Vous êtes sur la page 1sur 457

ALGEBRA LINEAL

para Administración y Dirección de Empresas

Emilio Prieto Sáez


Catedrático de Universidad
Dcparlamenio de Economía Aplicada Cuantitativa II
Facultad de Ciencias Económicas y Empresariales UN'ED

Alberto A. Álvarez López


Profesor Titular de Universidad
Departamento de Economía Aplicada Cuantitativa 11
Facultad de Ciencias Económicas y Empresariales UN'ED

UflED
©
sanz y torres
índice

Presentación 11
I Espacios vectoriales 15
E sq u em a - r e s u m e n .......................................................................................... 16
I n t r o d u c c i ó n ...................................................................................................... 17
1. Definición de espado v e c to ria l................................................................... 34
2. Subespacios vectoriales................................................................................ 37
3. Suma de subespacios v e c to ria le s ...............................................................43
4. Subespacios a f i n e s .....................................................................................54
5. Sistemas de vectores.................................................................................... 63
6. Vectores linealmente d e p e n d ie n te s .......................................................... 65
7. Vectores iinealmente independientes...........................................................68
8. Sistemas de generadores y bases de un espacio vecto ria l.............................70
9. Dimensión de un espacio vecto ria l............................................................... 77
10. Rango de un sistema de v e c to r e s ............................................................... 80
11. Solución de los ejercicios propuestos.......................................................... 85
R e c a p i t u l a c i ó n 1 ................................................................................................. 90

II A plicaciones lineales 97
E sq u em a - r e s u m e n ..........................................................................................98
I n t r o d u c c i ó n ...................................................................................................... 99
1. Definición de aplicación l i n e a l ..................................................................113
2. Propiedades de una aplicación lin e a l......................................................... 115
3. Aplicaciones lineales con conjunto de partida un espacio vectorial de di­
mensión finita ............................................................................................ 119
4. El espacio vectorial 11( E , F ) ...................................................................... 131
5. Isomorfismos de espacios vectoriales......................................................... 132
6. Formas lineales........................................................................................... 135
7. Aplicaciones a f in e s ...................................................................................139
8 INDICE

8. Solución de los ejercicios propuestos.......................................................... 143


Re c a p it u la c ió n I I ............................................................................................ 145

III M atrices 149


E sq u em a - r e s u m e n ........................................................................................ 150
In t r o d u c c ió n .................................................................................................151
1. Definición de m a triz ...................................................................................178
2. Matriz asociada a una aplicación l in e a l.....................................................184
3. El espacio vectorial M )im( I K ) ...................................................................... 189
4. Producto de m a t r ic e s ...............................................................................193
5. Rango de una m atriz...................................................................................1109
6. Transformaciones elementales de una m a triz ............................................ 212
7. Inversa de una matriz cuadrada..................................................................226
8. Traspuesta de una m a triz .......................................................................... 230
9. Solución de los ejercicios propuestos......................................................... 233
Re c a p it u l a c ió n III ........................................................................................ 237

IV Sistem as de ecuaciones lineales 243


E sq u em a - r e s u m e n ........................................................................................244
I n t r o d u c c ió n ................................................................................................ 245
1. Definiciones y p ro p ie d a d e s ...................................................................... 268
2. Resolución de un sistema de ecuacioneslin eales......................................... 277
3. Aplicaciones de los sistemas de ecuaciones l i n e a le s ............................... 286
R ec a p it u la c ió n I V ........................................................................................ 293

V Sucesiones de núm eros reales 295


esq u em a - r e s u m e n ........................................................................................296
I n t r o d u c c i ó n .................................................................................................... 297
1. El conjunto de los números re a le s ..............................................................310
2. Sucesiones de números r e a le s ................................................................. 321
3. Sucesiones convergentes. Limites in fin ito s ................................................ 328
4. Sucesiones m onótonas.............................................................................. 347
5. Series de números r e a le s .......................................................................... 350
6. Solución de tos ejercicios propuestos......................................................... 353
7. A n e x o ........................................................................................................ 359
R ec a p it u la c ió n V ............................................................................................ 363
ÍNDICE 9

A Prelim inares 371


Esq u em a - r e s u m e n ........................................................................................372
1. C o n j u n t o s .............................................................................................................................3 7 3
2. A p lic a c io n e s .............................................................................................................................3 9 1
3. O p e r a c io n e s .............................................................................................................................402
4. P o l i n o m i o s .............................................................................................................................4 1 3
5. Solución d e lo s ejercicios p r o p u e s t o s ...........................................................................4 1 9

B Determ inantes 429


Esq u em a - r e s u m e n ........................................................................................430
1. D eterm inantes d e ord en d o s ........................................................................................... 4 3 1
2. D eterm inantes de ord en t r e s ............................................................................................4 3 2
3. P e r m u t a c io n e s ....................................................................................................................... 4 3 7
4. D eterm inante d e n vectores en u n a b a s e ................................................................4 4 1
5. D eterm inante d e u na m a t r i z ........................................................................................... 445
6. D esarrollo de un determ in an te por lo s térm inos de una fila o colum na . . 448
7. A plicación al cálculo d e la in versa de u n a m a t r iz .....................................................4 5 2
8. A plicación al cálcu lo d el ran go de u n a m a t r i z .......................................................... 4 5 5
9. Sistem as d e C ra m e r ............................................................................................................ 4 5 7
10 . Solución d e lo s ejercicios p r o p u e s t o s ...........................................................................460

Bibliografía 461
índice analítico 463
PRESENTACIÓN

En los capítulos que comprende este texto se exponen los instrumentos matemáticos
básicos del Álgebra Lineal, así como una introducción a las sucesiones de números
reales.

A q u ié n vil d ir ig id o e s te tex to Este manual está dirigido, principalmente, a los


estudiantes de la asignatura de M a te m á tic a s i del Grado de Administración y Direc­
ción de Empresas en la UNED. Está escrito pensando en estudiantes a d is ta n c ia , los
cuales deben tener a mano la información más completa posible sobre la asignatura.
Pero, precisamente por este motivo, pensamos que podría ser útil también para estu­
diantes presenciales que necesiten algún libro en el que consultar estos temas.

C o n te x tiu iiiz a c ió n d e la u s ig n u tu r u en la m a te r ia En el plan de estudios


actual, la asignatura de M a t e m á t i c a s i , que es la primera de la materia de Matemáticas
en el Grado de ADE, se estudia en el primer cuatrimestre de primer curso. Habrá
dos asignaturas más: la siguiente - M a te m á tic a s II— en el primer cuatrimestre de
segundo curso, y la tercera y última - M a te m á tic a s III— en el primer cuatrimestre de
tercer curso.
En lo que a contenidos se refiere, la asignatura de M a te m á tic a s I es una pre­
sentación de los conceptos y las técnicas básicos del Álgebra Lineal, y una introduc­
ción a las sucesiones de números reales. Las siguientes asignaturas estarán dedicadas
a presentar contenidos de Análisis Matemático, con funciones de una y varias varia­
bles, incluyendo integración, y de otros temas como los Sistemas Dinámicos. Los
contenidos de M a te m á tic a s I son, pues, necesarios para el estudio de las restantes
asignaturas de Matemáticas, aunque también encuentran aplicación directa en otras
materias del Grado.

lis tr u c tu r a d e l te x to El texto tiene cinco capítulos, y so completa con dos apéndi­


ces. Los cuatro primeros capítulos son los propiamente dedicados al Algebra Lineal:
espacios vectoriales, aplicaciones lineales, matrices y sistemas de ecuaciones linea­
les; el quinto, presenta las sucesiones de números reales. En cuanto a los apéndices.
PRESENTACIÓN

el prim ero recoge varios tem as de carácter prelim inar: con ju n tos, aplicaciones, o pe­
raciones y polinom ios, de lo s cu a les el lector debería tener un conocim iento al m enos
introductorio. El segun d o apén d ice p resen ta lo s d eterm in an tes, de lo s cu ales no se
hace u so para estu d iar sistem a s de ecuacion es lin eales.

R eq u isito s p re vio s Los con ten idos d e M atem áticas h ab itu ales de u n B achillera­
to (con orientación a ciencias, ingeniería, o cien cias sociales) so n m ás que su ficien tes
p ara poder abordar esta asign atura. T am bién so n p erfectam en te ad ecu ad os lo s con ­
tenidos de la asign atu ra d e Matemáticas 1 del C u rso de A cceso D irecto a la U niversi­
dad, p ara M ayores d e 2 5 A ñ os, que im p arte la propia UNED.

C óm o le e r este texto Cada uno d e lo s cinco capítu los em pieza con una am plia
introducción. Recom endam os al lector leerla con detalle, p u es presen ta, de m anera
m enos form al que el texto principal, los con ten idos b ásico s del capítulo que intro­
duce, a la v e z que e n fa tiza lo m ás im portante, in siste en lo m ás difícil, y d a idea del
alcance d e exigencia d e la m ateria.
T ras la introducción, el cuerpo principal del capítu lo in clu ye todas las definiciones
y resu lta d o s exigidos, acom pañ ad os un as y o tro s de ejem p lo s de d istin ta dificultad
p ara ilu strar su u so y aplicación. A lo largo de e ste cuerpo principal, se in cluyen e je r­
cicios p ro p u esto s, cu ya reso lu ció n se p resen ta al final del capítulo. Estos ejercicios
so n de d o s tipos: algunos, lo s m enos, b u scan que el lector se ejercite en algu n a téc­
nica; otros, lo s m ás, proponen al lector la dem ostración de algún resu ltad o adicional.
Del prim er tipo son m enos porqu e ese com etido se d eja a lo s ejercicio s y problem as
d el texto coresponcliente ;2 los segun d o s, po r su parte, se p u ed en con sid erar, a m odo
de A ctivid ades C om plem en tarias, para am p liar form ación.
Finalm ente, cada capítulo term ina con u n a recapitulación de todo lo visto en su
desarrollo, tanto definicion es com o resu ltad o s. Estas recapitu laciones pueden ser
m u y ú tiles com o “ fich as" de co n su lta rápida y referencia.

So b re los a u to re s Los autores, los profesores Emilio P rie to Sáez y Alberto


A. Á lv a re z López, llevan trabajando muchos años en asignaturas de la materia de
Matemáticas para la Economía y la Administración y Dirección de Empresas, con la
metodología a distancia, y son autores, tanto por separado como en colaboración, de
varios manuales sobre estos temas.

A g ra d e c im ie n to s Los auto res querem os d e ja r con stan cia de n u estro agradeci­


m iento a lo s tu tores y com pañ eros de lo s equ ip os do cen tes d e las asign atu ras del

1 Hasta el curso 2008-2009, esta asignatura se llamaba Matemáticas Especiales


-Cf. Problemas Resueltos.
PRESENTACION

Departamento de Economía Aplicada Cuantitativa II de la UNED, por sus sugerencias,


asi como a los alumnos, con cuyas preguntas y comentarios a io largo de los años
hemos podido hacernos idea de sus dificultades y de aquellos aspectos en los que
debemos intentar mejorar.
Un reconocim iento especial m erecen nuestros com pañeros —y am igos— Mónica
B u e n d ía C a p e l l á , Javier S a n z P érez y Tom ás P r ie t o R i i m eau , a los cuales nunca
dejarem os de agradecer todas sus observaciones, com entarios, y conversaciones so­
bre la m ateria de este texto. M uchos de los aciertos que pueda tener son suyos; los
errores, que quedarán varios, son de nuestra exclusiva responsabilidad.

L o s A U TO RES
Madrid, junio de 2010
C a p í t u l o I_______________________________________________

ESPACIOS VECTORIALES
Ift I E S P A C IO S V E C T O R IA LE S

ESQUEMA - RESUMEN

l\ jR o n r c r iu N 1 7 5. Sistem as de u n ieres («1


D e fin ic ió n d e e s p a c i o v e c t o r ia l, 1 7 • S u b e s p a c io s v e c ­
t o r ia le s , 10 • S u m a d e s u b e s p a c i o s v e c t o r i a le s , 2 2 - i', Ven iones linealm entedependiente- o •
S u b e s p a c ln s a f in e s , 2 4 • S i s t e m a s d e v e c t o r e s , 23 - l. Definición. Propiedades básicas................... 65
V e c t o r e s lin e a lm o n t e d e p e n d ie n t e s , 2 6 • V e cto res U- 2. Otras propiedades......................................... 6 6
n e a lm e n t e in d e p e n d ie n t e s , 2 7 • S is te m a s d e g e n e ra d o ­
r e s y b a s e s d e u n e s p a c i o v e c t o r ia l, 2 7 - D im e n s ió n Vectores linealnienic independientes i>8
d e u n e s p a c i o v e c t o r ia l, 2 9 - R a n g o d e u n s i s t e m a d e
v e c to re s, 40.
1. Definición. Propiedades básicas................... 68
2. Otras propiedades......................................... 69

I 1 a lm id ó n d e e s p a c io v e c to r ia l ;4
s. sistem as de generadores y bases de un <s
1 . Delinición de espacio vecto rial............ 44 pació veclo n al 7o
2 . Componentes de un vector de & " ......... 46
1. Sistemas de gen erado res.............................. 70

2. Bases. Coordenadas de un vector en una


subespat ios vectoriales base................................................................... 72
1. Definición de subespacio vectorial......... 37 3 . Base c a n ó n ica ................................................. 74
2. Intersección de subespacios vectoriales . . 40 4. Teorema de la base incom pleta................... 75
3. Ejemplos de subespacios vectoriales deIR-. 41)
4. Ejemplos de subespacios vectoriales deR 1. 42 ’ ). Dimensión de un espacio \ e t lo n .tl 7 7
5. Ejemplos de subespacios vectoriales 1. Definición de dimensión de un espacio
de R " .................................................43 vectorial............................................................ 77

su m a di s u b e s p a c io s v e c to r ia le s -l : 1 ii.Rango de un sistem a de vectores 8o


1 . Suma de subconjuntos de un espacio 1 . Definición de rango de un sistema de
vectorial.............................................. 44 vectores ........................................................... 80

2. Suma de subespacios vectoriales de un es­ 2. Ejemplos de cálculo de r a n g o s ................... 83


pacio vectorial ..........................................43
3. Subespacios vectoriales independientes . . 46 1 1 .Solución de los ejercicios propuestos Si
4. Combinaciones lineales........................ 33
Ri c v l ’l in i v c io n 1 ‘m

Definición de espacio vectorial. 9 0 • Subespacios


l S |ih r s |V l< i o s a t i n e s '•■(
vectoriales, 9 0 • Suma de subespacios vectoriales, 9 1
1. Definición de subespacio a fín ............... 54 - S u b e s p a c i o s a fi n e s . 9 2 • S i s t e m a s d e v e c t o r e s , 9 2 •
2. Intersección de subespacios afínes......... 58 V e c t o r e s li n e a lm c n t e d e p e n d i e n t e s , 9 2 • V e c t o r e s l i n e a l ­
3. Iliperplanos de R " .............................. 60 m e n t e in d e p e n d ie n t e s . 9 4 - S is te m a s d e g e n e ra d o re s.
4. Subespacios afines paralelos................63 B ases, 94 • D im e n s ió n , 9 4 • R a n g o d e un s is te m a d e
5. Combinaciones afines........................... 62 v e c to re s, 94.
INTRODUCCIÓN 17

INTRODUCCIÓN
D e fin ic ió n d e e s p a c io v e c t o r ia l El lector se encontrará al inicio de esta sección
con la definición general de espacio vectorial sobre un cuerpo. Un ejemplo sencillo de
espado vectorial sobre un cuerpo lo constituye el conjunto IR2 de los p a re s o rden ad os
de números reales sobre el cuerpo IR. Los elementos de este conjunto son de la
forma: i a , b ) , con a y b números reales. Por ejemplo:

(1 .-3 ) e K2. ( i . o ) e n 2, 4 e R 2.

Sobre el conjunto l 2 se define una operación, la adición, de esta manera:

(xt,x2) + (yi.p-b) = U'i +yi,x-> + y 2)

(para cada (x i,x 2) e IR2 y í y i . y j ) e IR2). Por ejemplo:

(1.3) + ( - 1 , 1 / 2 ) = (1 + ( - 1 ) . 3 + ( 1 / 2 ) ) = ( 0 , 7 / 2 ) .

Esta operación satisface las siguientes propiedades:


• es a so ciativa, es decir, cualesquiera que sean los pares ordenados de números
reales t a , b ) , ( c , d ) y ( e , f ) , se verifica:

(a,b) + [(c.tí) + i e , f ) } = [ ( a > ) + ic,d)] + i c . f ) ;

• posee elem ento neutro: el par (0,0), lo cual significa que la suma de cualquier
par ordenado ( a,b> con (0,0) da como resultado el mismo par (u, b), esto es:
(a , b ) -e (0 ,0 ) = (a ,b y ,
• es sim eirizab le: cualquiera que sea (a, b ) e IR2, existe un elemento de R 2, pre­
cisamente < - a , - b ) —del que se dice es el opuesto de (a , b ) — , que sumado
a (a, b) da como resultado el elemento neutro: (u, b ) + (- a , - b ) = (0,0);
• es conm utativa: cualesquiera que sean i a , b ) e R 2 y ( c , d ) e R 2, se tiene:
t a , b ) - t c , d ) = ( c . d i + t a . b) .
La comprobación de estas propiedades es inmediata. Por verificarlas, se dice que la
adición articula el conjunto R2 como g ru p o a b e lia n o .1
Por otra piule, también se define una operación externa sobre R 2 para el cuerpo i ,
de esta manera:
A(xi,x2) = (Axi.Axj)
(para A e R y (x i,x 2) e IR2). Por ejemplo:

3 ( 2 , - 4 ) = (3 - 2 , 3 • ( - 4 ) ) = ( 0 , - 1 2 ) , -2 ={-l,-2U 2).

Esta operación externa satisface las siguientes propiedades:

1P u e d e n c o n s u l t a r s e m á s d e t a l l e s s o b r e o p e r a c io n e s , y e n p a r t i c u la r s o b r e g r u p o s , e n e l a p é n d i c e A .
i8 I. ESPACIOS VECTORIALES

• es asociativa en los elementos de R: cu alesq u iera que sean lo s n ú m eros reales A


y ¡j y el p ar ordenado de n ú m eros reales (a , fi), se verifica:

A ( i¡ (a , b )) = (A p )(a ,fi);

• es distributiva respecto de la adición de números reales: p ara cada nú m ero real A


y cada núm ero real p, y cad a p ar ord en ad o de núm eros reales (a ,b ), se tiene:
(A + p ) ( a , b ) - A (a ,fi) + p {a ,b );
• es distributiva respecto de la adición de vectores: p ara cad a A de (R, y para
cada ( a , fi) y cada ic ,d ) de ! 2, se verifica:

A (( a ,fi) + ( c , d )) - A (a ,fi) + A (c,d);

• e s neutra p ara el número real 1 : p ara cada (a , b ) e R 2, se tiene:

= (a ,fi).

Tam bién es inm ediata la com probación de e sta s cu atro p ro p ied ad es. A firm ar que
el con ju n to IR2, dotado de la adición y de la operación ex te rn a recién definida, es
u n espacio vectorial sobre el cuerpo IR significa afirm ar p recisam en te que, dotado
de la adición, e s un gru p o abeliano, y que la operación extern a satisfa ce las cuatro
propiedades anteriores.
En lo su cesivo, cuando n o s refiram os a R 2 estarem o s p en san d o en el esp acio vec­
torial sobre R. En este contexto, a lo s elem en tos de ! 2 los den om in arem os vectores;
a lo s de R, escalares.
Tam bién con sid eram os el con ju n to R 3 de las ternas ord en ad as de n ú m eros reales,
cu yo s elem entos son de la form a: (a, fi, c), con a, fi y c n ú m eros reales; por ejem plo:

( 1 , 2 , 0 ) e i 3, ( - 2 , —1 , 7T) e R 3, ( 2 , - 3 ) « r 1.

A sim ism o, con sid eram os el con ju n to R 4 de las cuaternas o rd en ad as de n ú m eros rea­
les: ( a , b , c , d ), con a, fi, c y d núm eros reales; y el con ju n to R ’ de las quíntuplas;
y, en general, el con ju n to R " de las n-uplas de n ú m eros reales (n > I ). O bservem os
cóm o son los elem entos de IR":

( x ¡ , X 2 , ... , x „ ) , c o n x j , X 2 , . . . , x „ n ú m eros reales.

Sobre el conju n to IR" (para cu alq u ier n » 1, lo cual en globa en p articu lar los
nom brados R 3 , IR4 y R 5), se define, m utatis mutandis, u n a adición y u n a operación
extern a p ara el cu erpo R com o lo hem os hecho sobre IR2, y se com prueba que estas
op eracio n es articulan R " com o espacio vectorial sobre R. A partir de ahora, siem pre
que tratem os el con ju n to IR" estarem o s autom áticam ente p en san d o en el espacio
INTRODUCCIÓN 19

vectorial so b re IR, y llam arem os v ecto res a su s elem en to s y escala res a lo s elem en tos
de IR, com o com entam os p ara el caso de R 2.
Q uerem os o b servar que, aunque el texto trata lo s e sp a cio s vectoriales en general,
la experiencia nos m u estra que, al m enos en lo que s e refiere al nivel exigible a un
estu d ian te de ADF., el m anejo prácticam ente exclu sivo d e lo s R " e s m ás que suficien te
p ara com prend er los con cep tos y las p ro p ied ad es m á s im p ortan tes de lo s esp acios
vecto riales .2 A d em ás, en ningún caso m an ejarem os —p ara esp acios vecto riales— un
cu erp o que no sea IR.
Finalm ente, q u erem os en fa tiza r al lector la definición d e componente de un vec­
tor: si ( « i , « 2 .........« „ ) e s u n vecto r de R '\ direm os que su prim era com ponente es « 1 ;
que su segun d a com ponente e s « 2. etc.; en gen eral, d irem o s que su r-ésim a com po­
nente es « , ( 1 < / < « ) . Por ejem plo, p ara el vector ( 1 , - 3 , 7 ,0 ) de R 4, la prim era
com ponente e s igual a 1 , la segun d a igual a - 3 , la tercera igual a 7, y la cu arta igual
a O.3

Su b e sp a cio s v e c to ria le s Com o los ú n icos e sp a cio s vecto riales que realm ente
nos in teresan en este cu rso son los del tipo IR'1 (n & 1), veam o s cóm o se form ula
el concepto de su b esp acio vectorial aplicado só lo a ello s. Un su b co n ju n to F , no
vacío, de R " es subespacio vectorial del espacio vectorial R '1 si se satisfa cen dos
p ro p ied ad es (que en el texto se design an (SV 1 ) y (SV2)):
<SV1 >la su m a de vectores de F es un vecto r tam bién de F; es decir, p ara cada vec­
tor v = ( v i , V 2 , . . . , v „ ) y cada vecto r w = (u q , w >, . . . , w n) perten ecien tes a F,
pertenece a su v e z a F el vector siguiente:

V + IV = (IZ1, 1 * 2 ,..., V „ ) + (itq , U*2, — , U>n )

= ( t'i + U’ j, V¿ + w ¿ l'n + Wn)',

(SV2) el p rod ucto de cu alqu ier e sc ala r (esto es, de cu alq u ier n ú m ero real) por un
vecto r de F e s un vector tam bién de F; o lo que es lo m ism o: p ara cad a A e IR
y cad a v = ( V i, vo, ■■■, v „ ) e F , perten ece a su v e z a F el vector:

Av = A { V i, V 2 l'n ) = (At’ i,A t ' 2 ,...,A l 'n ) -

Es im portante señ a lar que si F e s su b esp acio vectorial de R " , en ton ces F es en sí
m ism o u n espacio vectorial con la adición de vecto res y la m ultiplicación d e núm eros
reales po r vecto res .4

-'Por este motivo no se hacen preguntas, en las pruebas presenciales, sobre espacios vectoriales de
otro tipo.
'El motivo de enfatizar esta sencilla definición es la posibilidad (que efectivamente se da con mucha
frecuencia) de que el alumno confunda componente con coordenada, concepto que surgirá más adelante.
4Técnicamente, con la restricción de estas operaciones a F.
20 I. ESPACIOS VECTORIALES

Podem os estu d iar si un su b co n ju n to de l '1 e s su b esp acio vectorial o no de otra


form a, h aciendo u so de la caracterización en u n ciad a en la proposición 1.1 (cf. p. 39).
Ésta, para el caso de 05” , tiene e ste aspecto: un su b co n ju n to F de IR” , no vacío, es
su b e sp acio vectorial de 05” precisam en te si cu alesq u iera que sean los vecto res v y w
de F , y lo s escala res oí y /•>, pertenece a F el vector:

LYV + filV = a (V | ,l/ 2, . . . , Vi,) + , w->,. ■■, w n)


= (txt'i + p W i, CÍV2 + fiw-y, .. •, OÍVn + /ilU,,).

A d em ás de la caracterización anterior, vem o s o tras pro piedades de lo s su bespa-


cios vectoriales. Es de d e stacar que el vector O es un elem ento de cu alq u ier su b e sp a ­
cio vectorial; recu érd ese que, en el caso de los S5” , el vector O e s el vecto r ( 0 ,0 ,...,( ) )
(con n ceros). Otra p ropiedad m u y im portan te e s que la intersección de su b esp acio s
vectoriales e s a su v e z un su b esp acio vectorial.
El estu d io d e su b e sp acio s vecto riales p articu lares se inicia con los de l 2. A dem ás
de 1 ( 0 ,0 ) 1 y del propio 352, se m u estra que e s u n su b esp acio vectorial de IR2 todo
con ju n to d e esta form a:
D5(a, b) = {A(tí, b) I A € 05] ,

donde (a , b ) es un par ord en ad o de n ú m eros reales. Por ejem plo:

0 5 (1,3) = {A( 1 , 3 ) | A e ¡5] = {(A ,3A ) | A € 05}.

O bservem os que cada vecto r de e ste con ju n to 0 5 (1,3 ) —co n ju n to que e s su bespacio
vectorial de IR2, com o decim os— e s de esta form a: (A, 3A) p ara alg ú n A € 05. Podem os
d ecir que (A ,3A ) es u n vector genérico del su b esp acio vectorial 1 ( 1 , 3 ) . N ótese tam ­
bién que, a la vista de e ste vector genérico (A, 3A ), podem os afirm ar que lo s vectores
de e ste su b esp acio vectorial so n lo s que satisfacen que su seg u n d a com ponente es el
triple de la prim era. ’ A sí: ( 2 ,6 ) , ( - 4 , —12 ) o ( 1 / 3 , 1 ) son vecto res d e 0 5 (1,3 ); pero no
lo son ( 1 , 4 ) , ( 0 , 1) o ( 1 / 2 ,2 ) .
Otro ejem plo: 0 5 ( 2 ,-5 ) = { (2A, - 5 A ) | A e ! ¡ . Un vector genérico d e e ste otro
su b esp acio vectorial de IR2 es (2A, - 5 A ) , lo que pu ed e in terp retarse así: los vectores
de este su b esp acio vectorial so n a q u ello s cu ya seg u n d a com ponente es igual a la pri­
m era m ultiplicada p o r - 5 / 2 . Los p ares ord en ad o s ( 1 , —5 / 2 ), ( - 4 , 1 0 ) o ( 2 / 3 , - 5 / 3 )
pertenecen al su b e sp acio vectorial; no a si los p ares ( 1 ,0 ) , (5, - V 3 ) o ( 1 , - 1 ) .
Otra form a de p resen tar un su b esp acio vectorial de IR2 es con una ecuación (una
ecuación lineal, para s e r m ás exactos). Por ejem plo, el co n ju n to siguiente e s un s u b e s­
pacio vectorial d e 552:

F = ¡ (x i , .y 2 ) s K 2 | 3X | - x» = 0 ¡ .

'0 también: son aquellos vectores cuya primera componente es igual a un tercio de la segunda.
INTRODUCCION 21

Su s elem entos son los vecto res (x\,x<) cu yas com pon en tes, x¡ y x>, satisfacen la
ecuación 3 x i - x ¿ = 0. Verbigracia, ( 4 ,1 2 ) e s un elem en to d e F, pu es: 3 - 4 - 1 2 = 0.
N otem os que la ecuación 3 x i - x i = 0 es equivalen te a e s ta otra: x¿ = 3 x i , lo que
n os perm ite afirm ar: los elem en tos d e F so n los vecto res cuya seg u n d a com ponente
e s igual al triple de la prim era. Es decir, los elem en tos de F y lo s del con ju n to IR( 1 , 3 )
son los m ism os; am bos su b e sp acio s vecto riales son iguales.
En el texto com probam os un resu ltad o que gen eraliza el caso particu lar anterior:
cuando el vecto r ( a , b) no e s el ( 0 , 0 ) (o lo que e s lo m ism o: a y b no son sim u ltán ea­
m ente nulos), se tiene:

{(x i,X 2 > e R 2 | « X | + b x ■


>= 0 } = E ( ~ b , a ) .

Otro ejem plo: [ ( x i , x ¿ ) e R 2 | - 5 X | - 2 x ? = 0} = R (2 , - 5 ) . O bsérvese que si i a .b )


fuera el vector nulo (es decir, si (a ,b ) = (0 ,0 )), en ton ces R ( a ,fr ) se redu ce al con ­
ju n to {( 0 , 0 ) }; en sím bolos: R ( 0 , 0 ) = {( 0 , 0 ) 1 .

Noia Es importante señalar que la ecuación que define un subespacio vectorial de IR2 debe
ser de la forma ax¡ + bx¿ = 0 (con a y b números reales). En particular, cualquiera de
la forma ax¡ + bx¿ = d, con d un número real distinto de 0 , no define un subespacio
vectorial. Por ejemplo, el conjunto {(x i ,X 2 > e K 2 | -X | + 2 x 2 = - 2 ¡n o es un subespacio
vectorial de K 2.0 A

A continuación p asam o s a estu d iar su b e sp acio s vectoriales de IR3. Los co n ju n ­


tos { ( 0 ,0 ,0 ) } y IR3 son su b esp acio s vecto riales d e IR3 , y tam bién lo son los co n ju n to s
de este tipo:
R ( a ,b ,c ) = ¡A ( a ,b ,c ) | A t l | ,

donde (a , b , c ) es u n a tern a de n ú m eros reales. A sim ism o, los co n ju n to s defin idos


por u na ecuación, an álo gos al su b co n ju n to F d e R 2 que co n sid eram o s an tes, son
su b e sp acio s vectoriales d e R 3 ; po r ejem plo, es su b esp acio vectorial de l 3 e ste con ­
junto:
{ (X |, X 2 ,X 3 ) e IR3 I 2 x i - X 2 + 3 x ;¡ = 0 } ,

form ado por lo s vectores ( x i.x ^ .x ^ ) de IR3 ta le s que 2 x j - x ¿ + 3 x ;¡ = 0. (O bien


ta le s que: x ¿ = 2x\ + 3 x ;j, lo que se p u ed e e x p re sa r con p a la b ra s así: lo s vectores
de IR3 tales que su segun d a com ponente es igual al doble de la prim era m ás el triple
de la tercera.)
La pru eba de que los su b co n ju n to s de IR3 an teriores so n su b e sp acio s vectoriales
de R 3 es, mutatis mutandis, com o la d el caso d e R 2. Sin em bargo, debem os hacer
no tar que no se verifica p ara l 3 ningún re su lta d o d e igualdad entre su bespacio s

eSí es, y lo veremos más adelante en este mismo capitulo, un subespacio afín.
22 I. E S P A C IO S V E C T O R IA LE S

vectoriales definidos por una ecuación y subespacios vccloriales del tipo R ( a , f \ c ) ,


como ocurre para ! 2 .
Querem os llam ar la atención, por ser especialm ente ilustrativo, del ejem plo 10
(cf. p. 42). Se trabaja con estos su b espacios vectoriales de R 3:

f j = { ( X i . X j . x Q e R 3 I X] - 2 x> +xj = 0},


F¿ = { ( x , , x ¿ , X 3 ) e R 3 I X[ = 2 x ¡ \ ,

y se dem uestra que su intersección es igual al subespacio vectorial R ( 4 , 3 , 2 ) . Note­


m os que esta intersección puede escribirse asi:

F, n F > = { ( X j . X j . X j ) € R 3 I Xi - 2 x ¡ + x t = 0 y x \ = 2 x ? } ,

es decir, com o un subespacio vectorial definido por do s ecuaciones.'


Finalmente, generalizam os lo visto a cualquier R M. Enfatizam os aqui, en particu­
lar, que es subespacio vectorial de R n cualquiera de la forma:

[ ( X ] , X j ....... x „ ) e R " I f l i X] + a>x> + ■ • ■ + a » x n = 0} ,

dondeui.tij a „ son núm eros reales. No sería subespacio vectorial este conjunto
si la ecuación fuera ti i Xj - a>x> + • • • + a „ x , ¡ - d con d * 0.

S u m a d e s u b e s p a c io s v e c t o r i a l e s Com ienza esta sección definiendo la sum a


de subconjuntos de un espacio vectorial. Si A y B son dos subconjuntos de R "
(no olvidem os que en todo momento particularizam os a R n), su sumí? es el con­
ju n to cuyo s elem entos son vectores obtenidos com o sum a de un vector de A y otro
de B. Esta definición se generaliza fácilm ente a m ás de dos conjuntos. El ejem plo 1 1
(cf. p. 44 ), de sum a de dos conjuntos, y el ejem plo 1 2 (cf. p. 4 5 ), de sum a de tres, son
suficientem ente ilustrativos.
El resultado m ás im portante de esta sección es que la sum a de su b espacios vec­
toriales es a su ve z un subespacio vectorial. El ejem plo 1 3 (cf. p. 4 5 ) es importante;
en él se m uestra esta igualdad de subespacios vectoriales:

R< 1 , 0 , 0 ) + R ( 0 , 0 , 1 ) = { ( x i . X j . X i ) € R ! I x . = 0 } ,

en la que vem os, en particular, cóm o un subespacio vectorial de R ! definido por una
ecuación se puede expresar com o sum a de subespacios vectoriales del tipo R( u, b, c).
En general, cuando trabajam os con subespacios vectoriales, de lo que se trata es de

' M ás a d e la n te , t r a s e s tu d ia r s is te m a s de e c u a c i o n e s l i n e a le s e n e l c a p i t u lo IV , v e r e m o s c o m o r e l a ­
c io n a r s u b e s p a c i o s v e c t o r ia le s d e f i n i d o s p o r e c u a c i o n e s c o n s u b e s p a c i o s v e c t o r i a l e s d e ) U p o R(a,l’ ,c),
V n o s ó lo p a ra R\ s in o p a r a c u a l q u i e r R".
’VTRODUCCIÓN

relacionar su b esp acio s determ in ados po r una ecuación o po r varias (éstos últim os
so n intersección de los determ in ados po r u n a sola ecuación) con la sum a de su b e s­
pacios del tipo I R ( a i,a 2 , . . . , u n ). H asta el capítulo IV, cuando tratem os los sistem as
de ecu aciones lineales, no tendrem os h erram ien tas su ficien tes p ara reso lver com ­
pletam ente este problem a; por ahora, nos debem os con form ar con estu d iar algunas
situ aciones particu lares, com o la del citado ejem plo 1 3 o las v istas en los ejercicios
del m anual Problemas Resueltos.
Otro concepto im portante de la sección es el de independencia de su b esp acio s
vectoriales. Dos su b esp acio s vectoriales (de IR") son in d epen d ien tes si todo vector
de su sum a se pu ed e obtener de fo rm a única com o sum a de u n vector del prim ero y
un vector del segundo. La proposición 1.4 (cf. p. 48) m u estra u n a m anera sen cilla de
com probar la independencia: que dos su b esp acio s vecto riales sean in d epend ientes
es equivalente a que su in tersección se re d u zca al con ju n to (( 0 , 0 , . . . , 0 ) }.
Ln el ejem plo 1 7 (cf. p. 48), para lo s su b esp acio s vectoriales de IR3 sigu ien tes:

F¡ = (R(0,1 , 1 ) y F 2 = { ( X 1 .X 2.X 3 ) e R 3 | x ¡ = x ¿ + X 3 } ,

se p ru eba tienen un ú n ico vecto r en com ún: (0 , 0 , 0 ), con lo que se está efectivam en te
dem ostrando que son ind epend ientes. Por otra parte, en el ejem plo 1 8 (cf. p. 49)
se com prueba que la sum a F\ + F¿ es igual a IR3. Esto significa: todo vector de IR3
se puede escribir com o sum a de un vecto r de F\ y un vector de F¿, y adem ás esta
descom posición del vector en sum a de dos, uno de cada su bespacio, es única.
Tam bién h ablam os de suma directa, que no es m ás que la su m a de su besp acio s
vectoriales ind epend ientes. Por ejem plo, la su m a de los su b esp acio s vectoriales F\
y F> de IR3 del párrafo anterior es su m a directa; se denota: f j ® F i . Y tam bién se d e­
fine el concepto de su b esp acios vectoriales suplementarios: son aq uello s cu ya sum a
directa es igual a todo el espacio vectorial. Los su b esp acio s vectoriales F¡ y F 2 de los
que venim os h ablando son su plem en tario s: F 1 © F¿ = R 3 .
Term ina el apartado de ind epend en cia de su b esp acio s vectoriales con la gen erali­
zación (por otra parte inm ediata) de la noción de independen cia (y de su m a directa)
a m ás de dos su b esp acio s vectoriales. Es de observar, sin em bargo, que la caracte­
rización vista de la ind epend en cia de dos su b esp acio s vectoriales (intersección igual
a {( 0,0 ......... 0 )}) no adm ite u n a gen eralización inm ediata a m ás de dos.
Lo últim o que vem os en esta sección es el im portante concepto de com binación
lineal. A firm ar que m i vector v (de R ") es igual a una combinación lineal de los k
vectores « 1 , u ¿ Uk (todos de R ") no es m ás que afirmar' se verifica la igualdad
v = tt|U| + a¿u> + • • • + c<kUk para algun os núm eros reales a i , a i , . . . . a * (a los
que a veces nos referirem os com o lo s coeficientes de la com binación lineal). Dicho
m ás técnicam ente: el vector v es igual a una com binación lineal de los k vecto res U \,
24 I. ESPACIOS VECTORIALES

u t, . . Uk si v es un elem ento de la sum a de su besp acio s vectoriales siguiente:

[RLii] -t [Ru? t- * ■ • t- [Ru^.

Por ejem plo, el vector ( 2 ,3 ) de M,2 es igual a una com binación lineal de los vec­
tores ( 1 , 1 ) y ( 0 , 1 ), p u es se tiene:

( 2 ,3 ) = « ( 1 , 1 ) a- b ( 0 , 1 ) para a = 2 y b = 1;

los coeficientes de esta com binación lineal son a = 2 y b = 1. Otra form a de tran sm i­
tir la m ism a idea: ( 2 ,3 ) e IR( 1 , 1 ) + (R(0,1) .
Nótese que, sean los que sean los vectores U j, u 2l . . . . wj, de ES", el vector n u ­
lo: ( 0 ,0 .........0), es igual a una com binación lineal de ellos; no hace falta m ás que
tomar todos los coeficientes iguales a 0:

( 0 , 0 , . . . , 0 ) = Ouj + 0 u> + ■ • • i One-

Su b esp acio s afin e s Un subespacio a fin de ÜS" es un su bcon jun to de IR" obtenido
com o sum a de un vector y un su bespacio vectorial de ES". Si v es un vector y F es un
su besp acio vectorial (am bos de ES"), el su bespacio afín obtenido com o sum a de ellos
se denota: v ■F .8
C uando sum am os un vector y el su bespacio vectorial j (ü, 0 , , . , , 0) ¡, obtenem os el
conjun to cuyo único elem ento es el vector. Cuando su m am os el vector ( 0 ,0 ,...,( ) ) y
un su bespacio vectorial, obtenem os este m ism o su bespacio vectorial. listos son los
ejem plos m ás sen cillos de su b esp acio s afines: los con ju n tos form ados por un solo
vector y los propios su besp acio s vectoriales.
Para obtener m ás su b esp acio s afines, no ten em os m ás que sum ar un vector a
cada su besp acio vectorial que conocem os, y fundam entalm ente hem os visto dos
tipos de su b esp acio s vectoriales: los del tipo K ( a i , a 2 , - . . , a „ ) y los d efin idos por
una ecuación.15
En el prim er caso, obtenem os un su besp acio afín de este tipo:

( t’ |, l>2 , ■■■, V „ ) + l í í J i , a - ¿ ........... a „ ) .

Si el vector {a i, ■.., a n) es no nulo, de este su bespacio afín se dice es una recta


de IR".1U Por ejem plo, el con jun to ( 1 , 1 ) + R ( 2 , 3 ) es una recta de K~, y el con ­
ju n to ( 0 , 1 , - 3 ) + IR(2, - 1 0 , 0 ) es una recta de IR8.

s L)e s u y o , l a n u t a c i ó n d e b e r í a s e r ¡ u [ + F, p e r o a b r e v i a m o s q u i t a n d o l a s l l a v e s ,

"list o s tip o s “b á s ic o s ” son los q u e luego in te r se c a m o s o s u m a m o s .

M,N ó t e s e q u e si el v e c t o r Ui] a n ) e s n o n u l o , e n t o n c e s e l s u b e s p a c i o v e c t o r i a l K ( n ¡ ,a-> a n)


n o e s i g u a l al 1 ( 0 , 0 ..........0 ) 1 , y e l s u b e s p a c i o a f í n a n t e r i o r n o s e r e d u c e al c o n j u n t o H i q , v> t'e l!.
INTRODUCCIÓN 25

En el segun d o caso, obten em os un su besp acio afín de este olro tipo:

( v j, un) + { ( x j . x i ........ x n ) e 1 " I a i X i + a¿x ¿ + ■ • ■ + a nx n = 0 } .

Una con secu encia que se extrae del texto es que esto s su b esp acio s afin es se pueden
escribir de esta form a:

{ (x\,X 2 , ■■■,x n) e | a i,Yi + a¿xz + ■■■+ a „ x n = d } , (1)

donde d es un núm ero real. (El n ú m ero d puede ser nulo o no; en el prim er caso,
estaríam os ante un su besp acio a fín que tam bién es su besp acio vectorial; en el se ­
gundo, ante un su b esp acio afín que no sería su bespacio vectorial.) C uando los n ú m e­
ros a i , ctz, ■■■, a n no son sim u ltán eam en te nulos, de todo con ju n to de la fo rm a ( 1 ) se
dice es un hiperplano de R * .11 Los h iperplan os de IR” son, pu es, su besp acio s añnes
determ inados por u n a ecuación de la form a a ¡ x i + a¿X'¿ + ■ ■ ■ + a nx „ - d con los
núm eros a \, a i , . • • , a n no sim ultán eam en te nulos.
A m odo de m u estra de lo dicho, en el ejem plo 3 3 (cf. p. 6 1) se p ru eba que el
hiperplano determ inado por la ecuación Xj - x ¡ = 4, es decir:

A = { [X \,x¿,x%) e IR3 | X\ - x a = 4 } ,

verifica: A - ( 4 ,0 ,0 ) + [ ( X | , x 2 ,x a ) e R 3 | X| - Xa = 0 }.
El últim o concepto que se estu d ia en esta sección es el de combinación afín. A fir­
m ar que un vector v es igual a u n a combinación afín de los k vectores u i, u¿, ■■., iq
significa afirm ar se satisfa ce la igu ald ad v = « ¡ u i + cn¿u¿ + ■■■+ p ara algunos
nú m eros reales oq, a 2, • • •, oq que su m an 1 ; es decir:

V = Ct| U\ + a>Uz + ■ - ■ + «(.-«(: y «1 + «2 + ■ - ■ + OÍJt = 1.

Por ejem plo, el hecho de que se verifique:

(1 , - 2, - 1 ) = <a( 1 , 0 , - l ) + b ( l , 2 , - l ) , para a. = 2y b =- 1,
perm ite afirm ar que el vecto r ( 1 , - 2, - 1 ) es igual a u n a com binación afín de los vec­
tores (1 , 0 , - 1 ) y ( 1 , 2 , - 1 ), p u es a +b = 1.

S iste m a s de vecto res Ijn sistema de vectores de R* es una colección fin ita or­
denada de vectores de IR*. Escribim os un sistem a de vectores entre p arén tesis, se p ­
arando los vectores por com as. Por ejem plo, los cuatro sigu ien tes son sistem as de
vectores de IRJ :

( ( 1 , 2 ) , ( - 1 , 0 ) ) , {( 0 , 0 ) , ( 1 , - 1 ) , ( 1 , - 1 )), ( ( v 2 , 2 ) ) , ( ( - 1 , 0 ) , ( 1 , 2 )).

11 Si los números a\, a 2, a„ son todos nulos, el subespacio afín resulta iguai a OS” , que no se
considera un hiperplano.
26 I. ESPACIOS VECTORIALES

F.I prim ero y el cu arto son sistem as en los que figu ran d o s vectores; se dice que su
cardinal e s igual a 2. El segun d o sistem a tiene card in al igual a 3 (se con sid era que
en definitiva figuran tres vectores, a p e sa r de q u e h ay un o repetido); y el tercero,
cardinal igual a 1. Es de o b servar que el prim er sistem a y el cu arto tienen lo s m ism os
vectores, pero no en el m ism o orden; se con sid eran sistem as distin tos.
C on siderarem os tam bién sistem a s de vecto res de IR3, que se definen de m anera
análoga; por ejem plo: ( ( 1 , - 2 , 2 ) , ( 0 , - 1 , 0 ) ) o ( ( 1 ,0 ,0 ) , ( 1 , - 1 , - 2 3 ) , ( 1 , - 1 , 0 ) ) . Y
algun a v e z tam bién sistem as de vecto res de IR4, com o ( ( 0 , - 1 , - 2 , 1 ) , ( 1 , - 2 , 5 , 0 ) )
o ( ( 0 ,1 ,0 ,0 ) , ( 0 , 1 , - 1 , - 3 ) , ( - 1 / 2 , - 1 , 0 , 1 / 3 ) ) .

Vectores lin e a lm e n te d ep en d ien tes D ados u n o s vecto res de R -, sab em o s que


es posible ex p re sar el vecto r (0 , 0 ) com o com binación lineal de ello s: al m enos con
todos lo s coeficien tes de la com binación lineal igu ales a 0. Si es po sib le ex p re sar el
vecto r ( 0 , 0 ) com o com binación lineal de los vecto res d ad o s de form a que algu n o de
los coeficientes de la com binación lineal sea d istin to de 0, se dice que los vecto res
son linealmente dependientes.
A m odo d e ejem plo, con sid erem os los vecto res ( 1 , - 1 ) y ( 2 , - 2 ) de IR2. Toda
com binación lineal de ello s e s de la form a: « ( 1 , —1 ) + 0 (2 , - 2 ), con ix y /I núm eros
reales; ¿algun a de e sta s com binaciones lineales e s igual al vector (0 , 0 ) y e s tal que
uno de los dos coeficientes, a o /I (o am bos), es no nulo? Sí; po r ejem plo, para « = 2
y 0 = -1 se obtiene:

« (1, - 1 ) + 0 ( 2 , - 2 ) = 2 ( 1 , - 1 ) - (2 , - 2 ) = (0 , 0 ),
lo que perm ite resp on d er afirm ativam en te la pregu n ta recién form ulada. Los vecto ­
re s ( 1 , - 1 ) y ( 2 , - 2 ) so n en ton ces linealm ente depen d ien tes. Tam bién exp resarem o s
esto afirm ando que el sistem a ( ( 1 , - 1 ), ( 2 , - 2 )) es un sistem a ligado.
La definición se extien d e con facilidad a vecto res de OS3 (y d e i 4). Por ejem plo , los
vectores ( 1 , —1 ,0 ) y ( - 2 , 2 , 0 ) d e IR3 so n lin ealm en te d epen d ien tes, p u es podem os
escribir:
( l , - l , 0) + i ( - 2, 2, 0 ) = ( 0 , 0 , 0 ),

que e s u n a com binación lineal de ello s igu alad a al v e c to r ( 0 , 0 , 0 ) y con alguno de los
co eficien tes (en este caso, am bos) d istin to de 0.
Saber si u n os vecto res d ad os son linealm ente d ep en d ien tes o no, o lo que e s lo
m ism o: sab e r si el sistem a que form an e s ligado o n o , es fácil cu an d o se trata de uno
o de d o s vectores. Un sistem a form ado p o r un único vecto r es ligado si el vector es
nu lo (es decir, si es igual a (0 ,0 ) en el caso de IR3 , o a ( 0 ,0 ,0 ) en el caso d e IR3), y no
es ligado si el vecto r es otro cualquiera. Por ejem plo , el sistem a ( ( 1 , - 8 )) de IR2 no es
ligado, y si lo es (( 0 , 0 )), que e s de hecho el único sistem a ligado de K 2 con un único
vector.
TR O D U CdÓ N ¿7

Para un sistem a form ado por d o s vectores, no e s m ucho m ás difícil: si am bos


vecto res son proporcionales, el sistem a es ligado, y no es ligado en caso contrario.
¿Qué significa que los d o s vecto res sean pro p o rcio n ales? Que un o de lo s vectores
e s igual a un núm ero m ultiplicado po r el otro. Por ejem plo, lo s vecto res ( 2 , - 4 )
y (1, - 2 ) son proporcionales, porqu e el prim ero pu ed e ob ten erse del segun d o m ul­
tiplicando por un núm ero, en e ste caso 2 : (2, - 4 ) = 2 ( 1 , - 2 ) ; el sistem a que am bos
form an: ((2, - 4 ) , ( 1 , - 2 ) ) , e s en ton ces ligado.
Otro ejem plo : los vecto res ( 1 , 0 , 3 ) y ( - 2 , 1 , 1 ) no so n p roporcion ales. ¿Cóm o
podem os verlo? Si fu eran p roporcion ales, deberíam os s e r cap aces de o b ten er uno de
lo s vecto res m ultiplicando el otro po r algún núm ero; u n sim ple v ista zo n o s m u es­
tra que ello es im posible: no hay fo rm a d e m ultiplicar por u n m ism o núm ero los
núm eros 1 , 0 y 3 para obtener, respectivam en te, - 2 , 1 y 1 , y viceversa: no h ay form a
de m u ltiplicar po r un m ism o núm ero los núm eros - 2, 1 y 1 para obtener, respecti-
vam ente, 1, 0 y 3. Estos vecto res no son , pu es, linealm ente depen d ien tes; el sistem a
que form an no es ligado.
Si tenem os tres o m ás vectores, se pu ed e p ro ced er com o se hace en el ejercicio 2
(cf. p. 66 ), o se pu ed e ca lcu lar el rango d e lo s ve cto res c in terp retar adecuadam ente
el resu ltado. Para los sistem a s de vecto res que m an ejarem o s, e ste seg u n d o m étodo
es en general el m ás sencillo, y por tanto el m ás recom endable; en la sección 10 de
este m ism o capítulo lo apren d erem os.

V ectores lin e a lm e n te in d ep en d ien tes Unos vecto res dad os so n linealmente in­
dependientes si no son linealm ente depen d ien tes. También se dice: un sistem a de
vecto res es libre si no es ligado. En concreto, que u n o s v ecto res sean linealm ente in ­
d epend ien tes, o que u n sistem a de vecto res sea libre, significa en ton ces lo siguiente:
la única com binación lineal d e eso s vecto res que e s igual al vecto r n u lo e s aq uella en
la que todos lo s coeficientes so n igu ales a 0.
De acuerdo con lo dicho en el a p artad o anterior, podem os afirm ar lo siguiente:
• El sistem a form ado p o r el vecto r n u lo es ligado, y cu alq u ier otro sistem a fo r­
m ado po r un único vecto r es libre.
• Un sistem a form ado por d o s v ecto res es ligado o es libre según sean lo s vec­
tores p roporcionales o no, respectivam en te. Por ejem plo , los vecto res ( 1 , 0 , 3 )
y ( - 2 , 1 , 1 ) de K :i no son p ro porcion ales (lo vim os en el ap artad o anterior),
luego so n linealm ente ind epen d ien tes; el sistem a que form an es libre.
• Para un sistem a form ado por tres o m ás vecto res, podem os calcu lar su ran go e
in terp retar el resu ltad o (m étodo y a apu ntad o an tes al ver la d epen d en cia lineal,
y que verem os m ás adelante).
I. E S P A C IO S V E C T O R IA LE S

S is t e m a s d e g e n e r a d o r e s y b a s e s d e u n e s p a c io v e c t o r ia l Un sistem a de
vectores de OS2 es un sistem a d e g e n e ra d o re s del espacio vectorial IR2 si lodo vector
de R ¿ se puede escribir com o com binación lineal de los s ectores del sistem a. Tam bién
se dice, m ás sim plem ente, que los sectores del sistem a g e n e ra n R 2.
Por ejem plo, el sistem a de sectores ( ( 1 , l ), ( 0 , 11) e s un sistem a de generadores
de R*. ¿Qué significa? Que todo sector de R 2 es igual a alguna com binación lineal de
los vectores ( 1 , 1 ) y ( 0 , 1 ) . Por ejemplo:

1 2)
( , - ( 1 , 1 ) + ( 0 , 1 ), ( 0, 0) = 0 ( 1 , 1 ) + 0 ( 0 , 1 ),
o ( -1,- 2) = -( 1 , 1 ) - (0 , 1 ),
y un secto r genérico ( a . M d e R 2 verifica: (a , b ) = t¡( I , I > f (b - a ) ( 0 , 1 ), igualdad
que lo expresa efectivam ente com o com binación lineal de los sectores ( 1 , 1 ) y (0 , 1 ).
Cuando un sistem a de generadores es, adem ás, un sistem a libre, recibe el nombre
de base. Una base de R 2 es, pues, un sistem a cu yo s vectores son linealm ente inde­
pendientes y generan R 2 . F1 sistem a del ejem plo del párrafo anterior: ( ( 1 , 1 ) , ( 0, 1 ) ) ,
es una base de R2 : su s dos vectores generan RJ , y como no son proporcionales,
también son linealm ente independientes. Todo vector de R 2 es entonces igual a
alguna com binación lineal de los vectores ( 1 , 1) y (0 , 1 ), ya lo hem os dicho, pero
hay algo m ás al tratarse de una base: esa com binación lineal es única. Por ejem ­
plo: ( - 1 , 1 ) = - ( 1 , 1 ) + 2 (0 , l ) , y no hay otra m anera de escribir ( - 1 . 1 ) com o una
com binación lineal de ( 1 , 1 ) y (0 , 1 ): es decir, los coeficientes de una com binación
lineal de estos dos vectores que sea igual al vector ( - 1 , 1 ) han de ser necesaria­
m ente - 1 y 2. Se dice que - 1 y 2 (en este orden) son las co o rd en a das del vec­
tor ( - 1 , 1 ) en la base (< 1 , 1 ), ( 0 , 1 )).

Nota bene No deben confundirse las coordenadas de un vector (en una base) con las com­
ponentes del vector. a

Estos conceptos se extienden con facilidad a R f. Por ejem plo, el sistem a de


vectores ( ( 1 , 0 . 0 ) , ( 1 , 1 , 0 ) , ( 0 , 0 , 1 ) ) resulta ser una base de l 3 . Esto significa que
cada vector de R 3 es igual a una única com binación lineal de los vectores ( 1 , 0 , 0 ) ,
( 1 , 1 , 0 ) y ( 0 , 0 , 1 ); los coeficientes de esta única combinación lineal son las coorde­
nadas del vector en la base. Para el vector ( 1, l , H), por ejemplo, se tiene la igual­
dad: ( 1 , 1 , 3 ) = 0 ( 1 , 0 , 0 ) + 1 ( 1 , 1 , 0 ) + 3 ( 0 , 0 , 1 ) , y no hay otra form a de escribirlo
com o com binación lineal de los tres vectores; los núm eros 0, 1 y 3 (en este orden)
son las coordenadas del vector ( 1 . 1 , 3 ) en la base { ( 1 , 0 , 0 ), ( 1 , 1 , 0 ), ( 0 , 0 , 1 )).
Querem os enfatizar algo im portante: el orden en el que se citan las coordenadas
de un vector en una base es fundam ental: se cita como prim era coordenada el coe­
ficiente del prim er vector de la base, com o segunda el coeficiente del segundo vec­
tor, y así sucesivam ente. Asi, por ejem plo, el vector de coordenadas -1 y 2 en la
NTRODUCOÓN 29

b ase ( ( 1 , 1 ), (0 , 1 )) e s el ( - 1 , 1 ), com o ya h em o s visto , p e ro el de coord en adas 2 y -1


es: 2 ( 1 , 1 ) - (0 , 1 ) = (2 , 1 ), que e s otro vecto r distinto.
No h em os dicho nada en las lín eas an teriores so b re algún m étodo práctico que
perm ita averigu ar si un sistem a d e v ecto res es de gen erad o res, o in clu so si es una
base. En general, el m étodo m ás sen cillo e s el cálcu lo d e su rango, que estu d iarem os
en la sección 10 . Por otro lado, cuando y a sab em o s q u e cierto sistem a dad o es una
b ase y qu erem os averigu ar concretam ente las co o rd en ad as en esta b ase de cierto vec­
tor, encon trarlas requiere en general reso lver algún sistem a d e ecu acion es lineales;
lo s estu d iarem o s en el capítu lo IV.
No q u erem os d e ja r de re se ñ ar aquí lo que e s la base canónica d e R 2 y la base
canónica de OS3. La de IR2 está form ada por dos vecto res: ( ( 1 , ()),((), 1) ) ; y la d e IR3
por tres vecto res: ( ( 1 ,0 ,0 ) , ( 0 , 1 ,0 ) , (0 ,0 , 1)). Es in teresan te o b servar que las coorde­
n ad as de u n vecto r en la b ase canónica so n p recisam en te las com pon en tes del vector.
Por ejem plo, las coo rd en ad as del vector ( 2 ,5 ) en la b a se can ón ica d e IR2 so n 2 y 5,
exactam en te su s com ponentes, p u es: ( 2 ,5 ) = 2 ( 1 , 0 ) + 5 ( 0 , 1 ) . En el texto (cf. p. 74),
pu ed e en con trar el lecto r la gen eralización a la b ase can ó n ica de (R".
Finalm ente, en esta sección se in clu ye el den om in ado teorema de la base incom­
pleta, Este teorem a es u n resu ltad o técnico, que se aplica en ciertas d em ostracion es
teóricas. A quí sólo n o s interesa re sa ltar u n a co n secu en cia m u y im portante. En R 2,
todos los sistem a s de vecto res que son b ase tienen la m ism a can tid ad de vectores,
precisam en te dos. Para IR3 la co n secu en cia es análoga: to d a s las b ase s d e OS3 tienen
el m ism o n ú m ero de vecto res, tres en este caso. Y tam bién acontece que to d a s las
b a se s de R 3 tienen la m ism a can tidad de vectores: cuatro. La gen eralización d e esta
con secu encia a cu alqu ier R " es que todas las b ase s de ¡RM tienen n vectores.

D im en sió n de un esp acio v e c to ria l Com o acabarnos de decir, todas las b ases
de R 2 tienen la m ism a can tidad de vecto res; esta can tid ad de vecto res de cualquiera
de las b ase s de IR2 se denom ina dimensión del esp acio vectorial ¡R2. El esp acio vecto ­
rial IR2 es, p u es, u n esp acio vectorial de dim ensión igu al a 2.
La d efin ición de dim en sión se extien de an álogam en te a OS3, y a todos los R " .
A sí, el esp acio vectorial R 3 tiene dim en sión igual a 3, R 4 dim en sión igual a 4, y K "
dim ensión igual a n.
Instam os al alum no a leer detenidam ente las co n secu en cias de la definición de
dim ensión, por ser m uy ú tiles p ara trabajar los ejem p lo s prácticos. D estacam os aqui
u n a de ellas: cuando tenem os un sistem a d e vecto res (de R 2 o de IR3, por ejem plo) de
cardinal igual a la dim ensión (es decir, con tan tos v ecto res com o m arca la dim ensión),
p ara sab er si es o no b ase no es n ecesario co m pro bar que se trata de un sistem a
d e generadores y tam bién com probar que se trata de un siste m a libre: en cuanto
e s una de las dos cosas, autom áticam en te tam bién es la otra. Por ejem plo, lo s dos
/. ESPACIOS VECTORIALES

vectores ( 1 , - 2 ) y (5 , - 9 ) de R 2 form an u n sistem a libre (pues no so n proporcionales);


com o son tan tos vectores com o m arca la dim ensión de R 2 (ya que so n exactam ente
dos), autom áticam ente so n tam bién gen erad o res de R 2, y el sistem a que fo rm an es
una base de IR2.
Y o tra consecu en cia m ás: no es posible tener u n a can tidad de vecto res lineal­
m ente in d epend ientes m ayor que la dim ensión. A sí, por ejem plo , en R 2 todo sistem a
de tres o m ás vecto res es ligado, y en R 3 lodo sistem a de cu atro o m ás vecto res es
ligado.
Tam bién se aplica le definición de dim ensión a los su b esp acio s vecto riales de un
espacio vectorial .12 H ay una propiedad en la que se relaciona la dim ensión d e un
espacio vectorial con la de su s su b esp acio s vecto riales. Enunciada esta propiedad
p articu larizad a para R 2, re za así: la dim ensión del espacio vectorial R 2 es m ayor
o igual que la de cu alquiera de su s su b e sp acio s vectoriales, y el único su bespacio
vectorial de R 2 que tiene dim en sió n igual a 2 es el m ism o R 2. Com o consecuencia,
cualquier su b esp acio vectorial d e R 2 tiene dim ensión igual a I , excep to el m ism o R 2,
que la tiene igual a 2 , y excepto el que tiene com o único vecto r el vecto r nulo: {( 0 , 0 ) 1 ,
cu y a dim en sión se define com o igual a O.13 La extensión a R 3 (y a cu alq u ier R " ) es
análoga: tod o su b esp acio vectorial de R 3 tiene dim ensión igual a I o a 2, excep to el
propio R 3 (dim ensión igual a 3) y el { ( 0 ,0 ,0 ) ) (dim ensión igual a 0 ).

R a n g o de un sistem a de vecto res El rango de un sistem a d e vecto res de R 2


se define com o la dim ensión del su b e sp acio vectorial de R 2 que generan. Y análoga
definición tiene el rango de un sistem a d e vecto res de R 3 o de cu alq u ier R " . En el
texto podem os en con trar u n a lista exh au stiva de p ro p ied ad es, todas ob ten id as de
form a m ás o m enos sen cilla a partir de e sta definición. Una de ellas e s esta : el rango
de un sistem a es m enor o igual que la can tid ad de su s vecto res (dos vecto res, por
ejem plo, no pueden gen erar un su b esp acio vectorial de dim ensión m ayor que 2 ),
y el rango tam bién es m en or o igual que la dim en sión del espacio vectorial al que
pertenecen lo s vectores (si lo s vecto res son , p o r ejem plo, d e R 3 , no h ay fo rm a de que
generen un su b esp acio vectorial d e dim en sión m ayor que 3).
Otra propiedad, que es n ecesario destacar, estab lece que el rango de u n sistem a
de vecto res coincide con el m áxim o núm ero de vecto res linealm ente independientes
que h ay entre ellos. C om o co n secu en cia d e esta propiedad, si un o de los vecto res del

1-Tuesto que un subespacio vectorial es en sí mismo un espacio vectorial.


IJNo podemos aplicar al subespacio vectorial 1(0,011 la definición dada de dimensión: número de
vectores de cualquiera de sus bases, ya que es un espacio vectorial que no admite base (como no hay-
vectores no nulos, no hay vectores linealmente independientes). Definimos la dimensión de este espacio
vectorial como igual a 0. Lo mismo acontece con el subespacio vectorial de cualquier R" formado sólo
por el vector nulo, como por ejemplo 1 (0,0,011: su dimensión se define igual a 0.
. PRODUCCIÓN 31

sistem a e s ci vecto r nulo, al elim inarlo ob ten em os un siste m a con un vecto r m enos
p ero con el m ism o rango. Lo m ism o acontece si elim in am os u n vecto r que se a pro ­
porcional a algún otro del sistem a: el nuevo sistem a (con u n ve cto r m enos) tiene el
m ism o rango. Por ejem plo , los tres sigu ien tes sistem a s de vecto res de L! 2 tienen el
m ism o rango:

( ( 1 ,2 ) ,( 0 ,0 ) ,( - 2 ,- 4 ) ) , ( ( 1 ,2 ) , ( - 2 , - 4 ) ) , y ( ( 1 ,2 ) ) .

De form a m ás general, si un vector del sistem a e s igual a algun a com binación lineal de
lo s re sta n tes vectores, al elim inarlo el rango no varía. Por ejem plo , si en un sistem a
de tres vecto res acontece que el prim ero e s igual al doble del segun d o m en os el
tercero, el rango no varía al quitar el prim er vector; e s decir, si u = 2 v - w , entonces
los sistem a s (u , v , w ) y (v , w ) tienen el m ism o rango.
Hay una p ropiedad del rango que será m u y útil cu an do veam os m ás adelante,
en e ste m ism o ep ígrafe, un m étodo práctico p ara su cálculo: el rango de un s is­
tem a de vecto res no varía si su stitu im o s u n vecto r d e l sistem a por el resu ltad o de
su m arle u n a com binación lineal de lo s restan tes. Por ejem p lo , si en un sistem a de
tres vectores su m áram os al prim ero el doble del seg u n d o m ás el cu ádru ple del ter­
cero, obten dríam os un nu evo sistem a con el m ism o ran go que el prim ero; es decir:
rango (u , v, w ) = rango (u + 2 v + 4w, v, wj.
Finalm ente, querem os recoger aquí u n a propiedad m ás. C uando elim inam os un
vecto r de un sistem a, sab em os que el ran go no va ría si ese vector es igual a alguna
com binación lineal de lo s dem ás. Pero, ¿qu é ocurre s i tal vecto r no es igual a una
com binación lineal de lo s restan tes v e cto res? A con tece que el sistem a nuevo (con un
vecto r m enos) tiene por rango el del sistem a original dism in u ido en 1 . Por ejem plo,
d ad os tres vecto res u, v y w, si del tercero sab em o s q u e no es igual a u n a com bi­
nación lineal d e lo s otros d os, podem os escribir: rango {u , v , u>) = 1 + rango (u, v).
Esta últim a propiedad del ran go es especialm en te ap licable cu an do lo s vectores
(de H” ) son tales que todos tien en u n a m ism a com pon en te igual a 0 , excepto uno,
que la tiene distinta de 0. Por ejem plo, los vecto res ( 1 ,0 ) , ( 3 ,0 ) y ( 0 , - 1 ) de K 2 son
así: los dos prim eros tienen u na m ism a com ponente n u la: la segun d a, y el tercero
la tiene no nula. ¿Qué pod em o s afirm ar de e s to s v e cto res? Que no h ay form a de
obtener el tercero de ello s com o com binación lineal de los dos p rim ero s .14 Se tiene
entonces: rango ( ( 1 ,0 ) , ( 3 ,0 ) , (0, - 1 ) ) = 1 + rango ( ( 1 ,0 ) , ( 3 ,0 ) ) .

''Nótese que cualquier combinación lineal de los vectores (1,0 ) y (3,0) es un vector de la
forma: « (1,0 ) +0(3,0) = (« + 3/1,0) (para algunos números reales a y 0), y el vector (« + 3/1,0) también
tiene nula su segunda componente: de ninguna forma, pues, puede ser igual a (0 ,-1). Al hacer com­
binaciones lineales de vectores que tienen nula una misma componente, se obtienen inevitablemente
vectores que siguen teniendo nula esa componente.
I. e S P A C IO S V E C T O R lA te S

Calcular el rango de un sistem a de vectores dado no es difícil en la práctica,


al m enos para nuestro caso: vectores de R.J o de K ,(, o acaso de IR'4. Cuando el
sistem a tiene un único vector, el rango es igual a 0 si ese único vector es el vector
nulo: (0, 0) o ( 0, 0, 0) , y es igual a 1 si ese vector es cualquier otro. Por ejemplo:
rango ( ( 1 , 2 , 4 ) ) = 1 y rango (( 0 , 0 , 0 , 0 )) = 0.
Cuando se trata de dos vectores, y descartado el caso trivial en que am bos fueran
nulos (el rango seria igual a 0 ), se tiene que el rango e s igual a I si am bos vec­
tores son proporcionales, y es igual a 2 si no son proporcionales. (Recuérdese que
el rango coincide con el núm ero m áxim o de vectores linealm ente independientes.
Si los dos vectores no son proporcionales, son linealmente independientes y tal
núm ero m áxim o es 2; si los vectores son proporcionales, son linealm ente depen­
dientes y tal núm ero m áxim o es I.) Por ejem plo: rango ( ( 1 , 2 , 0 ) , ( - 1 , - 2 , 0 ) ) = l,
rango ( ( - 1 , 1 ) , ( 7 , - 7 ) ) = 1 y rango ( ( - 1 , 1 , 2 , 1 / 2 ) , ( - 1 , - 2 , 3 / 2 , 0 ) ) = 2.
Cuando el sistem a tiene m ás de dos vectores, e s posible reducir el problem a a
un sistem a con un vector m enos, haciendo u so de las propiedades que hem os visto.
Si del sistem a que nos dan quitam os un vector directam ente, tenem os en general el
problem a de saber si es o no igual a un a com binación lineal de tos restantes: si lo
es, el rango no varia por quitarlo; si no lo es, el rango dism inuye en 1. Lo que se
pretende entonces es "transform ar" el sistem a en otro nuevo, con el m ism o número
de vectores y con el m ism o rango que el original, poro tal que sólo con verlo podam os
asegurar de alguno de su s vectores que no es igual a una combinación lineal de los
dem ás. Podemos bu scar el nuevo sistem a con la intención de que todos su s vectores
tengan una m ism a com ponente igual a 0, excepto uno que la tenga no nula; si lo
conseguim os, de este últim o vector podrem os efectivam ente decir que no es igual a
una com binación lineal de los demás.
Considerem os, por ejem plo, el sistem a ( ( 1 , 2 , - ó ) , ( 2 , - 1 , 7 ) , ( - 1 , 0 , 1 ) ) , de vec­
tores de Buscam os, a partir de éste, otro sistem a con el mism o número de vec­
tores y con el mism o rango, pero tal que dos de su s vectores tengan nula, verbigracia,
la primera com ponente, y el que queda la tenga no nula. Hacem os para ello uso de la
propiedad segú n la cual el rango de un sistem a no varía si sum am os a un v ector una
com binación lineal de los dem ás. En concreto, podem os conseguirlo conservando el
prim er vector: ( 1 , 2 , - 3 ) (que tiene no nula su prim era com ponente), y sum ando a
cada uno de los dem ás este prim er vector m ultiplicado por algún número, de forma
que el resultado de la operación sea un vector con la prim era com ponente igual a 0.
Sum am os al segundo vector el primero m ultiplicado por - 2 :

(2.-1,7) + ( -2 )(l,2 ,-3) = (2,-1,7) + (-2, -4,10) = (0,-3,17);

y sum am os al tercer vector el primero: ( - 1 , 0 , 1 ) + ( 1 , 2 , - 5 ) = ( 0 ,2 , - 4 ) . El nuevo sis­


tema obtenido: ( ( 1 , 2 , - 5 ) , (0, - 5 , 1 7 ) , ( 0 ,2 , - 4 ) ) , tiene el mism o rango que el sistem a
'iTRODUCCION

original, pero la construcción llevada a cabo hace que podam os asegurar del primer
vector que no es igual a un a com binación lineal de los restantes. Si “ extraem os" este
prim er vector, reducim os el rango en 1:

rango ( ( 1 , 2 , - 5 ) , ( 0 , - 5 , 1 7 ) , ( 0 , 2 , - 4 ) ) = 1 + rango ( ( 0 , - 5 , 1 7 ) , ( 0 , 2 , - 4 ) ) .

Y y a tenem os reducido el problem a a un sistem a con un vector m enos que el original.


Este sistem a con un vector m enos es: ((0 , - 5 , 1 7 ) , ( 0, 2, - 4 ) ) , de dos vectores; tiene
rango igual a 2 porque los dos vectores no son proporcionales. En resum en:

rango ( { 1 . 2 , - 5 ) , ( 2 , - 1 , 7 ) , ( - 1 , 0 , 1 ) )

= rango ( ( 1 , 2 , - 5 ) , ( 0 , - 5 , 1 7 ) , ( 0 , 2 , - 4 ) )

= 1 + rango ( ( 0 , - 5 , 1 7 ) , ( 0 , 2 , - 4 ) ) = 1 + 2 = 3.

Finalmente, querem os com entar que, conocido el rango de un os vectores, pode­


m os decir varias cosas de ellos. Por ejemplo:
• si el rango es igual al núm ero de vectores, éstos son linealmente independien­
tes; si es menor, los vectores son linealm ente dependientes;
• si el rango es igual a la dim ensión del espacio vectorial al que pertenecen los
vectores, se trata de un sistem a de generadores; si es menor, no es un sistem a
de generadores;
• como consecuencia de los puntos anteriores, si el rango coincide sim ultánea­
mente con el núm ero de vectores y con la dim ensión, entonces el sistem a es
una base.
El sistem a cuyo rango hem os calculado: ( ( 1 , 2 , - 5), (2, - 1 , 7 ) , ( - 1 , 0 , 1 ) ) , es una base
de E :í, p ues su rango coincide con su cantidad de vectores (lo que establece que son
linealm ente independientes) y coincide con la dim ensión del espacio vectorial (lo que
establece que se trata de un sistem a de generadores).
34 I. ESPACIOS VEC.IVRIAI.fS

1.1 DEFINICIÓN DE ESPACIO VECTORIAL

1. Definición de espacio vectorial La definición general de espacio vectorial


sotare un cuerpo es esta:

D efin ició n

E s p a c io v e c t o r ia l Dado un cu erpo conm utativo ( K , s e llam a e sp a cio v e c to ria l so b re el


s o b r e un c u e r p o cu e rp o K a todo con ju n to E dotado de una ley de com posición interna + que
lo articula com o grupo ataeliano, y sobre el que está definida una ley de com ­
posición externa • para K que es asociativa en los elem en tos de K, distribu tiva
resp ecto de la operación + de DC, distributiva resp ecto de la operación + de E y
neutra para el elem ento neutro de la operación - de K .1

A los elem entos del conjun to E los llam arem os v e c to r e s de E; a los del cuerpo K,
e sc a la re s.

N o ta c ió n C u a n d o c o n s id e r e m o s u n e s p a c io v e cto ria l E so b r e un c u e rp o K , r e p r e s e n ta r e ­
m o s lo s v e c to r e s co n le tr a s en n e g rita : x , u , . . . ; y lo s e s c a la r e s co n le tr a s g rie g a s: « , A, . . .
El e le m e n to n e u tr o d e ia o p e ra c ió n + s o b r e E ( a d i c i ó n d e v e c t o r e s ) se rá d e n o ta d o : 0 ; ei
d e la o p e ra c ió n + s o b r e K ( a d i c i ó n d e e s c a la r e s ) : 0 , y el d e la o p e ra ció n ■ ( m u lt ip lic a c ió n
d e e s c a lo r e s ) : 1. T a m b ié n o m itire m o s lo s s ig n o s ■ y •, d e fo rm a qu e el p ro d u c to de e s ­

c a la r e s <x ■(5 s e r á d e n o ta d o : (Xji, y el v e c to r « • ,v se rá d e n o ta d o : « x .’ (l a

Consecuencias de la definición de espacio vectorial Sea E un espacio vectorial sobre


un cu erpo K. De acuerdo con lo exigido en la definición de e sp a d o vectorial, la ley de
com posición externa de la definición verifica las sigu ien tes p ro p ied ad es (consúltese
el cuadro de la página 4 13 ) :
. V x e E, O x = 0,
. V A e K , AO = 0,
• V x 6 E, - x = (-l)x ,
A = 0

V A e K , V x e E, A x = 0 <=* - o
x = 0.

1^Es decir, la ley de com posición interna + verifica las propiedades (G l), (G2), IG3) y (G4) enunciadas
en la p. 4 0 6 ; y la ley de com posición externa •, las propiedades (Ll), (L2), (L3) y (44! enunciadas en la
p. 4 0 9 .
‘ " E x c e p t o p o r la o m i s i ó n cíe l o s s i g n o s ■ y • , e s t a s n o t a c i o n e s s o n l a s q u e e m p l e a m o s p a r a l a s l e y e s d e
c o m p o s i c i ó n e x t e r n a s (cf. p. 4 0 9 ) .
DEFINICION DE ESPACIO VECTORIAL 35

EJEMPLO Si (K, +, •) es un cuerpo conmutativo, K es un espacio vectorial sobre el cuerpo K al conside­


rar como ley de composición externa la operación - del cuerpo:

K x K ------^----- K
(«, x ) — a ■x = « x .

En efecto: las propiedades exigidas en la definición de espacio vectorial son una consecuencia
inmediata de las propiedades que verifica un cuerpo.

EJEMPLO 2 El conjunto 1 " (con n > 1) es un grupo abeliano con la operación + definida por:

V {x\,x¿.......x „ ) e IR” , V v „I e IR",


(2)
(xu x¿ xn) + (y\,y>,...,yn) = (* i + y i,x 2 + y2 x„ + y„).

Y la ley de composición externa definida sobre R" para R de la forma:

V A e R, V (x,,x>,...,xn) e R ", A( xi , X 2 x „) = (Axi, Ax;>..........A x„) (3)

verifica las cuatro propiedades exigidas en la definición de espacio vectorial.


En definitiva, con las operaciones definidas en (2) y en (3), R" es espacio vectorial sobre
el cuerpo R.

EJEMPLO 3 Si ( &, +, - ) es un cuerpo conmutativo, se puede generalizar el resultado del ejemplo anterior
ai conjunto K ": para la ley de composición interna + dada por:

+ (P U P ¿ fin) = (« i + ñl,C<2 + fc a „+ P „ )

(para (cq, oí¿ a „ ) e K " y (fii ....... &„) e KM), y la ley de composiciónexterna dada por:

« „ ) = (Aofi, Aor¿,. . . . Aof„)

(para A e K y ( «i , a ¡ , I 6 &"), el conjunto DC" es un espacio vectorial sobre K.

EJEMPLO 4 Si £ y F son dos espacios vectoriales sobre el mismo cuerpo K, entonces podemos articular
el conjunto F l , de las aplicaciones de E en F, como un espacio vectorial sobre K.
Sean / y g dos aplicaciones de E en F. Si x es un vector arbitrario de £, entonces f ( x ) ,
g f x ) y / ( x ) + g i x ) son vectores de F. Definimos la suma de las aplicaciones / y g , que
denotamos: f + g , como la aplicación de £ en F que verifica:

Vx 6 £, \ f + g ] i x ) = f ( x ) + g{ x ) .

Es un ejercicio sencillo, que dejamos al lector, comprobar que la adición de aplicaciones asi
definida articula el conjunto F L como grupo abeliano.
I- E S P A C IO S V E C T O R IA LE S

Notación E! elemento neutro para la adición de aplicaciones se denota: O, y verifica:

V í e E, Ot x) = 0; .

donde Oí designa el elemento neutro de la adición de vectores de F. a

Análogamente, si « es un escalar y / es una aplicación de F. en F, definimos la apli­


cación «./ de E en F como la que verifica:

V x e f , [ « / ] ( x > = «./'<*).

Podemos, pues, considerar la ley de composición externa:

( « , / ) € & x f £ — « / € F l:,

la cual verifica ser, como el lector puede comprobar sin dificultad, asociativa en los elementos
de IK, distributiva respecto de la adición en & y respecto de la adición en E, y neutra para el
elemento I de K.
En conclusión: con la adición y la ley de composición externa aquí definidas, F ' es un
espacio vectorial sobre D£.

2. C o m p o n en tes d e un v e c to r d e K " Siem pre que considerem os R " o


im plícitam ente estarem os suponiendo que son espacios vectoriales sobre R o so ­
bre K, respectivam ente, con las operaciones definidas en los ejem plos 2 y 3 «interio­
res (cf. p. 35). El primero: R " , lo m anejarem os en todos los ejem plos; el segundo:
en m uchas consideraciones teóricas. Recordam os que dos elem entos (exi , «„)
y (/i,, p >..............} de K " son iguales:

a„) = (P\.Pz Pn ) .

precisam ente si:


«I =/■*!. «L' = Pz y «n =Pn-
Es decir:
« I = Pl,

a> =
(«I ,«2 « n i = ( p u p ¿ ............ P n )

y « „ ^ Pn -

Componentes de Si ( « i , a ¿ « „ ) e s un vcc io r de K " , de a i direm os es su p rim era com ponente;


un vector de '. de a_>, su se gu n d a com ponente, etc; y , en general, de su t-ésím a com ponente
(1 * i < n).

