Por lo tanto:
B E K E K 1 E 2 E1 A
b)
Si B es un producto de matrices elementales por A , entonces A es

equivalente por filas a B .
Si B es un producto de matrices elementales por A .
B E K E K 1 E 2 ( E1 A)
B E K E K 1 E 2 e1 A
(Teorema 33)
B eK eK 1 e2 e1 A ,
Por lo tanto:
A es equivalente a B.
Corolario
Sean A, B M mxn .
A es equivalente a B si y slo si B PA , donde P es un producto de matrices

elementales por A .
LGEBRA LINEAL
27
MATRICES
FORMA ESCALONADA DE UNA MATRIZ

MATRIZ ESCALONADA POR FILAS
Es una matriz cuyos elementos iguales a cero aumentan de izquierda a derecha, fila a
fila.
Ejemplos
1 2 3
0 1 2
2 3 4
0 0 0
0 0 0
1 2 3
0 0 2
1 2 0
0 0 2
4 2 1
0 1 3
0 0 5
0 0 3 2
0 0 0 5
1 3 2
1 0
0
0
0 0
0
0
0 0 0
1 0 0
0 1 0
0 0 1
MATRIZ ESCALONADA REDUCIDA POR FILAS

Es una matriz escalonada cuyos primeros elementos son iguales a 1, y en sus respectivas
columnas son los nicos diferentes de cero.
Ejemplos
1 0 0
0 1 0
0 0 0
0
0
0
1
0
0
5
3
0
0
1 0 0
0 0 1
0 0 0
0
0
1 0 0 5
0 0 1 2
LGEBRA LINEAL
0
0
0
1
0
0
0
0
1
0
1 0 3
0 1 2
0 0 0
0
0
28
MATRICES
TEOREMA 38
Sea A M mxn .
A es equivalente por filas a una matriz escalonada por filas.
TEOREMA 39
Sea A M mxn .
A es equivalente por filas a una matriz escalonada reducida por filas
TEOREMA 40
Sea A M nxn . A es una matriz escalonada reducida por filas.
Si A I , entonces A tiene fila de ceros.
DEMOSTRACION
Si A no tiene fila de ceros, entonces A I (Contra recproca)
Si A no tiene fila de ceros,
An
0 0 0 0 1
An 1
0 0 0 1 0
A2
1 0 0 0 0
A1
0 0 0 0 0 ,
A ( A1 , A2 , , An 1 , An )
A I AA
LGEBRA LINEAL
29
MATRICES
TEOREMA 41
Sea A M nxn .
A es invertible si y slo si es equivalente por filas a I .
DEMOSTRACION
a)
Si A es invertible, entonces es equivalente por filas a I

Por Contradiccin:
Se supone que:
A es equivalente por filas a B
B I
A E K E K 1 E 2 E1 B
Si B I
B tiene fila de ceros (Teorema 40)
E K E K 1 E 2 E1 B
tiene fila de ceros
(Teorema 31)
A tiene fila de ceros

A no es invertible
(Teorema 32)

Por lo tanto:
A es equivalente por filas a I .
b)
Si A es equivalente por filas a I , entonces A es invertible

Si A es equivalente por filas a I ,
I es equivalente por filas a A
(Corolario, Teorema 34)
A E K E K 1 E 2 E1 I ,
(Teorema 37)
A E K E K 1 E 2 E1 ,
Por lo tanto:
A es invertible.
Corolario
A es invertible si y slo si es un producto de matrices elementales.

LGEBRA LINEAL
(Teorema 21)
(Teoremas 25, 36)
30
MATRICES
TEOREMA 42
Si A es invertible y reducible a la matriz identidad por sucesin de
operaciones elementales, al aplicar a I esta sucesin, se obtiene A 1 .
DEMOSTRACION
Si A es invertible,
A es equivalente por filas a I,
(Teorema 41)
I E K E K 1 E 2 E1 A
(1)
(Teorema 37)
I ( E K E K 1 E 2 E1 ) A
IA 1 ( E K E K 1 E 2 E1 ) AA 1
A 1 ( E K E K 1 E 2 E1 ) I
A 1 e K e K 1 e2 e1 I
I eK eK 1 e2 e1 A
(2)
ALGORITMO PARA EL CALCULO DE A 1

Sea la matriz de bloques ( A B )
Al aplicar operaciones elementales
eK eK 1 e2 e1 A I , es decir,
e K e K 1 e2 e1 A e K e K 1 e2 e1 I
( I A 1 ).
Ejemplo
1 3
Hallar la inversa de la matriz A

2 2
1 3
2 2
1 0 1 3
0 1 0 8
1 0 1 3
2 1 0 1
1 2 5
A1
2 2 1
LGEBRA LINEAL
1 0 1 0

2
1
8
8
0 1
2
8
2
8
85
1
8
31
MATRICES
PROBLEMAS PROPUESTOS
1.
Sean las matrices:
1 2 3
A
2 1 0
1 0
B 2 1
3 2
1 2
D
2 5
0
2 1
E 1 2 3
4 3 1
1 3 1
C 1 1 1
0 1 2
Calcular:
a)
C+E, AB, BA, 2C-3E, CB+D, AB+D 2 , 3(2A), 6A
LGEBRA LINEAL
32
MATRICES
b)
A(BD), (AB)D, A(C+E), AC+AE, 3A+2A, 5A
LGEBRA LINEAL
33
MATRICES
c)
A t , A t , (AB) t , B t A t , (C+E) t , A(2B), 2(AB)
LGEBRA LINEAL
34
MATRICES
2.
x 0
. Hallar A2 , A3 , A4
Sea A
z y
3.
1 0
. Determinar A tal
Sean las matrices A del problema anterior y B
26 27
que A3 B .
LGEBRA LINEAL
35
MATRICES
4.
1 2 3
Comprobar que A 0 1 2 es raz de F ( X ) X 3 4 X 2 5 X 2 I .

0 0 2
5.
Las matrices A y B son conmutables si AB BA . Hallar todas las matrices A
a b
1 1
y B
.
conmutables con B si A
c d
0 1
LGEBRA LINEAL
36
MATRICES
6.
1 2 0
1 0 0
Sean las matrices A 2 1 3 e I 3 0 1 0 . Si R , calcular

0
0 0 1
3 1
I 3 A
7.
Calcular AB
1 1
1 2
0 3
A
5 1
3 1
2 1
LGEBRA LINEAL
3 1 5
2 1 4
3 2 0
1 4 6
3 5 0
3
2
B 1
0
3
2 3 0
1 3 2
5 4 2
1 3 0
0 4 6
1
3
0
1
37
MATRICES
8.
Dadas las matrices
1 x 3
A
x 1 2
1
B
0
2 x
3 1
1 0
3 1
2
C
x
a)
Encontrar el valor de x tal qu Tr AB t C 0 .
b)
Calcular el rango (nmero de filas no nulas de la matriz escalonada

equivalente) de CA s x 0 .
9.
1
0
Escribir una matriz simtrica A M 3 , A aij tal que

aij
i 1 j 1 , si i
i j
LGEBRA LINEAL
38
MATRICES
10.
Reducir las siguientes matrices a su forma escalonada y luego a su forma

escalonada reducida por filas
a)
1
2
b)
0 1
0 1
0 2
0 0
LGEBRA LINEAL
2 3 0
1 1 0
1 0 1
1 2 1
2
1
1
1
0
3
39
MATRICES
c)
11.
1 0 1 3
1 2 3 0
2 1 0 1
Determinar la matriz inversa de

a)
1 2
1 3
b)
4 3
LGEBRA LINEAL
40
MATRICES
c)
0
0
1
2 2 0
3 3 3
d)
2 2
1
0
1 3
0 2 1
e)
2 1 3
1 0 4
1 1 2
LGEBRA LINEAL
41
MATRICES
12.
Dadas las matrices

1 1 1
1 0 0
P 2 0 1 y J 0 1 1 . Hallar
1 1 0
0 0 1
a) P 1 y J n .
b) A tal que A PJP 1 .
c) An PJ n P 1 . Verificar que A0 I y A1 A .
LGEBRA LINEAL
42
MATRICES
13
cos
Sea la matriz A
sen
sen
. Hallar A n
cos
Deducir la ley y demostrar por induccin.
14.
x
Sea la matriz A
0
LGEBRA LINEAL
y
. Hallar A n . Usar el Teorema del Binomio.
x
43
MATRICES
15.
x 1 0
Sea la matriz A 0 x 1 . Hallar A n . Usar el Teorema del Binomio.

0 0 x
16.
Si K nn es una matriz diagonal cuyos elementos, sobre la diagonal, son todos

iguales a k, demostrar que K nn Ann kAnn .
17.
Demostrar que la suma de dos matrices triangulares inferiores es una matriz

triangular inferior.
LGEBRA LINEAL
44
MATRICES
18.
Si A es una matriz simtrica probar que A t y A
19.
Sea A una matriz cuadrada sobre un campo K, , K , y B . A .I (I es
son simtricas.
la matriz identidad del mismo orden que A . Demostrar que A y B conmutan

con el producto usual de matrices.
LGEBRA LINEAL
45
MATRICES
20
Dadas la matrices
1 2 0
A
1 1 4
0 1 0
B
3 1 0
2 1
C
3 2
Determinar la matriz X indicando su nmero de filas y columnas que cumple:

a)
2A X B
b)
At 2 X C
c)
CX AB t BB t
LGEBRA LINEAL
46
MATRICES
21.
Una matriz A es idempotente si y slo si A2 A . Dadas las matrices identidad
de orden n , esto es, I n y la matriz B M n , se define A I n B B t B
Bt .
Demostrar que A es una matriz idempotente.
22.
Una matriz A es idempotente si y slo si A2 A . Probar que si A es

idempotente, entonces B I A es idempotente y adems AB BA O .
LGEBRA LINEAL
47
MATRICES
23.
Probar que si A satisface A2 A I O , existe una matriz inversa de A .
24.
Demostrar que toda matriz cuadrada es la suma de una matriz simtrica y una
matriz antisimtrica.
LGEBRA LINEAL
48
MATRICES
mn se cumple que .A O 0 A O .
25.
Demostrar que R, A aij
26.
Considerando Amn X n1 Om1 y
Amn X n1 Bm1 , sistemas definidos sobre los
reales, demostrar que:

a)
Si H es solucin de AX O , R , H es solucin de AX O .
b)
Si H y K son soluciones de AX O , H K es solucin de AX O .
c)
Si H y K son soluciones de AX B , H K es solucin de AX O .
LGEBRA LINEAL
49
DETERMINANTES
Captulo 2
DETERMINANTES
DEFINICIN
El determinante es una funcin que establece una correspondencia
entre el conjunto de matrices cuadradas y el campo real o complejo.
Asi:
f : M nxn K
A f (A) det(A)
NOTACIN
Sea A (aij ) n , el determinante de A se nota as:
A det( A)
O tambin
a11
a
A 21
a n1
a12
a 22
a1n
a2n
a n 2 a nn
DEFINICIN
Sea A M 2x 2
a
Si A 11
a 21
a12
, entonces
a 22
det( A) a11 a 22 a 21 a12
LGEBRA LINEAL
50
DETERMINANTES
DEFINICIN
Sea A M 3x 3
a11
Si A a 21
a
31
a32
a13
a 23 , entonces
a33
a 22
a32
a 23
a
a12 21
a33
a31
a12
a 22
det( A) a11
a 23
a
a13 21
a33
a31
a 22
a32
DESARROLLO POR MENORES Y COFACTORES

MENOR
Sea la matriz A (aij ) n y M ij la submatriz de A de orden (n 1) , obtenida por
eliminacin de la i-sima fila y la j-sima columna de A . El determinante M ij se
denomina menor de aij .
COFACTOR
Sea la matriz A (aij ) n . El cofactor Aij del elemento aij se define como:
Aij (1) i j M ij
TEOREMA DE LA EXPANSIN DE LAPLACE

Sea A (aij ) n .
n
det( A) (1) i j aij M ij ,

j 1
n
det( A) aij Aij

j 1
LGEBRA LINEAL
51
DETERMINANTES
PROPIEDADES
TEOREMAS
Sea A (aij ) n .
1. Si A tiene fila o columna de ceros, el det( A) 0 .
2. Si la i-sima fila de A o la j-sima columna de
A, se multiplica
por (escalar) y se obtiene una matriz B, det( B) det( A) .

3. K , det(A) n det( A) .
4. Si las matrices A, B, C , son idnticas, excepto en la j-sima
columna (fila) tal que la j-sima columna (fila) de C es la suma
de las j-simas columnas (filas) de A y B ,
det(C ) det( A) det( B)

5. Si se intercambian dos filas (columnas ) de A , para obtener la
matriz B , det( B) det( A) .
6. Si la matriz A tiene dos filas (columnas) iguales, det( A) 0 .
7. Si una fila (columna) de A es un mltiplo de una fila (columna)
de A , det( A) 0 .
8. Si un mltiplo de una fila (columna) de A , se suma a otra fila
(columna) de A , el determinante no se altera.
9. det( A) det( A t ) .
10. El determinante de una matriz triangular es igual al producto de
los elementos de la diagonal.
DEMOSTRACIONES
1.
Sea A una matriz con una fila de ceros

n
A aij Aij ,
j 1
Sea i la fila de ceros

n
A 0.Aij 0
j 1
LGEBRA LINEAL
52
DETERMINANTES
n
2.
det( B) bij Bij

j 1
n
det( B) aij Bij

j 1
det( B) aij Aij

j 1
det( B) det( A)
3.
, det(A) n det( A)
Por induccin
i)
n 1
A1 ( a11 )
det(A1 ) 1. det( A1 )
ii)
det(AK ) K det( AK )
P.D. det(AK 1 ) K 1 det( AK 1 )

n
det(AK 1 ) (1) i j aij Aij

j 1
det(AK 1 ) (1) i j K aij Aij

j 1
det(AK 1 ) K 1 (1)i j aij Aij

j 1
det(AK 1 ) K 1 det( AK 1 )
4.
P.D.
det( A1 , , Ai , , An ) det( A1 , , Bi , , An ) det( A1 , , Ai Bi , , An )

n
det( A1 , , Ai Bi , , An ) (1) i j (aij bij ) Aij
segn la i-sima fila
j 1
j 1
j 1
(1)i j aij Aij (1)i j bij Aij

det( A1 , , Ai , , An ) det( A1 , , Bi , , An )
LGEBRA LINEAL
53
DETERMINANTES
5
Sean
a11

a
A i1
a11,1

a
n1
P.D.
a1n
ain
ai 1,n
a nn
a11

a
B i 1,1
ai ,1

a
n1
a1n
ai 1,n
ai ,n
ann
det( A) det( B)
n
det( A) aij Aij

j 1
n
det( B) bi 1, j Bi 1, j
j 1
(1) i 1 j aij N ( i 1)
(1)(1) i j aij N ( i 1)
a
j 1
ij
Aij
det(A)
6.
Sea
a11

a
A i1
a11,1

a
n1
a1n
ain
ai 1,n
a nn
tal que las filas i,i+1 son iguales

Al intercambiar las filas i,i+1:
det( A) det( B)
det( A) det( A)
Ordenando la igualdad
LGEBRA LINEAL
(Teorema 8)
54
DETERMINANTES
2 det( A) 0
det( A) 0
7.
Sea
a11

a
B i1
a11,1

a
n1
ain
ai 1, n
ann
a1n
det( B) det( A)
Pero, det( A) 0 ,
Por lo tanto det( B) 0
8.
Sea
a11

a
A i1
a11,1

a
n1
a1n
ain
ai 1,n
a nn
Se obtiene B al sumar: fila i+1 + .fila i
a11
ai1
B
ai1 a11,1
a n1
Al aplicar el Teorema 7
LGEBRA LINEAL
ain
ain ai 1,n
a nn
a1n
55
DETERMINANTES
a11
a1n
a11
det( B)
a1n
ain
ain
ai1
ain
ai1
ai1
ai 1,1
ai 1,n
a n1
a nn
a n1
a nn
det(A)
det(B) det( A)
9.
Se demuestra por induccin

i)
Si n 2
a
A 11
a 21
a12
,
a 22
a
A t 11
a12
a 21
a 22
det( A) a11 a 22 a 21 a 22
(1)
det( A t ) a11 a 22 a 21 a 22
(2)
Igualando (1) y (2)

det( A) det( A t )
ii)
Si n k
det( AK ) det( AKt )
si n k 1
det( AK 1 ) det( AKt 1 )
Sean
A a ij K 1
B bij K 1
bij a ji
Desarrollando B segn la fila 1:

n
B (1)1 j b1 j B1 j
j 1
(1)
Desarrollando A de acuerdo a la columna 1:

K 1
A (1) j 1 a j1 Ai1
j 1
LGEBRA LINEAL
(2)
56
DETERMINANTES
Pero, a j1 b1 j , es decir,
B1 j A j1
B1 j A j1
B1 j A j1
De (1)
n
B (1)1 j a j1 A j1
j 1
B A
det( AK 1 ) det( AKt 1 ) ,

det( A) det( A t )
10.

i)
Si n 2
a
A 11
0
a12
,
a 22
A a11 a 22
2
A aii
i 1
ii)
Si n k
K
AK aii
Hiptesis inductiva
i 1
AK 1
K 1
aii
Tesis inductiva
i 1
K 1
AK 1 (1) K 1 j a K 1, j AK 1, j
segn la fila K 1
j 1
0 ( 1) K 11 a K 1,1 AK 1,1
(1) K 11 a K 1, K 1 AK 1, K 1
K
(1)2 K 2 aK 1, K 1 aii
i 1
LGEBRA LINEAL
0 0
57
DETERMINANTES
K
aK 1, K 1 aii
i 1
aii
i 1
DETERMINANTES DE MATRICES ELEMENTALES

1. E1 es una matriz elemental tipo I obtenida por intercambio de filas o columnas,
entonces: E1 I 1 .
2. E 2 es una matriz elemental tipo II obtenida al multiplicar la i-sima fila o
columna por (escalar), entonces: E 2 I .
3. E 3 es una matriz elemental tipo III obtenida al sumar veces la fila o columna j
a la fila o columna i, entonces: E 3 I 1 .
Observacin E 0 .
TEOREMA 11
Si E es una matriz elemental, entonces:
EA E A , y
AE A E
DEMOSTRACION
a)
Intercambio de dos filas o columnas

E 1
EA se obtiene intercambiando dos filas o columnas de A

EA A (1) A
Por lo tanto:
EA E A
b)
Se multiplica una fila o columna por (escalar)

E I
LGEBRA LINEAL
58
DETERMINANTES
EA A
EA E A
c)
Se reemplaza una fila o columna por la suma de una de ellas multiplicada por
E 1
EA A 1 A
EA E A
De manera semejante se demuestra que

AE A E
Corolario
Si A y B son equivalentes:
TEOREMA 12
Sea A M nxn
A es invertible si y slo si A 0
DEMOSTRACION
1.
Si A es invertible, entonces A 0 "

Si A es invertible,
A es producto de matrices elementales,
A E K E K 1 E 2 E1
A E K E K 1 E 2 E1
A 0 , puesto que E 0
2.
Si A 0 , entonces A es invertible.
Se demuestra la contrarrecproca:
Si A no es invertible, entonces A 0
Si A no es invertible,
A es equivalente a una matriz B que tiene fila de ceros,
LGEBRA LINEAL
(M, Teorema 41)

(Teorema 11)
59
DETERMINANTES
A E K E K 1 E 2 E1 B es matriz con fila de ceros
A E K E K 1 E 2 E1 B
(M, Teorema 31)

(Teorema 11)
A 0
TEOREMA 13
Sean las matrices A, B M nxn
AB A B
DEMOSTRACION
1.
A es invertible
Si A es invertible
A E K E K 1 E 2 E1
(1)
A E K E K 1 E 2 E1
(2)
AB E K E K 1 E 2 E1 B
A B E K E K 1 E 2 E1 B
(3)

AB A B
2.
A no es invertible
Si A no es invertible
A 0
AB no es invertible
AB 0
AB 0. B
Por lo tanto:
AB A B
LGEBRA LINEAL
(Teorema (12)
(M, Teoremas 31,32)
60
DETERMINANTES
INVERSA DE UNA MATRIZ
TEOREMA 14
Sea A M nxn
ai1 Ak1 ai 2 Ak 2 ain Akn 0 , si i k
DEMOSTRACION
Sea B es la matriz obtenida al reemplazar la k-sima fila de A por la i-sima fila de A ,
as:
a11

a
i1
A
a
k1

a n1
a12
a12
ak 2
an2
a1n
a an
a kn
a nn
a11

a
i1
B
a
i1

an1
a12
a12
ai 2
an 2
a1n
aan
ain
ann
B es una matriz con dos filas iguales, es decir, B 0

