[Guía del curso Introducción al Álgebra Lineal (IAL-0813)]

UNIVERSIDAD PEDAGOGICA EXPERIMENTAL LIBERTADOR

INSTITUTO PEDAGOGICO DE MIRANDA
“JOSE MANUEL SISO MARTINEZ”
Curso: INTRODUCCION AL ALGEBRA LINEAL
Prof. Wladimir Serrano Gómez

SISTEMAS DE ECUACIONES LINEALES

Definición: Un Cuerpo es un conjunto no vacío K, dotado de dos leyes de

composición interna “+” y “.”, que verifican las siguientes condiciones:

i. La adición es conmutativa, x+y y+x, x,y K.

ii. La adición es asociativa, x+(y+z)=(x+y)+z, x,y,z K.
iii. Existe un único elemento 0 de K tal que x+0=x, x K.
iv. A cada x K le corresponde un único elemento –x de K tal que x+(-x )=0.
v. La multiplicación es conmutativa, xy=yx, x,y K.
vi. La multiplicación es asociativa, x(yz)=(xy)z, x,y,z K.
vii. Existe un único elemento distinto del 0 en K, 1, tal que x1=x, x K.
viii. A cada x 0 de K le corresponde un único elemento x-1 de K tal que x x-1 =1.
ix. La multiplicación es distributiva con respecto a la adición, x(y+z)=xy+xz,
x,y,z K.

Al Cuerpo K suele denotarse con la terna (K, +,.). Un Subcuerpo de K es un

conjunto A K que es a su vez un Cuerpo bajo las leyes aditiva y multiplicativa
definidas en K.

Definición: Si en un cuerpo K es posible sumar la identidad multiplicativa un

1 1 1
número finito de veces y obtener 0, entonces el menor n tal que: n
, se
llama característica del cuerpo K.
Si esto no sucede en K, se dice que K es un cuerpo de característica 0 o que no
tiene característica.
Ejercicios y Problemas
1) Examine si estas condiciones se cumplen en el conjunto de los números
complejos C.
2) Verificar que el conjunto de los números complejos de la forma x+y 3 , x,y Q es
un subcuerpo de C.
3) Examine cuáles de los siguientes conjuntos posee la estructura de cuerpo:
i) N y Z con “+” y “.” la adición y multiplicación usuales en N y Z.

1
 ii) S={2x / x Z} con la adición y multiplicación usuales en Z.
iii) U= {0} con “+” y “.” definidas como sigue:

+ 0 y . 0
0 0 0 0

iv) Z3={[0], [1], [2]} (El conjunto de los enteros módulo 3). Recuerde que si J n
es el conjunto de las clases de congruencia módulo n, J n ={[0], [1],..., [n-
1]}, para [i], [j] Jn se define: [i]+[j]= [i+j] e [i][j]= [ij].
v) Z4={[0], [1], [2], [3]}.
vi) Z6.
vii) Sea W={0,1}. Definimos las leyes aditiva y multiplicativa por las tablas:

+ 0 1 . 0 1
0 0 1 0 0 0
1 1 0 1 0 1

4) Si n es la característica de un cuerpo (K,+,.) demostrar que nx=0, x K y además

(x+y)n=xn+yn, para todo x,y K.
5) Construya las tablas aditiva y multiplicativa para dotar a un conjunto de 5
elementos de una estructura de cuerpo.
6) Repita el ejercicio anterior pero con un conjunto de 7 elementos.
7) ¿Por qué Z12 y Z21 no son cuerpos? ¿y Z28?.
8) Aporte un ejemplo de un cuerpo infinito distinto a Q, R y C.

Definición: Sea K un cuerpo. El conjunto de expresiones siguiente:

A1 1 x1 A1 2 x 2 A1 n x n y1
A 2 1 x1 A2 2 x 2 A2 n x n y2

A m 1 x1 Am 2 x 2 Am n x n ym
(A)

Donde y1, y2,..., ym y Aij, 1 i m, 1 j n, son elementos de K, se llama sistema de

m ecuaciones lineales con n incógnitas. Lo cual induce a encontrar (si ello es
posible) n escalares (elementos de K): x1, x2,..., xn que satisfagan cada ecuación del
sistema.
Toda n-upla x1, x2,..., xn que satisface cada ecuación del sistema se llama solución
del sistema. Además, si y1=y2= ... =ym=0, se dice que el sistema es homogéneo o que
cada ecuación es homogénea.

2
 Definición: Si seleccionamos m escalares de K, c1, c2, ..., cm, puede formarse la
ecuación:
(c1A11+...+ cm Am1)x1 + ... + (c1A1n+...+ cm Amn)xn = c1y1+ ... + cm ym.
La cual es la combinación lineal de las ecuaciones del sistema A.

Lema: La combinación lineal de las ecuaciones de un sistema posee las mismas

soluciones del sistema.

Definición: Dos sistemas de ecuaciones lineales son equivalentes si cada ecuación

de cada sistema se puede expresar como combinación lineal de las ecuaciones del
otro sistema.

Teorema 1: Sistemas equivalentes de ecuaciones lineales poseen exactamente las

mismas soluciones.

Ejercicios y Problemas
1) Sea K el cuerpo de los números complejos. Explore si los siguientes pares de
sistemas de ecuaciones lineales son equivalentes. Si es así, exprese cada
ecuación de cada sistema como combinación lineal de las ecuaciones del otro
sistema:

x1 2 x2 x3 0
2 x1 4 x2 2 x3 0
3 x1 x2 2 x3 0
5 x2 5 x3 0
x1 x2 2 x3 0

x1 x2 x3 0 x3 x4 0
x1 x2 x4 0 x2 x4 0
x1 x3 x4 0 x1 x4 0
x2 x3 x4 0 x1 x3 0

2) Demostrar que si dos sistemas homogéneos de ecuaciones lineales con dos

incógnitas tienen las mismas soluciones, son equivalentes.
3) Probar que todo cuerpo de característica 0 contiene a Q (el conjunto de los
números racionales).
4) Verifique que todo subcuerpo de C (los números complejos) contiene a Q.

Definición: Una matriz mxn sobre el cuerpo K es una función:

M: (i,j) i,j Z+ y 1 i m, 1 j n K.

Los elementos de la matriz M son los escalares M(i,j)=Mij. Es frecuente (y muchas

veces más cómodo) disponer los elementos de una matriz en un arreglo rectangular de
m filas y n columnas. También suele denotarse una matriz por M=[Mij] o por
M=(Mij). Así, Mij será el elemento ubicado en la fila i y columna j del arreglo.

3
 Se denotará al conjunto de matrices de m filas y n columnas por Mmxn, con
elementos sobre un cuerpo K.
Un sistema de ecuaciones lineales (como el descrito en la definición 3) puede
abreviarse en forma matricial así AX=Y,
donde,

A1 1 A1 n x1 y1
A , X y Y .
Am 1 Am n xn ym
Las matrices asociadas al sistema AX=Y son la matriz A (matriz de coeficientes de
las incógnitas) y la matriz ampliada A‟ (matriz de coeficientes de las incógnitas con
una columna adicional para los términos independientes).

Definición: Sean A, B Mmxn y K (K es un cuerpo), definimos

A1 1 B1 1 A1 2 B1 2 A1 n B1 n
A21 B 21 A22 B 22 A2 n B2n
i) A B

Am 1 B m1 Am 2 Bm 2 Am n Bmn

A1 1 A1 2 A1 n
A21 A22 A2 n
ii ) A

Am 1 Am 2 Am n

m xn nxp
iii ) C o n s id e r e m o s A M y B M .
El p r o d u c to A B e s la m a t r iz n x p c u y o s e le m e n to s e s tá n d e fin in id o s por :
n

AB ij
A ik B k j
k 1

Ejercicios y Problemas
1) Verifique las siguientes propiedades:
i) Conmutatividad de la adición, A+B=B+A, para todo A,B Mmxn.
ii) Asociatividad de la adición, (A+B)+C=A+(B+C), para todo A,B,C Mmxn.
iii) ¿Existe una matriz W en Mmxn tal que A+W=A, cualquiera sea A en Mmxn?
iv) ¿Existe el opuesto aditivo Mmxn de cada matriz A Mmxn?
v) ¿Existe una matriz W (identidad)en Mmxn tal que AW=A, A Mmxn?
vi) Si , K y A Mmxn. Pruebe que ( )A= ( A).
vii) Si K y A Mmxn. Probar que (A+B)= A+ B.