Por tanto, dos vectores de K " son iguales precisam ente si su s com ponentes co­
rrespondientes son iguales.
■UBESPACIOS VECTORIALES 37

1.2 SUBESPACIOS VECTORIALES

l. D e fin ició n de su b esp acio v e c to ria l M ostram os la definición de su bespacio


vectorial, y a continuación dam os u n p rim er ejem plo.

D e fin ic ió n

S u b e s p a c io Sea £ u n esp acio vectorial sobre u n cu erp o &. De u n su b co n ju n to no vacío F de E


vectorial direm os e s u n su b e sp a c io v e c to ria l de £ si se verifica:
(SV1) V (u , iü) e F 1, v + w E .F,
(SV2) V A € K , V v e F , A v e F.

Si F e s u n su b esp acio vectorial de E, de la definición —y en concreto del en u n ­


ciado (S V 1)— se dedu ce que la restricción al con ju n to F d e la adición de vecto res de £
es u n a operación sobre £ :

(i>,uO e f x f — v ^ u> e F, (4)

y fácilm ente se com prueba que e sta operación articu la el con ju n to f com o grupo
abeliano; y tam bién se dedu ce —del en un ciado (SV2)— que lo análogo acontece con
la operación externa, es decir, es p o sib le definir la o p eració n extern a sobre F p ara K
siguiente:
tA ,tó e K x f — A r e F, (5)

operación extern a que evidentem ente es asociativa en los elem en tos de K , d istri­
butiva re sp ecto de la adición en D£ y resp ecto de la adición en E, y n eutra p ara el
elem ento 1 de K. lin consecuencia, el con ju n to F con la operación (4) y la operación
extern a (5) e s u n espacio vectorial sobre K.
Podem os, p u es, afirm ar:

■d o s u b e s p c io T od o su bespacio vectorial de u n esp acio vectorial so b re u n cuerpo es, a su


, pctoi i,4 es vez, u n espacio vectorial sobre K.
•-l i o v e c t o r i a l

EJEMPLO 5 El subconjunto de
F = ¡(X i,X j,X 3 ) e IR1| X \ + *3 = 0}

es un subespacio vectorial de K
Para justificarlo, analicemos en primer lugar qué significa que un vector de IRJ pertenezca
a F.
De la definición del conjunto F deducimos que una terna ( x lpx 3,Xj) de R 1 pertenece a F
precisamente si:
x\ +Xi = 0.
3» I. ESPACIOS VECTORIALES

En otras palabras, un vector de ¡R3 pertenece a F precisamente si la suma de sus componentes


primera y tercera es igual a 0.
Para probar que F es un subespacio vectorial de l 3 hay que probar en primer lugar que F
no es el conjunto vacío, circunstancia que se verifica, pues, por ejemplo, (0,0,0) e F.
F.n segundo lugar, veamos que se cumple (SVI). Sean u = (y , ,x;>,X i) y w = (y\.y>, V3 )
dos vectores arbitrarios de F , y por tanto:

X\ + x-) = 0 y Vi + y i = 0. (6)

Entonces:
v + w = (X|, X j, A 'j) c ( y u V2. V3 ) = U'i + Vi,.V2+ v 2, x 3 + Xs).
) v - w es un vector deF, pues la suma de sus componentes primera ytercera, como se
deduce de (ti), es nula:

(.Y] + _Vl ) + (Xj + y 3 ) = (x, + x ;í) + {y i + v 3 ) = 0 - 0 = 0.

En consecuencia, se verifica (SVI).


Por último, probemos se cumple (SV2). Sea v = <X|,X2, X 3 ) un vector arbitrario de F, y
por tanto:
,Y] - X;í = 0, (7)
y sea A un escalar arbitrario (en este ejemplo, un número real). Entonces:

,\ V = A(.V|, A'2,X;|) = ( A . V 1 . A . Y 2 , A. V; | ) .

Pero At> es un vector de F, pues la suma de sus componentes primera y tercera es, de acuerdo
con (7), nula:
AX[ + \ X ,¡ = A (,V| + X;}) = 0.

En consecuencia, se verifica (SV2).


En conclusión, F es un subespacio vectorial de IR’ .

Consecuencias de la definición de subespacio vectorial Sea £ un espacio vectorial


sobre un cuerpo K. Se verifica:
• E l conjunto 10} y el propio E son subespacios vectoriales de E.
En efecto: es obvio que, en timbos casos, se verifica (SVI) y se verifica (SV2).
• Si z es un vector de E, el conjunto:

Diz = j je e E I 3 « e &, x = oíz] = l « z | a e K}

es subespacio vectorial de E.
En efecto. El conjunto IK z es no vacío; por ejemplo: 0 = Oz e K z. Por otro lado, si «z
y w'z son dos vectores arbitrarios de Kz, entonces:

ivz + « 'z = (« + a')z,

y la + « ')z e 04z. De esta forma, se verifica (SVI).


SUBESPACIOS VECTORIALES 39

Por último, si az es un vector arbitrario de Kz y A os un escalar arbitrario, entonces:


Aíwz) = (A « )z , y (A « )z e Kz, También, pues, se verifica (SV2), y con olio Kz es
subespacio vectorial de E.
Obsérvese que si z = O, entonces: K .z = KO = 10 [.
■ Si F es un subespacio vectorial ele E , entonces: 0 e F.
F.n efecto. Por ser F subespacio vectorial es no vacio, así que existirá algún vector x
de £ tal que: x e F. De (SV2) se deduce: {~1 )x e F, y de (SV1) se concluye pertenece
a F el vector: x + ( - ! )x = O.
La siguiente proposición es una caracterización de los su b esp acio s vectoriales.

C N S 17 d e P ro p o s ic ió n 1.1 Si E es un espacio vectorial sobre un cuerpo K y F es un subcon-


subespacio ju n to no vacío de E, una condición n e ce saria y suficiente para que 1' sea subespacio
vectorial vectorial de E es:

V («,/■{) e iK2, V (u , tu) e F 2, íx v + fiw e F . ( 8)

Dem ostración La condición es necesaria. Si F es subespacio vectorial, v y w son vectores


arbitrarios de F, y a y fi son escalares arbitrarios, entonces de (.3V2) se deduce: a v g F
y fiw e F, y con fS V l) se concluye: txv - fiiv e F.
La condición es suficiente. Si v y w son vectores arbitrarios de F, de (8) se deduce perte­
nece a f el vector: l u x l« t = v + tu, y por tanto se verifica (SV1). Y si v es un vector arbitrario
de F y A es un escalar arbitrario, de (8) se infiere pertenece a F el vector: \v + fio ~ Air, y por
tanto se verifica (SV2). l'.q.d.

EJEM PLO 6 El subcon junto F = { (.V i, x2, x-j) G IK1 | 2x, - x 2 + 2 x 3 = O f, de lK:i, es un subespacio vectorial
de R \
En electo: F no es el conju nto vacío, pues, por ejem plo, (0 ,0 ,0 ) e F ; y si x =( x , x 3, x p
y y = ( y t, yz, y i ) son dos vectores de F , es decir:

2x, - xz - 2x 3 =0 y 2y , - y 2 + 2 y 3 = 0, (9)

y si n y /I son dos escalares (en este ejem plo, núm eros reales), entonces pertenece a F el
vector: (XX + (fy = ( « x , + / ly i ,txx; t f i y i , RX.¡ x fiv-j), pues (de acuerdo con (9)):

2(«X| + fiy i ) - (rtxj +■ fiy¿) x 2ítxx3 + jSy;t) = e¡(2x, - x> x 2 x 3 ) - fit.2 y i - y 2 - 2 v 3 i = 0.

En conclusión, hem os probado:

V («,/>) g I 2, V i x , y ) e F-, « x + fiy g F,

y de acuerdo con la p rop osición 1.1 (cf. p. 39), F es un subespacio vecto rial de H 3.

• " C N S : c o n d i c i ó n n e c e s a r i a y . su fic ie nt e.
40 I. ESPACIOS VECTORIALES

2 . I n t e r s e c c ió n d e s u b e s p a c io s v e c t o r ia le s La intersección de dos o m ás su b ­
espacios vectoriales es un su bespacio vectorial; nos lo m uestra la siguiente p ro p o si­
ción.

Intersección de P ro p o sició n 1.2 Si F¡, F?, F „ son n subespacios vectoriales de un e sp a d o


subespacios vectorial E sobre un cuerpo fe, en ton ces su intersección:
vectoriales
Fi n h~2 n - ■ - n F„,

es un subespacio vectorial de E.

Demostración Designemos por F la intersección de F i, F-¿, . F„. En primer lugar, obser­


vamos que F no es el conjunto vario, pues el vector O pertenece a cada subespacio vectorial E¡,
1 í i < j i, y por tanto: O e F.
En segundo lugar, si v y w son vectores de F, y « y /’ son escalares, entonces acontece que
el vector «ir
+ pur pertenece a F. En efecto: como F[, F¡, . . F„ son subespacios vectoriales,
se tiene (cf. proposición 1.1, p. 39):

V t £ J 1, 2 , . . . , nj , «u + fhv e F,,

lo cual implica: « v - /ut> e F. En conclusión, se verifica:

V (a, p) e V (u, w ) e F ¿, a v ■fiw e F,

y F es subespacio vectorial de F. c.p.i i.

3 . E je m p lo s d e s u b e s p a c io s v e c t o r ia le s d e fe De acuerdo con las co n secu en ­


cias de la definición de su b esp acio vectorial, los sigu ien tes su b co n ju n to s de K2:

í ( 0, 0) { , IR2,

R í a , b) = { Aí u , b ) e I 2 | A e 1 } con (cz,b) e R 2,

son su b esp acio s vectoriales de R 2.

EJEMPLO 7 El subconjunto de R2:

05(1,2) = | A(.1,2) 1 A £ IR} = {(A,2A) | A e 05}

es un subespacio vectorial de IK2.


Obsérv ese que cada vector de E (1 , 2) es un vector de la forma:

(A,2A) para algún A e IK.

Y, recíprocamente, todo vector de esta forma, esto es: (A,2A) para algún A e R, es un vector
de R(t, 2), Podríamos decir —con fines exclusivamente prácticos— que (A,2A) es un vector
genérico del subespacio vectorial R( l , 2).
2. SUBESPACIOS VECTORIALES 41

EJERCICIO I Si (a , b) es un vector de R 2 y f es un número real no nulo, demostrar se verifica:

R(pa,pfc) = R (a,b).

Generalizar este resultado. A

Si a y b so n d o s n ú m eros reales, el su b co n ju n to de R 2:

G = ¡ ( x i , x 2) e R ¿ I í.?xri + bx> = 0 ¡

tam bién e s u n su b esp acio vectorial de R 2.


En prim er lugar, o b servam os que si a = b = 0, en to n ces G = IR-, con lo que G e s
u n su b esp acio vectorial de R 2. En otro caso: si a y b n o so n sim ultán eam en te nulos,
se verifica:
G = m - b ,a ), (10 )

y por tanto 6 ' tam bién es, en este caso , un su b esp acio vectorial de R 2. La igualdad (10 )
se pu ed e ju stific a r d e la siguiente m anera. Si su p o n em o s que a * 0, se tienen las
sigu ien tes equivalencias:

(x i , x 2 ) e G «=> x i = X2
Cl

<=* ( X | ,x 2 ) = X 2 ( _ “ • i )

<=» ( X j,X 2 ) 6 R *) ’

<=> ( x i , x 2 ) e R ( ~ b , a ) ,

y en consecuencia:

{ ( X | , x 2) € R 2 I a x i + bX 2 = 0| = R ( - b , a ) .

Si a = 0, en ton ces b * 0 (pues a y b no son sim u ltán eam en te nulos), y de form a


sim ilar se llegaría al m ism o resu ltado.

EJEMPLO 8 El subconjunto de R2:


| ( x i ,x 2) € R"' I 3 x i - x 2 = Oj

es un subespacio vectorial de R-'. Se verifica:

{ ( x i , x 2) e R 2 I 3 x j - x¡ = 0} = R ( l,3 ) .
42 I. E S P A C IO S V E C T O R IA LE S

4. E je m p lo s J e s u b e s p a c io s v e c t o r ia le s d e K 1 Los siguientes subconjuntos


de IR-1 :

{( 0 , 0 , 0 ) ¡ , R3,

R(ti, fr, c) = {A(<i,f»,c) e R 3 I A £ R¡ con i a , b , c ) € R3 ,

son su b espacios vectoriales de R3 .

EJEMPLO 9 El subconjunto de R 1:

R ( ] , 2 , - l ) = | A( 1 . 2 , - 1 1 I A e R] = { ( A. 2 A. - A) I A £ Rj

es un subespacio vectorial de R
Obser\'emos que un vector genérico de R( l , 2 , - 1 ) es (A, 2 A, - A), en el mismo sentido en
que (A,2A) lo es del subespacio vectorial R( l , 2 ) de R- (cf. ejemplo 7, p. 40).

Si a, b y c son núm eros reales, razonando de form a análoga a como se hizo en el


ejem plo 6 (cf. p. 39), se com probaría que el subconjunto de R 3 :

{ ( X 1 .X 2 .X 3 ) e R 3 I a x \ + fax2 + e x * = 0} (II)

es subespacio vectorial de R 3. N ótese que si a, b y c son sim ultáneam ente nulos,


entonces este conjunto coincide con R3 .

EJEMPLO 10 Los siguientes subconjuntos de R 3:

Fi = {(X 1 .X 2.X 3 ) £ R3 í Xi - 2x¿ + Xj = O j,

Fz - {(X1. X3. X3) € « ' I x i = 2x i ¡ ,

son subespacios vectoriales de R3, y por tanto su intersección: f j n Fj, también es un subes­
pacio vectorial de R 1 (cf. proposición 1.2, p. 40). Además, se verifica:

f j n f . = R( 4 , 3. 2) . (12)

Nota En el capitulo IV veremos un método que nos permitirá obtener el subespacio vecto­
rial que es intersección de dos o más subespacios vectoriales dados. Por el momento, nos
limitaremos en este ejemplo a comprobar se verifica ( 1 2 ). a

l'n vector ( a , b, c ) de R 1 pertenece a F.» precisamente si: o = 2c. Todo vector de F.. es,
pues, un vector de la forma:

<2c,l», c) para algún r e R y algún b 6 R,


SUMA DE SUBESPACIOS VECTORIALES

y roclo vector de la forma anterior pertenece a F>. Podernos decir que el vector (2c, b, c ) es un
vector genérico del subespacio vectorial F>.
Ahora, el vector (2 c,b,c) pertenece a F\ (y por tanto a F i n F¿) precisamente si la suma
de su primera componente, su segunda componente multiplicada por -2 y su tercera compo­
nente es igual a 0: 2c - 2b + c = 0, o bien: b = 3c/2. Podemos, pues, añrmar que un vector
pertenece a F¡ n F_¡ precisamente si es de la forma:

Í2 c , Para algún c € ¡R,

es decir:
un vector genérico de F\ n F¿ es: (2c, -c, c^ .
En conclusión:
F\ n f . = R Í 2 , | , l ) = 1 ( 4 , 3 , 2 1 ,

donde en la última igualdad se ha utilizado el resultado del ejercicio 1 (cf. p. 4 1). Queda así
probada la igualdad ( 12 ).

5. Eje m p lo s de su b esp acios v e c to ria le s de 1 ” Los sigu ien tes su bco n jun to s
de IR” :

¡ ( 0 ,0 ....... 0 ) } , R ",

¡R (tí[,tj 2 a n) = [A(ct 1 , c?2 ....... a n) 6 R " I A t IR] con { a ¡ , a ¿ ........... a „ ) e IR'1,

son su b esp acio s vectoriales de R ".


Y gen eralizan do la p ru eb a de que el co n ju n to de ( 1 1 ) (cf. p. 42) es u n su b e sp a ­
cio vectorial d e R 3 , se com probaría que dad os n n ú m eros reales a ¡, a<, . . . , a n, el
su b co n ju n to d e R '1:

j(X |,.Y 2 x n) e R " | a\X\ + a>x2 + • ■• + a „ x n = 0j

es un su b e sp acio vectorial de R 1'.

1.3 SUMA DE SUBESPACIOS VECTORIALES


l. Su m a de su b co n ju n to s de un e sp a cio v e c to ria l C on siderem os un espacio
vectorial E, y sean .4 y B d o s subconjuntos no vacío s de E. Se defin e la suma de A y B,
que se denota: ,4 + B, com o el con ju n to de los vecto res de E que pueden obten erse
com o sum a de u n vector de A y u n vecto r de B. En sím bolos:

A + B = [z e E | 3 x e A , 3 y e B, z = x + y ) .

Tam bién escribirem os:

A + B = [x + y | x e A y y e B }
44 I. ESPACIOS VECTORIALES

EJEMPLO i 1 Si A = 1 ( 1 , 1 ) , ( 0, 1)1 y B = ! ( - 1 , - 1 ) I, entonces:

A + B = { ( 0 , 0 ), ( - 1 , 0 ) (.

Notación Si x es un vector del espacio vectorial F. y 4 es un subconjunto no vacío de E,


escribiremos: x - .4, en vez de: \x\ + 4 ; es decir:

x + 4 = \x + y Iy e 4 ¡ .

Del conjunto x + 4 diremos es la suma del vector x y el conjunto A (nótese que, de


no haber hecho esta observación, deberíamos decir: “suma del conjunto formado por el
único vector x y el conjunto 4"). A

C onsecuencias do lo definición do sum a do conju ntos Si A y B son dos subconjun-


tos no vacíos de u n espacio vectorial E, se verifica:
(SI) 0 + 4 = 4.
En efecto:
0+4 = ¡0e> 'lye4] = {>|>'e4|= 4.

IS2) S i x e s un v ecto r d e E, en to n ces:

V z € £, 2 e x -t 4 •=> z - x e 4.

En efecto, para cada z e E s e tiene:

z e x + 4 «=> 3 u £ A, z = x u
«=> 3 u 6 4, z - x = u <=» 2- x e 4.

<S3) Si x y y son vectores d e E tales q u e: x + 4 = y + B, en to n ces:

V z e E , (z ^ x ) -p 4 = (z - y ) - B.

Para demostrarlo, sea z un vector cualquiera de E. Un vector arbitrario de iz 4 x ) + 4


es de la forma:
(2 + x ) - u para algún u e 4.

Ahora bien, de la hipótesis: x + 4 y - B, se tiene que x i u (que pertenece a x + 41


es un vector de y y B, con lo que:

x -i- u y - u' para algún u e B.

Asi: (z + x i - u = z i (x + ut = z + i y + u i - t z - y ) + u ' , y (z t y ) ~ u e (2 + y ) + B,
luego: (z + x ) - u e (z - y ) + B. En conclusión: (z + x ) + ,4 £ (z + y ) + B.
La otra inclusión se obtiene, con el mismo razonamiento, partiendo de un vector
arbitrario de (z o y ) + R.
SUMA DE SUBESPACIOS VECTORIALES 45

La definición de sum a de n (rt > 2) su b co n ju n to s de un espacio vectorial es u n a


generalización de la anterior. Si A\, A> 4 „ son su b co n ju n to s del espacio vecto ­
rial £ , se define la sum a de A \, A ¿, ■■■, A „ de la form a siguiente:

A i + A¿ + • • • + A n = { x i + X 2 + •■■+ x „ I x\ e A i, x¿ e .4 2 ,..., y x „ e A „ j .

EJEMPLO 12 Reconsiderando los conjuntos 4 y B del ejemplo 1 1 (cf. p. 44), si C = 1(0,0), ( 1,0 ) 1, severifica:

A + B + C - { ( 0 ,0 ) ,( 1 ,0 ) ,( - 1 ,0 ) ) .

2. Su m a de su b esp acios v e c to ria le s de un esp acio v e c to ria l La sum a de


su b con ju n tos de un esp acio vectorial tiene gran in terés cuando ésto s son su besp acio s
vectoriales.

Suma de Si F y G son subespacios vectoriales de un espacio vectorial E,


subespacios entonces su suma: F + G, es un subespacio vectorial de E.
vectoriales
Demostración Sean iq + ivi (con v\ € F y uq e G) y v_¡ + uq> (con tq> € F y w¿ e G)
dos vectores arbitrarios de F + G, y sean « y dos escalares. Entonces podemos escribir:
« ( V] + u»i) + ft(v> + iv4 = («U| + pv >) + ( onv] + /Jur_.); como F y G son subespacios vectoriales,
se tiene: «i>i + ¡iv¿ e F y cvivi + e G, luego:

íy( v i + w i ) + pi v> + u»j) e F + G.

En conclusión (cf. proposición 1.1, p. 39): F + G es subespacio vectorial.

De form a sim ilar se probaría que si F \ , F j , F „ son su b esp acio s vectoriales del
espacio vectorial E, en tonces su sum a: E] + E2 + • • • + F „, tam bién es un su bespacio
vectorial de E.

EJEMPLO 1 3 Consideremos los siguientes subespacios vectoriales de IR’ :

F, = OU1,0 ,0 ) y F2 = R ( 0 ,0 ,1) .

Se tiene que F¡ + F> es el subespacio vectorial:

F = {(xi,X 2,X 3) e R ’ I X l> = 0 } .

En efecto. IJn elemento arbitrario de F\ + F_> es de la forma:

A (1,0 ,0 ) + p ( 0 ,0 ,1) para algún A e IR y algún p e R;


46 I. ESPACIOS VECTORIALES

pero: A( 1,0 ,0 ) + p ( 0 ,0 ,1) = (A.O.p), y (A,0,p) e F (pues su segunda componente es nula).


En consecuencia: F¡ + F> £ F.
Por otra parte, un vector arbitrario de F es de la forma:

(X i , 0, .y3 ) para algún x¡ e R y algún y :¡ e ¡R;

pero: ( Y |,0 ,y 3 ) = y , (1,0,0) + YjIO.O, 1), y Y i (1,0,0) + Y )(0,0,1) e F¡ +F¿. En consecuen­


cia: F £ Fi + F>, y en definitiva: F = F| + F_>.

3. Su b esp acio s v e c to ria le s in d ep en d ien tes Si F y G so n d o s su b e sp acio s vec­


toriales del espacio vectorial F y z es un vecto r de F + G, por definición de sum a
existen vecto res « e f y w e C tales que z = v + w . Pero p u ed e ocurrir que existan
otros vectores v ' e F y w ’ e G d e m odo que z = t/ + u ;', con v ' =
a v y uF * ut. El

sigu iente ejem p lo es una m uestra de esta situación.

EJEMPLO 1 4 Consideremos los siguientes subespacios vectoriales de IR■*:

Fi = [(Y | , x-j,xj) e 1* | Y, + Xi = Q ¡ ,

F. = {( Y | ,Y 2,Y 3) e ! 2x¡ - y 2 + 2a-j = 0 }.

Por ejemplo, los vectores ( 2 , 1 , - 2 ) y (3,6 ,0 ) pertenecen, respectivamente, a F¡ y a F¿


(como se comprueba inmediatamente), y su suma es:

( 2 , 1 , - 2 ) + (3,6 ,0 ) = (5, 7, - 2 ) ;

pero el vector ( 3 , 7 , - 2 ) también puede obtenerse como suma del vector (0 , 1 , 0 ), el cual per­
tenece a F |, y el vector ( 3 , 6 , - 2 ) , el cual pertenece a F¿. El vector ( 5 , 7 , - 2 ) puede obtenerse,
al menos, de dos formas diferentes como suma de un vector de F¡ y un vector de F->.

Tam bién pu ed e ocu rrir que u n vecto r z de F + G tenga una única descom posición
com o sum a de un vecto r de F y u n vector de G\ esto es, que existan d o s únicos
vectores v y w, el prim ero de F y el segun d o d e G, tales que su sum a se a igual
a z: z = v + w . El sigu ien te ejem p lo nos lo m u estra.

EJEMPLO 15 Si F| y F> son los subespacios vectoriales del ejemplo 13 (cf. p. 45), se tiene que el vec­
tor (2 ,0 ,3 ) pertenece a F¡ + F->. pues:

(2 ,0 ,3 ) = (2,0 ,0 ) + (0 ,0 ,3)
3. SUMA DE SUBESPACIOS VECTORIALES 47

y (2,0,0) e F¡ y (0,0,3) e Fz. Además, la anterior es la única manera de obtener el vec­


tor (2 ,0 ,3) como suma de uno de F( y otro de F>.
En efecto: un vector genérico de F\ es de laform a: (A, 0,0); uno de F 2.d e la forma: (0,0,/./),
y si:
(2 ,0 ,3 ) = (A, 0,0) + (0,0,//), (14)

es decir: (2 ,0 ,3) - (A,0,/t), entonces necesariamente A = 2 y // = 3, y la igualdad (14) se


reduce a la (13).

De d os su b esp acios vectoriales de un espacio vectorial se dice son in d ep e n d ie n ­


te s si todo vector de su su m a se pu ed e obtener de fo rm a única com o sum a de un
vecto r del prim ero y un vector del segundo. En o tras palab ras: dos su besp acio s
vectoriales F y G de un espacio vectorial son in d epend ientes si de:

u = x +y , con x e F, y 6 G,

j y
u = x ' + y ', con x e f , y ' e G,

se deduce: x = x ' y y = y ' .

EJEMPLO 1 6 Los siguientes subespacios vectoriales de IR5:

F] = 01(0, 1 , 1 ) y F 2 = {(X i,X 2,X 3) e R 3 | XI = X 2 + X j} ,

son subespacios vectoriales independientes.


Por el momento, nos limitamos sólo a una comprobación: tomemos, por ejemplo, los
vectores (0 ,2,2) e Fi y ( 3 , 1 , 2 ) e Fi, cuya suma es (3 ,3 ,4 ), que por tanto es un vector
de F] + F¿, y veamos que de la igualdad:

(3, 3, 4) = ( 0 ,x ,x ) + (y + z ,y ,z ), (15)

donde ( 0 ,x ,x ) y ( y + z ,y ,z ) son vectores genéricos de F¡ y de Fz, respectivamente, se


deduce: ( 0 ,x ,x ) = (0 ,2,2) y ( y + z , y , z ) = ( 3, 1 , 2) .
De (1 5) se obtiene:

3 = 0 + y + z, 3 = x +y y 4 = x + z,

que sólo admite como solución: x = 2, y = 1 y z = 2, y así (0 .x , x) = (0 ,2 ,2 ) y tam­


bién ( y + z ,y ,z ) = ( 3 ,1,2 ) .
Sólo hay, pues, una forma de expresar el vector ( 3 , 3 , 4 ) de f j +F> como suma de un vector
de F 1 y un vector de F>:
(3, 3, 4) = ( 0 , 2 , 2 ) + (3, 1 , 2) .

De todas formas, insistimos, no hemos demostrado que F\ y F¿ sean independientes.


I. ESPACIOS VECTORIALES

Una caracterización de la independencia de dos subespacios vectoriales la pro­


porciona la siguiente

CNS de P ro p o sició n 1.4 Una condición necesaria y sufíciente para que dos subespacios \
independencia de vectoriales Fj y de un espacio vectorial sean independientes es:
dos subespacios
vectoriales F, n F 2 = 10! .

Dem ostración La condición es necesaria: si suponemos que F\ y F> son independientes,


y v es un vector de F\ n F>, entonces v c F¡ y v € F_>, y podemos escribir:
v = v + 0, con v e F¡, 0 € F>,
: \
v = 0 + v, con 0 € F |, v e F>,
de lo que se deduce: v = 0, dado que F¡ y F¿ son independientes (cf. definición, p. 47). En
conclusión: si F\ y F2 son independientes, entonces F¡ n F2 = ¡Oí.
La condición es suficiente: si suponemos que F\ n F< = {0 1, y v € Fi + F2, entonces de:
v = i/i + v 2, con Ui e Fi, e F2,
y (16)
v = v'¡ + v'2, con v\ e Fi, v ’, 6 F_>,
se deduce (restando): 0 = (t»i - v\) + (v 2 - v'2), de donde:

t'i - v\ = v\ - u.-. (17)

Ahora bien, comosetieneque v¡ - v\ € F) y que v 2 -v> e F¿, de (17) se deduce que también
i»i - v\ G F_> y v ’>- v 2 6 F i, luego:

v¡ - v\ e F| n F¿ y v', - v 2 e F\ n F >,

y con la hipótesis: F¡ n F> ={0}, se infiere: v i - v\ y v >- v',, y las dos descomposiciones
de (16) son idénticas. Así, todo vector de F) + F> se puede expresar sólo de una forma como
suma de un vector de F¡ y un vector de F2, esto es, F¡ y F2 son independientes.

EJEMPLO I 7 Ahora estamos en condiciones de probar son independientes los subespacios vectoriales F\
y F2 de R 1 vistos en el ejemplo 16 (cf. p. 47). De acuerdo con la proposición 1.4, lo justificare­
mos si demostramos se verifica: Fi nF_> = {( 0 , 0 , 0 )!.
Un vector que pertenezca a Fi es de la forma: ( 0 ,x ,x ) , y si pertenece, además, a F2, su
primera componente es igual a la suma de las otras dos:

0 = x + x.
y por tanto: x = 0. En consecuencia, sólo el vector (0,0,0) pertenece simultáneamente a F\ y
aFz: F, n F> = {(0 ,0 ,0 )!. Los subespacios vectoriales F¡ y F-¿ son, entonces, independientes.
3. SUMA DE SUBESPACIOS VECTORIALES 49

Si £ y G son d o s su b e sp acio s vecto riales in d ep en d íen les de un espacio vectorial E,


su sum a: F + G, se denota de la forma:

F ® G,

y de F e 6 ' se dice es la su m a d ire c ta de F y G. Si, adem ás, se verifica:

£ = £©G,

de lo s su b e sp acio s vecto riales F y G de £ se dice so n su p le m e n tario s.

EJEMPLO 18 Los subespacios vectoriales £| y F> de R :i vistos en el ejemplo 1 (i (cf. p. 47) son suplementar­
ios.
En efecto. En el ejemplo 1 7 (cf. p. 48) ya vimos que F\ y F¿ son independientes, con lo
cual su suma es la suma directa F, e F¿. Sólo resta, pues, comprobar que esta suma directa
es igual al espacio vectorial R 3.
Pero si [ X t . X 2 . X 3 ) es un vector arbitrario de R :\ entonces ( x i , X 2, x :¡) es igual a:

fn X2+X3-X1 x-¿ - x-¡ - x , \ / X 2-X 3+X 1 x i - x 2+ x 3\


V 2 1 2 / + r 1, 2 • 2 )■

y además:

/„ x 2 + X ;( - X , X2 + X ; i - X i \ „ r X 2 - X , + X, X, - X- , + X 3 \

\ ------- 2------- ’ ------- 2------- ) G F u I a ’ ' -------- 2 ' 2 ) ^ r2'

luego: (X 1 .X 2.X 3 ) e £1 © F,. En consecuencia: IR1 £ £i © £_>, y como obviamente se verifi­


ca: F 1 © F> £ R 3, se concluye: Ej ® F> = R 3, es decir, los subespacios vectoriales F¡ y F¿ son
suplementarios.

De fo rm a an áloga a com o hem os h ech o con d o s su b e sp acio s vecto riales, se define


la in d epend en cia de n (n > 2) su b esp acio s vecto riales. De lo s su b esp acio s vectoriales
F 1 , F 2 , .... F,, de un esp acio vectorial £ se dice son in d ep e n d ie n te s si todo vecto r u
de su sum a: n e F\ + £2 + • ■ • + Fn, se pu ed e escribir de form a única com o sum a d e n
vectores: u = u ¡ + u¿ + ■■■+ u „. de m anera que: u\ e E j, u> e F>. — u „ e F».
En o tras palab ras: lo s su b esp acio s vecto riales F 1 , £ 2 , . . . . F „ son independientes
si, p ara cad a vecto r u d e su sum a, de:

u = u\ + u¿ + ■■■+ u „, con U| e F [, u¿ e F_n • • •. 6 F „,

- y
u = v\ + v> + • • • + Vii. con v i e Fj , v> - F¿. . . . . v n e F „,

se deduce: U| = v lt u¿ = v ¿ , u „ = v „.
50 /. ESPACIOS VECTORIALES

Finalm ente, otra fo rm a de e x p re sa r la independen cia de los su b e sp acio s vecto ­


riales F i, F?, •••. es la sigu ien te: cad a vecto r u de su sum a determ ina de form a
unívoca (inequívoca) n vecto res u \, i¿ 2, .. ., u „ tales que:

« i s F [, u¿ e F¿, . . . , u n e F

U = U\ + U 2 + ■■■+ u n.

Podría p en sarse que la caracterización de la independen cia de d o s su besp acio s


vectoriales d ad a en la p roposición 1.4 (cf. p. 48) es gen eralizab le a m ás de d o s s u b e s­
pacios; en particular, que si los su b esp acio s vecto riales F j , F> F „ fueran de in ter­
sección igual a 1 0! , en ton ces serían in dependientes. Pero esto no se verifica, como
com probam os en el sigu ien te ejem plo.

EJEMPLO 19 Es fácil comprobar que los siguientes subespacios de ¡R-:

Fi=R(l,0), Fj = IR( 1 , 1 ) y F j = 01(0,1),

verifican: F 1 n F¿ n F:< = ¡(0 ,0 )}. Sin embargo, estos tres subespacios vectoriales no son
independientes: por ejemplo, el vector (2,2) puede obtenerse de más de una forma como
suma de tres vectores, uno de cada uno de los subespacios vectoriales F i, F> y Fu

(2,2) = (0,0) + (2,2) + (0,0) y ( 2 , 2 ) = (2 , 0 ) + (0 , 0 ) + (0,2).

No obstan te, podem os utilizar de algun a fo rm a la caracterización de la p ro p o si­


ción 1.4 (cf. p. 48) p a ra estu d iar la in d epend en cia de m ás de dos su b e sp acio s vecto ­
riales. C om encem os con el caso p articu lar de tres su b esp acio s. C on siderem os, pues,
tres su b e sp acio s vectoriales F \ , F¿ y F¡ d e u n esp acio vectorial E. Si se verifica:

F[ y (F¿ + F j ) son in dependientes,


F> y F 3 so n independientes,

en ton ces podem os afirm ar que lo s tres su b e sp acio s F j , F¿ y F;¡ so n in dependientes.


En efecto. Si u es un vector de F¡ + F¿ + F j, entonces:

u = u 1 + u¿ + Mj para algún u \ e F 1 , algún u >e F¿ y algún U j e F j ,

y lo s vecto res ií|, u >y u ¡ que verifican lo an terio r so n ún icos; podem os escribir:

u = U| + (u-> + U 3) con Uj € Fj y u 2 + U 3 e F> + Fj,


SUMA DE SUBESPACIOS VECTORIALES 51

lo que estab lece que u perten ece a la sum a d e los su b e sp a c io s F 1 y (F> + F ,¡), y de
su p o n er son ésto s in d ep en d íenles obtenem os com o co n secu en cia la unicidad de u t
y la de u 2 + uy, tam bién pod em o s escribir:

u >+ 1/3 e F2 + F3 con u <e F 2 y m¡ e F3 ,

y de su p on er la independencia de lo s su b esp acio s F2 y F } se dedu ce la unicidad de los


vectores u> y m3. Los su b esp acio s vecto riales F ¡, F¿ y F 3 son , pu es, in dependientes.
En general, si los su b esp acio s vecto riales F ] , F>, . . . , F „ verifican:

[1] : F\ y (F¿ + ....................... + F n ) son in dependientes,

[2] : F> y (F 3 + ■ ■ ■ + F „ ) son in dependientes,

[n - I ) : F„ 1 y F „ son in dependientes,

en ton ces son independientes.


En efecto. Sea u € F| + F¿ + ■■• + F „; en ton ces: u = u\ + u¿ + • • • + u „ para
algunos vectores U\ 6 F\, u> e F 2 , u „ e F „. Se tiene:

u e F| + {F 2 + • • • + F „ ),

y d el en un ciado [ 1 ] se dedu ce que u 1 e stá in equívocam ente determ inado. Tam bién
se verifica:
u¿ + W3 + ■ • ■ + u n e F 2 + (F 3 + • ■ • + F „ ) ,

y del en un ciado [ 2 ] se in fiere que u> qu ed a también in equívocam en te determ inado.


A sí, su cesivam en te, llegam os a:

Wit-l + u n G F „_ 1 + F,j,
y de fn - 1 ] se obtiene que u „ _ i y tt„ están in equívocam ente determ in ados. En
conclusión: si u e F\ + F 2 + ■■■+ F „ y se verifica: [ 1 J, 1 2 J, . . . , l n - 1 ] , entonces
h ay u na ú n ica form a de escrib ir u com o sum a de n vecto res, uno de cada un o de los
su b esp acio s vectoriales F 1 , F ¿ , . . . , F „. Es decir: F u F >, . . . , F „ so n in d epend ientes.

EJEMPLO 20 Los cuatro siguientes subespacios vectoriales de R 3:

F 1 = j(X |,X 2,X;},X 4,X 5) € R :1| X] = X;> = Xj = X4} ,

F2 = 01(1,1,0,0,0), F¡ = 01(0,1,1,0,0), F4 = RÍO, 0,0,1,0),

son independientes.
I. ESPACIOS VECTORIALES

Para demostrarlo, comprobemos en primer logar que son independientes los subespacios
vectoriales Fi y (F¿ + F? + F j), para lo cual (cf. proposición 1.4, p. 48) veamos se verifica:

Fi n (Fz + F3 + F4) = { (0 ,0 ,0 ,0 ,0) j .

Un vector genérico de F i es de la forma: ( x , x , x ,x , y ) . Si este vector pertenece, a su vez,


a (Fi + F3 + F4), entonces:

(x , x , x , x , y ) = (s,s, 0 , 0, 0 ) + ( 0 , t , t , 0 , 0 ) + {0 , 0 , 0 , 1 , 0 ) (18)

para algunos números reales s, t y í. De (18) se deduce:

x = s, x = s + t, x ~ t, x = l, y = 0,

de donde: x = s = t = 1 = y = 0. En consecuencia, F¡ n(F¿ + F:¡ + F4) es igual a 1(0 ,0 ,0 ,0 ,0 },


y los subespacios f , y (F¿ + F¡ + F4) son efectivamenteindependientes.
En segundo lugar, comprobemos que F> y (F? + F4) son independientes, o lo que es lo
mismo: F¿ n (F¡¡ + F\ ) = {(0 ,0 ,0 ,0 ,0 )}. Si el vector ( .x ,x ,0,0 ,0 ), que es un vector genérico
de F¿, pertenece a (F=, + F4), entonces:

(x ,x , 0 ,0 ,0 ) = ( 0 , í, í, 0 , 0 ) + (0,0,0,1,0)

para algunos números reales s y 1. Se obtiene:

x = 0, x = s, 0 = s, 0 = 1,

de donde: x = s = l = 0,. Por tanto: F> n {F¡ + F4) = {(0 ,0 ,0 ,0 ,0 1, y F¿ y {F¡ + F4) son
independientes.
Finalmente, veamos que F3 y F.1 son independientes. Si (0 ,.v ,x ,0 ,0 ), vector genérico de Fu
pertenece a F4, entonces:

(0, a: , x , 0 , 0 ) = ( 0 , 0 , 0 , 1 , 0 ) p a r a al gú n / e R.

Se obtiene: x = 0 y l = 0, y por tanto: F 3 n F4 = {(0 ,0 ,0 ,0 ,0 11, y F 3 y F4 son independientes.


Tomemos el vector (0,2, - 1 , - 2 , 1) —que admitiremos pertenece a la suma de F i, F>, F,
y T4—, y comprobemos quedan determinados unívocamente unos vectores u¡, u>, u ¡ y « 4,
petenedentes, respectivamente, a Ft, F>, F¡ y F4, tales que su suma es igual a (0,2, - 1 , - 2 , 1 ) :

(0, 2 , - 1 , - 2 , 1 ) = «i + Uz + u 3 + U4.

Si ( x , x , x ,x , y ) , (s, s ,0 ,0,0), (0, í , t , 0, 0) y (0 ,0 ,0 ,1,0 ) son vectores de F\, Fz, F4 y F4, res­
pectivamente, tales que:

( 0 , 2 , - 1 , - 2 , 1 ) = (x ,x ,x ,x ,y ) + ( j , 5, 0,0,0) + (0 , t, 1 , 0 , 0 ) + (0 , 0 , 0 , 1, 0 ),

entonces:
0 = x + s, 2 = x + s 4- í, - 1 = x + í, - 2 = x + /, 1 = y.
SUMA DE SUBESPACIOS VECTORIALES

de donde:
1 = 2, x = -3, 5 = 3, (= 1 y y = 1.

En consecuencia, el vector (0,2, - 1 , - 2 , II queda descompuesto, unívocamente, como suma


de los vectores:

«i = (-3, -3, -3, -3 ,1) e f i, Ui = (3,3,0,0,0) e Fj,

m3 = (0,2,2,0,01 e Fj y u4 = (0,0,0,1,0) e F4.

Si F i, F'2 , . . . , Fn so n su b e sp acio s vecto riales in d epend ientes de un espacio vecto ­


rial E, su sum a: F i + F> + • • • + F„, se denota:

F i © F¿ © • • ■ e F „,

y de F| © F¿ © • • • © F „ se dice es la su m a d irecta de F\, F 2 F „.

EJEMPLO 21 Los cuatro subespacios vectoriales de 05"’ vistos en el ejemplo 20 (cf. p. 5 1) son independien­
tes, como en este mismo ejemplo citado se demostraba, así que su suma es suma directa:
Fi © F¿ © Fi ® F4.

4. C o m b in acio n es lin e a le s A firm ar que un vecto r es igual a una com binación


lineal de otros significa lo siguiente:

Definición

Combinación Daclos n vectores v\, v 2, ••-, v „ de un espacio vectorial £ sobre un cu erpo K,


de cada vecto r de la su m a de los su b esp acio s vecto riales & iq , IKV2 , • • •. K^ n , es
decir, de cada vecto r ele:

0C f| + K u 2 + • • ■ + K u n,

se dice e s u na co m b in a ción lin ea l de lo s vecto res v ¡, v 2, ■■-, v n.

Un vector z de E es u n a com binación lineal de lo s vecto res v\, v >, . . . , v „ p recisa­


m ente si existen esc a la re s o¡i, i\ 2, . . . , <xn tales que:

z = + a ¿ v ¿ + ■■■+ a nv „ .

Todo vector que es com binación lineal de vecto res de un m ism o su b esp acio vec­
torial perten ece, a su vez, al su b esp acio vectorial.
54 I. ESPACIO S VECTO RIA LES

EJEMPLO 22 El vector (3,0, - 3 ) de R-* es una combinación lineal de los vectores:

(1,1,0), (0, 1,1 ) y ( 3 , 1 , - 2) ,

pues los escalares 0, - 1 y 1 son tales que:

(3,0,-3) = 0 ( 1 , 1 , 0 ) + ( - 1 X 0 , 1 . 1 ) 1(3,1,-2).

EJEMPLO 23 El siguiente subespacio vectorial de R 1:

f = \ ( X \ , X z , X 3 ) € OS* I X > = 0 } ,

es el conjunto de las combinaciones lineales de los vectores:

(1 , 0, 0) y (0, 0, 1),

pues (cf. ejemplo 13 , p. 45): F = R( 1 , 0, 0) + R( 0 , 0 , 1).

1.4 SUBESPACIOS AFINES

1. D e fin ició n de sub esp acio a fín Vem os en prim er Ju g a rla definición de su b e s­
pacio afín de u n espacio vectorial:

Definición

Subespacio afín De u n su b con ju n to no vacío de u n espacio vectorial E se dice e s u n s u b e sp a c io


a fín de E si pu ed e ob ten erse com o su m a de u n vector d e E y u n su bespacio
vectorial de E.

En sím b olos: el conju n to no vacío A £ E e s su b e sp acio afín de E si existen un


vector i i E f y u n su bespacio vectorial F de £ de fo rm a que:

.4 = v + F = ¡v + x I x e F ] .

Nota En lo sucesivo, con la frase “u> + C es un subespacio afín del espacio vectorial E",
supondremos implícitamente que w es un vector de E y que C es un subespacio vectorial
de E. a
4. SUBESPACIOS AFINES 55

EJEMPLO 24 El siguiente subcon.junto de IR*:


.4 = ( ( 1 , 1 , 3 ) } ,

que obviamente es no vacío, es un subespacio afín de R 3, pues:

4 = ¡ ( 1 , 1 , 1 ) } = ( 1 , 1 , 1 ) + 1(0, 0, 0)1.

EJEMPLO 25 El subespacio vectorial de R 3 siguiente:

A = ((X 1 .X 2.X 3 ) e R 3 I x , + X'i —0 y x 2 + x 3 = O j,

es un subespacio afín de R3, ya que, como comprobamos a continuación, 4 es igual al si­


guiente subespacio afín de !

S = (0 , 0 , 0 ) + R ( - l , 1 , - 1 ).

Si (X ,, x -¿, x ¡ ) es un vector de 4 , es decir:

X| + x 2 = 0 y x 2 + x.¡ = 0,

entonces: x i = -x> y x 3 = -x>. Podemos, pues, afirmar que todo vector de 4 es de la forma:
( - X 2, x 2, -x¿) para algún x¿ e R. Pero:

( - X 2.X 2. - X 2) = x 2 ( - 1 , 1 , —1 ) = (0 , 0 , 0 ) + x 2 ( - l , 1 , - 1 ).

lo que establece que el vector (- x 2, x 2, -x-¿) pertenece a S. Asi: 4 s S.


Recíprocamente, un vector de S es de la forma:

(0,0,0) + A< - 1 , 1 , - 1 ) para algún A e R,

pero: (0,0,0) + A( - 1 , 1 , - 1 ) = (—A, A, —A), y se tiene: (—A, A, —A) e 4 , ya que: ( - A) + (A) = 0


y (A) + (-A) = 0. En consecuencia: S £ 4 . V en definitiva: 4 = 5 , y 4 es un subespacio afín
de R !.

EJEMPLO 26 El siguiente subconjunto de K3:

4 = | ( X |, X ‘> ,X 3 ) e R 3 | X | - X; ( = 4} ,

que es no vacío (por ejemplo: (4,0,0) e 4), es un subespacio afín de R3, pues es igual al
subespacio afín:
B = (4,0,0) + R( 1 , 0 , 1 ) + R((),1,0),

como comprobamos seguidamente.


Si (X 1 .X 2.X 3 ) es un vector de 4 , ha de verificar: x i - x :! = 4, con lo cual puede escribirse
de la forma: (X 1 . x 2. x 3 ) = (x 3 + 4 ,X 2, x 3), y como:

(X;i +4,X2,X ;i) = (4,0 ,0 ) + X :i( l , 0 , l ) + X 2( 0, 1 , 0),


56 /. ESPACIOS VECTORIALES

se tiene: U 1 .X 2.X 3 ) = <x3 + 4 ,X 2 ,x 3) e B. En consecuencia: A £ B.


Recíprocamente, todo vector de B es de la forma:

(4,0 ,0 ) + A( 1 , 0 , 1 ) + p ( 0 , 1 , 0) = (4 + A.p.A),

que es un vector que cumple la condición para pertenecer a A: (4 + A) - (A) = 4. En conse­


cuencia: B £ A, y en conclusión: A = B.

Consecuencias de la definición de subespacio afín Si E e s u n espacio vectorial sobre


u n cu erp o K, se verifica:
• Un subconjunto de E formado por un único vector es un subespacio afín de E.
En efecto: si A = 1 v ¡ c £, entonces: A = v + ¡0 |. Obsérvese que, en particular, el
conjunto 10 ¡ es un subespacio afín de E.
• Todo subespacio vectorial de E es un subespacio afín de E.
Pues si F es un subespacio vectorial de F, se puede escribir: F = 0 + F. Nótese que, en
particular, el propio E es un subespacio afín de E.
• Si v y iv son dos vectores de E, el conjunto:

v + &u> = { v + Aw | A € K}

es también un subespacio afín de E.


Es una consecuencia inmediata de la definición. Nótese que si w = 0, el subespacio afín
anterior se reduce a !v|.
Si ti» « 0, del subespacio afín v+Ku> de E se dice es una recta del espacio vectorial E.

EJEMPLO 27 El subespacio afín de K:i visto en el ejemplo 25 (cf. p. 55):

.4 = ¡ (X 1.X 2 .X 3 ) e H :i I xi + x j = 0 y x j + x 3 = 0 | ,

es una recta de R :i, ya que, como se demostró en el ejemplo citado, se tiene:

A = (0 , 0 , 0 ) + R ( - 1 , 1 , - 1 ),

y ( - 1 , 1 , - 1 ) * (0,0,0).

S i v t F es un subespacio afín de un espacio vectorial E y w es


un vector de E, entonces:

(w e v + F ) <¡=> (tu + F = v + F ).
4. SUBESPACIOS AFINES 57

Demostración Demostramos en (S2) (cf. p. 44) la siguiente equivalencia:

(te e e + F) «=* (u» - v e F>;

pero al ser F un subespacio vectorial podemos escribir:

(w e v + F) <=> ( t t i - i t e f ) = > (v - w e F).

Por otra parte, como el lector puede comprobar, se verifica:

( u t e e + F) <=> (lw + F ' £ v + F).

Pn consecuencia:

(tv + F e v +f ) <=> t w e v +F) <=>I t i - u i e F )


<=> IV G W t f ) <=» ( V +F £ W + F),

y en conclusión: ( t ee t i - t f l «=■ (tv + F = v + F). c.q.d.

Como consecuencia de esta proposición se tienela siguiente

CMS para que un P ro p o sició n 1.6 Si v + F es un subespacio afín cíe un espacio vectorial E, se
subespacio afin verifica:
sea subespacio [ . V +Fcs 'j <=* (U + p = p ) <=> (v e F ).
vectorial
[subespacio vectorial)

Demostración Por un lado, si v + F es subespacio vectorial, entonces a él pertenece el


vector 0, y de acuerdo con la proposición 1.5 se tiene:

i/ + F = 0 + F = F.

El recíproco es obvio: si v + F = F, entonces v + F es un subespacio vectorial. Queda asi


probada la primera equivalencia.
Por otro lado:

1 v e F ) <=> ( u e O + F) «=> (u + F = 0 + F) <=> (i; + F = F),

lo que termina de probar el resultado.

Dado un subespacio afín A de un espacio vectorial E , es decir:

A = v + F con ti e £ y f un subespacio vectorial de E,

nos preguntamos si existe algún vector w de E, distinto de v, y algún subespacio


vectorial G de £, distinto de F, de forma que:

A = v + F = u> + G.

lina respuesta parcial nos la da la siguiente proposición.


I. ESPACIOS VECTORIALES

Igualdad de P ro p o sició n 1.7 Si v + F y w + G son el mismo subespacio afín de un espa­


subespacios cio vectorial E: v + F - w + G, entonces los subespacios vectoriales F y G son
afines iguales: F - G.

Demostración De lahipótesis: v + F = w + G, y teniendo encuenta (S3) (cf. p. 44), se


deduce: (v + ( - t ú ) + F =(w + ( - t ú) + G, de donde (cf. (SI), p. 44):

F = (w - v ) + G. (19)

De esta forma, el subespacio afín (w - v) + G es un subespacio vectorial, y por tanto (cf. pro­
posición 1.6, p. 57): G = (w v) + G, que unido a la igualdad (19) permite finalmente concluir:
G = (w - v ) + G = F. c.o.u.

Nota bene Si v + F es un subespacio afín de un espacio vectorial E y w es un vector de £


tal que: v + F = w + £, no se deduce necesariamente que v sea igual a w. A

EJEMPLO 28 Si F es el subespacio vectorial de R3:

F = R( 1 , 0 , 1 ) + R ( 0 , 1,0),

se verifica: (4,0,0) + F = (0,0, -4 ) + F.


En efecto, podemos escribir: (4,0,0) = (0 ,0 ,- 4 ) + (4,0,4), con (4,0,4) e F; de esta
forma: (4,0,0) e (0,0, -4 ) + F, y por tanto (cf. proposición 1.5, p. 56):

(4,0,0) + F = ( 0, 0, - 4) + F.

2. intersección de subespacios afines Puede ocurrir que dos subespacios afí­


nes de un espacio vectorial no tengan ningún vector en común; en este caso, su
intersección es el conjunto vacío, que no es subespacio afín.

EJEMPLO 29 Los siguientes subespacios afines de R 3:

Á = (1,1,0) + R(1, 0, 1) y B = ( 2 , 0 , - 1 ) + R( 0 , 1 , 1 ) ,

son tales que A n B = 0, como el lector puede comprobar fácümenle.


- SUBESPACIOS AFINES 59

Pero si la intersección no es el conjunto vacío, entonces ésta es un subespacio


afín, como probamos en la siguiente proposición.

Intersección de Pr opos i ci ón L8 S i v + F y w + G son subespacios añnes de un espacio vectorial E


subespacios tales que su intersección es no vacía: (v + F ) n (w + G) * 0, entonces:
afínes
(v + F ) n (w + G ) = z + (F n G),

donde z es un vector de (v + F ) n (te + G).

Demostración Como, por hipótesis, z e (v + f ) n (w + G), se tiene (cf. proposición 1.5,


p, 56): v + F = z + F y w + G = z + G ,y por tanto:

(ir + F) n (te + G) = (z + f ) n ¡z + G). ( 20 )

Si x es un vector de E, se verifica:

x Gz +F
x E h + F)nlz+G) y
x e z+ G

x -zg F
y
x - ze G

<=> x - z e F n G <=> x 6z+ (fnC),

y en consecuencia: (z + F) n (z + G) = z + ( f n G), que unido a (20) permite finalmente


concluir: (v + F) n (w + G) = z + (F n G). c.o.o.

EJEMPLO 30 Recordemos los subespacios vectoriales de R 3 vistos en el ejemplo 10 (cf. p. 42):

F¡ = {( x i , x >,Xí ) e ¡R3 I x\ - 2x¿ + x 3 = 0] ,

F> = { (Xi , X 2, x 3) £ I X] = 2 x 3 1 .

los cuales verifican: f j n F> = R(4, 3, 2) , y consideremos los subespacios afines de R 3 siguien­
tes:
A = ( 3 , 2 , 1 ) + Fi y B = (7, 5, 3) + F2.

La intersección .4 n B no es el conjunto vacío, pues por ejemplo (como e! lector puede


comprobar sin dificultad): <—1, —1 , —1) e A n B. La proposición 1.8 nos permite asegurar
que .4 n B es un subespacio afin de IR3:

A n B = ( - 1 , - 1 , - 1 ) +F¡ n F 2 = ( - 1 , - 1 , - 1 ) + 01(4,3,2).
fio I. ESPACIOS VECTORIALES

.3. H ip e rp la n o s de IR" Llam am os hiperplano de IR'1 a todo co n ju n to de la forma:


n
H = {( .v i,x 2 x „ ) e R " I Y J a <x ' = d i ,
f=i
donde a i , a ¿ , ■■■, a n y d son n ú m eros reales, y a\, a ¿ no son sim ultáneam ente
nulos.

EJEMPLO 31 El conjunto siguiente:


|(.Y|,x2 ) e K2 | 2 ^ 1 + x 2 = 7 ] •

es un hiperplano de IR2.
El conjunto {(x , .X 2.X 3.X 4) € R 4 I 2 x 2 - x 4 = 4¡ es un hiperplano de IR4.
El conjunto {(X |.X 2,X 3, x 4, X j , x fi) G IR1’ | x-, = 0} es un hiperplano de R6.

Los h ip erp lan os son su b esp acio s afín es, com o vem os en la siguiente proposición.

Un hiperplano es P ro p o sició n 1.9 Todo hiperplano de R " e s subespacio afín de R ".


subespacio afín
Demostración Hacemos la demostración para n = 3.
Sea A = {(X 1 .X 2.X 3) e IR‘ I d]X i + 1*2X 3 + a 3X 3 = d] un hiperplano de R ! . Si d = O,
entonces .4 es un subespacio vectorial de R :t y, por tanto, un subespacio afín de R3. Si d * O
y, por ejemplo, a ¡ = 0 , designemos por l¡ el siguiente subespacio afín:
B = ( j - . 0 , o { +F, (21)

siendo F el subespacio vectorial F = {(X 1.X 2.X 3 ) g Rj | <j|Xi + a¿x< + « 3X3 = 0 {. Entonces
se verifica: A = B, y el hiperplano A es un subespacio afín de LR3.
En efecto, se tienen las siguientes equivalencias:

(f1.f2.f3) e R •=» (f1.f2.f3) \ Cl)


O.o)/ e F

~ (í' - ^ ' Í2’í:i) eF


•=> flj (ti - y - ) + a d ¿ + ÍI3Í 3 = 0
<=> a 1 f 1 + a¿t¿ + ¿13(3 = d

= ( f 1 .t 2.t 3) e A,

y como consecuencia: A = B.
Si fuera a ¡ = 0 y a> * 0, entonces la definición de B, en (21), hubiese sido:
SUBESPACIOS AFINES 61

y si fuera a 3 el único no nulo, hubiese sido: B = (0 ,0 ,tf/a :¡) + F. En ambos casos, se com­
prueba que 4 = B.
La demostración para el caso general es análoga: si II es el hiperpiano de IR":

11
= j ( x i , x j , . . . , x „ ) e R" | Y u rx , = d ],
hI
entonces existe fe e { 1 , 2 , . . . . ni tal que Uk * 0 , y se tiene:

H = (i).......0, — ,0 o) + \{x\,x¿ ............ x „ ) e IR" I Y a ¡x , = 0 ¡;


V ak ) l=l
y quedaría así probado que I I es un subespacio afín de IR". c.q.d.

EJEMPLO 32 El siguiente subconjunto de IR'1:

,4 = l (X], X 2, X 3, x 4) e IR4 I lx 2 - x 4 = 4 ¡ ,

es un hiperpiano y, de acuerdo con la proposición anterior, un subespacio afín de IR4. Un


coeficiente no nulo en la condición de la definición de A es el de X 2, que es igual a 2. Por
tanto:
.4= (o,|,0,o) + P,
donde F = { (Xi , X 2, X 3, Xj ) e ¡R4 I 2x¿ -x_i = 0 ¡.

EJEMPLO 33 Es un hiperpiano de IR4 el conjunto:

.4 = | ( X | , X 2 , X . j ) S R ' | X| - x :( = 4 ¡ ,

el cual ya se comprobó es un subespacio afín de IR:i (cf. ejemplo 26, p. 55). De acuerdo con lo
dicho en los párrafos precedentes, se tiene:

A = (y-0.o) + ¡ ( x i , X 2,x.O e R 4 I x¡ - x :t = 0 }.

4. Su b esp acio s a fin e s p a ra le lo s De dos su b e sp acio s afin es v + F \ w + (, de


un espacio vectorial £ d irem os son paralelos si F = G.
A lg u n os au to res defin en el paralelism o débil: el su b e sp acio afín v + F es débil­
mente paralelo al su b esp acio a fín w + G si F £ G.

EJEMPLO 34 El hiperpiano (de R :i) 4 = { ( x i , x 2, x 3) e R ! I x, - x ¡ = 4 ¡ y el subespacio afín (también


de R !) C = ( 1 , 1 , 1 ) + R ( 1 , 0 , 1) + R( 0 , 1 , 0) son paralelos, pues se verifica (cf. ejemplo 26,
p. 55): 4 = (4,0,0) + R ( 1 , 0 , 1 ) + IR(0,1,0).

EJEMPLO 35 La recta ( 1 , 2 , 3 ) + R( 1 , 2 , 1 ) es débilmente paralela al subespacio afín 4 del ejemplo anterior,


ya que: 01( 1 , 2 , 1 ) £ {(X 1 .X 2.X 3) e R :1 | x, - x-j = 0 [.
62 I. ESPACIO S VECTO RIALES

5. C o m b in acio n es a fin e s D ados n vecto res w i , w ¿ u»„ de u n espacio vec­


torial E, si « i , «2 « « son n escala res tales que:

0f] + 0¡2 + • • • + « „ = 1,

del vector «i u>i + «,»u>2 + • - • + « n iv ,, direm os es u n a co m b in a ció n a fín de los


vectores w 1 , w ¿ u>„.

EJEMPLO 36 F.l vector (0, - 1 , 3 ) de R 1 es una combinación afín de los vectores ( 1 , 1 , 0) , ( 0 , 1 , 1 ) y ( 1 , 0, 1 ) ,


pues, por ejemplo, los escalares - 2 , 1 y 2 son tales que suman 1: ( - 2 ) + 1 + 2 -• 1, y se Rene:

( 0 , - 1 , 3) = ( - 2 X 1 , 1 , 0 ) * 1(0, l, I ) + 2 ( 1 , 0, 1 1 .

Todo vecto r que e s com binación afín de vecto res de un m ism o su bespacio afín
pertenece, a su vez, al su b esp acio afín. Para com probarlo, con siderem os u n su b e s­
pacio afín v + F de un espacio vectorial £ , y sean v + « i , v - u ¿ v -\■u „ vecto res
perten ecien tes a v + F (y po r tanto u ¡, u ¿ u „ so n vecto res d el su b esp acio vec­
torial F). Si iv es un vecto r de E que e s u n a com binación afín de ellos, probem os
que w £ v +• F.
Por ser w u na com binación afín de v \ U [, v+ u ¿ v - u n, existen escalares « 1 ,
a >....... « „ tales que: « i + «2 + • • • + «n = 1 . V

w = « i ( u + u j ) + a ¿ { v + U‘¿ ) + • • • » « „ ( u + u „). (22)

Sim plificando en la igualdad (22), obtenem os:

y com o £ « ( « < e F (pues es com binación lineal de u\, u¿, .... u n, vecto res del

su b esp acio vectorial F), se concluye: w e v + F.

Escolio Si m « i, v + u¿ v + u„ son vectores del subespacio afín v + F, y w es el


vector
W •- «| (V + U] ) + 1 ( - • • • + 0(„l v + u„ i (23)

donde 00, «_> a n son estillares tales que:

(24)
r-1
1.5. SISTEMAS DE VECTORES

entonces w no pertenece a v + F, salvo en el caso elemental en que v + F sea subespacio


vectorial de E.
En efecto. Supongamos que v + F no es subespacio vectorial, y por tanto que v g F
(cf. proposición 1.6, p. 57). Querernos probar', bajo las hipótesis enunciadas en el párrafo
anterior, se tiene que w $ v + F, y para ello procedemos por reducción al absurdo, es
decir, suponemos que w e v + F. De (23) obtenemos:
" n
w = ( X 0í' j v + X a ‘u <

i= I f =J

pero si w e v + F, entonces existe u s F tal que: w = v + w, y por tanto:


» n
( ) *' + Z « i “ < = v + M‘
1=1 1=1
o bien:
( " \ "
a i Uí’
i -I í =I
de donde (teniendo en cuenta (24)):

f- 1 i“ i
que contradice el hecho de que v g F, pues el segundo miembro de esta igualdad es un
vector de F.
En particular, si v - F es un subespacio afín de un espacio vectorial E y v + F no es
subespacio vectorial, entonces se verifica:

VAe K - 1 1 }, V u> e v + F, Áw g u t F .

1.5 SISTEMAS DE VECTORES


En esta sección introducim os v a ria s defin icion es y n otaciones que será n de gran uti­
lidad en el re sto d el texto.
C o n siderem os un espacio vectorial E sobre un cuerpo K . Llam arem os sistema
de vectores de £ a toda lista, o colección, fin ita o rd en ad a de vecto res de £. Si iq ,
t>2 v „ son n vectores de £ , el sistem a S form ado po r ellos se denota:

S = (V ] , V 2 ......... v „ ) .

De los vectores v ¡ , v ¿ , . . . . v „ direm os so n los vecto res del sistem a S. Al con ju n to


form ado por ello s lo d enotarem os po r S.
Dados d o s sistem a s ( v i , u 2 v n) y {u>i,W2 , . . . , w m) de n y m vecto res de £ ,
resp ectivam en te, con sid erarem os so n iguales si:

n =m y v\ = u>\, v> = w^, . . . , v „ = w n.


I. ESPACIOS VECTORIALES

EJEMPLO 37 Consideremos los vectores Vi = (1 , 0) , v¿ = <0,1 ), v* = ( 3, 1 ) y v 4 = (2,2) de ¡R-. Con ellos


podemos formar, entre otros, los siguientes sistemas:
• S¡ = ( v , , v 2 ,v:¡),
• S¿ = (v>,Ví,v 4,vi),
• A = ( v i .V i , v 4), donde observamos que el vector v, figura dos veces,
• B = ( i t j , i » 4 , 1/4, v ¡ , i»1 ), donde observamos que el vector v 4 figura tres veces, y el vec­
tor v 1 dos.
Los conjuntos asociados a estos cuatro sistemas son: .SJ = S-¡ = (V|,V2,i/;i,i/4),
A = ltti,i>4| y B = [ Vi . i c ! .

D ado u n sistem a S = (v \ ,V 2 ,--., v n) de vecto res de E, definim os el cardinal de S ,


que den otam os: Card(.S'), com o el núm ero de vecto res de la lisia que defin e S. F.s
decir: C ard (5) = Card v n) = n.

EJEMPLO 38 El cardinal de los sistemas del ejemplo 37 es: Card(.SV) = 3, Cardl.Vj) = 4, Card(-V) = 3
y Card(B) = S.

D ados d o s sistem a s 5 = (v¡,v>,---,vn) y S ' = ( w ¡ , w w m) de vecto res de E,


defin im os el sistem a ( S , S ') de la form a: ( S , S ') = ( v ¡ , v > ......... v n, W i , w 2 , - . . , w m).

EJEMPLO 39 Volviendo de nuevo a los sistemas del ejemplo 37 (cf. p. 64), podemos escribir:

(5j, (Ui)) = (V 1 . V 2. V 3. Vi) y (A,B) = (i/|, i/,, V4, 1/4, t»4, 1/4, V i, Vi ).

D ados d o s sistem a s S y S ' d e vecto res de E, direm os que S e s subsistema de S '


si todo vecto r de S e s d e S ’ y no figura en la lista d e los vecto res de S m ás v eces que
en la de S'.

EJEMPLO 40 Para los sistemas del ejemplo 37 (cf. p. 64) se cumple:


• Si es un subsistema de S¿;
• A es un subsistema de B, puesto que v , no figura más veces en A que en B, y u 4 figura
menos veces en A que en B\
• S¿ no es subsistema de .S’ ,, pues v 4 es un vector de S¿, pero no lo es do 5 1 ;
• B no es subsistema de A, pues, aunque todo vector de B es vector de A, el vector v.¡
figura más veces en B que en A.
1.6. VECTORES LINEALMENTE DEPENDIENTES 65

1.6 VECTORES LINEALMENTE DEPENDIENTES

I. D efin ició n . P ro p ie d a d e s b á s ic a s A continuación, vem o s la definición de


d epend encia lineal d e vectores:

Definición

Vectores Sea E un espacio vectorial sobre un cu erp o &. De lo s vecto res i q , t >2 v n de E
linealmente se dice son lin ealm en te d e p en d ien te s, o del sistem a ( v ¡ , v 2, . .. , v „ ) se dice es
dependientes u n sis te m a ligad o, si existen escala res t\i, « 2, . . . , no todos nulos, tales que:
Sistema ligado
ex! i/i + <x2 v ¿ + ■■■+ a nv „ = 0.

Consecuencias de la definición de dependencia lineal Sea E un esp acio vectorial.


Se verifica:
• (0) es un sistem a ligado.
Fn efecto: 10 = 0 y 1 f- 0; es decir, el vector 0 es linealmente dependiente, o lo que es
lo mismo: (0) es un sistema ligado.
• Si v es un vector de F. distinto del vector 0, entonces Iv ) no es un sistema
ligado.
Si ix es un escalar, de la igualdad a v = 0 se deduce (consecuencia de la definición
de espacio vectorial) que oí = 0; es decir, no podemos encontrar un escalar ix = 0 tai
que « v = 0. El vector v no es un vector linealmente dependiente, o bien: (iri no es un
sistema ligado.
• Todo sistema de vectores en el que figure el vecto r 0 es ligado.
Que el sistema (0) es ligado lo sabemos por la primera consecuencia de la definición de
dependencia lineal. Por otra parte, si B = ( 0 ,t q ,ir ........ v „ ) (donde n e N * = N - IOS),
entonces es posible encontrar escalares ¡3, oq, a ¿ , ..., no lodos nulos, tales que:

flO + oqtq + CXjVj + • • • + Oí„t>„ = 0

(por ejemplo: /i = 1 y «1 = a¿ = ... = cx„ = 0), lo que establece que el sistema B es


ligado.
• Todo sistema en el que uno de los vectores es igual a una combinación lineal
de los restantes es ligado.
Si w es igual a una combinación lineal de , v> v „. es decir, para algunos es­
calares « ), oí,., ..., íXn se tiene: w = o/iv¡ + <x¿v> + • ■ ■ + (x „v „ , entonces:

(- l)U t + ÍXiiq + et¿v> + • •■+ cx„ f,, = 0 ,

y no lodos los escalares ( - 1 ) , « i , a->,.... « „ son nulos. Los vectores w, v ,. i> j,.... v„
son, pues, linealmente dependientes, o lo que es lo mismo: el sistema (w , v ¡ , v> v „)
es ligado.
tit> I ESPACIOS VECTORIALES

EJEMPLO 41 Los vectores ( 1 ,2 ,3 ) y ( 3 ,2 ,1) de K 1 no son linealmente dependientes.


En efecto. Si « y 0 son escalares tales que:

« ( 1 ,2 ,3 ) + 0 ( 3 ,2 ,1 ) = (0 ,0 ,0 ), (25)

o lo que es lo mismo: ( « + 3 /1,2« + 20,3<x + 0) = (0,0,0), entonces:

a + 30 = 0, 2 « + 2/1 = 0, 3 a + /? = 0.

De la segunda igualdad deducimos: « = -0, y sustituyendo en la primera llegamos a: 20 = 0,


y por tanto: 0 = 0 y a = 0. En consecuencia, sólo los escalares « = 0 y 0 = 0 verifican (25).
Al no existir dos escalares « y /!, no ambos nulos, que satisfagan (25), concluimos que los
vectores ( 1,2 ,3 ) y ( 3 ,2 ,1 ) no son linealmente dependientes, o lo que es lo mismo: el sistema
( ( 1 ,2 ,3 ) , ( 3 ,2 ,1 ) ) no es un sistema ligado.

EJEMPLO 42 Los vectores ( 1 , 1 ) , ( 1,3 ) y ( 3 ,1) de R-’ son linealmente dependientes, pues por ejemplo los
tres escalares - 4 , 1 y 1 no son todos nulos y se verifica: - 4 ( 1 , 1 ) + 1 ( 1 , 3 ) + 1 ( 3 ,1 ) = (0,0).

EJERCICIO 2 Estudiar para que valores dea e R es ligado el sistema de vectores ( (1,0 ,0 ), (0, i,a ), (0 ,a, 1))
de R-*. A

2. O tra s p ro p ie d a d es En las sigu ien tes proposicion es m ostram os dos propie­


dad es de la d epend encia lineal.

CNS de sistema P ro p o sició n 1.10 Sean v y w dos vectores de un espacio vectorial E sobre un
de dos vectores cuerpo K . Si v * 0, entonces una condición necesaria y suñciente para que ( v, w )
ligado sea un sistem a ligado es: w • K u .

Demostración La condición es necesaria. Si « y 0 son dos escalares, no ambos nulos,


tales que:
a v + 0 w = 0, (20)

entonces 0 * 0, pues en caso contrario de (26) se deduciría: a v = 0, y como por hipótesis v ?=


0, se tendría: « = 0, que vulneraría que los escalares no son ambos nulos. Al ser 0 + 0, de (26)
se deduce: w = 0 ' (- a )v , y por tanto: w € Kv.
La condición es suficiente. Si w e Kv, entonces w = Av para algún A e K, y podemos
escribir: (-A )u + 1 w = 0. Al no ser los escalares -A y I simultáneamente nulos, esta igualdad
establece que (v, w) es un sistema ligado. c.Q.u.
VECTORES UNEALMENTE DEPENDIENTES 67

EJEMPLO 43 Encontremos para qué valores reales de a y b son linealmente dependientes los siguientes
vectores de R3:
v = ( 1,- 1 ,2 ) y ui = ( 2 ,a,b).
Como v * (0,0,0), la proposición 1.10 afirma que v y w son linealmente dependientes
precisamente si: w e Ri/, es decir, precisamente si existe algún número real « tal que:

a ( l , - 1 , 2 ) = ( 2 ,a.b).

Esta igualdad vectorial es equivalente a:

oí = 2, -o í = a, 2a = b,

equivalente a su vez a: oí = 2, a = -2 y b = 4.
En conclusión, los vectores v y w son linealmente dependientes si, y sólo si, a = - 2
y b= 4.

En la sigu iente p roposición se p resen ta una condición necesaria y su ficien te para


que un sistem a de vecto res se a un sistem a ligado.

P ro p o sició n 1 . 1 1 Una condición necesaria y suficiente para que un sistem a de


vectores sea ligado es que exista un sistema ligado que sea subsistema suyo.

Demostración La condición es obviamente necesaria, pues todo sistema es subsistema de


sí mismo.
La condición también es suficiente. Para demostrarlo, consideremos un sistema de vec­
tores B = (i7|, V2 , ■■■, Vn), y supongamos es ligado el sistema:

B' = (v\,V 2 ,-..,Vp ) , con p < n,

que es subsistema de B (no se pierde generalidad al suponer que tal subsistema ligado es de
esta forma). Como B' es un sistema ligado, existen escalares « 1 , «21 •••. «,,, no todos nulos,
tales que:
« i V\ + cíj V j + • ■ • + i\,,vP = 0. (27)
Si definimos: a , = 0 para p < j < n, entonces los escalares oí¡ , « 2, . . . , « „ no son todos nulos,
y de acuerdo con (27) podemos escribir:

« it'i + + ■ • ■ + oínv „ = 0,

lo que establece que el sistema tí es ligado. c.ü.D.

Nota bene Puede ocurrir que un sistema B sea ligado y que todo subsistema de B de
cardinal menor no lo sea. Por ejemplo, el sistema de vectores ( (1,0 ), ( 0 ,1) , ( 1 , 1 ) ) de IR2
es un sistema ligado, pero cualquier subsistema suyo de cardinal menor no es un sistema
ligado, como el lector puede comprobar sin dificultad. A
I. ESPACIOS VECTORIALES

EJEMPLO 44 Estudiemos para qué valores reales de a, b, c y d es ligado este sistema de vectores de

B = ( u j . - & . 5 ) , ( l , - 1 . 2 ) t< l,3 tc + &),(«! + b + c, !j\b- - c 3|.rf). ( 2 . - 2 ,4 ) ) .

En el ejemplo 43 (cf. p. 67) vimos que el sistema B ' = ((1, - 1 , 2 ) , (2. - 2 ,4 ) ) es un sistema
ligado. Como B ' es un subsistema de B, de la proposición 1 . 1 1 (cf. p. 67) se deduce que
también B es un sistema ligado.
Nótese que el sistema B es un sistema ligado independientemente de los valores que
puedan tomar a, b ,c y d.

1.7 VECTORES LINEALMENTE INDEPENDIENTES

i. D efin ició n . Pro p ie d a d es b á sica s De m an era inform al po d em o s decir que la


independen cia lineal e s la negación de la d epen d en cia lineal. De fo rm a m ás precisa:

Definición

Vectores De lo s vecto res V\, v>, . . . . v n se dice son lin ealm en te in d ep e n d ie n te s, o del
linealmente sistem a ( v ¡ , v > , ... , v „ ) se dice es un siste m a lib re, si lo s vecto res v ¡ , v> u„
independientes no son linealm ente depen d ien tes, e s decir, si de la igualdad:

Sistema libre
« it» i + ct>v> + ■■■+ (x „v „ = 0,

donde a i , « 2 , . . . , a „ son escalares, n ecesariam en te se deduce:

«i = «2 = ... = a „ = 0.

Consecuencias de la definición de independencia lineal Sea E un espacio vectorial.


Se verifica:
• (0) no es un sistem a libre.
Ya vimos que (0) es un sistema ligado.
• S i v es un vector de E distinto de 0, entonces (v ) es un sistema libre.
Ya probamos que si v * 0, entonces ( v ) no es un sistema ligado.
• Un sistema de vectores en el que figure e l vector 0 no es libre.
En la sección anterior probamos que un sistema en estas condiciones es un sistema
ligado.
• Un sistem a en e l que uno de los vectores es combinación lineal de los restantes
no es libre.
Vimos en la sección anterior que si w es una combinación lineal de v ¡. v< v„,
entonces (u>, v ¡ , v ¿ v „ ) es un sistema ligado.
VECTORES UNEALMENTE INDEPENDIENTES

EJEMPLO 45 Los vectores ( 1 ,2 ,3 ) y ( 3 ,2 ,1 ) de 013 son linealmente independientes, pues, como vimos en
el ejemplo 4 1 (cf. p. 66), estos vectores no son linealmente dependientes.
Recordemos que en el ejemplo citado buscamos qué valores de « y /•>' verificaban:

« ( 1 ,2 ,3 ) + 0 ( 3 ,2 ,1 ) = (0,0,0),

y vimos que la única posibilidad es: « = />’ - 0, lo que confirma que los vectores ( 1,2 ,3 )
y ( 3 ,2 ,1 ) son efectivamente linealmente independientes, o dicho de otra forma: el siste­
ma ( ( 1 ,2 ,3 ) , ( 3 ,2 ,1) ) es libre.

EJEMPLO 46 Los vectores ( 1 , 1 ) , ( 1,3 ) y ( 3 ,1) de R- no son linealmente independientes, pues son lineal-
menle dependientes (cf. ejemplo 42, p. 66).
Si tratamos de resolver en las incógnitas «, 0 y y la ecuación:

a ( l , 1) + 0 ( 1,3 ) + y ( 3 , 1) = (0,0), (28)

no obtenemos necesariamente que « = 0 = y = 0: como ya vimos en el ejemplo citado,


para « = - 4 , 0 = 1 y y = 1 se verifica (28).

EJERCICIO 3 Estudiar para qué valores de a £ IR es libre el sistema de vectores ( (1,0 ,0 ), ( 0 ,1, a ), (0,cJ, 1))
de IR1. A

2. O tra s p ro p ie d a d es El resu ltad o siguiente es una con secu en cia inm ediata de
la proposición 1.10 (cf. p. 66):

ENS de sistema P ro p o sició n 1.12 Sean v y w dos vectores de un espacio vectorial E sobre un
:e dos vectores cuerpo K . Si v -r- 0, entonces una condición necesaria y suficiente para que ( v , w )
libre sea un sistem a libre es: w e K v.

tJEMPLO 4 7 Estudiemos para qué valores reales de a y b son linealmente independientes los siguientes
vectores de RJ :
v = ( 1,- 1 ,2 ) y w = ( 2 ,a,b).

En el ejemplo 43 (cf. p. 67) vimos que v y w son linealmente dependientes precisamente


si: a = - 2 y b = 4. Por tanto, v y w son linealmente independientes precisamente si: a = - 2
o b *■4.
70 I. ESPACIOS VECTORIALES

P ro p o sició n 1 . 1 3 Una condición necesaria y sufícicnte para que un sistema de


vectores sea Ubre es que lodo subsistema suyo sea un sistema libre.

D e m o s tr a c ió n La co n d ic ió n e s n e c e s a ria : s i B e s u n s is te m a lib re y B ' e s un s u b s is te m a


de B, e n to n c e s B ' e s u n s is te m a lib re , p u e s e n c a so c o n tr a r io ta m p o c o se ria lib re fí <cf. p ro p o ­
s ic ió n 1. 11, p. 6 7 ).
R e c ip r o c a m e n te , la co n d ic ió n e s su fic ie n te : si to d o s u b s is te m a d e u n s is te m a B e s un
s is te m a lib re , ta m b ié n e s lib re el p ro p io B , p u e s e s s u b s is te m a d e sí m ism o . c .a n .