Desarrollando B segn la k-sima fila de B por menores y cofactores:
ai1 Ak1 ai 2 Ak 2 ain Akn 0
DEFINICIN
Sea A M nxn , se define como matriz adjunta de A a la transpuesta de
la matriz de los cofactores de los elementos aij .
Ejemplo
2 1
A
1 3
LGEBRA LINEAL
3 1
Cof (A)
1 2
3 1
adjA
1 2
61
DETERMINANTES
TEOREMA 15
Sea A M nxn
adjA. A A.adjA A I
DEMOSTRACION
a11
a 21

A.adjA
a11

a
n1
a12
a 22
ai 2
an2
a1n
a2n
ain
a nn
A11
A12

A
12
A21
A22
Ak1
Ak 2
A2 n Akn
Ani
An 2
Ann
El elemento i, k -simo de la matriz A .adj A es:

a i1 Ak 1 a i 2 Ak 2 a in Akn A , si i k
ai1 Ak1 ai 2 Ak 2 ain Akn 0 , si i k
(Teorema 14)
es decir,
A.adjA
adjA. A A.adjA A I
Corolario
Sea A M nxn y A 0 , entonces
A 1
LGEBRA LINEAL
1
.adjA
A
62
DETERMINANTES
Ejemplo
Dada la matriz
1 2 4
A 3 8 2
2 0 4
a)
Calcular A .
b)
Hallar la matriz Adj (A) .
c)
Comprobar que A. Adj ( A) Adj ( A). A A .I
d)
Calcular A1 .
Solucin:
1 2
a)
A 3 8 2 2
2 0
b)
c)
4
4
0
3
Adj ( A)
2
3
2
4
2
4
8
0
8 2
1 2
3 8
2 4
0 4
1 4
8
1
3
1
2 4
1 2
2 0
2(36) 4(2) 64
2
32 8 36
4
16 4 14
2
16 4
2
2
0
0
1 2 4 32 8 36 64
A. Adj ( A) 3 8 2 16 4 14 0
64
0
2 0 4 16 4
2 0
0
64
0
0
32 8 36 1 2 4 64
Adj ( A). A 16 4 14 3 8 2 0
64
0
16 4
2 2 0 4 0
0
64
d)
32 8 36
1
1
A
Adj ( A)
16 4 14
A
64
2
16 4
1
9 / 16
1/ 2 1/ 8
A 1/ 4
1 / 16 7 / 32
1 / 4 1 / 16 1 / 32
LGEBRA LINEAL
63
DETERMINANTES
1.
Encontrar el valor de los siguientes determinantes

1
a)
1 2 3
2
1 2 1
b)
0 3 1
1 2i 0
c)
2 1 i
LGEBRA LINEAL
64
DETERMINANTES
d)
1
4
2
3
2
3
1
4
e)
1 a
1
1
1
1 1 a
1
1
1
1 1 a
1
1
1
1 1 a
f)
2
1
1
1
0
9
9
9
LGEBRA LINEAL
3
2
4
1
1
8
8
9
4
1
3
2
x
4
, donde x es el ltimo dgito del ao actual.
7
0
65
DETERMINANTES
2.
Determinar el valor de
1 2 3 4 5 6
2 3 4 5 6 1
a)
3 4 5 6 1 2
4 5 6 1 2 3
5 6 1 2 3 4
6 1 2 3 4 5
1 1 1 1 1 1
1 2 2 2 2 2
b)
1 2 3 3 3 3
1 2 3 4 4 4
1 2 3 4 5 5
1 2 3 4 5 6
LGEBRA LINEAL
66
DETERMINANTES
c)
a b c 1
b c a 1
c a b 1
1 1 1 1
i)
abc 0
ii)
abc 3
LGEBRA LINEAL
67
DETERMINANTES
d)
1 a1
a2
a3
a1
1 a2
a3
a1
a2
1 a3
a1
a2
a3
y2
y
y3
1 an
e)
x2
x
x3
f)
sen 2 A cos 2 A cos 2 A

sen 2 B cos 2 B cos 2 B
sen 2 C cos 2 C cos 2C
LGEBRA LINEAL
an
an
an
z2
z
z3
68
DETERMINANTES
3 7i
0 4
2 3i
g)
1 10i 8 3
3i
3.
Demostrar que:
0
a
a
a
a
0
a
a
a
a
0
a
a
a
3 a 4
a
0
LGEBRA LINEAL
69
DETERMINANTES
4.
Demostrar que el determinante nxn
a b b b b
b a b b b
b b a b b
a b
b b b a b
b b b b a
5.
Hallar el valor de
a1 b1
a2 b1
an b1
a1 b2 a1 bn
a2 b2 a2 bn
an b2 an bn
LGEBRA LINEAL
n 1
a (n 1)b
70
DETERMINANTES
6.
a)
Demostrar que:
b 2 ac bc
c2
A ab
ac
bc 4a 2b 2 c 2
a2
ab b 2 ac
b c 0
Verificar primero que: A a 0 c
0 a b
b)
Hallar el valor del determinante
b2 c2
ab
ca
LGEBRA LINEAL
ab
c a2
bc
2
ca
bc
2
a b2
71
DETERMINANTES
7.
Demostrar que
1
0
1
0
8.
0 a
1 b
0 c
1 d
a2
b2
a c b d a b c d
c2
d2
Para qu valores a, b R , el siguiente determinante es diferente de cero?

a2
ab
ab
b2
ab
a2
b2
ab
ab
b2
a2
ab
LGEBRA LINEAL
b2
ab
ab
a2
72
DETERMINANTES
9.
Probar que
b c 2
10.
b2
a2
a c 2
a2
b2
c2
c2
a b 2
2abca b c
Demostrar que
1
a1
2
a1
3
a1
1
a2
2
a2
3
a2
1
a3
2
a3
3
a3
1
a4
2 a1 a 2 a1 a3 a1 a 4 a 2 a3 a 2 a 4 a3 a 4
a4
3
a4
Cul es la generalizacin de este resultado a determinantes de orden n ?
LGEBRA LINEAL
73
DETERMINANTES
11.
Aplicaciones a la Geometra Analtica

a)
Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la

ecuacin de la parbola y Ax 2 Bx C que pasa por los puntos
P1 , P2 , P3 puede escribirse de la forma:
y
y1
y2
y3
1 x
1 x1
1 x2
1 x3
x2
x12
=0
x 22
x32
Hallar la ecuacin de la parbola que pasa por los puntos:
(1,5), (2,6), (2,2).
LGEBRA LINEAL
74
DETERMINANTES
b)
Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la

ecuacin del crculo que pasa por los puntos P1 , P2 , P3 , puede escribirse:
x2
x12
x 22
x32
y2
y12
y 22
y 32
x
x1
x2
x3
y
y1
y2
y3
1
1
0
1
1
Hallar la ecuacin del crculo que pasa por los puntos:
(1,5), (2,6), (2,2).
LGEBRA LINEAL
75
DETERMINANTES
c)
Si se conoce que:
L1 : a11 x a12 y a13 0,
L2 : a21 x a22 y a23 0,
L3 : a31 x a32 y a33 0,
son tres rectas no paralelas, el rea determinada por L1 , L2 , L3 es igual al

valor absoluto de:
A11
1
A21
A13 A23 A33
A31
A12
A13
A22
A23
A32
A33
Donde Aij es el cofactor de aij en A:

a11
a12
a13
A a 21
a 22
a 23
a31
a32
a33
Hallar la superficie del tringulo cuyos lados son las rectas:
5 x 7 y 27 0, 9 x 2 y 15 0, 4 x 5 y 11 0.
LGEBRA LINEAL
76
DETERMINANTES
d)
El volumen de tetraedro determinado en el espacio por los puntos

P1 ( x1 , y1 , z1 ), P2 ( x 2 , y 2 , z 2 ), P3 ( x3 , y 3 , z 3 ), P4 ( x 4 , y 4 , z 4 ) , est dado por el
valor absoluto de
x1
x2
x3
x4
y1
y2
y3
y4
z1
z2
z3
z4
1
D , siendo D el determinante de:
6
1
1
1
1
(1,2,5), (0,4,6), (1,2,6), (0,3,0) .
LGEBRA LINEAL
77
DETERMINANTES
12.
Sea
1 2 a
A 1 a 1
0
1 a
a)
Determinar los valores de a para que para que A sea invertible.
b)
Hallar la inversa de A cuando existe.
LGEBRA LINEAL
78
DETERMINANTES
13.
Sea
1 1 1
A 1
3 3 2
a)
Determinar el valor de para que A sea invertible.
b)
Calcular A1 con el valor de para el cual A 2 .
LGEBRA LINEAL
79
DETERMINANTES
14.
Sea
1 3
A 2 3

3 1 2
a)
Determinar los valores de para que para que A sea invertible.
b)
Hallar la inversa de A cuando existe.
LGEBRA LINEAL
80
DETERMINANTES
15.
Dada la matriz
1 a a 2
A 1 b b 2
1 c c 2
a) Hallar A .
b) Encontrar Adj(A) .
c) Calcular A1 .
LGEBRA LINEAL
81
SISTEMAS DE ECUACIONES
Captulo 3
SISTEMAS DE ECUACIONES LINEALES
DEFINICIN
Ecuacin lineal, es una expresin del tipo:
a1 x1 a 2 x 2 a n x n b
(1)
donde
x1 = variable
x2 , x3 , xn , = variables libres
a i = coeficientes de las variables
b = trmino constante
a, b K
xi K
El conjunto solucin de la expresin (1) es:
CS t1 , t 2 , , t n : ti K
Se consideran los siguientes casos:
I.
Si a1 0
x1
a
b a2
x2 n xn
a1 a1
a1
se puede obtener x1 dependiendo de los valores x 2 , x3 , , x n

II.
Si a1 a2 an 0 b 0
Reemplazando en (1)
0 x1 0 x 2 0 x n b
0b
Para ningn valor se verifica la igualdad anterior. La ecuacin (1) es

inconsistente, por lo tanto, no tiene solucin, o se dice que CS
LGEBRA LINEAL
82
III.
Si a1 a2 an 0 b 0
De (1)
0 x1 0 x 2 0 x n 0
00
Se obtiene una identidad

La ecuacin (1) se cumple para todos los valores de xi .
DEFINICIN
Los sistemas de ecuaciones lineales son expresiones del tipo:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1
22 2
2n n
2
am1 x1 am 2 x2 amn xn bm
(1)
El sistema (1) es de m ecuaciones y n variables (m.n) .
Observaciones
1.
Si bi 0 , (1) se llama sistema no homogneo.
2.
Si bi 0 , (1) se llama sistema homogneo.
3.
Resolver el sistema (1) es hallar las n -plas ordenadas que al reemplazar en el

mismo dan identidades, es decir, satisfacen el sistema.
4.
Si una de las ecuaciones de (1) es del tipo 0 x1 0 x 2 0 x n b , el sistema es

inconsistente, es decir, no tiene solucin, o no existen n -plas ordenadas que
satisfacen el sistema (Teorema de Rouch-Frbenius).
5.
Si en una de las ecuaciones los coeficientes y el trmino constante son iguales a

cero, se tiene un sistema de m 1 ecuaciones con n incgnitas.
En el siguiente cuadro se presenta un resumen de los diferentes tipos de sistemas, as:

LGEBRA LINEAL
83
INCONSISTENTE
CONSISTENTE
NO HOMOGNEO
Solucin
nica
no-trivial
Infinitas
soluciones
HOMOGNEO
Solucin
Infinitas
nica
soluciones
trivial
+ trivial
SISTEMAS EQUIVALENTES
Son aquellos sistemas que tienen las mismas soluciones.
Para obtener un sistema equivalente de uno dado, se pueden realizar las siguientes
operaciones:
1.
Intercambiar ecuaciones ( Ei E j ) .
2.
Multiplicar por un escalar diferente de cero a una de las ecuaciones ( Ei Ei ) .
3.
Reemplazar una ecuacin por la suma de otra ecuacin multiplicada por un

escalar ( Ei Ei E j ) .
SOLUCIN DE SISTEMAS DE ECUACIONES

Las operaciones definidas sobre matrices y sobre ecuaciones son idnticas, por lo tanto,
es posible trabajar sobre un sistema representado en forma matricial. En este apartado se
describirn mtodos para hallar todas las soluciones (si las hay) de un sistema de m
ecuaciones con n incgnitas.
LGEBRA LINEAL
84
Del sistema (1),
a11 x1 a12 x2 a1n xn b1

a21 x1 a22 x2 a2n xn b2

a x a x a x b
m2 2
mn n m
m1 1
a11 a12 a1n x1 b1

a21 a22 a2 n x2 b2

a

m1 am 2 amn xn bm
AX B Es la ecuacin matricial del sistema (1).

a11 a12 a1n
a21 a22 a2 n

a
m1 am 2 amn
b1
b2

bm
(2)
La matriz (2) es la matriz ampliada ( A B ) correspondiente al sistema (1).
Observaciones
1.
A todo sistema AX B le corresponde la matriz ampliada (2).
2.
De toda matriz ampliada (2) se puede escribir el sistema
AX B
correspondiente.
3.
Si la matriz ampliada ( A B ) es equivalente a la matriz ampliada ( C D ), los

sistemas AX B y CX D son equivalentes.
MTODOS DE RESOLUCIN
Para resolver sistemas de ecuaciones se utilizarn los mtodos de Gauss (o de la
triangulacin), Gauss-Jordan y Cramer, los mismos que se detallan a continuacin.
LGEBRA LINEAL
85
MTODO DE GAUSS
Consiste en encontrar una matriz ampliada escalonada equivalente por filas a la matriz
correspondiente al sistema original, se escribe el sistema equivalente conforme a la
matriz escalonada y se resuelve el sistema as obtenido. Si la matriz A tiene fila de
ceros y la matriz ( A B ) no tiene fila de ceros, el sistema es inconsistente.
MTODO DE GAUSS-JORDAN
Consiste en encontrar una matriz ampliada escalonada reducida por filas equivalente
por filas a la matriz correspondiente al sistema original, se escribe el sistema
equivalente ajustado a la matriz escalonada reducida por filas y se resuelve el sistema
as obtenido.
MTODO DE CRAMER
Este mtodo sirve para resolver sistemas que tienen el mismo nmero de incgnitas que
de ecuaciones.
TEOREMA DE CRAMER
Sea un sistema de ecuaciones nxn donde:
A es matriz de los coeficientes

xi es la fila i-sima de X (matriz de las variables)
Ai es la matriz que tiene los mismos elementos de A , excepto los de la
i-sima columna, en la que constan los trminos independientes.

Si A 0 , entonces xi
DEMOSTRACIN
Se expresa el sistema en forma matricial.
AX B
De acuerdo a la hiptesis:
A 0
LGEBRA LINEAL
Ai
A
86
A es invertible y existe A 1
A( A 1 X ) A 1 B
X A 1 B
adjA.B
A
A11
A12
adjA
A
12
Ak1 Ani
Ak 2
An 2
Akn
Ann
A21
A22
A2 n
siendo
a11
a 21

A.
a11

a
n1
a12
a 22
ai 2
an2
a1n
a2n
ain
a nn
Considerando la fila i-sima de X
xi
Fi (adjA.B)
A
Fi (adjA.B ) c1i b1 c 2i b2 c ni bn
(1)
Se calcula Ai
a11
a
Ai 21
an1
LGEBRA LINEAL
a12 b1
a22 b2
an 2 bn
a1n
a2 n
ann
87
Desarrollando por cofactores de acuerdo a la i-sima columna:
Ai b1ci1 b2 ci 2 bn cin
(2)
Igualando (1) y (2)
xi
Fi (adjA.B) Ai
A
A
Sntesis
Si A M n con A 0 , entonces AX B tiene como solucin nica:
b1
1 b2
x1
A
bn
a12 a1n
a22
a2 n
an 2
ann
a11 b1 a1n
a2 n
1 a21 b2
x2
A
an1 bn
ann
a11
1 a21
xn
A
an1
a12 b1
a22
b2
an 2
bn
Observacin
Este mtodo es vlido nicamente si el sistema es n n .
Ejemplo
Resolver usando el mtodo de Cramer
x1 x 2 x3 2
2 x1 x 2 2 x3 1
3x x x 0
2
3
1
LGEBRA LINEAL
88
Solucin:
1
A 2
2 12 0 el sistema es de Cramer
1 1
x1
0 1 1
12
1
2
2 1 2
x2
x3
12
1 0
12
5
3
1
6
1 5 1
CS , ,
2 3 6
Resumen
En ciencia y tecnologa existe una gran variedad de situaciones que pueden expresarse
en trminos matemticos mediante sistemas de ecuaciones lineales, o bien acercarse a
un sistema de este tipo, de ah el inters de su estudio.
Una vez que se ha planteado un sistema lineal de ecuaciones, se delinean tres cuestiones
importantes. La primera de ellas es conocer si tiene o no solucin, la segunda es la
unicidad de la misma y, por ltimo, el clculo de la solucin cuando existe.
A las dos primeras cuestiones da respuesta el teorema de Rouch-Frbenius, tal como se
ilustra en este captulo. En este punto del estudio es importante tomar en cuenta tambin
las propiedades que presentan los conjuntos de soluciones de los sistemas lineales
homogneos y no homogneos.
La cuestin referente al clculo de las soluciones tiene mltiples respuestas, ya que
existen diversos mtodos para determinarlas. Entre ellos, cabe destacar el mtodo de
triangulacin de Gauss y la regla de Cramer.
LGEBRA LINEAL
89
1.
Resolver
a)
2 x1 x2 3 x3 5
3 x1 2 x2 2 x3 6
5 x1 3 x2 x3 16
b)
2 x1 3 x2 2 x3 5
x1 2 x2 3 x3 2
4 x1 x2 4 x3 1
c)
1
x1 ax2
x2 x3 2
x x x 2
2
3
1
Usar el mtodo de Cramer
LGEBRA LINEAL
90
d)
1 i x1 2 i x2 5
2 2i x1 ix2 1 2i
Usar el mtodo de Cramer
e)
x1 2 x2 3 x3 2 x4 2
2 x1 5 x2 8 x3 6 x4 5
3 x 4 x 5 x 2 x 4
2
3
4
1
f)
x1 2 x2 2 x3 2
3 x 2 x x 5
1
2
3
2 x1 5 x2 3 x3 4
x1 4 x2 6 x3 0
LGEBRA LINEAL
91
g)
2.
x1 5 x2 4 x3 13 x4 3
3 x1 x2 2 x3 6 x4 2
2 x 2 x 3 x 4 x 1
2
3
4
1
Determinar los valores de k tales que el sistema con las incgnitas x1 , x2 , x3

tenga i) Solucin nica, ii) Infinitas soluciones, iii) No tenga solucin.
a)
kx1 x2 x3 1
x1 kx2 x3 1
x x kx 1
3
1 2
LGEBRA LINEAL
92
b)
x1 x2 kx3 2
3 x1 4 x2 2 x3 k
2 x 3 x x 1
2
3
1
c)
3 x3 3
x1
2 x1 kx2 x3 2
x 2 x kx 1
2
3
1
LGEBRA LINEAL
93
3.
Determinar los valores de para que el sistema

x2
x3 1
( 1) x1
2 x1 ( 1) x2
2 x3 2 3
x1
2 x2 ( 1) x3
a)
Tenga solucin nica. Hallarla
b)
Tenga ms de una solucin. Hallarlas
c)
No tenga solucin.
LGEBRA LINEAL
94
4.
Determinar los valores de para que el siguiente sistema:

x1 x2 x3
2 x1 x2 x3 0
2
x1 2 x2 x3
a)
Tenga solucin nica. Hallarla.
b)
Tenga ms de una solucin. Hallarlas.
c)
No tenga solucin.
LGEBRA LINEAL
95
5.
Determinar los valores de a y b para que el siguiente sistema:

x2
x3 1
x1
2 x1 (3 a ) x2 (2 a ) x3 1
3 x
3 x2 (4 2a ) x3 3 b
1
a)
Tenga solucin nica. Hallarla.
b)
c)
No tenga solucin.
LGEBRA LINEAL
96
6.
Determinar los valores de a y b para que el siguiente sistema:

x1 x2 x3 3
x1 x2 x3 1
2 x
ax3 b
1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
97
7.
Determinar los valores m para que el siguiente sistema:

(2m 2) x1 (m 1) x2 (m 3) x3 2m 2
(m 1) x2 (m 1) x3 0
mx1
x2
x3 m 1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
98
8.
Determinar los valores m para que el siguiente sistema

x2
x3 m 1
(m 2) x1
mx1 (m 1) x2
x3 m 1
(m 1) x
(m 1) x3 m 1
1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
99
9.
Determinar los valores de a para que el sistema

2a 2x1 a 1x2 a 3x3 2
a 1x2 a 1x3 0
2 x1
x2
x3 1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
100
10.
Determinar los valores a , b , c y k para que el sistema
x1 x2 x3 1
ax1 bx2 c x3 k
2
2
2
2
a x1 b x2 c x3 k
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
101
ESPACIOS VECTORIALES
Captulo 4
DEFINICIN
Sean
V un conjunto no vaco, K un campo, (+) una ley de composicin interna
sobre V , llamada adicin, ( ) una ley de composicin externa, que relaciona V y K ,

llamada producto, entonces se dice que V tiene estructura de espacio vectorial sobre el
campo K , notada por V , K , , si cumple las siguientes propiedades:
1.
(V, +) es un grupo conmutativo

i)
u, v V | u v V
Axioma de clausura
ii)
u, v, w V | (u v) w u (v w)
Axioma de asociatividad
iii)
!e V , u V | e u u e u e 0 v Axioma del neutro aditivo
iv)
u V , ! u , V | u u , u , u e
Axioma del inverso aditivo
v)
u, v V | u v v u
Axioma de conmutatividad
2.
K , u V | u V
Axioma de clausura
3.
, K , u V | ( )u ( u )
Ley asociativa mixta
4.
!e K , u V | eu u (e 1)
Axioma del neutro
5.
, K , u V | (a )u u u
Primera ley de distribucin
6.
K , u, v V | (u v) u v
Segunda ley de distribucin
EJEMPLOS
1.
R , R,, es el espacio vectorial de las n plas de nmeros reales.

n
R n a1 , a2 , , an ai R, i 1,2, , n
Si R , u , v R n , u a1 , a2 ,, an , v b1 , b2 ,, bn se definen
u v a1 b1 , a2 b2 ,, an bn y u a1 , a2 , , an
LGEBRA LINEAL
102
2.
M mxn , R,, es el espacio vectorial de todas las matrices
mxn .
M m xn Am xn | Am xn es una matriz de orden m x n , a ij R
Donde + representa la suma usual de matrices y la multiplicacin usual de un

nmero real por una matriz.
3.
F , R,, es el espacio vectorial de todas las funciones reales.