4
 viii)Si , K y A Mmxn. Probar que ( + )A= A+ A.
ix) ¿Es conmutativa la multiplicación de matrices?
x) ¿Es asociativa la multiplicación de matrices?
2) Hallar dos matrices A2x2, tales que A2=AA=0, donde A 0.
3) Hallar dos matrices A2x2 y B2x2, tales que AB=I, donde I es la matriz identidad
2x2.
4) Sea A una matriz mxn y B una matriz nxk. Demostrar que las filas de AB son
combinaciones lineales de las filas de B. Es decir, si B1,...,Bn son las n filas de B
n

y (AB)1,...,(AB)m son las m filas de AB, entonces se tendrá que AB Aki B k .

i
k 1

5) Una matriz cuadrada (con igual número de filas que de columnas) de orden n
(esto es, nxn) se dice que es:
Triangular superior si Tij=0 para i j
Triangular inferior si Tij=0 para i j
(Haga representaciones rectangulares de varios ejemplos)
i) Probar que el producto de matrices triangulares es una matriz triangular.
6) Si A=[Aij] es una matriz de orden mxn. La traspuesta de la matriz A, que
denotaremos At, se define como una matriz de orden nxm, donde At=[Aji].
i) Demuestre que A= (At)t.
ii) Sean A,B Mmxn. Demuestre que (A+B)t =At +Bt.
iii) Sean A Mmxk y B Mkxn. Demuestre que (AB)t=BtAt.

Definición: Se describirán tres operaciones elementales de filas en una matriz

mxn sobre un cuerpo K. Estas corresponderán a la formación de combinaciones
lineales de las ecuaciones del sistema AX=Y:
i) Multiplicación de una fila de A por un escalar c no nulo;
ii) Remplazo de la r-ésima fila de A por la fila r más c veces la fila s, donde c es
cualquier escalar y r s;
iii) Intercambio de dos filas de A.
Una operación elemental de filas es una función e que relaciona a cada matriz mxn,
A, otra matriz mxn, e(A). Una razón por la cual se consideran solo estos tres tipos de
operaciones con filas es que aplicada una e en una matriz A, puede obtenerse
nuevamente A efectuando una operación semejante en e(A).

Teorema 2: A cada operación elemental de filas e, corresponde una operación

elemental de filas e1, del mismo tipo de e, tal que: e1(e(A))=e(e1(A))=A, para toda A.

Definición: Si A y B son dos matrices mxn sobre un cuerpo K, se dice que B es

equivalente por filas a A si B se obtiene de A por una sucesión finita de operaciones
elementales de filas. Denotaremos esto con A B.

Teorema 3: Si A y B son matrices equivalentes por filas, los sistemas homogéneos

de ecuaciones lineales AX=0 y BX=0 tienen las mismas soluciones.

5
 Definición: Una matriz R de orden mxn es reducida por filas si cumple que:
i) El primer elemento no nulo de cada fila no nula de R es igual a 1;
ii) Cada columna de R que tiene el primer elemento no nulo de alguna fila tiene
todos sus otros elementos 0.

Teorema 4: Cada matriz mxn sobre un cuerpo K es equivalente por filas a una
matriz reducida por filas.

Ejercicios y Problemas
1) Pruebe que la equivalencia por filas es una relación de equivalencia.
2) Halle las soluciones de los siguientes sistemas de ecuaciones lineales sobre Q:
x1 2 x2 x3 1
3 x1 8 x2 2 x3 28
9 1
2 x1 2
x2 2
x3 7

x1 2 x4 4 x5 9
x2 x3 x4 3 x5 6
7 x3 6 x4 9 x5 22
3 x3 10 x4 1 7 x5 34

2 6 0

3) Hallar todas las soluciones de AX=0 (reduciendo A por filas) si A 3 1 2 .

1 1
1 2 2

2 3
4) Sea A . Hallar las matrices B, 2x2, tales que AB=BA.
1 4
2 0 6

5) Si M 8 4 0 , hallar todas las soluciones de MX=2X.

3 2 0

a b
6) Sea A una matriz 2x2 con elementos reales. Suponga que A es
c d
reducida por filas y también que a+b+c+d=0. Determine todas las matrices de
este tipo.
a b
7) Sea el sistema de ecuaciones lineales AX=0, donde A es la matriz de
c d
orden 2x2 sobre un cuerpo K. Demostrar que:
i) Si a=b=c=d=0 todo par (x1,x2) es solución del sistema AX=0.
ii) Si ad-bc 0 el sistema AX=0 tiene solamente la solución trivial x1=x2=0.
iii) Si ad-bc=0 y algún elemento de A es distinto de 0, entonces existe una
solución (x1,x2) tal que (x1‟,x2‟) es una solución existe un escalar tal que
x1= x1‟ y x2= x2‟.

6
 Definición: Una matriz R, mxn, se llama matriz escalón reducida por filas si
cumple que:
i) R es reducida por filas;
ii) Toda fila nula de R (donde todos sus elementos son 0), está debajo de todas
las filas no nulas (que tienen al menos un elemento distinto de 0);
iii) Si las filas 1, 2,...,r son las r filas no nulas de R, y si el primer elemento no
nulo de la fila i está en la columna ki, i=1,2,...,r, entonces k1 k2 ... kr.
La matriz cero, mxn, y la matriz identidad nxn, son ejemplos de matrices escalón
reducidas por filas. Exponga el lector ejemplos no triviales.

Teorema 5: Toda matriz mxn es equivalente por filas a una matriz escalón reducida
por filas

Veamos un ejemplo de la importancia de las matrices escalón reducidas por filas en

la resolución de sistemas de ecuaciones lineales. Sea el sistema AX=0, por el
teorema anterior sabemos que A W, donde W es una matriz escalón reducida por
filas. Supongamos que W es:
1
1 2 0 0 3

W 0 0 1 4 0
0 0 0 0 0

Estudiemos el sistema WX=0. Las r filas no nulas de W son las dos primeras (r=2),
entonces el sistema posee 2 ecuaciones no triviales. Las incógnitas x 1 y x3 aparecen
con coeficiente no nulo solamente en la fila 1 y fila 3 respectivamente. Hay 5-2=3
incógnitas distintas a x1 y x3, estas son x2, x4 y x5. Entonces todas las soluciones del
sistema WX=0 se obtienen dando valores arbitrarios a x 2, x4 y x5, y calculando los
correspondientes valores de x1 y x3. Veamos.
Las ecuaciones no triviales de WX=0 son:
1 1
x1 2 x2 3
x5 0 x1 2 x2 3
x5
o b ien
x3 4 x4 0 x3 4 x4

Sea x2=a, x4=b y x5=c, se tiene la solución: (2a-(1/3)c, a, -4b, b, c).

Compruébelo.

¿Cómo puede generalizarse este proceso? Sea AX=0 un sistema de ecuaciones

lineales, reduciendo A por filas tendremos que sus soluciones son las mismas que las
del sistema RX=0, donde R es una matriz escalón reducida por filas. Sean las filas
1,2,...,r las filas no nulas de R, en la fila i, 1 i r, hay un primer elemento no nulo 1 en
alguna columna ki, entonces existen r ecuaciones no triviales (no nulas) en el sistema
RX=0. La incógnita xki aparecerá con coeficiente 1 solamente en la ecuación i.

7
 Llamemos v1,...,vn-r a las n-r incógnitas distintas a xk1, xk2, ..., xkr. Podemos
escribir entonces las r ecuaciones no nulas de RX=0 de la siguiente manera:
n r

xk c1 j v j 0
1
j 1


n r

xk c rj v j 0.
r
j 1

Luego, las soluciones del sistema RX=0 (por tanto de AX=0) se obtienen dando
valores arbitrarios a v1,...,vn-r y calculando los valores de xk1, xk2, ..., xkr.

Teorema 6: Si A es una matriz mxn con m n, entonces el sistema homogéneo de

ecuaciones lineales AX=0 posee una solución no trivial.

Teorema 7: Si A es una matriz cuadrada (nxn), A es equivalente por filas a la

matriz identidad nxn el sistema de ecuaciones AX=0 tiene solamente la solución
trivial.

Hemos visto que un sistema de ecuaciones lineales homogéneo AX=0 siempre

tendrá solución (al menos la trivial x1=x2=...=xn=0. Pero cómo podemos encontrar
las soluciones de sistemas de ecuaciones lineales no homogéneos AX=Y (si es que
existen). Veamos:
Se considerará la matriz aumentada A‟ de orden mx(n+1), cuyos elementos de la
última columna son los elementos de Y (términos independientes). Podemos reducir
por filas A y obtener R, y también reducir por filas A‟ y obtener R‟. Las n primeras
columnas de R‟ son las columnas de R y su última columna posee escalares z 1, z2,...,
z1

zm. Estos son elementos de la matriz Z .

zm
Sabemos que las soluciones de AX=Y son las mismas que las soluciones de RX=Z.
Pero, ¿Cuándo RX=Z tiene soluciones? ¿Cómo encontrarlas? Si R posee r filas no
nulas, con el primer elemento no nulo 1 en la fila i y en la columna ki, i=1,2,...,r,
podemos expresar las incógnitas xk1, xk2,..., xkr en función de las n-r restantes
incógnitas xj y de los escalares z1, z2,..., zr. Observamos que las últimas ecuaciones
de RX=Z son:
0 zr 1

0 zm
Pero esto tendrá sentido si zi=0 para i r, y esta es precisamente la condición para
que el sistema AX=Y posea soluciones. De cumplirse esta condición las soluciones

8
pueden determinarse de forma similar que para el caso homogéneo: asignando valores
arbitrarios a n-r de las incógnitas xj y calculando los valores de cada xki, i=1,2,...,r.