EJERCICIO 4 S e a n v ¡ , v ->,. . . , v n v e c t o r e s d e u n e s p a c i o v e cto ria l E . D e m o s t r a r q u e u n a c o n d i c i ó n n e c e s a r i a

y s u f ic i e n t e p a r a q u e u n v e c t o r w e E n o s e a u n a c o m b in a c ió n l i n e a l d e e s t o s v e c t o r e s e s q u e

d e ia ig u a l d a d :

« ,i q + « 21/2 - ■ ■ • + n „ v „ flw = 0,

s e d e d u z c a : fi = 0 . A

EJEMPLO 48 Para c u a lq u ie r a £ R , el v e c to r ( a , í , a + 1) d e R 3 n o e s ig u al a u n a c o m b in a c ió n lin e a l d e lo s


v e c to r e s ( 1 , 0 , 1 ), ( 0 , 1 , 0 ) y ( 1 , 1 , 1 ).
F.n e le c t o , d e la ig u ald ad :

« , ( 1 , 0 , 1 ) + ex, ( 0, 1 , 0) + « 3 ( 1 , 1 , 1 1 + p ( a , l , a + 1) = (0,0,0)

se o b tie n e :
(X, + «3 + aP = 0, «_> + «3 + P = 0 , «i -r « j + aP -r p = 0,

d e d o n d e (re s ta n d o la p rim e ra ig u ald ad d e la te rc e ra ) s e d e d u ce : p = 0 . C o n el e je r c ic io 4 se


c o n c lu y e el re s u lta d o .

EJERCICIO 5 D e m o s t r a r q u e s i ( i q , e 2 , . . . , i > „) e s u n s is t e m a l ib r e d e v e c t o r e s d e u n e s p a c io v e c t o r i a l E

y w e s un v e c t o r d e E q u e n o e s ig u a l a u n a c o m b in a c ió n l in e a ] d e e , , v ¿ , . . . , v „ , e n t o n ­
c e s ( w , v i , t>:>,. . . , u „ ) t a m b ié n e s u n s i s t e m a l ib r e . A

SISTEMAS DE GENERADORES Y BASES


DE UN ESPACIO VECTORIAL

1. Siste m a s de g e n e ra d o re s Sea B = (i.’ i , v ¿ , ... , v n ) un sistem a de vectores


de un esp acio vectorial E. Por: L(B), o también: I ( u , , v 2, . . . , v n), denotarem os el
con ju n to de todos los vectores de E que son com binación lineal de los vectores u ,,
vi, ..., v n; es decir (cf. p. 33):

L { B ) = L ( u, , v¿, ■■■, v n) = K tq + K v 2 + * ■ • + IK t v
8. SISTEMAS DE GENERADORES Y BASES DE UN ESPACIO VECTORIAL 71

El conjunto H B ) es, pues, un subespacio vectorial de L: es el subespacio vectorial


de E de los vectores que pueden escribirse de la forma:

dí 11/1 + a ¿ v ¿ + - • • + « , , 1»,!,

donde « i , a n son escalares.

Definición

Sistema de De unos vectores v \ , v-¿, . . . . v n de u n espacio vectorial E direm os son gen e­


generadores rad o res de £ , o que E está gen erado p o r los vectores . . . , v n , o del sis­
tem a v n ) direm os es un siste m a de gen era d o res de £ , si:

L (t>i,V 2 Vn) = E,

es decir, si todo vector de E es com binación lineal de lo s vectores v \ , v ¿ , . . v n .

Si los vectores i»i, v n son generadores del espacio vectorial E y v es un


vector de E, entonces existen escalares « i , «2 tales que:

v - ex 117 ¡ + a ¿ v > + ■ ■ - + <xn v n .

De esta igualdad direm os es una d esco m p o sició n del vector v com o com binación
lineal de los generadores i»i, v-¿......... v „ .

EJEMPLO 49 El sistema ((1,0), ( 1 , 1 ) , (0, 1)) es un sistema de generadores de RJ .


En efecto. Para cada vector lu.bj de R- se verifica:

i a,b) - | ( l , 0 ) -i - | ) (0 ,1),

lo queestableceque(<i,b) es combinación lineal de los vectores (1,0), ( 1 , 1 ) y (0, 1). En


consecuencia:
I ( (1,0), ( 1 , 1 ) , (0, 1)) = RJ .

Con palabras: R- está generado por los vectores (1, 0), ( 1 , 1 ) y (0,1).

EJEMPLO SO El sistema (l 1 , 1 , 0) , (0, 1, D) no es un sistema de generadores de R 1.


Por ejemplo, el vector ( 1 , 1 , 1 ) no es combinación lineal de ( 1 , 1 , 0 ) y ( 0, 1 , 1 ) . En efecto,
afirmarlo sería lo mismo que afirmar existen dos números reales » y 0 tales que el vector:

« ( 1 , 1 . 0 ) + 0 ( 0 , 1 , 1 ) , o bien ( « , « + 0 ,0 ),

es igual a ( 1 , 1 , 1 ) , pero esto significaría decir que tanto a y 0 como su suma:o: + 0, son
iguales a 1, lo cual es claramente imposible.
72 I. ESPACIO S VECTORIALES

EJERCICIO 6 Sean A = ( r i . v j f,i) y B - dos sistemas de vectores de un espacio


vectorial E. Demostrar:
al A s LÍA):
h) si E es subespacio vectorial de E, se veriñea: A s F =* H A ) s F;
Cl A S U B I => i.(A) c i ( í ) ;
d) si A es subsistema de B, entonces: LÍA) £ L(B);
e) paja cada u e E se tiene: i. (A) = L(B) =*L(A, (tí)) =L (B, («));
f) si A es un sistema de generadores d eE y A es subsistemado B, entonces B también
es un sistema de generadores de E. a.

¿ . Bases. C o o rd e n a d a s de un ve cto r en u n a b ase A continuación definirnos


el concepto de b ase de u n espacio vectorial:

Definición

Base D e u n sistem a de vecto res de u n espacio vectorial E se dice es


u n a b a s e de £ si:
(B l) { v \ , v ¿ , - . - , v n) es un sistem a de gen erad o res de E, o escrito de otra
form a: L(v\, v z , . . . , v n ) = £ ;
(B2) ( i ' i . i ' j o ,,) es u n sistem a libre, o lo que es lo m ism o: lo s vecto res v\,
i» j v n so n linealm ente in d epend ientes.

EJEMPLO 51 El sistema B - { ( 1 , 1 ) , (O, D) es una base de l 2.


En efecto: B es un sistema libre, pues ( 1 , 1 ) f R( 0 , 1) (cf. proposición 1.12, p. (¡9). Y B es
un sistema de generadores de R2, pues si (a , b ) es un vector arbitrario de R 2, entonces:

(a .b ) = « (1 ,1 ) - Ib —t i) ( 0 ,1),

lo que establece que todo vector de IR2 es combinación lineal de ( 1 , 1 ) y ( 0 , 1 ).

EJEMPLO 52 El sistema: ((1,0), ( 1 , 1 ) , (O, U) no es una base de &2, pues aunque es un sistema de genera­
dores de R 2 (cf. ejemplo 49, p. 71), no es un sistema libre: por ejemplo, los escalares - 1 , 1
y -1 —no todos nulos— verifican: ( - 1 ) 1 1 , 0 ) + 1 ( 1 , 1 ) + ( - 1 ) 10 , 1 ) = (0,0).

EJERCICIO 7 Si B = ( v t, v . v r ) y B' = ( w {, w±,..., w lt) son dos bases de un espacio vectorial E, de­
mostrar que no puede ocurrir: B c B', ni tampoco: B' . B. a

Nula Obsérvese que es posible que dos bases de un mismo espacio vectorial no tengan
vector alguno en común. Por ejemplo, los sistemas ( ( 1 , 1 ) , (0, D) y (( —1, —1) .( 0 , —1))
son, ambos, base de R 2 y no tienen vectores comunes. a
i SISTEM AS D E GENERADORES Y BASES DE UN ESPACIO VECTORIAL

La P ro p osició n 1. 14 Una condición necesaria y suficiente para que un sistem a de


descomposición vectores B = { v i , v->, ■■■, v n ) de un espacio vectorial E sea una base de E es que
de un vector todo vector de E se pueda descom poner de manera única como combinación iineai
como d élo s vectores de B, en el sentido siguiente: si
combinación
lineal de los oi\V\ + <x->v> + • • • + a nVn y V\ + P 2V 2 + • • • + fin v,¡
vectores de una
son dos descomposiciones de un mismo vector como combinación lin eal de los
base es única
vectores de B, entonces:

«1 = fi i, « 2 = ......... «>, = Pn-

Demostración La c o n d ic ió n e s n e c e s a n a . S u p o n g a m o s q u e B e s u n a b a s e d e E. Por s e r B
u n s is te m a d e g e n e r a d o r e s d e £ , lo d o v e c to r w d e E p u e d e e s c r ib ir s e a l m e n o s d e u n a fo rm a
c o m o c o m b in a c ió n lin e a l d e lo s v e c t o r e s d e B . S u p o n g a m o s s e v e rifica :

w = oí if i * <x>v¡ + • • • - a „ v n y w = p i f | + P¿v> + ■ ■ ■ + p nv„ .

p a ra a lg u n o s e s c a la r e s « i , a .- ix„, y p, , p¿ fin- R e s ta n d o a la p rim e ra ig u a ld a d la


s e g u n d a , se o b tie n e : .

0 = («i - P¡)Vi + («2 - + • • • + (« „ - p „ ) v n,

y d e e s t a ú ltim a ig u ald ad , p o r s e r B un s is te m a lib re , se d e d u ce :

a , —0, = or> - = .. . = a» - Bn = 0,

o b ie n : «i = P\, a> = Pi , - , « „ = P„. En c o n c lu s ió n , to d o v e c to r d e E se e s c r ib e d e una


ú n ic a m a n e ra c o m o c o m b in a c ió n lin e a l d e lo s v e c to r e s d e fi.
La c o n d ic ió n e s s u fic ie n te . S u p o n g a m o s q u e to d o v e c to r d e £ se p u e d e d e s c o m p o n e r de
u n a ú n ic a m a n e r a c o m o c o m b in a c ió n lin e a l d e lo s v e c to r e s d e B. En p rim e r lu g a r, y a te n e m o s
q u e e l s is te m a B e s u n s is te m a d e g e n e r a d o re s d e E. E n s e g u n d o lu g a r, p a r a e l v e c t o r 0 se
v e rific a : 0 = O v ¡ y 0 v : + • - • + 0 v „ , y e s t a d e s c o m p o s ic ió n e s ú n ica , lu e g o d e la ig u a ld a d

« i v\ + a ¿ vj -y ■■■~ <xnV:, - 0 s e d e d u c e n e c e s a r ia m e n te : oq = «2 =... = « „ = 0, y a sí el


sis te m a B t a m b ié n es u n s is te m a lib re . En c o n c lu s ió n . B es un a base de £ . 1 .< >.n.

Coordenadas de Si B = ( v i , v ¿ v n ) es un a base de un espacio vectorial E, entonces podem os


•ector en una afirmar (cf. proposición 1.1 4 , p. 7 3 ) que para cada vector v de E existen unos
base únicos escalares a ¡ , a ¿ , . . . , a n tales que:

v = a it/ i + « 2V 2 + ■ • ■ + a , , v „ .

De « i , «2 « n se dice son las co o rd en a d a s del vector v en la base B.

Es decir, que los escalares a i , a ¿ a „ sean las coordenadas del vector v en la


base B = significa: v = Oi úi -1- c*>v> + • • • + oi „ v„ -
74 I. ESPACIOS VECTORIALES

EJEMPLO 5 3 En el ejemplo 5 1 (cf. p. 72) vimos que el sistema ( ( 1 , 1 ), ( 0 , 1 )) es una base de IR-', y observa­
mos que si (a.b) es un vector arbitrario de IR2, entonces:

(a,b) = a ( l ,l ) + ( h - a ) ( 0 ,l) .

Nos preguntamos si habrá otras formas de escribir ( a . b ) como combinación lineal de ( 1 ,1 )


y (0 ,1) ; en otras palabras, si la ecuación:

(a.b) = « ( 1 , 1 ) + 0 ( 0 ,1) , (29)

en las incógnitas exy 0, admite otras soluciones distintas de « = a y p = b - a.


De acuerdo con la proposición 1.14 (cf. p. 73), y como consecuencia de que el siste­
ma ( ( 1 , 1 ) , ( 0 ,1) ) es una base de IR2, podemos afirmar que la única solución de (29) es: « = a
y p = b-a. O dicho de otra forma: los escalares a y b-a son las coordenadas del vector la, b)
en la base ((I, I ), (0 ,1)).
Por ejemplo, las coordenadas del vector (6,5) en la base ( ( 1 , 1 ) , ( 0 ,1) ) son (i y - 1 , pues:
(6,5) = 6 ( 1 ,1 ) + ( - 1 X 0 , 1 ) .

Nota bene Es fundamental el orden en que se escriben las coordenadas de un vector


en una base. En este ejemplo vemos que 6 y - 1 son las coordenadas de (6,5) en la
base ( 0 , 1 ) , ( 0 , 1 ) ) de IR2; el vector cuyas coordenadas son - 1 y 6 (en la misma base)
sería: ( - 1 ) 0 , 1 ) + 6 (0 ,1) = ( - 1,5 ) . a

3. Rase ca n ó n ic a Sea (K , + , ■) un cuerpo, y sea n » 1 un núm ero n atural. Como


ya se v io en el capítulo 1 (cf. p. 17), el co n ju n to & " es un espacio vectorial sobre K
con las operaciones:

( « I , ........... CXn ) + ( 0 u p 2 .............. P n ) = ( « I + 0i,O Í2 -I 0 2 .............0 Í „ + 0 „ ) ,

A (oíi,oí 2 , . . . , o í „ ) = (Aoí), A a 2,- -.,A o ( n ).

El sigu iente sistem a de n vectores:

B c = ( 0 , 0 ........0 ) , ( 0 , 1 , 0 .........0 ) , . . . , ( 0 .........0 , 1 » ,

es u n a b ase de K " . En efecto. El sistem a Be e s u n sistem a d e gen erad o res de K ” ,


p u es si (o íi, 0(2,• •■ ,« ( ) ) es un elem en to arbitrario de K " , entonces:

( « i , 0 ( 2 ,. .. ,oí,,) = o<i ( 1 , 0 ,0 ) + oí2(0, 1 , 0 ........ 0) + ■ • ■ + a „ ( 0 ......... 0 ,1 ) .

Tam bién es Bc un sistem a libre, p u es de la igualdad:

0 i (1 ,( ), . .. , 0 ) + 0 2 ( 0 , 1 , 0 ..........0 ) + • • • + 0 „ ( 0 ............... 0 , 1 ) = ( 0 , 0 , 0 )

se dedu ce: ( 0 i , 0 2, . . . , 0 n ) = ( 0 , 0 , 0 ) , o bien: 0] = 0 2 = . . . = 0 „ = 0.


De la b ase B c se dice es la base canónica de K " .
S. SISTEMAS DE GENERADORES Y BASES DE UN ESP.

Notación Para los vectores de la base canónica de utilizaremos la notación siguiente:

e, = ( 1,0 ........ 0 ), e 2 = ( 0 ,1 ,0 ........0 )......... en = (0.......... 0 , 1 ).

La base canónica de K " es, pues, el sistema: Bt = (et,e¿ ........ e „). a

D ado un vecto r x de IK’\ si las com pon en tes de x son : x i , x ¿ , x „ , es decir,


si: x = ( x i , X 2, . . . , x „ ) , en ton ces la descom posición d e x com o com binación lineal
de lo s vecto res de Be es:

x = x ie ¡ + x>e2 + ■ • • + x „ e „ .

Esto es: las coord en ad as de u n vector x de & ” en la b ase canónica son precisam en te
su s com ponentes.

EJEMPLO 54 En R 2 se tiene: e, = ( 1,0 ) y e¿ = (0 ,1) . La base canónica de R 2 es el sistema ( (1,0 ), (0 ,1)).


En R* se tiene: e¡ = ( 1,0 ,0 ) , e2 = ( 0 ,1,0 ) y e, = ( 0 ,0 ,1) , y la base canónica de R :i es
( ( 1 , 0 , 0 ), (0 , 1 .0 ), (0 , 0 , 1 )).
Obsérvese que hemos designado con la misma notación los vectores (1,0 ) y (1,0 ,0 ) , y que
lo mismo acontece con los vectores (0 ,1) y ( 0 ,1.0 ) . La práctica demuestra que este abuso de
notación no da lugar a confusión.

Si & es un cuerpo y n > 1 es un número natural, sabemos qué es la base


canónica de En general, sólo tiene sentido referirse a la base canónica de un espacio
vectorial F. sobre un cuerpo IK si E = K " para algún n > I . A

4. T eo rem a de ¡a base in co m p le ta El llam ado teorem a de la b ase incom pleta


se enuncia de la sigu ien te m anera:

Teorema de la T e o re m a 1 S i e l sistema:
ise incompleta
S = (v\ ,v2 v t, , v p+\ y ,,)

es un sistema de generadores de un espacio vectorial E, y si los vectores v ¡,


v ¿, v p son linealm ente independientes, entonces existe una base de E que es
subsistema de S , y en la que figuran los vectores v ¡, v ¿, ■■ v p.

Demostración Designemos por B el sistema libre (t»i, v>,...,vP).


Definimos el sistema Bp+\ de la forma siguiente:

B, si v P+¡ e U B ),
1=
(B,{Vp* i ) ), si Upti e L.{B).
I. ESPACIOS VECTORIALES

Se verifica:
a) Bp, i es un sis lema libre (cf. ejercicio S, p. 70), y B es subsistema de
b) t v . [ £ UB,,, ,).
Ahora, definimos Br

si et

que verifica:
a) es un sistema libre, y Bf,_ i es subsistema de Br ^.2 ,
b) vp 4-2 c
iterando este proceso llegamos al sistema B „ :

B„ i, si iq, e h(JÍ«-LÍ,
(tf„ i , ! r „ ) ) , s i v „ $ U B n-i),

que verifica:
a) B„ es un sistema libre, y 1 es subsistema de B„,
b) v n £ i.(fíft).
De esta construcción se deduce que B es subsistema de B„, que a su vez es subsistema
de S, y de los apartados (a) se infiere (cf. ejercido 6, p. 72):

B S U B ) £ !( « ,,, 1) £ ... £ L(B„) E L{S). (30)

De los apartados (b) y de (30) se deduce: S e L [Bni £ U S ) , de donde (cf. ejercicio 6, p. 72):
US) E U B „) E í.(.S’ t,y en consecuencia: U B „ ) = U S ) - E, y e! sistema libre B„ es un sistema
de generadores de E.
En definitiva, B„ es una base de E que es subsistema de S y en la que figuran los veo
tores v 1, V i vr.

Fl teorem a anterior tiene una consecuencia im portante: no hay dos b ases de un


mismo espacio vectorial con distinto núm ero de vectores.

Todas las bases P ro p o sició n 1. 1 5 Si ( v l , v i , ..., v p) y (u>i,u> 2 , . . . , u q J ) san dos bases de un es­
de un m ismo pacio vectorial E, entonces: p = q.
espacio vectorial
tienen igual Demostración Procedemos por reducción al absurdo; hacemos la hipótesis de que p < q.
núm ero de En primer lugar, el sistema (1 0 , v-¿,. . . , iq ,, ttq ) es un sistema de generadores de E. y

vectores como ( u q ) es un sistema libre (al ser subsistema de (un, uq, ■■ ■, uq¡), que es sistema libre},
del teorema de la base incompleta se deduce existe una base /q tal que:
n) (uq ) es subsistema de f¡],
b) B¡ es subsistema de (tq, t u , vr , ui ).
r DIMENSIÓN DE UN ESPACIO VFXTORIAL

Perú como ( t q .iq , . . ■, v p,W i) no es base d e E (obsérvese que wq es combinación lineal de o , ,


v>, v,,), de (b) se deduce que el número de elementos de fii es a lo más igual a p. En
símbolos: CardfB]) < p.
En segundo lugar, consideramos el sistema: (Si, (uq)), que es un sistema de generadores
de E. Como (ti/], w-¿) es un sistema libre que es subsistema de (Bi, (uq)), existe una base Bz
de E tal que:
a) (uq, ti’ i) es subsistema de B>,
b) B< es subsistema de (Iit ,í uq>)).
Pero como {B i, (uq)) no es base de E, se tiene: Card(l?2) í p.
Iterando este proceso construimos una colección finita de bases />., de F. tales que el siste­
ma (u q ,u q , ■■■, w ¡) es subsistema de Bs y Card! B , ) « p. De esta forma, llegaremos a cons­
truir una base Bm tal que: B,„ = (uq, uq, ■■■,ivm) y m « p, lo cual es absurdo, pues se
afirmaría que los sistemas:

(u q , u q ,. . • , w m) y (u q .u q tu,,), con m < q,

son dos bases de E (cf. ejercicio 7, p, 72).


Por lanío, no puede ser p estrictamente menor que q. De la misma forma demostraríamos
que tampoco puede ser q estrictamente menor que p. En conclusión: p = q.

1.9 DIMENSIÓN DE UN ESPACIO VECTORIAL

1. D e fin ició n de d im ensión de un esp acio v e c to ria l A ntes de ver, p ro p ia­


m ente, la definición de dim ensión de un espacio vectorial, introducim os el concepto
ele espacio vectorial de dim ensión finita.
Sea E u n espacio vectorial sobre u n cuerpo K. De E direm os es un esp acio vecto ­
rial de d im en sió n fin ita si existe alg ú n sistem a ( t q , V 2 , - - ■, v n ) de vecto res de E que
es sistem a de gen eradores de E. En otro caso, de E direm os es de d im en sió n infinita.

P ro p o sició n 1.16 Si w ít w 2 , . . w P son vectores linealm ente independientes de


un espacio vectorial E de dimensión finita, entonces existe una base de E en la que
fíguran los vectores w \, u q > , w v .

Demostración Como el espacio vectorial E es de dimensión finita, admite algún sistema


de generadores ( t q .iq v „). Si aplicamos el teorema de la base incompleta al siste­
ma ( u q .u q ,...,W p ,iq ,v ;> ,...,v n)l que también es de generadores, deducimos existe una
base de E en la cual figuran los vectores linealmentc independientes uq, u^. • • te,,, l.q .d .

Nota En las condiciones de esta proposición, se dice que el sistema libre (u q , w ■>,■■■, uq,)
se ha ampliado a una base de E. a
78 /. ESPACIOS VECTORIALES

Todo espacio C o ro la rio Si E es un espacio vectorial de dimensión finita, distinto del espacio
vectorial de vectorial ¡0 ¡, entonces adm ite una base (con un núm ero fínito de vectores), y todas
dimensión finita sus bases tienen el mismo núm ero de vectores.
(distinto de 1 0 !)
admite base
Demostración Como E * 10 1, existe algún vector v de E distinto de 0. El vector v es,
pues, linealmente independiente, y como consecuencia de la proposición anterior el espacio
vectorial £' admite alguna base.
Finalmente, que todas las bases de F. tienen el mismo número de vectores es una conse­
cuencia de la proposición 1 .1 5 (cf. p. 76). c.Q.n.

Definición

Dimensión de un Sea E u n espacio vectorial de dim ensión finita. Si E *■ { 0 ¡, se llam a d im en sió n


espacio vectorial del espacio vectorial £ al núm ero de v ecto res de cualquiera d e su s b ase s. Se
denota: dim E.
Dimensión nula Del espacio vectorial {0} se dice tiene d im en sió n 0, o d im en sió n n u la. Se escribe:
dimlO) = 0.

Si £ e s un espacio vectorial de dim en sión finita d istin to del espacio vectorial |0 ¡,


y B es u n a b ase de £ , enton ces: dim £ = C ard (fí). N ótese que el espacio vectorial ! 0 ¡
no adm ite b ase, p u es el único sistem a po sib le de vecto res d e e ste espacio es: (0), que
no e s libre.

EJEMPLO 55 El espacio vectorial R 2 es un espacio vectorial de dimensión 2, pues el sistema ( ( l, l ), (0 ,1))


es una base de R 2 (cf. ejemplo 5 1, p. 72) y está formado por dos vectores: dim R 2 = 2.
El espacio vectorial R :t es un espacio vectorial de dimensión 3, pues su base canónica:
{(1,0 ,0 ), (0 ,1,0 ) , ( 0 ,0 ,1) ), tiene tres vectores: dlm R! = 3.
En general, K " es de dimensión n, pues su base canónica:

( ( 1,0 01 ,( 0 , 1,0 0) (0 0 , 1 )),


está formada por n vectores: dim R " = n.
.Análogamente, el espacio vectorial K '1 es de dimensión n: dim &'1 = n.

Consecuencias de la definición de dimensión Sea £ un esp acio vectorial d e dim en ­


sión finita, con dim £ = n, y n > I . Se verifica:
• Si n vectores v\, u.>, . . . , v u son generadores de £ , entonces el sistem a c/ue
form an: (v \ , V 2 ........ v „ ) , es una base de E.
Como dim £ = n > 0, alguno de los generadores v¡, v>, .... v„ es no nulo, y por
tanto linealmente independiente. Como consecuencia del teorema de la base incom­
pleta, existe una base de £ que es subsistema de (v¡,U;> v M). Pero todas las bases
9. DIMENSIÓN DE UN ESPACIO VECTORIAL 79

de F tienen n vectores, luego los vectores de tal base deben ser precisamente los n
generadores V\, v _ > , v n.
• Si n vectores v i, v¿, ..., v „ de £ son linealm ente independientes, entonces el
sistema (v \, v>, ■■■, v n) es una base de E.
El sistema libre (v ¡,V 2 , . . . , v „ ) se puede ampliar hasta una base de E (el', proposi­
ción 1.16, p. 77); pero tal base tiene n vectores, luego éstos deben ser los del sis­
tema (V|,t/ 2, . . . , V n).
• lo d o sistema de vectores de F. formado por más de n vectores es ligado.
Si ( v i , v m), sistema de m vectores de E, con m > n, fuera libre, también lo
sería (iM ,V ;> ,...,vn), que por tanto sería una base de E (consecuencia anterior). Pero
en tal caso, el vector por ejemplo, sería igual a una combinación lineal de los
vectores V\, v _>,..., v„, lo que contradice que el sistema (t>\, v >,. . . , v,„) sea libre.
• E l número máximo de vectores linealm ente independientes de E es n.
No puede ser mayor que n, pues todo sistema con más de n vectores es ligado.
• Si los vectores v ¡, v >...........v ,„ son generadores de E, es posible escoger entre
ellos n vectores linealm ente independientes, pero no más de n.
Aplicando el teorema de la base incompleta como se hizo en la primera consecuen­
cia, podemos afirmar existe una base de £' que es subsistema del sistema de genera­
dores [v\,V 2 f , , v m)', existen, pues, n vectores linealmente independientes entre los
generadores v¡, V:, . .., v,„. Que no puedan ser más de n se reduce a la consecuencia
anterior.

la dimensión de P ro p o sició n 1 .1 7 S iE es un espacio vectorial de dimensión fínita y F es un subes­


un subespacio pacio vectorial de E, entonces E es un espacio vectorial de dimensión fínita, y
vectorial es
menor o igual d im F ^ d im F .
que la de su
Si además F * £ (es decir: F c E), entonces: d im F < d im F .
espacio vectorial

Demostración Sea p el máximo numero de vectores linealmente independientes de F. Se


tiene: p « dim £, pues también son vectores de F. linealmente independientes.
Si f = ¡0 1, entonces p = 0. Y si F * (01, entonces p vectores de F linealmente indepen­
dientes forman una base de F, pues si tales vectores no fueran generadores de F, existiría
algún vector de F que no sería combinación lineal de ellos, y podríamos encontrar p + 1 vec­
tores de F linealmente independientes (cf. ejercicio 5, p. 70). En cualquiera de los dos casos,
se verifica que el subespacio vectorial F es un espacio vectorial de dimensión finita igual a p,
que es menor o igual que la dimensión de F.
Finalmente, si f * {0} y F C F, no puede ocurrir que p sea igual a dlmF, pues en tal
caso p vectores linealmente independientes de F formarían una base de F, y F sería igual
a F. Y si F = [01 y F C E, es obvio que p < dimF. En consecuencia, si F c F, podemos
escribir: p = dim F < dim F. c.q.d.
So I. ESPACIOS VECTORIALES

C o ro la rio Si F £ £ y d i m f = d im £ , entonces F = F.

Demostración Si F no fuera igual a £, entonces F estaría estrictamente contenido en E, y


la dimensión de F sería menor que la de E, en contra de la hipótesis. c .q .d .

1.10 RANGO DE UN SISTEMA DE VECTORES

I. D e fin ició n de ran g o de un sistem a de vecto res El rango de un sistem a de


vectores se define com o la dim ensión del su besp acio vectorial que generan:

Definición

Rango de un C on siderem os u n espacio vectorial E de dim ensión finita. Si iq , 1/2. v„


sistema de son vecto res de E, se define el ran go de esto s vectores, o el rango del sis ­
vectores (o rango tem a ( v i , V 2 ,... , v „ ) , que se denota: rango ( v i , V 2 , . . . , v n), com o la dim ensión
de unos vectores) del su bespacio vectorial I ( v ¡ , V j , . . . , v n) de £ :

rango (v \ , V 2, ... , v n) = d im L ( v \ , V 2 , . . . , v n) •

Consecuencias de la definición de rango Sea £ un espacio vectorial de dim ensión


finita con d im £ = n, y sean V\, V 2 , . . ., v m vecto res de £ . Se verifica:
• Si rango (v 1 , i/_> v m) = p, entonces p es el número máximo de vectores
linealm ente independientes que figuran entre los vectores Vy, v ¿ , . . ., v m.
Si p » 1, esto es: rango(i>i, 0 ;>.---.t, m) = dim l. ( y lt v> o,,,) = p s* I, de las con­
secuencias de la definición de dimensión se deduce el resultado. Si p = 0, es decir:
dim L ( v ¡ , V 2 v m) = 0, entonces los vectores i q , v ¿ v,„ son todos nulos, y no
hay entre ellos vectores linealmente independientes.
• rango ( v ¡ , v 2 , v m) < m , y este rango es igual a m precisam ente si los vec­
tores V\, v ¿ o,,, son linealm ente independientes.
Se deduce inmediatamente de la consecuencia anterior.
• rango ( v i , t ' 2 , . . . , v m) < d im £ .
En efecto, en un espacio vectorial de dimensión dim £ = n no hay más de n vectores
linealmente independientes.
• Si w es igual a una combinación lineal de los vectores v ¡, V 2 , v m, es decir,
si w = oi]V¡ + « ¿v¿ + ••■+ « m v ,„ para unos escalares « i , « 2. • • •> « w . entonces:
2
rango ( w , v ¡ , v , . . . , v m.) = rang o ( t t i , t ; 2 , . . . , v m).
Es consecuencia de que L ( w ,v ¡ ,v > ........v ,„) = L (1/ 1 , v ? , . .. , v m).
• Si los vectores v 1 , v ¿ , . . ., v m son generadores de E, entonces su rango es igual
a la dimensión de E.
Pues: rango ( v i , t»_>........v ,„ ) = dim L ( 1/1 , v ¡ , . . . , v , „ ) = dim £.
RANGO DE UN SISTEMA DE VECTORES 81

• Si a es un escalar no nulo y en el sistem a (v ¡ , v>, ■■■, v m) sustituim os el vec­


tor v, (con 1 =s im ) por otv¡, entonces el sistema resultante tiene e l mismo
rango que e l prim ero; es decir:

rango ( v i ....... a v ¡ , . . ., v m) = rango ( t i| v ¡ , . . . , v m) .

Teniendo en cuenta que K ( av¡) = K v , (al ser « no nulo), se tiene:

rango (t>i, . . . , cxv, , . . ., u,,,) = dim l.(v¡ .......a i/ ;,. . . . v „ ,)


= dim(Ki/| + • ■ ■ + K (« u ,) + • • • + Ku,,,)
= dim (K.i'i + ■•■+ BCu, + • - • + Ki»m)

= rango ( i;, v, i/m) .

• S i en e l sistema ( t o ........v , v , , v m) perm utam os entre s í dos vectores,


.
por ejemplo: v ¡ y v ,, entonces e l sistem a resultantetiene el mismo rango que el
primero. Esto es:

rango ( v i , . . . . v lt . . . , v ¡ , . . . . v , „ ) = rango ( v ¡ v¡ v ¡ , . . . , v m) .

En efecto:

rango = dim (Ki»i + • • • + K v , + • • • + IKtíj + ■ • ■ + K r m)


= dim (K.V| + • ■ ■ + « ii j + • • • + K.tii + ■ • • + K iim)
= rango ( o ,,. . . , v ¡ i / , t > m) .

• rango (0 ) = 0.
Pues: rango (0) = dim L (0) = dim {0! = ü.

EJEMPLO 56 Si v es un vector de un espacio vectorial E, entonces el rango del sistema (v, 2v, 3v) es:

0, si v = 0,
rango (v , 2v, 3v) =
1, si u * 0.
EJEMPLO 5 7 El rango de los vectores ( 1 , - 1 , 1 ) , ( 1,0 , - 1 ) y ( 2 ,4 ,- 1 0 ) de es igual a 2.
En efecto. Como los vectores ( 1 , - 1 , l ) y ( 1 , 0 , - 1 ) son linealmente independientes, y el
vector ( 2 , 4 , - 10 ) es combinación lineal de ellos:

- 4 (1 ,- 1 ,1 ) + 6 (1 ,0 ,-1 ) = (2 ,4 ,-1 0 ),

el máximo número de vectores linealmente independientes entre los vectores dados es dos;
podemos escribir:
ra n g o ((l, —1,1), (1,0, —1), (2 ,4 ,—10>) = 2.
I . ESPACIOS VECTORIALES

EJERCICIO 8 Estudiar según ¡os valores de a, b y e el rango de los vectores ( 1 , 0 , 0 ), (¿>,0,-1) y (0, c, c)
de KA A

El rango no varia P roposición 1. 18 No se modifica el rango de un sistem a de vectores ai sustitu ir


si se suma a un uno de ellos p o r la suma de él m ism o y una combinación lineai de ios restantes.
vector una
combinación D em ostración Sea (v\,v->,~..,vn) un sistema de vectores de un espacio vectorial F, y
lineal de los elijamos en él un vector, por ejemplo: iq , y si « 2, son escalares, consideremos el
demás
vector:
v [ = t>| + «2t>2 + •■■+ «„t>n, (31)

y por tanto:
V| = l>¡ - («2t>2 + ' ' ' + «n«ii) • (32)

De (31) se deduce: {t>j,t>2 , . ■•, v „ j £ I(t> i, v?, -.., t>„), y por tanto (cf. ejercicio 6, p. 72):

L(v\, v ¿ , . . . , v n) £ L(t>i,t>2, . . . , t 'n ) ; (33)

a su vez, de (32) se deduce: {v i, , i/,,} £ L(v\, v ¿ , ..., v „ ), y por tanto:

E(i>i,i>2,...,i>,t) £ L ( v \,V2,---, v „) . (34)

De (33) y (34) se obtiene: L ( v i , v >, ..., i',¡) = I.(v \, v 2, .. ., t>„), y en consecuencia:

rango (t>i, i v „ ) = dim L ( v ¡ , v¿. . . . , v n)


= dim F ( v ¡ , i>2, . . ., t>„) = rango (t>'|. v 2 i'n) ,

y en conclusión:

rango ( v i , v ¿ , v „ ) = rango (vj c i\2v> + ■■■+ « „ t>„, v 2 i> „).


c.i i.i >.

El rango P rop osición 1. 1 9 Si v i, v ¿, . . v n son vectores de un espacio vectorial F. de


disminuye en I si dimensión fínita, y iv es un vector de E que no es igual a una combinación lineal de
se extrae un ellos, entonces:
vector que no es
combinación rango (u>, t>], v ¿, ■■■, t r „ ) = rango i v\, v¿, ■■. , v n) + 1.

lineal de los
demás
Dem ostración Designemos por p el rango de los vectores t>i, t>>.......u„-
Si p = 0, entonces iq = v >= ... = v „ = 0, y puesto que tt> no es combinación lineal de v i ,
i>2, ..., v „ , se tiene: w * 0, y

rango = rango (te) = 1 = rango ( tq, i>2, . . . , v „ ) + 1.


RANGO DE UN SISTEMA DE VECTORES

Si p J 5 1, entonces hay p vectores linealmente independientes entre los vectores 1/1 ,


t>2 v,u y no más de p; podemos suponer, sin pérdida de generalidad, son los p pri­
meros: t>i, v¿, . . . , v,,. De esta forma se tiene: L(v ¡ , v ¿ , . .. , v„) - L ( v ¡ , v >,. . ., v p), y de
acuerdo con el ejercicio 6(e) (cf. p. 72), podemos escribir:

L(w ,v ¡,V j v „ ) = L(w, v ¡ , v >....... v r ) ,

de donde:
rango (w , v ¡ , v ¿ ....... v,,) = rango (w, v¡,v->,...,v p) . ( 35)

Ahora, como.w no es igual a una combinación lineal de los vectores v¡, Vj , ..., v n, tam­
poco es igualauna de los vectores v ¡ , v ¿ v p, así que el sistema ( w , v \ , v > , . . . , v P) es
libre (cf. ejercicio 5, p. 70), y se tiene:

rango (ie, V i , v¿ ................... v r ) = p + 1. (36)

Finalmente, de (35) y (36) se concluye:

rango (w, V ], v> u n) - rango (w, .. , v p) = p + 1 = rango (i/i, i>2....... v „ ) + 1 .


c.q.n.

2. Ejem p lo s de c á lc u lo de ra n g o s Las proposicion es 1.18 y 1.19 perm iten cal­


cular en la práctica el rango de u n sistem a de vectores de R ". V eam os con un ejem plo
el procedim iento.
C alculem os el rango de los sigu ien tes vecto res de IR3:

t;, = ( 1 , 1 , 0 ) , i/2 = ( 2 , 1 , 1 ) , v.i = ( 0 , 0 , 1 ) , vA = ( - 1 , 0 , 2 ) .

En prim er lugar, elijam os un vector cu ya prim era com ponente sea no nula; por
ejem plo: v\.
A continuación, consid eram os el vector:

v> = 1/2 + « i / i >

donde a es un escalar tal que la prim era com ponente de v 2' es nula. Nos sirve « = - 2 :

v'¿ = v> - 2 v\ = ( 0 , - 1 , 1);

de acuerdo con la proposición 1.18 (cf. p. 82) se tiene:

13
rango ( i/ i, v¿, / , 1/4 ) = rango (t/i, v'¿, 1/ 3, v A) . (37)

A nálogam ente, definim os lo s vecto res 1/3 y v \ a p artir de t/3 y 1/4, resp ectivam en te, y
sirviéndonos de v ¡ p ara con segu ir que la prim era com ponente resu lte nula:

v 3' = 1/3 + 0t/] = ( 0 , 0 , 1),

1/4 = v 4 + V\ = ( 0 , 1 ,2 ) .
84 I. ESPACIOS VECTORIALES

A plicando d o s v e c e s con secu tivas la proposición 1.18 , se obtiene:

rang o ( v \ ,v '2, v ¡ , V 4 ) = rang o ( v , , v'^ v'^.v^) = rango ( v i . r í , v\, v \ ) ,

y con (37) se deduce:

r a n g o ( ( l, 1 , 0 ), ( 2 , 1 , 1 ), ( 0 , 0 , 1 ), ( - 1 , 0 , 2 ))

= r a n g o ( ( l, 1 , 0 ) , ( 0 , - 1 , 1 ), ( 0 , 0 , 1 ), ( 0 , 1 , 2 ) ) .

Los vecto res v',, v 3' y v\, es decir: (0, - 1 , 1 ) , ( 0 , 0 , 1 ) , ( 0 , 1 , 2 ) , tienen su prim era
com ponente n u la, y p o r tanto lo m ism o le ocurrirá a cu alq u ier com binación lineal de
ellos. En particular, el vecto r v ¡ = ( 1 , 1 , 0 ) no se rá com binación lineal d e v '., t/f y v',.
En consecuen cia, y de acuerdo con la proposición 1.19 (cf. p. 82):

ra n g o ( ( 1 , 1 , 0 ), ( 0 , - 1 , 1 ), ( 0 , 0 , 1 ), ( 0 , 1 , 2 ))

= 1 + rang o ( ( 0 , —1 , 1 ), ( 0 , 0 , 1 ), ( 0 , 1 , 2 ) ) .

A hora, llevam os a cabo un procedim iento an álogo con los vecto res v'¿, v'¡ y v\:
com o su s p rim eras com pon en tes so n n u las, b u scam o s un o de ello s que tenga no
nula su seg u n d a com ponente, por ejem plo: v'>, y sirvién don os de él ob ten em os de
lo s restan tes vectores, esto es, de v 't y v'A, vecto res cu y a seg u n d a com ponente sí sea
nula. Definim os:

v 'í = v 'i + 0 t>2 = ( 0 , 0 , 1 ),

v '¡ = 0 4 + v-, = (0 ,0 ,3 ),

y de acu erd o con las propo sicio n es 1 .1 8 y 1.19 , se tiene:

r a n g o ((0 , - 1 , 1 ), ( 0 , 0 , 1 ), ( 0 , 1 , 2 ) ) = r a n g o ((0 , - 1 , 1 ), (0 , 0 , 1 ), ( 0 , 0 ,3 ) )
= 1 + r a n g o (((),0 ,1 ), ( 0 , 0 , 3 ) ) .

El vector 1/3 , es decir: ( 0 , 0 , 1 ) , tiene no n u la su tercera com ponente. Si co n sid e­


ram os: o 4" = v 'l - 31/'/ = ( 0 , 0 , 0 ), se cum ple:

ra n g o ( ( 0 , 0 , 1 ), ( 0 , 0 , 3 ) ) = 1 + ra n g o ( ( 0 , 0 , 0 )) = 1 + 0 = 1 .

Finalm ente, recapitu lando lo obtenido:

r a n g o ( t 'i , V 2 ,tr;¡,t/4 ) = 1 + ra n g o ( i r ^ t ^ , ! ^ )

= 2 + rang o (v 'í, v 'í)

= 3 + rang o (U 4" ) = 3.
I . SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS «5

EJEMPLO 58 Calculemos el rango de los siguientes vectores de IR-1:

v, = ( 0, 0,1,0 ), v-> = (0,1,1,-1), Vi = (0,-1 ,2,1),

v 4 = (0,0,0,01, = (0,2,1,11.

La primera componente de todos estos vectores es nula. Buscamos, pues, alguno que
tenga la segunda no nula. Por ejemplo: v?. Sirviéndonos de v >, obtenemos los vectores:

v\ = v, = ( 0 , 0 , 1 , 01 ,

v\ = Vj + Vj = (0 ,0 ,3 ,0 1 ,
v\ = v A = (0 ,0 ,0 ,0 1,

v ’- = v-, - 2v-¿ = ( 0 ,0 ,- 1 ,3 ) ,

y aplicando las proposiciones 1.18 (cf. p. 82 ) y 1.19 (cf. p. 82):

rango (v ¡ ,v¡, v :i, t>4, v-,) = I + rango ( v ,, v j, v j, v j ) .

La tercera componente del vector v\ no es nula: a partir de él definimos los vectores del
siguiente paso:

v'¡ = v j - 3 v j = (0 ,0 ,0 ,0 1,

v j= v j = ( 0, 0, 0, 01 ,

v" = vj + v\ = (0 ,0 ,0 ,3),

de donde se deduce: rango (t>í, v j , v j , v j ) = 1 + rango (vj', v j , v j ).


Sólo hay un vector con la siguiente componente no nula: vj', y por tanto:

rango ( v j , v j ' , v j ) = 1 + rango ( v j , v j ) = 1 + 0 = 1 ,

y recapitulando: rango (v ¡,v¿, v ¡ , v 4, v 5) = 3 .

1.11 SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS

Ejercicio l Sea p e E * = K - ¡0 ¡ . Se tienen las sigu ien tes equivalencias:


(p. 4 1)
(x\,x>) e Bl ( a , b ) <=> x\ = Aa y x-¿ = Alt para algún A e IR

<=> X] = A'( / ja ) y xn = A '(jib ) p ara alg ú n A'

<=> {X],x-¿) e R ( p a ,p b ) ,

donde A' = A/p.


86 I. ESPACIOS VECTORIALES

Este re su lta d o pu ed e gen eralizarse a un esp acio vectorial cualquiera: si tu es un


vecto r de un esp acio vectorial E so b re un cu erp o K , y j / es un e sc ala r d istin to de 0,
en ton ces se verifica: K (p to ) = Ktu. La p ru eba es an áloga a la efectu ad a en el p árrafo
anterior.

Ejercicio 2 El sistem a ( ( 1 ,0 ,0 ) , (0, l , a ) , ( 0 , a , 1») e s ligado precisam en te si existen tres escala­


(p. 6 6 ) res « , /I y y , no lo d o s nulos, ta le s que:

« ( 1 , 0 ,0 )+ 0 (0 , 1 , a ) + y ( 0,a , 1) = (0 , 0 , 0 ),

o bien:
« = 0, 0 + y a = 0, 0ti + y = 0. (38)

Supon gam os que « , 0 y y so n tres n ú m eros que verifican (38). De la segun d a


igu aldad se obtiene: 0 = - y a , que su stitu id o en la tercera n o s da: - y a 1 + y = 0, o
bien: y (1 - a 2) = 0.
Si 1 - a 2 * 0, de la igualdad an terio r se dedu ce que y = 0, y su stitu y e n d o en (38)
se obtiene que « = 0 = 0. De esta form a, si 1 - a 2 + 0, los escala res « , 0 y y son
n ecesariam ente nulos, y po r tanto lo s vecto res ( 1 , 0 , 0 ), (0 , 1 , a ) y ( 0 , a , 1 ) no so n li­
nealm ente depen d ien tes, o lo que e s lo m ism o: el sistem a ( ( 1 , 0 , 0 ), ( 0 , 1 , a ) , ( 0 , a , 1 ))
no e s ligado.
A nalicem os ahora qué ocurre si 1 - a 2 = 0, e s decir, si a = 1 o a = - 1 . En el caso
en que a = 1 , las igu ald ad es de (38) se redu cen a:

« = 0, 0 + y - 0, 0 + y = 0,

las cu ales son verificad as —por ejem p lo — po r « = 0, 0 = 1 y y = - 1 . En co n se­


cuencia, en el caso en que a = 1 , lo s vecto res ( 1 , 0 , 0 ), (0 , a , 1 ) y (0 , l , a ) so n lineal-
m ente d ep en d ien tes, p u es hem os en con trad o tres escala res no todos n u lo s —pre­
cisam en te: 0, 1 y - 1 —, que verifican : 0 ( 1 , 0 , 0 ) + 1 (0 , a , 1 ) + (—1 )( 0 , l , a ) = (0 , 0 , 0 ).
Un an álisis análogo nos m ostraría que en el caso en que a = - 1 tam bién e s ligado
el sistem a ( ( 1 , 0 , 0 ), (0 , l , a ) , (0 , a , 1 )).
Recapitulando: el sistem a ( ( 1 ,0 ,0 ) , ( 0 , 1 , a ) , (0, a , 1) ) e s un sistem a ligado pre­
cisam en te si a = 1 o a = - 1.

Ejercicio 3 C onclu ye el ejercicio 2 con la afirm ación de que el sistem a ( ( 1 ,0 ,0 ) , (0, l , a ) , ( 0 ,a , 1) )


(p. 69) e s ligado p recisam en te si a = 1 o a = - 1 . Este sistem a ( ( 1 ,0 ,0 ) , (0, i , a ) , ( 0 ,a , 1 ) ) es
en ton ces libre p recisam en te si a = 1 y a * - 1.

Ejercicio 4 La condición es necesaria. Supon gam os que w no e s igual a una com binación lineal
(p. 70) d e los vecto res v ¡ , v ¿ ........v „ , y sean « i , « 2 , . . . , « „ y 0 escala res tales que:

« i t ' ¡ + « ¿ v ¿ - - • • • + a nv „ + 0 iu = 0.
SOLUCION DE LOS EJERCICIOS PROPUESTOS 87

Si ocurriera que P es no nulo, de esta igu aldad podríam os deducir:

w =p 1 ( —ex 11 »1 - a>v¿ - - a „V i,),

lo que estab lecería que w es com binación lineal de tq , v¿, v n, en contra de lo


su pu esto. Por tanto, n ecesariam en te se tiene: p = 0.
La condición es tam bién suficiente. Supongam os que de cu alquier igu aldad de la
form a oí] tq + OÍ2V 2 + • • • + a nv n + pw - 0 se deduce que P = 0. Si w fu era igual a
una com binación lineal de tq , v¿, .. . . v n, es decir, si w = y\V\ + y ¿ v ¿ + • • • + y „ v „
para algunos escalares jq , y ¿ , . . y„, se verificaría:

y i tq + y j V j ■+■■■ + y nv n + p w = 0 (39)

para P = - 1 , y llegaríam os a u n a contradicción, p u es de verificarse (39) debería


dedu cirse que P = 0.

Ejercicio 5 Sean o q , oí2 , . . . , oq, y p escalares tales que:


(p. 70)
p w + oqtq + oí2 + • • • + n nv n = 0. (40)

Com o el vector w no es igual a u n a com binación lin eal de i>i, 1/ 2. • • •. v,u de (40) se
deduce: p = 0 (cf. ejercicio 4, p. 70), y po r tanto ex 11/ l + a ¿ v ¿ + • • • + a nv n = 0,
de donde se infiere son n u los los escalares « 1 , « 2, . . . . oí„, p u es los vecto res v\,
v¿ v „ son linealm ente in d epend ientes. En consecuencia, de la igualdad (40) se d e­
duce: P = l\ 1 = oí2 = . . . = oí„ = 0, lo que estab lece que el sistem a ( w , v 1 , 1/2 v n)
es un sistem a libre.

Ejercicio 6 Se tiene:
(p. 72) a) Si Vj e A, en tonces podem os escribir: v ¡ = oq V\ + oí¿ v ¿ + • • • + Oí,,iq,, donde:
oí, = 1 y « , = 0 si i t j. Todo vector de A es, pu es, com binación lineal
de n i, v i, . . . , v n, que es lo m ism o que decir que todo vecto r de A pertenece
a L (A ): A £ L (A ).

Nota bene Puede ocurrir: A = H A ), como sucede si .4 = (0). a

b) Si A £ F, entonces iq , v > v „ son vecto res del su b esp acio vectorial F, y


toda com binación lineal de ellos p erten ece a F , es decir: L (A ) £ F.
c) Es un caso particular de (b), tom ando: F = L(B ).
d) Se tiene la siguiente cad en a de im plicaciones:

(a) (c)
(A es su b sistem a de B ) => A £ L(B ) => L ( A ) £ L (B).
88 I. ESPACIOS VECTORIALES

e) Se tiene la siguiente cadena de im plicaciones:

¿(.4) = L(B) ^ 4 c U B ) = > A Q L(B, ( u) )

A u íu} s L(B, (u)) ^ l(4,(« ))sL (fi,(u ))p

y análogam ente se dem ostraría: L(B, (« )) s L ( 4 , {« )).


f) Se tiene: A es su b sistem a de B, B Q E y L {A ) - E, y com o consecuencia:

E = L (A ) <= L iB ) <= £ ,

de donde: I ( B ) = E, e s decir: B es un sistem a de gen eradores de E.

Ejercicio 7 Supongam os, p o r ejem plo, que B e B ' . Entonces cada vecto r de B figura en la base
(p. 72) y existe algún vector de 6' —con sid erem os que es u q — que no pertenece a tí.
Como B es u na b ase de E, el vecto r w ¡ es una com binación lineal de los elem entos
de B: wq = oqtq + cc¿Vi + • • • + cxpv p, de donde:

c q tq + « 21/2 + • ■ ■ + ctpVp —w ] = 0.

Pero esta últim a igualdad es u n a form a de exp resar que (tq , t q , . . . , v p, u q ) es u n sis-
tem a ligado, en contradicción con el hecho de que ( t q , v 2, ■■■, v p , u q ) es u n sistem a
libre (al ser su b siste m a del sistem a libre B').
Un argum ento análogo dem ostraría que no pu ed e ocurrir que B ’ esté estricta­
m ente contenido en B.

Ejercicio 8 D enotem os por r el rango de los vectores ( 1 , 0 , a ), (b , 0 , - 1 ) y (O .c.c), es decir:


(p. 8 2 ) r = ra n g o ((l, 0 , a ), (b, 0 , - 1 ), (0 , c, c)).
En prim er lugar, o b se d a m o s que ( 1 , 0 , a ) y (fi, 0, - 1 ) son lin ealm en te in d epen ­
dientes precisam ente si ab * - 1 . De esta fo n n a, si ab = - 1 , entonces:

r = ra n g o (( 1 , 0 , u ) , ( f i . 0 , - 1 ), ( 0 , c , c ) ) = r a n g o ( ( l, 0 , a ) , ( 0 , c , c ) ) ,

y así r es igual a 1 si c = 0, y es igual a 2 si c * 0.


Por otro lado, si ab * - 1 , com o ya sabem os que ( 1 , 0 , a ) y (b , 0, - 1 ) son lin eal­
m ente independientes, sólo n o s resta estu d iar si el tercer vector: (0 , c , c ) , es igual a
u na com binación lineal de ello s. D esde luego, si c. = 0, la re sp u e sta es afirm ativa, y
se tiene:
r = rang o ( ( 1 , 0 , a ) , (fi, 0 , - 1 )) = 2 .

Si c * 0, su pongam os se verifica la igualdad:

« ( 1 , 0 , a ) + ¿f i f i , 0 , - 1 ) + y ( 0 , c , c ) = ( 0 , 0 , 0 )
SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS

(para alg u n o s escala res a , /I y y). Esta igu aldad vectorial e s equ ivalen te a e sta s tres
igu aldades:
a + pb = 0, ye = 0, a a - /) + ye = 0,

y d e la seg u n d a de é sta s se obtiene: y = 0. El resu ltad o del ejercicio 4 (cf. p. 70) p er­
m ite in ferir que ( 0 , c , c ) no es igual a u n a com binación lineal de ( 1 , 0 , a ) y (b, 0 , - 1 .
y en conclusión:
r = r a n g o ( ( l,0 ,a ) , (Z->,0, - 1 ), ( 0 , c ,c ) ) = 3.

Resum im os en el sigu iente cuadro lo obtenido en este ejercicio:

c =0 c * 0
ah = -1 r = 1 r = 2
a b --¡t -1 r =2 r =3
I. E S P A C IO S V E C T O R IA LE S

RECAPmJLACION I
D e fin ic ió n d e e s p a c io v e c t o r i a l Consideram os un conjunto £ no vacio y un
cuerpo ( & , + , • ) conmutativo:
• £ es un e sp a cio v e cto ria l so b re el cu erp o & significa: sobre £ están definidas:
© una ley de com posición interna que articula £ com o grupo abeliano;
o una ley de com posición externa para K que verifica: es asociativa en los
elem entos de &, distributiva respecto de la operación - de &, distributiva
respecto de la operación + de £ , y neutra para el elem ento 1 de
Se llama a los elem entos de £ v e c to re s; a los de K, escalares.
» Propiedades:
o V x e £ , Ox - 0,
o V A € K, .\0 = 0,
o V x € £ , - x = ( - 1 )x .
,\ = 0
o V A € K, V x e £, A x = 0 <=> o
x — 0.
• K es espacio vectorial sobre K: al considerar la operación • como operación
externa.
• K " (n * 1) es espacio vectorial sobre Di con las operaciones:

( « I , « 2 ......... « „ ) + ( / 3 | , / 5 j , . . . , / i n ) = ( « I + 0 1 , «.> + « „+ / !« )

A ( r t i,« 2 « „ ) = ( A« i , Ao t j Aa„).

En particular: K " e s espacio vectorial sobre R.


• Dados dos espacios vectoriales £ y F sobre K, F f (conjunto de las aplicaciones
de £ en F) es espacio vectorial sobre K con las operaciones:
o adición de aplicaciones: l / + ¿? ](x ) - / ( * ) + ¿rix);
o m ultiplicación por un escalar: [ A / ] ( x ) = A / ( x ) .
El elem ento neutro de la adición de aplicaciones se denota: O, y verifica: V x e
E, O f x ) = 0 r (donde 0 , designa el elem ento neutro de la adición de vectores
de £).
• Para un vector ( « i , a ¿ ctn) de « ¡ es su p rim era com ponente, otj es su
segu n da com ponente, etc, y « , es su t-ésim a com ponente (1 < i n).

S u h e s p a c io s v e c t o r ia le s Consideram os un espacio vectorial £ sobre un cuer­


po K:
• Su b esp acio v e cto ria l de £ : F Q E , F no vacío, y tal que:

(V A € K, V v € F, A v € F ) .
’é CAPITULACIÓN I 9i

• l’ropiedades:
o si F es su besp acio vectorial de F , en ton ces: 0 e F;
o todo su besp acio vectorial es espacio vectorial;
o {0} y E son su b esp acio s vectoriales de F ;
o K z = \cxz | íy e ü£} es su b esp acio vectorial de F;
o la intersección de su b esp acio s vectoriales es un su besp acio vectorial.
• Condición n ecesaria y su ficien te: F es su b esp acio vectorial precisam en te si:
V ( « , / i ) e K 2, V ( v , w ) e E 2, a v + fiw e F.
• El conju nto { ( X |,X 2, . . . , x „ ) € 1 " I a 1 X 1 + a ¿ X 2 + ■■■+ a nx n = 0 ¡ es su b e s­
pacio vectorial de IR".
Si (a ,b ) * (0 ,0 ): { ( x i , x ? ) e IR2 | ax\ + bx> - 0} = \Sí(-b,a).

Su m a de sub esp acios ve cto ria le s C onsideram os un espacio vectorial E sobre


un cuerpo &:
• Si /I e £ y B s ¿' son no vacíos, se define:

A + B = [x + y \ x e A y y € B ] .

C aso particular: x + A = ( x l + A.
Si A i , A 2 , . . . , A „ son su b co n ju n to s no vacíos de F , se define la sum a /Ai + A¿ +
• • • + A „ com o el conjunto:

¡X i + X;> + • • • + X n |X | £ A i , X 2 G A-¿, . . •, V X (j£ / A | ] } .

• Si F j , F¿ , . . ., F„ son su b esp acio s vectoriales, su sum a es su b esp acio vectorial.


• Dos su besp acios vectoriales F y G son in d ep en d ien tes si: todo vector de F + G
se pu ed e obtener de m anera única com o su m a de un vector de F y un vector
de G.
Si F y G son ind epend ientes, su su m a se llam a su m a d irecta, y se denota: F e G.
Condición necesaria y su ficien te de independencia: F y G son independientes
precisam ente si: F n G = ¡ 0 ] .
Dos su besp acios vectoriales F y G son su p le m e n tario s si: son independientes
y su su m a (directa) es £ : F © C = F.
• C om binación lin eal de los vecto res t/j, V 2 , ■■•, v n de F: cada vector del su b e s­
pacio vectorial IKt/i + K t »2 + • • • + K u „ .
Un vector z e F e s u n a com binación lineal de V \, v 2, . . . , v n si y sólo si existen
escalares « i , a 2, a n tales que: z = « í V i + (X2 V 2 + ■••+ & nv n-
Toda com binación lineal de vecto res de un m ism o su besp acio vectorial p e rte­
nece al su b esp acio vectorial.
92 I. ESPACIOS VECTORIALES

Su b e sp a cio s a fin e s C o n sideram os un e s p a d o vectorial £ sobre u n cu erp o K:


• Su b esp acio a fín de £ : A Q £ , ,4 no vacío, y A = v + E , con v e E y F su bespacio
vectorial de E.
Son su b e sp acio s afin es de E: ¡u i (donde u e E), y cu alq u ier su b esp acio vecto­
rial d e E.
• R ecta de E: v - Kit», donde w * 0. Toda recta de £ es su b esp acio a fín de £ .
• Propiedades:
o (w e v + F ) <=> {w + F = v + F);
o (v + £ es su b esp acio v e c t o r ia l) (v e £ ) ;
o si v + E = iv + G, entonces £ = G;
o la intersección d e su b esp acio s afin es, si no es vacía, e s su b esp acio afín.
• H iperplano de K " : d ad os a i, a¿, . . . . a,, núm eros re ales no sim ultáneam ente
nulos, es el conjunto:
n
{{ x \ , x 2 ........ x „ ) e O & " | ^ a j X i = d ] .
í=i
T od o h iperplano de K '1 e s su b esp acio afín de K " .
• Su b esp acios afin es p aralelos: v + F y w + G so n p aralelo s si: £ = G.
El su b esp acio afín v + F es d éb ilm en te paralelo al w + G si: £ c G.
• C om binación a fín de los v ecto res w ¡ ,u>¿,... , w „ de E: todo vecto r de la forma:
í\iU>i + cijW j + ■■■+ c<nWn¡ donde « i + «2 + ••• + «„ = 1.
i odo vecto r que es com binación a fín de vecto res de un m ism o su b esp acio afín
pertenece al su b esp acio afín.

Siste m a s de vecto res C o n sideram os un esp acio vectorial £ :


• Sistem a de v e c to re s de £ : lista, o colección, finita o rd en ad a de vecto res d e £ .
El sistem a S form ado po r los vecto res V\, v ¿, ■■., v n se escribe de esta form a:
S = (v i,v 2 v n), y de ello s se dice son lo s vecto res de S.
El ca rd in a l del sistem a S es: C ard (S) = Card (v \ ,V 2 ......... t'» ) = n.
• Que el sistem a S es su b sistem a del sistem a S ’ significa: todo vector de S es
de S ’ y 110 figu ra en la lista de S m ás veces que en la de S ‘.

V ectores lin e a lm e n te d ep en d ien tes C on sideram os un esp acio vectorial £ s o ­


bre un cu erp o K:
• Los vecto res v \, v nde £ so n lin ealm en te d ep en d ien tes, o bien: el siste ­
m a ( v \ , v > , . . . , v n) e s un siste m a ligado, si: existen escala res a ¡ , tx-¿, .. .,
no todos nu lo s, tales que oq v\ + <x<v¿ + • • ■ + a „ v n = 0.
• Propiedades:
o (0 ) es un sistem a ligado;
o si v € £ y v £ 0 , en ton ces ( v | no e s un sistem a ligado;
ECAPITULACIONI 93

o todo sistem a en el que figu re el vector 0 es un sistem a ligado;


o todo sistem a en el que uno de lo s vecto res sea igual a u n a com binación
lineal de lo s re sta n tes e s un sistem a ligado;
o dados d o s vecto res: v * 0 y w, (v , w ) es sistem a ligado precisam en te
si w e K.v;
o si B' es su b sistem a de B y B ' e s sistem a ligado, tam bién lo es B.

V ectores lin e a lm e n te in d ep en d ien tes C on sideram os u n esp acio vectorial E so ­


b re un cuerpo K:
• Los vecto res tq , v> v n de E son lin ealm en te in d ep en d ien tes, o bien: el
sistem a (tq , v ¿, •■■, tq,) e s un s iste m a libre, si: lo s vecto res no son linealm ente
depen d ien tes, o equivalentem en te: d e la igualdad a ¡ v [ + a¿v> + • • • + <x„vn = 0
se dedu ce: oq = oq = 0.
• Propiedades:
o (0 ) no es u n sistem a libre;
o s i v G E y v * 0, en ton ces (v ) e s un sistem a libre;
o todo sistem a en el que figure el vector 0 no e s un sistem a libre;
o todo sistem a en el que un o de los vecto res se a igual auna com binación
lineal de lo s restan tes no es un sistem a libre;
o d ad os dos vectores: v * 0 y w , (v , w ) e s sistem a libre precisam en te si
w i IKu;
o todo su b sistem a de u n sistem a libre tam bién e s sistem a libre.

Siste m a s de g en erad o res. B ase s C on sideram os un espacio vectorial E sobre


un cuerpo K, y u n sistem a B = (tq , t q , .. -, v n) de vecto res d e £':
• Notación: L {B ) = L(v¡,v->, ___ v „ ) = & tq + K t >2 + • • • + Ktq,.
• Sistem a de g en erad o res de E: se dice que B es sistem a de gen eradores de E, o
que lo s vectores i q , V 2 , . . v „ generan £ , si: L ( B ) = £.
• B ase d e £ : B es b ase de £ significa: B es sistem a d e gen erad o res de £ y B es
sistem a libre.
C ondición n ecesaria y su ficien te: B es b ase de £ precisam en te si todo vector
de £ se pu ed e ex p re sar de m anera única com o com binación lineal de lo s vec­
tores de B.
C oord enadas de u n vecto r v de £ en la b ase (tq , v ¿ , . ■■, tq ,): los ú n icos e s ­
calares oq, « 2 ........« „ ta le s que: v - oqtq + o¡>v> + • ■ • + a „ v „ .
Base can ó n ica de el sistem a Be = ( c j,C 2 en), con: e¡ = ( 1 , 0 , . . . , 0 ) ,
e> = (0,1,0......0 ) e „ = (0.......0,1).
Las coord enadas de un vecto r de IK" en la b ase canónica son su s com ponentes.
94 / ESPACIOS VECTORIALES

• T e o rem a d e la b a s e in com p leta: si B es u n sistem a d e gen erad o res d e E y v \,


v->, . . . . v,, son vecto res de B linealm ente in d epen d ien tes, en lo n ces ex iste una
b ase de E que es su b sistem a d e B y en la que están lo s vecto res v\, v->, ■■., v p.
Si B\ y B¿ son d o s b ase s de E, entonces: Card(/?| l = Card (£;<).

D im en sió n C on sideram os un esp acio vectorial E:


• D im en sió n finita: que E e s de dim ensión finita sign ifica adm ite u n siste m a de
gen erad ores ( t ' 1 , 1'2 v m).
fin particu lar, E = j0 1 es de dim ensión finita.
Si F. * {0} y e s d e dim ensión finita, adm ite u n a base.
• D im en sión de £ : si £ * ¡ 0 1 , se defin e com o el núm ero de vecto res de cualquiera
d e su s b ase s (que es el m ism o p ara toda base); si £ = ¡ 0 !, se defin e igual a 0.
Se denota: d im £ .
Se tiene: d irn K '' = n, d i m ¡ 0 ¡ = 0.
Propiedades: con sid eram os d i m £ = n , con n s 1:
o n generadores de £ form an una b ase de £ ;
o n vecto res linealm ente in d epen d ien tes de £ form an u n a b ase de £ ;
o todo sistem a de vecto res d e £ de card in al m ayo r que n e s un sist
ligado;
o el nú m ero m áxim o de vecto res linealm ente in d epen d ien tes de £ es n;
o entre lo s vecto res d e u n sistem a de gen erad o res de £ es po sib le esco ger n
linealm ente ind epen d ien tes, p e ro no m ás de n;
o lodo su b e sp acio vectorial de £ es, com o espacio vectorial, de dim ensión
finita m enor o igual que n ;
si el su b esp acio está estrictam en te in cluido en £ , en ton ces su dim ensión
e s m enor que n;
si u n su b esp acio vectorial de £ es d e dim ensión igual a n, en ton ces coin­
cide con £.

R a n g o de u n sistem a de vecto res C on sideram os u n espacio vectorial £ :


• R an go del sistem a (v \ , v z , — v „ ) , o de lo s vecto res v i , v> v „ : dim ensión
del su b e sp acio vectorial que esto s v ecto res generan.
Se denota: rango ( v i , v ¿ , . . . , v n).
Por definición: rango ( t q , v>, ■ = dim v¿ fu).
Se verifica: rango (0) = 0.
• P ropiedades: con sid eram os un sistem a B d e vecto res de £ :
o el núm ero m áxim o de v ecto res linealm ente in d epend ientes de B coincide
con el rango de B\
o el rango de B e s m en or o igual que el cardinal de B, y se da la igu aldad si
zCAPITUL ACIÓN I

y só lo si fl es sistem a libre;
o si d i m £ = n , en ton ces el rango de B e s m enor o igual que n, y se da la
igualdad si B e s sistem a de gen erad o res de £ ;
o si B = ( i/ j, v ¿ v , „ ) y el vector tu es com binación lineal de los vecto res
d e B, al añadir tu a £ el rango no varía:
rango (tu, V\,v> v m) = rango ( u i , u ? , — v m)\
p ero si tu no e s com binación lineal d e lo s vecto res de fl, al añadir tu a £
el rango aum enta en 1:
rango (tu, , v m) = rango ( v i , v ¿ v m) + 1.
• No se m od ifica el rango de u n o s vecto res v \ , v ¿ v m si:
© se su stitu y e uno d e los vectores: v, (1 « i « m), po r a v ¡ , d on d e « * 0;
o se p erm u tan entre si d o s de lo s vectores;
o se su stitu y e uno de lo s vecto res po r la su m a de él m ism o y u n a com bi­
nación lineal d e lo s restan tes.
C a p í t u l o II_______________________________________________

APLICACIONES LINEALES
II. APLICACIONES LINEALES

ESQUEMA - RESUMEN

I n t r o d u c c ió n 99 5. Caracterización de una aplicación lineal


Recordatorio sobre aplicaciones, 99 • Definición de suprayectiva........................................................ 12 7
aplicación lineal, 100 • Propiedades de una aplicación 6. Teorema de las d im e n sio n e s........................ 129
lineal, 1 0 2 • Aplicaciones lineales con conjunto de par­
tida un espacio vectorial de dimensión finita, 104 • El es­ 4. El espacio vectorial C ( E , F ) 13 1
pacio vectorial CIE.F), 108 • Isomorfismos de espacios
vectoriales, 108 • Formas lineales, 109 • Aplicaciones
3. Isom orfism os de esp a cio s vectoriales
afines, 1 1 0 .

I . Definición de aplicación lineal 111 1. Definición de isomorfismo. Espacios vec­


toriales is o m o r fo s .............................................1 32
2. Propiedades d e una aplicación lineal 115 2. Propiedades........................................................13 3
1. Propiedades generales; imagen de una
aplicación l in e a l.................................................l i ó 6. Form as lin eales 13 3
2. Núcleo de una aplicación lin e a l.................... 1 1 7 1. Espacio dual. Formas lin eales........................ 13 5
3. Inversa de una aplicación lineal biyectiva . 1 1 8 2 . Base d u a l ........................................................... i 38
4. Composición de aplicaciones lineales . . . 1 1 8 3. O rtogonalidad................................................... 139

3. A plicaciones lineales con co n ju n io de


7. A plicaciones afin e s 13 9
partida un esp acio vectorial de dim ensión
finila 119 8. Solución d e lo s ejercicio s p ro p u e sto s 14 3
1. Una primera propiedad.................................... 119
2. Rango de una aplicación l i n e a l .................... 1 1 9 R e c a p it u l a c ió n II 14 5
3. Caracterización de una aplicación lineal Definición y propiedades, 145 ■ Aplicaciones lineales
por las imágenes de los vectores de una con conjunto de partida un espacio vectorial de di­
b ase ........................................................................ 122 mensión finita, 140 • El espacio vectorial C IE, F), 147
4. Caracterizaciones de una aplicación lineal - Isomorfismos de espacios vectoriales, 147 • Formas
inyectiva................................................................ 124 lineales, 147 • Aplicaciones afines, 148.
PRODUCCIÓN 99

INTRODUCCIÓN

R e c o rd a to rio sobre a p lic a c io n e s El lector que no esté fam iliarizado con las
aplicaciones o con su m anejo puede con su ltar el apéndice A. No obstante, ofrecem os
en esta introducción u n rep aso de lo m ás esen cial sobre ello.
Recordem os, en prim er lugar, que una aplicación está definida por un con ju n to de
partida, un conju n to de llegada, y una form a de asign ar a cada elem ento del co n ju n to
de partida un elem ento y sólo uno del con jun to de llegada. Por ejem plo, si co n sid e­
ram os el conjunto A = ¡ 1 , 2 , 3 } com o el de partida, el con jun to B = {a ,b } com o el de
llegada, y asign am os al elem ento 1 el a, y a los elem en tos 2 y 3 el b, tenem os una ap li­
cación del con junto .4 en el conjunto B. Si la den otam os por / , escribim os: / ( 1) = a,
para dar a en ten der que al elem ento I le asignam os el elem ento a, y decim os: la im a­
gen por la aplicación / de 1 es igual a a (o f aplica el elem ento 1 en el elem ento a);
análogam ente: / ( 2 ) = b y / ( 3 ) = b.
En segun d o lugar, tenem os interés en record ar los conceptos de im agen por una
aplicación de un su bcon jun to del con ju n to de partida, y de im agen recíproca por una
aplicación de un su bcon jun to del con jun to de llegada. Lo vem os con un ejem plo.
Sea / la aplicación del conju n to A = { 1 , 2 , 3 } en el con jun to B = {«,(?, c ¡ definida
por / ( i ) = a, f ( 2 ) - b y f ( 3 ) = b. Si con sid eram os el su bco n jun to A i = { 1 , 2 } de A,
la im agen por f de su s elem en tos es: f ( l ) - a y f ( 2 ) = b. Se llam a imagen por f del
con ju nto A i al conjunto form ado por estas im ágenes, y se denota: Es decir:
el con ju nto ./'[A i] es el form ado por aquellos elem en tos de B que son im agen por /
de algún elem ento de A i; en sím bolos: / [ A | ] = {_f(x) \ x e A j } = {a , b }. Si, por
ejem plo, A:> = { 2 , 3 } , e n t o n c e s / (2) = / ( 3 ) = b, y f[A z \ = \b\. Y si consideram os
com o su bcon jun to de A el m ism o A, obtenem os: / [ A ] = \a,b} (el elem ento c no
es im agen de ningún elem ento de A); al con ju n to / [ A ] se le llam a imagen de la
aplicación / , y se denota: lm / .
Por otra parte, si consid eram os el su bco n jun to £’ i = {b ,c} de B, todos los ele­
m entos de A cu y a im agen por / pertenece a B\ son 2 y 3 (am bos se aplican en b y
no h ay m ás que se apliquen en b, y a su v e z no h ay ninguno que se aplique en c).
Se llam a imagen recíproca po r f del con ju n to f?¡ al con ju n to form ado por los ele­
m en tos de A cu ya im agen por / perten ece a £’i, y se denota: /~* [#i J; en sím bolos:
= } x e A | f ( x ) e B i} = { 2 , 3 } . O tros ejem p lo s de im ágen es recíprocas
son: / - 1 [ { a } ] = [ 1 }, b í] - U , 2 , 3 } y / _ l [ {c ) ] = 0.

Nota bene Nótese que la palabra imagen aparece de cuatro maneras: imagen de un ele­
mento por una aplicación, imagen de un conjunto por una aplicación, imagen de una
aplicación, e imagen recíproca de un conjunto por una aplicación. a
lo o II. APLICACIONES LINEALES

A continuación, record em os que una aplicación / de un con ju n to .4 en u n con ­


junto B es invectiva si las im ágenes po r / de elem en tos distin tos d e .4 son ele­
m entos distin tos de B\ o dicho de otra form a: d o s elem en tos de 4 que tengan la
m ism a im agen por f son n ecesariam en te iguales. Por ejem plo, si / e s la aplicación
de 4 = { 1 , 2 , 3 ! en B = { a , b , c , d } tal que ./ '(l) = a, / ( 2 ) = b y / ( 3 ) = d, enton­
ce s f es inyectiva, p u es no h ay d o s elem en tos distin tos del con ju n to de partida con
la m ism a im agen por / . Sin em bargo, la aplicación h, entre los m ism os conjuntos,
d efin ida po r / i( l) = a, h ( 2 ) = b y h (3) = b no es inyectiva, pu es h ay al m enos dos
elem en tos distin tos con la m ism a im agen: fi( 2) = /t(3) = b.
Recordem os asim ism o que una aplicación / de un co n ju n to 4 en un con ju n to B
es suprayectiva si cad a elem ento de B (conjunto d e llegada) es im agen po r / de al
m enos algún elem ento d e 4 (conjunto d e partida); o exp resad o de otra form a: si la
im agen de / coincide con B. Por ejem plo, la aplicación u del c o n ju n t o 4 = { 1 , 2 , 3 ! en
el conju nto B = \a, b\ d efin ida po r w ( l ) = b y u(2) = u (3 ) = a es su prayectiva, pues
cada elem en to en el con ju n to de llegada, e s decir, en B, es im agen por u de algún
elem ento de 4 : Im u = B. Pero la aplicación v, entre lo s m ism os co n ju n to s, dada
por 1/ ( 1 ) = v ( 2 ) = i/(3) = a no es su p rayectiva, p u es h ay al m en os un elem en to de B
—precisam ente: b— que no es im agen de ninguno de 4 : Im v = { a } * B.
Finalm ente, record em os que una aplicación biyectiva es una aplicación inyectiva
y su p rayectiva a la ve z. Por ejem plo, es b iyectiva la aplicación / de 4 = 1 1 , 2 , 3 !
en B = \a,b,c\ definida po r / ( 1 ) = b, / ( 2 ) = a y f ( 3 ) = c.

D efinición de a p lic a c ió n lin e a l En e ste capítulo estam o s in teresad o s en aplica­


ciones cu yo s co n ju n to s de partida y llegada so n esp acios vectoriales, y que cum plen
ciertos requisitos. C on siderem os esta aplicación de R 3 en R2:

R3 — -— - R-
(X 1 .X 2.X 3) ----------------(X i - 2 X 2,X 2 + X 3).

Esta notación n o s inform a de lo sigu ien te: la aplicación / tiene com o co n ju n to de


partida R 3 , com o conju n to de llegada R 2, y la im agen po r / de un vecto r arbi­
trario ( X 1 .X 2 .X 3 ) de R 3 e s el vecto r (X| - 2 x t , X 2 + X 3 ) de R -; p o r ejem plo:

/ ( 1 ,0 ,- 1 ) = (1,-1), / ( 0 , 0 , 0 ) = (0 ,0 ) , / ( - l , 1 / 2 , 1 ) = ( - 2 ,3 / 2 ) .

Esta aplicación verifica e sta s propiedades:


• cu alesq u iera que sean lo s vecto res ( X i , X 2 , X 3 ) y de R 3 , se tiene:
/ ( ( X i , X 2 , x 3 ) + (V 1 . y 2 . y 3 )) = / ( X i , X 2, x 3 ) + / ( y i , y 2 , y s ) , esto es: la im agen
de la su m a de d o s vecto res del esp acio vectorial de partida (en este caso, R 3)
es igual a la sum a de su s im ágen es, que so n vecto res del espacio vectorial de
lle g a d a (en e ste caso, R 2);
TRODUCCIÚN ÍO I

• cu alesq u iera que se a n el vecto r ( x j , x>,x $I de R 3 y el núm ero real oí, se cum ple:
f ( a ( x \ , X 2 ,x?,)) = <xf{x\,x>,x:¡), e s decir: la im agen del prod ucto de u n n ú ­
mero real por un vector de R 3 es igual al prod ucto del núm ero po r la im agen
del vecto r (en R 2).
La com probación de e sta s d o s pro piedades es sencilla, y totalm ente análoga a la que
se lleva a cabo en el ejem p lo 1 (cf. p. 113). Por verificarlas, se dice que la aplicación f
es u n a aplicación lineal.

Nota Podríamos haber presentado la aplicación / de esta otra forma: la aplicación / de K 1


en R 2 que verifica: f ( x \ ,x>,xs) = (x¡ - 2x>_,xi + x ;l). Esta notación, quizá más sencilla, es
general, no exclusiva de las aplicaciones lineales. 1 Veremos más adelante otras formas de
determinar una aplicación lineal que sí son específicas para aplicaciones lineales. A

Q uerem os com entar cóm o e s toda aplicación lin eal de R 3 en R 2: e s tal que la
im agen de un vector arbitrario U 'i, x>, x-2 ) de R 3 es u n vecto r de R 2 que e s de la
form a ( ax [ + b x 2 + c x ¡ , a ' x i + b'x¿ + c ' x 3 ), p ara algun os núm eros reales u, b, c, a',
b' y c ' . Es decir:

R3 ---------------R 2
(X 1 .x 2 .x 3 ) ------- ( a x i + b x ■>+ c x 3 , a ' x ¡ + b ' x 2 + c 'x . 3 ),

para algunos n ú m eros reales a, b, c, a , b ' y c ' . Por ejem plo, son lin eales las ap lica­
ciones de R 3 en R 2 defin idas de esta m anera:

f\ (X 1 .X 2.X 3 ) = ( 2 x i , 0 ), f >(x 1 , X 2,X 3 ) = ( x 2 - x i , 5 x 3 ),


/ 3 ( X i , X 2 , X 3 ) = (2 x 3, Xi - 3 x 2 + 9X 3 >, ./'4 (X| , X 2, X 3 ) = (0 , 0 );
y no son lineales las defin idas d e esta otra:

c)\ (X 1 , X 2, X 3 ) = ( X i . l ) , g ¿ ( X \ , X 2 , X 3) = (X 2 X;i, X 1 + 2 x 3 ) ,
5 3 U 1 .X 2 .X 3 ) = (X j’ .x , - 3 x 3), 5 4 U i , x 2 ,x 3) = (1 ,0 ).

