1.

Sistemas de ecuaciones lineales

Teorema 1.1. Un sistema homogéneo siempre es consistente.

Teorema 1.2. Sea A ∈ mat(m × n; R), con m < n (más incógnitas que ecuaciones); ent., Ax = 0̄
tiene un número infinito de soluciones.

Teorema 1.3. Sea A ∈ mat(m × n; R), con m < n; ent., Ax = b no tiene solución o tiene un
número infinito de soluciones.

Teorema 1.4. Sea A la matriz de coeficientes de un sistema de ecuaciones lineales con n variables.
Si el sistema es consistente; ent.,

número de unos no principales = n − rank(A).

Teorema 1.5. Supóngase que A es de m × n, b ∈ Rm y que el sistema Ax = b es consistente.

Supóngase que p es una solución a Ax = b. Sea N(A) el conjunto de soluciones del sistema
homogéneo asociado a Ax = b. Ent., el conjunto de todas las soluciones de Ax = b consiste en
vectores de la forma N(A)+p; i.e.,

{x|Ax = b} = {p + x|z ∈ N (A)} .

Coloquialmente, quiere decir que para obtener todas las soluciones del sistema Ax = b, basta cono-
cer una solución particular para dicho sistema y el conjunto de soluciones del sistema homogéneo
asociado.

2. Rango y sistemas de ecuaciones lineales

Teorema 2.1. ∀A ∈ mat(m × n; R), rank(A) = rank(AT ).

Teorema 2.2. Sea A de m × n, ent., rank(A) ≤ mı́n {m, n}.

Teorema 2.3. Sea A de m × n. Un sistema Ax = b (con x ∈ Rn y b ∈ Rm ) es consistente si, y

sólo si, rank(A | b) = rank(A). Supóngase que rank(A | b) = rank(A) = r. Ent.,

Si r = n; i.e., rank(A) es igual al número de incógintas (igual al número de columnas de A),

ent., el sistema Ax = b tiene única solución.

Si r < n; i.e., rank(A) es menor al número de incógintas (menor al número de columnas de

A), ent., el sistema Ax = b tiene infinitas soluciones.

Teorema 2.4. Sea Ax = b. El sistema Ax = b es consistente si, y sólo si, b es combinación lineal
de las columnas de A.

3. Espacios vectoriales
Teorema 3.1. Intersección de subespacios vectoriales es espacio vectorial.

Teorema 3.2. Sean U y W subespacios vectoriales de V . U ∪ W es subespacio vectorial ⇔

U ⊆ W ∧ W ⊆ U.

1
3.1. Combinaciones lineales, espacio generado e independencia lineal
Teorema 3.1.1. V es espacio vectorial ⇒ ∃X, X ⊆ V tal queV = L(X).

Teorema 3.1.2. U ⊆ W ⇒ L(U ) ⊆ L(W ).

Teorema 3.1.3. W subespacio vectorial ⇔ L(W ) = W.

Teorema 3.1.4. Sea U subespacio vectorial de V. L(L(U )) = L(U ).

Teorema 3.1.5. Sean U y W subespacios vectoriales de V . Sean U 6= ∅ =

6 W.
L(U ∪ W ) = L(U ) + L(W ).

Teorema 3.1.6. Sean U y W subespacios vectoriales de V . U + W = {u + w|u ∈ U ∧ w ∈ W }

es subespacio vectorial.

Teorema 3.1.7. Sean U y W subespacios vectoriales de V . U ∩ W 6= ∅ ⇒ L(U ) ∩ L(W ) = {0} .

Teorema 3.1.8. Sean U y W subespacios vectoriales de V . L(U ∩ W ) ⊆ L(U ) ∩ L(W ).

Teorema 3.1.9. L(A) es el menor subespacio vectorial que contiene al conjunto A; i.e., A ⊆ W y
W es subespacio vectorial, ent., L(A) ⊆ W .

Teorema 3.1.10. \
L(A) = W
W sub. vect. y
A⊆W

Teorema 3.1.11. A es un conjunto LD de vectores y A ⊆ B; ent., B es un conjunto LD de

vectores.

Teorema 3.1.12. Sea B ∈ V un conjunto de vectores, con B 6= ∅. B es LD si, y sólo si, al menos,
un vector es combinación lineal de los otros vectores.

Teorema 3.1.13. Sea B ∈ V un conjunto de vectores, con B 6= ∅. Si 0̄ ∈ B; ent., B es un conjunto

de vectores LD.

Teorema 3.1.14. Sea B ∈ V un conjunto de vectores, con B 6= ∅. Si 0̄ ∈ B; ent., B es un conjunto

de vectores LD.

Teorema 3.1.15. Sea B ∈ V un conjunto de vectores LI, con B = {v1 , . . . vn }. Si a1 v1 +. . .+an vn =

b1 v1 + . . . + bn vn ; ent, ai = bi , con i = 1, . . . , n.

Teorema 3.1.16. Un conjunto B de vectores LI, con B = {v1 , . . . vk }, puede corresponderse a un

sistema homogéneo Ax = 0̄; donde A es una matriz de n × k, cuyas columnas están dadas por
los elementos de B y x = (a1 , . . . ak )T . Ası́, la ecuación a1 v1 +. . .+ak vk = 0̄ es equivalente a Ax = 0̄.

B es LI si la única solución a Ax = 0̄ es la trivial.

Teorema 3.1.17. Sea B ∈ Rn , con B = {v1 , . . . vk }. Sea A una matriz de n × k, cuyas columnas
están dadas por los elementos de B. B es LI si rank(A) = k.

Teorema 3.1.18. Sea S un conjunto LI de vectores. Si existe u ∈

/ S; ent., S ∪ {u} también es un
conjunto LI.

