Documente Academic
Documente Profesional
Documente Cultură
ALGEBRA LINEAL
Kepler Ck Ikastegia
2005
Introducción al álgebra lineal
2 Kepler Ck Ikastegia
Índice general
1. Espacios vectoriales 5
1.1. Definición y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Dependencia e independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Base y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Subespacios y espacios vectoriales cocientes . . . . . . . . . . . . . . . . . . . . . 9
1.5. Intersección y suma de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6. Homomorfismos o aplicaciones lineales entre espacios vectoriales . . . . . . . . . 11
1.7. Matriz asociada a una aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . 12
2. Matrices. Determinantes 13
2.1. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3. Resolución de sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . 21
2.4. Funciones multilineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5. Función determinante. Propiedades de los determinantes . . . . . . . . . . . . . . 21
2.6. Desarrollo de un determinante por los elementos de una lı́nea. Regla de Cramer . 21
3
Introducción al álgebra lineal
4 Kepler Ck Ikastegia
Capı́tulo 1
Espacios vectoriales
5
Introducción al álgebra lineal
Definición 1.8 Sea V un espacio vectorial no nulo y Ø 6= S ⊂ V ; diremos que S es una base
de V si S es un sitema generador minimal.
6 Kepler Ck Ikastegia
Introducción al álgebra lineal
i) S es una base de V .
Demostración:
i)=⇒ii)
Veamos que S es libre. Sea T = {v1 , . . . , vp } ⊂ S; veamos que T es libre. Si existe una combi-
1
nación lineal λ1 v1 + · · · + λp vp = 0 con algún λi 6= 0 entonces vi = − (λ1 v1 + · · · + λi−1 vi−1 +
λi
λi+1 vi+1 + · · · + λp vp ) y de esta forma vi es combinación lineal de vectores de S − {vi }. Por el
lema 1.1 S − {vi } es un sistema generador de V y esto contradice que S es sistema generador
minimal. Por otra parte, si ∃ Ø 6= S 0 ⊂ V tal que S 0 es libre y S es un subconjunto propio de
S 0 , entonces podemos tomar v ∈ S 0 − S. Como S es sistema generador existen w1 , . . . , wn ∈ S
y λ1 , . . . , λn ∈ K tales que v = λ1 w1 + · · · λn wn . Ası́, {v, w1 , . . . , wn } ⊂ S 0 es ligado, lo cual es
una contradicción. En definitiva, S es libre maximal.
ii)=⇒iii)
Si S no es un sistema generador ∃ v ∈ V que S no puede expresarse como combinación lineal de
vectores de S. Por tanto, S la unión disjunta S · {v} es libre; en efecto, si T es un subconjunto
finito y no vacı́o de S · {v} caben dos casos:
7 Kepler Ck Ikastegia
Introducción al álgebra lineal
Observación 1.2 Si B es una base del espacio vectorial V entonces ∀ v ∈ V se puede expresar
de forma única como combinación lineal de vectores de B; en efecto, supongamos que v =
λ1 u1 + · · · + λp up y
v = µ1 u1 + · · · + µp up , para algún subconjunto {u1 , . . . , up } ⊂ B, son dos formas diferentes
de expresar el vector v como combinación lineal de vectores de B; añadiendo los coeficientes
nulos necesarios podemos asegurar que aparecen el mismo número de sumandos y el mismo
subconjunto
{u1 , . . . , up } ⊂ B de vectores. Entonces se sigue que
(λ1 − µ1 )u1 + · · · + (λp − µp )up = 0 y como {u1 , . . . , up } es libre se deduce que λi = µi ∀ i =
1, . . . , p.
Teorema 1.2 Si S es un sistema generador finito de V entonces existe B ⊂ S tal que B es una
base de V .