E stos com entarios sobre cóm o so n las aplicacion es lin eales se gen eralizan sin
dificu ltad a aplicaciones de R " en R m. Por ejem plo, toda aplicación lineal / de R 2
en R 3 e s tá definida de la form a:

/ ( x i , x 2 ) = ( a x i + b X 2 , a 'x ¡ + b 'x > ,a "x ¡ + b " x 2 ),

para algunos n ú m eros reales a, b, a ’ , b ’ , a " , y b" \ algun as aplicaciones lin eales d e R 2
en R 3 son las defin id as por:

h ¡ ( x i , x-¿) = ( 2 x i + x 2, —x 1 + 3 x 2, x Q , h-¿(X\,x>) = ( - x 2, 0 , 5 x i - x 2 /2 ),
ft 3 ( X i , x 2) = ( 0 ,0 , X | + x 2 ), /i4 ( X | , x 2) = ( x i , x i , x i ) .

1 En el citado apéndice A se pueden encontrar otras notaciones generales para aplicaciones.


102 II. APLICACIONES LINEALES

P ro p ie d a d e s de u n a a p lic a c ió n lin e a l En esta sección se detallan pro piedades


gen erales de las aplicacio n es lin eales. La m ás sen cilla estab lece que toda aplicación
lineal aplica el vecto r nu lo del espacio vectorial de partida en el vector n u lo del e s ­
pacio vectorial de llegada. Por ejem plo , si / e s u n a aplicación lineal de R 3 en IR2, la
im agen por f del vecto r ( 0 , 0 , 0 ) e s el vecto r (0 , 0 ); en sím b olos: / ( 0 , 0 , 0 ) = (0 , 0 ).
Otra p ropiedad com para el rango de un sistem a de vecto res con el ran go del s is ­
tem a form ado por las im ágen es d e tales vecto res por una aplicación lineal: el prim er
ran go e s m ayor o igual que el segun d o. Por ejem plo, el sistem a ( ( 1 , 2 ) , ( 0 , 1 ) , ( 1 , 1 ) ) ,
de vecto res de i 2, tiene rango igual a 2, y si / es u n a aplicación lineal d e R 2 en R 3
cualquiera, el sistem a (./'(l, 2 ) , / ( 0 , 1 ) , / ( 1 , 1 ) ) , que e stá fo rm ad o po r vecto res d e R 3 ,
tiene rango a lo m ás igual a 2.
Una p ropiedad m u y im portante estab lece que la im agen po r u n a aplicación lineal
d e un su b esp acio vectorial (del esp acio de partida) es a su v e z u n su b esp acio vectorial
(del espacio de llegada). Si / e s una aplicación lineal de R 3 en R 2, al calcu lar la im agen
por / de cu alqu ier su b e sp acio vectorial de R 3 , obtenem os un su b esp acio vectorial
d e R 2. En particu lar, la im agen d el pro pio R 3 , e s decir, la im agen de la aplicación
lineal / : l m / , e s un su b esp acio vectorial de R 2. El su b e sp acio vectorial Im / es de
esp ecial im portancia, com o verem o s m ás adelante.
Otra propiedad, tam bién m u y im portante, es análoga de la an terior p ara im ágenes
recíprocas: la im agen recíproca po r una aplicación lineal de u n su b esp acio vectorial
(del espacio de llegada) e s a su ve z un su b e sp acio vectorial (del espacio de partida).
D ada u na aplicación lineal / de R 3 en R 2, por ejem plo, la im agen recíproca por / de
cu alqu ier su b esp acio vectorial d e R 2 e s un su b e sp acio vectorial de R 3. Una im agen
recíproca in teresa especialm en te: la del su b esp acio vectorial fo rm ado po r el vector
nulo, e s decir: / - 1 [ ¡ ( 0 , 0 ) 1 ] . Este con ju n to, su bespacio vectorial del esp acio vecto­
rial de partida (en e ste caso R 3 ), se denom ina núcleo de la aplicación lineal / , y se
denota: Ker/ . En sím bolos:

K er/ = / _1 [ { ( 0 , 0 ) } ] = { ( x i , x 2, x 3) e K 3 I / ( * i , X 2 , x 3 ) = ( 0 , 0 ) } .

N ótese que el núcleo de f tiene al m enos un elem ento: el vecto r nulo.


V eam os un ejem plo. C on siderem os la aplicación lineal / de R 3 en R 2 definida
por f (x \ ,x z ,x ;i) = {x ¡ + x>,xs). La im agen de / es el su b esp acio vectorial de R 2
form ado por lo s vecto res de R 2 que so n im agen p o r / de alguno de R 3 , e s decir, son
aquellos vecto res ( a , b ) de R 2 tales que:

f { x i , x 2 , x 3 ) = (a , b ) para algún (X 1 .X 2 .X 3 ) e R 3 .

La igualdad / ( X ] , X 2 , X 3 ) = (a, b) e s equ ivalen te a ( x i + x 2 , x 3 ) = (a , b ), lo que es a


su v e z equivalen te a las ecuaciones:

x , + X 2 = t7 y X 3 = b;
'PRODUCCIÓN 103

e s fácil o b ten er una solución : x ¡ = 0, x> = a y x 2 = b (aunque h ay m ás so lu ­


ciones), con lo que efectivam en te es po sib le encontrar, p ara cad a vector (a , b) de ES-,
algún vector (X 1 .X 2 .X 3 ) de R 3 tal que / ( x i , x 2, x 3 ) = ( a ,b ) ; po r ejem plo , nos sir­
ve: (X 1 .X 2 .X 3 ) = (0, a, b). La im agen de la aplicación / es, en ton ces, IR2: i m / = R 2.
Por otra parte, el núcleo d e la aplicación lineal / e s el con ju n to de lo s vec­
tores (X 1 .X 2 .X 3 ) de R 3 cuya im agen por f es igual al vecto r nulo: ( 0, 0) , es d e­
cir: / ( X | , x 2 , X j ) = (0 ,0 ) . Esta últim a igualdad e s equivalen te en este ejem plo a
esta otra: (X| + x 2,x; í) = ( 0 , 0 ), a su v e z equ ivalen te a las ecuaciones:

xi + x 2= o y X3 = 0.
Podem os afirm ar, enton ces, que el n ú cleo d e / e s el su b esp acio vectorial de IR3 de
ecu acion es x i + x 2 = 0 y X3 = 0, es decir:

K er/ = ((x 1 , x 2 , x 3 ) e R 3 I x , + x 2= 0 y x :í = 0 J .

Otro ejem plo: la aplicación lineal g de IR2 en R 3 defin ida por:

g { x i , x 2) = ( X i , x 2 , X | + x 2 ).

Su im agen está form ada por aquello s vecto res (a , b,c) de R 3 tales que:

c?(X |,x 2 ) = ( a , b , c ) para algún ( x i , x 2) £ R 2;

e s decir: x\ = a, x 2= b y X| + x 2 = c. Estas tres ecu aciones adm iten u n a solución


sim ultán ea si y sólo si a + b = c (y tal solu ción sería: x , = a y x 2= b), esto es, só lo
hay solución para los vecto res (a , b , c ) d e R 3 cu ya tercera com pon en te es igual a la
su m a de las d o s prim eras. La im agen de g es, pu es, el su b esp acio vectorial de R 3 de
ecuación jV3 = y\ + en sím b o lo s :2

Imc? = ¡ ( v i , v 2, V3 ) e R 3 I 3'3 = ú'i + y ¿ } ■

Por otra p arte, el núcleo de g e stá form ado po r los vecto res de R 2 cu ya im agen es
igual a ( 0 ,0 ,0 ) , es decir, por a q u ello s ( x i , x 2) de R 2 tales que g ( x i , x 2) = ( 0 ,0 ,0 ) , lo
que e s equ ivalen te a las sigu ien tes ecuaciones:

x, = 0, x 2= 0 y xi + x 2 = 0.
O bviam ente, sólo un vecto r de R 2: el vecto r nulo, verifica sim u ltán eam en te estas
ecuaciones: ( x i , x 2 ) = (0 ,0 ) . En con secuen cia: K e r g = ( (0 ,0 ) }.

2 üui/á el lector esperaba encontrarse con la ecuación de este subespacio vectorial escrita de

esta forma: x ¡ = x\ + x¿. tanto da: las letras que usemos son indiferentes siempre que quede
claro a qué componente se refiere cada una. Los conjuntos | (r i. v>, v;( i s IK:s I V3 = y¡ + y ’¿\
y ((X 1.X 2 .X 3 ) 6 ÍR3 I x-i = X i +x>¡ son el mismo.
104 II. APLICACIONES LINEALES

En general, in teresa determ inar la im agen d e una aplicación lin eal en el sentido
de sab er si coincide o no con el espacio vectorial d e llegada, y en caso negativo
conocer una ecuación o ecu acio n es que la determ inen, y conocer tam bién una base.
En lo que concierne al núcleo de u n a aplicación lineal, in teresa sab er si coincide o
no con el su b esp acio vectorial (del esp acio de partida) form ado sólo po r el vector
nulo, y en caso negativo conocer u n a ecuación o ecu acion es, y tam bién u n a base. El
m étodo general p ara re so lv e r esto s problem as requiere el m an ejo d e los sistem as de
ecu acion es lin eales, que no estu d iarem o s h asta el capítulo IV. Pero m ás adelante,
en este m ism o capítulo, verem o s alg u n as herram ien tas que perm itirán atacar estos
prob lem as p ara m u ch as aplicacion es lin eales sen cilla s .3

A p lic a c io n e s lin e a le s con co n ju n to de p a rtid a un e sp a cio v e c to ria l de d i­


m ensión fin ita E sta sección e s especialm en te im portante, p u es las aplicaciones
lineales que n o s in teresan so n las que tienen tanto com o co n ju n to d e partida com o
con ju n to d e llegada algún IR" (y m ás particu larm en te IR3 o !R:i, y even tu alm en te IR4),
y todos los IR" son esp a cio s vecto riales de dim ensión finita.
Un con cepto que se introduce al principio de la sección e s el d e rango d e una
aplicación lineal. Es tan útil que es obligad o su cálcu lo p ara averigu ar casi cualquier
co sa d e la aplicación lineal. El rango d e u n a aplicación lineal (de IR" en IR'") se define
com o la dim ensión d e su im agen. Si / e s u n a aplicación lineal de IR" en IR'", su
rango, que se denota: r a n g o / , es, p u es, la dim en sión del su b esp acio vectorial lm / ¡
en sím bolos:
ra n g o / = d im d m / ).

Para calcu larlo, no h ay m ás que tener en cuenta esta propiedad: si calcu lam os las
im ágenes por la aplicación lineal d e lo s vecto res d e u n a b ase del esp acio vectorial
d e partida, el sistem a de vecto res que form an e sta s im ágenes (que e s un sistem a de
vecto res del espacio de llegada) tiene po r rango p recisam en te el rango de la aplicación
lineal .4
V eam os un p rim er ejem p lo con la aplicación lineal / d e IR:i en IR2 d efin ida de la
form a: f { x i , x 2 , x i ) = {x ¡ + x ¿ , x 3 ), d e la que ya hablam os en el apartad o anterior.
La im agen de / , com o calcu lam os en este apartad o citado, es (R-, lu ego su rango es
igual a 2 : ra n g o / = d i m d m / ) = dimíR 2 = 2. Pero calcu lém o slo com o hem os ap u n ­
tado, e s decir, calcu lem os el rango d el sistem a d e vecto res de R 2 (espacio de llegada)
form ado por las im ágenes p o r / de u n a b ase de IR* (espacio de partida). Lo m ás

3 Por otra parte, las habituales en las pruebas presenciales.


4En el texto se demuestra una propiedad más general, en virtud de la cual bastaría un sistema de
generadores en vez de una base; es decir: el rango de la aplicación lineal es igual al rango del sistema de
vectores formado por las imágenes de los vectores de un sistema de generadores del espacio de partida.
TRODUCCIÓN IO S

cóm odo, h abitualm ente, e s coger la b ase canónica: Bc■= ( ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1 ) ) ;


las im ágen es por f de esto s tres vecto res so n estas:

/ ( 1 , 0 , 0 ) = ( 1 , 0 ), ./'(0 , 1 , 0 ) = ( 1 , 0 ) y / ( 0 , 0 , 1 ) = (0 . 1 );

y el ran go de la aplicación lineal / es igual al rango del sistem a que form an estas
im ágenes: r a n g o / = rango ( ( 1 , 0 ), ( 1 , 0 ), (0 , 1 )) = 2.
Estudiem os otro ejem plo : la aplicación lineal g de OS2 en R 1 definida de la fo r­
ma: g íX ],x > ) = ( x ¡ , X 2 ,x ¡ + x >), que tam bién se vio en el apartad o anterior. Ahora
el espacio vectorial de partida e s R 2, de b ase can ón ica el sistem a B, = ( ( 1 , 0 ) , ( 0 , 1 ) ) ;
la im agen por g de esto s d o s vecto res es: g ( 1 , 0 ) = ( 1 , 0 , 1 ) y g { 0 , 1 ) = (0 , 1 , 1 ), y por
tanto:
ran go g = rango ( ( 1 , 0 , 1 ), ( 0 , 1 , 1 )) = 2.
Recordem os que en el apartad o an terior obtuvim os que la im agen de g e s el su b e s­
pacio vectorial Im g = V3 ) e R 3 ! y-¡ = y ¡ + y ¿ } : ah o ra n o s d am o s cu en ta de
que la dim ensión de este su b esp acio vectorial de R 3 e s igual a 2.
D esp u és de d efin ir el rango, en esta sección se estu d ia cóm o u n a aplicación lineal
qu ed a perfectam ente d eterm in ad a con só lo conocer la im agen por ella de los vectores
d e una b ase. Más en concreto, si d e u n a aplicación de R '1 en R '" só lo conocem os la
im agen de lo s vectores de u n a b ase de R " , com o n o s digan que tal aplicación es lineal,
autom áticam ente podem os averigu ar la im agen d e cu alq u ier vector. Veam os con un
ejem p lo qué se quiere decir. De una aplicación h de R 3 en R 2 sab em os que en los
vectores de la b ase can ónica de R 3 actú a así:

M I , 0 ,0 ) = ( 2 ,0 ) , h (0 , 1 , 0 ) = ( - 1 , 0 ) y / K 0 , 0 , 1 ) = ( 0 , 1 ).

Supon gam os que tam bién n o s dicen que h es lineal. ¿H ay form a de con ocer la im agen
por h dei vecto r (2, - 1 , 3 ) , por ejem p lo ? Sí. El vecto r ( 2 , - 1 , 3 ) se pu ed e escribir
com o com binación lineal de los vecto res de la b ase canónica de R 3 (y ad em ás de­
form a única) así:
( 2 , - 1 , 3 ) = 2(1,0,0) - (0,1,0) + 3(0,0,1)

(recordem os: las coo rd en ad as de u n vector en la b ase canónica coinciden con su s


com ponentes): com o h es lineal, de aquí deducim os:

h(2, - 1 , 3 ) = /i(2( 1 , 0 , 0 ) - ( 0 , 1 , 0 ) + 3 ( 0 , 0 , D)

= 2/i( 1 , 0 , 0 ) - h ( 0 , 1 , 0 ) + 3 / i ( 0 , 0 , 1 )
= 2 ( 2 , 0 ) - ( - 1 , 0 ) + 3 ( 0 , 1 ) - ( 3, 3 ) .

V em os que el hecho de que h sea lineal n o s ha llevado a conocer la im agen del


vecto r ( 2 , - 1 , 3 ) , con ocidas las im ágen es de los vecto res ( 1 , 0 , 0 ), ( 0 , 1 , 0 ) y ( 0 , 0 , 1 ),
io (i II. APLICACIONES LINEALES

que form an una base. Con el m ism o procedim iento podríam os averigu ar la imagen
de cu alqu ier otro vector. C alculem o s en ton ces la im agen de (X 1 .X 2.X 3 ), vecto r ar­
bitrario d e IR3 ; su s coord en adas en la b ase can ón ica de IR3 (que coinciden con su s
com ponentes) son x i, x ¿ y x ;¡:

( X i . X 2. X 3 ) = X i d . 0 , 0 ) + x 2( 0 , 1,0) + X 3 (0 ,0 ,1 );

de aquí, por s e r h lineal:

h (x ¡ , x 2, X 3 ) = h ( x i ( 1 , 0 , 0 ) + x 2 ( 0 , 1 , 0 ) + X 3 (0 , 0 , 1))
= X ) ó ( l , 0 , 0 ) + x ¿ h ( 0 , 1 , 0 ) +x-sh ( 0 , 0 , 1 )
= x j (2 , 0 ) + x 2 ( - 1 , 0 ) + X 3 <0 , 1 )

= ( 2 x i - x 2 , x 3 ).

Y esto nos perm ite concluir: la aplicación h es la aplicación de IR3 en IR2 definida de
la form a: h ( x i , x 2 , X 3 ) = ( 2 x i - x 2 , X 3 ).
Nota En referencia a este último ejemplo, debemos hacer notar que hay infinitas aplica­
ciones de IR3 en IR- que aplican, como h, los vectores ( 1 ,0,0), (0, 1, 0) y ( 0 , 0, 1 ) en los
vectores (2 , 0 ), ( - 1 , 0 ) y (0 , 1 ), respectivamente; pero de estas infinitas aplicaciones hay
una que es lineal, y sólo una: precisamente h. Ahora cobra sentido la afirmación de que
una aplicación lineal queda determinada cuando se conocen las imágenes por ella de los
vectores de una base. A

Con la aplicación lineal h del ejem p lo anterior, h em o s encontrado la exp resió n


de h ( x i , x 2 , x 3 ) a partir de las im ágenes de lo s vecto res de la b ase canónica. Si lo que
conocem os es la im agen de lo s vecto res de otra b ase (no n ecesariam ente la canónica),
tam bién qu ed a determ inada la aplicación lineal. El procedim iento para averigu ar la
exp resión de h ( x i , x 2, x ¡ ) en tal caso habría requerido u n p aso interm edio adicional
(porque las coord en ad as de u n vector en u n a b ase que no sea la canónica no coinciden
en general con s u s com ponentes), pero no es m ás com plicado. En el texto figu ra un
ejem plo d etallado (cf. p. 123).
A continuación, encon tram os en esta sección alg u n as caracterizacion es d e las
aplicacion es lin eales in vectivas. D ada u n a aplicación lineal de IR" en IR"', tenem os
varias fo rm as de sab er si es inyectiva o no. La prim era es exam inando su núcleo.
Si éste se redu ce al su b e sp acio vectorial form ado exclu sivam an te po r el vector nu­
lo: ¡( 0 , 0 , . . . , 0 ) !, en to n ces la aplicación es inyectiva, y no lo es en otro caso (es decir,
si el núcleo e s u n su b esp acio vectorial de E " d istin to del { ( 0 , 0 , . . . , 0) j ). La aplicación
l i n e a l / d e l 3 en 1 -’ defin ida p o r / ( x ] , x 2,x ;¡) = (X| + x ' 2 ,X 3 ) tiene po r n ú cleo (co m o
vim os en el apartad o anterior):

Ker/ = j (x 1 , x 2, X 3 ) e ! 3 I x¡ + x 2= 0 y X3 = 0 };
-o o o u c a O N 107

com o este conjunto no es el 1 ( 0 , 0 , 0 ) 1 , la aplicación no es invectiva. La aplicación


lineal g de R- en R ! definida por g ( x i , x 2 ) = {X\, x-¿, X\ + x_>), también vista en
el apartado anterior, tiene p o r núcleo: K er^ = 1 ( 0, 0) 1 , luego esta aplicación sí es
inyectiva.
Otra form a de saber si lina aplicación lineal os inyectiva o no requiere el cálculo
de su rango: si éste coincide con la dim ensión del espacio vectorial de p artida, la
aplicación es inyectiva; si el rango es menor, no es Inyectiva. Por ejem plo, las dos
aplicaciones / y g de las que hem os hablado en el párrafo precedente tienen am bas
el rango igual a 2 (este cálculo se llevó a cabo en el apartado anterior), y para ia
aplicación / el espacio vectorial de partida es R 1 (dimensión igual a 3, m ayor que el
rango), y para la g es R* (dim ensión igual a 2 , igual que el rango), lo que confirma
que la prim era no es inyectiva y la segunda sí.
Seguidam ente, se presenta en la sección una caracterización de las aplicaciones
lineales suprayectlvas. Esta caracterización es sencilla una ve z hem os calculado el
rango: un a aplicación lineal / (de 1 " en R m) es suprayectiva si su rango es igual a la
dim ensión del espacio vectorial de llegada, y no lo es si el rango es menor.
Por ejem plo, considerem os la aplicación lineal / de en R 2 definida de la
form a: / ( x i , x 2 ,x .j) = ( x i + x 2, x 3 ) y la aplicación lineal g de R 2 en R f definida
por í7(X |,x;>) = ( x i , x 2, X[ + x 2 ), de las cuales venim os hablando en los párrafos
precedentes. Y a hem os calculado que am bas aplicaciones lineales tienen el rango
igual a 2 . En el caso de / , el espacio vectorial de llegada es R-’ , de dim ensión igual al
rango, luego se trata de una aplicación lineal suprayectiva. En el caso de g , el espacio
vectorial de llegada es R-\ de dimensión m ayor que el rango, luego se trata de una
aplicación lineal no suprayectiva.
Esta sección termina con el teorem a d e las dim ensiones. Este resultado establece
la siguiente propiedad de un a aplicación linea) f de R " en R m: la dim ensión de su
núcleo m ás la dim ensión de su im agen es igual a la dim ensión del espacio vectorial
de partida; en sím bolos:

d i mI Ke r / ) - d i m l l m / ) = di mR' ' = n,

o equivalentem ente (recordando que el rango de la aplicación lineal es la dimensión


de su imagen): d i mf K e r / ) + ran go / - dim R n = n.
Veam os algún ejem plo en el que apliquem os este teorema, que servirá a la ve z de
síntesis de los resultados vistos en esta sección. Considerem os la aplicación lineal /
de R-* en R2 dada por / ( X | , x 2 , x 3 ) = (x i - x 2 , 2X [ + 3 x ¡ ) . Calculem os su rango.
Las im ágenes por / de los vectores de la baso canónica de R 2 son: / ( 1 , 0 , 0 ) = ( 1 , 2 ) ,
/ ( 0 , 1 , 0 ) = ( - 1 , 0 ) y / ( 0 . 0 , 1 ) = ( 0, 3 ) , lo que nos perm ite escribir:

rango / = r a n g o ( ( 1 , 2 ) , ( - 1 , 0 ) , ( 0 , 3 ) ) = 2 .
108 II. APLICACIONES LINEALES

Este valor con creto del rango nos in form a d e lo siguiente:


• la im agen de la aplicación lineal / tiene dim en sión igual a 2 (no e s m ás que la
definición de rango): d i m d m / ) = 2, a sí que I m / e s u n su b e sp acio vectorial de
dim ensión 2 del esp acio vectorial de llegada, que es R 2; com o el único su b e s­
pacio vectorial de IR2 de dim ensión 2 es el m ism o IR-’ , se con cluye: I m / = R 2;
• la aplicación lineal / e s su p rayectiva (podem os d edu cir esto de dos form as:
com o con secu en cia de que Im / = IR-’ , o com o co n secu en cia de que el rango es
igual a la dim ensión del espacio d e llegada);
• la aplicación lin e a l,/' no es inyectiva (pues su rango es m en or que la dim ensión
del espacio de partida, que e s R 3);
• aplicando el teorem a de las dim en sion es, se obtiene que el n ú cleo de / tiene
dim ensión 1: d i m l K e r / ) = dimIR 3 - d i m d m / ) = 3 - 2 = 1.
E stud iem os otro ejem plo: la aplicación lineal fi de R 2 en R 3 d efin ida de la fo r­
m a f i ( x i , x >) = (2X] + x ¿ , - x i - 3 ^ 2, X i ) . Las im ágenes por fi d e los vecto res de
la b ase can ón ica de R 2 son: f i ( l , 0 ) = ( 2 , - 1 , 1 ) y / t ( 0 , 1 ) = ( 1 , —3 , 0 ) , de donde:
rango fi = rango ( ( 2 , - 1 , 1 ) , ( 1, - 3 , 0 ) ) = 2 . D educim os lo siguiente:
• la im agen de fi tiene dim ensión igual a 2, es decir, es un su b esp acio vectorial
de R 3 (espacio d e llegada) de dim ensión 2;
• fi no e s suprayectiva;
• fi sí es inyectiva;
• com o fi es inyectiva, se tiene: Ker fi = { ( 0 , 0)} (recuérdese que Ker fi es un s u b e s­
pacio vectorial del esp acio de partida, en e ste caso IR-’ ); e sta inform ación la
vem os con firm ad a con el teorem a de las dim ensiones:

dim(Kerfi) = dim R2 - dimdm fi) = 2 - 2 = O

(nótese que el su b e sp acio vectorial {( 0 , 0)1 es el ú n ico d e ¡R2 de dim ensión igual
aO).

E l esp acio v e c to ria l C ( E , E ) Con la notación C (E , F ) se designa el co n ju n to de


las aplicacion es lin eales del espacio vectorial E en el espacio vectorial F. Por ejem plo,
la n otación £ .(R 3 , R 2) design a el co n ju n to d e las aplicaciones lin eales d e R 3 en R 2.
En e sta sección se estu d ian algun as pro piedades de esto s conjuntos.

Iso m o rfistn o s de esp acio s v e c to ria le s Un isomorfismo es u n a aplicación lineal


biyectiva. C uando entre dos esp a cio s vecto riales ex iste algún isom orfism o, se dice
que lo s esp a cio s vectoriales son isomorfos. N osotros nos deten em os só lo en los R " ,
p ara lo s cu a les acontece que R " y R m no son isom orfos si n * m . Por ejem plo,
u na aplicación lineal de R 3 en R 2, o viceversa, no p u ed e ser de n inguna m anera un
isom orfism o. Para que u n a aplicación lineal de R 11 en R m p u ed a ser un isom orfism o,
el espacio vectorial de partida y el de llegada han de ser n ecesariam en te el m ism o.
TRODUCCIÚN 109

Recordando los re su lta d o s an teriores sobre ap licacio n es lin eales invectivas y su-
p rayectivas, pod em os afirm ar que una aplicación lineal / de 11" en IR" (ya tom am os
iguales el espacio de partida y el de llegada) e s un iso m o rfism o si su rango es igual a la
dim en sió n com ún del espacio de partida y de llegada, e s decir: r a n g o / = dim IR" = n,
y que no es un isom orfism o en caso contrario. Por ejem plo , la aplicación lineal /
de IR2 en IR2 definida por f ( x \ , x 2) = ( x 2, x i + 2X2) verifica:

r a n g o / = rango ( / ( l , 0 ) , / ( 0 , 1 ) ) = rango ( ( 0 , 1 ) , ( 1 , 1 ) ) = 2,

y com o su rango coincide tanto con la dim ensión del esp acio de partida com o con la
dim ensión del de llegada, se trata de un isom orfism o. La aplicación lineal g d e IR3
en IR3 dad a por g ( x [ ,x>,xi ) = ( x t + 3x¿ + X 3 , - 3 X 2 , * i + * 3 ) no e s u n isom orfism o,
pues:

r a n g o s - rango (0 ( 1 , 0 , 0 ) , 0 ( 0 , 1 , 0 1 , 0 ( 0 , 0 , 1 ))
= rango ( ( 1 , 0 , 1 ) , (3, - 3 , 0 ) , ( 1 , 0 , 1 ) ) = 2 * dim IR3 .

Fo rm a s lin e a le s Una form a lineal so b re OS” e s una aplicación lineal de IR" en IR.
El con ju nto de las fo rm as lin eales sobre OS" se den om in a espado dual d e OS", y se
denota: (OS")'.
lin a fo rm a lineal / sobre IR2 es una aplicación (lineal) de OS2 en IR defin ida de la
form a: f i x ¡ , x ¿ ) = a x ¡ + bx 2 para algun os núm eros re a le s a y b. Por ejem plo , las
sigu ien tes aplicacion es de IR2 en IR son fo rm as lineales:

/ ] ( X ] , X 2) = 2 x 2, f l ( X ¡ , X 2) = 2X| - 4X2, f i ( X U X ¿ ) = Xi\

y no son fo rm as lineales e sta s otras:

0 l ( X | , X 2 ) = X 1 X 2, 02 ( * 1 , X 2) = 2 x ? , 0 3( X i , X 2 > = X] —x 2+ 1.

A nálogam ente, u n a form a lineal / sobre IR3 es una aplicación de OS3 en IR definida
de la form a: / ( x i , x 2 , X 3 ) = a x ¡ + bx¿ + cx>, p ara alg u n o s n ú m eros reales a, b y c.
Por ejem plo: / ( x i , x 2, X 3 ) = 2 x i - 3x¿ + 2xj. De la m ism a m anera se extien de este
resu ltad o a las form as lin eales sobre cualquier K ".
Es im portante en fa tiza r que u n a fo rm a lineal aplica vecto res en n ú m eros reales.
Por ejem p lo la fo rm a lin eal / del p á rra fo an terior a p lica vecto res de IR3 en n ú m e­
r o s : / ( 2 , 1,0) = 2 - 2 - 3 - 1 + 2 - 0 = l , / ( - l , 2 , l ) = 6 o / ( - l / 2 , 3 , - l ) = - 1 2 .
En el texto se p ru eba que el espacio dual de IR": ( I R " ) ' , e s decir, el con ju n to de
las fo rm as lin eales sobre IR", es un espacio vectorial so b re IR, y se p ru eba que e s un
espacio vectorial de dim ensión igual a n .5 Las b ase s de este nu evo espacio vectorial

5Por una vez. manejamos un espacio vectorial diferente de los IR". Las operaciones en este nuevo
espacio vectorial son la adición de aplicaciones y la multiplicación de números reales por aplicaciones.
I 10 ti. APLICACIONES LINEALES

tam bién tienen n elem entos, la m ism a can tidad que todas las b ase s de R '\ p ero tales
elem en tos son form as lin eales sobre R n.
Fijém onos en R 2 y en su dual: ( R - ) * . V am os a estu d iar u n procedim ien to para
construir u n a b ase de (IR2 )" a partir de u n a b a se dad a d e IR2. C on siderem os entonces
u n a b ase de R 2, po r ejem plo: B = ( u i , m2), donde u , = ( 1 , 1 ) y u 2 = ( 1 . 0 ) . V am os a
definir dos fo rm as lineales sobre R 2, que denotarem os po r u , y u ¡ . La prim era: « [ ,
se define com o aquella fo rm a lineal que aplica cad a vector de R 2 en la p rim e ra co ­
ord enad a que el vecto r ten ga en la b ase B. Verbigracia, el vecto r ( 1 , 2 ) tiene coorde­
n ad as 2 y - 1 en la b ase B, pu es: ( 1 , 2 ) = 2 ( 1 , 1 ) - ( 1 , 0 ) ; po r tanto: u f ( 1 , 2 ) = 2.
Y el vecto r ( 2 , 3 ) tiene coord en adas 3 y - 1 en la b ase B: ( 2 , 3 ) = 3 ( 1 , 1 ) — ( 1 , 0 ) ,
luego « í (2, 3) = 3. En general, se tiene: uj- ( X i , x 2) = x 2 , y a que un vecto r genéri­
co ( x i , x 2) tiene coord en ad as x 2y x¡ - x ¿ en B: t x j , x 2) = * 2 ( 1 , 1 ) + ( x ¡ - x 2 ) ( l , 0) .
A nálogam ente, definim os la fo rm a lineal u l sobre R 2 com o aq uella que aplica cada
vecto r de R 2 en ¡a segu n d a coord en ada que el vector ten ga en la b ase B. Por ejem ­
plo: u “ ( l , 2 ) = - 1 , u * ( 2 , 3 ) = - 1 , y en general: u 2 ( X [ , x 2 ) = x j - x¿. E stas dos
fo rm as lineales que acabam os de definir: « [ y u l , fo rm an u n a b ase del espacio vecto ­
rial ( R2 ) *, denom inada base d u a l de la b ase B de R2, y que se denota: B ' = ( u j , u l ).
Veam os otro ejem plo, esta vez con u n a b ase de R s :

B = ( (1 ,1, 0) , ( 0, 1 ,1 ), (0,0,1)).

D enotem os: v, = ( 1 , 1 , 0 ) , v 2 - ( 0 , 1 , 1 ) y = ( 0 , 0 , 1 ) ; la b ase d u al de la base B


se denota enton ces: B * = ( v ¡ , v 2 , v ¿ ) . La form a lineal v ] , la prim era de la b ase B ' ,
aplica cad a vector de R 2 en la prim era coorden ada de las tres que el vector ten ga en la
b ase B; la form a lineal v i , la seg u n d a de la b ase B ” , aplica cada vecto r en su segunda
coord en ada en la b ase B; y la fo rm a lineal v ] lo aplica en su tercera coordenada.
Por ejem plo, com o: ( 1 , 2 , 3 ) = ( 1 , 1 , 0 ) + ( 0 , 1 , 1 ) +■ 2 ( 0 , 0 , 1 1 , las coord en adas del
vector ( 1 , 2 , 3 ) en la b ase B son 1 , 1 y 2, y por tanto:

wr f 1 , 2 . 3 ) = 1 , v i (1,2,3) = 1 y v ] ( 1 , 2 , 3) = 2.

Y, en general, com o: ( X 1 . X 2. X 3 ) = X| (1, l , 0) + (x 2- X ] )(0,1, D + tXt - x ¿ f X i M O . 0 , 1),


r e s u l t a q u e l a s c o o r d e n a d a s d e u n v e c t o r g e n é r i c o ( x 1 . x 2 . x 3 ) e n l a b a s e fi s o n x j ,

x j - xi y x j - X2 + X3, de donde:

( X 1 , X 2 , X; r i = X i , v i ( X i , X 2 , X i ) = X¿ - X[ ,

y tt;íX ,,X 2 ,X 3 ) =X [ - X 2 + X 3 .

A p lic a c io n e s a f in e s Record em os que lo s su b esp acio s afín es se obtenían su m an ­


do u n vector a los su b esp acio s vecto riales. En cierto sentido, las aplicacio n es afines
se obtienen de las aplicaciones lin eales también su m án d oles u n vector. C oncretando,
■iTRODUCOÚN 111

u na aplicación t/> de R 3 en R 2 (em pezam os con u n caso p articu lar p ara fijar ideas)
es u n a aplicación de R 3 en l 2 p ara la cual existen u n vecto r ( a , b ) de R 2 (espacio
de llegada) y una aplicación linea! f de ¡R3 en IR2 tales que la im agen por <p de cada
vector d e R 3 se obtiene sum ando a su im agen p o r / el vector (a , b ); es decir: para
cad a (x-1 . x 2 . x 3 ) e R 3, se tiene: <f>(xi , x 2,X 3 ) = í a , b ) + / ( x i , x 2, X 3 ).
Puede com probarse que to d a aplicación afín d e R 3 en R ¿ e s tal que la im agen de
u n vector arbitrario (X1.X2.X3) de R 3 es u n vector de R 2 de la form a:

iax\ + b x y + cxi + d, a 'x t + b ‘x¿ + c 'x í + d 'i

p ara algunos núm eros reales «, b, c, d, a ', b ', c' y d ' . En sím bolos:

R3 ---------- - R2
(X 1 .X 2 . X 3 ) l ux] + b x z + CX 3 + d, a ' x i + b ' x> + c 'x -¡ +«! ' ) ,

p ara algunos nú m eros reales a , b, c, d, a', b\ c ' y d ' . Verbigracia, so n afin es las
aplicaciones de R 3 en R 2 definidas por:

<p] ( X 1 . X 2 . X 3 ) = ( 2X ] - l.X ] - -4) , </>2 ( X 1 , X 2 , X j )= (X ],X ) + 2 x 2 - 5X ; s ) ,

0 i( X ] ,X 2, X j) = (O .S x i - 2 / 3) , 4>4( X i , X 2, X ; i ) = ( 1, - 6 ).

Y no son afin es e sta s otras:

</ /l ( Xi , X2, Xj ) = ( Xf - 1 , - 3 x . j + 4 ), t p¿ { X\ , X>, XA) = ( l . X ] X j ) ,

Ip-\(X¡,X2 , X i ) = ( 0 , Nx J ) .

Lo dicho sobre cóm o son las aplicacion es afin es se gen eraliza sin dificu ltad a las
de R n en R m. Por ejem plo, son aplicacion es afin es de R 2 en R 3 las defin idas de esta
form a:

§i ( X i , x 2 ) = ( x 2 - 1 , 4 X 2 + 3. 5), § 2 ( X ] , X 2 ) = (O.Gxi - \ ' 2 x 2 - 8 / 5 , 1 ) ,

§3 ( x i , x 2) = ( x 2 - 7 , 3 x i - 6x 2 + 3 / 2 , X[ - x 2+ 1).

C uando tenem os una aplicación de la cual sab em o s que es afín, podem os estar
in teresad os en calcu lar el vector del espacio de llegada y la aplicación lineal que la
determ inan de acuerdo con la definición. Lo prim ero que deb em os sab e r al resp ecto
es que está n a m b o s unívocam ente d eterm in ad os por la aplicación afín. Por ejem plo,
la aplicación <p de R 3 en R 2 defin ida p o r </>(xi,x 2 , x j ) = <2xi - x 2+ 3, - x 2+ 4) es
afín (de acuerdo con lo dicho en el p á rra fo precedenie). F.l vecto r [ a , b) de R 2 d eter­
m inado por 4>es p recisam en te la im agen po r c¡) d el vecto r nulo: ( a , b) = </>i0 , 0 , 0 );
DEFIN ICIÓN DE A PLIC A C IÓ N LINEAL

DEFINICIÓN DE APLICACIÓN LINEAL


Considerem os dos espacios vectoriales E y F sobre un m ism o cuerpo K.

Definición

Aplicación lineal De un a aplicación / de E en F:

x e E >— f ( x ) e F ,

direm os es un a ap licació n lineal de E en F si verifica:

(L l) V (v , w ) G E 2 , f (u + w ) = / ( v ) + f i w ) ,
(L2) V («,u ) g K x E, f i a v ) = a / ( v).

EJEMPLO 1 L a a p lica ció n :

(Xi,X>,Xi) — (X] + Xj, V) + X ()

e s u n a a p lic a c ió n lin e a l d e R 1 e n R -.
C o m p r u b e m o s q u e s e v e rific a n ( L l ) y (L2). Si x = ( x ] , x > , x 3 ) y y - ( 3 -1, ) son dos
v e c to r e s d e ffi.3, e n to n c e s :

f i x - v y ) = / ( ( x i , x 2, X3l +

= /(* i + y i , x > +y>.x-\ + y 3 )


= ( ( * i + y 0 + (x : + y 2l , ( x i + y t ) + (x 3 + y 3))

= (X [ + x . . , x , + X .D + (yi + y->,y¡ + y-¡)

= / ( * ) + /(y),

y ( L l ) s e v e rifica ; y s i a d e m á s o e s u n n ú m e r o re a l, e n to n c e s :

/ ( « * ) = ,/ (« X ,. n x j, «x.j)
= ( « X i + fíX o , a x i + a x j )

= (c tiX l + X j, 0<(X] -r X . ( ) )

= a(X| + x 2, xi Xi)
- « /(x ),

y ta m b ié n s e v e r ific a (L2). En c o n c lu s ió n , la a p lic a c ió n / d e fin id a e n (1 ) e s e fe c tiv a m e n te u n a

a p lic a c ió n lin e a l d e e n IR’ .

EJEMPLO 2 La aplicación:
IR- ----- - -------- R-
( x i , x . > ) --------— (X |X :> ,0 )
PROPIEDADES DE UNA APLICACIÓN LINEAL US

Una consecu en cia im portante de la p roposición an terio r e s que u n a aplicación


lineal con serva las com binaciones lin eales, en el sen tid o siguiente: si f es u n a apli­
cación lineal de E e n F , y u i , i / > v n so n n vecto res d e £ y oq, « 2, <xn so n n
escalares, entonces:

fiet\V] + <x->v->+ ■■■+ a „ v n ) = a i / ( t » i ) + o o / d M + • • • + a „ f { v „ ) . (2 )

En efecto. Para n = 1 la igu aldad (2) se redu ce a: / ( « i W i ) = oí ¡ / ( V| ) , que es


verd ad era (por (L2)).
Supon gam os ahora que la igualdad (2) se verifica p a ra n - 1 vectores, es decir:

/ ( « iiq + a ¿ v ¿ + ■ ■■ + ) = « i/ íi/ i | + C i i f ( V > ) - ■ ■ ■ + L\n - ] f { v n . ¡ ) . (3 )

E n to nces,p on ien d o v = « it/ i + a 2 v> + • • • + se tiene:

f[ct[V 1 a 2 v¿ + • •• + oí„i>m)

= f i v -t a „ i/ „ )
- jivi +
= r t ] / ( V i ) + a¿f{V;) + ••• + « „ l / ( V t i - l ) + <xnf(v„),

donde se ha utilizado (L3) en las dos ú ltim as igualdades.


Q ueda a sí probad a la igu aldad (2) p o r el m étodo de in d ucción (o recurrencia).

II.2 PROPIEDADES DE UNA APLICACIÓN LINEAE

I. Pro p ie d ad es g e n e ra le s; im ag en de u n a a p lic a c ió n lin e a l En todo lo que


sigue, su pon drem os que £ y F son dos esp acios vecto riales sobre un m ism o cu erpo K
y, con el fin de evitar co n fu sio n es, rep resen tarem o s po r 0 C el elem ento n eu tro d e la
adición de vectores de £ , y por 0/- el d e la adición de vecto res de F.
Una aplicación lineal f d e £ en F verifica las sigu ien tes propiedades:
D flO t) = 0 ^
Y a q u e : / Í 0 ( ) = / ( 0 0 r ) = 0 / < 0 ,) = 0 f .

21 La im agen d e l o p u es to d e un v ecto r es e l o p u e s to d e ia im agen d e l vector. Es


decir, s e veriñea: V r e f , / ( - v ) = - / ( v ) .
P u es: / ( - t u = / ((-l)v) = i-D./lw) = - / ( v).
3) Si [ V [ , v ¿ v „ ) e s un sistem a lig a d o d e v e cto re s d e E , en to n c es e l sistem a
fo rm a d o p o r s u s im á g en es: ( f ( v i ) , f [ v > ) ........ / l v „ ) ) , es un sistem a lig a d o d e
vecto res d e F.
Si (y,, v ¿ v „ ) es un sistema ligado, es decir, si podemos encontrar escalares cV|,
(Xn, no todos nulos, tales que: oqvi + a>v> + ■■- 1- <xr v „ = 0;., entonces de (2)
PROPIEDADES DE UNA APLICACIÓN LINEAL 117

existen, pues, dos vectores w¡ y u y de E¡ tales que f ( v ¡ ) = w i y f í v ¿ i - w>, y si «j


y (*_> son dos escalares, entonces pertenece a F\ el vector:

+ rt;>tM -- lX|/(U] ) + = «| Ul| + n¿u>>,

> por tanto: « i v i 4 cav? e / “ 1 [Fi ], y con la proposición l.i (cf. p. 391 se concluye
que / 1 [F] | es un subespacio vectorial de E.

N ú cleo de u no a p lic a c ió n lin e a l Al aplicar la ú ltim a de las pro piedades


an teriores al su b esp acio vectorial \0F \ de F , se obtiene que el con ju n to / “ ' ( ¡0 ,.!] ,
con ju n to form ado por lo s vectores d e E cuya im agen por / es igual a 0 f , es un
su b esp acio vectorial de £ .

D efin ición

Núcleo de una El su bepacio vectorial / _ 1 [ { 0f ¡] d e £ , que se denota: K e r / , se llam a n ú cleo de


aplicación lineal la aplicación lineal / :

K e r / = / - 1[fO f ] ] = [ i / e £ | / ( i» ) = Of } .

(La sigla “ Ker" es u n a abreviatura de la p alab ra in glesa kernei, que sign ifica núcleo.)
El conocim iento d ei n ú cleo de una aplicación lineal n o s perm ite sab e r si ésta e s o
no es inyectiva. Podem os afirmar:

IN S de aplicación P ro p o sició n 11.2 Una condición necesaria y suficiente para que una aplicación
uneal inyectiva ¡inca! f de E en F sea inyectiva es:

K e r y = fOF}.

Demostración La condición es necesaria: suponemos que la aplicación / es inyectiva,


> probamos que Ker/ = ¡‘ 0, ] • Si u es un vector de K er/, esto es: f ( u ) = 0f , entonces,
como (Oí.) = 0/ (cf. propiedad (1)), se tiene: f ( u ) = / ( 0¿), de lo que se deduce: u - Of,
pues / es inyectiva. En consecuencia: Ker / = I0¿ I.
La condición es suficiente: suponemos que Ker/ = |0f ¡ , > probamos que / es inyectiva.
Si x y y son dos vectores de F con la misma imagen; f ( x ) = f ( y ) , entonces podemos escribir:

0r = f ( x ) - f i y ) = J ' { x - y ) ,

y el vector x - y pertenece a K er/; pero hemos supuesto que K e r/ = ¡0/1, iuego x - y = Of,
o bien: x = y . En consecuencia, de suponer que f ( x > - f { y) hemos deducido que x = y .
Esto es, la aplicación / es inyectiva. ,

En el capítulo IV' verem os un m élod o p ara d eterm in ar el núcleo, y tam bién la


im agen, de u n a aplicación lineal dada.
APLICACIONES LINEALES CON CONJUNTO DE PARTIDA UN ESPACIO VECTORIAL DE DIMENSIÓN FINITA U9

II.3 APLICACIONES LINEALES CON CONJUNTO DE PARTIDA


UN ESPACIO VECTORIAL DE DIMENSIÓN FINITA

1. U n a p rim e ra p ro p ie d a d En esta sección con sid erarem os esp acios vecto ria­
les sobre u n m ism o cuerpo IK, y aplicaciones lin eales p ara las cu ales el con ju n to de
partida es un espacio vectorial de dim ensión fin ita no nula.
Un p rim er resu ltad o en e sta s condiciones es el siguiente:

P ro p osició n 11.4 S i f es una aplicación lineal de un espacio vectorial E de di­


m ensión fínita en un espacio vectorial F, entonces el subespacio vectorial l m / es
de dimensión finita.

Demostración Sea (v,,v¿ v ,„) un sistema de generadores de E. Entonces el siste­


ma (/(V i es.un sistema de generadores de lm /.
En efecto. Si w es un vector arbitrario de l m/ . y v e E es tai que: f { v ) - tv. como
(vj , v i . . . v ra) es un sistema de generadores de £ existen m escalares « !, a>..... txm tales
que: v - oqvi + íx.-vj + • • • + otmv m, de donde:

W = /(V ) = r t | / ( V | ) + Ci2 j (Vj) + • - • + «m /lV m ),

y así w es c o m b in a c ió n lin e a l d e lo s v e c to r e s / ( v ¡ ), f ( v ¿ ) ......... / ( v m) . El s is te m a d e v e c to ­


res ( / ( Vi ) , / ( v ¿ ) J l v m )) e s , p u e s , u n s is t e m a d e g e n e r a d o re s d e l m / .
Al ser ( / ( V| ) , / l) un sistema de generadores de lm /, este subespacio vec­
torial es de dimensión finita. i .i ui.

Nota La demostración de la proposición anterior habría sido superflua de haber exigido


a F ser un espacio vectorial de dimensión finita, pues los subespacios vectoriales de un
espacio vectorial de dimensión finita son a su vez de dimensión finita (cf. proposición 1.17,
p. 79). a

J . R a n g o de u n a a p lic a c ió n lin e a l Sea f u n a aplicación lineal de un espacio


vectorial E de dim ensión finita en u n espacio vectorial F.

Definición

Rango de una Se define el ran go de la aplicación lin eal / , y se denota: rango / , com o la dim en­
aplicación lineal sión del su bespacio vectorial l m / :

r a n g o / = d i m( l m/ ) .

Sabem os que si ( v ¡ , v j v m) e s u n sistem a de gen erad o res de E, en ton ces el


sistem a ( f ( v \ f ( v m)) es de gen eradores de l m / (cf. dem ostración de la
APLICACIONES LINEALES CON CONJUNTO DE PARTIDA UN ESPACIO VECTORIAL DE DIMENSION FINITA 121

P ro p o sició n 11.5 Si f es una aplicación lin eal de E en F, ambos espacios vecto­


riales de dim ensión ñnita, entonces:

rango / «s m í n ¡ d i m £ , d i m F } .

D e m o s tr a c ió n Por u n la d o , y te n ie n d o e n c u e n ta la p ro p ie d a d (5 ) d e la s a p lic a c io n e s li­


n e a le s , si [ V ] , U j , . . . , v „ ) e s u n a b a s e d e £ , e n to n c e s :

rango / = rango ( / (V j ) , f í v ¿ i / C v „))

< ra n g o ( V[ , v ¿ , .. ., v v ) = d i m £ .

Por o tr o la d o , c o m o l m / £ F , se tie n e :

rango / = d ¡ m ( lm / ) « d ¡m F .

E n c o n c lu s ió n : r a n g o / « dim E y r a n g o / < dim F , y q u e d a p ro b a d o e l r e s u lta d o , c .u .u .

P ro p o sició n 11.6 5/ / es tina aplicación lineal de E en F, y g es una aplicación


lineal de F en G, siendo E , F y G tres espacios vectoriales de dimensión ñnita,
entonces:
ra n g o {g ° / ) mínlrango/.rangogS.

D e m o s tr a c ió n Si ( v i , v j v „ ) e s u n a b a s e d e F , te n ie n d o e n c u e n ta la p ro p ie d a d b ) d e

la s a p lic a c io n e s lin e a le s s e tie n e :

rango(¿? = / ) = ran g o ([^ o f \ { V i I, [ g o . . . , [tf ° / ](v „ l)

= r a n g o C t } (/ ( t > i)) , i7 ( / ( v j) ) ,. .. ,íj( / (v „ ) ) )

« r a n g o (/ (V i) , / ( « : ) , . . . , / ( u „ ) )

= rango/,

lu eg o :
r a n g o s ° / ) * rango/ . (4)

P o r o tr o la d o , s e tien e:
Irruí) = / ) £ I m # . (5)

En e f e c t o , s i u» € lm ( g o / ) , e n to n c e s p a r a a lg ú n v € E se v e rifica :

[ g “ / l i v i = ur, o b i e n g ( f ( v ) ) - i o,

y al s e r w la im a g e n p o r g d e a lg ú n v e c to r d e F — al m e n o s , d e / ' ( v i — , s e tie n e : w e lm ¿); e n

c o n s e c u e n c ia : l m ( j j « / ) £ lm ¿?. D e (5 ) se d e d u ce :

rangoí# ■>/) = dim ( lm(í? c / ) ) d im d m g ) = rango g,

y c o n (4) se c o n c lu y e e l r e s u lta d o . t .rj.n .


APLICACIONES LINEALES CON CONJUNTO DE PARTIDA UN ESPACIO VECTORIAL DE DIMENSION FINITA 123

Esta aplicación / de F en F recién definida verifica (7), pues las coordenadas de cada
vector v,, 1 « i « n, en la base B son todas nulas salvo la í-ésima, que es igual a 1, y por
tanto: f ( v ¡ ) = I w, = w,.
La aplicación / también verifica que es lineal. En efecto, si x y y son dos vectores arbi­
trarios de F, y si « y 0 son dos escalares, de las igualdades:

x = A , v, + ,\jv, + ■ • ■ + A „ v „ y y = y,i>, + yiV> + • • • + y „ v „

se deduce:

« x + 0 y = («A, + fiy, ) v t + ( « \> + fiy¿) v 2 + • • • + («A„ + 0y„) v n,

luego:

/(( x x + p y ) = (aA , + fiy t)wi + (« \ 2 + Py 2 )•*>>+ ■ • ■ + («A„ + P y „ ) w „


= «(A|U'i + A2 W2 + • • • + A„u;„) + fHy\W\ + y>wj + • ■ ■ + y„u/„)
= a f ( x ) + 0f { y ) ,

y en consecuencia: f(otx + fiy ) = a f ( x ) + P f ( y ) , y / es lineal.


Finalmente, si g es una aplicación lineal de E en F que verifica:

g l v , ) = w 1, 0 (1/2) = tu_. g ( v „ ) = w„, (8 )

entonces / = g. En efecto, las aplicaciones / y g tienen el mismo espacio vectorial de partida


y el mismo de llegada, y si x e £ , y A 1, X> A„ son las coordenadas de x en la base B, es
decir: x = Aji/| + \>v¿ + ■■■+A„t>„, entonces, til ser g una aplicación lineal, y teniendo en
cuenta (8), se tiene:

g(x) = g ( A|i»i + A2i/2 + ■ • • + A„i/„) = \ , g ( V i ) + \ 2g { v 2) + - • • + A„0 (w„)


= A|ii/| + Ajw> + ■ • • + A,iie,, = / ( x ) .

Podemos, pues, escribir: V x e £ , 0 (x) = f ( x ) , y en conclusión: g = J'.

V olviendo al ejem plo, podem os en ton ces asegu rar ex iste una única aplicación
lineal / de iR3 en E 2 que verifica (6 ). A continuación, d esarro llam o s un m étodo para
el cálcu lo concreto d e la exp resión de f ( x ¡ , x ¿ , x 3 ):
a) Escribim os lo s vecto res de la b ase canónica com o com binación lineal d e los
vectores d e la b a se B = ( ( 1 , 1 , 0 ), ( 0 , 1 , 0 ) , ( 1 , 0 , 1 1 ):

( 1 , 0 , 0 ) = 1 ( 1 , 1 , 0 ) + ( - 11 ( 0 , 1 , 0 ),

(0 , 1, 0 ) = 1 ( 0 , 1, 0 ), (9 )
(0,0,1) = ( - 1 X 1 , 1 , 0 ) + 1 ( 0 , 1 , 0 ) + 1 ( 1 ,0 ,1 ) .
APLICACIONES LINEALES CON CONJUNTO DE PARTIDA UN ESPACIO VECTORIAL DE DIMENSIÓN FINITA 125

donde Ai, Ap son escalares, se deduce (por ser / lineal):

/(A|t»i + \ 2 v 2 + • • • + ApV,,) = / ( O , ),

de donde se infiere (por ser / inyectiva):

A|V| + A2V 2 + • • • + \ pVp = 0 t ,

y en consecuencia: Ai = \> = ... = A,, = 0 , pues los vectores v t, v>, .... v r son linealmente
independientes. En conclusión, de la igualdad (10) se deduce necesariamente son nulos los
escalares A], A2.......A,,.Los vectores f ( v 1 ), / ( v 2 ) , . . . , / ( v ,,) son, pues, linealmente indepen­
dientes.
Probemos en segundo lugar la implicación: (b) =» (c). Sea: di m£ = n. Si n = 0, enton­
ces (Oí ) es un sistema de generadores de £, y se tiene:

ra n g o / = ra n g o (/ (0 t ) ) = rango ( 0 ,.) = 0= dimE.

Si n » 1 . y (v i,V 2 , . . . , v „ ) es una base de £ , entonces:

ra n g o / = ra n g o (/ (v , ) , / ( v ¿ ) , ...... / '(ti,,)); (11)

pero al ser los vectores v [: v> v „ linealmente independientes, de acuerdo con la hipótesis
también lo son los vectores / ( v ¡ ), f ( v ¿ ) ....... f i v „ ) , y en consecuencia:

rango ( / ( V i ) ,/ ’( 1/2) ...... /< v „ ) ) = n. (12)

De ( 1 1 ) y (12) se concluye: rango / = n = dim E.


Probemos a continuación la implicación: (c) => (d). I.o haremos por reducción al absurdo:
supongamos que ( u i , u¿ uk), con k > I , es una base de Ker/ . Si dim £ = n, del teorema
de la base incompleta se deduce que el sistema libre ( « i , u ¿ , s e puede extender a una
base de £: íu ¡,u > ,... , «t-, Uk+j,. .. , u„), y por tanto:

ra n g o / = rang o(/(M , ) ,/ ( M 2) ,. .. ,/ ( M | í ),/ (M k+| ) / '( « „ ) )

= rango(0 f 0 r , f ( u k+l) / (« „))

= r a n g o (/ (« i;t i) / (« „))

< n - fe < n,

lo cual es absurdo, pues por hipótesis se tiene que ra n g o / = di m£ = n. En consecuencia,


el subespacio vectorial Ker / del espacio vectorial de dimensión finita £ no admite base, y en
conclusión: Ker / = ¡0 c }.
Finalmente, se verifica la implicación: (d) ==• (a), como se probó en la proposición 11.2
(cf. p. 117).
Una vez hemos probado las cuatro implicaciones anteriores, queda demostrado que las
cuatro afirmaciones del enunciado son equivalentes. c .q .d .
11 2 II. APLICACIONES LINEALES

es decir: (a, b) = ( 3, 4 ) . Y la aplicación lineal de DS3 en R- d eterm in ad a por 4> puede


calcu larse con la igualdad / ( x \,xz,x%) = - ( a,b)\ esto es:

f ( X i , x ¿ , X i ) = 4>(xi , x 2, x 3 ) - ( a . b ) = (2x\ - x ¿ + 3 , - x 2 + 4) - (3,4)

= ( 2 .V| - x 2, - x 2 ),

y a si la aplicación lin e a l./' es la d efin id a po r f (x \ ,x ¿,x s ) = ( 2 x i - x 2, - x 2).

Nota bene Una aplicación afín esta definida por la suma de un vector del espacio de lle­
gada y una aplicación lineal, y ambos están determinados fijada una aplicación afín con­
creta. Esto marca una diferencia formal con los subespacios afines: un subespacio afín
es la suma de un vector y un subespacio vectorial, pero aunque este último está perfecta­
mente determinado fijado un subespacio afín concreto, no lo está el vector. A

En el texto se d etallan a continuación alg u n as propiedades gen erales de las ap li­


caciones afines, que son en cierto sen tid o an álogas de algun as pro piedades que ya
hem os visto de las aplicaciones lin eales: las m ás d estacab les so n las que hacen refe­
rencia a la im agen y a la im agen recíproca. La im agen p o r una aplicación afín de un
su b e sp acio afín del esp acio de partida es a su v e z un su b esp acio afín del espacio de
llegada. Y se tiene u n a propiedad análoga p ara las im ágenes recípro cas: la im agen
recíproca por una aplicación afín de un su b esp acio a fín del espacio de llegada es un
su b esp acio afín del espacio d e partida, siem p re y cuando esa im agen recíproca no
sea vacía. Notem os que no había necesidad de tom ar esta precaución con las ap li­
caciones lineales: a la im agen recíproca por u n a aplicación lineal de un su bespacio
vectorial perten ece al m enos un vector: el nulo.
II. APLICACIONES LINEALES

no es lineal. La condición (Ll) no se verifica; por ejemplo:

0 ( ( l , 2 ) + ( 3 , - l ) ) =¿-7(4,1) = (4,0),

¿7(1,2) + ¿ 7 ( 3 . - 1 ) = (2,0) + ( - 3 , 0 ) = ( - 1 , 0 ) .

Nota bene Para que se verifique (Ll), debe asegurarse que g((x¡,x>) + ( j'i.jy j) ) es igual
a g (x ¡ , X 2 ) + ¿7( jfi, y ¡ ) cualesquiera que sean los vectores ( x i , X 2) y ( j o , y i ) de IK2. a

EJEMPLO 3 Si £ es un espacio vectorial sobre un cuerpo K, la aplicación identidad de £:

x e E — x e E,

que se denota: /¿, es una aplicación lineal de £ en £.


En efecto. Se verifica (Ll), pues dados dos vectores v y w cualesquiera de £ , se tiene:

lE(v + w) = v + w = h;{v) + h: (tu);

y también se verifica (L2), pues si <\ es un escalar, se cumple:

/¿■(exv) = ixv = cxh(v).

Una caracterización m uy u tilizada de las ap licacio n es lin eales e s la siguiente:

CNS de aplicación P ro p o sició n ll .1 Una condición necesaria y suficiente para que una aplicación f
lineal de un espacio vectorial £' en un espacio vectorial F, ambos sobre el mismo cuerpo K,
sea lin eaI es la siguiente:
(L3) V (ex, jS) e IK2, V (v , w ) e £ - , f(<xv + fiw) = a f ( v ) + f i f ( w ) .

Demostración La condición es necesaria. Si v y w son dos vectores de £ y exy /t son dos


escalares, y ponemos: v ' = ixv y te' = pw , se tiene:

fiexv + Pw) = f ( v ’ + w")


= / ( v") + f ( w ' )
= f(otv) + f ( p w )
= ix ftv ) + P f ( w ),

donde se ha utilizado (Ll) en la segunda igualdad y (1.2) en la cuarta. De esta forma, de ser /
lineal se deduce (1.3).
La condición es suficiente. De (L3) se deduce:

f ( l v + I w ) = 1 f ( v ) + l/(u»),

es decir: f t v + w) = f ( v ) + ftw ), y se verifica (L l); por otra parte, de (L3) también se deduce:

/ ( « u + Ote) = a J ' i v ) + 0 J ( w ) .

es decir: .f(cxv) = txf(v), y se verifica (L2); en conclusión, / es lineal.


11(> II. APLICACIONES LINEALES

y de la propiedad i 1 ) se deduce:

0/ = / ( Of) = / ( a iV | + v , + • • ■ + <x„v„) = « i / ( I 7j) + <xif[v2) + ■■■+ a nf(Vn),

lo que establece que los vectores f { v \), ,f(v¿), ■■■, f l v„) son linealmente dependien­
tes, o lo que es lo mismo: el sistema (/(iq es ligado.
4) Dados n vectores V\, v¿, v n de E, si ( / ( i q ), f ( v > f ( v n )) es un sis­
tema libre de vectores de F, entonces el sistema ( v ¡ , u 2 v n) es un sistema
Ubre de vectores de E.
Si ( v i , v j , . . . , v n) fuese un sistema ligado, entonces también seria ligado el siste­
ma ( f ( v 1 ) ,f(v> ), . . . , / ( v „ ) ) (propiedad (3)), en contra de la hipótesis.
5) Si V], v v m son vectores de E, entonces:

rango ( v i , v 2, ■■■, v , „ ) > r a r t g o f / d q ) , / l v >),.. - , f i v m)) ■

Sea ran go (/(v¡ ) ,/ (tt 2) , . .. , f { v m)} = p. Si p = 0, la propiedad es trivial. Si p > 1,


hay p vectores —y no más de p— linealmente independientes entre los v e c t o r e s / ( f i),
f (v > ) f ( v m); si suponemos estos son los p primeros: / ( i q ), f(v>), , f ( v r ),
entonces ( t q, V 2, . . . , t / p) es un sistema libre (propiedad (4)), y en consecuencia se
tiene: rango ( v¡, v ¿ , . . . , v,„) s* p.
6) La imagen por f de un subespacio vectorial E ¡ de E :

f [ E tJ = { / ( v) | v e £ ,},

es un subespacio vectorial de E.
Si te, y son dos vectores de / [ £ ] ] , y existen, pues, dos vectores ni y v> de F¡
tales que f i v ¡ ) = n>, y f(v>) = w 2, y si « , y cx2 son dos escalares, entonces se
tiene: « , u, + a 2v> e , y pertenece a f [ E ¡ ] el vector:

/(o q tq + = oq/(i/i) + ) = oquq +

De la proposición 1.1 (cf. p. 39) se concluye que / [ £ , ] es un subespacio vectorial de F.

Nota bene En particular, la imagen de la aplicación (lineal) f :

lm / = /[£'] = { f ( v ) I v e E } ,

es un subespacio vectorial de F. A

7) La imagen recíproca por f de un subespacio vectorial f j de F :

f * [F i] = í i » 6 £ , \ f ( v ) e E ] } ,

es un subespacio vectorial de E.
El conjunto /'~1 [F, ] no es el conjunto vacío: al menos 0, e f ~ l [f-j ], ya que 0f e Fi
y /(O,) = 0 r (propiedad (1)). Por otra parte, si u, y v , son dos vectores de f ~ ' [ F ,], y
n8 II. APLICACIONES LINEALES

3. In v e rs a de u n a a p lic a c ió n lin e a l b iy e c tiv a Si / es una aplicación entre E


y F que e s biyectiva, está definida su aplicación in ve rsa / 1 , de F en £ , d e fo rm a que
se verifica:
y = /<x) « x =f '(y ),

y / " 1 e s a su ve z biyectiva/’ En e sta s con d icion es, si / es lineal, en ton ces / 1 también
e s lineal.

La inversa de una P ro p o sició n 11.3 La aplicación inversa de una aplicación lineal biyectiva es una
aplicación lineal aplicación lineal biyectiva.
biyectiva también
es lineal Dem ostración Consideremos las notaciones del párrafo precedente al enunciado de esta
proposición. Si w, y w¿ son dos vectores de F, y oq y a< son dos escalares, denotando:
v\ = / “ ' (u n ) y v> = / - '(u/»), o bien: f ( v ¡ ) = u>¡ y f(Vz) = por ser / lineal se tiene:

/ (« ¡u i + ccjV’ ) = a i f ( v \ ) + cx>f(v 2 ) = iX)U>i + a>w¿,

y por tanto:

f 1(« 1 ie 1 + a¿w ¿) = tx| V 1 + a-rv1 = « i / " 1t w i) + (w¿).

En consecuencia, se verifica:

V (tx, P) e K-, V (n»1 , u>_.) e F~, + c\:ivd = « 1 / 1 (w ¡ ) + a->f~1 ( I,

es decir (cf. proposición II.1, p. 114): f ~ x es una aplicación lineal de F en F. c.q.d.

4. C om p osició n de a p lic a c io n e s lin e a le s Si / e s una aplicación lineal de F.


en F , y g e s una aplicación lineal de F en un esp a cio vectorial G (tam bién espacio
vectorial so b re IK), en ton ces la aplicación co m p u esta 7 de / y g\ g ° / , que verifica:

V i ; e £', [g o f ] ( v ) = g ( f ( v ) ) ,

es una aplicación lineal de E en G.


En efecto, si t; y w son d o s vecto res d e F , y tx y p so n d o s escalares, se tiene:

[g o / 1 ( lxv + fiw) = g ( f (txv + liw ))

= g ( a f ( v ) + fifiu » )

= a g (f(v )) + p g (fiw ))
= a [ g o f ] ( v ) + p [g o f ] ( w ) ,

y en consecu encia (cf. proposición II. I , p. 1 1 4 ) g o f e s lineal.

6Puede consultarse, por ejemplo, el apéndice A (cf. p. 397).


'Sobre composición de aplicaciones, cf. apéndice A, p. 398.
120 II. APLICACIONES LINEALES

proposición II.4, p. 1 1 9 ) , es decir:

y por tanto:

d im d m / ) = dim L ( f ( v ¡ = rango ( / ( y , ) , f ( v > ) .......f ( v , „ ) ) .

En consecuencia:

ra n g o / = r a n g o (/ (y i f ( v m))\

esto es: el rango de / es igual al rango del sistem a form ado p o r las im ágen es de los
vectores de un sistem a de gen eradores de £ .
En particular, si ( v i , v 2, . . . , v „ ) es u n a b ase de E, en ton ces tam bién podem os
escribir:
rango/ = rango(/(t>i ) , f ( v 2) , . . . , f ( v „ ) ) .

Nota bene Es indiferente el sistema de generadores —o la base— que se elija para calcular
el rango de una aplicación lineal. a

EJEMPLO 4 Consideremos la aplicación lineal:

(X i,X 2 , X ; i ) ------- (X |,X 2 ,- X ] - x 2),

y calculemos su rango.
Tomamos una base cualquiera de R 3; por comodidad elegimos la base canónica:

Be = ( ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 . 1 ) ) .

Entonces el rango de / es igual al rango de los vectores que son imagen de los de la base Be-

rango / = rango(/< 1 , 0 , 0 ),/ ( 0 , 1,0 ),/ ( 0 , 0 , 1 ))


= ra n g o ((l, 0 , - 1 ), ( 0 , 1 , - 1 ), ( 0 , 0 , 0 )) = ra n g o ((l, 0 , - 1 ), ( 0 , 1 , - 1 )) = 2 .

Notación En las siguientes proposiciones utilizaremos el mínimo de dos números reales x


y y : se denota: min ¡.y,_vi, y se define de esta forma:

Por ejemplo: m ín (0 ,-3 1 = m ín |-3,0 | = - 3 , y m í n { l ,l ] = 1. Una definición equivalente


del mínimo de x e y es:

m ín lx.jyt = - (x + y - |x - v |) .
A
122 II. APLICACIONES LINEALES

3. C a ra c te riz a c ió n de u n a a p lic a c ió n lin e a l p o r la s im ág en e s de los vecto res


de u n a base V eam os con un ejem p lo lo que q u erem os hacer. C on siderem os una
aplicación / de en IR-’ de la cual conocem os las im ágenes de los vecto res de la
b ase B = ( ( 1 , 1 , 0 ) , ( 0 , 1 ,0 ) , ( 1 , 0 , 1 ) ) de IR:i:

/ ( 1 , 1 , 0 ) = ( 2 ,1) , / ( 0 , 1 , 0 ) = ( 1 ,0 ) , / ( l , 0 ,1) = ( 1,2 ) . (6)

Hay m u ch as aplicaciones d e IRJ en IR2 —de hecho, in fin itas— que tienen el m ism o
com portam iento que f en los vecto res de B. Por ejem plo, las aplicacion es f \, f> y h
defin id as por las exp resion es:

f \ { X í , X ¿ , X ¿ ) = { X \ X 2 + 1 , X | X 2 + 2 x 3 ),

f,(X 1 ,X 2 ,X 3) = (x| - X 3 + l.X , (X ;¡ + 1)) ,

{ / ( x 1 , x 3 , x 3 ), si ( x 1 , X 2 , X 3 ) es vector de B ,
( 1 , 1 ), en otro caso.

(Se com pru eb a sin dificu ltad que e sta s aplicacion es se com portan igual que / en los
vectores de B; adicional m ente, se tiene que e sta s tres aplicacion es no so n lineales,
lo cual pu ed e com probarse o b servan do que n inguna de ellas verifica que la imagen
de ( 0 ,0 ,0 ) e s (0 ,0 ).) Pero en tre to das las aplicacion es de IR-1 en IR2 que se com portan
igual que / en Jos vectores de la b ase B, hay una que es lineal, y sólo hay una. Es una
consecu encia del sigu iente resu ltad o teórico.

Una aplicación P ro p o sició n II.7 Sean E y F dos espacios vectoriales de dimensión finita. S i el
lineal está sistem a B = ( v ¡ , V 2 , . . . , v „ ) es una base de E, y si w ¡ , w > , . . . , w „ son n vectores
totalmente de F , entonces existe una aplicación lin eal f de E en F tal que:
determinada
conocidas las / ( v i ) = w i, f { v 2) = w ¿ / (v „) = w (7)
imágenes de los
vectores de una y además f es única, en el sentido siguiente: si g es una aplicación lineal de E en F
base que se comporta igual que f en los vectores de Ja base B. es decir, si la aplicación
lin e a lg es tal q u e :g (v i) = W\, g(v>) = iv i g ( v ,,) = w „ entonces f - g.

Demostración Sea x un vector arbitrario de E. Como B = (v¡,v> .......t»,,) es una base


de E, el vector x se puede escribir de manera única como combinación lineal de los vectores
de B, es decir, se tiene:
x = A i v i + \¿v¿ + • • • + A„i/„

para unos únicos escalares A i. A2, — , A„ (las coordenadas de x en la base /i). Definimos la
imagen de x por / como:

/ ( x ) = Ai Wi + A¿u>¿ + •••+ A„ w n.
124 II. APLICACIONES LINEALES

b) C alculam os las im ágenes (por / ) de los v ecto res d e la b ase can ón ica —q ue se
deducen de s e r / lineal, de (9) y d e (6)—:

/ ( 1. 0 . 0 ) = 1/ ( 1, 1, 0 ) + ( - 11/ ( 0 , 1, 0 ) = ( 2 , 1) - ( 1, 0 ) = ( 1, 1 ),
/ ( 0 , 1, 0 ) = 1/ ( 0 , 1, 0 ) = ( 1, 0 ) = ( 1, 0 ),
/ ( 0 , 0 , 1) = ( - 1) / ( 1, 1, 0 ) + 1/ ( 0 , 1, 0 ) + 1/ ( 1, 0 , 1)
= - 1 2 , 1 ) + ( 1 ,0 ) + ( 1 , 2 ) = (0, 1).

c) Si (x i , x 2, x 3 ) 6 K3 , podem os escribir ya la expresión d e / ( x i , x 2, x 3 ):

f ( x \ , x ¿ , X i ) = / ( X i ( 1 ,0 ,0 ) + x 2 ( 0 , 1 , 0 ) + x 3 ( 0 , 0 , 1) )
= x , / ( l , 0 , 0 ) + x 2/ ( 0 , l ,0 ) + x 3/ ( 0 , 0 , l )
= X i ( 1 , 1 ) + x 2 ( l , 0 ) + x 3 ( 0 , 1 ) = ( x j + x 2, x i + x 3 ).

La única aplicación lineal / de IR3 en IR2 que verifica (6) es, p u es, la que satisface:

V ( X i,X 2,X 3 ) G l 3 , / ( X | , X 2,X 3 ) = (X| + X 2,X i + x 3 ),

e s decir, es la aplicación: ( x i , x 2, x 3 ) e K 3 — ( x j + x 2, x i + x 3 ) e IRJ .

Nota bene lina aplicación lineal queda unívocamente determinada cuando se conocen las
imágenes (por la aplicación) do los vectores de una base. a

EJERCICIO I Dar una expresión general de las aplicaciones lineales de !R" en IR'". a

4. C aracterizaciones de una aplicación lin eal inyectiva La siguiente pro ­


posición en u n cia varias condiciones eq u ivalen tes a la inyectividad de u n a aplicación
lineal.

Más CNS de P ro p o sició n 11.8 Sea f una aplicación lineal de un espacio vectorial E de dimen­
aplicación lineal sión lin ita en un espacio vectorial F. Las siguientes añrm aciones son equivalentes:
inyectiva a ) f es inyectiva;
b) si v ¡ , v 2, v p son p vectores linealm ente independientes de E , enton­
ces f ( v i ) , f { v ¿ ) , f ( v p) son p vectores linealm ente independientes de F ;
c) e l rango de f es igual a la dimensión del espacio vectorial de partida:

rango / = d im £ ;

d) K er/ = 10 f } ._________________________________________________________________

Demostración Probemos en primer lugar la implicación: (a) => (b). Supongamos enton­
ces que / es inyectiva, y sean tq, v ¿ vr vectores de E linealmente independientes. De la
igualdad:
A ¡/(i> ]) + A >fiv>) + ■ • • + Apf(Vp) = 0 r , (10 >
126 II. APLICACIONES LINEALES

Las ap lic a c io n e s C o ro la rio Una aplicación lineal invectiva (con conjunto de partida un espacio
lin e a le s vectorial de dimensión lin ita) conserva el rango, es decir, si f es una aplicación
in y ectiv as lineal invectiva de un espacio vectorial E de dimensión ñnita en un espacio vecto­
c o n s e r v a n el rial F, y ( v \,v-¿........ v , „ ) es un sistema de vectores de E, entonces:
rango
rango { v \ , v 2 v m) = r a n g o ) , / U M , . . . )).

D e m o stra ció n Sea: ra n g o = p. S i p = 0 , e n t o n c e s :

t / i = t/2 = . . . = t / m = 0 £ , > f t v ¡ ) = /(te .) = ... = / ( i/ „ ,) = 0 f ,

y s e t i e n e e l r e s u l t a d o . Si p > 1 , e n t o n c e s e x i s t e n p v e c t o r e s e n el s i s t e m a q u e s o n l i n e a l m e n t e

in d e p e n d ie n t e s ; p o d e m o s s u p o n e r s o n lo s p p rim e r o s . D e e s t a C o r m a , l o s v e c t o r e s f ( v ¡ ),

J ( v 2 1........... / ( i ’ p ) s o n l i n e a l m e n t e i n d e p e n d i e n t e s ( p o r s e r / i n y e c t i v a , y d e a c u e r d o c o n la

p r o p o s i c i ó n a n t e r io r ), y s e tien e:

r a n g o ( / ( i / | ) , / ( t ' 2 ) ............ f i v , „ ) ) » r a n g o ( / l i / | ) , / ( v 2 ) f ( v r >) = p. (13)

P o r o t r o l a d o ( c f. p r o p i e d a d 5 d e l a s a p l i c a c i o n e s l i n e a l e s , p . 1 lti):

r a n g o ( / ( v , ) , / ( t ' i ) , . . . , f ( v m ) ) < r a n g o ( i q . V j , . . . , p , „ ) = p. (14)

D e ( 1 3 ) y Cl 4 ) s e c o n c l u y e :

r a n g o ( . / ' ( t ' i ) , . f i t ’z ) , . . . , f ( v m )) = p = r a n g o { v 1 , 1/ 2 v m) ■
L A ) . I).

N ota b e n e En la d e m o s t r a c ió n d e las c a ra cte riza cio n es a n terio re s no h em o s im p u esto

r e s t r ic c ió n a l g u n a a l a d i m e n s i ó n d e l e s p a c i o v e c t o r ia l F. A

EJEM PLO 1 C o n s i d e r e m o s la a p l i c a c i ó n :

R2 ---- - ---- IR2


(.X |,X 2 ) -------------— ( x ¡ + X 2 , X i - X 2 , X | ).

La a p lic a c ió n f e s lin e a l, c o m o el le c t o r p u e d e c o m p r o b a r sin d ific u lta d , y ta m b ié n e s in v e c ­

tiva, lo c u a l p u e d e d e m o s t r a r s e f á c ilm e n t e u t iliz a n d o a lg u n a s d e las c a r a c t e r iz a c io n e s v is t a s

e n la p r o p o s i c i ó n 11.8 (cf. p . 1 2 4 ).

Por e je m p o , se verifica : Ker f = { ( 0 , 0 ) ] , p u e s d e la ig u a ld a d / ( x j , x 2 ) = ( 0 , 0 , 0 ) , o bien :

( X | + X '¿, x i - x 2 , X ] ) = ( 0 , 0 , 0 ) , s e d e d u c e : X] = x 2 = 0.

T am b ién s e verifica: ra n g o / = d i m IR2 . E n e f e c t o , s i t o m a m o s u n a b a s e c u a l q u i e r a d e 1 J .

p o r e j e m p l o : ( ( 1 , J ), ( 1 , 0 ) ) , s e t i e n e :

rango./ = rang o(/( 1 , 1 ) , / ( ! , 0 )) = ra n g o ((2 ,0 , 1 ) , ( 1 , 1 , 1 ) ) = 2 = dim H2


APLICACIONES LINEALES CON CONJUNTO OE PARTIDA UN ESPACIO VECTORIAL DE DIMENSIÓN FINITA 127

EJEMPLO 6 La aplicación:

R3 - R3
( X 1 . X 2 . - V 3 ) ------------ (x2 + X 3 . X 1 + X 2 + 2 x 3, X ) + X 3 )

es lineal, como se comprueba con facilidad, y no es inyectiva, lo cual se puede demostrar


usando la proposición 11.8 (cf. p. 124).
En efecto, calculemos el rango de / . Considerando la base canónica de IR3, se tiene:

rango / = rango ( / ( 1 ,0 ,0 ) ,/ ( 0 , 1 ,0 ) ,/ ( 0 , 0 ,1) ) = rango(((), 1 , 1 ) , ( 1 , 1 , 0 ) , ( 1 , 2 , 1 ) ) = 2,

pues el vector ( 1,2 , I ) es suma de los otros dos, y estos dos son linealmente independientes.
En consecuencia: rango / = 2 * 3 = dim IR3, y en virtud de la proposición 11.8 (cf. p. 124) la
aplicación / no es inyectiva.