Ejercicios y Problemas
1) Exponer todas las matrices escalón reducidas por filas 2x2. Y también una matriz
escalón reducida por filas 1x4.
2) Hallar las soluciones del siguiente sistema (mediante reducción por filas):
7 x1 6 x2 8 x3 0
4 x1 5 x3 0
1
3
x1 2 x2 6 x3 0
6 x1 12 x 2 26 x 3 0

5 5

3) Hallar una matriz escalón reducida por filas que sea equivalente a A i 1 1 .
1 i
Y determine las soluciones del sistema AX=0.
4) Aporte un ejemplo de un sistema de 2 ecuaciones lineales con dos incógnitas que
no tenga solución.
5) ¿Tienen solución los sistemas de ecuaciones siguientes?
x1 2 x2 x3 2 x4 1 x1 x2 2 x3 1
x1 x2 x3 x4 2 4 x1 4 x3 2
1 7 5
3
x1 3
x2 3
x3 x4 1 x1 3 x2 4 x3 2
2 x1 4 x3 2 x4 x5 3
x1 5 x2 7 x3 6 x4 2 x5 7
x1 2 x2 4 x3 3 x4 x5 2
2 x1 3 x2 7 x3 5 x4 2 x5 2

1 2 1 0
4 8 2 6
6) ¿Para cuál (y1, y2, y3, y4) posee solución AX=Y? Donde A .
0 0 2 2
2 1
1 2 3 3

2 1 0

7) ¿Para cuál (y1, y2, y3) posee solución AX=Y? Donde A es la matriz 0 1 1 .
3 0 3

8) Determine los escalares k R para los cuales los siguientes sistemas poseen:
a) Solución única,
b) Más de una solución,

9
 c) No tienen solución.
x1 x2 kx3 2
3 x1 4 x2 2 x3 k
2 x1 3 x2 x3 1

x1 3 x3 3
2 x1 kx2 x3 2
x1 2 x2 k x3 1
9) Examine si el siguiente sistema homogéneo posee solución no trivial:
x1 3 x2 2 x3 0
2 x1 3 x2 x3 0
3 x1 2 x2 2 x3 0

Definición: Una matriz mxm se llama matriz elemental si es posible obtenerla a

partir de la matriz identidad mxm por medio de una sola operación elemental de filas.

Exponga el lector todas las matrices elementales de orden 2x2. Además, determine
0 0 1
1 0
si las matrices y 0 1 0 son elementales.
0 0
1 0 0

Teorema 8: Sea e una operación elemental de fila y sea E la matriz elemental mxm,
E=e(I) para cada matriz mxn, A, se tiene que e(A)=EA.

Corolario: Sean A y B dos matrices mxn sobre un cuerpo K. B es equivalente por

filas a A B=PA, donde P es un producto de matrices elementales mxm.

Ejercicios
2 0 1 2 2

1) Sean A 5 0 2 y B 3 1 , comprobar que A(AB)=A2B.

1 1 1 1 3
2) Hallar matrices elementales E1, E2,..., Ek tales que:
i) Ek...E2E1A=I.
ii) Ek...E2E1B=I.
(Donde A y B son las matrices descritas en el ejercicio anterior).
3 2 3

3) Repetir el ejercicio anterior pero con la matriz C 2 1 4 .

4 5 1

10
 Definición: Sea A una matriz nxn sobre un cuerpo K.
i) Una matriz nxn, B, tal que BA=I se llama inversa a la izquierda de A,
ii) Una matriz nxn, B, tal que AB=I se llama inversa a la derecha de A,
iii) Si AB=BA=I entonces B se llama inversa bilátera de A, y se dice que A es
inversible.

Lema: Si A tiene una inversa a la izquierda, B, y también una inversa a la derecha,

C, entonces B=C.

La inversa bilátera de una matriz A se llamará inversa de A y la denotaremos con

A-1. Sería interesante que el lector responda en tres segundos:

¿Cuál es la inversa de la matriz identidad, I, nxn? ¿Tiene inversa la matriz cero,

0, nxn?

Teorema 9: Sean A y B dos matrices nxn sobre un cuerpo K.

i) Si A es inversible A-1 es inversible y (A-1)-1=A.
ii) Si A y B son inversibles AB es inversible y (AB)-1=B-1A-1.

Corolario: Un producto de matrices inversibles es inversible.

Teorema 10: Una matriz elemental es inversible.

Teorema 11: Si A es una matriz cuadrada, nxn, los siguientes enunciados son
equivalentes:
i) A es inversible.
ii) A es equivalente por filas a la matriz identidad nxn.
iii) A es un producto de matrices elementales.

Corolario: Si A es una matriz inversible nxn y si una sucesión de operaciones

elementales de fila reduce A a la identidad, entonces la misma sucesión de
operaciones aplicada a I da A-1.

11
 1 2 3

Por ejemplo, para ver si A 1 3 5 es inversible, formamos una matriz 3x6

2 4 7
con los elementos de las matrices A e I (la cual denotaremos con [A:I]), y reducimos
A por filas:

1 2 3 1 0 0 1 2 3 1 0 0 1 2 3 1 0 0
F1 F 2
1
2 F1 F3 F
5 2 8 1 1
1 3 5 0 1 0 0 5 8 1 1 0 0 1 5 5 5
0
2 4 7 0 0 1 0 0 1 2 0 1 0 0 1 2 0 1
1 3 2 1 2 1
1 0 5 5 5
0 1
F F
5 3 1
1 0 0 5 5 5
8
2 F 2 F1 F F
8 1 1 5 3 2 17 1 8
0 1 5 5 5
0 0 1 0 5 5 5
.
0 0 1 2 0 1 0 0 1 2 0 1
1
1 2 1
1 2 3 5 5 5
17 1 8
Entonces, 1 3 5 5 5 5 .
2 4 7 2 0 1

Verifique esto multiplicando A por la matriz obtenida.

Corolario: Sean A y B dos matrices de orden mxn. Entonces B es equivalente por

filas a A B=PA, donde P es una matriz inversible mxm.

Teorema 12: Sea A una matriz cuadrada nxn. Las siguientes afirmaciones son
equivalentes:
i) A es inversible.
ii) El sistema homogéneo AX=0 tiene solo la solución trivial.
iii) El sistema de ecuaciones AX=Y tiene una solución X para cada matriz nx1, Y.

12
 Corolario: Una matriz cuadrada con inversa a la izquierda o a la derecha es
inversible.

Corolario: Sea A=A1A2...Ak, donde A1,A2,...,Ak, son matrices cuadradas nxn.

Entonces A es inversible si y sólo si cada Aj es inversible.

Ejercicios y problemas
1) .Suponga que A es una matriz 2x1 y que B es una matriz 1x2. Demostrar que
C=AB no es inversible.
1 0 0 1
2) Hallar la inversa de las siguientes matrices (si la tienen): , ,
0 1 1 c
1 1
1
1 2 3
3 1 1 2 5 1 0 1 2
1 0 3 4 1 1 1
, , 2 3 4 , 1 5 1 , 12 8 2 , 3 2 4 y
c 1 1 2 1 1 1
3 4 5
1 9 3 4 1 2 1 1 2

2 4 6 8
0 4 6 8
0 0 6 8
0 0 0 8
a b
3) Sea A . Demostrar, aplicando operaciones elementales de fila que A es
c d
inversible si y sólo si (ad-bc) 0.
4) Sea A una matriz cuadrada nxn. Demostrar que:
i) Si A es inversible y AB=0 para alguna matriz B, nxn entonces B=0.
ii) Si A no es inversible entonces existe una matriz B, nxn, tal que AB=0, pero
B 0.

ESPACIOS VECTORIALES

Los vectores y muchos otros conceptos geométricos fueron ideas tomadas de

fenómenos de la naturaleza, posteriormente se desarrollaron reglas operativas para
ellos. Gran cantidad de concepciones como el efecto de un desplazamiento en un
plano, las velocidades en un plano, aceleraciones, fuerzas que actúan sobre un punto
en un plano,... pueden representarse a través de los vectores.
El principal objeto de estudio del Algebra Lineal es la estructura de Espacio
Vectorial. Su axiomática y propiedades derivadas permitirán realizar
generalizaciones, por un lado a espacios vectoriales n-dimensionales (lo que
permitiría aplicar estas herramientas a fenómenos que requieran de n variables para
ser descritos) y por otro, a espacios vectoriales de dimensión infinita (de frecuente
estudio en Análisis Matemático).