Demostración:
Si S es libre entonces basta tomar B = S; si S no es libre existe v ∈ S que se puede expresar
como combinación lineal de vectores de S − {v}, luego por el lema 1.1 S − {v} es un sistema
generador de V . Si resulta ser S − {v} libre tomamos B = S − {v}, en caso contrario, se vuelve
a eliminar un vector de S − {v}. Como la cardinalidad de S es finita el proceso termina con la
obtención de un subconjunto B ⊂ S tal que B es libre y sistema generador de V , luego base de
V.
Teorema 1.3 Sea V un espacio vectorial sobre K finitamente generado y no nulo. Entonces V
posee al menos una base finita.
Demostración:
Sea S un sistema generador de V finito. Por el teorema1.2 existe B ⊂ S base de V ; además es
B finito.
8 Kepler Ck Ikastegia
Introducción al álgebra lineal
lineal de {v2 , v1 , u1 , . . . , ui2 −1 }. De nuevo suprimimos el vector ui2 y consideramos el sistema gen-
erador de V , {v2 , v1 , u1 , . . . , un } − {ui1 , ui2 }. Argumentando de esta forma se concluye que p ≤ n
y que existen subı́ndices i1 , . . . , ip tales que
{vp , . . . , v1 , u1 , . . . , un } − {ui1 , . . . , uip } es un sistema generador de V . Bastarı́a tomar entonces
T = {u1 , . . . , un } − {ui1 , . . . , uip }.
(Obsérvese que si p > n entonces se llegarı́a a que existen i1 , . . . , in tales que {vn , . . . , v1 , u1 , . . . , un }−
{ui1 , . . . , uin } = {vn , . . . , v1 } es un sistema generador de V y vn+1 serı́a combinación lineal de
los vectores v1 , . . . , vn lo cual es absurdo pues {v1 , . . . , vn , vn+1 , . . . , vp } es libre.)
Teorema 1.5 Sea V un espacio vectorial sobre K no nulo y finitamente generado. Entonces to-
das las bases de V tienen la misma cardinalidad finita. Dicho cardinal se denomina la dimensión
de V y se denota por dimK V .
Demostración:
Se ha probado ya la existencia de una base finita de V digamos B. Sea B 0 otra base de V ; nece-
sariamente Card(B 0 ) ≤ Card(B); en efecto, en caso contrario, podemos tomar un subconjunto
finito T ⊂ B 0 tal que
Card(B) < Card(T ) < ∞ y como B es un sistema generador y T es libre se contradice el
teorema del reemplazamiento 1.4. Por la misma razón, al ser B 0 un sistema generador de V y B
libre se deduce que Card(B) ≤ Card(B 0 ), y en definitiva Card(B) = Card(B 0 ).
Nota:
Si V = {0}, por convenio, supondremos que V es un espacio vectorial sobre K de base vacı́a y
con cardinalidad 0, es decir, dimK {0}= 0. Con este convenio, las fórmulas que se prueban son
válidas para espacios vectoriales sobre K no necesariamente no nulos.
9 Kepler Ck Ikastegia
Introducción al álgebra lineal
2. dimK W ≤ dimK V
4. dimK W = dimK V ⇐⇒ W = V
Demostración:
Sea B una base de V . Entonces Card(B) < ∞ pues V es finitamente generado. Sea T ⊂ W
libre en W entonces T es libre en V y ası́ por el teorema del reemplazamiento 1.4 se tiene
Card(T ) ≤ Card(B) < ∞. Por tanto, todos los subconjuntos libres de W tienen cardinalidad
finita menor o igual que la de B.
Elegimos en A = {T ⊂ W | T es libre en W } ⊂ P(W ) un subconjunto B0 de cardinalidad
máxima. Entonces B0 es libre maximal en W luego es una base de W . Además Card(B0 ) ≤
Card(B) lo cual implica dimK W ≤ dimK V .
Sea B0 una base de W ; si Card(B0 ) = Card(B) entonces B0 es libre maximal en V ; en efecto,
B0 es libre en V y además, como en V todas las bases poseen el mismo cardinal, resulta que no
existe T ⊂ V libre en V tal que Card(T ) > Card(B) = Card(B0 ); ası́, B0 es base de V .