EJERCICIO 2 Si f es una aplicación lineal de un espacio vectorial E de dimensión fínita en un espacio


vectorial F, y si (v\,V'¿....... v „ ) es una base de E, demostrar que una condición suficiente
para que f sea inyectiva es que el sistema ( f iv \). f [V i ),..., f (v „)) sea libre. a

5. C a ra c te riz a c ió n de u n a a p lic a c ió n lin e a l s u p ra y e c tiv a La sigu ien te pro ­


posición m u estra una condición equ ivalen te a la su p rayectivid ad d e u n a aplicación
lineal.

CNS de aplicación P ro p o sició n 11.9 Sea f una aplicación lineal de un espacio vectorial E en un
lineal espacio vectorial F , ambos de dimensión fínita. Una condición necesaria y suficiente
suprayectiva para que f sea suprayectiva es que su rango coincida con la dimensión del espacio
vectorial de llegada:
rango / = dim F.

Demostración La condición es necesaria. Si / es suprayectiva, es decir, si los conjun­


tos Im/ y F coinciden, entonces: ra n g o / = d im dm /) = dim F.
La condición es suficiente. Si ra n g o / = d im f, como: ra n g o / = d im d m /), entonces:
d im dm /) = dim F, y al ser Im / un subespacio vectorial del espacio vectorial F, se concluye
(cf. corolario de la proposición 1.17 , p. 79): Im / = F, esto es, la aplicación / es suprayectiva.
C.Q.D.

EJEMPLO 7 Si J es la siguiente aplicación de IR3 en !R2:

(X 1 .X 2.X 3 ) e IR3 — (Xi +.\'2 ,X| - X 3 ) e 08/

entonces es lineal, como se comprueba sin dificultad, y es suprayectiva, lo cual se puede


demostrar con la proposición II.9 (cf. p. 127).
128 II. APLICACIONES LINEALES

En efecto. Calculemos el rango de / partiendo de la base canónica de ffi3. Se tiene:

rango./ = rango ( / ( 1 , 0 ,0 ) , / ( 0 , 1 ,0 ),/ ( 0 , 0 ,1 )) = ra n g o ((.l, 1), (1,0), (0, - 1 )) = 2.

(Para el cálculo del anterior rango de vectores, nótese que el de tres vectores de IR- es a lo más
igual a 2, y que los vectores ( 1 , 1 ) y (1, 0) son linealmente independientes.) En consecuencia,
el rango de / es igual a la dimensión de su espacio vectorial de llegada: rango / = dim R-, y
en conclusión /' es supraycctiva.

EJEMPLO 8 I.a aplicación:

ÍS3 ---- - ---- ■ IR3


( X l , A 'j , ,V3 ) --------— ( .V + 2-Vt , A'^ - .V:í, ,\ '[ -V X -I + X -¿)

es lineal —como se comprueba fácilmente— y no es suprayectiva, como se puede probar con


la proposición 11.9 (cf. p. 127).
Para calcular el rango de / consideramos la base canónica de R 3. Se tiene:

rango / = ran g o (/( 1 ,0 ,0 ),/ ( 0 , 1, ()),/ ((),(), 1)) = rango((1 ,0 ,1 1 ,(0 ,1 ,1 ), (2, -1,1 >) = 2,

pues el vector (2, - 1 , 1 ) es combinación lineal de los otros dos: (2, - 1 , 1 ) = 2 ( 1 , 0 , 1 ) —{(), 1 , 1 ) ,
y estos dos son linealmente independientes. En consecuencia, el rango de / no es igual a la
dimensión de su espacio vectorial de llegada: rango / 3, y / no es suprayectiva.

Para las aplicaciones lineales entre esp acios vectoriales de la m ism a dim ensión
finita, se tiene la siguiente

P ro p o sició n 11. 10 Sea f una aplicación lineal de un espacio vectorial E en un


espacio vectorial F, ambos de dimesión ñnita. Si E y F son de ía misma dimensión,
entonces:
f es inyectiva $=> / es suprayectiva.

Demostración Teniendo en cuenta las caracterizaciones demostradas en las proposicio­


nes 11.8 (cf. p. 124) y 11.9 (cf. p. 127), y la hipótesis: dim E = dim F , se tiene la siguiente cadena
de equivalencias:

/ es inyectiva <=> ra n g o / = dim E ra n g o / = dim F / es suprayectiva.


c.u.n.

Aplicación lineal C o ro la rio Si f es una aplicación lineal entre dos espacios vectoriales de ia
entre espacios misma dimensión finita, se veriñea:
vectoriales de la
misma dimensión f es inyectiva « / es suprayectiva f es biycctiva.
finita
APLICACIONES LINEALES CON CONJUNTO DE PARTIDA UN ESPACIO VECTORIAL DE DIMENSIÓN FINITA 129

6. T eo rem a de la s d im ension es Cuando el espacio vectorial de partida de una


aplicación lineal es de dim ensión finita, h ay una relación entre su dim ensión y la
dim ensión del núcleo y de la im agen:

Teorema de las T e o re m a 1 Sea f una aplicación lineal de un espacio vectorial E de dimensión


dimensiones ñnita en im espacio vectorial F. Se verifica:

dim ( K e r / ) + dim ( lm / ) = d im £ , (15 )

o lo que es equivalente: dim ( K e r / ) + r a n g o / = dim E.

Demostración Si lm / = {Op}, es decir, si la imagen por / de cualquier vector de £ es el


vector 0f , entonces Ker f = E, y se verifica (15): dim (Ker/ ) + dim (lm /) = dim £ + 0 = dim£.
Si Ker/ = ¡Oí}, entonces: rango/ = dim £ (cf. proposición n.8, p. 124), y se verifica (15)
también en este caso: dim (Ker/) + dim (lm /) = 0 + rango/ = dim £.
Probemos la fórmula (15) para el caso en que lm / * !0 /¡ y K e r/ * !OeI. Sea enton­
ces (w\,u>2,...,Wp) una base de lm / (y por tanto: ra n g o / = dim O m /) = p), y también
sea (ui,U 2 ,...,Uq) una base de Ker/ (y por tanto: dim (K er/) = q). Al ser W\, u>2 Wp
vectores de lm /, existen p vectores Vu V2 v p de £ tales que:

f ( v ]) = U>i, f ( v 2 ) = w 2, •••> f ( v r ) -w r ,

y además (v ,, v v p) es un sistema libre, al serlo ( w ¡ , w 2, . . . , w p).


Se verifica que el sistema B = ( « i, tt2 utl, v u v> v r ), de vectores de £, es una base
de £.
En efecto. En primer lugar, el sistema B es un sistema de generadores de £. Seax un
vector arbitrario de £. Entonces / ( x ) e lm/ , y se tiene:

/ ( x ) = Ajtei + A_.u/j + • • • + \,,Wp

para algunos escalares A i, A:>,. .. , Ap. Si denotamos:

y = Ai Vi + A2V2 + • • • + A,,v,,, (16)

entonces / ( x ) = f ( y ) :

f ( y ) = A |/(t»i) + + • • • + Apf(Vp) = Ai it/1 + A + • •• + Ar w r = / ( x ) ,

de donde: f ( x - y ) = 0 ,, luego: x - y e K er/, y se tiene:

x - y = ¡j\Ui + P 2U 2 + ■■•+ pquq (17)

para algunos escalares p i, ■■■, ú<¡- De (16) y ( 1 7) se deduce:

X = p , Mi + P 2 U 2 + ■ ■ ■ + + A] V ¡ + A j V j + ■ ■ ■ + \ p V r ,
II. A P L IC A C IO N E S U N ÍA L E S

y x es u n a com binación lineal d e los vecto res del sistem a B. es decir: x € U B ). El sisle m a B
e s. p o r tanto, un sistem a de gen erad o res d e E.
F.n seg u n d o lu gar, el sistem a B e s libre. S u p o n g a m o s q u e lo s esca la re s d i, 5.*, . . . . 5 „ .
y i . y_> y r son tales que:

ó’ iM] + .5¿u¿ + • • • + b „ u „ + y iU i + + • •• + yr v,, = 0 ; . ( 18 i

De esta igu ald ad se d ed u ce:

0 f = /(O , > = / ( ó ,m i + S ju : + • • • + á „ M „ + y ,v i + y2v 2 + • • • + yPv P)


= Ó J'itii) + • ■ • + + y i / i f i ) + • • • •< » / ( vr)
yiu > , + y 2w¿ + ■ ■ ■ + yr w,„

y al s e r (u»i, ut> u>,,) u n sistem a libre s e infiere: y i = y> = . . . = y „ = 0 . S u stitu yen d o


en ( 1 8 ) se obtiene: á j i t i + 6¿u> + • - • + = 0 , , y al se r libre el sistem a (m i. u> u.r), se
d ed u ce: <5] = á_< - . ■ S„ = 0. En conclusión , y co m o d e la Igu ald ad (18 ) hem os d ed u cid o:

<5, = 6 . = . . . - <5„ = y , =• y : = . . . = y„ = 0,

el sistem a B e s libre.
El sistem a R es, pues, u n a base de £', luego:

d im E = í) t p - dim ( K e r / ) + dim ( l m / ) ,

y q u ed a p ro b ad a la fórm u la ( 1 5 ) . 1 "i

N ota b e n e En esta d em ostración n o se h a h ech o restricció n algu n a so b re la d im ensión del


esp acio vectorial F; es decir, el teorem a de las d im ension es es válid o in clu so si E es de
d im ensión infinita. A

EJEMPLO 9 Sea / u n a aplicación lineal de R 1 en R - tal que:

d im (K e r / ) = 2 y ( 1 , 3 ) e lm /.

D eterm inem os u n a b ase del su b esp acio vectorial l m / .


Del teorem a d e las d im en sio n es se deduce:

d im i lm / ) = dim R J - d im iK e r / ) = 3 - 2 = 1,

y p or tanto u n a b ase de lm /"e sta rá Form ada p or un ú n ico vector. C o m o ( 1 . 3 ) es u n v e c to r no


n ulo d e l m / , es un vecto r linealm ente in dependiente, y en co n secu en cia ( ( 1 , 3 ) ) e s una base

d e lm f. N ótese q ue l m / = R (l,3 ).
- EL ESPACIO VECTORIAL C ( E . l I

II.4 EL ESPACIO VECTORIAL L ( E , F )

Sean £ y F d o s esp a cio s vectoriales so b re un m ism o cuerpo K . D esignarem os el


con ju n to de las aplicacion es lineales de £ en £ con la notación: £ ( £ , £ ) . Probarem os
que £ .( £ ,£ ) es un su b esp acio vectorial del espacio vectorial F f de las aplicaciones
de £ en F (cf. ejem p lo 4 del capítulo I, p. 35).
En prim er lugar, £ ( £ , £ ) no es el co n ju n to vacío, p u es la aplicación nula:

v ------- O ( v ) = 0/,

es u n a aplicación lin eal de £ en F : O e E ( E , F ) .


En seg u n d o lugar, si com probam os que cuando « i y «2 son d o s escalares, y f ¡
y f 2 son d o s aplicacion es lineales de £ en F , en ton ces « \ f i + a¿ f ¿ es una aplicación
lineal de £ en F , de acu erd o con la proposición 1.1 (cf. p. 39) habrem os probado
que £ ( £ , F) es u n su b esp acio vectorial del espacio vectorial F E. T en em o s que probar,
p u es, que « 1/1 + ot>f¿ es u n a aplicación lineal de £ en F , y para ello (cf. proposi­
ción II. 1 , p. 1 1 4 ) verifiquem os:

V (/?],/?.) e 0€2, V { v , w ) e E 2,
( 19 )
( « 1 / 1 + a 2f 2)(&\V + P2W) = /?| ( O Í ] / i + L\2f 2)iV) + 02 ( « l / | + (X2f 2)(U>).

Se tiene:

(«1/1 + CX2f > ) ( p i V + p 2w ) = («|/i)(/l|U + p 2Ul ) + ( c x ¿ f 2) ( p \ v + lhu>)

= «1/1 ( P l V + /}¿w ) + a¿f>(P]V + /)2Ul )


= + /?2 / i ( IX/)) + a 2 ( P\ f 2(v) + p 2.f 2 (w))
= Pl(X\ft (v) + Ih t t’ f l i v ) + /?2OCi/i(U/) + /f>tt2/ 2<uó
= + « 2/ 2)(u) + lí¿(c<ifi + a 2f 2) ( w ) ,

donde la prim era igualdad e s consecu en cia de la definición de la adición de aplica­


ciones; la segund a, de la definición de la ley de com posición extern a; y la tercera, del
h echo de q u e / i y f 2 son aplicaciones lin eales. Por tanto, se verifica (19 ), y « i./ j + a 2/ 2
e s una aplicación lineal.
En conclusión, £. ( £ ,£ ) e s un su b esp acio vectorial de F E.

EJEMPLO 10 Calculemos una base del espacio vectorial £ (K , K:i).


Para determinar una aplicación lineal de IR en R ’‘ basta conocer la imagen por ésta de
los vectores de una base de IR (cf. proposición 11.7, p. 122). En nuestro caso, como IR es de
dimensión 1, cualquier número real no nulo formará una base; tomemos la formada por I
132 II. APLICACIONES LINEALES

—vector que en este caso coincide con el escalar 1 —. Así, si f pertenece a £ ( K , IR3), / queda
determinada sólo con conocer ,/'< 1 ).
Consideremos las tres aplicaciones fs de K en IR1 que verifican:

/ , ( 1 ) = e, = ( 1 , 0 , 0 ), f 2( 1 ) = e> = (0 , 1 , 0 ), f s( 1 ) = e, = (0 , 0 , 1 ).

Entonces (f\ ,h ,.h ) es una base de £ ( R , 1 :|). En efecto. Sea / una aplicación arbitraria
de £ (R, R 3), y sea: / ( 1 ) = (X 1 .X 2.X 3 ). Entonces se tiene:

U 1/ 1 + X 2/2 + X 3/ 3 M D = X ^ O ) + X 2/ ¡ ( 1 ) + X 3 / 3 ( 1 ) = x l e l + x 2 e2 + x i e 3 = ( X 1 . X 2 . X 3 ),

es decir, la aplicación lineal / y la aplicación lineal (X 1/1 + X 2/2 + X3/ 3 ) tienen el mismo
comportamiento en el vector 1. Como (1) es una base de R, se deduce: / = X \ f ¡ + X 2/2 + X 3/ 3,
y en consecuencia: / e L ( / i , / 2,/:i). El sistema ( f ¡ , f ¿ ,/ ¡ ) es, pues, un sistema de generado­
res de £ ( R , R :i).
Comprobemos ahora que ( f \ , f 2,fc) es un sistema libre. Si « 1 , a¿ y « :i son escalares, de
la igualdad: oq/i + <x¿f2 + « 3/1 = O, se deduce: (oq/1 + « 2/2 + « 3/ 3 M I) = 0 ( 1 ) = (0,0,0), y
por tanto: « 1/1 (1) + « 2/ 2 ! 1) - « 3/ 3 ( 1 ) = (0,0,0), de donde: ( « 1 , « 2, « 3) = (0,0,0), es decir:
«1 = «2 = a;i = 0. En consecuencia, el sistema es un sistema libre.
El sistema es entonces una base de £(R ,IR 3). Nótese que d im £(R , R3) = 3.

II. 5 ISOMORFISMOS DE ESPACIOS VECTORIALES

1. D e fin ició n de isom orfism o. Esp a cio s v e c to ria le s isom orfo s Se con sid e­
ran esp a cio s vectoriales so b re un m ism o cuerpo IK.

Definición

Isomorfismo De u n a aplicación lineal / de u n espacio vectorial £ en un esp acio vectorial £ se


dice es un iso m o rfism o de £ en F (o de £ sobre F) si e s biyectiva.

Automorfismo Si f es un isom orfism o de £ en sí m ism o, es decir, de £ en £ , de f se dice es un


au to m o rfism o de £ .

Si / e s un isom orfism o d e E en F , en to n ces su aplicación inversa: / ' , es a su vez


un isom orfism o de F en E (cf. proposición 11.3, p. 118 ) .

Definición

Espacios Si existe u n isom orfism o de £ en F , se dice que £ y F so n e s p a c io s v e c to ria le s


vect. isomorfos iso m o rfo s.
ISOMORFISMOS DE ESPACIOS VECTORIALES

2. Pro p ie d ad es La com posición de dos isom o rfísm o s es un isom orfism o, p u es


la com posición de dos aplicaciones lineales es una aplicación lineal (cf. p. 1 1 8), y
la com posición de dos aplicaciones b iyectivas es u n a aplicación b iyectiva (cL teore­
ma 4, p. 4 0 1). A continuación, vem os o tras p ropiedades de los isom orfísm os y de los
esp acios vectoriales isom orfos.

Un espacio P ro p o sició n II. 1 1 Sea E un espacio vectorial sobre IC. Si E es de dimensión finita
vectorial de igual a n, con n > 1, entonces E y ÍC" son espacios vectoriales isomorfos.
dimensión n es
isomorfo a 04" Demostración Si (Vi,v-¿ v n) es una base de E, consideremos la aplicación lin e a l/
de E en K" tal que: f ( v ¡ ) = e¡, f ( v 2 ) ~ e¿, ..., f ( v „ ) = e„ (recordemos que una aplicación
lineal queda inequívocamente determinada por las imágenes de los vectores de una base).
Entonces: ran go / = ra n g o (e i,e .> ,...,e „) = n, y por tanto:

r a n g o / = dim £ y rango /’ = dim K ",

y en consecuencia / es inyectiva (cf. proposición II.8, p. 124) y es suprayectiva (cf. proposi­


ción ti.9, p. 127), es decir: / es un isomorfismo. Los espacios vectoriales £ y K" son, pues,
isomorfos. c . q .d .

Los espacios C o ro la rio Dos espacios vectoriales (sobre un mismo cuerpo) de dimensión ñnita
vectoriales de la que tienen la misma dimensión son isomorfos.
misma dimensión
finita son
Tenem os, pu es, una condición su ficien te (basada en la dim ensión) para que dos
Isomorfos espacios vectoriales de dim ensión finita sean isom orfos. F,l siguiente resu ltad o nos
va a servir para com probar que esta condición es tam bién necesaria.

CNS de P ro p o sició n 11.12 Sea f una aplicación lineal de E en E. ambos espacios vec­
isomorfismo toriales de dimensión ñnita no nula, y sea (iq , p ? ,. . . , u ,¡) una base de F.. Una
(transformar condición necesaria y sufíciente para f sea un isomorfismo es que el siste­
bases en bases) ma { f ( V ] ) , f ( v ¿ ) ........ f ( v „)) sea una base de F.

Demostración La condición es necesaria. Si / es un isomorfismo, entonces:

rango / = dim F = ti y ra n g o / = d ¡m £ ,

y por tanto se tiene: rango(/(tq ) , f ( v 2) ........ f ( v „ ) ) = n = dim F, y en consecuencia el siste­


ma ( f ( v ¡ ),f(v> ) f ( v , fi) es una base de F.
La condición es suficiente. Si el sistema ( / ( w i) ,/ ( « 2)......./(w »)) es una base de F, en­
tonces el rango de este sistema es igual a n : rango(/(V] ) , f ( V 2 ) ....... f ( v „ ) ) = n , de don­
de: rango / = n = dim F = dim E, y en consecuencia / es suprayectiva e inyectiva, es decir, /
es un isomorfismo. c .q .d .

C o ro la rio Si dos espacios vectoriales de dimensión ñnita (sobre un mismo


cuerpo) son isomorfos, entonces tienen la misma dimensión.
'3 4 II. APLICACIONES LINEALES

EJEMPLO 1 1 Estudiemos si es un isomorfismo la aplicación lineal / de IR3 en R3 dada por la expresión:

f ( X í , X 2 , X ; ¡ ) = ( X 2 + X :¡,X i + X i , X i + X<).

De acuerdo con la proposición 11.12, tomemos una base de R 3, que por comodidad será
la canónica, y estudiemos si las imágenes por / de sus vectores forman una base —también
de IK1—. So tiene:

f i e , i = ( 0 , 1 , 1 ), f ( e 2) = ( 1 , 0 , 1 ), fie-i) = ( 1 , 1 , 0 ),

y el sistema ( ( 0 ,1 , 1) , ( 1 ,0 ,1 ) , ( 1 ,1 ,0 ) ) es una base de R3 (es fácil ver que su rango es igual


a 3). En consecuencia, / es un isomorfismo de R 3 en R 3, o también: un automorfismo de R 3.

EJEMPLO 1 2 Los espacios vectoriales £ ( R , R3) y R3 son isomorfos, pues ambos son de la misma dimensión
finita (cf. ejemplo 10, p. 13 1) . Para definir un isomorfismo <P del primero sobre el segundo,
teniendo en cuenta la proposición 11.12 (cf. p. 133), basta definir las imágenes por <¡>de los
vectores de una base de £(IR ,R 3 ) de suerte que éstas formen una base de R 3.
Por ejemplo, si tomamos como base de £ ( R , R3 ) la ya considerada en el ejemplo 10
(cf. p. 13 1): y definimos ‘P como la aplicación lineal de £ ( R ,R 3) en R 3 que ve­
rifica: <P(f, ) = ( 0 , 1 ,1 ) , ‘P ( f ' ) = ( 1 ,0 ,1 ) y ’t’ifs ) = ( 1 ,1 ,0 ) , entonces <P es un isomorfismo,
pues ( ( 0 ,1 ,1 ) , ( 1 ,0 ,1 ) , ( 1 , 1 , 0 » es una base de R 3.

Por el m om ento, p ara estu d iar si u n a aplicación lineal d a d a entre dos espacios
vectoriales de dim ensión finita es un isom orfism o, ten em os d o s criterios: estu d iar si
es sim ultán eam ente inyectiva y su p rayectiva (definición de isom orfism o), o estu d iar
si las im ágenes de lo s vecto res de una b ase form an una b ase (cf. proposición 11.12 ,
p. 13 3 ) . Pero cuando lo s esp acios vecto riales tienen la m ism a dim ensión, b asta sólo
estu d iar si la aplicación e s inyectiva o si es su p rayectiva (cf. proposición 11. 10 , p. 128 ).

EJEMPLO 1 3 Estudiemos si es un isomorfismo la aplicación / de R 3 en R3 que verifica:

V (X 1 .X 2 .X 3 ) e R 3, / ( X 1 . X 2 . X 3 ) = ( X i + x¿ + x :¡,X 2 + x .¡,x .j).

De la igualdad / ( x i , x 2,X3) = (0,0,0) se deduce:

X ] + X > + X:i = 0, X 2 + X: í = 0, .V, = 0,

y estas ecuaciones se verifican simultáneamente si y sólo si: x i = x 2 = x :( = 0. En con­


secuencia, el único vector de R3 cuya imagen por / es (0,0,0) es el vector (0 ,0 ,0 ), esto
es: Ker/ = {(0 ,0 ,0 )}, y por tanto / es inyectiva. Como / es una aplicación lineal entre
espacios vectoriales de la misma dimensión finita, con la proposición 11.10 (cf. p. 128 ) y su
corolario se concluye que / es biyectiva, es decir: f es un isomorfismo de IR3 en R 3.
■ORMAS LINEALES

Com o con secu en cia inm ediata de los com entarios p reced en tes al ejem p lo an terior
se tiene la siguiente

CNS de P ro p o sició n 11.13 Una condición necesaria y sufíciente para que una aplicación
isomorfismo lineal f de un espacio vectorial F en un espacio vetorial F, ambos de la misma
=ngo igual a la dimensión ñnita n , sea un isom orfism o es que su rango coincida con la dimensión
dimensión común:
común) ra n g o / ' = n.

Demostración La aplicación / es un isomorfismo si y sólo si es suprayectiva (cf. proposi­


ción 11.10, p. 128), y / es suprayectiva si y sólo si: ra n g o / = n. c.Q.n.

II.6 FORMAS LINEALES

1. E s p a cio d u a l. F o rm a s lin e a le s En esta secció n con sid erarem os un espacio


vectorial E sobre un cuerpo &, y su pon drem os que E e s d e dim ensión finita.
Si con sid eram os & com o un espacio vectorial sobre & (cf. ejem p lo 1 del capitulo 1,
p. 35), en ton ces el conju nto H E , K ) de las ap licacio n es lin eales de E en K es un
espacio vectorial (cf. sección 4, p. 1 3 1 ) . Este esp acio vectorial £ ( £ , & ) se denom ina
e sp a c io d u a l de £ , y se denota por £ ‘ :

£ ‘ = £(£, K).

De los elem en tos de H E , K) se dice so n las fo rm a s lin e a le s sobre £ .

EJEMPLO 14 Veamos cómo es el espacio dual del espacio vectorial K2: (R2) ” .
Un elemento / de (IR2) ', es decir, una forma lineal / sobre R2, es una aplicación lineal
de R2 en ¡R. Para que f esté determinada bastará conocer las imágenes por / de los vectores
de una base de R2. Si tomamos por comodidad la base canónica: ( (1,0 ), ( 0 ,1)), la forma
lineal / estará determinada si se conocen / ( 1 , 0 ) y / ( 0 , 1).
Sean:,/'(1,0) = a ¡ y / ( 0 , 1) = a--. Entonces para cada (x ¡,x 2) e R 2 se tiene:

f ( x i , x , i = / ( x i ( l , 0 ) + x 2 ( 0 , l ) ) = X i / ( 1, 0 ) + x 2/ ( 0 , l ) = x , a l + x>a>,

Esto es, la forma lineal / verifica: V ( x i , x 2) e R 2, f(x\,x>) = ttiXi + a>x¿.


Recíprocamente, si g es una aplicación de ! 2 en IR para la que se cumple:

V ( X !,x L.) e ¡R2, íj( X l.x j) = ttix , + a 2x>, para algún e R y algfin a¿ e IR,

entonces g es una forma lineal sobre K2.


136 II. APLICACIONES U N ÍA LES

En conclusión, el conjunto (¡R2)" es el conjunto de las aplicaciones / de R 2 en R que


verifican:
V (X i,x 2) € R2, f ( x u x 2) = íiiX , + a 2x 2,

para algunos números reales a¡ y a?.


Se generaliza sin dificultad a R ": el conjunto (R">* de las formas lineales sobre R " es el
conjunto de las aplicaciones / de R " en R que verifican:

V (x\ , X i x„) e R'1, f (x \ , x 2 x „ ) = a ¡Xi + a>x> + ■ • • + a „x „,

para algunos números reales tit , a> a».

Notación Si E es un espacio vectorial de dimensión finita no nula, y si B es una base de £,


toda forma lineal sobre E está unívocamente determinada si se conocen las imágenes (por
la forma lineal) de los vectores de la base B. Si B = (v\,v 2 v „ ), y jq , y 2 y» son
escalares, la única forma lineal f que verifica:

/ ( » i) = yi. f(v>) = y< f ( v ni = y„

será representada por comodidad de la siguiente manera:

V i ----------- y ,

f = ■ V i -------- y ¡

V n ----------- y „ .

A continuación, y fija d a u n a b ase B = (v i,v - ,,... , v n) d e un espacio vectorial E


de dim en sión finita no nula, definim os u n a aplicación f de E en su dual: £ * , es decir:

X 6 E — P(x ) e E ' .

Si x e E y A[, A2 , . . A„ so n su s coord en adas en la b ase B :

x = A i t>i + \> v 2 + ■• • + A„i>„,

en ton ces /'(x ) se define com o la sigu ien te fo rm a lineal sobre E:

v 1 A|

£{x) = V i ------ A,

v » ------- A„.

En e sta s condiciones se verifica la siguiente


II. APLICACIONES LINEALES

P es suprayectiva.
Si / 6 E * , y / ( v i) = )'], f ( v > ) = y2, .... f ( v „ ) = y n, consideremos el vector
z = y i Vi + y¿V2 + •••+ y » v „; entonces:

V i y,

Piz ! = - v , y¡

vn y»,

y por tanto: P(z) = ./’, y P es suprayectiva.


.Ai ser P una aplicación lineal inyectiva y suprayectiva de E en E ’ , P es un isomorfismo
de E en £'*.

Un espacio C o ro la rio Si E es un espacio vectorial de dimensión finita no nula n, entonces


vectorial y su su dual: E * , también es de dimensión n.
dual tienen la
misma dimensión 2. Base d u a l Se introduce la notación:

v j1 = t(V\), v j = P ( v 2) vj, = í'( v „ ) .

Entonces, com o B = ( v i , V 2 , . . . , v n) es u n a base de £ , y P es un isom orfism o de E


en £ * , el sistem a B " = ........ v " ) es una b ase de E ‘ (cf. proposición 11.12 ,
p. 13 3 ) . De la b ase B* = ( v ¡ \ v | ........v,',), del dual £ * , se dice es la b a se d u al de la
b ase B = ( v i , V 2, . . . , v „ ) de £.

Nota bene En la anterior construcción hemos fijado desde un principio una base B de E, y
a partir de ella hemos definido el isomorfismo P, y finalmente la base dual B ‘ . a

La siguiente proposición nos m u estra una propiedad de la base dual:

El t-ésimo P ro p o sició n 11.15 Si E es un espacio vectorial de dimensión finita no nula, y


elemento de la si B = (v i , v ¿ , . . . , v „ ) es una base de £ , y B ‘ = ( v ,\ u í , . . . , v * ) e s .s u base dual,
base dual de una entonces para el vector x de £ de coordenadas A j, A 2, . . ., A„ en la base B :
base B asigna a
cada vector su X —Al Vi + A 2V 7 ~E • • • Ajj V u,
i-éslma
se veriñca:
coordenada en la
v ¡ (x ) = A ], v j ( x ) = A2, . . . , vj, (x) = A „.
base B

Dem ostración Como v,* = P(V\) y Vi = lv i + 0v> + ••• + 0 v „, se tiene:


' APLICACIONES AFINES

y en consecuencia:

v ¡(x ) = i»f(AiVi + \->V2 + ■•■ + A„u„)


= A i v |*(v i ) + A 2i»i‘ ( v 2 ) + ■• •+ A „ v í ( v „ ) = A| 1 + A20 + •• •+ A„0 = A,.

Y análogamente se demostraría que v i ( x ) = A2, ..., vi, ( x ) = A„.

EJEMPLO 15 Estudiemos la base dual de la base canónica de R\ es decir, la base: B ¡ = ( e ¡ , e i , e j ) , dual


de la base Be = le i,e > ,e ¡) de R3.
Las coordenadas de un vector ( x ] ,x 2, x :i) de IR! en la base Bc son sus componentes: x¡,
x 2, x ¡ , es decir:
(X1.X2.X3) = X | C ] + x>e¿ - x,e¡,

luego (cf. proposición 11.15, p. 138) se deduce:

<?i* ( X | , x ¿ , X ’i ) = x i, e ¿’ ( x i , X 2 , X s ) = x¿, ej (X 1.X 2 .X 3 ) = x 2.

Por ejemplo, la forma lineal e\ es la aplicación:

(X 1.X2 .X3 ) e R3 — Xi e l .

EJERCICIO 3 Calcular la base dual de la base B = ((1.1,0), (0,1,0), (1,0,1) ) de R3.

3. O rlo ijo n a lid a d Sea E u n esp acio vectorial d e dim en sió n finita, y s e a £ * su
dual. Se dice que un elem en to / de £ ' y un vecto r v de E son o rto g o n a le s si se
verifica: f ( v ) = 0.
D ada u na form a lineal / sobre £ , el con ju n to de lo s v e cto res de £ que so n o rto g­
on ales a f es K er/ .
En efecto, si x e K e r / , en to n ces f ( x ) = 0, y / y x son ortogon ales. Recípro­
cam ente, si / y x son o rtogonales, en ton ces / ( x ) = 0, y x e K e r / .

11.7 APLICACIONES AFINES

Sean £ y f d o s esp a cio s vectoriales sobre u n m ism o cu e rp o K.


De una aplicación <p d e £ en F se dice es una a p lica ció n a fín de £ en F si existen
un vecto r w de F y u na aplicación lineal / de £ en F ta le s que:

V x e £ , <p(x) = w -r f ( x ) .
14 0 II. A P L IC A C IO N E S LIN E A LE S

EJEMPLO 1 6 Sea <p la aplicación:


n.2 *

(X\ , X j I — 2x\ + + 1•

En to n ces <p es u n a aplicación afín de R J en R , p u e s si d en otam o s p o r / la aplicación lineal


d e R-’ en R q ue verifica:

V ( X | , X j ) 6 R 2 , / ( x i , x 2 ) = 2 X| + 3 x 2 ,

y si den otam os: w = 1 — en este caso es u n vecto r de IR— , entonces:

V (xi,x¿) e R-\ 4>{xu x>) » u> + / ( x i , x 2).

Comecuemias de la definición de aplicación a fn Sea 4>u n a a p lic a c ió n a f ín e n tre

lo s e s p a c io s v e c t o r ia le s E y F ta l q u e :

V x € E, <¡>{x) = w + / ( x ) , (22)

con w e f y / e £ (£ , F). Se v e r ific a :


• La aplicación <f> determina unívocamente el vector w d e F y la aplicación lineal. I
de E en F .
En efecto. Se tiene: </j(Oí) = w + / ( O r ) = u», luego: w = <J>(0f), y el v e c to r w
está u n ívo cam en te determ in ado p or <t>. C o m o co n secu en cia, de (2 2 ) p od em o s escribir:
V x e E, 4>ix) = <p(Oi-l + / ( x ) , d e donde:

V x e E , / ( x ) = <f>(x) - «¿«(Of),

y la aplicación lineal / tam bién e stá u n ívo cam en te d eterm in ada p or <f>.

EJEMPLO 1 7 Para la aplicación afin:


«7 <P

( X i.X j) (X i + x ¡ + 1 . 2 ),
se tiene q ue <p(0 , 0 ) = ( 1 , 2 ), y la ap licació n lineal g d eterm in ada p o r <p verifica:

^ ( x i . x j ) = « p lX i.X j) - ip(O.O) = (X i - X 2 + 1 , 2 ) - ( 1 , 2 ) = ( x i - x_>,0).

es decir, g es la aplicación lineal:

( X | , X 2) ------------- — ( X ] + X 2, 0 ).

Efectivam ente se tiene: V x e £ , i p ( X ] , x . ) = ( 1 , 2 ) + ^ ( X i , x 2 ).


APLICACIONES AFINES 141

• La imagen por </> de una combinación afín de vectores de E es igual a la misma


combinación afín de las imágenes. Es decir: s iv \ , v ¿ v m son vectores de E
y A ], A2 Am son escalares que suman 1 :

A j + A2 + • • • + A m = 1, (23)

entonces:

</>(A|i/i + A2V2 + • •■ + Amy m) = Ai0 (i/|) + \<<l>(v¿) + ••• + Am<t>(vm).

De (22) y (23) se deduce:

</>(Al 1/1 + A¿V¿ + • ■ • + AmVm)


= w + /(A 1 v 1 + A.-vj + • • • + A,„i/„,)
= W + A ]/(V |) + A2/ ( t í2 ) + ■ ■ • + A,n/(Wm)
= (Al + A2 + ■ ■ • + Am)W + A |/ ( 1'|) + A2/ ( V 2) + ■■■+ Amf ( v m)
= A,[u> + /( w i ) ] + A2[u> + J'(v>) I + ■ ••+ Am[u> + / ( « „ ) ]
= A1 </><u 1 ) + \ 2 (l>tv>) + •••+ A

• La imagen por 4> de un subespacio afín de E es un subespacio afín de F. Más en


concreto, si v + E\ es un subespacio afín de E, entonces se verífíca:

</>l u + £ 1 ] = (w + f i v ) ) + / [ £ ] ] .

En efecto, se tiene la siguiente cadena de equivalencias:

y e (¡>[v + £ |] <=> 3 x e E\, y = <piv + x)


3x e £ 1, y = w + f { v + x)
<=5 3 x e E i, y = (w + f { v ) ) + f ( x )
<=* y e (ti; + J ' ( v 1 ) + / [ £ [ ] .

EJEMPLO 18 Para ejercitarnos calculemos, para la aplicación afín ip del ejemplo 17 , la imagen del siguiente
subespacio afin de R-:
(3,4 ) + { ( x ,x ) | x e R | .

Se tiene:

<p ((3,4) + { ( x , x ) | x e R}] = ((1,21+0(3,4)) + g [ { (x. x) | x e R] ]


= ( (1,2 ) + (7,0 1) + ( ( x + x ,0 ) I x £ Rj
= (8,2) + R ( 1,0 ) .
I4 ¿ II. A P L IC A C IO N E S LIN E A LE S

• ¡.a imagen inversa por<p de un subespacio afín d e F pu ed e ser el conjunto vacío.

EJEMPLO 1 9 Por ejem plo, el siguiente su b co n ju n to d e R-':

I y e R) = ( 0 , l ) + 1 1 ( 1 , 0 )

e s un su b esp acio afín de R J , y su im agen in ve rsa p or la aplicación afín <p del eje m p lo 1 7
(cf. p. 1 4 0 ) e s igual al co n ju n to vacio , e s decir:

<P 1 1 1 ( > . U I > e R U - 0,

co m o se d e d u ce de o b se rv a r en la definición d e ip q u e todo vecto r del co n ju n to im agen d e <p


tiene la se g u n d a co m p o n en te igual a 2.

• Si la im agen inversa p o r <p d e un subespacio afín de F no es eí conjunio vacio,


entonces esta imagen inversa es un subespacio afín de E.
Si u o -i Fi e s un su b esp acio afin d e F y <p~' [u>, - h\ ] n o es el co n ju n to vacio, p ro barem o s
q ue <p 1 1 + F| ] e s un su b e sp a c io afín d e E. C o m o , p or h ipó tesis, </> 1 [ it>t + F\ ] n o es
el co n ju n to vacío, existirá algú n vecto r v e t tal que:

v e 0 '[ t i i i + f ] ] , o bien <p[v¡ e u>¡ + F¡,

d e d o n d e (cf. p ro p o sició n 1.5 , p. 36):

u ii + f j = <f>lv) + F i .

R eco rd an d o la s co n secu en cias de la definición do su m a de su b c o n ju n lo s d e un espacio


v ectorial (cf. p. 44 ), se tiene la siguien te cad en a d e equ ivalen cias:

X E 0 ' 1 [ l f | — F j ] <=> x e (p 1 [ 0 l v ) - F |]
4>tx) e 4>(v) + F,
«= w * i i x) e [ w +./<v t ) + F]

«=» / < * > - f i v ) e F,


<=> f i x - v) e F,
«=* x - v e f 1[F []
<=> x ev +f '[ F i ] ,

d e d o n d e se obtiene: x e </>'' [un + F j] » x € v + / “ ' [F i ]. y p or tanto:

<t> '[« P i + F |] = v y / " ‘ [ F i] , (24)

En con secu en cia, 0 1 [u»i + F[ | es un su b esp acio afín de £ .


5. SOLUCION OE LOS EJERCICIOS PROPUESTOS 143

EJEMPLO 20 Para la aplicación ip del ejemplo 17 (cf. p. 140), se verifica que la imagen inversa por ip del
subespacio afín (2,2) + R( 1 , - 1 ) no es el conjunto vacío, pues:

<p( 1 , 0 ) = (2 , 2 ) e (2 , 2 ) + R d . - l ) .

De acuerdo con (24), se verifica:

c p '1 [(2,2) + R( 1 , - 1 ) ] = ( 1,0 ) + 0 - 1 |R< 1 , - 1 ) ] = ( 1,0 ) + R( 1 , - 1 ) ,

que es un subespacio afín de IR2.

II.8 SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS

Ejercicio I Lo resolverem os para el caso n = 3 y m = 2.


(p. 124) Sea, pu es, f u na aplicación lineal de IR3 en IR2. T om em os una b ase de IR3, que
por com odidad va a s e r la canónica, y su p o n gam o s que las im ágenes po r f de su s
vectores son:

/ ( 1 . 0 . 0 ) = U i .f c i ) , / ( 0 , 1 , 0 ) = (a 2 ,b 2), / ( 0 , 0 , 1 ) = ( a :i,b 3).

Si ( * , , * 2, * 3 ) e R3 , se tiene:

/ ( * ] , * ; 2 , X i ) = / ( * | ( 1 , 0, Ol + *2<0, 1 , 0 ) + * 3 ( 0 , 0 ,1 ) )

= * , / ( 1 , 0 , 0 ) + * 2/ ( 0 , 1 , 0 ) + * 3/ ( 0 . 0 . 1 )

= * i ( í t i , b i ) 4- * > ( « 3 , fi>) + * 3 ( a ;j,b ;i)


= ( a i * ] + « 2 * 2 + « 3 * 3 , 0 1 * 1 + b 2*2 + Ó 3*3).

Es decir, toda aplicación lineal f d e IR3 en IR2 verifica:

V ( * i , * 2, * 3 ) e IR3 ,
(25)
/ ( * i , * 2 , * 3 ) = ( « i * i + « 2*2 + « 3 * 3 , b 1 * 1 + b2 X 2 + ¿»3*3),

para d eterm in ad os (por ./') nú m eros reales « 1 , « 2 , « 3 , ó , , b¿ y fij.


Por otro lado, u n a aplicación / de IR3 en IR2 d e la fo rm a (25) es lineal, com o se
com prueba fácilm ente.
La generalización del desarrollo an terio r e s m ás fa stid io sa que difícil, y sólo
m ostram os su con clu sión: si f es u n a aplicación lineal de IR" en (Rm, en ton ces /
verifica:

V ( * 1 , * 2 , . . . . * „ ) e IR", / ( * i , * 2, • • • ,* ) ,)

( « ¡* 1 + «(*2 + • ■ • + a J , * M, « i * i + « 2*2 4 ■ ■ • + a 2 * , .......


. . . , « ' " * 1 + « ™ * 2 + • • • + « ¡" * „ ) ,
'4 4 II A P L IC A C IO N E S LIN E A LE S

donde cad a a¡ , 1 « í < n , l « j « m, e s u n n ú m e r o r e a l q u e v ie n e d e t e r m in a d o p o r


la a p lic a c ió n / .

N ota heno Con aj se rep re sen ta un n ú m e ro real, d o n d e e s un su perínd ice, y n o un


exp on en te. a

E je r c ic io 2 N ó t e s e q u e , al s e r v „ ) u n a b a s e d e £ . s e tie n e q u e d i m £ = n.
(p . 1 2 7 ) Si (/{vO ,/(V ? ) .......... f ( v „ ) ) e s u n s is t e m a lib r e d e F, e n t o n c e s s u r a n g o e s ig u al
a n: r a n g o ( / ( t> i) ,/ ( v j) f ( v „ ) ) = n, d e d o n d e :

ran g o / = r a n g o ( / ( v i) ,/ {v .-t f ( v „ ) ) = n = dim fc',

y / e s in v e c t iv a ( c f. p r o p o s ic ió n 11.8 , p . 1 2 4 ) .

E je r c ic io 3 P o n gam os:
(p . I 3 9 ) u, = (1,1,0), v j = (0.1.0), ü 3 = (1,0,1),

y c a lc u l e m o s la b a s e d u a l d e B: 8 * = ,vj , v \ ).
D e (9 ) (c f. p. 1 2 3 ) s e o b tie n e :

e\ = V] ■■ V2 , e> = v>, «3 = - t t ] + v> + v .t, (2 6 )

y s i ( X 1 . X 2 . X 3 ) e s u n v e c t o r a r b it r a r io d e R 1 , d e ( 2 6 ) s e d e d u c e :

( X 1 . x 2 . x 3 ) = x\e\ + x¿ej +x.¡ej


= X i ( v ¡ - v¿) + x ¿ v ¿ + X 3 l - v i + v ¿ + v:¡)

= {X ¡ - X j l U ] + (X> + X 3 - X ] ) v ¿ + X j V j ,

y d e la p r o p o s ic ió n II. 1 5 ( c f. p . 1 3 8 ) s e c o n c lu y e :

V \ (X 1.X 2.X 3) = X| -X .J, I>T (X i,X 2,X 3) = X 2 + X 3 - X j, U j (X| 1X 2 , X 3 ) = X3.


CAPITULACIÓN II 145

RECAPITULACIÓN II

D e fin ició n y p ro p ie d a d es C on sideram os d o s esp a cio s vecto riales E y F sobre


u n mismo cuerpo K:
• A p lica ció n lin eal d e E en F: aplicación / de E en F que verifica:

V (v,u>) e E 2, f { v + w ) = f ( v ) + / ( iv),

V ( a , v ) € K x E, f { a v ) = « / ( v).

Condición n ecesaria y su ficien te: / de E en F e s lineal p recisam en te si:


V (ix.P) 6 K 2, V ( v , w ) e E-, f(cx v + p w ) = a f ( v ) + P f ( w ) .
• Propiedades de u na aplicación lineal f de E en F:
o f co n serva las com binaciones lineales:

/ ( « ,u, + a 2v 2 + ■■■+ cx„vn) = ( X i f ( v ¡ ) + « 2f ( v 2) + ■■■+ a „ f ( v n);

o f ( 0£) = ()F;
o V v e E, f ( - v ) = - f ( v ) \
o si ( v i , v z , ... , v „ ) es sistem a ligado, en to n ces tam bién es ligado el siste ­
m a ( f ( v l ) , f ( v 2) ......... f i v „ ) ) \
o si ( f { V ) ) , f ( v 2 ) ,. - . , f { v n)) e s sistem a libre, en ton ces tam bién es libre el
sistem a ( im , ......... u „ ) ;
o rango ( v u v 2 v m) > r a r \ g o ( f ( v ¡ ) , f ( v 2) f ( v m))\
o si Ei e s un su b esp acio vectorial de E : / [ £ i ] es u n su b esp acio vectorial
deF;
en particu lar: l m / = f [ E ] = { f ( v ) I v e E } es un su b esp acio vectorial
de F;
o si F] es un su b esp acio vectorial de F : / “ ' [ F 1 ] es un su b esp acio vectorial
de E;
o si / e s biyectiva, su inversa: / l , tam bién e s lineal (y biyectiva);
o la aplicación com pu esta de d o s aplicacion es lin eales e s u n a aplicación li­
neal.
• N ú cleo de u na aplicación lineal f de E en F : el con ju n to 1 T! 0 f } ], que es
su b esp acio vectorial de £ .
Se denota: K e r / .
Por definición: K er/ = / '[¡O / I] = { v e E | / ( v ) = 0 f ¡ .
Propiedad: f es inyectiva p recisam en te si: K er/ = 10/ 1.
II. APLICACIONES LINEALES

A p lic a c io n e s lin e a le s con co n ju n to de p a rtid a un esp acio v e c to ria l de d i­


m ensión fin ita C on sideram os u n a aplicación lineal / de un esp acio vectorial £
de dim ensión ñnita en u n esp acio vectorial F:
• Se verifica: Im / es de dim en sión ñnita.
• R an go de / : dim ensión de Im / .
Se denota: rango / .
Por definición: ra n g o /' = d im d m / ) .
Propiedades:
o el rango de / es igual al rango del sistem a form ado po r las im ágen es de
los vectores de cu alq u ier sistem a de gen erad o res de £ ;
o r a n g o / « m ín ¡d im £ ,d im F } ;
o ran go so /) ruin ¡r a n g o / , rango t?}.
• C a ra c te riz a c ió n d e / p o r la s im á ge n es d e lo s v e c to r e s d e u n a b a se : si F es
tam bién d e dim ensión finita, y (i>i, v 2 v „ ) e s una b ase de E, la aplicación
lineal / está u nívocam ente determ inada cuando se conocen las im ágen es / ( V\),
f ( v 2 ) , . . . , / ( v „ ) de los vecto res de la base; en concreto:

/ < « |V| + a 2 v 2 + • •• + a nv „ ) = O í i / f v , ) + t\¿f ( v2) + ••• + a „ f ( v „ ) .

• C a ra c te riz a c io n e s de u n a a p lica ció n lin ea l in y e c tiv a : son eq u ivalen tes las si­
gu ientes afirm aciones:
o / e s inyectiva;
o si v ¡ , v>, . . . , v p so n p vecto res linealm ente in d epend ientes de £ , en to n ­
ce s f ( v 1 ), f ( v 2 ), . . . , f ( v P ) so n p vecto res linealm ente independientes
d e F;
o el rango de / e s igual a la dim ensión del espacio vectorial de partida:
ra n g o /' = d im £ ;
o K er,/ = ¡0 f |.
Consecuencia: el ran go de un sistem a de v ecto res se co n serva por u n a ap li­
cación lineal inyectiva: para / inyectiva, se verifica:

ran go { v ¡ , v 2, . ■- , v „ ) = ra n g o (/(t» ! ) , f ( v > ) , ... , f ( v „ ) ) .

• C a ra c teriz ac ió n d e u n a ap lica ció n lin eal s u p ra y e c tiv a : si F e s tam bién un


espacio vectorial de dim en sión finita, se verifica: / es su p rayectiva si y sólo
si: rango / - d im F .
• T e o re m a d e las d im en sio n es: d im IK e r/ ) + d im d m / ) = d im £ .
• Si £ y F son de la misma dim ensión finita, se verifica:

f es in yectiva <=* / e s su p rayectiva <=> / es biyectiva.


zCAPITULACIÓN II 147

t i esp acio v e c to ria l & ( E, I ) C onsideram os d os espacios vectoriales E y F sobre


un m ism o cuerpo K:
• £ ■ (£ ,£ ) designa el conjun to de las aplicaciones lineales de E en E;
• C (E , E } es un espacio vectorial sobre el cuerpo K , y es su bespacio vectorial
de F £.

Isom orftsm os d e esp a cio s v ecto ria les C onsideram os dos espacios vectoria­
les E y F sobre un m ism o cuerpo K:
• Iso m o rfism o de E en F: aplicación lineal biyectiva de E en F. Se dice en tonces: E
y F son iso m o rfo s.
A u lo m o rfism o de E: isom orflsm o de E en E.
• Propiedades: si E y E son de dim ensión finita:
o E y F son isom orfos si y sólo si tienen la m ism a dim ensión;
o si ( v i , V 2 , . . . , v „ ) es una b ase de £ , entonces / e £ ( £ , £ ) es un isom or­
fism o si y sólo si ( f { V \ ) , f ( V 2 ) , . . . , f ( v n )) es una b ase de E;
o si dim £ = dim E = n, en ton ces / e £ ( £ , £ ) es un isom orfism o si y sólo si:
r a n g o / = n.

F o r m a s lin ea les C onsideram os un espacio vectorial £ sobre un cuerpo K, y


suponem os que £ es de dim ensión finita:
• E sp acio d u al de £ : £ ( £ , K ), con ju n to de las aplicacion es lineales de £ en DC.
Se denota: £ * .
F orm a lin eal sobre £ : cada elem ento de £ * .
• Si B= (v ¡, v¿, ■■■, v„) es una b ase de E:
o D ado x = A 1 u 1 + A2V 2 + ■ • ■ + A „ u „ , se define la form a lineal E (x ) como:

V \ -----------Ai

1 i'ix ) = v ¡ -----------A;
I
v„ — A ,i.

o Los espacios £ y £'* son iso m o rfo s, y F es un isom orfism o de £ en £ * .


o B ase, de £ * , du al de la base B de £: ( f f i u j ), C (v ¿ ) , . . . , i '( v „ )).
Se denota: tí* = ( u j , v ¡ , . . . ).
Si x = Ai 1/1 - A2ui> + • ■ ■ + Amu „ : v * ( x ) = Ai, v ¡ (x ) = A ? ,. . . , t '^ t x ) = A„
(la im agen por la form a lineal v ¡ del vecto r x es la i-ésim a coordenada
de x en la base B).
• Una form a lineal / e £ ’ y un vector v e E son o rto g o n a le s si: f ( v ) = 0 .
Se verifica: {u> e £ | f y u> son orto go n ales} = K er/ .
II. APLICACIONES LINEALES

A p lica cio n e s a fin e s C on sideram os d o s esp acios vecto riales £ y F sobre u n m is­
m o cuerpo IK:
• A p lica ció n a fín d e E en F : aplicación <f d e E en F para la que existen w e F
y / e £ ( £ , F ) tales que: V x e F , 4>ix) = w + ,f(x).
• Propiedades d e u n a aplicación afín </>:
o la aplicación / y el vecto r w están u n ívocam ente d eterm in ad os po r </>;
o cf con serva las com binaciones afin es: si A| + A? + • • ■ + A„ = 1:

4>(\¡V{ + \>v> + •• ■+ A„i/„) = A | 0 (V | ) + A2</>(t'2 ) + ■ ■ ■ + A„4>(vn )-,

o la im agen por </> de u n su b esp acio a fín de £ es un su b esp acio afín d e F;


o la im agen in versa p o r </> de un su b esp acio afín de F , si no es vacía, es un
su b esp acio afín de E.
C a p í t u l o III______________________________________________

MATRICES
III. MATRICES

ESQUEMA - RESUMEN

I n t r o d u c c ió n 15 1 5. La no conmutatividad de la multiplicación
Definición de matriz, 151 • Matriz asociada a una apli­ de m a t r ic e s ........................................................ 204
cación lineal, 154 ■F.l espacio vectorial UVfnnt(K)< 156 • 6. Representación matricial de la imagen de
Producto de matrices, 157 • Rango de una matriz, 161 un v e c t o r ............................................................205
• Transformaciones elementales de una matriz, 165 •
Inversa de una matriz cuadrada, 170 • Traspuesta de
3. Rango de una m atriz 209
una matriz, 173.
1. Definición de rango de una m atriz................. 209
1. Definición de matriz 178 2. Relación entre el rango de una matriz y el
de una aplicación lineal representada por
1. Definición de m a t r iz ......................................... 178
e l l a ........................................................................2 10
2. Tipos de m a tric e s ..................................... 179
3. Matrices columna de una m atriz.................180
4. Matrices fila de una m a triz ......................... 182 6. T ran sfo rm acio n es elem en tales de una
5. Vectores fila y vectores columna de una m atriz 2 12
m atriz...........................................................183 1 . Transformaciones e le m e n ta le s ..................... 2 12
2. Matrices elem entales........................................ 2 14
2. M atriz asociada a una aplicación lineal 3. Propiedades de las transformaciones ele­
¡84 mentales y de las matrices elementales . .2 16
1. Matriz asociada a una aplicación lineal en
unas bases.................................................. 184 7. Inversa de una m atriz cuadrada 22 0
2. Aplicación lineal canónicamente asociada 1. Definición de matriz i n v e r s a .........................226
a una m a triz ................................................ 188 2. Método práctico para el cálculo de la ma­
triz i n v e r s a ........................................................ 228
3. El espacio vectorial ACnm(K ) 18 9
1. F.l conjunto adición de matri­ 8. T ra sp u esta de una m atriz 230
ces y multiplicación de un escalar por una I. Definición de matriz traspu esta..................... 230
m atriz......................................................... 189
2. Relación entre los espacios vectoria­ 9. Solución de los ejercicios p ro p u esto s 233
les £ (K m,K " ) y .¥ „,„< & )............................ 193

Recapitulación III 237


4. Producto de m atrices 1 93
Definición de matriz, 237 • Matriz asociada a una apli­
1. Definición del producto de matrices . . . .193
cación lineal, 238 • El espacio vectorial 3Vt«OT(l)0, 239 •
2. Productos dados por filas o por columnas . 196 Producto de matrices, 239 • Rango de una matriz, 240
3. La composición de aplicaciones lineales y • Transformaciones elementales de una matriz, 241 ■
el producto de m atrices.............................. 199 Inversa de una matriz cuadrada, 242 • Traspuesta de
4. Propiedades del producto de matrices . . . 202 una matriz, 242.
TRODUCCIÓN 151

INTRODUCCIÓN
D e fin ició n de m a triz D ados dos núm eros n atu rales n y m , u n a m atriz (real) de
orden (n , m ) es una disp osición de n ■m núm eros reales en fo rm a rectan gu lar en n
filas y m colum nas, que son las filas y las columnas de la m atriz.
Por ejem plo, una m atriz de orden ( 2 ,3 ) es una disposición en dos ñlas y en tres
colum nas de 2 • 3 = 6 nú m eros reales. Con la notación:

estam os introduciendo u na m atriz con creta de orden ( 2 ,3 ) . La estam o s design an do


por A (las m atrices se su elen denotar con letras m ayúscu las), y tiene efectivam ente
dos filas y tres colum nas. En cualquier m atriz, las filas se leen de arriba abajo y
las colum nas de izquierda a derecha, así que la prim era fila de la m atriz .4 es la
form ada por los n ú m eros 2 , - 3 y rr; o dicho m ás form alm ente: lo s términos de
la prim era fila de la m atriz A son 2, - 3 y tt. A nálogam ente, lo s térm inos de la
segun d a fila de A son 1, 0 y 1 / 2 ; los térm inos de la prim era colum na de A son 2
y 1; los de la segun d a colum na, - 3 y 0; y los de la tercera, tt y 1 / 2 . En la m atriz A
tam bién observam os, por ejem plo, que el núm ero - 3 está situ ad o en la prim era fila
y en la segun d a colum na; se dice que el término de posición ( 1 ,2 ) de la m atriz A
es igual a - 3 , y se escribe: a 12 = - 3 (nótese que se u tiliza la letra que design a la
m atriz pero m inúscula, y figuran com o subíndice el núm ero de fila y el núm ero de
colum na, en este orden y sin com as). A nálogam ente, podem os d e cú que el térm ino
de posición ( 2 ,2 ) de la m atriz A es igual a 0, y se escribe: a¿¿ - 0. Otros térm inos
de .4 son: a\\ = 2, « u = n o a ¿ 3 = 1/ 2 .
Otro ejem plo. C on siderem os la m atriz:

La m atriz B es de orden ( 3 ,4 ) : tiene tres filas y cuatro colum nas. Los térm inos
de la segun d a fila, por ejem plo, son 0, 2, 1 y - 1 ; lo s de la tercera colum na: 5, 1
y 0. El térm ino de posición (2 ,4 ) es igual a - 1 , lo cual escribim os así: = -1;
tam bién: ^31 = 9, b 34 = 1 / 5 , o b u = 2 / 3 .
Una m atriz puede ten er u n a sola fila, o una sola colum na. Las del prim er tipo
se denom inan matrices fila; las del segundo, matrices columna. Por ejem plo, de las
cuatro m atrices siguientes:

(l -3 4 ), (O -3 0
152 1)1 M A T R I C E S

las dos prim eras son m atrices fila, de órdenes ( 1 , 3 ) y ( 1 ,5 ) , resp ectó ám ente; las dos
últim as son m atrices colum na, de ó rd en es resp ectivos ( 3 , 1 ) y ( 2 , 1 ) .

Nota bene Los términos de una matriz tila se escriben separados por un espacio, y no
se escribe ninguna coma. No debe confundirse, pues, la matriz fila ( l -3 4) con la
lerna (1, - 3,4), cuyas componentes se escriben separadas por comas. A

Son de especial interés las m atrices que tienen el m ism o núm ero de filas que
de colum nas: son las llam adas m atrices cuadradas. Más en concreto, una m atriz
cu adrada de orden n es una matriz, con n filas y con n co lu m n a s.1 Por ejem plo, las
sigu ien tes m atrices son cuadradas;

( 1/ 3 2 -2 5 \
/3 v'2 0 \
1 —3 TT3 1/ 4 1 4
1 1 /4 10
0 1 0 10 4 1 v"3/2
e2j
U 0
V 1 -2 /7 -1 () )
de órdenes 2, 3 y 4, respectivam en te. En u n a m atriz cuadrada de orden n, los térm i­
nos d é la diagonal principal son los de posición ( 1, 1) , ( 2 .2 ) ........ ( n ,« ) . Por ejem plo,
en la prim era de las m atrices cu adradas anteriores, los térm inos de la diagonal prin­
cipal son 1 y I; en la segun d a son 3, 1 / 4 y e 2; en la tercera, 1 / 3 , 1/ 4 , 1 y 0. De
una m atriz cu adrada que tiene los térm inos de la diagonal principal iguales a 1 y los
restan tes igu ales a 0 direm os es una m atriz identidad (o unitaria). Para cada orden n
h ay una, que se denota /„. Las de orden 2, 3 y 4 son, respectivam en te, las siguientes:

( 1 o o 0\
0 10 0
y u
-G %
h =
0
\0
0
0
1 0
0 1/

Tam bién nos interesa d e stacar otro tipo de m atriz: la m atriz nula. Una m atriz,
del orden que sea (cuadrada o no), es nula (o com o tam bién se dice: una m atriz cero)
si todos su s térm inos son iguales a 0. C ualquier m atriz n ula se denota por O.2 Por
ejem plo, las siguientes m atrices son nulas:

0 o
(0 0 ),
o o

de ó rd enes resp ectivos ( 1 ,2 ) , ( 3 , 1 ) y ( 2 ,2 ) .

1 N ó t e s e q u e d e c im o s “ o r d e n n", y n o “ o r d e n ( n, n ) " .

a En e s t a n o t a c ió n n o s e s e ñ a l a el o r d e n , lo c u a l n o s u e le lle v a r a c o n fu s ió n .
TRODUCCIÓN

Finalm ente, en esta sección se p resen tan las matrices columna de una m atriz y
los vectores columna de una m atriz. Lo vem os con un ejem plo. D ada la m atriz:

la prim era m atriz colum na de la m atriz A se define com o aq uella m atriz colum na
cu yo s térm inos son los de la prim era colum na de A ; se denota: A j. Y el prim er vector
colum na de A se define com o aquel vector cu yas com pon en tes son los térm inos de
la p rim era colum na de A ; se denota: a ¡ . T ales térm inos de la prim era colum na de A
son: 1 / 2 , 3 y 1; así:
1 / 2\
3 , y a\ - ( 1 / 2 , 3 , 1 ) .
1
A nálogam ente se definen la restan tes m atrices colum na de A , h asta hacer un total de
cuatro, dad o que la m atriz A tiene cuatro colum nas:

( 2 ^ ( ~ 2)
A2 = 1/ 4 , A3 = [ 1 , y y4 - 4
\ —2 / 7 / w J W
Y los restan tes vectores colum na, tam bién h asta hacer tan tos com o colum nas tiene
la m atriz:

a 2 = (2,114 ,- 2 / 7 ), ai = (-2,1,-1), y a 4 = ( 5 , 4, 0) .

En el texto tam bién se introducen las matrices filo y los vectores fila de u n a m atriz.
La definición es, mutatis mutandis, com o la de m atriz colum na de una m atriz y la
de vecto r colum na de una m atriz, respectivam en te. Para la m atriz A anterior, por
ejem plo, la segun d a m atriz fila es:

(3 1/4 1 4),

cuyos térm inos son los de la segu n d a fila de A. El segun d o vector fila es ( 3 , 1 / 4 , 1 , 4 ) :
su s com ponentes son los térm inos de la segun d a fila de A. Hay tan tas m atrices fila,
y tantos vectores fila, com o filas tiene la m atriz: tres en este caso.

Nota bene Denotaremos las matrices columna de una matriz con la misma tetra de la
matriz acompañada de un subíndice que indica el orden (según se trate de la primera
matriz columna, de la segunda, etc.): A i, A ¿, ... Y denotaremos los vectores columna
con la letra de la matriz en minúscula y en negrita, y también con un subíndice: a i, « 2 , ...
Para las matrices fila de un matriz y para los vectores fila no consideraremos una notación
general análoga a esta. a
154 III. MATRICES

M a triz a s o c ia d a a u n a a p lic a c ió n lin e a l D ada u n a aplicación lineal de R "1


en IR", y fijad a u na b ase en el esp acio vectorial d e partida (aquí IR’"), y fi jada otra base
en el espacio vectorial de llegada (aquí IR"), se co n stru ye u n a m atriz de orden in , m •
(tantas filas com o la dim en sión del espacio de llegada, y ta n tas colu m n as com o la del
esp acio de partida), llam ada m atriz asociada a la aplicación lineal (o representante
d e la aplicación lineal) en las b ase s fijad as. Esta m atriz se co n stru ye po r colum nas.
La prim era colum na d e la fo rm a siguiente: se calcu la la im agen po r la aplicación
lineal del prim er vecto r d e la b ase elegid a en el espacio d e partida, y se calculan
las coord enadas de este vector en la b ase elegid a en el esp acio de llegada; estas
co ord en ad as son los térm inos de la prim era colum na de la m atriz. A n álogam ente la
seg u n d a colum na: se calcula la im agen por la aplicación lineal del segundo vecto r de
la b ase del espacio de partida, y las coord en adas de este vecto r im agen en la b ase del
espacio de llegad a son los térm inos de la tal seg u n d a colum na. Y así con las dem ás.
V eam os un ejem plo. Sea f la aplicación lineal de IR3 en IR-’ d efin ida de la fo r­
ma: / ( * ] , * 2 , * 3 ) = ( * i + * 2 . 2 * i - * 3 ), y elijam o s u n a b ase en IR-1 (espacio de
partida), y o tra en IR2 (espacio de llegada); en concreto: ( ( 1 , 0 , 0 ) , ( 1 , 1 , 0 ) , ( 0 , 1 , 1 ) )
y ( ( 1 , 0 ) , ( 1 , 1 ) ) , respectivam en te. D enotem os por A la m atriz asociad a a la ap li­
cación lineal f en las b ases B y B '. Se trata de u n a m atriz con tan tas filas como
m arca la dim ensión del espacio de llegada y con tan tas colu m n as com o m arca la del
espacio d e partida, así que es de orden ( 2, 3 ) . La prim era colum na de ,4 se con struye
de form a que su s térm inos son las coord en adas en la b ase B ' (base elegid a del e s­
pacio de llegada) de la im agen po r / del prim er vector de la b ase B (base elegida
del esp acio de partida). Este prim er vector de la b ase B es ( 1 , 0 , 0 ) , su im agen por f
es: /< 1 , 0 , 0 ) = ( 1 , 2 ), y las coord en adas de e ste últim o vector, e s decir, d e ( 1 , 2 ),
en la b ase B ' son - 1 y 2 , p u es: ( 1 , 2 ) = —( 1 , 0 ) + 2 ( 1 , 1 ) . La prim era co lu m n a de la
m atriz A tiene en ton ces por térm in os - 1 y 2. A nálogam ente, lo s térm in os de la s e ­
gu n d a colum na d e la m atriz A so n las co o rd en ad as en la b ase B 1 de la im agen por /
del seg u n d o vector de la b ase B. Este segun d o vecto r de /3 es ( 1 , 1 , 0 ) , que tiene por
im agen: / ( 1 , 1 , 0 ) = ( 2, 2) , y las coord en adas del vecto r ( 2 , 2 ) en la b ase B ' so n 0
y 2, p u e s: ( 2 , 2 ) = 0 ( 1 , 0 ) + 2 ( 1 , 1 ) ; lo s térm inos de la seg u n d a colum na d e A son
en ton ces 0 y 2. Finalm ente, lo s térm inos de la tercera (y últim a) colum na de A son
las coord en adas en la b ase B ' de la im agen po r / del tercer vecto r de la b ase 8. La
im agen p o r f del tercer vector d e B es: / ( 0 , 1 , 1 ) = (1, —1 ), y las coord en adas de este
últim o vecto r en la b ase 8' son 2 y - 1 , ya que: ( 1 , - 1 ) = 2 ( 1 , 0 ) - ( 1 , 1 ); lo s térm inos
de la tercera colum na de A son, pu es, 2 y - 1 . La m atriz A es finalm en te esta:

Es la m atriz aso ciad a a / (o rep resen tan te de / ) en las b ase s 8 y 8 '.


rfiOOUCUÓN *55

La m atriz asociad a a u n a aplicación lineal depende de las b ases elegidas. Si para


la aplicación lineal / anterior fijam os en el espacio de partida la m ism a b ase B que
y a teníam os, pero lijam os para el de llegada (recordem os que es IR2) la base canónica
(en vez de la b ase B ’), es decir: ( ( 1 ,0 ) , ( 0 ,1 } ) , entonces el procedim iento descrito nos
lleva a otra m atriz. La calculam os, com o la anterior, por colum nas. Para la prim era
de estas colum nas, calculam os entonces la im agen por f del prim er vector de la
b ase B (que es la elegida en el espacio de partida), la cual ya conocem os del p árra­
fo anterior: / ( 1 , 0 , 0 ) = ( 1 ,2 ) , y a continuación calculam os, de este vector im agen,
su s coord en adas en la base elegida en el espacio de llegada; com o esta base es la
canónica, tales coorden adas son directam ente su s com ponentes, es decir: 1 y 2; y
estos son los térm inos de la prim era colum na de la nueva m atriz asociada. Los
térm inos de la segunda colum na se obtienen de form a análoga: se calcula la imagen
por f del segun d o veclo r de la b ase B, para calcu lar a su vez las coorden adas de
esta imagen en la b ase canónica, que de nuevo no son m ás que sus com ponentes;
se tiene: / ( .1 , 1,0 ) = (2 ,2 ) , así que los térm inos de la segunda colum na son 2 y 2.
Finalm ente, p ara la tercera y últim a colum na, com o la im agen por / del tercer vector
de la base ¡i es / ( 0 , 1 , 1 ) = ( 1, - 1 ) , los térm inos de Ja tercera colum na de la m atriz
son 1 y - 1 . Recopilando lo obtenido, podem os afirm ar que la m atriz asociada a / en
la b ase B de IR2 y en la b ase canónica de IR2 es esta:

N ota beno Para ob ten er la m atriz aso ciad a a una aplicació n lineal en un as b ase s, cu an d o la
b ase fijad a en el esp acio d e llegad a es la canónica, no hay más q u e calcu lar la im agen p o r
la aplicación lineal de cada uno de lo s v e c to re s d e la b ase fijad a en el esp acio de partida;
las co m p o n en tes de e sto s ve cto re s im agen son los térm in o s de las colu m n as de la m atriz
asociad a. a

En el texto, en esta sección, tam bién se introduce el concepto de aplicación lineal


canónicamente, asociada a una m atriz. Dada una m atriz, la aplicación lineal canóni­
cam ente asociad a a ella es aqu ella aplicación lineal cuya m atriz represen tan te en las
b ases canónicas es precisam ente la m atriz dada. Veam os un ejem plo. C onsiderem os
la siguiente m atriz:

Esta m atriz es de orden ( 3 ,2 ) , luego sólo puede ser represen tan te de aplicaciones
lin eales de R2 en R3. Lo que b uscam os es una aplicación lineal de K2 en IR3, que
denotarem os por .4 (m ism a letra que la m atriz, pero en tipo caligráfico), tal que
sil m atriz asociad a en las b ases canónicas sea precisam en te A (es decir, tal que 4
I5« III. MATRICES

sea su m atriz aso ciad a tom ando en R 2 —espacio de partida— la b ase canónica, y
tam bién tom ando en R 3 —esp acio de llegada— la base canónica). De acu erd o con el
p roced im en to para con stru ir la m atriz asociad a a u n a aplicación lineal en u n a s b ases,
siendo la del esp acio de llegada la canónica, lo s térm inos d e la prim era colum na
de la m atriz son las com pon en tes de la im agen por la aplicación lineal del prim er
vecto r de la b ase del esp acio d e partida. Com o lo s térm inos de la prim era colum na
de la m atriz A so n - 1 , 1 y - 1 , po d em o s decir que la im agen po r la aplicación .4
del vecto r ( 1 , 0 ) (prim ero de la b ase can ón ica de R 2, la escogida en el espacio de
partida) debe s e r igual a (—1 , 1 , —1 ) , esto es: > 1 ( 1 , 0 ) = ( - 1 , 1 , - 1 ) . A nálogam ente,
com o los térm inos de la seg u n d a colum na de .4 so n 0, 2 y 0, la im agen po r A del
segund o vecto r de la b ase canónica de R 2 debe s e r igual a ( 0 , 2 , 0) : > 1 ( 0 , 1 ) = ( 0 , 2 , 01 .
Recopilando, la aplicación lineal A , que tiene com o m atriz asociad a en las b ases
canón icas la m atriz .4, e s la aplicación lineal de IR2 en R 3 que verifica:

.4(1,0) = ( - 1 , 1 , - 1 ) y . 4 ( 0 , 1 ) = ( 0 , 2 , 0) .

Ya sab em os que con ocer de una aplicación lineal la im agen de io s vecto res de una
b ase e s u na form a de determ inarla. En este caso , conocem os la im agen por la ap li­
cación lineal A de los vecto res de la b ase can ón ica de K 2; de acu erd o con un proced i­
m iento d escrito en el capítulo anterior, ob ten em os que la im agen por A de un vector
genérico ( X | , x 2) d e R 2 es esta:

A ( x \,x 2) = - 4 ( x , ( 1 . 0 ) + x 2( 0 , 1 ) ) = x , . 4 ( 1 , 0 ) + X 2./U 0 ,1)


= x i ( - 1 , 1 , - 1 ) + x 2 ( 0 , 2 , 0 ) = ( - x i . x i + 2 x 2, - X | ).

La aplicación lineal canónicam ente aso ciad a a la m atriz A es la aplicación lineal A


d e R 2 en R :! d efinida p o r A ( x \ , x i ) = ( - X | , X | + 2 X 2 , - X i ) .

E l e sp a cio v e c to ria l M mn ( K ) En e sta sección se estu d ian d o s im p ortan tes o pe­


raciones con m atrices: la adición de m atrices y la m ultiplicación de un núm ero por
u na m atriz.
Si tenem os d o s m atrices del m ism o orden, su suma e s o tra m atriz, tam bién del
m ism o orden, ob tenid a sum an do lo s térm inos de la m ism a posición de las m atrices
d ad as. Por ejem plo, d ad as las m atrices:

am bas del m ism o orden: ( 2, 3 ) , s u sum a, que se denota: A + B, e s la m atriz de or-


■PRODUCCIÓN

den ( 2 , 3 ) obten ida sum ando los térm inos de la mism a posición de A y B:

(2 -1 1\ /-I 0
A +B -
{0 3 5/ + \ 1 1 -2j

2 + ( - 1) -1+0 1 + (-3)
( 0+1 3 + 1 5 + (-2)

D ados un núm ero y una m atriz, el producto del núm ero por la m atriz es la m atriz
obtenida m ultiplicando por el núm ero cada uno de los térm inos de la m atriz dada.
Por ejem plo, el producto del núm ero 2 por la m atriz .4 del párrafo anterior, producto
que se denota: 2,4, se efectú a así:

Pro d u cto de m a trice s D efinim os la m ultiplicación d e dos m atrices sólo para dos
m atrices con esta propiedad: el núm ero de colum nas de la prim era coincide con el
núm ero de ñ las de la segun d a; y, en este caso, el resu ltado, es decir, el producto
de las dos m atrices, es una m atriz con tantas filas com o tiene la prim era y tantas
colu m n as com o tiene la segunda. Por ejem plo, el prod ucto de d os m atrices A y P>, la
prim era de orden ( 2 , 3 ) y la segund a de orden (3, 4) , puede efectivam en te efectu arse,
porque el núm ero de col umnas de la p rim era y el de tilas de la segu n d a es el m ism o
—tres en este ca so —, y el producto, que se denota: AB, resu ltará se r una m atriz de
orden ( 2, 4).
Para exp licar cóm o se calcula el pro d u cto de dos m atrices, con sid erem os un eje m ­
plo:

La m atriz .4 es de orden ( 2, 3) y la m atriz B es de orden (3, 4) : de acuerdo con lo dicho


en el p árrafo anterior, el p rod ucto A B pu ed e efectivam en te llevarse a cabo, y tendrá
com o resu ltad o una m atriz de orden (2, 4). Para calcu lar el térm ino de posición ( i , j )
de u n a m atriz producto (en este ejem plo, i es igual a 1 o a 2 y j es igual a 1 , a 2,
a 3 o a 4), intervienen sólo los térm inos de la t-ésim a fila de la prim era m atriz (.4 en
este caso) y los de la j-é sim a colum na de la segu n d a m atriz (fl en este caso), y tal
térm ino es igual a la su m a de los prod uctos dos a dos de los térm inos de esa fila y
de esa colum na. Verbigracia, p ara calcu lar el térm ino de posición ( 1 , 1 ) de la m atriz
p rod ucto AB, in tervienen exclu sivam en te lo s térm inos de la prim era ñ la de .4: 2 , - 1
y 0, y los de la prim era colum na de B: - 2 , 2 y 1, y dicho térm ino es igual a la sum a
de los productos dos a dos de esto s térm inos:

2( - 2) + ( - 1 ) 2 + 0 ■ 1 = -ó.
•5« III. MATRICES

Esquem áticam ente, podríam os rep resen tar este cálcu lo así:

2 1 D 1/3
2 - 1 0 2< —2) + ( - 1 ) 2 + 0 • 1
2 0 -2 1
1 0 -3 1 1 3 2/3

A nálogam ente, p ara calcu lar el térm ino d e posición ( 1 , 2 ) de la m atriz producto sólo
intervienen los térm inos d e la prim era fila de la m atriz A y los de la segun d a colum na
de la m atriz B :

-2 1 0 1/3'
2 - 1 0 f- i) 2 • 1
0 -2 1 - .
1 0 -3 1 1 3 2/3 V
/

Para el cálcu lo del térm ino de p o sición ( 1 , 3 ) :

(
-2 1 0 1/3'
2 -1 0 -6 2 2 - 0 + ( —1) ( —2) + 0 - 3
2 0 _2 1
1 0 -3 1 1 3 2/3

Y de m an era sim ilar se calculan lo s dem ás. El resu ltad o final es este:

1-2 J 0 l/3\
2 - 1 0 - 6 2 2 -l/3\
AB = 2 0 -2 1
1 0 -3 -3 -2 9 -5/3/'
1 1 -3 2/3/

Nota La definición de multiplicación de matrices viene motivada por la composición de


aplicaciones lineales. La proposición 111.7 (cf. p. 201) detalla este hecho. ▲

Es de d e stacar que, en general, no es in d iferen te el orden en el que se escrib en dos


m atrices que se quieren m ultiplicar, a diferen cia de lo que ocurre con lo s núm eros
(con lo s cu ales el ord en de lo s facto res no altera el producto). En p rim er lugar, puede
e sta r d eñ nido u n p rod ucto A B y no esta r defin ido el producto en el otro orden; por
ejem plo, p ara las m atrices .4 y B del ejem p lo anterior, cuyo p rod ucto A B h em o s cal­
culado, no estaría defin ido el p rod ucto en el otro orden, p u es el núm ero de colum nas
d e B (que se ría ahora la prim era m atriz) no es igual al de fila s de .4 (que se ría la
seg u n d a m atriz). En segund o lugar, tam bién p u ed e ocurrir que tanto el p rod ucto AB
com o el B A esté n defin idos, pero que sean m atrices de d istin to orden, y p o r en d e dis­
tintas; por ejem plo, si A es de orden (2, 3) y B de ord en ( 3 , 2) , am bos prod uctos se
pueden efectu ar, p ero A B resu ltaría de ord en ( 2 , 2 ) y BA de orden ( 3, 3) . Finalmente,
pu ed e ocu rrir que am bos p ro d u cto s estén defin ido s y sean m atrices del m ism o or­
den (esto acontece precisam en te cu an do am bas m atrices son cu ad rad as del m ism o
orden), p ero ser am bas m atrices p rod ucto distin tas; se dice en este últim o caso que
PRODUCCIÓN 159

las m atrices no conmutan. En el ejem p lo 2 3 (cf. p. 204) se m u estran dos m atrices


que no conm utan: am b as son cu ad rad as (de orden 2), luego su s d o s p o sib le s pro d u c­
tos están defin idos y tam bién son m atrices cu ad rad as (de orden 2), p ero se trata de
m atrices d iferen tes.
Si conocem os la m atriz asociad a a u n a aplicación lineal en u n as b ase s, pu ed e
u tilizarse la m atriz, y cierto p rod ucto de m atrices, para ca lcu lar la im agen p o r la
aplicación lin eal de cu alqu ier vector. V eám oslo con un ejem plo . Sea f la aplicación
lineal de IR3 en IR- cu ya m atriz asociad a en las b ase s canónicas es esta:

(N ótese que podríam os h ab er dicho sim plem en te: sea / la aplicación lineal canóni­
cam ente aso ciad a a la m atriz .4; e s decir: / es la aplicación lineal .4, si recordam os
la notación para la aplicación lineal canónicam ente aso ciad a a u n a m atriz.) Acontece
lo sigu iente: afirm ar que un vecto r ( a , b , c ) de OS3 se aplica po r / en el vecto r ( 5 , f)
d e IR-, esto es: / (a, b ,c) = (5 , t ), es lo m ism o que escrib ir la sigu ien te igualdad ma-
t ricial:

( 1)

(O bsérvese que la m atriz colum na del prim er m iem bro tiene por térm inos las com po­
n entes del vector (a , b , c ), y que la m atriz colum na del seg u n d o m iem bro tiene por
térm inos las com ponen tes d e (s,t)\ n ótese tam bién que este prod ucto de m atrices
pu ed e efectivam ente efectu arse.) Supon gam os que q u erem os calcular, por ejem plo,
la im agen por f d el vecto r ( 1 , - 1 , 0 ) d e IR3 . Podríam os proced er asi: m ultiplicam os la
m atriz 4 por la m atriz colum na cu yo s térm inos so n 1 , - 1 y 0; de esta m ultiplicación
re su lta u na m atriz colum na cu yo s térm in os so n las com pon en tes del vecto r im agen.
Es decir, com o se tiene:

deducim os que la im agen por / del vecto r ( 1 , - 1 , 0 ) es igual al vecto r ( - 2 , 1 ) , esto


es: / ( l , - 1 , 0 ) = ( - 2 , 1 ) . Otra im agen: d e la igualdad:

se dedu ce: / ( 0 , 1, - 2 ) - (5, - 3 ) . In clu so m ás: ¿cuál es la im agen por / de un vector


genérico {x \ ,X 2 , X i ) de OS3? M ultiplicam os la m atriz .4 po r la m atriz colum na cuyos
IfiO III. MATRICES

térm in os son X \, x 2 y X 3:

i 3 - 1 X i + 3 X 2 - X ;i

0 - 1 1 - X 2 + X :i

y asi la im agen por / de (X 1 .X 2 .X 3 ) e s el vecto r d e com pon en tes X j + 3x 2 - x


y —x '2 + X 3; esto es: f (x i.x - '.x ^ ) = (Xi + 3 x 2 - x :i, - x ¿ + X 3 ).