13
 Definición: Un Espacio Vectorial consta de:
i) Un cuerpo K de escalares,
ii) Un conjunto V de objetos (llamados vectores),
iii) Una regla llamada adición, que relaciona cada par de vectores , de V con un
vector + de V, al cual se llama suma de y , que verifica lo siguiente:
a) La adición es conmutativa, + = + ,
b) La adición es asociativa, +( + )=( + )+ ,
c) Existe un único vector 0 de V, al cual se llama vector nulo, tal que +0= ,
V,
d) Para cada vector V, existe un único vector - de V, tal que +(- )=0,
iv) Una regla llamada multiplicación escalar, que relaciona a cada escalar c de K y a
cada vector de V con un vector c de V, al cual se llama producto de c y , de
forma que:
a) 1 = , V,
b) (c1c2) =c1(c2 ),
c) c( + )=c +c ,
d) (c1+c2) =c1 +c2 , donde c,c1,c2 K,

Ejemplos:
El espacio de n-uplas, Fn. Sea F un cuerpo cualquiera y V el conjunto de todos
las n-uplas =(x1, x2,...,xn) de escalares xi F. Si consideramos =(y1, y2,...,yn)
con yi F, definimos la suma + y el producto c por:
+ =(x1+ y1, x2+ y2,..., xn+ yn),
c =(cx1, cx2,...,cxn).

¿Por qué Fn es un espacio vectorial sobre el cuerpo F?

(2) El espacio de matrices de orden mxn, Fmxn. Sea F un cuerpo cualquiera y Fmxn el
conjunto de todas las matrices mxn con elementos en F. Para A,B Fmxn
definimos una adición y multiplicación escalar por:
(A+B)ij=Aij+Bij,
(cA)ij=cAij.

¿Por qué Fmxn es un espacio vectorial sobre el cuerpo F?

(Obsérvese que si m=1 se tendrá que Fmxn = F1xn = Fn que es el mismo espacio
vectorial descrito en el ejemplo anterior).
(3) El espacio de funciones de un conjunto en un cuerpo. Sean F un cuerpo
cualquiera y A un conjunto no vacío. Sea V el conjunto de todas las funciones de
A en F. Para f,g V definimos una adición y multiplicación escalar por:
(f+g)(a)=f(a)+g(a),
(cf)(a)=cf(a), a A.

14
 Verifique que V es un espacio vectorial.
(4) El espacio de las funciones polinomios sobre el cuerpo F. Sea F un cuerpo y V el
conjunto de todas las funciones f:F F definidas por
f(x)=c0+ c1x+...+ cnxn
con c0,c1,...,cn elementos fijos de F, no dependientes de x. A este tipo de función
se le llama función polinomio sobre F.
Defina una adición y multiplicación escalar en este espacio (como en el ejemplo
anterior) y,
Pruebe que posee estructura de espacio vectorial.

Definición: Un vector V es combinación lineal de los vectores 1,..., n en V, si

n

c1 1
 cn n
ci i
i 1

existen escalares c1,...,cn de F tales que:

Será cierto que:
n n n

ci i
di i
ci di i
i 1 i 1 i 1

n n

c ci i
cc i i
.
i 1 i 1

Si es así demuéstrelo. Si no exponga un contraejemplo.

Ejercicios y Problemas
1) Sea V un espacio vectorial sobre un cuerpo F, verifique que
( 1+ 2)+ ( 3+ 4)=[( 2+ 3)+ 1] + 4
para todos los vectores 1, 2, 3, 4 de V.
2) Sea V=C y F=R (donde C es el conjunto de los números complejos y R el
conjunto de los números reales). Considere la adición y multiplicación escalar
definidas por
(a+bi)+(c+di)=(a+c)+(b+d)i
(a+bi)= a+ bi
donde a,b,c,d, son números reales.
Demuestre que C, con las operaciones antes definidas, es un espacio vectorial
sobre R.
3) Demuestre que R2 es un espacio vectorial sobre R para las leyes:
(x1,y1)+(x2,y2)=(x1+x2,y1+y2)
(x1,y1)=( x1, y1).
4) Investigue si R2 es un espacio vectorial sobre R si la adición está definida por:
(x1,y1)+(x2,y2)=(x1+x2,y1+y2)
(x1,y1)=( x1,0).
5) Investigue si R2 es un espacio vectorial sobre R cuando la adición y la
multiplicación por un escalar están definidas de las formas siguientes:

15
 i) (a,b)+(c,d)=(a+c,b+d) y (a,b)=( a,b)
ii) (a,b)+(c,d)=(a,b) y (a,b)=( a, b)
iii) (a,b)+(c,d)=(a+c,b+d) y (a,b)=( 2a, 2b)
iv) (a,b)+(c,d)=(a+c,b+d) y (a,b)=(a,b)
v) (a,b)+(c,d)=(0,0) y (a,b)=( a, b)
vi) (a,b)+(c,d)=(ac,bd) y (a,b)=( a, b)
2
En los casos en que R no adopte la estructura de espacio vectorial, exprese cuáles
axiomas se cumplen y cuáles no, especificando la razón.
6) Investigue, considerando en cada caso las operaciones usuales, si los siguientes
conjuntos son espacios vectoriales sobre los cuerpos indicados:
i) R sobre Q ( 2 ) .
ii) Q ( 2 ) sobre Q.
iii) Q ( 3 ) sobre Q.
7) Demostrar que {0} es un espacio vectorial sobre un cuerpo F. Este espacio
vectorial comúnmente se llama espacio cero.
Obsérvese que siempre existirá un neutro aditivo 0 en un espacio vectorial V,
entonces cualquier espacio V contendrá al espacio vectorial {0}.
8) Si F es un cuerpo, ¿será cierto que F es un espacio vectorial sobre F?.
9) Sea V un espacio vectorial sobre F. Si 0V es el vector nulo de V, probar que:
i) c0V =0V, c F.
ii) Si 0F es el neutro aditivo en el cuerpo F, demostrar que 0F =0V, V.
Observación: Se han colocado los subíndices V y F al 0 para diferenciar al neutro
aditivo del espacio vectorial V del neutro aditivo del cuerpo F.
10) Si C es el cuerpo de lo números complejos, ¿qué vectores de C3 son
combinaciones lineales de (1,0,-1), (0,1,1) y (1,1,1)? ¿y de los vectores (1,1,1),
(0,0,1), (0,1,0)?

Recuerda el lector el comentario hecho al final del ejercicio propuesto 7. Los

siguientes conceptos representan pilares para el estudio de la estructura de Espacio
Vectorial sobre un cuerpo.

Definición: Sea V un espacio vectorial sobre un cuerpo F. Un Subespacio de V es

un subconjunto W de V, dotado de las operaciones adición y multiplicación por un
escalar definidas en V, que es él mismo un espacio vectorial sobre F.

Teorema 1: W es un subespacio vectorial del espacio vectorial V si, y solo si, W es

un subconjunto no vacío de V y además c + W, para todo par de vectores y de
W y todo escalar c de F.

Ejemplos:
(1) Si V es cualquier espacio vectorial sobre un cuerpo F, entonces {0} y V mismo
son subespacios de V. Estos subespacios se denominan comúnmente subespacios
triviales de V.

16
 (2) En el espacio vectorial Fn, el conjunto de las n-uplas (x1,x2,...,xn) con x1=0 es un
subespacio de Fn: [verifíquese]. Pero el conjunto de las n-uplas donde x1=2+x2 no es
un subespacio de Fn con n 2: [verifíquese].
(3) El conjunto de las matrices simétricas sobre un cuerpo F forman un subespacio
del espacio de las matrices nxn sobre F. Observación: una matriz nxn (cuadrada)
sobre un cuerpo F es simétrica si Aij= Aji para todo i y j tales que 1 i n y 1 j n.
(4) Una matriz Anxn (cuadrada) sobre el cuerpo C de los números complejos, es
hermítica si:
para todo i y j tales que 1 i n y 1 j n. (La barra indica conjugación compleja).
A ij A ji

i) Exponga el lector la forma rectangular que tienen las matrices hermíticas 2x2;
ii) ¿El conjunto de las matrices hermíticas 2x2 es un espacio vectorial sobre el
cuerpo de los números reales? ¿y sobre el cuerpo de los números complejos?.
iii) ¿El conjunto de las matrices hermíticas nxn es un subespacio del espacio de las
matrices nxn sobre C?

Teorema 2: Sea V un espacio vectorial sobre un cuerpo F. La intersección de

cualquier colección de subespacios de V es un subespacio de V.