Si Card(B0 ) < Card(B) entonces B0 no es libre maximal en V , pues si lo fuera, serı́a base de
V y entonces Card(B0 ) S= Card(B). Por tanto,
∃ v ∈ V − B0 tal que B0 {v} es libre en V . Realizando este proceso Card(B) − Card(B0 ) veces
se puede encontrar una base de V , digamos B 0 tal que B0 ⊂ B 0 .
Finalmente, si dimK W = dimK V entonces Card(B0 ) = Card(B) luego B0 es base de V y
ası́ W =< B0 >= V .
Ejemplo 1.1 Sea V un espacio vectorial sobre K con dimK V =3 y sea {v1 , v2 , v3 } una base de
V . Consideremos el subespacio generado por los vectores
u1 = v1 − v2
u2 = v1 + v2
u3 = v1 + v2 + v3
es decir, W =< {u1 , u2 , u3 } > ¿Cuál es la dimensión de W ? ¿Es W = V ?
Es claro que dimK W ≤ dimK V = 3. Por otra parte, {u1 } es libre; si ∃ λ ∈ K tal que u2 =
λu1 ⇐⇒ v1 + v2 = λ(v1 − v2 ) entonces (1 − λ)v1 + (1 + λ)v2 = 0 y como {v1 , v2 } es libre se tiene
que −1 = λ = 1 =⇒ car K = 2 y u1 = u2 luego una base de W es {u1 , u3 } y dimK W =2.
Si es car K 6= 2 entonces {u1 , u2 } es libre. Supongamos que existen escalares λ, µ ∈ K tales que
u3 = λu1 +µu2 ⇐⇒ v1 +v2 +v3 = λ(v1 −v2 )+µ(v1 +v2 ), entonces (1−λ−µ)v1 +(1+λ−µ)v2 +v3 =
0 y como {v1 , v2 , v3 } es libre se tiene
1−λ−µ = 0
1+λ−µ = 0
1 = 0
10 Kepler Ck Ikastegia
Introducción al álgebra lineal
Definición 1.10 Sean U, V dos espacios vectoriales y f : U −→ V una aplicación. Se dice que
f es un homomorfismo o una aplicación lineal de U en V si verifica las siguientes condiciones:
1. f (u + v) = f (u) + f (v) u ∈ U, v ∈ V
2. f (λu) = λf (u) ∀ λ ∈ K, ∀ u ∈ U
Naturalmente todo homomorfismo entre U y V lo es entre los grupos (U, +) y (V, +); por tanto,
f (0) = 0 y f (−u) = −f (u).
Demostración
11 Kepler Ck Ikastegia
Introducción al álgebra lineal
12 Kepler Ck Ikastegia
Capı́tulo 2
Matrices. Determinantes
Definición 2.2 Sea A = (aij ) ∈ Mm×n (K) una matriz de orden m ×n con coeficientes en K; A
tiene, por tanto, m filas y n columnas. Consideremos los vectores fila Ai = (ai1 · · · ain ) ∈ K n =
M1×n (K), i = 1, . . . , m.
Se llama rango de filas de A al rango del conjunto {A1 , . . . , Am }.
Análogamente,
si consideramos los vectores columna
a1j
Aj = ... ∈ K m = Mm×1 (K), j = 1, . . . , n, se llama rango de columnas de A al rango
amj
del conjunto {A1 , . . . , An }.