F f | f : R R es una funcin
Donde + representa la suma usual de funciones y la multiplicacin usual de un

nmero real por una funcin.
4.
Pn x , R,, es el espacio vectorial de todos los polinomios de grado n .

Donde + representa la suma usual de polinomios y la multiplicacin usual de
un nmero real por un polinomio.
Observaciones
1.
Los elementos de V se llaman vectores, los elementos de K se llaman

escalares.
2.
La operacin (+) se llama suma vectorial, la operacin ( ) se llama

multiplicacin por un escalar.
3.
El vector 0V se llama vector nulo o vector cero.
El siguiente teorema es de mucho inters
TEOREMA 1
Sea V , K ,, un espacio vectorial
K , u, v, w K se cumple que:
a)
b)
uvvwu w
0.u Ov
c)
.OV OV
d)
.u OV 0 u OV
e)
( .u ) (u ) ( .u )
DEMOSTRACIONES
LGEBRA LINEAL
103
a)
c)
u 0V u
Axioma del neutro
u (v (v)) u
Axioma del inverso
(u v) (v) u
v w ( v ) u
Hiptesis
v ( v ) w u
0V w =u
Axioma del inverso
uw
Axioma del neutro
0V 0V 0V
Axioma del neutro
Axioma reflexivo
(0 V 0 V ) 0 V
Axioma reflexivo
0V 0V 0V
(1)
Axioma distributivo
.u .u
(2)
Axioma reflexivo
Sumando (1) y (2)
0V ( 0V ( 0V )) 0V ( 0V )
d)
0V 0V 0V
Axioma del inverso
0V 0V
Axioma del neutro
Por Contradiccin
Se supone que:
( 0 u 0V )
0 u 0V
K , tal que, 0,
0V 0V
Hiptesis
1
1
u 0V

1.u 0V
u 0V
Lo que contradice la suposicin
0 u 0V
LGEBRA LINEAL
Axioma del inverso
104
SUBESPACIOS VECTORIALES
Sean V y S dos espacios vectoriales definidos en el campo K , entonces S es un
subespacio vectorial de V , si y slo si, S V . De hecho, todos los espacios vectoriales
tienen subconjuntos que tambin son espacios vectoriales. Grficamente se tiene
TEOREMA 2
Sea V , K , , un espacio vectorial, S V , S ,
S es subespacio vectorial de V si y slo si cumple que:
1.
u, v S u v S
2.
K , u S | u S
DEMOSTRACION
1)
""
Se cumple pues S V
2.
""
P.D. S , K , , es un espacio vectorial
S , es un grupo conmutativo
a)
u, v S | u v S
Axioma de clausura
Si cumple
b)
u, v, w S | (u v) w u (v w)
Si cumple
c)
!e S , u S | e u u e (e 0 v )
P.D.
e 0V S
Si 0
LGEBRA LINEAL
Axioma del neutro aditivo
105
u 0u
u 0 V
0V S
Si cumple
d)
u S , ! u , S | u u , u , u e
P.D.
Axioma del inverso aditivo
u , u S
Si 1
u 1.u
u u
es decir,
uS
Si cumple
e)
u, v V | u v v u
Si cumple
Puesto que S V se cumplen las propiedades de los espacios vectoriales.

Si S es espacio vectorial y S V , entonces S es subespacio vectorial de V.
Observacin
0V pertenece a todo subespacio vectorial de V .
Corolario
S V , si S es subespacio vectorial de V , entones se cumple que:

1.
0V S , S
2.
K , u, v S | u v S
COMBINACIN LINEAL
Sean V , K , , un espacio vectorial, T V ,
T t1 , t 2 , t n
Se dice que u V es combinacin lineal de T si y slo si existen elementos del campo
K tal que se verifica la siguiente identidad:

u 1t1 2t2 ntn
LGEBRA LINEAL
106
CONJUNTO GENERADOR
Sean V , K , , un espacio vectorial, S V , S s1 , s 2 , s n , u V .
Si u 1s1 2 s2 n sn ,entonces S es conjunto generador de V .
CPSULA LINEAL
Sean V , K , , un espacio vectorial, S V , S , S s1 , s 2 , s n
La cpsula de S es el conjunto de los vectores que son combinaciones lineales de los
elementos de S , y se nota por S , es decir,
S v V | v 1s1 2 s2 n sn , i K
TEOREMA 3
Sean V , K , , un espacio vectorial, S V , S
La cpsula de S es subespacio vectorial de V .
DEMOSTRACION
1.
0v S y S
u S
Sea 0 K
u 0 V
0u 0V
0v S
2.
u , v S | u v S
u 1 s1 2 s 2 n s n
v 1 s1 2 s 2 n s n
u v ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
uv S
LGEBRA LINEAL
107
3.
K , u S | u S
u 1 s1 2 s 2 n s n
u 1 s1 2 s 2 n s n
i i
u 1 s1 2 s 2 n s n
u S
DEPENDENCIA E INDEPENDENCIA LINEALES

Sean V , K , , un espacio vectorial, T V , T t1 , t 2 , t n ,
1. T es linealmente dependiente si y slo si existen escalares i no todos iguales
a cero, tales que:
1t1 2t 2 n t n 0V
2. T es linealmente independiente si y slo si existen escalares i nicos e

iguales a cero, tales que:
1t1 2t 2 n t n 0V
a esta se llama combinacin lineal trivial.
TEOREMA 4
Sean
V , K , , un espacio vectorial,
1.
Si S1 es linealmente dependiente., entonces S 2 tambin lo es.
2.
Si S 2 es linealmente intependiente., entonces S1 tambin lo es.
DEMOSTRACION
1
S1 S 2 V
S1 s1 , s2 ,, sn
S 2 s1 , s2 ,, sr
LGEBRA LINEAL
108
Si S1 es linealmente dependiente, 1 0 , tales que:
1s1 2 s2 n sn 0v
Se puede escribir que:

1s1 2 s2 n sn 0.sn 0.sr 0v ,
donde no todos los coeficientes son cero.

S 2 es linealmente dependiente
2. Por contradiccin:
Se supone que S1 es linealmente dependiente
S1 es linealmente dependiente S1 S 2
S 2 es linealmente dependiente

S1 es linealmente independiente.
TEOREMA 5
Sean
V , K , , un espacio vectorial,
S V .
S es linealmente dependiente si y slo si si S , tal que,
si es combinacin lineal de los restantes vectores.
DEMOSTRACION
1.
""
Si S es linealmente dependiente, entonces i 0 , tales que:
1 s1 2 s 2 i si n s n 0V , es decir,
i si 1 s1 2 s 2 n s n
1 0 , (en caso contrario se elige otro vector)
Despejando si
si 1 s1 2 s 2 n s n
Por lo tanto:
si es combinacin lineal de los restantes vectores.
LGEBRA LINEAL
109
2. ""
Sea si S , tal que, es combinacin lineal de los restantes vectores de S ,
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
(1)
si si
(2)
Sumando (1) y (2) y reordenando
1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n 0V
S es linealmente dependiente.
TEOREMA 6 EL WRONSKIANO
x D f , S f1 , f 2 ,, f n es linealmente independiente si y slo

si x D f , tal que:
W f1, f 2 ,, f n
f1
f1'
f1( n 1)
f2
f2 '
f 2( n 1)
fn
fn '
f n ( n 1)
DEMOSTRACION
a)
""
Por contradiccin
Se supone que W 0 , entonces
Una fila o columna de W es combinacin lineal de las restantes, por ejemplo:
f1 2 f 2 n f n , es decir, S es linealmente dependiente.

W 0
b)
""
Por contradiccin:
Se supone que S es linealmente dependiente, entonces
Una fila o columna de W es combinacin lineal de las restantes, es decir,
W 0 , lo que contradice la suposicin
Por lo tanto S es linealmente independiente.

LGEBRA LINEAL
110
BASE
DEFINICION
Sean V , K , , un espacio vectorial y S V ,
S es una base de V , si y slo si:
1.
S genera a V , y
2.
S es linealmente independiente.
TEOREMA 7
Si S s1 , s 2 , s n es una base del espacio vectorial V , entonces todo
vector de S se puede expresar de una y solo una manera como
combinacin lineal de los vectores de S. La combinacin lineal es
nica.
DEMOSTRACION
Sea u V
Se supone que la combinacin lineal no es nica, es decir,
u 1 s1 2 s 2 n s n
(1)
u 1 s1 2 s 2 n s n
(2)
i i
Restando (1) y (2)
u (u ) ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
0V ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
Si S es base de V , entonces S es linealmente independiente,
i i 0 ,
i i
LGEBRA LINEAL
111
Por lo tanto: la combinacin lineal es nica.
TEOREMA 8
Si S es un conjunto finito de vectores no nulos que genera a V
entonces, S contiene a una base T de V .
DEMOSTRACION
a)
Si S es linealmente independiente, entonces es base de V. //
b)
Si S es linealmente dependiente, existe un vector que es combinacin lineal de

los restantes vectores (Teorema 6).
Si se considera el conjunto S1 S s1
s1 es combinacin lineal de S1
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
(1)
S1 genera a V?
Sea u V
u es combinacin lineal de S
u 1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n
(2)
Se sustituye (1) en (2)

u 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n , es decir,
S1 es generador de V .
Si S1 es linealmente independiente, entonces es base. //
c)
Si S1 es linealmente dependiente, se elimina un vector, que es combinacin

lineal de los restantes, es decir,
S 2 S1 si 1 , que es generador de V .
Al continuar con el proceso se encuentra un subconjunto T de S que es
linealmente independiente y que genera a V . //
LGEBRA LINEAL
112
TEOREMA 9
Sean V , K , , un espacio vectorial y S , T V ,
s 1 , s 2 ,
, s n , es una base de V , y
T t1 , t 2 , , t r es un conjunto linealmente independiente de V ,
entonces n r . Esto es, todo conjunto linealmente independiente no

tiene ms que n vectores.
DEMOSTRACION
Se supone que:
nr
Si S genera a V
t i es combinacin lineal de S
t i 1 s1 2 s 2 n s n
Se despeja s n 0V
(En caso contrario, si se despeja otro)
t i 0V a n 0
1
1
s n t1
an
an
( 1 s1 2 s 2 n 1 s n 1 )
S1 s1 , s 2 , , s n1 , t1 genera a V
t 2 es combinacin lineal de S1
t 2 1 s1 2 s 2 n 1 s n 1 t1
t 2 0V
si 1 n 1 0
t 2 t1 , entonces
T es linealmente independiente

Por lo tanto debe(n) existir algn(nos) i 0
n 1 0
En caso contrario se elige otro
LGEBRA LINEAL
113
1
1
t 2
( 1 s1 2 s 2 n 2 s n 2 )
s n 1
n 1
n 1
de donde,
S 2 s1 , s 2 , , s n 2 , t1 , t 2 genera a V
Repitiendo el proceso n veces, se encuentra el conjunto
S n t1 , t 2 , , t n que es base de V , pues genera y es linealmente independiente

(Teorema 4).
Si r n
t n 1 1t1 2 t 2 n t n , entonces
T es linealmente dependiente

Por lo tanto:
nr.
TEOREMA 10
Sean V , K , , un espacio vectorial, S , T V ,
s 1 , s 2 ,
, s n , es una base de V , y
T t1 , t 2 , , t r es otra base de V , entonces

nr
DEMOSTRACION
Si S es base de V y T es linealmente independiente, n r (Teorema 9)
Si T es base de V y S es linealmente independiente, n r (Teorema 9)
Se concluye que n r .
Es decir, las diferentes bases de un mismo espacio vectorial tienen igual nmero de
vectores.
Corolario
Si S es base de V y tiene n vectores, un conjunto con n 1 vectores es linealmente
dependiente.
LGEBRA LINEAL
114
DEFINICIN
Las coordenadas de un vector u V , respecto a una base dada S , son
los escalares que sirven para expresar u como combinacin lineal de
S , as:
u 1 s1 2 s 2 n s n
u S
1

2 , es el vector coordenadas de u respecto a S .
DIMENSIN
Sean V , K , , un espacio vectorial, S V , S
s 1 , s 2 ,
, s n , es una base
de V , entonces la dimensin de V es igual a n , y se nota por dim V n . La

dimensin de espacio vectorial trivial se considera cero, esto es, dim 0V 0 .
DIMENSIN FINITA
Un espacio vectorial V es de dimensin finita si y slo si la base de V tiene un finito
nmero de vectores.
Ejemplos: R n , C n , Pn , M mn .
DIMENSIN INFINITA
Un espacio vectorial V es de dimensin infinita si y slo si la base de V tiene un
infinito nmero de vectores.
Ejemplo: P el espacio vectorial de todos los polinomios.
TEOREMA 11
Sean V , K , , un espacio vectorial, dim V n , S V ,
s 1 , s 2 ,
, s n , entonces
Si S es linealmente independiente, S es una base de V .

LGEBRA LINEAL
115
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S no genera a V
u V tal que no es combinacin lineal de S ,

S s1 , s 2 ,, s n , u es linealmente independiente
Por lo tanto S es base de V .
TEOREMA 12
Sean V , K , , un espacio vectorial, dimV n , S V ,
s 1 , s 2 ,
, sn
Si S es generador de V , entonces S es una base de V .
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S es linealmente independiente (Teorema 9)
si S , que es combinacin lineal de los restantes,

S1 S si
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
1.
Si S1 es linealmente independiente, es base

dim V n 1
2.
Si S1 es linealmente dependiente,
s i 1 que es combinacin lineal de los restantes vectores,

S 2 S1 Si 1
LGEBRA LINEAL
116
Si S 2 es linealmente independiente, es base y dim V n 2
Por lo tanto S es base de V .
TEOREMA 13
Sean V , K , , un espacio vectorial, dim V n , S es un conjunto
de vectores linealmente independientes, entonces existe una base T
de V que contiene a S .
DEMOSTRACION
S s1 , s 2 ,, s j
Si S no es base, u V que es combinacin lineal de S ,
S1 s1 , s 2 ,, s j , u es linealmente independiente
1.
Si S
es linealmente independiente y es generador, entonces es base
S1 T , S T .
2.
Si S1 no es generador, no es base
v V que es combinacin lineal de S 2 ,

S 2 s1 , s 2 ,, s j , u, v es linealmente independiente
Si S 2 es linealmente independiente y es generador, entonces es base
S 2
T , S T .
Si S 2 es linealmente independiente, pero no es generador, se repite el proceso

hasta encontrar un conjunto T generador de V .
TEOREMA 14
Sean V , K , , y W , K ,, espacios vectoriales de dimensin
finita, si W es subespacio vectorial de V , entonces se cumple que
dim W dim V
LGEBRA LINEAL
117
DEMOSTRACION
Si W es subespacio vectorial de V ,
W V , es decir,
W V W V
1. Si W V , dim W dim V
2. Si W V , u V t.q. u W ,
Una base de W tiene menor nmero de vectores que una base de V,
dim W dim V
Por lo tanto dim W dim V .
TEOREMA 15
Sea V , K , , un espacio vectorial. La interseccin de cualquier
coleccin de subespacios vectoriales de V , es un subespacio
vectorial de V , es decir, si V1 , V2 , , Vn , son subespacios vectoriales
de V , entonces
n
W Vi , es subespacio vectorial de V .
i 1
DEMOSTRACION
1.
0v W
0 v Vi , i 1,2,, n , pues Vi es subespacio vectorial
0v W
2.
u, v W u v W
n
u Vi , u Vi , i 1,2,, n
i 1
v Vi , v Vi , i 1,2,..., n
i 1
u v Vi
i 1
u v W
LGEBRA LINEAL
118
3.
K , u W .u W
n
u W , entonces u Vi
i 1
u Vi , entonces u Vi
i 1
u V , entonces u W .
i 1
DEFINICIN
Sean V1 , V2 , , Vn subespacios vectoriales del espacio vectorial
V , K , , ,
S V1 , V2 , , Vn , y los vectores vi Vi
donde
i 1,2,, n , la suma de los subespacios de S se define por

V1 V2 Vn v v1 v2 vn v1 V1 , v2 V2 , , vn Vn
TEOREMA 16
Sean
V , K , ,
un espacio vectorial, y W1 y W 2 subespacios
vectoriales de V , entonces W1 W2 es un subespacio vectorial de V
TEOREMA 17
Sean
V , K , ,
un espacio vectorial, y W1 y W 2 subespacios
vectoriales de V . Si B1 y B2 son bases de y W1 y W 2 , entonces
W1 W2 B1 B2
DEFINICIN
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de V , U W1 W2 define la suma directa de W1 yW2 si
W1 W2 v V !v1 W1 !v2 W2 , v v1 v2
LGEBRA LINEAL
119
TEOREMA 18
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de dimensin finita de V .
U W1 W2 , si y slo si U W1 W2 y W1 W2 0V .
DEMOSTRACION
u1 W 2 , v 2 W 2 v u 2 v 2
u1 v1 u 2 v 2
u1 u 2 v 2 v1
u1 u 2 W1 W2 0V
v1 v 2 W1 W2 0V
u1 u 2 0V
u1 u 2
v1 v 2 0V
v1 v 2
Por lo tanto u1 v1 son nicos.
Corolario
Sean
V , K , ,
un espacio vectorial y U , W1 y W2 , subespacios vectoriales de
dimensin finita de V , entonces
dimW1 W2 dim W1 dim W2
TEOREMA 19
Sean V , K , , un espacio vectorial, y W1 un subespacio vectorial
de V . entonces existe un subespacio (complemento) W 2 del espacio
vectorial de V tal qu V W1 W 2 .
LGEBRA LINEAL
120
DEMOSTRACION
1.
W1 V
W2 0V
W1 W2 0V V W1 W 2 .
2.
W1 V
W1 es subespacio vectorial propio de V , dim V n
S1 v1 , v 2 , , v r , base de W1 , r n ,
S1 W1
S 2 v r 1 , , v r , donde v j S1 , j r 1,..., n
S 2 W2
W1 W2 0V
W1 W2 v1 , v 2 , , v r , v r 1 , , v n
S1 S 2 v1 , v 2 , , v r , v r 1 , , v n
S1 S 2 es linealmente independiente y es base de V