Definición: Sea A un conjunto de vectores de un espacio vectorial V. El

subespacio generado por A es la intersección W de todos los subespacios de V que
contienen a A. Si A es un conjunto finito de vectores, esto es A={ 1, 2,..., n}, se
dice que W es el subespacio generado por los vectores 1, 2,..., n.

Teorema 3: El subespacio generado por un subconjunto A de un espacio

vectorial V es el conjunto de todas las combinaciones lineales de los vectores de A.

Definición: Si A1, A2,..., Ak son subconjuntos de un espacio vectorial V, el

conjunto de las sumas
1+ 2+...+ k
de vectores i de Ai se denomina suma de los subconjuntos A1, A2,..., Ak y se
representa por:
k

A1 A2  Ak Ai .
i 1

Ejercicios y Problemas
1) Sea Rn el espacio vectorial de las n-uplas. Consideremos n 3. ¿Cuáles de los
siguientes conjuntos de vectores =(x1,x2,...,xn) son subespacios de Rn.
i) Todos los tales que x1 0;
ii) Todos los tales que x1+2x2= x3;
iii) Todos los tales que x1x2= 0;
iv) Todos los tales que x1x2= 1;

17
 v) Todos los tales que x3 es racional.
2) Sea V es espacio vectorial de las funciones f:R R. ¿Cuáles de los siguientes
conjuntos de funciones son subespacios de V?
i) Todas las f tales que f(x2)=f(x)2;
ii) Todas las f tales que f(0)=f(1);
iii) Todas las f tales que f(-1)=f(0);
iv) Todas las f tales que f(5)=1+f(-3);
v) Todas las f que son continuas.
3) Sea (R3,R,+,.) un espacio vectorial donde + y . representan las operaciones
usuales, es decir:
(x1, x2, x3)+ (y1, y2, y3)= (x1+y1, x2+ y2, x3+y3)
c(x1, x2, x3)= (cx1, cx2, cx3),
y sean los subconjuntos de R3:
A={(x1, x2, x3) R3: x3=0}
B={(x1, x2, x3) R3: x1+x2+x3=0}
C={(x1, x2, x3) R3: x1x2=0}
D={(x1, x2, x3) R3: x1 0}
E={(x1, x2, x3) R3: x1= x3}
F={(x1, x2, x3) R3: x1+ x2= 3x3}
G={(x1, x2, x3) R3: x1+ x2=x3}
H={(x1, x2, x3) R3: x1=x2 y 2x2=x3}
I={(x1, x2, x3) R3: x1,x2,x3 Q}
Determine si los anteriores conjuntos son subespacios de (R3,R,+,.).
4) Sea V el espacio vectorial constituido por las funciones f:R R tales que:
i) Para todo x R, f(-x)=f(x).
ii) Para todo x R, f(-x)= -f(x).
Pruebe que ambos subconjuntos son subespacios de V.
5) Sea el siguiente sistema de ecuaciones lineales homogéneo sobre un cuerpo F:

A11 x1 A12 x 2  A1 n x n 0
A 21 x1 A 22 x 2  A2 n x n 0

A m 1 x1 Am 2 x 2  A mn x n 0
Demuestre que el conjunto solución es un subespacio del espacio vectorial
(Fn,F,+,.). Si el sistema no es homogéneo.
¿Representa el conjunto solución un subespacio de (Fn,F,+,.)?.
6) ¿Recuerda el conjunto de los enteros módulo 2?, que simbolizamos con
Z2 { 0 , 1}
Es decir, Z2 es el conjunto de los posibles restos que se obtienen al dividir por 2.
La clase del cero consta de todos los enteros que dejan resto 0 al ser divididos por

18
 2, y la clase del uno consta de todos los enteros que dejan resto 1 al ser divididos
por 2.
¿Recuerda cómo definimos una adición y multiplicación en Z2 para que adoptase
una estructura de cuerpo?
Consideremos ahora el conjunto Z2xZ2 y definamos una adición y multiplicación
por un escalar así:
Demostrar que Z2xZ2 es un Espacio Vectorial sobre el cuerpo (Z2,+,.).
a,b c, d a c,b d

a,b a, b para to d o a,b , c, d Z 2 xZ 2 y Z 2.

Sugerencia: Construya las tablas aditiva y multiplicativa para que (Z2,+,.) sea un
cuerpo, determine los elementos de Z2xZ2 y, examine si las leyes definidas en
Z2xZ2 verifican las propiedades de Espacio Vectorial.
Ya probado que (Z2xZ2, Z2,+,.) es un Espacio Vectorial, halle todos sus
subespacios.
7) Sean V un espacio vectorial y W1, W2 subespacios de V.
i) Probar que W1 W2 es un subespacio de V.
ii) Probar que W1+W2 ={x+y: x W1 , y W2}es un subespacio de V.
iii) Compruebe con un ejemplo que W1 W2 no es necesariamente un subespacio
de V.
iv) Probar que W1 W2 es un subespacio de V W1 W2 o W2 W1.
8) Sea V el Espacio Vectorial de las matrices 2x2 sobre el cuerpo C. Sea W1 el
a b
subespacio de V que consta de las matrices de la forma 0 c
, donde a,b,c C.
a 0
Y sea W2 el subespacio de V que consta de las matrices de la forma b 0
.
Determine la forma que tienen las matrices en los subespacios W1+W2 y
W1 W2. Construya otros subespacios de V y calcule su suma e intersección.
9) ¿Cuál es el subespacio generado por los siguientes conjuntos de vectores A?:
(Denotaremos a este subespacio generado por [A])
i) V un espacio vectorial cualquiera y A= .
ii) V=R2 y A={(1,0)}. ¿Cuál es su interpretación geométrica?
iii) V=R2 y A={(0,1)}. ¿Cuál es su interpretación geométrica?
iv) V=R2 y A={(1,0), (0,1)}. ¿Cuál es su interpretación geométrica?
v) V=R3 y A={(2,1,-3)}. ¿Cuál es su interpretación geométrica?
vi) V=Fn y A={e1,e2,..., en}, donde e1=(1,0,...,0), e2=(0,1,...,0), ... , en=(0,0,...,1).
vii) V=F[x] y A={1, x, x2, x3,..., xn, ...}.
10) Sea el subespacio W1=[(0,1,0),(0,0,1)] del espacio vectorial (R3,R,+,.). Halle un
subespacio suplementario de W1.
Observación:
Sean W1 y W2 subespacios de un espacio vectorial V. Los subespacios W1 y W2
son suplementarios si:
i) W1+W2=V y además
ii) W1 W2= 0 .

19
11) Halle un subespacio suplementario de W=[(-1,1,0),(0,0,1)] en (R3,R,+,.).
12) Halle subespacios complementarios para los siguientes subespacios de C2x2:
a b
i) W1= 0 c
: a,b,c C

a 0
ii) W2= b 0
: a,b C .
Usualmente el concepto de dimensión es asociado a ideas geométricas; en lo que
sigue se estudiará una definición algebraica apropiada para la estructura de Espacio
Vectorial.
Bajo este enfoque, el concepto de base de un espacio vectorial permitirá visualizar
la idea de dimensión de un espacio entre otros resultados importantes.

Definición: Sea V un espacio vectorial sobre un cuerpo F. Un subconjunto A de V

es linealmente dependiente si existen vectores diferentes 1, 2,..., n, de A y escalares
c1,c2,...,cn de F, no todos cero, tales que:
c1 1+c2 2+...+cn n= 0.

Si un subconjunto A de V no es linealmente dependiente es linealmente

independiente.
Si A posee un número finito de vectores 1, 2,..., n es común decir que los
1, 2,..., n son linealmente dependientes o independientes (según sea el caso), en vez
de decir que el conjunto A es linealmente dependiente o independiente.

Comentarios o preguntas:
(1) Sea V un espacio vectorial y A V. Suponga que el vector 0 A. ¿Será cierto
que el conjunto A es linealmente dependiente?
(2) Sea V un espacio vectorial y A un subconjunto no vacío de V. ¿A es
linealmente independiente si y sólo si para vectores diferentes 1, 2,..., n de A,
c1 1+c2 2+...+cn n= 0 implica que c1=c2=...=cn=0?

Definición: Sea V un espacio vectorial sobre un cuerpo F. Una base de V es un

conjunto de vectores linealmente independiente de V que además, genera al espacio
V. Se dice que el espacio V es de dimensión finita si tiene una base finita.

Comentarios o preguntas:
(1) Considere al espacio vectorial R (de números reales) sobre el cuerpo R. El
vector 1 es una base para R, ¿por qué?. Además, construya un subconjunto A de R
que sea linealmente dependiente, ¿cuántos elementos debe tener A para ser
linealmente dependiente?
(2) Sea el espacio vectorial R2 sobre R con la adición y multiplicación por un
escalar usuales. Los vectores (1,0) y (0,1) forman una base para R2, ¿por qué?.
Construya otros subconjuntos de R2 que sean linealmente independientes y un
subconjunto de R2 que sea linealmente dependiente.