Sea f : V −→ W una aplicación lineal, con V, W espacios vectoriales sobre el cuerpo K y sean
dimK V = n y dimK W = m. Supongamos que la matriz coordenada de f respecto de sendas
bases {v1 , . . . , vn } de V y {w1 , . . . , wn } de W es A = (aij ) ∈ Mm×n (K), es decir, ∀ j = 1, . . . , n
P
m
es f (vj ) = aij wi . Entonces rang (f ) = dimK f (V ) = dimK Kf (v1 ) + · · · + Kf (vn )
i=1
13
Introducción al álgebra lineal
Ψ:W −→ K m
à ! b1
P
m P
m
bj wj 7−→ Ψ bj wj = ...
j=1 j=1
bm
se tiene Ψ(f (V )) = KΨ(f (v1 )) + · · · + KΨ(f (vn )) = KA1 + · · · + KAn y ası́ f (V ) y KA1 + · · · +
KAn son espacios vectoriales isomorfos y, por tanto, de igual dimensión, es decir, rang (f ) = rango
de columnas de A. Se ha probado pues el siguiente
se sigue que todas las matrices del mismo tienen el mismo rango de columnas que A.
Teorema 2.2 Sea h : V −→ W una aplicación lineal entre espacios vectoriales sobre K con
dimK V =n y dimK W =m tal que rang (h) = r. Sea A ∈ Mm×n (K) una matriz µ coordenada
¶
−1 Ir 0
de h. Entonces existen P ∈ Gl(n, K) y Q ∈ Gl(m, K) tales que Q AP = = H
0 0
denominada matriz canónica de Hermite o forma normal de la matriz A.
Demostración:
Tenemos que
V
' Im(h), luego
ker(h)
V
r = rang (h) = dimK Im(h) = dimK = dimK V - dimK ker(h).
ker(h)
0
Sea {vr+1 , . . . , vn0 } una base de ker(h) y completémosla a una base
B = {v10 , . . . , vr0 , vr+1
0 , . . . , vn0 } de V . Entonces {h(v10 ), . . . , h(vr0 )} es libre en W ; en efecto, si
n
M
Pr P r
λi h(vi0 ) = 0 =⇒ λi vi0 ∈ ker(h) = Kvj0 , de donde se deduce que λi = 0 ∀ i =
i=1 i=1 j=r+1
1, . . . , r, por ser B una base de V . Comppletemos este sistema libre a una base de B 0 =
{h(v10 ), . . . , h(vr0 ), wr+1
0 0 } de W . La matriz coordenada de h respecto de las bases B de V
, . . . , wm
µ ¶
0 Ir 0
y B de W es precisamente H = pues h(vj0 ) = 0 ∀ j = r + 1, . . . , n. Ası́ pues, existen
0 0
matrices regulares P ∈ Gl(n, K) y Q ∈ Gl(m, K) tales que Q−1 AP = H.
14 Kepler Ck Ikastegia
Introducción al álgebra lineal
15 Kepler Ck Ikastegia
Introducción al álgebra lineal
Vemos, pues, que dada una matriz A ∈ Mm×n (K) el rango de filas de A y el rango de columnas
de A coinciden y se denota por rang (A) . Este número permite determinar cuándo una matriz
es inversible.
Teorema 2.4 Sea A ∈ Mn (K) una matriz cuadrada de orden n con coeficientes en K. Entonces
A ∈ Gl(n, K) ⇐⇒ rang (A) = n
Demostración:
=⇒
Si A ∈ Gl(n, K), es decir, si A es inversible entonces existe una única matriz A−1 ∈ Gl(n, K)
tal que AA−1 = A−1 A = In lo cual implica (A−1 )−1 = A luego A = (A−1 )−1 In In con A−1 , In ∈
Gl(n, K), y ası́ In es una matriz coordenada del homomorfismo definido por A; por tanto,
rang (A) = rang (In ) =n.
⇐=
Si rang (A) = n entonces existen matrices P, Q ∈ Gl(n, K) tales que
Q−1 AP = In ⇐⇒ A = QP −1 luego A es inversible y su matriz inversa es A−1 = P Q−1 ; en
efecto, AA−1 = QP −1 P Q−1 = In y A−1 A = P Q−1 QP −1 = In .
