Teorema N1

Unicidad de la M.E.R.F.

Toda matriz es equivalente por filas a UNA SOLA MERF

Es decir si AM y AR con M,R, M.E.R.Fs, entonces M=R.

Demostracin:
Pero A M y A R implica que M R. Por lo tanto, basta ver que M.E.R.Fs. equivalentes por filas
son iguales.
Obviamente si M = 0, entonces R es cero porque cualquier O.E.F. deja la matriz cero como est.
Supongamos M 0.
Cualquier columna nula queda inalterable por O.E.Fs, asi que si M tiene columnas nulas, R
tambin, y en los mismos lugares. As que son irrelevantes, i.e. sea M
~
igual a M menos sus
columnas nulas, y similar para R
~
. Entonces, M R implica que M
~
R
~
, y M
~
y R
~
son M.E.R.Fs.
Adems, por el comentario anterior, si M
~
= R
~
entonces tendremos que M = R, porque las columnas
cero estaban en los mismos lugares.

Por lo que slo necesitamos ver que M
~
= R
~
. Supongamos que no. Miremos la primera columna en
la cual son distintas. La primera columna de una M.E.R.F. que no tiene columnas nulas debe ser la
columna con un 1 arriba de todo y ceros debajo. Entonces la primera columna en la cual
M
~
y R
~
son distintas es una de las columnas j : j 2 .
Sea
*
M la matriz que se obtiene de M
~
formada por todas las columnas menores que j que tengan
pivote y la columna j. Lo mismo para obtener
*
R .
Como M
~
R
~
y
*
M y
*
R se obtienen eliminando columnas
*
M
*
R .

Ahora miremos a
*
M y
*
R como representando un sistema de ecuaciones No homogneo, y como
*
M
*
R entonces los sistemas asociados tienen la misma solucin.

Ahora bien
*
M y
*
R ser de alguno de los dos tipos siguientes, dependiendo de si tienen o no un
pivote en la columna j:


|
|
|
|
|
|
|
|
|
|
|

\
|
=

0 0 0 0 0
0 0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
1
2
1
L
M
L
L
L
M M M O M M
L
L
t
t
b
b
b
b

|
|
|
|
|
|
|
|
|
|
|

\
|
=
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
L
M
L
L
L
M M M O M M
L
L





Como
*
M
*
R , las dos de tipo no pueden ser porque seran iguales.
Entonces solo basta ver que haya una de tipo y otra de tipo , o dos de tipo con
s i
b

distintos.

1 Dos de tipo con
s i
b

distintos es imposible porque los sistemas homogneos asociados

tendran soluciones distintas.
2 Que haya una de tipo y otra de tipo , tambin es imposible porque el caso correspondera
a un sistema incompatible y la de tipo representa un sistema con soluciones nicas.
Obtenemos una contradiccin que vino de suponer que
*
M
*
R

*
M =
*
R M=R FIN


Teorema N2
Vit! (unicidad) AX=0 x=0 Rango (A) = # columnas de A y A no
es necesariamente cuadrada.

Definicin rango: cantidad de filas no nulas de la M.E.R.F la cantidad de pivotes de la M.E.R.F.

Prueba:

( ) Sea M la M.E.R.F. tal que AM rango(A) = #columnas (A)

( ) # Pivotes (M)= # columnas (M) todas columna de m tiene un pivote

|
|
|
|
|
|

\
|
=
|
|
|
|
|
|

\
|
=
0 ..... 0
0 ..... 0
0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
I
M

Sea x: A.x=0 como AM M.x=0
n
x x ...
1
= 0 x=0
( ) Supongamos que no sea cierto que rango (A)= # columnas (A)
Nmero de pivotes (M) < # columnas (M)
Columnas de M sin pivotes
Variables libres, a las que le podemos asignar cualquier valor, en particular un valor no nulo
x 0 : Mx=0 como AM entonces si M.x=0
Ax=0 A=0 que es una contradiccin. FIN

Corolario
Un sistema homogneo con ms incgnitas que ecuaciones siempre tiene solucin no Nula.
Prueba: Si A es RxN con R<N rango (a) r < n Rango (a) # columnas de A

.! . . T I V
x 0 : A.x =0



Teorema N3
Vit Sea A cualquiera, los sistemas no homogneos asociados a A
tienen siempre solucin rango(a) = # filas (a) en otras palabras:
Si A es RxN, entonces b 1
x
r x 1
x
n : AX=b rango (a) = # filas A = r

Prueba:
( )
Sea M la merf con AM supongamos que rango (a) < # filas (a)
# pivotes (m) < # filas (m)
que existe alguna fila de M sin pivotes
que existen filas nulas de M , como M es M.E.R.F. la ltima fila de M es nula.

Sea
|
|
|
|

\
|
=
1
0
0
M
c como la ltima fila de M es nula el sistema m.x=c no tiene solucin.

AM M A existen operaciones elementales por filas que llevan M en A.
Si le aplicamos esas O.E.F a la matriz [M|C] llegaremos a una matriz de la forma [A|B] para algn
b.