20
 (3) ¿Cuáles de los siguientes conjuntos de vectores forman una base para el espacio
3
C sobre el cuerpo C?:
{(1,0,0),(0,1,0),(0,0,0)}
{(1,0,0),(0,1,0),(0,1,0)}
{(1,0,0),(0,1,0),(0,0,1)}
{(-2,0,0),(0,5,0),(0,0,-19)}.
(4) Sea Fn el espacio vectorial de las n-uplas (x1,x2,...,xn) sobre un cuerpo F.
Construya una base para este espacio.
(5) Sea F un subcuerpo de los números complejos y sea V el espacio vectorial de
las funciones polinomios sobre el cuerpo F. Si f V, f es una función f:F F que
tiene la forma f(x)=c0+c1x+ c1x2+...+ cnxn. Construya una base para este espacio.
Esta representará un ejemplo de una base infinita.

Teorema 4: Sea V un espacio vectorial generado por un conjunto finito de vectores

1, 2,..., n. Entonces cualquier conjunto linealmente independiente de vectores de V
es finito y no posee más de n elementos.

Corolario: Si V es un espacio vectorial de dimensión finita, entonces dos bases

cualesquiera de V poseen el mismo número de elementos.

Definición: La dimensión de un espacio vectorial V es el número de vectores que

posee una base de este. La cual la denotaremos con dimV.

Teorema 5: Si W es un subespacio de un espacio vectorial de dimensión finita V,

entonces todo subconjunto linealmente independiente de W es finito y es parte de una
base finita de W.

Corolario: Si W es un subespacio propio de un espacio vectorial V de dimensión

finita, entonces W es de dimensión finita y dimW dimV.

Ejercicios y Problemas
1) Compruebe si los conjuntos de vectores dados son linealmente independientes o
dependientes:
i) {(1,2),(-3,-6)}
ii) {(4,0),(0,7)}
iii) {(3,0,-2),(2,-1,-5)}
iv) {1-x, 1+x, x2}
v) {3+3x, 2+2x-2x2, 8+8x-2x2}
vi) {1+x+x2+x3, 2+3x+4x2+5x3, -x-2x2-3x3}
1 4 1 5 1 3
vii) { , , }
5 1 6 1 4 1
1 0 0 0 8 0
viii) { , , }
0 0 0 1 0 15

21
 1 0 0 0 0 1 0 0
ix) { , , , }
0 0 1 0 0 1 0 1
2) Sea V el espacio vectorial de las matrices 2x2 sobre un cuerpo F. Demostrar que
V posee dimensión 4. (Encuentre una base de V que tenga 4 elementos).
3) Exponga una base en cada uno de los siguientes espacios vectoriales:
i) (R,R,+,.)
ii) (R4,R,+,.)
iii) (C,C,+,.)
iv) (C,R,+,.)
v) (R2x3,R,+,.)
vi) (R,Q,+,.)
vii) (Q,Q,+,.)
4) Hallar un conjunto de vectores que generen los siguientes subespacios:
i) Sea W={(0,x,y,z): x,y,z R} un subespacio de R4.
ii) Sea F[x]5={p F[x]: el grado de p 5} un subespacio de F[x].
iii) ¿Qué conjunto de vectores genera el subespacio F[x]n={p F[x]: el grado de
p n}?.
a b
iv) Sea W={M2x2 R2x2: M 2x2 } un subespacio de R2x2.
b c
a b
v) Sea W={M2x2 R2x2: M 2x2
b a
} un subespacio de R2x2.
vi) Sea W el subespacio de R4 que es solución del sistema:

x1 5 x 2 x 3 7 x 4 0
2 x1 x 2 x 3 3 x 4 0 .
5) Determine el subespacio W de (R3,R,+,.) generado por los vectores (2,0,1) y (-
1,0,1). Halle otra base para W.
6) Demostrar que el espacio de las matrices mxn sobre un cuerpo F posee dimensión
mn. Exponga una base para este espacio.
7) Sea V un espacio vectorial de dimensión finita n. Demuestre que
i) Cualquier subconjunto de V que posea más de n vectores es linealmente
dependiente.
ii) Ningún subconjunto de V que contenga menos de n vectores puede generar V.
8) Sea A un subconjunto linealmente independiente de un espacio vectorial V.
Suponga que es un vector de V que no pertenece al subespacio generado por A.
Demuestre que el conjunto que se obtiene agregando a A, es linealmente
independiente.
9) Sea V el espacio vectorial de las matrices 2x2 sobre un cuerpo F. Sean los
conjuntos

22
 a a
W1={M2x2 V: M 2x2
b c
},

x y
W2={M2x2 V: M 2x2
x z
}.

i) Demostrar que W1 y W2 son subespacios de V.

ii) Hallar la dimensión de los subespacios W1, W2, W1+W2 y W1 W2.
10) Sea V el conjunto de las matrices A2x2 sobre el cuerpo de los números complejos
que satisfacen A11+ A22=0.
i) Compruebe que V es un espacio vectorial sobre R, donde la adición de
matrices y multiplicación por un escalar son las operaciones comunes.
ii) Halle una base para el espacio vectorial V.
iii) Sea el conjunto W={A2x2 V: A A }, demostrar que W es un
21 21

subespacio de V y hallar una base de W. Observación: la barra indica

conjugación compleja.
11) Sean W1 y W2 dos subespacios de un espacio vectorial V de dimensión finita.
Entonces se cumple que:
dim(W1+W2) = dimW1 + dimW2 - dim(W1 W2).
12) Determine la dimensión de la suma de los siguientes subespacios de (R3,R,+,.):
W1={(x,y,z) R3: x+y-z=0}
W2={(x,y,z) R3: x-z=0}.

Sea V un espacio vectorial sobre un cuerpo F, de dimensión finita n. Si es un

vector de V, sabemos que puede expresarse a como combinación lineal de los
vectores de una base B={w1, w2,..., wn} de V. Es decir, hay garantía de encontrar n
escalares ci de F tales que
= c1w1+ c2w2+...+cnwn
Los escalares ci, 1 i n, pueden permitir introducir coordenadas en el espacio V
(esto sería genial, pues se podría determinar una correspondencia biunívoca:
(c1,c2,...,cn)
con respecto a una base B, y obtener resultados importantes al cambiar de sistemas de
coordenadas, esto es, al cambiar de base).
Pero necesitamos ordenar los vectores de la base B, es decir, saber quién es el
„primer vector‟, „segundo vector‟,..., „n-ésimo vector‟; y así se tendría un orden en los
escalares ci. Hecho esto, las coordenadas de un vector de V, respecto a la base
ordenada B, son los escalares c1,c2,...,cn que sirven para expresar a como
combinación lineal de los vectores de la base ordenada B. Pero, precisemos qué es
una base ordenada.

Definición: Sea V un espacio vectorial de dimensión finita. Una base ordenada

de V es una sucesión finita de vectores linealmente independientes que generan V.

Si la sucesión finita v1,v2,...,vn de vectores de V, genera V, entonces

B={v1,v2,...,vn} es una base ordenada de V. El conjunto B junto con un orden

23
especificado constituyen una base ordenada. Haremos un abuso en la notación y
simplemente escribiremos una base ordenada como: B={v1,v2,...,vn} y supondremos
conocido el orden.
Escribiremos las coordenadas de con respecto a la base B como:
[ ]B=(c1,c2,...,cn)
o convenientemente por la matriz de las coordenadas de respecto a la base ordenada
B:
c1
c2
B
.

cn

Teorema 6: Sea V un espacio vectorial de dimensión n sobre el cuerpo F, y sean

B={v1,v2,...,vn} y B‟={w1,w2,...,wn} bases ordenadas de V. Entonces existe una única
matriz P Fnxn, inversible, tal que:
i) [ ]B=P[ ]B‟
ii) [ ]B‟=P-1[ ]B
para todo vector de V. Además, las columnas de P están dadas por Pj=[wj]B, con
j=1,2,...,n. A la matriz P se le denomina matriz de cambio de base.

Ejemplo: Sean B={(1,0,-1),(-1,1,0),(0,1,1)} y B‟={(1,0,0),(0,1,0),(0,0,1)} dos bases

ordenadas de R3, hallaremos la matriz P de cambio de base, y si [ ]B‟=(a,b,c)
hallaremos [ ]B:
Esto puede visualizarse expresando a como combinación lineal de los vectores B y
1 1 0 a a b
1 1 0
B
P B'
0 1 1 b b c
P 0 1 1 , luego
1 0 1 c a c
1 0 1

B´:
=a(1,0,-1)+b(-1,1,0)+c(0,1,1)
=(a-b)(1,0,0)+(b+c)(0,1,0)+(-a+c)(0,0,1).