16 Kepler Ck Ikastegia
Introducción al álgebra lineal
se dice que es una submatriz deA, y se obtiene, naturalmente, suprimiendo las filas y columnas
de A cuyos ı́ndices son distintos de los mencionados.
Definición 2.6 Sea A ∈ Mm×n (K); una submatriz de A cuyos ı́ndices de filas ası́ como los de
sus columnas sean consecutivos se denomina bloque o celda de la matriz A. Una descomposición
de A en bloques o celdas es una partición de A del tipo siguiente:
B11 · · · B1s
..
A = ... ..
. .
Br1 · · · Brs
donde B11 ∈ Mm1 ×n1 , . . . , B1s ∈ Mm1 ×ns , . . . , Br1 ∈ Mmr ×n1 , . . . ,
Brs ∈ Mmr ×ns y se cumple m1 + · · · + mr = m y n1 + · · · + ns = n.
17 Kepler Ck Ikastegia
Introducción al álgebra lineal
0 1 4 0 5
2 3 1 4 6
Ejemplo 2.2 Si consideramos la matriz A =
3 5 6 7 1 y trazamos el par de rectas
0 0 0 0 1
perpendiculares siguientes:
0 1 4 0 5
2 3 1 4 6
A= 3 5 6 7 1
0 0 0 0 1
µ ¶
B11 B12
obtenemos A = .
B21 B22
Si ahora trazamos estas otras:
0 1 4 0 5
2 3 1 4 6
A= 3 5 6 7 1
0 0 0 0 1
C11 C12 C13
obtenemos la partición en bloques siguiente: A = C21 C22 C23
C31 C32 C33
La conveniencia de la partición en bloques resulta de que las operaciones con matrices por bloques
se pueden realizar efectuando los cálculos con los bloques, como si éstos fueran los componentes
de las matrices.
A11 · · · A1n kA11 · · · kA1n
.. . . .. entonces kA = .. . . .. y si
Proposición 2.1 Sea A = . . . . . .
Am1 · · · Amn kAm1 · · · kAmn
B11 · · · B1n
.. . . ..
B = . . . es otra matriz tal que el tamaño u orden de cada Bij es el mismo
Bm1 · · · Bmn
que el de
Aij entonces
A11 + B11 ··· A1n + B1n
.. .. .. .
A+B = . . .
Am1 + Bm1 · · · Amn + Bmn
Para la multiplicación dematricesse tiene un resultado análogo; sean
A11 · · · A1p B11 · · · B1n
.
. . . .
. .. . . .. de tal modo que el número de columnas
A= . . . yB= . . .
Am1 · · · Amp Bp1 · · · Apn
de cada Aik sea igual que el número de filas de su correspondiente Bkj , ∀ i = 1, . . . , m, ∀ j =
1, . . . , n
entonces
C11 · · · C1n p
A·B =
.. . . .. donde C = P A · B .
. . . ij ik kj
k=1
Cm1 · · · Cmn
Demostración:
18 Kepler Ck Ikastegia
Introducción al álgebra lineal
Los dos primeros resultados son evidentes; probemos entonces el que hace referencia a la multi-
plicación.
Supongamos A ∈ Mm×p y B ∈ Mp×n
A11 ··· A1p
.
.. .
.. ..
.
j1
a11 · · · j1
a1n1
jp
a11 · · · ajp
1np
.. . . .. .. . . ..
A= . . . · · · . . . →Fila de los
j1 j1 jp jp
amj 1 · · · amj n1 amj 1 · · · amj np
.. .. ..
. . .
As1 ··· Asp
↑
Columna de los Bkl ∈ Mnk ×tl k = 1, . . . , p
cumpliéndose
n1 + · · · + np
= p, m1 + · · · + ms = m, t1 + · · · + tr = n, y sea
C11 · · · C1l · · · C1r
.. .. .. .. ..
. . . . .
A·B =C =
Cj1 · · · Cjl · · · Cjr ∈ Mm×n (K),
.. .. .. .. ..
. . . . .