En el ejem p lo anterior, la m atriz .4 es la asociad a a la aplicación lineal f en las


b ase s canón icas. C uando la m atriz que con ocem os e s la asociad a en u n as b a se s que
no so n n ecesariam en te las can ón icas, tam bién podem os calcu lar la im agen d e un
vecto r por la aplicación lineal h aciendo u so de la m atriz (y de cierto p rod ucto de m a­
trices), pero el procedim iento es u n poco m ás com plicado. V eam os u n ejem plo. Fije­
m os en R 3 la b ase B = ( ( 1 , 0 , 0 ) , ( 1 , 1 , 0 ) , ( 0 , 1 , 1 » y en R 2 la b ase B' = ( ( 1 , 1 ) , ( 0, 1 ) ) .
y sea g la aplicación lin eal de IR3 en R - cu y a m atriz asociad a en estas b ase s e s la
siguiente:

A firm ar que la im agen po r g de un vecto r u de R 3 es un vector v de R-\ e s d e­


cir: g ( u ) = v, es lo m ism o que escribir:

donde a, b y c so n las coordenadas e.n la base B (de R 3 ) del vector u, y s y f so n las


coordenadas en la b ase B ' (de R-) del vecto r v.

Nota bene En la igualdad matricial (1), donde la matriz era la asociada a aquella aplicación
lineal / en las bases canónicas, los términos a , b y c juegan el papel de componentes del
vector cuya imagen queremos calcular, y s y I juegan el papel de componentes del vector
imagen. En la igualdad matricial anterior, donde la matriz es la asociada en unas bases
que no son las canónicas, los términos a, b y c son las coordenadas en la primera base,
la />’, del vector cuya imagen queremos calcular, y s y I son las coordenadas en la segunda
base, la B '. del vector imagen. ▲

Para la aplicación lineal g del ejem p lo que venim os considerando, calculem os,
verbigracia, la im agen del vecto r ( 2 , 0 , - 1 ) . H aciendo u so de la m atriz D, podem os
calcu lar las coord enadas de este vecto r en la b ase B, y m u ltiplicar la m atriz D pol­
la m atriz colum na cu yo s térm inos son tales coorden adas; el resu ltad o será u n a m a­
triz colum na cu yo s térm in os serán las co o rd en ad as en la b ase B ' de la im agen b u s ­
cada. Las coo rd en ad as d el vecto r ( 2 , 0 , - 1 ) en la b ase B so n 1 , 1 y - 1 , p u es se tie­
ne: ( 2, 0, - 1 ) = ( 1 , 0 , 0 ) + ( 1 , 1 , 0 ) - ( 0 , 1 , 1 ) ; el producto de la m atriz D por la matriz
. PRODUCCIÓN 161

colum na cu y o s térm in os son 1 , 1 y —1 arroja:

i\
-1 - 3 '\
i
1 0 ;/

lo que perm ite afirm ar que el vecto r g ( 2 , 0 , - 1 ) (que e s de K2) es el de co o rd en ad as 2


y 2 en la b ase B'\ en definitiva:

5 ( 2 , 0 , - 1 ) = 2 ( 1 , 1 ) + 2 ( 0 , 1 ) = ( 2, 4).

C alculem os tam bién, por ejem plo, la im agen po r g del vecto r ( 0 , 1 , 0 ) . I.as coord e­
nad as de este vector en la b ase B so n - 1 , 1 y 0, y se tiene:

/-1 \
-1 0 -3
1
1 1 0
\ 0/

de donde d edu cim os que el vector g ( 0, 1 , 0 ) es d e coord en adas 1 y 0 en la b ase B'\


e s to e s: g (0 , 1 , 0 ) = ( 1 , 1 ) + 0 (0 , 1 ) = ( 1 , i).
R a n g o de u n a m atriz. El rango de u n a m atriz se define com o el rango del s is ­
tem a form ado por su s vecto res colum na. Por ejem plo, con sid erem os esta m atriz:

' 1 2 3\
2 4 2
A =
-1 3 i
\ 0 I 1

Tiene tres colu m nas, asi que tiene tres vecto res colum na. El prim er vector colum na
tiene por com pon en tes los térm inos de la prim era colum na, e s decir: 1 , 2, - 1 y 0,
luego se trata del vecto r ( 1 , 2 , - 1 , 0 ) ; el seg u n d o tiene p o r com pon en tes lo s térm inos
de la seg u n d a colum na: ( 2 , 4 , 3 , 1 ) ; y el tercero, lo s de la tercera colum na: ( 3 , 2 , 1 , 1 ) .
El rango de la m atriz A es, de acuerdo con la definición, el rango de esto s tres vec­
tores:
1 2 3^
2 4 2
rango .4 = rango = rango ( ( 1 , 2 , - 1 , 0 ) , ( 2, 4, 3 , 1 ) , ( 3 , 2 , 1 , 1 ) ) .

Recordando —del capítulo I— el procedim iento p ara calcu lar el rango de u n o s vec­
tores, obtenem os:

ra n g o .4 = rango ( ( 1 , 2 , —1 , 0 ) , ( 2 , 4 , 3 , 1 ) , ( 3 , 2 , 1 , 1 ) )
= rango ((1,2, -1,0), ( 0 ,0 , 3 , 1 ) , (0, - 4 , 4 , i ) )

= 1 + rango ((0 ,0 ,5 ,1 ), (0 ,- 4 ,4 ,1 )) = 1 + 2 = 3.
III. MATRICES

A h ora bien, vale la pena “traslad ar" a m atrices el procedim iento de cálcu lo del
rango de un sistem a de vectores. Así, dado que el rango de un sistem a form ado por
un solo vector es igual a 0 o a 1 según sea este único vector nulo o no, re sp ectiva ­
m ente, p odem os decir que el rango de una m atriz con una sola colum na es igual a 0
si lodos su s térm inos son n ulos, y es igual a 1 si alguno no lo es. Por ejem plo:

Por otra parte, com o el rango de un sistem a de dos vectores es igual a 1 o a 2


según sean los vectores proporcion ales o no, respectivam en te, podem os afirm ar que
el rango de una m atriz de dos colum nas es igual a 1 si am bas colum nas son pro ­
porcionales, y es igual a 2 si no lo son (elim inado el caso trivial en el que am bas
colum nas tuvieran todos su s térm inos nulos, lo que daría rango igual a 0). Con­
viene p recisar que el hecho de que dos colum nas sean p ro porcion ales sign ifica que
es posible o btener u n a de ellas m ultiplican do la otra por algún núm ero, es decir, m u l­
tiplicando todos los térm inos de esta ú ltim a por el núm ero. Por ejem plo, se tiene:

/ 2 -4 )
/l 3\
1/2 -I
rango 1 y rango 2 4 = 2
1 -2

La prim era de e sta s m atrices tiene su s dos colu m n as proporcion ales: la segunda
colum na se pu ed e obtener m u ltiplican do todos los térm inos de la prim era por - 2 :
el rango es efectivam ente igual a l . La segu n d a m atriz no tiene sus dos colum nas
p roporcionales (no h ay form a de m ultiplicar por algún núm ero una de ellas y obtener
la otra), asi que el rango es igual a 2.
Finalm ente, cuando un si stema de vectores está form ado por tres o m ás, recorde­
m os que lo que b uscam os es reducir el problem a de calcu lar su rango a un sistem a
con un vector m enos. Lo que h acem os es in tentar tran sfo rm ar el sistem a en otro
nuevo, con el m ism o n ú m ero de vecto res y con el m ism o rango que el original, pero
tal que tod os su s vectores tengan u n a m ism a com ponente nula excepto uno, que la
tiene no nula; este últim o vector no es igual a una com binación lineal de los dem ás,
y al elim inarlo dism inuye el rango en 1. La tran sform ación de un sistem a en otro,
recordem os, se realiza teniendo en cu en ta que el rango no varía si sum am os a un vec­
tor del sistem a u n a com binación lineal de los dem ás, y en particular si le sum am os
otro del sistem a m u ltiplicado p o r algún núm ero.
Es im portante en fatizar que, en el procedim iento anterior, se hace u so de dos
propiedades del rango de un sistem a de vectores. Una de ellas es la citada al final del
‘.TRODUCCIÓN

párrafo anterior: el rango del sistem a no varía si su m am os a un vecto r del sistem a


una com binación lineal de los dem ás. La otra es esta: al elim inar un vecto r del
sistem a, el ran go no varía si ese vecto r es igual a una com binación lineal de los
dem ás, pero el ran go d ism inu ye en 1 si el vector no es igual a u n a com binación lineal
de los dem ás. T ra slad ad as a m atrices, e sta s dos pro piedades tom an este aspecto:
• el ran go de u na m atriz no varía si su m am os a u n a colum na una com binación
lineal de las dem ás (entendiendo e sta s operacion es entre colu m n as térm ino a
término);
• al elim inar en u n a m atriz una colum na, el rango no varía si tal colum na e s igual
a u n a com binación lineal de las dem ás, y el rango dism inuye en 1 si la colum na
no e s igual a una com binación lineal de las dem ás.
H aciendo u so de e sta s propiedades, para calcu lar el rango de u n a m atriz de tres o
m ás colu m nas, pod em os en ton ces in ten tar tran sfo rm ar la m atriz dada en otra, del
m ism o orden y con el m ism o rango, pero con e sta característica: to das su s colu m n as
tienen nulo el térm ino de u na m ism a posición, excep to una, que lo tiene no nulo;
e s decir, de form a que haya una fila con todos sus términos nulos excepto uno. La
colum na a la que e ste térm ino no nulo p erten ezca se pu ed e elim inar, dism inuyendo
el rango de la m atriz en 1 , y reduciendo a sí el problem a al d e u n a m atriz con una
colum na m enos.
V eám oslo con la m atriz A citada al principio de e ste apartado. Intentem os tra n s­
form ar esta m atriz en otra, del m ism o ord en y del m ism o rango, que tenga una fila
con todos s u s térm inos n u los excep to uno; y, verbigracia, b u sq u em o s que tal fila
sea la prim era. H acem os p ara ello u so d e la p ropiedad de que el rango no varía si
su m am os a una colum na u na com binación lineal de las dem ás. Podem os conseguir
n u estro ob jetivo d ejan d o com o está la prim era colum na (cuyo prim er térm ino e s no
nulo), y su m an d o a cada u na de las dem ás esta prim era colum na m ultiplicada por
algún núm ero d e form a que el prim er térm ino que resu lte sea nulo. Si su m am o s a
la segun d a colum na la prim era m ultiplicada por - 2 , ob ten em os u n a n u eva segun d a
colum na, con térm inos ü, 0, 5 y I ; y si su m am os a la tercera colum na la prim era m ul­
tiplicada por - 3 , obtenem os u na n u eva tercera colum na, con térm inos 0, - 4 , 4 y 1.
La nueva m atriz tiene el m ism o orden y el m ism o rango que la m atriz ,4, y su prim era
fila tiene todos su s térm inos n u los excep to el prim ero. Si en esta m atriz elim inam os
la prim era colum na, el rango dism in u ye en 1 y reducim os el problem a a u n a m atriz
con u na colum na m enos. F.n resum en:

( 1 2 3'i t 1 0 o\ (0 0\
2 4 2 2 0 -4 0 -4
rango = rango = 1 + rango
-1 3 1 -1 5 4 5 4
^ o I V <> 1 '
'y
164 III. MATRICES

Esta últim a m atriz obtenida tiene d o s colu m n as, y no son p roporcion ales, luego su
rango e s igual a 2. C onfirm am os que el rango de la m atriz A es igual a 3.
En la sección 8 verem o s que el rango de una m atriz tam bién e s igual al rango
del sistem a form ado por su s vecto res fila. Este resu ltad o n o s perm itirá am p liar el
m étodo que acabam os de d escrib ir para calcu lar el rango de u n a m atriz.
Finalm ente, q u erem os llam ar la atención sobre un resu ltad o im portante que se
pru eba en el texto casi term inada esta sección d edicada al rango de u n a m atriz: si
u na m atriz es la asociad a a una aplicación lineal en u n as b ase s, en ton ces la matriz
y la aplicación lineal tienen el m ism o rango. Si la m atriz es la aso ciad a en las b ases
canónicas, veam os con un ejem p lo cóm o cercio rarse de e ste resu ltado. C onsiderem os
la aplicación lineal / de R 3 en OS.2 defin ida por: f ( X \ ,X 2 ,x-¿) = (X| + X2,2x\ - X 3 I
(con la que y a trabajam os en el segun d o apartad o de esta Introducción). Para calcu ­
lar la m atriz aso ciad a a esta aplicación lineal en las b ases can ón icas, calcu lam os la
im agen p o r / de lo s vecto res d e la b ase can ón ica de R 3 (que es el esp acio de p ar­
tida): / < 1 , 0 , 0 ) = ( 1 , 2 ) , /( O, 1 , 0 ) = ( 1 , 0 ) y / ( 0 , 0 , 1 ) = ( 0 , - 1 ) ; ahora, com o la base
elegid a en R2 (espacio d e llegada) e s la canónica, las com pon en tes de esto s vectores
o b ten id os son directam ente lo s térm in os de las colu m n as de la m atriz que buscam os:
é sta es:

Por otro lado, para calcu lar el rango de la aplicación lineal / , record am os del capi­
tulo II lo que deb em os hacer: calcu lam os la im agen por f d e los vecto res d e la bast
can ónica del espacio de partida, p ara calcu lar a continuación el ran go d el sistem a que
e sta s im ágenes form an; y este rango es el rango de la aplicación lineal. En concreto:

rango / = rango ( / ( 1 , 0 , 0 ) , / (O , l , 0 ) , / ( 0 , 0 , 1 ) ) = rango ( ( 1 , 2 ) , ( 1 , 0 ) , ( 0 , - 1 ) ) .

Nótese que lo s tres vecto res an teriores: (1,2), (1,0) y (0, -1), im agen d e lo s de la
b ase canónica de IR3 , son precisam en te lo s v ecto res colum na de la m atriz G, luego el
rango de ésta e s por definición el del sistem a fo rm ado por ello s. Es decir, podem os
escribir: ran g o G = rango ((1,2), (1,0), (0 , - 1 )). El rango de la aplicación lineal I

y el ran go de la m atriz G , que la rep resen ta en las b ase s canónicas, es en ton ces el
m ism o; e s sen cillo calcu lar que es igual a 2. Finalm ente, no dejem os de en fa tiza r que
si con sid eram os la m atriz asociad a a esta aplicación lineal f en u n as b ase s distinta^
de las canón icas, tal m atriz sigu e ten ien do rango igual a 2. Por ejem plo, en el segunde
apartad o de esta Introducción calcu lam os la m atriz asociad a a la aplicación lineal ¡
en las b ase s R = ( ( 1 , 0 , 0 ) , ( 1 , 1 , 0 ) , ( 0 , 1 , D ) y B ' = ( ( 1 , 0 ) , ( 1 , 1 ) ) :

El lecto r pu ed e com probar que el rango de esta m atriz e s efectivam en te igual a 2.


~RODUCCIÓN

T ra n sfo rm a cio n e s e lem en tales de u n a m a triz Al h ablar de transformación


elemental, nos referim os a cierto tipo de tran sform aciones que realizarem os sobre
las m atrices. Estas tran sform aciones serán de tres tipos d iferen tes, que en el texto
designam os con las etiquetas 1, II y III.
Una tran sform ación elem ental de tipo I no es m ás que el intercam bio de dos
filas, d ejan do las restan tes filas in alteradas. Por ejem plo, con siderem os la siguiente
m atriz:
(2 - 2 0 !■')
1 0 1 0
0 -1 3 2
3 1 - 1 0
U -1 -1 V
Una tran sform ación elem en tal de tipo I que afecte a esta m atriz pu ed e se r esta: in ­
tercam biar las filas prim era y tercera. Esta tran sform ación se design a así: F\ — F i, y
se escribe:
(2 -2 0 1\ (0 -1 3 2\
i 0 1 0 ] 0 1 0
Ft ~ F ]
0 -1 3 2 2 -2 0 1
3 1 -1 0 3 1 -i 0
- 1 -1 1) \2 -1 -1 V
Se aprecia que la segu n d a m atriz difiere de la prim era en que las filas prim era y
tercera están intercam biadas; las re sta n tes filas se han quedado com o estaban.
Una transform ación elem ental de tipo 11 es la m ultiplicación de una fila por un
núm ero no nulo (es decir, la m ultiplicación de todos lo s térm inos de u n a fila por
un m ism o núm ero no nulo), d ejando las restan tes filas in alteradas. En la m atriz
que hem os consid erado en el p árrafo anterior, podem os efectu ar, verbigracia, esta
tran sform ación de tipo II: m ultiplicar la segun d a fila p o r 3; se denota así: F¿ — 3F¿, y
se escribe:
(2 -2 0 1\ (2 -2 0
1 0 1 0 3 0 3 0
F>-iF¿
0 -1 3 2 0 -1. 3 2
3 1 -i 0 3 1 0
1.2 -1 -i V 1.2 -I -1 1/
La segun d a m atriz difiere de la prim era sólo en los térm inos de la segu n d a fila, que
han quedado, todos, m u ltiplicados p o r 3.
Finalm ente, una tran sform ación elem ental de tipo ID su pon e su m ar a u n a fila otra
m ultiplicada por un núm ero (nulo o no). Es decir: se su stitu y e una fila por la sum a
(térm ino a término) de ella m ism a y el resu ltad o de m u ltiplicar todos los térm inos de
otra por un m ism o núm ero, y las re sta n tes filas se dejan in alteradas, incluida la que
se m ultiplica por el núm ero. Para la m atriz que venim os con sideran do com o ejem plo,
III. MATRICES

una tran sform ación elem en tal de tipo ¡li es, verbigracia, esta: su m ar a La prim era fila
la cuarta m ultiplicada por 2. La denotam os así: Fj — F| + 2 F 4, y se escribe:

(2 _2 0 1^ (& 0 _2 i\
I 0 J 0 1 0 1 0
2 F1 -Fi +2F4
0 -1 3 0 -1 3 2
3 i -1 0 3 1 -1 0
u -1 -1 1) V2 -1 -1 V
Notem os que la única fila que se ha tran sform ad o es la prim era: hem os sum ado,
térm ino o térm ino, a la prim era fila de la prim era m atriz la cu arta m ultiplicada po r 2:
las restan tes filas, incluida la cuarta, se han quedado com o estaban .
Una pro pied ad m uy im portante de las tran sform aciones elem en tales es que con­
servan el rango, esto es: si en una m atriz llevam os a cabo una tran sform ación cí e­
me ni al (del cualquiera de los tres tipos), la m atriz que obtenem os tiene el m ism o
rango que la original. El lecto r lo pu ed e com probar com o ejercicio con las m atrices
de los ejem p los anteriores: to das tienen ran go igual a 4.

Nota Las transformaciones elementales que consideramos son transformaciones por filas.
porque sólo afectan a filas: son filas las que se intercambian, son filas las que se m ul­
tiplican por un número, y son filas las que se suman a otra previamente multiplicada
por un número. Sin embargo, es posible, de forma totalmente análoga, definir transfor
maciones elementales por columnas: intercambiar dos columnas (tipo I), m ultiplicar una
columna por un número (tipo II), y sumar a una columna otra multiplicada por un mimen
(tipo III). Las transformaciones elementales por columnas también conservan el rango. Si
nos fijamos bien, la transformación por columnas de tipo III es precisamente la clase de
transformación que llevábamos a cabo para “ hacer ceros" en la fila de una matriz cor
vistas a calcular su rango. a

A n tes de p resen tar aquí la siguien te propiedad de las tran sform aciones elem en­
tales que querríam os reseñar, estu d iem os un ejem plo que n os ayu d ará a com prender
de qué trata tal propiedad. C onsiderem os esta m atriz:

/ 1 1 1\
A = 4 6 0
V - i 0 -1 2)

Su rango es igual a 2, com o puede calcu lar el lector. Vam os a intentar, mediante
tran sform aciones elem entales su cesivas aplicadas a la m atriz A, llegar a u n a matriz
de este tipo:
/] 0 - -\
0 1 - - . (2
^0 0 0 0/
(Las puntos: V , señ alan posicion es ocu padas por n ú m eros sobre los que no hay
ninguna lim itación: p u ed en ser n u los o no, igu ales a l o no.) Esta m atriz es del m ism o
orden que A\ notem os cóm o es: su s dos prim eras colum n as son las dos prim eras
colum nas de la m atriz identidad 1 $, su última fila tiene n u los todos los térm inos, y
los térm inos re sta n tes p u ed en ser n ú m eros cualesquiera. Las colum nas coincídentes
con las de la m atriz identidad son tan tas com o m arca el rango: dos en este caso, y la
cantidad de filas con los térm inos n u lo s son tan tas com o m arca la diferen cia entre el
núm ero de filas de la m atriz y el rango: 3 - 2 = 1 en este caso.
En prim er lugar, tratam os de llegar a una m atriz cu yo s térm inos de la prim era
colum na sean 1 , 0 y 0 (dicho de otra form a: cuyo prim er vector colum na se a ( 1 ,0 ,0 )).
Lo prim ero que h acem os es procurarn os u n 1 en la posición ( 1 , 1 ) , donde ahora
h ay u n 0, y u na form a de con segu irlo podría se r esta: prim ero, intercam biar las
filas prim era y segunda, lo cual proporcion a un 2 en la posición ( 1 , 1 ) ; segundo,
m utiplicar la n u eva prim era ñ la por 1 / 2 , lo cual term in a de tran sfo rm ar el térm ino
de esa posición en 1 . Esto es:

i 4 6 0\ / 1 2 3
1\ °\
í 0 1 r, f 2 F j- (1 / 2 )F ¡
2 4 6 0 0 1 1 1 0 1 1 1
V -i 0 -1 2) \~ i 0 -1 2/ l-l 0 -1 2/

A hora nos resta con segu ir que el térm ino de posición ( 3 , 1 ) sea igual a 0, y una
form a de lograrlo es m ediante una tran sform ación elem en tal de tipo ni; en concreto,
nos sirve esta: F t, - Ej + F\ (sum ar a la tercera fila la prim era). O btenem os:

( 1 2 3 °\ n 2 3 0\
F3-F 3+F1
1 0 1
íl - l° 1
0 -1
i
2) lo
1
2
1
2 2/
En segundo lugar, d esd e la m atriz que acabam os de o b len er tratam os de llegar a
u n a m atriz cu yo s térm inos de la segu n d a colum na sean 0, 1 y 0, pero sin que los de
la p rim era dejen de ser 1 , 0 y 0; es decir, tratam os de llegar a una m atriz cuyos dos
prim eros vectores colu m n a sean ( 1 , 0 , 0 ) y ( 0 , 1 , 0 ) . El prim er p aso sería pro curarse
un 1 en la posición ( 2, 2) , pero ya lo tenem os, así que sólo re sta “tran sfo rm ar" en
n u los los térm inos de posición ( 1 , 2 ) y ( 3 , 2) . Para co n segu ir esto últim o sin afectar
a la prim era colum na, debem os llevar a cabo sen d as tran sform aciones de tipo III:
su m ar a la p rim era fila la segu n d a m u ltiplicada po r - 2 (para el térm ino de p o si­
ción ( 1 , 2) ) , y su m ar a la tercera fila la segu n d a tam bién m ultiplicada por - 2 (para el
d e p o sició n (3, 2)). O btenem os:
i68 III. MATRICES

Y ya hem os llegado, m ediante tran sfo rm acio n es elem en tales su cesiv as ap licad as a la
m atriz A, a u na m atriz com o la escrita en (2): s u s d o s prim eras colum nas so n las dos
p rim eras colu m nas de la m atriz identidad I ¡ y s u últim a fila tiene todos lo s términos
nulos.
Lo que acabam os de h acer con la m atriz A adm ite generalización. El resultado
general e s este : dada u n a m atriz de ord en ( n ,m ), de rango igual a r > 1 , y con su s r
prim eros vecto res colum na linealm ente in d epend ientes, es po sib le obtener, m ediante
tran sform acion es elem en tales (por filas) su ce siv a s ap licad as a la m atriz dada, u n a de
este tipo:
/I 0 . . 0 í7l(r+l i ... t?lm^
0 1 . 0 a 2(r+l) ... a 2m

0 0 . . 1 a rlr+D a rm
0 0 . . 0 0 ... 0

\o 0 . . 0 0 ... 0 )

r m- r

(Los nú m eros a'U r _ u a ’r m pueden ser cualesquiera.) Esta m atriz, de orden ( n , m


—com o la d a d a —, pu ed e describ irse asi: su s r p rim eras co lu m n as (tantas com o el
rango) son las r p rim eras colum nas de la m atriz identidad /„; s u s n - r últim as
filas (tantas com o la d iferen cia en tre el núm ero de filas de la m atriz dada y el rango
tienen todos su s térm inos igu ales a 0; y cada un o de lo s restan tes térm inos, que son
lo s situ ad o s entre las colu m n as ( r + l)-c s im a y m -ésim a y entre la filas prim era \
r-ésim a (es decir, los d en o tad o s por n'l(,.+ ll...........a ’,-,,,)- p u ed e ser igual a cualquier
núm ero; n ó tese que esto s ú ltim o s térm inos o cu p a n m - r colu m n as (tantas com o la
diferencia entre el núm ero de colu m n as de la m atriz dad a y el rango).

Nota bene La matriz A que nos ha servido de ejemplo verifica las hipótesis de este re­
sultado para n = 3, m = 4 y r = 2, pues es de orden (3,4), su rango es igual a 2, \
sus dos primeros vectores columna son linealmente independientes (éstos son (0,2, -1
y ( 1 , 4, 0), que no son proporcionales). Se aprecia que el tipo de matriz escrito en (2), al
cual queríamos llegar a partir de la matriz ,4, se ajusta al formato dado en (3). A

Quizá llam e la aten ción en este re su lta d o la exigen cia de que los r prim eros vec­
tores colum na de la m atriz de partida tengan que ser linealm ente independientes.
Si esto no ocurre, e s decir, si los r prim eros ve cto res colum na de la m atriz de p ar­
tida no son linealm ente in d epend ientes, tam bién e s po sib le o b ten er u n a m atriz come
la (3) m ediante tran sform aciones elem en tales su ce siv a s ap licad as a la m atriz d e p ar­
tida, pero ya no podem os exig ir que to das e sta s tran sform aciones elem en tales sean
TRODUCOON 1 «9

por filas: alguna —y qu izá m ás d e u n a — deberá s e r por columnas. Realm ente, con
tran sform acion es por colu m nas de tipo I (intercam bio de colum nas) será suficiente.
C onsiderem os, por ejem plo, esta m atriz:

B -

Su rango es igual a 2, y su s tres vecto res colum na so n ( 1 , 2 , - 1 ) , ( 2 ,4 , - 2 ) y ( 0 , 1 , 1 1.


Los d o s prim eros no son linealm ente in d epend ientes (nótese que so n proporcion a­
les), pero el prim ero y el tercero si lo son . Si intercam biam os las co lu m n as segunda
y tercera (una transform ación elem ental por colu m n as d e tipo 1), obtenem os:

m atriz que sí tiene su s d o s prim eros vecto res colum na linealm ente in dependientes.
Esta m atriz sí podrá s e r llevada, m ediante tran sform aciones elem en tales su cesivas
exclusivamente por ¡Has, a u na m atriz d e la form a (3), que en este caso particular
tom a este aspecto:
/I 0
0 1
Vo o o/

(nótese que n = 3, m = 3 y r = 2 , con lo que n - r = 1 y m - r = 1). Buscam os


prim ero llegar a una m atriz que tenga en la prim era colum na lo s térm inos 1, 0 y 0:
/ 1 0 2\ 1 0 A n 0 2\
F2 ~ F , 2F| F>-F,±r,
2 1 4 ' 0 1 0 0 1
0
V 1 1 -2 / v-l 1 - V \0 1 0/

A continuación b u scam os una m atriz cu yo s térm inos de la seg u n d a colum na sean i


1 y 0, p ero sin alterar lo s que ya h ay en la prim era colum na. Con una so la tran sfo r­
m ación m ás term inam os:

fl 0 2\ n 0 2\
0 1
0
0
lo 1 0/ \0 0 0/

Podem os decir que esta últim a m atriz ha sido o b ten id a a partir d e la m atriz B tras la
aplicación a ésta de tran sform aciones elem en tales su cesivas: la prim era d e ellas, un
intercam bio d e colum nas; las restan tes, tran sform aciones por filas.
H em os visto, enton ces, que a partir d e u n a m atriz de orden ( n, m ). d e rango igual
a r » 1 , y con su s r prim eros vecto res colum na linealm ente in d epend ientes, puede
III. MATRICE

ob tenerse, tra s aplicarle su cesivam en te ciertas tran sform aciones elem en tales p o r fi­
las, una m atriz de la fo rm a (3). No q u erem os term in ar este ap artad o sin fijarn os en
alg u n o s ca so s particu lares. C uando la m atriz ríe partida tiene ran go igual al núm ero
d e filas: r = n, en ton ces re su lta n - r = 0, y en la m atriz (3) co rrespon dien te “d e sa ­
p arecen ” las fila s in feriores que tengan todos s u s térm inos n u lo s. Si, por ejem plo, la
m atriz d e partida es de ord en ( 2, 4) y su rango e s igual a 2 , en ton ces llegam os, tras
las tran sform aciones elem en tales p ertin en tes, a u n a m atriz asi:

Por otra parte, cuando el rango es igual al nú m ero de colu m n as: r = m , entonces
resu lta m - r = 0, y en la m atriz (3) correspo n dien te desaparecen las colu m n as de
la derecha que contengan los térm inos que d en o tam os po r u'l ( r , n , . . . , a'rm. Por
ejem plo, a partir de u na m atriz d e ord en ( 4, 2) de rango igual a 2, y tras las tran sfo r­
m aciones elem en tales o p o rtu n as, obtenem os e s ta m atriz:

í\ ()\
0 I
0 o
\0 o)
Finalm ente, si acontece que la m atriz d e partida tiene rango sim ultán eam en te igual al
núm ero d e filas y al núm ero d e colu m n as: r = n = m (en particular, es cuadrada), en-
ton ces en la m atriz (3) correspo n dien te d esp arecen tanto las filas de abajo (con todos
su s térm inos nulos) com o las colu m n as de la d erech a (con lo s térm inos denotados
por u'l (r_ n a'rm), V- 1 ° due queda es u n a m atriz identidad: la del m ism o orden
que la m atriz cu ad rad a de partida. Por ejem plo , s i partim os de u n a m atriz cuadrada
d e ord en 3 y de rango igual a 3 , o bten em os, tra s las tran sform aciones elem en tales
n ecesarias, la m atriz identidad h :

In v e rs a ele u n a m a triz c u a d ra d a La inversa d e u n a m atriz cu adrada e s otra


m atriz (tam bién cu adrada, y del m ism o orden q u e la prim era) tal que el p rod ucto de
am bas, tanto en un ord en com o en el otro, e s igual a la m atriz identidad. Más en
concreto, la in versa de una m atriz A cu adrada d e ord en n e s otra m atriz B, también
cu adrada de orden n, p ara la cual se verifica: A B = B A = /„. C on siderem os, por
ejem plo, e sta s dos m atrices:
ODUCCIÓN 171

Podem os decir que la m atriz B es in versa de la m atriz ,4, p u es se verifica:

1 0 1 0 1 0 1 0
1 1 0 1 -1 1 0 1

N ótese que tam bién podem os decir, por la m ism a razón, que la m atriz A es inversa
de la m atriz B: son in versas u na de la otra.
C uando u n a m atriz cu ad rad a adm ite inversa, se dice que es invertidle. No to­
das las m atrices cu ad rad as son in vertibles. Por ejem plo , una m atriz nul a cuadrada,
de cu alqu ier orden, no es invertible, p u es su p rod ucto con cu alq u ier m atriz e s una
m atriz n u la, de nin gu n a form a u na m atriz identidad. C uando una m atriz A e s in ver­
tible, adm ite solam ente u na inversa, que se denota: A ' 1. Con las m atrices .4 y B del
ejem p lo del p á rra fo anterior, podem os escribir: A ~1 = B; y tam bién: B -1 = A.
En el texto se p ru eba u n criterio m u y im portante p ara sab e r si u n a m atriz cu a­
drada d ad a e s o no invertible: u na matriz, cu adrada es invertible si y so lam en te si su
rango toma el m ayor v alor posible (es decir, si y solam ente si su rango coincide con
su orden, que es el núm ero de su s filas y tam bién el de su s colum nas). Por ejem plo,
en el apartad o an terior trabajam os con esta m atriz:

Es u n a m atriz cu adrada de orden 3 , pero su rango es m enor que 3 (es igual a 2 , en


concreto). No es, pu es, invertible: no h ay n inguna m atriz cu adrada de orden 3 cuyo
producto por R sea igual a la m atriz identidad / 3. Por el contrario, con sid erem os esta
m atriz:
1 2 0\
C = 2 2 1
1-1 -3 W

Tam bién es cu adrada de ord en 3, y su rango —com o pu ed e calcu lar el lecto r— sí es


igual a 3. E stam os, p u es, an te u n a m atriz invertible: sí existe algun a m atriz cu adrada
de ord en 3 cu yo prod ucto po r C es igual a la m atriz identidad ¡ 3 \ tal matriz, es la
inversa de C, que se denota C *.
Pero, ¿cóm o ca lcu lar la inversa de u n a m atriz cu adrada de la cual sab em o s que
es invertible? Las tran sform aciones elem en tales nos proporcionan u n procedim iento
para este cálculo. Recordem os —del a p artad o an terio r— que a partir de u n a m atriz
se pu ed e llegar, m ediante tran sform acio n es elem en tales su cesiv as, a una matriz, de
la form a (3) (cf. p. 168). Si la m atriz de partida es cu ad rad a e invertible, entonces
su rango coincide con el n ú m ero de su s filas y con el núm ero d e su s colu m n as, y la
m atriz de la form a (3) que correspon de en e ste caso —record em os lo visto al final del
172 III. MATRICES

apartad o citad o— e s la m atriz identidad del m ism o orden que la m atriz de partida.
Es decir: m ediante tran sform aciones elem en tales su cesiv as ap licad as a u n a m atriz
cu adrada invertible, es po sib le o bten er la m atriz identidad. F.n el texto se prueba
un resu ltad o que n os proporcion a el m étodo b uscad o p ara calcu lar la in versa: las
m ism as tran sform acio nes elem en tales su cesiv as, y en el m ism o orden, que perm iten
ob ten er la m atriz id en tid ad a partir de la m atriz invertible perm iten a su v e z obtener
la in versa de la m atriz a partir de la m atriz identidad. Más concretam ente: si A e s una
m atriz cu ad rad a de orden n, invertible, pu ed e o b ten erse la m atriz identidad /„ (la del
m ism o ord en que A ) a parl i r de A m ediante tran sfo rm acio n es elem en tales sucesivas:
e sta s m ism as tran sform acio n es, en el m ism o orden , se aplican ahora sobre /„ y obte­
nem os com o resu ltad o precisam en te A - 1 . A m odo de ejem plo, calcu lem o s la inversa
de la m atriz C d el p árrafo anterior. I.o prim ero que debem os h acer es ap licar tran s­
form aciones elem en tales su cesiv as a la m atriz C h asta o bten er la m atriz identidad /
(la d el m ism o ord en que C).3 O btenem os en la prim era colum na lo s térm inos 1, 0 y 0
tras d o s tran sform aciones elem en tales:

1 2 °\ 1 2 o\ 1 2
F2 ~ F 2 - 2 F ¡ F¡ - F¡ +F,
2 2 1 ' 0 -2 1 0 -2 1
v-i -2 l) v-i -2 i; lo 0 17

ob tenem os en la segun d a colum na los térm inos 0, 1 y 0 (sin pertu rbar lo s d e la


prim era) con d o s tran sform aciones más:

/I 2 0\ 2 0 V n 0 1
F . - l - 1/21 F j F , - F , - 2 F,
0 C. 1 0 1 -1/2 1 -1/2
0
lo 0 1j vo 0 1 ) lo 0 1

y, finalm ente, obtenem os la últim a colum na con lo s térm inos 0, 0 y 1 (sin variar la1-
d o s prim eras) con o tras d o s tran sform aciones m ás:

/I 0 1 él 0 0 \ F,-F,-(|/2)F, a 0
0 1 - 1./2 0 1 —1/2 J 0 1
0
lo 0 1 ) lo 0 1 J vo 0 ij

y ya h em os llegado a la m atriz identidad /¡. A continuación, deb em os ap licar estas


m ism as se is tran sform acio n es elem en tales, y en el m ism o orden en el que las hemos
id o obteniendo, a la m atriz iden tidad /3. La m atriz a la que finalm ente llegarem os

3Nótese que la matriz C tiene sus tres vectores columna linealmente independientes, pues su rangi
es igual a 3: es suficiente, pues, trabajar con transformaciones por filas. Esto ocurre asi con cualquier
matriz invertible: no es necesario trabajar con transformaciones por columnas.
TRODUCCION

se rá la inversa C '. Resulta:

1 O 0\
F..-F2-2F,
-2 I O
O O 1

\ ( ~ l
1 0\
F-,-i -1/2)F.

r■
-i-
si.*
l
l
-1/2

j
• 0
r
) V 1 0 1

1-2 1 í - 2 -1
F1 -F1 -F3 f ¿- f 2 4 (1/2)F3
1 - 1/2 0 3/2 -1
1 O 1/ 1 -1

F.sta últim a m atriz es, com o hem os dicho, la in versa de la m atriz C:

-2 I -1
C _l = 3/2 -1/2 1/2
1 - 1/2 I

El lector pu ed e verificar que efectivam en te el p rod ucto de esta m atriz por la m atriz C,
en u n orden y en el otro, es igual a la m atriz iden tidad ly. C C 1 = C 1C =

T ra sp u e sta de u n a m atriz. D ada u n a m atriz 4 de cu alq u ier orden ( n ,m ), su


traspuesta, que. se denota: A ', es otra m atriz de ord en ( m , n ) tal que lo s térm inos
de su s m filas so n los térm inos d e las m colu m n as de .4, y los térm inos d e su s n
colu m nas so n lo s de las n filas de A .4 V eám oslo con un ejem plo. C on siderem os esta
m atriz:
a 3 - r
.4 =
>0 2 4,

Es de ord en ( 2, 3 ) , así que su trasp u esta: ,4 ', e s una m atriz de orden ( 3 , 2 ) . In fo r­


m alm ente, lo que en la m atriz A so n filas, en la m atriz 4 ' son colu m n as, y viceversa;
m ás en concreto, los térm in os de la prim era fila de .4 son los térm inos de la prim era
colum na de 4 ' , y lo s térm inos de la seg u n d a fila de 4 so n los de la seg u n d a colum na
de 4 '. La m atriz A ' es, p u es, la que tiene com o térm inos de su prim era colu m n a los
nú m eros 1, 3 y - 1 , y com o térm inos de su segun d a colum na los n ú m eros 0, 2 y 4:

4' =

4Más formalmente: la matriz 4 ' tiene por vectores fila los vectores columna de la matriz .4 (en el
mismo orden), y tiene por vectores columna los vectores fila de la matriz 4 (también en el mismo
orden).
*74 III. MATRICES

Otro ejem plo. C on siderem os esta s m atrices:

r v\
(l o 2 ) y
l 0
4)

La prim era es una m atriz fila, esto es, con una sola fila, que se tran sform ará en una
ú n ica colum na al trasponer, es decir, su trasp u esta es u n a m atriz colum na; su s tér­
m inos son obviam ente lo s m ism os que los de la m atriz fila original. A nálogam ente, la
segu n d a m atriz de las anteriores, que es una m atriz colum na, ten d rá por traspu esta
u n a m atriz fila. Las trasp u estas de las d os m atrices son, respectivam en te, las sigu ien ­
tes:
/1\
0 y (-1 o 4 ).
VI

Nota bene Si una matriz es cuadrada, su traspuesta es otra matriz cuadrada del mismo
orden. k

En el texto figuran varias pro piedades de la trasposición de m atrices. Nos in teresa


d e stacar aquí la últim a: el rango de u n a m atriz y el de su trasp u esta coinciden. O
dicho de otra form a (que ya apuntam os en el apartado dedicado al rango): el rango
de una m atriz tam bién es igual al rango del sistem a form ado po r su s vecto res fila.
Este resu ltad o tiene una con secu en cia práctica im portante: las propiedades que ya
conocem os del rango de u n a m atriz tam bién son válidas cam biando colum nas por
filas; en concreto:
• el rango de u n a m atriz no varía si sum am os a u n a fila una com binación lineal
de las d em ás;3
• al elim inar en u na m atriz una fila, el rango no varía si tal fila es igual a una
com binación lineal de las dem ás, y el rango dism inuye en 1 si la fila no es igual
a una com binación lineal de las dem ás.
A sim ism o, el procedim iento que describim os p ara calcu lar el rango de una m atriz
sigue siendo válido si cam biam os colum nas por filas y viceversa. De acuerdo con esto,
e l rango de una m atriz con u n a so la fila es igual a 0 si todos su s térm inos son nulos,
y es igual a 1 si alguno es no nulo; por ejem plo:

rango (o 0 ü) = 0 y rango (() -2 0 l) = l.

Y el rango de u n a m atriz de dos filas (su p u esto que no todos los térm inos son nulos,
lo que su p on d ría rango 0) es igual a 1 si am bas filas son proporcionales, y es igual

’ Entendiendo estas operaciones entre tilas también término a término.


PRODUCCIÓN 175

a 2 si no lo son ;6 verbigracia:

1 -2 2 -3
rango = 1 y rango
2 -4 1 1

Finalm ente, p ara ca lcu lar el rango de u n a m atriz con tre s filas o m ás, podem os inten­
tar tran sform ar la m atriz dad a en otra, del m ism o orden y con el m ism o rango, con
e sta propiedad: una de sus columnas tiene nulos todos los términos excepto uno; la fila
a la que e ste térm ino no nulo p erten ezca se pu ed e elim inar, dism in u yen do el rango
de la m atriz en 1, y redu ciendo de e sta fo rm a el problem a al de u n a m atriz con una
fila m enos. (Recuérdese que p ara u n a m atriz de tres colu m n as o m ás proponíam os
in tentar tran sfo rm arla en o tra que tu viera una fila con todos lo s térm inos n u lo s e x ­
cepto uno, y que elim inábam os la colum na a la que e ste térm ino no nulo pertenece,
dism in u yendo el rango en 1.) A m odo de ejem plo , calcu lem o s el rango de esta m atriz
de tres filas y cu atro colum nas:

¡2 -2 0 1
H= 1 0 1 1
\3 1 -1 0

B uscam os, p u es, tran sfo rm arla en otra, del m ism o orden y con el m ism o rango, que
ten ga alguna colum na con to d o s su s térm inos n u lo s excepto uno. Intentem os, ver­
bigracia, que tal colum na sea la cuarta. Podem os d e ja r la prim era fila com o está
(ya tiene no n u lo su térm ino de la cu arta colum na), y su m am os a la seg u n d a fila la
prim era m ultiplicada por - 1 ; esta operación arro ja una nueva seg u n d a fila, de tér­
m in os - 1 , 2, 1 y 0. A continuación, elim in am os la prim era fila y el rango dism inuye
en 1. O btenem os:

(2 _2 0 1\ ( 2 -2 0
rango 6 = rango 1 0 = rango -1 2 I
°
\3 1 -1 0/ y, 3 1 -1 0}

-1 2 1 0\
= 1 + rango 1 0 j = l + 2 = á.
3 1 -1

La úl ti ma m atriz que h em o s obtenido, tras elim inar la prim era fila, tiene d o s filas 110
p roporcionales, luego su rango es 2 . La m atriz B tiene finalm ente rango igual a 3.
Q uizá el lector se h aya p ercatad o, en el cálculo del rango anterior, de que la o pe­
ración que hem os llevado a cabo entre las filas seg u n d a y prim era de la m atriz B
p ara “anular" el térm ino de posición ( 2, 4) (cuyo valo r original era 1) e s realm ente

''La “ proporcionalidad" de filas se debe entender de manera análoga a la de columnas: dos filas
son proporcionales si es posible obtener una de. ellas multiplicando la otra por algún número (esto es,
multiplicando todos los términos de esta última por el número).
17íi III. MATRICES

una transform ación elem ental por filas de tipo III; en concreto: F¿ — F¿ -F\. Y a sab e­
m os que las transform aciones elem en tales por filas, y tam bién las transform aciones
elem entales por colum nas, no h acen variar el rango de una m atriz.
En la práctica, el rango de u n a m atriz se calcula con jugan do el m étodo que aca­
bam os de ejem plificar con la m atriz B anterior (buscar una colum na con todos los
térm inos n u los salvo uno) con el m étodo ya descrito en el apartado dedicado al rango
unas págin as m ás atrás (buscar una fila). En definitiva, esto su pon e “h acer ce ro s” en
la m atriz con la ayu d a de tran sform aciones elem en tales de tipo in (tanto por filas
com o por colum nas), buscan d o las filas o las colum n as con todos su s térm inos nulos
excepto uno; ya sab em os que cuando tengam os u n a tal fila o colum na, podrem os
redu cir el problem a al de una m atriz con u n a colum na m enos o con u n a fila m enos.
Por o tra parte, si en algún m om ento del proceso n os en contram os con algun a fila,
o con algun a colum na, que sea com binación de las dem ás, sabem os que podrem os
elim inarla sin que el rango varíe; en particular, se p u ed en elim inar, sin v ariar po r ello
el rango, las filas o las colum nas que tengan todos su s térm inos nulos.
V eam os un últim o ejem plo de cálculo de un rango, el de esta m atriz:

n - ] 0 3\
0 ] 2 1
T -= 1 0 2 3
2 1 6 9
vo -2 3 O)
Intentem os hacer ceros en la prim era colum na, donde ya h ay dos. D ejam os el 1 de la
posición ( 1 , 1 ) com o e stá ,7 y aplicam os tran sfo rm acio n es elem en tales de tipo III para
¿mular lo s térm inos de posición ( 3 , 1 ) y ( 4 , 1 ) ; con las tran sform aciones P? — F¿ - F,
y F 4 — F 4 - 2F\ lo conseguim os:
n -1 0 33 (1 -1 0 33
0 1 2 1 T - t-¡ 0 1 2 1
F4-F4-
1 0 2 3 0 1 2 0
2 1 6 9 0 3 6 3
\o -2 3 O) VO -2 3 O/
y^ p odem os ecribir:

(l -1 0 3\
(0 1 2 1\
0 1 2 1
2 0 1 2 0
rango 0 1 0 = 1 + rango
0 3 6 3
0 3 6 3
_■> V» -2 3 O)
lo 3 0/
' Quizá se haya dado cuenta el lector de que al buscar una tila o una columna con todos sus términos
nulos, excepto uno, resulta más cómodo que el término no nulo sea igual a 1. Detalles como este se
aprenden poco a poco con la práctica.
-r o d u c o o n 177

d e sp u és d e elim inar la prim era lila. Pero dém onos cu en ta de que ahora tenem os
u na colum na con lod os su s térm inos nulos: si la elim inam os, el rango no varía. Es
habitual lle va r a cabo esto s d o s últim os p a so s de una ve z: cu an do y a tenem os una
colum na con todos s u s térm inos n u lo s excep to uno, elim inam os la fila que co rres­
ponde al térm ino no nulo, y tam bién elim inam os la propia colum na; este proceso
hace dism inuir el rango en 1, y nos lleva a u n a m atriz con u n a fila m enos y con una
colum na m enos. (Lo m ism o se haría si, en v e z de u n a colum na, tu viéram os u n a fila
con todos s u s térm inos n u lo s salvo uno.) Esquem áticam ente:

f1 -1 0 3
1 2 1
0 1 2 1 2
1 0
rango T = rango 0 1 > 0 = 1 + rango
3 6 3
0 3 (i 3 2 3 0
Vo -2 3 0

En esta últim a m atriz, pod em os d a rn o s cu en ta d e que la tercera fila e s proporcional


a la prim era, con lo que e s po sib le decir d e ella que es igual a u n a com binación lineal
de las dem ás lilas; elim inándola, no varía el rango:

2 n
2 0
rango T = 1 + rango = 1 + rango
3 6 3
-2 3 0

En la úl ti ma m atriz obtenida, ya ten em os u n a colum na con todos su s térm inos nulos


excepto uno:

Ua.
1 2 l\
rango 7 = 1 + rango 1 2 0 = 1 + 1 + rango
-2 3 0

La m atriz final tiene ran go igual a 2, p u es su s d o s fila s no son p ro porcion ales (tam ­
poco son p roporcionales, por su p u esto , su s d o s colum nas). Finalm ente: rango T = 4.
178 III. MATRICE.

III. 1 DEFINICIÓN DE MATRIZ

1. D e fin ició n de m a triz Sea ( & , + , - ) u n cu erp o y sean n y m núm eros enteros
positivo s. Una m a triz .4 con térm in o s en K de o rd e n ( n , m ) es una disposición
d e n ■m elem entos d e K en form a rectan gu lar en n filas y m colu m n as, de las que
direm os son las fila s y co lu m n a s de la m atriz .4.
Del elem ento de K que en u n a m atriz ,4 está situ ad o en la fila i-ésim a y en la
colum na j-é sim a direm os e s el térm in o de .4 de posición ( t , j ) ; se le su ele deno­
tar: a ¡ j .
La notación habitual para la m atriz ,4 es:

/«ll a t2 ■ a ij ■ a im '
a¿\ a 22 ■ d 2j ai,,.

.4 =
a,i a 12 ■ au • Cl 11),

U i a n¿ a nj a,,,,, /

donde los térm inos d e la /-ésim a fila (1 < i < n ) son:

a n , a i2 , ■■■, a ,nu

y los térm inos de la ./-ésim a colum na (1 «; j « m ) son:

a i/ . a 2j< a nj.

T am bién se adopta la notación:

A = i a ¡ j ; 1 c i í n, 1 < j < m ) ,

o bien (cuando no h ay riesgo de confusión): A = (a¡j)-


De d o s m atrices 4 = ( uj , ) y B = ( b ¡ j j con térm inos en K , am bas de ord en (n, m •
direm os son ig u a le s si:

a ¡ j = b¡j para cad a i. < i < n y cada 1 < j < tn,

y escrib irem os: A = B.

Nota Sólo se define la igualdad de dos matrices cuando ambas matrices son del mismi
orden. a
DEFINICIÓN DE MA TRIZ 179

EJEMPLO 1 Consideremos el cuerpo ( R, +, •). De una matriz con términos en R diremos es una matriz
real. Tomemos n = 3 y m = 2. Una matriz real de orden (n, m) = (3,2) es una disposición
de 3 • 2 = 6 números reales en 3 filas y 2 columnas. Por ejemplo:

A =

es una matriz real de orden (3,2 ): tiene 3 filas y 2 columnas. El término de A de posi­
ción ( 1 , 2), que podemos denotar <¡i2, es el número real situado en la primera fila y en la
segunda columna; es decir:
a i 2 = v2.
El término de A de posición (3, 2): ay>, es el número real situado en la tercera fila y en la
segunda columna: tf;(2 = 1 1 2 .
También podemos denotar la matriz A de la forma:

2. Tipos de m a trice s De u n a m atriz con térm inos en K de orden ( 1 , m ) direm os


Matriz fila es una m atriz fila. Es decir, una m atriz fila es una m atriz con u n a so la fila.
De u na m atriz con térm inos en K de orden (n , 1) direm os es u n a m a triz colum na.
Es decir, u na m atriz colum na es u n a m atriz con u n a so la colum na.

EJEMPLO 2 La matriz real:


(1 -1 0)

es una matriz fila de orden ( 1 , 3) .

Nota bene Al escribir una matriz de la forma (4) no se escribe ninguna coma; por tanto,
no hay que confundir la matriz fila, con términos reales, (l -1 0) con la terna de
números reales: ( 1 , - 1 , 0 ) , donde sí se utilizan comas. A

La matriz real;

es una matriz columna de orden (3, 1).


La matriz real:

( 2)
es una matriz real de orden ( 1 , 1 ) , y por consiguiente es tanto una matriz fila como una matriz
columna. No se debe confundir la matriz real (2) con el número real 2.
18o III. MATRICES

Sea A u n a m atriz con térm inos en K. De A direm os es una matriz cuadrada de


Matriz cuadrada orden n si A es de orden (n , n ), es decir, si tiene tanto n filas com o n colum nas.
Si .4 es u na m atriz cu adrada de orden n, de los térm inos de posición ( 1 , 1 ) ,
( 2 , 2 ) , . . . , (n , n ) direm os son los térm inos de la diagonal principal de A.
De la m atriz cu adrada de orden n que tiene su s térm inos de la diagonal principal
Matriz identidad iguales a 1 , y su s restan tes térm inos igu ales a O, direm os es la matriz identidad, o
(o unitaria) unitaria, de orden n, y se denota: /„; es decir:

Í 1 O 0\
O 1 O

\o O ... 1/

EJEMPLO 3 La matriz real:

es cuadrada de orden 3: tiene tres filas y tres columnas. Los términos de la diagonal principa]
de A son: 2, 1/3 y 0.
Las matrices identidad reales de orden 2 y 3 son:

Matriz nula De una m atriz con térm inos en K direm os es una matriz cero (o matriz nula), \
la denotarem os: O, si todos su s térm inos son igu ales a 0.

EJEMPLO 4 Las matrices reales:


( 0) , (0 0 0)

son tres matrices nulas, de órdenes respectivos: f 1 , i ), ( 1 ,3) y ( 2 ,3).

\cln\ &n 2 Ufij & nmJ


DEFINICIÓN DE MATRIZ

Sea 1 j < m . Se defin e la./'-ésim a matriz columna de la matriz ,4, que se denota: A ¡,
com o aq u ella m atriz colu m n a de orden (ti, 1 ) cu yo s térm inos so n lo s de la j-é sim a
colum na de A. Es decir:
U ij\
a>j
A/ ~

\L'n j /
Utilizando las m atrices colum na de la m atriz .4, la notación por columnas de A es:

A = ( A i I A '2 I . .. I A„,

Notación Las matrices columna de la matriz identidad /„ (n > 1) se denotan: E \, E¿ £»;


es decir:
n\ /o\ /°\
0 1
£1 = 1 £2 = ........ E„ =
0
Voy Voy w
y /„ = (£| E¿ . . . I E „).

EJEMPLO 5 Sea A la matriz con términos en


2 1 0
4 =
1 I 1
Las matrices columna primera, segunda y tercera de A son:

A\ = 42 = y a3=
1/ '

La matriz 4 se puede escribir también: 4 = (4| | 4 2 | 43 ).


EJEMPLO 6 Consideremos las matrices columna reales de orden ( 3 , 1 ):
/ i\
( 3\
C = 0
• D = 1
y £ = 1
ay \\)
Con estas matrices columna podemos formar, por ejemplo, la matriz:

4 = (C | D | E) =

cuyas matrices columna son: 4 , = C, A 2 = D y 4;j = E- También podemos formar la matriz:

. 1 1 3\
B = (C | £ 1 D = 0 1 1
vi 1 l)
182 III. MATRICES

4. M a trice s fila de lin a m a triz Sea .4 u n a m atriz de orden ( n ,m ) con térm inos
en K:
f Un a 12 ... tflm \
U2\ Cl22 ••• tt'¿m

.4 -
d ii Uj >

\¿Inl ••• &nm )


Sea 1 « i « n. Se define la i-ésim a m atriz fila de la m atriz A com o aq uella m atriz fila
de orden ( 1 , m ) cu yos térm in os son los de la t-ésim a fila de ,4. Es decir:

(u¡\ u t> • • • u,m j .

Si F i, F¿, ■■., F n son las m atrices fila de la m atriz /i, la n o tació n por filas de A es:

ÍF i \

A -

Vn!
Notación Las matrices fila de la matriz identidad/„ (n > 1) se denotan: L\ , L>,.... L „; es
decir:

/,, = (l 0 ... o ) . I 2 = (o I ... ü) L„ = (() . .. 0 l),

/M

/„ =

\t-riJ

EJEMPLO 7 Dada la matriz real:

las matrices fila primera y segunda de 4 son:

(2 I 0) y (1 1 l),

respectivamente.
DEFINICIÓN DE MATRIZ

EJEMPLO 8 Dadas las matrices fila reales de orden (1,4 ):

B = (l 1 1 O), C = (l 0 0 l) y D= 1 1 2 3

con ellas podemos formar, entre otras, la matriz real:

B\
íx 1 i 0\
.4 = C = (l 0 0 1
Vi i 2 3/
{n /

5. V ectores fila y vecto res co lu m n a de u n a m a triz


térm inos en K de ord en ( n , m ):

'a ii a 12 — a i¡ ... o i m3
a 21 a ¿¿ ... 02j ... o ¿ n,

A =
a 11 a ,2 o ¡¡ ■■■ O un

\ a ni Un 2 Onj ■■■ Onm j

Vector columna S ea 1 < j < m. El j-ésim o v e c t o r co lu m n a de A, que se denota: a ¡, e s el vecto r de IK"


cu yas com pon en tes so n lo s térm in os de la j-é sim a m atriz colu m n a d e A. Es decir:

tt i = [o i /, o > ¡,. . . , CTii j )•

Vector fila Sea 1 « i « ti. El t-ésim o v e c to r fila de A es el vecto r de IKm cu yas com pon en tes son
lo s térm inos de la i-ésim a m atriz fila de A, es decir, e s el vector: ( a , i , a ¡2 ......... a ¡m).

Nota No deben ser confundidos matriz columna y vector columna, ni matriz fila y vector
fila. A

EJEMPLO 9 Sea A la matriz real:


1 - 1 3
■ '■ ( ! o
Los vectores columna de A son los siguientes vectores de K-':

«i = ( 1,1 ) , a¿ = ( - 1 , 0 ) at = { 3,2 ).

El primer vector fila de A es el vector ( 1, - 1 , 3 ) de R 3.


1«4 III. MATRICES

III.2 MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL


1. M a triz a s o c ia d a a a n a a p lic a c ió n lin e a l en u n as bases Sea / una api !-
cación lineal de IK"1 en K " . G ráficam ente:

Km — IK".

Fijem os u n a s b ases: V = (v \ ,v ¿ v m) y W = (w \ ,w ¿ .........u/„), de K 'n y K ” .


respectivam en te. Resum irem os la elección de e sta s b ase s, gráficam ente, de la manera
siguiente:
v f w
Km— K n.

La aplicación lineal f e stá com pletam en te determ inada una v e z conocidas las
im ágenes por / de los vecto res de u n a b ase de IK'” (cf. proposición II.7, p. 12 2 ) ; por
ejem plo, u na vez con ocidos los vectores: , f ( v ¡ ), f ( v 2 ) ......... f ( v m). Estos m vectores-
qu ed an u nívocam ente determ in ados en cu an to con ocem os las n co o rd en ad as d e cada
uno d e ello s en u n a b ase d e K '\ que pu ed e ser, por ejem plo, la b a se W.

Definición

Matriz asociada a Podem os con stru ir a partir de la aplicación lineal / , elegid as las b ase s V de K '”
una aplicación y W de IK", u n a m atriz A de orden ( n , m ) d e la form a sigu ien te: lo s térm inos de
lineal en unas la j-é s im a colum na de A son las n coord en adas en la b ase W del vecto r .f { v j)
bases
(1 «s ./ «s m). De la m atriz A a sí co n stru id a se dice es la m a triz a so c ia d a a / , o
re p rese n tan te de / , en las b ase s V' de 0€m y W de K " .

O bsérvese que, u na vez fijad as las b ases V y W, la m atriz asociada a f en estas


b ase s e s única, pu esto que su s térm inos son las co o rd en ad as de los vecto res f { v , 1
(1 < j < m ) en la b ase 14', que son únicas.

Nota bene Una matriz representante de una aplicación lineal de K."' en es de or­
den (n .in ). a

D ada la m atriz:

'<*11 ay¿ • «1j ■ 0 1 m'


a¿ 1 a¿'¿ a 2¡ 02m

| a , j2 a nj Unm /

de la definición se dedu ce: la m atriz A es la m atriz asociad a a la aplicación lineal /


d e & m en IK" en las b ases V = ( v i , V 2 , . . . , v m) de K '” y 44' = de K ”
p recisam ente si, en los vecto res de la b ase V , / se com porta de la form a:

f ( V j ) = a ] j W i + a - ¿jW '¿+ - - - + a nj W n , U jc m . (5 ►
MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL 185

Dada la m atriz .4, y fijad as en K m y & " las b ases V y W, respectivam en te, sab e­
m os que ex iste u na única aplicación lineal f de K m en K " que verifica (3) (cf. pro­
posición II. 7, p. 12 2 ). En con secu en cia, dada una m atriz con térm inos en K d e o r­
den (n , m ), y fijad as u n as b ase s en & m y K " , existe u n a única aplicación lineal de 0£m
en K '1 tal que su m atriz asociad a en las b a se s fijad as es la m atriz dada.
D ebem os o b se rva r que si W es la b ase can ón ica de !&", e s decir:

W = (e \ ,e ¿ ------ e „ ) .

entonces:

,t ( v ¡ ) —a 1 ,d| + <i2je-¿ + • ■ • + a n¡e n — ( í J i j , a - ¿ j, ■• •, u nj ) - a , , 1 < j < m,

donde a ¡ es el j-é sim o vecto r colum na de la m atriz A . En o tras palabras:

Matriz asociada Si la b ase seleccion ada en el espacio de llegada es la canónica, en ton ces lo s v e c ­
cuando la base tores colum na de la m atriz aso ciad a a la aplicación lineal so n las im ágen es de los
en el de llegada vectores de la b ase d el espacio de partida.
es la canónica

Consideremos la aplicación lineal de R 3 en IR3 definida por la expresión:

= ( X, + X2,2x , - 3x>, X->).

Sean Bc = ( ( 1 ,0 ) ,( 0 ,1 ) ) y B’c = ( (1,0 ,0 ), (0 ,1,0 ) , ( 0 ,0 ,1) ) las bases canónicas de R- y R 3,


respectivamente. Gráficamente:

Determinemos la matriz A asociada a / en las bases Bt y B'c .


La matriz 4 es de orden (3 ,2 ), y se verifica:
• Los términos de la primera columna de 4 son las coordenadas en la base B'c de la
imagen por f del primer vector de la base Bc', es decir, las coordenadas en B'c de la
imagen por / de ( 1,0 ) . Se tiene:

./ (1,0 ) = ( 1,2 ,0 ) = 1 ( 1 ,0 ,0 1 + 2 ( 0 ,1.0 ) + 0 (0 ,0 ,11

y por tanto la primera matriz columna de 4 es:


III. MATRICES

• Los términos de la segunda columna de A son las coordenadas en la base B¡ de la


imagen por / del segundo vector de la base Bt : es decir, las coordenadas en B¡ de la
imagen por / de ( 0 ,1 ). Se tiene:

/ ( 0 , 1 ) = ( 1 , - 3 , 1) = 1 ( 1 ,0 ,0 1 + ( - 3 1 ( 0 ,1 ,0 ) + 1( 0 ,0 ,11,

y por tanto la segunda matriz columna de /\ es:

En consecuencia, la matriz asociada a / en las bases canónicas Be y B'c —o, simplemente, la


matriz asociada a / en las bases canónicas— es:

jí\ 1\
A = (A, 1 a A = 2
1A) -3
l

Puede observarse que, al estar considerando en el espacio de llegada R 3 la base canónica, los
vectores columna de la matriz A son las imágenes de los vectores de la base fi( de R 2:

/ ( 1 . 0 ) = ( 1,2 ,0 ) = « i y / ( 0 , 1) = ( 1 , - 3 , 1 ) = a¿.

Consideremos ahora las bases B = ( ( 1 , 1 ) , (1,0 )) de R 2, y B ' = ( ( 1 , 1 , 1 ) , ( 1,0 ,0 ) , (0 ,1,0 )


de R G ráfica m e n te:

Hallemos la matriz C asociada a / en las bases B y B '.


La matriz C, al igual que la matriz A, es de orden (3,2):
• Los términos de la primera columna de C son las coordenadas en la base B' de la imagen
por / del primer vector de la base B\ es decir, las coordenadas en B ' de la imagen por /
de ( 1 , 1 ) . Se tiene:

/ ( l , 1) = ( 2 , - 1 , 1 ) = 1 ( 1 , 1 , 1 1 + 1 ( 1 , 0 , 0 ) + ( - 2 ) ( 0 ,1,0 ) ,

y por tanto las coordenadas de / ( 1 , 1 ) en II' son: 1 , 1 y - 2 , y la primera matriz columna


de C es:

• Los términos de la segunda columna de C son las coordenadas en la base B' de la


imagen por / del segundo vector de la base B\ es decir, las coordenadas en B ' de la
imagen por f de ( 1,0 ) . Se tiene:

/< 1,0 ) = ( 1,2 ,0 ) = 0 ( 1 , 1 , 1) + 1( 1,0 ,0 ) + 2 (0 ,1,0 ),


MATRIZ ASOCIADA A UNA APLICACION LINEAL 187

y por tanto las coordenadas de / ( 1 , 0 ) en B ' son: 0, 1 y 2 , y la segunda matriz columna


de C es:
/0\
Ci = I

En conclusión, la matriz representante de / en las bases B y l¡‘ es:

1 0\
c = c, c2 = 1 1
-2 2/

Se observa que A * C. La matriz asociada a una aplicación lineal depende de las bases
escogidas.

EJEMPLO 1 1 Consideremos una aplicación lineal / de Rm en K, es decir, una forma lineal sobre R "'. Si .4
es una matriz representante de / , entonces A tiene que ser de orden ( l.m ) , esto es, si una
matriz está asociada a una forma lineal, entonces es una matriz fila.
Por ejemplo, consideremos la forma lineal sobre R ' dada por la expresión:

/ ( X | , x¿, X 3 ) = X\ - x¿ + 2 x>,.

La matriz fila A asociada a / en las bases canónicas es la que tiene por términos:

/ ( 1 , 0 , 0 ) , / ( 0 , 1,0 ), / ( 0 , 0 ,1) ,

es decir: A = (l -1 2).

Un caso P ro p o sició n III. 1 Sea f una aplicación lineal de K " en K " , y consideremos en el
particular con espacio vectorial K " la base W = (te 1 , w 2 , w „ ) ; gráficamente:
una matriz
w r w
unitaria K " ---- ■ K ” .

Si la m atriz asociada a f en las bases W y W es la m atriz unitaria / „ , entonces la


aplicación f es la aplicación identidad de K.'1.

Demostración Sea 1 « i « n. Como la matriz, asociada a / en las bases W y W es la


matriz las coordenadas del vector /(te ,) en la base W son:

0, . . . , 0, 1 , 0, . . . , 0 (con 1 en el lugar t-ésimo),

que son los términos de la t-ésima columna de por tanto:

/ (te ,) = Ote, + •■• + 0 te,-i + lie , + 0 te¿+i + •••+ Ote,, = w,.

Es decir: /(te ,) = te¡, 1 < / < n, y en consecuencia la aplicación lineal / coincide con
la aplicación lineal identidad de K " en una base de & " (la base IV). De la proposición 11.7
(cf. p. 122) se deduce que la aplicación / es la aplicación identidad de K ". c .q . d .
188 III. MATRICES

EJERCICIO I Sea f la aplicación lineal de IR2 en IR2 defínida por la expresión: f (x\,x¿) = ( X i,* i + x-¿)- Es
claro que f no es la aplicación identidad de IR-, pues por ejemplo: f ( 1 , 1 ) = ( 1,2 ) * ( 1 ,1
Encontrar dos bases tí y B' de de forma c/ue la matriz asociada a f en las bases tí y B ' sea

/ ,= 1 °
lo 1

2. A p lic a c ió n lin e a l ca n ó n ica m e n te a s o c ia d a a u n a m a triz Sea A u n a m a­


triz de orden ( n, m ) con térm in os en K. Se verifica que ex iste u n a única aplicación
lineal de ¡K'" en K " tal que ,4 es su m atriz asociad a en las b ase s can ón icas (B c d e IK"
y B¡ de ¡K"), y tal aplicación verifica que la im agen d el vector e ¡ de la b ase canónica
de ¡Km e s igu al al ./-ésim o vecto r colum na de A: a, , (1 -■? j -í m).

Definición

Aplicación lineal D ada u n a m atriz A de ord en (n , m ) con térm inos en K , defin im os la aplicación
canónicamente lineal canónicamente asociada a la m atriz .4, y la denotam os: A , com o la única
asociada a una aplicación lineal de & m en K " cu ya m atriz asociad a en las b ase s can ón icas de K " 1
matriz
y K " es A. Gráficam ente:

Bc á BC
Km — K"

e , a i

Notación Para denotar la aplicación lineal canónicamente asociada a una matriz utilizare­
mos la misma letra que designa la matriz, pero en tipo caligráfico. Por ejemplo: A y
o B y 'B . a

De la proposición III. 1 (cf. p. 18 7 ) se deduce:

Aplicación lineal La aplicación lineal de OC" en K " canónicam ente asociad a a la m atriz iden tidad /„,
canónicamente es decir: 3 „ , e s la aplicación lineal iden tidad d e K " .
asociada a la
matriz identidad

EJEMPLO 12 Dada la matriz real:

- ( ; ; í)-
calculemos la aplicación lineal canónicamente asociada a tí.
1.a aplicación lineal canónicamente asociada a tí será la aplicación lineal (B de IK1 en fo­
que en la base canónica de foJ : (ci,c>,e;i), se comporta de la siguiente manera:

B le ,) = b t, ‘B (e2>= b> y S(es) = bj,


EL ESPACIO VECTORIAL A l,,,,

siendo b i , b >y b¡ los vectores columna de la matriz /i:

h , = ( 1,0 ) , fzj = ( 1,2 ) y fe, = (0,3).

Si (xi ,x > ,x .f) es un vector de R-\ entonces:

B ( X i , X 2,x .i) = 'B (X |é | + x 2e j + x :ic :s) = X | B ( e i ) + XzMe-’ i + x-jlHe-j)

= x, (1 ,0 ) + x 2(1 ,2 ) +X3<0,3) = (X | + x 2,2x_- + 3 x 3);

es decir, la aplicación B es la aplicación lineal de R ;í en IK2 siguiente:

(X 1 .X 2 .X 3 ) e R3 •— (X i + x 2 , 2 x :; + 3x 3 ) € IR2.

III.3 EL ESPACIO VECTORIAL M „ m (K)


I. L l co n ju n to M , , m (IK ); ad ic ió n de m a trice s y m u ltip lica ció n de un e s c a la r
p o r u n a m a triz D ados u n cu erpo (& , + , •) y u n o s n ú m eros en tero s p o sitivo s n
y m , con la notación:
M nm(K ),

se design a el co n ju n to de las m atrices de orden ( n, m ) con térm inos en K.

Definición

Adición de Sean 4 y B d o s m atrices d e M „ m(IK):


matrices
4 = (a¡j; 1 « i « n, 1 « j < m) y B = (b u ; 1 i < n, 1 < j « m ) .

Se deñ n e la suma de 4 y B, y se denota: A + B, com o la m atriz d e M „ m(K ):

4 + B = ( a , j + bij-, 1 í r 4 t t , l < j í m ) .

Es decir, A + B es la m atriz que re su lta d e su m ar lo s térm inos de la m ism a posición


de A y B.
Es sen cillo com probar que la adición de m atrices articu la el con ju n to M „ m(K )
com o gru po abeliano. El elem ento n eutro de ( M „ m(& ), + ) es la m atriz n u la de or­
den ( n , m ) , y el op u esto d e una m atriz A de M nm(K ), que se denota: - A , es la
m atriz cu yo s térm inos son lo s o p u esto s d e lo s térm in o s co rresp o n d ien tes de A , es
decir, s i .4 = (d i.;), entonces:

- 4 - ( - a , / , U i « n , l í j =s m ) .

Nota bene La suma de dos matrices se ha definido únicamente cuando ambas matrices
son del mismo orden. a
190 III. MATRICE.

EJEMPLO I 3 Consideremos el conjunto de las matrices reales de tres filas y dos columnas, es decir.
conjunto M j 2(K) •
Las matrices:
1 (-2
A= -1 2 y B= 0
3 4, 1
son elementos de La suma de 4 y B es:

( 1 0\ 1-1 1\ (\ + i - 2 ) 0+l\ f- l 1\
-1 + 0 2 + 2 = -1 4

ro
4 +B= -1 2 +

o
3 4) i i/ ^ 3+1 4 + 1/ 4 5

La matriz opuesta de A es:


(- \ 0\
-4 =
- 3' "-42 •
El elemento neutro del grupo (M ;¡2(1), +) es:

/O 0\
0 = 0 o
Vo o

Definición

Multiplicación de Sea A u na m atriz de M „ m((K):


un escalar por
una matriz A = («,,•; 1 < i < n , i < j « m ) ,

y sea A un elem ento de K . Se define el p ro d u cto d e A po r .4, que se denota: A.4.


com o la m atriz de M „ m(K ):

A4 = (A a,,-; l < i < n , l < j < m ) .

Es decir, la m atriz A,4 es la m atriz cu yo s térm inos so n los de ,4 m u ltiplicado s po r A


Se p u ed e com probar fácilm en te que la adición de m atrices y la m ultiplicación
de m atrices por lo s elem en tos de K articulan el co n ju n to M „ m(K ) com o espacie
vectorial so b re el cuerpo IK.

EJEMPLO 1 4 Si A y B son las matrices de JVL^dR) siguientes:


EL ESPACIO VECTORIAL

entonces:
n ■(- 2) 3-l\ / —6 3\
3-0 3 •2 = (] (i ,
l 3 ■1 3- 1/ l 3 V

1 ON 1-1)■ 1 ( —1) - o\
- 1 ) ■(-1!
°\
1)A= i - ' ' ^ 1 (- 1) ■2 = -A.
- 2
( 1) ■3 (-1)-4/ 1,-3 -4/

La matriz Prop osición III.2 Sean f y g dos aplicaciones lineales de K m en K ” . Fijemos


asociada (en unas unas bases: V = ( v ¡ , v 2, . . . , v m) y W = (w ¡ , w 2 w n), de K m y K " , respectiva­
cases) a la suma mente; gráficamente:
de dos ' f u 11
K ’„ K n.
aplicaciones
neales es suma Si A y B son las m atrices de orden (n, m ) asociadas en las bases V y W a f y a g,
de las matrices respectivamente, entonces la m atriz asociada en las bases V y W a la aplicación
asociadas lineal f + g es la suma de A y tí: A + B.
icrrespondientes
Dem ostración Pongamos:

A - ( a ,j ; 1 < i < n, 1 < j < m) y tí = (b,¡; 1 « i « n, 1 < j < m ) .

Por ser A y B las matrices asociadas en las bases V y W a / y a g, respectivamente, para


cada 1 < j < m se tiene:

f ( v ¡ ) = aijW i + a2iw 2 + ■■■+ a njw„ y g {v ,) = bi,w¡ + b¿jw> + • • • + b„,w„,

de lo que se deduce:

(/ + g)(v¡ ) = f ( Vj ) + g ( v , ) - ( at¡ + b]¡ )w¡ + (« 2 , + b 2 j)u>> + ••• + (anj + bn))w„

(1 « j « m ); y como los términos de la j-ésim a matriz columna de la matriz asociada a f + g


en las bases V y W son las coordenadas en la base W del vector ( / + g)(Vj), esta matriz
columna es:
fajj + b
a ¿J + bj¡

\a„j + b „ j j

que coincide con la /-csima matriz columna de A + B.


En conclusión, A + B es la matriz asociada a la aplicación lineal / + g en las bases V y W.
C.Q.D.
III. MATRIC,

La matriz Prop osición III. 3 Sea f una aplicación lineal de K m en DC". Fijemos unas bases
asociada (en unas V = ( v ¡ , V 2 , . . . , v m) y W = (ut], w , ......... w „ ) , de K ” ' y K " , respectivam ente; gráfi­
bases) al camente:
producto de un
escalar por una
api. lin. es igual
S i A es la m atriz de orden ( n, m ) asociada en las bases V y W a f , y A es un elemento
al producto del
de K , entonces la m atriz asociada en las bases V y W a la aplicación lineal A f es el
escalar por la producto de A p o r .4 : AA.
matriz asociada a
Demostración Pongamos ,4 = (tJp; 1 « i < n, 1 « j « m ). Como A es la matriz asociada
la api. lin.
a / en V' y W, se tiene: / ( v,) = a,,Wt + + • •• + a„jW„, para cada 1 < j < m. Er.
consecuencia:
(A f)(V j) = A f ( v j ) = AajjWi + Aa>¡w< + ■ • ■ + Aa„¡w„,

y por tanto la ./-ésima matriz columna de la matriz asociada a A f en las bases l y W es:

/Aaij\
Aa 2j

\AtlnJ

la cual coincide con la j-ésim a matriz columna de la matriz A.4. En conclusión, la matn.
asociada en las bases V y l! a la aplicación lineal Af es AA.

EJEMPLO I 5 Dadas las aplicaciones lineales / y g de K 1 en IR- definidas por:

f ( x 1.X2.X3) = (X| + X> + x 3,2 x i - Xj) y 0(X,.X2.X3) = (X j + Xj.A'i + Xj).

hallemos las matrices asociadas en las bases canónicas a las aplicaciones: f + g. 2g y / - 2¿<
Las matrices asociadas a / y a g en las bases canónicas son:

(\ 1 A ,, (0 1 I
\2 -1 oj y B = (l 1 0
respectivamente, como el lector puede comprobar fácilmente. De las proposiciones III.2 y III.
(cf. pp. 19 1 y 192, respectivamente) se deduce que las matrices asociadas en las bases canon,
cas a las aplicaciones lineales J + g, 2 g y / - 2g son, respectivamente, las siguientes:
, „ (l I 1\ (0 1 1\ A 2 2
•■4+B= 2 -i or i i or b o o

M í : í)-(s \ ;)■

- “ ■a -í : i)-(¿ :i i
4. PRODUCTO DE MATRICES

2. R e la ció n e n tre los esp acio s ve cto ria le s ii ( 1 & I yM „ i &) La sigu ien ­
te proposición resu m e la relación existen te entre las aplicacion es lin eales y las m atri­
ces.

P ro p o sició n III.4 Los espacios vectoriales: £ ( & '" , K ") y M nm(K ), ambos sobre
el cuerpo K, son isomorfos.