2
Teorema 3.1.19. Sea S un conjunto de vectores LD, sea T ⊆ V cualquier conjunto de vectores;
ent,. S ∪ T es un conjunto de vectores LD.
Teorema 3.1.20. n vectores de Rm son LD si n > m.
Teorema 3.1.21. Un conjunto S de vectores LI en Rn contiene, a lo sumo, n vectores; además,
L(S) = Rn .
Teorema 3.1.22. Si S y T conjuntos finitos de vectores LI; ent., S ∩ T es un conjunto de vectores
LI.

3.2. Bases y dimensión

Teorema 3.2.1. Todo espacio vectorial tiene una base.
Teorema 3.2.2. Sea V un espacio vectorial de dimensión finita. Si β1 y β2 bases de V ; ent,
|β1 | = |β2 |.
Teorema 3.2.3. Sea β = {v1 , . . . vn } una base para V . Si v ∈ V ; ent., existe un conjunto único
de escalares a1 , . . . , an tales que v = a1 v1 + . . . + an vn .
Teorema 3.2.4. Sea β = {v1 , . . . vn } una base para V . Cualquier conjunto con más de n vectores
debe ser LD; cualquier conjunto con menos de n vectores no puede generar a V.
Teorema 3.2.5. Si un espacio vectorial V tiene una base con n vectores; ent., toda base para V
tiene exactamente n vectores.
Teorema 3.2.6. Sea V un espacio vectorial con dim(V ) = n. Ent.:
Cualquier conjunto LI en V contiene cuando mucho n vectores.
Cualquier conjunto generador para V contiene al menos n vectores.
Cualquier conjunto LI de exactamente n vectores en V es una base para V .
Cualquier conjunto generador para V que consiste de exactamente n vectores es una base
para V .
Cualquier conjunto LI en V se puede extender a una base para V .
Cualquier conjunto generador para V puede reducirse a una base para V .
Teorema 3.2.7. Si W ⊆ V es cualquier subespacio vectorial; ent., dim W ≤ dimV .
Teorema 3.2.8. Sean U, W ⊆ V subespacios vectoriales; ent.,
dim(U + V ) = dim(U ) + dim(V ) − dim(U ∩ V ).

3.2.1. Espacio cociente

Teorema 3.2.1.1. Sea W ⊆ V y E de dimensión finita. Ent.,
dim(VW ) = dim(V ) − dim(W ).
Teorema 3.2.1.2. Si V = U ⊕ W ; ent., dim(V ) = dim(U ) + dim(W ).
Teorema 3.2.1.3. Sea V espacio vectorial y U ⊆ V subespacio vectorial; ent., ∃W ⊆ V tal que
V = U ⊕ W.

3
3.3. Transformaciones lineales
Teorema 3.3.1. Sean V, W, U espacios vectoriales sobre el campo F. Sean T1 : V −→ W y
T2 : W −→ U TL. Ent., la composición T2 ◦ T1 es TL.

Teorema 3.3.2. ker(T ) y Im( T ) son subespacios vectoriales de V y W , respectivamente.

Teorema 3.3.3. Considérese T : V −→ W como TL; V, W son espacios vectoriales sobre el mismo
campo F. Ent.:

T (0V ) = 0W .

∀n ∈ N, T ( ni=1 λi vi ) = ni=1 λi T (vi )

P P

T es inyectiva si, y sólo si, ker(T ) = {0V }.

Si T es inyectiva y {v1 , . . . , vn } son LI; ent., {T (v1 ), . . . , T (vn )} son LI.

Sea V espacio vectorial y dim(V ) = n. Sea β = {e1 , . . . , en } base de V. Sean {w1 , . . . , ew } ∈

W. Ent., ∃! T : V −→ W tal que ∀i, T (ei ) = wi .

Nota.

ˆ Para definir una TL basta con definirla en una base.

ˆ Toda TL queda completamente definida en una base.

Teorema 3.3.4. Sean V y W espacios vectoriales de dimensión finita. Sea T ∈ Hom(V ; W ). Ent.,
dim(V ) = dim(ker(T )) + dim(Im(T )).

Teorema 3.3.5. Sean V y W espacios vectoriales de dimensión finita tal que dim(V ) = dim(V )
y sea T ∈ Hom(V ; W ); son equivalentes:

1. T es inyectiva.

2. T es suprayectiva.

3. T es biyectiva.

Teorema 3.3.6. Sea T : V −→ W un isomorfismo. Sea β una base de V . Si β = {e1 , . . . , en };

ent., T (β) = {T (e1 ), . . . , T (en )}.

3.3.1. Teoremas de isomorfı́a

= Vker(T ).
Teorema 3.3.1.1. T : V −→ W es TL suprayectiva ⇒ W ∼

dim(V ) = dim(ker(T )) + dim(Im(T )) ⇒

dim(V ) − dim(ker(T )) = dim(Im(T )) = dim(W ) ⇒
dim(W ) = dim(Vker(T )

4
Teorema 3.3.1.2. Sean U, W ⊆ V . Ent.,
U + W ' U
W U ∩W

Y ⊆ Xespacio vectorial; ası́, dim(XY ) = dim(X) − dim(Y ).

dim(U + WW ) = dim(U + W ) − dim(W )

= dim(U ) + dim(W ) − dim(U ∩ W )
= dim(U ) − dim(U ∩ W )

Teorema 3.3.1.3. Sean U ⊆ W ⊆ V subespacios vectoriales. Ent.,

V .
U W
U

V .
dim( U W ) = dim(VU ) − dim(WU )
U
= dim(V ) − dim(U ) − (dim(W ) − dim(U ))
= dim(V ) − dim(W )