Cs1 · · · Csl · · · Csr
p
P
veamos que Cjl = Ajk · Bkl ; en efecto,
k=1
P
n1 np
P P
n1 np
P
( aj1 1l
1k bk1 + · · · + ajp pl
1k bk1 ) ··· ( aj1 1l
1k bktl + · · · + ajp pl
1k bktl )
k=1 k=1 k=1 k=1
Cjl = .. .. ..
. . .
P
n1 np
P P
n1 np
P
( aj1 1l
mj k bk1 + · · · + ajp pl
mj k bk1 ) · · · ( aj1 1l
mj k bktl + · · · + ajp pl
mj k bktl )
k=1 k=1 k=1 k=1
pertenece a Mmj ×tl (K),
19 Kepler Ck Ikastegia
Introducción al álgebra lineal
Definición 2.7 Una matriz A se dice suma diagonal de las matrices Bii
i = 1, . . . , t si A admite una partición en bloques del tipo
B11 0
..
A= .
0 Btt
0 1 0 0 0 µ ¶ µ ¶
1 0 0 0 0 B11 0 0 1
Ejemplo 2.3 A =
0
luego A = donde B11 =
0 1 0 0 0 B22 1 0
0 0 0 −1 0
µ ¶
1 0 0
y B22 = .
0 −1 0
Proposición 2.2 Si A es una matriz suma diagonal de las matrices B11 , . . . , Btt entonces
rang (A) =rang (B11 ) + · · · +rang (Btt )
Demostración:
B11 0 µ ¶ B11 0
.. C 0 ..
A= . = donde C = . , luego basta pro-
0 Btt
0 Btt 0 Bt−1t−1
µ ¶
B11 0
bar el resultado para t = 2 y luego proceder por iducción sobre t. Sea A = ; si
0 B22
{v1 , . . . , vr } son los vectoresT fila de la matriz (B11 0) y {w1 , . . . , ws } son los de (0 B22 ); es claro
que (Kv1 + · · · + Kvr ) (Kw1 + · · · + Kws ) = {0}; en efecto, supongamos que B11 ∈ Mr×p (K)
y B22 ∈ Ms×q (K) y sea T
u ∈ (Kv1 +· · ·+Kvr ) (Kw1 +· · ·+Kws ) =⇒ ∃ λi ∈ K, i = 1, . . . , p y ∃ µj ∈ K, j = 1, . . . , q
tales que
u = (λ1 , . . . , λp , 0, . q. ., 0) = (0, . p. ., 0, µ1 , . . . , µq ) =⇒ λi = µj = 0 ∀ i = 1, . . . , p
∀ j = 1, . . . , q à !
Pr Ps
luego rang (A) = dimK Kvi + Kwj =
i=1 j=1
µ r ¶ Ã s ! µ r ¶ Ã !
P P P P
s
dimK Kvi ⊕ Kwj = dimK Kvi + dimK Kwj =
i=1 j=1 i=1 j=1
rang (B11 ) +rang (B22 ) .
20 Kepler Ck Ikastegia
Introducción al álgebra lineal
Proposición
2.3 Sea A = (aij ) ∈ Mm×n (K) y sea la matriz columna
b1
B = ... ∈ Mm×1 (K).
bm
a11 · · · a1n b1
.. . . .. .. ∈ M
Consideremos la matriz A|B = . . . . m×(n+1) (K) entonces
am1 · · · amn bm
P
n
rang (A|B) =rang (A) ⇐⇒ B ∈ KAj , es decir, si y sólo si B es combinación lineal de los
j=1
vectores columna Ajde A.
Demostración:
Es claro que W1 = KA1 + · · · + KAn es un subespacio vectorial de W2 = KA1 + · · · + KAn +
KB =⇒rang (A) =rang (A) =rang (A|B) ⇐⇒ dimK W1 = dimK W2 ⇐⇒ W1 = W2 ⇐⇒
B ∈ W1
21 Kepler Ck Ikastegia