W1 W2 V S1 S 2 V , entonces
V W1 W 2 .
Ejercicio
Sea W1 ax 3 bx 2 cx d P3 x a 2b c d b c
subespacio vectorial de
P3 x . Hallar un subespacio vectorial W2 tal que P3 x W1 W2 .
TEOREMA 20
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
espacio vectorial V , K , , , entonces
W1 W2 es un espacio vectorial de dimensin finita y adems:
dim W1 dim W2 dim(W1 W2 ) dim(W1 W2 ) .
LGEBRA LINEAL
121
DEMOSTRACION
W1 W2
Sea S u1 , u 2 , , u k base de W1 W2
S tiene k vectores y es parte de una base de W1 y W 2
S1 u1 , u 2 , , u k , v1 , , v n es base de W1
S 2 u1, u2 ,, uk , w1,, wm es base de W 2
S1 S 2 u1, u2 ,, uk , v1,, vn , w1,, wm
S1 S 2 tiene k m n vectores
S1 S 2 genera a W1 W2 (Definicin)
P.D. S1 S 2 es linealmente independiente

k
i 1
i 1
i 1
iui i vi i wi 0v
(1)
Reordenando
m
i 1
i 1
i 1
( i wi ) iui i vi W1
m
( w ) W
i 1
( w ) W
i 1
i 1
i 1
W2
( i wi ) i ui
Reordenando
k
i 1
i 1
i u1 i w1 0V
Se obtiene una combinacin lineal de S 2 , base de W 2 que tiene k m vectores
i 0, i 1,2, , k
i 0, i 1,2, , m
Se obtiene una combinacin lineal de S1 , base de W1 que tiene k n vectores
k
i 1
i 1
i u1 i vi 0V
i 0, i 1,2, , k
LGEBRA LINEAL
122
i 0, i 1,2, , n
S1 S 2 es linealmente independiente y genera a W1 W2
dim W1 dim W2 ( k n) ( k m)
dim W1 dim W2 ( k n m) k
dim W1 dim W2 dim(W1 W2 ) dim(W1 W2 ) .
TEOREMA 21
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
espacio vectorial V , K , , .
W1 W2 es subespacio vectorial de V si y slo si W1 W2 o
W2 W1 .
DEMOSTRACION
a)
""
Por contradiccin
Se supone que:
W1 W2 W2 W1
u1 u1 W1 u1 W2
u 2 u 2 W2 u 2 W1
u1 W1 W1 W2
u 2 W2 W1 W2
u1 , u 2 W1 W2 que es subespacio vectorial
u1 u 2 W1 W2 , entonces
u1 u 2 W1 u1 u 2 W2
1.
Si u1 u 2 W1
u1 W1 u1 W1
u1 u1 u 2 W1
u 2 W1
LGEBRA LINEAL
123
2.
Si u1 u 2 W2
u 2 W 2 u 2 W 2
u 2 u1 u 2 W 2
u1 W 2
b)
""
W1 W2
W1 W2 que es subespacio vectorial
Por lo tanto
W1 W2 es subespacio vectorial de V si y slo si W1 W2 W2 W1
CAMBIO DE BASE
En este apartado se estudia la relacin entre dos vectores coordenadas para el mismo
vector, respecto a bases diferentes.
Sean el espacio vectorial V , K , , y, S y T bases ordenadas de V
S s1, s 2 ,, s n
T t1 , t 2 , , t n
v V
v 1 s1 2 s 2 n s n
(I)
v 1 t1 2 t 2 n t n
(II)
Considerando los vectores de S como combinacin lineal de T
LGEBRA LINEAL
124
s1 a11t1 a12 t 2 a1n t n
(1)
s 2 a 21t1 a 22 t 2 a 2 n t n
(2)
s n a n1t1 a n 2 t 2 a nn t n
Los vectores coordenadas de S respecto a la base T son:
s1 T
a11

a
21

a
n1
s 2 T
a12
a 22
a
n2
s n T
a1n
a2n
a
nn
Entonces se construye la matriz

PS T S1 T
S 2 T
S n T
En forma desarrollada
a11 a12 a1n
a21 a22 a2n

PS T
a
n2
nn
n1
PS T es la matriz de cambio de base de S a T .
LGEBRA LINEAL
(n)
125
Sustituyendo (1),(2),,(n) en (I) e igualando a (II)
1t1 2 t 2 n t n 1 (a11t1 a12 t 2 a1n t n ) + 2 (a 21t1 a 22 t 2 a 2 n t n

n (a n1t1 a n 2 t 2 a nn t n )
Reordenando
1t1 2 t 2 n t n (a11 1 a12 2 a1n n )t1 + (a 21 1 a 22 2 a 2 n n )t 2

an11 an 2 2 ann n tn
Escribiendo matricialmente
1 a11

2 a 21

a
n n1
a12
a 22
an2
a1n 1

a2n 2

a nn n
O tambin
v T
PS T v S
Similarmente
v S
QT S v T
QT S es la matriz de cambio de base de T a S , adems QT S P S1T .
Ejemplo
Sean los conjuntos S y T bases ordenadas del espacio vectorial R 3 , tales que
S (6,3,3), (4,3,1), (5,5,2) , y

T (2,01), (1,2,0), (1,1,1)
Hallar la matriz de cambio de base P de S a T .
Solucin:
LGEBRA LINEAL
126
u (6, ,3,3) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
u T
2

1
1

v ( 4, ,3,1) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
vT
2

1
1

w (5,2,2) 1( 2,0,1) 2(1,2,0) 1(1,1,1)
1

wT 2
1

La matriz requerida es
2 2 1
P 1 1 2
1 1 1
Resumen
En este captulo se revela y se ensea una parte importante del lgebra Lineal, ya que
se analiza la estructura de espacio vectorial, que es el ambiente de trabajo del que se
parte para la obtencin de los resultados y desarrollos que se vern a continuacin en los
siguientes temas.
Se comenz reflexionando con vectores en el plano y en el espacio considerndolos
como segmentos de rectas orientados, junto con las posibles operaciones que pueden
realizarse entre ellos y sus propiedades. Una vez conocidos los espacios R 2 y R 3 como
conjuntos de vectores, se procedi a generalizar, en un proceso de abstraccin, los
aspectos que los caracterizan, obtenindose as la estructura de un espacio vectorial.
De la definicin de subespacio vectorial W surge de manera inmediata el concepto de
conjunto generador, que permite definir, a partir de un nmero finito de vectores, todos
los elementos de W . Dentro de los conjuntos generadores interesan aquellos que
contienen el menor nmero de elementos y estos pueden encontrarse con ayuda de los
conceptos de dependencia e independencia lineales. Estos conjuntos generadores
mnimos se conocen como las bases de los espacios vectoriales y, el nmero de
elementos que las componen, la dimensin de los mismos.
LGEBRA LINEAL
127
ESPACIOS VECTORIALES Y SUBESPACIOS
1.
Sea R n el conjunto de n-uplas ordenadas (a1 , a 2 , , a n ) en el campo R , con la

adicin en R n y la multiplicacin por un escalar, definidas por:
(a1 , a 2 , , a n ) (b1 , b2 , , bn ) (a1 b1 , a 2 b2 , , a n bn )

k (a1 , a 2 , , a n ) (ka1 , ka 2 , , ka n )
Donde a, b, k R . Demostrar que R n es un espacio vectorial sobre R .
LGEBRA LINEAL
128
2.
Sea R 2 el conjunto de parejas ordenadas (a, b) de nmeros reales. Demostrar

que R 2 no es espacio vectorial sobre R con la adicin en R 2 y la multiplicacin
por un escalar sobre R definidas por:
a)
(a, b) (c, d ) (a d , b c) y k (a, b) (ka, kb)
b)
( a , b ) ( c, d ) ( a c, b d ) y k ( a , b ) ( a , b )
c)
(a, b) (c, d ) (0,0) y k (a, b) (ka, kb)
d)
(a, b) (c, d ) (a c, b d ) y k (a, b) (0,0)
LGEBRA LINEAL
129
3.
El conjunto dado con las operaciones dadas no es un espacio vectorial. Qu

propiedades de la definicin no se satisfacen?
a)
Los reales positivos sobre los reales con las operaciones + y .
b)
El conjunto de las ternas ordenadas de nmeros reales con las

operaciones:
( x, y , z ) ( x , , y , , z , ) ( x x , , y y , , z z , ) , y
r ( x, y, z ) ( x,1, z )
c)
x
El conjunto de las matrices M 2x1 tal que , donde x 0
y
con las operaciones usuales en R 3 .
LGEBRA LINEAL
130
4.
Sea el espacio vectorial de M 3x1 .
a)
2
2
W b a b c 1
c
b)
W b a b 1
c
c)
W b b a 2c
c
Determinar si W es subespacio vectorial de M 3 x1 .
LGEBRA LINEAL
131
5.
Determinar si el conjunto W es subespacio vectorial de R 3 .
a)
W ( x, y , z ) e x y 0
b)
W ( x, y, z ) y x z
c)
W ( x, y , z ) x z 2
d)
W ( x, y, z ) x y 0 2 x z 0
e)
W ( x, y, z ) x 2 y z 0
LGEBRA LINEAL
132
6.
Determinar si el conjunto W es subespacio vectorial de P2 x

a)
b)
b)
c)
W p( x) ax
W p ( x ) ax
W p( x) ax
W p( x) ax 2 bx c p(0) p(1) 1
LGEBRA LINEAL
bx c p' (0) p' ' (0) 0
bx c b c
bx c p(0) p' (1)
133
7.
Sea el espacio vectorial V f : 1,1 R , W V .

Determinar cules de los siguientes conjuntos son subespacios vectoriales de V .
a)
W f : 1,1 R
f es contnua
b)
W f : 1,1 R
f es derivable
c)
W f : 1,1 R
d)
W f : 1,1 R
f ( x) f ( x)
e)
W f : 1,1 R
f (0)
f)
W f : 1,1 R
f 12 0
LGEBRA LINEAL
-1
f ( x)dx 0
1
2
134
COMBINACIONES LINEALES Y CONJUNTOS GENERADORES
1.
Dado el espacio vectorial R 2 . Expresar vector u (1 2) como combinacin

lineal de T cuando es posible.
a)
T ( 2,1)
b)
T (2,1), (1,2)
c)
T (3,1), (1, 13 )
d)
T (1,1), (2,5), (3,0)
LGEBRA LINEAL
135
2.
Escribir si es posible el vector u (1,1,4) R 3 como combinacin lineal los

vectores de R 3
a)
(1,1,2),((0,0,1)
b)
(2,-2,0),(-1,1,2)
c)
(3,0,-2),(2,-1,1)
d)
(1,1,0),(1,0,1),(0,1,1)
LGEBRA LINEAL
136
3.
Determinar si el conjunto de vectores dado genera al espacio vectorial indicado.

a)
S (1,1), ( 2,3) . En R 2 .
b)
S (1,1, ), ( 2,1), ( 1,0) . En R 2
c)
1 1

S 2 , 2 . En M 3x1 .
3 3

d)
S 1 x,3 x 2 , x 2 x 1 . En P2 x .
e)
1 0 1 2 4 1 2 5
,
,
,
. En M 2 x 2 .
S
1 0 0 0 3 0 6 0
LGEBRA LINEAL
137
4.
Hallar la cpsula de S en el espacio vectorial dado.

a)
S (1,2,1,2), (0,1,2,3. En R 4 .
b)
2
S 1 t , 1 t . En P2 t .
c)
1

S 2 . En M 3 1 .
3

LGEBRA LINEAL
138
5.
Para qu valor de el vector (2,2,0) pertenece a la cpsula formada por el

conjunto de vectores B (1,1,1), (3, ,0)?
6.
1 1 1 0 0 1
,
,
Dado el conjunto de matrices S

0
0
0
1
1
1

a)
Calcular S .
b)
Encontrar una base para S .
LGEBRA LINEAL
139
7.
1 1

Sea el conjunto S 1 , 0 del espacio vectorial M 3x1 .
0 1

a)
Hallar S .
b)
1

Probar que la matriz F 2 pertenece a S .
3

c)
Demostrar que S es subespacio vectorial de M 3x1 .
LGEBRA LINEAL
140
8.
En el espacio vectorial indicado determinar el valor de para que el conjunto

de vectores dado sea linealmente independiente y linealmente dependiente.
a)
T (1,1,1), (1, 2,0), (4,3 ,4). En R 3 .
b)
1 0 1

T 1, 1 , 0 . En M 3x1 .
1 1

c)
S 1 x x 2 , 1 x x 2 , x x 2 . En P2 x .
LGEBRA LINEAL
141
9.
Hallar un conjunto linealmente independiente en P2 x que contenga a los

polinomios x 2 1 y x 2 1 . Sugerencia : Obtener un p ( x ) x 2 1, x 2 1 .
10.
Hallar un conjunto linealmente independiente en R 3 que contenga a los vectores

(2,1,2) y (-1,3,4). Considerar la sugerencia del ejercicio anterior.
LGEBRA LINEAL
142
11.
En el espacio vectorial R 3 demostrar que los vectores 1, a, a 2 , 1, b, b 2 , 1, c, c 2

son linealmente independientes si a b, a c y b c .
LGEBRA LINEAL
143
12.
Cules de los siguientes conjuntos de R 3 son linealmente dependientes? Para los

que lo sean expresar uno de los vectores como combinacin lineal de los
restantes (relacin de dependencia).
a)
b)
c)
(1,1,0), (3,4,2
(1,10), (0,1,1), (1,0,1), (1,2,2)

(1,1,0), (0,2,3), (1,2,3), (0,0,0)
LGEBRA LINEAL
144
13.
Considerar el espacio vectorial P2 t . Hacer lo mismo que en ejercicio 12.

a)
b)
c)
t 2 1, t 2, t 3
2t 2 t, t 2 3, t
2t 2 t 1,3t 2 t 5, t 13
LGEBRA LINEAL
145
14.
Sea el espacio vectorial de las funciones continuas de valor real. Hacer lo mismo
que en el ejercicio 12.
a)
b)
c)
cos t , sent , e
t , e , sent
cos t , sen t , cos 2t
t
LGEBRA LINEAL
146
BASES Y DIMENSION
1.
Cules de los siguientes conjuntos forman una base en R 3 ? Expresar el vector

u ( 2,1,1) como una combinacin lineal de los vectores del conjunto que
sea base.
a)
(1,1,1), (1,2,3), (0,1,0)
b)
(1,0,2), (2,1,3), (2,0,4)
c)
(1,1,3), (1,0,1), (1,1,0), (1 1,1)
LGEBRA LINEAL
147
2.
3.
Hallar una base de R 3 que incluya a:

a)
El vector (1,0,2)
b)
Los vectores (1,0,2) , (0,1,3).
Hallar una base de P3 x que incluya a los vectores x 3 x, x 2 1 .
LGEBRA LINEAL
148
4.
1 1
0 1
y B
Sean las matrices A

1 0
1 1
a)
a b
, tales que AM MB
Determinar las matrices M
c d
b)
Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c)
Escribir una base de este subespacio vectorial.
d)
Determinar la dimensin de este subespacio vectorial.
LGEBRA LINEAL
149
5.
1 1
Sea la matriz A
1
1
a)
a b
tales que AM O .
Determinar las matrices M
c d
b)
Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c)
Escribir una base de este subespacio vectorial.
d)
Determinar la dimensin de este subespacio vectorial.
LGEBRA LINEAL
150
6.
Sea W el conjunto de las matrices simtricas de orden 2.

a)
Demostrar que W es subespacio vectorial de M 2x 2 .
b)
Hallar una base y determinar la dimensin de W .
LGEBRA LINEAL
151
7.
Sea el conjunto W del espacio vectorial P2 t
W p (t ) at 2 bt c p (t ) p (1 t )
a) Demostrar que W es subespacio vectorial de P2 t .

b) Encontrar una base y la dimensin de W .
LGEBRA LINEAL
152
8.
Sea el conjunto W del espacio vectorial P2 x
a b c 0
W p ( x ) ax 2 bx c
b c 0
2a b c 0
a) Demostrar que W es subespacio vectorial de P2 x .

b) Encontrar una base y la dimensin de W .
LGEBRA LINEAL
153
9.
Sea el conjunto W del espacio vectorial M 2x 2
a b a b c
0
c d 0
c d a
a)
Demostrar que W es subespacio vectorial de M 2x 2 .
b)
Hallar una base y determinar la dimensin de W .
LGEBRA LINEAL
154
10.
Dado el subespacio vectorial de P3 x
W p ( x ) ax 3 bx 2 cx d
abc
a) Determinar una base B1 de W y su dimensin.

b) El polinomio p( x) x 1 W ?
c) A partir de B1 , completar una base B2 para el espacio vectorial P3 x .
LGEBRA LINEAL
155
11.
Sean bases ordenadas de P2 t
B t 2 t 1, t 2,1 , C t 2 , t ,1
a)
b)
Hallar p (t ) B si p(t ) t 2t 1
2
Encontrar p (t ) C si p (t ) B
LGEBRA LINEAL
1

1
3

156
12.
Dados W1 y W 2 los subespacios vectoriales de R 4
a b c 0
a b c d 0
W1 (a, b, c, d )
y W2 (a, b, c, d )
a b d 0
2a c d 0
a)
Determinar W1 W2 .
b)
Demostrar que W1 W2 es subespacio vectorial de R 4 .
c)
Hallar una base para W1 W 2 y su dimensn.
LGEBRA LINEAL
157
13.
Dado W1 un subespacio vectorial de R 3 .
W1 (1,2,3), (01,1
a)
Hallar W1 explcitamente.
b)
Hallar un subespacio vectorial W2 tal que W1 W2 R 3 .
LGEBRA LINEAL
158
14.
Sean W1 y W2 subespacios vectoriales de R 2 .

W1 ( x, y ) 2 x 3 y 0
W 2 ( x, y ) 5 x 4 y 0
a)
b)
Hallar W1 W2 , W1 W2 y W1 W2 .
Establecer si W1 W2 es subespacio vectorial de R 2 .
c)
Determinar si R 2 W1 W2 .
LGEBRA LINEAL
159
15.
Dados W1 , W2 y W3 subespacios vectoriales de R 3 .

W1 ( x, y , z ) x y z 0
W 2 ( x, y , z ) x z
W3 ( x, y , z ) x 0 y 0
Demostrar que R 3 W1 W2 , R 3 W1 W3 y R 3 W2 W3 e indicar cuando la

suma es directa.
LGEBRA LINEAL
160
16.
Dados W1 yW2 subespacios vectoriales de R 3

W1 ( x, y , z ) x y 0
W2 ( x, y , z ) y z 0
a)
Calcular W1 W2 , W1 W2 y W1 W2 .
b)
Determinar cules de los subconjuntos anteriores son subespacios

vectoriales de R 3 .
c)
Comprobar si se verifica que R 3 W1 W2 .
LGEBRA LINEAL
161
17.
Dados los sistemas de ecuaciones lineales

x yzw0
2 z y 3 z w 0
x
2 z 2w 0
x 2 y 4 z 2w 0
y zw0
a)
Hallar los conjuntos solucin W1 y W2 subespacios vectoriales de R 4 .
b)
Dar una base para W1 y W2 y sus dimensiones.
c)
Demostrar que W1 W2 es subespacio vectorial de R 4 dar una base y su

dimensin.
d)
Encontrar W1 W2 y W1 W2 , una base para cada subespacio vectorial y

su dimensin.
LGEBRA LINEAL
162
18.
Dados los sistemas de ecuaciones lineales

x y z w 0
a b c 0 x
2z w 0
x 2 y 4 z 4w 0
x y 3z w 0
a)
Hallar los conjuntos solucin W1 y W2 subespacios vectoriales de R 4 .
b)
Dar una base para W1 y W2 y sus dimensiones.
c)
Dar una base para W1 W2 y determinar la dimensin de W1 W2 .
d)
Demostrar que W1 W2 es subespacio vectorial de R 4 dar una base y su

dimensin y determinar si W1 W2 W1 W2 .
LGEBRA LINEAL
163
PRODUCTO INTERNO
Captulo 5
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial, un producto interno sobre V ,
es una funcin que asigna a cada par de vectores u, v V , un escalar
(u, v) K y cumple que:

1.
u, v V (u, v) (v, u )
2.
u V (u , u ) 0 u 0V u 0V
3.
K , u, v V (u, v) (u,v) (u, v)
4.
u, v, w V (u v, w) (u, w) (v, w)
Los espacios vectoriales dotados de producto interno se denominan espacios

euclidianos o eucldeos.
EJEMPLOS
1.
Sea ( R n , R,,.) u , v R n
u a1 , a 2 , , a n
v b1 , b2 , , bn
n
(u, v) a1b1 a2b2 anbn ai bi
Producto interno usual en
i 1
2.
Rn
Sea (C n , C ,,.) u , v C n
u z1 , z 2 , , z n
v w1 , w2 , , wn
(u, v) z1 w1 z 2 w 2 z n w n z i w i Producto interno usual en C n

i 1
LGEBRA LINEAL
164
PRODUCTO INTERNO
3.
Sea M n , R,. A, B M n
A, B Tr ( B t A)
4.
Producto interno usual en M n
Sea M n , C ,. A, B M n
A, B Tr B * A
Producto interno usual en M n
donde B * es la conjugada de la matriz transpuesta de B .
5.
Sea F el espacio vectorial de las funciones reales continuas a , b f , g F en

b
( f , g ) f (t ) g (t )dt
a
6.
Sea F
a, b
el espacio vectorial de las funciones complejas continuas en

f ,g F
b
( f , g ) f (t ) g (t ) dt
a
7.
Sea Pn x , R, ,. p( x), q( x) Pn x
p ( x ) a0 a1x an x n
q ( x ) b0 b1x bn x n
p( x), q( x) a0b0 a1b1 anbn
NORMA DE UN VECTOR
Sea el espacio vectorial (V , K ,,)
u V
u (u , u )
Terminologa
u se lee: norma de u .
LGEBRA LINEAL
Producto interno usual en Pn x
165
PRODUCTO INTERNO
Observacin. Al referirse a los espacios euclidianos R, R 2 , R 3 , la norma, es un nmero
real que representa la distancia entre el origen y el extremo del vector.
TEOREMAS
Sea (V , K ,,) un espacio vectorial definido con producto interno.
1.
Si u 0V , u 0
2.
Si u 0V , u 0
3.
u u
4.
5.
(u , v) u v
Desigualdad de Cauchy-Schwartz
uv u v
Desigualdad triangular
DEMOSTRACIONES
1.
Si u 0V , u 0
Si u 0V , (u, u ) 0
Si (u, u ) 0 , (u , u ) 0
Si
3.
(u , u ) 0 , u 0
u u
u u
( u , u )
2 ( u, u )
2 (u, u )
(u, u )
u
5.
uv u v
uv
u v, u v
(u, u ) 2(u, v) (v, v)

LGEBRA LINEAL
166
PRODUCTO INTERNO
u 2 Re(u, v) v
2
u 2 (u, v) v
2
u 2u v v
2
u v
21
Por lo tanto:
uv u v
TEOREMA 6
Sea (V , K ,,) un espacio vectorial definido con producto interno,
u , v V , u 0V , v 0V K R
es el ngulo formado por u y v , entonces
cos
(u , v)
u v
DEMOSTRACION
uv
u v 2 u v cos
uv
(u v, u v)
u 2(u, v) v
2
(1)
(2)
Igualando (1) y (2)

1
Re( z ) z
Re(u , v ) (u , v ) u v ,
z z 2 Re( z )
LGEBRA LINEAL
(Teorema 4)
167
PRODUCTO INTERNO
u v 2 u v cos u 2(u, v) v
2
Simplificando:
u v cos (u , v) 2
u
VECTORES ORTOGONALES
Sea (V , K ,,) un espacio vectorial definido con producto interno, u, v V , u y v son
ortogonales si y solamente s su producto interno es igual a cero, es decir,
cos
(u , v)
0
u v
En R 2 , R 3 la ortogonalidad se da para vectores perpendiculares.
Observacin.
El vector nulo se considera ortogonal a todo vector v V .
PROYECCIN ORTOGONAL
El vector w es la proyeccin ortogonal de v sobre u si y solamente si (v w, w) 0 .
CLCULO DE w
Segn la figura anterior:
w es paralelo a u , entonces
w u
(v w, w) 0 , pues v w es ortogonal a w .
LGEBRA LINEAL
(1)
168
PRODUCTO INTERNO
(v u , u ) 0
(v, u ) (u, u ) 0
(v, u )
(u , u )
(2)
w ( v, u )
u
u
CONJUNTO ORTOGONAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V .
T es un conjunto ortogonal si y solamente s:
u, v T , (u v) (v, u ) 0
Ejemplo
Sea T R 3
T (1,0,0), (0,2,0), (0,0,1) es ortogonal.
TEOREMA 7
Sea (V , K ,,) un espacio vectorial con producto interno, T V
Si T es ortogonal, entonces es linealmente independiente.
DEMOSTRACION
Sea T t1 , t 2 , , t n conjunto ortogonal
1 t1 2 t 2 n t n 0 V
(0 V , t i ) 0 ,
donde 1 i n
( 1t1 2 t 2 n t n , t i ) 0
1 (t1 , t i ) 2 (t 2 , t i ) n (t n , t i ) 0 ,es decir,
i (t i , t i ) 0
i 0
LGEBRA LINEAL
169
PRODUCTO INTERNO
Si i 0 , entonces T es linealmente independiente.
Corolario
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
conjunto ortogonal, entonces se cumple que si T tiene n vectores, T es base ortogonal
de V.
VECTOR UNITARIO
Sea u V . Se dice que u es un vector unitario si su norma es igual a 1.
NORMALIZACIN DE UN VECTOR
Sea u V
u
1
u
CONJUNTO ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
ortogonal, entonces se cumple que: Si u V es unitario, entonces T es ortonormal.
BASE ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , entonces
Si T es conjunto ortonormal y es base de V , entonces T es base ortonormal de V.
Ejemplos
1.
Sea el conjunto T R 2
T (1,0), (0,1) i , j es base ortonormal de R 2 .
2.
Sea el conjunto T R 3
T (1,0,0), (0,1,0), (0,0,1) i , j , k es base ortonormal de R3 .
LGEBRA LINEAL
170
PRODUCTO INTERNO
TEOREMA 8 El Proceso de Gram-Schmidt

Sea (V , K ,,) un espacio vectorial definido con producto interno,
W es subespacio vectorial de V . DimV n , entonces
W tiene una base ortonormal.
DEMOSTRACION
1.
DimW 2
A partir de S s1 , s 2 , se construye una base T t t ,t 2 ortogonal.

Si s1 t1
t 2 1 s1 2 s 2
(1)
(t 2 , s1 ) ( 1 s1 2 s 2 , t1 )
( 1t1 2 s 2 , t1 )
t2 ,t1 1 (t1 , t1 ) 2 ( s 2 , t1 )
0 1 (t1 , t1 ) 2 ( s 2 , t1 )
1 2
( s 2, t1 )
(2)
(t1 , t1 )
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
Si T es ortogonal , entonces es linealmente independiente
(Teorema 7)
T es base de W
t
t
T ' 1 , 2 es base ortonormal de W .
t1 t 2
2.
DimW 3
Se repite el proceso anterior

A partir de S s1 , s 2 , s3 , se construye una base T t t , t 2 , t 3 ortogonal
t 3 1 t1 2 t 2 3 s 3
(t 3 , t1 ) ( 1t1 2 t 2 3 s3 , t1 )
LGEBRA LINEAL
(1)
171
PRODUCTO INTERNO
0 1 t1 , t1 2 t2 , t1 3 s3 , t1 ,
de donde:
1 3
( s 3 , t1 )
(t1 , t1 )
(2)
(t 3 , t 2 ) ( 1t1 2 t 2 3 s3 , t 2 )
0 1 t1 , t2 2 t2 , t2 3 s3 , t2
2 3
( s3 , t 2 )
(t 2 , t 2 )
(3)
Sustituyendo (2) y (3) en (1)
(s , t )
(s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 )
(t1, t1 )
El proceso continua hasta obtener n vectores ortogonales
( DimV n ), luego se
normalizan todos los vectores obteniendo una base ortonormal del espacio vectorial.
PRODUCTO CRUZ EN R3
Sean u, v R 3 tales que u a1 , a 2 , a3 y v (b1 , b2 , b3 ) , el producto cruz entre u y v
se define por:
a2b3 a3b2
uxv a3b1 a1b3

ab a b
2 1
1 2
Grficamente uxv es un vector perpendicular al plano formado por u y v .
El producto cruz o producto vectorial slo tiene sentido en R3 .

LGEBRA LINEAL
172
PRODUCTO INTERNO
Ejemplo
Sea el espacio vectorial R 4 . S R 4 . S s1 , s2 , s3 base de R 4 .
s1 (1,1,1,1) , s 2 (1,1,1,1) , s3 (1,1,1,1)
A partir de S hallar una base ortonormal de este espacio vectorial.

Solucin:
Los vectores s1 , s2 , s3 son linealmente independientes. Se va a encontrar una base
ortonormal T * t1 , t 2 , t 3 usando el proceso de Gram-Schmidt.
Primero se considera t1 s1
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
t 2 2 (1,1,1,1)
(1,1,1,1)
4
t 2 2 (1,1,1,1) (1,1,1,1)
2
2 2
t 2 2(1,1,1,1)
(1,1,1,1) (3,1,1,1)
4
(s , t )
(s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 )
(t1, t1)
2
2
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)

12
4
1
1
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)

6
2
t3
6
4
6
1
1
(1,1,1,1) (3,1,1 1) (1,1,1,1)
4
6
2
t 3 (0,1,1,2)
T (1,1,1,1), (3,1,1,1), (0,1,1,2 es base ortogonal
t1 4
t 2 12 2 3
t3 6
1
1
T*
(1,1,1,1),
(3,1,1,1),
(0,1,1,2 es base ortonormal.
2 3
6
4
LGEBRA LINEAL
173
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial definido con producto interno

y W un subespacio vectorial de V . Un vector de V es ortogonal al
subespacio vectorial W si es ortogonal a cada uno de los elementos
de W .
Ejemplo
Sea el espacio vectorial R 3 .
a)
Hallar el conjunto W de todos los vectores ortogonales a u 5,3 2 .
b)
Demostrar W que es subespacio vectorial de V .
c)
Hallar una base de W y su dimensin.
Solucin:
a)
W v x, y, z R3 : v, u 0
v, u 5 x 3 y 2 z 0
3
2
W v x, y, z R3 : x y z
5
5
b)
i.
R3
r,0 0
R3
ii.
R, v, w W | v w W
u , v w u , v u , w
u , v w u , v u , w
u , v w 0
Por i. y ii. W es subespaio vectorial de R 3 .
c)
Clculo de una base de W :
2
3
v y z , y, z
5
5
3 2
v y ,1,0 z ,0,1
5 5
B 3,5,0 , 2,0,5 es base de W
Dim W 2
LGEBRA LINEAL
174
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial definido con producto interno

y W un subespacio vectorial de V . El subespacio ortogonal de V
notado por W se define por:
W u V : w W , u, w 0
La definicin anterior indica que el subespacio ortogonal W contiene a todos los

vectores de V que son ortogonales a cada uno de los elementos de W .
Ejemplo
Sea el espacio vectorial R 4 . W R 4
W u x, y, z, w R 4 : x y 3z w 0
a)
Hallar W .
b)
Demostrar que R 4 W W .
Solucin:
a)
u y 3 z w , y , z , w
u y 1,1,0,0 z 3,0,1,0 w 1,0,0,1
B 1,1,0,0 , 3,0,1,0 , 1,0,0,1 u1 , u2 , u3
B es base de W
W v x' , y' , z ' , w' R 4 : v, u 0
W se obtiene de : v, u1 0 , v, u2 0 , v, u3 0
De donde
x' y ' 0
3 x' z ' 0
x' w' 0
y ' x'
z ' 3 x'
w' x'
W v x' , y' , z ' , w' R 4 : y' x' , z ' 3x' , w' x`'
tambin: v x ' , x ' ,3 x ' , x ' x ' 1,1,3,1
W 1,1,3,1
b)
Se deja como ejercicio.
LGEBRA LINEAL
175
PRODUCTO INTERNO
1.
Sea el espacio vectorial P1 t , p (t ), q (t ) P1 t , tales que p (t ) a1t a0 y

q (t ) b1t b0 . Determinar si p (t ), q (t ) a1b1 a0b1 a1b0 8a0b0 define un
producto interno en P1 t .
LGEBRA LINEAL
176
PRODUCTO INTERNO
2.
Sean los vectores u , v R 3

u x1 , x2 , x3 , v y1 , y 2 , y3 .
Determinar si (u , v) x1 y1 x2 y 2 x2 y3 x3 y 2 2 x3 y3 define un producto

interno en R3 .
LGEBRA LINEAL
177
PRODUCTO INTERNO
3.
Sea el espacio vectorial S de las matrices simtricas de orden 2.

a)
Demostrar que A, B Tr ( AB ) define un producto interno en S .
b)
1 3
0 8
2 1
, B
, C
Sean las matrices A

3 4
8 0
1 3
Hallar ( A, B ), ( B, C ), ( 4 A 5C , B ), A , B C
LGEBRA LINEAL
178
PRODUCTO INTERNO
4.
Sea V un espacio vectorial definido con producto interno, probar que u, v V ,

2
cumplen que u v u v
si y slo si u , v 0 . Este resultado se conoce
como Teorema de Pitgoras.
5.
Probar la Ley del Paralelogramo para dos vectores cualesquiera en un espacio

vectorial con producto interno:
uv uv
2
LGEBRA LINEAL
2u 2v
2
179
PRODUCTO INTERNO
6.
7.
En el espacio vectorial R 2 , determinar:

a)
x , tal que (3,2) y (1, x +2) sean ortogonales.
b)
t , tal que u (t ) (1 t ,2t 2) sea unitario, t R .
Dada la base S s1 , s2 , s3 R3 tal que

s1 (2,1,1), s2 (1,0,1), s3 (1,1,1)
A partir de S calcular una base T ortogonal de R3 conociendo que:
s1 s2 1, s1 , s3 s1 0, s1 , s2 0, s3 , s2 4
Nota: El producto interno dado no es el usual
LGEBRA LINEAL
180
PRODUCTO INTERNO
8.
Dada la base B del espacio euclidiano R 3

B (1,01), (0,1,1), (1,1,0)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.

Aplicar el producto interno usual en R3 .
LGEBRA LINEAL
181
PRODUCTO INTERNO
9.
Dada la base B del espacio euclidiano R 3

B (1,01), (0,1,11), (0,0,1)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.

Aplicar el producto interno usual en R 3 .
LGEBRA LINEAL
182
PRODUCTO INTERNO
10.
Sea W subespacio vectorial de las funciones reales, tal que

W f : 1,1 R
f contnua
S W , un conjunto linealmente independiente, donde S 1, t , t 2 . A partir

1
de S encontrar un conjunto ortonormal de W , si f , g f (t ).g (t ).dt , define

1
un producto interno en el espacio vectorial de las funciones reales en el intervalo

dado.
LGEBRA LINEAL
183
PRODUCTO INTERNO
11.
Sea W subespacio vectorial del espacio euclidiano R 3 , donde

a)
W ( x, y , z ) 2 x y 2 z 0
b)
W ( x, y , z ) x 2 y z 0
c)
W (1,1,1), (1,2,3)
Emplear el proceso de Gram-Schmidt para encontrar una base ortonormal de W .

Aplicar el producto interno usual en R3 .
LGEBRA LINEAL
184
PRODUCTO INTERNO
12.
Sea W subespacio vectorial del espacio vectorial R 3

W ( a, b, c ) a b c 0
13.
a)
Hallar una base de B de W y su dimensin.
b)
Completar una base ortonormal para R 3 usando los vectores de B .
Sea W (1,2,1), (1,3,2) , W R 3

a)
Hallar una base para el espacio complemento ortogonal de W .
b)
Dar una descripcin geomtrica.
LGEBRA LINEAL
185
PRODUCTO INTERNO
14.
Sean W1 y W2 dos subespacios vectoriales del espacio vectorial M 2 x 2 , R,,

a b
a b a 2b c d 0
a b 2c 0 , y W2
W1
b 3c d 0
c d
c d
a)
Calcular W1 W2 , una base y su dimensin.
b)
Calcular una base ortogonal para W1 W2 , usando el producto interno
A, B Tr A.B t .
LGEBRA LINEAL
186
PRODUCTO INTERNO
15.
Si W p ( x ) P2 x p ( x ) p ( x 1) un subespacio vectorial de P2 x con el

producto interno definido por:
1
p ( x), q ( x) p x q x dx .
0
Hallar el espacio complemento ortogonal de W , esto es, W .
LGEBRA LINEAL
187
PRODUCTO INTERNO
16.
Sea la matriz A del espacio vectorial del problema 3.
1 2
A
2 3
Hallar el conjunto complemento ortogonal de A , esto es, A .
LGEBRA LINEAL
188
PRODUCTO INTERNO
17.
Sea W subespacio vectorial de R 4 .

W ( x, y , y , w) x 3 y w 0 .
a) Hallar el subespacio vectorial W .

b) Verificar que R 4 W W
Usar el producto interno usual en R 4 .
LGEBRA LINEAL
189
TRANSFORMACIONES LINEALES
Captulo 6
DEFINICIN
Sean V y W dos espacios vectoriales definidos sobre el mismo
campo. Una funcin L de V en W que asigna a cada vector v V ,
un vector L(v) W es una transformacin lineal, si y slo si,
K , vi , v j V , satisface los siguientes axiomas:

1.
L (v i v j ) L (v i ) L (v j )
2.
L(vi ) L(vi )
La definicin anterior indica que L es una transformacin lineal si y slo si
K , vi , v j V | Lvi v j Lvi Lv j
Grficamente:
Notacin
Se escribe L : V W para indicar que L transforma el espacio vectorial V en el
espacio vectorial W .
Terminologa
A las transformaciones lineales suele llamrseles operadores o aplicaciones lineales.
LGEBRA LINEAL
190
TEOREMA 1
Sea L : V W una transformacin lineal, entonces se cumple que:
1.
L (0 V ) 0 W
2.
L(vi v j ) L(vi ) L(v j )
DEMOSTRACION
1.
L( vi ) L(vi )
0
vi 0V
L (0 V ) 0 W
2.
L(vi v j ) L(vi (1)v j )

L(vi ) L(1v j )
L (v i ) L (v j )
NCLEO
Sea L : V W una transformacin lineal, entonces el ncleo de L , notado por N (L) ,
es el subconjunto de V , que contiene todos los elementos v V , tales que sus imgenes
son iguales al vector nulo de W . As:
N ( L) v V | L(v) 0W
Al ncleo de L de le llama tambin Ker L .
TEOREMA 2
El ncleo de L es un subespacio vectorial de V .
LGEBRA LINEAL
191
DEMOSTRACION
1.
0V N ( L )
L (0 V ) 0 W
0V N ( L )
2.
K , vi , v j N ( L) vi v j N (L)
L(vi v j ) L(vi ) .L(v j )
0W
0W
0W
Por las partes 1. y 2. N (L) es un subespacio vectorial de V
Grficamente:
V
N (L)
IMAGEN
Sea L : V W una transformacin lineal, entonces la imagen de L , notada por Im(L) ,
es el subconjunto de W , que contiene todos los elementos wW , que son imgenes de
vectores v V debidas a la transformacin L . As:
Im(L) w W v V , L(v) w
A la imagen de L de le llama tambin rango o recorrido de L .
Se debe destacar que las definiciones de ncleo e imagen son muy importantes en el
estudio de las transformaciones lineales.
LGEBRA LINEAL
192
TEOREMA 3
La imagen de L es un subespacio vectorial de W .
DEMOSTRACION
1.
0W Im(L)
L (0 V ) 0 W
0W Im(L)
2.
K , wi , w j Im(L) wi w j Im(L)
Si wi , w j Im(L) , entonces vi , v j V , tales que:
L(vi ) wi
(1)
L (v j ) w j
L (v j ) w j
Sumando (1) y (2)
L(vi ) L(v j ) wi w j
wi w j Im(L)
Por las partes 1. y 2. Im(L) es subespacio vectorial de W .
Grficamente:
LGEBRA LINEAL
(2)
193
TEOREMA 4
Una transformacin lineal queda totalmente determinada si se conocen
las imgenes de los elementos de la base del espacio de salida.
Sea L : V W una transformacin lineal, dim V n
S n v1 , v 2 , , v n , una base de V tal que vi V

L(vi ) L(v1 ), L(v 2 ), , L(v n )
DEMOSTRACION
Si S n es base de V y vi V
vi 1v1 2 v 2 n v n
Aplicando el operador lineal L a los dos miembros
L(vi ) 1 L(v1 ) 2 L(v 2 ) n L(v n )
TEOREMA 5
Sea L : V W una transformacin lineal, dim V n
dim V dim N ( L) dim Im(L)
DEMOSTRACION
Sea S v1 , v 2 , , v k , una base de N (L) , donde: 1 k n
Se puede extender este conjunto hasta una base de V . Asi:
S v1 , v 2 , , v k , v k 1 , , v n
Sus imgenes son:
L(v1 ), L(v2 ), , L(vk ), L(vk 1 ), , L(vn )
0W
T L(v k 1 ), , L(v n )
P.D. T es base de Im(L)
Se debe demostrar que en conjunto genera y es base de la imagen de L. As:
LGEBRA LINEAL
194
1.
T genera Im(L)
Sea wi W tal que vi V
L(vi ) wi
vi 1v1 2 v 2 k v k k 1v k 1 n v n
L(vi ) 1 L(v1 ) 2 L(v 2 ) k L(v k ) k 1 L(v k 1 ) n L(v n )
0W
L(vi ) k 1 L(v k 1 ) n L(v n )

Por lo tanto T genera a Im(L)
2.
T es linealmente independiente
k 1 L(v k 1 ) n L(v n ) 0W
L( k 1v k 1 n v n ) 0W
k 1v k 1 n v n N ( L)
k 1v k 1 n v n 1v1 2 v 2 k v k
1v1 2 v 2 k v k k 1v k 1 n v n 0V
i i 0
T es linealmente independiente.
Por las partes 1. y 2. T es base de Im(L)
dim Im(L) n k
Por lo tanto:
dim V dim N ( L) dim Im(L)
INYECTIVIDAD, SOBREYECTIVIDAD Y BIYECTIVIDAD

Sea L : V W una transformacin lineal
1.
L es inyectiva si y slo si vi , v j V :
v1 v j L (v i ) L (v j ) ,
L (v i ) L (v j ) v i v j
2.
L es sobreyectiva si y slo si L (V ) W
dim Im( L ) dim W
3.
L es biyectiva si y slo si L es inyectiva y es sobreyectiva.
LGEBRA LINEAL
195
TEOREMA 6
Sea L : V W una transformacin lineal.
L es inyectiva si y slo si N ( L) 0V
DEMOSTRACION
1.
Si L es inyectiva, entonces N ( L) 0V
Por contradiccin:
Se supone que
N ( L) 0V
L (v ) L (0 V )
v 0V
N ( L) 0V
2.
Si N ( L) 0V , entonces L es inyectiva
Por contradiccin:
Se supone que L no es inyectiva
Sean vi , v j V , vi v j
L(vi ) L(v j ) , L no es inyectiva
(1)
L (v j ) L (v j )
(2)
Restando (1) y (2)
L (v j ) L (v j ) 0 W
L (v j v j ) 0W
v j v j 0V
vj vj
Lo que contradice la suposicin, entonces
L es inyectiva.
Por las partes 1. y 2. el teorema queda demostrado.