[M|C] [A|B] los sistemas M.X=C y A.X=B tienen las mismas soluciones. Pero M.X=C es
incompatible y A.X=B tiene solucin. ABSURDO
rango (a) = # filas (a)

( ) Si Rango (A) = # filas (a) entonces #pivotes (m) = #filas (m)
Toda fila tiene un pivote

|
|
|
|
|
|

\
|
0 0 0 1 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 a

Sea b:Rx1 y AM c: [ ] B A [ ] C M el sistema M.X=C tiene solucin. FIN

Corolario: Sea A RxN con r>n b 1
x
r tal que Ax=B no tiene solucin.


Teoremas N 4 y 11 de la lista
Teorema de la dimensionalidad ( ) 4

Sea V un espacio vectorial generado por un conjunto finito de vectores entonces V tiene base. Ms an
existe un nmero d
0
,llamado la dimensin de V tal que:
a Toda base de V tiene D elementos
b Todo conjunto L.I. V tienen d elementos
c Todo conjunto generador de V tiene d elementos

Prueba:
Veamos primero una afirmacin ( ) 11 : Sea G = {
n
,...,
1
}, V = gen(G).
Sea S un conjunto L.I. en V |S| n
Demostracin de la afirmacin: Basta ver que todo conjunto con n+1 vectores es L.D:
Sean
1 1
,...,
+ n
n+1 vectores distintos, como {
n
,...,
1
} genera V
V
n
c c ,...,
1
K :
n n
c c + + = ...
1 1

j
j n j j
c c c
, , 2 1
;....; ; , K tal que
j n j n j
B c c = + +
, 1 , 1
...

=
=
n
i
i j i j
c B
1
,
**
Sea A=
(
(
(
(

+
+
+
1 , 2 , 1 ,
1 , 2 1 , 2 1 , 2
1 , 1 2 , 1 1 , 1
n n n n
n
n
c c c
c c c
c c c
L
M O M M
L
L

.! . . T I V
A tiene ms columnas que filas 0 . 0 = x A x

Sea X=
(
(
(

+1
1
n
x
x
M entonces = + +
+ + 1 1 1 1
...
n n
x x

+
=
1
1
n
j
j j
b x
* * Por
=

+
=
1
1
n
j
j
x .

=
n
i
i j i
c
1
,
=

=
+
=
=
|
|

\
|
n
i
i j i
n
j
j
c x
1
,
1
1
0 Pues
Ax=0 } ,..., {
1 1 + n
es L.D. FIN AFIRMACIN

La afirmacin dice entonces junto con la hiptesis de que V est generado por un conjunto finito de
vectores, que la hiptesis del lema de existencia de base se satisface V tiene una base (esta base es
finita L.I.)

B) Sea B esa base y d= B Sea S un conjunto L.I.
Tengo que S es L.I. y que B genera
afirmacin la Por
|S| d = B

C) Sea G generador si G es infinito ciertamente d | | G , si g es finito como B es L.I. d=|B| | | G
A) Sea b
~
otra base,
b
~
es L.I. b
~
=d
b
~
gen(A) b
~
d

b
~
=d FIN

(anexo) Corolario inmediato: Si d = ( ) V Dim y S =d S es L.I. S genera S es Base

Prueba:
S es L.I. y no genera : S } { U tal que es L.I. absurdo } { U S > d
SI S genera y es L.D. S : { } ( ) } { S gen } { S < d Absurdo FIN


Teorema N5 de la Nulidad-Rango

Sea V un espacio vectorial de dimensin finita n. Sea T: V a W transformacin lineal.
Entonces Dim Nu(t)+ Dim Im(t) =n
Dim Nu(t) Se suele llamar la Nulidad de T
Dim Im(t) Se suele llamar Rango de T

Nulidad + Rango = Espacio de Salida (Dim V) = n
Prueba:
Sea {
k
,...,
1
} Base de Nu (t)
Completemos {
k
,...,
1
} a una base de V
Y obtenemos {
k
,...,
1
,
k n
,...,
1
} * como es base genera
- ( )
k n
,...,
1
Candidata a ser base Im(t)
Sea
i
= T( )
i
: 1 k n i Id est: {
k n
,....,
1
}
Veamos :
1. Primero que {
k n
,....,
1
} genera Im(t)
Sea Im(t) V : T( ) =
Como {
k
,...,
1
,
k n
,...,
1
} genera V
Existen escalares
k n k
d d c c

,..., , ,...,
1 1
tales que =
k k
c c + +....
1 1
+
k n k n
d d

+ + ...
1 1


= ( ) T = ( ) ( )
k k
T c T c + +....
1 1
+ ( ) ( )
k n k n
T d T d

+ + ...
1 1




= ( ) T =
k n k n
d d

+ + ...
1 1
ya que
i
= T( )
i

{
k n
,....,
1
} genera Im(t)

2. Segundo que {
k n
,....,
1
} es L.I. y en particular son todos distintos.
Sean
k n
c c

,...,
1
K

k n k n
c c

+ + ...
1 1
= 0
Por ser T lineal
( ) ( )
k n k n
T c T c

+ + ...
1 1
= 0
( )
k n k n
c c T

+ + ...
1 1
= 0

k n k n
c c

+ + ...
1 1
Nu(t)

T(
i
) = 0 por estar en el ncleo
Como } ,..., {
1 k
es base de Nu(t) se cumple que cualquier elemento del ncleo es combinacin lineal
de l.


k
d d ,...,
1
K tales que
k n k n
c c

+ + ...
1 1
=
k k
d d + +...
1 1

( )
k k
d d + + ...
1 1
+
k n k n
c c

+ + ...
1 1
=0
dado que {
k
,...,
1
,
k n
,...,
1
} es base

1
c =.=
k n
c

=0
{
k n
,....,
1
} es L.I.