Ejercicios
1) Sean (c1,c2,...,cn) y (d1,d2,...,dn) las coordenadas de los vectores y de un F-
espacio vectorial V con respecto a la base ordenada B.
i) ¿Las coordenadas de + están dadas por la suma en Fn de las coordenadas de
y ?
ii) ¿Las coordenadas de c , son el producto por un escalar c en Fn de las
coordenadas de ?
Halle las coordenadas de los siguientes vectores, [ ]B, en las bases dadas:
i) =(a,b,c) y B={(1,0,0),(0,1,0),(0,0,1)}

24
 ii) p=a0+ a1x+ a2x2 y B={1,x-1, x2-1}
iii) p=a0+ a1x+ a2x2 y B={x+1,x-1, x2-1}
2 5 0 1 2 2 0 1 4 0
iv) A y B { , , , }.
5 9 1 0 2 0 0 2 1 2
3) Considere las siguientes bases ordenadas en R3. Halle la matriz P de cambio de
base. Además, si [ ]B‟=(a,b,c) halle [ ]B.
i) B={(1,0,0),(0,1,0),(0,0,1)} y B‟={(2,-4,5),(1,3,-2),(0,5,3)}
ii) B={(1,0,0),(0,0,1),(1,1,1)} y B‟={(1,0,-1),(-1,1,0),(0,1,1)}
iii) B={(1,0,0),(0,0,1),(1,1,1)} y B‟={(1,1,0),(0,4,2),(3,0,1)}
iv) B={(-1,0,0),(0,0,-2),(1,-2,3)} y B‟={(1,1,0),(0,4,2),(3,0,1)}

TRANSFORMACIONES LINEALES

Ahora, comenzaremos el estudio de las funciones definidas entre F-espacios

vectoriales que preservan la estructura.

Definición: Sean V y W dos F-espacios vectoriales. Una transformación lineal u

homomorfismo de V en W es una función T de V en W tal que
T(c + )=cT( )+T( )
para todos los vectores y de V y todos los escalares c del cuerpo F.
Esta condición reúne las siguientes:
T( + )=T( )+T( )
T(c )=cT( )

Ejemplos:
(1) Sea V cualquier espacio vectorial. La transformación identidad I, definida por
I( )= , es una transformación lineal de V en V [verifíquese]. También, la
transformación cero 0, definida por 0( )=0, es una transformación lineal de V en V
[verifíquese].
(2) Sea F[x] el espacio vectorial de las funciones polinomios f de F en F, dado por
f(x)=c0+ c1x+...+ cnxn.
Sea además,
Df(x)= c1+ 2c2x+...+ ncnxn-1.
Donde D es una transformación lineal de F[x] en F[x] [verifíquese]. Esta es
precisamente la transformación derivación.
(3) Sean los espacios vectoriales (R3,R,+,.) y (R2,R,+,.). La función T: R3 R2
definida por:
f(x1, x2, x3)=(x1- x3, x2- x3)
es una transformación lineal. [verifíquese]
Si V y W son F-espacios vectoriales y T:V W es cualquier transformación lineal,
entonces se verifican las siguientes condiciones:

25
i) La imagen del vector nulo de V por T es el vector nulo de W.
ii) La imagen del opuesto de todo vector de V es el opuesto de su imagen.
iii) Las transformaciones lineales preservan las combinaciones lineales, esto es:
para cualquier n de N. (Sugerencia: utilice inducción completa).
n n

T( ci i
) c iT ( i
)
i 1 i 1

Ejercicios o Problemas:
1) Investigue si las siguientes funciones representan transformaciones lineales:
i) Sea el espacio vectorial (R,R,+,.) y T:R R definida por T(x)=ax, con a R (y
a un valor fijo).
ii) Considere a=0 y a=1 en el ejercicio anterior, esto es, T(x)=0 y T(x)=x.
iii) Sean V y W dos F-espacios vectoriales y T:V W definida por T(x)=0.
iv) T:R R definida por T(x)=ax+b.
v) T:R3 R definida por T(x1, x2, x3)=2x1-3x2+4x3.
vi) T:R2 R definida por T(x1, x2)=x1x2.
vii) T:R3 R2 definida por T(x1, x2, x3)=(x1,x2).
viii)T:R2 R2 definida por T(x1, x2)=(x2, 2x1-x2).
ix) T:R R2 definida por T(x)=(x, 2x).
x) T: R2 R definida por T(x1, x2)=5x1-2x2.
xi) T: R2 R2 definida por T(x1, x2)=(x12,x22).
xii) T: R2 R3 definida por T(x1, x2)=(x1-x2, x2, x1).
xiii)T: R3 R4 definida por T(x1, x2, x3)=(0, 0, 0, 0).
2) Sean los espacios vectoriales (Kn,K,+,.) y (Kr,K,+,.) donde r n. Demuestre que la
aplicación T:Kn Kr definida por (x1,x2,...,xn) (x1,x2,...,xr) es lineal.
Esta aplicación T es una aplicación proyección. ¿Es T inyectiva o sobreyectiva?
0 x y
3) Demuestre que T:R2 R2x2 definida por T ( x, y )
x y 0
, para todo
(x,y) R2, es una transformación lineal. ¿Es T inyectiva o sobreyectiva?
4) Sea el espacio vectorial Fnxn y A una matriz nxn dada. Sea T: Fnxn Fnxn
definida por
T(X)=XA-AX
Compruebe que T es una transformación lineal.
5) Sea T:Fnx1 Fmx1 definida por T(X)=AX para una matriz Amxn dada.
i) Demuestre que T es una transformación lineal.
ii) Pruebe que T es la transformación cero si y sólo si A es la matriz cero.

Observación: Sean V y W dos F-espacios vectoriales. Sabemos que T:V W es

una transformación lineal si y sólo si la aplicación T satisface las condiciones
expuestas en la definición 1. Pero nada adicional se exige a la aplicación T. Diremos
entonces que:

26
- T es un monomorfismo si y sólo si T es inyectiva
- T es un epimorfismo si y sólo si T es sobreyectiva
- T es un isomorfismo si y sólo si T es biyectiva
Además, si V=W, la transformación T se denomina endomorfismo; si este
endomorfismo es biyectivo se llama entonces automorfismo. En otras palabras, un
automorfismo es una transformación lineal biyectiva de un espacio vectorial en el
mismo espacio vectorial.

6) Suponga que S1 y S2 son dos subespacios suplementarios del F-espacio vectorial

V. Pruebe que el espacio producto S1xS2 es isomorfo a V= S1+S2.
7) Esta es la generalización del ejercicio anterior. Sean S1,S2,...,Sn, subespacios
vectoriales del espacio vectorial V, sea además V=S1+S2+...+Sn. Demuestre que
V es isomorfo a S1xS2x...xSn.
8) Sean los espacios vectoriales (C,R,+,.) y (R2,R,+,.) donde la adición y
multiplicación por un escalar en cada espacio son las canónicas. Demuestre que
el espacio vectorial (C,R,+,.) es isomorfo a (R2,R,+,.).

Teorema 1: Sean V un F-espacio vectorial de dimensión finita y B={v1,v2,...,vn}

una base ordenada de V. Sea W un espacio vectorial sobre el mismo cuerpo F y
w1,w2,...,wn vectores cualesquiera de W. Entonces existe una única transformación
lineal T:V W tal que T(vi)=wi, i=1,2,...,n.

Ejercicios
1) En los siguientes casos, encuentre la única transformación T que verifica las
condiciones dadas. Además, halle dimN(T), dimIm(T) y compruebe el Teorema
de Sylvester:
i) Los vectores v1=(1,0) y v2=(0,1) forman una base ordenada del espacio R2.
Sea la aplicación T: R2 R2 tal que: T(v1)=(8,-3) y T(v2)=(-1,-5).
ii) Sean los vectores v1=(1,0,0), v2=(0,1,0) y v3=(0,0,1) una base ordenada de R3.
Sea T:R3 R4 tal que T(v1)=(5,6,7,8), T(v2)=(-3,0,5,0) y T(v3)=(-7,-12,0,4).
iii) Sean los vectores v1=(1,4) y v2=(-2,3) una base ordenada de R2. Sea
T:R2 R4 tal que T(v1)=(-1,1,2,-1) y T(v2)=(0,-5,7,3).
iv) Los vectores v1= (1,0,-1), v2= (-1,1,0) y v3= (0,1,1) forman una base ordenada
de R3. Sea T:R3 R2 tal que T(v1)=(1,0), T(v2)=(0,1) y T(v3)=(1,1).
1 0 0 1
v) Los vectores v1 y v2 forman una base ordenada del
0 1 1 0
a b 2x2
1 1 1
espacio W={ b a
R }. Sea T:W R2x3 tal que T(v1)= 0 0 0
y
0 0 1
T(v2)= 2 3 4
.