LGEBRA LINEAL
196
Corolario 1
Si L es inyectiva, entonces dim N ( L) 0
Corolario 2
L biyectiva si:
1.
dim N ( L) 0
2.
dim Im(L) dim(W )
Corolario 3
Sea L : V W una transformacin lineal, dim V dim W . Las siguientes proposiciones
son lgicamente equivalentes:
L es biyectiva L es sobre L es inyectiva dimN ( L) 0 dim Im(L) dim(W )
CONJUNTO DE LAS TRANFORMACIONES LINEALES L (V ,W )

Al conjunto de las transformaciones lineales de V e n W , se le notar por:
L (V ,W ) L : V W | L es lineal
Grficamente:
IGUALDAD
L i , L j L (V ,W )
Li L j vi V : Li (vi ) L j (vi )
LGEBRA LINEAL
197
OPERACIONES CON TRANFORMACIONES LINEALES

SUMA
L i , L j L (V ,W ) ( Li L j )(v) Li (v) L j (v)
MULTIPLICACIN POR UN ESCALAR

K, L i L (V ,W ) ( Li )(v) Li (v)
A continuacin se presentan los siguientes teoremas que son de mucha utilidad.
TEOREMA 7
L i , L j L (V ,W ) se cumple que:
Li L j L (V ,W )
DEMOSTRACION
Sean Li , L j L (V ,W )
Sea vi V
Li (vi ) wi
L j (vi ) wi,
Considerando que
Li , L j L (V ,W )
wi , wi, W ,
( Li L j )(vi ) Li (vi ) L j (vi )
wi wi,
Segn el axioma de clausura para los espacios vectoriales
wi wi, W
Por lo tanto Li L j L (V ,W ) .
LGEBRA LINEAL
198
TEOREMA 8
K, L i L (V ,W ) se cumple que:
Li L (V ,W )
TEOREMA 9
L (V ,W ) definido sobre el campo K , con las operaciones de suma y
producto es un espacio vectorial ( L (V ,W ) , K ,,) .
DEMOSTRACION
Como ejemplo se demuestra el axioma de asociatividad:
Li , L j , Lk L (V ,W ) ( Li L j ) Lk Li ( L j Lk )
( Li L j ) Lk (v) ( Li L j ) Lk (v)
( Li L j )(v) L j (v)
Li (v) ( L j )(v) L j (v)
Li (v) ( L j )(v) L j (v)
Li (v) ( Li L j )(v)
Li ( L j Lk )
COMPOSICIN DE TRANSFORMACIONES LINEALES

Sean los espacios vectoriales V ,W , Z definidos sobre el campo K con las operaciones
usuales de adicin y multiplicacin.
Se define la siguiente operacin:
L j L (V ,W ) , Li L (W , Z ) ( Li oL j )(v) Li ( L j (v))
LGEBRA LINEAL
199
Terminologa
Li oL j se lee: Li compuesta L j
La siguiente figura ilustra la compuesta de este par de transformaciones lineales:
Los siguientes teoremas son de inters.
TEOREMA 10
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
Li oL j L (V , Z )
DEMOSTRACION
( Li oL j )(v) ( Li oL j )(v)
Li ( L j (v))
Li (w)
z , zZ
Por lo tanto:
Li oL j L (V , Z )
LGEBRA LINEAL
200
TEOREMA 11
Li L (V ,W ) , Lm , Lk L (W , Z ) , se cumple que:
( Lk Lm )oLi Lk oLi Lm oLi
TEOREMA 12
Li , L j L (V ,W ) , Lk L (W , Z ) , se cumple que:
Lk o( Li L j ) Lk oLi Lk oL j
TEOREMA 13
K , L j L (V ,W ) , Li L (W , Z ) , se cumple que:
1. 1.
2. 2.

Li oL j Li o L j
Li oL j Li oL j
3.
TEOREMA 14
Lk L (V ,W ) , L j L (W , Z ) , Li L ( Z ,U ) , se cumple que:
Li o( L j oLk ) ( Li oL j )oLk
LGEBRA LINEAL
201
TRANSFORMACIONES LINEALES INVERTIBLES

Sea Li L (V ,W ) , Li es invertible si existe una transformacin L j : W V , tal que:
Li oL j I W y L j oLi I V .
Grficamente:
L j Li 1
Li oL1
i IW
L1
i oLi I V
LGEBRA LINEAL
202
TEOREMA 15
Sea L una transformacin lineal invertible de V en W , entonces:
1.
v V : L1 ( L(v)) v
2.
w W : L ( L1 ( w)) w
DEMOSTRACION
1.
( L1oL)(v) ( L1oL)(v)
L1 ( L(v))
L1 ( w)
w
2.
( LoL1 )( w) ( LoL1 )( w)
L( L1 ( w))
L(v)
w
TEOREMA 16
Sea L L (V ,W ) , si L es invertible, entonces
L1 es una transformacin lineal de W en V .
DEMOSTRACION
P.D. L1 ( L(vi ) L(v j )) L1 (( L(vi )) L1 ( L(v j ))
L(vi ), L(v j ) W
( L1oL )(vi v j ) ( L1oL )(vi v j )
L1 ( L((vi v j ))
L1 ( L((vi )) L1 ( L(v j ))
LGEBRA LINEAL
203
v i v j
(Teorema 15)
L1 (( L(vi )) L1 ( L(v j ))
TEOREMA 17
Sea la transformacin lineal L L (V ,W ) ,
L es invertible si y solamente s L es biyectiva.
DEMOSTRACION
1.
Si L es invertible, entonces es biyectiva
L es inyectiva
a)
Sean vi , v j V
Se supone que:
L (v i ) L (v j )
L1 ( L(v j )) L1 ( L(v j ))
vi v j
L es inyectiva
L es sobreyectiva
b)
Sea L L (W ,V ) ,
w W , v V : L1 ( w) v
L( L1 ( w)) L(v)
L (v ) w
L es sobreyectiva
Por a) y b) L es biyectiva
2.
Si L es biyectiva, entonces es invertible

P.D. L1 : W V L1oL I v LoL1 I W
L (v ) w
LGEBRA LINEAL
(1)
204
w W , v V H ( w) v
(2)
De (1)
H ( L(v)) H ( w)
H ( L(v)) v
HoL(v) v
HoL I V
(3)
De (2)
L( H ( w)) L(v)
De (1)
L( H ( w)) w
( LoH )( w) w
LoH I W
(4)
Por (3) y (4) L es invertible y L1 H .
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

A toda transformacin lineal L : V W de espacios vectoriales de dimensin finita n
y m , respectivamente, se le puede asociar una matriz A M mxn , tal que:
x1

x
L( X ) AX , donde X 2

x
n
Recprocamente a toda matriz A se le puede asociar con una transformacin lineal

L :V W .
Esto es de extrema utilidad. Considerando que:

1.
Dim Im(L) Rango de L = Rango de A

(Rango es el nmero de filas no nulas de una matriz escalonada).
2.
DimN ( L) n Rango de A .
Por lo tanto, se puede determinar el recorrido, ncleo y sus dimensiones determinando

el recorrido y el ncleo de la matriz correspondiente. Adems si se conoce L( X ) AX ,
se puede conocer L(X) para todo X mediante una simple multiplicacin matricial.
LGEBRA LINEAL
205
TEOREMA 18
Sea L una transformacin lineal, dim V n, dim W m .
Bs v1 , v2 , , vn , base ordenada de V
Bl w1 , w2 , , wm , base ordenada de W , entonces
! A M mxn , tal que L(v)Bl Av Bs
donde: A es una matriz cuya j-sima columna es el vector
coordenadas L(v j ) de L(v j ) , 1 j n .

Bl
DEMOSTRACION
1.
Existencia
Sea v V
v es combinacin lineal de Bs
v 1v1 2 v 2 n v n
vBs
1

2
(1)
(2)
L(v) W
L(v) es combinacin lineal de Bl
L(v) 1 w1 2 w2 n wm
L(v)Bl
1

2
(3)
(4)
De (3)
m
L(v) i wi
i 1
De (1) aplicando el operador L a los dos miembros
L(v) L( 1v1 2 v 2 n v n )
L(v) 1 L(v1 ) 2 L(v 2 ) n L(v n )
LGEBRA LINEAL
(5)
206
n
L (v ) i v j
(6)
j 1
L (v j ) W
L(v j ) es combinacin lineal de Bl
L(v j ) a1 j w1 a 2 j w2 a nj wm
a1 j
a2 j
a
mj
L(v )
j
Bl
L(v j ) aij wi
(7)
i 1

n
j 1
i 1
L(v) i aij wi
m n
L(v) aij j wi
i 1 j 1
Igualando (8) y ((5)

m n
aij j wi
i i
i 1
i 1 j 1
Se cumple la igualdad anterior si

n
i a ij j
j 1
Desarrollando
i ai1 1 ai 2 2 ain n
Tambin
1 a11 1 a12 2 a1n n

2 a 21 1 a 22 2 a 2 n n
m a m 1 a m 2 2 a m n
LGEBRA LINEAL
(8)
207
1 a11

2 a 21

a
m m1
a1n 1

a 2 n 2

a mn n
a12
a 22
am2
vBs
L(v)Bl
L(v)Bl
Av Bs , donde
A L(v1 Bl
2.
L(v2 Bl
L(vn Bl
Unicidad
Por contradiccin
Se supone que A no es nica, entonces
A ' tal que A ' A
L(v)Bl
A ' v Bs
(1)
L(v)Bl
Av Bs
(2)
Igualando (1) y (2)
A A'
Por lo tanto A es nica.
REDEFINICIN DE NCLEO E IMAGEN

Sea L : V W una transformacin lineal con matriz asociada A L Bs
Bl , entonces
Imagen de L :
Av w
Ncleo de L :
Av O
LGEBRA LINEAL
208
Observaciones
1.
Dim Im(L) Rango de L = Rango de A

Rango es el nmero de filas no nulas de una matriz escalonada.
2.
DimN ( L) n Rango de A .
MATRIZ ASOCIADA A UNA COMPOSICIN DE FUNCIONES

Sea la siguiente composicin de funciones:
Base
Base
La matriz asociada a Li oL j , existe y cumple que:
( Li oL j )(v)B3 Li oL j BB13vB1
TEOREMA 19
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
L oL
i
B1
j B3
LGEBRA LINEAL
Li B 3 . L j
B2
B1
B2
Base
dim
209
DEMOSTRACION
( L oL (v)
= L ( L (v)
L L (v)
L oL v L .L
L oL L .L
i
B3
( Li oL j (v)
i
B2
i B3
B1
j B3
B1
j B3
B3
B2
i B3
B1
B2
i B3
B3
(Teorema 18)
B2
B1
j B2
B1
j B2
SEMEJANZA DE MATRICES
TEOREMA 20
Sea L : V W una transformacin lineal, dimV n y la dimW m .
S , S ' , bases ordenadas de V , con matriz de cambio de base PS ' S de
S ' a S , y T y T ' bases ordenadas de W con matriz de cambio de base

QT 'T de T ' a T . Entonces si B L TS '' y A L TS
B QT1'T . A. PS ' S
DEMOSTRACION
S s1 , s 2 , .s n
S ' s1' , s 2' ,.s n'
T t1 , t 2 , .t n
T ' t1' , t 2' ,.t n'
s S Ps S
t T Qt T
'
'
s 'j representa la j-sima columna de P

t 'j representa la j-sima columna de Q
Si A LT , entonces
S
LGEBRA LINEAL
(1)
(2)
210
L( s)T
As S
(Teorema 18) (3)
L( s ) t
(4)
L( s)T
Qt T '
(5)
Igualando (5) y (3)
QL( s )T ' As S
(6)
QL( s )T ' APs S '
(7)
Multiplicando a (7) por Q 1
L(s)T
LTS
'
'
'
Q 1 APs S '
Q 1 AP
Grficamente:
Los conjuntos S ' , S y T ' , T son bases ordenadas de V y W respectivamente.
Se definen las matrices asociadas A y B
vi S
S
T

A L
L(vi ) T
Q
vi S '
LGEBRA LINEAL
S'
T
'
B L
L(vi ) T '
211
P y Q son las matrices de cambio de base de S ' a S y de T ' a T respectivamente.

Entonces se pueden considerar:
1.
AST es la representacin directa de L
2.
BS 'T ' QT'1T AST PS ' S
Adems:
3.
BST ' QT'1T AST
4.
BS 'T AST PS ' S
Corolario
Sea L : V V una transformacin lineal y sean S , S ' bases ordenadas de V con matriz
S'
de cambio de base PS ' S de S ' a S . Entonces si B L S ' y A L SS
B P S 1' S . A. P S ' S
DEFINICIN
Sean las matrices A, B M n xn , B es semejante a A si existe una
matriz P invertible, tal que, B P 1 AP .
TEOREMA 21
Sean
L : V W una transformacin lineal y A, B M mxn . Las
matrices A y B son semejantes si y slo si representan la misma

transformacin lineal respecto a bases diferentes.
LGEBRA LINEAL
212
Observaciones
1.
Si B es la matriz asociada a f respecto a la base B2 y A es la matriz asociada a
f respecto a la base B1 , entonces se tiene que B P 1 AP , donde P es la

matriz de transicin de la base B2 a la base B1 .
Este es uno de los casos que ocurre con mucha frecuencia en las aplicaciones a
la ingeniera.
2
El propsito de una representacin matricial de la transformacin lineal
f es
permitir analizar f usando B . Trabajar con B presenta ventajas. Como bases

distintas dan como resultado matrices asociadas distintas, la eleccin adecuada
de una base para obtener una matriz B sencilla es importante. Este es el objetivo
del siguiente captulo.
Resumen
La teora de matrices es una herramienta muy til en muchas reas del conocimiento, ya
que permite trabajar con grandes conjuntos de informacin de una forma cmoda y
activa. Sin embargo, el concepto de matriz consiste en algo ms que una "tabla de
nmeros, de hecho, es la representacin de funciones definidas entre espacios
vectoriales que se conocen como transformaciones lineales. En este sentido, se ilustra en
distintos ejercicios la correspondencia uno a uno existente entre el conjunto de matrices
de orden mxn y el de las transformaciones lineales de V en W , que son espacios
vectoriales de dimensiones n y m respectivamente.
La conexin entre estos conceptos es tan estrecha que las operaciones entre
transformaciones lineales tienen una simetra en trminos de matrices. Otra muestra
ms, de esta relacin, la ofrece el concepto de matriz inversa, que est asociado al de
transformacin lineal inversa.
As pues, los contenidos que se enfatizan en este captulo son:
Transformaciones lineales.
Ncleo e imagen.
Isomorfismos.
Operaciones entre transformaciones lineales.
Matriz asociada a una transformacin lineal.
Matriz asociada a una transformacin lineal compuesta.
Matriz y transformacin lineal inversa.
LGEBRA LINEAL
213
1.
Determinar si la funcin dada es una transformacin lineal
f :RR
x y f ( x)
a)
f ( x) x 2
b)
f ( x) ax b , si : i) b 0 ii) b 0
c)
f ( x) senx
d)
f ( x) e x
e)
f ( x) x
LGEBRA LINEAL
214
2.
Determinar si la funcin f es una transformacin lineal
f : R2 R2
a)
b)
x, y f x, y x y , x 2 y
f : Mn Mn
A f ( A) At
F :V R
c)
f F ( f ) f ( x)dx
a
LGEBRA LINEAL
, donde V f a , b R : f es contnua
215
3.
Sea la funcin
f :
R4
P1 x
(a, b, c, d) f ( a, b, c, d ) a b d a c d x
a)
Hallar la imagen de f una base y su dimensin.
b)
Encontrar el ncleo de f una base y su dimensin.
LGEBRA LINEAL
216
4.
Dada la funcin
f :
R 2 P1 x
(a, b) f (a, b) (a b) (b 2a) x
a)
Demostrar que f es una transformacin lineal.
b)
Hallar la imagen de f una base y su dimensin.
c)
Encontrar el ncleo de f una base y su dimensin.
d)
f es inyectiva, es sobreyectiva?
LGEBRA LINEAL
217
5.
Sean T : R 3 R 2 una transformacin lineal y B una base de R 3 tales que

B (1,0, 1), ( 2, 1,1), ( 1,1, 1)
T (1,0,1) (3,1), T (2,1.1) (4,2), T (1,1,1) (1,3) .

a)
Hallar T ( x, y, z ) explcitamente.
b)
Encontrar la imagen de T , una base y su dimensin.
c)
Calcular el ncleo de T , una base y su dimensin.
LGEBRA LINEAL
218
6.
Sean f : P2 x R3 una transformacin lineal y B una base de P2 x tales

que:
B 1 x,1 x 2 , x x 2
f 1 x 0,1,1

f x x 1,1,0
f 1 x 2 1,0,1
2
Hallar:
a)
f (a bx cx 2 ) explcitamente.
b)
Hallar la imagen de f , una base y su dimensin.
c)
Encontrar el ncleo de f, una base y su dimensin.
LGEBRA LINEAL
219
7.
Sea la transformacin lineal

f :
P2 x
a bx cx 2
R3
f a bx cx 2 a b c, a b c, a b c
a)
Para qu valores de , f es biyectiva?
b)
Calcular f 1 para 0 .
LGEBRA LINEAL
220
8.
Sea f : R 3 M una transformacin lineal tal que
2x y 2z
x 2z
f ( x, y, z )
2 x y 2 z 3x y ( 1) z
donde M es el espacio vectorial de las matrices simtricas de orden 2x2.
a)
Hallar los valores de para los cuales f es biyectiva.
b)
Encontrar la inversa de f si 0 .
LGEBRA LINEAL
221
9.
Dada f : R 3 R 3 , una transformacin lineal invertible tal que

f ( x, y , z ) x 2 y z , y 3 z , x 2 z
y. adems, B1 (1,1,0), (0,1,1), (1,0,1) y B2 (1,1,1), (0,1,1), (0,0,1), bases R 3 .
a)
Comprobar que f es invertible
b)
Hallar A f BB12 .
c)
Si
f (u )B 2
LGEBRA LINEAL
1

3 hallar u . Sugerencia: u B1 A 1 f (u )B 2 .
1

222
10.

f : Ms
a b
c d
Ms
a b c
a b a b

f
a c
c d a b c
x
donde M s A2 x 2 : A es simtrica es subespacio vectorial de M 2 2 , y

1 0 0 1 0 0
1 0 0 1 0 0
,
,
, B2
,
,
B1
0 0 1 0 0 1
0 1 1 0 0 1
son bases ordenadas del subespacio vectorial M S , R,, .

a)
Hallar la matriz asociada A f BB12 .
b)
Encontrar
LGEBRA LINEAL
2 1
.
1 0
f ( E ) B2 , conociendo que E
223
11.
Sea el conjunto B u1 , u 2 , u 3 base de R 3 donde

u1 (1,1,1), u2 (1,0,1), u3 (1,1,1)
Si
L : R 3 R 3 es una transformacin lineal, tal que

u1 N ( L ) , v2 L(u2 ) (0,1,1), v3 L(u3 ) (1,1,1)
a)
Hallar la matriz asociada A L BB .
b)
Encontrar L( x, y, z )
c)
L es inyectiva, sobre, biyectiva?
d)
A partir del conjunto v 2 , v3 completar una base ortogonal para R 3 .
LGEBRA LINEAL
224
12.
Dada la transformacin lineal