Conclusin:
} ,...., {
1 k n
es Base de la Im(t)

Dim Nu(t) + Dim Im(t) = K+N-K = N FIN



Teorema N6
1) Propiedad fundamental de una transformacin lineal

Sea V un espacio vectorial y
1
b una base finita de V de dimensin n
Sea W un espacio vectoria y
2
b una base finita de W de dimensin r
Y Sea T: V a W lineal V

Vale ( ) [ ]
2
b
T = [ ]
2 1
,b b
T [ ]
1
b


* En la otra notacin ( ) [ ]
2
b
T =
[ ]
1
2
b
b
T

[ ]
1
b
" c " ancelaran se si como es

Ejemplo:
T( ) w z y x , , , =( ) w z y w z y x 5 , 2 + +

2 1
, b b Bases cannicas y = ( ) 4 , 3 , 2 , 1

T( ) = ( ) 15 , 1

( ) [ ]
2
b
T =
(

15
1
=
(

5 1 1 0
1 2 1 1
.
(
(
(
(

4
3
2
1



Posicin j Este producto extrae la
columna j de la matriz
Prueba:
Sean
1
b = {
n
,...,
1
} ;
2
b ={
r
,...,
1
} ; x = [ ]
1
b
; Y= ( ) [ ]
2
b
T ; A = [ ]
1
2
b
b
T
Quiero ver que A.X=Y

Por definicin ( )
j
T =

=
r
i
i j i
b A
1
,
: n j 1
( )
1 , i
AX =

=
n
i
j j i
x A
1
1 , ,

=
r
i
i i
b AX
1
1 ,
) ( =

= =
r
i
n
j
i j j i
b x a
1 1
1 , ,
=

= =
n
j
r
i
i j i j
b a x
1 1
, 1 ,
=

= =
|

\
|
n
j
r
i
i j i j
b a x
1 1
, 1 ,


definicin Por
= ( ) ( )

=
n
j
j j
T x
1
1 ,


lineal es T Como
= T .
|
|

\
|

=
n
j
j j
x
1
1 ,
= ( ) T

Probamos que

=
r
i
i i
b AX
1
1 ,
) ( = ( ) T
A.X= coordenadas de ( ) T relativo a
2
b = Y FIN

2) Propiedad de la unicidad

Sean V,W espacios vectoriales de dimensin finita, Dim(v) = n y Dim (W) = r.
Sea T: V a W un transformacin lineal,
1
b una base de v,
2
b una base de w
Y sea A
n r
x
k tal que ( ) [ ]
2
b
T = A. [ ]
1
b
V
Entonces A = [ ]
1
2
b
b
T

Prueba:
Como ( ) [ ]
2
b
T = A. [ ]
1
b
V Por hiptesis entonces en particular vale para los
j
.
Si
1
b = {
n
,...,
1
}

Es decir ( ) [ ]
2
b
j
T = A. [ ]
1
b
j


Pero
j
= 0.
1
+ +0
1 j
+1.
j
+ 0 .
1 + j
++0.
n


[ ]
1
b
j
=
(
(
(
(
(

0
1
0
0
M
=
t
j
e

( ) [ ]
2
b
T =A. [ ]
1
b
j
=
t
j
e A. =
( ) j
A (notacin: columna j de A)
C. Det(B) T.I
Det (B) T.II
-Det (B) T.III
( ) ( ) B Det A Det .
( ) ( ) B Det A Det .
( ) ( ) B Det A Det .
C T.I
1 T.II
-1 T.III

A = [ ]
) ( ) 2 ( ) 1 (
...
j
A A A = ( ) [ ] ( ) [ ] ( ) [ ] [ ]
2 2 2
...
2 1 b n b b
T T T = =
[ ]
1
2
b
b
T
FIN


3) Teorema [ ]
1
3
b
b
T Lo = [ ]
2
3
b
b
L . [ ]
1
2
b
b
T

Sean V,W,U espacios vectoriales de dimensin finita.
Sean
1
b ,
2
b ,
3
b bases de V,W,U respectivamente.
Sean T: V a W y L : W a U transformaciones lineales.

Entonces [ ]
1
3
b
b
T Lo = [ ]
2
3
b
b
L . [ ]
1
2
b
b
T

Prueba:

Sea V

[ ]
3
) (
b
T L o
n composici
de
Definicin



= ( ) [ ]
3
) (
b
T L
L
de
Def



= [ ]
2
3
b
b
L . ( ) [ ]
2
b
T
( ) 1
= [ ]
2
3
b
b
L . [ ]
1
2
b
b
T [ ]
1
b


Por la unicidad: [ ]
1
3
b
b
T Lo =[ ]
2
3
b
b
L . [ ]
1
2
b
b
T FIN



Teorema N 7
Sean A,B n n
x

Det ( ) B A. = Det (A) . Det (B)
Det (A) = 0 A no es inversible
Prueba:
Para probar Supongamos primero que A es elementar
A =E= ( ) I e

Det ( ) ( ) b e =



Det ( ) A = ( ) I A. =



Det ( ) B A. = ( ) ( ) B Det A Det .


C T.I
1 T.II
-1 T.III
Supongamos que A es inversible
1
VIT
A es producto de escalares

A=
r
E E ...
1

Det ( ) B A. = Det ( ) B E E
r
. ...
1

= Det ( )
1
E . Det ( ) B E E
r
. ...
2
= Det ( )
1
E . Det ( )
2
E . . . . Det ( )
r
E . Det ( ) B = ( ) ( ) B Det A Det .

Observacin:
Esto prueba que A es inversible Det ( ) 0 A
Pues A =
r
E E ...
1
Det ( ) A = Det ( )
1
E . Det ( )
2
E . . . . Det ( )
r
E 0




Pues ( )
i
E Det = 0 i


Por contrarecproca: Det ( ) A =0 A no es inversible
Veamos ( )
Si A no es inversible A M merf con alguna fila =0
A =
r
E E ...
1
M Det ( ) A = Det ( )
r
E E ...
1
. Det ( ) M = 0

Ahora podemos terminar para el caso no invisible:
Como A no es inversible
( )

2
Det ( ) A =0
A.B tampoco es inversible Det ( ) B A. = 0 = ( ) B Det . 0 = ( ) ( ) B Det A Det . FIN

Teorema N8

Sea T: Va V transformacin lineal ,
r
,...,
1
autovectores distintos. Sean
r
,...,
1
autovectores
no nulos de T,
i
asociado a
i
. Entonces {
r
,...,
1
} es L.I.

Prueba: induccin en r
Si r=1 no hay nada que probar ya que todo vector no nulo es L.I.
Supongamos que valga para r 1 y sean
r
c c ,...,
1
: 0 ...
1 1
= + +
r r
c c ( ) 1
Apliquemos T a ( ) 1 y recordemos que T( )
i
=
i i

( ) ( ) 0 ...
1 1
T c c T
r r
= + +
luego
( ) ( ) 0 ...
1 1
= + +
r r
T c T c obtengo: 0 ...
1 1 1
= + +
r r r
c c al que llamo ( ) 2
Multiplicando ( ) 1 por
r
obtengo: 0 ...
1 1
= + +
r r r r
c c al que llamo ( ) 3

( ) 2 - ( ) 3 = ( ) ( ) ( ) 0 ...
1 1 1 1 1 1
= + + +
r r r r r r r r r
c c c
= ( ) ( ) 0 0 ...
1 1 1 1 1 1
= + + +
r r r r r
c c
Por la hiptesis inductiva ( ) 0 =
r i i
c 1 - r i 0 : i
Como
r i
tenemos que 0 =
i
c 1 - r i 1 : i reemplazando en ( ) 1 nos queda 0 =
r r
c , como
0 0 =
r
c FIN
Teorema N9- ( ) 1

= W W V
Sea V un espacio vectorial de dimensin finita,y W un S.E.V de V con producto interno.

= W W V

Demostracin:
Sea W = Gen( )
k
,...,
1
Dim (w) = k
Y {
k
,...,
1
} es base ortonormal por G-S.
Sea V busco
w
y

w
: =
w
+

w

Sea
w
=

=
k
j
j j
1
,

1
w
W obvio
2 =
w
+ -
w


Afirmacin: -
w

W
Quiero ver si
i w
a ,
=
?
0 W ?
i w
a , =
i
k
j
j j
, ,
1

=

} ortonormal es {como
=
i
, -

=
k
j
i j j
1
, ,
=
i
, -
i
, = 0


Probamos que

+ = W W V
Ahora quiero ver si son suma directa

= W W V : es decir si } 0 {
?
=

I
W W
Sea ( )
I

W W
0 , = = 0 FIN

(anexo) Definicin de proyeccin ortogonal
Sea V un espacio vectorial de dimensin finita con producto interno.
Y Sea W un S.E.V de V de dimensin finita.
Defino: E:
w
V V

a =

=
k
j
j j
1
, tales que {
k
,...,
1
} sea base ortonormal.
E Se llama la proyeccin ortogonal sobre W.

Teorema N9- ( ) 2 ( ) , ) , (
w

Si V y
w
es la proyeccin ortogonal de w, entonces
w
es la mejor aproximacin a
por vectores de W , es decir si W ( ) , ) , (
w


Demostracin:
2
=
2
w
w
w
w
+

Pitgoras
=
2
w
+
2

w

2
w


( ) ) , ( ,
w
FIN


Teorema N10 Vit
-1

Sea A NxN los siguientes items son equivalentes
1. A es inversible
2. AI
3. Rango (A) = n
4. AX=0 X=0
5. b 1
x
n x 1
x
n : AX=b
6. b 1
x
n ! x 1
x
n : AX=b
7. A tiene inversa a Derecha
8. A tiene inversa a Izquierda
9. A es producto de matrices elementales


Parte I: 3,4 y 5 son equivalentes ya que la matriz es cuadrada.

( ): 4 AX=0 X=0
V.I.T.!
Rango (a) = # columnas = N = # Filas

V.I.T.
b x : AX=b ( ) 5


Parte II: 5 es equivalente a 6 ( b 1
x
n x 1
x
n : AX=b b 1
x
n x 1
x
n : AX=b)

Ver que 6 5 Es trivial y vimos que 54
Ahora que # soluciones no homogneo = # soluciones del homogneo siempre que vale ( ) 5

Parte III: 3 2 (Rango (A)=n AI )
Sea M, merf tal que AM
( ): 3 (Rango (A) = n) M tiene N pivotes
cuadrada ser al
M = I (AI) ( ) 2

Parte IV: 2 9
Por la propiedad sper importante, si M es la M.E.R.F: AM
Matrices elementales
r
E E E . . .
2 1
L tales que
A=
r
E E E . . .
2 1
L .M AI A=
r
E E E . . .
2 1
L


(clave) Parte V: 5 7
75: 7 dice que A tiene inversa a Derecha es decir c: A.C=I sea b Nx1 definamos x=c.b
entonces A.X=A.C.B=I.B=B

57
Sea
|
|
|
|
|

\
|
=
0
1
0
0
M
j
b
Como estoy suponiendo que b x A x b = . : :
Entonces j
j j j
Nx
b x A x = . :
1

Sea C la matriz cuyas columnas son [ ]
n
x x ;...;
1


C= [ ]
n
x x ;...;
1

A.C= [ ]
n
x a x a . ;...; .
1
= [ ]
n
b b ;...;
1
]= I I C A = .

Parte VI: ( ) 1 ( ) 8 ( ) 4 AX=0 X=0

1 (A es inversible) 8 (A tiene inversa a derecha) es trivial
8 4: Sea x: A.x=0 y sea b inversa a izquierda de A (I.E: B.A=I)

Entonces X=I.X=B.A.X=B.0=0 0 = x

Parte VII: ( ) 9 ( ) 1 es decir A es producto de elementales A es inversible
A= E
1
.E
2
.E
3.......
.E
r.
r
E E A E ....
2
1
1
=

A =
1
r
E E
1
.E
2
.E
3.......
.E
r-1
r
E E A E E ....
3
1
1
1
2
=


A I E E
r
=
1
1
1
.... ( ) I A E E
r
=
1
1
1
.... FIN


Teorema N12

(anexo) Definicin(es):
Rango_fila(A)= Dimensin Espacio fila(A)
Rango_columna (A)= Dimensin del Espacio columna (A)

Teorema: Sean a,b
n r
x
k

I. ab Ef(a)=Ef(b)
II. ab Rango_columnas(a)=Rango_columas(b)
III. Rango= Rango_filas = Rango_columnas

Prueba:
I. Basta probarlo cuando B=e(A) con e = O.E.F. y por simetra entre A y B basta ver que
Ef(b) ) ( A Ef

Fila j
Tipo 3: intercambiar 2 filas de lugar

Como conjunto {
r
A A ,...,
1
}={
r
B B ,...,
1
}
gen {
r
A A ,...,
1
}= gen{
r
B B ,...,
1
}
Id est: EF(A)=Ef(B)

Tipo 1: multiplicar una fila por una constante c no nula

Como ya probamos para el tipo 3, podemos suponer que es la primera fila:
B
1
=CA
1

B
2
=A
2

M
B
r
=A
r

Sea Ef(B) : ,...,
1 r
c c
r r
c c + + = ...
1 1
= c
1
(cA
1
)++
r r
A c gen {
r
A A , ,
1
}=Ef(A)

) ( ) ( A Ef b Ef

Tipo 2: Sumarle a una fila un mltiplo de otra
Podemos suponer que es sumarle a la 1 fila la 2 multiplicada por c
B
1
=A
1+
C A
2

B
2
=A
2

M
B
r
=A
r

Sea Ef(b) : ,...,
1 r
c c
r r
c c + + = ...
1 1
= c
1
(A
1+
CA
2
)++
r r
A c

= c
1
A
1
+ (c
1
.c+c
2
)A
2
++
r r
A c Ef(A)
) ( ) ( A Ef b Ef
FIN I

II. Sea S={
r
j j ,...,
1
}{1,,n} basta ver que
S j
j
A

} {
) (
Es L.I.
S j
j
B

} {
) (
Es L.I.
y por simetra basta ver

Supongamos
S j
j
A

} {
) (
Es L.I. Sean : ,...,
1 k
c c
) ( ) (
1
...
1 k
j
k
j
B c B c + + =0
b
~
x=0 Donde b
~
=
( ) ( )
[ ]
k
J J
B B ...
1
x=
(
(
(

k
c
c
M
1



y Sea A
~
=
( ) ( )
[ ]
k
J J
A A ...
1
ab A
~
b
~

b
~
x=0A
~
x=0

0 ...
) ( ) (
1
1
= + +
k
j
k
j
A c A c y como
S j
j
A

} {
) (
Es L.I. 0 ...
1
= = =
k
c c FIN II

III. Sea M merf tal que AM
Rango_filas(A)=dim Ef(A)

(I) por
= DimEf(m)

1 Lema por
= # filas no nulas de M = Rango (A)

Rango_columnas
(II) por
= Rango_columnas (M)

2 Lema por
= # filas pivotes M = Rango (A) FIN III FIN


Teorema N13

( ) 1 Propiedad: Si A tiene alguna fila nula Det(A) = 0
Primer prueba:
Si A
j r,
=0
j
A
( ) r r ,
= 0
n
S
( )
( )

=
n
j
j
i
A
1
,
= 0
n
S Det (A) = ( ) ( )

=
n
i
i
S
i A Sg
n
1
, .

=0

Segunda prueba:
Como ya vimos que el determinante es lineal en cada fila y T(0) = 0 t lineal Det (A) = 0 si A
tiene alguna fila nula.

(Anexo) Teorema Crucial: Si A tiene dos filas (o columnas) iguales, entonces Det (A) = 0 esto dice
que el determinante es alternado.

Prueba:
Supongo que A tiene filas r y t y ( ) t r
j r
A
, j t
A
,
= j
Dada
n
S consideremos:



( ) i
~
= ( )

=
n
i
i
i A
1
~
, = ( )

=
n
i
i
i A
1
,


Los ( )

=
n
i
i
i A
1
, estn emparejados de a 2
Se pude ver que Sg( ) = - Sg( )
~
Det (A) = suma de productos iguales con signos distintos = 0

( ) 2 Teorema
e =O.E.F. De tipo II Det ( ) ( ) A e = Det ( ) A

Prueba:
Supongamos que sea e = Sumarle a la fila t la fila r multiplicada por c
( ) A e = [ ]
r t
A C A t A . + a como Determinante es lineal en cada fila
( )
( )
( ) r i
t i
t r, i
=
=

t
r
i

A

Det ( ) ( ) A e = Det [ ] ( )
r t
A C A t A . + a

= Det [ ] ( )
t
A t A a + C Det [ ] ( )
r
A t A a

= Det ( ) A FIN

( ) 3 Teorema: Sea e =O.E.F. De tipo III Det ( ) ( ) A e =-Det ( ) A
Supongamos e = intercambiar las filas r y t

|
|
|

\
|
1


por
r fila la
r multiplica
o
|
|

\
|
r fila la t
a Sumar


o
|
|

\
|
t

fila la r
a Sumar
o
|
|

\
|
r fila la t
a Sumar




|
|

\
|
t
r

|
|

\
|
t
r

|
|

\
|

+
t
r t

|
|

\
| +
r
r t

|
|

\
|
r
t


Det ( ) ( ) A e = (-1) 1 .1 .1.Det ( ) A = -Det ( ) A FIN

Teorema N14
Teorema expansin por fila o columna

Det ( ) A = ( ) ( ) ( ) j i A A
n
i
j i
j i
| det . 1
1
,
=
+

= ( ) ( ) ( ) j i A A
n
j
j i
j i
| det . 1
1
,
=
+

Definicin: A(i|j) = matriz (n-1)
x
(n-1) obtenida de A eliminando la fila i y la columna

Prueba:
Basta probar una de las dos, por la dualidad fila-columna de los determinantes. Probemos la
segunda. Veamos varios casos:

1 caso i=n y que la ltima fila de A es [ ] a L 0 . Es decir A=
(

a
B
0
*

Entonces
( )
=
=
n
i
i i
A
1
,
0

Si ( ) n n . Por lo tanto al calcular el determinante basta sumar

sobre las ( ) n : ( ) n n = pero ese conjunto es isomorfo a
1 n
S (con preservacin del signo)
Por lo que:
Det ( ) A = ( )
( )
=
+

n
i
i i
S
j i
A Sg
n
1
,
) ( 1

= ( )
( )
a B Sg
n
i
i i
S
j i
n


=
+

1
1
,
1
) ( 1

= a .Det(B)

Matriz con dos filas iguales 0 =
2 caso i= n y la ltima fila de A es de la forma [ ] 0 0 0 0 L L a con el a en el lugar j. En
este caso transponiendo la columna j con la columna j+1, luego la j+1 con la j+2 etc. Obtenemos
que la columna j queda en el lugar n, pero las otras columnas no cambian su lugar relativo. Como
hay n-j cambios tenemos que:
Det ( ) A = ( )
j n
1 . Det
( )
(

a
j n A
0
* ) | (
= ( )
j n+
1 . a . Det ( ) ) | ( j n A

3 caso: En este caso, escribimos la ultima fila de A como:
[ ] n An An An , 2 , 1 , L = [ ] 0 0 1 , L An + [ ] 0 2 , 0 L An + .+ [ ] n An, 0 0 L
Como el determinante es lineal en cada fila, y usando el segundo caso obtenemos que
Det ( ) A = ( ) ( ) ( ) j i A A
n
j
j n
j n
| det . 1
1
,
=
+


4 caso: El general. Se deduce del caso c. simplemente llevando la fila i a la n, intercambiando la i
con la i + 1, la i + 1 con la i + 2, etc. (es necesario hacerlo as para no
cambiar el orden relativo de las dems filas)
Entonces:
Det ( ) A = ( )
i n
1 ( ) ( ) ( ) j i A A
n
j
j i
j n
| det . 1
1
,
=
+

Y el teorema queda demostrado pues: ( )
i n
1 x ( )
j n+
1 = ( )
j i +
1 FIN


(Anexo) Definimos el Cofactor (i,j) como
j i
C
,
= ( )
j i+
1 . ( ) ( ) j i A Det |

La matriz adjunta es : ( ) ( )
i j j i
C A Adj
, ,
=

Ejemplo: calcular la adjunta de A =
(
(
(

3 1 1
3 1 0
1 1 2


=
1 , 1
C ( )
1 1
1
+
. 0
3 1
3 1
=
|
|

\
|

Det

=
2 , 1
C ( )
2 1
1
+
. 3 ) 3 (
3 1
3 0
= =
|
|

\
|
Det

=
3 , 1
C ( )
3 1
1
+
. 1
1 1
1 0
=
|
|

\
|
Det

( ) ( ) = A Adj
(
(
(

3 , 3 3 , 2 3 , 1
2 , 3 2 , 2 2 , 1
1 , 3 1 , 2 1 , 1
C C C
C C C
C C C
=
(
(
(

2 3 1
6 7 3
2 2 0


Det(A) j = k
0 j k

Teorema N15

Si A es n
x
n ( ) ( ) ( ) ( ) I A Det A Adj A A A Adj ). ( . . = =

Corolario inmediato: Si A es inversible ) ( .
) (
1
1
A Adj
A Det
A =

Demostracin del teorema:
Veamos primero que ( ) ( ) A A Adj . = I A Det ). (

( ) ( )
j i
A A Adj
,
= ( ) ( )
j i i j
A A Adj
n
i
, ,
1

=

= ( ) ( ) ( )
j i
n
j
j i
A j i A
,
1
. | det 1

=
+
= ) ( A Det

Sea k j
Sea B= matriz obtenida de A reemplazando la j-sima columna de A por la k-sima.
B tiene dos columnas iguales
Det ( ) B = 0

( ) ( )
k j
A A Adj
,
= ( ) ( )
k i i d
A A Adj
n
i
, ,
1

=

= ( ) ( ) ( )
k i
n
j
j i
A j i A
,
1
. | det 1

=
+

= ( ) ( ) ( )
j i
n
j
j i
B j i B
,
1
. | det 1

=
+
= Det ( ) B = 0

( ) ( )
k j
A A Adj
,
=



( ) ( )A A Adj = I A Det ). (

Ahora ( ) ( )A A Adj = ( ) ( ) ( )
T
T T
A A Adj = ( ) ( ) ( )
T
T T
A A Adj
= ( ) ( ) ( )
T
T
I A Det = ( ) ( ) ( )
T
I A Det = I A Det ). ( FIN


(Anexo) Ejemplo:
1
(

d c
b a
=
(

d c
b a
Adj
c b d a
.
. .
1
=
(

a c
b d
c b d a . .
1


(Anexo) Autovalores y Autovectores:
Definicin:
Sea T: V V a lineal un autovalor o Eigen Value de T es un un cuerpo tal que
1
e
Nu( ) } 0 { I T . En otras palabras I T es singular (no es inyectiva). Si es un autovalor, los
elementos de Nu( ) I T se llaman auto vectores asociados a de .
Nu( ) I T se llama auto espacio asociado de .

Equivalentemente:
es un auto-vector de T 0 : ( ) = T 0 : ( ) I T =0

En el caso de dim ( v ) = n
( ) I T es no inyectiva ( ) I T no es invertible Det ( ) I T = 0

Se define el polinomio caracterstico de una Transformacin lineal como:
P(x) = Det ( ) T I X .
es un auto-valor de T ( ) 0 = P

Observacin: Si ase de v: [ ]

T = diagonal T se dice diagonalizable

Teorema N16

Sea T: V V a transformacin lineal , n = Dim( ) v finita
r
,...,
1
los autovalores distintos de T;
i
d = ( ) ( ) I T Nu Dim
i
y sea P(x) el polinomio caracterstico de T.
Entonces las siguientes son equivalentes:

1. T es diagonalizable
2. P(x) = ( ) ( )
r
d
r
d
x x ....
1
1

3. n d d
r
= + +...
1


Prueba: esquema 1 3 2 1

2 1
T es diagonalizable ase de v: [ ]

T = diagonal T
Esto es

[ ]

T =
|
|
|
|
|

\
|
r

L
M O M M
M L
L
0 0
0
0 0
1
1


P(x) = Det
|
|
|
|
|

\
|

r
x
x
x

L
M O M M
M L
L
0 0
0
0 0
1
1
= ( ) ( ) ( )
r
e
r
e e
x x x ... .
2 1
2 1


Adems: [ ] T
i
=
|
|
|
|
|
|

\
|

r i
i
i



L
M M M
M L
L
0 0
0
0
0
0 0
1
1



Dim Nu[ ] T
i
=
i
e
i
d =
i
e

3 2

n = Gr ( ) ) (x P = Gr ( ) ( ) ( )
r
d
r
d
x x ....
1
1
=
r
d d + +...
1


1 3
Sea
i
B base de ( ) ( ) I T Nu
i

Por el corolario anterior B=
1
B
U
....
U r
B Es L.I.

Pero B =
1
B + +
r
B =
r
d d + +...
1
= n

B es L.I. y B = n B es base.
Los elementos de B son auto-vectores T es diagonalizable FIN

Teorema N17
Enunciar y demostrar la desigualdad de Cauchy-Schwartz
| , | y = | , | . c =

Sean 0 , y sea =

.
,
2


0 , =

.
,
, .
,
2 2


= , +

.
,
,
2
+

, .
,
2
+

.
,
, .
,
2 2


=
2
-
2
,

, + (-)
2
,

, +
2
,

2
,

,

0
2
-
2
2
,

y
2 2
2
. | , | | , | FIN
1
e
EXTRAS:
Teorema N18
Corolario

Sea V un espacio vectorial de dimensin finita y sea W un S.E.V. de V entonces W tiene Base y
Dim (W) Dim (V)
Prueba:
Sea S un conjunto L.I. en W S sigue siendo L.I. en V
Por teorema de la dimensionalidad |S| ) (V Dim **
Hay una cota superior para la cardinalidad de los conjuntos L.I. de W
por el lema de existencia de Base W tiene base
Dim (W)= cardinalidad de cualquier base (W) V pues cualquier base de W es L.I. y por **
FIN

Teorema N19
Corolario
Sea T:V W a transformacin lineal : Dim (v) = Dim (w) finita
Entonces T es isomorfismo T es inyectiva T es suryectiva

Prueba: T es inyectiva T es no singular Nu (t) = {0}
Dim Nu(t) = 0 Dim(v) = Im (t)

nulidad rango Por
Dim W = Dim Im (t)

hiptesis Por
W = Im (T)
T es suryectiva FIN


Teorema N20
[ ]
b
T y [ ]
b
T ~ son semejantes
(anexo)
Definicin: 2 Matrices A y B se dicen semejantes y similares
si existe P inversible con A = P B P . .
1


Corolario:
Matrices semejantes tienen el mismo determinante Pues Det ( ) A = Det ( ) P B P . .
1
= Det ( )
1
P . Det
( ) B .Det ( ) P = Det ( ) B

Esto permite definir el determinante de una transformacin Si T: V V a , B= base de V, finita.
Definimos Det ( ) T = [ ] ( )
b
T Det

Prueba:
Debemos ver que eso es independiente de B.
Sea B
~
otra base.
[ ]
b
T = [ ]
b
b
T = [ ]
b
b
I
~
. [ ]
b
b
T
~
~
. [ ]
b
b
I
~
= [ ]
b
b
~
[ ]
b
T ~ [ ]
b
b ~ = [ ] ( )
1
~

b
b

[ ]
b
T y [ ]
b
T ~ son semejantes Det [ ] ( )
b
T = Det [ ] ( )
b
T
~
FIN
k i,


Teorema N21

(anexo) La transpuesta de una transformacin lineal
Sean V,W espacios vectoriales , T: V a W lineal
Definimos
t
T :
* *
v w a As:
t
T ( )( ) g = ( ) ( ) T g (fin del anexo)

( ) 21 Sean b base de v y D base de W, y T: V a W un transformacin lineal [ ]
*
*
D
B
t
T = [ ] ( )
t
B
D
T



Prueba:
Sean B= {
n
,...,
1
}; b*={
n
f f ,...,
1
} ; D= {
n
,...,
1
} ; D* = {
n
g g ,...,
1
} ; A= [ ]
B
D
T


t
T (
k
g ) ( )
j
=
k
g ( ) ( )
j
T =
k
g |

\
|

=
n
i
i j i
B A
1
,
=

=
n
i
i k j i
B g A
1
,
= A
kj



t
T (
k
g )= ( )( )

=
n
j
j j k
t
f g T
1
=

=
n
j
j j k
f A
1
,
= ( )

=
n
j
j
t
k j
f A
1
,
[ ]
*
*
D
B
t
T =
t
A FIN

Teorema N22
Enunciar y demostrar la regla de Cramer

Sea A es n
x
n , Ax=B , x =
(
(
(

n
x
x
M
1
, A inversible.
Y Sea A [ ] B j ) ( = matriz obtenida de A reemplazando la j-sima columna por b.

Entonces
[ ]
) (
) (
A Det
b j A Det
x
j

=

Prueba:
X= B A .
1
= B A Adj
A Det
). (
) (
1



j
x = ( )
j
B A Adj
A Det
). (
) (
1
=
) (
1
A Det
( ) ( )
i
n
i
b A Adj
i d

=1
,

=
) (
1
A Det
. ( ) ( ) ( )
i
n
j
j i
B j i A . | det 1
1

=
+
y Sea B= A [ ] B j ) (
=
) (
1
A Det
.
( ) ( ) ( )
j i
n
j
j i
B j i B
,
1
. | det 1

=
+

=
) (
) (
A Det
B Det
FIN

Ejemplo de la regla:

3x-2y=5 Det
(

8 7
2 3
= 24 + 14 = 38 x =
(

8 10
2 5
.
38
1
Det =
19
30
38
60
=
7x-8y=10 y =
(

10 7
5 3
.
38
1
Det =
38
5


Teorema N23
Desigualdad Triangular: + +

2
+ = + + , = , + , + , + ,

y como sabemos que , = ,


2
+2Re , +
2

2
+ , 2 +
2

2
+ 2 +
2
= ( )
2
+
FIN