Dem ostración Definimos una aplicación: £(& £'",& '’ ) -------- M „,„([& ), de la siguiente
manera: dada una aplicación lineal / de K m en K ’\ es decir, un elemento de K " ), >'(/)
es la (única) matriz de orden (n , m ) asociada a / en las bases canónicas de y K '1.
La aplicación Y es lineal. Sean / y g dos aplicaciones lineales de K m en & '1. Si .4 es la
matriz asociada a / en las bases canónicas, es decir: 4 - Y(f), y B es la matriz asociada a g
(también en las bases canónicas), esto es: B = Y(g), entonces de la proposición III.2 (cf. p. 191)
se deduce que la matriz asociada a / + g en las bases canónicas —que es Y ( f + g ) — es .4 - B:
L ( / + g) = A + B = Y ( f ) + Y(g). Si A es un escalar, de la proposición 111.2 (cf. p. 191)
se deduce que la matriz asociada a la aplicación lineal A/ en las bases canónicas es A4:
1 (A /) = A4 = A l (/ ). En conclusión, la aplicación 1 es lineal de £ (& '", & ") en .\ f„,„(K ).
La aplicación V es biyectiva. Dada una matriz .4 de orden ( n , m ) con términos en &, es
decir, un elemento de AI,,,,, (& ), la aplicación lineal canónicamente asociada a 4 :4 , es la única
aplicación lineal de K m en K " cuya matriz asociada en las bases canónicas es 4. Esto es: A
es el único elemento de £ ( , IK ") que verifica que su imagen por 1 es igual a 4: K ./l) = 4 .
En consecuencia, ) es biyectiva.
.41 ser la aplicación L lineal y biyectiva de £ (K m, K ") en .M,lm(K ), es un isomorfismo, y
por tanto los espacios vectoriales £ (K '", K " ) y M „,„(K ) son isomorfos.

III.4 PRODUC10 DE MATRICES


1. D e fin ició n d e l p ro d u cto de m a trice s El prod ucto de dos m atrices se define
de esta form a:

Definición

El producto de Si 4 y B son dos m atrices con térm inos en K de ó rd en es (n , m ) y (m ,p ), re sp e c ­


dos matrices tivam ente:

.4 = ( a y ; 1 < i < n , 1 < j < m ) y B = (b,,; 1 «s i « m, 1 < j « p ) ,

el p ro d u cto de 4 por B es C = ( c ,,; 1 < i « n, 1 « j « p ), m atriz de orden (n, p),


de térm inos:
m
Cij = X a ik h j, 1 « i < n, 1 < j < p,
k=l
y se escribe: C = 4 6 .
194 III. MATRICES

D irem os tam bién que C es el p ro d u cto por la iz q u ie rd a de la m atriz B po r la


m atriz A , o que es el p ro d u cto p o r la d e re c h a d e la m atriz A por la m atriz B.

Nota bene El producto de A por B (en este orden) se ha definido cuando el número de
columnas de la primera matriz: A, coincide con el número de filas de la segunda: B. En otro
caso, el producto no está definido. Si el producto de A por B está definido, entonces AB
es una matriz que tiene tantas filas como A y tantas columnas como B. a

EJEMPLO 1 i Consideremos las matrices reales A = («,/) y B = ( b, ¡ ) siguientes:

(\ 2\ „ 11 0
A =
ú 0
y B = [o 1 - O

El producto de A por B está definido, pues los órdenes de A y B son (2,2) y (2, 3), res­
pectivamente, y el número de columnas de la primera coincide con el número de filas de la
segunda. Sin embargo, el producto de B por A no está definido, pues el número de columnas
de B, que es 3, es diferente del número de filas de A, que es 2.
Calculemos entonces el producto AB. Será una matriz C = (c¡,) de orden (2 ,3 ). Los
términos ele C son por definición:

cu = ¿ a lkbkj, 1 * i * 2, ! « . / « ; 3.
L-l
Es decir:

Cu = a i \b\ i + a¡¿b>i = J - 1 +2 •0 = 1, Cía = «nfoi> + « 12^22 = 1 •0 + 2 • 1 = 2,

c 13 = ct 11 í?i3 + ¿r12^23 = 1 • 2 + 2 ■ ( - 1 ) = 0,
y análogamente: c¿i = « 2if»u + « 22^21 = 1, =<*21^12 + « 22^22 = - ' V c-z¿ = 3. V por tanto:
2\ (\ 0 2\ (1 2 ()''
AB =
1 - 1 0 1 -i U -i 3

Para el cálcu lo del térm ino c ,,, e s decir, del térm ino de p o sición ( i , j ) del pro­
ducto AB, sólo intervienen lo s térm in os de la f-ésim a fila d e A y lo s de la j-é sim a
colum na de B: se o b serva que e s la su m a d e lo s p ro d u cto s d o s a d o s d e los
térm inos de la t-ésim a fila de A y la j- é s im a co lu m n a de B. Esquem áticam ente:

/
: : : \
h2j
a ¡ 1 <i i > • im - (i) c u

: : ■
bmj K' '/
■'
- PRODUCTO DE MATRICES 195

EJEMPLO 17 Consideremos las matrices reales:

Los órdenes de las matrices .4 y B son (2 ,3 ) y (3 ,2 ), respectivamente, y por tanto está definido
el producto de 4 por B y será una matriz C de orden (2,2).
Calculemos detalladamente el término Cu: intervienen exclusivamente los términos de la
primera fila de 4:
1, 0 y - 1.

y los de la primera columna de B:


o, i y i,

y el término c ¡ i es igual a la suma de los productos dos a dos de los términos de estas fila y
columna:
d i = 1 -0 + 0 - 1 + ( - 1 ) • 1 = - 1 .

F.l término c 12 es la suma de los productos dos a dos de los términos de la primera fila
de 4 y la segunda columna de B: C12 = 1 • 2 + 0 • (- 2 ) + (- 1 ) • 0 = 2. V análogamen-
te: C21 = 2 •0 + 3 • 1 + 4 •1 = 7 y c22 = 2 •2 + 3 • (- 2 ) + 4 •0 = -2.
En conclusión:

AB =
G : -»(! -5

EJEMPLO 18 Sean las matrices reales:

(2\
(i 0 - 1) y íf= 3
w

Los órdenes de 4 y B son: (1 ,3 ) y (3 ,1), respectivamente. El producto por la izquierda


de B por 4, es decir, el producto de 4 por B, está definido y tiene orden (1 ,1 ). Se tiene:

El producto por la izquierda de 4 por B, es decir, el producto de B por 4, también está


definido, pero tiene orden (3 ,3 ). Se tiene:

1 2 ■0 2 ■(-1 )\ 0 -2
(2
1 3 ■0 3■(- 1 ) = 3 0 -3
1 4 ■0 4 ■( - 11) w 0 -4
III. MATRICt.

EJERCICIO 2 Sean ,4 y B dos matrices con términos en K tules que está defínido el producto de A por B.
y también el de B por A. Demostrar que si el orden de las matrices AB y BA es el mismo
entonces ,4 y B deben ser cuadradas y del mismo orden. A

2. P ro d u c io s d ad os p o r fila s o p o r co lu m n as El producto de dos m atrices


adm ite una notación sen cilla cu an do la segun d a m atriz viene d ad a po r colu m n as o la
prim era viene dada p o r filas.

Producto de dos P ro p o sició n III.5 Sean las m atrices con términos en K ;


matrices dado
A = (a i i ) y B = (b fj)
por columnas

de órdenes (n , m ) y (m ,p ), respectivamente. Si la notación de B por columnas es:

B = (fi| | B¿ | •. • I Br,

entonces:
A B = ( AB, | A B , | . . . | -48,

es decir:
A (8 , | B , | ... | 8 ,,) = (A 8 1 | A B , \ AB,

En otras palabras, la j-ésim a m atriz colum na del producto A B es igual al productc


de la m atriz A por la j-ésim a m atriz columna de B (1 « j « p).

Demostración Sean las matrices C = (c¡,) y D = (d ¡>) siguientes:

C = AB y D = (.481 | AB, | ... | AB, \ . . . |A B,,).

Queremos comprobar que estas dos matrices, ambas de orden ( n, p), son iguales, para lo cu a.
hemos de comprobar se verifica:

c¡j = d¡j, para cada K i s n y U j í p.

Por un lado, por definición de AB se tiene:


tu
CU = X a 'k b k J. "

Por otro lado, el término d¡j de la matriz U es el situado en la fila i-ésima y en la columna
j-ésim a, y por tanto es el término de la fila i-ésima de la matriz columna:

/‘t 11 a ]2 ■ n i m'
Cl21 Ü22 • a 2m
(b i A
b,j
ABj =
«il ai 2 . Ujn i

\bmj/
\a ,|i a n¿ Un ni/
PRODUCTO DE MATRICES 197

es decir:
m
d<j = X a <kb¡cj- (7)
k=1
De (6) y (7) se deduce que c¡j = d¡¡ para cada 1 s i < n y cada 1 « j « p. Fn conclusión:

A B = A ( B ¡ | B, | .. . | Br ) = (4 8 , | ABZ | .. . | AB,,) .

EJEMPLO 19 Consideremos las matrices reales:


'1 0 l\
/O 0 1 1
2 1 2
4 = 1 3 2 1

'<

II
1 1 1
\0 0 1 1
1 V
Calculemos el producto AB utilizando la proposición 111.5.
La expresión de B en notación por columnas es: B = (8 , I 8 . I B¿), siendo:

m /()^ i\
2 1 2
Bi = y b -í -
ce
1

1 1 1
V) w
De acuerdo con la proposición III.5 se verifica:

4 6 = 4 (6| | B¿ | 6() = (.46, | 4 8 2 | 4 6 ,)

Es decir:
• la primera matriz columna de 4 6 es:

/O 0 I 1'
2
48, = 1 3 2 1
1
VO 0 1 1,
\3/
la segunda matriz columna de 4 8 es:
/ON
/O 0 1 1\
1 í ¿\
48. = 1 3 2 I = 6
1
lo 0 1 1/ w
IV
la tercera matriz columna de AB es 4 8 ¡, y puesto que 8 , = 8,, resulta:

4
48., = 4 8 , = 12 .
A
Por tanto:
4 4
48 = 12 12
u 4
III. MATRICES

Producto de dos P ro p o sició n 111.6 Sean A y B m atrices con términos en K d e órdenes (rt,m
matrices dado y ( m , p ), respectivamente. S i la notación de A por ñias es:
por filas
'F .N

Fi
4 =

\F n/

entonces:
/F , B \

FiB
AB =

F „B

es decir:
í F¡ l\B \

1-2 F¿B
B =

\F n ) vF>r B /

En otras palabras, la i-ésima m atriz ñla del producto A B es igual al producto de


la i-ésima m atriz fila de A por B Í U i « n).

La dem ostración de esta proposición es an áloga a la de la proposición III.5 (cf. p. 19 6


y por ello se omite.

EJEMPLO 20 Consideremos las matrices reales:

h 0 1\
(V 0 1 1
2 1 2
4 = 3 2 1 y /? =
1 1 1
[o 0 1 1/
1 '1

Calculemos el producto AB utilizando la proposición III.6.


La expresión de .4 en notación por filas es:

/ F ,\

4 = I-,

\F</
- PRODUCTO DE MATRICES 199

siendo:
F 1 = (O 0 I l), Fj = (l 3 2 l) y F:s = (() O 1 l'

De acuerdo con la proposición III.6 se verifica:

(F¡\ (F\B\

AB = Fj B = F2B

\FsJ [ f ib )

Es decir:
• ia primera matriz fila de AB es:

(l 0 l\
2 1 2
F\B = (0 0 1 1 = (4 2 4 ),
I 1 1
\3 1 3

la segunda matriz fila de AB es:

n o i'
2 1 2 = (12 6 1 2) ,
F>B = (1 3 2 1
1 1 1
3 1 3/

• la tercera matriz fila de AB es F¡/¡, y puesto que F¡ = F ¡ , resulta:

F:iB = F\B = (4 2 4 ).

Por tanto:
<4 2 4
AB = 12 6 12
w 2 4

3. L a com p o sición de a p lic a c io n e s lin e a le s y e l p ro d u cto de m a trice s Con­


siderem os u n a aplicación lineal f de KF en K ."', y u n a aplicación lineal g de
en K " ; gráficam ente:
Pij ' — Km — - — • K ".

Y fijem os tam bién u n as b ases:

V = (v \ ,v 2 v p) , U = ( u , , u 2 u m) y W = (wi,w-¿ ......... w „ ) ,

de y K " , respectivam ente. Gráficam ente:


200 III. MATRICE

C on siderem os las m atrices aso ciad as a las aplicacion es lin eales J ' y g en e sta s b a s e s
Más en concreto, por un lado, sea

/ bn b i2 ... bxj ... bip


bu b> b
B =

\bmi bm2 ... bmj ... bmpJ

la m atriz —de ord en ( m , p )— asociad a a la aplicación lineal f en las b ase s V (de K.r
y U (de K m). Es decir: la j'-ésim a m atriz colum na de B tiene po r térm inos las coorde
nadas del vecto r f ( v j ) en la b ase U:

f ( V j ) = b\jU | + b-ijUz + • • - + bmJu m, 1 « j < p.

Y, por otro lado, sea

«11
\
«12 ■ • «lí; « 1m

«21 «22 • 0 .2 k « 2ni

A =
«11 «12 ■ - «¿fc « im

V « ii i « »2 «nk « nm /

la m atriz —de orden (n , m )— aso ciad a a la aplicación lineal g en las b a se s U (de K "
y W (de & "). Esto es: los térm inos de la fc-ésima m atriz colum na de A son las coor­
d en ad as del vecto r g(U k) en la b ase IV:

g ( u k) = aikW t + a 2i<u>2 + ■ ■• + a nkw n, 1 « k a m.

D enotem os por h la aplicación com pu esta g ° f : h = g ° / ; en ton ces h es uns


aplicación lineal d e en IK". Sea D = (ti,,-) la m atriz de orden ( n , p ) asociad a a >
:
en las b ase s V (de K p) y IV (de K '1). D eterm inem os lo s térm inos d¡¡ de la m atriz D.
La j-é s im a m atriz colum na de D tiene po r térm inos las coord en adas del v e c ­
to r h ( V j ) en la b ase IV. Se tiene:

h ( V j ) = [g ° f ] ( V j ) = g ( f ( v j ) )
- g(b\jU\ + b2jU ¿ + • bmiUm)

= b i j g ( u i ) + b>j g (u_>) + bmjg(Um) = X bkjd(Uk)


fc=l

= ^ bk i( a ]ki v i + a 2ku>2 ■ ' + OnkW n )


k^i

= Y . a [kbkjUH a¡kbkjU>¡ + • ■ • + a nkbkjU>„


k i
PRODUCTO DE MATRICES 2 01

(donde se ha utilizado (8) en la segun d a igualdad, y (9) en la quinta), es decir:


m
h (v j) = X & ik b k jW i + ■■■+ a lkbk;w , + ■■■+ a nkbk jw „ . (10)
k= I
El térm ino d j¡ es la r-ésim a coord en ada del vector h ( v j ) en la b ase W , esto es, el co e­
ficiente de w , en la exp resión de h ( v ,) com o com binación lineal de uq , w< tun,
expresión que es el segu n d o m iem bro de (10). Por tanto:
m
do = X “ ikbkj, 1 « i < n. 1 < j « V- ( ID
k- i
Por otro lado, es inm ediato com probar que está definido el prod ucto de A po r B.
Por definición, el térm ino de posición ( i , j ) de la m atriz AB es:
m
X atkbkj, (12)
i=i
para cada 1 í í « n y cada 1 « j « p. De ( 1 1 ) y ( 1 2) se deduce: D = AB.
Hemos dem ostrado, pu es, la siguiente

Composición de P ro p o sició n III.7 Si B es la m atriz asociada a una aplicación lineal f de K p


api. lin. y en K m en las bases V y U , y A es la m atriz asociada a una aplicación lineal g de K m
producto de en IK'! en las bases U y W , entonces la m atriz asociada a la aplicación lineal g ° f
matr. asociadas (de IKp en K '! ) en las bases V y W es el producto de A por B : AB.

Producto de C o ro la rio Si A y B son dos m atrices con términos en K de órdenes ( n ,m )


matrices y y ( m ,p ), respectivam ente, y A y ‘B son sus aplicaciones lineales am ónicam ente
composición de asociadas, entonces ¡a aplicación lineal canónicamente asociada a la m atriz pro­
s o l. lin. canónica­ ducto de A p or B: A B, es la aplicación compuesta: A ° B .
mente asociadas

EJEMPLO 21 Sean 'B y^ l las aplicaciones lineales, de R2 en R3 y de R3 en IR3, respectivamente, dadas por:

Btxt.x*) = (xj + x^ ,X ] - X j,2 x i + x.i),


y l ( X i , X 2 , X 3 ) = ( X] - X ; , , X 1 + X 2 + X 3 , - X L + 2 X 3 ) .

Determinemos la matriz asociada a la aplicación compuesta A ° B en las basescanónicas.


Gráficamente, la situación es la siguiente:

donde Be denota la base canónica de R-, y B'c la de IR3. Obsérvese que, de acuerdo con el
enunciado, tomamos las bases canónicas para el primer espacio y para el tercero; para el
segundo, también tomamos la base canónica, aunque sólo por comodidad.
>oz III. MATRICE:

La matriz asociada a la aplicación lineal B en las bases canónicas correspondientes es:

! l\
B = 1 -1
\2 1/

puesto que: B ( 1 , 0) = ( 1 , 1 , 2 ) y B { 0 ,1) = ( I , - 1 , 1 ) , y las coordenadas de los vectores ( 1 , 1 , _


y (1, - 1 , 1 > en la base canónica de R ' son: 1 , 1 , 2, y 1 , - 1 , I , respectivamente.
La matriz asociada a la aplicación lineal 4 en las bases canónicas correspondientes, pn:
cediendo análogamente, es:
I 0 -I\
A= I
- 1
De la proposición III.7 (cf. p. 201) se deduce que la matriz asociada a la aplicación A
en las bases canónicas correspondientes es el producto de A por ti:

/ i o -n í-\ 0\
1 n
AB = i i i 1 -1 = 4 1
\-l 0 2) U \> , 3 ij

Por ejemplo, si calculamos la imagen del vector ( 1 , 0) de IR- por la aplicación 4 ° E


partir de las definiciones de A y B , obtenemos: 1.4 o fB](1,0 } = 4 ( 2 1( 1,0 ) ) , y se observ
que ( - 1 , 4, 3) es el primer vector columna de AB.

4. P ro p ie d a d e s d e l p ro d u cto de m a trice s En este a p artad o considerarem os


m atrices con térm inos en u n m ism o cu erp o K. C on la notación:

A
(n,m:

q u erem os d ecir que A e s u n a m atriz de orden ( n. m ). Se verifica:


• La m ultiplicación de m atrices es asociativa:

A ( B C ) = ( A B ) C .
(n,m) (m,p) ip ( n,m) (m,p) <p,n)

Si 4 , B y 6 son las aplicaciones lineales canónicamente asociadas a las matrices .4. :


y C, respectivamente, por la asociatividad de la composición de aplicaciones, se tiene
4 o (23 o C) = (4 o B ) o e, y de la proposición ID.7 (cf. p. 20 1)
asociada en las bases canónicas a 4 o (B o e) es A(BC), y que la asociada en las base-
canónicas a (4 o 23) o e es iAB)C. y por tanto: At.BC) = [ABIC.
• La m ultiplicación de m atrices es distributiva, tanto por la derecha como por ¡.
izquierda, respecto de la adición de m atrices:

4 ( B| + B¿ ) = A B ¡ + A B¿ ,
t n . m i ( m ,p ) ( m ,p )
4. PRODUCTO DE MATRICES ¿O I

V
( ,4 1 + A> ) B A iB + A ¿li.
i n.mi (ii.tni (m.p)
Se deduce inmediatamente de la definición del producto de matrices y de la propiedad
distributiva de la operación • respecto de la operación + del cuerpo K.
• Si I„ y I „i son las m atrices identidad de órdenes n y m, respectivam ente, en­
tonces:
ln A = A = A i,n .
in.it) <n,m) (n,ni) tn.iin (m.nt)
Si 'J„ y A son las aplicaciones lineales canónicamente asociadas a las matrices /„ y .4,
respectivamente (y por tan lo 3„ es la aplicación identidad de &"), entonces la aplicación
lineal canónicamente asociada al producto l„A es: ° A = A, y por tanto: fnA = 4.
Análogamente, se demostraría que A/„, = .4.
• t i producto, tanto por la izquierda como por la derecha, de una matriz por una
m atriz cero es otra m atriz cero:
O .4 = 0 y A O = O .
ifi.n) (ii,m) (p an) In.nn im.ij) (n.i/i

Es consecuencia inmediata del hecho de que los términos de una matriz nula son nulos
y de la definición del producto de matrices.

EJERCICIO 3 Sean A y tí dos matrices con términos en ¡K de órdenes ( n .m ) y ( m ,p ), respectivamente, y


sea í\ un elemento de IK.. Demostrar se verifica la igualdad: Ai a tí ) = <x{AB). A

EJERCICIO 4 Si .4 es una matriz cuadrada con términos en IK, el producto de A por 4 está definido: la
matriz A.4 se denota por A2: .42 = .4.4. Demostrar que si 4 y B son matrices cuadradas del
mismo orden con términos en K, se tiene: (4 + B )2 = A2 + AB + BA - B ¿. a

EJERCICIO 5 Sea 4 una matriz de orden ( n ,m ) con términos en K. Demostrar que la j-ésima matriz
columna de 4 es igual al producto por la derecha de 4 por la j-ésima matriz columna de la
matriz identidad l m; es decir: A¡ = AE¡, para cada 1 « j « in.
También, demostrar que la i-ésima matriz fíla de A, F,, es igual al producto por la iz­
quierda de A por la i-ésima matriz fíla de la matriz identidad /„; esto es: F, = L¡A, para
cada 1 < i < n. a

EJERCICIO 6 Sea A una matriz de orden ( n , m ) con términos en K, y sea X la matriz colunma con términos
en 31:
( x \\
x->
X ='

\xml
Demostrar se verifica: A X - x¡Ai+x>A¿ +- ■■+xmAm, donde A i, 4 2 ........ A,„ son las matrices
columna de la matriz A. a
204 III. MATRICES

5 . L a no co n m u ta tiv id a d de la m u ltip lic a c ió n de m a trice s Sean A y R dos


m atrices con térm inos en BC. Si el p rod ucto A B e s u n a m atriz de ord en d iferen te ai
del prod ucto 6 4 , entonces, obviam ente, la m atriz A B es distin ta de la m atriz 6.4.
Supongam os, pu es, que A B y BA so n del m ism o orden; en ton ces (cf. ejercicio 2,
p. 19 6 ) las m atrices A y B so n cu ad rad as y del m ism o orden. En e sta s condiciones,
direm os que las m atrices A y B co n m u tan si A B = BA.
Sea n el orden de las m atrices cu ad rad as .4 y B. Si n = 1, en ton ces A B = BA.
com o con secu en cia de que estam o s co n sid eran d o conm utativo el cu erp o (BC, + , -i.
Sin em bargo, si n » 2, el p rod ucto A B no e s n ecesariam en te igual al p rod ucto BA .

EJEMPLO 22 Si K = IR —y (IR, +, •) es un cuerpo conmutativo—, y A y B son las matrices cuadradas, de


orden 1 , 4 = (« ) y B= (/i), con « £ R y e IR, entonces:

A II = ( « ) (0) = K ) = (/»«) = ( B ) ( « ) = BA.

EJEMPLO 23 Las matrices reales:


O
.4 = y 6 =
-2

no conmutan, pues:

O 0 1 O 2
AB = 0 - 2\ p„ _ ( 2 0
-2 2 O/’ (o -2 1 O -2 O

Es fácil mostrar ejemplos de matrices cuadradas de órdenes superiores a 2 construida^


a partir de las matrices .4 y I! y que no conmutan. Por ejemplo, si n = 4, el lector puede
comprobar que no conmutan las siguientes matrices:

/° i 0 ()j (2 0 0 0\
1 0 0 0 0 _2 0 0
y 0 0 0
0 0 0 □ 0
V> 0 0 oy lo 0 0 0

En conclusión:

La m ultiplicación de m atrices cu ad rad as de ord en n (n > 2) no es conm utativa.

Afirmar que la multiplicación de matrices cuadradas de orden mayor que i


no es conmutativa no excluye que haya matrices que conmuten. Por ejemplo, la matri,
identidad l„ conmuta con cualquier matriz cuadrada de orden n.

Buscar dos matrices A y B, cuadradas de orden 2, tales que: (4 + B )2 * 4-' + 2.46 + B- A


4. PRODUCTO DE MATRICES 405

6. R e p rese n tació n m a tric ia l de la im ag en de un ve cto r C on siderem os una


aplicación lineal A de K " en K."1, y sea:

^a i i a 12 CL\ ¡ U |m\
tí 21 ^22 &2m
A =

V^nl &n2 1 ii j nm /

la m atriz de orden (n , rn) con térm inos en aso ciad a a la aplicación lineal A en las
b ases canónicas; y, com o es habitual, sea A ¡ la j-é sim a m atriz colum na de A , y sea a ¡
el j-é sim o vector colum na de A (1 < j « m ) . G ráficam ente:

Be A
B 'c

Km Di”
ei ------- ii ¡ ,

donde Bt = ( e i , e 2} e n) es la b ase canónica de 0£m, y B'c es la b ase canónica de K.'1 .


Sean x = ........ x m) y y = ( y i , v 2 ..........y „ ) vectores de K m y K ” , resp ectiva­
m ente, y sean X y Y las m atrices colu m n a cuyos térm inos son las com pon en tes de
los vectores x y y , respectivam ente; es decir:

fx A fy i \
x? y2
.Y = ■ y Y =

\Xm) \ y j

Entonces se verifica:
A (x ) = y <=> A.Y = V', ( 1 3)

com o consecuencia de la siguiente cadena de equivalencias:

A(x) - y A (x iC i + x > e ¿ + •■■+ x , e , + ■■- + x m e m ) = y

.v iA (e i) + x 2A { e > ) + - ■- + X j A i e , ) + ■ ■ ■ + x n, A ( e m ) = y

X \U \ +x ¿ a 2 + * * •-t-x , a j ~!-■■■+ am a m —y
X\ A, + x 2A¿ + ■ ■ ■ + X jA j + ■ ■ ■ + x mA m = V'

a.y = y

(donde la cuarta equivalencia es una co n secu en cia inm ediata de la definición de las
m atrices colum na A , y Y, y de los vecto res colum na a, y y , y la últim a equivalencia
se probó en el ejercicio 6 (cf. p. 203)).
2.o G III. MATRICES

EJEMPLO 24 Calculemos, utilizando la equivalencia (13), la imagen de un vector (x i , X2 , x.j} de IE-Í por k
aplicación lineal A de R 3 en Re canónicamente asociada a la matriz reai:

1 2
0 ^ i)-
Se tiene:
(x\ + 2x2 + x j \
^ 2x , + Xi ) '

y las componentes de la imagen por A del vector (X i.X 2 .X 3 ) son ios términos de esta últim
matriz columna; es decir: A { x i , X 2 , X í ) = ( X i + 2x¿ + x it 2x 2 + X 3}.

EJEMPLO 25 El producto de matrices reales:

puede ser interpretado, teniendo en cuenta la equivalencia (13), de la siguiente manera: el


vector (- 1 ,- 2 ) de R 3 es la imagen del vector (1, —1,0) de K 3 por la aplicación lineal canóni­
camente asociada a la matriz:
'1 ?
10 2 3J

Ahora, sea f u n a aplicación lineal de IKm en K " , y fijem os u n as b a se s de


respectivam en te: V = ( v i , V 2 ,.. . , v m) y IV' — ( m ¡ , w ¿ , . -,Ubt

fb u b l2 .. bí j ... b\ m>
1 ^22 b2j ... b¿m
B -

\bni hn2 .. bnj ■■- bnm)

la m atriz asociada a f en las b ase s V y 14'; es decir;

f ( V j ) ~ bíj W ] + b2]W ¿ + ■ ■ + bn¡Wn 1 «

Si x = X[V\ + X 2 V 2 + ■■■+ X jV j + ■ • • + x mv m es un vector dado de K m, \


denotam os por y = Vi w ¡ + v 2u>j + • ■ ■ + y „ w u el vecto r de ¡K” que es im agen de x
p or / : y = f ( x ) , entonces los escalares y \ , y 2, . . y „ vienen determ in ados por la
relación m atricial:

^3 '1 ^ f bx\ by¿ ... b\m\ ( X \ \


3'z b¿ 1 b22 ... b2m X2
~ (14

O V \bni bn2 ... b nm) V W


4. PRODUCTO DE MATRICES 207

En efecto:

y = f(x) =s> y = f ( x \ v i + x ¿ v >+ • ■• + x¡Vj + ■■• + x mv m )


m
=* y = X X j f ( V j )
j=l
m
=> V itu I + y^ u ^ + ■- ■+ y ntv„ - X + b 2 ji* > 2 + ■■■+
j=i

e igualando lo s coeficientes de u q , w ¿ , . . iv n:
m m m
y i = £ X/ bi ,, y 2= X x J b2J ->'» ' X x J b* i ’
j=i , /=t J=i

pero esta s n igu aldades p u ed en escrib irse con jun tam en te de la siguiente fo rm a ma-
tricial:
/ v i \

>0
= X xjB j , (1:
j=1
\yn /
donde B¡ es la j-é sim a m atriz colum na de B ( 1 < j « m ). Finalm ente, la relación
m atricial (1 5) es la m ism a que la relación m atricial (1 4) (cf. ejercicio 6 , p. 203).

EJEMPLO 26 Sean V = ( v \ , v - > , v - i ) y W = ( w ¡ , w 2) las bases de R 3 y de R 2, respectivamente, formadas por


los vectores:

vi = (1,1,0 ), v 2 = (0 , 1 , 1 ), t/;¡ = ( 1 , 0 , 1 ), y wi = ( t . l ) , w¿ = (0 , - 2 );

y consideremos la aplicación lineal / de R 3 en R 2 cuya matriz asociada en las bases V y W es:

1 2 1
R=
-1 0 2/'

En primer lugar, calculemos la imagen por f del vector x = 2 v ¡ + v¿ - 3 v 3. Si denotamos


de la forma: y = y ¡ w ¡ + y¿w¿ al vector de R 2 que es imagen de x por / : y = f ( x ) , entonces
se tiene:
1 2 1
(2 ) •(i) ■ - ! 0 2

y por tanto: y ¡ = 1 y y> = - 8, y f ( 2 v i + v¿ - 3v j) = lie i - 8uq.


En segundo lugar, calculemos la matriz asociada a / en las bases canónicas de R 3 y
las cuales respectivamente denotamos: B c = (ei , , C3) y B'c = (e\,e'2). Sabemos calcular
la imagen por f de un vector cuando éste viene expresado como combinación lineal de los
vectores de la base V. Debemos expresar, pues, los vectores e ¡ , e >y e ¡ en la base V.
III. MATRICES

Se verifica:
• El vector e \ expresado en la base V es:
1 1 1
e\ = - V i - - v > + -v.i,

y como:

entonces:
f i e i) = Oivi + -iv_. = 0(1,1) + - (0 ,- 2 ) = (0 ,- 1 ) = -e'2.
• El vector e■>es:
1 1 1
ej = ^V| + - V j - -v¡,

luego:
f (e>) = ltv i - | u /2 = (1,4) = e\ + 4e'2.
• Por último, el vector e 3 es:
] 1 1
«3 = - 2^1 + c} v> + - Vj,

y
' l/2>

( - ! » 3 :@ -W -
y entonces:
f ( e ¡ ) = liv i + íjiV 2 = ( 1 , - 2 ) = e\ - 2e\.
En resumen:
f i e i ) = - e 2, f l e>) = e\ + 4e', y f i e 3 ) = e\ - 2 e 2 ,
y por tanto las matrices columna de la matriz asociada a / en las bases canónicas son:

G) > (-!)•
En conclusión, la matriz asociada a f en las bases canónicas es:

(-; i -=)■
y teniendo en cuenta la equivalencia ( 13): f ix \ , x 2, x 3) = (x 2 + x 3, -x\ + 4 ^ 2 - 2 x 3), ya que:

Xi
0 1 i ( x > + X \ \
x > | =
-1 4 - 2 \ - X | + 4X2 - 2 X ;i/ ‘
X-jJ
5. RANGO DE UNA MA TRIZ 209

III.5 RANGO DE UNA MATRIZ

l. D e fin ic ió n de ra n g o de u n a m atriz. El ran go de una m atriz se defin e com o


el rango de s u s vectores colum na:

Definición

Rango de una Sea 4 una m atriz de ord en ( n . m ) con térm inos en K. El ra n g o de 4 , que se
matriz denota: rango 4 , es el rango d e los vecto res colum na de 4 . Es decir:

ran g o 4 = rango ( a i , a¿, ■■•, a m) ,

donde a i , a z , a m so n lo s m v ecto res colum na de 4 .

EJEMPLO 27 Calculemos el rango de la matriz con términos en US:

n 0 1 0 -1\
4 = 1 - 1 0 1 1
\l 1 2 - 1 -3

Los vectores columna de 4 son los siguientes vectores de R J :

a, = ( 1 , 1 , 1 ) , a¿ = ( 0 , - 1 , 1 ) , a , = ( 1 , 0, 2) , a4 = (0,l,-l) y a-, = 1 - 1 , 1 , - 3 ) .

Para calcular su rango hacemos:

a'. = a, = ( 0 ,- 1 , 1 ),

a', = a :¡ - ai = (0, - 1 , 1 ) ,

a 4 = a.i = (0,1,-1),
a'- = a-, + a ,= ( 0 , 2 , - 2 ),

y asi: ra n g o la i,a 2 ,a ;¡,a .|,a .4 = 1 + rango (a,, a'¡, a\,a\). Si ahora hacemos:

= a'3 - a> = (0 ,0, 0 ),


= a 4 + a', = (0,0,0),
= « I + 2 a', = (0,0,0),

entonces: rango (a 1 , a.., a j , , a ;) = 1 + 1 + rango (a'!, a'f,a ‘2) = 2 + 0 = 2. En conclu­


sión: rango 4 = 2.

EJEMPLO 28 Calculemos, según los valores de « , el rango de la matriz con términos en IR:

4 =
2]O III, MATRICE;

Se liene: rango.4 = rango ( a i ,a ? ,« s ,« 4), donde « i, a i . o j y son los vectores colunm.


de A (los cuatro son de ®LJ ):

a i = (1 , 2, 0), 02 = (!,«,!), «3 = (0, 1,1) y «4 = (l,-1,-3).

Si hacemos:

a , = a> - a¡ = (0 ,« - 2, 1 ) ,
a'3 = aA =(0,1,1),
a'A = a A- fl] = (0, - 3 , - 3),

entonces: rango A = 1 + rango (a'., a'ir a i ) . Si ahora hacemos:

a l = a\ + (2 - a)a\ = { 0 , 0 , (2 - a) + 1) ,
a'¡ = a'A+ 3 a j = (0 ,0 ,0 ),

entonces: rango A = 1 + 1 + rango ( a " , a A) =2 + rango((0,0,3 - «)). En conclusión:

rango A =

Consecuencias de la definición de rango Se verifica:


* El rango de una m atriz es m enor o igual que ei número de sus filas y que c!
núm ero de sus columnas.
Una matriz de orden (n, m ) con términos en IK tiene m vectores columna, y el ranp
de m vectores es menor o igual que m; los vectores columna son vectores de IK", \ e.
rango de un sistema de vectores de IK" es menor o igual que n.
• No se modifíca el rango de una m atriz perm utando entre sí sus columnas.
Se deduce inmediatamente de una de las consecuencias de la definición de rango de ur.
sistema de vectores: no se modifica el rango de un sistema de vectores permutand<
entre si dos de ellos.

2. R e la c ió n e n tre e l ra n g o de u n a m a triz y e l de u n a a p lic a c ió n lin e a l re p re ­


se n ta d a p o r e lla C on siderem os una m atriz de orden (n , m ) con térm in os en K:

/ a 11 U 12 ••• a.ij ••• d i m '


íl 21 U 22 ¿í 2] . . . Ctr2m
A =

\ a ,n a i,2 O-nj O-nm)

y sea / la aplicación lineal de !Km en IK" aso ciad a a A en las b ase s (fijadas):

V = (v \ , V 2 ,-■-,vm) y W = {u>u w 2 w „);


RANGO DE UNA MATRIZ 211

gráficam ente:
v / "
Km — K"
V j -------------- / U V -
01 vecto r f i v , ) e s , p u es, el vecto r de K " c u y a s co o rd en ad as en la b ase W so n los
térm inos d e la m atriz colu m n a ./-ésima de ,4:

f ( v ¡ ) = a i , iiz i + a>jW 2 + •••+ a „ jW „ , 1 « j í m.

C on siderem os el autom orfism o V de K." tal que:

f ( w , ) = e,, 1 « i « n,

(cf. sección 5 del capítulo II, p. 1 3 2 ) d on d e B( = ( e ¡ , e > ......... e „ ) es la b ase canónica


de Entonces:

T { f ( V j ) ) = 'F { a ijW\ + a-iiUi’ + ■■


• +a „ j W „ )

= a \ j Y ( w \ ) + a->j'F(w ■>) + • • • + a n j ' F ( w „ )


= a i ¡ e i + a ¿ j e> + • • • + ti n , e „
= ( a i j , a > j , . . . , a n j ),

y ( a ¡ j , a > i , . . . , í i „ i ) = a , e s el ./-ésim o vecto r colum na de A. Es decir, se tiene:

' F ( f i V j ) ) = a ,, 1 « j « m. (16)

Por o tra parte, por definición de rango de una aplicación lineal y por ser T is o ­
m orfism o se tiene:

r a n g o / = ra n g o (/(i» i ) , f ( v > ) .........


= r a n g o ( ( P ( / ( v i) ) , ) ) , . . . Y ( f { v m) ) ) ,

de lo que se dedu ce (teniendo en cu en ta (16)):

r a n g o / = rango ( a i , <12 a , „ ) = rango A,

p u es rango ( a i , a 2 a , „ ) e s por definición el rango d e la m atriz .4.


H em os probado, pu es, el sigu ien te resultado:

El rango de una P ro p o sició n III.8 Si f es la aplicación lineal representada por una m atriz A en
aplicación lineal dos bases dadas, entonces:
es igual al de rango / = rango A.
cualquier matriz
ue ia represente Nota b e n e Es indiferente la elección de las bases; es decir, si .4 es una matriz, entonces
todas las aplicaciones lineales que pueden ser representadas por .4 tienen el mismo rango.
A
212 III. MATRICES

Consecuencias ele la proposición III. B Se verifica:


• S i A y R son dos m atrices tales que existe el producto A B, entonces:

rango( A B) « mí n¡ r a ng o A, rango B\.

Si A y B son las aplicaciones lineales canónicamente asociadas a las matrices A y tí.


entonces la aplicación lineal canónicamente asociada a AB es A ° B , y de acuerdo coi­
la proposición III.8 (y recordando la proposición 11.6 (cf. p. 121)), se tiene:

rango(AB) = rango(A ° B ) < mín|rango.A, rangoB) I


= mín ¡ rango A, rango/)!.

• Una condición necesaria y suficiente para que una m atriz cuadrada de orden n
represente un isom orfísm o es que el rango de la m atriz sea igual a n.
Es una consecuencia inmediata del hecho de que una aplicación lineal de IK" en K." es
un isomorfísmo precisamente si su rango es igual a n (cf. proposición 11.13, p. 135).

P ro p o sició n III.9 Si A es una m atriz cuadrada de orden n de rango igual a n.


y B es una m atriz de orden ( n, m ) (ambas m atrices con términos en K j, entonces:

ran go (A B ) = ra n g o B .

Demostración Sean A y B las aplicaciones lineales canónicamente asociadas a A y E


y sea (e¡,e 2 , . .. , e m) la base canónica de K m. Como rango.4 = n, la aplicación A es un
isomorfísmo (cf. última consecuencia de la proposición III.8). y por tanto:

rango!AB) = rango!A ° B )
= rango([A °B ]( C |) ,[ A e>S](e2) , . .. ,( A o B ](c „,))
= ran go (A (B (c, ) ) , A<B( e . ) ) ........ A { B ( e m)))
= rango(B(Ci),B(e2) ®(cm))
= rangoB = rangoB,

donde se ha utilizado el corolario de la proposición 11.8 (cf. p. 124).

IIL6 TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ

I. T ra n s fo rm a cio n e s e le m e n tale s Llam arem os tra n sfo rm a c io n e s elem en ta


le s (por filas) a cu alquiera de lo s tres tip o s de tran sform aciones sigu ien tes (que se
aplican sobre m atrices con térm inos en u n cu erp o K):
• T ip o I: perm utar entre s í las ñlas i-ésima y j-ésima. Es decir, intercam biam os
las filas i-ésim a y j-é sim a , y las dem ás fila s las dejam o s en la m ism a posición.
6. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ

EJEMPLO 29 Al permutar entre si las filas primera y segunda de la matriz real:

(0 1 3 2\
2 0 •4 2
\1 1 3 \)

obtenemos la matriz:

Denotaremos esta transformación de la forma:

Tipo II: m ultiplicar Ja fila i-ésima por un escalar no nulo. Esto es, los térm inos
de la fila i-ésim a se m ultiplican por el escalar no nulo, y los térm inos de las
dem ás filas quedan inalterados.

EJEMPLO 30 Al multiplicar por 1/2 la segunda fila de la matriz real:

0 1 3 2\
2 0 -4 2
1 1 3 1/

obtenemos la matriz:

Denotaremos esta transformación de la forma:

1 3 2\ (0 1 3 2\
0 4 2 F2- ' ,2f-’ 1 0 _2 1
2 3
ll 1 3 1/ U 1 1/

Tipo III: sum ar a la ñla i-ésima el resultado de m ultiplicar por un escalar la fila
j-ésim a , con j i. Es decir, se su stitu ye la fila i-ésim a p o r la sum a —térm ino
a térm ino— de ella y el resu ltad o de m ultiplicar la fila j-é sim a por el escalar, y
las restan tes filas, incluida la j-é sim a , quedan inalteradas.
21 4 III. MATRICÍ

EJEMPLO 31 Sumar a la segunda fila la tercera multiplicada por el escalar - 2 en la matriz real:

da como resultado la matriz:


■{) 1 i

0 - 2 - 10

1 ] .1

Denotaremos esta transformación de la forma:

1 3 2\ (0 I 3 2\
F>-F_. +< 2lf|
0 -4 2 0 -2 -10 0
2 1
1.1 3 1/ U 1 3 1/

2. M a trice s e lem en tales D enom inarem os m a triz elem en tal de orden n so be


un cuerpo K a so c ia d a a u n a tran sform ación elem ental a la m atriz resu ltante de
aplicar la transform ación elem ental a la m atriz identidad I„ .
Se tienen, pu es, tres tipos de m atrices elem entales:
• Tipo I:

i I
(U \

\ L j
i /

que co n siste en perm utar entre si las filas i-ésima y j-ésim a de la m atriz iden­
tidad I„ (obsérvese que estam o s u tilizan do notación por filas, y recordem os
que L\, L>, ■ ■ L n son las m atrices fila de /„).
ó. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ

EJEMPLO 32 Si K = R, la matriz:

/O 0 1\ (L3\
u

'1
1

O
O
\i 0 0/
\L¡/
es una matriz elemental de orden 3, que se ha obtenido permutando entre sí las filas primera
y tercera de la matriz identidad !•,.
La matriz:
(L,\
1 0 D 0
0 0 1 0
0 1 0 0
0 0 0 1

es una matriz elemental de orden 4, que se ha obtenido permutando entre sí las filas segunda
y tercera de la matriz identidad l4.

• Tipo 11:
t
1
( L'\

1
oc « i,
1

1 L»

que co n siste en m ultiplicar por el escalar no nulo ot la fila i-ésima d e la m atriz


identidad

EJEMPLO 33 Si K = R, la matriz:

1 0 0\
L1
0 1 Li
ü/ =
lo 0 T3/
U L.J
es una matriz elemental de orden 3, que se ha obtenido multiplicando la tercera fila de la
matriz identidad /, por el escalar no nulo 3.
216 III. MATRICES

• Tipo III:
J
/I \

. 1 . • p ■
= h + pL¡
1

Ln J
l)
que co n siste en sustituir, en la m atriz iden tidad /„, la fila i-ésima por la suma
de ella misma y el resultado de m ultiplicar la fila j-ésima por el escalar fi.

EJEMPLO 34 Con IK = IR, la matriz:

1 0 -2 '
0 1 0
0 0 1
¿3

es una matriz elemental de orden 3, que se ha obtenido sustituyendo la primera fila de por
la suma de ella misma y el resultado de multiplicar la tercera por - 2 .
La matriz:
Li
11 O''
4 o l 2 + 4L,
0 0
ls
lo 1

es una matriz elemental de orden 4, que se ha obtenido sustituyendo la segunda fila de l.¡ por
la suma de ella misma y el resultado de multiplicar la primera por 4.

3. Pro p ie d ad es de la s tra n sfo rm a c io n e s e le m e n tale s y de la s m a trice s e le ­


m en tales Em pezam os vien do u n a p ropiedad sobre el ran go de las m atrices e le ­
m entales:

Una matriz Pr opos i ci ón III. 1 0 E l rango de una m atriz elem ental de orden n es igual a n.
elemental es de
rango máximo
Demostración La matriz elemental de tipo I obtenida permutando entre sí las filas i-ésima
y j-ésim a de /,, verifica que sus n vectores columna son:

e e, e, e„,
6. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ

de rango igual al de los s ectores (cf. propiedades del rango de un sistema de s ectores, p. 80):

e¡, e, e, e „,

que es igual a n.
La matriz elemental de tipo II obtenida multiplicando la fila í-ésima de /„ por el escalar
no nulo or verifica que el sistema de sus vectores columna es ( e, a e ¡ , .. . , e„), cuyo rango
es igual a n (cf. propiedades del rango de un sistema de vectores, p. 80).
Finalmente, los n s ectores columna de la matriz elemental de tipo III obtenida de la forma:
sustituyendo la fila i-ésima por la suma de ella misma y la fila j'-ésima multiplicada por el
escalar p, son: e , e¡~\, e, + pe,, e ,+i e„, cuyo rango (cf. proposición 1. 18 , p. 82) es
igual al de los sectores e ¡ , ..., ej ¡, e¡, e , . , e„, y por tanto igual a n.

Efectuar una P ro p o sició n III. 1 1 S i llevam os a cabo una transformación elem ental en una ma­
transformación triz de orden <n ,m ), e l resultado es el mismo que el de m ultiplicar por la izquierda
elemental es la m atriz dada por la m atriz elem ental de orden n asociada a la transformación.
como multiplicar
V eam os en un ejem p lo lo que luego dem o strarem o s en el caso general.
por la izda.) por
su matriz C on siderem os la tran sfo rm ación elem ental: sum ar a la prim era pila el resultado
elemental de m ultiplicar por - 2 la tercera, e s decir: “f j F i + ( —2 ) F;¡ ". A plicada a la m atriz
real:

se obtiene la m atriz:


y la m atriz elem ental asociad a a la transform ación es:

(\ 0 -2
0 1 0
^0 0 1

Por un lado, se verifica:

0 -2 W 1 1 0\ /-I 3
- 4\
1 0 -1 0 ' = -i 0 1
0 lA i -) 2 / V1 -1 2/

m a triz ele m en ta l m a triz d ad a m a triz p ro d u c to

y por otro lado:


( 1 1 o\ (-1 3 - 4\
+

0
5
1

-1 0 1
"17

ro
yt

1
V 1 -i 2 ) ^1 - 1 2 )
m a triz d a d a m a triz tra n sfo rm a d a
218 III. M A T R IC E

y las m atrices tran sfo rm ad a y prod ucto so n la m ism a. Es decir, se obtiene el m is mi


resu ltad o aplicando la tran sfo rm ació n elem ental a la m atriz que m u ltiplicán dola pi ­
la izq u ierd a p o r la m atriz elem ental aso ciad a a la transform ación.

Demostración de la proposición III.] Sea A una matriz de orden (n, m); en notació:
por lilas:
/F\\

F2
A=

,F J
Recordemos, del ejercicio 5 (cf. p. 203), que el producto de la i-ésima matriz fila de la
matriz identidad !„ por la matriz A es igual a la i-ésima matriz fila de A, es decir: L,A = F
En lo que sigue también haremos uso de la proposición ili.6 (cf. p. 198).
Consideremos la matriz elemental de tipo I asociada a la transformación elemental: pe
imitar entre sí las filas i-ésima y j-ésima. El producto de esta matriz elemental por A es:

(L i L iA ¡ r t\

Lj LjA Fj

A = =

L, L,A Fi

\L„J \l „ a ) KF„

que es resultado de llevar a cabo en la matriz A la transformación elemental permutar entr-j


sí las filas i-ésima y j-ésima.
Consideremos ahora la matriz elemental de tipo II asociada a la transformación elementai
multiplicar la fila i-ésima por el escalar no nulo a . Su producto por la matriz A es:

L\A ^
F'

aL, A = ctLfA = cxFi

Ln L»A Fn
que es resultado de aplicar a la matriz A la transformación elemental multiplicarla fila i-ésim.:
por el escalar no nulo a.
6. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ 219

Finalmente, consideremos la matriz elemental de tipo III asociada a la transformación


elemental: sumar a la fila i-ésima el resultado de multiplicar la fila j-ésima por el escalar 0.
Se tiene:
L, L ¡A 4 L\A F\

L, - PLj .4 = ( I , + 01.,) A = L,A + 01., A = r¡ + ¡ir,

Ln v L„ A L nA F„
que es resultado de aplicar a la matriz A la transformación elemental sumar a la fila i-ésima
el resultado de multiplicar la fila j-ésima por el escalar 0.
Recapitulando, hemos probado que aplicar a una matriz de orden In.m) una transfor­
mación elemental tiene el mismo resultado que multiplicar por la izquierda la matriz por la
matriz elemental de orden n asociada a la transformación elemental. c.o.d.

£1 rango no varia C o ro la rio Las transformaciones elementales conservan el rango, es decir, al


al efectuar una aplicar una transform ación elem ental a una m atriz, e l resultado es una m atriz cuyo
transformación rango es el mismo que el de la m atriz original.
elemental
Demostración En la proposición anterior acabamos de ver que aplicar una transformación
elemental a una matriz tiene el mismo resultado que multiplicarla por la izquierda por la
matriz elemental correspondiente. Dado que las matrices elementales son cuadradas y su
rango es igual a su orden (cf. proposición III. 10, p. 216 ), con la proposición III.9 (cf. p. 212)
concluimos el resultado.

EJEMPLO 35 Consideremos la matriz real:


0 2
A = 1 4
1 2 0
y la transformación elemental permutar entre sí las filas primera y segunda: “F 1 — F¿".
Calculemos en primer lugar la matriz elemental M\ asociada a la transformación elemen­
tal considerada. Aplicando ésta a la matriz identidad /¡, se tiene:

(\ 0 °\ (0 1 04
h = 0 1 o F' - ^ 1 0 0 = Mi
lo 0 1) 40 0 iy

Multiplicando por la izquierda la matriz .4 por la matriz elemental M 1 , se obtiene:

(0 1 04 1 0 2 14 (2 1 4 1\
Mi A = 1 0 0 2 1 4 1 2 1 = .4,
- 1 0
lo 0 U 1 2 oy ll 1 2 0/
220 III. MATRICES

La matriz ,4| es el resultado de aplicar a la matriz. ,4 la transformación elemental “F, ~ F_»":

(\ 0 2 n (2 1 4 1\
4 = 2 1 4 i 1 0 2 1
u 1 2 oy Vi 1 2 0

Consideremos ahora la transformación elemental multiplicar la segunda fila por 2, es


decir: “F;> — 2F¿"- Su matriz elemental asociada es:

n o o\
M2 = 02 O ,
\0 O 1

y el producto M¿A¡ es:

/I 0 0\ 1 4 1\ (2 1 4
í2
Ai24 1= 0 2 0 1 0 2 1 = 2 0 4 -
lo 0 1J Vi 1 2 0/ Vi 1 2 O)
que es la matriz obtenida aplicando la transformación a la matriz A¡:

'2 1 4 n (2 1 4 1\
F>-2F>
4i = 1 0 2 1 2 0 4 2|
1 2 0> U 1 2 0/
Obsérvese que se verifica: 4 2 = M>A, y A\ = M ¡A , y por tanto: A¿ = M¿M, A. Entonces la
matriz A>, que es igual al resultado de aplicar sucesivamente las transformaciones elementa­
les “Fi - F>" y ''F> - 2 F i ” a la matriz A, también es igual al producto por la izquierda de .4
por la matriz
El lector puede comprobar fácilmente que el rango de la matriz A es igual a 2; del comían-
anterior se deduce: rango A¿ = rango 4 1= rango A = 2.

A n tes de ver la sigu ien te propiedad d e las tran sform aciones elem en tales, es-
tudienios un ejem plo. C on siderem os la m atriz:

'O 1 l'
2 2 2
.4 =
4 4 5
O I Iy

que es de ord en (4, 5), su rango es 3 y s u s tres p rim ero s vecto res colum na: ( 0 , 2 , 4 , 0
( 1 , 0 , 1 , 1 ) y ( 1 , 2 , 4 , 1 1 , son linealm ente in d epend ientes. N uestro ob jetivo e s aplicar
su cesivas tran sform aciones elem en tales a la m atriz A que n o s lleven a una m atriz de
la form a:
( l O O b \ C \

O 1 O b ; t’ 2
(i;
O O 1 b3 c3
\0 O O c4
TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ 221

la cual verifica que su s 3 prim eros vecto res colum na son e\, e> y (de la b ase
canónica de R 4).
En prim er lugar, tratam os de con segu ir una m atriz cu yo prim er vecto r colu m ­
na sea C] = ( 1 , 0 , 0 , 0 ) . El prim er p aso co n siste en colocar en la posición ( 1 , 1) un
térm ino no nulo, y lo logram os aplicando a la m atriz A la tran sform ación elem ental
perm utar entre sí las filas prim era y segunda (“f j — /-V’):

/2 0 2 4 2\
0 1 1 2 1
4 1 4 9 5 '
^0 1 1 2 1,

El siguiente paso es hacer igual a 1 el térm ino de la posición ( 1 , 1 ) ; se con sigue con
la tran sform ación elem ental m ultiplicar por 1 /2 la prim era fila (“f j — ( l / 2 ) f j “ ):

A 0 1 2 l\
0 1 1 2 1
4 1 4 9 5 '
v0 1 1 2 1,

A continuación, debem os consegu ir que el térm ino de la posición ( 3 , 1 ) sea igual


a 0, a lo que se llega llevando a cabo la tran sform ación elem ental sustituir la tercera
fila por la suma de ella misma y el resultado de m ultiplicar por - 4 la prim era (es
decir: “ f j - f j + ( ~ 4 ) f j 'j :
/l 0 1 2 l\

0 1 1 2 1 ( 18)
0 1 0 1 1 ’ (18)
^0 1 1 2 1)
y ya tenem os u na m atriz cuyo prim er vector colum na es ( 1 , 0 , 0 , 0). O bsérvese que el
rango de esta m atriz tam bién es igual a 3, p u es es el resu ltad o de su cesivas tra n sfo r­
m aciones elem entales aplicadas a A, las cu ales co n servan el rango (cf. corolario de la
proposición III. 1 1 (cf. p. 2 1 7)).
En segund o lugar, tratam os de llegar a una m atriz cu yo s vecto res colum na pri­
m ero y segund o sean ej = ( 1 , 0 , 0 , 0 ) y e¿ = ( 0 , 1 , 0 , 0 ) , respectivam en te. Para ello,
sólo nos fa lta que los térm inos ( 3 , 2 ) y ( 4, 2) sean nulos. A plicam os a la m atriz
de (18 ), su cesivam en te, las tran sform aciones elem en tales siguientes: sustituir la ter­
cera fila porla suma de ella y el resultado de m ultiplicarpor - 1 la segunda fila, y
sustituir la cuarta fila por la suma de ella y el resultado dem ultiplicar por - 1 la
segunda fila. Se obtiene:

A 0 i 2 1) A 0 1 2 1\ A 0 1 2 A
0 i i 2 1 F3-F3-F2 0 i. 1 2 1 0 1 1 2 1
0 i 0 1 1 0 0 -1 - 1 0 0 0 -1 -1 0
V> i ] 2 lJ u 1 I 2 1J u 0 0 0
•¿¿2 III. MATRICi.

cu yos vecto res colu m na prim ero y segun d o son e¡ y e>, respectivam en te. Esta matr
es de rango 3.
Finalm ente, querem os que el tercer vector colum na sea « 3 = ( 0 , 0 , 1 , 0 ) , pero s
m odificar las dos p rim eras colum nas. Primero, multiplicamos la tercera fila por -
(“F 3 -— F 3”), con el fin de con segu ir un 1 en la posición ( 3, 3) :

/l 0 1 2 l\
0 1 1 2 1
0 0 1 1 0 '
v0 0 0 0 0,

A hora, p ara consegu ir que los térm inos de las posicion es ( 2 , 3 ) y ( 1 , 3 ) sean nul
sustituimos la segunda fila por ella más la tercera m ultiplicada por - 1 , y sustituir
la prim era fila por ella más la tercera m ultiplicada por - 1:

fl 0 1 2 l) fl 0 1 2 1\ A 0 0 1 l\
0 1 1 2 1 o -0 -0 0 1 0 1 ] Fl -fi -O 0 1 0 1 1
0 0 1 1 0 0 0 1 1 0 0 0 1 1 0
0 0 0 oj lo 0 0 0 oj lo 0 0 0

Hem os aplicado, pu es, a la m atriz A su cesivas tran sform aciones elem entales
h em os llegado a u na m atriz de la form a (17).
El procedim iento que hem os llevado a cabo con la m atriz A puede generalizar*-
com o nos m u estra la siguiente proposición.

Qué tipo de P ro p o sició n 111.12 D ada una m atriz de orden ( n ,m ), de rango r > 1 y cc:
matriz es posible sus r primeros vectores columna Linealmente independientes, es posible obtei.
obtener una m atriz de la forma:
aplicando
transformaciones A 0 . . 0 a 10 + 1) • • a 1m \
0 1 . . 0
a 2( r +1) • a '¿m
elementales
sucesivas a una
matriz 0 0 . 1 a r(r+ l) • a ym
0 0 . . 0 0 0

lo 0 . . 0 0 . 0 )
Y 171- Y

aplicando a la m atriz dada transformaciones elementales sucesivas.

Nota Obsérvese cómo es la matriz de (19): sus r primeros vectores columna sor. ¿
e 2, ..., e, (de la base canónica de K"), y sus ( n - r ) últimas filas tienen todos sus térrm:
nulos. a
6. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ 223

Demostración Sea A una matriz de orden (n, m ), de rango r I y con sus r primeros
vectores columna lineal mente independientes. Probaremos por inducción que es posible,
mediante aplicación de transformaciones elementales sucesivas a la matriz .4, obtener una
matriz de la forma (19).
En prim er lugar, veamos como podemos llegar a una matriz cuyo primer vector columna
sea: e¡ = (1 ,0 ...... 0) e IK". No todos los términos de la primera columna de la matriz ,4
son nulos (si así fuera, los r primeros vectores columna de Á no serían linealmente indepen­
dientes), y por tanto, mediante una transformación elemental de tipo I, consistente en una
permutación de filas, podemos conseguir una matriz cuyo término de la posición (1,1) es no
nulo. Con una transformación elemental de tipo ii: m ultiplicar la primera fila por el inverso
del término (1,1), obtenemos una matriz con el término (1,1) igual a 1. Mediante trans­
formaciones elementales de tipo III, conseguimos que los restantes términos de la primera
columna sean nulos.
Supongamos que, mediante transformaciones elementales sucesivas aplicadas a la ma­
triz A, hemos Llegado a una matriz .4' cuyos i - 1 primeros vectores columna (1 < i « r) son
los vectores e ¡, ..., e¡ ¡ de Kn, Probemos que mediante transformaciones de A' podemos
obtener una matriz cuyos i primeros vectores columna son: e ¡ , .. . , e¡-¡, e¡.
Observamos lo siguiente:
■ Puesto que A' se ha obtenido de .4 a través de transformaciones elementales sucesivas,
el rango de A' también es igual a r, y al igual que en .4, los r primeros v ectores columna
de .4' son linealmente independientes (cf. corolario de la proposición 111.11 (cf. p. 217)).
* Las i - 1 primeras matrices columna de .4' son:

fo\
/1\ /0 \
0 1 0
4', = 4', = 0 1
4¡-, =
o

\0J \0/
Vo/

(el término 1 de 4'_j es el de posición (i - 1,1)), y si la r-ésima matriz columna de 4 '


es:
/ a 'u \

4! = ‘ (¿-ni

V a,u !
entonces no son simultáneamente nulos los términos a'ü an
' i, pues si lo fueran, se
tendría: A'¡ = a'nA[ + - ■* + a ’ii_lliA'i_l , y los r primeros vectores columna de 4 ' 110

serian lineal mente independientes.


224 III. MATRICE.

De esta forma, permutando entre sí la fila i-ésima y alguna de las filas de la t-csima ¿
la n-ésima, llegamos a una matriz con el término ( i, i ) no nulo, y multiplicando por el inversc
de este término la fila i-ésima conseguimos 1 en esa posición. Transformaciones de tipo II!
permiten, finalmente, conseguir una matriz con los restantes términos de la columna i-ésima
iguales a 0, y por tanto con su i-ésimo vector columna igual a e,.
En el último paso —cuando i = r — llegamos a una matriz cuyos vectores columna son
e, e, i, e,. La matriz obtenida en este último paso también tiene rango r, y comí
sus r primeros vectores columna: e\, e > , e r, son linealmente independientes, los (ni - r
restantes vectores columna serán combinación lineal de ellos, y por tanto, al igual que los
vectores e ¡ e,. tendrán nulas sus (n - r ) últimas componentes.
En definitiva, hemos llegado, aplicando a la matriz A sucesivas transformaciones elemen­
tales, a una matriz de la forma (19).

C o ro la rio S i A e s una m atriz de orden ( n ,m ), de rango r » 1 y con sus r pri­


meros vectores colum na linealm ente independientes, entonces existe una matriz. T.
cuadrada de orden n y de rango igual a n , tal que el producto T A es una m atriz de
la forma (19).__________ _____________________________________________________________

Demostración De acuerdo con la proposición anterior, existen transformaciones elemen­


tales que aplicadas sucesivamente a la matriz A permiten obtener una matriz A' de la for
ma (19). Si hemos aplicado k transformaciones elementales, y Mu M > Mk son las m atrin-
elementales asociadas, respectivamente, a las transformaciones elementales sucesivamenn
aplicadas, de acuerdo con la proposición III. 1 1 (cf. p. 2 17 ), se tendrá:

Á = Mk ■ • • M>M] A.

La matriz T = M* • • • M>M\ es cuadrada de orden n y su rango es igual a n (por ser proditor


de matrices elementales de orden n, que tienen rango igual a n), y verifica: TA = A'. c'x>:

EJEMPLO 36 Consideremos la matriz real:


/O 1 2 2\
A = 1 1 3 2 .
\2 2 (i 4/
El rango de A es igual a 2, y sus dos primeros vectores columna son linealmente indi-
pendientes. De acuerdo con la proposición 111.12 (cf. p. 222), podemos aplicar a la matriz
transformaciones elementales sucesivas y obtener una matriz de la forma:
/I 0 b, c i
0 1 b> Cj . (21
\0 0 0 0
la cual verifica que sus dos primeros vectores columna son (1 , 0, 0) y ( 0, 1 , 0), y también qu
su última fila tiene todos sus términos nulos:

(número de filas de A) - (rango A) = 3 - 2 = 1.


S. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ 225

Se liene:

(0 i 2 2\ . , /I 1 i 2V
I i 3 2 - 1 2 =A
0
\2 2 6 4j l2 2 6 4/

/I 1 3 2)
'«-' i 2 /,
2
1 2 =A
lo0 0 0 0 ;

/I 0 1 0\
—f| - F j
F,
1 2 2 =A
lo0 0 0 O)

La matriz A |, obtenida a partir de la matriz ,4 mediante la transformación elemental (de


tipo I) “Fi ~ F¿”, se puede obtener también multiplicando por la izquierda .4 por la matriz
elemental asociada a la transformación (cf. proposición 111. 1 1 , p. 2 17 ); es decir:
(0 1 0\
,4| = Mi A, con M| = j1 0 0 .
VO 0 1/

Análogamente, la matriz Ao puede obtenerse de Ai multiplicando por la izquierda ésta


por la matriz elemental asociada a la transformación elemental “Fj - F¡ - 2 F¡":

( 1 0
A 2 = MtA] , con M-¿ = 0 1 0 .
1-2 0 1/
Finalmente, la matriz A ¡ puede obtenerse de A->a través del producto:

(1 - 1 0\
A 3 = M} A>, con M3 = j0 1 0 ,
\0 o 1/

ya que M¡ es la matriz elemental asociada a la transformación “Fi — Fi - F¿".


De las observaciones anteriores se deduce: A 3 = M;¡Av = M-¡M¿A\ = M3M2M 1A , y por
tanto la matriz T = AÍ3M2M 1 verifica que el producto FA es una matriz de la forma (20)
(recuérdese el corolario de la proposición 111.12 (cf. p. 222 )).
Efectuando el producto se puede obtener la matriz T:

/-! 1 01
T = M3M2M 1 = 1 0 0 .
V o -2 1 )
Sin embargo, es posible calcular la matriz T de una forma más sencilla, basándonos en la
siguiente observación. Se verifica:

T = 77? = M3MzMi /?,


22(> III. MATRICE.

es decir: puede interpretarse la matriz T como ei resultado de aplicar a la matriz identidad /


las mismas transformaciones elementales que hemos aplicado a la matriz A (cf. proposi­
ción 111.11, p. 217). Se tiene:

/I 0 0\ /O I ()\ /O -1 1
°\
0 1 0 f '~ F- • I O 0 1 1 0
(1
\0 0 1/ \0 O 1 / Vo 0 _ ¿ 1/
y la última matriz es la matriz T.

III. 7 INVERSA DE UNA MATRIZ CUADRADA

1. D e fin ició n de m a triz in v e rs a A continuación, vem os la definición de matriz


in versa de una m atriz cuadrada:

Definición

Inversa de una Sea .4 una m atriz con térm inos en &, cuadrada de orden n. De u n a m atriz B con
matriz cuadrada térm inos en K, tam bién cu adrada de orden n , direm os es m atriz in v e rs a de A si
se verifica:
A B = B A = /„.

Matriz invertible De una m atriz cu adrada que tiene m atriz inversa direm os es in ve rtib le .

Si la m atriz A tiene m atriz in versa, entonces ésta es única. En efecto, si B y C sor.


m atrices in versas de A, por definición se tiene:

BA = /„ = CA,

y m ultiplicando por la derecha por la m atriz B en am bos m iem bros de la igual­


dad BA = CA, resulta:
B A B = CAB,

y com o AB = I n, se deduce que B = C. Por tanto, una m atriz invertible tiene una
ú nica m atriz inversa.

Si la m atriz A es invertible, su (única) m atriz inversa se denotará por A - 1 :

A A ~ l = A ~ ] A = I n. (211

Nota bene De las definiciones y de (21) se deduce que si la matriz A es invertible, tambi
lo es .4 ', y su inversa es A:
' INVERSA DE UNA MATRIZ CUADRADA 227

EJEMPLO 37 Dada la matriz real cuadrada de orden 2:

G I)'
se tiene que su matriz inversa es:
'\ I
o ir
ya que:

C. - i ) ( i ¡)-(¿ i)(¿ ?)•


Por tanto:

G -:r=(; i) v (;,
EJEMPLO 38 La matriz identidad de orden n con términos en K: l„, es invertible, y su matriz inversa es
ella misma, pues /„/„ = Esto es:
r 1 = ¡n.

EJERCICIO 8 Sean A y B dos matrices cuadradas del mismo orden. Demostrar que si A y B son invertibles,
también es invertible el producto AB, y se veriñca: (,AB)_1 = B~lA~] . a

CNS de matriz P ro p o sició n III.1 3 Una m atriz cuadrada de orden n es invertible si y sólo si su
nvertible (tener rango es igual a n.
rango máximo)
Demostración Sea A una matriz cuadrada de orden n. Que la matriz A es invertible
significa existe una matriz cuadrada B de orden n tal que:

AB = BA = l„. (22)

Si A, 13 y 0» son las aplicaciones lineales de &” en DL" canónicamente asociadas a las


matrices A, B y /„, respectivamente, entonces (cf. corolario de la proposición IU.7 (cf. p. 201))
la igualdad (22) es equivalente a:

A o (B = (B o A = 3„, (23)

y como es la aplicación identidad de K ", afirmar (23) es lo mismo que afirmar que A es
biyectiva (cf. teorema 3, p. 400).
Por tanto, la matriz A es invertible precisamente si la aplicación lineal A es un isomor­
fismo, lo que a su vez equivale (cf. segunda consecuencia de la proposición 111.8 (cf. p. 211))
a: rango A = n. c .q .d .

Nota bene En la demostración de la proposición se ha obtenido que una matriz A es


invertible precisamente si su aplicación lineal canónicamente asociada: A, es biyectiva.
A
228 III. MATRICE.

EJEMPLO 39 L.a matriz real:


1 l -1
0 1 0
v-1 -1 2
es una matriz cuadrada de orden 3 y tiene rango 3, y por tanto es invertible.
La matriz real cuadrada de orden 2:

no es invertible, pues tiene rango I .

EJERCICIO 9 Consideremos una matriz cuadrada A, y sea A su aplicación lineal canónicamente asociada
Demostrar que si A es invertible, entonces la aplicación lineal canónicamente asociada a
matriz A ' es A 1. a

2. M étodo p rá c tic o p o ra e l c á lc a lo de la m a triz in v e rs a A continuación


expon em os un m étodo para el cálcu lo de la in ve rsa de u n a m atriz invertible basad
en tran sform aciones elem en tales.
C onsiderem os una matriz. ,4 cu adrada de ord en n con térm inos en (K. e invertible
es decir (cf. proposición III. 1 3 , p. 227): r a n g o 4 = n . De aplicar la proposición III. 1 _
(cf. p. 2 2 2 ) (cf. p. 2 2 2 ) a la m atriz 4 se deduce que es po sib le o bten er una m atriz 4
de la forma:
1 0 . . 0 t , l(r+ II •
0 1 . . 0 a 2 tr+1 ) • • a 2m

0 0 . . 1 a rtrH ) ■ a rm
0 0 . . 0 0 0

Vo 0 . . 0 0 . 0

llevan do a cabo en la m atriz 4 tran sform aciones elem en tales su cesiv as, siendo r
rango de 4 , n el núm ero de su s filas y m el de su s colu m n as; com o en n u estro cas
se tiene: r = m = n, la m atriz 4 ' tom a la form a:
/I O ... 0\
O 1 ... O
4' = = In-

XO O ... 1

Es decir: m ediante tran sform aciones elem en tales su cesiv as ap licad as a la m atriz
vertible 4 e s posible obtener la m atriz identidad
'NVERSA DE UNA MATRIZ CUADRADA 2 29

Si M i, M> Mk son las m atrices elem en tales aso ciad as a las k su cesiv as tran s­
form aciones elem en tales que ap licad as a 4 n o s perm iten o b ten er/,,, en ton ces (cf. d e­
m ostración del corolario d e la p roposición 3 (cf. p. 224)):

Mk ■■■M >M\A = /„,

de donde, m ultiplicando por la derecha po r la m atriz A \ se obtiene:

Mk ■■■M A h A A 1 = i nA \ o bien: M k ■• • M_.M|/„ = 4 “ ',

y esta igualdad pu ed e in terp retarse de la fo rm a siguiente (cf. p roposición 111.11,


p. 2 1 7 ) : la m atriz .4- l es el resu ltad o de aplicar a /„ las m ism as tran sform aciones
elem en tales su cesiv as que h em os aplicado a .4 para o bten er /„.

EJEMPLO 40 La matriz:

4 =

considerada en el ejemplo 39 (cf. p. 228), es invertible. Calculemos su matriz inversa: 4 '.


Aplicamos a la matriz 4 transformaciones elementales sucesivas hasta obtener la matriz
identidad I¡:

( 1 1 -n (\ 1 -1 fi ti -1
F.t —F • F,
1 0 0 1 0 1 0
ü
l-l -1 2/ (0 0 1 \0 0 1
n 0 °\
0 1
0
Vo 0 i
A continuación, aplicamos las mismas transformaciones elementales, y en el mismo orden, a
la matriz f3:

/I 0 Oj 1 0 °\ / -1 2 -1 1\
Fj-Fs+F, F, -F , -F,
h = 0 1 0 0 ] 0 F'~F'-F> 1 0 1 0
lo 0 1) vi 0 1) \ 1 0

y esta última matriz es la inversa de 4:

’2 -1 1'
4 -' = 0 1 0
1 0 1

A modo de comprobación, el lector puede verificar:

1 1 -IV (2 -i
(2 -1 1\ <1 1 -1\
0 1 0 0 1= 0 1 0 1 0 = h
0
0 1 0 0
\-l -1 2/ u ll 1/ l-l -1 2/
230 III. MATRICE.

III.8 TRASPUESTA DE UNA MATRIZ

1. D e fin ició n de m a triz tra sp u e sta A continuación, vem os la definición de


m atriz trasp u esta de u na m atriz:

Definición

Traspuesta de Sea A u n a m atriz de orden ( n , m ) con térm inos en IK. D efinim os la m atriz
una matriz tra sp u e sta de la m atriz A, que se denota: A 1, com o la m atriz de orden (m , n i
tal que su térm ino de p o sición (/,./), que den otarem os: a'í ; , es el térm ino de
posición (j, i) de la m atriz A:

a\j = a ¡i, 1 « i < m, 1 < j< n .

En o tras p alab ras, lo s n vecto res colum na de A 1 so n lo s n vecto res fila de A, y los ir
vectores fila de /\' son lo s m vecto res colum na de .4.

EJEMPLO 41 Sea A la matriz con términos reales ele orden (2,3) cuyos tres vectores columna son:

a , = (1 , 2), fl. = ( 1 , 1 ) y a , = (3,0).

Escribamos la matriz traspuesta de 4: 4'.


Los tres vectores fila de 4 ' son por definición: « i, a¿ y a i, luego:

/I 2N
4' = 1 1
\3 0.

Calculemos ahora, a partir de 4 ', el término de posición (2, 3) de la matriz 4. De


definición de matriz traspuesta se deduce que el término de posición (2, 3) de la matriz .4
el término (3, 2) de la matriz 4 ', es decir: 0.

EJEMPLO 42 La traspuesta de la matriz:


4 = (fli a> aA

es la matriz:
/f l,'
4' = fl >
\fl;i/
S. TRASPUESTA DE UNA MATRIZ 231

Consecuencias de la definición de traspuesta de una m atriz So verifica:


• La traspuesta de la m atriz identidad l„ es ella misma: I], = !„■
• La traspuesta de la m atriz A ', que denotaremos: ( A [) , es igual a A.
La traspuesta de la matriz A 1 es: (A1)' = ( a " ; 1 « i s n , U j í m ). Pero se tiene
que a", = a '„ = a¡, para cada U i í t i y cada 1 « j * m, luego: (A1)' = A.
• La traspuesta de una suma de m atrices es igual a la suma de las traspuestas:
(A + B )' = A ' + 8 '.
Si ponemos: C = A + B, entonces:

c\j = Cjf = Uji + b¡, = a\j + b\j, U i í m, 1 í j s n,

y por tanto: C’ = A' + B'.


• S i « es un escalar, entonces la traspuesta de la m atriz « A es igual a ixA':
( « A ) 1 = « A 1.
Poniendo: D = «A, se tiene:

d), d ¡, = a a ji = a a)j, 1 m, I j n,

y por tanto: D' = « A 1.


• La traspuesta del producto BA es igual a A 'B ': ( B A ) ' = A'B'.
Pongamos: E = BA. Se tiene:
fl II
e 'ü = e jí = Z b A a k< = Z "IrH /-

Nota bene Si A es de orden (n, m), para que se pueda formar elproductoBA es
condición sirte qua non que B sea de orden (p, n), con lo que el producto BA será
de orden (p, m ). Análogamente, como A 1 es de orden (m, n ), B' es de orden (n .p i,
y A'B' de orden ( m,p ). a

• Si la m atriz A es cuadrada de orden n y es invertible, entoncestambién la


m atriz A ' es invertible, y su inversa es (A ' )' • ( A1 ) - 1 = (A
Se tiene (consecuencias anteriores):

a ^ a - 1 ) 1 = ( a - ' a )' = /;, = /„ y (a - 1 ) ' a ' = (AA ' ) ' = /' = / , „

y por tanto A 1 es invertible y su inversa es ( A" 1)'.

EJEMPLO 43 Sean las matrices reales:

1 1 0
A =
2 1 0

Comprobemos se verifica: (A + 8 )' = A ' + B ' y (CA)' = A 'C .


232 III. MATRICc.

Se tiene:

(1 2 '- 1 0\
0 0 1
1 , B' = -1 -1 . A +B =
1=1 2 0 II ’
Vo 0, e l il

'1
2>\
(-1 0" ¡0 2\
A1 + B' = 1 1 + -1 -1 = 0 0 = (A + B)'.
v0 o) V i i, \1 1/

Por otro lado, se tiene: C1 = (1 -1 2 ), y por tanto:

/I 2\
C'A' = ( l -1 2) 1 1 = o
Vo o
y como:
% / i\
AC = 1 1 °n i - (°)
V
V2 1 ' \ •,2} ~ W
0/ v /

resulta:
= C'A'
v ) y

La trasposición de m atrices co n serva el rango, en el sen tid o siguiente:

El rango de una P ro p o sició n III.14 E l rango de una matriz coincide con el de su traspuesta.
matriz es igual al
de su traspuesta Demostración Sea A una matriz de orden (n, m) y rango r » 1. Como el rango de un¿
matriz es indiferente al orden de sus vectores columna, podemos suponer, sin pérdida d * .
generalidad, que los r primeros vectores columna de A son linealmente independientes. Sabe­
mos (cf. corolario de la proposición 3 (cf. p. 224)) que existe una matriz T cuadrada de orden >
:
tal que 7.4 es de la forma:

1 0 . . 0 • « j mN
0 1 . 0 a 2 <r~l>

7.4 = 0 0 . . 1 a r ( r * II a rm
0 0 . . 0 0 0

u 0 . . 0 0 ■ 0 y

r tn r

Los vectores columna no nulos de la traspuesta de la matriz 7.4 son:

( 1 . 0 ........ 0 , a ' | (,.+ 1), ( 0 , 1 ..........0 , f l 2 ( r * l ) ......... a 2 m ) ........... < 0 . 0 1 . ......................


.
9. SOLUCION DE LOS EJERCICIOS PROPUESTOS

cuyo rango es, obviamente, r , y por tanto:

rango A = r = rango(XA)1 = rango! A 'X ’ ) « mín{ rango .4', rango X'] < rango4 ’ ,

de lo que se deduce:
rango4 « r a ngo41. (24)

Es decir, el rango de una matriz es menor o igual que el de su traspuesta. Aplicando esta
afirmación a la propia matriz 4 ', resulta:

rango 4' « rango (A1)1 = rango 4 , (25)

y finalmente de (24) y (25) se concluye: rango 4 = rango A 1. c .q .d .

U1.9 SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS

Ejercicio 1 Sea B = (V\,V 2 ) u n a b ase cu alquiera de ! 2. B uscarem os condiciones sobre una b a­


(p. 188) se B' = (W\,Wz) de IR2 p ara que la m atriz asociada a / en las b ase s B y B' sea la
m atriz identidad I>.
Por definición de m atriz asociada, las coorden adas de f ( v \ ) en la base B' tienen
que ser: 1 y 0, es decir:
f ( v i ) = ltw i + O iuj = W [.

A nálogam ente, las coordenadas de f ( v >) en B ' tienen que ser: 0 y 1 , esto es:

f ( v 2 ) = Otuj + \w> - w¿.

En consecuencia, los vectores W\ y h an de ser: w\ = f ( v \ ) y w 2 - f ( v 2).