27
 1 0 0 2 0 0
vi) Los vectores v1 , v2 y v3 forman una base
1 0 0 0 0 5
x y 2x2
ordenada del espacio W={ x z
F }. Sea T:W F3x3 tal que
1 0 0 0 0 1 2 3 5

T(v1)= 0 1 0 , T(v2)= 0 1 0 y T(v3)= 7 11 13 .

0 0 1 1 0 0 17 19 23

vii) Los vectores 1, x-1 y x2-1 forman una base del espacio F[x]2={p F[x]: el
grado de p es 2}. Sea T: F[x]2 F[x]3 tal que T(1)=1, T(x-1)=x2 y T(x2-
1)= x3.

Definición: Sean V y W dos espacios vectoriales sobre un mismo cuerpo F y

T:V W una transformación lineal.
i) La imagen de T, denotada por Im(T), es el conjunto Im(T)={T(v): v V}.
ii) El núcleo de T, denotado por N(T), es el conjunto N(T)={v V: T(v)=0}.
Muchos autores llaman a N(T), kernel de T, y lo denotan por ker(T).

Ejercicios o Problemas
En cada caso V y W representan F-espacios vectoriales.
1) Demuestre que Im(T) y N(T) son subespacios de W.
2) Sea T:V W una transformación lineal. Sea A V. Demuestre que si [A]=V
entonces [T(A)]=Im(T).
3) Sea T:V W una transformación lineal entre espacios vectoriales. Demuestre que
T es sobreyectiva si y sólo si Dado A V y [A]=V, entonces [T(A)]=W.
4) Sea T:V W una transformación lineal entre espacios vectoriales. Las
propiedades siguientes son equivalentes:
i) T es inyectiva
ii) N(T)={0}
iii) La imagen de todo conjunto de vectores linealmente independiente en V
es un conjunto linealmente independiente en W.
5) Como problema adicional: Sea T:V W una transformación lineal. Demuestre
que N(T)={0} si y sólo si La imagen de todo conjunto de vectores linealmente
independientes en V es un conjunto linealmente independiente en W.

Teorema (Sylvester): Sean V y W dos F-espacios vectoriales y T:V W una

transformación lineal. Si V es de dimensión finita, entonces
dimV = dimN(T) + dimIm(T).
Observación: A dimN(T) suele llamarse nulidad de la transformación lineal T, o
simplemente nulidad de T, y a dimIm(T) se le acostumbra llamar rango de T.

Ejemplo: Sea T:R2 R2x2 la transformación lineal definida por:

0 x y
T ( x, y ) .
x y 0

28
 Sabemos que dimR2=2. Si deseamos conocer dimIm(T), una vía es aplicar el
Teorema de Sylvester, esto es, requerimos conocer dimN(T):
0 0
N(T)={(x,y) R2: T ( x, y)
0 0
}
={(x,-x) R2}
=[(1,-1)]
entonces dimN(T)=1, y de acuerdo con el Teorema de Sylvester, dimIm(T)=2-1=1.
En efecto,
0 x y 0 1 0 1
Im(T)={ T ( x , y ) x y 0
: (x,y) R2}={(x+y) 1 0
: x+y R}=[ 1 0
].
Esto es, el subespacio Im(T) es generado por un solo vector del espacio R2x2.

Matriz asociada a una transformación lineal: Supongamos que V y W son dos

F-espacios vectoriales de dimensiones finitas n y m, respectivamente. Consideremos
la transformación lineal T:V W. Veremos que si se fija una base ordenada en cada
espacio, la transformación lineal T queda determinada por una matriz Amxn a la cual
se llama matriz asociada a la transformación lineal T.
Sean B={v1,...,vn} una base ordenada de V y B‟={w1,...,wm} una base ordenada de
W. Sabemos que T está determinada por su acción o efecto sobre los vectores de B
(recuerda el Teorema fundamental de las transformaciones lineales). Además, como
B‟ es una base de W, podemos expresar a T(vj) como combinación lineal de los
vectores w1,...,wm:
donde los escalares A1j, A2j,..., Amj son las coordenadas del vector T(vj) con respecto
m

T (v j ) A1 j w 1 A2 j w 2  A mj w m A ij w i
i 1

a la base ordenada B‟.

Esto es,
A1 j
A2 j
T (v j ) .
B'

A mj

En consecuencia, la transformación lineal T queda determinada por los mn

escalares Aij, precisamente los elementos de la matriz A siguiente, la cual suele
llamarse matriz asociada a T, o matriz de T respecto al par de bases B y B‟, denotada
por A=[T]BB‟:

29
 A11 A12  A1 n
A 21 A 22  A2 n
A .
  
Am1 Am 2  A mn

Recíprocamente, la matriz asociada A=[T]BB‟ determina la transformación lineal.

Esto permite establecer una correspondencia biyectiva entre el conjunto de todas las
transformaciones lineales L(V,W) y el conjunto Fmxn.
Además la imagen de cualquier vector del espacio V puede obtenerse por otra vía,
multiplicando la matriz [T]BB‟ por la matriz de coordenadas de con respecto a la
base B:
[T( )]B‟=[T]BB‟ [ ]B.
Ejemplo (a desarrollar en clase): Sea T:R2 R3 la transformación lineal definida
por T(x1, x2)=(x1-x2, x2, x1). Sean B={(1,0), (0,1)} y B‟={(1,1,0), (0,4,2),
(3,0,1)} bases ordenadas en R2 y R3 respectivamente.
a) Hallaremos la matriz asociada [T]BB‟ y además,
b) La imagen de cualquier vector del primer espacio empleando la matriz [T]BB‟.

Ejercicios
1) En cada caso halle una base para Im(T) y N(T), compruebe el teorema de
Sylvester y, halle la matriz de las transformaciones lineales siguientes en las bases
B y B‟:
i) T:R R definida por T(x)=0. B={1}y B‟={-3}.
ii) T:R3 R4 definida por T(x1, x2, x3)=(0, 0, 0, 0). B={(1,0,-1), (-1,1,0), (0,1,1)}
y B‟ la base canónica.
iii) T:R R2 definida por T(x)=(x, 2x). B={1} y B‟={(3,1), (0,-2)}.
iv) T:R2 R definida por T(x1, x2)=5x1-2x2. B={(2,-1), (-5,0)} y B‟={2}.
v) T:R3 R2 definida por T(x,y,z)=(2x-y+z, y-3z). B={(1,0,1), (1,1,0), (1,1,1)}
y B‟={(0,1), (-1,-1)}.
vi) T:R[x]2 R[x]3, T(a+bx+cx2)=ax+bx2+cx3. B={1, x-1, x2-1} y B‟={1, x, x2,
x3}.

Dada una matriz asociada a la transformación lineal T:V W con respecto a dos
bases ordenadas B y B‟ fijadas entre F-espacios vectoriales de dimensión finita, hay
algunas consecuencias directas que permiten determinar si T no es inyectiva o
sobreyectiva. Veamos,
Sean B={ v1,...,vn } y B‟={ w1,...,wm } dos bases ordenadas para V y W,
respectivamente. Sea [T]BB‟ la matriz asociada a la transformación lineal T con
respecto a las bases B y B‟.

30
 A 11  0 1k  A1 n
A 21  0 2k  A2n
Proposición 1: Si [ T ] BB ' posee una columna nula (de
  
A m1  0 mk  A mn
ceros), entonces la transformación lineal T no es inyectiva.
A 11  A1 k  A1 r  A1 n
A 21  A2k  A2r  A2n
Proposición 2: Si [ T ] BB ' posee dos columnas
   
A m1  A mk  A mr  A mn
iguales, digamos la k y la r, entonces la transformación lineal T no es inyectiva.
A 11  A1 n
 

Proposición 3: Si [ T ] BB ' 0 k1  0 kn posee una fila nula (de ceros),

 
Am1  A mn

entonces la transformación lineal T no es sobreyectiva.

Proposición 4: Si [ T ] BB ' posee dos filas iguales, entonces la transformación lineal

T no es sobreyectiva.

2) Sean T:V U y S:U W dos transformaciones lineales de espacios vectoriales.

Sea la transformación compuesta SoT:V W, definida por:
(SoT)(x)=S[T(x)]
Demuestre que SoT es una transformación lineal.
3) Una transformación lineal T:V W, es no singular, regular o inversible si y sólo
si es biyectiva. Esto es equivalente a expresar:
T:V W es no singular si y sólo si existe T-1
Demuestre que si T:V W es una transformación lineal no singular entonces la
aplicación T-1:W V es también una transformación lineal.
4) Si T:V W es un isomorfismo de espacios vectoriales de dimensiones finitas,
entonces dimV=dimW.

31