L:
R3
R3
x, y , z L x, y , z x 2 y
, x 3 y 5 z ,2 x 3 y z
a)
Para qu valores de , L es biyectiva?
b)
Hallar la matriz asociada a L respecto a las bases cannicas
c)
Encontrar una base B para la cual la matriz asociada a L respecto a B

tenga una columna de ceros. (Indicacin: uno de los vectores de B debe
pertenecer al ncleo).
LGEBRA LINEAL
225
13.
L:
P2
P2
p(x)
L(p(x)) p' (x) - 2 p(x)
a)
Comprobar que L es invertible
b)
Hallar L1
c)
Encontrar la matriz asociada A L CB , donde
C 1, x, x 2 y B 1 x, x x 2 ,1 x 2 son bases de P2 .
d)
Si p ( x) 2 x x 2 , hallar L( p( x)) usando la definicin y usando A .
LGEBRA LINEAL
226
14.
Sean f : R 3 R 3 una transformacin lineal y B base de R 3 , donde

f 1,0,0 1,1, , f 0,1,1 0,1,1 , f 0,2,1 0,2,1
B (1,0,0), (0,1,1), (0,2,1)

a)
Encontrar f ( x, y, z )
b)
Para qu valores de , L es biyectiva?
c)
Hallar las bases del ncleo y la imagen de L usando b).
d)
Calcular la matriz asociada A f BB cuando 2
LGEBRA LINEAL
227
15.
Sean f L P2 t , R 3 y B1 y B2 bases ordenadas de P2 t , R 3 respectivamente
B1 t t 2 ,1, t 2 y B2 0,1,1, 1,0,1, 1,1,0
A f
B1
B2
1 1
1
1 1 1
1 1
1
a)
Calcular explcitamente f L P2 t , R 3 .
b)
Encontrar f ( p( x)) de dos maneras: usando la matriz asociada y el

resultado en a). Considerar que p ( x) x 2 5 x 6
LGEBRA LINEAL
228
16.
Sean las transformaciones lineales

f :
R3
R3
x, y , z f x, y , z x
g:
R3
R3
x, y , z f x, y , z x
a)
Hallar gof y A gof CC .
b)
Calcular B g CC y C f CC
c)
Verificar que A BC
LGEBRA LINEAL
z,
y z, x y
, x y , x y z
229
17.
Sea gof : P2 t R 3 , una transformacin lineal tal que
gof ( p(t )) g ( f ( p(t )) g ( p(0), p' (1)) ( p(0), p' (1), p(0) p' (1)) , y las bases
B1 1 t , t , t 2
B2 (1,1), (1,2)
B3 (1,1,0), (01,1), (0,1,0)

a)
Encontrar gof BB13 directamente.
b)
Verificar que: gof BB13 g BB 32 .g BB12 .
LGEBRA LINEAL
230
18.
Sea f : R3 R3 una transformacin lineal donde

1
1 1
1 1 0
1
A f B
0
B2
B1 1,0,0 , 0,0,1, 0,1,0 y B2 1,1,0 , 0,1,1, 1,0,1 son bases R3 .
a)
Hallar f explcitamente.
b)
Calcular f CC , donde C representa la base cannica de R3 .
c)
Encontrar f (u ) de dos maneras. Considerar que u B1
LGEBRA LINEAL
1

2 .
1

231
19.

f : M 2x 2
a b
c d
R2
a b
a b c, b c d
f
c d
a)
Calcular f CB . C representa la base cannica.
b)
Encontrar f CC . C representa la base cannica.
c)
1

1
Determinar f (E ) usando a). Si E B .
0

2

LGEBRA LINEAL
1 0 0 1 0 0 0 0
,
,
,
base ordenada de M 2
B
0 1 1 0 1 1 0 1
232
20.
Sean las bases del espacio vectorial P2 x
B 1 x, x, x x 2 y S 2,1 x, x 2
a)
b)
Hallar la matriz de cambio de base de B a S.

Calcular
LGEBRA LINEAL
p ( x)S
si
p( x)B
2

1 y determinar p (x ) .
1

233
21.
Dadas las transformaciones lineales f : R 2 R 3 y g : R 3 R 2 definidas por

f (u1 , u 2 ) (u1 , u 2 ,0)
g (v1 , v2 , v3 ) (v1 v3 , v2 v3 )
a)
Obtener la transformacin lineal h fog .
b)
Expresar A f CC .
c)
Hallar B g CB .
d)
Encontrar E hB .
B
B (1,0,1), (0,2,3), (1,1,2 y C son bases ordenadas de R 3 .
LGEBRA LINEAL
234
22.
Sean las bases de R 2

B1 (1,0), (0,1) y B 2 (1,3), ( 2,5)
a)
Hallar la matriz de cambio de base Q de B1 a B2 .
b)
Encontrar la matriz de cambio de base P de B2 a B1 .
c)
Verificar que P Q 1 .
d)
Mostrar que u B2 Q u B1 , donde u ( x, y, z ) .
e)
2
B1
Mostrar que B P 1 A P , donde B f B
B 2 , A f B1 , y adems
f ( x, y , z ) ( 2 y , 3 x y ) .
LGEBRA LINEAL
235
23.
Sean las bases de R3

B1 (1,0,0), (0,1,0), (0,0,1) y B2 (1,1,1), (1,1,0), (1,0,0)
a)
Hallar la matriz de cambio de base Q de B1 a B2 .
b)
Encontrar la matriz de cambio de base P de B2 a B1 .
c)
Verificar que P Q 1 .
d)
Mostrar que u B2 Q u B1 , donde u ( x, y, z ) .
e)
2
B1
Mostrar que B P 1 A P , donde B f B
B 2 , A f B1 , y adems
f ( x, y , z ) ( 2 y z , x 4 y , 3 x ) .
LGEBRA LINEAL
236
24.
Dada la transformacin lineal f : R 2 R 2 si se conoce que
f( 1, 1 ) ( 2 ,1 ) y f ( 2,3) (3,1)
a) Calcular f explcitamente.
b) Hallar la matriz A f CC . C es la base cannica de R 2 .
c) Encontrar la matriz B f SS usando la matriz de cambio de base.
S (1,1), ( 1,1) es base de R 2 .
LGEBRA LINEAL
237
25.
Dadas la transformacin lineal f y las bases C y S de R 2
f : R2 R2
x, y f x, y x, y
C es base cannica y S (1,1), (1,2

a) Hallar A f CC .
b) Calcular B f SS usando la matriz de cambio de base.
c) Mostrar que A y B son semejantes.
LGEBRA LINEAL
238
26.
f : R3 R3
x, y , z f x, y , z ( 2 x z , x y z , z )
, y
C la base cannica de R 3
S (1,0,11), (0,1,0), (1,1,0) base ordenada de R 3
a)
Hallar A f CC .
b)
Calcular B f SS usando la matriz de cambio de base.
c)
Mostrar que A y B son semejantes.
LGEBRA LINEAL
239
27.
Dada la transformacin lineal f : R 3 R 2 donde
2 1 1
B
A f C
3 2 3
B e1 , e2 , e3 es base cannica R 3
C f 1 , f 2 es base cannica R 2
a)
Si B' e1 ' , e2 ' , e3 ' donde

e1 ' e2 e3
e2 ' e1 e3
e3 ' e1 e2
b)
Calcular f CB '
Si C ' f 1 ' , f 2 ' donde
1
f1 ' f1 f 2
2
1
f 2 ' f1 f 2
2
Calcular f CB ''
LGEBRA LINEAL
240
28.
Dada la transformacin lineal f : R 2 R 2 donde
2 3
B
A f C
1 1
B (1,1), ( 2,3) es base R 3
C e1 , e 2 es base cannica R 2
B ' e1 , e 2 es base cannica R 2
C ' (1,1), ( 2,1) es base R 3
Hallar f CB '' usando la matriz de cambio de base.
LGEBRA LINEAL
241
VALORES Y VECTORES PROPIOS
Captulo 7
DEFINICIN
Sean L L (V ,V ) , (V , K ,,) , K
es valor propio de L , si y solo s v 0V , v V , tal que,
L (v ) v .
v V , v 0V , es vector propio de L asociado con el valor propio
.
Grficamente:
Observaciones
1.
0V no es un vector propio
2.
0 si es un valor propio
LGEBRA LINEAL
242
Notacin
V representa al conjunto de vectores propios de la transformacin lineal L asociados

al valor propio , incluyendo al vector nulo.
V v L(v) v 0V
TEOREMA 1
V es subespacio vectorial de (V , K ,,)
DEMOSTRACION
1.
0 V V
Si cumple por definicin
2.
K , u , v V u v V
L(u ) u
(1)
L (v ) v
(2)
L(u v) L(u ) L(v)
(3)
Sustituyendo (1) y (2) en (3)
L(u v) u v
(u v)
u v VK
Por 1. y 2. V es subespacio vectorial de V .
VALORES Y VECTORES PROPIOS DE MATRICES

Sean K y X M nx1 .
y X se llaman valor y vector propios de A M nxn , respectivamente si y slo si
AX X
LGEBRA LINEAL
243
TEOREMA 2
Sean L L (V ,V ) , (V , K ,,) , A LS y X M nx1 , entonces
S
es un valor propio de L , si y slo si es un valor propio de la matriz

asociada A .
DEMOSTRACION
1.
Si es un valor propio de L , entonces es un valor propio de A

Si es un valor propio de L , L(v) v
L(v)S vS
Av S v S
AX X
es un valor propio de A
2.
Si es un valor propio de A , entonces es un valor propio de L .

Seguir el proceso inverso
TEOREMA 3
Si es un valor propio de A , V CS ( I A) X O tambin
V CS ( A I ) X O
DEMOSTRACION
Si es un valor propio de A , entonces
AX X
X AX O
( I A) X O
CS X ( I A) X O
(1)
V X (I A) X O 0 nK 1
(2)
Igualando (1) y (2)

LGEBRA LINEAL
244
V CS ( I A) X O
Corolario 1
DimV n Rango ( I A) n Rango ( A I )
Corolario 2
es valor propio de A si y slo si det( I A) 0 det( A I ) 0
TEOREMA 4
Sea A M nxn y sean 1 , 2 , , n valores propios diferentes de A , con
sus vectores propios asociados v1 , v 2 , , v n , entonces v1 , v 2 , , v n es
linealmente independiente.
DEMOSTRACION
1.
Si n 2
v1 , v 2 son vectores propios asociados a los valores propios 1 , 2
1v1 2 v 2 0V
(1)
Multiplicando (1) por A
1 Av1 2 Av 2 0V
11v1 2 2 v 2 0V
(2)
Multiplicando (1) por 1
11v1 2 1v 2 0V
Restando (3)-(2)
2 1v 2 2 2 v 2 0V
2 (1 2 )v 2 0V
2 0 , ya que, 1 2 , y
v 2 0V (vector propio)
LGEBRA LINEAL
(3)
245
De (1)
1 0
v1 , v 2 es linealmente independiente.
2.
nk
Si v1 , v 2 , , v n es LI, entonces v1 , v 2 , , v n , v n 1 es linealmente independiente
1v1 2 v 2 n nv n 1vv 1 0V
(4)
Multiplicando (4) por A
1v1 A 2 v2 A n vn A n 1vn 1 A 0V
11v1 2 2 v 2 n n v n n 1 n 1v n 1 0V
(5)
Multiplicando (4) por n 1
1 n 1v1 2 n 1v 2 n n 1 nv n 1 n 1v n 1 0V
Restando (6) de (5)
1 (1 n 1 )v1 2 ( 2 n 1 )v 2 n ( n n 1 )v n 0V
v1 , v2 ,, vn es linealmente independiente, entonces

1 n 1 0, 2 n 1 0, , n n 1 0
1 2 n 0
De (4)
n 1 0 , por lo tanto
v1 , v2 ,, vn , vn1 es linealmente independiente.
POLINOMIO CARACTERSTICO DE UNA MATRIZ

Sea A M nxn , p( ) es el polinomio caracterstico de A si y solo si:
p( ) det(I A) det( A I )
ECUACIN CARACTERSTICA DE UNA MATRIZ

Sea A M nxn , p( ) 0 es la ecuacin caracterstica de A si y solo si:
p( ) det(I A) det( A I ) 0
LGEBRA LINEAL
(6)
246
CLCULO DEL POLINOMIO CARACTERSTICO

Si A M 2 x 2 p ( ) 2 tr ( A) det A
x
Si A M 3 3 p ( ) 3 tr ( A)2 P11 P22 P33 det A

Generalizando:
Si
A M nxn p ( ) tr ( A)
n
n 1
n2
tr2 ( A)
n 3
tr3 ( A) 0 det A
siendo tri ( A) la suma de todos los menores de orden i que contienen en su diagonal
principal, i elementos de la diagonal principal de A .
TEOREMA 5
K es un valor propio de A M nxn
si y solo si es raz de la
ecuacin caracterstica de A .
DEMOSTRACION
a)
Si K es un valor propio de A M nxn , es raz de la ecuacin

caracterstica de A .
Si K es un valor propio de A , entonces
p( ) det(I A) det( A I ) 0
es raz de la ecuacin caracterstica de A .

b)
Se sigue el proceso inverso
MULTIPLICIDAD ALGEBRAICA
Sea A M nxn y p ( ) 1 n1 2 n 2 n nr 0 su ecuacin caracterstica
y 1 , 2 , , n son races de p y las mismas son de multiplicidad algebraica (MA)
n1 , n 2 , , n r .
MULTIPLICIDAD GEOMTRICA
DimVi MGi
LGEBRA LINEAL
247
Observacin
MGi MAi
MATRICES SEMEJANTES Y DIAGONALIZACIN
DEFINICIN
Sean A, B M nxn . A es semejante a B si existe una matriz P
invertible, tal que, B P 1 AP .
DEFINICIN
Sea A M nxn . A es diagonalizable si existe una matriz diagonal D tal
que, A es semejante a D , es decir, D P 1 AP .
TEOREMA 6
Sean A M nxn una matriz asociada a L y L L (V ,V ) entonces, A es
diagonalizable si y slo si existe una base del espacio vectorial M nx1 ,
formada por vectores propios de A .
DEMOSTRACION
a)
Si
A es diagonalizable, existe una base del espacio vectorial M nx1 ,
formada por vectores propios de A .

Si A es diagonalizable,
D P 1 AP
Multiplicando a los dos miembros de la igualdad anterior por P , se obtiene
LGEBRA LINEAL
248
PD AP
Se escriben D y P en forma desarrollada
1
b11
b21

P
b j1

b
n1
b12
b1 j
b22
b2 j
b j2
b jj
bn 2
bnj
b1n
b2 n
b jn
bnn
Columna j-sima de P.D P. Columna j-sima de D , ( D j )
P.D j
(1)
Columna j-sima de A.D A. Columna j-sima de P , ( Pj )
A.Pj
(2)
Igualando (1) y (2)
P.D j A.Pj
(3)
b1 j

b2 j

P.D j j
b jj

b
nj
P.D j j Pj
De (3)
A.Pj j Pj
Pj es un vector propio de A asociado al valor propio j . Generalizando,

existen n vectores propios que constituyen una base de A M nx1 . (Teorema 4)
LGEBRA LINEAL
249
b)
Si existe una base de M nx1 formada por vectores propios de A , entonces A

es diagonalizable.
Sea S v p1 , v p 2 ,, v pn base de nK 1
v V es combinacin lineal de S
v 1v p1 2 v p 2 n v pn
L(v) 1 L(v p1 ) 2 L(v p 2 ) n L(v pn )
(1)
L(v p1 ) 1v p1 0.v p 2 0.v pn
L(v p 2 ) 0.v p1 2 .v p 2 0.v
L(v ) 0.v 0.v v

pn
p1
p2
n pn
(2)
L(v) 1 (1v p1 0.v p 2 0.v pn ) 2 (0.v p1 2 .v p 2 0.v pn )

n (0.v p1 0.v p 2 n v pn )
Reordenando
L(v) (11 0. 2 0. n )v p1 (0.1 2 . 2 0. n )v p 2
(0.1 0. 2 n n )v pn
L(v)S
1 1 0. 2 0. n
0. 1 2 2 0. n
0. 0. .
2
n
n
1
1
1
2
L(v)S

n
n
DL S
S
LGEBRA LINEAL
v S
250
L(v)S
Dv S
A es semejante a D , entonces
A es diagonalizable.
Corolario 1
Si An tiene n vectores propios, entonces An es diagonalizable ( MGi MAi )
Corolario 2
Si An es diagonalizable, la matriz diagonal semejante a An tiene en su diagonal los
valores propios de An .
Observacin
Si vi c son las coordenadas del vector vi en la base cannica C , entonces vi s son
las coordenadas del vector vi en la base de vectores propios S de A y forman la matriz
P.
AL C
C L (v )
vi C
i C
P 1
D L S
S L (v )
vi S
i S
DIAGONALIZACIN DE MATRICES SIMTRICAS

En este apartado se analiza la diagonalizacin de matrices simtricas ( A A t ) . Se hace
particular este caso, debido a que es ms fcil de resolver que el caso general, y a que
las matrices simtricas se presentan en muchos problemas de aplicacin.
TEOREMA 7
Todas las races de la ecuacin caracterstica de una matriz real y
simtrica son reales.
LGEBRA LINEAL
251
DEMOSTRACION
Se supone que existen valores propios C de A M ( R ) nxn tales que
AX X
_____
_____
AX .X
____
__ ____
A X . X
(1)
Multiplicando (1) por X t

____
__ ____
X tA X X t . X
____
__
____
____
__
____
____
__
____
( X t A) X . X t X
( AX t ) X . X t X
( X ) t X . X t X
____
__
____
X t X .X t X
__
Lo que contradice la suposicin, entonces

R
TEOREMA 8
Si A M nxn es matriz simtrica, entonces los vectores propios
asociados a valores propios distintos de A son ortogonales.
DEMOSTRACION
Sean X 1 y X 2 vectores propios de A con valores propios 1 y 2 , tales que:
AX 1 1 X 1
(1)
AX 2 2 X 2
(2)
1 ( X 1 , X 2 ) 1 ( X 1 , X 2 )
(1 X 1 , X 2 )

LGEBRA LINEAL
(3)
252
1 ( X 1 , X 2 ) ( AX 1 , X 2 )
( X 1 , AX 2 )
(4)

1 ( X 1 , X 2 ) ( X 1 , 2 X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 ) 0
(1 2 )( X 1 , X 2 ) 0 , donde (1 2 ) 0
(Hiptesis)
(X1, X 2 ) 0
DEFINICION
Una matriz cuadrada A es ortogonal si su matriz inversa es igual a su
transpuesta, esto es, A 1 A t .
TEOREMA 9
Sea A M nxn , A es ortogonal si y slo si las columnas y las filas de A
forman un conjunto ortonormal de vectores de R n .
TEOREMA 10
Si A es una matriz real y simtrica, entonces existe una matriz
ortogonal P , tal que P 1 AP P t AP D . En consecuencia se dice que
la matriz A es ortogonalmente diagonalizable.
LGEBRA LINEAL
253
DEMOSTRACION
Si A es una matriz real y simtrica, existe una base de vectores de M nx1 , (Teorema 6)
existe una base de vectores ortonormales de M nx1 , entonces existe una matriz P
ortogonal, tal que, P 1 P t , donde P 1 AP P t AP D .
TEOREMA 11
Sea la matriz A M ( R) n .
Si A es simtrica, entonces es diagonalizable.
PROPIEDADES
Sea A M nxn
1.
Si u y v son vectores propios asociados al valor propio de A , si u v 0V ,

entonces u v es un vector propio asociado con .
2.
Si u es un vector propio asociado con el valor propio de A , ku, k 0,

tambin es un vector propio asociado con .
3.
Si es un valor propio de A y u es un vector propio asociado, para cualquier

entero no negativo k , k es un valor propio de Ak y u es un vector propio
asociado.
4.
A y A t tienen los mismos valores propios.
5.
Si A es una matriz diagonal, triangular superior o triangular inferior, sus valores

propios son las componentes de su diagonal.
6.
A es el producto de todas las races del polinomio caracterstico de A . De
manera equivalente, A es el producto de los valores propios de A .

7.
Matrices semejantes tienen los mismos valores propios.
8.
A no es invertible si y slo si 0 es un valor propio de A .
9.
A es diagonalizable si y slo si A tiene n vectores propios linealmente

independientes.
10.
Si A tiene n valores propios distintos, A es diagonalizable.
LGEBRA LINEAL
254
TEOREMA DE CALEY - HAMILTON

TEOREMA 12
Si P( ) y Q( ) son polinomios en la variable escalar , con
coeficientes matriciales cuadrados y si P( ) Q( ).(I A) , entonces
P( A) O.
DEMOSTRACION
Q ( ) 0 1 2 2 n n , donde 1 son coeficientes matriciales cuadrados
P ( ) 0 1 2 2 n n I A
P ( ) 0 A 1 A 2 A2 n An 0 12 2 3 n n 1
Si A
P( A) 0 A 1 A2 2 A3 n An 1 0 A 1 A2 2 A3 nn 1
P ( A) O
//
TEOREMA 13
Toda matriz cuadrada satisface su ecuacin caracterstica, es decir, si
P( ) 0 , es la ecuacin caracterstica de A , entonces P ( A) O .
DEMOSTRACION
Considerando que
a11 a12 a1n
a21 a22 a2n
P ( ) I A
an1
an 2 ann
Cualquier cofactor de la matriz I A es un polinomio en , entonces

LGEBRA LINEAL
255
P11 ( ) P12 ( ) P1n ( )
P21 ( ) P22 ( ) P2n ( )

Adj I A
P ( ) P ( ) P ( )
n2
nn
n1
Esto es, se puede expresar adj I A como un polinomio Q( ) .
Adems:
det I A I adj I A
. I A
det I A I Q ( ). I A
(1)
Por otro lado

det I A I P ( ) I P ( )
(2)
Igualando (1) y (2)

P ( ) Q ( ). I A
Si A
P ( A) O
//
(Teorema 12)
CLCULO DE LA INVERSA DE UNA MATRIZ

Sea A M nxn invertible, entonces existe la matriz A1 .
La ecuacin caracterstica de A es
p ( ) n a n 1 n 1 a1 a0 0
p ( ) I n I a n 1n 1I a1I a0 I 0.I
P ( ) n a n 1 n 1 a1 a0 I O
Si A
P ( A) A n a n 1 A n 1 a1 A a0 I O
A 1.P ( A) A n 1 a n 1 A n 2 a1I a0 A 1 O
A1
1
An 1 an 1 A n 2 a1I
a0
Ejemplo
LGEBRA LINEAL
256
Dada la matriz
1 1 4
A 3 2 1
2 1 1
a)
Encontrar la ecuacin caracterstica
b)
Verificar que P( A) O
c)
Hallar A 1
Solucin:
a)
p ( ) 3 tr ( A)2 ( P11 P22 P33 ) A 0
p ( ) 3 22 5 6 0
b)
P ( A) A3 2 A 2 5 A 6 I O
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
3 1 8
11 3 22
A 29 4 17
16 13 5
11 3 22 6 1 1 1 1 4 1 0 0 0 0 0
P( A) 29 4 17 2 7 0 11 5 3 2 1 6 0 1 0 0 0 0
16 13 5 3 1 8 2 1 1 0 0 1 0 0 0
P( A) O
c)
A1
1
A2 2 A 5I
6
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
3 1 8
6 1 1 2 2 8 5 0 0

A 1 7 0 11 6 4 2 0 5 0
6
3 1 8 4 2 2 0 0 5
1 3 7
1
A 1 9 13
6
1 3 5
1
LGEBRA LINEAL
257
FORMAS CUADRTICAS Y CANNICAS

DEFINICION
Sea A M nxn , la funcin:
QA : R n R
x Q A ( x) X t AX
se llama forma cuadrtica asociada a la matriz A a la expresin

Q A ( x) X t A X
En forma desarrollada:
Q A ( x) x1
a11 a12 a1n x1

a21 a22 a2n x2
x2 xn

a

n1 an 2 ann xn
Observacin
Q A ( x ) puede ser representada por muchas matrices, pero solo por una matriz simtrica.
Particular
Sea Q A ( x) ax12 bx1 x2 cx22 , su matriz simtrica esta dada por:
a b2
A b
c
2
TEOREMA 12
Sea A M nxn , existe una matriz simtrica A1 , tal que
QA ( x) QA1 ( x) , X t A X X t A1 X
DEMOSTRACION
Sea la matriz
LGEBRA LINEAL
258
A1
t
1
A A
2
A1t
t
1
A A
2
A1t
1 t 1
1
A A A At A1 , entonces
2
2
2
A1 es matriz simtrica.
Sean
t
1
A A
2
(1)
X t A1 X X t A1 X
(2)
A1
X t A1 X X t .
X t A1 X
1
A At X
2
1 t
1
X A X X t At X
2
2
X t AX X t AX t
(3)
(4)
pues es matriz 1x1
X t A1 X
1 t
1
X A X X t At X t
2
2
X t A1 X
1 t
1
X AX X t AX
2
2
X t A X X t A1 X
//.
TEOREMA 13
Sea A M nxn una matriz simtrica y Q A ( x ) X t A X su forma
cuadrtica asociada. Existe un cambio de variable lineal Y BX , donde
B M nxn , y una matriz diagonal D , tal que Q A ( x ) Q D ( y ) , es
decir, X t A X Y t DY .
LGEBRA LINEAL
259
DEMOSTRACION
Si A es matriz simtrica, existe una matriz P invertible tal que:
A PDP 1 PDP t
(1)
Q A ( x) X t A X
(2)
Q A ( x) X t P D P t X
(3)
Sea P t X Y , entonces
Y t X tP
(4)

Q A ( x ) Y t DY , es decir,
Q A ( x ) Q D ( y ) //
Observacin
D es matriz de los valores propios de A , y los vectores propios de P son ortonormales.
TEOREMA 14
Teorema de los ejes principales
Sea ax12 bx1 x2 cx22 d , ! 0,2 , tal que la ecuacin anterior

puede escribirse de la forma 1 y12 2 y 22 D . Donde y1 y y 2 son los
ejes principales de la grfica de la ecuacin cuadrtica anterior,
obtenidos al rotar x1 y x 2 un ngulo en sentido antihorario, y, 1 y 2
a b
son los valores propios de la matriz asociada A b 2 .
2 c
MATRIZ DE ROTACIN
Sea P una matriz real y ortogonal, entonces
P.P 1 P.Pt 1
P . Pt 1
P.P 1
Si P 1 , entonces P se denomina matriz de rotacin
LGEBRA LINEAL
P 1
P 1
260
cos
P
sen
sen
,
cos
donde 0 2 .
Observacin. Si P 1 se intercambian columnas.
DEFINICIN
Se llaman invariantes de una curva, a todas las expresiones formadas
por los coeficientes de su ecuacin, que no varan al realizar rotaciones
y traslaciones paralelas de los ejes coordenados.
SECCIONES CNICAS
Sea la curva
f x1, x2 a11x12 a12 x1x2 a22 x22 2a1x1 2a2 x2 a 0
Esta ecuacin puede escribirse en forma matricial como
X t AX BX a 0
Como A es matriz simtrica es ortogonalmente diagonalizable, por lo tanto
0
P t AP 1
0 2
y
Si X PY , donde Y 1
y2
PY t APY BPY a 0
Y t P t AP Y BPY a 0
1 y12 2 y22 b1 y2 b2 y2 a 0
La ecuacin anterior no tiene trmino de producto cruzado.
Los invariantes de una curva de segundo grado son:

1.
La suma de los coeficientes de los cuadrados de las coordenadas

s a11 a 22
LGEBRA LINEAL
261
2.
3.
El determinante formado por los coeficientes de los trminos principales

a
11
a21
a12
a22
a11
a12
a1
a12
a22
a2
a1
a2
El determinante dado por
Las invariancias de s, y facilitan la reduccin de la ecuacin de la ecuacin de la

curva a la forma cannica. As, si 1z12 2 z22 c 0 0 . Entonces
1
2 0 12 c
0 c
0
0
0
1
1 2
0 2
1z12 2 z22
0 Curva de tipo
elptico
(2)
c
c
Por lo tanto
(1)
s 0 Elipse
s 0 Elipse imaginaria
0 Un punto o dos rectas imaginarias

que se cortan en dicho punto.
Curva de tipo
0 Hiprbola
hiperblico
0 Dos rectas que se cortan.
Curva de tipo
0 Parbola
parablico
0 Dos rectas paralelas

(Confundidas, distintas o imaginarias.
LGEBRA LINEAL
262
Sus graficas se presentan a continuacin.
Elipse
Hiprbola
Parbola
LGEBRA LINEAL
263
Ejemplo
Dada la forma cuadrtica
2 x1 2 x1 x2 2 x22 9 0
Identificar y expresar en la forma cannica

Solucin:
s4
A
2 1
1 2
2 1
3 0 es curva de tipo elptico, 1 2 0 27 0

0 0 9
s (4)(27) 108 0 es una elipse

p ( ) 2 4 3 ( 3)( 1) 0
Los valores propios de A son

1 3 2 1
Con vectores propios asociados
1
1
v1 y v2
1
1
1 1
B , base ortogonal, entonces
1 1
1 1 1 1
,
base ortonormal
T*
2 1 2 1
1 1 1
2 1 1
3 0
D
0 1
P 1 P es matriz de rotacin
Y t DY f 0
y1
3 0 y1
9
y 2
0 1 y 2
3 y12 y22 9
La ecuacin cannica de la elipse es

y12 y22
1
3
9
LGEBRA LINEAL
264
Resumen
Una de las diferentes propiedades de las transformaciones lineales es la de proteger la
estructura de espacio vectorial. En concreto, si f es una transformacin lineal definida
en el espacio vectorial V de dimensin n en s mismo y W es un subespacio vectorial
de V , se verifica que su transformado es de nuevo subespacio vectorial de V . En
ocasiones, se tiene adems que f (W ) W , por lo que en este caso W permanece
invariante por f . Las nociones que permiten determinar los subespacios invariantes por
una transformacin lineal f son los de valores y vectores propios de f o, exactamente,
dada la correspondencia uno a uno existente entre el conjunto M n y el de las
trasformaciones lineales L (V , V ) , de su matriz asociada A .
Una vez mostrados los mtodos analticos de clculo de valores y vectores propios de
una matriz A (o de la transformacin lineal f que representa) se ilustran diversas
propiedades de ambos conceptos, que son de gran utilidad en el estudio de la
diagonalizacin de una matriz A M n . El indicado problema consiste en determinar
una base de V respecto de la cual la matriz asociada a la transformacin lineal f sea
diagonal. Esta base, que se construye a partir de los vectores propios de A , no siempre
existe, tal como se analiza en este captulo, y por ello no todas las matrices cuadradas
son diagonalizables.
La diagonalizacin de una matriz A permite realizar ciertas operaciones matriciales de
una manera ms sencilla, como sucede con el clculo de la potencia o de la exponencial
de A .
Las formas cuadrticas constituyen un instrumento del lgebra Lineal de gran utilidad y
aplicacin en Estadstica, Econometra, Teora de la Optimizacin, etc. Lo que justifica
su estudio en el mbito de la ingeniera y ciencias.
Una forma cuadrtica, tal como se aprendi, es una funcin con valores propios reales
definida por un polinomio cuadrtico.
Todos estos aspectos se desarrollaron en los conceptos:
Valores y vectores propios.
Propiedades de los valores y vectores propios.
Diagonalizacin de una matriz.
Formas cuadrticas y cannicas.
Aplicaciones.
LGEBRA LINEAL
265
1.
Sea u un vector propio de las transformaciones lineales f y g . Mostrar que u es

tambin vector propio de la transformacin lineal a f b g , donde a y b son
escalares arbitrarios.
2.
Sean A, B M nxn . Probar AB y BA tienen los mismos valores propios.
3.
1 a
. Calcular los valores de los parmetros a y b para
Dada la matriz A
2 b
que el vector 2,1 sea un vector propio asociado al valor propio 1 5 en la
matriz A . Cul es el otro valor propio en este caso?
4.
Sea L : V V una transformacin lineal invertible. Si es valor propio de
L , cul es el valor propio de L1 ?
LGEBRA LINEAL
266
5.

f : R2 R2
x, y
f x, y x 2 y ,2 x y
Calcular los valores y vectores propios, una base para cada espacio propio, du
dimensin y una base de vectores propios S tal que f est representada con
respecto a S por una matriz diagonal.
LGEBRA LINEAL
267
6.
Probar que si es un valor propio de una matriz A con vector propio asociado
v y n N es un entero positivo, entonces
es un valor propio de la matriz
An con vector propio asociado v .
7.
1 4
. Hallar los valores y vectores propios de A y A 2 .
Sea la matriz A
2
3
LGEBRA LINEAL
268
8.
1 1 1
Sea la matriz A a b c con vectores propios

p q r
1 1

1 , 0
1 1

1

, 1
0

Encontrar los valores de a, b, c, p, q, r .
9.
Hallar una matriz A M 3x 3 tal que sus valores propios son 1, 2 2 con
vectores propios asociados v1 1,1,1, y v 2 2,1,1 , y 3 3 con vector
propio asociado v3 1,1,2,
LGEBRA LINEAL
269
10.
Demostrar que s D P 1 AP , entonces D n P 1 A n P . Usando el resultado

anterior hallar una expresin para A n .
11.
Dada una matriz simtrica A M n
con elementos reales, comprobar que si
todos sus valores propios son iguales a cero entonces A es una matriz nula.
LGEBRA LINEAL
270
12.
Determinar una matriz de orden tres simtrica tal que
rango A 3I 3 1 .
W x, y, x R 3 : 4 x 3 y 0 es un espacio propio de A .
tr ( A) 7 .
LGEBRA LINEAL
271
13.
Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P , tales que, D P 1 AP .
a)
1 3 3
3 5 3
6 6 4
b)
3 1 1
7 5 1
6 6 2
LGEBRA LINEAL
272
c)
3 1 1
2 2 1
2 2 0
d)
3 2 1
0 2 0
0 0 0
LGEBRA LINEAL
273
14.
Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P (ortogonal), tales que, D P t AP .
a)
1 0 3
0 2 0
3 0 1
b)
1 2 1
2 0 2
1 2 1
LGEBRA LINEAL
274
c)
3 1 1
1 5 1
1 1 3
d)
0 1 1
1 0 1
1 1 0
LGEBRA LINEAL
275
15.
Identificar las siguientes curvas y reducir la ecuacin de estas a la forma

cannica
a)
3 x12 2 x1x2 3 x22 2 x1 4 x2 1 0
b)
3 x12 2 x1x2 3 x22 2 x1 4 x2 2 0
c)
x12 x22 2 x1 1 0
d)
x12 2 x1x2 x22 6 x1 4 x2 3 0
LGEBRA LINEAL
276
e)
x12 3 x1x2 2 x22 2 x1 5 x2 3 0
f)
x12 2 x1x2 x22 4 x1 6 x2 1 0
g)
x12 4 x1x2 4 x22 2 x1 4 x2 3 0
h)
x12 4 x1x2 4 x22 2 x1 4 x2 1 0
i)
x12 4 x1x2 4 x22 2 x1 4 x2 2 0
LGEBRA LINEAL
277
16)
Del ejercicio anterior graficar las curvas:

a)
d)
LGEBRA LINEAL
278
f)
17)
Para qu valores de k se obtiene elipse, hiprbola y parbola de la ecuacin

x12 2kx1x2 x22 4 x1 4 x2 9 0 ?
LGEBRA LINEAL
SIN INGENIEROS
Se muri un Ingeniero y se fue a las puertas del Cielo. Sabido es que los Ingenieros por
su honestidad siempre van al cielo. San Pedro busc en su archivo, pero ltimamente
andaba un poco desorganizado y no lo encontr en el montn de papeles, as que le dijo:
"Lo lamento, no ests en listas...". De modo que el Ingeniero se fue a la puerta del
infierno y le dieron albergue y alojamiento inmediatamente.
Poco tiempo pas y el Ingeniero se cans de padecer las miserias del infierno, y se puso
a disear y construir mejoras. Con el paso del tiempo, ya tenan ISO 9001, sistema de
monitoreo de cenizas, aire acondicionado, inodoros con drenaje, escaleras elctricas,
equipos electrnicos, redes de telecomunicaciones, programas de mantenimiento
predictivo, sistemas de control visual, sistemas de deteccin de incendios, termostatos
digitales, etc. Y el Ingeniero se hizo de muy buena reputacin.
Un da Dios llamo al Diablo por telfono y con tono de sospecha le pregunt. Y
qucmo estn por all en el infierno?.
El diablo contest:"Estamos REBIEN!! Tenemos ISO 9001, sistema de monitoreo de
cenizas, aire acondicionado, inodoros con drenaje, escaleras elctricas, equipos
electrnicos, Internet, etc. Oye, apntate mi direccin de e-mail, es:
eldiablofeliz@infierno.com. Y no s cul ser la prxima sorpresa del Ingeniero!".
"QU?, QU?! TIENEN un Ingeniero all?? Eso es un error! Nunca debi haber
llegado ah un Ingeniero. Los ingenieros siempre van al cielo, eso est escrito y resuelto
ya. Me lo mandas inmediatamente!.
Ni loco!. Me gusta tener un ingeniero de planta en la organizacin y me voy a quedar
con l eternamente.
Mndamelo o TE DEMANDAR!!...:
Y el Diablo, con la vista nublada por la tremenda carcajada que solt, le contest a
Dios: "Ah S?? ......y por curiosidad... DE DNDE VAS A SACAR UN
ABOGADO?!" si todos estn aqu.
Ofrece este mensaje a tus amigos y amigas para que tengan una idea de lo que es un
ingeniero

Algebra Lineal 2015-d

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Algebra Lineal 2015-d

Caricato da

Copyright:

Formati disponibili

lgebra Lineal

Juan Nez Olmedo

Primera Edicin Septiembre 28 de 2015

Reservados todos los derechos

Hecho en Quito Ecuador Sudmerica

ALGORITMO PARA EL CALCULO DE A ....................................................................................30

Una matriz A de m n es un ordenamiento rectangular de m

aij es el elemento i,j-simo (pertenece a la fila i y a la columna j).

La j-sima columna de A es:

... ain y constituye la matriz fila de Ai

y constituye la matriz columna A j

A puede ser representada por matrices fila, as: A A1 , A2 , , Ai , , Am

A puede ser representada por matrices columna, as: A A , A 2 , , A j , , A n

Las siguientes matrices son iguales

Las siguientes matrices no son iguales

A es matriz cuadrada si y slo si m n . El conjunto de matrices cuadradas se nota

OPERACIONES CON MATRICES

MULTIPLICACIN POR UN ESCALAR

Es decir, A se obtiene multiplicando por a cada componente de A .

Dadas las matrices A y B , hallar 2 A 3B y 3 A 2 B

, K , A, B, C M mxn , se cumple que:

Se demostrarn los teoremas 1, 3 y 5 los restantes teoremas se dejan como ejercicio.

(aij ) (bij cij )

(aij bij cij )

((aij bij ) cij )

Sean las matrices A aij

El producto de A y B es la matriz C cik mp , donde

Esto se muestra en la figura

a21 a22 a2 p b11 b12 b1k

b21 b22 b2k

b1n c11 c12

El elemento i, k -simo de AB es el producto escalar de la i -sima fila de A y

Dos matrices A y B se pueden multiplicar solo si el nmero de columnas de la

Expresar las ventas de la empresa mediante una matriz A de orden 4x3.

Expresar mediante una matriz X de orden 3x1 el precio de cada producto.

Las ventas en el ao anterior se pueden representar en una matriz A de orden

Los precios unitarios de cada producto se pueden escribir en X de orden 3x1 en

Si se consideran las matrices A y X definidas en los apartados a) y b), se tiene

AX es una matriz en la que se especifican los ingresos obtenidos en el ao

Por qu las identidades dadas no son ciertas?

verdaderas si A y B son escalares, pero no son vlidas si A y B son matrices, ya que el

A M mxn, , B M nxp , C pxq

Multiplicacin escalar por matriz

aij b jk aij c jk Propiedad del sumatoria

Propiedad del sumatoria

Definicin escalar por matriz

A y B son conmutables si y slo si AB BA.

DIAGONAL DE UNA MATRIZ

a21 a22 a2n

MATRIZ TRIANGULAR SUPERIOR

MATRIZ TRIANGULAR INFERIOR

A es matriz diagonal si y slo si aij 0, i j y aij es escalar, i j .

A es matriz escalar si y slo si aij 0, i j y aij es constante, i j .

I es matriz identidad si y slo si aij 0, i j y aij 1, i j .

A es matriz nilpotente de orden k , si k es el menor entero positivo tal que A k O .

es matriz nilpotente de orden 2, pues, A2 O

es matriz nilpotente de orden 3, pues, B3 O

TRAZA DE UNA MATRIZ

A M m n , I M nxn , tal que A.I A

cik ai1b1k ai 2 b2 k aij b jk ain bnk

ci1 ai1b11 ai 2 b21 aij b j1 ain bn1

ci 2 ai1b12 ai 2 b22 aij b j 2 ain bn 2

cij ai1b1 j ai 2 b2 j aij b jj ain bnj

cik aij b jk aij