Por ejem plo, tom ando la b ase B = ( ( 1 , 1 ) , ( 1 , 2 ) ) , se tiene que: / ( 1 , 1 ) = ( 1 , 2 )
y / ( 1 , 2 ) = ( 1 , 3 ) , y el sistem a de vectores B' = ( ( 1 , 2 ) , ( 1 , 3 ) ) es u n a base de IR2, y la
m atriz asociada a / en las b a se s B y B' es la m atriz identidad I¿.
O bsérvese que la aplicación lineal / es d istin ta de la aplicación identidad de K 2.
Esto no contradice lo enunciado en la p roposición III. 1 (cf. p. 18 7 ): en la p roposición
se requería que las b ases fueran iguales, pero, en este ejercicio, B ’ no es igual a B.

Ejercicio 2 Sea (n , m ) el orden de A, y sea ( p, q ) el orden de B.


(p. 19 6) Al estar definido el p rod u cto de A por B, el núm ero de colum n as de A es igual al
núm ero de filas de B: m = p. De estar definido el producto de ÍJ por 4 , se tiene: n = q.
Es decir, si .4 es de orden ( n, m ), enton ces el orden de B es: (p .q ) = Im , n ). El orden
de la m atriz A B es, pues, ( n , n ) , y el de la m atriz B A es (m , m ). De se r am bos
órdenes iguales, se deduce: n = m, y por tanto A y B son m atrices cu adradas del
m ism o orden.
z:-t4 III. MATRICE.

Ejercicio 3 Sean A = (a,-/; U i < f t , U j í mjyj]= (ir,,-; 1 í i « m , 1 í j « p ) . Por defini­


(p. 203) ción de prod u cto de una m atriz por un escalar, se tiene:

« fi = (abij-, 1 í i « m , 1 ^ j < p ) ,

y el térm ino de posición ( í , j ) de A (« fi) es:


m m
X a ¡ j{ a b k j ) = « X
t=i t= i

que es el térm ino de posición ( t , j ) de « ( A B ) (1 « i *s n , 1 « j « m ). En conclu­


sión: A ( a fi) = « (A fi).

Ejercicio 4 A plicando, prim ero, la propiedad distributiva por la izquierda y, d esp u és, la pro pie­
(p. 203) dad distribu tiva por la derecha, se tiene:

(A + fi) 2 = (A + fi) (A + fi) = A (A + B) + fi(A + tí) = A 2 + A B + BA + fi2.

Ejercicio 5 En notación por colum nas:


(p. 203)
A = ( A i | A 2 | ... | A j | ... | A m J y I m = ^ E\ j £2 | . . . | Ej | — | £ m ^ ,

y p o r tanto (cf. proposición 111.5, p. 196):

A /m = A ( £ 1 | £2 | | Ej | . . . | £ ,„ ) = { A £ j | A E , | .. . | A £ , | . . . | A £ m ) .

Por otro lado, de acuerdo con las p ro p ied ad es del producto de m atrices, se tiene
que: A I m = A, o bien:

Alm — ( A [ | A 2 j . . . | A j J . .. | A ,„ j .

En conclusión:

( A l | Á2 j . . . | Aj j . . . | Am ) = ( A £ i | A£A I . . . | A E j [ . . . | A E m ) ,

y A¡ = A E j, U j í m.
A nálogam ente, com o la i-ésim a m atriz fila de /„ es £ ,, se tiene que la i-ésima
m atriz fila del producto i„ A es igual al prod ucto £, A; al ser: I nA = A, se deduce que
la i-ésim a m atriz fi la de A es igual a L,A (1 1< n).

Ejercicio 6 Si £ |, £ 2, . . . . E m son las m atrices colum na de la m atriz identidad I m, entonces se


(p. 2 03 ) verifica:
( X\ >

X = . = X [ E [ + X 2 E 2 + ■■■+ x mE m,

\ * m/
9. SOLUCIÓN DE LOS EJERCICIOS PROPUESTOS

y por Tanto:

A X = A U 'i £j + x>E> + ■ ■■ + x mE m)
= A ( x j E i ) + A ( x 2 E 2) + ■■• + A ( x mE m)

—X\AE\ 4* X r2A E 2 + * •* + XjnAEjn


— .V ] .41 -i- X 2 A 2 + ■* * + XmAm,

donde la segun d a igu aldad es co n secu en cia de ia propiedad distributiva de la m ulti­


plicación de m atrices, y la tercera y la cu arta son con secuen cia de los ejercicios 3 y 5,
respectivam ente.

Ejercicio 7 Sabem os (cf. ejercicio 4, p. 203):


(p. 204)
(A + B ) 2 = (A + B ) ( A + B) = .42 + A B + B A + B 2. (26)

Si 4 y B conm utan, es decir: A B = B A , entonces el últim o m iem bro de (26) tom a la


form a: .42 + 2 A í¡ + B 2. Pero si A y B no conm utan, en tonces: (.4 + B ) 2 + A 2 + 2 A B + B 2.
Como com probación, tom em os las m atrices A y B del ejem plo 22 (cf. p. 204). Se
verifica:
o n c¿ 01 2 '2 I' x2
V _ /5
(A + B ) 2 -
\ 0 ) vo -2 1 ~2 lo 5)'
Por otro lado (cf. ejem plo 2 3 , p. 204):

*-(? «M ó ?)■ “ - ( i - M o “)■

AB =
(; 1 ). o)-
Por tanto:

, ,* 0
A + 2 AB + B =
t0 I -c D *(¡ K t
y (A + B )2 * A 2 + 2AB + B 2.

Ejercicio 8 Si las m atrices A y B son cu ad rad as de orden n, en ton ces se verifica:


(p. 227 )
( A B ) ( B - 1A ~1) = A ( B B l )A ~ ] = A I nA ~ l = A A ’ 1 = /„,

y
(B ~lA l )( A B ) = B - ' ( A - 1A ) B = B ~ ]I UB = B l B = I„,

y por tanto AB es invertible y su in versa es B ~ 1 A - 1 .


III. MATRICE.

Ejercicio 9 Supon gam os que la m atriz A es cu adrada de ord en n. Llam em os B a la m atriz inversa
(p. 228) de A , y se a 23 la aplicación lineal canónicam ente asociad a a la m atriz B, es decir, a la
m atriz A - 1 . Q uerem os dem ostrar que 23 = .4
De la definición de m atriz inversa, se tiene: A B = /„, de lo que se deduce:

A o'B = 3„ , (27

donde es la aplicación lineal canónicam ente aso ciad a a /„ (y po r tanto la identidad


de DC"). O perando po r la izqu ierd a con A 1 en (27), se obtiene: ,/l_l c i lo 'B = ./l- 1 ° 3 ,:.
e s decir: 23 = A ', y la aplicación lineal canónicam ente asociad a a la m atriz inversa
de A es efectivam ente A ' 1.
RECAPITULACION III

RECAPITULACION III

D e fin ició n de m a triz C on sideram os un cu erp o K y d o s en tero s positivos n y m:


• M atriz 4 co n térm in o s e n K de ord en in , m ): disp osición d e n ■m elem entos
de ítí en form a rectan gu lar en n filas y m colu m n as (las filas y colu m n as d e .4).
M atriz real: m atriz con térm inos en H.
• T é rm in o de 4 de p o sició n (?,/): elem en to de 4 situ ad o en la fila i-ésim a y la
colum na j-é sim a .
Se denota: a
N otaciones para la m atriz 4 de orden (n , m ) con térm inos en

/«] 1 a 12 a ij a im'
Z?21 a<-. ... a 2j a ¿m

4 =
a,i a i2 i? ij a i «i

a n2 a„j ñ u di

j « m ) , o sim plem ente 4 = ( a , , (si no h ay coti­


fusión).
(1 « i « ni de 4 : a , i, a , 2, ..
la .i-ésim a colum na (1 « j í m ) de 4 : í ?i (, a ¿ j u ni-
M atriz fila: m atriz d e orden ( 1 , m).
M atriz colum na: m atriz de ord en ( n, 1) .
M atriz cuadrada de ord en n: m atriz de orden ( n , n ) (m ism o núm ero de filas
que de colum nas).
Térm inos de la diagonal principal de una m atriz cu adrada de ord en n: lo s de­
posición ( 1 , 1 ) , ( 2 , 2 ) in, n).
M atriz identidad, o unitaria, de orden n con térm inos en K : m atriz cuadrada
de orden n con los térm inos de la diagonal principal igu a les a 1 y lo s restan tes
igu ales a 0.
Se denota: / „ . Se tiene:
(\ 0 0\
0 1 0
In =

V0' ü
u v
M atriz cero , o nula, con térm inos en K de orden ( n , m ): m atriz de orden (n , m)
con todos su s térm inos igu ales a 0.
Se denota: O.
238 III. MATRICES

C on sideram os u na m atriz A con térm inos en K y de orden (w, m ):


• Matriz columna /-ésim a de la matriz .4 ( 1 =s j « m): m atriz colum na de or­
den ( n , I ) cu yo s térm inos so n lo s de la ./-ésim a colu m n a d e A.
Se denota: A ¡. Se tiene:
a ij
0-2.1

\ “ >U/

La notación por columnas de .4 es: .4 = ( A i | 4 2 | | A,


Las m atrices colum na de /„ se denotan: E ¡ , E>, ■.., E n.
Matriz fila i-ésima de la matriz 4 (1 « i n): m atriz fila de ord en ( 1 , m ) cuyos
térm in os son los d e la i-ésim a fila de 4 : ( a , i a ,¿ ... a ¡m ).
Si /-'i, E>, ■.., F n son las m atrices fila de 4 , la notación por filas de 4 es:

4 =

\En/

Las m atrices fila de /„ se denotan: ¿ i , L¿, ■• L n.


• V ec to r co lu m n a j-é sim o de 4 (1 « j « m): el vecto r de K ” cu yas com ponentes
son lo s térm inos de A,.
Se denota: a ¡. Se tiene: a , = (a\j, a¿ j , ... , a „ ; ).
V ec to r fila r-ésim o d e 4 (1 < i « n ): el v e c to r de K ,n cu yas com pon en tes son
lo s térm inos de la i-ésim a fila de la m atriz 4 ; es decir: ( a ,-¡, a ¡ 2 . • • • ,a¡m)-

M a triz a s o c ia d a a u n a a p lic a c ió n lin e a l C o n sid eram o s una aplicación lineal t

de K w en K ” , y u n as b ases de esto s esp a cio s vecto riales: V = (v\,v> v m) d e K ”


y W = (W ],W 2 ......... w „ ) d e K ":
• M atriz a so c ia d a a / , o re p re se n ta n te de / , en las b ase s V y W: es la m atriz
4 = de orden (n , m ) cu yo s térm in os de la /-ésim a colum na (1 ;; j « m
son las n coord en adas d e f ( v , ) en la b ase W:

f { V j ) = « 1,0 » ! + a>iW¿ a n/w „ , K j< m .

C aso particu lar: si IV = Rc (base canónica), e n t o n c e s / ( u , ) = a , (./-ésimo vector


colum na de 4 , 1 « j < m).
Propiedad: si m = n (es decir: 0Cm = & " ) , si V y W son igu ales, y si A = /„.
en ton ces / es la iden tidad d e K " .
RECAPITULACIÓN III

• Aplicación lineal canónicamente asociada a una m atriz A = (o-tj) con térm i­


nos en K de orden (ti, m ): la única aplicación lineal./l de K m en K " cu ya m atriz
asociad a en las b ases canónicas es A.
Gráficam ente:
Be ¿i B'c
ibrw -1 [ifn
^ ( U jr im ) .
e .j * aj,

El espacio vectori al JVC«m ( ÍK) C on sideram os un cuerpo IK y u n o s en teros p o si­


tivos n y m:
• Mn-m(K) d enota el conjunto de las m atrices con térm inos en K de orden (n, m ).
• C onsideram os dos m atrices A = y B = (b , , ) de M nm(K ). La suma de A
y B es la m atriz (de A - B = ( u ,; + b ¡, ) .
El pro d u cto de un escalar A por A es la m atriz (de M nm(IK)): AA = Í A a ¡jJ .
• (M nm( K ) ,+ ) es u n gru po abellano. Su elem en to n eutro es la m atriz O (de
orden (n, m )), y el o p u esto de A es la m atriz: - A = ( - 1 )A.
El conjunto es espacio vectorial sobre K con la adición de m atrices y
la m ultiplicación por lo s elem entos de &.
• F ijad as u nas b a se s, la m atriz asociad a a la aplicación lineal sum a de aplica­
ciones lineales es la m atriz obtenida sum an do las m atrices aso ciad as a las apli­
caciones.
• Fijadas u n as bases, si A es un escalar y / u n a aplicación lineal, la m atriz aso ­
ciada a A/ es el p rod ucto del escalar A por la m atriz aso ciad a a la aplicación f .
• Los esp acios vectoriales £ ( K m, K 11) y M „ m(K ), am bos sobre el cuerpo K, son
isom orfos.
La aplicación de G ( K m, K n ) en M „ m(IK) que a cada aplicación lineal asigna su
m atriz asociada en las b ases canónicas es un isom orñsm o.

P r o d u c t o de matri ces C onsideram os dos m atrices de ó rd en es (n , m ) y (m , p):

A = (¿i,,; U i r i n, 1 < j < m ) y B = (bu; I « i m, 1 « j « p ) :

m
• Producto de A por B: m atriz C = K ¿ j) , de orden ( n ,p ) , con: a ¡ =
fc-t
Tam bién se dice: C es el producto por la izquierda de B por .4, o el producto
por la derecha de A por B.
El p rod u cto de dos m atrices se define sólo cuando el núm ero de colum nas de
la p rim era es igual al núm ero de filas de la segunda.
24 0 III. MATRICE

Se verifica (notaciones p o r filas y po r colum nas):

fh ) (F iB \

F, F¿ B
A (B i B.,) = [A B i A fíj ... A B » ), B =

J 'n ) B,

Fijadas u n as b ases, si A es la m atriz aso ciad a a u n a aplicación lineal / , y B e~


la m atriz a so ciad a a una aplicación lineal g : la m atriz asociad a a / ° g es AB.
La aplicación lineal canónicam ente aso ciad a a A B es la com posición A o
Propiedades d e la m ultiplicación de m atrices:
o A sociatividad: A (B C ) = (AB)C\
o D istributividad (por la derecha y po r la izquierda) re sp ecto de la adición:
A i B i + B'¿) = AB\ + AB'¿* (A\ + A ’¿ ) B = A \B + A 2B.
O I„ A = A = A Im;
o 0/4 = O, A O = O.
Las m atrices A y B co n m u tan si: lo s p ro d u cto s A B y BA están defin idos \
coinciden.
La m ultiplicación de m atrices cu ad rad as d e orden n, con n > 2, no es conmu
tativa.
Se tiene la equivalencia:
X\ (y I
x2 y¿
A ( x \,x 2 x m) = (y\,y-¿....... y „ ) A

\xmJ \yn)
D ada u na aplicación lineal / de K m en K " , y fijad as un as b ase s V y W, re sp ec­
tivam ente, si A = ( « y ) es la m atriz aso ciad a a / en estas b ase s, se verifica: la
im agen por / del vecto r de co o rd en ad as X | , x> x m en V es el vector cuyas
coord en adas y i , y ¿ v,, en W vienen d eterm in ad as p o r la relación m atricial

(y \ (a 11 tí 12 • • • tj 1 1: (* l\
(T¿ 1 ct>> • • • U¿r, x<
• ^

=
" ís

a „i a „¿ . .. u „ (; \x m J

R a n g o de u n a m a triz
• R an go de una m atriz A = ( a y ) de o rd en (n ,m ): el rango de lo s vectores
colum na de A.
Se denota: rango A . Por definición: ra n g o A = rango ( a i , a ; > , . . . . a m).
RECAPITULACIÓN III 241

• Propiedades:
o el ran go de u na m atriz es m enor o igual que el núm ero d e su s filas y que
el núm ero d e su s colum nas;
o no se m odifica el rango de u n a m atriz p erm u tan d o entre sí su s colum nas;
o el rango de u na m atriz es igual al rango de cu alq u ier aplicación lineal a la
que la m atriz esté asociada;
o ra n g o (4 B ) «t mín ¡ rango 4 , ran go /?[;
o u n a condición n ecesaria y su ficien te p ara que u n a m atriz cu ad rad a de
orden n represen te un iso m o rfism o e s que el rango de la m atriz se a n;
o si 4 es una m atriz cu adrada de orden n d e rango igual a n, y B e s una
m atriz de ord en ( n ,m ) (am bas m atrices con térm inos en &), entonces:
ran go (A B ) = rango B.

T ra n s fo rm a c io n e s elem en tales de u n a m a triz


• T ran sfo rm ació n elem en tal de u n a m atriz: es cu alq uiera de los tipos:
o perm utar entre sí d o s filas,
o m ultiplicar una fila por u n escalar no nulo,
o su m ar a una fila el resu ltad o d e m u ltiplicar o tra p o r un escalar.
Una transform ación elem ental co n serva el rango de la m atriz a la que se aplica.
• M atriz elem en tal de orden n asociad a a u n a tran sform ación elem en tal: resu l­
tado de aplicar la transform ación elem ental a la m atriz identidad /„.
Propiedades:
o el rango de una m atriz elem ental de orden n e s igual a n,
o el resu ltad o de aplicar a una m atriz una tran sfo rm ació n elem en tal es el
prod ucto po r la izqu ierd a d e la m atriz po r la m atriz elem ental aso ciad a a
la transform ación elem ental.
• Si A es u na m atriz de ord en (n , m ), y si ra n g o (4 ) = r » 1, y lo s r prim eros
vecto res colum na de 4 son lin ealm en te in d epen d ien tes, se pu ed e obtener, apli­
cando a .4 tran sform aciones elem en tales su cesiv as, u n a m atriz .4' de la form a:

1 0 . . 0 f l io-+i) • a ’l m Xl
0 1 . . 0 a 2 tr*l) ■ a 2m

0 0 . . 1 a r ( r + l) • & rm
0 0 . . 0 0 0

Vo 0 . . 0 0 0 )

r m- r

Existe u na m atriz 7 , cu ad rad a d e orden n, y de rango 11 , tal que: 7 4 = 4 '.


¿4 2 III. MATRI

In v e r s a de u n a m a triz c u a d r a d a C o n sid eram o s u n a m atriz cu adrada A de


orden n con térm inos en IK:
• In v e rs a de A: m atriz Bcu adrada de orden n tal que: AB = BA = l n.
Se dice: ,4 es in vertib le.
Si .4 es invertible, su in versa e s única. Se den ota: B = A ~ l .
• Propiedades:
o A A ~ ' = A ~l A = /„;
o (A ~ ') ' = 4 ;
O Iñ ' = ¡n
o (A e s invertible) <=> ra n g o A = n.
• Para el cálculo práctico d e A - 1 : se aplican a /„ las m ism as transform aciones
elem en tales su cesiv as que llevan la m atriz 4 a la m atriz

T rasp u esta de u na m a triz C on sideram os u n a m atriz 4 con térm in os en (K ck


ord en (n , m ):
• M atriz tra sp u e sta de 4 : e s la m atriz de ord en ( m , n ) cu yo térm ino d e posi­
ción ( i j ) es el d e posición ( j, i) de 4 , 1 < i m, 1 j n.
Se denota: 4 l.
• Propiedades:
° l'n = ^n>
o ( 4 1)1 = 4 ;
o (4 + B )' = 4 ( + B'\
o (ocA)1 = « 4 1;
o (B A )' = A'B'\
o rang o 4 ' = rang o 4 ;
o si 4 e s cu adrada e invertible: (A 1) - 1 = (.4 1 )1.
C a p í t u l o IV

SISTEMAS DE ECUACIONES
LINEALES
244 IV. SISTEMAS DE ECUACIONES LINEALES

ESQUEMA - RESUMEN

I n tro d u c ció n 245 2. Resolución de un sistema de la forma


Definiciones y propiedades, 245 • Resolución de un sis­ A X = C ................................................................280
tema de ecuaciones lineales. 251 • Aplicaciones de los
sistemas de ecuaciones lineales, 261 3. A plicacion es de lo s sistem a s de ecuacio­
nes lin eales 286
1. D efiniciones y propiedades 26 8 1. Ecuaciones de un subespacio vectorial. . .286
1. Definiciones; notación m atricial....................268 2. Expresión de un vector como combinación
2. Aplicación lineal asociada a un sistema . .2 7 0 lineal de otros vecto res.....................................288
3. Sistemas e q u iv a le n te s ................................... 273 3. Calculo de una base de un subespacio vec­
torial dado por unas ecuaciones.....................289
4. Ejemplo de intersección de subespacios
2. R esolu ción de un sistem a d e ecuaciones vectoriales.......................................................... 2 9 1
lineales 277
1. Determinación del núcleo de una apli­ Rec a p it u l a c ió n IV 293
cación lineal. Resolución de un sistema Definiciones y propiedades, 293 • Resolución de un sis­
h o m o g é n e o ........................................................ 277 tema de ecuaciones lineales, 294.
INTRODUCCIÓN 245

INTRODUCCIÓN
D e fin icio n e s y p ro p ie d ad es Una ecuación lineal en las incógnitas X ] , x¿, ■■ x m
es una ecuación de la form a:

a 1 X 1 + « 2-X2 + • • ■ + a mx m = c ,

donde a 1 , a 2, . . a m son núm eros reales, que llam arem os coeficientes de la ecuación,
y c es otro núm ero real, que llam arem os término independiente de la ecuación. Por
ejem plo, las tres sigu ien tes son ecuacion es lin eales en las incógn itas x j , x ¿ y xy.

x 1 - x¿ - 3X 3 = 2 , X3 = 1 y - rX | + 4x 3 = 0 .
Los coeficientes de la p rim era ecuación son 1 , - 1 y - 3 ; los de la segun da: 0, 0 y 1;
y los de la tercera: - 1 / 5 , 0 y 4. Los tres térm inos in d epend ientes son 2, 1 y 0,
respectivam ente. Las sigu ien tes tam bién son ecuaciones en las incógnitas x\, x-¿
y X j, pero no son lineales:

X |X 2 + x 3= 2,
7
xj + 3x2- X 3 = - 1, 2xi -
1
— = 1.
X3

M uchas veces se em plean otras letras para design ar las incógnitas, com o x , y , z, t
o u. Por ejem plo, estas son ecu aciones lin eales en las incógnitas x , y , z y í:

2 x + 3 y - 2z + t = - 3 y - 2 y - z - t = l.

Estam os in teresad os en lo s sistemas de ecuacion es lineales, que no son m ás que


un conjunto de ecuaciones lineales con sid eradas sim ultáneam ente, todas en las m is­
m as incógnitas. Por ejem plo, el siguiente es un sistem a de dos ecuaciones y cuatro
incógnitas:
í 2xi + 3x 3 - x4 = 2
[ X i + Xo + 4X3 + x 4 = - 1.
N ótese que am bas son efectivam en te ecuacion es en las m ism as incógnitas: X j , x 2, X 3
Vtr­
io d o s los sistem as adm iten una notación m atricial, de sum a im portancia para
un ulterior estu d io del sistem a. Por un lado, se define la llam ada matriz asociada al
sistem a, que tiene tantas filas com o ecuacion es y tan tas colum nas com o incógnitas, y
cuyos térm inos son lo s coeficientes de las ecuaciones (colocados en el m ism o orden
en el que figuran en el sistem a). Por otro lado, se define la matriz de incógnitas, que
es la m atriz colum na cuyos térm inos son las incógnitas del sistem a. Y finalm ente se
define la matriz de términos independientes, que es la m atriz colum na cu yo s térm inos
son los térm inos in d epend ientes de las ecuaciones. Estas m atrices su elen denotarse
IV. SISTEMAS DE ECUACIONES LINEALES

con las letras A, X y C, respectivam en te; la notación m atricial del sistem a es entonces
esta: A X = C.
Escribam os la notación m atricial del sistem a que hem os p u esto de ejem plo dos
párrafo s antes. Su m atriz asociada será de orden (2 ,4 ) (tantas filas com o ecuaciones
y tantas colu m nas com o incógnitas); en su prim era fila tendrá com o térm inos los
coeficientes de la prim era ecuación, esto es: 2, 0, 3 y - 1 ; en su segun d a fila, los
coeficientes de la segun d a ecuación: 1, 1, 4 y 1 . La m atriz asociada es entonces:

0 3 - 1
.4 =
i 1 4

Su m atriz de incógnitas y su m atriz de térm inos in d epend ientes son las m atrices
colum na cu yos térm inos son las incógnitas y lo s térm inos in d epend ientes del s is­
tem a, resp ectivam ente; es decir:

(x i\
x¿
Y - y c -
-V.-¡ -(-9-
w

La notación m atricial del sistem a es: A X = C, que tom a esta form a concreta:

ÍX\ \
-1 X> 2
1 X.Í -1
V A V

N ótese que si efectu am os el prod ucto del prim er m iem bro, la igualdad anterior se
tran sform a en esta:
/ 2.Y] + 3x í - x4 \ í 2>
\Xi + x 2 + 4X3 + X t J \ - l,

que es equ ivalente al sistem a propiam en te dicho.


A dem ás de las tres m atrices que acabam os de ver, para un sistem a de ecuaciones
lin eales dado se define otra m atriz, que recoge toda la inform ación n ecesaria sobre
el sistem a: la llam ada matriz ampliada del sistem a, form ada ad ju n tan d o a la m a­
triz asociad a la m atriz de térm inos in d epend ientes (esto es, añadiendo a la m atriz
asociada una colum na m ás, cu yo s térm inos son los térm inos in d epend ientes de las
ecuaciones). Si la m atriz asociada se ha denotado por A y la de térm inos in d epen ­
dientes p o r C, la m atriz am pliada se escribe: (,4 | C l. Para el ejem p lo de sistem a
que venim os considerando, su m atriz am pliad a se escribe así:
INTRODUCCIÓN

Un concepto m uy im portante es el d e solución de un sistem a de ecuacion es li­


neales. C onsiderem os un sistem a de ecuacion es lin eales de m atriz asociad a A y de
m atriz d e térm in os in d epend ien tes C (o dicho de o tra form a: el sistem a A X = C, o
tam bién: el sistem a d e m atriz am pliad a (.4 | C)>. Llam arem os solución del sistem a a
toda matriz, colum na A j tal que el p rod ucto A A j e s igual a la m atriz C. Para el sistem a
que venim os consid eran do com o ejem plo , u n a solu ción es esta m atriz colum na:

1'
-2
Xi =
0
0/

¿Qué sign ifica esto ? Que si m ultiplicam os la m atriz asociada del sistem a po r esta m a­
triz A 'i, obtenem os com o resu ltad o la m atriz de térm in os independientes. T enem os:

l)
0 3 -2
AX¡ = = C,
1 4 O 0 'U j
o)
lo que p ru eba que efectivam en te la m atriz A j e s u n a solu ción del sistem a. Nótese
que si en el sistem a propiam ente dicho su stitu im o s las incógnitas por lo s térm inos
corresp on d ien tes de la m atriz A j , e s decir, si su stitu im o s X |, x>, x$ y x 4 por 1, - 2 , 0
y 0, respectivam en te, en ton ces obtenem os d o s id en tid ad es (una por cad a ecuación):

2-1 + 3 •0 - 0 = 2
I + ( - 2 ) + 4 - 0 + 0 = - 1.

T od o sistem a de ecu acion es lin eales verifica un o y só lo uno de esto s aserto s: no


adm ite solución , adm ite exactam en te u n a solución , o adm ite in fin itas so lu c io n e s.1
Entenderem os por discutir un sistem a la tarea de averigu ar cuál de esto s tres aserto s
se verifica para el sistem a; es decir, averigu ar si adm ite solu ción o no, y en caso
afirm ativo si sólo adm ite una o adm ite infinitas. Y en ten d erem os po r resolver el
sistem a averigu ar concretam ente to das las m atrices colum na —u n a o in fin itas— que
sean solu ción del sistem a caso de que adm ita alguna.
La tarea de discutir un sistem a requiere solam ente un cálcu lo d e rangos. El re su l­
tado fun dam ental es este: un sistem a d e ecu acio n es lin eales adm ite algun a solución
s i y solam en te si el rango de su m atriz asociad a coincide con el ran go de su m atriz

' L o s s i s t e m a s q u e n o a d m i t e n s o l u c ió n s e d e n o m in a n incom patibles, l o s q u e l a a d m it e n , com patibles.


L o s s i s t e m a s c o m p a t i b l e s s e c a l i f i c a n a d e m á s d e d eterm inados o d e indeterm inados, s e g ú n a d m i t a n s ó lo
u n a s o l u c i ó n o in fin it a s , r e s p e c t iv a m e n t e . F .sta n o m e n c l a t u r a , c o m ú n e n m u c h o s m a n u a l e s q u e tr a ta n
lo s s i s t e m a s d e e c u a c io n e s l in e a le s , n o s e u t i li z a e n e s t e te x to .
248 IV. SISTEMAS DE ECUACIONES LINEALES

am pliada; adem ás, en caso de coincidencia, es decir, en caso d e adm itir solución , el
sistem a adm ite solución única si tal v alo r com ún del rango e s igual que el núm ero
de incógnitas, y adm ite infinitas so lu cio n es si tal valor del ran go es m enor que el
núm ero d e incógnitas. Para el sistem a que venim os con sid eran do com o ejem plo, se
tiene:

0 3 - 1
rango A = rango = 2,
1 4 1

2 0 3 2
rango (.4 C ) = rango = 2,
1 1 4 1 -1

luego el sistem a adm ite solución (ya lo sabíam os: habíam os p u esto u n ejem plo); pero
ad em ás e ste valo r com ún del rango es m enor que el núm ero d e incógnitas del sistem a
(éste e s 4 y aquél e s 2), luego el sistem a adm ite in fin itas soluciones.
Otro ejem plo:
Í4 x + 2 y = 2
[2 x + y = 2.

Este es u n sistem a de dos ecu acio n es y d o s incógnitas (nótese que estam o s den o­
tando é sta s con las letra s x y y ). La m atriz aso ciad a y la m atriz am pliad a son,
resp ectivam en te, estas:
<A 2\ (4 2 2
,2 1/ y \2 1 2

El rango de la prim era es igual a 1 (am bas filas so n proporcionales), pero la segunda
tiene ran go igual a 2 (am bas filas no so n proporcionales): el sistem a no adm ite so lu ­
ción.
Y otro ejem p lo m ás de sistem a, que in trod ucim os directam ente en notación ma-
tricial. C onsideram os e ste sistem a:

/I -2 5'\ ( x A
í v\
2 -4 1 x¿ =
0
\0 1 Y) \x i ) a /

que tiene tres ecuacion es y tres incógnitas. Sus m atrices aso ciad a y am pliad a son.
respectivam ente, estas:

n -2 (i -2 5 1\
5\
2 -4 1 y 2 -4 1 0
\o 1 l lo 1 I 2/

A m b as son de rango igual a 3, com o el lector pu ed e calcu lar. Se trata, en ton ces, de
un sistem a que adm ite solución, y solución única, pu es el valor com ún del rango
coincide con el núm ero de incógnitas.
INTRODUCCIÓN 249

En la sección siguiente verem os cóm o abo rd ar el problem a de resolver un sistem a


de ecu aciones del cual sab em os, por haberlo discutido previam ente, que adm ite so lu ­
ción. Pero an tes de term inar esta sección q u erem os h ab lar de sistem as equivalentes:
que dos sistem as d e ecuaciones lin eales sean eq u ivalen tes significa que am bos tienen
el m ism o con ju n to d e solu cion es (si ninguno de lo s d o s adm ite solución , se co n sid e­
ran tam bién equ ivalen tes: en este caso el co n ju n to de so lu cio n es sería, p ara am bos,
el vacío). Un resu ltad o im portan te estab lece que, dado un sistem a de ecuaciones,
pod em os escrib ir otro equ ivalente a él aplican do a la m atriz aso ciad a y a la de térm i­
no s in d epen d ientes u na m ism a tran sform ación elem ental po r filas. Más en concreto,
si A X = C es un sistem a de ecuacion es lin eales (dado en n otación m atricial), y si .4'
y C son el resu ltad o de ap licar a las m atrices .4 y C , respectivam en te, una m ism a
trasnform ación elem ental (por filas), en ton ces los sistem as A X = C y A 'X = C ' son
equ ivalen tes: o ninguno d e ello s tiene solución, o am bos tienen las m ism as so lu ­
ciones, esto es, si u n a m atriz colum na es solución de uno, tam bién lo es del otro.
A m odo d e m u estra d e lo dicho, con sid erem os el sistem a que hem os p u esto antes
com o ejem p lo d e sistem a d e u n a única solución:

-2 3\ / lj *1 - 2x >+ 5 x j = 1
( X '\
2 -4 1 \X2 = 0 , 0 bien 2 * i - 4x_> + X i = ()
lo 1 \) W \2) x¿ + x¿ = 2

A pliquem os, tanto a su m atriz aso ciad a com o a su m atriz de térm in os in d epend ien ­
tes, la transform ación elem en tal F> - F> - 2F, (esto es: su m ar a la segun d a fila la
prim era m ultiplicada por - 2 ) :

F .- F .- 2F,

Dicho de otra form a, m ás cóm oda: apliq uem o s a la matriz ampliada del sistem a la
transform ación elem ental F¿ - F-¿ - 2 f j :

/I -2 5 1\ /I -2 5
F_._F.-2F,
(2 -4 1 0 0 -9
°
lo 1 1 2) lo 1 1

F.l sistem a original es en ton ces equivalen te a este:

fx X\ - 2x.- + J.Y j = 1
/1 "2 3N\ 1)
0 0 -9 *2 u _2 , 0 bien - 9X3 = _ 2
lo 1 1) \ 2) X> + X-i = 2

de su segun d a ecuación se obtiene: = 2 / 9 , que su stitu id o en la tercera propor­


ciona: X'i = 2 — 2 / 9 = 16 / 9 , y finalm ente d e la prim era resu lta: X\ = 3 1 / 9 . La única
250 IV. SISTEMAS DE ECUACIONES LINEALES

solución de este últim o sistem a, y po r en d e del original (pues so n equivalentes), es


en ton ces esta m atriz colum na:
/31/9N
16/9.
V 2/9 j

El m étodo que u tilizarem os en la sección sigu ien te para reso lver u n sistem a se b asa
en lo que acabam os de ver en este ejem plo : m ediante tran sform aciones elem entales
por filas ap licad as a la m atriz am pliad a del sistem a (que es tan to com o decir que se
aplican sim u ltáneam ente a la m atriz aso ciad a y a la de térm inos independientes), se
trata de llegar a un sistem a equ ivalen te al original y fácil de resolver.
Q uizá el lector se pregun te por el efecto en un sistem a de ecu acion es lineales
de u na tran sform ació n elem en tal por columnas. Sólo em plearem os, y y a verem os
cuándo será necesario, las de tipo I, e s decir, el intercam bio de colum nas. Para ver
qué ocurre, fijém onos en el prim er sistem a de ecuacion es que con sid eram os como
ejem p lo al principio de e ste apartado:

2x¡ +3X 3 - * 4= 2
X| + X ¿ + 4X;¡ + X 4 = - 1 .

Si intercam biam os las dos p rim eras colu m n as en su m atriz am pliad a (en particular,
no tocam os lo s térm inos independientes), obtenem os esta m atriz:

ÍO 2 3 - 1 2\
^1 1 4 1 - lj’

que correspon de con e ste sistem a:

2 X 2 + 3X3 - X 4 = 2

X \ + X i + 4X3 + X'4 = - I .

Fijém onos en que la diferen cia entre e ste sistem a y el original no e s m ás que un
intercambio de incógnitas: si en u n o de lo s d o s intercam biam os las in cógn itas x¡
y A'2, obtenem os el otro. No podem os decir que lo s d o s sistem as sean equivalentes,
p u es toda solución de uno no e s n ecesariam en te solu ción del otro. Pero a partir de
una m atriz colum na que sea solu ción de uno de ello s, sí po d em o s o b ten er una m atriz
colum na que sea solución del otro: intercam biando su s d o s prim eros térm inos, que
son lo s que se correspon d en con las incógnitas x i y x¿. Por ejem plo, d e esta m atriz
colum na sab em o s es solu ción del sistem a original:

l\
-2
O ’
0/
AITRODUCCION 251

O btenem os u na solución del seg u n d o sistem a intercam biando s u s d o s prim eros tér­
m inos:
' - 2\
1
0
<V
En resum en: u n intercam bio de colu m n as de la m atriz aso ciad a de un sistem a se
traduce en u n intercam bio de las incógnitas co rresp o n d ien tes a esa s colu m n as; las
solu cion es de uno de lo s d o s sistem a s se pueden o b ten er de las del otro intercam ­
biando lo s térm inos correspondien tes.

Nota bene Si intercambiamos dos columnas de la matriz ampliada de un sistema, una de


ellas no debe ser la última columna (es decir, la de términos independientes), pues ello
nos llevaría a otro sistema completamente distinto. A

Resolu ció n de u n sistem a de ecuacio nes lin e a le s En el texto, apren d em o s a


reso lver prim ero los llam ados sistem as homogéneos, q u e so n a q u ello s cu y o s térm i­
no s in d epen d ientes son todos nu lo s, es decir, los de la form a: A X = O. Lo prim ero
que o b servam os d e un sistem a hom ogéneo e s q u e adm ite al m en os u n a solución:
la m atriz nula correspondiente (dicho inform alm ente: ob ten em os u n a solu ción si
dam os a todas las incógnitas el valo r 0), con lo que la d iscu sió n d e un sistem a ho­
m ogéneo se red u ce a d eterm in ar si esta solución n u la e s única o no. Ello se averigua
calcu lan d o el rango d e la m atriz asociad a: si e ste ran go e s igual al núm ero d e incóg­
nitas, la solu ción nula será única; si tal rango es m en o r q u e el nú m ero de incógnitas,
habrá in ñn itas solu cio n es (de las cu ales una será la nula). El sigu ien te es un ejem plo
de sistem a hom ogéneo con u n a única solución:

| 2 * i + 3x¿ = 0 2 3 -Vi
o bien
I 3 * i - 5 .v 2 = 0 , 3 -5 *2

En efecto: el rango de su m atriz asociad a es igual a 2 , y son d o s las incógnitas,


luego el sistem a adm ite únicam ente la solu ción nula; en este caso, é sta e s la m atriz

colum na (Nótese que si su stitu im o s tan to a' i com o * > po r 0 en la exp resió n del

sistem a, obtenem os efectivam ente d o s identidades.)


Fijém onos ahora en este otro sistem a hom ogéneo:

(X\ \
* 1 + 2 * 2 + * ;s = 0 1 2 1
o bien *2
-*1 + 2 *2 - *3 =0, - 1 2 - 1
\ * 3 /

D enotem os su m atriz asociad a por .4. La m atriz 4 tien e rango igual a 2 y el s is ­


tem a cu enta con tres incógnitas, u n núm ero m ayor que e l rango, lu ego hay infinitas
252 IV. SISTEMAS DE ECUACIONES LINEALES

soluciones. Para en con trarlas, b u scam os un sistem a equivalente fácil de reso lver, v
para ello hacem os uso d e u n a propiedad que hem os visto en el ap artad o anterior:
podem os obtener un sistem a equivalen te a uno dad o ap lican d o u n a m ism a tran s­
form ación elem ental por ñ las tanto a la m atriz asociad a com o a la m atriz de tér­
m inos in d epend ientes (o directam ente a la m atriz am pliada, que e s una fo rm a de
ap licar la transform ación sim u ltán eam en te a las dos m atrices citadas). A hora bien,
no deb em os preocu parn os por la m atriz de térm in os in d epen d ien tes de un sistem a
hom ogéneo, p u es se trata d e una m atriz nula y cu alq u ier tran sform ación elem ental
que le apliquem o s tendrá la m ism a m atriz n u la com o resu ltado. B uscam os, entonces,
aplicar tran sform acion es elem en tales a la m atriz A que n o s perm itan o b ten er una
m atriz cu yo sistem a hom ogéneo correspo n dien te sea fácil de resolver. De acuerdo
con lo visto en el capítulo III (verbigracia, cf. p. 168), a partir de la m atriz A, y aplicán ­
dole tran sform acio nes elem en tales su cesiv as, podrem os o bten er u n a m atriz A ' de la
fonn a:
'1 0
A' =
vO 1
(los p u n to s señ alan posicion es que podrían s e r o cu p ad as por cualquier n ú m ero reali;
en concreto:
1 2 1 F¿—F¿+i-| 2 F¡-UI4)F¿ F ,- F , 1 0 1
-1 2 -1 4 0 1 o

y por tanto:

A '- ( ¡ °
A ~ lo 1 0¡
T en em os en ton ces que el sistem a original: A X = O, y el sistem a A 'X = O son equiva­
lentes. Este últim o sistem a tom a la form a:
fx
fl 0 1x A o bien
A 'j = 0

\0 1 °J/ 1\x-.J Xl = 0.

De la prim era ecuación o bten em os: X\ = - x ¡ , y la segun d a n o s dice directam ente


que x¿ e s nulo; si denotam os: A = - X 3 , podem os afirm ar que, cualquiera que sea el
valo r del núm ero A, es una solu ción del sistem a A 'X = O la sigu ien te m atriz colum na:

\\ ( 1\
0 , 0 bien A 0
\ ~ 'V V -i/
En conclusión, el sistem a original tiene po r solu ción cu alq u ier m atriz colum na de
esta form a:
n
0 , con A e 05. (1 >
\ - l/
INTRODUCCIÓN 253

D ando valores al parámetro A, vam o s obteniendo d istin tas so lu cio n es del sistem a
(para A = 0, por ejem plo, obtenem os la solución q u e y a co n o cíam os desde el princi­
pio: la nula). Q uerem os añ ad ir que es posible d a r d irectam en te la solución final ( i ) a
la v is ta de la m atriz A', sin n ecesid ad d e escrib ir y reso lver el sistem a .4 'X = O; en el
texto (cf. p. 278) se exp lica u na regla gen eral para ello, q u e tratarem os de desgran ar
en este y en otro s ejem plos. De acu erd o con esta regla, la solución final del sistem a
co n sta de u na o m ás m atrices colum na, su m ad as si so n m ás de una, cad a una de ellas
m ultiplicada por u n p arám etro distin to. Hay tan tas m atrices d e e ste tipo, o tantos
parám etros, com o m arca la diferen cia entre el núm ero d e incógnitas del sistem a y el
rango. F.n n u estro caso, e sta diferen cia es igual a 1, por eso só lo h ay u n parám etro
(que denotam os por A), m ultiplicado por una m atriz colum na. Esta m atriz colum na
tiene tantos térm inos com o incógnitas, tres en n u estro caso, y se “ co n stru ye” así:
su s dos prim eros térm inos (tantos com o el rango) se obtien en de la últim a colum na
de la m atriz A', y su ú ltim o térm ino se estab lece igual a - 1 . Lo resum im os en este
esquem a:
/ — \ i
1
! 0 0 0
v° 1 ) a -1
Esta últim a m atriz colum na, acom pañ ad a po r el p arám etro A, es precisam en te la que
obtuvim os en ( 1 ).

Nota bene Cuando aplicamos esta regla para escribir la solución de un sistema a partir de
su matriz A' habiendo un solo parámetro, la matriz columna que acompaña a éste en la
expresión de la solución se construye así: sus primeros términos, tantos como el rango,
se “copian" de la última columna de la matriz .4' (de la forma que sugiere el esquema
anterior), y aún quedará un término por completar: se rellena con el número - 1 . a

C o n siderem os a continuación este otro ejem p lo de sistem a hom ogéneo:

-V| + X i - X3 - 2X4 = 0 /I 1 - 1 - 2\ fo\


x¿
2x , - x¿ + 2x 3 =0 0 bien 2 -1 2 °] X{
3X| + X 3 2 x 4 = 0,
-
0 1 - 2) w
{ x 4/

La m atriz asociad a, que vam os a d en o tar p o r B, tien e rango igual a 2, y so n cu a­


tro las incógnitas, lu ego adm ite in fin itas so lu cion es; p a ra en co n trarlas procedem os
com o en el ejem p lo anterior. A partir d e la m atriz B , y ap licán dole tran sform aciones
elem en tales por filas su cesiv as, podem os o b ten er u n a m atriz B ' d e la forma:

( 1 ° * *\
B' = 1 0 1 • •
\0 0 0 0/
254 IV. SISTEMAS DE ECUACIONES LINEALES

(los p u n to s, com o es h ab itu al, señ alan p o sicio n es que pueden ser o cu padas por cual­
qu ier número). C oncretam ente, tras ap licar su cesivam en te a la m atriz B las tran sfo r­
m aciones elem en tales F> - F> - 2F\, - Fs - 3 F |, F> - ( - 1 / 3 )F>, F\ — F¡ - F_
y F j — F ¡ + 3F>, obtenem os:

0 1/ 3 -2/3\
1 -4 /3 -4 /3
0 0 0

El sistem a original: B X = O, es en ton ces equ ivalen te al sistem a hom ogéneo d e m atriz
aso ciad a la m atriz B ': B 'X = O. Podríam os escrib ir éste y resolverlo, com o hicim os
en el ejem p lo anterior, pero vam os a m o strar cóm o se ap lica la regla del texto para
obtener la solu ción directam ente a partir de la m atriz B ' 2 La diferen cia entre el
núm ero de incógnitas y el rango es: 4 - 2 = 2, a sí que la solu ción co n sta de la suma
de d o s m atrices co lu m n a m u ltiplicadas por sen d o s parám etros. Cada u n a de estas
m atrices colum na tiene cu atro térm inos (pues cu atro son las incógnitas): los dos pri­
m eros (tantos com o el rango) se copian de las d o s ú ltim as colu m n as de la m atriz B .
y lo s dos re sta n tes se rellenan así: - 1 y 0 p ara la prim era m atriz, y 0 y -1 para la
segund a; todo según e ste esquem a:

(l 0 1/ 3 -2 /3
0 1 -4 /3 -4 /3

\0 0 0 0

Si den otam os p o r A y p lo s d o s parám etros, podem os con clu ir que la solu ción de;
sistem a original es cu alqu ier m atriz colum na de esta form a:

/ 1/ 3 X ''- 2 / 3 ^
-4 /3 -4 /3
con A e 1 y p e
-1 0
0

Nota bene Cuando aplicamos la regla para escribir la solución final de un sistema habien­
do dos parámetros, las sendas matrices columna que los acompañan en la expresión de
la solución se construyen así: sus primeros términos, tantos como el rango, se “copian
de las últimas columnas de la matriz A' (de la forma que sugiere el esquema), y todavía
quedarán dos términos por completar en ambas matrices columna: la primera matriz se
rellena con - 1 y 0 (de arriba abajo), y la segunda con 0 y - 1 . a

En el texto figuran m ás ejem p lo s de resolu ción d e sistem a s hom ogéneos, todos


resu e lto s según el esq u em a de trabajo que hem os seguido en lo s p árrafo s anteriores.

-Recuérdese que esta regla se explica en la p. 2/8.


INTRODUCCIÓN 255

C om entem os cóm o se gen eraliza la regla que estam os u tilizan d o para escribir la
solución final: h ay tan tos parám etro s, cada uno con su m atriz colum na, com o m arca
la diferencia entre el núm ero de incógn itas y el rango. Los prim eros térm inos de
estas m atrices colum na, tantos com o el rango, se copian de las últim as colum nas
de la m atriz A' correspondiente (la que h abrem os obtenido de la m atriz asociad a del
sistem a m ediante tran sform aciones elem en tales p or filas adecuadas), según se su gie­
re en lo s esq u em as que hem os visto en lo s ejem plos anteriores. Con esta operación
todavía estarán pendientes de rellen ar en cada m atriz colum na tantos térm inos com o
parám etros haya. Si h ay u n solo parám etro, y por tanto un solo térm ino por rellenar,
éste se fija igual a - 1, com o hem os visto ; si hay dos, ésto s se rellenan con -1 y 0
p ara la prim era m atriz y con 0 y -1 p ara la segun da; si h ay tres: - 1, 0 y 0 p ara la
prim era, 0, - 1 y 0 para la segunda, y 0, 0 y - 1 p ara la tercera; y así sucesivam en te.
A n tes de p a sar a ver la resolu ción de un sistem a general, veam os un ejem plo
m ás, en el que tendrem os que realizar u n a tran sfo rm ació n elem ental por colum nas.
C on siderem os el siguiente sistem a hom ogéneo:

X | + X2 + 2X3 = 0
o bien
- X i - X¿ + 2X3 = 0 , s / \ v
\*3>
Su m atriz asociada, que denotam os p o r D, tiene ran go igual a 2, y son tres las in ­
cógnitas, así que se trata de u n sistem a hom ogéneo con infinitas solu cion es; para
encontrarlas p roced em os com o en lo s ejem p lo s anteriores. A partir de la m atriz D, y
m ediante la aplicación de tran sform acio n es elem en tales su cesivas, podem os obtener
una m atriz D' de esta form a:

M
D’ -
i :)>
en concreto:
i 1 2\ fi-fc+F, (l 1 2\ C2-C3 (\ 2 l\
- 1 -1 2) \0 0 4) ^0 4 0/

fi-U / 4 )F2 / l 2 l \ f| —F, -2F_> /1 0 l\


Vo 1 0) \o 1 0)
donde “ Q - C 3” design a la transform ación elem ental de intercam biar las colum nas
segun d a y tercera. Hem os obtenido:

:i o r
o' =
(0 1 0J

pero nos hem os visto obligad os a aplicar, adem ás de tran sform aciones elem en tales
por filas, una transform ación elem en tal po r colum nas (para precisar, un intercam ­
bio de colum nas). No podem os decir que el sistem a original sea equivalente al s is ­
tem a D ’X — O, pero si resolvem os éste podrem os obtener de su solu ción la solución
256 IV. SISTEMAS DE ECUACIONES LINEALE

de aquél, p u es un intercam bio de colu m n as —com o vim o s en el prim er a p arta d o —


se traduce en un intercam bio de las incógnitas correspo n d ien tes: en este caso, de
las incógnitas x ¿ y a -;¡. Notem os que el sistem a ü 'X = O es p recisam en te el s is ­
tem a A 'X = O que resolvim os en el segun d o ejem p lo de este apartado; su s soluciones
so n las m atrices colum na de esta form a:

con A

Si intercam biam os los térm inos seg u n d o y tercero (que so n los que se corresponden
con las incógn itas X 2 y x :¡), obtenem os finalm en te la solu ción del sistem a original:

n
con A e
0/

Una ve z sab em o s reso lver un sistem a hom ogéneo, estam o s en disp osició n de
resolver un sistem a general A X = C, con térm inos in d epen d ien tes no necesariam ente
nulos. D ebem os su pon er, po r su p u esto , que el sistem a adm ite solución , de lo que
nos podem os d ar cuenta discu tién d olo previam ente. Recordem os: el sistem a admite-
so lu ción si y solam en te si el rango de la m atriz aso ciad a y el de la m atriz am pliada
coinciden; y cuando h ay solución, si tal rango com ún es igual que el núm ero de
incógnitas, la solución es única; si e s m enor, h ay in fin itas soluciones.
Pongám onos prim ero en el caso de u n a única solución. V eam os con un ejem ph
la form a de proceder. C onsiderem os el sigu ien te sistem a:

t 1 l - l\ (*\\ 1
0 1 0 Xi = 2
v-l -1 2) \X3J l-l

D enotem os su m atriz aso ciad a por A y su m atriz de térm inos in d epend ientes po r C
T an to la m atriz A com o la am pliad a (/i | C’ ) tienen rango igu al a 3, y so n tres las
incógnitas, luego el sistem a adm ite efectivam en te solu ción única. Para resolverlo,
utilizam os esen cialm ente el m ism o procedim iento que p ara lo s sistem a s hom ogé­
neos: b u scar un sistem a equivalen te m ás sen cillo de reso lver m ediante la aplicación
de u n as m ism as tran sform aciones elem en tales po r filas su cesiv as tanto a la matriz
asociad a com o a la m atriz de térm inos in d epend ientes (o directam ente a la m atriz
am pliada, que e s una form a de aplicar las tran sform aciones sim u ltán eam en te a lay
d o s m atrices citadas). Igual que con lo s sistem as hom ogéneos, b u scam os llevar la
m atriz asociad a del sistem a a la form a m ás sencilla que vim os en el capitulo II (ver­
bigracia, cf. p. 168 ); pero a diferencia de ello s, ahora sí deb em os preocu parn os por
INTRODUCCIÓN 257

la m atriz de térm inos independientes, porque si e sta m atriz no es nula, una tran s­
form ación elem ental puede cam biar su valor. En este ejem plo que nos ocupa, com o
la m atriz A es cu adrada de orden 3 y de rango igual a 3, a partir de ella podrem os
obtener una m atriz A ' de esta form a:

es decir, precisam ente la m atriz identidad 13. A pliquem os, pu es, tran sform aciones
elem entales por filas su cesivas a la m atriz am pliada (.4 | C ), de form a que llegu e­
m os a su stitu ir la m atriz .4 por la m atriz .4' (o lo que es lo m ism o, por la m atriz
identidad ¡A:

/ I 1 - 1 /] 1 -1 1\
Fi-Fj+F 1
0 1 0 2 0 1 0 2

V 1 -1 ^ ■ V 1,0 0 1 0)

/I 0 -1 - 1 i 0 0 -1
-Fi + A 2
0 1 0 2 0 1 0
d) 0 1 0 0 0 1 0

Si denotam os la m atriz de térm inos in dependientes de la ú ltim a m atriz am pliada


por C ', entonces hem os obtenido:

0 0
.4' | C ' = 1 0 0 2
lo 0 i Oj
El sistem a original es en tonces equivalente al sistem a de m atriz am pliada (.4' | C ') ,
es decir, al sistem a A 'X = C'. Éste tom a la form a:

x-¿

y su solución única es inm ediata; esta solución, que tam bién es la solución única del
sistem a original, es la siguiente m atriz colum na:

R0/-
\

Con los sistem as generales, tam bién se describe en el texto (cf. p. 280) una regla
para escribir la solución final a la vista de la m atriz am pliada obtenida (A ' | C 'j .
IV. SISTEMAS DE ECUACIONES LINEALES

E sla regla, aplicada al caso p articu lar de u n sistem a con solu ción única, n o s dice que
form em os la m atriz colum na solu ción con lo s prim eros térm inos de la m atriz C ' ,
copiando tantos com o m arca el rango; com o el rango y el núm ero de in cógn itas coin­
ciden, no qu ed arán m ás térm inos que rellenar. En e ste ejem plo, el rango es igual a 3.
así que form am os la solu ción con lo s tres prim eros térm inos de la m atriz C ' (en este
caso, acontece que se trata de todos lo s térm inos de la m atriz C '); esquem áticam ente:

/
i 0 0 -1 -i
0 1 o 2 2
0 0 1 0 0

V eam os otro ejem p lo d e sistem a que adm ite solu ción única. C on siderem os el
siguiente sistem a, que difiere del an terior en que tiene u n a ecu ación más:

1 1 -1 0
( x x\
0 1 0 2
-1 -1 2 x¿ -1
V*3/
-1 0 2 1

D enotem os la m atriz asociad a po r G y la m atriz d e térm inos in d epend ientes por ¡V.
La m atriz G y la m atriz (G | N') tienen am b as rango igual a 3, y tres son las incógni­
tas, así que efectivam en te es un sistem a que adm ite solución única; p a ra encontrarla,
proced em os com o en el ejem p lo anterior. A partir de la m atriz G, es posible obtener,
m ediante la aplicación de tran sfo rm acio n es elem en tales po r ñ las su cesiv as, u n a m a­
triz de esta forma:
1 ox
0 0
G' =
0 1
0 o

A pliquem os, p u es, a la m atriz am pliada (G | Ai) tran sform aciones elem en tales por
filas su cesiv as de form a que con sigam os su stitu ir la m atriz G por la m atriz G '. Con
las tran sfo rm acio n es elem en tales sigu ien tes: F 3 -- F3 + F j, F 4 - F_i + F |, F| *- F\ - F \
F4 F 4 - Fz, F| — F| + F'3 y F 4 - F 4 - F3, llegam os a esta m atriz am pliada:

(1 0 0 -1
0 1 0 2
0 0 L 0
Vo 0 0 0/

Si denotam os po r N ' la m atriz de térm inos in d epend ientes de la m atriz am pliada


anterior, la m atriz colum na so lu ció n e sta rá fo rm ad a por lo s prim eros térm in os de la
INTRODUCCIÓN 259

m atriz N ', tantos com o m arca el rango; es decir, la m atriz solución estará form ada
por los tres prim eros térm inos de N":

Este sistem a tiene la m ism a solución que el sistem a del ejem plo anterior, aun te­
niendo una ecuación m ás.
Cuando un sistem a adm ite solución única y tiene el m ism o núm ero de ecuaciones
que de incógnitas, se puede resolver con un m étodo d iferen te del visto en los ejem ­
plos anteriores, que tam bién se explica en el texto (cf. p. 282). Notem os el sistem a
por A X = C. La m atriz A es entonces cuadrada, y al tener solución única el sistem a, el
rango de .4 e s igual que el núm ero de su s filas e igual que el núm ero de su s colum nas;
es decir, la m atriz .4 es invertible. En la igualdad A X - C podem os m ultiplicar por la
inversa de A: A _ ! .4A' = A _ 1 C, o bien: X = A _ 1C. Es decir, p odem os o b te n e rla única
solución del sistem a m ultiplicando la in versa de la m atriz asociad a por la m atriz de
térm inos in d epend ientes. Com o m u estra de ello, recordem os que dos ejem plo s atrás
hem os resu elto un sistem a con tres ecuaciones y tres incógnitas y con solución única;

\-

La m atriz asociad a de este sistem a es invertible, y de inversa:

(2 -1 i\
A '1 = 0 o
Vi 1/
La solución del sistem a pu ed e en con trarse m ultiplicando esta inversa por la m atriz C
de térm inos in d epend ientes:

12 -1 -1\
A ~ 'C = 0 2
M 0/
esta últüna m atriz colum na es efectivam ente la solución que obtuvim os.
Pasam os ahora a tratar la resolución de un sistem a A A = C del que sabem os
adm ite infinitas solu ciones; procedem os, com o en caso s anteriores, con un ejem plo.
C onsiderem os el siguiente sistem a de ecuaciones:

A l + .Y 2 - ,Vj - 2X4 = - 1
/l 1 - 1 -2 \

2 *, -X2+2X-4 4 0 bien 2 - 1 2 0

3x¡ + Xi - 2x 4 = 3, u 0 1 -V
2(jO IV SISTEMAS DE ECUACIONES LINEALES

La m atriz asociad a de este sistem a es la m ism a que la m atriz asociad a del sistem a
hom ogéneo que vim os en la página 2 5 3 ; allí la denotam os po r B. D enotem os a su
ve z por E la m atriz de térm inos independientes de e ste ejem plo que estam o s con ­
siderando. El rango de B e s igual a 2, y tam bién el de la m atriz am pliada (B | E ),
y las incógnitas son cuatro, así que se trata efectivam en te de un sistem a que ad ­
m ite infinitas solu cion es. El procedim iento p ara en co n trarlas es el m ism o que hem os
seguido h asta ahora: aplicar tran sform aciones elem en tales su cesiv as a la m atriz am ­
p liada h asta llegar a la m atriz am pliada de un sistem a que sea sen cillo de resolver. A
partir de la m atriz B, aplicán dole tran sfo rm acio n es elem en tales su cesiv as adecuadas,
e s po sib le o btener u n a m atriz B ' de esta form a:

fl
B‘ = 0
\0 0 o

En concreto, tal y com o vim os en el ejem p lo de sistem a hom ogéneo citado, ap li­
cando su cesivam en te a la m atriz B las tran sform aciones elem en tales Fz — F¿ - 2F_.
E .¡ — f 3 — SE], E> — ( - 1 / 3 )F>, Fi — Fi - Fz y F.t — £3 + 3 Fz, llegam os a:

0 1/ 3 -2 /3 \
1 -4 /3 -4 /3
0 0 0 /
Si aplicam os e sta s m ism as trasfo rm acio n es a la m atriz am pliad a ( B | E ), llegam os
entonces a u n a m atriz am p liad a de la form a (B ' | £ ') para algun a m atriz co lu m n a £ ’:
precisam ente lo que obtenem os es:

A i -1 - 2 -A fi 0 1/3 -2/3 n
2 - 1 2 0 4 — - 0 1 -4/3 -4/3 -2 = (£ ' | £ '
h 0 1 - 2 3 ; lo 0 0 0 oy

Com o su ced ía en los ejem p lo s an teriores, a la vista de la m atriz am pliada o bten i­


d a ( b ' I £ ') e s posible escrib ir directam ente la solución final. La regla b ásica es esta:
la so lu ción del sistem a es igual a la su m a de u n a solu ción p articu lar (es decir, una
cualquiera de las in fin itas que tiene) y la solu ción del sistem a hom ogéneo co rresp o n ­
diente (el que se obtiene an ulan do los térm inos in d epend ientes, es decir: (E | O),
que es equivalen te al ( E ' | ())). Esto últim o: la solu ción del sistem a hom ogéneo co­
rrespon dien te, se escribe a partir de la m atriz £ '; y a lo hicim os en el ejem p lo citado:

/
1 0 1/ 3 -2 /3 I
0 1 -4 /3 -4 /3 -2
0 0 0 0
IN rftODUCCIÓN

Y una solución particular se puedo encontrar a partir de la m atriz £ '. Tal solución
particular es una m atriz colum na do tantos térm inos com o incógnitas: los prim eros,
tan tos com o el rango, son los prim eros do la m atriz £ '; los restan tes, tantos com o
m arca la diferencia entre el núm ero do incógnitas y el rango (o lo que es lo m ism o:
tan tos com o parám etros), se fijan igu ales a 0. En este caso, los d o s —el rango os igual
a 2 — prim eros térm inos de la solución son los prim eros térm inos do E ': 1 y - 2 , y los
dos —hay dos p arám etro s— térm inos restan tes son 0 y 0. Esquem áticam ente:

/ \ / 1 \
1 0 1/3 -2 /3 1
-2
0 1 -4 /3 -4 /3 -2
0 0 0 o 0
0 / V o /

En conclusión, es solución del sistem a original cualquier m atriz colum na de esta


forma:

f- 2 / l/3 >
-4 /3
/ —2/3^
-4 /3
4 A * V con A e IK y p e
0 -i 0
l o J l - 1 )
A p lic a c io n e s de ios sistem as de ecuaciones lin ea les En esta sección se o fre ­
cen diversas aplicaciones de los sistem as de ecuaciones lineales. A lgun as ya han sido
apu n tad as en las introducciones de capítulos p asad os, o en los m ism os capítulos:
coordenadas de un vector en una baso, intersección de su b esp acio s vectoriales, etc.

Coordenadas de un vector en una base C onsiderem os la siguien te b a se 3 de IK2:


B = ( ( l , 3 ) , ( 2 , 5 i ) . ¿C u áles son las coorden adas del vector ( 1, 5) en esta base? Si las
denotam os por tx y /?, e sto s núm eros son tales que: « ( 1 , 3 ) ■+ / l(2, 5) = ( 1 ,5 ) . Esta
igu aldad vectorial es equivalente a estas dos igu aldades: « i- 2/1 = i y 3 o -t- 5/1 = 5,
que podem os escrib ir com o un sistem a de dos ecuaciones en las incógnitas o y /E

o + 2/1 = I
3 0 4 5/1 = 5.

Apliquem os a la m atriz am pliada de este sistem a tran sfo rm acio n es elem entales por
filas su cesivas h asta llegar a una m atriz de esta forma:

1 O
O f

:lC i. c a p ítu lo i.
2fi2 IV. SISTEMAS DE ECUACIONES LINEALES

(recuérd ese que con el punto design am os posicion es que p u ed en s e r o cu padas por
cu alqu ier núm ero real). O btenem os:

- F - 3F, 2 F j— Fj

-1 -2

F’i —F i - 2 F , 5
_?

A la vista d e la m atriz de térm in os in d epend ientes de la m atriz am pliad a obtenida,


concluim os que la solu ción d el sistem a e s esta m atriz colum na:

U)
Las coord enadas del vecto r ( 1 , 5 ) en la b ase B = ( ( 1 , 3 ) , ( 2 ,a )) son , pu es, 5 y - 2 . A
m odo de com probación: 5 ( 1 , 3 ) —2 ( 2 ,5 ) = ( 1 ,5 ) .

Cálculo ác mui base de un subespacio vectorial dado por ecuaciones C on sidere­


m os lo s su b e sp acio s vectoriales 4 F y G d e IR1 definidos, respectivam en te, po r la
ecuación X \ + x 2= 0 y por la ecuación .V] - 2X ( = 0; esto es:

F = {(X 1 .X 2 .X 3 ) e R 3 I x\ + x 2= 0¡ y G = ((X 1 .X 2 .X 3 ) e R 3 | x ¡ - 2 x 3 = 0 | .

¿Cóm o pod em os encontrar u n a b ase de la intersección F n G ? Si denotam os esta


intersección por H , en to n ces po d em o s escribir:

H = F n G = { ( x i , x 2,x a ) e K* I X| + x 2 = 0 y x , - 2 x :i = 0 ) .

La pregun ta que h em os form ulado tiene, pu es, la m ism a re sp u e sta que esta : ¿cóm o
encontrar u na b ase del su b esp acio vectorial de ecu acio n es X \ + x 2= 0yxj -2 x 2= () '
Un vecto r (X 1 .X 2 .X 3 ) d e (R:i perten ece al su b esp acio vectorial H p recisam en te si
su s com pon en tes verifican, a la ve z, las ecu acion es X| + x 2 = 0 y xi - 2x 3 = 0.
Podem os decir esto de o tra form a: el vecto r ( x j , x 2 ,X 3 ) perten ece a H precisam ente
si la m atriz colum na que tiene po r térm inos X j, x_>, y X 3 e s solu ción del sistem a
siguiente:
xi + x 2 = 0
xi - 2x 3 = 0.
B usquem os, p u es, las solu cio n es de este sistem a hom ogéneo. A plicando las tran sfo r­
m aciones elem en tales F> — F¿ - F\, F ¿ F> y F\ - F¡ - F¿ a la m atriz asociad a de-
e ste sistem a, ob tenem os la m atriz:

0 -2
1 2

•*cf. capitulo I.
INTRODUCCIÓN

así que Las soluciones del sistem a son las m atrices colum na de la form a:

con A e

Un vector ú '^ a ^ j í s ) de R 3 pertenece, pues, al su bespacio vectorial H precisam en te


si es de la form a: A ( - 2 , 2, - 1 ) para algún A e R. Se tiene entonces: H = R ( - 2 , 2, - .1 ),
y una b ase de H es ( ( - 2 , 2, - D ) .
Para encontrar una b ase de un su besp acio vectorial dado por unas ecuaciones,
no tenem os en tonces m ás que resolver el sistem a form ado por esas ecuaciones. Los
vectores cu yas com ponentes son los térm inos de las m atrices colum na que figuran
en la solución son los vectores de la base buscada.

Intersección de subespacios afines da ti os por ecuaciones C onsiderem os los hiper-


p la n o s 71 r i], H '2 y de IR4 de ecuación x\ + x¿ - x-¿ - 2x_j = - 1 , 2 x j - X 2 + 2x¡ = 4
y 3 x [ - ,\'3 - 2 .V4 = 3, respectivam ente. Son su bespacio s afínes de R 4 (recordem os que
todo hiperplano es su besap cio afín), y su intersección, si no es vacía, tam bién es un
su bespacio afín de IR4. ¿De cuál se trata? Lo que p reten d em os es encontrar un vector
y un su besp acio vectorial, am bos de R4, tales que podam os escrib ir H i n u> r
com o sum a del vecto r y del su bespacio vectorial.
tiste problem a es sim ilar al que nos plan teábam os en el parágrafo anterior con
su b esp acios vectoriales. Para resolverlo, no tenem os m ás que p lan tearn os y resolver
el sistem a form ado por las ecuaciones que deñnen los h iperp lan os:

X [ - .Y 2 - Y ;- } - 2 .Y _ i = - 1

2-Vi - X¿ + 2X3 = 4

3xi +- X 3 - 2a' 4 = 3.

Dadad una solución de este sistem a, el vector cuyas com ponentes son los térm inos
de la m atriz colum na solución es un vector de la intersección; y recíprocam ente:
dado un vector del su besp acio afín intersección, la m atriz colum na de térm inos su s
com ponentes es solución del sistem a.
N ótese que el sistem a anterior fue el últim o que reso lvim os en el apartado d e­
dicado a la resolución de sistem as. Las soluciones son las m atrices colum na de la
forma:
( 1\
i - 41/3) (-2/3')
_2
0 +A
/3 -4 /3
-1 0 con A e IR y p e

V 0) l 0 i v y
-■Cf. capitulo 1.
264 IV. SISTEMAS DE ECUACIONES LINEALES

Así, podem os decir que la intersección H\ n H¿ n está form ada por los vecto res de
esta form a: ( 1, - 2 , 0 , 0 ) + A( 1 / 3 , - 4 / 3 , - 1 , 0 ) + p ( - 2 / 3 , - 4 / 3 , 0 , - 1 ) para algún A e I
y algún p e R. En conclusión:

H i n H 2 n H 3 = (1,-2,0,0) + R(1/3,-4/3,-1,0) + R( —2/3, —4/3,0,—1),

y u na igualdad com o esta es la que buscáb am os.


Otro ejem plo. ¿Cuál es la intersección del su b esp acio afín de IR¿ definido por la
ecuación x¡ + x 2 = 1 con el definido por la ecuación x\ - 2x? = - 2 ? Escribim os el
sistem a form ado por esta s dos ecuaciones:

ÍX ] + x 2 = 1
j x ] - 2x2 = - 2 .

Tiene solución única:

o -
así que la intersección de los dos su b esp acio s afin es se reduce a un con jun to form ado
por un único vector: { ( 0 . 1 )}.

Determinación de unas ecuaciones para un subespacio vectorial del que conocemos


un sistema de generadores D enotem os por F el su bespacio vectorial de R 3 ge­
nerado^ por los vectores ( 1, - 1 , 2 ) y ( 2 ,0 ,4 ) . Nos gu staría d isp on er de u n a o unas
ecuaciones que definan este su besp acio vectorial. Notem os que un vector ( x i, x 2, x 3 i
de IK3 pertenece a F precisam en te si se puede escribir com o com binación lineal de
los gen eradores ( 1, - 1 , 2 ) y ( 2 ,0 ,4 ) , es decir, precisam en te si existen dos n ú m eros «
y P tales que:
a ( l , - l , 2 ) + 0 ( 2 , O , 4 ) = ( x i , x 2, x 3 ).

Esta igualdad vectorial es equivalente a: a + = X \ , - a - x 2 y 2 « + 4/í = x 3, que


podem os escribir en form a de sistem a en las incógnitas « y p:

(X + ¿ P = X |

--O í = X2

2oí + 4 p = x 3.

Los vectores ( x i , X 2, x 3 ) de F son precisam en te aquellos p ara lo s cu ales este s is ­


tem a de ecu aciones adm ite solución; deberíam os, p u es, discu tir el sistem a en fu n ­
ción de los valo res de x i , x_> y x 3. Pero en v e z de discu tir directam ente este sistem a,
discu tam os uno equivalente m ás sencillo; com o siem pre, co n segu im os tal sistem a

6Cf. capitulo I.
INTRODUCCIÓN 2ds

equivalente con la aplicación a la m atriz am pliada de tran sform aciones elem en tales
adecu ad as. Intentem os que la m atriz del sistem a se tran sform e en una de esta form a:

Rsulta (ojo al aplicar las transform aciones elem entales a la últim a columna):

1 2 n 2
F>~F: +F¡
1 0 x> 0 2
2 4 x j \2 4

i-W

n 2 X: \ n 0 -x ¿ \
F..-N/2IF;
0 1 ( x j + x -¿)/2 I 1 (x j + X'¿)¡2
0
lo 0 Y3 - 2xi / \o 0 X 3 - ’¿ X\ /

Fijém onos en la últim a m atriz am pliada obtenida: es la de un sistem a cu ya m atriz


asociada tiene rango igual a 2, y cu ya m atriz am pliada tiene rango igual a 2 o a 3
según sea nulo o no, respectivam ente, el término X 3 - 2 x ] . Podem os decir entonces
que el sistem a original tiene solución si y solam ente si x 3 - 2x] = 0. Pero esto es
lo m ism o que decir lo siguiente: el vecto r (X i.a'^ .-Y í) pertenece a F si y sol tunen te
si X 3 - 2,Y| = 0. Ésta es una ecuación que define el su bespacio vectorial F.

Sobra el nucían y la imagen de una aplicación lineal Los sistem as de ecuaciones


lineales resu ltan especialm ente útiles para averiguar datos sobre una aplicación li­
neal." C onsiderem os, por ejem plo, la aplicación lineal / de E 4 en E 1 definida por:

f i X ¡ ,X 2, X 3, X 4 ) = (Xj. + X 3 + 2xit 2x-> + iX 'i ~ * 4 . 2X| + 2x 2 + Ü.Y3 + 3 x :í),

que tiene por m atriz asociada en las b ases canónicas ia siguiente:

Estam os in teresados en encontrar una base del núcleo de f y en encontrar u nas


ecuaciones de la im agen de f .

' Ci. capitulo II


266 IV . SISTEMAS DE ECUACIONES LINEALES

Recordem os que la igualdad vectorial / ( a 'l , a 't ,X 3 , x 4) = ( V 1 . V 2 . V 3 ) es equiva­


lente a esta igualdad m atricial:

/ x ,\
fy\ \
x2
yz ■
Xj
\y j
\x 4j

De esta form a, el vector de (R3 de com ponentes y ¡ , y> y y% perten ece a la imagen
de / si y sólo si la igualdad m atricial anterior se verifica para algun os núm eros .\'i.
x¿, X 3 y x 4. Viendo esta igu aldad m atricial com o un sistem a de tres ecuaciones
en las incógnitas X\, x 2, x 2 y x 4, podem os decir en ton ces que el vecto r de com po­
n en tes V ] , y-¿ y >'3 pertenece a la im agen de f si y sólo si el sistem a anterior, con y ¡ .
yz Y y.i com o térm inos in d epend ientes, adm ite solución. Por otro lado, el sistem a
hom ogéneo correspon dien te a este sistem a del que h ablam os es precisam en te el que
resolveríam os para encontrar una b ase del su b esp acio vectorial f . T ran sfo rm am os el
sistem a en otro equivalente por el m étodo habitual de aplicar tran sform aciones ele­
m entales su cesivas a su m atriz am pliada. En este caso, y a la vista de la m atriz .4, que
tiene rango igual a 2, b uscam os obtener a partir de ,4 una m atriz A ' de esta forma:

/I 0
4' = 0 1
\0 o

Tenemos:

(1 0 1 2 V .\ /i 0 i 2 Vi >
2 3 -1 2 3 -1 V2
0
2 0
lo 2 -1
\2 5 3 y-J 3 y sí - 2vi/

/JO 1 2
F z —d I2)F ¿
0 1 3 /2 -1/ 2
[o 2 3 - 1

fl 0 1 2 Vi \
ÍW 3 -2 Í2
0 1 3/2 -1/ 2 yz/2
vO 0 0 0 v 4 - 2 i'i - y ¿ )

Leem os u na b ase del núcleo a p artir de la solución del sistem a hom ogéneo co rres­
pondiente; ésta es cu alquier m atriz de la form a:

f i)
( 2 )
3/2 - 1/2
+ Ai con A e l y p e
-1 0
l -1 )
INTRODUCCION

a s í q u e p o d e m o s e s c r ib ir : K e r / = K ( l , 3 / 2 , — 1 , 0 ) + R ( 2 , - 1 / 2 , 0 , - 1 ), y u n a b a s e
d e K e r / e s : ( ( 1 , 3 / 2 , - 1 , 0 ) , ( 2 , - 1 / 2 , 0 , - 1 ) ) . P o r o t r a p a r t e , el s i s t e m a o r ig in a l tie n e

s o lu c ió n s i y s ó lo s i e s n u lo el té r m in o y 3 - 2 y i - y >. E s d e c ir , el v e c t o r d e c o m ­
p o n e n te s v i , y 2 y y s — q u e e s ( y 1 . y 2 . y 3 l — p e r t e n e c e a lm ,/ ' si y s ó lo si v e r ifi­
ca: y-¡ - 2 y ¡ - y : = 0 ; e s t a e s u n a e c u a c ió n d e la im a g e n d e / .
IV. SISTEMAS DE ECUACIONES LINEALES

IV. 1 DEFINICIONES Y PROPIEDADES

f. D efiniciones; n otación m a tr ic ia l C on siderem os el sistem a en K de n ecu a­


ciones lin eales con m incógnitas X \, X 2 , ■■ x m:

an-V'i + « 12X 2 + • • • + a ¡ mx,„ = C|


a >1 X ] + « 22 X 2 + • • • + rl2mX m = C¿ ^2)

,a„\X\ + <
-1 ,12 X 2 + • • • + ítnm Xni = C¡u

que podem os tam bién exp resar de la form a:

AX = C, (2'i

donde X, C y A son las m atrices:

( X l > A i ^ <a 11 a 12 . U\

X2 c¿ ¿?2 i &2 m
X= , c = y =

\Cn ) \&n I d n .2 &nm J

(nótese que X y C son m atrices colum na de ó rd en es resp ectivo s (m , 1) y (n , 1 ) , \


que A es u na m atriz de orden (n , m )).
Matrices De A direm os es la m a t r iz a s o c ia d a al sistem a; de X y C, las m atrices de in c ó g ­

relacionadas con n it a s y de t é r m in o s in d e p e n d ie n t e s , respectivam en te. Si C = O, del sistem a 4 A’ = C


un sistema direm os es un sistem a h o m o g é n e o .

EJEMPLO I Consideremos el sistema en K, o sistema real, de dos ecuaciones con tres incógnitas:

A'i + x> + 3xy = 3


13 1
-X | + x> + .V3 = I .

La matriz asociada al sistema es la matriz real:

( : : ;)■
y por tanto el sistema se puede expresar de la forma:

A\
<3'i
(-: i x)g)-G )-
Obsérvese que la igualdad (3') es equivalente a:

íx\ + x> + 3x:l\ _ /3\


\-x¡ + x 2 + x j ) ~ V1 /
IV. I. DEFINICIONES Y PROPIEDADES

y e s t a ig u a ld a d d e m a t r ic e s s e v e r i f i c a p r e c i s a m e n t e si:

X\ + x> + = 3

[—x|+ x¿ + x , = 1,

q u e e s e l s i s t e m a (3 ).

D e u n a m a tr iz c o lu m n a d e o r d e n ( m , 1 ) c o n té r m in o s e n

i" a,
«2

V«m/
Solución de un d ir e m o s e s u n a s o l u c i ó n d e l s i s t e m a (2 ) , o ( 2 ') , s i v e r ific a :
sistema
(l|l ¿i 12 ••• f llm í rt| ^
Ü->i 0-22 ■■■ & 2 m «2 C?

a„2 ... ttnm/ \&m/ \Cn/


O b sé rv e s e q u e s i la m a tr iz c o lu m n a

a->

\«m /
e s s o lu c ió n d e l s i s t e m a ( 2 ') , a l h a c e r e n e l s i s t e m a ( 2 ) la s u s t it u c ió n :

X\ = « t, xm=

s e v e r ific a n la s n ig u a ld a d e s q u e r e s u lta n .

EJEMPLO 2 E l s i s t e m a ( 3 ') ( c f . e j e m p l o l , p . 2 6 8 ) a d m i t e c o m o s o l u c i ó n l a m a t r iz c o lu m n a :

p u es:

O b s é r v e s e q u e a l h a c e r e n e l s i s t e m a ( 3 ) l a s u s t i t u c i ó n ; .Vi = 2, x-¿ = 4 y xv = - 1 , se

v e r i f i c a n l a s d o s ig u a ld a d e s q u e r e s u l t a n .
270 IV. SISTEMAS DE ECUACIONES LINEALES

En e ste capitulo vam os a resolver un sistem a: A X = C, es decir, vam o s a estu d iar


qué condiciones debe verificar para que adm ita algun a solución, y cuál es el conjunto
d e soluciones.

Notación Utilizaremos sistemáticamente, a partir de ahora, la notación para las matrices


columna y los vectores columna de una matriz que introdujimos en el capítulo 111: sii A
es una matriz cualquiera de orden (n ,m ) con términos en K, sus matrices columna sse
denotarán: A ], A i , ..., A m, y sus vectores columna (que son de &"): a i, a >, ■■., a m. A

2. A p lic a c ió n lin e a l a s o c ia d a a un sistem a D ado un sistem a de n ecuaciones


con m incógnitas: